{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TN162",
        "title": "بهینه‌سازی تخصیص و گسیل کامیون - شاول در معادن روباز با استفاده از الگوریتم ژنتیک (مطالعه موردی: معدن مس سونگون)",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1390",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TN162",
        "title": "بهینه‌سازی تخصیص و گسیل کامیون - شاول در معادن روباز با استفاده از الگوریتم ژنتیک (مطالعه موردی: معدن مس سونگون)",
        "degree": null,
        "faculty": "مهندسی معدن، نفت و ژئوفیزیک",
        "year": 1390,
        "authors": [
            {
                "name": "مسلم امیدباد",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "رضا خالوکاکائی",
                "role": "استاد راهنما"
            },
            {
                "name": "حسین  میرزائی نصیرآباد",
                "role": "استاد راهنما"
            },
            {
                "name": "جواد ستاروند",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "تخصیص و گسیل کامیون",
            "تخصیص انعطاف‌پذیر",
            "الگوریتم ژنتیک",
            "مدل لی",
            "معدن مس سونگون",
            "LINGO"
        ],
        "abstract": "بهینه‌سازی تخصیص و گسیل کامیون – شاول در معادن روباز شامل یافتن مسیرهای بهینه برای حمل مواد، میزان حمل مواد از هر یک از ایستگاه‌های بارگیری و گسیل لحظه‌ای کامیون به هر یک از نقاط بارگیری و تخلیه است، به گونه‌ای که حداکثر بهره‌وری از تجهیزات صورت گیرد. برای معادن بزرگ با چندین ایستگاه بارگیری که ممکن است بیش از یک نوع ماده معدنی استحصال شود، در شرایط واقعی مدل‌ها و محدودیت‌های تخصیص و گسیل انعطاف‌پذیر کامیون – شاول پیچیده‌تر شده، به طوری که ممکن است روش‌های تحقیق در عملیاتی از حل این مدل‌ها عاجز باشند. به همین دلیل در این تحقیق از الگوریتم ژنتیک به عنوان یکی از زیر شاخه‌های هوش مصنوعی که در حل مسائل بهینه‌سازی مشکل کابرد گسترده و موفقیت‌آمیزی داشته است، برای حل مسأله تخصیص و گسیل که محدودیت‌های زیادی نیز بر مسأله حاکم است، استفاده شده است.\r\nنگرش ویژه این تحقیق بر روی یکی از بزرگ‌ترین معادن ایران، یعنی معدن مس سونگون می‌باشد. برای این منظور با مطالعه مدل‌های مختلف ارائه شده برای تخصیص و گسیل، مدل ارائه شده توسط لی برای این معدن انتخاب شده است. این مدل کاستی‌هایی نیز داشت که در این تحقیق این کاستی‌ها برطرف شده و مدل توسعه داده شده با داده‌های برداشت شده برای یک شیفت واقعی از معدن با استفاده از الگوریتم ژنتیک حل گردید. برای مقایسه نتایج حاصل از الگوریتم ژنتیک، مدل با استفاده از نرم‌افزار LINGO نیز حل گردید. نتایج حاصل بیانگر کارآیی بسیار مناسب الگوریتم ژنتیک برای حل مدل‌های تخصیص و گسیل می‌باشد به نحوی که تمام محدودیت‌های موجود در مسأله تخصیص و گسیل را نیز برآورده می‌سازد. همچنین نتایج حاصل از بکارگیری مدل تخصیص انعطاف‌پذیر توسعه داده شده لی برای معدن مس سونگون بیانگر افزایش تولید 5/27 درصد شیفت مورد نظر نسبت به روش تخصیص سنتی موجود می‌باشد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TN162.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}