ما در این تحقیق به بررسی مشکلات زمان بندی تولید و نقل و انتقال می پردازیم که در آن هر فعالیت برای پردازش بیشتر به تجهیزات بچینگ انتقال می یابد. چندین ناقل m وجود دارد که که فعالیت ها را از محوطه انتظار به تجهیزات بچینگ انتقال می دهد. هر دستگاهی تنها می تواند یک فعالیت را در یک زمان انتقال دهد. تجهیزات بچینگ می توانند  به پردازش مجموعه ای از فعالیت ها به طور همزمان پرداخته در صورتی که حد بالایی در ارتباط با اندازه دسته ها وجود داشته باشد. هر مجموعه ای که پردازش می گردد شامل هزینه های مربوط به پردازش نیز می گردد. مسئله در اینجا مد نظر قرار دادن برنامه ریزی های مربوط به فرایند تولید و انتقالی بوده به صورتی که کل زمان اجرا و هزینه پردازش کلی بهینه سازی شود. در ارتباط با موارد خاص مربوط به این مسئله که واگذاری فعالیت های به ناقل ها از پیش مشخص شده است، ما یک الگوریتم زمانی چندجمله ای ای را ایجاد می کنیم. در ارتباط با مسئله کلی، ما به اثبات می کنیم که این فرایند به صورت ان پی- سخت ( در مفهوم رایج) بوده و الگوریتم زمانی چندجمله ای ساختگی را ایجاد می کند. طرح های تقریبی زمان چندجمله ای در ارتباط با مسئله کلی از طریق تغییر الگوهای برنامه نویسی دینامیک چندجمله ای ساختگی، بدست می آید.

کلیدواژه: زمان بندی تولید، انتقال، برنامه نویسی دینامیک، طرح تخمینی زمان چندجمله ای کامل

1- مقدمه

هماهنگی مربوط به زمان بندی تولیدات و انتقال اخیرا توجه زیادی را از نقطه نظر منطق و تحقیقات مدیریتی صنعتی به سمت خود جلب کرده است.فعالیت های نیمه تمام از یک منطقه به سمت تاسیسات صنعتی برای پردازش بیشتر توسط انتقال دهنده ها در بسیاری از بخش های صنعتی انتقال یافته است. انگیزه دیگری نیز در بسیاری از صنایع ایجاد شده است که هماهنگی بین تولید و انتقال برای ذخیره انرژی و کاهش مصرف سوخت کمک کننده می باشد. این مورد در صنعت فلزات و آهن حقیقی می باشد. در فرایند تولید شمش، این فلز توسط بعضی از دستگاه ها به کوره های عمیق انتقال داده می شود.

این مقاله الگوریتم جدیدی را در ارتباط با کاهش پیچیدگی های محاسباتی در تشخیص صدای افراد بر مبنای چارچوب مدل گویش ترکیبی گاوس ارائه می کند. در ارتباط با موارد کاربردی که در آن ها سلسله مراتب مشاهدات کلی مد نظر قرار می گیرد، به توضیح این مطلب می پردازیم که بررسی سریع مدل های احتمالی تشخیص صدا از طریق تنظیم توالی زمانی بردارهای مشاهداتی مورد استفاده برای بروزرسانی احتمالات جمع آوری شده مربوط به هر مدل گوینده، حاصل می گردد. رویکرد کلی در استراتژی جستجوی مقدماتی ادغام می شود، و نشان داده شده است که باعث کاهش زمان برای تعیین هویت گوینده از طریق فاکتورهای 140 بر روی روش های جستجوی استاندارد کلی و فاکتور شش با استفاده از روش جستجوی مقدماتی شده است. که گویندگان را از مجموع 138 گوینده دیگر تشخیص می دهد.

1. مقدمه

توانایی تشخیص صدای هر فرد اخیرا در تحقیقات پیشین مورد توجه قرار گرفته است. کاربرد های شناسایی و تشخیص صدای هر فرد در ارتباط با تماس های تلفنی، امنیت کامپیوتری و همچنین دسترسی به اسناد مهم بر روی اینترنت می باشد. استفاده از مدل ترکیبی گاوس برای تعیین هویت گویندگان عملکردهای قابل مقایسه ای را در ارتباط با تکنیک های موجود دیگر ایجاد کرده است. برای نمونه، میزان خطا در ارتباط با 138 گوینده به میزان 0.7% کاهش نشان داده است. به هر حال با افزایش اندازه جمعیت و ابزارهای آزمایشی، هزینه محاسباتی اجرای این بررسی ها به طور اساسی افزایش داشته است. این مقاله مسئله کاهش پیچیدگی های محاسباتی شناسایی هویت گوینده را با استفاده از جستجوی مقدماتی همراه با  تنظیملت جدید سلسله مراتب مشاهدات مد نظر قرار می دهد.

در این مقاله تجزیه و تحلیل فشارهای سطوح قطاعی مدرج برای بررسی تکین در محدوده تارک ها و تاثیر لایه های مرزی، مد نظر می باشد. بر طبق به تئوری تغییر شکل سطح برش مرتبه اول، معادلات دیفرانسیل با مشتقات جزئی  بدست می آید. با استفاده از روش تحلیلی، معادله توازن خمش و کشیدگی تفکیک می گردد.همچنین با معرفی تابعی به نام تابع لایه مرزی، سه معادله خمش به دو معادله تفکیک پذیر تبدیل می گردند. این معادلات به صورت تحلیلی حل شده و تاثیر تابع لایه های مرزی بر روی موئلفه های فشار نشان داده می شوند. همچنین تکین مربوط به نیروی برش، نتایج لحظه ای و تابع لایه مرزی در ارتباط با هر دو سطوح مقطعی برجسته   و برگشتی   مورد بحث قرار می گیرند. به منظور تایید صحت نتایج، معادلات جاکم با استفاده از روش مربع دیفرانسیل (DQM) حل می شود. با مقایسه نتایج روش های دقیق با   ، سازگاری خوبی مشاهده می شود. 

مقدمه

سطوح مربوط به بخش ها به طور گسترده ای در حل مسائل مهندسی مورد استفاده قرار می گیرد. تجزیه و تحلیل مربوط به این سطوح به دلیل وجود زوایای تیز بر روی راس سطوح، لحظاتی درمواجهه با ویژگی ها و نیروهای خاص می باشند. بر طبق به نظریه سطوح نازک کلاسیک، ویلیام به بررسی این ویژگی های خاص حاصل از شرایط مرزی متنوع در سطوح ایزوتوپیک تحت شرایط خمش و توسعه می گردد. دمپسی و سینکلر به بررسی ویژگی های این فشارها در سطوح ایزوتوپیک تحت فشار با معرفی تابع فشار هوا پرداخته اند. اوجیکاتو و همکارانش از یک طرح محدود متنوع برای بررسی این خصوصیات در سطوح مرکب لایه ای با حمایت از لبه های شعاعی استفاده کرده اند. لیسا و همکارانش از روش ریتز استفاده کرده و تابع زوایه ای را به عنوان تابع قابل قبول برای بررسی عملکرد خاص به منظور ارتعاش سطوح نازک با تاوجه به زوایای ورودی یا گره V در نظر گرفته اند. 

بسیاری از مسائل علمی، مهندسی و اقتصادی شامل بهینه سازی مجموعه ای از پارامترها می باشد. این مسائل شامل نمونه هایی همچون به حداقل رسانی اتلاف در شبکه برق با یافتن تنظیمات بهینه بخش ها، یا تقویت شبکه عصبی برای تشخیص تصویر چهره افراد می باشد. الگوهای بهینه سازی بیشماری مطرح شده اند تا به حل این مشکلات ، با درجلت مختلفی از موفقیت بپردازند. بهینه سازی ازدحام ذرات (PSO) تکنیک نسبتا جدیدی می باشد که به صورت تجربی نشان داده شده است که دارای عملکرد خوبی بر روی بسیاری از این مسائل بهینه سازی می باشد. این مقاله مدل نظری را ارائه می دهد که می تواند برای شرح رفتار بلندمدت الگوریتم مورد استفاده قرار گیرد. نسخه پیشرفته بهینه کننده ازدحام ذرات ایجاد شده و نشان داده شده که دارای همگرایی تضمین شده ای بر روی سطح محلی می باشد.این الگوریتم رو به توسعه بوده، که منجر به الگوریتم هایی با همگرایی تضمین شده در سطح جهانی شده است. مدلی برای ایجاد الگوریتم های PSO مشترک ایجاد شده است، که منتهی به معرفی دو الگوریتم مبتنی بر PSO جدید شده است. شواهد تجربی نیز ارائه شده تا به پشتیبانی از خصوصیات نظری پیش بینی شده توسط مدل های مختلف، با استفاده از فعالیت های مبنا ترکیبی برای بررسی مشخصه های ویژه بپردازد. سپس الگوریتم های مختلف مبتنی بر PSO ،در مورد  فعالیت تقویت شبکه های عصبی اعمال می گردد که به ادغام نتایج حاصل شده بر روی فعالیت های مبنا ترکیبی بپردازد.

مقدمه

شما با صدای ساعتتان بیدار می شوید. ساعتی که توسط شرکتی ساخته می شود تا سود خود را با مد نظر قرار دادن تخصیص بهینه منابع تحت کنترلش به حداکثربرساند. شما کتری را روشن می کنید تا قهوه ای درست کنید، بدون اینکه در مورد مدت زمان طولانی که شرکت برق برای بهینه سازی ارائه برق وسایل تان صرف می کند، فکر کنید. هزاران متغیر در شبکه برق تلاشی را به منظور به حداقل رسانی اتلاف در شبکه به منظور به حداکثر رساندن بازدهی تجهیزات برقی تان انجام می دهد. شما وارد اتومبیلتان شده وموتور را بدون درک پیچیدگی های این معجزه کوچک مهندسی شده، روشن می کنید. هزاران پارامتر توسط سازندگان مد نظر قرار داده می شود تا وسیله نقلیه ای را تحویل دهند که متناسب با انتظارتان بوده، که شامل  زیبایی بدنه تا شکل آینه بغل اتومبیل می باشد تا از تصادف جلوگیری شود. 

مدل های اتورگرسیون برداری مارکف سویچینگ VAR (DDMS-VAR) به عنوان مدل های سری زمانی با فرایند تولید داده، شامل ادغام دو فرایند VAR ( انورگرسیون برداری) می باشد. تغییر بین این دو فرایند VAR ، توسط دو حالت زنجیره مارکف با احتمالات انتقال کنترل می گردد که بستگی به این دارد که چه مدتی زنجیره در یک حالت قرار می گیرد. در این مقاله، به تجزیه و تحلیل خصوصیات مرتبه دوم چنین مدل هایی پرداخته و الگوریتم مونت کارلو زنجیره مارکف را برای انجام استنباط فازی بر روی موارد مجهول مدل، مطرح می کنیم. علاوه بر این، نرم افزار منبع باز که توسط محقق برای تحلیل سری زمانی به وسیله مدل های DDMS-VAR  نوشته شده است، توضیح داده می شود. ای روش و نرم افزار برای تجزیه و تحلیل چرخه کسب و کار ایالات متخده امریکا کاربرد دارد.

کلیدواژه: مارکف سوئیچینگ، چرخه کسب و کار، نمونه گیری گیبز، وابسته به زمان، اتورگرسیون برداری

1. مقدمه 

از زمان بررسی های مقدماتی هامیلتون (1989)، بسیاری از کاربردهای مدل اتورگرسیون برداری مارکف سویچینگ (MS-AR) برای تحلیل چرخه کسب و کار به اثبات پتانسیل های خود، به ویژه در آشنایی این سیکل به صورت هدفمند، پرداخته است. با این وجود، مدل اصلی MS-AR محدودیت هایی دارد: 1) به  صورت یک متغیره می باشد، 2) احتمال تغییر از یک حالت به حالت دیگر ( یه به موارد دیگر) با گذشت زمان ثابت می باشد،

 3) قادر به ایجاد طیف هایی با نقطه ماکزیمم در فراوانی چرخه کسب و کار نمی باشد. از ان جایی که چرخه های کسب و کار بر مبنای نوسانات فعالیت های اقتصادی انبوه می باشد، مد نظر قرار دادن همزمان بسیاری از متغیرهای اقتصادی کلان  1) به صورت نقطه ضعف قابل اقماض نمی باشد. تعمیم چندمتغیره مدل MS توسط کرولزینگ (1997) در رساله ممتاز او در مورد مدل MS انجام شده است. 

همان طور که در مورد 2 بیان شد، منطقی است تا بر این باور باشیم که احتمال خارج شدن از رکود مشابه ابتدای این فرایند بعد از چندین ماه نمی باشد. بعضی از محققان همانند دیبولد و رودباش (1990)، دیبولد و همکارانش (1993) و واتسون (1994) شواهدی را در مورد وابستگی در طول مدت در چرخه کسب و کار ایالات متحده یافته اند و بنابراین دیبولد و همکارانش (1993) اشاره می کنند که، نتایج مدل MS استاندارد، در این چارچوب نامشخص می باشد. برای روبرو شدن با این محدودیت، دورلند، مک کاردی (1994) به معرفی اتورگرسیون مارکف سوئیچینگ یک متغیری وابسته به مدت زمان پرداخته اند، و فیلترهای دیگری را برای متغیر حالت غیرقابل مشاهده طراحی کرده اند. در مقاله کنونی، مدل سوئیچینگ وابسته به مدت زمان به صورت چندمتغیره تعمیم داده شده است، و نشان داده شده است که چگونه ابزارهای استاندارد مربوط به مدل MS-AR همانند فیلتر هامیلتون و صافی کیم، برای مدل سازی وابستگی به مدت زمان مورد استفاده قرار می گیرند. در واقع فیلتر مطرح شده توسط دورلاند و مک کاردی(1994) مشابه فیلتر هامیلتون می باشد که برای زنجیره مارکف کلی تر نشان داده شده است. درحالیکه دورلاند و مک کاردی (1994) استنباط شان را در مورد مدل با بکارگیری براورد احتمالی حداکثر انجام داده اند، تکیه ما بر روی استنباط بیزی با استفاده از تکنیک مونت کارلو زنیره مارکف (MCMC) می باشد.

در سال های اخیر روند رو به رشدی برای دولت ها در بسیاری از کشورها ایجاد شده که پروژه های مهم زیربنایی و صنعتی را در اختیار بخش های خصوصی قرار می دهند. دولت  به جای دادن ضمانت مستقیم در ارتباط با تعهدات پروژه، نگاهی به بخشهای خصوصی داشته تا با پیش بینی درآمد به عنوان یک تضمین، سرمایه گذاری در پروژه داشته باشند.

اخیرا، تعداد زیادی از کشورها برنامه های خصوصی سازی مختلفی همانند انتقال عملیات ساخت (BOT)، خصوصی سازی عملیات ساخت (BOO)، انتقال امتیاز ساخت (BOT)، انتقال عملیات ساخت به شکل خصوصی (BOOT)، خصوصی بودن انتقال ساخت (BTO)، را آغاز کرده اند.

بسیاری از دولت ها رویکرد انتقال فعالیت ساخت را پذیرفته، که به این ترتیب بخش خصوصی تاسیسات را عملیاتی کرده و بعد از دوره مشخص، واگذاری آن را به دولت محول می سازد. موفقیت پروژه Eurotunnel (تونل اروپا) در افزایش سرمایه تقریبا به اندازه 1500 میلیون دلار امریکا درارتباط با پروژه تونل زیرزمینی توجه گسترده جهانی را به سمت طرح BOT کشانده است. نمونه ای از پروژه های زیربنای که بر مبنای BOT به شکل خصوصی در آمده است عبارتند از نیروگاه برق، تاسیسات تصفیه آب نوشیدنی و ذخایر آبی، جاده های عوارضی، تونل ها و پل ها. فرانسه و بیرتانیا از جمله کشورهایی هستند که در آن ها پروژه های BOT به اجرا در می آیند و اخیرا کشورهای رو به توسعه از چنین طرحی برای به اجرا در آوردن پروژه های زیرساختی استفاده می کنند. 

شکل های پروژه BOT

1- خصوصی سازی عملیات ساخت (BOO)

در این شکل، بخش خصوصی (شرکت صاحب امتیاز) مسئول طراحی، سرمایه گذاری ، ساخت و نظارت بر تاسیسات می باشد.  در پروژه BOO عنوان حق مالکیت با صاحب امتیاز می باشد. هیچ حق مالکیتی به دولت واگذار نمی شود. 

2- عملیات انتقال ساخت (BTO)  

در پروژه BTO، بخش خصوصی (شرکت صاحب امتیاز) تاسیسات را ساخته و حق مالکیت را به دولت واگذار می کند.  صاحب امتیاز با گرفتن قرارداد به منظور اجرای تاسیسات آن را عملیاتی می کند.

3- انتقال امتیاز ساخت (BLT)

بخش خصوصی (شرکت صاحب امتیاز) تاسیسات را به عهده گرفته و امتیاز آن را واگذار کرده و در پایان دوره مورد توافق آن را به دولت انتقال می دهد. 

روش جدید از طبقه بندی جدید سیگنال ارائه شده که بر مبنای مدل سازی دینامیک سیستم بوده که در فضای مراحل بازسازی مورد محاسبه قرار می گیرد. این مدل سازی ها با استفاده از مدل ترکیبی کوواریانس گاوس  در ارتباط با حوزه زمانی در مقایسه با تحقیقات های حال حاضر و گذشته در طبقه بندی سیگنال ها انجام می گیرد که معمولا تمرکز آن بر روی تحلیل سیستم های خطی با استفاده از مقدار بسامد یا مدل های یادگیری ماشینی غیر خطی ساده همانند شبکه های عصبی مصنوعی می باشد. روش مطرح شده دارای پایه نظری قوی بر مبنای سیستم های دینامیکی و قضایای توپولوژی می باشند که منجر به بازسازی سیگنال شده که با در نظر گرفتن پارامترهای انتخابی مناسب، به طور جانبی نماینده سیستم زیرین می باشد. این الگوریتم ها به طور اتوماتیک این پارامترها را محاسبه کرده تا فضاهای مراحل بازسازی شده را بازسازی را شکل داده وتنها نیازمند تعدادی از آمیزه ها، سیگنال ها و تیکت دسته ها به عنوان توان ورودی می باشد. سه مجموعه داده مجزا برای تایید مورد استفاده قرار می گیرند که شامل شبیه سازی چریان موتوری، دستگاه ثبت ضربان قلب و شکل امواج گفتار می باشد. نتایج نشان می دهد که روش های مطرح شده در حوزه های مختلف اثرگذار بوده و به طور قابل توجهی در مسسیر شبکه های عصبی بر مبنای وقفه زمانی بکار گرفته شده که به عنوان مبنا می باشد.

کلیدواژه- طبقه بندی سیگنال ها، مراحل بازسازی، مدل ترکیبی گاوس.

1. مقدمه

اکثر فعالیت ها در ارتباط با طبقه بندی و تعیین سیگنال ها بر مبنای تجزیه و تحلیل سیستم های خطی می باشد و از ویژگی هایی براساس ارائه بسامدها استفاده می کنند. همچنین فعالیت های گسترده ای بر مبنای آشکار کردن سیگنال ها و طبقه بندی آن ها در حوزه ارتباطی وجود دارد که بر مبنای نظریات آماری می باشد. گزینه های مربوط به این روش ها شامل طبقه بندی های غیر خطی همانند شبکه های عصبی و یا دستگاه های حامی بردارها و همچنین تکنیک های طبقه بندی شده و مشابه در ارتباط با سری های اطلاعاتی جدید می باشد.

به عنوان یک طرح کارامد برای ارائه اطلاعات و مکانیسم شبیه سازی متناسب با بررسی های بیشمار و حوزه های کاربردی، طرح شناخت فازی (FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به هر حال FCMs (طرح شناخت فازی) سنتی، روش کارامدی را برای تعیین وضعیت سیستم مورد بررسی و تعیین علت و معلول که مبنای واقعی نظریه FCMs (طرح شناخت فازی) می باشد، ایجاد نمی کند. بنابراین در بسیاری از موارد، ایجاد FCMs (طرح شناخت فازی) برای سیستم های علت و معلول یچیده بستگی به دانش متخصصان دارد. مدل های ایجاد شده فیزیکی، دارای کمبودهایی مهمی از نظر خاص بودن مدل و مشکلاتی از نظر دسترسی قابل اطمینان دارند. در این مقاله به طرح شبکه عصبی فازی برای بالا بردن توان یادگیری FCMs (طرح شناخت فازی) پرداخته به گونه ای که تعیین خودکار توابع عضویت و تعیین علت و معلول آن با مکانیسم استنتاج  FCMs (طرح شناخت فازی) رایج ادغام می گردد. به این ترتیب، مدل FCMs (طرح شناخت فازی) سیستم های مورد بررسی به صورت اتوماتیک از داده ها ایجاد شده و بنابراین مستقل از یافته های متخصصان می باشند. علاوه بر این، لز زیرمجموعه های متقابل برای تعریف و شرح علت و معلول در FCMs (طرح شناخت فازی) استفاده می کنیم.  این موارد تفاسیر مشخصی را در ارتباط با دلایل FCMs (طرح شناخت فازی)  ایجاد کرده و به این ترتیب درک فرایند استنتاج را اسان تر می کند. برای تایید عملکرد، روش پیشنهادی در سری زمانی پر هرج و مرج پیش بینی شده، تست می گردد. بررسی های شبیه سازی شده کارایی روش پیشنهادی را نشان می دهد.

- مقدمه

از زمان تحقیقات کوشو ، طرح شناختی فازی(FCMs) توجه زیادی را از جوامع تحقیقاتی مختلف به سمت خود جلب کرده است. به عنوان یک روش بررسی مدل ها، برای سیستم های پیچیده،  مدل FCMs به بررسی سیستم های دیگر به عنوان مجموعه ای از مفاهیم و روابط بین این مفاهیم که منشاء آن از ترکیب منطق فازی و شبکه های عصبی می باشد پرداخته است.ذاتا، FCMs به عنوان یک نمودار مستقیم همراه با بازخوردهایی می باشد که شامل مجموعه ای از گره ها و منحنی هایی می باشد که این گره ها را به هم مرتبط می کند. شکل 1 نمایش گرافیکی FCM و ساختار شبکه ای آن را نشان می دهد.

امروزه سازمان هایی که امید به رشد قابل ملاحظه ای دارند نیازمند یک سیستم ارزیابی و ارزیابی عملکرد استراتژیک قوی هستند به دلیل تغییرات در تقاضای مشتریان، کاهش چرخه ی عمر محصول، بازارهای رقابتی جهانی شده اند. در این مقاله، شیوه جدیدی معرفی گشته و برای افزایش کیفیت ارزیابی و انتخاب تأمین کننده پیشنهاد شده است. دیدگاه جدید هم متغیرهای کیفی و هم متغیرهای کمی را در ارزیابی عملکرد تامین کنندگان بر مبنای کارایی و اثر بخشی در یکی از بزرگترین کارخانجات ماشین سازی در ترکیه مورد ملاحظه قرار می دهد. این روش جدید در دو گام بررسی شده است. در گام نخست، ارزیابی عملکرد کیفی از طریق AHP (برنامه ریزی سلسله مراتبی) فازی در یافتن وزن های معیارها یه کار گرفته شده و سپس TOPSIS (تکنیکی برای اولوبت سفارش از طریق شباهت با راه حل های ایده ال) فازی در یافتن رتبه بندی تامین کنندگان استفاده گشته است. بنابراین، متغیرهای کیفی به یک متغیر کمی جهت استفاده در روش DEA (تحلیل پوشش داده) به عنوان خروجی که حسابرسی سیستم مدیریت کیفیت نامیده می شود تبدیل شده است. در گام دوم، DEA با یک ورودی مبهم و چهار متغیر خروجی، تحت عناوین، حسابرسی سیستم مدیریت کیفیت، نرخ هزینه ضمانت، نرخ نقص، مدیریت کیفیت شکل گرفته است. به عنوان یک نتیجه، مقایسه کردن با سیستم کنونی از طریق کارخانه ماشین سازی به کار گرفته شده، روش جدید در قالب مزایا و اولویت هایی برای تصمیم گیری در خرید باکیفیت کابین یدک کش اتومبیل از طریق انتخاب تامین کننده (گان) در یک کارخانه ماشین سازی در ترکیه به نظر می رسد.

کلیدواژه: ارزیابی تامین کننده، تکنیک تصمیم گیری چند معیاره، بهبود عملکرد

1- مقدمه  

برای انتخاب تامین کننده صحیح با مشکلات مهم  انتخاب و ارزیابی در تابع (عملکرد) خرید یک کسب و کار سر و کار داریم. یک انتخاب خوب تامین کننده برای کاهش هزینه های عملیاتی و بهبود کیفیت محصول نهایی آن  تفاوت معنی داری برای آینده ی یک سازمان ایجاد می نماید.