تحلیل تاب‌آوری سیستم ها

مشخصات دوره

طول دوره: 14 ساعت
تعداد جلسات: 7 جلسه دو ساعته

زمان کلاس: پنجشنبه ها 3 تا 5 بعد از ظهر به وقت ایران (شروع دوره از اسفندماه خواهد بود.)
نحوه شرکت در کلاس: کلاس ها در محیط اسکای روم برگزار می گردد. 
هزینه شرکت در دوره: شهریه دوره 4 میلیون تومان می باشد. ​​​​​​​
زبان برنامه نویسی: در این دوره از زبان برنامه نویسی متلب استفاده می گردد.
مدرس: دکتر مهدی شاداب فر

شرح دوره

در دنیای مهندسی مدرن، پرسش‌ها فراتر از «مقاومت» و «پایداری» رفته و به سؤال حیاتی «تاب‌آوری» رسیده‌اند: اگر سیستم دچار شوک شد، چه زمانی و با چه کیفیتی به حالت عادی برمی‌گردد؟ این دوره آموزشی با رویکردی کاملاً کاربردی و گام‌به‌گام، شما را با مفاهیم مدل‌سازی تاب‌آوری، از مفاهیم پایه تا معادلات دیفرانسیل و بهینه‌سازی سیستم آشنا می‌کند. ما در این دوره، سیستم‌ها را به عنوان ساختارهای پویا با عدم قطعیت‌های موجود مدل می‌کنیم تا بتوانیم رفتار آن‌ها را در بحران‌ها پیش‌بینی و مدیریت کنیم.

این دوره برای چه کسانی مناسب است؟
✅ دانشجویان و پژوهشگران مهندسی عمران، مکانیک، برق و صنایع که به تحلیل سیستم‌ها علاقه‌مندند.
✅ متخصصان مدیریت ریسک و بحران که به دنبال ابزارهای کمی برای ارزیابی تاب‌آوری زیرساخت‌ها هستند.
✅ برنامه‌نویسانی که قصد دارند شبیه‌سازی‌های احتمالاتی (Monte Carlo) و مبتنی بر واقعیت را در پروژه‌های خود پیاده‌سازی کنند.

​​​​​​​پس از این دوره قادر خواهید بود:
✅ منحنی‌های تاب‌آوری را با توابع ریاضی (خطی، نمایی، لجستیک) و معادلات دیفرانسیل (ODE) مدل کنید.
✅ عدم قطعیت‌ها را با شبیه‌سازی مونت کارلو (Monte Carlo) تحلیل کرده و نمودارهای پوششی احتمالاتی رسم نمایید.
✅ اثرات آبشاری (Cascading Failures) در سیستم‌های چندمولفه‌ای را شناسایی و مدل‌سازی کنید.
✅ با تحلیل حساسیت (Sensitivity Analysis)، پارامترهای بحرانی مؤثر بر تاب‌آوری را شناسایی کنید.
✅ استراتژی‌های بازیابی را با در نظر گرفتن محدودیت‌های بودجه بهینه‌سازی کرده و بهترین تصمیم مدیریتی را اتخاذ نمایید.

محتوای دوره

جلسه ۱: مقدمه و مفاهیم پایه تاب‌آوری
۱.۱. تعریف مسئله تاب‌آوری سیستم ها
۲.۱. معرفی مولفه های اصلی شاخص تاب آوری: استحکام (Robustness)، تدبیر یا کاردانی (Resourcefulness) و سرعت بازیابی (Rapidity)
۳.۱. منحنی تاب‌آوری و مراحل آن (حالت عادی، شوک، آسیب‌دیده، بازیابی)
​​​​​​​۴.۱. رسم منحنی تاب‌آوری ساده با شرط‌های خطی در متلب

جلسه 2: مدل‌سازی ریاضی، توابع بازیابی و تحلیل احتمالاتی 
۱.۲. مدل‌سازی ریاضی افت عملکرد: تابع نمایی (Exponential Decay) و نرخ افت (λ)
۲.۲. مدل‌سازی بازیابی: مقایسه سه رویکرد خطی، نمایی و لجستیک (Logistic)
۳.۲. چالش عدم قطعیت در مدل‌های قطعی و نیاز به رویکرد احتمالاتی
۴.۲. ایده اصلی شبیه‌سازی مونت کارلو: تولید سناریوهای متعدد با متغیرهای تصادفی
۵.۲. تعریف متغیرهای تصادفی: شدت شوک (S)، زمان شروع تعمیر، نرخ بازیابی
​​​​​​​۶.۲. پیاده‌سازی در متلب: رسم نمودار پوششی (Uncertainty Envelope) و تحلیل آماری شاخص تاب‌آوری

جلسه 3: سیستم‌های پیچیده، شکست آبشاری و تحلیل حساسیت (Cascading & Sensitivity)
​​​​​​​
۱.۳. مفهوم شکست آبشاری (Cascading Failure) و تأثیر متقابل اجزا در سیستم‌های واقعی
۲.۳. مدل‌سازی وابستگی‌ها با استفاده از ماتریس مجاورت (Adjacency Matrix)
۳.۳. پیاده‌سازی منطق انتشار خرابی با حلقه‌های تکرار (While Loops)
۴.۳. معرفی شاخص‌های کلیدی: امید ریاضی تاب‌آوری، انحراف معیار و احتمال شکست
۵.۳. اصول تحلیل حساسیت: شناسایی پارامترهای مؤثر بر خروجی با روش «یکی در میان»
​​​​​​​۶.۳. پیاده‌سازی نمودار تورنادو (Tornado Plot) در متلب و تفسیر نتایج مدیریتی

جلسه 4: سیستم‌های چندمولفه‌ای و مدل‌سازی دینامیکی با معادلات دیفرانسیل 
​​​​​​​
۱.۴. تعریف سیستم‌های واقعی: ترکیب زیرسیستم‌های فیزیکی، انسانی و تجهیزاتی
۲.۴. قوانین تجمیع عملکرد: روش ضرب (Multiplicative) در برابر حداقل (Weakest Link)
۳.۴. مدل‌سازی پارامترهای مجزا برای هر جزء (آسیب‌پذیری، سرعت بازیابی، تأخیر)
۴.۴. چرا معادلات دیفرانسیل؟ مدل‌سازی بر اساس نرخ تغییرات (Rate of Change)
۵.۴. فرمول‌بندی معادله تاب‌آوری: dQ/dt در فازهای تخریب و بازیابی
​​​​​​​۶.۴. حل عددی معادلات با استفاده از حل‌کننده‌های متلب (مانند ode45) و بررسی دقت مدل

جلسه 5: بهینه‌سازی استراتژی‌های بازیابی 
۱.۵. تعریف مسئله بهینه‌سازی: حداکثر کردن تاب‌آوری با محدودیت بودجه
۲.۵. مدل‌سازی توابع هزینه: تأثیر سرعت تعمیر و زمان‌بندی بر هزینه‌ها
۳.۵. روش جستجوی شبکه‌ای (Grid Search) برای یافتن ترکیب بهینه پارامترها
​​​​​​​۴.۵. مقایسه استراتژی بهینه با استراتژی‌های ضعیف و تحلیل تخصیص منابع

جلسه 6: نمونه‌گیری عامل بنیان و تحلیل عدم قطعیت 
۱.۶. مروری بر محدودیت‌های روش‌های احتمالاتی کلاسیک (مانند مونت کارلو ساده) در داده‌های واقعی
۲.۶. معرفی رویکرد بیزی (Bayesian Approach) در تاب‌آوری: ترکیب دانش پیشین (Prior) با داده‌های مشاهده‌شده پس از بحران
۳.۶. اصول نمونه‌گیری عامل بنیان (Importance Sampling): تمرکز بر مناطق بحرانی فاز شکست برای افزایش دقت محاسبات
۴.۶. کاربرد در به‌روزرسانی مدل: اصلاح پارامترهای تاب‌آوری (مانند نرخ بازیابی) بر اساس داده‌های واقعی تعمیرات
۵.۶. پیاده‌سازی در متلب: مقایسه کارایی نمونه‌گیری عامل بنیان با مونت کارلو استاندارد در تخمین احتمال شکست
​​​​​​​۶.۶. تحلیل نتایج: کاهش واریانس و افزایش سرعت همگرایی در شبیه‌سازی‌های پیچیده

جلسه 7: پروژه نهایی و جمع‌بندی
۱.۷. تعریف پروژه جامع: تحلیل تاب‌آوری یک شبکه برق منطقه‌ای
۲.۷. ترکیب مفاهیم: توپولوژی شبکه، شبیه‌سازی مونت کارلو، مدل‌سازی دینامیکی و بهینه‌سازی
۳.۷. پیاده‌سازی کامل پروژه در متلب: از تولید سناریو تا رسم نمودارهای نهایی
​​​​​​​۴.۷. جمع‌بندی دوره و راهنمایی برای استفاده از مدل‌ها در مقالات علمی

ثبت نام در دوره

جهت ثبت‌نام، روی دکمه زیر کلیک کرده و فرم مربوطه را تکمیل و ارسال نمایید. پس از آن، همکاران ما در اسرع وقت از طریق ایمیل با شما تماس گرفته و راهنمایی‌های لازم را برای پرداخت شهریه و نهایی‌سازی ثبت‌نام ارائه خواهند داد.

ثبت نام در دوره
سبد خرید

رمز عبورتان را فراموش کرده‌اید؟

ثبت کلمه عبور خود را فراموش کرده‌اید؟ لطفا شماره همراه یا آدرس ایمیل خودتان را وارد کنید. شما به زودی یک ایمیل یا اس ام اس برای ایجاد کلمه عبور جدید، دریافت خواهید کرد.

بازگشت به بخش ورود

کد دریافتی را وارد نمایید.

بازگشت به بخش ورود

تغییر کلمه عبور

تغییر کلمه عبور

حساب کاربری من

سفارشات

مشاهده سفارش