دانلود ترجمه مقاله کاربرد تئوری گراف چند لایه در بهبود امکان ردیابی و مدیریت دانش

نتیجه گیری و مطالعات آتی:
یکی از نتیجه گیری های اصلی این است که این طرح پیشنهادی، توانایی ساخت درخت ردیابی را با اطلاعاتی که از فرآیند شناخته شده طراحی بدست می آید، دارد. با این وجود این طرح هنوز هم به تجربیات تیم طراح برای انجام راهکار CPM/PDD محدود است. طراحانی که در این نوع مدل سازی مشکل دارند، ممکن است اطلاعاتی را ایجاد کنند که به نوبه خود درخت های نابسامانی را تشکیل میدهند. با این وجود مدل عنوان شده میتواند اطلاعات مفیدی را بصورت خودکار در زمینه یافتن درجه ارتباط میان هر کدام از زوج های خصوصیات-ویژگی ها فراهم بیاورد. در زمینه تصمیم گیری باید گفت، این طرح پیشنهادی میتواند برای کاهش عدم قطعیت شناختی از طریق ارایه درک بهتر از تعاملات مدل، اثربخش واقع شود. تحلیل مشتق ها میتواند در درک بهتر رفتار خصوصیات بر حسب تغییرات کمک شایانی کند.برای مثال مشتق tA تغییری غیر یکنواخت را برای Pr1 ایجاد میکند، که خود هر زمان طراح بخواهد تغییری ایجاد کند منجر به عدم قطعیت میشود. یک تغییر کوچک بر روی ویژگی اثر زیادی خواهد داشت. از طرفی دیگر هنگامی که تفاوت مشتق زیاد نباشد (ارزیابی درصدی)، این پدیده خود نشان میدهد که اعمال تغییر بصورت چشم گیری بر ویژگی تاثیر نخواهد گذاشت. تحقیقات آتی در سه جنبه انجام خواهند شد: اتصال این مدل به سیستم ابری، تا بتوان ردیابی را در کل چرخه زندگی ایجاد نمود، بهبود ارتباطات با طراحی دقیق و بررسی نحوه اثرگذاری این سیستم های ردیابی بر تصمیمات. همچنین بهبود مراحل اطلاعات تا بتوان سطوح عمیق تری از مهندسی دانش را فراهم آورد. تولید از جنس طبقه بندی ریسک در کل درخت ردیابی: اطلاع رسانی خودکار درباره اینکه کدام یک از خصوصیات نقشی حیاتی در عملکرد ویژگی دارند.

Conclusions and further research:
One of the main conclusions is that the proposal is able to build a traceability tree only with information that comes from well-known design process. Yet, it still is limited to the experience of the designers team in order to conduct a CPM/PDD approach. Designers with difficulties in this modelling might create information that will construct distorted trees. Still, the model can provide useful information, in an automatically manner, for determining degrees of correlations between any pair of characteristics-properties. In terms of decision-making, this proposal can be helpful in order to reduce epistemic uncertainty by providing a better understanding of model interactions. The analysis of the derivatives aids to understand the behaviour of the characteristics in terms of variation. For instance, tA’s derivative presents an unsteady variation for Pr1 generating uncertainty whenever designers want to do a change; a tiny change will affect the property a lot. On the other hand, when the derivative difference is not high (percentages evaluation), that indicates that performing changes will not impact the property dramatically. The further research should be centred in three aspects: connecting the model to cloud systems, in order to empower traceability along the whole life cycle, improving communication with detailed design and exploring how these traceability systems can influence decisions. Also, improving information storage in order to achieve deeper levels in knowledge engineering. Generating of a risk classification based in the whole traceability tree: automatically informing which characteristics are more critic to properties performance.