وبلاگ

مارسل دوشان یکی از بانفوذترین هنرمندان نیمه­ی اول قرن بیستم است که بحث و اظهارنظرهای ضد و نقیض درباره کارهای او در دهه­های شصت و هفتاد به اوج خود رسید. در واقع آثار حاضرآماده­ی وی در نیمه­ی دوم قرن باعث ایجاد جریان­های برجسته­ای در زمینه­ هنر و فلسفه­ی هنر شد. او در خلق این آثار از زبان و انواع جناسهای لفظی و تصویری، انتخابهای ‌تصادفی، و دستمایه‌های مبتذل و بی‌دوام به عنوان ابزار و موضوع بهره گرفت.

دوشان در سال 1913 اولین حاضرآماده را ارائه کرد و این روند ارائه­ آثار حاضرآماده حدود هفت سال با حضور هر از گاه حاضرآماده­ای جدید امتداد یافت، پس از آن دوشان خلق آثار حاضرآماده را نه به صورت کلی بلکه به عنوان یگانه روش خلق اثر کنار گذاشت و به انواع دیگر خلق آثار هنری پرداخت.

اهمیت آثار حاضرآماده به این جهت است که هنر پس از حضور این آثار، دیگر نمی‌توانست هویت قبلی خود را بازیابد. دوشان با ارائه­ این آثار، فعل خلاقانه­ی هنرمند را که عاملی برای ارزیابی اثر بود تبدیل به یک فعالیت خام و بدوی نمود و تا حد یک تصمیم‌گیری فکری و عمدتاً تصادفی که برمبنای آن، این یا آن شی یا کنش «هنر» نامیده می‌شد، تنزّل بخشید. وی با ارائه­ آثار حاضرآماده نشان داد که هنر می‌تواند مستقل از ابزار و رسانه‌های مصنوع دست انسان مانند نقاشی و مجسمه‌سازی، و ورای ملاحظات مربوط به ذوق و سلیقه وجود داشته باشد. حرف دوشان این بود که هنر بیشتر با انگیزه‌های هنرمند مرتبط است تا کاری که با دستانش انجام می‌دهد یا احساسی که شخص هنرمند درباره زیبایی دارد. به زعم او، تصور و معنا مقدم بر فرم تجسمی انگاشته ‌می‌شد، همچنان‌که تفکر بر تجربه­ی حسی تقدم داشت. و به این ترتیب، سنّتی که آن را می‌شود بدیل هنر آوانگارد قرن بیستم دانست، پا به عرصه­ وجود نهاد. تا قبل از آثار حاضرآماده­ی دوشان، و حتی می­توان گفت بعد از وی با تأخیری قابل اعتنا تا دهه­های پنجاه و شصت میلادی، هنگام صحبت از استقلال حوزه زیبایی­شناسی، تمام قواعد آن به نظامهای صوری درون حوزه­ هنر فرو كاسته می­شد. یعنی همه­ی دریافت­ها، درباره زیبایی­ و هنر به قضاوتهای ذوقی از مناسبات درونی حوزه های مختلف هنری مربوط می­شد. به بیان دیگر هنگامی که كانت مقولات را به حوزه­ اخلاق، زیبایی­شناسی و شناخت تقسیم کرد، حوزه­ زیبایی­شناسی استقلال و خودمختاری خود را به دست آورد و برای دریافت و درک آن نیازی به رجوع به حوزه های اخلاق و شناخت نبود و همچنین از آن مهمتر این که درک و دریافت زیبایی شناسانه کمکی به «فهم» آن دو حوزه­ دیگر نمی­کرد. بدیهی است كه با این مباحث، تمام حركت­های فرمالیستی در مطالعات هنری یا زیبایی­شناسی فرمالیستی، زیبایی را كاملا صوری و در خود اثر جستجو می­كرد و این جریان كانتی كه به زیبایی شناسی فرمالیستی منجر شد، در مدرنیسم به اوج خود رسید. در واقع یكی از ویژگی­های برجسته هنر مدرن استقلال هر حوزه، و در نتیجه تلاش در جهت نزدیک شدن به هنر ناب و به تبع آن حركت به سمت انتزاع بود. حال اگر چنین تقسیم بندی شود، مدرنیسم به لحاظ زیبایی­شناختی رویكردی فرمالیستی تلقی خواهد شد.

دوشان در مخالفت با سنّتی که به نحو روزافزونی فرمالیستی و انتزاعی‌ می‌شد و هنرمندان معاصرش چون پیکاسو، ماتیس، موندریان و مالویچ، شکل‌دهندگان اصلی آن بودند (جنبش هنر برای هنر)، آثار حاضر و آماده (هنر به عنوان اندیشه) را عرضه کرد.

گزینش حاضرآماده­ها، به گفته­ی خود دوشان، هیچ گاه تابع سلیقه یا ذوق هنری نبود بلکه بر واکنش بین بی تفاوتی بصری و فقدان کلی ذوق سالم یا ناسالم و به بیان درست تر، بر بی حسی کامل استوار بود. در واقع هنگامی که دوشان حاضرآماده­ها را انتخاب می­کرد نه تنها قصد درگیر کردن ذوق زیبایی­شناسانه­ی مخاطب خود را نداشت بلکه خود وی نیز در انتخاب این آثار بر فقدان ذوق صحه گذاشته بود.

از لایه ­های بسیار مهم كه باید به آن توجه داشت، ایده­ای است كه اثر بر مبنای آن خلق یا به هر حال ارائه شده است. توجه به معنای اثر و مفهوم­گرایی در عرصه­ هنر جریانی بود که در نیمه­ی دوم قرن و به صورت آشکار متاثر از دوشان آغاز شد.

در کنار رویکرد مفهومی حضور این آثار به عنوان تجلی ایده­ هنرمند به پررنگ شدن نقش مؤلف نیز کمک کرد. مطابق این رویکرد برای هنر تلقی شدن چیزی، باید نام مؤلف (همانطور که در مورد چشمه امضاء “R.Mutt”  تبدیل به بخشی از اثر شده است و از سوی دیگر با فاش شدن هویت هنرمند اصلی یعنی مارسل دوشان، به آن به عنوان اثر هنری توجه می­ شود)، محیط و زمینه­ ارائه (چشمه با اینکه در گالری به نمایش عموم درنیامد ولی با حضور در نمایشگاه بود که بحث­ در مورد آن آغاز شد) و از همه مهمتر ایده­ای كه در پس آن است مورد توجه واقع شود. این نظریه­پردازی در عرصه­ قدرت مؤلف معنا می­یابد. به عبارت دیگر با آنکه نام این آثار حاضرآماده است اما نمی­توان آنها را بدون دخل و تصرف در نظر آورد، اگر دوشان به عنوان هنرمند این آثار را انتخاب نمی­کرد، هرگز در گالری­ها نمایش داده نمی­شدند و بحثی در رابطه با آنها در نمی­گرفت، همچنانکه اگر کسی به تقلید صرف این انتخابها بپردازد کار وی ارزشی نخواهد داشت، یگانگی این آثار نه در نوع خلق آنها بلکه در رویکرد فکری هنرمندی است که آنها را انتخاب کرده است.

از سوی دیگر توجه به حاضرآماده­ها بعنوان آثار هنری زمینه­ای شد تا فیلسوفانی همچون دانتو و دیکی مسئله­ «عالم هنر» و «نظریه­ی نهادی هنر» را مطرح کنند. این دیدگاه ­ها، به علت توجه خاصی که به آثار دوشان بخصوص «چشمه» داشتند (در واقع این اثر را بعنوان نقطه­ی شروع نظریات خود لحاظ کردند) و با توجه به تحولی که در زمینه­ خوانش اثرهنری ایجاد کردند قابل بررسی هستند.

رویکردهای اغلب متناقضی که نسبت به حاضرآماده­ها وجود دارد تا حدی بخاطر مواضع ضد و نقیضی است که خود دوشان در نقل­قول­های مختلف اتخاذ کرده است، وی گاهی بر اندیشه­ های فلسفی و گاهی برضدفلسفی بودن، بر ضد هنر بودن یا هنرمند بودن و گاهی بر جنبه­ های روانشناسانه­ی قابل ردیابی در آثارش صحه گذاشته است تا جایی که خوانش­های گوناگون و گاه متضاد بر پایه­ آثار و گفته­های وی ممکن شده است. گزارش و بررسی این رویکردهای زیبایی شناسانه و فلسفی در مورد مجموعه­ی «حاضرآماده» و در این مجموعه با توجه خاص به «چشمه» (بدلیل توجه ویژه­ای که رویکردهای مختلف نسبت به این اثر خاص داشته اند و آن را مبداء قضاوت یا رهیافت خود قرار داده­اند) می ­تواند در فهم بهتر این رویکردها و آثار حاضرآماده­ی دوشان راهگشا باشد.

از این رو برای درک بهتر وضعیت آثار حاضرآماده به عنوان اثر هنری و همچنین بررسی رویکردهای فلسفی مرتبط با آن، در ابتدا و در فصل اول به معرفی دوشان و زمینه­ شکل­ گیری آثار حاضرآماده پرداخته خواهد شد. پس از آن آثار حاضرآماده و چشمه به صورت خاص از لحاظ شکل مادی و تاریخ حضور در عرصه­ هنر مورد بررسی قرار خواهند گرفت. همچنین برای درک بهتر لزوم توجه به این آثار اهمیت هنری و فلسفی آن­ها برشمرده خواهد شد.

فصل دو به بررسی آراء و نظرات فلسفی مرتبط با آثار حاضرآماده اختصاص دارد و در این زمینه به رویکرد مفهومی که معنا را مقدم بر فرم اثر می­داند و تناقض همراه با آن، اهمیت مولف و مخاطب و جریان خودآیینی هنر، و در نهایت رویکرد زیبایی­شناسانه­ی کانتی به آثار حاضرآماده پرداخته خواهد شد.

در فصل سه به صورت جداگانه نظریه نهادی هنر مورد مطالعه قرار خواهد گرفت. این توجه ویژه به نظریه­ی نهادی به علت توجه خاص دانتو و دیکی به آثار حاضرآماده می­باشد. چنانکه نظریه­ی نهادی به نوعی با توجه به این­ آثار بسط می­یابد و از سوی دیگر این توجه نظریه­پردازان نهادی به چشمه به نوعی باعث مشروعیت این گونه آثار به عنوان هنر شده است و فهم بهتری نسبت به آثار حاضرآماده و جریانات هنری متأخر را ممکن می­سازد. همچنین از لحاظ ارائه­ تعریفی مستدل از موقعیت این آثار به نسبت دیگر نظریات موفق­تر است.

روش های نوین استخراج ترکیبات مورد نیاز از مواد غذایی شامل استخراج با سیال فوق بحرانی، استخراج با مایع تحت فشار، استخراج با آب داغ تحت فشار، استخراج به کمک امواج مایکروویو، استخراج با حلال به کمک غشا، استخراج با فاز جامد و استخراج با لوله متحرک با قابلیت جذب می باشد. این تکنیک­ها با بسیاری از نیازهای امروزی مانند ملاحظات زیست محیطی، سرعت و قابلیت اتوماسیون مطابقت دارند. استفاده از این روشها موجب کاهش زمان استخراج، کاهش مقدار حلال مصرفی ، افزایش راندمان استخراج و بهبود کیفیت ترکیبات استخراج شده می گردد.
با گسترش شیمی تجزیه، آماده ­سازی نمونه به تدریج اصلی­ترین بخش آنالیز شده و 80درصد از زمان کل فرایند تجزیه را در بر می­گیرد. تعدد نمونه­های زیستی و غذایی به موازات افزایش آلاینده­های محیطی، اصلی­ترین دلیل گستردگی روش­های آماده ­سازی نمونه است. با توسعه روش­های حساس و دقیق برای اندازه ­گیری نمونه­های محیطی، تحقیقات بر روی روش­های سازگار با محیط زیست .با آلودگی کمتر متمرکز شده است (Chen et al., 2008).  
1-5- استخراج با فاز جامد
روش­های استخراج با فاز جامد جهت جداسازی و پیش تغلیظ عناصرکمیاب از نمونه­های زیست محیطی، مواد غذایی (Khajeh and Dastafkan, 2012) و نمونه­های آبی (Khajeh et al., 2011) بطور گسترده استفاده می­ شود. در مواقعی که با بافت پیچیده نمونه و یا غلظت ناچیز آنالیت مواجه­ایم، این روش قادر به فراهم آوردن شرایط کاری انعطاف پذیر و در نتیجه استخراج ساده تر می­باشد (Moyano et al., 1999). بخاطر مزایای متعددی، استخراج با فاز جامد جایگزین روش استخراج مایع-مایع (LLE)[1] (Pyrzynska and Trojanowicz, 1999) و سوکسله شده است (امجدی و همکاران، 1386) که این مزایا عبارتند از:

• بکار بردن نمونه به صورت مستقیم، ساده و سریع در اندازه خیلی کوچک (حجم میکرولیتر) بدون کاهش نمونه

• فاکتور پیش تغلیظ بالا

• تکرارپذیری بالا

• نیاز کم به حلال­های آلی

• توانایی ترکیب با روش­های مختلف به صورت On-line و یا Off-line

• صرفه جویی در هزینه و زمان

و از دیگر مزایای این روش انعطاف پذیری، سهولت خودکار شدن و نبودن فرایند مزاحم امولسیون می باشد (Pyrzynska and Trojanowicz, 1999 ; Khajeh and Sanchooli, 2011). این روش برای استخراج و تغلیظ آنالیت­ها از یک بافت مایع به وسیله توزیع ترکیبات بین یک فاز جامد و یک فاز مایع استفاده می کند. هدف استخراج با فاز جامد از بین بردن ترکیبات مزاحم و تغلیظ آنالیت با بازیابی خوب و نتایج تکرار پذیر می‌باشد (Huck and Bonn, 2000) استخراج با فاز جامد معایبی نیز دارد که از جمله می توان به تکثیر پذیری پایین روش به خاطر تفاوت­های بین مقادیر دسته­ای جاذب ها، مشکل بودن استاندارد سازی استفاده از سیستم ایجاد مکش و خلا و ماهیت متنوع مراحل خشک شدن اشاره نمود (Walker and Mills, 2002).
1-6- جاذب های طبیعی
‫جاذب‌های طبیعی، شامل مواد آلی و معدنی ‫هستند. از جاذب‌های آلی، می‌‌توان کاه، چوب ‫ذرت، پوسته‌ی بادام زمینی، فیبر چوب و تورب ‫ساخته شده از خزه‌ی پوسیده را نام برد. مواد ‫طبیعی، نسبتاً ارزان و به فراوانی در دسترس ‫هستند و از شدت جذب قابل قبولی برخوردارند. ارزان و در دسترس ‫بودن، تجدید‌پذیر بودن و متناسب بودن این ‫جاذب‌ها با محیط زیست، باعث می‌شود که ‫تمایل بیشتری به سمت جاذب‌های زیستی و ‫طبیعی وجود داشته باشد.
جاذب­های طبیعی ارزان قیمت بوده و به راحتی در دسترس می­باشند. برخی از انواع آن­ها در طبیعت به وفور یافت و در برخی از فعالیت­ها هم بصورت ضایعات بلا استفاده تولید می­شوند. در حالی که قیمت رزین­های تبادل یونی بسیار زیاد بوده و برآوردها بیانگر این است که با بهره گرفتن از این فرایند در مقایسه با سایر روش ها حدود 20 درصد هزینه کاهش می یابد ( (Naddafi, 2005.
با توجه به وسعت مطالعات در زمینه جذب با بهره گرفتن از جاذب­های طبیعی، در ادامه به شرح مختصری از تحقیقات عمده پرداخته شده

 است:

Bameri  و Khajeh  در سال 2013 به بررسی تاثیر خاک اره در حذف متیلن بلو از نمونه­های آبی پرداختند .
Wang و Qin در سال 2005 میزان جذب مس از آب­های آلوده را با بهره گرفتن از پوسته شلتوک برنج بررسی کردند.
Grimm و همکاران در سال 2008 میزان جذب مس را با بهره گرفتن از جاذب­های خاک اره، جلبک دریایی و خزه مورد بررسی قرار دادند.
Montanher و همکاران در سال 2005 برای حذف سرب و مس از پوسته شلتوک برنج استفاده کردند.
1-7- ضایعات چای
چای یکی از قدیمی­ترین نوشیدنی­ها می باشد و پس از آب، پرمصرف­ترین و مهم­ترین نوشیدنی­های مطبوع برای رفع خستگی و تشنگی در بیشتر کشور­های جهان و از جمله ایران می­باشد. بیش از 30 کشور چای خیز جهان، مبادرت به تولید چای سیاه می­ کنند که سهم ایران در این تولید جهانی، حدود 5/2 درصد است. بر اساس گزارش سازمان چای کشور در ایران سالانه حدود 50 تا 60 هزار تن چای سیاه تولید می­ شود. در عمل آوری تولید چای سیاه حدود 10 درصد ضایعات چای، موسوم به خاک چای حاصل می­ شود که بصورت پودر بوده و با غربال کردن چای سیاه در آخرین مرحله تولید و قبل از بسته بندی به دست می آید که در بازارهای جهانی قیمت چندانی ندارد (نجفی و همکاران، 1388).
در هند تولید سالانه چای حدود 857000 تن است که 4/27 درصد از تولید کل جهان می­باشد(Wasewar et al., 2008) مقدار چای خشک تولید شده از 100 کیلوگرم برگ چای سبز، 22 کیلوگرم بطور متوسط است و حدود 18 کیلوگرم برای بازار بسته بندی می­ شود و 4 کیلوگرم دیگر از مواد چای خشک به هدر می­رود (Cay et al., 2004). مقدار ضایعات چای تولید شده در هر سال پس از پردازش در حدود 190400 تن در هند به تنهایی است ((Wasewar, 2010. در حال حاضر سالانه حدود 4 هزار تن ضایعات چای در کارخانجات چای سازی ایران تولید شده و تقریباً بدون مصرف می­باشند (نیکخواه و همکاران، 1391).
دیواره­ های سلولی نامحلول برگ­های چای از سلولوز[3]، همی سلولوز[4]، لیگنین[5]، تانن­های فشرده[6] و پروتئین­های ساختاری ساخته شده ­اند. بعبارت دیگر یک سوم از کل ماده خشک در برگ­های چای باید پتانسیل خوبی بعنوان جاذب فلزی از محلول و فاضلاب­های آبی داشته باشند ((Wasewar, 2010.
1-7-1- آماده ­سازی ضایعات چای بعنوان جاذب
جهت آماده ­سازی ضایعات چای، بعنوان جاذب کم هزینه در استخراج فاز جامد روش خاصی در کتب و یا اسناد علمی بیان نشده است بلکه روش­هایی بطور تجربی توسط پژوهشگران انجام شده و در مقالات مختلف ذکر شده است. 
Mahavi و همکاران در سال 2005 از روش بسیار ساده جهت آماده ­سازی جاذب­ها استفاده کردند. آنها ضایعات چای را در مرحله اول شسته و با آب مقطر شستشو دادند و پس از خشک کردن در 100 درجه سانتیگراد با توری سایز 10، غربال کردند.
 Malkoc and Nuhoglu در سال 2005 برای حذف اجزای رنگی چای قبل از آزمایش، آنها را برای مدت زمان طولانی با آب جوش شستشو دادند تا محلول حاوی ضایعات چای بی­رنگ شود. سپس ضایعات چای را تمیزکرده و در دمای اتاق با عبور گاز خشک کردند.
Amarasinghe and Williams  در سال 2007 نیز با آب جوش ضایعات چای را شستشو دادند و آنقدر این کار را تکرار کردند تا اجزای محلول و رنگ آن از بین برود. سپس به مدت 12 ساعت در آون با حرارت 85 درجه سانتیگراد خشک کردند. ضایعات چای خشک، غربال شده و در کیسه از جنس پلی اتیلن نگهداری می­ شود. نوع مشابهی از روش آماده ­سازی، توسط Cay و همکارانش طراحی شد و توسط Wasewar و همکارانش در سال 2008 استفاده شده است. قبل از آزمایش، ضایعات چای خرد شده با آب گرم (80 درجه سانتیگراد) به مدت یک ساعت شسته شده و تانن­های قابل هیدرولیز و دیگر اجزای محلول و رنگی حذف می­ شود. چای خشک بی­رنگ و تمیز را در آون با 105 درجه سانتیگراد قرار داده تا خشک شود و در نهایت ذرات با اندازه 60-170 غربال می­ شود و بعنوان جاذب مورد استفاده قرار می­گیرد.
1-8- شبکه عصبی مصنوعی( ANN)
شبکه­ های عصبی، مدل­های محاسباتی هستند که قادرند رابطه میان ورودی ها وخروجی ها یک سیستم فیزیکی را توسط شبکه ای از گره ها که همگی با هم متصل هستند، تعیین نمایند که در آن میزان فعالیت هر یک از این اتصالات توسط اطلاعات تاریخی تنظیم می شود (فرایند یادگیری) و در نهایت مدل قادر خواهد بود قوانین مرتبط میان ورودی ها وخروجی ها را کشف نماید، هر چند این قوانین غیرخطی و پیچیده باشند( دلاور، 1384).
ANN که رسمأ از دهه 1970 میلادی مطرح شده است، با الگو قرار دادن فعالیت­های مغز انسان و براساس روابط منطقی مشابه، با دریافت یک سری اطلاعات نتایج منطقی را عرضه کرده و به کاربر ارائه می­دهد. ANN با تجزیه و تحلیل داده ­های ورودی و نتایج نظیر آنها ارتباطی منطقی بین داده ­ها برقرار می­ کند که ممکن است غیرخطی و نامشخص باشد، سپس با بهره گرفتن از این ارتباط منطقی، کار شبیه سازی را برای موارد احتمالی مشابه انجام می­دهد.
این شبکه­ ها بر مبنای مقایسه بین خروجی شبکه و هدف تعدیل می­شوند و تا زمانی که خروجی شبکه با خروجی هدف تطبیق پیدا کند این کار ادامه می­یابد. شبکه­ های آموزش یافته را می­توان به صورت رویه­ای از جعبه سیاه برای برآوردهای غیرخطی با عنوان نگاشت­های غیرخطی قابل تنظیم معرفی کرد، چرا که فضای بردار ورودی را به وسیله مجموعه ­ای از توابع غیرخطی به فضای خروجی مرتبط می­سازد. کاربردی­ترین نوع شبکه­ های عصبی، شبکه­ های پروسپترون چندلایه (MLP)[8] و شبکه­ های توابع شعاعی (RBF)[9] می­باشد (کوچک­زاده و بهمنی، 1384).
1Liquid-liquid extraction
1 Flexibility
1 Cellulose
2 Hemicelluloses
3 Lignin
4 Condensed tannins
1 Artificial neural network
[8] Multi Layer Perceptroan
[9] Radial Basis Function
 
متن کامل در این لینک

آنچه که بین تمام علوم مشترک است، حجم وسیعی از اطلاعات و داده به شکل­های مختلف است، که همراه با پیشرفت و وسعت علوم بزرگتر و ارزشمندتر می­ شود. با رشد سریع علوم کامپیوتر و استفاده از آن در چند دهه اخیر، تقریبا همه سازمان­ها در پروژه­ های مختلف خود حجم عظیمی داده در پایگاه­های داده ذخیره می­ کنند. این سازمان­ها و کسانی که به نوعی در پروژه­ ها سهیم هستند به فهم این داده ­ها و بهتر بگوییم کشف دانش نهفته در آن نیازمندند. این نیاز، باعث به­وجود آمدن حوزه جدید میان رشته­ای کشف دانش و داده ­کاوی[1] شده است، که حوزه های مختلف همچون پایگاه داده، آمار، یادگیری ماشین را برای کشف دانش ارزشمند نهفته در اطلاعات و داده ­ها را با هم تلفیق می­ کند. اصطلاح Data­ Mining همان­طور که از ترجمه آن به معنی داده ­کاوی مشخص می‌شود، به مفهوم استخراج اطلاعات نهان، و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.

هر نرم­افزار در طول فرایند­تولید و پس از آن، انبوهی از اطلاعات ­و مستندات دارد که قابل کاوش و استفاده­ مفید است. این داده ­ها معمولا در پایگاه­ داده ­هایی به­نام مخازن نرم­افزاری[2] ذخیره و نگهداری می­شوند. مخازن نرم­افزاری نمایش دقیقی از مسیر­تولید یک سیستم ­نرم­افزاری ارائه می­دهند]1 .[هدف ازکاوش مخازن نرم­افزاری[3]MSR استفاده هوشمند از تحلیل داده ­های نهفته در آن­ها برای کمک به تصمیم ­گیری های بهتر و سریعتر در پروژه تولید و پشتیبانی آن­ها است. آن­چه که در اینجا مورد توجه این تحقیق است، استخراج اطلاعات مهم برای همه ذینفعان پروژه نرم­افزاری است. این اطلاعات از مجموعه داده ­های مرتبط با خطا­های رخ داده در طول تولید و پشتیبانی پروژه استخراج می شود.

در سال­های گذشته مدل­های مختلفی با بهره گرفتن از الگوریتم­های داده ­کاوی، تشابه متن و دسته­بندی و خوشه­بندی داده ­ها ارائه شده. اما از آن­جا که جستجو و استخراج اطلاعات از میان داده ­های متنی نیازمند روشی هوشمند برای تطبیق جنبه­ های معنایی و دستوری است، نیاز به مدل­هایی که از الگوریتم­ها معنایی استفاده­کنند وجود دارد.در تحقیق­های مورد مطالعه این نیاز حس می­ شود.

سعی بر این شده که با بهره گرفتن از الگوریتم معنایی برپایه مجموعه تشابه جملات[4]بر پایه LCS[5]]3[ و تشابه کلمات (SOC-PMI[6] )]3[، روی مستندات ذخیره­ شده در مخازن خطای نرم­افزار، مانند راه­ حل­های ارائه ­شده برای خطا­های مشابه مدل­های قبلی را تکمیل­کرده و جوابی بهینه و سریع­تر برای خطای پیش آمده پیدا کنیم. همچنین می­توان زمانی تخمینی نیز برای تصحیح خطا پیش ­بینی کرد تا راهنمای تیم توسعه و ذینفعان دیگر نرم­افزار باشد. همچنین دید بهتری نسبت به روند پیشرفت و تکامل نرم­افزار مورد نظر ارائه ­شود.

2.1. تعریف مسئله

یکی ­از مراحل مهم و اساسی در مهندسی ­و تولید نرم­افزار مرحله یافتن و رفع خطا­های موجود در نرم­افزار است. این مرحله از تولید نرم­افزار جزء وقت­گیرترین و پرهزینه ­ترین مراحل به­ حساب  می­آید]4[. سال­هاست که دانش داده ­کاوی و استخراج دانش به کمک مهندسین نرم­افزار آمده­است. رفع خطا در فرایند تولید بسته به مدل توسعه نرم­افزار چندین بار انجام می­گیرد. خطا­ها و مشکلات برطرف ­شده معمولا به روش­های مختلف تحت عنوان مخازن خطای نرم افزار، مستند­سازی و ذخیره می­ شود. این مخازن منابع عظیم دانش هستند، که کمک بزرگی در تسریع زمان تولید نرم­افزار و پایین­آوردن هزینه­ها خواهد­بود]5[. روش­هایی نیاز­است که این دانش و اطلاعات مفید استخراج شود. در این تحقیق روشی برای سرعت بخشیدن به رفع­خطای جدید با بهره گرفتن از اطلاعات موجود در مخازن خطای نرم­افزار، ارائه شده­است. مدل­های زیادی تا به­حال ارائه ­شده که یا مکمل هم بوده یا از الگوریتم­های جدید استفاده شده­است. مدل­های پیشنهادی با بهره گرفتن از تشابه متن همگی از الگوریتم­های معمولی و ساده استفاده کرده اند. در این مدل ها به این نکته مهم کمتر توجه شده که مخازن حجم بالا و پیچیده­ای از اطلاعات را شامل می­شوند، که بعضاً تشابه بین کلمات و معانی مختلف یک جمله نتیجه ­گیری را سخت­تر می­ کند. پس نیاز به الگوریتم­های معنایی در بررسی تشابه متن احساس می­ شود. همچنین باید به این نکته مهم توجه کرد که الگوریتم معنایی انتخاب ­شده بهینه است و قادر باشد میان این حجم اطلاعات که از سوی کاربران مختلف ثبت می­ شود، بهترین جواب با تشابه بیشتر را انتخاب کند. اگرچه تا به­حال روش­های بسیاری برای تکمیل مخازن خطا و استفاده از دانش نهفته در آن صورت­ گرفته اما می­توان گفت که ضرورت اهمیت به تشابه معنایی بین داده ­ها در نظر گرفته نشده ­است. در این تحقیق سعی شده که این ضعف در جستجو و بهره­ گیری دانش نهفته در این مخازن داده پوشش داده ­شود.

مدل ارائه ­شده در اینجا ابتدا لیستی از خطا­های مشابه خطای جدید با بهره گرفتن ازیک الگوریتم تشابه معنایی مناسب، با توجه به اطلاعات متنی ذخیره­شده ارائه می­دهد. در مرحله بعد این خطا­ها براساس چرخه ­عمر خطا با بهره گرفتن از روش خوشه­بندی K-means، خوشه بندی می­شوند.

همچنین میانگین تشابه هر دسته به خطای جدید، گروه منتخب را مشخص می کند. خطاهای موجود در این گروه، راه حل­های پیشنهادی برای هر کدام، کمکی برای تسهیل و تسریع در رفع خطا است و میانگین طول­عمر گروه تخمینی بر پیچیدگی و زمان حل­مشکل خواهد بود.

1-1     معرفی مجتمع پتروشیمی جم

       صنعت پتروشیمی در ایران تحولات ودگرگونی های فراوانی داشته است . تحولاتی كه این صنعت عظیم را رفته رفته به صنعت اول كشور تبدیل می­كند. صنعت پتروشیمی به عنوان یكی از منابع تامین نیازهای بسیاری از صنایع داخلی ، صدور وتولید فرآورده ­های خود و منبع مهم ارزآوری و اشتغال­زایی برای كشور ، از جایگاه ویژه­ای برخوردار است . براین اساس در چهار چوب برنامه سوم توسعه اقتصادی كشور، طرح­های پتروشیمی در منطقه ویژه اقتصادی انرژی پارس جنوبی پیش بینی شده است. طرح مجتمع الفین دهم (پتروشیمی جم) یكی از طرح­های برنامه استراتژیک توسعه صنایع پتروشیمی كشور می باشد.
این مجتمع كه در منطقه ویژه اقتصادی انرژی پارس جنوبی قرار دارد شامل واحد های الفین، پلی اتیلن سبك خطی، پلی اتیلن سنگین، پلی پروپیلن هر كدام به ظرفیت 300 هزار تن در سال، واحد منواتیلن گلایكول  به ظرفیت 400 هزار تن در سال و دی تری اتیلن گلایكول، جمعاً به میزان 43 هزار تن در سال می باشد.
ضمناً واحدهای آلفا الفین به ظرفیت 200 هزار تن و واحد بوتادین به ظرفیت 130 هزار تن در سال، واحدهای دیگر این مجتمع می باشد.
واحد الفین مجتمع پتروشیمی جم، با ظرفیت یک میلیون و320 هزار تن در سال اتیلن، در حال حاضر بزگ­ترین واحد الفین جهان است. این واحد كه به واحد كراكینگ نیز معروف می­باشد از قسمت ­های مختلفی تشكیل یافته است كه عبارتند از:

• كوره های كراكینگ

• 

•  

• قسمت گرم

• كمپسور گاز، شستشو با كاستیک وخشك كردن

• بازیابی اتیلن و متان زدایی

• جداسازی برش دوکربنه

• جداسازی برش سه کربنه

• جداسازی برش چهار کربنه

• سیستم­های تبرید

• سیستم­های كمكی

• مخازن محصول

خوراك واحد از قسمت ­های مختلف تهیه می­ شود كه از طریق چندین خط لوله به واحد ارسال می­ شود كه به سه دسته تقسیم می گردد:

• خوراك مایع از پنج خط تشكیل شده شامل:

• رافینیت[1] برشC5 ازمجتمع آروماتیک چهارم در دمای 45 درجه سانتیگراد و فشار 6 بار

• C5+از مجتمع الفین نهم در دمای 50 درجه سانتیگراد و مینیموم فشار لازم 11 بار

• LPG[2] از آروماتیک چهارم در دمای 45 درجه سانتیگراد و فشار 16 بار

• دو خط اتان یكی اتان تازه از پتروشیمی پارس (واحد استحصال اتان) ودیگری از فازهای 4و5 كه تحت فاز گازی می­باشد .این خوراك به كوره­های گازی ارسال می­ شود . دمای مورد نظر 35 درجه سانتیگراد و فشارمینیموم حدود 17 بار می­باشد.

• یک جریان برش C3+از الفین نهم وارد می­گردد این خوراك به قسمت جداسازی واقع در منطقه كمپرسور ارسال می­گردد. دمای مورد نظر 45 درجه سانتیگراد ومینیمم فشار 16 بار می­باشد.

خوراک­های مایع از آروماتیک چهار با هم مخلوط شده و به ظرف ذخیره خوراک مایع ارسال می­ شود. این مخلوط بوسیله پمپ و پس از مخلوط شدن با پروپان برگشتی وبرش­های چهار کربنه وLPG  به پیش­گرم­کن خوراک مایع رفته و سپس به کوره ها ارسال می­ شود.
پیش از توضیح واحدهای مختلف موجود در الفین دهم نمودار کنده­ای[3] این مجتمع به منظور درک بهتر توضیحات پیش­رو ارائه می­گردد (تصویر1).

کمومتریکس یا شیمی سنجی در حقیقت کاربرد علوم آمار، کامپیوتر و ریاضی در شیمی می‌باشد [1]. از روش‌های ذکر شده برای درک بهتر اطلاعات شیمیایی که در آزمایشگاه بدست می‌آید استفاده می‌شود، به این صورت که با بهره گرفتن از تحلیل داده‌های شیمیایی بدست آمده اطلاعات مفید استخراج می شود تا با توجه به این اطلاعات بتوان آزمایش‌های مورد نظر را با بازدهی بهتر طراحی کرد.کاربرد روش‌های ریاضی در شیمی سابقه دیرین دارد ولی با توجه به پیشرفت علوم کامپیوتر و کاربرد آن در علوم روش‌های کمومتریکس در دهه اخیر پیشرفت بسیار داشته است. در این دو دهه روش‌های کمومتریکس مختلفی توسط شیمیدان‌ها با کمک متخصصین علوم کامپیوتر، ریاضی و آمار ارائه شده است. بسیاری از شیمیدان‌ها و کسانی که از روش‌های کمومتریکس استفاده می‌کنند دانشمند سوئدی به نام ولدرا به عنوان اولین کسی که این روش‌ها را معرفی کرده است نام می‌برند و به او لقب پدر علم کمومتریکس را داده‌اند [2]. کمومتریکس درشاخه­های مختلف شیمی مورد استفاده قرار می‌گیـرد. بـرخی از کاربرد­های آن شامل کنترل فرایندها، تجزیه و تحلیل و شناخت الگوها، پردازش علائم و بهینه کردن شرایط می­باشد.  یکی از زمینه ­های مهم کاربرد کمومتریکس در مطالعاتی است که خواص مولکولها را به ویژگی­های ساختاری آنها نسبت می­دهد. موارد خاصی از این تحقیقات و مطالعات شامل موارد رابطه‌ی كمی ساختار-فعالیت(QSAR)، رابطه‌ی كمی ساختار-سمیت(QSTR)، رابطه‌ی كمی ساختار-خصوصیت(QSPR) است که به منظور سهولت و کلی نگری تمامی این موارد تحت عنوان QSAR قرار می گیرند.
1-1) اجزای اصلی QSAR
یک رابطه ی كمی‌ساختار – فعالیت از سه بخش مجزای زیر تشكیل می‌گردد  ;[3]

• داده‌های معتبر مربوط به فعالیت یا ویژگی مورد مطالعه كه باید مدل سازی و در نهایت پیش بینی شوند. تعدادی از خصوصیاتی كه می‌توانند برای مدل سازی QSAR مورد استفاده قرار گیرند به شرح زیر می‌باشند: فعالیت دارویی، فعالیت سمی، خصوصیات فیزیكوشیمیایی و تاثیرات سموم شیمیایی در محیط زیست.

• توصیف‌كننده‌ها یا همان متغیرهایی كه مدل براساس آنها ساخته می‌شود. ویژگی‌های هر ملكول كه معمولا با در نظر گرفتن ساختار ملكولی به صورت كمی‌محاسبه می‌شوند، در واقع همان متغیر‌های مورد استفاده در مدل سازی می‌باشند.

• روشی (اعم از ریاضی یا آماری) كه برای فرمول بندی مدل از آن استفاده می‌گردد.

روش‌های بسیاری جهت مدل سازی QSAR به كار می‌روند كه تعدادی از آن‌ ها به قرار زیر می‌باشند:
رگرسیون خطی چند تایی (MLR)، روشی ریاضی است که معمولا برای برقراری ارتباط بین ویژگی­های ساختاری مولکول و خواص آن در مطالعات QSPR/QSAR به کار می­رود. این روش هنگامی که بین توصیف­کننده­ها بر­هم­کنشی وجود نداشته و ارتباط آن­ها با فعالیت مورد نظر خطی باشد مفید است.[4]
شبکه عصبی مصنوعی (ANN)، كه با تقلید از شبكه ­های عصبی بیولو‍ژیكی مثل مغز انسان ساخته شده ­اند الگویی برای پردازش اطلاعات می­باشند كه بر پایه اتصال به هم پیوسته چندین واحد پردازشی عمل می­كنند [5].
ماشین بردار پشتیبان (SVM)، یكی دیگر از روش­های یادگیری راهنمایی شده است كه از آن برای طبقه بندی و آنالیز رگرسیون استفاده می­كنند[6] .
كمترین مربعات جزیی (PLS)، این روش با روش MLR، تفاوت چندانی ندارد. تنها فرضیاتی كه براساس آن ضرایب متغیرهای مدل محاسبه می‌گردند در دو روش با هم متفاوت است[7] .
1-2) انواع روش های QSAR
روش‌هایQSAR  را می‌توان به سه گروه تقسیم‌بندی کرد[8]. اولین روش، QSAR دو بعدی است که در آن ساختار سه ‌بعدی مولکول در نظر گرفته نمی‌شود. در این روش مولکول با بهره گرفتن از یک سری توصیف‌کننده‌های مولکولی نمایش داده می‌شود که مقادیر عددی آن مشخصه مفاهیم متنوعی از ساختار مولکولی است و در مجموع با در نظر گرفتن فعالیت مشاهده شده مدل پیشگو ساخته می‌شود.

روش دوم QSAR سه بعدی است که بطور مثال با رهیافت CoMFA نشان داده می‌شود [8]. در این روش ساختار سه بعدی مولکول مورد بررسی قرار می‌گیرد. به این منظور ابتدا مولکول در یک شبکه منظم سه‌ بعدی قرار گرفته و سپس برهمکنش‌های الکتروستاتیک و فضایی بین مولکول مورد نظر و یک اتم فرضی قرار گرفته در محل نقاط تقاطع این شبکه توری مانند (مثل کربن)، محاسبه شده و به عنوان توصیف‌کننده استفاده می‌شود تا با ایجاد مدل، برهمکنشهای الکتروستاتیک و فضایی مطلوب بدست آید. به وضوح این روش مزایای بسیار زیادی نسبت به روش ساده‌تر دو بعدی دارد اما پیچیدگی‌های آن نیز بیشتر است.
روش سوم که QSAR چهار بعدی است، یک روش توسعه یافته از QSAR سه بعدی می‌باشد و توسط هاپفینگر و همکارانش ارائه شد [9] که اطلاعات مربوط به صورتبندی را در بعد چهارم در نظر می‌گیرد. مشابه با روش CoMFA،  QSARچهار بعدی با مشخص کردن یک مجموعه از نقاط شبکه که خصوصیات مولکول را ارزیابی کند شروع می‌شود. این روش علاوه بر نقاط شبکه از کل صورتبندی، نمونه برداری کرده و از اطلاعات بدست آمده از آن استفاده می‌کند تا سلولهای اشغال شده در شبکه را ارزیابی کند و از این خصوصیات مولکولی برای ساختن مدل استفاده می‌کند.
 
1-3) اهداف QSAR
روابط كمی‌ساختار – فعالیت باید به عنوان ابزاری علمی‌تلقی گردند كه اجازه ی كشف و همچنین تجزیه و تحلیل روابط نهفته در میان داده‌های موجود را به ما می‌دهند. اهداف زیادی را از ایجاد یک QSAR می‌توان برشمرد كه تعدادی از آنها به صورت زیر است[8]:
1- پیش بینی فعالیت زیستی وخصوصیات فیزیكو- شیمیایی
2- درك بهتر مكانیسم عمل دریک سری از تركیبات شیمیایی
3- صرفه جویی درهزینه‌های تولید محصول ( داروها ، آفت كش‌ها ، و تركیبات شیمیایی جدید)
4- كاهش دادن ودربرخی موارد حتی جایگزینی استفاده از حیوانات آزمایشگاهی
با توجه به این اهداف، مدل سازی خصوصیات مایعات یونی که از پرکاربردترین ترکیبات در علم شیمی بشمار می­روند، می ­تواند بسیار مفید واقع گردد. در ادامه مایعات یونی به صورت مختصر معرفی گردیده­اند.
 
1-4) نگاهی گذرا برمایعات یونی
مایعات یونی اولین بار در سال ١٩١٤ با سنتز اتیل آمونیوم نیترات (نقطه ذوب C˚12) شناخته شدند اما تا سال ١٩۵١ كاربرد گسترده ای نداشتند [10] . در پی یافتن روش جدیدی برای تهیه آلومینیم به طریق آبكاری با مخلوط كردن دو پودر سفید رنگ آلكیل پیریدینیوم كلرید با 3AlCl مشاهده شد که این دو با یكدیگر واكنش می‌دهند و مایع بی رنگ آلكیل پیریدینیوم تتراكلروآلومینات تولید می‌شود[11] . با این توصیف همچنان به این دسته از تركیبات فقط با كنجكاوی نگاه می‌شد تا اینكه در چند دهه اخیر به عنوان جایگزین، برای حلال‌های آلی متداول واكنش‌های شیمیایی مطرح شدند. به طور كلی تعریف‌های گوناگونی برای یک مایع یونی وجود دارند كه شاید پذیرفته شده‌ترین آنها «یک ماده متشكل از یون‌ها با نقطه ذوب پایین‌تر از 100 درجه‌ی سانتی‌گراد» باشد [12] . مایعات یونی را با نام های نمك های مذاب، مایعات یونی غیرآبی یا مایعات یونی دمای اتاق نیز می‌شناسند[13] . اگر دمای ذوب نمک زیر دمای اتاق (25درجه‌ی سانتی‌گراد) باشد به آن مایع یونی دمای اتاق می‌گویند. این تركیبات متشكل از یک کاتیون آلی غیر متقارن سنگین شامل فسفر یا نیتروژن مانند آلكیل ایمیدازولیوم، پیرولیدینیوم، آمونیم، فسفونیوم و انواع مختلفی از آنیون‌های آلی مانند تری فلئورو استات و یا آنیون‌های معدنی کلرید، برمید، تترافلئوروبورات و هگزافلئوروفسفات و … می‌باشند [13]. ترکیب آنیون‌ها و کاتیون‌های مختلف به طور گسترده تعداد مایعات یونی را گسترش داده‌است و تاکنون بیش از 2000 مایع یونی شناخته شده‌اند. از آنجا که معمولا می‌توان با اتصال یک کاتیون و آنیون خاص مایع یونی مورد نیاز برای یک کاربرد به خصوص را تولید کرد به این حلال‌ها، حلال‌ طراح[17] نیز گفته می‌شود[12] .
مهمترین ویژگی‌های مایعات یونی عبارت‌اند از:[14]

• خواص فیزیكی مایعات یونی با تغییر تركیب شیمیایی آنیون‌ها و كاتیون‌ها تغییر می‌كنند.

• مایعات یونی غیر فرارند بنابراین در سیستم‌های با خلاء زیاد قابل استفاده‌اند كه این موضوع از بروز برخی مشكلات فرایندی جلوگیری می‌كند.

• بسیاری از تركیبات آلی و معدنی در آنها قابل حل‌اند.

• عدم حلالیت مایعات یونی در برخی از حلال‌ها (مانند آلكان‌ها) یک محیط قطبی غیر آبی ایجاد می‌كند كه این عامل، در سیستم‌های جداسازی دو فازی و چند فازی، بازیابی كاتالیست را (فرایند سبز) آسان می‌كند.

• این تركیبات می‌توانند، نه تنها به عنوان یک حلال، بلكه به عنوان یک كاتالیست فعال نیز در واكنش شركت كنند.

همچنین مایعات یونی خواص بی نظیر دیگری از قبیل پنجره‌ی الکتروشیمیایی وسیع، هدایت الکتریکی زیاد، تحرک یونی، گستره‌ی دمایی مایع وسیع، به شدت سولواته کننده، عدم فراریت، اشتعال ناپذیری و گستره‌ی پایداری گرمایی وسیع نیز دارند.
[1]. Chemometrics
[2].  Wold
[3]. Quantitative structure activity relationship
[4]. Quantitative structure toxicity relationship
[5]. Quantitative structure property relationship
[6]. Descriptors
[7]. Multiple linear regression
[8]. Artificial neural network
[9]. Support vector machine
[10]. Partial least square

1. 1. Comparative molecular field analysis

1. 2. Hopfinger

[13] . Electroplate
[14]. Molten salts
[15]. Non aqueous ionic liquids
[16].  ionic liquids
[17]. Designer solvent