1. نتیجه گیری و کارهای آتی…………………………………………………………………..۵۸

• فهرست منابع و مآخذ………………………………………………………………………….۵۹
• چکیده به زبان انگلیسی ……………………………………………………………………..۶۲

فهرست جدول ها

عنوان صفحه

جدول۲-۱ماتریس درهم……………………………………………………………………………………………….۱۹

جدول ۴-۱بخش کوچکی از مجموعه داده برای عملگر تصحیح برچسب……………………۴۹

جدول۴-۲ بخش کوچکی از مجموعه داده برای عملگر پالایش…………………………………۵۰

جدول ۵-۱ارزیابی دقت بکارگیری معیارها و روش داده ­کاوی C5.0 با روش یکی در مقابل همه………………………………………………………………………………………………………………………………………..۵۳

جدول ۵-۲ ارزیابی دقت بکارگیری روش داده ­کاوی SVMو معیارها با روش یکی در مقابل همه………………………………………………………………………………………………………………………………………..۵۳

جدول ۵-۳ ارزیابی دقت بکارگیری روش داده­کاویBoosting و معیارها با روش یکی در مقابل همه……………………………………………………………………………………………………………………………..۵۴

جدول ۵-۴ ارزیابی دقت بکارگیری روش داده ­کاوی SVM و معیارها با روش دو در دو…………………………………………………………………………………………………………………………………………..۵۵

جدول ۵-۵ ارزیابی دقت بکارگیری روش داده ­کاوی Boosting و معیارها با روش دو در دو…………………………………………………………………………………………………………………………………………..۵۵

جدول ۵-۶ ارزیابی دقت بکارگیری روش­های داده ­کاوی و معیارها با روش چند برچسب………………………………………………………………………………………………………………………………….۵۵

فهرست شکل ها

عنوان صفحه

شکل۴-۱الگوی استراتژی………………………………………………………………………………۳۲

شکل۴-۲یک نمونه الگوی استراتژی حقیقی………………………………………………۳۲

شکل۴-۳ رابط های یک نمونه الگوی استراتژی حقیقی……………………………..۳۳

شکل۴-۴ترتیب فراخوانی از رابط های یک استراتژی حقیقی………………………۳۳

شکل ۴-۵ الگوی وضعیت…………………………………………………………………………….۳۵

شکل ۴-۶الگوی تطبیق دهنده شی…………………………………………………………..۳۷

شکل۴-۷الگوی کارخانه انتزاعی……………………………………………………………….۳۹

شکل۴-۸الگوی فرمان………………………………………………………………………………۴۰

شکل۴-۹شباهت ساختاری الگوی فرمان و تطبیق دهنده شی………………..۴۱

شکل۴-۱۰ الگوی ملاقات کننده……………………………………………………………….۴۲

شکل۴-۱۱ الگوی میانجی………………………………………………………………………….۴۳

شکل۴-۱۲الگوی آذیین کننده……………………………………………………………………۴۴

شکل۴-۱۳الگوی ترکیب…………………………………………………………………………..۴۶

شکل ۴-۱۴ مراحل ایجاد مدل­های تصمیم ­گیری……………………………………..۴۹

شکل ۵-۱ بهبود روی ابزار شناسایی خودکار الگوهای طراحی ” SSA”…..55

شکل ۵-۲ بهبود روی ابزار شناسایی خودکار الگوهای طراحی ” PINOT “…56

فصل اول

۱-مقدمه

اگرچه طراحی یک نرم­افزار شی­گرا دشواری­های خاص خود را دارد، دشوار­تر از آن، طراحی یک نرم­افزار شی­گرا با قابلیت استفاده مجدد است. الگوهای طراحی، استفاده از طراحی­ها و معماری­های موفق را آسان می­ کنند [۱]. الگوهای طراحی راه­ حل­های اثبات شده و قابل اطمینان هستند که به منظور حل مسائلی که به طور مکرر در طراحی یک نرم افزار شی­گرا رخ می­دهد، مورد استفاده قرار می­گیرند. یک الگوی طراحی هدف و ساختار واحد خودش را دارد. الگوها نقش­ها، مسئولیت ­ها، نحوه­ همکاری کلاس­ها و نمونه­های شرکت کننده در این همکاری را توصیف می­ کنند. بنابراین با استخراج الگو­های طراحی از کد منبع، قادر به آشکار کردن هدف و طرح یک سیستم نرم­افزاری هستیم [۵].

بکارگیری صحیح الگو­های طراحی در توسعه یک نرم­افزار شی­گرا، می ­تواند به طور چشمگیری کیفیت کد منبع را بر حسب نگهداشت پذیری و قابلیت استفاده مجدد بهبود دهد. مهمترین مساله­ نگهداشت­پذیری سیستم­های نرم­افزاری خصوصا سیستم­های قدیمی این است که فاقد سند کامل از طرح سیستم و اهداف آن هستند. بنابراین شناسایی الگوهای طراحی به صورت خودکار یا نیمه خودکار، سندسازی سیستم، نگهداشت­پذیری و قابلیت استفاده مجدد آن را تسهیل می­ کند.

محققان بسیاری در زمینه شناسایی الگوهای طراحی، کار کرده ­اند (خودکار یا نیمه خودکار). اما هیچ کدام نتوانسته­اند یک خروجی مطمئن و بدون مثبت کاذب را در اختیار توسعه­دهندگان قرار دهند. به طورکلی شیوه ­های شناسایی الگو­های طراحی به دودسته تقسیم می­شوند. آنهایی که بر اساس جنبه­ های ساختاری الگوها، کار شناسایی را انجام می­ دهند و آنهایی که از جنبه­ های رفتاری موجود در الگو­ها نیز جهت شناسایی بهره می­گیرند [۵].

هدف قرار دادن جنبه­ های ساختاری

برخی از شیوه ­ها، برای شناسایی الگوها، تنها جنبه­ ساختاری آنها را در نظر می­گیرند. ابتدا خصوصیات ساختاری هرکلاس موجود در کد منبع با هر نقش تشکیل­ دهنده­ یک الگو مقایسه و کاندیدهای هر نقش شناسایی می­ شود. سپس کاندیدهای نقش­هایی که می­توانند به هم مرتبط شوند، ترکیب می­شوند. در نهایت روابط میان کلاسی را بدون توجه به خصوصیات رفتاری، تجزیه و تحلیل و با الگوها مقایسه می­ کنند. روابط­ میان کلاسی شامل ارث بری، انواع برگشتی، تعریف^[۱]، تعمیم^[۲]، پیوند^[۳]، و … می­شوند. به ­عنوان­ مثال­ SPOOL [19]،DP++ [18]، Osprey [20]، و [۲۱] به شیوه ساختاری فوق، الگوها را شناسایی می­ کنند.

بالانیا و همکارانش [۳] با استفاده ازیک چارچوب به نام کولامبوس، گراف­های معنایی منتزع^[۴] را استخراج، و برای شناسایی الگو­ها بر اساس مقایسه گراف­ها^[۵] عمل کردند [۵]. همچنین [۲] از معناشناسی صریح^[۶] برای پیدا کردن الگوها روی گراف معنایی منتزع بهره می­گیرد. در هر حال برای شناسایی الگوها، علاوه بر خصوصیات ساختاری، تجزیه و تحلیل خصوصیات رفتاری نیز ضروری است.

هدف قرار دادن جنبه های رفتاری

شیوه ­های بحث شده در بخش قبل قادر به تشخیص الگوهایی که از نظر ساختاری یکسان اما رفتار متفاوتی دارند نظیر الگوی” استراتژی” در مقابل الگوی”وضعیت ” نیستند. شیوه­ هایی که جنبه­ های رفتاری را هدف قرار می­ دهند، سعی می­ کنند این مساله را با بهره گرفتن از یاد­گیری ماشین، تحلیل پویا^[۷] [۲۴] یا تحلیل ایستا^[۸] حل کنند [۵].

تجزیه و تحلیل پویا

این شیوه ­ها از داده ­های زمان اجرا^[۹] برای تشخیص جنبه­ های رفتاری الگو­ها استفاده می­ کنند. کی تی [۲۲]، تنها از تجزیه و تحلیل پویا برای تشخیص الگوی “زنجیره مسئولیت ­ها^[۱۰]” استفاده کرد اما نتیجه­اش موفقیت­آمیز نبود (به دلیل نامناسب بودن مکانیزم رخداد نگارى کردن پیام^[۱۱] و ناکافی بودن داده آزمایش). تجزیه و تحلیل پویا به پوشش خوبی از داده­ آزمایش به منظور اعمال هر مسیر اجرایی ممکن نیازمند است. چنین داده آزمایش اغلب موجود نیست. حتی اگر داده­ آزمایش هم موجود باشد، نتایج زمان اجرا ممکن است گمراه کننده باشند. چون چنین داده­هایی اصولا برای تشخیص دادن رفتار الگو­های خاص، طراحی نشده­اند [۵].

تجزیه وتحلیل ایستا

‌‌‌این روش­ها اصولا شیوه ­های تجزیه و تحلیل ایستا را به درخت معنایی منتزع^[۱۲] در بدنه متدها اعمال می­ کنند. مرجع [۲۵] بیانیه­های “ایجاد شی غیرحساس به مسیر”^[۱۳] را برای تشخیص الگوهای “^[۱۴]کارخانه­ انتزاعی” و”متد کارخانه”^[۱۵] استفاده کرد. برای شناسایی الگوها با ساختار و عملکرد مشابه، بیرون کشیدن هدف الگو در پیاده­­سازی، به منظور متمایزسازی آنها بسیار مهم است. اما اکثر چنین شیوه­ هایی قادر نیستند هدف برنامه را بیرون بکشند [۵].

در این کار، ابزارهای خودکار شناسایی الگوهای طراحی با دو عمل “پالایش” و “تصحیح برچسب” گسترش می­یابند. عمل پالایش، بیشترین یا حتی همه­ مثبت کاذب­های تولید شده در خروجی ابزارهای خودکار را شناسایی می­ کند. در­حالیکه تصحیح برچسب، هویت صحیح نمونه مثبت کاذب را (بر حسب اینکه مثبت کاذب، به دلیل شباهت با کدام الگو مثبت کاذب شده است) با بهره گرفتن از معیارهای تعریف شده در این کار و روش­های داده ­کاوی شناسایی می­ کند. به طور مثال اگر نمونه­ شناسایی شده توسط ابزارهای خودکار، با برچسب “استراتژی” شناسایی شده است اما در حقیقت این نمونه استراتژی نبوده، ابتدا به عنوان مثبت کاذب شناخته می­ شود (پالایش)، سپس برچسب صحیح آن (بر حسب مقادیر معیارها) تشخیص داده می­ شود.

به طور­مثال بر­چسب صحیح آن ممکن است الگوی “وضعیت” باشد. بنابراین برچسب استراتژی به وضعیت تغییر می­ کند. با­ استفاده از این معیار­ها و روش­های داده ­کاوی علاوه برنمونه­های مثبت­­­کاذب، نمونه­های منفی­کاذب نیز در برخی موقعیت­ها کاهش می­یابند. چون وقتی یک برچسب تصحیح می­ شود مثلا از استراتژی به وضعیت، ممکن است این نمونه وضعیت جزء نمونه­­های شناسایی شده برای الگوی وضعیت نباشد، بنابراین این نمونه­ وضعیت یک منفی­کاذب شمرده شده که با شناسایی آن، یک منفی کاذب را حذف کرده­ایم.

با توجه به اینکه ابزارها و روش­های پیشین، بیشترین مثبت کاذب را در شناسایی الگوهای با ساختار و عملکرد مشابه تولید می­ کنند، در این­کار، سعی شده تا خروجی ابزارها با توانایی شناسایی چنین الگوهایی تصحیح گردد. لذا، تصحیح برچسب روی نمونه­های استخراج شده­ الگوی استراتژی (به دلیل داشتن شباهت­های ساختاری و عملکردی با الگوهای دیگر، بر حسب خروجی ابزارها بیشترین مثبت کاذب در شناسایی آن تولید شده است) انجام می­ شود. ابتدا براساس روش­های عرف داده ­کاوی، با نمونه­های مثبت کاذب و مثبت صحیح الگوی استراتژی بدست آمده توسط ابزارها، یک مجموعه داده­ تهیه شده است. سپس بر اساس مستندات موجود و همچنین بازبینی دستی، به منظور پیش ­بینی هویت صحیح هر نمونه، دو ستون در مجموعه داده تعیین شده است. یک ستون با “درست” و “نادرست” (درست، در صورت شناسایی صحیح توسط ابزارها و نادرست در صورت مثبت کاذب بودن) برچسب می­خورد، و ستون دیگر با نام الگو صحیح آن نمونه یا در صورت ناشناس بودن، با بدون الگو برچسب می­گیرد. سپس مقادیر معیارها یا پیش­­بینی کننده­ های استخراج شده در این کار، روی هر نمونه محاسبه می­شوند و نهایتآَ مجموعه داده در اختیار الگوریتم­های داده ­کاوی جهت مدل­سازی قرار می­گیرند. در مدل­سازی سعی می­ شود دانش موجود در داده ­ها، در قالب یک سری قوانین استخراج شوند. این قوانین برای شناسایی نمونه­های ناشناخته (جدید) در مجموعه داده­ مورد استفاده قرار می­گیرند.

آزمایش­ها، با بهره گرفتن از سه الگوریتم یادگیری ماشینC5.0 ، Boostingو SVMانجام شده است. روش پیشنهادی روی سه نرم افزارمتن باز jhotdraw6[6]، jrefactory[7] و javaio [8] انجام شده است. الگوهای پیاده شده در این پروژه­ ها از ساختار پایه­ای که برای آنها در کتاب­ها معرفی شده است بسیار فاصله گرفته­اند (الگو ها بسیار انعطاف پذیر هستند و توسط هر برنامه­نویس می­توانند به روش­های متفاوتی پیاده­سازی شوند و هم چنین ترکیب شوند) بنابراین شناسایی چنین الگوهایی دشواری­های خاص خودش را دارد [۲].

در این کار، معیارهای جدید به عنوان پیش­گویی کننده­ های عملیات تصحیح برچسب و پالایش، روی نمونه­های خروجی الگوی طراحی “استراتژی” یافت شده توسط ابزار­های [۹] SSA و [۵] PINOT استفاده شده ­اند. ابتدا مثبت کاذب­های استراتژی تشخیص داده می­شوند و سپس الگوی طراحی صحیح موجود در نمونه مثبت کاذب شناسایی می­ شود. نمونه­های مثبت کاذب به سمت نمونه­ها­ی مثبت صحیح با تشخیص آنها از الگوهای “وضعیت^[۱۶]“، “استراتژی^[۱۷]“، “تطبیق­دهنده^[۱۸]“، “فرمان^[۱۹]“، “ملاقات­کننده^[۲۰]“، “میانجی^[۲۱]“، “آذیین کننده^[۲۲]“، “ترکیب^[۲۳]” و”کارخانه انتزاعی^[۲۴]“حرکت می­ کنند. همچنین این معیارها می­توانند الگوهایی که ساختار کاملا مشابهی به یکدیگر دارند نظیر”وضعیت از استراتژی “، “تطبیق دهنده از فرمان”، “آذیین کننده از ترکیب” و استراتژی را از هشت الگوی دیگر مورد مطالعه در این تحقیق متمایز کنند. این الگوها در نظر گرفته شدند، چون بیشترین مثبت کاذب موجود در نتایج الگوی استراتژی با اشتباه گرفتن با این الگو­ها بر حسب ساختار و عملکرد مشابه تولید شده است.

به طور کلی غیر از الگوهایی که از پایه ساختار یکسانی دارند بقیه الگو­ها به دلیل انعطاف، وقتی که از ساختار پایه دور می­شوند ساختار مشابهی به برخی الگوهای دیگر پیدا می­ کنند. در واقع معیارهای استخراج شده در این کار، با بهره گرفتن از الگوریتم­های داده ­کاوی، نقص­ها و کمبود­های دیده نشده در ابزار­ها را رفع می­ کنند.

ادامه­ این تحقیق به بخشهای زیر سازماندهی می­ شود. در بخش دوم بر چند مقاله که اهداف و شیوه­ مشابه­ای با شیوه و هدف این تحقیق دارند، مروری خواهیم داشت. در بخش سوم الگوهای مورد مطالعه در این تحقیق و معیار­های استخراج شده شرح داده می­شوند. در بخش چهارم نگاهی بر شیوه ­های داده ­کاوی و مجموعه داده ایجاد شده خواهیم داشت. در بخش پنجم نتایج ارائه خواهند شد و نهایتا در بخش ششم نتیجه ­گیری و کار­های آتی پیشنهاد می­شوند.

• 1. فرضیات و محدودیت های مساله

الگوها با قرار­گیری در موقعیت­های متفاوت مسائل حقیقی، در اکثر مواقع تا حد زیادی ممکن است از ساختار پایه خود فاصله بگیرند. الگوها با دست برنامه نویس برای حل یک مساله­ عمومی در یک زمینه­ خاص سمت و سو می­گیرند. از طرفی الگوها علاوه بر جنبه­ ساختاری دارای جنبه­ های رفتاری متفاوتی نیز هستند. بطوریکه گاهی فقط رفتار است که دو الگو را از هم متمایز می­ کند. یکی از محدودیت­های الگوهای طراحی، انعطاف­پذیری و ساختار و عملکرد مشابه بین آنها است. بنابراین در این پایان نامه سعی شده است که مجموعه کاملی از انعطاف­پذیری­های هر الگو به علاوه­ یک سری ویژگی­های رفتاری متمایز کننده دیده شود و معیارهایی پابرجا برای بیان ثابتی از اینکه همه­ یک مجموعه انعطافات به کدام الگو مرتبط می­شوند استخراج شود و نهایتا این معیار­ها به عنوان پیش­گویی کننده­ها همراه با تکنیک­های داده ­کاوی برای جستجو و تصحیح مثبت کاذب­های الگوهای شناسایی شده توسط ابزار­های خودکار استفاده شوند. در هر صورت این احتمال می­رود که انعطافات بیشتری برای هر الگو موجود باشد که در این تحقیق دیده نشده است.

• 1. ضرورت انجام تحقیق

الگوهای طراحی راه­ حل­های اثبات شده و قابل اطمینان هستند که به منظور حل مسائلی که به طور مکرر در طراحی یک نرم­افزار شی­گرا رخ می­دهد، مورد استفاده قرار می­گیرند. بکارگیری صحیح الگوهای طراحی و سند کردن آنها می ­تواند به حد زیادی موجب بهبود صفات کیفیتی سیستم نظیر قابلیت استفاده مجدد و نگهداشت پذیری شود. اما بسیاری از سیستم های نرم­افزاری بزرگ به ویژه سیستم­های نرم افزاری قدیمی یا اصلا سند نشده­اند و یا اینکه سندکامل و دقیقی ندارند. بنابراین خودکار­کردن شناسایی الگوهای طراحی می ­تواند مطلوب و مفید واقع شود. تاکنون در زمینه­ شناسایی خودکار الگوهای طراحی شیوه ­های متنوعی پیشنهاد و پیاده­سازی شده است اما هیچ یک از متدها نتوانسته­اند خروجی­ بدون مثبت کاذب یا کمترین مثبت کاذب را داشته باشد. خصوصا برای الگوهایی که از نظر ساختاری با هم مشابه هستند و در رفتارشان متفاوت می­شوند و یا اینکه عملکرد مشابهی دارند، مثبت کاذب بیشتری در خروجی این ابزارها دیده می­ شود. بنابراین وجود شیوه­ای که بتواند مثبت کاذب و منفی کاذب را در نتیجه شناسایی الگوها به حداقل برساند می ­تواند کمک بسیاری به حاصل شدن اطمینان توسعه­دهنده در نگهداشت پذیری و قابلیت استفاده مجدد بهتر نرم­افزار کند.

• 1. هدف از انجام تحقیق

هدفی که در این پایان نامه دنبال می­ شود ارائه روشی برای رسیدن به حداکثر بهبود (حداقل مثبت و منفی کاذب) روی شناسایی الگوی طراحی و ایجاد خروجی بدون ابهام و صحیح برای استفاده توسط توسعه دهنده می­باشد. به علاوه جهت تسهیل در امر نگهداشت­پذیری و استفاده مجدد نرم افزار نه تنها از نظر فهم راحت طرح و هدف سیستم، بلکه ­از نظر صرف وقت و هزینه می­باشد.

• 1. سرفصل مطالب

مطالب بیان شده در این پایان نامه در قالب شش فصل گردآوری شده اند که به طور خلاصه به شرح زیر است.

فصل دوم : تعاریف و مفاهیم اولیه

دراین فصل مختصری بر روی مفاهیم اولیه روش­های داده ­کاوی و معیار­های ارزیابی مدل­های پیش بینی کننده در این تحقیق خواهیم داشت.

فصل سوم : مروری بر تحقیقات پیشین

در این بخش مروری بر مطالعات و تحقیقاتی که در زمینه شناسایی الگوهای طراحی بیشترین شباهت از نظر هدف به کار ما را دارند خواهیم داشت.

فصل چهارم : تولید مجموعه داده ها

در این فصل نحوه­ تولید مجموعه داده ­های لازم با بهره گرفتن از معیارهای استخراج شده جهت عملیات پالایش و تصحیح برچسب ارائه می­ شود.

فصل پنجم : آزمایشات و نتایج عددی

دراین فصل با بهره گرفتن از معیار­های استخراج شده و تکنیک­های داده ­کاوی، مجموعه ­ای از آزمایش­ها جهت انجام عملیات پالایش و تصحیح برچسب الگوی استراتژی روی نتایج دو ابزار خودکارشناسایی الگوهای طراحی SSA و PINOTانجام گرفته شرح داده می­ شود. نتایج تولیدی این ابزار­ها مربوط به عمل شناساییشان روی سه پروژه ی متن باز jhotdraw ،­ jrefactory و javaio می باشد. به علاوه نتایج عددی حاصل از این آزمایش­ها و معیار­های استخراج شده در این فصل ارائه می­گردد.

فصل ششم : نتیجه گیری و پیشنهادات

جمع بندی مطالب گفته شده در پایان نامه در این فصل انجام شده و همچنین پیشنهاداتی برای ادامه پژوهش در این زمینه ارائه شده است.

فصل دوم

1. تعاریف و مفاهیم اولیه

   1. مقدمه

دراین فصل مختصری بروی مفاهیم و تعاریف اولیه­ روش­های داده ­کاوی و معیارهای ارزیابی مدل­های پیش بینی­کننده در این تحقیق خواهیم داشت.

• 1. تکنیک های طبقه بندی^[۲۵]

در داده ­کاوی با دو مجموعه داده مواجه هستیم، داده­ آموزشی و داده آزمایشی. صفات داده­ آموزشی را مجموعه معیارهایی تشکیل می­ دهند که هویت موجودیت­های قرارگرفته درر­کورد­ها را پیشگویی می­ کنند. موجودیت­های داده­ی آموزشی، مشاهداتی هستند که از قبل هویت­شان شناسایی شده­ است. داده­ی آموزشی حاوی یک ستون پیش­گویی است. مقادیر این ستون، با برچسب­هایی پر می­شوند که هویت اصلی موجودیت­ها را نشان می­دهد (مثلا درست یا غلط). داده­ آزمایشی حاوی مشاهداتی است که هویت اصلیشان شناخته شده نیست. با تجزیه ­و­ تحلیلی که به واسطه­ الگوریتم­های داده ­کاوی روی داده­ی آموزشی صورت می­گیرد مدل­هایی ساخته می­ شود. مدل­سازی، دانش موجود در مشاهدات داده­ آموزشی را در قالب یک سری قوانین استخراج می­ کند. داده­ آزمایشی برای ارزیابی دقت پیش­گویی مدل ساخته شده روی داده­ آموزشی بکار برده میشود. در واقع پیشگویی یک فرایند دو مرحله­ ای دارد، فاز یادگیری و فاز دسته­بندی.

‌‌‌در فاز یادگیری بر اساس مجموعه داده­ی آموزشی، مدل طبقه­بند ساخته می­ شود و در فاز طبقه ­بندی بر اساس مدل ساخته شده در فاز قبل، مجموعه داده­ جدید که در فاز یادگیری استفاده نشده است (مجموعه داده آزمایشی) دسته­بندی می­ شود (پیش­گویی می­ شود که مشاهدات جدید چه برچسبی به خود بگیرند). جهت خودکار سازی عملگر تصحیح برچسب در این تحقیق، از روش­های داده ­کاوی (الگوریتم­های طبقه بندی) استفاده شده است [۱۷].

دقت مدل، درصد نمونه­هایی از مجموعه داده آزمایش است که به درستی طبقه بندی شده ­اند. مجموعه داده لازم جهت ساخت مدل طبقه بندی، از متغیر­های مستقل و وابسته تشکیل شده است. متغیر­های مستقل همان خصیصه­ها هستند که جهت طبقه بندی متغیر وابسته که در واقع بر چسب کلاس­ها می باشد، مورد استفاده قرار می­گیرند [۱۷]. توضیح مختصری در مورد انواع طبقه ­بندی­هایی که در این تحقیق مورد استفاده قرار گرفته اند در ادامه آمده است.

۲-۲-۱- طبقه بند C5.0

این طبقه بند در واقع براساس تقسیم مبتنی بر نمونه روی فیلدی که بیشترین سود اطلاعاتی را با خود دارد، کار می­ کند. سپس هر زیرنمونه تعریف شده با اولین تقسیم، دوباره تقسیم می­ شود (معمولا بر اساس یک فیلد متفاوت). این فرایند تکرار می­ شود تا اینکه هیچ زیرنمونه قابل تقسیم نداشته باشیم. سرانجام پایین ترین سطح تقسیم ها دوباره بررسی می شوند. آنهایی که تاثیر قابل توجهی بر مقدار مدل ندارند حذف یا هرس می­شوند [۱۶].

۲-۲-۲- طبقه بند SVM

یک طبقه بند و الگوریتم رگرسیون است که از تئوری یادگیری ماشین با حداکثر دقت پیش بینی بدون” اُور فیتینگ^[۲۶] ” داده ها استفاده می­ کند. این روش از یک تبدیل غیر خطی بر داده های یادگیری استفاده می­ کند، و با جستجوی برای تساوی های رگرسیون در داده ­های تبدیل شده کلاس­ها (اهداف) را جدا می­ کنند.SVM خصوصا برای آنالیز داده ­ها با تعداد زیادی از فیلد­های پیش گویی کننده مناسب می­باشد [۱۶].

۲-۲-۳- طبقه بند BOOSTED C5.0

یک الگوریتم داده ­کاوی است که برای کاهش خطای الگوریتم­های یادگیری ضعیف (به آرامی به سمت طبقه بندی صحیح میل می­ کنند) مورد استفاده قرار می­گیرد و آنها را به یک الگوریتم یادگیری قوی تبدیل می­ کند. در این کار برای قدرت بیشتر بخشیدن به الگوریتم تصمیم گیری C5.0 استفاده شده است [۲۷].

• 1. معیارهای ارزیابی کارایی

ارزیابی دقت مدل­های پیش ­بینی­کننده این تحقیق برای عملگر تصحیح برچسب، برحسب نسبت تعداد تصمیم گیری­های درست از سیستم­های یادگیری در مقایسه با طبقه بندی دستی به تعداد کل کاندیدا است. ماتریس درهم^[۲۷] جهت ارزیابی طبقه بندی­های دودویی می­باشد که در این تحقیق برای ارزیابی بخش پالایش نمونه­ها وتصحیح برچسب استفاده می­ شود [۱۷]. همانطور که در جدول ۲-۱ مشاهده می شود ماتریس درهم کلاس های واقعی را در مقابل کلاس های پیش بینی شده در داده آزمایش نشان می­دهد.

جدول۲-۱٫ جدول درهم شامل کلاس های واقعی در مقابل کلاس های پیش بینی شده

ماتریس درهم شامل چهار قسمت می باشد :

مثبت صحیح (TP^[28]) : تعداد نمونه­های استراتژی که به درستی استراتژی پیش بینی شده ­اند.

مثبت کاذب (FP^[29]) : تعداد نمونه­های غیر استراتژی که به اشتباه استراتژی پیش بینی شده اند.

منفی کاذب (FN^[30]): تعداد نمونه­های استراتژی که به اشتباه استراتژی غلط پیش بینی شده اند.

منفی صحیح (TN^[31]) : تعداد نمونه­هایی که غیر استراتژی بوده ­اند و به درستی پیش بینی شده که استراتژی غلط هستند.

چند معیار کارایی از ماتریس درهم بدست می ­آید که در زیر تشریح می­شوند:

Precision : درصد درستی الگوهایی که شناسایی شده اند.

(۲-۱)

: Accuracy درصد نمونه­های الگو و بدون الگویی که به درستی با نام الگو یا بدون الگو شناسایی شده ­اند.

(۲-۲)

نرخ مثبت صحیح (TPR) : درصد الگوهایی که به درستی شناسایی شده ­اند ( همان Recall است) .

(۲-۳)

معیارهای فوق در این تحقیق به منظور ارزیابی دو عملگر پالایش و تصحیح برچسب استفاده می­شوند.

• 1. جمع بندی

در این فصل به طور خلاصه چند طبقه بند که برای ساخت مدل در این تحقیق استفاده شده است، بررسی گردید. در نهایت هم معیارهای ارزیابی مدل­ها ارائه گردید.

فصل سوم

1. مروری بر تحقیقات پیشین

   1. مقدمه

محققان بسیاری در زمینه­ خودکار یا نیمه خودکار­سازی شناسایی الگوهای طراحی از کد منبع یا طراحی کار کرده ­اند. در ادامه این بخش، به طور خلاصه بر برخی از تحقیقاتی که از نظر هدف و یا شیوه کار شباهت بیشتری به تحقیق ما دارند مروری خواهیم داشت.

کارهای مرتبط

در سال ۱۹۹۸ [۱۰] یک روش سه مرحله­ ای برای شناسایی الگوها ارائه شد. ابتدا از طریق محاسبه­ مقادیر یک سری معیارهای عام شی­گرا، نظیر شمارش تعداد صفات، تعریف­ها، و … برای هر کلاس موجود در کد و هر نقش الگوی مورد جستجو، کاندیدهای هر نقش شناسایی شد. در گام اول، فضای جستجو (از طریق حذف کلاسهایی که کاندید نشدند) تا حد زیادی کاهش داده شد. در مرحله دوم از طریق مسأله­ کوتاهترین مسیر، نزدیکترین مسیر بین کاندیدهایی که می­توانند به هم مرتبط شوند، شناسایی شد. سپس هر ترکیب بدست آمده از مرحله دوم به عنوان کاندیدهای الگوی مورد جستجو شناخته شد. در مرحله سوم به دلیل وجود مثبت کاذب بسیار زیاد در مرحله دوم، از محدودیت واگذاری مسئولیت استفاده شد. چنانچه الگویی باید این محدودیت را داشته باشد، ترکیب بدست آمده از مرحله دو، برای داشتن این محدودیت مورد بررسی قرار داده شد، چنانچه چنین محدودیتی نداشت آن ترکیب حذف می­شد. با این حال، روش [۱۰]، میزان مثبت کاذب بالایی دارد. عیب اصلی [۱۰]، در محوریت اصلی کارشان، استفاده از معیارهای عام شی­گرایی بود که از پایه با هدف سنجش الگوها استخراج نشده بودند.

درسال ۲۰۰۵ [۴]، بجای ابداع یک ابزار جدید، یک روش پالایش ابزار خودکار ارائه داد. ورودی پالایش، خروجی ابزار ۲۰۰۳ [۳] بود که توسط خودشان ابداع شده بود و میزان مثبت کاذب بالایی داشت. در[۴]، براساس انعطاف­پذیری­ها و تنوع پیاده­سازی­های هر الگو، یک سری معیار استخراج شد. این معیارها از پایه با هدف سنجش و بررسی حضور الگوها استخراج شدند. روش کار به این صورت بود که خروجی بدست آمده از ابزار[۳]، به صورت دستی تجزیه و تحلیل شد، و هر نمونه­ شناسایی شده، مورد بازبینی قرار گرفت. بطوریکه اگر نمونه به درستی شناسایی شده بود، برچسب درست، و اگر ابزار در شناسایی آن دچار اشتباه شده بود، برچسب نادرست می­گرفت. سپس یک مجموعه داده تهیه شد. نمونه­ها به عنوان رکوردهای آن، معیارها به عنوان صفات توصیف کننده نمونه­ها، و هویت آنها (درست و نادرست) به عنوان ستون خروجی مجموعه داده قرار گرفت. نهایتا با بهره گرفتن از الگوریتم­های داده ­کاوی و مقادیر معیارها روی نمونه­ها، یک سری قوانین استخراج شد که با کمک آنها می­توان نمونه­های ناشناخته در مجموعه داده را تعیین هویت کرد.

کار[۴] انجام شد تا، نمونه­های مثبت کاذب ابزار شناسایی، و از خروجی حذف شوند. پالایش [۴]، خروجی [۳] را تاحد زیادی بهبود داد، اما معیارهای [۴]، تنها بر اساس تنوع پیاده­سازی­های یک الگو استخراج شده بودند و ساختار و عملکرد مشابه الگوهای دیگر در تولید معیارها در نظر گرفته نشده بودند. از طرفی با اینکه حذف نمونه­های مثبت کاذب خروجی مطمئن­تری را در اختیار توسعه دهنده قرار می­دهد، در همان حال، خیلی از اطلاعات را نیز از بین می­رود.

فرانسیسکا و همکارانش [۱۲][۱۱] ابزاری تحت نام مارپل متشکل از پنج ماژول اصلی را توسعه دادند. این ابزار نه تنها فعالیت شناسایی الگوهای طراحی را بلکه بازسازی^[۳۲] معماری نرم افزار را نیز پشتیبانی می­ کند. اولین ماژول آن، موتور شناسایی^[۳۳] اطلاعات نامیده می­ شود این ماژول مدلی از سیستم می­سازد و یک سری معیارها و ساختارهای ریز را جمع آوری می­ کند. دومین ماژول که وصل کننده ^[۳۴] نامیده می­ شود تمام کاندیدای الگوهای طراحی که معیارهای یک تعریف داده شده از هر الگو را برآورده می­ کنند استخراج می­ کند. سومین ماژول، طبقه بندی است که کمک می­ کند مثبت کاذب های بخش قبلی را شناسایی کرده و شباهت آنها را با پیاده سازی­های صحیح هر الگوی مورد نظر، با انتساب مقادیر اطمینان مختلف^[۳۵] مورد سنجش قرار می­دهد. دو ماژول آخر جهت بازسازی معماری نرم افزار مورد استفاده قرار می­گیرند. معیارهای اندازه گیری شده توسط مارپل، معیار­های شی­گرایی هستند که در تولید بعضی از منظر­های معماری بهره­ گیری می­شوند. بخش یادگیری ماشین از فرایند شناسایی، توسط ماژول سوم پیاده سازی می­ شود که کاندیدای استخراج شده از ماژول دوم را به عنوان ورودی می­گیرد و سپس از الگوریتم­های گروه­ بندی^[۳۶] و طبقه بند موجود در نرم افزار weka^[37] برای پالایش کردن نمونه­های مثبت کاذب استفاده می­ کند. عملیات پالایش این شیوه با محاسبه نمره مشابهت بین نمونه صحیح هر الگو با کاندیدای شناسایی شده انجام می­گیرد. نمره دهی بر حسب مشابهت، به ساختار پایه الگو بسیار محدود می­ شود درحالیکه الگوهای طراحی در خیلی از موقعیت­ها از ساختار پایه­ خود به دلیل انعطاف پذیری که دارند، دور می­شوند.

ستورا و همکارانش [۱۳] شیوه­ای را ارائه دادند که بر اساس آن، کاندیدای نقش­هایی که ترکیب آنها کاندیدهای الگوها را تشکیل می­دهد، با اندازه ­گیری یک سری معیار­ها و تکنیک­های داده ­کاوی، جستجو می­ شود. سپس با آنالیز رابطه­ بین کلاسی کاندید­ها، الگوی مورد نظر شناسایی می­ شود. در این شیوه سعی می­ شود الگوهایی که ساختار مشابهی به یکدیگر دارند از هم تشخیص داده شوند، اما در واقع معیارهای استخراج شده برای الگوهایی با ساختار مشابه را دقیقا یکسان در نظر گرفته­اند و آنها را در یک گروه شناسایی می­ کنند. در این روش از تکنیک شرایط محدود کننده استفاده نمی­ شود و خصوصا به همین دلیل روششان آماده پذیرش مثبت کاذب بسیاری می­باشد.

تی سن تا لیس و همکارانش [۱۲][۹] ابزاری به نام ^[۳۸]SSAارائه دادند. در SSA از یک الگوریتم نمره­دهی که نمره­ مشابهت هر زیر گراف سیستم را (فضای جستجو) با هر گراف الگوی مورد جستجو محاسبه می­کرد، استفاده شد. چون الگوریتم SSA خواص انتقال را در ارث بری و واگذاری مسئولیت در نظر می­گیرد، تنوع پیاده­سازی­های یک الگو که از ساختار پایه خود فاصله گرفته­اند را نیز شناسایی می­ کند. SSA درصد بازیابی بالایی دارد، تعداد زیادی از الگوهای موجود را شناسایی می­ کند، به راحتی قابل استفاده است، و همچنین سرعت بالایی دارد. اما بدلیل اینکه الگوریتم SSA تنها بر قواعد ساختاری تاکید دارد، الگوهایی که ساختار یکسانی دارند و تنها در رفتار متفاوت می­شوند، و یا آنهایی که عملکرد مشابهی دارند، توسط SSA قابل متمایز شدن نیستند و SSA آنها را در یک گروه شناسایی می­ کند (مثل “وضعیت/ استراتژی”).

شی و همکارانش [۵] ابزاری به نام ^[۳۹]PINOT ارائه دادند. در تولید ­ PINOT از این اصل استفاده شد،” باتوجه به اینکه هر الگوی طراحی باید هدف مشخصی را برآورده کند، بنابراین باید ازآن هدف، یک تعریف عملی در پیاده­سازی آن الگو وجود داشته باشد“. در [۵] سعی شد تا تعریف عملی مربوط به هدف هر الگو از پیاده­سازی آن الگو بیرون کشیده شود، سپس PINOT برای شناسایی الگوها، تعاریف عملی بیرون کشیده شده را به عنوان محدودیت­های اجباری با آنالیز ایستا، جستجو ­کند. PINOTدرصد بازیابی بالایی دارد، تعداد زیادی از الگوها را شناسایی می­ کند، سرعت کمتری نسبت به SSA دارد، و همانند SSA توانایی متمایز کردن الگوها با ساختار و عملکرد مشابه را ندارد. در این تحقیق از دو ابزار SSA و PINOT برای انجام آزمایشات بهره گیری شده است.

[۱۵] ابزاری با نام ^[۴۰]DPJF ارائه داد. در [۱۵]، برای برخی از الگوها، تعدادی محدودیت یا الزام رفتاری جهت شناسایی­شان، ارائه شد. برخی از محدودیت­های [۱۵]، ثبات و قدرت متمایز کنندگی بالایی دارند. ابزار DPJF ادعا می­ کند، صد در صد دقت دارد. اما بر اساس بررسی­ها و ارتباطات انجام شده با گروه [۱۵]، ابزار DPJF تنها الگوی یگانه^[۴۱]را با چنین دقتی شناسایی می­ کند. مثلا در مورد دقت شناسایی الگوی نماینده، برخی نمونه­های شناسایی شده توسط این ابزار بعد از بررسی و ارتباطات با این گروه مشخص شد که الگوی وضعیت هستند و نه الگوی نماینده. همچنین این ابزار هنوز برای شناسایی الگوهای با ساختار و عملکرد مشابه مثل استراتژی و وضعیت پیاده­سازی نشده است. بنابراین مشخص نیست بعد از پیاده سازی به چنین دقتی دست یابد.

در سال ۲۰۱۳ [۲۶]، در تمام مراحل فرایند شناسایی الگوهای طراحی (کاهش فضای جستجو تا شناسایی کاندیدهای هر الگو) از داده ­کاوی بهره گرفت. در مرجع [۲۶]، ابتدا از تعدادی معیار عام سطح کلاس مثل عمق ارث­بری، تعداد متدهای رونویسی شده، و … به منظور جستجوی کاندیدهای هر نقش تشکیل دهنده­ الگوی مورد نظر در میان کلاس­های موجود در فضای کد، با کمک شیوه ­های داده ­کاوی استفاده کرد. در مرحله­ بعد، با ترکیب کاندیدهای نقش­هایی که می­توانند به هم مرتبط شوند، کاندیدهای الگوی مورد جستجو استخراج شدند. سپس برای بررسی صحت یا عدم صحیت کاندیدهای مرحله دوم، یک مجموعه داده تهیه کردند. بطوریکه رکوردهای آن را کاندیدهای مرحله دو، و صفات توصیف کننده آنها را معیارهای مربوط به بررسی روابط میان کلاسی و معیارهای سطح کلاس مرحله یک تشکیل دادند. سپس برای تعیین هویت هر موجودیت (صحت یا عدم صحت ) از چهار ابزار خودکار شناسایی الگوهای طراحی استفاده شد. بطوریکه اگر حداقل دو ابزار در رابطه با یک کاندیدا رأی مثبتی داشتند، آن کاندید به عنوان نمونه صحیح در نظر گرفته می­شد. سپس از الگوریتم­های داده ­کاوی برای خودکار­سازی فرایند تعیین هویت، به منظور شناسایی درستی نمونه­های جدید استفاده کردند.

با توجه به اینکه در داده ­کاوی مهمترین عناصر، صفات توصیف کننده موجودیت­ها و صحت برچسب زنی قبل از مدل­سازی روی مجموعه داده است، ضعف کار [۲۶] دردرجه اول، در استفاده از تعداد زیاد معیارهایی است که با هدف سنجش الگوها استخراج نشده بودند، و دوم برای برچسب زنی اولیه مجموعه داده، استفاده از ابزارهای موجود شناسایی الگوهای طراحی، که دقت کاملی ندارند و بدیهی است که در فرایند برچسب زنی دچار اشتباه شوند. این روش با دقت نسبتا پایینی متوسط “۴۹%” روبرو شد.

در سال ۲۰۱۳ [۲۸]، یک روش پرس­و­جوی الگوهای طراحی از پایگاه داده ارائه کرد. محور اصلی [۲۸]، بکارگیری شیوه­ اصولی برای سست کردن پرسو­جو­ها بود، پرس­و­جو­ها به دو دسته تقسیم می­شدند، خاص و عام. خاص یعنی تبدیل خصوصیات الگو به یک پر­سو­جوی سخت برای شناسایی الگو­هایی­که از ساختار پایه فاصله نگرفته­اند و عام، تبدیل خصوصیات الگوها به یک پرسو­جوی عام تر (با بهره­ گیری از ویژگی­­های پیاده­سازی متنوع یک الگو) برای نمونه­هایی که از ساختار پایه فاصله گرفته­اند، بطوریکه بتوان تنوع نمونه­های قابل قبول الگوهای طراحی را پیدا کرد. نتایج این کار تنها برای الگوی “یگانه” ارائه شده است. مقایسه­ نتایج با دو ابزار PINOT و DPJF نشان دهنده­ بهبود کارشان نسبت به آن دو روش در تشخیص الگوی یگانه است. اما نتایج ابزار SSAکه در کارشان آورده نشده است از هر سه بهتر است.

در سال ۲۰۱۳ [۲۹]، از یک روش مقایسه­ گراف برای شناسایی الگوهای طراحی استفاده کرد. در [۲۹]، از تئوری چندریختی زیر گراف ­­­ استفاده شد. در واقع مفهوم عام مقایسه­ گراف مشخص می­ کند که آیا دو گراف یکسان هستند یا زیرگرافی از یکی در دیگری موجود است یا خیر. در [۲۹]، برای شناسایی الگوها سه حالت مقایسه را ارائه شد، حالت اول اینکه، اگر گراف الگو با گراف مدل سیستم همریخت باشد، در این صورت الگو موجود است، حالت دوم، اگر زیرگراف همریخت از الگو در گراف مدل موجود باشد، در این حالت، به صورت تقریبی الگو موجود است و حالت سوم الگو زیرگراف هم ریخت از گراف مدل نیست که در چنین حالتی الگو موجود نیست. در [۲۹]، نتایجی ارائه نشده است، اما به طور کلی همانطور که در [۹] نیز ذکر شده است، استفاده از روش­های مقایسه همر­یخت­های زیر­گراف یا گراف یک الگو نمی ­توانند روش مناسبی در شناسایی الگوها باشند، چون اول اینکه الگوها انعطاف­پذیری بالایی دارند و به ندرت در پیاده­سازی، معادل با ساختار پایه باقی می­مانند. دوم، مسأله پیدا کردن کل گراف یا زیر­گراف­های هم ریخت یک گراف یک مسأله NP-Complete است و ممکن است هیچ هم­ریختی پیدا نشود.

برای بهبود خروجی روش­های ارائه شده، استفاده از داده ­کاوی و استخراج معیارهایی جدیدی که بتواند نقص­های موجود در ابزارها را رفع کند لازم است. علت استفاده از داده ­کاوی این است که می­توان هر گونه معیاری را (رفتاری و ساختاری) به راحتی با هم ترکیب کرد و با تولید مقادیر این معیار­ها و تجزیه و تحلیل آنها توسط شیوه ­های داده ­کاوی، قانون­های قدرتمندی رابرای پالایش و تصحیح خروجی ابزارهای تقریبا قوی مثل SSAارائه داد و قدرت آن را در شناسایی تمامی الگوها تکمیل کرد. پالایش به کمک استخراج معیارهای خاص سنجش الگوها در کارهای مشابه انجام شده است. اما هیچ یک معیارهایی استخراج نکرده ­اند که با ترکیب آنها بتوان عملیات تصحیح خروجی (بدون از دست دادن اطلاعات) را انجام داد.

جمع بندی

در این فصل مروری کوتاه و اجمالی بر روش­هایی که ساختار و اهداف تقریبا مشابهی با تحقیق جاری دارند، شد. همچنین محدودیت­ها و مشکلات هر شیوه بیان گردید و دو ابزاری که در این تحقیق جهت انجام آزمایشات از آنها استفاده شده است معرفی گردیدند.

فصل چهارم

1. تولید مجموعه داده ها

   1. مقدمه

برای آماده ­سازی مجموعه داده مورد نیاز جهت خودکار­کردن عملیات تصحیح برچسب و پالایش، دو فعالیت مهم باید صورت بگیرد. اول، مجموعه کاملی از الگوهایی که با قرار­گیری در موقعیت­های متفاوت از ساختار پایه دور شده ­اند و توسط ابزارهای خودکار شناسایی با الگویی نظیر استراتژی اشتباه گرفته شده ­اند و همچنین مجموعه کاملی از انعطافاتی که مربوط به هر الگو می­باشد، باید فراهم گردد. سپس تولید مقادیر برای معیارهای استخراج شده در این تحقیق که همان پیش ­بینی کننده­ها می­باشند انجام می­گیرد. بنابراین در این فصل ابتدا تمام معیارهای استخراج شده در این تحقیق شرح داده می­ شود. سپس توضیحی در مورد چگونگی تولید مجموعه داده برای عملیات تصحیح برچسب و پالایش فراهم می­گردد.

• 1. معیارهای استخراج شده

معیارهای جدید استخراج شده در این تحقیق، با بررسی و مشاهده دقیق مجموعه ­ای تقریبا کامل از انعطاف پذیری­های هر الگو­ی طراحی از کد منبع استخراج شده ­اند. در استخراج این معیارها سعی شده است که علاوه بر بررسی انعطافات یک الگو، ابزار­های خو

یافته­های این پژوهش نشان داد، ورود به جمع و قرار ­گرفتن در جوی سرشار از تهدید اجتماعی نظیر مواجه با واکنش­های ناخوشایند دیگران و ناکامی در تعاملات، منجر به ظهور آشفتگی­های رفتاری چون دوری کردن، قهر­کردن، جیغ زدن، فرار از خود و مردم، راه نیامدن با دیگران، عدم معاشرت، حضور اجباری و بی­انگیزه در جمع، مشکلات تعاملی، پس­زدن فرصت­ها، چالش زناشویی، شغلی و کناره­گیری می­گردد. مطالعات زیادی نشان می­دهد، وجود اسکار­های سوختگی عامل بروز و طولانی شدن اختلالات اجتماعی نظیر ایزوله اجتماعی و تبعیض شغلی در مبتلایان به سوختگی است(۴۶). در این رابطه تحقیقات دیگری نشان داده است، ناسازگاری با دیگران از چالش­های اجتماعی این بیماران است که می ­تواند منجر به کاهش مهارت­ های اجتماعی گردد(۸۷). اضطراب قرار­گیری در موقعیت­های اجتماعی بیشترین گزارش افراد دارای بد­شکلی است(۵۵)و بیش از نیمی از آنها فشار اجتماعی را برای مدت طولانی تجربه کرده ­اند(۹۷). این عوامل بازگشت مجدد آنها را به جمع با مشکل رو برومی­سازد (۹۸). مواجه با موانع اجتماعی نظیر طعنه­زدن کلامی، دلسوزی، خیره شدن، سوالات بیجا درمورد اسکارها و نامگذاری(۹۹) باعث احساس داغ^[۷۸] و ناراحتی ازحضور در جمع، پاسخ­های اجتنابی^[۷۹] به واکنش های منفی دیگران مثل فرار از شرایط استرس ­زا می­ شود و اضطرب و دیسترس را افزایش می­دهد(۹۹). نهایتاً این موارد با ایجاد کمرویی، اضطراب اجتماعی و طرد شدگی به رفتار خجالت زده منتهی می­ شود(۷). پیامد فقر مهارت­ های اجتماعی، تمایل به برداشت منفی از وقایع اجتماعی در رابطه با بدشکلی(۱۷)، فرد را وارد چرخه­ی معیوب عملکرد اجتماعی و نارضایتی از زندگی می­سازد(۸۷). این ناتوانی در کنترل روابط، تعاملات و ورفتار اجتماعی تجربه­­ای از گسیختگی تعاملی ­است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

به دنبال گسیختگی جسمی، ذهنی و تعاملی قربانیان تلاش می­ کنند ازطریق گفتگو با خود، شرایط بوجود آمده را تجزیه تحلیل نمایند تا بتوانند درمقابل موقعیت تازه صبور بوده و به زندگی ادامه دهند. در این مطالعه شواهدی بدست آمد که نشان می­دهد احساس ناامیدی و تردید نسبت به لطف خدا درحین گفتگوی درونی، معنویت افراد را مورد تهدید قرار می­دهد. مطالعات نیز متغیر امید را به عنوان یک عامل پیشگویی­کننده برای پیامد­های روانی اجتماعی بزرگسالان مبتلا به سوختگی معرفی کرده ­اند. با کاهش امید اختلالات رفتاری گسیختگی زا بیشتر وخود ارزشی کلی کمتر می­ شود(۸۴). بنابراین با کمتر شدن ارزش گذاری بر خود و افزایش احساس ناتوانی در کنترل زندگی شخصی و اجتماعی، نارضایتی درونی نیز افزایش یافته و باور­های فرد از خویش تغییر می­یابد. در این شرایط فرد گسیختگی پنداشتیرا تجربه می­ کند.
مکان­ یابی
مطالعات زیادی نشان­ داده­اند که آسیب­های سوختگی به­ دلیل ماهیت ویرانگری که دارند، با تحت­تاثیر قرار­دادن تمام ابعاد زندگی فرد(۵, ۱۰, ۱۱) به هسته اصلی وجودی وی(۴) و بویژه خود­پنداره^[۸۰] (۱۰۰) ضربه­ می­زند. یافته­های حاصل از ­این پژوهش همسو با بعضی مطالعات نشان­ داد، که این بیماران در حین گذر از شرایط سخت بعد از سوختگی، جهت پاسخ به آسیب­وارده به یکی از اساسی­ترین عوامل انگیزه­ های رفتاری یعنی خود­پنداره(۱۰۱)؛ همچنین تعریف مجدد از هویت­کلی­خود، نیازمند تلاشی سخت از طریق یک فرایند ذهنی پیچیده هستند(۱۰۲).
مورس بر اساس یک متاآنالیز کیفی از مطالعاتی که به بررسی پاسخ­های انسانی در برابر تهدید خود در طی بیماری­ها می ­پردازد، با ترکیب دو تئوری مدل منظومه­ی بیماری­ها^[۸۱] (۴۳) و حفاظت از­خود^[۸۲](۱۴)؛ مدلی ۵ مرحله­ ای را شرح داد که در قالب آن راهبرد­های خود آرامش­بخشی^[۸۳] جهت حفاظت ­از­ خود نیز بیان­ شد­ه­ است. در این تئوری اگر چه مراحل شرح­ داده­ شده بر­اساس ترکیب تئوری­های دیگر به خوبی به صورت یک مدل جامع­تر ارائه­گردیده (۴۲)، با­این­وجود توضیح واضحی از فرایند­های ذهنی افراد در خصوص چگونگی انتخاب راهبرد ها برای حفاظت از خود ارائه نشده است.
یافته­های­ پژوهش حاضر نشان­ داد، مشارکت­کنندگان از طریق مکانیسم­های خود­وارسی(جستجوی تغییرات حاصل درزندگی شخصی)، دگر­وارسی(جستجوی تغییرات حاصل درزندگی افراد خانواده و سایرین) موقعیت­سنجی (واکنش منطبق بر ­ارزیابی موقعیت خود) به مقوله «­مکان­ یابی» دست می­یابند. این مقوله عبارت­ است از درکی تازه از وضعیت خود در زندگی بعد از سوختگی. در واقع جریانی است که بیماران را در تمام ­لحظات برای آمادگی، شکیبایی و رنج­کشیدن برای زنده­ماندن و بازگشت به جامعه همراهی­می­ کند(۱۴). «مکان­ یابی» که ماهیتی ذهنی دارد، در هر مرحله از گذر به­ سوی بازگشت به جامعه به صورت حفظ ­تصویر ­قبلی ­از ­خود، آگاهی ­از ­تصویر ­جدید­خود، پذیرش ­تصویر­ جدید ­خود و نهایتاً خود آگاهی نمود می­یابد. مکان­ یابی یا پنداشت ­­از ­موقعیت­خود در ابعاد مختلف جسمی، روحی- روانی، معنوی، اجتماعی و ارزشی، زمینه­ ذهنی برای انتخاب راهبرد­های متناسب با جایگاه فعلی فرد را در هرمرحله از گذر فراهم می­سازد. هر چند بر حسب عوامل شخصی(۱۰۳)، بین­فردی(۱۰۴) و بیرونی(۸۳) موجود درماتریکس خود، زمان ورود و عبور هرفرد از این مسیر ممکن است متفاوت باشد.
معمولاً در فاصله­ زمانی بروز حادثه تا یکپارچگی جسمی، خود­وارسی با تمرکز فرد بر احساس گسیختگی جسمی صورت می­گیرد. همچنین مشاهده رنجی که خانواده در بستر بیمار تحمل می­ کند، حاصل دگر­وارسی در این دوره است. فرد از طریق موقعیت­سنجی شرایطی را جستجوی می­ کند که بتواند درد و رنج فعلی را تحمل نماید. به همین دلیل به دنبال راهبرد­هایی است که با ناچیز قلم ­داد­ کردن آسیب و حفظ تصویر قبلی ­خود، یکپارچگی­اش را حفظ نماید(۱۰۵).
در این مرحله، درد یکی از عذاب­آور­ترین دریافت­های ­حسی به­شمار­ می­رود(۹۴). فشار ناشی از از درد فرد را وادار می کند که تمام انرژی و تمرکز درونی و توجه خود را به حفظ خود معطوف­نماید(۴۲). بیمار احساس می­ کند که در معرض خطر و بی­حرمتی قرار­گرفته است(۱۲, ۱۰۶). اصرار به عدم باور شدت آسیب در زمان حادثه و روز­های اول بستری، تلاش برای نشان­­ندادن درد، ظاهری آرام و آراسته به­ خود ­گرفتن در هنگام ملاقات با خانواده که شاهدی بر سرکوب­کردن هیجانات مشارکت­کنندگان این پژوهش است؛ همچنین تجارب دیگری نظیر امتناع از دیدن زخم­های خود در بعضی از مطالعات(۱۰۵)، نمونه­هایی از تلاش برای انکار شدت آسیب و حفظ تصویر قبلی از خود می­باشد. در این مرحله حفظ کنترل هیجانی برای طاقت­آوردن و دم­نزدن از هرگونه ترس یا هراس در مقابل تهدید جسمی بسیار مهم است(۴۲). این وضعیت ممکن­است باعث تسکین بیمار گردد(۴۲). مورس،۱۹۹۷ نشان­ داد که وضعیت عاری از هیجان در مرحله­ ای به نام شکیبایی برای بقا، شخص را تقریباً در یک وضعیت «خاموشی^[۸۴]» قرار­می­دهد (۴۲). مطالعات دیگر نیز نشان­ می­دهد، در شروع بسیاری از بیماری­های حاد و یا مزمن، بیماران وخامت وضعیت را جدی نمی­گیرند(۸۹). مکان­ یابی­ در این مرحله به تحمل رنج حاصل از درد شدید، تهاجم به قلمرو­ جسمی و وابستگی به خانواده در انجام فعالیت­های روزانه کمک ­می­ کند. هرچند مطالعات دیگر نشان­ می­دهد زمانی که درد خیلی شدید است افراد از راهبرد­های ممانعت از درد نظیر پرت­کردن حواس^[۸۵]، مغلوب نشدن^[۸۶]، تمرکز بر چیزی مثل خیره­شدن به کاشی­سقف(۱۶) و جدایی از جسم^[۸۷] استفاده می­ کنند. در یک مطالعه گراندد ­تئوری نیز که به جستجوی فرایند­ها از جنبه نوتوانی پرداخته است؛ مفاهیمی چون تردید^[۸۸]، مطالعه­بدن^[۸۹]، مشاهده^[۹۰]، طاقت­آوردن^[۹۱]، حفظ کنترل هیجانی^[۹۲] و پذیرش کمک به عنوان اولین پاسخ­های انسانی به تهدید تمامیت ­خود معرفی­گردید­ه ­است(۱۴).
با ورود به منزل و تداوم زندگی، قربانیان شروع به کنترل و بررسی بدن خود خواهند­ نمود. بیان ترس­ها و تایید جدی­بودن وضعیت نشان­دهنده آگاهی افراد از تغییرات خود، دیگران، محیط و هر چیزی است که آنها را به صورت درونی یا بیرونی با خود درگیر می­سازد (۹۰). در این مرحله عمده­ترین فعالیت ­ذهنی مشارکت­کنندگان مبتنی بر درک تصویر جدید از خود است. درکی که از طریق کسب آگاهی با تمرکز بر تغییرات ظاهری و یا واکنش دیگران به خود کسب ­می­ شود(۹۱). بر­اساس مطالعه حاضر این آگاهی در گروهی از بیماران محدود به آگاهی از تغییرات جسمی می­ شود و در گروهی دیگر به صورت آگاهی از یک تغییر کلی یا حتی بر­اساس بعضی از تجارب­بیان­شده « آدم­دیگری­شدن» می­باشد. مکان­ یابی­ در­این مرحله به آگاهی از تغییر یا به­عبارتی­دیگر درک موقعیت فعلی فرد کمک­خواهدکرد.
یافته­های این مطالعه همسو با سایر مطالعات نشان­داد، مبتلایان به سوختگی با ورود به منزل متوجه حقیقت تغییرات ایجاد شده در توانایی، نقش­ها، روابط شخصی و تغییر چهره(۸۷) در خود می­شوند. موی و همکاران دریک مطالعه پدیدارشناسی، «آگاهی بدنی جدید^[۹۳]» را به عنوان عصاره تجربه زندگی مبتلایان به آسیب­های سوختگی استخراج کردند. آگاهی تازه و دشوار در زمینه محدودیت­ها که با دیدن بدنی غریبه، آسیب پذیر و احساس ناراحتی، ناتوانی و نا­امنی کسب می­ شود(۱۰۷).
در­این مرحله تغییر تصویر­ ذهنی حاصل از آگاهی کسب ­شده و مسائل مرتبط با ظاهر به­ عنوان بخشی از تجربه­ مبتلایان به سوختگی(۹۲) از متغیر­های مهم روانشناختی موثر بر کیفیت ­زندگی این افراد است(۹۳)، که نقش زیادی در تطابق کوتاه­مدت(۱۰۸) و طولانی­مدت دارد (۱۰۹). با­ این­وجود علی­رغم کسب ­دانش فراوان (۱۱۰, ۱۱۱) حاصل از مطالعات سایکومتری^[۹۴] بر متغیر­های تصویر­ذهنی، که به نقش تصویر­ذهنی در این مبتلایان انجامیده است؛ اطلاعات بدست آمده در مورد درک تفاوت­های مشاهده­شده در تجارب فردی این افراد کافی نیست(۹۲).
لذا بر خلاف اغلب مطالعات کمی که تنها به اثرات کوتاه­مدت سوختگی پرداخته­اند^[۹۵] این مطالعه با رصد کردن تجارب طولانی­تر این افراد(۹۲)، به اطلاعاتی در زمینه­ چگونگی تغییر و شکل­ گیری مجدد تصویر ذهنی دست یافته است.
در این خصوص یافته­های ­حاصل از این مطالعه نشان داد، به دنبال کسب آگاهی از موقعیت جدید از طریق مکان­ یابی، افراد به تلاش برای جستجوی راه­های کسب قابلیت ­های بیشتر برانگیخته می­شوند. فرد به­ تدریج با مشاهده بهبودی زخم­ها، عادی­شدن رفتار دیگران، شنیدن تجارب بیمارانی که قبلاً سوخته­اند و بویژه کم ­اهمیت تلقی­کردن ظاهر اسکار­های بجای­ مانده از طرف دوستان وفامیل نزدیک؛ به مرحله­ ای دیگر از مسیر باز­گشت وارد­ می­ شود و با عبور از این مسیر، پذیرش تصویر­جدید­از خود پرورش­می­یابد.
با پذیرش تصویر ­جدید­ خود و ورود به زندگی عادی، خود­وارسی و دگر­وارسی بر ارزش­ها، باورها و میزان دست­یابی به انتظارات از زندگی تمرکز­ می­یابد. مبتلایان به سوختگی در بستری از خاطرات ترس­آور و تلخ مراحل قبل که ذهن آن­ها را اشغال می­ کند؛ از طریق ارزیابی دست­یابی به اهداف، آرزو­ها و تمایلاتشان، همچنین مقایسه وضعیت جدید خود با زندگی قبل از سوختگی و یا با زندگی دیگران، به ارزش­گذاری و قضاوت در خصوص کیفیت­زندگی دست­می­زنند .
توصیف مورس، از ۵ مرحله­ آمادگی، گسیختگی، شکیبایی، رنج­کشیدن و یادگیری (۴۲) و همچنین شرح وی در مورد استراتژی­ها­ی خود آرامش ­بخشی^[۹۶] به­نوعی مقوله­ی مکان­ یابی در مطالعه حاضر را مورد حمایت قرار­می­دهد. بر­این اساس مبتلایان به سوختگی با حفظ تصویر­ذهنی قبلی، از مراحل آمادگی و گسیختگی گذر ­می­ کنند؛ در مرحله­ شکیبایی با کسب آگاهی برای حفظ عملکرد­ها و تداوم زندگی تلاش می­ کنند؛ و در مرحله­ رنج­کشیدن، از طریق راهبرد­های معرفی شده برای پس­گرفتن و فرموله­کردن مجدد خود (۴۶, ۴۸) به پذیرش­تصویر­ذهنی ­جدید ­از خود نائل می­گردند. همچنین پاسخ­هایی چون اطمینان یافتن به بدن تغییر­یافته^[۹۷]، پذیرش­نتایج تجربه^[۹۸]، ارزیابی مجدد تجربه^[۹۹]، مسلط شدن بر اوضاع^[۱۰۰] و اصلاح یا تغییر در اهداف زندگی که به عنوان مرحله­ نهایی از الگوهای مشترک پاسخ انسان به تهدید تمامیت­ خود معرفی­شده است، با خودآگاهی حاصل از مکان­ یابی همخوانی دارد.
تعادل
امروزه به دنبال پیشرفت علم و تکنولوژی و افزایش تعداد نجات­یافتگان سوختگی به دلیل تاثیرات عمیقی که عوارض سوختگی بر کیفیت زندگی این افراد می­ گذارد، درک پیامد­های سوختگی در زندگی قربانیان از اولویت مهمی برخوردار است(۸۷). بر اساس یافته­های این پژوهش مقوله­ی تعادل، پیامد فرایند بازگشت مبتلایان به سوختگی به جامعه است. در حالیکه اغلب مطالعات انجام شده در زمینه­­ی آسیب­های سوختگی اندازه ­گیری پیامدها در این گروه را پیچیده و چند وجهی توصیف نموده ­اند(۸۷)، معرفی طبقات یکپارچگی جسمی، اتصال به جریان زندگی و بازگشت به خویشتن، توصیف نسبتاً کاملی از پیامد­ها را به عنوان چارچوب پنداشتی در این حوزه، فراهم ساخته است.
یافته­ ها در این پژوهش در راستای مطالعات دیگر نشان می­دهد، قربانیان سوختگی جهت پاسخ به آسیب وارده و بازگشت به یک زندگی معنی­دار نیازمند تلاشی سخت در تمامی ابعاد وجودی شان می­باشند(۱۷). این افراد در فرایند بازگشت از مراحل مختلفی عبور می­ کنند(۲۳) در صورتی­ که در هرمرحله، فرایند­های مکان­ یابی، به ایجاد توازن بین تهدیدات و آشفتگی­ها منجر شود، فرد را در یک وضعیت تعادلی قرار می­دهد که زمینه ورود او به سطح بالاتری از تعادل را فراهم می­سازد.
یکپارچگی جسمی
در گذر از لحظه­ حادثه، انتقال از صحنه و بستری شدن در بیمارستان، مبتلایان به سوختگی برای کسب توازن بین تهدید حیات جسمی و آشفتگی احساسی از طریق ثبات فیزیولوزیک، نجات اندام آسیب دیده و رفع نیاز­های حیاتی نظیر، تغذیه، دفع، استراحت و … تلاش می­ کنند. نقطه تعادل در این مرحله یکپارچگی جسمی است. با وجودی که برای سالیان سال واژه مرگ و میر به عنوان پیامد کلیدی در تحقیقات سوختگی گزارش شده است، اما این مفهوم تنها شاخص تقریبی از اثربخشی بالینی است، نه مقیاسی حقیقی از پیامد سوختگی(۷). دست یابی به مفهوم یکپارچگی جسمی به عنوان پیامد دوره اورژانس و حاد سوختگی در این پژوهش، در عین حال که نشان دهنده نجات از حادثه سوختگی است؛ به دلیل وسعت معنایی حاصل از ویژ­گی­ها و ابعاد، عوامل مهم و تأثیرگذار دیگر بر پیامد سوختگی در مرحله حاد(۸۷) را نیز در اختیار پژوهشگران و پرسنل درمانی مربوطه قرار می­دهد .
یافته­های این مطالعه همسو با سایر تحقیقات نشان داد، بلافاصله پس ازحادثه، بر حسب شدت سوختگی و عدم توازن داخلی بدن، فرد سوخته برای کسب مجدد این توازن؛ از طریق پاسخ­های ناآگاهانه و آگاهانه، عامل آسیب­رسان را از خود دور می­ کند و در اغلب موارد با کمک افراد در صحنه اعم از بستگان یا سایر افراد به مراکز درمانی منتقل می­گردد (۸۲). با ورود فرد به بیمارستان تلاش پرسنل پرستاری و پزشکی برای کمک به حفظ توازن بین تهدید حیات جسمی و آشفتگی احساسی از طریق پیش ­بینی پاسخ­های التهابی حاد مهم(۱۱۲) و درمان اختلالات موضعی و عمومی (۱۱۳, ۱۱۴) آغاز می­گردد. این یافته با نتایج سایر مطالعات همخوانی دارد چرا که این نوع پاسخ­ها امروزه به خوبی شناخته شده و دراغلب موارد با توجه به سن بیمار و درصد سوختگی قابل پیش ­بینی و درمان است(۱۱۵) .
به دنبال ثبات فیزیولوژیک، اولین اقدام برای حفظ تعادل در عملکرد پوست و پیشگیری از عفونت و سپسیس، درمان موضعی زخم­هاست که با پانسمان­های روزانه آغاز و درصورت عمیق بودن زخم­ها با درمان­های ترمیمی یعنی دبریدمان و گرفت ادامه خواهد یافت. مطالعات دیگر نیز نشان می­دهد، مداخله­ی معمول در زخم­های عمیق شامل تمیز کردن زخم، برداشتن بافت­های مرده و انجام اتوگرفت و آلوگرفت برای پوشاندن پوست است، که منجر به کاهش مدت بستری و کاهش هذینه­ها می­گردد (۸۷)؛ هرچند بر اساس مشاهدات در عرصه در این پژوهش، درمان رایج اتوگرفت بوده و درهیچ موردی از آلوگرفت برای پوشش زخم مصدومین استفاده نمی­ شود. همچنین مراقبت پرستاری از بیماران عموما بر اساس روش­های روتین و سنتی صورت می­گیرد و اساساً فرایند پرستاری جایگاهی در زمینه مورد مطالعه ندارد. به­ طور مثال، در خصوص بررسی و کنترل التیام زخم­ها، روش معمول بررسی و تخمین از طریق مشاهده ظاهر و وسعت زخم است؛ که علی­رغم متداول بودن روشی نامطمئن و مورد نقد است(۸۷).
پوشاندن زخم­ها از طریق گرفت که به منظور بر قراری توازن در عملکرد پوست و سایر اندام­ها صورت می­گیرد درمانی تهاجمی و بسیار طاقت فرسا است (۱۱۶-۱۱۸). به همین دلیل، علاوه بر تعادل جسمی، حفظ تعادل روانی یعنی توازنی بین تهدید ناشی از رنج و عذاب جسمی و احساس آرامش و تسکین نیز مهم است. در این مرحله درد یکی ازمهمترین موانع دائمی و تأثیر­گذار بر تعادل روانی مبتلایان است که برای نجات اندام آسیب دیده تجربه می­ شود(۹۴). لذا تسکین درد عامل مهمی برای تعادل روانی ذکر شده است(۱۱۹). نتایج مطالعه اسفهلان و همکاران همسو با مشاهدات در عرصه نشان داد، به دلیل ناکارآمدی مدیریت درد، بیماران درد شدیدی را در هنگام پروسیجرهای درمانی و درد متوسطی را در هنگام استراحت تجربه می­ کنند(۹۴). این در حالی است که پژوهشگران بر این باورند تسکین ناکافی درد در مراحل اولیه می ­تواند به امتناع کامل بیمار از شرکت در برنامه ­های توانبخشی کوتاه­مدت و طولانی­مدت منجر گردد(۲۳). یافته­های پژوهش نشان داد فراهم سازی شرایط آسودگی برای بیمار و اطمینان دادن به اینکه در امنیت به سر می­برد برای بیماران اهمیت زیادی دارد. همچنین گوش کردن به بیماران و تشویق آنها برای طرح سوالات و نگرانی ­هایشان بسیار کمک کننده است. مطالعات دیگر نیز نشان می­دهد، این عوامل فرایند درمان را هم برای بیماران و هم برای پرسنل درمانی آسان­تر می­سازد(۷).
اتصال به جریان زندگی
یافته­ ها نشان داد، اتصال به جریان زندگی که از طریق توانایی مراقبت از خود، عادت کردن و عادی شدن صورت می­گیرد، سطح دیگری از تعادل است که هدف اغلب برنامه ­های توانبخشی برای بیماران سوختگی است(۷).
با ترخیص از بیمارستان و به مرور زمان قربانیان سوختگی از طریق مکانیسم­های مکان­ یابی که پیش­تر شرح داده شد، از وضعیت جدید خود آگاهی می­یابند و با تداوم برنامه ­های توانبخشی برای دست­یابی به استقلال در عملکرد و توانایی مراقبت از خود تلاش می­ کنند. بر این اساس قربانیان قادرخواهند بود، در فرایند تحمل و شکیبایی تا رسیدن به بهبود نسبی زخم­ها، خروج از درد و عذاب جسمی و بهبود خواب و استراحت، بین تهدیات روحی- روانی – معنوی و آشفتگی ذهنی خودتوازن ایجاد کنند. مطالعات نیز به حفظ دامنه حرکتی و وضعیت مناسب اندام­ها، پیشگیری از جمع شدگی مفاصل(۱۲۰)، تشویق بیمار به حرکت و انجام فعالیت­های روزانه، آموزش(۱۲) و پیشگیری از بافت اسکار (۱۲۱) در این مرحله تأکید نموده ­اند.
به تدریج با کسب استقلال نسبی یا کامل در مراقبت و انجام فعالیت­های روزانه قربانیان با پوشاندن اسکار­ها در جمع حضور می­یابند و با تکاپو و تلاش برای بهتر شدن و دسترسی به یک منبع مالی تلاش می­ کنند. به این ترتیب مواجه مکرر با واکنش­های اجتماعی و توانایی کنترل بر دنیای بیرونی؛ آنها را به شرایط جدید عادت می­دهد. مطالعات نیز نشان داده است که افراد به مرور زمان و در سایه­ی منابع حمایتی به شرمندگی­ ناشی از بدشکلی غلبه می­ کنند(۸۳, ۱۰۳, ۱۰۴). درنتیجه زمینه برای پذیرش وضعیت جدید فراهم می­ شود. در این شرایط آنها قادرند بین تهدید اجتماعی حاصل از سوختگی و آشفتگی­های رفتاری- حرکتی خود توازن ایجاد­کنند، تا به سطح تعادل دیگری یعنی ورود به به جمع و جریان زندگی برسند. با ورود به زندگی معمول آنها توانایی کنترل بر دنیای درونی خود را پیدا می­ کنند و در نتیجه قادر خواهند بود با ورود به جامعه، به زندگی عادی باز­گردند. بازگشت به کار و پیوستن مجدد به جامعه از پیامد­های محوری این مرحله گزارش شده است (۸۷). مطالعات نشان می­دهد زندگی پس از سوختگی، بویژه در سوختگی­های شدید با دشواری زیادی برای سازگاری همراه است، اما با وجود حمایت­ها و نوتوانی صحیح این افراد می­توانند از یک زندگی کامل بهره­مند گردند(۷).
بازگشت به خویشتن
بازگشت به خویشتن بالاترین سطح تعادل است که یک قربانی سوختگی می ­تواند به دنبال تجربه­ گسیختگی جسمی، ذهنی، اجتماعی و پنداشتی ناشی از سوختگی؛ در سایه­ی تفکر و تعمق حاصل از مکان­ یابی در دنیای درونی، بین فردی و بیرونی خود و انتخاب راهبرد­های محافظت از خود به آن دست پیدا کند. بازگشت به خویشتن زمانی اتفاق می­افتد که فرد پس از فاصله گرفتن از احساس رضایت درونی و تعالی خود، دوباره به آن باز می­گردد.
یافته­های حاصل نشان داد که آگاهی و تجربه­ کسب شده در طی فرایند ­مکان­ یابی می ­تواند، زمینه­ ساز یادگیری و رشد برای تعدادی از این افراد باشد. این یافته با نتایج مطالعه آسکای،۲۰۰۹ نیز همخوانی دارد(۲۰). پژوهش­های دیگر نیز با معرفی مفهوم رشد پس از حادثه^[۱۰۱] این یافته را مورد تأیید قرار داده­اند(۱۲۲).
در حالی که هدف اغلب برنامه ­های توانبخشی بازگرداندن فرد به جریان معمول زندگی است(۲۳). یافته­های دیگری در این مطالعه نشان داد، تعدادی از قربانیان علی­رغم بازگشت به شرایط طبیعی زندگی، اما همواره از یک احساس نارضایتی درونی و عدم کفایت رنج می­برند. احساسی که اجازه برقراری توازن بین ارزش­های تهدید شده و رضایت از زندگی را به فرد نمی دهد. به عبارتی دیگر چنین فردی علی­رغم بازگشت به جامعه و زندگی معمول نتوانسته است به «خویشتن خویش» باز گردد. این یافته نشان می­دهد، قربانیان سوختگی ممکن است، تا سالیان سال علی­رغم داشتن زندگی معمولی و بازگشت به نقش­های قبلی هنوز به این سطح از تعادل دست نیابند، پیامدی که باید مد نظر تمامی دست اندرکاران تیم مراقبت و توانبخشی سوختگی قرار­گیرد.
بر این اساس قربانیان سوختگی برای دست­یابی به بالاترین سطح تعادل در زندگی خود علاوه بر توانایی بازگشت به جامعه و نقش­های قبلی، باید توانایی بازگشت به خویشتن را نیز کسب کنند. لذا این مطالعه با معرفی مقوله «تعادل» ضمن توجه و تأیید پیامد­های معرفی شده قبلی(۸۷) مفهوم تازه­ای را برای بررسی پیامد­های روانی- اجتماعی قربانیان سوختگی فراهم می­نماید.
در این قسمت تلاش گردیده، با مقایسه­ تئوری­­های مرتبط و مقولات استخراج شده از مطالعه حاضر به وضوح بیشتری در خصوص مفاهیم و ساختار نظریه ارائه شده، دست یابیم.
الف) تئوری جامع پاسخ به تهدید تمامیت خود
بر اساس مطالعه مورس،۱۹۹۷ که با روش فرا تحلیل کیفی صورت گرفت، صرف نظر از اینکه شروع بیماری­ها حاد یا مزمن، تهدید کننده یا غیر تهدید کننده­ حیات بوده و پیش آگهی متفاوتی داشته باشند، الگو­های پاسخ دهی به تهدید تمامیت خود اشتراکات قابل ملاحظه­ای دارند. وی بر اساس این اشتراکات ۵ مرحله­­۱) آمادگی؛ ۲) گسیختگی: شکیبایی برای بقا؛ ۳) شکیبایی برای زندگی: تقلا برای بدست آوردن مجدد خود؛ ۴) رنج کشیدن: تقلا برای ترمیم خود و ۵) یادگیری برای زندگی با خود تغییر یافته(۴۲)، شناسایی کرد.
در پژوهش حاضر ۵ مرحله حادثه­ی سوختگی، انتقال و بستری شدن، ترخیص و ورود به منزل، بازگشت به اجتماع و جامعه، بازگشت به خویشتن مشخص گردید که در گذر از این مراحل قربانیان به دنبال تجربه­ گسیختگی خود از طریق فرایند مکان­ یابی به تعادل دست می­یابند (جدول۱-۵).

(جدول۱-۵): مقایسه­ تئوری جامع پاسخ به تهدید تمامیت خود و تئوری حاضر

تئوری جامع پاسخ به تهدید تمامیت خود(مورس ۱۹۹۷)

تئوری بازگشت به خویشتن: از گسیختگی تا تعادل

مرحله

(۳-۱۸)
کلیه‌ی روابط فوق در برنامه تخصصی MATLAB به ازای فواصل زمانی کوچک (بر حسب ثانیه)، همانند شکل ۳-۵ در تعداد بخش کوچک از راکتوری به طول متر محاسبه می‌شوند. در نهایت می‌توان با اعمال ورودی دما ( ) به راکتور، به خروجی نهایی که همانا کاهش مقدار استیلن
( ) در خروجی می‌باشد، رسید. غلظت استیلن در خروجی به وسیله‌‌ی یک سنسور فرآیندی در این مدل محاسبه می‌شود که بوسیله‌ی یک کنترل کننده که در فصل آینده به طراحی آن پرداخته خواهد شد، این میزان غلظت استیلن در فرایند، کنترل شده تا به مقدار قابل قبولی برسد. بر اساس مطالعات انجام شده، مقدار قابل قبول برای استیلن خروجی بصورت استاندارد، کمتر از ppm ۵ می‌باشد. پیش‌بینی غلظت استیلن خروجی، شدیداً حساس به فعالیت کاتالیزور فرایند است، بدین مفهوم که به آسانی می‌تواند در پیش‌بینی‌های غلظت استیلن خروجی، از ppm ۴۰ تا ۵۰ تاثیرگذار باشد [۱۶].

شکل ۳-۵– تقسیم‌بندی راکتور به بخش‌های کوچک [۲۵]
لازم به ذکر است که پس از انجام پژوهش‌های به عمل آمده، تعداد تقسیم‌بندی‌های راکتور (۴۰۰ قسمت) به این علت انتخاب شده است که نمودار خروجی، دارای تغییرات قابل صرف نظر در سایر مقادیر تقسیم‌بندی راکتور می‌باشد. همچنین زمان نمونه‌برداری ۱/۰ ثانیه تنها به این دلیل انتخاب شده است که با پژوهش‌های انجام شده، در صورت استفاده از زمان‌های نمونه‌برداری ۰۱/۰ و ۰۰۱/۰ نیز تغییرات قابل توجهی در پاسخ مدل و نتایج نمودار خروجی سیستم مشاهده نمی‌گردد. بدین سبب، این نتیجه حاصل می‌شود که زمان نمونه‌برداری ۱/۰ ثانیه برای انجام حل معادلات دیفرانسیل جزئی به روش مشتقات تفاضلی اکتفا می‌کند. شکل ۳-۶ نشان‌دهنده‌ی نمودارهای دمای خروجی راکتور به ازای تغییرات دمایی یک درجه‌ی سانتی‌گراد است که با زمان‌های نمونه‌برداری متفاوت و تعداد تقسیمات راکتور متفاوت به منظور مقایسه، آورده شده است. همچنین لازم به ذکر است که نتایج بدست آمده در این بخش با داده‌های موجود در مرجع [۱۷] قابل تطابق و اعتبارسنجی است.

شکل ۳-۶– مقایسه‌ی نمودارهای دمای خروجی، به ازای مقادیر مختلف زمانی و تقسیمات راکتور
با توجه به این که مدل دینامیکی فوق به صورت بروزشده (آنلاین) و با دقت و صحت بالا، به مدل‌سازی راکتور می‌پردازد و در حقیقت می‌توان آن را مدل اصلی دینامیکی راکتور در حلقه‌ها‌ی کنترلی به جای بخش سیستم اصلی دانست، اما همواره می‌توان با توجه به نمودارهای ورودی و خروجی سیستم، توابع تبدیلی^[۵۰] از مرتبه‌های مختلف با آن‌ تقریب زد. روش‌های متنوعی برای تقریب زدن یک تابع تبدیل با یک نمودار خروجی سیستم وجود دارد، اما از جمله مرسوم‌ترین این روش‌ها، مینیمم کردن مساحت بین دو منحنی^[۵۱] است که بوسیله‌ی دستور fminsearch در برنامه‌ی تخصصی MATLAB قابل انجام است. این روش به اینگونه عمل می‌کند که ابتدا با دادن یک مقدار پله به سیستم، نمودار خروجی آن دریافت می‌شود. سپس با فرض یک تابع تبدیل از مرتبه‌های مختلف با پارامترهای مجهول، نمودار پاسخ پله‌ی آن را به ازای مقادیر مختلف پارامترها، بدست آورده می‌شود. در نهایت طبق رابطه‌ی ۳-۱۹ با بهره گرفتن از معیار مینیمم شدن مساحت بین دو منحنی پاسخ پله‌ی سیستم اصلی و تابع تبدیل تقریب زده شده، از میان توابع تبدیل به ازای مقادیر مختلف پارامترهای مجهول، تابع تبدیلی را انتخاب شده که معیار مورد نظر را مینیمم کند [۲۶].
(۳-۱۹)
در این پژوهش نیز پس از برنامه‌نویسی مدل اصلی دینامیکی راکتور و بدست آوردن نمودار دمای خروجی راکتور به ازای تغییرات یک واحد سانتی‌گراد با دمای اولیه‌ی راکتور ، نمودار پاسخ پله را بترتیب با توابع تبدیل مرتبه اول تا مرتبه‌ی چهارم، با معیار مینیمم کردن مساحت بین دو منحنی بصورت رابطه‌های ۳-۲۰ تا ۳-۲۳ تقریب زده‌ شده است. انتظار می‌رود که با افزایش مرتبه‌ی سیستم، تعداد درجات و پیچیده‌گی سیستم نیز بالاتر رود. همچنین به آسانی در این زمینه می‌توان نشان داد که هر چه مرتبه‌ی سیستم تقریب زده شده بالاتر رود، بدین مفهوم که هر چه تعداد درجات آزادی سیستم بالاتر رود، انتظار می‌رود که مقدار معیار فوق کمتر شود. اما همانطور که در روابط ۳-۲۰ تا ۳-۲۴ مشاهده می‌گردد، معیار فوق تا تقریب تابع تبدیل مرتبه سوم کمینه می‌گردد. بنابراین انتخاب درجه‌ی تابع تبدیل تقریب زده شده‌ی مرتبه سوم، می‌تواند قابل قبول باشد. از اینرو رابطه‌های ۳-۲۰ تا ۳-۲۴ مینیمم‌ تقریب توابع تبدیل بدست آمده در مرتبه‌های مختلف با مقدار اختلاف مساحت سطح زیر منحنی نسبت به سیستم اصلی را نشان می‌دهند. همچنین پاسخ پله‌ی واحد هر یک از سیستم‌های تقریب زده شده در شکل‌های ۳-۷ تا ۳-۱۰ آورده شده است.
قابل ذکر است که درجه حرارت دما در اعتبار مدل مناسب ضروری است، چرا که افزایش در درجه‌ی دما در سرتاسر طول بستر راکتور، مشخصه‌ای از نمایش واکنش‌های مختلف در آن است [۱۶]، و با افزایش دما به سبب گرماده بودن واکنش‌ها، غلظت استیلن خروجی کاهش می‌یابد. از این رو کلیه‌ی توابع تبدیل تقریب زده شده‌ی بالا، بر اساس دمای ورودی و دمای خروجی مدل دینامیکی راکتور می‌باشد.
(۳-۲۰)
(۳-۲۱)
(۳-۲۲)
(۳-۲۳)

شکل ۳-۷– پاسخ پله‌ی تابع تبدیل مرتبه اول تقریب زده شده

شکل ۳-۸– پاسخ پله‌ی تابع تبدیل مرتبه دوم تقریب زده شده

شکل ۳-۹– پاسخ پله‌ی تابع تبدیل مرتبه سوم تقریب زده شده

شکل ۳-۱۰– پاسخ پله‌ی تابع تبدیل مرتبه چهارم تقریب زده شده
با دقت در نمودار خروجی دمای راکتور سیستم اصلی که به ازای افزایش یک واحد سانتی‌گراد با دمای اولیه‌ی راکتور می‌باشد، می‌توان این نتیجه را گرفت که نمودار فوق می‌تواند حاصل‌جمع تقریب دو تابع تبدیل مرتبه اول با زمان مرده نیز باشد. از اینرو با توجه به رابطه‌ی ۳-۱۹، سعی در برازش حاصل‌جمع دو تابع تبدیل مرتبه اول با زمان مرده طبق رابطه‌ی ۳-۲۴ شده است. همچنین پاسخ پله‌ی حاصل‌جمع دو تابع تبدیل مرتبه اول فوق نیز در شکل ۳-۱۱ برای مقایسه آورده شده است.
(۳-۲۴)

شکل ۳-۱۱– پاسخ پله‌ی حاصل‌جمع دو تابع تبدیل مرتبه اول با زمان مرده
پس می‌توان نتیجه گرفت که از بین کلیه‌ی توابع تبدیل مختلف تقریب زده شده‌ی فوق، تابع تبدیل رابطه‌ ۳-۲۴ با توجه به معیار رابطه‌ی ۳-۱۹، می‌تواند بهترین گزینه برای انتخاب تابع تبدیل راکتور مورد پژوهش به جهت طراحی کنترل کننده برای آن باشد. اکنون پس از انتخاب نهایی تابع تبدیل رابطه‌ی ۳-۲۴ به عنوان تابع تبدیل دینامیکی راکتور مورد پژوهش، که با فاصله‌ی زمانی ۱/۰ و تعداد تقسیمات راکتور ۴۰۰ بخش، تقریب زده شده است، به بررسی این تابع تبدیل به جهت آشنایی با ویژگی‌های آن پرداخته شده است.
همانطور که در رابطه‌ی ۳-۲۴ مشاهده می‌گردد، این تابع تبدیل از دو قسمت بصورت حاصل‌جمع دو تابع تبدیل با زمان‌های مرده تشکیل شده است. پیش از بررسی، ابتدا هر یک از زمان‌های مرده‌ی دو تابع تبدیل را با تقریب مرتبه اول پدِ^[۵۲]، بصورت رابطه‌ی ۳-۲۵ تقریب می‌زنیم.
(۳-۲۵)
همانطور که در رابطه‌ی ۳-۲۵ مشخص است، سیستم دارای دو صفر حقیقی مینیمم‌فاز در ۰۹۸۷/۱- و ۴۷۰۳/۰- ، همچنین دارای یک صفر حقیقی غیر مینیمم‌فاز در ۳۳۲۹/۰ می‌باشد. با بررسی رابطه‌ ۳-۲۵ می‌توان دریافت که سیستم دارای چهار قطب حقیقی مینیمم‌فاز در ۳۴۳۴/۳- ، ۹۸۱۵/۰– ، ۵۰۷۰/۰– و ۳۱۹۷/۰- می‌باشد. شکل ۳-۱۲ ، ۳-۱۳ و ۳-۱۴ نیز به ترتیب نمودار بُد، نمودار نایکوئیست و نمودار مکان هندسی ریشه‌های سیستم را نشان می‌دهند.

شکل ۳-۱۲– نمودار بُد حاصل‌جمع دو تابع تبدیل مرتبه‌ی اول

شکل ۳-۱۳– نمودار نایکوئیست حاصل‌جمع دو تابع تبدیل مرتبه‌ی اول
شکل ۳-۱۴– مکان هندسی ریشه‌های سیستم حاصل‌جمع دو تابع تبدیل مرتبه‌ی اول
۳-۶- حالت پایدار فرایند هیدروژناسیون استیلن
نقطه کار در یک سیستم را به عنوان مجموعه مقادیر ورودی سیستم تعریف می‌کنند که سیستم به حالت پایدار خود رسیده باشد و اگر اغتشاش و عامل خارجی وجود نداشته باشد، سیستم در آن وضعیت باقی می‌ماند. در اینجا برای درستی شبیه‌سازی مدل سیستم، ابتدا با بهره گرفتن از برنامه‌ی تخصصی MATLAB در نقطه‌ی حالت ماندگار سیستم که در آن با بهره گرفتن از مقادیر پارامترهای اولیه در جدول ۳-۳ [۱۶،۱۷] و مدل اصلی دینامیکی سیستم، با بهره گرفتن از روش اویلر و زمان نمونه‌برداری (ثانیه) شبیه‌سازی شده‌اند و سپس نتیجه‌ی شبیه‌سازی در حالت ماندگار در شکل‌های ۳-۱۵ و ۳-۱۶ آورده شده‌ است.
جدول ۳-۳– مقادیر پارامترهای اولیه‌ی مدل سیستم

واحد

مقدار

ضریب

واحد

مقدار

ضریب

1. 1. کارایی سرمایه فکری را از مجموع دو قسمت کارایی سرمایه ساختاری و کارایی سرمایه انسانی محاسبه کنید.

ICE = HCE + SCE

1. 1. و نهایتا ضریب ارزش افزوده فکری را از مجموع دو قسمت مربوط به کارایی سرمایه فکری و کارایی سرمایه به کار گرفته شده محاسبه کنید.

VAIC = ICE + CEE
هر چقدر که ICE و VAIC شرکتی بالاتر باشد نمایانگر این امر می تواند باشد که مدیریت به صورت بهتری از پتانسیل موجود در منابع سازمانی برای ارزش آفرینی استفاده کرده است . روش VAIC مشابه با روش CIV امکان مقایسه میان سازمان ها را امکان پذیر می سازد و می توان از اطلاعات آن برای گزارش دهی به سهامدار ان بیرون از سازمان استفاده کرد.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

این مدل به دلیل مزایایی که نسبت به سایر مدل ها دارا می باشد به عنوان مدل سنجش سرمایه فکری در این تحقیق انتخاب شده است، که مهمترین مزایای آن عبارتند از:

1. 1. در واقع روشهایی که بتوانند سرمایه فکری را به طور دقیق اندازه گیری کنند٬ محدود می باشند. این مدل یک مبنای استاندارد و سازگاری را از اندازه گیری فراهم می کند.

1. 1. این مدل مبتنی بر هر دو جنبه، ارزیابی کارآیی و خلق ارزش از داراییهای ملموس و ناملموس در یک شرکت می باشد.

1. 1. کلیه داده های استفاده شده در محاسبه VAIC مبتنی بر اطلاعات استاندارد حسابداری و مالی که به طور معمول در گزارشهای مالی شرکت درج شده است، می باشند. بنابراین محاسبات مبتنی بر هدف، قابل رسیدگی، تصدیق و تایید می باشند. اغلب روش های محاسبه سرمایه فکری، به علت اینکه در اندازه گیری ذهنی بوده و مشکلات زیادی را در جریان اندازه گیری ایجاد می کنند، مورد انتقاد قرار می گیرند.

1. 1. این مدل، درپژوهشهای معتبر خارجی بسیار مورد استفاده قرار گرفته است. روش VAIC از جمله روشهایی است که از آن به میزان زیادی در مطالعات مختلف مربوط به سرمایه های فکری استفاده شده است.

۲-۲-۷- تنگدستی مالی
استفاده عملی از نسبت های مالی در سال ۱۸۷۰ آغاز گردید. در این سال بود که بانک ها به منظور اعطای وام، از شرکت ها صورت های مالی طلب می کردند . استفاده از نسبت های مالی در دهه ۱۸۹۰ شدت گرفت . در این دوره نسبت های گوناگونی توسعه یافت. طبق گفته هوریگان، یکی از قدیمی ترین نسبت های مالی که مهمترین تأثیر را در تجزیه و تحلیل صورت های مالی داشته است، نسبت جاری است، که بیانگر توان پرداخت بدهی های کوتاه مدت می باشد . بیور^[۳۴] بیان می کند که تجزیه و تحلیل نسبت ها در اوایل دهه ۱۹۰۰ همراه با توسعه نسبت جاری آغاز گردید(نمازی و همکاران،۱۳۸۸).
در دهه ۱۹۲۰ ، نسبت های مالی گوناگونی توسط موسسات تجاری توسعه یافت . در دهه ۱۹۳۰ با تشکیل کمیسیون بورس اوراق بهادار در ایالات متحده، توسعه و استفاده از نسبت های مالی شدت گرفت. مطالعات صورت گرفته در این دهه نشان داد که نسبت های مالی در شرکت های ورشکسته، به طور قابل توجهی با نسبت های مالی شرکت های غیر ورشکسته متفاوت است.
ویناکر و ریموند^[۳۵] در سال های ۱۹۳۰ و ۱۹۳۵ روند موجود در نسبت های مالی شرکت های ورشکسته را تجزیه و تحلیل کردند . آنها روند ۱۰ ساله نسبت های مالی این شرکت ها را با بکارگیری ۲۱ نسبت مالی تجزیه و تحلیل کردند و به این نتیجه رسیدند که نسبت سرمایه درگردش به کل دارایی، شاخص مطلوبی برای پیش بینی ورشکستگی می باشد . نقص این مطالعه، فقدان یک گروه کنترل متشکل از شرکتهای غیر ورشکسته بود .
در سال ۱۹۴۲ چارلز مروین، مطالعه_­ای انجام داد که در آن نسبت­های مالی را برای شرکت های ورشکسته و غیر ورشکسته در یک دوره شش ساله بررسی کرد . او اظهار کرد که سه نسبت سرمایه در گردش تقسیم بر کل دارائی ها، ارزش ویژه تقسیم بر کل بدهی و نسبت جاری پیش بینی کننده خوبی برای ورشکستگی می باشند .
مروین به این نتیجه رسید که از بین این نسبت ها، نسبت سرمایه در گردش به کل دارایی ها بهترین شاخص برای ورشکستگی است.
پژوهشات بیور در سال ۱۹۶۶ منجر به ایجاد مدلی شد که به مدل تک متغیره معروف است . بیوریک مجموعه شامل ۳۰ نسبت مالی که به نظر او بهترین نسبت ها برای ارزیابی سلامتی یک شرکت می باشند را انتخاب کرد . او سپس نسبت ها را براساس چگونگی ارزیابی سازمان ها در شش گروه طبقه بندی کرد . بیور در انتهای پژوهش خود به این نتیجه رسید که ارزش هر نسبت، در میزان اعتبار طبقه بندی شرکتها در گروه های ورشکسته و غیر ورشکسته می باشد و میزان خطای طبقه بندی کمتر، نشان دهنده ارزش بالای هر نسبت می باشد .
پس از اینکه مشخص گردید که مدل بیور به دلایلی از جمله تک متغیره بودن آن معیار مناسبی برای پیش بینی ورشکستگی نمی باشد٬ پژوهشگران از مدل های چند متغیره برای پیش بینی ورشکستگی استفاده کردند .
ادوارد آلتمن^[۳۶] در سال ۱۹۶۸ برای اولین بار اثر ترکیبات مختلف نسبت های مالی را برای پیش بینی درماندگی مالی شرکتها بررسی کرد .
آلتمن در این مطالعه از روش تحلیل ممیزی استفاده کرد . مدلی که او به دست آورد و به Z-Score معروف است هنوز به عنوان شاخصی برای سلامت مالی شرکت ها مورد استفاده قرار می گیرد.
تئوری اصلی آلتمن این بود که مدل پیش بینی ورشکستگی او که از ۵ نسبت مالی تشکیل می شود، می تواند برای تشخیص شرکت های ورشکسته از غیرورشکسته مورد استفاده قرار گیرد .پیشنهاد کرد که از مدل او در ارزیابی اعطاء وام های تجاری، فرآیندهای کنترل داخلی و بررسی گزینه های سرمایه گذاری استفاده شود.
آلتمن در ابتدای امر، ۲۲ متغیر (نسبت مالی ) را مورد توجه قرار داد . این نسبت ها یا در مطالعات قبلی مورد توجه قرار گرفته بودند یا نسبت­هایی بودند که خود آلتمن تصور می کرد شاخص مهمی برای درماندگی مالی باشند.
آلتمن در این مطالعه از یک نمونه ۶۶ تایی استفاده کرد که به طور برابر به دو گروه ورشکسته و غیر ورشکسته تقسیم شده بودند . گروه ورشکسته متشکل از شرکت های تولیدی بودند که در طول سالهای ۱۹۴۶ تا ۱۹۶۵ اعلام ورشکستگی کرده بودند.
میزان دارایی های شرکت های ورشکسته بین ۰.۷ میلیون دلار تا ۲۵.۹ میلیون دلار قرار داشت که متوسط آن ۶.۴ میلیون دلار بود.
شرکت های ورشکسته که در سال ۱۹۶۶ هنوز پابرجا بودند نیز از همان دوره زمانی انتخاب شدند، میزان دارایی های این گروه بین یک میلیون دلا ر تا ۲۵ میلیون دلار بود. آلتمن در مدل خود پنج نسبت را که به نظر می رسید برای پیش بینی ورشکستگی بیشترین اهمیت را داشته باشد انتخاب کرد.سالها بعد انتقاداتی به مدل Z وارد شد . تحلیل گران، اعتباردهندگان، حسابداران و حتی مدیران شرکت ها معتقد بودند که مدل Z تنها برای موسسات عمومی کاربرد دارد.
آلتمن در سال ۱۹۸۳ ، مدل اولیه خود را که مربوط به سال ۱۹۶۸ بود مورد تجدید نظر قرار داد، و موفق به اصلاح و رفع اشکالات مدل Z شد و مدل جدید را عرضه کرد ، درمدل جدید واضح ترین اصلاحیه آلتمن جانشین ساختن ارزش دفتری حقوق صاحبان سهام به جای ارزش بازار آنها و سپس تغییر ضرایب و حدود مدل بود.
در سال ۱۹۷۸ ٬ اسپرینگت مدلی بر مبنای مطالعات آلتمن ایجاد کرد . اسپرینگیت همانند آلتمن از تجزیه و تحلیل چند ممیزی برای انتخاب ۴ نسبت مالی مناسب از میان ۱۹ نسبت که بهترین نسبت ها برای تشخیص شرکت های سالم و ورشکسته بود٬ استفاده کرد .
انینگز و کروز در سال ۲۰۰۵ در پایان نامه خود از مدل تجدید نظر شده آلتمن برای پیش بینی ورشکستگی در شرکت های هواپیمایی و سازمان­های حامی سلامتی آمریکا استفاده کردند و نتیجه آن مطالعات، توانایی مدل در تفکیک شرکت های ورشکسته و غیر ورشکسته بود.
همچنین کامبل در سال ۲۰۰۵ در مقاله ای تحت عنوان پژوهشی در مورد درماندگی مالی٬ عوامل مهم و تعیین کننده ورشکستگی را در دوره ۱۹۶۳-۲۰۰۳ بررسی کرده و بیان می کند شرکت هایی با بهره­وری پایین، بازده سهام کمتر و متغیر درگذشته،وجوه نقد پایین، قیمت پایین هر سهم و ریسک بازار بالاتر، احتمال بیشتری دارند که در وضعیت ورشکستگی قرار بگیرند.
۲-۲-۸- شبکه عصبی
این حوزه یکی از پویاترین حوزه های پژوهش در دوران معاصر محسوب می شود که افراد متعددی را از رشته های گوناگون علمی به خود جلب کرده است . استفاده از شبکه های عصبی و الگوریتم های ژنتیک در حل مسایل پیچیده کاربردی این روزها بیش از بیش رواج یافته است(گجراتی، ۱۳۸۹).
اهمیت این مدل در آن است که می تواند فرایندهایی را که به پارامترهای گوناگون و با درجه اهمیت متفاوت بستگی دارند، توصیف و بررسی کند، سپس پاسخ قانع کننده ای را ارائه نماید. شیوه ی برخورد روش محاسباتی شبکه های عصبی، تسخیر اصول راهبردی زیربنایی فرایند مغز و به کارگیری آنها در سیستم های کامپیوتری است. شناسایی کارکرد مغز انسان و شبکه ی عصبی بیولوژیکی از سال ۱۹۱۱ توسط سگال که اعلام کرد مغز از عناصر اصلی ساختاری به نام نرون تشکیل یافته است آغاز شد. با شناسایی کارکرد ها و قابلیت های ویژه ی مغز انسان و شبکه ی عصبی بیولوژیکی تلاش برای شبیه سازی این کارکرد همواره مورد توجه دانشمندان در حوزه های مختلف بوده است. فعالیت های انجام شده در دهه ی ۶۰ قرن بیستم در قیاس با دهه ی ۸۰ (به علت عدم بروز ایده های جدید و نبود کامپیوتر های سریع جهت پیاده سازی) کمرنگ می نمود. ولی در خلال دهه ی ۸۰ رشد فناوری ریز پردازنده ها روند صعودی داشت و پژوهشات بر روی شبکه های عصبی فزونی یافت و ایده های بسیار جدیدی مطرح شدند. پس از آن استفاده از شبکه های عصبی در حوزه های مختلف علوم با روالی تقریبا ثابت افزایش داشته است به طوری که تا کنون هزاران مقاله در حوزه ی استفاده از شبکه_­های عصبی یا ایجاد تغییرات و بهبود در کارکرد آن نوشته شده است(آساره و همکاران، ۲۰۱۱).
شبکه های عصبی جزء سیستم های دینامیکی هوشمند مدل آزاد قلمداد می شوند که با پردازش روی داده های تجربی دانش یا قانون نهفته در ورای داده ها را به ساختار شبکه منتقل می کنند. این سیستم های مبتنی بر هوش محاسباتی سعی در مدل سازی ساختار، نرو سیناپتیکی مغز بشر دارند. مؤلفه های مهم و اساسی هوش محاسباتی یا محاسبات نرم شبکه های عصبی (محاسبات نرونی)، منطق فازی (محاسبات تقریبی) و الگوریتم ژنتیک(محاسبات ژنتیکی) است که هر یک به نوعی مغز را الگو قرار داده اند. شبکه های عصبی با الهام از محاسبات توزیع یافته ی گسترده و موازی در مغز انسان، شبکه های عصبی بیولوژیکی و یادگیری در این سیستم ها، ارتباطات سیناپسی و ساختار نرونی را مدل می کند(قدیمی، ۱۳۸۱).
یک شبکه ی عصبی از تعداد زیادی گره و پاره خط های جهت دار که گره ها را به هم ارتباط می دهند، تشکیل شده است. گره هایی که در لایه ی ورودی هستند گره های حسی و گره های لایه ی خروجی گره های پاسخ دهنده نامیده می شوند ؛ بین نرون های ورودی و خروجی نیز، نرون های پنهان قرار دارند. اطلاعات از طریق گره های ورودی به شبکه وارد شده و سپس از طریق اتصالات به لایه های پنهان متصل شده و در نهایت خروجی شبکه از گره های لایه ی خروجی به دست می آید(کاستا، ۲۰۱۲).
۲-۲-۸-۱- اجزای تحلیلی شبکه عصبی
اجزای شبکه عصبی عبارت است از(سیدلر، ۲۰۱۳)
۱- ورودی ها و خروجی ها : اعداد و ارقام در قالب یک یا چند متغیر، ورودی های یک شبکه عصبی را تشکیل می دهند. این ورودی ها پس از انجام تحلیل و پردازش های خاص به یک یا چند متغیر خروجی تبدیل می شوند. ورودی ها نقش متغیر مستقل و خروجی ها نقش متغیر وابسته را برعهده دارند.

شکل ۲-۲- نمایش یک شبکه عصبی پرسپترون
۲- نرون ها: مهمترین جزء سیستم عصبی نرون ها هستند که به سه دسته نرون های ورودی، خروجی و پنهان تقسیم می شوند و در قالب لایه ورودی٬ لایه خروجی و لایه های پنهان یا میانی قرار می گیرند. نرونها یا واحدهای ورودی وظیفه دریافت داده های ورودی را برعهده دارند. لایه های میانی و خروجی شامل واحدهای پردازش اطلاعات هستند. در این واحدها عملیاتی جبری بر اطلاعات ورودی انجام و نتیجه آنها به صورت یک ورودی جدید به واحدهای دیگر در لایه های بعدی ارسال می شود.

شکل ۲-۳- مراحل پردازش نرون ها در یک شبکه عصبی

۹۷
به روش مرجع [۳۳] ۹۸
چکیده
با توجه به مصرف بالای محصولات پتروشیمی در جهان امروز و پتانسیل بالای ایران برای توسعه و تامین خوراک پتروشیمی‌ها، مجتمع‌های پتروشیمی از اهمیت ویژه‌ای برخوردار هستند. از اینرو یکی از واکنش‌های مهم به نام هیدروژناسیون استیلن در یکی از واحدهای مادر پتروشیمی، یعنی واحد الفین بررسی و کنترل شده است. در این پژوهش پس از بررسی کتب علمی مرجع، مقالات علمی و رساله‌های موجود در این زمینه، در ابتدا یک سیستم راکتور هیدروژناسیون استیلن غیرخطی که در صنعت پتروشیمی جنوب کشور در حال استفاده است، انتخاب شده و با بهره گرفتن از معادلات موازنه‌ی جرم و انرژی بوسیله‌ی برنامه‌ی تخصصی MATLAB شبیه‌سازی شده است. سپس سعی شده با بهره گرفتن از اعمال تغییرات یک مقدار پله در معادلات دمای راکتور، آن را با یک تابع تبدیل مناسب، با خطای بسیار کم تقریب زده و مدل‌سازی شود. همچنین با بهره گرفتن از پاسخ پله‌ی سیستم تقریب زده شده، در ابتدا کنترل‌کننده‌های کلاسیک و سپس کنترل کننده‌ی فازی طراحی شود و در ادامه با نشان دادن این که هیچ یک از کنترل کننده‌ها بطور مناسب برای کنترل دمای خروجی راکتور در فرایند هیدروژناسیون استیلن مناسب نیستند، طراحی کنترل کننده‌ی فازی PI_Smith با شرایط گفته شده در فصل چهارم پیشنهاد ‌می‌شود. در نهایت با مقایسه‌ی نتایج حاصل از طراحی‌ کنترل کننده‌های متفاوت برای سیستم مذکور، این نتیجه حاصل می‌شود که کنترل کننده‌ی فازی PI_Smith می‌تواند کنترل کننده‌ی مناسب‌تری برای سیستم‌های دارای تاخیر باشد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

کلید واژه
طراحی کنترل کننده‌ی فازی، طراحی کنترل کننده‌‌های کلاسیک، مدل‌سازی راکتور هیدروژناسیون استیلن
فصل اول
مقدمه
۱-۱- پیشگفتار
در صنایع شیمیایی به منظور کاهش هزینه‌های عملیاتی و توسعه‌ی بازارهای جدید، همواره توجه خاصی به بهبود کیفیت محصول و کاهش ضایعات تولید وجود دارد. برای رسیدن به این اهداف استفاده از سیستم‌های کنترل بسیار ضروری است. همواره در صنعت فرآیندهای غیرخطی بسیاری وجود دارند که توسط روش‌های کلاسیک قابل کنترل نیستند، همچنین اگر بر روی ورودی‌ها و خروجی‌های یک فرایند نیز قیودی وجود داشته باشد، استفاده از کنترل کننده‌های کلاسیک نیز به مراتب مشکل‌تر خواهد شد [۱]. در این میان کنترل کننده‌ی فازی که دارای یک رفتار غیرخطی می‌باشد یک روش کنترلی در حال توسعه و بسیار سودمند در مورد فرآیندهای غیرخطی است .که علاوه بر دارا بودن کارایی بسیار بالا، رفتارهای بسیار مناسب‌تری در برخورد با محدودیت‌ها بر روی متغیرهای کنترل‌کننده، کنترل‌شونده و دیگر خصوصیات مسئله از خود نشان می‌دهد و برای سیستم‌های دارای تاخیر یا به عبارت دیگر دارای دینامیک‌های کند نیز مناسب است.
۱-۲- بیان مسئله
تولید اتیلن^[۱] یکی از شاخص‌های اصلی رشد در صنعت پتروشیمی هر کشوری می‌باشد که مصرف عمده آن در صنایع پلیمری بخصوص تولید پلی‌اتیلن است. واحدهای الفین در صنعت پتروشیمی که در آن‌ها اتیلن تولید می‌شود از جمله فازهای مادر، بشمار می‌آیند. شرایط فرایند تهیه گاز اتیلن ایجاب می‌کند که در طی واکنش، فرایند عاری از هرگونه ناخالصی‌ها، بخصوص گاز استیلن^[۲] با نماد ، گاز اتان^[۳] با نماد و گاز منواکسیدکربن^[۴] با نماد باشد. برای مثال، مقدار ناچیزی از ناخالصی استیلن، سبب غیرفعال شدن کاتالیزور واکنش و در نتیجه متوقف شدن فرایند تهیه اتیلن می‌شود. بنابراین با روشی مشخص و مطمئن باید این ناخالصی‌ها جدا شوند. جداسازی استیلن از اتیلن بوسیله‌ی فرایندی به نام هیدروژناسیون^[۵] در راکتور هیدروژناسیون صورت می‌پذیرد. از آن جایی که این فرایند بسیار حساس به تغییرات دما می‌باشد، بنابراین می‌بایست دمای مواد ورودی راکتور هیدروژناسیون بنحوی مطلوب در جهت افزایش بازده تولید گاز اتیلن خالص خروجی، کنترل شود. از جمله مشکلات متداول این راکتور، تاخیر زمانی بسیار طولانی آن (در مقیاس ساعت) و رفتار غیرخطی آن می‌باشد. از اینرو، انتظار می‌رود با در نظر گرفتن شرایط انجام فرایند هیدروژناسیون استیلن، با طراحی کنترل کننده‌ای مناسب جهت کنترل دمای مواد ورودی راکتور هیدروژناسیون استیلن، واکنشی با کیفیت به همراه نرخ تولید مشخص از محصول مطلوب گاز اتیلن در شرایط اقتصادی بهینه، ایجاد شود [۲].
۱-۳- ضرورت و اهمیّت پژوهش
از آنجایی که با توجه با اهمیّت اتیلن، می‌دانیم که به عنوان خوراک برای واحدهای دیگر پتروشیمی استفاده می‌شود، بنابراین با افزایش بازده تولید گاز اتیلن خروجی از راکتور هیدروژناسیون، افزایش کیفیت مواد مورد استفاده در صنایع پتروشیمی را سبب می‌شود. از اینرو با تلاش در جهت افزایش بازده تولید اتیلن بوسیله‌ی طراحی کنترل کننده‌های مناسب بر روی راکتور هیدروژناسیون استیلن، می‌توانیم به این هدف فائق آییم. همچنین از دیگر موارد ضرورت این پژوهش، می‌توان به برداشتن یک گام مثبت در جهت بدست گرفتن کنترل فرآیندهای مهم صنعتی کشور به دست متخصصین ایرانی با بهره گرفتن از علوم نوین کنترلی، همچون منطق فازی اشاره نمود.
۱-۴- اهداف پژوهش
اهداف انجام پژوهش‌هایی از این قبیل، که در زمینه‌های کاربردی صنعتی انتخاب و انجام می‌پذیرند را می‌توان بصورت زیر خلاصه کرد.
به عنوان هدف علمی، می‌توان به بالا بردن سطح دانش محققین و متخصصین در زمینه طراحی و کنترل یک سیستم غیرخطی دارای تاخیر، مهم و پر کاربرد در صنایع کشور بر اساس منطق فازی اشاره کرد.
از لحاظ هدف کاربردی، می‌توان به بهبود و ارتقاء روش‌های کنترلی کلاسیک مرسوم مورد استفاده در فرآیندهای مهم هیدروژناسیون صنعتی موجود در پتروشیمی‌های کشور اشاره نمود.
پیشنهاد روش‌ کنترلی جدید، در راستای کاهش تلفات اتیلن و افزایش بازدهی محصولات راکتور هیدروژناسیون و همچنین در نظر گرفتن شرایط واقعی موجود در راکتور هیدروژناسیون، به جهت نزدیک‌تر شدن به شرایط واقعی کاری موجود در واحدهای پتروشیمی کشور.
طراحی کنترل کننده‌ای مدرن، که منجر به کاهش زمان پاسخ‌دهی سیستم‌های صنعتی دارای تاخیر بخصوص راکتور هیدروژناسیون استیلن و افزایش سرعت عمل در حذف اغتشاش ورودی به سیستم، بدون داشتن تلفات.
۱-۵- محدودیت‌های موجود در انجام پژوهش
همانطور که می‌دانیم راکتور هیدروژناسیون استیلن غیرخطی می‌باشد و بدلیل وجود پارامترهای متفاوت در واکنش هیدروژناسیون استیلن که در راکتور رخ می‌دهد، دارای پیچیده‌گی در مدل راکتور است. این امر سبب شده که نتوان به صورت روش‌های معمول، با جمع‌ آوری داده‌های ورودی و خروجی راکتور، مدل آن را شناسایی کرد. از اینرو همانطور که در فصل سوم به شرح کامل مدل‌سازی راکتور هیدروژناسیون پرداخته خواهد شد، می‌بایست مدل راکتور را از روی حل معادلات موازنه‌ی جرم و انرژی تقریب زد. این تقریب در مدل، سبب می‌شود که همواره نتوان به مدل دقیقی از راکتور جهت طراحی کنترل کننده دست یافت. این موضوع در نوع خود به عنوان یک محدودیت بزرگ در رسیدن به مدل دینامیکی راکتور و طراحی کنترل کننده تلقّی می‌گردد. همچنین از دیگر محدودیت‌های انجام این پژوهش، می‌توان به عدم دستیابی به اطلاعات دقیق راکتورهای شیمیایی موجود در صنعت به دلیل حفاظت اطلاعات، اشاره کرد.
۱-۶- روش انجام پژوهش
روش کار در این پژوهش به این صورت خواهد بود که ابتدا به بررسی کتب علمی مرجع، مقالات علمی و رساله‌های موجود در این زمینه پرداخته و سعی خواهد شد که رفتار دینامیکی حلقه باز راکتور هیدروژناسیون، بررسی گردد. سپس مدل مناسب انتخاب و با کمک برنامه­ی تخصصی MATLAB، تحلیل شده و به شبیه­سازی رفتار فرایند پرداخته شود. در ادامه کنترل کننده‌های مناسب طراحی شده و به سیستم اعمال گشته است. در پایان نیز پس از تحلیل نتایج بدست آمده در این پژوهش، به مقایسه آنها با نتایج حاصل از روش‌های استفاده شده در مطالعات گذشته پرداخته خواهد شد. شرح کامل روش انجام پژوهش بصورت زیر خواهد بود [۳۴-۱].
در این پژوهش، در فصل دوم به مطالعه مختصری از مفاهیم اولیه واکنش‌های شیمیایی و راکتورهای شیمیایی به سبب بدست آوردن دیدگاهی از مهندسی شیمی، پرداخته شده است. در فصل سوم نیز به عنوان بررسی موردی، با هدف آشنایی با رفتار دینامیکی راکتور فرایند هیدروژناسیون استیلن مورد استفاده در یکی از پتروشیمی‌های جنوب کشور، به توصیفی از فرایند هیدروژناسیون استیلن به همراه بررسی معادلات جرم و انرژی حاکم بر آن و مدل‌سازی راکتور این فرایند از روی تقریب حل معادلات موازنه‌ی جرم و انرژی اختصاص داده شده است. همچنین در این فصل به تاریخچه‌ای از مطالعات تاکنون انجام شده درباره‌ی فرایند هیدروژناسیون استیلن و مدل‌سازی آن در واحدهای الفین پتروشیمی‌ها، اشاره شده است. فصل چهارم نیز به بررسی تاریخچه‌ کنترل کننده‌های طراحی شده برای فرایند مورد نظر، به جهت دستیابی به بازدهی تولید بیشتر و کاهش تلفات محصول مطلوب گاز اتیلن که بوسیله‌ی هیدروژناسیون گاز استیلن تولید می‌شود، به طراحی کنترل کننده‌های این فرایند اختصاص داده شده که ابتدا به طراحی کنترل کننده‌‌های کلاسیک، از قبیل PI، IMC و پیش‌بین اسمیت و سپس به طراحی کنترل کننده‌ی فازی بصورت ترکیب با کنترل کننده‌های PI و پیش‌بین اسمیت، برای فرایند مورد نظر پرداخته خواهد شد. در نهایت، در فصل پنجم نیز با تحلیل نتایج بدست آمده از طراحی کنترل کننده‌های متفاوت و جمع‌بندی آن‌ها در یک جدول بر اساس معیارهای انتگرالی خطای هر یک از کنترل کننده‌های طراحی شده و همچنین زمان صعود و نشست پاسخ پله‌ی بدست آمده در هر طراحی، به نتیجه‌گیری درباره‌ی کنترل کننده‌ها و پیشنهاد مناسب‌ترین کنترل کننده برای راکتور فرایند هیدروژناسیون استیلن، اختصاص داده شده است. همچنین در ادامه‌ی فصل پنجم، با مقایسه مطالعات انجام شده پیشنهاداتی برای انجام پژوهش‌‌های آتی، ارائه شده است.
فصل دوم
واکنش شیمیایی و راکتور شیمیایی
۲-۱- مقدمه
برای بررسی صنایع شیمیایی، پتروشیمی و پالایشگاه‌ها، ابتدا می‌بایست با مفاهیم اولیه واکنش‌های شیمیایی و اجزای مورد استفاده در آن‌ها، آشنا شد. از آنجایی که در فصل سوم این پژوهش بطور کامل به مطالعه یکی از فرایندهای مهم در صنعت پتروشیمی پرداخته شده؛ از اینرو، در این فصل بطور مختصر به آشنایی با انواع واکنش‌های شیمیایی و انواع راکتورهای شیمیایی، پرداخته خواهد شد.
واکنش‌های شیمیایی از نظر نوع و سینتیک^[۶] گونه‌‌های زیادی را شامل می شوند، ولی چیزی که برای اهداف مهندس شیمی، در زمینه‌ی طراحی تجهیزات و طراحی سیستم کنترل مهم است، این است که واکنش‌های درون راکتورها، جزء کدام یک از دسته‌بندی واکنش‌ها می‌باشند. در ادامه، از آن جایی که برای تولید مواد شیمیایی با حجم بالا، معمولاً از راکتورهای پیوسته‌ی پلاگ استفاده می‌شود، توجه خود را بر روی این نوع راکتورها به جهت استفاده در فصل سوم به عنوان بررسی موردی، جلب می‌کنیم. راکتورهای پیوسته بطور مداوم کار می‌کنند. یعنی در حالت پایدار، واکنش کننده‌ها بطور مداوم وارد ظرف راکتور می‌شوند و محصول‌ها نیز بطور مداوم از آن خارج می‌گردند. مداوم بودن راکتورهای پیوسته در مقایسه با عمل دوره‌ای راکتورهای ناپیوسته موجب تولید بالاتر و بهره‌وری اقتصادی بیشتری می‌شود.
۲-۲- تعریف واکنش شیمیایی
واکنش شیمیایی به فرآیندی اطلاق می‌شود که در آن ساختار ذره‌های تشکیل دهنده‌ی مواد اولیه‌ی واکنش دچار تغییر می‌شوند؛ یعنی طی آن یک یا چند ماده شیمیایی به یک یا چند ماده شیمیایی دیگر تبدیل می‌گردد. همچنین مهندسی واکنش شیمیایی را می‌توان به عنوان یک فعالیت مهندسی در راستای شناخت واکنش‌های شیمیایی و بهره‌برداری مناسب از آن‌ها تعریف کرد که هدف اصلی آن طراحی و بهینه‌سازی و بهره‌‌برداری از راکتورهای شیمیایی است [۳].
۲-۳- انواع واکنش‌های شیمیایی
راه‌های متعددی برای تقسیم‌بندی واکنش‌های شیمیایی از نظر نوع و سینتیک وجود دارد و می‌توان آن‌ها را از دیدگاه متفاوتی تقسیم‌بندی کرد. اما تقسیم‌بندی که برای اهداف مهندسی شیمی در بحث فعل و انفعالات شیمیایی استفاده می‌شود، تقسیم‌بندی بر اساس فاز‌های موجود در واکنش می‌باشد. از این جهت آن‌ها را بطور کلی به دو دسته همگن^[۷] و غیرهمگن^[۸] تقسیم می‌نمایند. همچنین نوع دیگری از فعل و انفعالات شیمیایی را که در این تقسیم‌بندی باید مد نظر داشت، دو دسته‌ی واکنش‌های شیمیایی با کاتالیزور^[۹] و غیرکاتالیزور^[۱۰] می‌باشد [۴]. همچنین از دیدگاه طراحی تجهیزات و سیستم‌های کنترل فرایند نیز می‌توان واکنش‌های شیمیایی را از یکدیگر مجزا دانست، بدین صورت که واکنش درون راکتور جزء کدام دسته از واکنش‌های برگشت‌پذیر^[۱۱] یا برگشت‌ناپذیر^[۱۲]، پشت سرهم (واکنش شیمیایی سری)^[۱۳] یا همزمان (واکنش شیمیایی موازی)^[۱۴] و گرماگیر^[۱۵] یا گرمازا^[۱۶] می باشد[۱]. هر یک از واکنش‌های فوق در ادامه تعریف می‌شوند.
۲-۳-۱- واکنش‌های همگن و غیرهمگن
به واکنشی همگن اطلاق می‌گردد که مواد واکنش‌دهنده تنها در یک فاز ماده (جامد، مایع یا گاز) می‌باشند و با یکدیگر واکنش می‌دهند و به واکنشی غیرهمگن اطلاق می‌گردد که برای انجام آن مواد واکنش‌دهنده، حداقل در دو فاز از ماده می‌باشند و با یکدیگر واکنش می‌دهند [۴].
۲-۳-۲- واکنش‌های‌ کاتالیزوری و غیرکاتالیزوری
به واکنش‌هایی کاتالیزوری اطلاق می‌گردد که سرعت انجام آن‌ها در اثر حضور موادی که جزء ترکیب شونده‌ها و یا محصولات واکنش نیستند، تغییر می کند؛ غلظت این مواد خارجی که آن‌ها را کاتالیزور می‌نامند لازم نیست زیاد باشد و در واقع کاتالیزورها بصورت واسطه عمل می‌کنند. همچنین به واکنش‌هایی که کاتالیزور در آن نقشی ندارد، واکنش غیرکاتالیزوری اطلاق می‌گردد [۴].
۲-۳-۳- واکنش‌های برگشت‌پذیر و برگشت ناپذیر
به واکنش‌هایی برگشت‌پذیر اطلاق می‌گردد که در آن، هم تبدیل مواد اولیه به محصول و هم تبدیل محصول به مواد اولیه، یا به عبارت دیگر با تغییر شرایط، واکنش در جهت عکس پیشرفت می‌کند که بصورت نماد ریاضی با رابطه ۲-۱ نمایش می‌دهند.
(۲-۱)
همچنین به واکنشی که در آن عمل واکنش فقط در یک جهت می‌باشد، واکنش برگشت‌ناپذیر گویند. یعنی فقط در جهت تبدیل مواد اولیه به محصول است، که به صورت نماد ریاضی با رابطه ۲-۲ نمایش می‌دهند [۱].
(۲-۲)
۲-۳-۴- واکنش پشت ‌سر هم (سری) و موازی
به واکنشی پشت سر هم می‌گویند که مواد اولیه ابتدا به یک محصول میانی تبدیل شده و سپس محصول میانی به محصول اصلی تبدیل می‌شود که بصورت نماد ریاضی با رابطه ۲-۳ نمایش می‌دهند.
(۲-۳)
همچنین به واکنشی موازی اطلاق می‌گردد که مواد اولیه در آن بطور همزمان به دو نوع محصول تبدیل می‌شود، که یکی از این محصولات می‌تواند محصول مطلوب باشد و محصول دیگر می‌تواند محصول نامطلوب از این واکنش باشد که بصورت نماد ریاضی با رابطه ۲-۴ نمایش می‌دهند [۱].
(۲-۴)
۲-۳-۵- واکنش‌های گرماگیر و گرمازا