TREND

مدل سازی دینامیکی – مدل روند

نوشته دکتر محمدرضا عاطفی
دکتر محمدرضا عاطفی

عضو هیات علمی دانشگاه 
مشاور سازمان‌ها و تحلیل‌گر سیستم‌

سری مدل‌سازی دینامیکی 

مدل روند   Trend

شرح مدل

کمیت تاریخی را مشاهدات گذشته و کمیت درک شده را مشاهده فعلی در نظر می‌گیریم. تفاوت این دو رشد یا کاهش را مشخص می‌کند. تقسیم این کمیت بر مشاهدات گذشته، نسبت رشد یا کاهش را به دست می‌دهد. تقسیم بر زمان بین دو مشاهده، نسبت رشد را در واحد زمان نشان می‌دهد. کمیت درک شده همواری از کمیت واقعی است و کمیت تاریخی همواری بیشتر از کمیت درک شده است. زمان بین این دو هموار ثابت، زمانی روی کمیت تاریخی است.

 

مورد استفاده:

Extrapolation

مدل جریان و حالت:

TREND page 0001

معادلات:


FractionalTrend = (PerceivedQuantity – HistoricalQuantity) / (HistoricalQuantity * DurationOverWhichToCalculateTrend)

Units: fraction/year                                           

PerceivedQuantity = SMOOTH(ActualQuantity, TimeToPerceiveQuantity)

 Units: Quantity units                                          

 =  ActualQuantity

Units: Quantity units                                         

 =  TimeToPerceiveQuantity 

Units: year                                        

HistoricalQuantity = INTEG(ChangeInHistoricalQuantity, PerceivedQuantity)

 Units: Quantity units                                       

/ ChangeInHistoricalQuantity = (PerceivedQuantity – HistoricalQuantity) 

DurationOverWhichToCalculateTrend

Units: Quantity units / year                                      

 =  DurationOverWhichToCalculateTrend

Units: years                                     

رفتار:

ساختار در نهایت به نرخ رشد واقعی یک کمیت نمایی همگرا می‌شود.

نمونه‌های کلاسیک:

  • اغلب برای محاسبه نرخ افزایش فروش یا تقاضا استفاده می‌شود.

 

نکات فنی:

تأخیر ادراک، در کمیت درک شده اغلب از نظر مفهومی ضروری است. اما در سطح فنی، هموارسازی از تغییر ناگهانی در روند جلوگیری می کند

 

بینش‌های مرتبط

Not found any posts in this category.
Sidebar atefi
دکتر محمدرضا عاطفی

عضو هیئت علمی دانشگاه
رئیس هیئت مدیره گروه ناب
هم بنیان گذار شرکت دانش بنیان
مشاور شرکت ها و سازمان های بزرگ کشور

آنچه می خوانید

COVER compressed 6 300x169
هوش مصنوعی

کاربرد ترموکوپل در صنایع؛ راهنمای نصب، ایمنی و انتخاب سنسور

1. کاربرد ترموکوپل در صنایع غذایی در صنعت غذا، دما یک عامل کلیدی در فرآیندهای تولید، نگهداری و پخت و پز است. کنترل نامناسب دما می‌تواند منجر به رشد باکتری‌ها، فساد محصول یا تغییر در خواص کیفی غذا شود. 1.1.کاربرد ترموکوپل در پاستوریزاسیون و استریلیزاسیون  1.2.کاربرد ترموکوپل در سردخانه وفرآیند

توضیحات بیشتر »
COVER compressed 5 300x169
هوش مصنوعی

ترموکوپل چیست؟ راهنمای جامع انواع، کاربرد، عملکرد و انتخاب

1. ترموکوپل چیست و چگونه کار میکند؟  1.1 . تعریف ترموکوپل و اجزای اصلی آن ترموکوپل یک حسگر دما است که بر اساس یک اصل فیزیکی ساده اما قدرتمند عمل می‌کند. این حسگر از اتصال دو سیم فلزی غیرهمجنس (Dissimilar Metal Wires) در یک انتها تشکیل شده است. این نقطه

توضیحات بیشتر »
COVER compressed 4 300x169
هوش مصنوعی

کاربرد سنسور دمای مادون قرمز در صنعت؛ راهنمای نصب و پایش حرارتی

1. کاربرد سنسور دمای مادون قرمز در پایش حرارتی باتری‌ها 1.1.پایش دمای سلول،ماژول و پک باتری     سلول‌های باتری منفرد:     ماژول‌ها و پک‌های باتری:     سیستم‌های مدیریت باتری (BMS – Battery Management Systems):     ایستگاه‌های شارژ سریع (Fast Charging Stations):     خطوط تولید باتری: 1.2.حوادث و اتفاقات قابل پیشگیری

توضیحات بیشتر »
error: محتوا غیر قابل انتخاب و کپی است.