Decay

مدل سازی دینامیکی – مدل زوال یا فروپاشی

نوشته دکتر محمدرضا عاطفی
دکتر محمدرضا عاطفی

عضو هیات علمی دانشگاه 
مشاور سازمان‌ها و تحلیل‌گر سیستم‌

سری مدل‌سازی دینامیکی 

مدل زوال یا فروپاشی Decay

شرح مدل

 در ساختار زوال، ذخایر موجود به تدریج در طی یک دوره زمانی تعیین شده تخلیه می‌شود. زوال را می‌توان به صورت هموار با هدف صفر مشاهده کرد. به عنوان یک قاعده کلی متغیر سطح در سه ثابت زمانی تخلیه می شود. زمانی که سطح به نصف کاهش یابد، نیمه عمر نامیده می‌شود و تقریباً برابر با 70 درصد زمان کاهش متغیر سطح است. از این مدل برای پوسیدگی دندان هم استفاده می‌شود.

 

مورد استفاده:

ارزش فعلی، تاخیر مواد، زمان اقامت

 

کاربرد:

چگونه یک انبار را خالی یا تخلیه کنیم.

 

مدل جریان و حالت:

معادلات:


Material = INTEG(- Material draining,         )

Units: stuff                    

Material draining = Material / time to drain

Units: stuff / Year                    

       =time to drain 

Units: Year                     


رفتار:

 فروپاشی به طور نمایی به سمت صفر کاهش می یابد. از آنجا که خروجی صرفاً کسری از سطح است، خروجی نیز به طور تصاعدی به سمت صفر کاهش می یابد.

 

نمونه‌های کلاسیک:

  • واپاشی رادیواکتیو.
  • ذخایر ارزی کشور
  • بهداشت و درمان
  • فیریک

 

توجه:

گاهی اوقات فرآیند زوال به وضوح قابل مشاهده است. به عنوان مثال، می توان تخلیه موجودی کالاهای تمام شده را به عنوان یک زوال نشان داد. اما، فرآیند واقعی شامل خرید کالا توسط مردم است. هدف مدل تعیین خواهد کرد که آیا نمایش زوال “به اندازه کافی خوب” است یا اینکه برای نمایش به متغیرهای دقیق‌تری نیاز است.

نکات فنی:

معادله یک زوال است

نیمه عمر را می توان از این معادله: ln(0.5)*timeToDrain.  تعیین کرد.   ln(0.5)   تقریباً 0.7 است. خروجی حاصل از زوال به صورت نمایی توزیع می شود. میانگین زمان اقامت مواد در سطح برابر با timeToDrain است.

بینش‌های مرتبط

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

هوش مصنوعی

الگوریتم CLARANS چیست؟ خوشه‌بندی تصادفی داده‌های بزرگ

  1.چکیده الگوریتم CLARANS که مخفف ِClustering Large Applications based on Randomized Search است، یکی از روش‌های مهم خوشه‌بندی مبتنی بر medoid به شمار می‌رود که برای بهبود مقیاس‌پذیری و کیفیت جست‌وجو در داده‌های نسبتاً بزرگ طراحی شده است. این روش را می‌توان حلقه‌ای میان PAM و CLARA دانست: از

توضیحات بیشتر »
هوش مصنوعی

الگوریتم CLARA چیست؟ آموزش خوشه‌بندی داده‌های بزرگ

1. چکیده الگوریتم CLARA، مخفف Clustering Large Applications، یکی از روش‌های کلاسیک و مهم در خوشه‌بندی داده‌های بزرگ است که بر پایه الگوریتم k-Medoids و به‌طور مشخص PAM توسعه یافته است. مسئله اصلی این است که PAM با وجود تفسیرپذیری مناسب و مقاومت بهتر در برابر داده‌های پرت، برای مجموعه‌داده‌های

توضیحات بیشتر »
هوش مصنوعی

کاربرد سنسور دمای IC در مخابرات، تجهیزات پزشکی و سیستم‌های صنعتی:بخش دوم

پیشنهاد میکنیم ابتدا مقاله سنسورهای دمای IC در کاربردهای صنعتی: عملکرد، نصب و ملاحظات عملیاتی:بخش اول را مطالعه کنید سپس این مقاله را مطالعه کنید. . 6.2. کاربرد سنسورهای دمای IC در صنعت مخابرات 1.6.2.  دستگاه‌ها و محیط‌های کاربردی:     تجهیزات فعال شبکه (Active Network Equipment):     روترها، سوئیچ‌ها، فایروال‌ها:

توضیحات بیشتر »