Conversion۱

مدل سازی دینامیکی – مدل تبدیل

نوشته دکتر محمدرضا عاطفی
دکتر محمدرضا عاطفی

عضو هیات علمی دانشگاه 
مشاور سازمان‌ها و تحلیل‌گر سیستم‌

سری مدل‌سازی دینامیکی 

مدل تبدیل  Conversion

شرح مدل

یکی از رایج‌ترین بلوک‌های سازنده سیستم‌های دینامیکی مدل تبدیل است. در این مدل دو متغیر سطح و یک متغیر جریان بین آن دو قرار دارد. متغیر سطح یک به عنوان منبع تبدیل‌ها تعریف می‌گردد. منبع تبدیل تمام عناصری از سیستم است است که هدف ما کاستن از کمیت آن است. مایلیم انها را به متغیرهای تبدیل منتقل کنیم. هدف ما در نهایت افزایش تعداد متغیرهای تبدیل‌ها است. متغیر جریان در میان این دو بخش کلیدی سیستم است که ما با تعریف مجموعه ای از استراتژی‌ها و اقدامات این تبدیل را ممکن می‌کنیم.

 

مورد استفاده:

Diffusion

 

 کاربرد

 چگونه افراد را در حال تغییر وضعیت خود نشان دهیم. به عنوان مثال. از غیر مؤمن به مؤمن، از غیر مشتری به مشتری، از غیر مبتلا به آلوده

 

مدل جریان و حالت:

معادلات:


Source of converts = INTEG(-converting,         )

Units: people                             

          =converting

Units: people/Year                             

Converts = INTEG(cnverting,                          )

Units: people                            


رفتار:

تبدیل تعریف نشده است، بنابراین رفتار تعریف نشده است

 

نمونه‌های کلاسیک:

  • فرض کنید می‌خواهیم کشاورزی ارگانیک را توسعه دهیم. مقدار هکتار مزارع سنتی می‌تواند به عنوان سطح یک(منبع تبدیل‌ها) تعریف شود. مقدار هکتار مزارع کشاورزی ارگانیک به عنوان سطح دو(تبدیل‌ها) تعریف شود. و میزان تبدیل به عنوان متغیر جریان(تبدیل کننده) تعریف شود که کارکردش تبدیل کشاورزی سنتی به کشاورزی ارگانیک است.
  • تعداد کسانی که از فناوری قدیم استفاده می‌کنند (برای مثال خودروهای الکتریکی) می‌تواند به عنوان متغیر سطح یک (منبع تبدیل‌ها) تعریف شود. تعداد کسانی که از فناوری جدید استفاده می‌کنند (دارندگان خودروهای الکتریکی) به عنوان متغیر سطح ۲ (تبدیل‌ها) تعریف می‌شود. میزان رشد استفاده از فناوری جدید همان متغیر جریان (تبدیل کننده) است که از مقدار افرادی که از فناوری قدیم استفاده کرده اند کم می‌کند و به افرادی که از از فناوری جدید استفاده می‌کنند اضافه می‌کند.
  • در استراتژی اقیانوسی ما به دنبال تبدیل غیر مشتریان به مشتریان هستیم. تعداد غیر مشتریان که مشتریان هدف ما هستند به عنوان متغیر سطح یک (منبع تبدیل‌ها) تعریف می‌شود. مشتریان بالفعل که از ما خرید می‌کنند به عنوان متغیر سطح ۲ (تبدیل‌ها) تعریف می‌شود. تبدیل کننده‌ها میزان رشد مشتریان بالفعل یا همان نرخ تبدیل کننده‌ها (متغیرجریان) تعریف می‌شود که بر اساس چگونگی طراحی نوآوری ارزش می‌توان بر نرخ تبدیل غیر مشتریان تاثیر گذاشت.

 

نکات فنی:

واحد اندازه گیری متغیرهای سطح باید یکسان باشد. واحد اندازه گیری متغیر جریان باید با متغیر سطح یکسان باشد.

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 DBCLASD چیست؟ آموزش خوشه‌بندی داده‌های فضایی

  1.اهداف یادگیری پس از مطالعه این فصل، خواننده قادر خواهد بود: 2.پیش‌نیازها ۳. چکیده الگوریتم DBCLASD یکی از نوآوری‌های کلیدی در حوزه داده‌کاوی مکانی است که با هدف غلبه بر محدودیت‌های الگوریتم‌های مبتنی بر چگالی سنتی پیشنهاد شده است. ایده محوری این روش، جایگزینی آستانه‌های صلب چگالی (مانند شعاع

توضیحات بیشتر »
هوش مصنوعی

پیاده‌سازی الگوریتم Echidna در پایتون برای خوشه‌بندی ترافیک شبکه

1. مقدمه انتقال از فرمول‌های ریاضی و منطق درختی الگوریتم اکیدنا (Echidna) به یک سامانه نرم‌افزاری پویا، نیازمند درک دقیق نحوه بازنمایی ویژگی‌های ترکیبی (عددی، دسته‌ای و سلسله‌مراتبی) در حافظه رایانه است. در بخش نظری، فاصله ترکیبی را به عنوان پیوندی از سه سناریوی محاسباتی تعریف کردیم. در این بخش،

توضیحات بیشتر »
هوش مصنوعی

الگوریتم Echidna چیست؟ راهنمای کامل خوشه‌بندی سلسله‌مراتبی ترافیک شبکه

1.اهداف یادگیری پس از مطالعه این فصل، خواننده باید بتواند: 2.پیش‌نیازها برای فهم این فصل، آشنایی مقدماتی با موارد زیر لازم است: . 3. چکیده فصل الگوریتم Echidna روشی تخصصی در داده‌کاوی شبکه است که برای خوشه‌بندی کارای داده‌های ترافیک با ویژگی‌های ناهمگون طراحی شده است. مسئله اصلی که این

توضیحات بیشتر »