Split Flow

مدل سازی دینامیکی – مدل جریان تقسیمی

نوشته دکتر محمدرضا عاطفی
دکتر محمدرضا عاطفی

عضو هیات علمی دانشگاه 
مشاور سازمان‌ها و تحلیل‌گر سیستم‌

سری مدل‌سازی دینامیکی 

مدل جریان تقسیمی Split Flow

شرح مدل

اگر خروجی یک سیستم بتواند به دو سیستم دیگر وارد شود آنگاه از این مدل استفاده می‌کنیم. در خطوط تولید این امر کاربرد زیادی دارد.  برای مثال یک خط نورد لوله را در نظر بگیرید که ورق به عنوان ماده اولیه وارد کارخانه می‌شود و سپس ورق‌ها بر اساس برنامه تولید وارد هر خط تولید می‌شود.

این ساختار یک جریان خروجی را به دو (یا بیشتر) زیرجریان در سطوح دیگر (یا به سینک) تقسیم می‌کند.

 

مورد استفاده:

 ساختار موفقیت کار، اصلاح خط لوله با دید کم

 

مدل جریان و حالت:

معادلات:


Source Stock = INTEG(-Aggregate Outflow,   )

Units: Widgets2                        

          ____ = Aggregate Outflow  
Units: Widgets/Month                        

                        
First Subflow = Aggregate Outflow*Fractional Split to First Subflow
Units: material                         
          Fractional Split to First Subflow 

Units: fraction                          
Level 3 = INTEG(Flow3 – flowingOut, ____)

Units: material                           

                         First Destination Stock = INTEG(First Subflow,0)  

Units: Widgets                          
Second Subflow = Aggregate Outflow*(1-Fractional Split to First Subflow) 
Units: Widgets/Month                           

Second Destination Stock = INTEG(Second Subflow,          ) Units: Widgets

Units: Widgets                             

 


نمونه‌های کلاسیک:

  •  ساختار اجرای کار

 

نکات فنی:

به طور سنتی جریان خروجی تقسیم شده با جریان کل که به داخل یک سینک (ابر) می‌رود و دو جریان فرعی که از منابع (ابرها) خارج می‌شوند، نشان داده می‌شود.

اگرچه استاندارد نیست، اما می‌توان شکاف لوله را به دو قسمت کشید. معادلات ثابت می‌ماند.

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 »