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:

Conversion۱ page 0001   Copy

معادلات:


Source of converts = INTEG(-converting,         )

Units: people                             

          =converting

Units: people/Year                             

Converts = INTEG(cnverting,                          )

Units: people                            


CLD links ANI

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

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

فصل ۴ — درس‌های نورون زیستی برای شبکه‌های عصبی مصنوعی:بخش سوم

۴.۸ درس ۷ — سلول‌های گلیا و نقش آن‌ها در یادگیری ۴.۸.۰ چرا نیمی از مغز نادیده گرفته شده است؟ تا اینجا در این فصل، درباره نورون‌ها، دندریت‌ها، پلاستیسیتی، کدگذاری زمانی، بهره‌وری انرژی، یادگیری خودنظارتی و همگام‌سازی صحبت کردیم. اما یک حقیقت تکان‌دهنده وجود دارد که باید با آن روبرو

توضیحات بیشتر »
Cover compressed 6 300x169
هوش مصنوعی

فصل ۴ — درس‌های نورون زیستی برای شبکه‌های عصبی مصنوعی:بخش دوم

۴.۴ درس ۳ — کدگذاری و دینامیک زمانی ۴.۴.۰ چرا زمان مهم است؟ در بخش قبل دیدیم که مغز از چندین مکانیزم پلاستیسیتی همزمان استفاده می‌کند. اما یک پرسش بنیادین‌تر باقی می‌ماند: اطلاعات در مغز چگونه رمزگذاری می‌شوند؟ در شبکه‌های عصبی مصنوعی، پاسخ ساده است: هر نورون یک عدد (فعالیت)

توضیحات بیشتر »
Cover compressed 6 300x169
هوش مصنوعی

فصل ۴ — درس‌های نورون زیستی برای شبکه‌های عصبی مصنوعی:بخش اول

این فصل، پل مستقیم بین زیست‌شناسی و محاسبات است. ۴.۱ مقدمه: چرا نورون زیستی از نورون مصنوعی بسیار پیچیده‌تر است؟ ۴.۱.۰ چرا باید درباره نورون زیستی بدانیم؟ پیش از ورود به بحث اصلی، بگذارید با یک سؤال ساده شروع کنیم: چرا یک دانشجوی مدیریت یا اقتصاد باید درباره نورون زیستی

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