devil_bridge-wallpaper-1920x1080

مدل سازی دینامیکی – مدل چرخه دوباره کاری

نوشته دکتر محمدرضا عاطفی
دکتر محمدرضا عاطفی

عضو هیات علمی دانشگاه 
مشاور سازمان‌ها و تحلیل‌گر سیستم‌

سری مدل‌سازی دینامیکی 

مدل چرخه دوباره کاری

شرح مدل

ما کاری را انجام می‌دهیم. خروجی این عملیات می‌تواند صحیح باشد یا خیر. در یک عملیات تولیدی، محصول خروجی می‌تواند مطابق استاندارد باشد بنابراین با کیفیت است یا عدم تطابق دارد و رد می‌شود. کیفیت در اینجا با شاخص درصد عیب تعریف می‌شود و فرمول آن تعداد کاری که به درستی انجام شده است تقسیم بر تعداد کارهای انجام شده، می‌باشد. کاری که به درستی انجام نشده است به بازکاری کشف نشده سرازیر می‌شود، جایی که می‌نشیند تا زمانی که (دوباره با فرآیندی که نشان داده نشده است) عیب آن کشف شود. هنگامی که کشف می‌شود به کار باز گردانده می‌شود تا (دوباره) انجام شود.

توجه داشته باشید که موجودی دوباره کاری‌های کشف نشده توسط تصمیم گیرندگان “داخل” مدل قابل اطلاع نیست. سهام واقعاً وجود دارد، اما هیچ کس، به جز مدل ساز و خدا، نمی داند چقدر آن را نگه می‌دارد.

 

کاربرد

نحوه نمایش دوباره کاری

 

مدل جریان و حالت:

معادلات:


WorkToDo = INTEG( DiscoveringRework – AccomplishingWork,        )

Units: SquareFeet

      = DiscoveringRework 

Units: SquareFeet/Week

                                   =AccomplishingWork  

Units: SquareFeet/Week

CorrectWork = INTEG( AccomplishingCorrectly , 0)

Units: SquareFeet

AccomplishingCorrectly = AccomplishingWork * Quality

Units: SquareFeet/Week

      =Quality  

Units: fraction

UndiscoveredRework=  INTEG(AccomplishingIncorrectly – DiscoveringRework ,       )

Units: SquareFeet

AccomplishingIncorrectly = AccomplishingWork * ( 1 – Quality )

Units: SquareFeet/Week


رفتار:

 کار می‌تواند چرخه‌های زیادی ایجاد کند.

 

نمونه‌های کلاسیک:

  • این ساختار پروژه کلاسیک است. در ابتدا توسط Pugh-Roberts توسعه داده شد که همچنان به استفاده و توسعه ساختار ادامه می‌دهد.. امروزه توسط تعدادی از مشاوران و شرکت‌های مشاوره استفاده می‌شود.
  • در مدل سازی فرآیندهای تولید که غالباً دوباره کاری اتفاق می‌افتد می‌توان از این مدل استفاده کرد.
  • در مدل سازی بخش بهداشت و درمان ( به خصوص بررسی اثربخشی داروهای جدید) مواردی وجود دارد که درمان اثر نمی‌کند و ممکن است نیاز باشد تا فرایند درمان مجدداً تکرار شود.

 

 

نکات فنی:

 ساختار، همانطور که نشان داده شده است شامل تعریف انجام کار یا کشف دوباره کاری نیست. به طور معمول این جریان‌ها با استفاده از سایز مدل‌ها فرموله می‌شوند، اگرچه کشف دوباره کاری گاهی اوقات به عنوان یک رفتن به صفر نشان داده می‌شود (یعنی دوباره کاری کشف نشده به عنوان یک تاخیر نشان داده می‌شود). کیفیت معمولاً به عنوان یک عنصر لنگر و تنظیم فرموله می‌شود. غالباً دوباره کاری کشف شده به گونه‌ای به عمبیات وارد می‌شود که آن را از کار اصلی برای انجام جدا نگه می‌دارد – این به شخص اجازه می‌دهد تا بهره‌وری و کیفیت را بر روی کار مجدد مدل‌سازی کند که به طور بالقوه با بهره‌وری و کیفیت کار اصلی متفاوت 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 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 »