مدرس دوره:
دکتر محمد رضا عاطفی و دکتر حمیدرضا یزدانی
مدت زمان دوره:
۱۲ تا ۲۰ ساعت
پیشنیاز دوره:
ندارد
نقشه‌های سیستمی و نمودارهای حلقه علّی می‌توانند ساختار یک مسئله را آشکار کنند؛ اما برای پاسخ‌گویی به پرسش‌هایی مانند «این سیستم در پنج سال آینده چگونه رفتار می‌کند؟»، «کدام سیاست اثربخش‌تر است؟»، «نتایج تا چه اندازه به فرضیات مدل حساس‌اند؟» و «چه ترکیبی از تصمیم‌ها عملکرد بهتری ایجاد می‌کند؟» به یک مدل کمی و قابل‌شبیه‌سازی نیاز داریم.
دوره «مدل‌سازی دینامیک‌های سیستم، شبیه‌سازی و ارزیابی سیاست‌ها» یک دوره پیشرفته، کمی و پروژه‌محور است که فرآیند ساخت مدل را از تبدیل مسئله و فرضیه پویای کیفی به ساختار انباشت و جریان، معادلات ریاضی و شبیه‌سازی پیوسته زمانی پوشش می‌دهد. شرکت‌کنندگان می‌آموزند چگونه متغیرهای حالت یا انباشت‌ها (Stocks)، نرخ‌ها یا جریان‌ها (Flows)، متغیرهای کمکی، پارامترها و روابط بازخوردی را شناسایی و به‌صورت سازگار فرمول‌بندی کنند.
در این دوره، رفتارهای بنیادین سیستم‌های پویا شامل رشد نمایی، رفتار هدف‌جو، رشد Sشکل، نوسان، فراجهش و فروپاشی و ساختارهای مرتبه بالاتر به‌صورت تحلیلی و شبیه‌سازی‌شده بررسی می‌شوند. سپس روش‌های پیشرفته‌تری مانند مدل‌سازی تأخیرهای مادی، تأخیرهای اطلاعاتی، توابع غیرخطی جدول‌محور، تصمیم‌گیری مبتنی بر ادراک و عقلانیت محدود، شاخص‌گذاری متغیرها و طراحی زیرمدل‌ها آموزش داده می‌شود.
برای پیوند مفاهیم با مسائل واقعی، چند موتور ساختاری استاندارد بررسی می‌شود؛ از جمله انتشار نوآوری و جذب بازار بر پایه مدل باس، نوسانات موجودی و پدیده شلاقی در زنجیره تأمین، فرسایش و توسعه سرمایه انسانی و چرخه‌های ایجاد و کنترل حوادث در ایمنی، بهداشت و محیط‌زیست. هدف از این بخش، حفظ یک مدل آماده نیست؛ بلکه شناخت ساختارهای انتقال‌پذیری است که می‌توان آن‌ها را با توجه به مسئله واقعی بازطراحی کرد.
بخش مهم دوره به آزمون، کالیبراسیون و اعتبارسنجی مدل اختصاص دارد. شرکت‌کنندگان می‌آموزند کیفیت مدل را از طریق بررسی مرز، ساختار، پارامترها، انسجام ابعادی، شرایط حدی، خطای گام زمانی، بازتولید رفتار تاریخی و تحلیل حساسیت ارزیابی کنند. در این دوره، اعتبارسنجی به معنای اثبات قطعی درستی مدل نیست؛ بلکه فرآیندی نظام‌مند برای افزایش اعتماد به تناسب مدل با هدف موردنظر است.
در مرحله نهایی، از مدل برای طراحی و ارزیابی سیاست‌ها استفاده می‌شود. شرکت‌کنندگان سناریوهای پایه و جایگزین را تعریف می‌کنند، مقاومت سیاستی و پیامدهای ناخواسته را می‌سنجند، عدم قطعیت پارامترها را از طریق شبیه‌سازی مونت‌کارلو بررسی می‌کنند و در صورت تناسب مسئله، از بهینه‌سازی پارامتریک برای جست‌وجوی ترکیب‌های بهتر سیاستی بهره می‌گیرند.
خروجی دوره یک مدل شبیه‌سازی کامل در دامنه تعریف‌شده پروژه است که ساختار، معادلات، داده‌ها، فرضیات، آزمون‌های اعتبارسنجی، نتایج تحلیل حساسیت و مقایسه سناریوهای سیاستی آن مستند شده باشد.
این دوره با هدف یکپارچه‌سازی فرآیند ساخت مدل، شبیه‌سازی، آزمون و تحلیل سیاست در چارچوب دینامیک‌های سیستم طراحی شده است. انتظار می‌رود شرکت‌کنندگان پس از پایان دوره بتوانند:
دانش‌پذیر در پایان دوره یک مدل شبیه‌سازی کامل در دامنه تعریف‌شده پروژه ارائه می‌کند. بسته نهایی پروژه شامل موارد زیر خواهد بود:
خروجی کلیدی دوره این است که دانش‌پذیر بتواند:
«یک مسئله پیچیده را به مدل کمی قابل‌شبیه‌سازی تبدیل کند و پیش از اجرای سیاست، رفتار و پیامدهای احتمالی آن را در محیطی کم‌هزینه و کنترل‌شده بیازماید.»
این دوره برای گروه‌های زیر مناسب است:
خیر. این دوره سطح سوم مسیر آموزشی است و فرض می‌کند شرکت‌کننده با تفکر سیستمی، بازخورد و نمودارهای حلقه علّی آشناست. تمرکز دوره بر تبدیل ساختار کیفی به مدل کمی است.
درک مقدماتی توابع، نرخ تغییر، انتگرال، معادلات دیفرانسیل و آمار لازم است. اثبات‌های پیچیده ریاضی محور دوره نیستند؛ اما شرکت‌کننده باید بتواند منطق معادلات مدل را درک و کنترل کند.
الزامی نیست. مدل اصلی با Vensim DSS یا Stella Architect ساخته می‌شود. ممکن است برای آماده‌سازی داده یا تحلیل خروجی‌ها از Excel و در صورت نیاز Python یا R استفاده شود.
نمودار حلقه علّی ساختار بازخوردها را به‌صورت کیفی نشان می‌دهد. مدل انباشت و جریان، متغیرهای حالت، نرخ‌ها و معادلات را مشخص می‌کند و امکان شبیه‌سازی عددی رفتار سیستم را فراهم می‌سازد.
خیر. ابتدا باید انباشت‌ها و جریان‌ها مشخص شوند و سپس روابط بر اساس سازوکار واقعی، واحد اندازه‌گیری، داده و قواعد تصمیم‌گیری فرمول‌بندی شوند. تبدیل مکانیکی فلش‌های علّی به معادله می‌تواند مدل نادرستی ایجاد کند.
هدف اصلی مدل دینامیک‌های سیستم معمولاً پیش‌بینی نقطه‌ای آینده نیست. مدل برای توضیح منشأ رفتار، آزمایش فرضیات، مقایسه سیاست‌ها و بررسی پیامدهای آن‌ها تحت شرایط مختلف استفاده می‌شود.
کالیبراسیون به برآورد یا تنظیم پارامترها برای سازگاری مدل با داده و شواهد مربوط است. اعتبارسنجی دامنه گسترده‌تری دارد و ساختار، معادلات، ابعاد، شرایط حدی، رفتار و تناسب مدل با هدف را بررسی می‌کند.
خیر. مدل ممکن است با ساختاری نادرست نیز داده‌های گذشته را بازتولید کند. اعتبار مدل باید علاوه بر رفتار تاریخی، از نظر ساختار، ابعاد، پارامترها، شرایط حدی و منطق تصمیم‌گیری بررسی شود.
در این تحلیل، پارامترهای نامطمئن در محدوده‌های تعریف‌شده تغییر می‌کنند و مدل بارها اجرا می‌شود. نتایج نشان می‌دهند رفتار مدل و اثربخشی سیاست‌ها تا چه اندازه به عدم قطعیت پارامترها وابسته است.
نه لزوماً. تفسیر احتمالاتی نتایج تنها زمانی موجه است که توزیع پارامترها مبنای آماری یا احتمالاتی معتبر داشته باشد. در غیر این صورت، نتایج بیشتر بیانگر دامنه رفتارهای ممکن تحت مفروضات انتخاب‌شده‌اند.
خیر. جواب بهینه به ساختار مدل، تابع هدف، محدودیت‌ها و مفروضات وابسته است. نتیجه بهینه‌سازی باید از نظر حساسیت، امکان‌پذیری و استحکام در سناریوهای مختلف بررسی شود.
بله. در نسخه درون‌سازمانی می‌توان مدل را بر اساس داده‌ها و مسئله واقعی سازمان توسعه داد؛ مشروط بر آنکه دامنه پروژه، کیفیت داده و الزامات محرمانگی از ابتدا مشخص شوند.
نسخه ۱۲ ساعته برای شرکت‌کنندگان باتجربه و با مدل یا داده نیمه‌آماده مناسب است. برای ساخت یک مدل کامل، آزمون آن و تهیه گزارش سیاستی، نسخه ۲۰ ساعته همراه با پروژه خارج از کلاس توصیه می‌شود.
در دوره عمومی، هر شرکت‌کننده مالک پروژه شخصی خود است. در دوره درون‌سازمانی، مالکیت مدل، داده‌ها و خروجی‌ها باید پیش از شروع دوره در قرارداد مشخص شود.
تمایل دارید در دوره شرکت کنید؟
فرم زیر را پر کنید. ما در اسرع وقت با شما تماس خواهیم گرفت.
