Workforce

مدل سازی دینامیکی – مدل نیروی کار

نوشته دکتر محمدرضا عاطفی
دکتر محمدرضا عاطفی

عضو هیات علمی دانشگاه 
مشاور سازمان‌ها و تحلیل‌گر سیستم‌

سری مدل‌سازی دینامیکی 

مدل نیروی کار     Workforce

شرح مدل

نیروی کار فقط یک مدل هموار از نیروی کار مورد نظر است. این بدان معناست که افرادی استخدام یا اخراج خواهند شد تا (به تدریج) نیروی کار واقعی را به سطح مورد نظر برسانند.

 

کاربرد

نحوه نمایش تعداد افرادی که روی یک پروژه کار می‌کنند

 

مدل جریان و حالت:

معادلات:


Workforce = INTEG( Hiring and Firing , DesiredPeople )

Units: people                                                    

Hiring and Firing = Worker Shortage / time to hire or fire

Units: people/Year                                                     

 …….= time to hire or fire 

Units: Year                                                      

Worker Shortage = DesiredPeople – Workforce

Units: people                                                        

 …..= DesiredPeople 

Units: people                                                        

رفتار:

 واضح

 

نمونه‌های کلاسیک:

  • اغلب در مدل‌های پروژه استفاده می‌شود

 

توجه:

نکات فنی:

زمان استخدام یا اخراج تعدادی از تاخیرها را شامل می‌شود، از جمله: زمان برای درک اینکه نیروی کار در سطح صحیحی نیست، زمان برقراری ارتباط با نیروی انسانی، زمان دریافت مجوز برای یک سطح نیروی کار جدید، زمان برای درج آگهی برای کارگران، زمان مصاحبه با آنها، زمان حضور واقعی آنها، و زمان به کارگیری آنها به عنوان کارگران کاملا مولد.

 

 

 

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 »