SMOOTH (HIGHER-ORDER)

مدل سازی دینامیکی – مدل هموارسازی (مرتبه بالاتر)

نوشته دکتر محمدرضا عاطفی
دکتر محمدرضا عاطفی

عضو هیات علمی دانشگاه 
مشاور سازمان‌ها و تحلیل‌گر سیستم‌

سری مدل‌سازی دینامیکی 

مدل هموارسازی (مرتبه بالاتر)

  Smooth (higher-order)

شرح مدل

یک هموارسازی مرتبه بالاتر، آبشاری از دو یا چند هموار است که در آن هر هموارسازی به هدف هموار بلافاصله پس از آن تبدیل می‌شود. موجودی هموار نهایی اغلب به عنوان متغیر “خروجی” در نظر گرفته می‌شود — این متغیری است که در نهایت به سمت هدف تنظیم می‌شود. حالت معمول این است که در هر مرحله هموارسازی کردن تاخیر یکسان باشد. یعنی اگر k ثابت باشد.

 Order مرتبه تأخیر است

i هر مرحله خاص در آبشار است

 k تأخیر برای هر مرحله جداگانه است و جایی

aggregateLag (یا میانگین تاخیر) به صورت زیر تعریف می‌شود

یا k به شکل زیر تعریف می‌شود:

به عنوان مثال در مورد بالا که در آن همه تاخیرها یکسان هستند، اگر مجموع تاخیر، مثلاً سی هفته باشد، پس تاخیر برای هر مرحله  به شکل زیر خواهد بود:

مورد استفاده:

Hines cascaded coflow

کاربرد

  چگونه می‌توان یک «هموار» ایجاد کرد که در آن حرکت به سمت هدف به آرامی شروع می‌شود، سرعت می‌گیرد و سپس در مرحله نهایی کند می‌شود. چگونه می‌توان سیستمی را مدل‌سازی کرد که در آن افراد در ابتدا تغییرات را دیر درک می‌کنند، اما در نهایت به طور کامل با ان منطبق می‌شوند.

 

مدل جریان و حالت:

SMOOTH (HIGHER ORDER) page 0001 (1)

معادلات:


Smooth1 = INTEG( updating smooth1 , goal )

Units: stuff                        

updating smooth1 = Gap1 / smoothing time1

Units: stuff/Year                       

        = smoothing time1 

Units: Year                        

Gap1 = goal – Smooth1

Units: stuff                         

         = goal

Units: stuff                          

Smooth2 = INTEG( updating smooth2 , Smooth1 )

Units: stuff                          

updating smooth2 = Gap2 / smoothing time2

Units: stuff/Year                          

       = smoothing time2 

Units: Year                          

Gap2 = Smooth1 – Smooth2

Units: stuff                          

“Smooth3.” = INTEG( updating smooth3 , Smooth2 )

Units: stuff                          

updating smooth3 = Gap3 / smoothing time3

 Units: stuff/Year                           

smoothing time3 = 2

Units: Year                            

Gap3 = Smooth2 – “Smooth3.”

            Units: stuff                            

رفتار:

  در موردی که تاخیرهای هر مرحله همگی یکسان باشند، تعدیل ناگهانی تر و در نقطه تاخیر کل متمرکزتر می‌شود. تمام تعدیل‌ها در مجموع تاخیر در صورت هموار بودن مرتبه نامتناهی اتفاق می‌افتد. (توجه داشته باشید که در چنین حالتی تاخیر کل یک عدد واقعی محدود و تاخیر هر مرحله بینهایت کوچک است و معادل :

نمونه‌های کلاسیک:

  • هموارسازی کننده‌های مرتبه سوم نسبتاً رایج هستند. هموارهای مرتبه دوم ، همانند هموارهای با مرتبه بالاتر از 3 بسیار نادر هستند.

 

توجه:

  اگر تأخیرها را با تقسیم یک تاخیر کلی بر تعداد هموارها در آبشار ایجاد می‌کنید، مراقب خطای یکپارچه سازی باشید. به یاد داشته باشید که فاصله حل (“dt” یا “گام زمانی”) باید یک چهارم تا یک دهم کوچکترین ثابت زمانی باشد.

ثابت زمانی در یک هموارسازی مرتبه بالاتر تاخیر کلی نیست، بلکه تاخیر روی هموارهای هر مرحله است که آبشار را تشکیل می‌دهد. این ملاحظات حتی در هنگام استفاده از توابع هموارسازی مرتبه 3 ساخته شده توسط اکثر محیط‌های مدل سازی شبیه سازی SD وجود دارد. این توابع داخلی معمولاً یک پارامتر برای تاخیر کلی می‌گیرند. به خاطر داشته باشید که در داخل نرم افزار این تاخیر کلی را به سه تاخیر جداگانه تبدیل می‌کند که هر یک به اندازه پارامتر “ثابت” زمان است.

نکات فنی:

  اگر یک نمای کلی از یک هموارسازی مرتبه بالاتر داشته باشید، “تاخیر کل” برابر با میانگین تاخیرها است. به عنوان مثال، اگر از یک سفارش سوم هموارسازی با تاخیر کلی 3 ماهه استفاده کنید (به این معنی که تاخیرهای هر مرحله هر کدام برابر با یک ماه است) برای نشان دادن اینکه چگونه خریداران به تدریج درک خود از قیمت را تنظیم می‌کنند، متوسط خریداران برداشت خود را به طور کامل در 3 ماه تنظیم می‌کند. – البته برخی از خریداران سریع تر و برخی دیگر با سرعت کمتری نسبت به میانگین خود را تطبیق می‌دهند.

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

کاربرد ترموکوپل در صنایع؛ راهنمای نصب، ایمنی و انتخاب سنسور

1. کاربرد ترموکوپل در صنایع غذایی در صنعت غذا، دما یک عامل کلیدی در فرآیندهای تولید، نگهداری و پخت و پز است. کنترل نامناسب دما می‌تواند منجر به رشد باکتری‌ها، فساد محصول یا تغییر در خواص کیفی غذا شود. 1.1.کاربرد ترموکوپل در پاستوریزاسیون و استریلیزاسیون  1.2.کاربرد ترموکوپل در سردخانه وفرآیند

توضیحات بیشتر »
COVER compressed 5 300x169
هوش مصنوعی

ترموکوپل چیست؟ راهنمای جامع انواع، کاربرد، عملکرد و انتخاب

1. ترموکوپل چیست و چگونه کار میکند؟  1.1 . تعریف ترموکوپل و اجزای اصلی آن ترموکوپل یک حسگر دما است که بر اساس یک اصل فیزیکی ساده اما قدرتمند عمل می‌کند. این حسگر از اتصال دو سیم فلزی غیرهمجنس (Dissimilar Metal Wires) در یک انتها تشکیل شده است. این نقطه

توضیحات بیشتر »
COVER compressed 4 300x169
هوش مصنوعی

کاربرد سنسور دمای مادون قرمز در صنعت؛ راهنمای نصب و پایش حرارتی

1. کاربرد سنسور دمای مادون قرمز در پایش حرارتی باتری‌ها 1.1.پایش دمای سلول،ماژول و پک باتری     سلول‌های باتری منفرد:     ماژول‌ها و پک‌های باتری:     سیستم‌های مدیریت باتری (BMS – Battery Management Systems):     ایستگاه‌های شارژ سریع (Fast Charging Stations):     خطوط تولید باتری: 1.2.حوادث و اتفاقات قابل پیشگیری

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