پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,110,508 |
| تعداد دریافت فایل اصل مقاله | 89,870,076 |
شبیه‌سازی فازی در شرایط عدم‌اطمینان | ||
| مدیریت صنعتی | ||
| مقاله 1، دوره 4، شماره 2، مهر 1391، صفحه 1-20 اصل مقاله (595.09 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2012.35437 | ||
| نویسندگان | ||
| عادل آذر1؛ سمانه سقالرزاده* 2؛ علی رجبزاده3 | ||
| 1استاد دانشگاه تربیت مدرس، تهران، ایران | ||
| 2کارشناس ارشد مدیریت صنعتی، دانشگاه تربیت مدرس، تهران، ایران | ||
| 3استادیار دانشگاه تربیت مدرس، تهران، ایران | ||
| چکیده | ||
| این نوشتار، ترکیب نظریه مجموعه‌‌های فازی با شبیه‌سازی گسسته ـ پیشامد را مطرح کرده و آن را برای مدلسازیِ مدت‌زمان نامطمئنِ فعالیت در شبیه‌سازی یک سیستم واقعی، به‌کار می‌گیرد. هدف این مقاله، ارزیابی سودمندی شبیه‌سازی فازی برای مدلسازیِ مدت‌زمان نامطمئن فعالیت است؛ به‌ویژه زمانی‌که داده نمونه‌ای موجود نبوده یا داده‌های موجود کافی نباشند. در این پژوهش، برای توصیف مدت‌زمان نامطمئن فعالیت‌ها از اعداد فازی استفاده شده که بیانگر ابهام، عدم دقت و ذهنیت‌گرایی در تخمین آنهاست. ابتدا یک مدل شبیه‌سازی برمبنای رویکرد کلاسیک (مبتنی بر توابع توزیع احتمال) طراحی شده و سپس با استفاده از مدت‌زمان‌های تخمینی خبرگان، به‌صورت مدل فازی درمی‌آید. چند مدل شبیه‌سازی نیز برمبنای تعدادی از توابع توزیع احتمال رایج، طراحی شده و نتایج آنها با نتیجه مدل شبیه‌سازی فازی مقایسه می‌شود. نتایج نشان می‌دهد که اول خروجی‌های شبیه‌سازی فازی، تنها با یک مرتبه اجرای شبیه‌سازی گسسته ـ پیشامد فازی قابل حصول است و دوم اینکه بازه خروجی‌های شبیه‌سازی فازی، نتایج حاصل از چندین مرتبه اجرای مدل‌های مبتنی بر توابع توزیع احتمال را در بردارد. بنابراین، شبیه‌سازی فازی، رویکرد پذیرفتنی برای نمایش سیستم واقعی به‌شمار می‌آید؛ به‌ویژه در شرایط عدم‌اطمینان که داده نمونه‌ای وجود نداشته یا داده‌های موجود ناکافی و غیرقابل اتکا هستند. | ||
| کلیدواژه‌ها | ||
| شبیه‌سازی گسسته ـ پیشامد فازی؛ مدل شبیه‌سازی؛ اعداد فازی؛ عدم‌اطمینان؛ مدت‌زمان فعالیت | ||
| عنوان مقاله [English] | ||
| Fuzzy Simulation in Uncertain Circumstances | ||
| نویسندگان [English] | ||
| Adel Azar1؛ Samaneh Saghalorzadeh2؛ Ali Rajabzadeh3 | ||
| 1Prof., Dep. of Management, Tarbiat Modares Univercity, Tehran, Iran | ||
| 2MSc., Industrial Management, Tarbiat Modares Univercity, Tehran, Iran | ||
| 3Assistant Prof., Dep. of Management, Tarbiat Modares Univercity, Tehran, Iran | ||
| چکیده [English] | ||
| This article proposes composition of fuzzy sets theory with discrete-event simulation and puts it into application in order to model uncertain activity duration in simulating a real-world system. The purpose of this paper is to assess the usefulness of fuzzy simulation for modeling uncertain activity duration, especially when insufficient or no sample data is available. In this research, fuzzy numbers are used to describe uncertain activity durations which is reflecting vagueness, imprecision and subjectivity in the estimation of them. Initially, a simulation model is designed on the basis of classic (probability distribution-based) approach and then by using activity durations estimated by experts, this model is changed to a fuzzy one. Based on a number of common probability distributions, Some simulation models are designed and their results are compared with those of fuzzy simulation model. The results indicates that, firstly, fuzzy simulation outputs are achieved through only one cycle of fuzzy discrete-event simulation and secondly, the range of fuzzy simulation outputs entails the results of multiple cycles of probability distribution-based simulation experiments. Therefore, the fuzzy simulation is an acceptable approach to present the real system; especially in uncertain circumstances that no sample data is available or there is some insufficient or unreliable data. | ||
| کلیدواژه‌ها [English] | ||
| Fuzzy Discrete-event Simulation, Simulation Model, Fuzzy Numbers, Uncertainty, Activity Duration | ||
|
آمار تعداد مشاهده مقاله: 3,112 تعداد دریافت فایل اصل مقاله: 1,751 |
||