شبیه سازی سیستم های گسسته پیشامد با ترجمه و مسائل حل شده
شامل:
متن ترجمه کتاب فصول ۱ و ۲ و ۳ و ۴ و ۷ و ۸
+ فایل حل المسائل
+ حل تمرین های فصل دو و سه در اکسل و ارنا
تالیف جری بنکس و جان کارسن ترجمه هاشم محلوجی
منبع رشته های مهندسی
درس شبیه سازی سیستم های گسسته پیشامد یکی از درس های کاربردی در حوزه مهندسی صنایع، مهندسی سیستم ها و برخی رشته های مرتبط با مدیریت و علوم کامپیوتر است. خلاصه شبیه سازی سیستم های گسسته پیشامد زمانی ارزشمند است که به دانشجو کمک کند منطق ساخت یک مدل، تعریف رویدادها، تولید داده، اجرای آزمایش و تفسیر نتایج را به صورت یک زنجیره منطقی درک کند. این درس فقط درباره اجرای یک نرم افزار نیست؛ مسئله اصلی آن تبدیل یک سیستم واقعی به مدلی است که بتوان رفتار آن را در شرایط مختلف بررسی کرد.
شبیه سازی سیستم های گسسته پیشامد دقیقا چیست؟
در شبیه سازی سیستم های گسسته پیشامد، تغییرات سیستم در زمان به وسیله رویدادهایی مشخص می شوند که در لحظه های معین اتفاق می افتند. ورود یک مشتری به بانک، پایان خدمت یک متصدی، رسیدن یک قطعه به ایستگاه تولید یا آزاد شدن یک ماشین نمونه هایی از همین رویدادها هستند.
در این رویکرد، لازم نیست تمام جزئیات یک سیستم واقعی ساخته یا آزمایش شود. مدل ریاضی و کامپیوتری سیستم ایجاد می شود و سپس رفتار آن در شرایط مختلف مورد بررسی قرار می گیرد. به همین دلیل، شبیه سازی گسسته پیشامد در تحلیل سیستم های پیچیده ای که روابط تصادفی و صف در آنها وجود دارد، کاربرد زیادی دارد.
هدف اصلی این درس برای دانشجویان چیست؟
هدف درس تنها یادگیری چند فرمول یا کار با یک نرم افزار خاص نیست. دانشجو باید یاد بگیرد یک مسئله واقعی را تعریف کند، اجزای مهم آن را تشخیص دهد، فرض های مناسب بسازد و سپس مدل قابل اجرای آن را طراحی کند.
یکی از مهارت های مهم، تشخیص تفاوت میان سیستم واقعی و مدل آن است. مدل باید به اندازه کافی جزئیات داشته باشد تا رفتار مورد نظر را نشان دهد، اما نباید آن قدر پیچیده شود که تحلیل نتایج دشوار یا غیرممکن باشد.
این مهارت در شبیه سازی مهندسی صنایع اهمیت ویژه ای دارد؛ زیرا بسیاری از مسائل تولید، انبار، حمل و نقل، خدمات و صف را نمی توان فقط با یک رابطه ساده ریاضی بررسی کرد.
مدل سازی و شبیه سازی سیستم ها چگونه انجام می شود؟
اولین مرحله، شناخت مسئله واقعی است. پس از آن، عناصر سیستم، منابع، موجودیت ها، صف ها، رویدادها و متغیرهای مورد نیاز مشخص می شوند.
در مرحله بعد، روابط میان اجزای سیستم تعریف می شود. این مرحله همان جایی است که مدل سازی سیستم های گسسته اهمیت پیدا می کند. سپس داده های لازم جمع آوری و رفتارهای تصادفی سیستم با توزیع های آماری مناسب نمایش داده می شوند.
بعد از ساخت مدل، اجرای شبیه سازی انجام می شود و خروجی هایی مانند زمان انتظار، طول صف، میزان استفاده از منابع یا تعداد خروجی سیستم بررسی می شوند. در پایان نیز باید مشخص شود که آیا مدل ساخته شده واقعا رفتار مورد انتظار سیستم را بازنمایی می کند یا خیر.
رویدادها، صف ها و متغیرهای تصادفی چه نقشی دارند؟
مفهوم رویداد، هسته اصلی مدل سازی رویداد گسسته است. هر رویداد می تواند وضعیت سیستم را تغییر دهد. برای نمونه، ورود یک مشتری باعث افزایش تعداد افراد منتظر می شود و پایان خدمت یک مشتری می تواند باعث شروع خدمت نفر بعدی شود.
سیستم های صف در شبیه سازی نیز جایگاه مهمی دارند. تعداد مشتریان منتظر، زمان ورود، زمان خدمت، ظرفیت صف و تعداد خدمت دهندگان می توانند بر عملکرد سیستم اثر بگذارند.
از طرف دیگر، بسیاری از اتفاقات واقعی قطعی نیستند. مدت زمان خدمت، فاصله ورود مشتریان یا زمان خرابی تجهیزات ممکن است تغییر کند. در اینجا متغیرهای تصادفی در شبیه سازی وارد مدل می شوند و رفتار احتمالی سیستم را واقعی تر می کنند.
اعداد تصادفی و تولید داده در شبیه سازی
یکی از بخش های بنیادی درس، آشنایی با اعداد تصادفی در شبیه سازی است. کامپیوتر باید بتواند دنباله هایی از اعداد با ویژگی های آماری مناسب تولید کند تا بتوان رفتارهای تصادفی سیستم را بازسازی کرد.
تولید اعداد تصادفی به تنهایی کافی نیست. باید مشخص شود این اعداد چگونه برای تولید متغیرهایی مانند زمان بین ورودها یا مدت خدمت استفاده شوند. به همین دلیل، دانشجو با روش های تولید داده و تبدیل اعداد تصادفی به نمونه هایی از توزیع های آماری مختلف آشنا می شود.
این بخش درک مناسبی از رابطه میان احتمال، آمار و شبیه سازی کامپیوتری ایجاد می کند و پایه بسیاری از آزمایش های عملی درس است.
شبیه سازی بنکس و کارسون و منابع آموزشی درس
یکی از منابع شناخته شده این حوزه، کتاب شبیه سازی سیستم های گسسته پیشامد نوشته جری بنکس و جان کارسون است که در منابع دانشگاهی با عنوان شبیه سازی بنکس و کارسون نیز شناخته می شود. ترجمه هاشم محلوجی از منابعی است که دانشجویان ایرانی برای مطالعه این حوزه با آن مواجه می شوند.
مباحث این منابع معمولا از مفاهیم پایه مدل سازی شروع می شوند و به موضوعاتی مانند طراحی آزمایش شبیه سازی، تولید اعداد تصادفی، تحلیل خروجی و ارزیابی مدل می رسند. بنابراین مطالعه درس بدون درک ارتباط میان این بخش ها ممکن است باعث شود مطالب به شکل مجموعه ای از فرمول ها و اصطلاحات پراکنده به نظر برسند.
حل مسائل و تمرین های این درس چه نکاتی دارد؟
حل المسائل شبیه سازی سیستم های گسسته پیشامد زمانی برای دانشجو مفید است که همراه با فهم مراحل حل استفاده شود، نه اینکه فقط پاسخ نهایی یک تمرین حفظ شود.
در حل مسائل شبیه سازی گسسته پیشامد معمولا باید ابتدا وضعیت اولیه سیستم، رویدادهای احتمالی و زمان وقوع آنها مشخص شود. سپس با توجه به هر رویداد، وضعیت سیستم به روز می شود و شاخص های مورد نظر محاسبه می شوند.
حل تمرین شبیه سازی سیستم های گسسته پیشامد می تواند برای فهم جدول رویدادها، محاسبه زمان انتظار، بررسی عملکرد منابع و تحلیل خروجی مدل بسیار کمک کننده باشد. در مسائل پیچیده تر نیز شبیه سازی کامپیوتری امکان اجرای تعداد زیادی آزمایش را فراهم می کند.
تحلیل داده های شبیه سازی چرا اهمیت دارد؟
اجرای مدل پایان کار نیست. خروجی شبیه سازی باید تحلیل شود تا بتوان از آن برای تصمیم گیری استفاده کرد. ممکن است یک مدل چندین بار اجرا شود و نتایج متفاوتی تولید کند؛ زیرا بخشی از ورودی های آن تصادفی هستند.
به همین دلیل، تحلیل داده های شبیه سازی اهمیت زیادی دارد. میانگین، پراکندگی، فاصله اطمینان و نحوه تغییر شاخص های عملکرد می توانند در ارزیابی نتیجه مؤثر باشند.
یکی از اشتباهات رایج دانشجویان این است که یک اجرای شبیه سازی را به عنوان نتیجه قطعی در نظر می گیرند. در حالی که برای بسیاری از مدل های تصادفی، تعداد اجراها، طول دوره شبیه سازی و شرایط اولیه می توانند بر اعتبار نتیجه اثر بگذارند.
تفاوت مدل سازی سیستم های گسسته با یک محاسبه ساده چیست؟
در یک مسئله محاسباتی ساده، معمولا رابطه مشخصی میان ورودی و خروجی وجود دارد. اما در شبیه سازی سیستم ها، ممکن است چندین عامل به صورت هم زمان روی رفتار سیستم اثر بگذارند.
برای مثال، عملکرد یک مرکز خدماتی فقط به تعداد کارکنان وابسته نیست. الگوی ورود افراد، زمان خدمت، ظرفیت انتظار، اولویت بندی مشتریان و حتی تغییرات تصادفی در این عوامل می توانند نتیجه را تغییر دهند.
به همین دلیل، شبیه سازی بیشتر یک روش آزمایش و تحلیل است تا صرفا یک روش محاسباتی. دانشجو با استفاده از آن می تواند سناریوهای مختلف را پیش از اعمال تغییر در سیستم واقعی بررسی کند.
این درس برای چه کسانی مناسب است؟
این درس برای دانشجویان مهندسی صنایع اهمیت ویژه ای دارد و برای افرادی که با تحلیل عملیات، تولید، لجستیک، خدمات، حمل و نقل و سیستم های صف سروکار دارند، کاربردی است.
دانشجویانی که با مدل سازی، احتمال و آمار آشنایی دارند، معمولا ارتباط میان مفاهیم درس را سریع تر درک می کنند. با این حال، یادگیری آن صرفا به دانشجویان دارای پیش زمینه قوی آماری محدود نمی شود؛ زیرا بخش مهمی از مهارت مورد نیاز از طریق حل مسئله و اجرای مدل شکل می گیرد.
برای دانشجویی که قصد انجام پروژه شبیه سازی دارد نیز این درس پایه مهمی محسوب می شود، زیرا انتخاب مسئله، تعیین متغیرها، طراحی مدل و تفسیر نتایج همگی به مفاهیم همین حوزه وابسته اند.
مهم ترین موضوعاتی که باید از این درس یاد گرفت
برای تسلط واقعی، بهتر است مباحث زیر به صورت زنجیره ای درک شوند:
مفهوم سیستم و مدل
انواع روش های شبیه سازی
مدل سازی رویداد گسسته
تعریف موجودیت ها و منابع
رویدادها و تقویم رویدادها
سیستم های صف در شبیه سازی
متغیرهای تصادفی در شبیه سازی
تولید اعداد تصادفی
طراحی و اجرای آزمایش های شبیه سازی
اعتبارسنجی و صحت سنجی مدل
تحلیل داده های شبیه سازی
تفسیر خروجی و مقایسه سناریوها
این ترتیب کمک می کند دانشجو از حفظ کردن اصطلاحات فاصله بگیرد و بفهمد هر مفهوم دقیقا چه نقشی در ساخت و تحلیل یک مدل دارد.
پرسش های رایج دانشجویان درباره این درس
آیا شبیه سازی سیستم های گسسته پیشامد فقط مربوط به مهندسی صنایع است؟
خیر. این روش در بسیاری از مسائل تولید، خدمات، حمل و نقل، سلامت، لجستیک و سیستم های کامپیوتری نیز قابل استفاده است، اما در برنامه های آموزشی مهندسی صنایع جایگاه پررنگی دارد.
آیا برای یادگیری درس باید برنامه نویسی بلد باشیم؟
دانستن برنامه نویسی می تواند مفید باشد، اما میزان نیاز به آن به روش تدریس، نرم افزار مورد استفاده و نوع پروژه بستگی دارد. مهم تر از حفظ کردن دستورات، فهم منطق مدل است.
حل المسائل شبیه سازی سیستم های گسسته پیشامد چه کمکی می کند؟
حل تمرین باعث می شود دانشجو مراحل تبدیل یک مسئله واقعی به مدل، تعریف رویدادها و محاسبه شاخص های عملکرد را به صورت عملی ببیند.
شبیه سازی بنکس و کارسون برای چه موضوعاتی کاربرد دارد؟
این منبع طیف گسترده ای از مفاهیم پایه و پیشرفته شبیه سازی را پوشش می دهد و می تواند برای مطالعه مبانی مدل سازی، داده های تصادفی، اجرای آزمایش و تحلیل نتایج مورد استفاده قرار گیرد.
آیا یک بار اجرای مدل برای نتیجه گیری کافی است؟
در مدل های دارای ورودی تصادفی، معمولا یک اجرای منفرد نمی تواند تصویر کاملی از رفتار سیستم ارائه کند. تعداد اجراها و نحوه تحلیل خروجی باید متناسب با مسئله تعیین شود.
مهم ترین قسمت درس برای امتحان چیست؟
این موضوع به استاد و سرفصل دانشگاه بستگی دارد، اما فهم مفاهیم مدل سازی، رویدادها، متغیرهای تصادفی، اعداد تصادفی، صف، اجرای مدل و تحلیل خروجی معمولا پایه بخش مهمی از مباحث درس را تشکیل می دهد.
شبیه سازی سیستم ها زمانی واقعا قابل فهم می شود که دانشجو ارتباط میان مدل، داده، رویداد و نتیجه را ببیند. اگر تجربه ای از حل تمرین، پروژه یا مطالعه این درس دارید، بیان کردن آن می تواند به دانشجویان دیگر کمک کند تا مسیر یادگیری خود را دقیق تر انتخاب کنند.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.