چاپ        ارسال به دوست

شبیه سازی سیستم دینامیکی: ابزاری قدرتمند برای مدلسازی عوامل موثر در یک مطالعه آینده پژوهی


یک جایگزین برای الگوهای مرسوم

در میان تمام مطالعات صورت گرفته پیرامون آینده پژوهی در سال های اخیر، شبیه سازی سیستم دینامیکی به رغم مزیت هایی که نسبت به روش های شناخته شده دارد، کمتر مورد توجه قرار گرفته است. شبیه سازی سیستم دینامیکی ریشه در تئوری کنترل دارد و توسط جی فارستر در سال 1960 در مواجهه با چالش های کسب و کار در دانشگاه MIT به کار گرفته شد.  افزایش آگاهی در مورد شبیه سازی سیستم دینامیکی می تواند ظرفیت های بالای این روش را در بررسی های پیش بینی نمایان کند.

قبل از بررسی و تعریف شبیه سازی سیستم دینامیکی، لازم است تا اهمیت مطالعات آینده پژوهی مشخص شود. بسیاری از سازمان ها در سال های اخیر سیستم های هوشمند کسب و کار را پیاده سازی کرده اند تا با استفاده از داده های موجود خود به اطلاعات ارزشمندی برسند. کسب ارزش از داده ها نیازمند بینش مبتنی بر استفاده از آینده پژوهی در سازمان ها است. این بررسی ها به صورت مشترک به وسیله انسان و نرم افزار ها انجام می شود، گزارش ها و داشبورد های به دست آمده بر روی روند تصمیم گیری اثر خواهند گذاشت و حتی  در نهایت به اخذ تصمیم های بهینه منجر خواهد شد و برای سازمان، مزیت رقابتی را به ارمغان خواهد آورد.    


مقایسه روش های پیش بینی کننده

دو رویکرد عمده برای تجزیه و تحلیل های پیش بینی کننده وجود دارد: الگو شناسی(Pattern Recognition) و شبیه سازی سیستم دینامیکی(SD Simulation)

الگوشناسی ذاتا داده محور است به این نحو که الگوهای موجود حاکم بر داده ها تشخیص داده می شوند و بر اساس الگوهای شناسایی شده، روندهای آینده، پیش بینی می شوند. هر چه داده ها بیشتر باشند، دقت این روش بیشتر خواهد بود بنابراین در این زمینه، بررسی داده های کلان مطلوب تر خواهد بود. در مقابل شبیه سازی سیستم دینامیکی مدل محور است بدین صورت که علت ها و معلول ها به وسیله دانش بشری مشخص می شوند و برای ساخت مدل به کار می روند. سپس با استفاده از داده های موجود، مدل امکان دسترسی به روند آینده در سیستم را به ما می دهد. بنابراین تفاوت اساسی بین دو رویکرد این است که الگو شناسی مبتنی بر همبستگی است ولی شبیه سازی سیستم دینامیکی بر علت یابی مبتنی بر دانش بشر تکیه دارد.


مزایای شبیه سازی سیستم دینامیکی

الگوشناسی و شبیه سازی سیستم دینامیکی می توانند در آینده پژوهی تعیین کننده باشند و هر دو نیز دارای مزایا و معایبی هستند. برخی مزایای شبیه سازی سیستم دینامیکی در ادامه تشریح خواهد شد.

1- یکپارچه سازی سیگنال های ناموجود در داده ها

مدل های شبیه سازی سیستم دینامیکی، عواملی را که در خروجی ها اثر گذار هستند ولی داده های آنها موجود نیست را می توانند در مدلسازی در نظر بگیرند. برآیندی از آنها را وارد مدل کنند و تحت عدم قطعیت مشخصی، پیش بینی را انجام دهند.

2- هزینه های کمتر شبیه سازی سیستم دینامیکی در پردازش اطلاعات

شبیه سازی سیستم دینامیکی بر خلاف الگوشناسی که بر حجم زیادی از داده ها با کیفیت بالا تکیه دارد، بیشتر مدل محور بوده و مبتنی بر دانش بشر است. بنابراین مرحله جمع آوری و پردازش اطلاعات در شبیه سازی سیستم دینامیکی، وقت و هزینه کمتری را نسبت به الگو شناسی صرف می کند.

3- قابل اعتماد بودن پیش بینی های شبیه سازی سیستم دینامیکی

روش الگوشناسی همیشه علت را درست پیش بینی نمی کند، اغلب داده ها حاوی همبستگی هایی هستند که به نظر می رسد علت را توجیه کنند ولی چنین نیست. بنابراین گاهی اوقات پیش بینی های مبتنی بر این روش به شکست منجر می شوند. ولی شبیه سازی سیستم دینامیکی بر پایه دانش و درک رفتار علت معلولی است و بنابراین نتایج قابل اعتمادی را تولید می کند. همچنین شبیه سازی سیستم دینامیکی یک مرحله تست و تعدیل مدل را در بر دارد که هر دو دقت پیش بینی را بهبود می بخشند.


ارائه برنامه های مبتنی بر آینده نگری

مراحلی که باید برای توسعه یک برنامه آینده نگری مبتنی بر شبیه سازی سیستم دینامیکی طی شوند شامل 5 مرحله زیر است:

مرحله اول در یک پروژه پیش بینی کننده(predictive project)، تعریف مسئله است. مسائل مختلف ممکن است نیاز به رویکردهای متفاوت داشته باشند و برای برخی از مشکلات شما ممکن است بخواهید ترکیب رویکردهای مختلف را در نظر بگیرید. برخی از مشکلات ممکن است نتوانند به وسیله ساختار مدل شبیه سازی سیستم دینامیکی، تعریف شوند. در هنگام تعریف مسئله بهتر است که محدوده مدلسازی را با تمرکز بر بخش هایی که بیشترین بازده را دارند محدود کنیم. 

مرحله بعدی شامل تشکیل یک گروه از "کارشناسان خبره" برای شرکت در این پروژه است. این افراد باید تجربه بالا و انگیزه مشارکت در زمینه مورد تمرکز را داشته باشند تا بتوانند مشکلات پنهان را به مشاور شبیه سازی سیستم دینامیکی انعکاس دهند.

در مرحله سوم، مشاور شبیه سازی سیستم دینامیکی علم خویش را به کار می گیرد و نمودارهای علی و معلولی از دینامیک های اثرگذار بر مسئله ایجاد می کند. این نمودارها از یک زبان طراحی قابل درک انسان استفاده می کنند که شامل حلقه های بازخورد، جریان ها و تاخیر های زمانی است. "کارشناسان خبره" نمودارها را با همکاری مشاور، اصلاح کرده و بازخورد ها را ارائه می دهند.

در مرحله چهارم، مشاور با استفاده از نرم افزار شبیه سازی سیستم دینامیکی و اضافه کردن پارامترها و معادلات به روابط علی، مدل ریاضی را توسعه می دهد. هنگامی که مدل ریاضی شکل گرفت، داده ها به مدل وارد می شوند و پیش بینی ها در مرحله آخر صورت گیرد. البته قبل از مرحله پیش بینی، لازم است مدل آزمایش و تعدیل شود.

 

مرحله نهایی پروژه این است که مدل به یک جریان اطلاعات تولیدی متصل شود و خروجی در غالب سیستم های گزارش دهی و داشبورد های گرافیکی ارائه شود. 

در برنامه های مدلسازی با متغیرهای تصمیم گیری، رایانه می تواند شبیه سازی سیستم دینامیکی ها را برای تمام ترکیبات احتمالی اجرا کند و سپس نتایج را در مقایسه با اهداف عملکرد، بسنجد و تصمیم "مطلوب" را پیشنهاد دهد. تصمیمات پیشنهادی را می توان به تصمیم گیرندگان ارائه کرد و اطلاعاتی را که تصمیم گیری را بهینه می کنند، در اختیار آنان قرار داد.


در آخر می توان نتیجه گیری کرد که شبیه سازی سیستم دینامیکی یک رویکرد قدرتمند است که می تواند برای درک علل مشکلات کسب و کار، پیش بینی روند آینده و تصمیم گیری های مطلوب، مورد استفاده قرار گیرد. شبیه سازی سیستم دینامیکی یک رویکرد عملی و قابل اعتماد است که می تواند برای حل بسیاری از مشکلات به کار گرفته شود. 

 

منبع:goo.gl/GMptn7


١٤:٢٠ - دوشنبه ٢ بهمن ١٣٩٦    /    شماره : ٢٥١    /    تعداد نمایش : ٤٥٥


نظرات بینندگان
این خبر فاقد نظر می باشد
نظر شما
نام :
ایمیل : 
*نظرات :
متن تصویر:
 

خروج