بهینه سازی پارامتری سیستم های صف متوالی با بافرهای میانی محدود، به روش شبیه سازی فازی

بهینه سازی پارامتری سیستمهای صف متوالی با بافرهای میانی محدود، به روش شبیه سازی فازی استاد راهنما:دکترشهانقی  ارائه دهنده:نقی کاظمی  : فهرست introduction Problem description and model development Methodology Fazzy simulation method Numerical example conclution introduction سیستمهای صف متوالی()TQS مقدمه یک ( )TQSدنباله ای از ایستگاه های کاری یا سرورهاست که ممکن است بین این ایستگاه ها ،بعضی بافرها یا اتاقهای انتظارباشد. •زمان پردزش ایستگاه ها برای افراد مختلف ،متفاوت است. •زمان پردازش ایستگاه ها از یک تابع تصادفی با پارامتر ))ᶿپیروی می کند. •هدف بهینه سازی ،کاهش زمان پردازش سیستم است. •عوامل ترغیب کننده،محدودیت سرمایه و میل به بهترین تخصیص سرمایه به ایستگاه ها است. • تابع تصادفی و پارامتر های مربوطه اش از طریق یک نمونه ی تصادفی و با کمک روش های آماری برای ایستگاه ها تخمین زده می شود. • اولویت سرمایه گذاری را به ایستگاه هایی می دهیم که آشفتگی آنها تاثیر بیشتری بر کارآیی سیستم دارد. • تعیین ایستگاه ها از طریق آنالیز حساسیت مبتنی بر مفهوم مسیر بحرانی صورت می گیرد. •( )TQSها را میتوان به عنوان سیستم های فازی تصادفی مورد مطالعه قرار داد. Problem description and model development •مسئله از نوع ((TQSاست. ایستگاه های کاری ‏S1,S2,...,Sm اتاقهای انتظار ‏B1,B2,…,BK ظرفیت بافرها پارامترهای ایستگاه ها ‏b1,b2,…, bk ‏θ1,θ2, …,θ Problem description and model development زمان پردازش ایستگاه iام برای kامین نهاد زمان پردازش کل تابع اندازه گیری عملکرد شاخض عملکرد هدف مینیمم ساختن Problem description and model development فرضیات مسئله ی ()TQS .1هیچکدام ازایستگاه ها دریک زمان واحد به بیش از یک نهاد خدمت ندهد. .2شکستن برای ایستگاه ها مجاز نیست. .3سرمایه ی کل ثابت و مشخص است. .4یک رابطه ی خطی بین سرمایه گذاری و زمان پردازش وجود دارد. ? ()1 ? Problem description and model development Problem description and model development D=2 D=3 D=1 S=10 S=14 S=19 s=21 p=4 P=5 P=2 P=3 F=14 F=19 F=21 F=24 o4 o4 o4 1 2 3 S=10 P=2 F=12 o4 4 d=0 D=1 S=12 S=17 P=5 P=2 F=17 F=19 D=0 S=2 0 P=3 F=2 3 Problem description and model development H SE OW LE MU C T CH ED C S T HA AT NG IO E S NS HO ? UL D BE MA DE TO TH E PA RA ME TE R OF methodology تعیین تعداد اشخاص وارده به سیستم به عنوان مالک توقف شبیه سازی تخمین با استفاده از نمونه ی تصادفی. محاسبه ی مسیر بحرانی. تعیین ایستگاهی که پارامتر آن باید بهینه شود. محاسبه ی ماکسیمم مقدار آشفتگی با استفاده از آنالیز حساسیت. تعیین سرمایه گزاری برای ایستگاه انتخاب شده اگر جمع سرمایه گزاریها کمتر ازسرمایه ی کل باشد . Fuzzy simulation method رفتار این سیستمها ز م ازنوع سیستمها ی آنه انه ا تصادفی فازیست. م ات یب ی ص قدار ادفی ن د و و پارا س ر و د متر ت. م ت ها وا ل م به یی ا م ، غ زم ی ا رد نپ ق ر ی ق داز و ش غی ر وی ا ق ه ط ر ع د ی وی ا س ت. رویکرد شبیه سازی فازی مثلثاتی رویکرد واقع بینانه Fuzzy simulation method Fuzzy simulation method Basic concepts in fuzzy sets and arithmetic theory Fuzzy simulation method Fuzzy arithmetic 6( ) 7( ) 8( (9) ) 1. Extension principle 2. α-cuts and interval arithmetic Fuzzy simulation method Fuzzy arithmetic zero does not belong to Fuzzy simulation method ? Fuzzy arithmetic α=1 α=0 عدد فازی )m,a,n( یدqیآqتمqدسqqqبa یدqیآqتمqدسqqq بnوm Fuzzy simulation method Fuzzy arithmetic density function random sample statistic used to estimate point e stimate confidence intervals as Fuzzy simulation method α=1 . . . . . . α=0/10 α=0/10 α=0/03 α=0/01 a-m a a+n Fuzzy simulation method uniform [0,1] = Numerical example stations buffers capacities pa coefficient uni f r a m o rm ete [ rs 0,1] Numerical example 1000 .1نفر درچرخه ی کاری سیستم حضور دارند؛ با شبیه سازی این تعداد مشخص شده که بعد از ورود 320نفر،سیستم برای اولین بار موقتا خالی میشود. .2با شبیه سازی دوباره ی این320نفر مسیر بحرانی شنا سایی میشود. .3تعیین ایستگاهی که باید بهبود یابد: بهبود ایستگاه اول ‏maximum Numerical example create cueue 1,0,5 .Fig. 3. Visual slam network of the tandem queuing system with 4 workstations help Numerical example تبدیل داده های جدول ( )1به اعداد فازی : تعریف فواصل اطمینان گذاشتن فواصل روی هم تخمین پارامترها شبیه سازی 100نفر برای هر ایستگاه زمانها ی خدمت ((m,a.n Numerical example Numerical example با بکار گیری الگوی مورد استفاده در روش شبیه سازی معمولی نتایج بصورت اعداد فازی حاصل میشود: بهبود ایستگاه اول ‏maximum میزان سرمایه گزاری میزان کاهش زمان پردازش Numerical example .Fig. 3. Visual slam network of the tandem queuing system with 4 workstations نتیجه ی نهایی: این مقاله ،بهینه سازی مسائل (،)TQSرا مد نظر قرار داده است .برای این منظور ، دو رویکرد شبیه سا زی معمولی و فازی را ،با کمک یک الگوی پیشنهادی ،اتخاذ ،و ”تغییرات ک ل زمان پردازش نس بت ب ه ک ل س رمایه“را بعنوان شاخص اندازه گیری،جهت ارزیابی کارایی دو رویکرد ارائه کرده است .درنهایت این نتیجه حاصل شد،که خروجی روش فازی نمیتواند بدتر از روش معمولی باشد .چرا که داده های روش معمولی،از نوع ترد بوده و ضمنا این داده ها ترکیبات خاصی از داده های فازی اند.گذشته از این امتیاز ،با توجه به ابهام و عدم قطعیت داده ها ،رویکرد شبیه سازی فازی ،مدل واقعی تر است و نتایج قابل اعتماد تری را به ما میدهد. هک ت کاپ و رس ی ی ک تک ه ی رد دیار . انن ..، زیباست! ت پ و رس ب ودن و کا ی وسؤاالتات ازدقت،توجه،صبر،حوصله شده ا م