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

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

اسلاید 1: بهینه سازی پارامتری سیستمهای صف متوالی با بافرهای میانی محدود، به روش شبیه سازی فازیاستاد راهنما:دکترشهانقیارائه دهنده:نقی کاظمی

اسلاید 2: فهرست :

اسلاید 3: یک (TQS) دنباله 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 ᶿ)) پیروی 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.(TQS) ها را میتوان به عنوان سیستم های فازی تصادفی مورد مطالعه قرار داد.مقدمه سیستمهای صف متوالی(TQS)introduction

اسلاید 4: مسئله از نوع ((TQSاست.S1,S2,...,Sm B1,B2,…,BKb1,b2,…, bk ایستگاه های کاریاتاقهای انتظارظرفیت بافرهاپارامترهای ایستگاه هاθ1,θ2,…,θmProblem description and model development

اسلاید 5: زمان پردازش ایستگاه i ام برای k امین نهادزمان پردازش کلتابع اندازه گیری عملکردشاخض عملکردهدف مینیمم ساختنProblem description and model development

اسلاید 6: فرضیات مسئله ی (TQS)هیچکدام ازایستگاه ها دریک زمان واحد به بیش از یک نهاد خدمت ندهد.شکستن برای ایستگاه ها مجاز نیست.سرمایه ی کل ثابت و مشخص است.یک رابطه ی خطی بین سرمایه گذاری و زمان پردازش وجود دارد.??(1)Problem description and model development

اسلاید 7: Problem description and model development

اسلاید 8: o41o42o43o44D=1s=21P=3D=3P=2S=14P=5p=4S=10D=2S=19P=3S=20D=0F=19S=17D=1P=5S=12d=0P=2S=10F=14F=24F=21F=19F=23P=2F=17F=12Problem description and model development

اسلاید 9: How much change should be made to the parameter of selected stations? Problem description and model development

اسلاید 10: تعیین تعداد اشخاص وارده به سیستم به عنوان ملاک توقف شبیه سازیتخمین 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 باشدmethodology

اسلاید 11: زمانهای بین دو ورود متوالی یا زمان پردازش ویا هردوی آنها تصادفیست.مقدار پارامترها مبهم ،غیر دقیق و غیر قطعی است.رفتار این سیستمها ازنوع سیستمها ی تصادفی فازیست.رویکرد شبیه سازی فازی مثلثاتی رویکرد واقع بینانهFuzzy simulation methodسیستمهای صف تصادفی

اسلاید 12: Fuzzy simulation method

اسلاید 13: Basic concepts in fuzzy sets and arithmetic theoryFuzzy simulation method

اسلاید 14: Fuzzy arithmetic(6)(7)(8)(9)Fuzzy simulation method

اسلاید 15: Fuzzy arithmeticzero does not belong toFuzzy simulation method

اسلاید 16: ?عدد فازی(m,a,n)α=1aبدست می آیدα=0mوn بدست می آیدFuzzy arithmeticFuzzy simulation method

اسلاید 17: density functionrandom samplestatistic used to estimate Fuzzy arithmeticpoint e stimateconfidence intervals asFuzzy simulation method

اسلاید 18: ......α=0/01α=0/03α=1α=0/10α=0/10a-maa+nFuzzy simulation method

اسلاید 19: uniform [0,1]=Fuzzy simulation method

اسلاید 20: uniform [0,1]buffersstationscapacitiesparameterscoefficientNumerical example

اسلاید 21: Numerical example1000 نفر درچرخه ی کاری سیستم حضور دارند؛ با شبیه سازی این تعداد مشخص شده که بعد از ورود 320 نفر،سیستم برای اولین بار موقتا خالی میشود.با شبیه سازی دوباره ی این320نفر مسیر بحرانی شنا سایی میشود. تعیین ایستگاهی که باید بهبود یابد:بهبود ایستگاه اولmaximumمیزان سرمایه گزاری0.4345میزان کاهش زمان پردازش7.179conventional simulation method

اسلاید 22: Numerical exampleFig. 3. Visual slam network of the tandem queuing system with 4 workstations.helpcueue 1,0,5create

اسلاید 23: Numerical exampleتبدیل داده های جدول (1) به اعداد فازی :شبیه سازی 100 نفر برای هر ایستگاهزمانها ی خدمتتخمین پارامترهاتعریف فواصل اطمینانگذاشتن فواصل روی هم((m,a.nFuzzy simulation

اسلاید 24: Numerical example

اسلاید 25: Numerical exampleبا بکار گیری الگوی مورد استفاده در روش شبیه سازی معمولی نتایج بصورت اعداد فازی حاصل میشود:maximumبهبود ایستگاه اولمیزان سرمایه گزاریمیزان کاهش زمان پردازش

اسلاید 26: Numerical exampleFig. 3. Visual slam network of the tandem queuing system with 4 workstations.نتایج دو روش

اسلاید 27: نتیجه ی نهایی:این مقاله، بهینه سازی مسائل (TQS)،را 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 کل زمان پردازش نسبت به کل سرمایه“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.

اسلاید 28: در دیاری که تکاپو سر یک تکه ی نان ،... و تکاپو سر بودن زیباست! شده ایم تا شاید، زندگانی بدرود.ازدقت،توجه،صبر،حوصله وسؤالات شما متشکرم