پویایی سیستم و سیستم پشتیبان تصمیم

صفحه 1:
۱ 0 all I ie 

صفحه 2:
DSS ‏تعاریف‎ #سیستمهای پشتیبانن تصمیم گیری, سبیستمهای کامپپوتری بسپار معط ف و ‎cub Ul, a5 ace (Interactive) bls‏ از کلیه مراحل فرایند تصمیم گیری در شرایطی که مساله نیمه ساخت یافته است مورد استفاده قرار می گيرند. یک سیستم پشتیبان تصمیم گیری در واقع به مانند مشاوری در کنار یک تصمیم كيرنده قرار مى كيرد و به او امکان می دهد تا بتولن با حجم عظیمی از اطلاعات کار کرده و آنها را به صورتهای دلخواه و در قالب مدلهای مناسب برای بهبود تصمیم گیری خود بكار كيرد. 

صفحه 3:
زاین ‎en‏ بهره ‎S99 le‏ ‎a‏ جویی د 0 ‎oe‏ ر زمان مشتو ی و کارمند 

صفحه 4:
* علاوه بر داده ها و اطلاعات داخل (1۷]]5 و 1۳5) از خارج سازمان نیز اطلاعاتی را مورد استفاده قرار دهد. * از نرم افزار هلیی برای تحلیل داده ها استفاده می کند.هم چنین بر اساس داده ها مدلسازی می کند.برای مدلسازی از روش های زیر استفاده می کند: الگوریتم ژنتیک‌هوش مصنوعی . سیستم دینامیکی و * از ابزارهای رابط کمکی استفاده می کند تا بتواند با کاربر به راحتی ارتباط برقرار کند. 

صفحه 5:
اسح دار 51( , ١255+ ‎su ey‏ می‌تولند با شبیه سازی‌ولقعیت‌ها و بررسیرفتر آنها و آنالیز حساسینتکه همان‌س نیو های1-16 ۰3۷128 هستند به عنولنی کم تتولوژی پیش ‏بینیبه سایمانها و مدیرلندر تصمیم گیریک مکک ند ‏در حالت کلی می توان گفت برای 810 و 2858 در تعامل با هم هستند. 

صفحه 6:
۳3 ی ‎Capacity augmentation of a supply chain‏ ‎for a short lifecycle product: A system‏ ‎dynamics framework‏ (2007) Management policies and the diffusion of data warehouse: a case study using system dynamics-based decision support system(2001) ‘A system dynamic based DSS for sustainable coral reef management in Kenting coastal zone, Taiwan(2008) Use of system dynamics as a decision- making tool in building designand operation(2010) Unifying business objects and system * dynamics as a paradigm for developing decision support systems(2004) 

صفحه 7:
Available online at www.sciencedirect.com EUROPEAN ys oe it 1 JOURNAL °°” ScienceDirect oe aw. RESEARCH European Journal of Operational Research 179 (007) 334-381 ee errs Production, Manufacturing and Logistics Capacity augmentation of a supply chain for a short lifecycle product: A system dynamics framework Narasimha B. Kamath, Rahul Roy * Management Information Systems Group, Indian Insitute of Management Calcutta, D.H. Road, Kolkata 700 104, India Received 20 May 2005; accepted 27 Marol 2006 ‘Available online 5 June 2006 

صفحه 8:
در این مقلله در مورد افزلیش ظرفیت در مورد یک محصول ابتکاری با دوره عمر کوتاه و تقاضای نامشخص بحث می شوداز آنجاییکه به دلیل ابتکاری بودن محصول داده های تاریخی نیز در دسترس نداریم به منظور اینکه با کمبود یا مازاد محصول که خود هزینه ایجاد می کند. روبه رو نشویم ۰ تصمیم گیری درمورد ظرفیت باید محتاطلنه انجام شوداز مدلسازی 10 برای یک زنجیره تامين دو رده ای استفاده می کند تا براساس بازخورها رفتار را تعيين كند و با تحليل هاى “11-:]187112” باعث بهبود عملکرد زنجیره شود. سفارش خرده فروش بر اساس پیش بینی تقاضا انجام می شودو برای آنکه 3 تقاضا فشاری به خرده فروش وارد نکند بهتر است ظرفیتی آماده داشته 

صفحه 9:
نمودار علی عوامل موثر بر فزایش ظرفیت: +_ Capacity Expansion Investment Policy ۳ t ‏سر‎ Production E ‘Capacit Delivery Délay ۱ 5 ‏اعلا مضت‎ Production ‘Order igs 2 eee Order * Factory ‎Shipment‏ مات تس ستیگ با 5 سم ‎Retailer - Retailer Orders Inventory ‎Ss 3 ‎Retail +‏ ل ‎Demand ty Sales 

صفحه 10:
مدل اراگه شده در قسمت قبل در ۱۰۴ هتنته‌با الگوی تقاضابه شکل زنگمله شبیه سازی می شودنتايج در شكل .زير نشان ذاده شده اسث.همانطور كه ديده مى شود رشه ظرفيت توليد مانند رشد تقاضاى واقعى نيست.رشد ظرفيت تولید در هفته ۵۸ دو هنته بعد از بيك تقاضا متوقف مى شود.ظرفيت تهليى ‎10٠‏ استث يعنى +/ بيشتر از تقاضاء 3000 Retail ‎Inventory‏ وا ‎2000 ‎1500 ‎Units ‎1000 ‎ ‎ 

صفحه 11:
مدل شبیه سازی در حالتهای زیر اجرا شده و نتایج مطابق جدول زیر است. Performance of the supply chain under diferent capacity structure stratapes Strategy Inventory Availability Extra. =—=Capacity Final production Total turns ratio (2%) capacity gap capacity cost Unlimited capacity 1666 9143 00 00 a0 598051 Limited capacity and 70.0 16.56 00 047 100.0 1284837 ‘no capacity augmentation Limited capacity with 139 9491 171 2354 17 662993 capacity augmentation دیده می شود حتی با وجود ظرفیت نامحدود .دسترس پذیری به دلیل تاخیر در حمل و نقل.صددرصد نیست.و هزینه کل هم کمتر از دو مورد دیگر است.یعنی ظرفیت اضافی ضرری ایجاد نکرده اما اگر ظرفیت اضافی نداشته باشیم هزینه خیلی بیشتر است.و دسترس پذیری بسیار پایین سبب می شود که اعتبار شرکت از بین برود. Sno, 

صفحه 12:
بهبود ساختار سیستم: همكارى بين تولید کننده و خرده فروش سبب بهبود سیستم میشود.تولید کننده ظرفیت را زباد می کند در عين حال باید خرده فروش با او همکاری کند. در زنجیره تامین هر عضو بر مبنای اطلاعات سایر اعضای زنجیره و قوانین ۰ انتخاب عقلانی را ‎lea‏ می دهد .و بر اناس انتتخابت بازخورها را مشاهده مي ‎GS‏ بر مبنای آنها حلقه غللب را انتخاب ی کندنتا بتوانیم با طراحی:ساختار ‏ زمانی که تقاضا به بسرمت بالا می رود .ظرفیت تولید ایجاد کنیم.در ادامه چندین حلقه بررسی می شود. کارخانه توزيع ظرفیت تولید «س- توسعه ظرفیت موجودی خرده فرون سس موجودی انبار سس سفارش تولید 

صفحه 13:
با مقایسه این دو نمودار که در نرم افزار "101۳16" می توان گفت در بازه های انی ۱۳-۳ و۴۱-۲۳ حلقه فوق برای ظرفیت تولید حلقه غالب بوده است. aN PSH HE 9 5 10 15 20 25 50 35 40 45 50 Time 18 15 20 25 Time 30 35 4 45 Fig. 6, API for ‘Production Capacity’ with OBPO loop deactivated. 5 3 ° 0 Fig. 5. API for ‘Production Capacity’ ~ all loops active. 

صفحه 14:
حلقه ۳0: سفارش تولید<---موجودی انبار <--- سفارش خرده فروش< -فروش خرده فروش | توسعه ظرفیت > ظرفیت تولید ‏ > کارخانه توزیع + موجودی خرده فروش DD ail م ا ل حبس سج ۳ بتقاوشن خرفه,فروشن .جح فروش خره فروثي تععيض تاغي راربا موجودى أنبارج--- سفارش خرده فروش یاست سرمایهگذاری توسعه ظرفیت > ظرفيت توليد > كارخانه توزيع > موجودی خرده فروش 

صفحه 15:
Dominance patterns of PO and DD loops [Week 1 11 io] ۳ 5 po ۳ ۳ 5 95 PS bo همانطور که مشاهده می شود حلقه 33.696 30 و حلقه 5.7796 1 مواقع غالب است.پس تا اینجا برای بهبود دادن رشد ظرفیت تولید حلقه 300 بهتر است. ‎‘RO ai‏ ‎Ay ad‏ > توسعه ظرفیت جسس--- سفارش خرده فروش ‏کارخانه توز و ارخانه توزیع .سس موجودی خرده فروش ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 16:
حلقه ‎®RS‏ ظرفیت ‎SB Ag > alg‏ فروش خرده فروش ea موجودی خرده فروش Dominance patterns of RO and RS loops [Week 1 0) 20 211 35 RO RS [Week 6 Lo] 30 a] در هر کدام از اين حلقه ها موجودی انبار کنار گذاشته شده است. ‘Comparison of the supply chain performance under different information processing policies Sno. Strategy Tnventory Availablity ‏سح‎ Capacity Final production Total turns ratio ۵ capacity gap capacity cost 1 Production Order 133.9 94.91 571 2358 1231,7 662993 2 Retail Orders 1633 96.97 00 384 10343 593048 3 Ratail Sales 135.3 96.01 00 226 1010.3 544373 

صفحه 17:
انتخاب هر کدام از اینها بستگی به هدفی دارد که زنجیره تامین دنبال می بخواهد تصمیم به توسعه ظرفیت بگیرد حلقه 1860 را انتخاب می کند.و زمانی که بخواهد هزینه را مینیمم کند حلقه 188 را انتخاب می کند.شکل زیر ظرفیت در دسترس سیستم را در زمانهای مختلف و سیاست های مختلف نشان می دهد. 1400. 1200. 1000 800 Production Capacity 8 8 

صفحه 18:
<تحلیل های "1-1 ۳۷7۵: اولین سناریو در مورد تاثیر ظرفیت های اولیه متفاوت است .دومین تحلیل در مورد تغيير در پارامترهای مهم مدل است. ۱)تغییر در ظرفیت اولیه اين نمودار نشان مى ذهد که اگر ظرفیت اوليه متفاوت باشد.مى توان از همان تكنيك هاى ييش بينى براى افزايش ظرفيت استفاده كرد. Production capacity 

صفحه 19:
۲)تغییر در پارامترهای مدل پنج پارامتر مهم که روی رفتار سیستم افرمی گذارند در زیرربزرسی شده است» Supply chain performance under variations in model Time 16 adjust production 2 3 4 5 6 Availability (0) 98009767 9697 9624 9555 Inventory turns 185.22. 153.83 163.27 13223 44.10, ratio Capacity gap «3808 38.09 3837 38.62 38.83 Coverage 16 0 «3.00 Availability (2%) “912895229697 9821 99.02 Inventory turns 82.71 18758 16327 143.90 127.71 ratio Capacity gap 744 35.61 3837 4129 44.38 Delivery Delay Bias 040050 030 020 ورم ‎Availability (%) "97.01 96.99 9697 9695 9693‏ Inventory tums 16422 163.78 163.27 162.67 161.98 3825 38.31 38413837 یود ‎Capacity gap‏ ‎Investment Delay Bias‏ 0 0م هده 020 2.0 9681 9691 9697 اه من ونیم Inventory turns 16545 16454 16337 161.06 157.56 ratio Capacity gap 3944 38.96 38.37 27.66 36.02 ‘Time Horizon (averaging period ef RO) ۳ 2 4 6 Availability ‏رم‎ 9691 9693 96.97 9704 4 Inventory turns 158.04 15987 16327 16433 16bS1 ratio Capacity 38.37 39:15 41.26 3 38, 

صفحه 20:
نتیجه گیری: با توجه به کسب و کار لین روزها . تصمیم گيرنده بلید اطلاعات وسیعی داشته باشد.اما تمام اطلاعات برای تصمیم گیری ارزش یکسانی ندارند.تشخیص اطلاعات مهم بر ‎cus! DSS cage‏ با کمک 510 رفتار سیستم را مدلسازی کردیم و با کمک سیستم پشتیبان تصمیم به تحلیل سناریوها پرداختیم.دیدیم که حلقه 160 (سفارش خرده فروش) و حلقه 145 (فروش خرده فروش) به عنوان حلقه غللب انتخاب شدند.پس برای افزایش ظرفیت با استفاده از اطلاعات این دو حلقه تصمیم می گیریم. 

صفحه 21:
available et www.sciencedirect.com "3" ScienceDirect journal homepage: www.elsevier.com/locate/ecolmodel A system dynamic based DSS for sustainable coral reef management in Kenting coastal zone, Taiwan Y.C. Chang*, FW. Hong, M.T. Lee Department of Marine Environment & Engineering, National Sun Yatsen University, 70 Lien-Hae Road, Kachsiung 804, Taiwan 

صفحه 22:
‎Kenting‏ » ل داه :ويه خاطز منيع درياييق راوانه خصوضكونة فاعمرجانى توع مشهور لسطیرم نطقه ساحلی‌زیبا هر سانه میلیونها ت-وریستوا جذبمیک ندرشد فعا.لیتهای لنسانیو لفزلیشع مرلن نمی ثرلتمنفیر! روو کوسیستم لیجاد میک ند پسس لام لستبرلیمد بري ی منطقه برنامه ریزی‌ش ودب ولیلینک ار از ‎SD Juss‏ بر مبای5 125 استناسم کردم لندسپین با تحليلستريوها مىتولنند مسائلييجيده را حلكنند و سياستفا ليوا ارلئه مىكند (51 اله را به ؟ زِير سيستماجتماعى!قتصادىم حيطى بيولوثيكىو مديريتةبديلمىكددكه لينها ‏بر هماثر مئكذارند و از هملثر م ىكيرند ‏وس يم امم ا ود مع سمب سيم 0ه م <$ ‎Socto- a. subsyetom eee ‎(“Tourist activities, land development ‎ ‎ ‎(Management subaysten [7] Akemative strateaies ‎(Environmental subsystem ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 23:
نمودار علی برای بررسی بازخور رفتار فعالیت توریست ها + x toe ad 6 ‏ی‎ Towist developpent: activity ‏له ی‎ ۳ > ۳ = + ‏رسد‎ 5 0 Delay 955 Dek Environmental Coral feef # pressure egveraze ‏رسد‎ ‘ex reef = pressure. 2 coverage 1 Ecosystem moves toward Ecosystem moves unsustainable state toward sustainability 

صفحه 24:
زیر سیستم اقتصادی-اجتماعی در اين زیر سیستم فاکتورهای موثر فعالیت توریست ها و عمران زمین است‌برای بررسی اينکه آیا توریست ها دوباره به ساحل مرجانی می أيند يا نه.شاخص تمایل برای پرداخت(] ۷۷) رابه صورت زیر محاسبه می کند.این شاخص بر اساس داده های تاریخی از مقدار سفرهای سالانه (01)) .کیفیت طبیعت(20)]) .کیفیت تسهیلات(۴)2) برآورد شده است. WTP = 1.46 - 0.84 x QT +0.68 x NQ+0.224 x FQ 

صفحه 25:
نمودار جریان زیر سیستم اقتصادی-اجتماعی ar ‏تعداد سقرهاى سالاته‎ جيعد توریست هایی که دور یآ کل زمین ها ‎TOURIST‏ 

صفحه 26:
ee ‏*ري‎ ذو شاخص اصلى فرسايش و تقاضاى الاسيؤن در زير سيستم مخيطى استفاده مي شود. ‎pet‏ خاک فابل فرسایش 1 8 © > 18« 2816 2 ميزان فرسابش خاك براى هر من | مريع عامل حمایت خاک شيب زمين ميزان بارندكى سالانه حضور توریست ها علاوه بر فرسایش خاک.سبب آلودگی آب می شود.فاضلاب داخلی يه وجود آمده توسط توریست ها و ساکتان ساحل عامل اصلی آلودگی است. 

صفحه 27:
"زیر سیستم بیولوژیکی المان های این زیر سیستم شامل مرجان .ماهی و جلبک ها هستند.در این اکوسیستم رقابت بین مرجان و جلبک است. نرخ مهاجرت مرجان به شکل زیر حساب می شود محبط اشفال شده توسط مرجان | ‏مرجان‎ a ‏ریب‎ ‎C.COLONY = CC x Cl x OPEN - EC x CORAL ۱ افضلى باز ریب مهاجرت مرجان نرخ جانشينى بين مرجان و جلبك: G.DISPLAGE = (6G — GA) x CORAL x ALGAE ۱ ظرفیت مهاچرت جلبک 

صفحه 28:
رخ مرگ مرجان ‎sad el‏ نمودار جریان زیر سیستم بیولوژیکی: هه COME, 

صفحه 29:
زیر سیستم مدیریت اين زير سيستم با تحليل سناريوها مى تواند استراتزى أى طراحى كند.جهار استراتزى مدیریت توسعه زمین,رفتار فاضلاب ۰ میزان مصرف ماهی وجمع آوری هزینه ورودی است. 

صفحه 30:
با استفاده از 1255 می توان عوامل موثر بر مدیریت ساحل را شناسایی کرد: Block § : Warning device Block 6 : Numeric display 2 Block 7 مه جووست: ‎Graphical and Table pad‏ سرود ممع ‎‘wash tale‏ Block 2 List input Block 3 Slider input ‎naerey‏ ا ‎Entarceos clacton ‘tx atenaeeopnent ‎ ‎Block 1 ; Rua or Stop Button ‎ ‎Block 4: Graphical input ‎103 ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 31:
: els) ‏بر اجاید مي‌دهد عملکرد سیستم را کا هه س لللینده‎ 4, DSS ک تلبت لثر فاضاهوا بریسی‌می‌کنيم ‘System performances under “zero action” scenario. i ‘System performances under "40% waste water treatment” scenario سا ۸ as 

صفحه 32:
اد سود مد كسام ه a ۲ A } Fa 7 i aN a — ‏لحتل سب‎ = 000 30.00 17 90.00 (2000 ‏اج‎ Mein System performances under “SO% waste water treatment” s 

صفحه 33:
ان 0 03 system performances under “0.1 consumption rat of coral reef fish” scenario, Sst performances under "005 consumption rate of coat ef sh" sear 

صفحه 34:
بررسی حق ورودی: ‎xan‏ ود ید و ‎ ‎ ‎ ‎ ‎‘System performances under “NT 50 entrance fee collection” scenario. ‎ ‎ ‎ ‎ 

صفحه 35:
طترکیب سناره ۱ ند و تصميم كيرئده J 15 DSSsk» SD spies فریوهای‌متحتلفرا ین هم تترکیی لیط را پسیشرو ببیدو دیده می‌شود با تحلیل‌های185 تلند بسولوتصمیم 3 مىتولزمنطقه ساحلورا به كونه لومديريتكرد كه زيإيئهاىمنطقه از بيزنروددر عينحلل توريستهائزيادىرا بذيرليوكد مضا الصا بح نميا Mees System performances under a “composite strategies” scenario. 

صفحه 36:
Decision Suppor Systems 31 (2001) 223-240 ww elsewar.com locale Jaa Management policies and the diffusion of data warehouse: a case study using system dynamics-based decision support system Mohammed Quaddus **, Arunee Intrapairot ” * Graduate School of Business, Curtin Unwersiy of Technology, GPO Box U 1987, Perth, WA 6843, Australia Wreajamangae Maite of Technology: Norther Campus, Huy: Kaew Road, Chana Mai $0300, Tard *در اين مقلله اثر سياست هاى مديريت روى انتشار انبار داده ها در بانک تجاری بزرگ در تايلند را مطالعه مى كندبه دليل بيجيدكى بين رولبط متغيرها و جنبه هاى يويايى از رفتار متغیرهالاز ‎SD‏ به عنوان ایزار مدلسازی استفاده کرده است.سپس با تحلیل های 5 سیاستهای غالب را انتخاب می کندبه دلیل رقلبت شدید لین تحلیل ها به عنوان يك جشم انداز براى هيئت رئيسه عمل مى كند.كه سياست هاى مختلف را امتحان کنند و بتوانند با هزینه کمتر و سرعت بیشتر عملکرد بانک را بهبود دهند. 

صفحه 37:
The SCB = eset gees [emir ‏تست مرت‎ aaa : = \ i ey ent ‏مر‎ ‎5 ‏د‎ ‎| ‏سر‎ ‏سر تسر‎ Shea 5 ee ES ی و ل 

صفحه 38:
aon ۳ ‏بح‎ 5000 ۹ te ~-3.Co-p bet IT & 400 m=] 3 — ‏و‎ 0 9 ‏هویب‎ i ron 4 rays é 2 100 Pt apt — rs | 0 Ante 27 ۱ ۳77 ۳1 7 

صفحه 39:
Bung sa ‏ک منم‎ (200) 066-1015 ‘Contents lists avaiable t SeienceDirect Building and Environment EVIER journal homepage: www.elssvier.com/locate/buildeny Use of system dynamics as a decision-making tool in building design and operation Benjamin P. Thompson”, Lawrence C. Bank (Coan Eon! EngacerngDeperoment Lenya Wena, 115 Egucring Dee, Moo, 55706, SA در این مقلله از مدلسازی 910 به عنوان سیستم پشتیبان تصمیم. برای طراحی ساختمانی که مورد حمله بلایای طبیعی قرار دارد. استفاده می کند.از مدلسازی ‎SD‏ برای نشان دادن بازخورها و تعاملات بین متفیرها که در طراحی ساختمان تاثیر دارند » استفاده می کند و سپس بر اساس تغییر متغیر ها و بررسی لثر آنها بهترین تصمیم را انتخاب می کند. 

صفحه 40:
Complete SD model ‘Simulate disruption to Examine baseline for overall building overall system (terrorist performance of the (chosen systems) attack, natural disaster, building in response to power blackout, ete). disruption Determine sub- Economic/, systems/components that Alter pre-selected Security! have the greatest impacts building variables to Social ‘on mitigating effects of the determine their effects Trade-offs disruption. Fig. 3. Medel use methodology 

صفحه 41:
An Intelligent Decision Support System for Management of Floods SAIIAD AHMAD" and SLOBODAN P. SIMONOVIC? ‘Department of Civil, Architectural, and Environmental Engineering, University of Miami, Coral Gables, FL 33146-0630, US.A.; Department of Civil and Environmental Engineering, University of Western Ontario, London, ON, N6A 5B9, Canada (“author for correspondence, e-mail: sajjad@miami.edu) (Received: 10 February 2005; in final form: 21 June 2005) 

صفحه 42:
جمع شدن دانش انسانی با ابزار های مدلسازی سبب توسعه 5 112 شده است. که به تصمیم گيرنده به مدیریت سیل کمک مي اكلا # مدل هیدرودینامیکی . مدل پیش بینی ومدل اقتصادی که بخش هایی از ‎DSS‏ ‏هستند با یکدیگر ارتباط دارند تا بازخورها را ایجاد کنند. ©055 قار لستک مکک دبه: 1( انتخاب عملیات مناسب برای کاهش خسارت سیل(از یک سیستم خبره کمک می گیرد) ؟) بيش بينى سيل(از شبكه عصبى مصنوعى استفاده مى كند) ۳ مدلسازى عمليات كنترل سيل ؟) توصيف اثر سيل در هر زمان و مكان 

صفحه 43:
#دشت سیلابی امکان توسعه كشاورزى را فراهم مى كند اما طفيان همين رود خانه ایجاد خسارات زياذئ مى شود هر چند. کنترل کامل سیل شدفی ثیست اما با مديريت سيل فى توان ‎ee‏ #فرآيند مديريت سيل را مى توان به سه فاز تقسيم کرد: ١)برنامه‏ ريزى قبل از سيل ۲)مدیریت اضطراری سیل ۳بهبود بعد از سیل 

صفحه 44:
سح دار ‎DSS*‏ برلومديريتسيلاز جهار بخشتشكيلشده لست ‏۱)واسط گرافیکی کاربر ۲)پایگاه دانش ‏۳پایگاه مدل ‏۴)پایگاه داده 

صفحه 45:
4 د = ‎vat |‏ Figure 1. Architecture of decision support system for management of floods. 

صفحه 46:
ماژول انتخاب عملیات کاهش خسارت سیل از یک سیستم خبره برای یکپارچه کردن اطلاعات در دسترس در پایگاه دانش و ابزارهای تجلیلی برای کاهش خسارت سیل استفاده می کنند. دانش در زمینه مدیریت سیل را از طریق مذاکرات خبره ها به دست می آورند. از ابزار مدلسازی برای تحلیل خسارت سیل استفاده می کند. حال یک کاربر می تواند با واسط کاربر . شروع به مشورت کند. و در مورد عملیات مختلف مديريت :سيل شامل :سد ‎otis «flat je‏ | رودخلنه ‎oll eh‏ لاروبی( افزایش ظرفیت آب از یک کانال) تصمیم بگیرد. تمام. اطلاعات. مور نياز,براى انتخاب:نوع عمليات :از تعامل كاربر ها سيستم مشاوره يايكاه دلنش به دست مى آيسوجا تخليل هاى انجام شده بهترين عمليات را :براق كاهش خسارت انتخاب مى كنند. 

صفحه 47:
يكب ببدى كو لله فقط اطلاعت شروری بای عدیریت سيل را قراهم مى كند ‎٠‏ همع جنون. زندگی و اموال افراد را در مقابل بلایا حفظ می کند.برای پیش بینی, از هوش مصنوعی استفاده می یل را مشخص می کند.۵ پارامتر به عنوان ورودی شبکه عصبی برای پیش بید 0 ‎(A‏ جریان بالا و يايين رفتن کناره های نمودار آب ‎٩‏ _ زمان بالا و يايين رفتن كناره هاى نمودار آب ۰ عرض نمودار ‎ 

صفحه 48:
Peak :Peak value of hydrograph (m’/s) Tp :Time to peak (days) TI :Time when rising side of hydrograph starts (days) Tb :Total time between rising and recession sides of hydrograph (days) BFr : Base flow at T1 (mis) BFF : Base flow at time T1+Tb (m’sS) W50: Width of hydrograph at 50 % of peak (days) W175: Width of hydrograph at 75 % of peak (days) Flow m/s 0 30 60! 99 120 150 180 210 240 Days 

صفحه 49:
ماژول عملیات کنترل سیل حال که توانستیم زمان سیل را پیش بینی کنیم .باید بتوانیم برای کنترل آن اقدام کنیم. در اين ماژول عملیات کنترل سیل را شبیه سازی می کنیم.از این ماژول به عنوان یک بزار برای مطالعه اثر تغییر مکان آب انبار «توزیع موقتی سطح آب انبار استفاده می کنند. از نرم افزار ‎Stella‏ بر مبنای مدلسازی 512 استفاده می کنیم.داده های مورد نیاز برای این مدلسازی عبارتند از: )0 حجم آب انبار 0 مستاحت اب انبار ۳ جریان داغل رودخانة ۴ سطح آب رودخانة ۵ قوانين عملياتى آب انبار 

صفحه 50:
قوانین آب انبار یعنی همان "1-1161" هابرای مثال: IF (Res_level > 429.3) AND (Spillway_Control = 0) AND (TIME > 120) AND (Reservoir_Inflow > Unregulated_Spillway) THEN (198) با لینک تمام لین ماژولها و ارتباط آنها با پایگاه داده.پایگاه مدل.پایگاه دانش و واسط گرافیکی کاربر می توان بهترین تصمیم را گرفت. 

صفحه 51:
Available online at wwwisciencedirect.com somnon Gower ELSEVIER Decision Support Systems 37 (2004) 307—311 Short communication Unifying business objects and system dynamics as a paradigm for developing decision support systems Andreas Gregoriades**, Bill Karakostas” 1 Gitte far ‏ا‎ BEV OF, CX از آنجاییکه سازمانها مدام در حال تقییر هستند بپس برای اینکه بتوانند خود را با لین تغفییرات وفق دهند نیازمند سیستم های پشتیبان تصمیم هستند که بتوانند در لین شرلیط بهترین تصمیم را اتخاذ کنندبه دلیل پویلیی و غیرقلبل پیش بینی بودن این تغییرات از مدلسازی 81 برای پیش بینی استفاده می کنند. 

صفحه 52:
Business Object Attributes + Attributes + Methods Methods Business Rules | Business Rules [Simulation Mode (System Dynamics) jimulation Model (System Dynamics) 

صفحه 53:
‘Avallable online at wwwesclencedlrect.com _ Decision Support ne —_—— = ELSEVIER Decision Support Systems 41 2006) 472-487 A Decision Support System for evaluating operations investments in high-technology business Adolfo Crespo Marquez**, Carol Blanchar?! “Department of Industrial Management Schoo! of Engineering. University of Seite Camino de los Dercubrimientn sin 41092 Sela, Spain hati of Operational nexmant dtrngnves, Conexo, Inc, 1909 Magdalena Cucle 78, Santa Clara, C4. USE 0 0 online 19 September 200 در صنایع با ‎shal‏ بالا بیشتر شرکت های موفق + روی ویژگی محصولاتشان متمرکز شده اند و در تلاش هستند که با توسعه تکنولوژیهایشان,مزیت های رقابتی به دست آورند و بتوانند سهم خود در بازر را افزایش دهند.آنها لیستی از ویژگی ها را بر اساس ارزش مشتری تهیه کرده لند و با توجه به آن ‎٠‏ ‏بازارشان را بر اساس گروه بندی مشتریان .بخش بندی می کنند. چون تقاضای مشتری به دلیل وجود رفتار های رقبا تفییر می کنداز مدلسازی 510 برای شبیه سازی رفتار مشتری استفاده می کنیم,سپس لین نتليج به مدل 18955 انتقال داده می شود كه لثر آن رل روی سهم بازار : سود و در آمد بررسی کند 

صفحه 54:
‎cle‏ بررسی . مساله را به سه زیر مدل تقسیم می کنیم: ‎ 

صفحه 55:
Presence of COMPETITOR Proxy per Segment and wna a Product Purchasing Behavior ۳۴ el pew ICP I aint Det ‘Presence of COMPETITOR ‏وی سس‎ Price 1 ‏ادم سس تسین‎ 5 (Qa) Vale (Pa) Product ‏ددن‎ ‎ai ite acing Rowen Pe Ae Bane nce a Perception (Pub) wayne ‏ماله عمط‎ Perception per Perception per anes comet ag Tice ‏دوم کر‎ 7 ۳ swine Peep vr swum Oe ‏و‎ Pere me Attribute Perception Over Tine COMPETITOR 2. COMPETITOR 2 Price a er bat Pasion Over Time Fig. 3. Original team design of the purchasing behavior model for three competitors. 

صفحه 56:
Share, Price, Revenue & Profit ‘Segment Size (Ss! Share (MSH) ——~, Stare Trend nist) 550 ‏مس‎ Cuba Customers (Te) per Segment (Tes) Price Deese LP) fens ‏م‎ ‏نز‎ ni Reventie (R) List Price (Lp) Be. He COS factor NX a SGA Sas 7 ™ Cost or sales(C) >” Gross Profit (GP) Price f ‏یمام‎ (LP Tux Factor (TAX) ities Net Operating oes Treo Fig. 4. Original team design of the financial model. 

صفحه 57:
Investments Constraint Factor (ICP) Investments aa Growth (SGAg) Revenue Growth (Re) eee vere an Va 7 Growth (Tg) COS Growth (C3 <Revenue (R)> —__<Cost of Sales (C)> Taxes Z Fig, 5. Original team design ofthe investments model. 

صفحه 58:
رس ۱۳ عبج 2:00 55 An Integrated Decision Support Toolbox (DST) for the Management of Mountain Protected Areas Author(s): Birendra Bgjracharya, Sudip Pradhan, Basanta Shrestha, and Franco Salerno Source: Mountain Research and Development, 30(2):94-102. 2010. Published By: International Mountain Society DOI: 10.1639/MRD-IOURNAL-D-09-00048. URL: http://www. bioone.org/doi/full/10,1659/MRD-JOURNAL-D-09-00048. 1 این مقلله از یک سیستم ن تصمیم برای حفاظت مناطق کوهستانی استفاده می کداز پایگاه داده ‏ بایگاه مدل ویایگاه حانش برای تصمیم گیری کمگ: می گیردبرای بررسی اثر جمعیت روی این مناطق از مدلسازی 510 استفاده می کند. 

صفحه 59:


صفحه 60: