بررسي و تحليل سيستم صف شبيه سازي شده (مطالعه موردي: كارخانه نانو بتن قم)

Simulation queue system analysis (Case study: Nano Concrete Factory of Qom)

شكلگيري مكرر خطوط و صفهاي انتظار در طول يك دوره از پروژه ساخت و ساز، امري اجتنابناپذير بهشمار ميرود. تاثير معطل شدن منابع در صفها بر‍ روي زمان و هزينه نهايي اتمام پروژه، محققان را به بهرهگيري ازفرايند شبيهسازي در تحليل سيستمهاي صف ترغيب كرده است كه در شناسايي كاربرديترين شيوهها جهت كاهش اتلاف زمان در صف كاربرد خواهد داشت. ارائه اطلاعات ورودي صحيح، به موقع و با دقت زماني و مكاني بالا جهت شبيه‌سازي سيستم‌هاي صف، موجب مي¬‌شود تصميم‌هاي اتخاذ شده برمبناي خروجي‌هاي شبيه‌سازي شده قابل اطمينان‌تر به‌نظر برسند. از اين رو تحقيق حاضر قصد دارد به‌توصيف يك روش مناسب براي استخراج و گردآوري اطلاعات متناظر با تعاملات ميان پديده‌‌هاي صف بپردازد تا از اين طريق بتواند بهترين توزيع‌هاي احتمال را براي اطلاعات ورودي مدل شبيه‌سازي شده استخراج كند. بهترين روش براي جمع‌آوري داده‌ها كه داراي دقت بالايي باشد سامانه شناسايي بي سيم(RFID) مي‌باشد. بعد از بدست آوردن زمان بين دو ورود، زمان انتظار و زمان خدمت‌دهي، براي ضابطه صف هاي اولين ورود اولين خروج(FIFO) و حق تقدم(PRI)، نوبت به انتخاب بهترين توزيع‌ها براي هر كدام مي‌رسد. پس از بدست آوردن بهترين توزيع‌ها از تابع توزيع تجمعي استفاده شده است تا ميزان تطابق را بين داده‌ها و توزيع منتخب مشاهده نماييم. سپس نوبت به شبيه‌سازي مدل مي‌رسد.

During the course of a construction project, there are many situations in which formation of waiting lines or queues is inevitable. The effect of resource delays in queues on the overall project completion time and cost has motivated researchers to employ simulation for analysis of queuing systems in order to identify the best operational strategies to reduce the timewasted in queues. Providing proper and timely input data with high spatial and temporal accuracy for queuing systems simulation enhances the reliability of decisionsmade based upon the simulation output. Hence, the presented paper describes a methodology for collecting and mining of spatiotemporal data corresponding to the interactions of queue entities to extract computer interpretable knowledge for simulation input modeling. The developed framework was validated using empirical datasets collected from a series of experiments. The extracted relevant knowledge from the queuing system entities was used to update corresponding simulation models.