المحاكاة بالحدث المنفصل (DES)
- قدّمه
- Banks, Carson, Nelson & Nicol (textbook lineage); foundational work by Tocher & Conway (1960s)
- السنة
- 1960s (formalized); modern computational form from 1970s onward
- النوع
- Stochastic process simulation
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
المحاكاة بالحدث المنفصل (DES) هي نموذج حسابي تتغير فيه حالة النظام فقط عند سلسلة قابلة للعد من النقاط الزمنية - الأحداث. بين الأحداث لا يتغير شيء، لذا تقفز ساعة المحاكاة مباشرة من حدث إلى آخر. تم إضفاء الطابع الرسمي عليها من خلال الكتب المدرسية التأسيسية لبنكس وكارسون ونيلسون ونيكول، وكتب القانون في الستينيات إلى الألفينيات، وأصبحت المحاكاة بالحدث المنفصل الأداة القياسية لتحليل أنظمة الانتظار، وتدفق المرضى في الرعاية الصحية، وخطوط التصنيع، وشبكات الخدمات اللوجستية حيث تتحرك الكيانات عبر الموارد بمرور الوقت.
الفكرة الحدسية وراء الطريقة
تخيل قسم طوارئ في مستشفى: يصل المرضى، ينتظرون ممرضة، يتلقون العلاج، ويغادرون. الحياة الواقعية لا تتحدث كل ملي ثانية - إنها تتغير فقط عندما يحدث شيء ما: يصل مريض، تصبح ممرضة متاحة، أو يتم خروج مريض. تلتقط المحاكاة بالحدث المنفصل هذا المنطق بالضبط. تحتفظ المحاكاة بقائمة مرتبة بالأحداث المستقبلية وتعالجها واحدة تلو الأخرى، مع تقدم ساعة افتراضية إلى وقت كل حدث بدلاً من المرور بكل ملي ثانية. هذا يجعلها سريعة حتى للأنظمة المعقدة، وتسمح للمحللين بطرح أسئلة مثل 'ماذا لو أضفنا ممرضة أخرى؟' أو 'ماذا لو تضاعف عدد الوافدين أيام الاثنين؟' دون المساس بالنظام الحقيقي.
التاريخ
تم وضع أسس المحاكاة بالحدث المنفصل في أواخر الخمسينيات وأوائل الستينيات من قبل باحثين منهم K.D. Tocher و R.W. Conway، الذين طوروا أول لغات محاكاة للأغراض العامة (GSP، GPSS). أصبح نموذج جدولة الأحداث - الاحتفاظ بقائمة أحداث مستقبلية مرتبة حسب الوقت - قياسيًا بحلول السبعينيات. قامت الكتب المدرسية لبنكس وكارسون ونيلسون ونيكول (الطبعة الأولى 1984، الآن في طبعتها الخامسة، 2010) ومجلد القانون المصاحب (الطبعة الأولى 1982، الآن في طبعته الخامسة، 2015) بتوحيد المنهجية، وإجراءات تحليل المخرجات، وتقنيات نمذجة المدخلات التي تحدد الممارسة الحديثة. انتشرت المحاكاة بالحدث المنفصل بسرعة في بحوث العمليات، والهندسة الصناعية، وإدارة الرعاية الصحية، وهي اليوم مطبقة في كل من المكتبات مفتوحة المصدر (SimPy، simmer) والمنصات التجارية.
متى تُستخدم
تناسب المحاكاة بالحدث المنفصل كلما يمكن وصف النظام على أنه كيانات منفصلة تتحرك عبر الموارد التي تحكمها أوقات وصول وخدمة عشوائية. إنها الخيار المناسب لأنظمة الانتظار، وتدفق أقسام الطوارئ وأجنحة المستشفيات، وتحليل إنتاجية التصنيع وسلسلة التوريد، وتوظيف مراكز الاتصال، وتوجيه الخدمات اللوجستية - في أي مكان يحتاج فيه المحلل إلى تقييم السعة، أو الاختناقات، أو سيناريوهات 'ماذا لو' دون إجراء تجارب على النظام الحقيقي. لا يلزم افتراض الطبيعية. يجب أن يكون عدد النسخ المتماثلة كافيًا (عادةً ما لا يقل عن 30، أو ≥1000 لفترات ثقة ضيقة) - مع عدد قليل جدًا من النسخ المتماثلة تكون نتائج المحاكاة بالحدث المنفصل غير موثوقة وقد يكون نموذج الانتظار التحليلي مفضلاً. يجب تقدير مدخلات التوزيع (توزيعات أوقات الوصول والخدمة) من البيانات التاريخية؛ عندما لا توجد بيانات، يلزم استخلاص آراء الخبراء أو إجراء تجارب أولية.
الحدود والاعتبارات
- عدم اليقين في المدخلات: النتائج لا تكون موثوقة إلا بقدر موثوقية توزيعات الوصول والخدمة الملائمة.
- تحيز فترة الإحماء: تجاهل فترة الإحماء يؤدي إلى تضخيم أو تقليل تقديرات الحالة المستقرة.
- النسخ المتماثلة: عدد قليل جدًا من النسخ المتماثلة (أقل من حوالي 30) ينتج فترات ثقة واسعة تجعل مقارنات السيناريوهات غير موثوقة.
- التكلفة الحسابية: قد تتطلب النماذج المعقدة ذات الكيانات والموارد العديدة وقت تشغيل كبير لتحقيق فترات ثقة ضيقة.
- التحقق من صحة النموذج يتطلب بيانات تاريخية للتحقق؛ تؤدي العمليات المرسومة بشكل سيء إلى مخرجات مضللة.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- تتعامل مع العمليات المعقدة وغير الخطية - تنازع الموارد، والتوجيه المتغير، وقوائم الانتظار ذات الأولوية - التي لا تستطيع نماذج الانتظار التحليلية تمثيلها.
- تنتج فترات ثقة واقعية من خلال النسخ المتماثلة المستقلة، مما يجعل عدم اليقين صريحًا.
- تدعم تجارب 'ماذا لو' ومقارنات السيناريوهات دون تعطيل النظام الحقيقي.
- لا توجد افتراضات توزيعية على المخرجات؛ يمكن استيعاب أي توزيع مدخلات.
- قابلة للتطبيق عبر مجموعة واسعة من المجالات - الرعاية الصحية، والتصنيع، والخدمات اللوجستية، وعمليات الخدمات - دون تغيير النموذج الأساسي.
التطبيقات
- تدفق المرضى في قسم الطوارئ: تقييم مستويات التوظيف، وسياسات الفرز، وسعة الأسرة لتقليل أوقات الانتظار.
- إنتاجية التصنيع: تحديد محطات العمل الاختناقية، وتحديد حجم المخازن المؤقتة، وجدولة جداول العمل.
- سلسلة التوريد والخدمات اللوجستية: نمذجة عمليات المستودعات، وتوجيه التسليم، وتجديد المخزون في ظل الطلب العشوائي.
- توظيف مراكز الاتصال: تحديد عدد الوكلاء وقواعد التوجيه لتلبية اتفاقيات مستوى الخدمة.
- عمليات المطارات والموانئ: محاكاة تعيين البوابات، والمناولة الأرضية، وإنتاجية الشحن.
كيف يعمل
كيف يعمل
يقوم المحلل برسم العملية الحقيقية: الكيانات (مرضى، وظائف، مركبات)، الموارد (ممرضات، آلات، شاحنات)، قوائم الانتظار، ومنطق التوجيه. هذا النموذج المفاهيمي هو المخطط لكل ما يلي - خرائط العمليات الغامضة تنتج محاكاة غير موثوقة.
يتم ملاءمة أوقات الوصول بين الأحداث ومدد الخدمة لتوزيعات احتمالية - عادةً الأسية، أو إرلانج، أو اللوغاريتمية الطبيعية، أو التجريبية - باستخدام البيانات التاريخية واختبارات جودة الملاءمة. مدخلات التوزيع هي المصدر الرئيسي لعدم اليقين في المحاكاة بالحدث المنفصل؛ إذا كانت البيانات نادرة، فإن تحليلات الحساسية عبر عائلات التوزيع المعقولة ضرورية.
يتم تهيئة تقويم الأحداث (قائمة الأحداث المستقبلية). يتم ترميز كل نوع حدث (وصول، بدء خدمة، انتهاء خدمة، مغادرة) مع التحولات التي يسببها في الحالة. تدفع سلسلة أرقام عشوائية كل عنصر عشوائي، ويتم تخصيص سلاسل منفصلة لعمليات الوصول والخدمة بحيث يمكن تطبيق تقنيات تقليل التباين مثل الأرقام العشوائية المشتركة لاحقًا.
يتم تشغيل المحاكاة لفترة إحماء قبل جمع الإحصائيات. عند الوقت صفر، يكون النظام عادةً فارغًا - شرط أولي اصطناعي يؤثر على تقديرات الحالة المستقرة. تسمح فترة الإحماء (المقدرة بطريقة ولش أو ما شابه) للنظام بالوصول إلى التوازن الإحصائي قبل بدء القياس.
يتم تشغيل العديد من النسخ المتماثلة المستقلة، كل منها يستخدم بذرة عشوائية مختلفة. النسخ المتماثلة، وليس الملاحظات داخل تشغيل واحد، هي وحدات التحليل الإحصائي. يوصى بما لا يقل عن 30 نسخة متماثلة لتقدير فترات الثقة الموثوقة؛ يمكن تحديد العدد المطلوب من خلال إجراء تجريبي متسلسل.
يتم حساب الإحصائيات الموجزة - متوسط وقت الانتظار، الإنتاجية، استخدام الموارد - عبر النسخ المتماثلة وتقديمها مع فترات ثقة بنسبة 95٪. إذا كانت فترة الثقة واسعة جدًا، يتم تطبيق المزيد من النسخ المتماثلة أو تقنيات تقليل التباين. تستخدم مقارنات السيناريوهات نفس البذور العشوائية (الأرقام العشوائية المشتركة) لتقليل الضوضاء بين السيناريوهات.
الأخطاء الشائعة
- تشغيل أقل من 1000 نسخة متماثلة عند الحاجة إلى فترات ثقة ضيقة - استخدم إجراء تجريبي متسلسل لتحديد الحد الأدنى المطلوب.
- إغفال أو تقليل حجم فترة الإحماء - المقاييس المستقرة التي تم جمعها من نظام فارغ عند الوقت صفر متحيزة للأسفل بالنسبة للاستخدام وللأعلى بالنسبة لأوقات الانتظار.
- استخدام تشغيل طويل واحد بدلاً من نسخ متماثلة مستقلة متعددة - الملاحظات داخل التشغيل مترابطة ولا يمكن معاملتها كنقاط بيانات مستقلة لتقدير فترة الثقة.
- ملاءمة عائلة توزيع خاطئة لأوقات الوصول أو الخدمة - قم دائمًا بإجراء اختبارات رسمية لجودة الملاءمة وافحص التوزيع الملائم مقابل البيانات التجريبية قبل قبوله.
- الخلط بين المحاكاة بالحدث المنفصل والمحاكاة المستمرة - المحاكاة بالحدث المنفصل مناسبة للأنظمة التي تتغير فيها الحالة بناءً على الأحداث؛ بالنسبة للمخزونات والتدفقات المتطورة باستمرار، فإن ديناميكيات النظام هي النموذج الصحيح.
الأسئلة الشائعة
كم عدد النسخ المتماثلة التي أحتاجها؟
نقطة انطلاق شائعة للتحليل الأولي هي حد أدنى من 30 نسخة متماثلة مستقلة، ولكن فترات الثقة الضيقة لاتخاذ القرارات تتطلب عادةً 100-1000 أو أكثر. استخدم إجراء تجريبي متسلسل: قم بتشغيل دفعة أولية من 10-30 نسخة متماثلة، وقدر التباين، ثم احسب النسخ المتماثلة الإضافية اللازمة لتحقيق نصف العرض المستهدف.
كيف أحدد فترة الإحماء؟
طريقة ولش الرسومية هي النهج الأكثر استخدامًا: ارسم متوسطًا متحركًا لمقياس الأداء عبر الوقت، وحدد النقطة التي يستقر عندها. بدلاً من ذلك، استخدم اختبار ميكلينبورغ-وايت أو ببساطة قم بتشغيل النموذج لفترة كافية بحيث تمثل فترة الإحماء أقل من 10٪ من إجمالي طول التشغيل. إغفال فترة الإحماء يؤثر على تقديرات الحالة المستقرة.
متى يجب أن أستخدم المحاكاة بالحدث المنفصل بدلاً من نموذج الانتظار التحليلي؟
تعطي نماذج الانتظار التحليلية (M/M/c والمتغيرات) نتائج مغلقة الشكل دقيقة أو تقريبية للأنظمة البسيطة والمثالية. استخدم المحاكاة بالحدث المنفصل عندما تكون العملية ذات توجيه معقد، أو أنواع موارد متعددة متنافسة، أو أوقات خدمة غير أسية، أو وصولات مجمعة، أو معدلات وصول متغيرة بمرور الوقت - مواقف تكون فيها الحلول التحليلية غير متاحة أو تتطلب افتراضات تبسيطية غير واقعية.
ماذا لو لم يكن لدي بيانات تاريخية لملاءمة التوزيعات؟
يُعد استخلاص آراء الخبراء (على سبيل المثال، الحد الأدنى، الأكثر احتمالاً، الحد الأقصى للتقديرات لملاءمة توزيع مثلثي) بديلاً مقبولاً للنماذج الأولية. قم بإجراء تحليلات الحساسية عبر عائلات التوزيع المعقولة لفهم كيفية انتشار عدم اليقين في المدخلات إلى عدم اليقين في المخرجات. اجمع بيانات حقيقية مع نضوج النموذج.
طرق ذات صلة
المصادر
Banks, J., Carson, J.S., Nelson, B.L. & Nicol, D.M. (2010). Discrete-Event System Simulation (5th ed.). Pearson.
ردمك: 978-0136062127تم النسخ.Law, A.M. (2015). Simulation Modeling and Analysis (5th ed.). McGraw-Hill.
ردمك: 978-0073401324تم النسخ.