دانلود ترجمه مقاله تکنیک مدلسازی سرمایه گذاری و سیستم دینامیکی در موسسات تولیدی – مجله الزویر

فهرست مطالب:

چکیده
۱ مقدمه
۲ متدلوژی مدلسازی EM-SD جامع
۳ مورد کاربردی متدلوژی مدلسازی EM-CL

۳ ۱ پیشینه شرکت مورد کاری
۳ ۲ ایجاد CIMOSA EMاز شرکت ACAM
۳ ۳ ایجاد مدل CL ار شرکت ACAM
۳ ۵ نتاج شبیه سازی و تحلیل کسب و کار

۴ مشاهدات درباره کاربرد متد مدلسازی در شرکت ACAM
۵ نتیجه
تشکر و قدر دانی

بخشی از ترجمه:

مقدمه

ادبیات مربوط به روند اخیر در  ME هاحاکی از پیچیدگیها و پویایی های عظیم در طراحی و مستند سازی   فرایند های تولیدی است.اگر چه  MEها ذاتا پیچیده هستند ولی  روشها و متدهای سنتی در حل مسائل ME ها توانسته به صورت کامل پیچیدگیها و ارتباطات علی در فرایند های  ME ها را تطبیق دهند. تحقیقات در زمینه مدلسازی و مدیریت پیچیدگیهای  سیستمهای دینامیکی منجر به ابداع و کاربرد چندی تکنیک و ابزار مدلسازی سیستمهای دینامیکی شده است که به قرار زیر می باشد:منطق فازی (fuzzy logic) شبکه های عصبی (neural networks)، شبکه های بیزی (Bayesian networks)، شبکه های پتری( Petri nets)، حلقه های علی (causal loops) و مدلهای حالت و جریان(flow and stock models). تحقیق قبلی مروری بر تعدادی از ابزار MEو SD داشت و اشاره داشت  که تکنیک مدلسازی (causal loops) CL  برای ارائه کیفی از علت و معلول معتبر در سیستمهای دینامیکی مناسب است. تحقیقات دیگر اظهار داشتند که CL ها در به وجود آوردن مدلهای دینامیکی از کسب و کار برای بررسی سیاستهای جایگزین مناسب هستند.
علی رغم مزیت های که استفاده از تکنیک CL به همراه دارد مولفان هشدار  داده اند که مدلهای CL نتایج کیفی تولید میکنند و علت و معلولهای موجود در ذات سیستمهای تولیدی را نمی توان تنها با استفاده از روش مدلسازی CL شبیه سازی کرد بنابراین CL نمی تواند پیش بینی کمی مناسب داشته باشد ،به خاطر همین محدودیت مولفان در  پی  مشاهده  مزیتهای کامل مدلسازیCL در پشتیبانی از تحلیل فرایند تولید هستند.

 ۵٫نتیجه
پویایی های که  روی فرایندهای کسب وکار (BPها)تاثیر می گذارند بوسیله استفاده از روش مدلسازی همزمانEM و CL مدلسازی شده است. با دنبال کردن این روش مدلسازی ،ساختار پیچیده و  پویاییهایی که روی جوانب کسب و کار تاثیر می گذارند، بویژه انهایی که هزینه و ارزش را تحت تاثیر قرار می دهند  ضبط می شود.
تحقیقات اتی  نگاهی به ساده سازی متد جامع خواهد بود بنابراین  مدلسازهای  غیرخبره هم بتوانند داده  را روی مدلهای سازمان برای تحلیل های عمیق فرایندهای کسب و کار  پیاده سازی کنند

بخشی از مقاله انگلیسی:

Introduction

A body of literature related to current trends in MEshas explained the enormous complexities and dynamicsassociated with the design and realisation ofmanufacturing processes [1-7]. Although MEs areinherently complex, traditional methods for solvingproblems in MEs have not fully accommodatedcomplexities and causal relationships associated withprocesses in MEs [8, 9]. Research in the modelling andmanagement of complexities in dynamic systems hasresulted in the derivation and application of a number ofsystem dynamics modelling tools and techniques.Notable among these are: Fuzzy Logics (FLs) [10-14],Neural Networks (NNs), Bayesian Networks (BNs),Petri Nets (PNs), Causal Loops (CLs) and Stock andFlow models [1].Previous research by the first author has reviewed anumber of EM and SD tools and has noted that the CLmodelling technique is suitable for representing,qualitatively, the cause and effects evident in dynamicsystems [6]. Other researchers have mentioned that CLsare useful for creating dynamic models of businesses foralternative policy verification.Despite the advantages associated with the use of theCL technique, the authors have noted that CL modelsgenerate qualitative results and the cause and effectsoften inherent in manufacturing systems cannot besimulated using CLs alone. Thus on its own, CL cannotfacilitate quantitative prediction of outcomes. Because ofthis limitation, the authors are of the view that for fullbenefits of CL modelling in support of manufacturingprocess analysis: There is the need to provide a structure around themodelling technique. This implies providing ameans of specifying actual factors which influencesituations in their context of application. The useful models derived from the use of CLsshould be transformed into equivalent dynamicsimulation models so that alternative processscenarios and ‘what-if’ experiments can beconducted. There is the need to develop a methodology whichaddresses the requirements specified in 1) and 2).To help overcome the limitations observed in the useof CLs, the authors have developed and tested anintegrated EM-SD methodology comprising thesystematic use of CIMOSA, CLs and a continuoussimulation modelling tool called iThink. The applicationof the proposed methodology was tested in a rapidlygrowing bearing manufacturing company called ACAMLtd to better understand: The effect of variations in customer demand onactual value generation by ACAM manufacturingprocesses The effect of constant sale orders on material supply The effect of company operations on payments orrevenue generation.re introduce the paper, and put anomenclature if necessary, in a box with the samefont size as the rest of the paper. The paragraphscontinue from here and are only separated byheadings, subheadings, images and formulae. Thesection headings are arranged by numbers, bold and10 pt. Here follows further instructions for authors The integrated EM-SD modelling methodologyTo help address the limitations associated with theCL modelling methodology as described in section 1, anEM tool which helps to capture processes and theirassociated resources and flows is introduced. Althoughmany EM modelling tools exist, previous publicationsby the authors and their colleagues in enterprisemodelling show that the CIMOSA modelling constructsand representational formalisms are capable ofdecomposing complex systems into sub systems that canbe analysed independently [5]. Further work by theauthors and their colleagues has shown how processescan be classified as Enterprise Domains (DMs) anddecomposed into their respective Domain Processes(DPs), Business Processes (BPs) and ElementaryActivities (EAs) [2, 4, 5].