مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مقاله یک تحلیل تقاضا را بر پلت فرم سیستم بلاک چین زنجیره تامین غذایی انجام می‌دهد. ابتدا، این مقاله به صورت کیفی شرایط حاضر ایمنی غذایی را تحلیل می‌کند. دوم تحلیل تقاضای پلت فرم سیستم قابلیت ردیابی زنجیره تامین غذایی است، تحلیل زنجیره تامین غذایی نیازمند توسعه است. سوم، سیستم ردیابی سنتی زنجیره تامین را تحلیل می‌کند. چهارم، مشکلات موجود در سیستم زنجیره تامین غذایی را هدف قرار می‌دهد، و از تکنولوژی بلاک چین برای ایجاد یک پلت فرم سیستم زنجیره تامین برای فرآوری‌های تولیدی، کارگزاران و مصرف کنندگان استفاده می‌کند.

A. تحلیل PEST
.1 فاکتورهای سیاسی
ایمنی غذا یک مسئولیت اصلی دولت و مقامات نظارتی است. بنابراین، دولت نیاز دارد که یک سیستم حرفه‌ای بین صنعتی را به منظور تنظیم موثر زنجیره تامین غذایی ایجاد کند. این مسئله برای نوآوری در مقررات دولتی زنجیره تامین غذایی، برای بهبود سطح مدیریت دولت و بهره وری، و برای جلوگیری از فرسودگی شغلی و رانت خواری اهمیت زیادی دارد.

.iنیازهای در حال رشد نظارت دولتی
استفاده از تکنولوژی بلاک چین برای کسب مدیریت چند منظوره بازار غذا بنا به تقاضای دولت، از طریق سیستم رکوردهای نظارتی اطلاعات تراکنشی بازار غذایی است. این مسئله می‌تواند به صورت موثری مسئله روند نظارت بر غذا را حل کند. منطبق با درک بخش‌های دولتی مربوطه، نیازهایی از اختیارات نظارتی دولتی بر زنجیره تامین غذایی وجود دارد:
(a) جمع آوری دقیق اطلاعات از همه جنبه‌های زنجیره تامین غذایی
(b) جمع آوری و ذخیره اطلاعات زنجیره تامین غذایی از کاشت (پرورش) تا روند کلی مصرف
(c) می‌تواند به پلت فرم نظارتی دولتی از طریق تکنولوژی بلاک چین منتقل شود.
این نیازمندی‌ها با مشخصه تکنولوژیکال بلاک چین از این نظر که اطلاعات را هر تراکنش ذخیره می‌کنند، منطبق هستند. اگر چه هر کلید خصوصی توسط بخش اطلاعات دولت چینی تولید و منتشر می‌شود، وزارت کشاورزی دسترسی به رکوردهای داده را فراهم کرده است. این اطلاعات مبنایی را برای نظارت، فراخوان غذا و هشدار قبلی ارائه می‌دهند [22]. بنابراین، می‌توانیم ببینیم که استفاده از تکنولوژی بلاک چین تقاضا دولت را برای سیستم زنجیره تامین غذایی برآورده می‌سازد.

.iiتحلیل آماری و نیاز به انتشار اطلاعات
از طریق اطلاعات ثبت شده توسط بلاک چین، دولت می‌تواند از توابع یکپارچه سیستم ردیابی برای جمع آوری آماره‌هایی در انواع گوناگون غذا استفاده کند. با استفاده از اطلاعات، آماره ها، تحلیل و پردازش، تولید اطلاعات هشدار دهنده، اطلاعات هشدار تولید شده به بخش‌های مرتبط یا یک گره در زنجیره تامین ارسال می‌شود [22]. بر طبق ریسک‌های امنیتی موجود در زنجیره تامین غذا، دولت بر مدیریت این فعالیت‌های تجاری تمرکز می‌کند. بنابراین، از طریق تکنولوژی بلاک چین برای ساخت سیستم ردیابی زنجیره تامین غذا، دولت می‌تواند اطلاعاتی را برای انتظار عمومی و رسانه‌ها به صورت درست و به موقع نشر دهد.

.2فاکتورهای اقتصادی
با توسعه سریع صنعت غذایی، بازارها پویا تر و پیچیده تر می‌شوند. شرکت‌های غذایی و کشاورزی با بازارهای سریعا در حال تغییر و رقابت جهانی مواجه می‌شوند. تغییر در بازار بر همه سطوح در زنجیره تامین تاثیر می‌گذارد [9]. در مورد هر تغییر در تامین که از تغییر در جو، و تغییر تقاضای بازار ناشی می‌شود، شرکت‌های کشاورزی تنها نیازمند داشتن توانایی واکنش سریع نیستند بلکه تقاضاهایی را در زمینه بازاریابی و پیش بینی تولید دارند. محدودیت اصلی در کسب این توانایی در کسب داده و تکنیک‌های داده کاوی نهفته است. با تجهیز شدن با این تکنیک‌ها، شرکت‌های کشاورزی می‌توانند ریسک خود را در تغییرات جوی یا بازار کاهش دهند، و بهره وری را افزایش دهند، و مزیت کامل غذاهای کشاورزی را اتخاذ کنند. هیچ هدر رفتنی صورت نمی‌گیرد. زمانی که با تکنولوژی بلاک چین تجهیز شدید، سیستم زنجیره تامین شرکت‌های کشاورزی را قادر می‌کند که عرصه منبع تایید شده، تاریخ تولید و تراکنش‌های قبلی را بررسی کنند، و کیفیت مواد خام را تضمین کنند.

.3تحلیل جامعه
.iاعتماد به دولت در حال سقوط
ایمنی غذایی یک مشکل اصلی در حال رشد برای مصرف کنندگان چینی است اگر چه دولت بارها و بارها قول داده است که این مشکل را برطرف کند. کودکان آلوده، میوه‌های مصنوعی و حتی غذاهای دریایی که با ژلاتین پر شده اند در طول این سال‌ها به چشم خورده اند. گزارش شده است که 71 درصد از مردم چینی در سال 2015 ایمنی غذایی را یک مشکل بزرگ دیدند.

.iiرفتار خرید در حال تغییر است
برطبق نظریه اطلاعات نامتقارن، مصرف کنندگان حزب ناآگاهی هستند که فاقد اطلاعات می‌باشند. مصرف کنندگان خواهان اطلاعاتی در مورد ایمنی و کیفیت غذاها هستند. زمانی که مردم غذا می‌خرند، آن‌ها مشتاق هستند که اطلاعات بیشتری در مورد محل تولید، تولید مواد خام و اطلاعات دلالان بدانند.
با شیوع اینترنت و تلفن‌های هوشمند، از آن روزها که مصرف کنندگان اطلاعات کمی در مورد محصول داشتند گذشته است. امروزه، مصرف کنندگان تشویق می‌شوند که به هر اطلاعاتی که در مورد محصول می‌خواهند دسترسی داشته باشند اگر چه کار راحتی نیست. افزایش شفافیت و قابلیت ردیابی تولید غذا در طول زنجیره تامین ضروری است. این روند می‌تواند موثرتر باشد اگر مصرف کنندگان به سادگی هر اطلاعات مربوط به کشاورزی-تغذیه را قبل از خرید کسب کنند. این روند یک روش راحت برای بررسی اطلاعات مطلوب است.

.4فاکتور تکنولوژی
.iتکنولوژی بلاک چین پشتیبان دولت
پژوهش در زنجیره تامین
علاوه بر زنجیره تامین غذا، این تکنولوژی‌ها با توجه به دلایل بسیار متفاوت، به سختی استفاده می‌شوند. به هر حال با توسعه تکنولوژی بلاک چین، بلاک چین نه تنها در “بیت کوین” استفاده شد بلکه می‌تواند در عرصه‌های گوناگون نیز استفاده شود. بنابراین، دولت چینی پروژه پژوهشی تکنولوژی بلاک چین را راه اندازی کرد و مطالبی را با عنوان “سازمان دهی و توسعه پژوهش اپلیکیشن تکنولوژی بلاک چین و روند توسعه” و ” تکنولوژی بلاک چین چینی و کتاب سفید اپلیکیشن” برای پشتیبانی از پژوهش بلاک چین به منظور تطبیق شرایط ملی چینی منتشر کرد. بنابراین، دولت چینی توجه و منابع زیادی را معطوف پژوهش بلاک چین کرده است تا بتواند نسل بعدی زنجیره تامین را توسعه دهد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

حرکت به سوی پشتیبانیِ تصمیم گیری مبتنی بر ابر ، فرصت ها و چالش های جدید را ارائه می دهد. اول، کشاورزی دقیق از انواع حسگرها و منابع داده استفاده می کند، که هر کدام ممکن است فرمت و معانی خاص خود را داشته باشند. یک سیستم پشتیبانی مبتنی بر ابر نیاز به مدیریت یک نمایه متنوع از انواع و فرمت های مختلف داده دارد. دوم، به طور سنتی یک سیستم پشتیبانی تصمیم نرم افزار خاص است. یک کشاورز ممکن است نیاز به دسترسی به سیستم های مختلف برای یک برنامه خاص (مانند آبیاری، لقاح و غیره) داشته باشد. برای ارائه یک تجربه کاربری ساده، یک سیستم پشتیبانی مبتنی بر ابر ، باید بتواند برای برنامه های مختلف تمدید و پیکربندی شود؛و در نهایت، توسعه اخیر اینترنت همه چیز (IoT) دستگاه های زمینه را از طریق اینترنت پیوند می دهد. انتظار می رود که یک سیستم پشتیبانی آینده تصمیمی برای کنترل پیشرفت در IoT، به طور ایمن از محیط ابر کنترل شود
در این مقاله چارچوب ما برای پشتیبانی از تصمیم گیری مبتنی بر ابر و سیستم های اتوماسیون (DSAS) و تجربه ما در اجرای آن در Agrilaksy، DSAS و ما از زمین تا قبل از استفاده از مقیاس پذیری و در دسترس بودن یک پلت فرم محاسبات ابر بحث می کنیم. ما تکنیک های جدیدی را برای رسیدگی به چالش های طراحی با DSAS مبتنی بر ابر طراحی کردیم. بقیه مقاله به شرح زیر برگزار می شود: بخش 2 خلاصه ای از چارچوب ما را ارائه می دهد. در بخش 3 ما در مورد ظاهر واردات داده ها در دستگاه-آگنوستیک بحث می کنیم که با منابع مختلف داده با فرمت داده ها و معانی شناخته شده تعریف می شود. در بخش 4 ما معماری نرم افزار قابل گسترش برای ماژول های تصمیم گیری را مورد بحث قرار می دهیم. در بخش 5 ما پارادایم کنترل فرآیندهای نرم افزاری را معرفی می کنیم، یک پارادایم جدید طراحی نرم افزار برای کنترل دستگاه های فیزیکی در زمینه ای از ابر .
بخش 6 در مورد اجرای فعلی Agrilaksy بحث می کند، سرانجام، در بخش 7 این مقاله را به پایان می رساند.

2. بررسی اجمالی سیستم
شکل 1 نمای کلی چارچوب ما برای DSAS های مبتنی بر ابر را نشان می دهد. این دستگاه ظاهری وارداتی اطلاعاتی دارد. قسمت جلویی از مدل داده ها برای تعریف فرمت ها و معناشناسی مجموعه داده های ورودی استفاده می کند. جزئیات مدل داده در بخش 2 ارائه شده است. ماژول های تصمیم گیری آن با یک معماری نرم افزاری قابل برنامه ریزی طراحی شده است که شامل یک طراحی مدولار سلسله مراتبی می باشد. یک ماژول، که به عنوان یک برنامه وب در DSAS نامیده می شود، توسط رابط های آن مشخص می شود. یک برنامه وب جدید می تواند به سلسله مراتب تصمیم گیری بر روی پرواز اضافه شود یا برای جایگزینی یک ماژول موجود با یک رابط سازگار استفاده شود. جزئیات معماری نرم افزار قابل گسترش ما در بخش 3 معرفی شده است. در بخش 4، کنترل نرم افزاری تعریف شده، یک پارادایم جدید طراحی نرم افزار برای مدیریت پیچیدگی کنترل نمایه متنوع دستگاه ها را معرفی می کنیم. کنترل تعریف شده توسط نرم افزار ، مجازی سازی دستگاه های فیزیکی از طریق لایه های انتزاعی است. هر لایه جزئیات اجرایی لایه زیر را خلاصه می کند، در حالی که یک رابط کنترل ، کنترل را به لایه بالا ارائه می دهد .

3. وارد کردن اطلاعات مربوط به دستگاه آگنوستیک
کشاورزی دقیق با استفاده از سنسورهای مختلف (مانند سنسور رطوبت خاک، سنسور نیتروژن) و منابع داده (به عنوان مثال، مکان آب و هوا) برای اندازه گیری تغییرات درون و بین مزرعه مشخص می شود. DSAS مبتنی بر ابر نیاز به کار با طیف وسیعی از سنسورها و منابع داده دارد. برای رسیدگی به تنوع داده ها از منابع مختلف، ما یک روش مبتنی بر متد داده را که در ابتدا ارائه شده است گسترش می دهیم. این تکنیک از یک مدل داده برای مشخص کردن نوع قالب وداده یک مجموعه داده ورودی استفاده می کند، مانند دما، رطوبت خاک، و غیره. ] 5[ مدل متادون مدل مدل داده است. این نوع داده های مجاز برای ستون ها و معانی عملیاتی مربوط به هر نوع داده را مشخص می کند. معناشناسی های عامل، یک نوع داده خاص عملیاتی که می تواند در نوع داده ها را مشخص کند. به عنوان مثال، معنای عملیاتی برای درجه حرارت .
تعریف نحوه ترجمه شکل 2: مدل داده متا در داده های XSD * به قالب متوسط در سلسیم قرار دهید . برای بهبود قابلیت تعامل، یک مدل داده در XML را مشخص می کنیم [6] که یک فرمت داده غالب است ؛ برای تبادل بیش تر اطلاعات ساختاری از اینترنت استفاده می کنیم . یک مدل داده متادم در یک پسوند طرح XML (XSD) [7] مشخص شده که به عنوان XSD * نامگذاری شده است XSD * XSD را با معانی عملیاتی برای نوع داده گسترش می دهد. شکل 2 یک مدل فراداده در XSD پیشنهاد شده را نشان می دهد. عناصر مدل ، با معانی عملیاتی خود (به عنوان مثال ‘op’) گسترش می یابند. به عنوان مثال، عنصر ‘time’ دارای date_seg و date_single است که هر کدام یک فرمت زمان ممکن را نشان می دهند. زمان “data_seg” شامل “year”، “month” و غیره است. ‘op’ مرتبط با ‘date_seq’ یک الگوریتم ترجمه در یک زمان date_seq را به یک نمایش داخلی واحد پذیرفته شده توسط ماژول های تصمیم می دهد. برای هر مدل داده، یک وارد کننده داده برای دسته بندی داده ها تعریف شده که توسط خود مدل داده تولید می شود. وارد کننده داده، معانی عملیاتی را که در مدل داده متا داده شده است، بر روی مجموعه داده ورودی اجرا می کند. این مجموعه داده ها را به یک قالب متوسط که توسط ماژول های تصمیم، پذیرفته می شود، ترجمه می کند. برای معرفی نوع جدیدی از منبع داده (به عنوان مثال نوع جدیدی از سنسور)، تنها باید مدل داده خود را در XML تعریف کرد. DSAS مدل داده XML را به یک وارد کننده داده تبدیل می کند.

4. یک معماری نرم افزاری گسترده برای ماژول های تصمیم گیری
منطق تصمیم گیری هسته ی سیستم پشتیبانی تصمیم گیری است. . در یک سیستم پشتیبانی تصمیم گیری سنتی منطق تصمیمات سخت براساس یک برنامه خاص است. با این وجود، عملیات هر باغ متفاوت است و تحت تأثیر بسیاری از عوامل مانند انواع محصولات باغی، محیط زیست و حتی مدل کسب و کار قرار دارد. ما یک معماری نرم افزاری قابل انعطاف پیشنهاد دادیم که DSAS را به راحتی با منطق تصمیم گیری جدیدی گسترش می دهد . معماری نرم افزار به دنبال اصل باز / بستن است ، به همین خاطر یک اصل مهم در طراحی نرم افزار شی گرا بودن آن است، به عنوان مثال، نرم افزار باید گسترش یابد، اما برای اصلاح هم آماده باشد [8]. چارچوب ماژول های تصمیم گیری، به این معنی است که سیستم را بتوان به راحتی با ماژول های تصمیم گیری جدید و با تغییرات جزئی در اجرای آن توسعه داد. به همین خاطر ، یک معماری نرم افزاری قابل گسترش برای ساخت ماژول های تصمیم گیری بسیار قابل تنظیم را ایجاد کردیم. شکل 3 انواع مختلفی از مکانیزم های بازپشتیبانی را که توسط معماری نرم افزار قابل برنامه ریزی باشد ، از جمله پیکربندی جریان داده ها و پارامترهای ارزش و بلوک را نشان می دهد .
Figure

5. کنترل تعریف شده توسط نرم افزار: یک پارادایم طراحی نرم افزاری برای کنترل مبتنی بر ابر است .
در مقایسه با DSS های موجود، یک ویژگی متمایز DSAS مبتنی بر ابر قابلیت کنترل ، ستگاه ها به طور مستقیم از ابر آن است . کشاورزان اغلب انواع دستگاه ها را برای برنامه های کاربردی مختلف (به عنوان مثالآبیاری، کنترل آفات). این دستگاه ها با رابط های کنترل اختصاصی خود می آیند. یک چالش در اتوماسیون کنترل مبتنی بر ابر ، نحوه کنترل انواع دستگاه های زمینه از ابر است. برای شناخت این چالش، ما ایده کنترل نرم افزار را پیشنهاد کردیم. البته با الهام از مفهوم شبکه تعریف شده توسط نرم افزار . [10] کنترل از راه دور نرم افزاری باعث می شود که دستگاه ها با استفاده از یک نرم افزار یکپارچه استفاده کنند و باهم سازگار باشند . این باعث می شود دستگاه ساز انعطاف پذیر باشد (رابط کاربری توسط نرم افزار و نه سخت افزار تعریف می شود) و بدون نفوذ (بدون اصلاح رابط دستگاه، خود لازم است) راه را برای دستگاه های خود که با یک DSAS کار می کنند هموار سازد . کنترل نرم افزاری انطباق پذیری نرم افزاری چند مرحله ای را از تصمیم گیری های مستقل دستگاه برای سیگنال های کنترل خاص دستگاه فراهم می کند. جدا از نگرانی های طراحی، ساختارهای کنترل شده و تعریف شده توسط نرم افزار در یک معماری سه لایه ، هر سه لایه باید با هم سازگار : 1) یک تصمیم گیری سنتز مستقل از دستگاه. این تصمیمات اقدامات مورد نیاز را در سطح بالا مشخص می کند، مثلا توزیع جغرافیایی حجم آبیاری؛ 2) یک سرویس دهنده در حال ترجمه یک تصمیم برای برنامه برای هر دستگاه. یک برنامه نشان دهنده پیکربندی و طرح دستگاه است؛ و 3) هواپیمایی دستگاه برنامه را روی آن اجرا می کند. شکل 4، کنترل نرم افزاری را نشان می دهد، به عنوان مثال، با استفاده از یک سیستم آبیاری 3 منطقه ای . هر منطقه آبیاری دارای کنترل کننده خاص خود (Devirri2، Devirri1، و Devirri0) به منظور کنترل مجموعه ای از دریچه ها است.تصمیم گرفته شده توسط هواپیما روش توزیع آب در یک باغ را مشخص می کند. هواپیما سرویس تصمیم گیری برای برنامه های آبیاری را برای هر کنترلر ترجمه می کند و در نهایت هواپیما شامل سه کنترل کننده از برنامه های کنترل شیر می شود .

لایه های انتزاعی که توسط کنترل نرم افزار تعریف شده اعمال می شود، هر لایه را قادر می سازد تا یک نمایه انتزاعی از لایه زیر را از طریق یک رابط به خوبی تعریف کند. به عنوان مثال، یک سرویس هواپیما دارای مجموعه ای از سرویسهای (SA) است. هر SA یک انتزاع از سرویس ارائه شده توسط دستگاه های زمینه فراهم می کند. در شکل 4،SAirri یک نمایه انتزاعی از یک سیستم آبیاری ارائه می دهد و جزئیات را از قبیل منطقه بندی و انواع دستگاه دور می کند.
کنترل تعریف شده توسط نرم افزار همچنین امکان بازبینی و نظارت مستمر را در هر زمان فراهم می کند. به عنوان مثال، در رابط یک سطح سرویس هواپیمای تصمیم را برای کشف SA در لایه سرویس انتزاع می دهد. هواپیما، برای ارسال تصمیم به SA، و همچنین برای دریافت آمار زمان اجرا از آنها به آنجا می رود . رابط یک صفحه دستگاه، ترافیک دو طرفه را فراهم می کند که در آن هواپیمای سرویس می تواند دستگاه های مزرعه را برنامه ریزی کند و بازخورد را از این دستگاه ها را دریافت کند این رابط اجازه می دهد تا هواپیمای تصمیم گیری از بازخورد دستگاه ها برای تطبیق منطق خود از طریق معماری سازگار استفاده کند.

6. پیاده سازی سیستم
نسخه اولیه Agrilaxy در ماه مه 2014 اجرا شده است. که اجزای سازنده ی اطلاعات شناسایی را به پایان می رساند. این سیستم با استفاده از روبی ساخته شد. روبی یک زبان برنامه نویسی پویا است که زبان مورد علاقه توسعه دهندگان وب است. بخشی از محبوبیت آن با جامعه وب به علت ریلز است،روبی یک چارچوب کتابخانه است که به طور خاص برای توسعه وب سرور طراحی شده است [11]. ما Agrilaxy را بر روی سرویس AWS مبتنی بر ابر آمازون آزمایش کردیم [12] و در حال حاضر ما در حال کار بر روی یک نسخه جدید از Agrilaxy، با تاکید بر اجرای یک کنترل مبتنی بر ابر کنترل و ماژول های تصمیم سازگار هستیم .

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

3.4 احتمال در سیستم (P)
احتمال در سیستم شدت سطح خدمات یا عامل سودمندی است. محاسبات نشان می دهد که احتمال در سیستم یا 151 . 0 است.محاسبه احتمال در سیستم بر اساس نرخ ورود، سطح خدمات و ارائه خدمات (نمره دهی) با فرمول معادله 1 است.احتمال سیستم سپس برای محاسبه احتمال واحد های صفر مورد استفاده قرار می گیرد.

3.5 احتمال واحد صفر در سیستم (PO)
احتمال واحد صفر در سیستم احتمالی است که در آن سیستم به شکل غیر فعال است یا خدمات حمل و نقل وجود ندارد.محاسبات نشان داده است که احتمال وقوع واحدهای صفر در سیستم 546. 0 است.محاسبه احتمال واحد صفر در سیستم به وسیله فرمول معادله 2 انجام می شود.سپس احتمال واحد های صفر در سیستم برای محاسبه طول صف (Lq)
مورد استفاده قرار می گیرد.

3.6 طول یا تعداد حمل و نقل در سیستم صف
تعداد حمل ونقل در سیستم صف، به عنوان تعداد حمل و نقل هایی که در انتظار خدمت دهی هستند شناخته می شود (Wq) . که در سیستم صف بر اساس فرمول معادله 3 مورد محاسبه قرار می گیرد.نتایج محاسبات نشان می دهد که تعداد حمل و نقل هایی که در سیستم صف هستند به اندازه 0.0006 واحد است. و این رقم معادل به یک واحد است.محاسبات نشان می دهد که میانگین تعداد حمل و نقل در سیستم صف به اندازه 0.0006 واحد برای 4 نمره گذار است. و این معادل با 1 واحد برای هر نمره گذار است.
تعداد حمل و نقل هایی که در سیستم صف هستند، یعنی تعداد حمل و نقل هایی که خدمت دهی شده اند (Ws) . بر اساس فرمولی در معادله 4 هست.نتایج محاسبات با فرمول نشان دهنده تعداد حمل و نقل های سیستمی به اندازه
0. 048 است.و این معادل با 1 واحد است.

3.7 میانگین زمان حضور در سیستم صف
محاسبه میانگین زمان حضور در صف (Wq) بر اساس طول صف و با استفاده از فرمول معادله 5 صورت می گیرد. میانگین زمان بر اساس نتایج محاسبات معادله ای است که میانگین زمان حضور در صف برای خدمت دهی را معادل با 0. 00005 ساعت یا 0 .003 دقیقه یا 0 . 182 ثانیه در نظر می گیرد.محاسبه میانگین زمان در سیستم (Ws) بر اساس طول صف با فرمول معادله 6 صورت می گیرد. میانگین زمان خدمت دهی در صف بر اساس نتایج 0. 0479 ساعت یا 2 . 877 یا 172 . 596 ثانیه است.نتایج حاصل شده از فرمول و نتایح حاصل شده از اجرای محاسبات با QM2. 0 در شکل 1 نشان داده است و هیچ گونه اختلافی وجود ندارد.

3.8 درستی سیستم صف در PT XYZ بر اساس محاسبات
سیستم صف در انبار PT XYZ نشان می دهد که یک صف طولانی وجود دارد.هر چند که، این صف به وسیله 4 نمره گذار بلافاصله خدمت دهی می شود.سیستم صف نشان داده شده مشابه با چندین صف است اما به یک سیستم چند صفه شباهتی ندارد زیرا یک واحد حمل و نقل در حال حاضر دارای یک مسیر برای هر کدام از نمره گذار ها هستند. این موضوع را می توان به کمک نتایج محاسبات نشان داد که تعداد حمل و نقل کننده هایی که در صف هستند به طور میانگین به اندازه 1 واحد هستند و تعداد حمل و نقل کننده هایی که در سیستم صف هستند برای هر نمره گذار به اندازه 1 واحد است.
در حقیقت صف های طولانی در خارج از سیستم صف به وقوع می پیوندد، زیرا بندل می خواهد بلافاصله به خدمت گرفته شود. به همین دلیل این واحد های حمل و نقل در ساعت 3 بعد از ظهر روز قبل کار خودشان را شروع می کنند، اگرچه زمان بارگذاری در داخل این حمل و نقل کننده های در داخل محیط انبار برای خدمت دهی توسط نمره گذاران در ساعت 6 صبح الی 7 صبح روز بعد انجام می شود.زمان خدمت دهی برای نمره گذاران به وسیله PT XYZ تعیین می شود که در 30 . 7 صبح تا 12 صبح ادامه دارد و پس از آن از 12 صبح الی 1بعد از ظهر که زمان استراحت است ادامه پیدا می کند و سپس مجددا از ساعت 12 صبح الی 4 بعد از ظهر ادامه می یابد.
زمان خدمت برای هر کدام از حمل و نقل کننده ها از هر کدام از نمره دهنده ها زیاد نخواهد بود.میانگین زمان حضور در صف بر اساس نتایج محاسبات نشان دهنده میانگین زمان حضور در صف برای خدمت دهی تا 0 . 0 005 ساعت یا 0 .003 دقیقه یا 0 . 182 ثانیه است. زمان خدمت دهی تا حد زیادی تحت تاثیر :
1 . نوع حمل و نقل کننده ای که خدمت کرده است
نوع حمل و نقلی که برای سیستم صف مورد استفاده قرار می گیرد کامیون ها و وانت ها می باشند. نوع حمل و نقل دارای نفوذ است زیرا دارای ظرفیت بار متفاوتی است.در محاسبه سیستم صف بین انواع مختلف حمل و نقل تفاوتی قائل نمی شویم.بر اساس نوع داده خدمات حمل و نقل برای وانت ها زمانی بین 10 الی 15 دقیقه مورد نیاز است و برای کامیون ها زمانی بین 15 الی 20 دقیقه مورد نیاز است.
2. بار هر یک از ماشین ها
بار هر کدام از حمل و نقل کننده ها با توجه به نوع این حمل و نقل کننده ها متفاوت می باشد. بار هر کدام از این انواع مختلف نقل کننده ها برای وانت ها در حدود 32 بسته و برای کامیون ها تا 65 بسته است. مقدار این بار بر روی مدت زمان طولانی به خدمت گرفته شده تاثیر گذار می باشد.
3. تعداد کارگرانی که مشغول به بارگذاری هر کدام از این حمل و نقل ها هستند
تعداد کارگرها بسیار موثر بر سرعت خدمات است زیرا تعداد بیشتر کارگرها سبب سریع تر شدن سرعت بارگذاری می شود.همچنین خدمت دهی توسط نمره گذاران نیز سریع تر انجام می شود.
فعالیت های غیر ضروری نیز مانند گپ زدن نمره گذاران و خدمان بندل وجود دارد.این موارد دارای تاثیری بر روی طولانی شدن مدت زمان خدمات دارد.و بر روی حمل و نقل کننده هایی تاثیر گذار است که وارد انبار شدند و باید تا روز بعدی منتظر خدمت دهی باقی بمانند.زیرا ساعت های محدود سرویس دهی از ساعت 7. 30 صبح الی 4 . 00 بعد از ظهر هر روز صورت می گیرد. اتلاف وقت به وسیله نمره گذاران به طور میانگین برای هر کدام از این نمره گذاران به اندازه 20 . 4 دقیقه است.میانگین زمان خدمت به اندازه 4 . 1719 دقیقه است، معادل با 756. 28 ساعت برای 4 نمره گذار است، به طوری که متوسط خدمت برای هر کدام از این نمره گذار ها در حدود 61 . 7 ساعت می باشد. مدت زمان در دسترس برای خدمت دهی در حدود 5 . 7 ساعت به شکل روزانه است،پس می توان گفت که زمان هدر رفته 34 . 0 ساعت یا 4 . 20 دقیقه است.زمانی که برای خالی کردن دو وانت یا 1 کامیون مورد نیاز است در حدود 20 دقیقه است.