مهندسی و مدیریت کیفیت

چکیده هدف: این پژوهش با هدف توسعه‌ یک رویکرد جدید برآورد بیزی با عنوان روش E²-بیز برای برآورد پارامتر شدت ترافیک در سیستم صف‌بندی چندباجه‌ای ∞/M/M/c انجام شده است. با توجه به اهمیت برآورد دقیق پارامتر بهره‌دهی در بهینه‌سازی سیستم‌های خدماتی، این تحقیق به نیاز موجود برای استنتاج‌های قابل اعتمادتر در شرایط عدم‌قطعیت می‌پردازد.
روش‌شناسی پژوهش: مدل صف‌بندی M/M/c/∞ که شامل c باجه خدمت‌دهنده است، در‌نظر گرفته شد. فواصل زمانی بین ورود مشتریان دارای توزیع نمایی با پارامتر λ و فواصل زمانی خدمت دارای توزیع نمایی با پارامتر μ است. پارامتر شدت ترافیک با استفاده از روش‌های بیز، E-بیز و روش پیشنهادی جدید E²-بیز تحت تابع زیان آنتروپی عمومی برآورد شد. عملکرد برآوردگر پیشنهادی با استفاده از شبیه‌سازی مونت‌کارلو و یک مجموعه‌داده واقعی ارزیابی گردید.
یافته‎ها: نتایج شبیه‌سازی و تحلیل تجربی نشان داد که برآوردگر پیشنهادی E²-بیز از نظر کارایی و دقت نسبت به برآوردگرهای بیز و E-بیز عملکرد بهتری دارد. برآوردگری که میانگین مدت‌زمان انتظار مشتریان در صف را حداقل می‌کند، به‌عنوان برآوردگر بهینه انتخاب شد.
اصالت/ارزش‌افزوده علمی: این پژوهش یک رویکرد نوین برآورد E²-بیز را معرفی می‌کند که دقت برآورد پارامترها را در مدل‌های صف‌بندی تحت شرایط عدم‌قطعیت بهبود می‌بخشد. به‌کارگیری تابع زیان آنتروپی عمومی چارچوبی انعطاف‌پذیر و مقاوم فراهم می‌کند و گامی موثر در پیشبرد استنتاج بیزی در سیستم‌های تصادفی به‌شمار می‌آید.

چکیده هدف: این مطالعه با هدف تعیین مدل بهینه برای خانواده مدل‌های صف‌بندی  با زمان‌های بین ورود نمایی و زمان‌های سرویس ارلانگ، تحت زمان توقف TTT، انجام شده است. اهمیت این پژوهش در کاربردهای عملی مدل‌های صف در بهینه‌سازی عملکرد سیستم‌های خدماتی نهفته است.
روش‌شناسی پژوهش: برای انتخاب مدل بهینه، ابتدا تابع هزینه و معیاری تحت عنوان "متوسط درجه رضایت مشتری" برای خانواده مدل‌های مذکور تعریف می‌شود. سپس شاخصی جدید به نام  ORS بر حسب تابع هزینه، متوسط درجه رضایت مشتری و احتمال پایایی سیستم معرفی می‌گردد. به‌منظور تعیین مدل بهینه، مدلی که دارای مقدار بزرگ‌تری از شاخص ORS باشد، به عنوان مدل مطلوب انتخاب می‌شود. در ادامه، از تحلیل عددی برای تبیین نحوه انتخاب مدل بهینه استفاده شده است.
یافته‌ها: نتایج تحلیل عددی نشان داد که شاخص ORS می‌تواند معیاری مناسب برای ارزیابی و مقایسه مدل‌های مختلف صف باشد و انتخاب مدل بهینه را با توجه به معیارهای چندگانه تسهیل نماید.
اصالت/ارزش‌افزوده علمی: معرفی شاخص ORS به عنوان معیاری نوین در انتخاب مدل بهینه در سیستم‌های صف از نوآوری‌های اصلی این پژوهش است که می‌تواند در طراحی کارآمدتر سیستم‌های خدماتی و ارتقای رضایت مشتریان موثر باشد.

چکیده هدف: در این پژوهش، استنباط بیزی پارامترهای توزیع لیندلی توانی تعمیم‌یافته در حضور داده‌های سانسور شده‌ هیبرید نوع دوم مورد‌بررسی قرار می‌گیرد.
روش‌شناسی پژوهش: برای برآورد ماکسیمم درستنمایی پارامترها، با توجه به اینکه این برآوردها فرم بسته‌ای ندارند و به‌صورت ضمنی قابل‌محاسبه نیستند، از الگوریتم EM استفاده شده و ماتریس اطلاع فیشر به‌منظور ساخت فواصل اطمینان مجانبی به‌کار گرفته می‌شود. در ادامه، برای برآورد پارامترهای توزیع لیندلی توانی تعمیم‌یافته که در این مقاله با نماد EPL نمایش داده می‌شود، دو روش بیزی، شامل تقریب لیندلی و زنجیره مارکوف مونت‌کارلو (MCMC)، تحت تابع زیان مربعات خطا مورد‌استفاده قرار می‌گیرند. سپس، فواصل اطمینان بیشینه‌ پسین (HPD) بر اساس برآوردهای بیزی محاسبه می‌شود. به‌منظور ارزیابی عملکرد روش‌های پیشنهادی، مطالعات شبیه‌سازی انجام شده و نتایج حاصل از دو روش بیزی مقایسه می‌شوند.
یافته‌ها: یافته‌ها نشان می‌دهند که روش MCMC در برآورد پارامترهای توزیع سه‌پارامتری، دارای اریبی کمتر بوده و نسبت به‌تقریب لیندلی از سازگاری بیشتری برخورداراست. در توزیع‌های با پارامترهای زیاد، روش MCMC برآوردهای بهتری نسبت به‌تقریب لیندلی ارایه می‌دهد و همگرایی در این حالت سریع‌تر رخ می‌دهد. MSE برآوردها در تقریب لیندلی با توجه به جدول 2 خیلی بیشتر از پراکندگی داده‌ها با حجم نمونه مشابه از روش MCMC در جدول 3 است. در پایان، یک مجموعه داده‌ی واقعی برای نشان دادن کاربرد عملی روش‌های پیشنهادی ارایه می‌شود.
اصالت/ارزش‌افزوده علمی: با توجه به اینکه تاکنون هیچ مطالعه‌ای در خصوص توزیع لیندلی توانی تعمیم‌یافته در حضور داده‌های سانسور شده هیبرید نوع دوم انجام نشده است، یافته‌های این پژوهش می‌تواند برای مطالعات بعدی مورداستفاده قرار گیرد.

چکیده در این مقاله سیستم صف‌بندی با ظرفیت متناهی M∕M∕m∕K به ازاء m≥2 در نظر گرفته شده که در آن K ظرفیت سامانه و m تعداد خدمت دهنده‌ها است. ابتدا تابعی به نام تابع هزینه سیستم بر حسب متوسط تعداد متقاضیان در صف و سیستم و تعداد خدمت‌دهنده‌ها پیشنهاد می‌شود. سپس هدف یافتن m ای است به نام m_Opt که به ازای آن تابع هزینه مینیمم شود. در این مقاله سیستم M⁄M/m_Opt/K سیستم بهینه نامیده می‌شود. در انتها با استفاده از یک مثال عددی به ازای Kهای مختلف، سیستم‌های بهینه تعیین شده و متوسط تعداد متقاضیان در صف و سیستم، متوسط مدت زمان انتظار در صف و سیستم متقاضیان و معیاری به نام متوسط درجه رضایت متقاضی در این نوع سیستم‌ها به دست آورده می‌شود.