با توجه به پیشرفت­های تکنولوژی و پیچیدگی سازمان­ها و سیستم­ها انسان ناگزیر است برای حل مسایل و مشکلات مختلف تصمیم­گیری و کنترل بسیار حساس و دشواری داشته باشد. با توجه به اینکه تصمیم­گیری یک امر ضروری و حیاتی برای مدیران می باشد، مدیران به سمت فرایندها و یا ابزاری می­روند که بتواند در این تصمیم­گیری­ها کمترین ریسک و هزینه را داشته باشند. یکی از این فرایندها تکنیک شبیه­سازی است که مدیران می­توانند با استفاده از این تکنیک عملکرد خود را تحلیل و فرایند تصمیم گیری را پیش بینی، مقایسه و بهینه­سازی کنند (Aoyama and Nomoto 1999, 9).  شبیه­سازی یکی‌ از روش­هایی است‌ که‌ برای‌ شناخت ‌وضع‌ موجود و بهبود عملکرد سیستم­ها به وجود آمده‌ و یکی‌ از پرقدرترین‌ و مفیدترین‌ ابزارهای‌ تحلیل‌ عملکرد فرایندهای‌ پیچیده سیستم­ها است.

2-1- تاریخچه

بر اساس تعریف شاتون (در کتاب علم و هنر شبیه سازی سیستم ها)، شبیه­سازی عبارت است از فرآیند طراحی مدلی از سیستم واقعی و انجام آزمایش­هایی با این مدل که با هدف پی بردن به رفتار سیستم بازاریابی، استراتژی­های گوناگون (در محدوده­ای که به وسیله معیار و یا مجموعه‌ای از معیارها اعمال شده است) را برای عملیات سیستم تبیین می‌کند. شبیه سازی در فرهنگنامه WEBSTER به معنای وانمودکردن یا نایل شدن به اصل چیزی بدون واقعیت است. شبیه­سازی رایانه­ای را به فرایند مدل سازی با استفاده از روابط ریاضی و منطقی و نیز اجرای مدل به وسیله رایانه گویند. شبیه سازی زمانی صورت می گیرد که یک مدیر بخواهد بداند که اگر تغییر خاصی در 

خرید متن کامل این پایان نامه در سایت nefo.ir

  سیستم صورت گیرد در سیستم چه اتفاقی رخ خواهد داد. در واقع کسی که هدفش شبیه سازی است باید علم و قدرت ساخت مدلی را داشته باشد که همانند مدل واقعی باشد (البته تا حدودی نزدیک به واقعیت). ایجاد و توسعه یك مدل خوب شبیه­سازی اغلب گران و محتاج زمان است و نیاز به اطلاعات زیادی دارد كه ممكن است به آسانی در دسترس نباشد. شانون  به نقل از فازستو در كتاب خود ذكر می كند كه توسعه یك مدل خوب برنامه ریزی شركت ها ممكن است 3 تا 10 سال وقت بخواهد (Longo and Mirabelli 2008, 570-588).    

در مقوله شبیه­سازی ما با بخش های مختلفی سروکار داریم که هر کدام از این بخش­ها به اطلاعات، آموزش ها، نرم افزارها وبه سایر موارد احتیاج دارد (Garetti et al 2012, 361-369). هر کدام از این بخش ها دچار مشکل شوند کل سیستم شبیه سازی را بی اعتبار و فاقد ارزش خواهند کرد. سیستم­های سنتی شبیه سازی، باید برای افرادی که آن را پیاده سازی می کند قابل توجیه باشد، هر چند که چاره ای جز پذیرفتن آن نداشته باشند.

در ابتدا برای آشنایی با روش­های شبیه سازی، درک بهتر و آشنا شدن با بعضی از نقص­هایی که ممکن است در روش های سنتی با آن روبرو شویم، روشی را ارائه میدهیم. به فرض می خواهیم سیستم تعمیرات و نگهداری را به منظور پیش بینی خرابی های ماشین شبیه سازی کنیم. اولین چیزی را که نیاز خواهیم داشت توزیع سیستم مورد شبیه سازی است. برای بدست آوردن آن در ابتدا نیاز به داده های معتبر و سپس به سیستم های نرم افزاری با افراد مسلط به این نرم افزارها احتیاج خواهد بود. با فرض در دسترس بودن این امکانات و مشخص شدن توزیع سیستم سپس وارد مقوله شبیه سازی شده و اقدام به شبیه­سازی می کنیم. باید توجه داشت که مثال زیر صرفاً جهت آشنایی با روش های سنتی شبیه­سازی می باشد.                                               

 بعد از مشخص شدن توزیع سیستم اقدام به شبیه سازی سیستم می کنیم.  فرض کنید از تجزیه و تحلیل های صورت گرفته، توزیع سیستم به صورت زیر بدست آید:

 x: زمان بین خرابی­ها (به هفته)    

   با محاسبه سطح زیر منحنی از صفر تا هر مقداری از متغیرتصادفی   x می­توان احتمال تجمعی مقدار x را تعیین کرد. ملاحظه می كنید كه دامنه مقادیر متغیر تصادفی x (4>x >1) با احتمالات تجمعی (1>F(x)>0) متناظر است. از این رو برای هر مقدارF(x) در فاصله 0 تا 1 مقداری برای x  وجود دارد.

هر عدد تصادفی بین 0 و1 را می توان به طور غیر مستقیم به مقدار متناظر x آن با استفاده از تابع توزیع تجمعی آن ترجمه کرد، چون F(x)  در فاصله (0,1)  تعریف می شود در نتیجه:

چون می خواهیم با اعداد تصادفی  مقادیر x  را بدست آوریم ابتدا بایستی معادله x   را برحسب   بدست آوریم در نتیجه :

 بعد از بدست آوردن عدد تصادفی و جایگزینی آن در معادله فوق مقدار x متناظر با آن بدست خواهد آمد، نتایج شبیه سازی در زیر آمده است.