دانلود ترجمه مقاله یک رویکرد با ارزش بازه ای برای شبیه سازی فرآیندهای تجاری

1. مقدمه و انگیزه 2. پیشینه 3. مطالعات مربوطه 4. شبیه سازی فرآیند کسب و کار با ارزش بازه ای: مشخصات و طراحی 5. اجرای معماری 6. مطالعات تجربی 7. نتیجه گیری و تحقیقات آینده

چکیده – شبیه سازی فرآیندهای سازمانی که با تعامل در فعالیت های انسانی، منابع، قوانین و محدودیت های تجارت مشخص می شود، به دلیل عدم قطعیت ذاتی، عدم دقت، تغییرپذیری و پویایی، یک کار چالش برانگیز است. با توجه به این مشکل، روش ها و ابزارهای شبیه سازی فرآیندهای تجاری (BPS) درحال حاضر قادر به ضبط کارآمد رفتار روند، در طول چرخه عمر آن نیستند. در این مقاله، رویکرد جدیدی از BPS ارائه شده است. برای ساخت و مدیریت مدل های شبیه سازی، با توجه به رویکرد پیشنهادی، یک سیستم شبیه سازی، بر روی سناریوهای آزمایشی و همچنین فرآیندهای دنیای واقعی، طراحی، توسعه و آزمایش می شود. رویکرد پیشنهادی، از داده های با ارزش بازه ای، برای نشان دادن پارامترهای مدل، به جای پارامترهای معمولی تک ارزش یا ارزش گذاری شده معمولی، سوء استفاده می کند. در واقع، یک پارامتر دارای ارزش بازه ای، جامع است و در میان بازنمودهای چند ارزش، ساده ترین درک و بیان و ساده ترین پردازش است. به منظور محاسبه بازده دارای ارزش بازه ای، از سیستم، از الگوریتم ژنتیکی استفاده می شود. مدل فرآیند حاصل اجازه می دهد تا شکل گیری نقشه ها در سطوح مختلف جزئیات در وضوح مدل های مختلف ایجاد شود. این سیستم، به عنوان یک فرمت از یک موتور شبیه سازی در دسترس عموم، بر اساس استاندارد مدل فرآیند کسب و کار و استاندارد (BPMN) ساخته شده است. مقدمه و انگیزه: طراحی نامناسب فرآیند باعث افزایش ناکارآمدی می شود. در نتیجه، شرایط قابل رؤیت درونی (مانند عقب افتادگی، زمان پاسخگویی طولانی، فعالیتهای نادرست، استفاده نامتعادل از منابع و سطح سرویس پایین) ممکن است باعث ایجاد وقایع خارجی برای کاربر نهایی (مانند افزایش ادعاهای خسارت، مشتریان عصبانی و ضرر) شود. از این رو، تجزیه و تحلیل فرآیندهای تجاری (BP) ، قبل از شروع تولید و همچنین هنگام تولید، برای یافتن نقص طراحی و تشخیص / پشتیبانی، از تصمیم گیری مهم است. BP ها را می توان مجموعه ای از فعالیت های جزئی سفارش داده شده، برای دستیابی به یک هدف دانست. نکته جالب از دیدگاه علمی، جداسازی مدیریت BP ها از برنامه های کاربردی و روش های توسعه یافته برای حوزه های خاص است. از دهه 1980، محققان، روش های استاندارد و یکپارچه ای برای نمایندگی و اندازه گیری فرآیندهای مختلف را دنبال می کردند [1]. مدل سازی، پارامتر سازی و شبیه سازی BP ها در این بخش انجام شده است.

Simulating organizational processes characterized by interacting human activities, resources, business rules and constraints, is a challenging task, because of the inherent uncertainty, inaccuracy, variability and dynamicity. With regard to this problem, currently available business process simulation (BPS) methods and tools are unable to efficiently capture the process behavior along its lifecycle. In this paper, a novel approach of BPS is presented. To build and manage simulation models according to the proposed approach, a simulation system is designed, developed and tested on pilot scenarios, as well as on real-world processes. The proposed approach exploits interval-valued data to represent model parameters, in place of conventional single-valued or probability-valued parameters. Indeed, an interval-valued parameter is comprehensive; it is the easiest to understand and express and the simplest to process, among multi-valued representations. In order to compute the interval-valued output of the system, a genetic algorithm is used. The resulting process model allows forming mappings at different levels of detail and, therefore, at different model resolutions. The system has been developed as an extension of a publicly available simulation engine, based on the Business Process Model and Notation (BPMN) standard. Introduction and Motivation: Inadequate process design increases inefficiency and yields ineffectiveness. As a consequence, internally observable circumstances, such as backlog, long response times, poorly performing activities, unbalanced utilization of resources and low service levels, may produce external events of interest for the end user, such as increasing damage claims, angry customers and loss of goodwill. Hence, it is important to analyze business processes (BPs) before starting production and also while producing, for finding design flaws and for diagnosis/decision support. BPs can be seen as a set of partially ordered activities intended to reach a goal. An interesting point from a scientific perspective is to separate the management of the BPs from the technological applications and methods developed for specific domains. Since the 1980s, researchers have been pursuing standard and unified ways of representing and measuring processes [1]. This section is structured into three subsections: modeling, parameterization and simulation of BPs.

بخشی از ترجمه مقاله (صفحه 34 فایل ورد ترجمه)