شبیه‌سازی گسسته پیشامد

زمان توقف اتوبوسها در ایستگاهها، یکی از پارامترهای تأثیرگذار بر کیفیت برنامه‌ریزی حمل و نقل در سیستم‌ اتوبوسرانی است. شناسایی عوامل موثر بر زمان توقف اتوبوسها و پیش‌بینی دقیق آن علاوه بر ارایه برنامه‌های دقیق تر، منجر به ارایه سیاستهای مناسبی برای کاهش زمان توقف و افزایش رضایت مسافران سوار بر وسیله نقلیه و منتظر در ایستگاه‌ها می‌شود. در این مقاله، با مطالعه سیستم اتوبوسرانی شهر تهران، عوامل بالقوه موثر بر زمان توقف اتوبوسها در ایستگاه‌ها شناسایی شده و با استفاده از تحلیل رگرسیونی، تأثیر بخشی از عوامل شناسایی شده مانند تعداد مسافران سوار و پیاده شده، بر زمان توقف اندازه‌گیری شده است. برازش توابع مختلف بر داده‌های جمع‌آوری شده از سیستم اتوبوسرانی شهر تهران، تابع غیرخطی از تعداد مسافران سوار و پیاده شده، بدون درنظر گرفتن جنسیت مسافر و دری که از آن پیاده یا سوار می‌شوند را به عنوان مناسب ترین تابع برای پیش‌بینی زمان توقف با ضریب تعیین 9/87 درصد نتیجه داده است. همچنین بررسی میکروسکوپی فرآیند توقف و تحلیل آماری پارامترهای موثر بر آن مانند زمان و تعداد مسافران سوار و پیاده شده منجر به توسعه مدل شبیه‌سازی گسسته پیشامدی از فرایند توقف اتوبوسها در ایستگاهها شده است. از مدل شبیه‌سازی طراحی شده برای بررسی تأثیر سیاستها و عوامل دیگری که امکان مطالعه آنها بر اساس داده‌های جمع‌اوری شده نیست، از قبیل نحوه پرداخت کرایه بر زمان توقف استفاده شده است. تحلیل‌ها نشان می‌دهد تغییر در نحوه پرداخت کرایه از سیستم بلیت کاغذی به پرداخت الکترونیکی حدود 23 درصد زمان توقف اتوبوسها را در ایستگاهها کاهش می‌دهد.

هدف: در این مطالعه از شبیهﺳﺎزی گسسته پیشامد برای بهبود عملکرد اورژانس بیمارستان با هدف کاهش زمان انتظار بیماران و بهینهیﺎبی منابع استفاده شده است. روش: نخست بر اساس فرایند جریان بیماران در اورژانس بیمارستان، با استفاده از نرم افزار ARENA یک مدل شبیهﺳﺎزی توسعه داده شد، سپس این مدل شبیهﺳﺎزی برای هر سناریوی شدنی که شامل تعداد پزشک عمومی، متخصص طب اورژانس، پرستاران بخش تحت نظر، بخش درمان حاد، تخت تزریقات، تخت بخش تحت نظر و بخش درمان حاد است، 180 بار به اجرا درآمد. در گام بعد، دو روش رتبه بندی تحلیل پوششی داده ها برای رتبه بندی سناریوها به کار گرفته شد. یافته ها: رتبه بندی روﺵهای تحلیل پوششی داده ها نشان داد که در هر دو روش، سناریوی 39 بهترین انتخاب است. برای تعیین وجود همبستگی میان نتایج روشﻫﺎی رتبهﺑﻨﺪی نیز از آزمونﻫﺎی ناپارامتری اسپیرمن رو و کندال تاو استفاده شد که نتایج آنها به ترتیب 93/0 و 81/0 به دست آمد. این نتایج گویای وجود همبستگی میان روﺵهای رتبهﺑﻨﺪی تحلیل پوششی داده هاست. نتیجه گیری: نتایج مطالعه نشان داد که در هر دو روش رتبه بندی تحلیل پوششی داده ها، سناریو 39 بهترین سناریو در میان 44 سناریوی شدنی تعریف شده است. یعنی باید 2 پزشک عمومی، 1 متخصص طب اورژانس، 16 پرستاران در بخش تحت نظر، 5 پرستار در بخش درمان حاد، 2 تخت در تزریقات، 22 تخت در بخش تحت نظر و 16 تخت در بخش درمان حاد به کار گرفته شود.