وجود زمینه های مناسب برای «دستکاری سود» ناشی از تضاد منافع و همچنین به علت پاره ای از محدودیت های ذاتی حسابداری از جمله : نارسایی های موجود در فرایند براوردها و پیش بینی های آتی و امکان استفاده از روش های متعدد حسابداری ، باعث شده است که سود واقعی یک واحد اقتصادی از سود گزارش شده در صورتهای مالی متفاوت باشد . محققان و دست اندرکاران حرفه حسابداری ، با توجه به اهمیت سود به عنوان یکی از مهمترین معیارهای ارزیابی عملکرد و تعیین کننده ارزش شرکت ، ناگزیر به ارزیابی سود گزارش شده توسط واحدهای اقتصادی می باشند . برای ارزیابی این سود از مفهومی بنام کیفیت سود استفاده می شود .

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

در مقالات مختلف در تعریف مفهوم کیفیت سود به دو ویژگی برای تعیین کیفیت سود اشاره شده است : یکی از آنها سودمندی تصمیم گیری و دیگری ارتباط بین این دو مفهوم و سود اقتصادی مد نظر آقای هیکس می باشد . به عبارت دیگر کیفیت سود عبارت است از بیان صادقانه سود گزارش شده ، که مد نظر آقای هیکس . منظور از بیان صادقانه تطابق بین توصیف انجام شده و آن چیزی که ادعای آن را دارد، می باشد . یعنی کیفیت سود بالا نشان دهنده مفید بودن اطلاعات سود برای تصمیم گیری استفاده کنندگان و همچنین مطابقت بیشتر آن با سود اقتصادی هیکس می باشد . اما بدلیل آنکه افراد از اطلاعات در تصمیمات متفاوتی استفاده می کنند ، امکان ارائه یک تعریف جامع از سود وجود ندارد .
برخی تحلیلگران مالی ، کیفیت سود را بعنوان سود عادی و مستمر ، تکرار پذیر و ایجاد کننده جریان نقدی حاصل از عملیات می دانند ، آنها معتقدند که کیفیت سود رقمی بین سود خالص گزارش شده و جریان نقدی حاصل از عملیات منهای ارقام غیر تکراری می باشد .
تاکنون متخصصان مالی نتوانسته اند به یک محاسبه مستقل از سود که از نظر آنها کیفیت لازم را دارا باشد دست یابند . در این حالت ، متخصصان مالی با انجام تعدیلات مناسب ، می توانند به یک دامنه که به شکل صحیح تر نشانگر کیفیت سود نسبت به سود خالص گزارش شده باشد ، دست یابند . بنابراین مفهوم کیفیت سود ، یک امر تعریف شده ثابت نیست که بتوان به آن دست یافت . بلکه مفهومی است نسبی که به ارتباط آن با دیدگاه ها و نگرش ها بستگی دارد .
اسلون ^[۳۲] اثبات کرد که شرکتهای با سود گزارش شده بالاتر از جریان وجوه نقد عملیاتی (حجم بالای اقلام تعهدی) ، در سالهای اتی یک کاهشی در سود عملیاتی را تجربه خواهند کرد . بنابراین حجم اقلام تعهدی یک شاخص خوب برای کیفیت سود می باشد .
میچل ^[۳۳] معتقد است ، سودی که بهتر بتواند جریانات نقدی عملیاتی آتی موسسه را پیش بینی کند ، با کیفیت تر است .
در متون حسابداری و مالی برخی از ویژگیهای واحد تجاری شناسایی شده اند که وجود آنها باعث افزایش کیفیت سود می گردد .
اگر شرکتی ویژگیهای زیر را دارا باشد ، کیفیت سود آن بالا خواهد بود :
۱-روش های با ثبات محافظه کارانه حسابداری .
۲-جریان درآمد قبل از مالیات ناشی از فعالیتهای عملیاتی و تکرار پذیر.
۳-کسب سطحی از سود خالص و نرخ رشد ، مستقل از ملاحظات مالیاتی (مثل کاهش نرخ مالیات که منجر به معافیت مالیاتی می شود) .
۴-داشتن سطح مناسبی از بدهی .
۵-سود شرکت ناشی از تورم نباشد .
همانطور که ملاحظه گردید ، تعریف یکسانی از واژه کیفیت سود وجود ندارد . بسیاری از تحقیقات انجام شده در کشورهای توسعه یافته موید این مطلب است که سود خالص گزارش شده توسط واحدهای اقتصادی دارای محتوای اطلاعاتی است . ولی در رابطه با تعریف یکسانی از سود ، توفیق چندانی حاصل نگردیده است . لذا ، سوال اساسی این است که چگونه می توان ایرادهای وارده بر سود را مرتفع ساخت و به عبارت دیگر سودی را گزارش نمود که امکان ارزیابی را فراهم نموده و توان سودآوری بنگاه اقتصادی را نشان دهد . چنین سودی که اصطلاحا سود کیفی نامیده می شود در تصمیمات اقتصادی نقش بسیار مهمی دارد و استفاده از آن در شرایط کنونی ایران حائز اهمیت فراوان است . (ظریف فرد ، ۱۳۷۸ ) .
۳-۴-۲. معیارهای اندازه گیری کیفیت سود
از آنجا که تعریف یکسانی از کیفیت سود وجود ندارد ، لذا معیار ارزیابی یکسانی نیز وجود ندارد . بطور کلی معیارهای ارزیابی کیفیت سود و اجزای مربوط به آن را که در سال ۲۰۰۳ توسط شیپر و وینسنت^[۳۴] ارائه شده به صورت جدول زیر طبقه بندی کرد :
جدول (۱-۲) معیارهای ارزیابی کیفیت سود

معیارهای ارزیابی

اجزای مربوطه

الف)مفهوم کیفیت سود مبتنی بر سری زمانی ویژگیهای سود

۱-پایداری
۳-نوسان پذیری
۲-قابلیت پیش بینی

ب)مفهوم کیفیت سود براساس رابطه بین سود و اقلام تعهدی و وجه نقد

۱-نسبت وجه نقد حاصل از فعالیتهای عملیاتی به سود
۲-تغییر در کل اقلام تعهدی
۳-پیش بینی اجزا اختیاری اقلام تعهدی به کمک متغیرهای حسابداری
۴-پیش بینی روابط بین اقلام تعهدی و جریانهای نقدی

ج)مفهوم کیفیت سود براساس ویژگی های کیفی چارچوب نظری هیات استانداردهای حسابداری مالی ^[۳۵]

مربوط بودن و قابلیت اتکاء بودن

د)مفهوم کیفیت سود براساس تاثیر گذاری در تصمیم

۱-قضاوتها و براوردها ، معیاری معکوس از کیفیت سود .
۲-رابطه معکوس بین کیفیت سود و تغییر استانداردهای حسابداری

منبع:( شیپر و وینسنت^[۳۶]، ۲۰۰۳،ص ۱۰۱)
دلیل اصلی تهیه و ارائه صورت جریان وجوه نقد تاریخی در سطح واحد انتفاعی این است که به سهامداران و اعتبار دهندگان امکان می دهد که واحد انتفاعی را با فرض تداوم فعالیت آن ارزشیابی کنند . این ارزش می تواند در مدل سرمایه گذاری هر یک از سرمایه گذاران و اعتبار دهندگان گنجانده شود و مبنای تصمیم گیری قرار گیرد .
«صورت جریان وجوه نقد تجزیه و تحلیل های قوی از فرصت ها و ریسک هایی که ترازنامه و صورت سود و زیان قادر به نشان دادن آنها نیستند ارائه می نماید . در تمامی مراحل توسعه و مشکلاتی که شرکت با آنها روبرو می شود ، انعطاف پذیری مالی یک عامل اساسی برای حل آن مشکلات می باشد صورت جریان وجوه نقد بهترین ابزار برای اندازه گیری انعطاف پذیری مالی می باشد» (فریدسون و آلوارز^[۳۷] ، ۲۰۰۲ ).
۵-۲ تاریخچه مطالعاتی

تجزیه وتحلیل نتایج
۴-۱ مقدمه
همانگونه که در فصل پیشین توضیح داده شد به منظور بررسی خواص عملکردی فرش،۳ آزمایش بارگذاری استاتیکی، سنجش استحکام گره و ثبات ابعادی بر روی نمونه فرش های بافته شده انجام گرفت و۴ شاخص درصد فشردگی، درصد افت ضخامت، نیروی بیرون کشیدن پرز و ثبات ابعادی در آن ها محاسبه گردید.در این فصل تأثیر عوامل متغیر: نوع گره، جنس نخ تار، نمره و تعداد لای نخ بر روی تغییرات شاخص های مورد مطالعه، بررسی خواهد شد.
کلیه فرآیندهای آماری و تحلیل نتایج حاصل از آزمایش ها توسط نرم افزار آماری Minitab16انجام شده است. در بررسی نتایج آزمون ها، از تحلیل آماری ANOVAیک طرفه تحت آزمون Tukey در سطح معنی دار ۰۵/۰ استفاده شد.تجزیه و تحلیل نتایج به تفکیک هر شاخص و تأثیر هر کدام از پارامترهای متغیر بر روی آن ها صورت گرفته است.
۴-۲ درصد فشردگی
۴-۲-۱ تأثیر نوع گره فرش در تعیین شاخص درصد فشردگی
با توجه به نتایج به دست آمده از آزمون ANOVAدر جدول های ۴-۱ و ۴-۲،مشاهده می­گرددکه عامل نوع گره تأثیر معنی داری در تعیین شاخص درصد فشردگی در نمونه های بافته شده با تار پشمی و پنبه ای نداشته است (P-value> 0/05).
برای تحلیل دقیق تر نتایج به دست آمده از درصد فشردگی نمونه فرش ها و بررسی تأثیر نوع گره در آن، نمونه فرش هایی که عامل جنس نخ تار و تعداد لای نخ پرز در آن ها یکسان بودند برای قیاس با یکدیگر در یک گروه قرار داده شدند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

جدول ۴-۱. نتایج آزمون ANOVA برای مقایسه تأثیر نوع گره بر درصد فشردگی
فرش در نمونه­های بافته شده با تار پشمی

One-way ANOVA: % comp versus knot type
Source DF SS MS F P
knot type 1 0.03 0.03 0.02 0.912
Error 2 4.14 2.07
Total 3 4.17
نمونه شماره ۱ و ۲ (wp₂ , wt₂)

One-way ANOVA: % comp versus knot type
Source DF SS MS F P
knot type 1 4.264 4.264 16.22 0.056
Error 2 0.526 0.263
Total 3 4.790
نمونه شماره ۵ و ۶ (wp₄ , wt₄)

One-way ANOVA: % comp versus knot type
Source DF SS MS F P
knot type 1 15.48 15.48 2.11 0.283
Error 2 14.68 7.34
Total 3 30.16
نمونه شماره ۹ و ۱۰ (wp₈ , wt₈)

جدول ۴-۲. نتایج آزمون ANOVA برای مقایسه تأثیر نوع گره بر درصد فشردگی
فرش در نمونه های بافته شده با تار پنبه ای

ne-way ANOVA: % comp versus knot type
Source DF SS MS F P
knot type 1 4.2 4.2 0.33 0.623
Error 2 25.4 12.7
Total 3 29.6
نمونه شماره ۳ و ۴ (cp₂ , ct₂)

One-way ANOVA: % comp versus knot type
Source DF SS MS F P
knot type 1 41.54 41.54 4.32 0.173
Error 2 19.23 9.62
Total 3 60.77
نمونه شماره ۷ و ۸ (cp₄ , ct₄)

این آزمون برای تعیین معنی‌‌داری اختلاف بین میانگین یک متغیر با یک مقدار ثابت که مقدار آزمون نامیده‌ می‌شود،‌ به کار می‌رود. مهم‌ترین نکته در استفاده از آزمون t تک‌نمونه‌ای، انتخاب مقدار آزمون است که باید یک نقطه وسط‌ را بیان کند.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

اگر فرضیه‌ای در خصوص میانگین یک جامعه آماری طراحی شود، با بهره گرفتن از مراحل آزمون فرض آماری می‌توان صحت یا سقم فرضیه را در سطح معنی‌دار α تعیین کرد. مراحل چهارگانه آزمون فرض آماری برای_x μ به شرح زیر است.

1. 1. فرض‌ها: در این تحقیق از آزمون یک دنباله چپ استفاده شده است:

آماره آزمون: در این تحقیق آماره آزمون عبارت است از:

: میانگین نمونه
: انحراف معیار نمونه

1. 1. مقدار بحرانی:مقادیر بحرانی نیز برحسب توزیع x و نوع آماره آزمون از جدول t استیودنت استخراج می‌شود.

1. 1. تصمیم‌گیری:در این مرحله مقدار آماره آزمون محاسبه‌شده با مقدار بحرانی مرحله سوم مقایسه می‌شود. اگر آماره آزمون در ناحیه پذیرش H₀قرار گیرد، فرض H₀ در سطح اطمینان (αـ۱)۱۰۰ درصد پذیرفته می‌شود. در غیر این صورت داده‌های نمونه دلیل محکمی بر تأیید H₀ ارائه نداده و آن را رد می‌کند (آذر و مؤمنی، ۱۳۸۵: ۲/۱۰۱).

۳ـ۱۰ـ۲٫ آزمون رتبه‌بندی فریدمن
در آزمون فریدمن، نمرات مربوط به هر فرد رتبه‌بندی می‌شود (مثلاً اگر اندازه‌ها مربوط به پنج نقطه زمانی باشند، این پنج مقدار را از ۱ تا ۵ رتبه می‌دهیم). سپس هر مقدار را با رتبه مناسبی تعویض می‌کنیم.
فرضیه صفر یکسان بودن توزیع‌های جامعه در هر نقطه زمانی است که به عنوان مثال میانه‌‌های جامعه مساوی‌اند. در صورت درست بودن فرضیه صفر، بررسی مقادیر مربوط به هر نقطه زمانی خاص ترکیبی از رتبه‌ها را آشکار می‌کند. اگر میانه‌های جامعه‌ها اختلاف داشته باشند در آن صورت برای لااقل یک نقطه زمانی رتبه‌ها باید به‌طور عمده‌ای بالا یا پایین باشند (اسپرنت^[۹۳] و اسمیتون،^[۹۴] ۱۳۸۶: ۲۷۶).
در آزمون فریدمن نمرات حاصله از k موقعیت یا فرصت وارد می‌شود. محقق علاقه‌مند به تعیین تغییرات معنی‌دار آزمودنی‌ها در تمام موقعیت‌ها و فرصت‌های مورد اشاره است. در یک طرح آزمودنی‌های جورشده، آزمودنی‌ها در مجموعه‌هایی با k شرکت‌کننده جور می‌شوند و هر آزمودنی در یک مجموعه، بر اساس یک مقیاس اندازه‌گیری، یک‌بار سنجیده می‌شود. هر مجموعه از آزمودنی‌ها در پرونده‌ داده‌های SPSS یک رکورد و k متغیر است. نمرات به‌دست‌آمده از مقیاس اندازه‌گیری برای هر آزمودنی درون یک مجموعه، در این متغیرها وارد می‌شوند. سؤال تحقیق این است که آیا نمرات تحت k موقعیت، تفاوت معنی‌داری با یکدیگر دارند یا خیر؟ (زرگر، ۱۳۸۰: ۵۶۶).
در صورتی که متغیر وابسته در مقیاس رتبه‌ای اندازه‌گیری شده باشد، برای مقایسه چند گروه، از آزمون فریدمن استفاده می‌شود. در این آزمون، داده‌ها در جدولی با N سطر و K ستون تنظیم می‌شود. سطرها نشانگر آزمودنی‌ها یا مجموعه‌ای از آزمودنی‌های همتاشده و ستون‌ها نمایانگر شرایط مختلف است. داده‌های هر سطر جداگانه رتبه‌گذاری می‌شود. آزمون فریدمن، این احتمال را که رتبه‌های ستون‌های مختلف از جامعه واحدی به دست آمده است، دارای میانه واحدی است، می‌آزماید. در واقع فرض صفر این است که K رتبه همسو است (سرمد و بازرگان، ۱۳۸۵: ۳۰۵).
هنگام استفاده از آزمون فریدمن، تمامی k تیمار به گونه‌ای تصادفی به n بلوک تخصیص می‌یابند. بعد از آنکه مشاهدات برای هر ترکیب تیمار ـ بلوک ثبت شدند، داده‌ها در یک جدول دوبعدی که در آن هر سطر بیانگر یک بلوک و هر ستون بیانگر یک تیمار است، نمایش داده می‌شوند. بنابراین، جدول داده‌ها متشکل از n سطر و k ستون است. در هر سطر داده‌ها رتبه‌بندی می‌شوند. در این صورت، آزمون فریدمن به دنبال تحلیل مجموع رتبه‌های ستون‌ها (تیمارها) است.
آماره آزمون فریدمن به این صورت است:

که در آن، k تعداد تیمارها، n تعداد بلوک‌ها و Rj مجموع رتبه‌های j امین ستون (تیمار) است، آماره آزمون تقریباً دارای توزیع با (k-1) درجه آزادی است (آذر و مؤمنی، ۱۳۸۵: ۲/۳۱۴).
در آزمون فریدمن، مشاهدات از مجموعه‌‌های k مشاهده‌ای است. مشاهدات درون یک مجموعه، وابسته، اما مشاهدات بین مجموعه‌ها، مستقل می‌باشند. در آزمون فریدمن فرضیه صفر برابری میانه‌های جامعه برای k سطح یک عامل را بیان می‌کند (زرگر، ۱۳۸۰: ۵۶۸).
با توجه به اینکه آزمون فریدمن به دنبال تحلیل مجموع رتبه‌هاست، نرم‌افزار SPSS میانگین رتبه‌های مربوط به هر یک از متغیرها را محاسبه می کند.
۳ـ۱۰ـ۳٫ استفاده از آزمون‌های تکمیلی
از مقایسه‌های تبعی یا پس از تجربه، زمانی استفاده می‌شود که در تحلیل واریانس، فرض صفر رد شود و فرضیه مخالف پذیرفته شود؛ یعنی دست‌کم میانگین دو گروه (جامعه) با هم اختلاف داشته باشند. در شروع کار، پژوهشگر ممکن است هیچ پرسشی در مورد اینکه اختلاف میانگین کدام گروه‌ها معنی‌دار است نداشته باشد، ولی بعد از رد H₀ علاقه‌مند به این موضوع شود. پژوهشگران تازه‌کار بعد از رد H₀ در تحلیل واریانس ممکن است کار خود را خاتمه‌یافته تلقی کنند، ولی پژوهشگران کهنه‌کار رد H₀ را شروع دیگری می‌دانند (آذر و مؤمنی، ۱۳۸۵، ۲/۱۷۱).
در صورت وجود بیش از دو سطح در عامل مورد نظر،‌ اجرای آزمون‌های تکمیلی برای آزمون فریدمن مورد نیاز است. این آزمون‌های تکمیلی اغلب شامل مقایسه‌های دوبه‌دو است (زرگر، ۱۳۸۰: ۵۶۸).
پس از معنی‌دار شدن اختلاف میانه‌ها در آزمون فریدمن، آزمون‌های تکمیلی برای مقایسه دوبه‌دو بین میانه‌ها اجرا خواهد شد. با SPSS، استفاده از آزمون ویلکاکسون^[۹۵] به عنوان آزمون‌های تکمیلی آسان‌تر است (زرگر، ۱۳۸۰: ۵۷۵).
روش LSD^[96] یا کمترین تفاوت معنی‌دار را فیشر^[۹۷] ارائه کرده و مستلزم محاسبه کوچک‌ترین تفاوت معنی‌دار ممکن بین دو میانگین است. این روش دقیقاً مبتنی بر همان شیوه‌ای است که از طریق آزمون t استیودنت و با به کار بردن واریانس درون گروه‌ها (واریانس ناشی از خطا) در مقایسه‌های دوتایی طرح‌ریزی شده است (آذر و مؤمنی، ۱۳۸۵: ۲/۱۷۲).
۳ـ۱۰ـ۴٫ آزمون ویلکاکسون
کاری که «آزمون رتبه علامت‌دار» (Wilcoxon) می‌کند، این است که وزن‌های بیشتر را به علامت‌هایی می‌دهد که از صفر دورند. در آزمون رتبه علامت‌دار، تفاضل‌های زوجی برحسب قدر مطلق مقادیرشان مرتب می‌شوند. تفاضل‌های صفر را کنار می‌گذاریم و اگر قدر مطلق دو یا چند تفاضل یکسان باشند، به هر یک از آنها میانگین رتبه‌هایی را که توأماً اشغال می‌کنند، تخصیص می‌دهیم. برای تشکیل آماره آزمون T⁺، رتبه‌های مربوط به مشاهدات مثبت را با هم جمع می‌کنیم.
برای مقادیر کوچک n، آزمون فرض صفر چه برای آزمون یک‌نمونه‌ای و چه برای آزمون زوج‌نمونه‌ای، مبتنی بر جداول خاصی است. ولی برای مقادیر بزرگ n، n≥۱۵، توزیع T⁺ تقریباً نرمال است و برای انجام آزمون نیاز به امید ریاضی و واریانس آن داریم.
تحت فرض صفر، امید ریاضی و واریانس T⁺ عبارت است از:

(آذر و مؤمنی، ۱۳۸۵: ۲/۲۹۱ـ۲۹۲).
یک نمونه nتایی از دوتایی‌های زیر در نظر می‌گیریم:
(X₁,Y₁), (X₂,Y₂), … , (X_n,Y_n)
متغیر Z از تفاضل دو متغیر فوق تشکیل می‌شود:
Z_i = Y_i – X_i
در آزمون رتبه‌ای ـ نشانه‌ای ویلکاکسون نه‌تنها نشانه Z_iها بلکه رتبه قدر مطلق آنها یعنی رتبه ها مورد استفاده قرار می‌گیرند.
در این آزمون، فرض می‌کنیم Z دارای توزیع پیوسته و متقارن نسبت به c باشد. می‌خواهیم مثلاً آزمون یک‌طرفه زیر را انجام دهیم:

برای این کار، نخست نمونه تصادفی Z₁, Z₂, … , Z_n را در نظر می‌گیریم. رتبه‌های را به‌ترتیب با R₁, R₂, …, R_n نشان می‌دهیم. واضح است که این رتبه‌ها درست یک جایگشت برای ۱, ۲, …, n می‌باشند. حال تابع نشانگر:

را در نظر می‌گیریم و فرض می‌کنیم که، برای U_i = I(Z_i), i = 1, 2, … , n
متغیرهای تصادفی U₁, U₂, …, U_n هم‌توزیع و مستقل می‌باشند. آماره

به آماره رتبه‌ای ـ نشانه‌ای ویلکاکسون شهرت دارد. اگر W خیلی بزرگ شود، معلوم می‌شود که تعداد زیادی از یافته‌های نمونه Z₁, Z₂, … , Z_n در طرف راست صفر می‌باشند و با صفر فاصله زیادی دارند. پس Z نمی‌تواند متقارن باشد، یعنی H₀ را باید رد کرد. بنابراین، ناحیه بحرانی به صورت W≥k است، که در آن k به خطای α بستگی دارد (بهبودیان، ۱۳۸۷: ۱۲۶، ۱۲۸ و ۱۲۹).
۳ـ۱۰ـ۵٫ ضریب همبستگی رتبه‌ای (اسپیرمن)
چون آزمون معنی‌دار بودن r (ضریب همبستگی پیرسون) مبتنی بر فرضیه‌های دست‌وپاگیری است، بعضی اوقات روش‌های ناپارامتریک را که مبتنی بر شرایط معمولی‌تر هستند، به جای آن به کار می‌بریم. فرض صفر در این آزمون فرض می‌کند که همبستگی وجود ندارد. ضریب همبستگی رتبه‌‌ای را با r_s نشان می‌دهیم. گاهی ضریب همبستگی رتبه‌ای، به افتخار مبتکر آن، «ضریب همبستگی رتبه‌ای اسپیرمن» خوانده می‌شود.

• : زمان انتظار مشتریانی که به گره تسهیل تخصیص می‌یابند

• • : حد بالای زمان انتظار مجاز برای مشتریان

  (( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

• : ظرفیت خدمت مازاد برای تضمین

• p : تعدادی تسهیلاتی که واقعاً بازشده‌اند؛

• : ماکزیمم تعداد تسهیلاتی که می‌توانند بازشوند؛

این مسأله می‌تواند به صورت زیر بیان شود [۲۱]: فرضیات زیر را درنظر بگیرید: مجموعه‌ای از مشتریان با نرخ‌های تقاضایی که با مشخص می‌شوند، مجموعه‌ای از مکان تسهیلات بالقوه با متوسط ظرفیت‌های خدمت (نرخ) ، یک عدد صحیح مثبت و یک عدد مثبت ؛ مجموعه‌ای از مکان‌های تسهیلات را که حداکثر به اندازه باشد را بیابید که متوسط تعداد کل مشتریانی که به نزدیکترین تسهیلشان سفر می‌کنند و در آن منتظر می‌مانند، مینیمم گردد. این شرط را نیز درنظر بگیرید که متوسط زمان انتظار در هر تسهیل بازشده بزرگتر از نباشد.
اگر ، سرعت سفر باشد و
اگر یک تسهیل در گره j بازشود؛

اگر مشتری i، به تسهیل j تخصیص یابد؛
درغیر اینصورت؛

درغیر اینصورت؛
بنابراین، زمان سفر تجمعی مشتریان در واحد زمان برابر است با:

از این رو، هر تسهیل باز، به صورت یک صف M/M/1 رفتار می‌کند، متوسط زمان انتظار در مکان تسهیل باز j ، برابر که می‌باشد. بنابراین، زمان انتظار تجمعی مشتریان در واحد زمان برابر است با:

باتوجه به قانون لیتِل که در بخشهای قبل شرح داده شد، T، بیانگر متوسط تعداد مشتریان درحال سفر و V، بیانگر متوسط تعداد مشتریان در حال انتظار می‌باشد.
یکی از معیارهای ارزیابی سیستم، درصدی از زمان است که سیستم کار می کند. برای نشان دادن این معیار، از عاملی به نام ضریب بهره‌وری یا کارائی استفاده می شود که تعریف آن به شرح زیر است:

میانگین کل تقاضا برای دریافت خدمت در واحد زمان

کل ظرفیت سیستم برای ارائه خدمت در واحد زمان

طبق این تعریف، هرچه مقدار بزرگتر باشد، تقاضا زیادتر است و سیستم باید کار بیشتری انجام دهد و صف طولانیتر خواهدشد. برعکس، هرچه کوچکتر باشد، طول صف کوتاهتر است، اما درمقابل، از امکانات سیستم استفاده کمتری به‌عمل می‌آید.
حال برای اینکه در مدل ما، متوسط ضریب کارائی تسهیلات را اندازه گیری کنیم، ابتدا باید کل ضریب کارائی تسهیلات را محاسبه و بر تعداد تسهیلاتی که باز شده‌اند تقسیم نمود:

و یا به عبارت دیگر:

برای تضمین اینکه مشتریان به نزدیکترین جایگاه تسهیل بازشده شان می‌روند، احتیاج داریم که:

که ، یک عدد بزرگ مثبت است (مثل ). وقتی ، به خاطر اینکه بزرگ است، این محدودیت ناکارآمد می‌شود. وقتی ، مشتری i نمی‌تواند به تسهیلی که دورتر از j است، تخصیص داده شود، درغیراینصورت، این محدودیت نقض می‌شود.
بنابراین، ما فرمول بندی برنامه نویسی ریاضی زیر را بدست می‌آوریم:
(۱.۳)
(۲.۳)
(۳.۳)
(۴.۳)
(۵.۳)
(۶.۳)
(۷.۳)