در دنیای رقابتی امروز، ارزیابی دقیق کارایی و بهینه‌سازی زمان اجرای فرآیندها یکی از الزامات اساسی در ارتقای عملکرد سازمان‌ها و سیستم‌های تولیدی ـ خدماتی است. در این پژوهش، رویکردی ترکیبی مبتنی بر شبیه‌سازی رویداد گسسته و تحلیل داده‌های بزرگ برای زمان‌سنجی، مدل‌سازی و ارزیابی کارایی فرآیندهای پیچیده ارائه شده است. روش پیشنهادی ابتدا با جمع‌آوری داده‌های عملیاتی حجیم از محیط واقعی، به پیش‌پردازش و پالایش داده‌ها به منظور شناسایی الگوهای تأخیر و گلوگاه‌ها می‌پردازد. سپس با استفاده از مدل‌سازی رویدادهای گسسته، رفتار دینامیکی سیستم در سطوح مختلف جریان کار شبیه‌سازی می‌شود تا پارامترهای کلیدی زمان، هزینه و بهره‌وری استخراج گردند. در ادامه، داده‌های حاصل از شبیه‌سازی با فناوری‌های پردازش موازی و الگوریتم‌های یادگیری ماشین تحلیل شده و شاخص‌های کارایی واقعی سیستم مورد محاسبه قرار گرفته‌اند. نتایج تجربی نشان می‌دهد ترکیب تحلیل داده‌های بزرگ با شبیه‌سازی رویداد گسسته منجر به افزایش دقت پیش‌بینی زمان فرآیند تا ۳۵٪ و کاهش تأخیر عملیاتی تا ۲۸٪ نسبت به روش‌های سنتی شده است. این الگوی ترکیبی می‌تواند به‌عنوان چارچوبی قابل تعمیم در طراحی و بهبود فرآیندهای صنعتی، لجستیکی و خدماتی مورد استفاده قرار گیرد.

شبیه‌سازی رویداد گسسته تحلیل داده‌های بزرگ زمان‌سنجی فرآیند ارزیابی کارایی مدل‌سازی سیستم.