موسسه انتشارات بین المللی چتر اندیشه فصلنامه مدیریت سیستم و نوآوری هوشمند 3092-7994 7 2 2025 06 02 Evaluating Process Efficiency and Timeliness Using Discrete Event Simulation and Big Data Analytics ارزیابی کارایی و زمان‌سنجی فرآیندها با استفاده از شبیه‌سازی رویداد گسسته و تحلیل داده‌های بزرگ 39 56 10.22051/jera.2021.31891.2698 FA محمد گروه مدیریت صنعتی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران 2024 12 04 In today’s competitive world, accurately evaluating efficiency and optimizing process execution time are fundamental requirements for enhancing the performance of organizations and production-service systems. This research presents a hybrid approach based on Discrete Event Simulation (DES) and Big Data Analytics for the timeliness, modeling, and efficiency evaluation of complex processes. The proposed method begins by collecting voluminous operational data from the real environment, followed by preprocessing and refining the data to identify delay patterns and bottlenecks. Subsequently, using discrete event simulation modeling, the dynamic behavior of the system at various workflow levels is simulated to extract key parameters related to time, cost, and productivity. Further analysis of the simulation-derived data is performed using parallel processing technologies and machine learning algorithms to compute the system’s actual performance indicators. Empirical results indicate that the combination of Big Data analytics with Discrete Event Simulation leads to an improvement in process time prediction accuracy by up to 35% and a reduction in operational delays by up to 28% compared to traditional methods. This hybrid paradigm can be applied as a generalizable framework for the design and improvement of industrial, logistical, and service processes. 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. /downloadfilepdf/13860