Dergiler / Mugla Journal of Science and Technology / 2020 / Cilt: 6 - Sayı: 2

FRAMEWORK DEVELOPMENT FOR DYNAMIC SYSTEM VALIDATION

Sayfa
140–149
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuçlar, önerilen çerçevenin, sağlık hizmeti karar vericileri için yararlı olabilecek bir klinik laboratuvar performans sistemi için zenginleştirilmiş ve doğrulanmış bir kavramsal model oluşturmak için kullanılabileceğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Geçerlilik, modellemenin en önemli aşamalarından biridir ve her model için gereklidir.
📊
Temel Bulgular & Veri:Kavramsal model geliştirmenin sistem dinamiği (SD) modellerinin doğrulanması ve geçerlilik analizlerinin sonuçları üzerinde büyük etkisi olduğu öne sürülmektedir.
💡
Sonuç & Katkı:Sonuçlar, önerilen çerçevenin, sağlık hizmeti karar vericileri için yararlı olabilecek bir klinik laboratuvar performans sistemi için zenginleştirilmiş ve doğrulanmış bir kavramsal model oluşturmak için kullanılabileceğini göstermektedir.
🔬Tür:Laboratuvar & Saha Deneyi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Sistem Dinamiği · Nedensel/Kavramsal Model Geliştirme · Analitik Ağ Süreci

Özet

Geçerlilik, modellemenin en önemli aşamalarından biridir ve her model için gereklidir. Bu süreç, özellikle kavramsal modeller ile başlanılan çalışmalarda diğerlerine nazaran daha karmaşıktır. Kavramsal model geliştirmenin sistem dinamiği (SD) modellerinin doğrulanması ve geçerlilik analizlerinin sonuçları üzerinde büyük etkisi olduğu öne sürülmektedir. Bu çalışmada, SD modellemesinde kavramsal model geliştirme ve geçerlilik sürecini destekleyen bir çerçeve geliştirmek için çoklu metodoloji yaklaşımı kullanılmıştır. Önerilen çerçevede, SD metodolojisindeki yöntemler Analitik Ağ Süreci (ANP) yöntemleriyle entegre edilmiştir. Önerilen çerçeve daha sonra klinik laboratuvarda performans analizi için kurulacak bir SD modelinin onaylanması için kullanılmıştır. Amacımız, SD modelinin yapısal geçerliliğini gerçekleştirmek, klinik laboratuvar performans göstergelerinin hangilerine önceliklendirmek ve bunların ilişkilerini yakalamak için önerilen çerçeveyi kullanmaktır. Sonuçlar, önerilen çerçevenin, sağlık hizmeti karar vericileri için yararlı olabilecek bir klinik laboratuvar performans sistemi için zenginleştirilmiş ve doğrulanmış bir kavramsal model oluşturmak için kullanılabileceğini göstermektedir. Ayrıca, önerilen çoklu metodoloji çerçevesi, kavramsal modellerin doğrulama ve onaylanması için başka sistemlere de uygulanabilir.

Abstract

Validation is one of the most important stages of modeling, and it is a necessity before utilizing the model for further analyses. Especially for the studies that start with conceptual models, the validation process is more complex than others. In this study, we used a multi-methodology approach to develop a framework to support the conceptual model development and validation in System Dynamics (SD) modeling. In the proposed framework, we integrated methods from SD methodology with methods from the Analytic Network Process (ANP). The proposed framework was then used for clinical laboratory performance analysis. The purpose was to use the proposed framework to conduct structural validity of the SD model, to prioritize Clinical Laboratory (CL) performance indicators, and capture their relations. Results indicate that the proposed framework can be used to generate an enriched and validated conceptual model for a CL performance system that can be useful for healthcare decision-makers. Also, the proposed multi-methodology framework can be applied to any complex systems to validate the conceptual models.

🔖

Bu Makaleye Atıf Yap

SEZER, E. D. G., OCAK, Z. (2020). FRAMEWORK DEVELOPMENT FOR DYNAMIC SYSTEM VALIDATION. Mugla Journal of Science and Technology, Cilt: 6 - Sayı: 2, 140–149. https://ajindex.com/articles/340995

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Sargent, R. G. “Verification and validation of simulation models”, Journal of Simulation, 7(1), 12-24. 2013.
  2. Barlas, Y. “System dynamics: systemic feedback modeling for policy analysis”, System, 1, 59, 2007.
  3. Balci, O., and Ormsby, W. F. “Conceptual modeling for designing large-scale simulations”, Journal of Simulation, 1(3), 175-186, 2007.
  4. Groesser, S.N., and Schaffernicht, M. “Mental Models of Dynamic Systems:Taking Stock and Looking Ahead”, System Dynamics Review, 28(1), 46-68, 2012. Maani K.E., and Cavana. R.Y., Systems thinking. System Dynamics: Managing Change and Complexity. Pearson Education: North Shore City, New Zealand, 2007.
  5. Chick, S.E., “Six ways to improve a simulation analysis”, Journal of Simulation, 1(1), 21-28, 2006.
  6. Kunc, M., “Using systems thinking to enhance strategy maps”, Management Decision, 46(5), 761-778, 2008.
  7. Mingers, J., “Variety is the spice of life: Combining soft and hard OR/MS methods”, International Transactions in Operations Research, 7(6), 673-691, 2000.
  8. Henao, F., and Franco, L. A., “Unpacking multimethodology: Impacts of a community development intervention”, European Journal of Operational Research, 253(3), 681-696, 2016.
  9. Sterman, J.D., Business Dynamics: Systems Thinking and Modeling for a Complex World, Irwin McGraw-Hill, Boston, 2000.
  10. Barlas, Y., “Model validation in system dynamics”, In Proceedings of the International System Dynamics Conference, 1994, pp. 1-10.
  11. Kumar, S., and Nigmatullin, A., “A system dynamics analysis of food supply chains–Case study with non-perishable products”, Simulation Modeling Practice and Theory, 19(10), 2151-2168, 2011.
  12. Chwif, L., Muniz, P. S., and Shimada, L. M., “A prescriptive technique for V&V of simulation models when no real-life data are available: Results rom a real-life project”, Journal of Simulation, 2(2), 81-89, 2008.
  13. Karpak, B., and Topcu, I., “Small medium manufacturing enterprises in Turkey: an analytic network process framework for prioritizing factors affecting success”, Int. J. Production Economics, Vol. 125, No. 1, pp.60–70, 2010.
  14. Saaty, T.L., and Peniwati, K., Group decision making: drawing out and reconciling differences, RWS Publications, 4922 Ellsworth Avenue, Pittsburgh, PA 15213, 2008.
  15. Saaty, T.L., “Analytic network process”, in S.I. Gass and C.M. Harris (Eds.), Encyclopedia of Operations Research and Management (100th ed.). USA: Boston, pp.28–35, 2001.
  16. Fottler, M. D., “Health care organizational performance: Present and future research”, Journal of Management,