لری ییگر و فیدمن مقالهای را به کنفرانس SD ارسال کردند که گروههای همنسل پویا را به عنوان روشی جدید برای مدلسازی جمعیتهای پیر، ناوگان وسایل نقلیه و سایر مقادیر پیشنهاد میکند. البته همنسلها چیز جدیدی نیستند*، اما Ventity تخصیص آنها را بر اساس تقاضا عملی میکند، بنابراین محاسبات و توجه را روی تعداد زیادی صفر غیرفعال هدر نمیدهید.
جایگزین سنتی زنجیرههای پیری بوده است. با کنار گذاشتن مسائل فنی مانند پراکندگی، فکر میکنم یک مشکل مفهومی اساسی در زنجیرههای پیری وجود دارد: آنها یک نمایش عملیاتی طبیعی و شهودی از آنچه در یک سیستم اتفاق میافتد نیستند. دلیلش این است.
مدل یک فرد را در نظر بگیرید. احتمالاً سن را اینگونه مدل میکنید:

در اینجا، سن حالتی از فرد است که با پیری افزایش مییابد. ساده است. به طور معادل، میتوانید آن را از تاریخ تولد فرد محاسبه کنید:

در حالت ایدهآل، مدل یک جمعیت باید سادگی مدل فرد را حفظ کند. اما این چیزی نیست که زنجیره پیری انجام میدهد:

این نشان میدهد که با افزایش سن افراد، از یک انبار به انبار دیگر جریان مییابند. اما هیچ فرآیند فیزیکی معادل برای آن وجود ندارد. مردم در روز تولدشان به هیچ کجا جریان پیدا نمیکنند. سن پیوسته است، اما انبارهای جداگانه در اینجا یک گسستهسازی دلخواه از سن را نشان میدهند.
حتی بدتر از آن، اگر مرگ و میر وجود داشته باشد، زمان انتقال از سن x به سن x+1 (تاوهای موجود در نمودار بالا) دقیقاً یک سال نیست.
میتوانید این را با اکثر ویژگیهای طبقهبندی شده یک فرد یا جمعیت مقایسه کنید:

وقتی اتومبیلها حالت (جغرافیایی) خود را تغییر میدهند، جریان نشاندهنده یک حرکت فیزیکی واقعی در سراسر یک مرز است که بسیار شهودیتر به نظر میرسد.
همانطور که در مقاله آتی نشان خواهیم داد، گروههای همنسل پویا یک پیوند طبیعیتر بین مدلهای افراد و گروهها فراهم میکنند و دیدن چرخه عمر مجموعهای از موجودیتهای مرتبط را آسان میکنند. در اینجا اندازههای جمعیت گروههای همنسل سالانه برای ژاپن آمده است:

وقتی مقاله در دسترس باشد، آن را در اینجا پیوند خواهم داد.
* این یکی از کاربردهایی بود که در مقاله سفید اصلی Ventity پیشنهاد کردیم، و دیگران نیز به همین ایده رسیدهاند، منهای تخصیص پویای گروههای همنسل. جمعیتشناسان مدتهاست که این کار را به این روش انجام میدهند، اگرچه معمولاً در رویکردهای آماری بدون نمایش بصری سیستم.