Simulaatiomallinnuksen esimerkki. Miksi tarvitsemme simulaatiomallinnusta? Missä, missä tapauksissa simulaatiomenetelmää käytetään ja mihin tarkoitukseen?

Kun luotiin menetelmää simulaatiomallinnukseen, minun piti ymmärtää termit. Ongelmana oli, että tavanomaiset termit eivät sovellu kuvaamaan simulointiprosessin aikana kerättyä tilastotietoa. Ehdot: käsitellä asiaa Ja prosessitapauksia olivat mahdottomia hyväksyä, koska en voinut työskennellä Aristoteleen paradigman mukaisesti. Aristoteleen paradigma ei sovi käyttämäni laitteiston kanssa. Samalla tämän tekniikan käytännön soveltaminen oli yksinkertaista - liiketoimintaobjektien mallinnus ja simulointi johtamispäätösten tekoa varten. Ohjelma loi virtuaalisen objektin, jonka kuvaus koostui skenaarioiden ja niiden vuorovaikutuksen kuvauksesta. Ohjelman sisällä ajettiin skenaarioita ja mallinnettiin resursseja ja niiden vuorovaikutusta.

Muistutan tästä:

Simulaatiomallinnus- menetelmä objektien tutkimiseksi, joka perustuu siihen, että tutkittava kohde korvataan simuloivalla esineellä. Kokeita suoritetaan simuloivalla esineellä (turvautumatta kokeisiin todellisella esineellä) ja tuloksena saadaan tietoa tutkittavasta kohteesta. Simuloiva objekti on informaatioobjekti.

Simulaatiomallinnuksen tarkoitus- saada likimääräinen tieto kohteen tietystä parametrista mittaamatta suoraan sen arvoja. On selvää, että tämä on tarpeen silloin ja vain, jos mittaus ei ole mahdollista tai se maksaa enemmän kuin simulointi. Lisäksi tämän parametrin tutkimiseen voimme käyttää kohteen muita tunnettuja parametreja ja mallia sen suunnittelusta. Olettaen, että suunnittelumalli kuvaa kohteen melko tarkasti, oletetaan, että simulaation aikana saadut mallinnusobjektin parametriarvojen tilastolliset jakaumat osuvat jossain määrin samaan mallin parametriarvojen jakauman kanssa. todellinen esine.

On selvää, että käytetty laitteisto on tilastollista matematiikkaa. On selvää, että matemaattisissa tilastoissa ei käytetä termejä esiintymät ja tyypit. Se toimii esineiden ja sarjojen kanssa. Tämän seurauksena jouduin metodologian kirjoittamisessa käyttämään loogista paradigmaa, jonka pohjalta standardi ISO 15926 luotiin. Sen perustana on olioiden, luokkien ja luokkaluokkien läsnäolo.

Esimerkkimääritelmät:

Operaatio

Tapahtuma

Kuvassa näkyy entiteettien välinen suhde: tapahtumat kerätään tapahtumaluokkiin. Tapahtumaluokka kuvataan "Events"-hakemistoobjektin avulla. Yhden luokan tapahtumat on kuvattu prosessikaavioissa graafisten elementtien avulla. Tapahtumat-hakemistoobjektin perusteella simulointimoottori luo simuloituja tapahtumia.

Käsitellä asiaa

Simuloitu prosessi: Simuloitujen toimintojen järjestys. On kätevää kuvata tämä sekvenssi Gantt-kaavion muodossa. Kuvaus sisältää tapahtumia. Esimerkiksi tapahtumat: "prosessin alku" ja "prosessin loppu".
Simulointiprosessi: Objekti, joka on luotu simuloimaan mallinnettavaa prosessia. Tämä objekti luodaan tietokoneen muistiin simulaation aikana.
Simuloitujen prosessien luokka: Joukko simuloituja prosesseja yhdistettynä jonkin ominaisuuden mukaan. Yleisin liitto on prosessien liitto, joilla on yhteinen malli. Mallina voidaan käyttää millä tahansa mallinnusmerkinnällä tehtyä prosessikaaviota: Process, Procedure, EPC, BPMN.
Simulointiprosessien luokka: Erilaisia simuloituja prosesseja, jotka on luotu simuloinnin puitteissa toiminnan simuloimiseksi.
Käsitellä asiaa ( objektina hakemistossa): Hakemistoobjekti "Prosessit.
Käsitellä asiaa ( prosessikaavio): Yhden luokan prosessien malli, tehty kaavion muodossa. Tämän mallin perusteella luodaan simuloivia prosesseja.

Johtopäätös

Kiitos huomiostasi. Toivon vilpittömästi, että kokemuksestani on hyötyä niille, jotka haluavat erottaa edellä mainitut kohteet. Alan nykytilan ongelma on sellainen, että yhdellä termillä nimetyt kokonaisuudet lakkaavat eroamasta analyytikoiden mielissä. Yritin antaa sinulle esimerkin siitä, kuinka voit ajatella ja kuinka voit ottaa käyttöön termejä erottaaksesi eri entiteetit. Toivottavasti luku oli mielenkiintoista.

Toinen esimerkki olennaisesti konepohjaisista malleista ovat simulaatiomallit. Huolimatta siitä, että simulaatiomallinnuksesta on tulossa yhä suositumpi menetelmä monimutkaisten järjestelmien ja prosessien tutkimiseen, ei nykyään ole olemassa yhtä ainoaa kaikkien tutkijoiden tunnustamaa simulaatiomallin määritelmää.

Suurin osa käytetyistä määritelmistä viittaa siihen, että simulaatiomalli luodaan ja toteutetaan käyttämällä joukkoa matemaattisia ja instrumentaalisia työkaluja, jotka mahdollistavat tietokoneen avulla kohdennettuja laskelmia simuloidun prosessin ominaisuuksista ja joidenkin sen parametrien optimoinnin.

On myös äärimmäisiä näkökulmia. Yksi niistä liittyy väitteeseen, että simulaatiomalli voidaan tunnistaa mikä tahansa loogis-matemaattinen järjestelmän kuvaus, jota voidaan käyttää laskennallisten kokeiden aikana. Näistä kohdista laskelmat, jotka liittyvät muuttuviin parametreihin puhtaasti deterministisissa ongelmissa, tunnistetaan simulaatiomallinnukseksi.

Toisen äärimmäisen näkökulman kannattajat uskovat, että simulaatiomalli on välttämättä erityinen ohjelmistopaketti, jonka avulla voit simuloida minkä tahansa monimutkaisen kohteen toimintaa. ”Simulointimenetelmä on kokeellinen menetelmä todellisen järjestelmän tutkimiseen sen tietokonemallilla, jossa yhdistyvät kokeellisen lähestymistavan piirteet ja tietotekniikan käyttöolosuhteet. Simulaatiomallinnus on tietokonemallinnusmenetelmä, itse asiassa sitä ei koskaan ollut olemassa ilman tietokonetta, ja vain tietotekniikan kehitys johti tällaisen tietokonemallinnuksen perustamiseen. Tämä lähestymistapa kieltää mahdollisuuden luoda yksinkertaisimpia simulaatiomalleja ilman tietokonetta.

Määritelmä 1.9. Simulaatio malli- erityinen tietomallien tyyppi, joka yhdistää analyyttisten, tietokoneiden ja analogisten mallien elementtejä, mikä mahdollistaa laskentasarjan ja työnsä tulosten graafisen näytön avulla toistaa (simuloida) tutkittavan kohteen toimintaprosesseja altistuessaan useille (yleensä satunnaisille) tekijöille.

Simulaatiomallinnuksella mallinnetaan nykyään liiketoimintaprosesseja, toimitusketjuja, sodankäyntiä, väestödynamiikkaa, historiallisia prosesseja, kilpailua ja muita prosesseja, joilla ennakoidaan johdon päätösten seurauksia useilla eri aloilla. Simulaatiomallinnuksen avulla voidaan tutkia minkä tahansa luonteisia, monimutkaisia ja tarkoituksenmukaisia järjestelmiä ja lähes minkä tahansa tason yksityiskohtia, joita rajoittavat vain simulaatiomallin kehittämisen monimutkaisuus ja kokeiden suorittamiseen käytettävien laskentatyökalujen tekniset ominaisuudet.

Simulaatiomallit, jotka on kehitetty ratkaisemaan nykyaikaisia käytännön ongelmia, sisältävät yleensä suuren määrän monimutkaisesti vuorovaikutuksessa olevia stokastisia elementtejä, joista jokainen kuvataan suurella määrällä parametreja ja on alttiina stokastisille vaikutuksille. Näissä tapauksissa täysimittaisen mallintaminen on pääsääntöisesti ei-toivottavaa tai mahdotonta, ja analyyttinen ratkaisu on vaikeaa tai myös mahdotonta. Usein simulaatiomallin toteuttaminen edellyttää hajautetun laskennan järjestämistä. Näistä syistä simulaatiomallit ovat pääosin konepohjaisia malleja.

Simulaatiomalliin kuuluu mallin esittäminen tietokoneohjelman toteuttamana algoritmina, jonka suoritus simuloi järjestelmän tilojen muutossarjaa ja heijastaa siten simuloidun järjestelmän tai prosessin käyttäytymistä.

Huomautus!

Satunnaisten tekijöiden läsnä ollessa simuloitujen prosessien tarvittavat ominaisuudet saadaan simulointimallin toistuvien ajojen ja sitä seuranneen kerätyn tiedon tilastollisen käsittelyn tuloksena.

Huomaa, että tieteellisen tutkijan näkökulmasta on oikeutettua tulkita simulaatiomallinnusta tietotekniikaksi: "Ohjatun prosessin tai ohjatun kohteen simulaatiomallinnus on korkean tason tietotekniikkaa, joka tarjoaa kahdenlaisia toimia, jotka suoritetaan käyttämällä tietokone:

1) työstää simulaatiomallin luomista tai muokkaamista;
2) simulaatiomallin toiminta ja tulosten tulkinta."

Simulaatiomallin rakentamisen modulaarinen periaate. Simulaatiomallinnus siis edellyttää konstruoitujen loogis-matemaattisten mallien olemassaoloa, jotka kuvaavat tutkittavaa järjestelmää ulkoisen ympäristön yhteydessä, siinä tapahtuvien prosessien toistamista säilyttäen samalla niiden loogisen rakenteen ja järjestyksen ajan mittaan tietotekniikan avulla. Järkevintä on rakentaa järjestelmän toiminnan simulaatiomalli modulaarisella periaatteella. Tässä tapauksessa voidaan tunnistaa kolme tällaisen mallin moduulien toisiinsa kytkettyä lohkoa (kuva 1.7).

Riisi. 1.7.

Algoritmisen mallin pääosa on toteutettu objektin toimintaprosessien simulointilohkossa (lohko 2). Täällä järjestetään malliajan laskenta, mallielementtien vuorovaikutuksen logiikka ja dynamiikka toistetaan ja suoritetaan kokeita tietojen keräämiseksi, joita tarvitaan arvioiden laskemiseen objektin toiminnan ominaisuuksista. Satunnaisvaikutusten simulointilohkoa (lohko 1) käytetään satunnaismuuttujien ja prosessien arvojen generointiin. Se sisältää standardijakaumien generaattorit ja työkalut algoritmien toteuttamiseen satunnaisten vaikutusten mallintamiseen vaadituilla ominaisuuksilla. Simulaatiotulosten käsittelylohkossa (lohko 3) lasketaan mallin kokeiden tulokset muodostavien ominaisuuksien nykyiset ja lopulliset arvot. Tällaiset kokeet voivat koostua liittyvien ongelmien ratkaisemisesta, mukaan lukien optimointi tai käänteiset ongelmat.

Lychkina II. II. asetus. op.
Hajautettu laskenta on tapa ratkaista työvaltaisia laskentaongelmia käyttämällä useita tietokoneita, jotka useimmiten yhdistetään rinnakkaislaskentajärjestelmään.
Emelyanov A. A., Vlasova E. A., Duma R. V. Taloudellisten prosessien simulaatiomallinnus. M.: Talous ja tilastot, 2006. S. 6.

Malli on abstrakti kuvaus järjestelmästä, jonka yksityiskohtaisuuden määrittää tutkija itse. Ihminen tekee päätöksen siitä, onko jokin järjestelmän elementti olennainen, ja siten sisällytetäänkö se järjestelmän kuvaukseen. Tämä päätös tehdään ottaen huomioon mallin kehittämisen taustalla oleva tarkoitus. Mallintamisen onnistuminen riippuu siitä, kuinka hyvin tutkija pystyy tunnistamaan olennaiset elementit ja niiden väliset suhteet.

Järjestelmän katsotaan koostuvan monista toisiinsa liittyvistä elementeistä, jotka on yhdistetty suorittamaan tietyn toiminnon. Järjestelmän määritelmä on pitkälti subjektiivinen, ts. Se ei riipu vain mallin käsittelyn tarkoituksesta, vaan myös siitä, kuka järjestelmän tarkalleen määrittelee.

Joten mallinnusprosessi alkaa määrittelemällä mallin kehittämisen tavoite, jonka pohjalta järjestelmän rajoja Ja vaadittava yksityiskohtaisuus simuloidut prosessit. Valitun yksityiskohtaisuuden tason tulisi mahdollistaa abstraktion tekeminen todellisen järjestelmän toiminnan näkökohdista, joita ei ole määritelty tarkasti tiedon puutteen vuoksi. Lisäksi järjestelmäkuvauksessa tulee sisältää kriteerit järjestelmän tehokkuudelle ja arvioidut vaihtoehtoiset ratkaisut, joita voidaan pitää osana mallia tai sen syötteinä. Vaihtoehtoisten ratkaisujen arvioinnit annettujen suorituskriteerien perusteella katsotaan mallituloksiksi. Tyypillisesti vaihtoehtojen arviointi vaatii muutoksia järjestelmäkuvaukseen ja siten mallin uudelleenjärjestelyä. Siksi käytännössä mallin rakentamisprosessi on iteratiivinen. Kun vaihtoehtojen arvioiden perusteella on tehty suosituksia, voidaan mallinnuksen tulosten toteuttaa. Samalla suosituksissa tulee muotoilla selkeästi sekä keskeiset päätökset että niiden toteuttamisen ehdot.

Simulaatiomallinnus(laajassa merkityksessä) on prosessi, jossa rakennetaan malli todellisesta järjestelmästä ja suoritetaan kokeita tällä mallilla, jotta voidaan joko ymmärtää järjestelmän käyttäytymistä tai arvioida (asetettujen rajoitusten puitteissa) erilaisia strategioita, jotka varmistavat tämän järjestelmän toiminnan .

Simulaatiomallinnus(Suppeassa merkityksessä) on esitys järjestelmän dynaamisesta käyttäytymisestä siirtämällä sitä tilasta toiseen tunnettujen toimintasääntöjen (algoritmien) mukaisesti.

Simulaatiomallin luomiseksi on siis tarpeen tunnistaa ja kuvata järjestelmän tila ja sen muuttamisen algoritmit (säännöt). Tämä kirjoitetaan sitten jollakin mallinnustyökalulla (algoritminen kieli, erikoiskieli) ja käsitellään tietokoneella.

Simulaatio malli(IM) on loogis-matemaattinen kuvaus järjestelmästä, jota voidaan käyttää kokeissa digitaalisella tietokoneella.

MI:n avulla voidaan suunnitella, analysoida ja arvioida järjestelmien toimintaa. IM:llä suoritetaan konekokeita, joiden avulla voimme tehdä johtopäätöksiä järjestelmän käyttäytymisestä:

· sen rakenteen puuttuessa, jos se on suunniteltu järjestelmä;

· häiritsemättä sen toimintaa, jos kyseessä on olemassa oleva järjestelmä, jonka kokeilu on mahdotonta tai ei-toivottavaa (korkeat kustannukset, vaara);

· tuhoamatta järjestelmää, jos kokeen tarkoituksena on määrittää vaikutus siihen.

Simulaatiomallin muodostusprosessi voidaan esittää lyhyesti seuraavasti ( Kuva 2):

Kuva 2. Simulaatiomallin muodostuskaavio

Johtopäätös: IM:lle on ominaista formalisoidulla prosessikaaviolla kuvattujen ilmiöiden toistaminen säilyttäen niiden looginen rakenne, vuorottelujärjestys ajassa ja joskus fyysinen sisältö.

Simulaatiomallinnusta (IM) tietokoneella käytetään laajasti monimutkaisten diskreettien järjestelmien (CDS) ja niissä tapahtuvien prosessien tutkimuksessa ja ohjauksessa. Tällaisia järjestelmiä ovat talous- ja teollisuuslaitokset, merisatamat, lentokentät, öljyn ja kaasun pumppauskompleksit, kastelujärjestelmät, ohjelmistot monimutkaisille ohjausjärjestelmille, tietokoneverkot ja monet muut. IM:n laaja käyttö selittyy sillä, että ratkaistavien ongelmien koko ja monimutkaisten järjestelmien formalisoitavuuden puute eivät salli tiukkojen optimointimenetelmien käyttöä.

Alla jäljitelmä ymmärrämme numeerisen menetelmän suorittaa tietokonekokeita matemaattisilla malleilla, jotka kuvaavat monimutkaisten järjestelmien käyttäytymistä pitkällä aikavälillä.

Simulaatiokoe on näyttö prosessista, joka tapahtuu SDS:ssä pitkän ajanjakson aikana (minuutti, kuukausi, vuosi jne.), joka kestää yleensä useita sekunteja tai minuutteja tietokoneen käyttöajasta. On kuitenkin ongelmia, joihin on tarpeen tehdä niin paljon laskelmia mallinnuksen aikana (pääsääntöisesti nämä ovat ongelmia, jotka liittyvät ohjausjärjestelmiin, mallinnustukeen optimaalisten päätösten tekemiseen, tehokkaiden ohjausstrategioiden kehittämiseen jne.), että IM toimii hitaampi kuin todellinen järjestelmä. Siksi kyky simuloida pitkää VTS-toimintaa lyhyessä ajassa ei ole tärkein simulaation tarjoama asia.

Simulointiominaisuudet:

1. IM:llä suoritetaan konekokeita, joiden avulla voimme tehdä johtopäätöksiä järjestelmän käyttäytymisestä:

· ilman rakennetta, jos kyseessä on suunniteltu järjestelmä;

· häiritsemättä sen toimintaa, jos kyseessä on olemassa oleva järjestelmä, jonka kokeilu on mahdotonta tai ei-toivottavaa (kallista, vaarallista);

· ilman sen tuhoamista, jos kokeen tarkoituksena on määrittää suurin vaikutus järjestelmään.

2. Tutki kokeellisesti monimutkaisia vuorovaikutuksia järjestelmän sisällä ja ymmärrä sen toiminnan logiikka.

4. Tutki ulkoisten ja sisäisten satunnaishäiriöiden vaikutusta.

5. Tutki järjestelmän parametrien vaikutusta suorituskykyindikaattoreihin.

6. Testaa uusia johtamis- ja päätöksentekostrategioita operatiivisessa johtamisessa.

7. Ennusta ja suunnittele järjestelmän toimintaa tulevaisuudessa.

8. Järjestä henkilöstön koulutus.

Simulaatiokokeen perustana on simuloidun järjestelmän malli.

IM kehitettiin mallintamaan monimutkaisia stokastisia järjestelmiä - diskreettejä, jatkuvia, yhdistettyjä.

Mallintaminen tarkoittaa, että peräkkäiset ajanhetket määritetään ja tietokone laskee mallin tilan peräkkäin kullakin näistä ajanhetkistä. Tätä varten on tarpeen asettaa sääntö (algoritmi) mallin siirtymiselle tilasta toiseen, eli muunnos:

missä on mallin tila -:nnella ajanhetkellä, joka on vektori.

Otetaanpa huomioon:

Ulkoisen ympäristön tilan vektori (mallisyöte) ajanhetkellä,

Ohjausvektori th ajanhetkellä.

Sitten IM määritetään määrittämällä operaattori, jonka avulla voit määrittää mallin tilan seuraavalla hetkellä kulloisenkin hetken tilan, ohjausvektoreiden ja ulkoisen ympäristön perusteella:

Kirjoitamme tämän muunnoksen toistuvassa muodossa:

Operaattori määrittelee monimutkaisen järjestelmän simulaatiomallin rakenteineen ja parametreineen.

IM:n tärkeä etu on kyky ottaa huomioon mallinnetun kohteen hallitsemattomat tekijät, jotka ovat vektori:

Sitten meillä on:

Simulaatio malli on loogis-matemaattinen kuvaus järjestelmästä, jota voidaan käyttää tietokoneella tehtävissä kokeissa.

Kuva 3. Monimutkaisen järjestelmän IM:n kokoonpano

Palataksemme monimutkaisen järjestelmän simulaatiomallinnuksen ongelmaan, korostetaan ehdollisesti IM:ssä: ohjattavan kohteen malli, ohjausjärjestelmän malli ja sisäisten satunnaishäiriöiden malli (Kuva 3).

Ohjatun objektimallin tulot on jaettu ohjattuihin ohjattuihin ja hallitsemattomiin ohjaamattomiin häiriöihin. Viimeksi mainitut generoidaan satunnaislukuantureilla tietyn jakautumislain mukaisesti. Ohjaus puolestaan on ohjausjärjestelmämallin lähtö ja häiriöt satunnaislukuanturien (sisäisten häiriöiden malli) lähtö.

Tässä on ohjausjärjestelmän algoritmi.

Simuloinnin avulla voit tutkia simuloidun kohteen käyttäytymistä pitkän ajan kuluessa – dynaaminen simulointi. Tässä tapauksessa, kuten edellä mainittiin, se tulkitaan ajanhetken numeroksi. Lisäksi voit tutkia järjestelmän käyttäytymistä tietyllä hetkellä - staattinen simulointi, käsitellään sitten osavaltionumerona.

Dynaamisessa simuloinnissa aika voi muuttua tasaisin ja vaihtelevin askelin ( Kuva 4):

Kuva 4. Dynaaminen simulointi

Täällä g i– hetkiä tapahtumista VTS:ssä, g * i– tapahtumahetket dynaamisen simulaation aikana vakioaskelilla, g 'i- tapahtumien hetket vaihtelevalla askeleella.

Jatkuvalla askeleella toteutus on yksinkertaisempaa, mutta tarkkuus on pienempi ja mallin tilan laskennassa voi olla tyhjiä (eli ylimääräisiä) aikapisteitä.

Vaihtuvilla askeleilla aika siirtyy tapahtumasta toiseen. Tämä menetelmä on tarkempi toisto prosessista, turhia laskelmia ei ole, mutta se on vaikeampi toteuttaa.

Perussäännökset, joka johtuu siitä, mitä on sanottu:

1. MI on numeerinen menetelmä, ja sitä tulisi käyttää, kun muita menetelmiä ei voida käyttää. Monimutkaisille järjestelmille tämä on tällä hetkellä tärkein tutkimusmenetelmä.

2. Jäljitelmä on kokeilu, mikä tarkoittaa, että sitä suoritettaessa tulee käyttää teoriaa kokeen suunnittelusta ja sen tulosten käsittelystä.

3. Mitä tarkemmin mallinnetun kohteen käyttäytymistä kuvataan, sitä tarkempaa mallia tarvitaan. Mitä tarkempi malli on, sitä monimutkaisempi se on ja vaatii enemmän tietokoneresursseja ja aikaa tutkimukseen. Siksi on välttämätöntä etsiä kompromissi mallin tarkkuuden ja sen yksinkertaisuuden välillä.

Esimerkkejä ratkaistavista tehtävistä: järjestelmäsuunnitelmien analysointi eri vaiheissa, olemassa olevien järjestelmien analysointi, käyttö ohjausjärjestelmissä, käyttö optimointijärjestelmissä jne.

Alla olevaa esimerkkiä voidaan käyttää suuren luokan ongelmien ratkaisemiseen. Esimerkiksi henkilöresurssien ja teknisten resurssien hallinnan ongelmat. Simulointi auttaa kaikkia kaupallisia yrityksiä vähentämään materiaali-, henkilöstö- ja laitteistokustannuksia.

Optimaalisen henkilöstömäärän löytäminen, jotta voimme tarjota asiakkaille vaaditun palvelun

Ensimmäisessä vaiheessa määritetään pankin palvelutason pääkriteeri - keskimääräinen jonon koko. Seuraavaksi valitaan sopivat järjestelmäparametrit malliparametrien asettamista varten: asiakkaiden määrä, saapumisen intensiteetti, yhden asiakkaan vastaanottoaika ja ajoittain ilmenevät luonnolliset poikkeamat keskiarvoista, esimerkiksi ruuhka-ajat ja monimutkaiset asiakaspyynnöt.

Sitten luodaan vuokaavio, joka vastaa pankin sivukonttorin rakennetta ja liiketoimintaprosesseja. Malli ottaa huomioon vain analysoitavaan ongelmaan vaikuttavat tekijät. Esimerkiksi oikeushenkilön palveluosaston tai luottoosaston läsnäolo ei vaikuta palvelemaan henkilöitä, koska nämä osastot ovat fyysisesti ja toiminnallisesti erillään.

Lopuksi, kun syöttötiedot on ladattu malliin, simulaatio suoritetaan ja on mahdollista nähdä pankin konttorin toiminta dynamiikassa, jolloin tuloksia voidaan käsitellä ja analysoida. Jos asiakasjonon keskikoko ylittää asetetun rajan, niin käytettävissä olevien työntekijöiden määrää lisätään ja kokeilu toistetaan. Tämä prosessi voidaan suorittaa automaattisesti, kunnes optimaalinen ratkaisu löytyy.

Simulaatiomallinnus

Simulaatiomallinnus (tilannemallinnus)- menetelmä, jonka avulla voit rakentaa malleja, jotka kuvaavat prosesseja niin kuin ne tapahtuisivat todellisuudessa. Tällaista mallia voidaan "pelata" ajan mittaan sekä yhdelle testille että tietylle niistä. Tässä tapauksessa tulokset määräytyvät prosessien satunnaisuuden mukaan. Näistä tiedoista voidaan saada melko vakaat tilastot.

Simulaatiomallinnus on tutkimusmenetelmä, jossa tutkittava järjestelmä korvataan todellista järjestelmää riittävän tarkasti kuvaavalla mallilla, jolla suoritetaan kokeita tiedon saamiseksi tästä järjestelmästä. Mallin kanssa kokeilemista kutsutaan jäljitelmäksi (jäljittely on ilmiön olemuksen ymmärtämistä turvautumatta kokeisiin todellisella esineellä).

Simulaatiomallinnus on matemaattisen mallinnuksen erikoistapaus. On olemassa objektiluokka, jolle eri syistä ei ole kehitetty analyyttisiä malleja tai ei ole kehitetty menetelmiä tuloksena olevan mallin ratkaisemiseksi. Tässä tapauksessa analyyttinen malli korvataan simulaattorilla tai simulaatiomallilla.

Simulaatiomallinnukseen viitataan joskus osittaisten numeeristen ratkaisujen saamiseksi formuloituun ongelmaan analyyttisten ratkaisujen perusteella tai numeeristen menetelmien avulla.

Simulaatiomalli on objektin looginen ja matemaattinen kuvaus, jota voidaan käyttää tietokoneella kokeilemiseen kohteen toiminnan suunnittelua, analysointia ja toiminnan arviointia varten.

Simulaatiomallinnuksen soveltaminen

Simulaatiomallinnusta käytetään, kun:

on kallista tai mahdotonta kokeilla todellista esinettä;
on mahdotonta rakentaa analyyttistä mallia: järjestelmässä on aika, kausaalisuhteet, seuraukset, epälineaarisuudet, stokastiset (satunnaiset) muuttujat;
on tarpeen simuloida järjestelmän käyttäytymistä ajan kuluessa.

Simulaatiomallinnuksen tarkoituksena on toistaa tutkittavan järjestelmän käyttäytyminen sen elementtien välisten merkittävimpien suhteiden analyysin tulosten perusteella tai toisin sanoen kehittää simulaattori. simulaatiomallinnus) tutkittavasta aihealueesta erilaisten kokeiden suorittamiseksi.

Simulaatiomallinnuksen avulla voit simuloida järjestelmän käyttäytymistä ajan kuluessa. Lisäksi etuna on, että mallissa olevaa aikaa voidaan ohjata: hidastaa nopeiden prosessien tapauksessa ja kiihdyttää mallintamalla järjestelmiä, joissa vaihtelu on hidasta. On mahdollista jäljitellä niiden esineiden käyttäytymistä, joilla todelliset kokeet ovat kalliita, mahdottomia tai vaarallisia. Henkilökohtaisten tietokoneiden aikakauden tultua monimutkaisten ja ainutlaatuisten tuotteiden tuotantoon liittyy yleensä tietokoneella toteutettu kolmiulotteinen simulaatiomallinnus. Tämän tarkan ja suhteellisen nopean tekniikan avulla voit kerätä kaiken tarvittavan tiedon, laitteet ja puolivalmiit tuotteet tulevaa tuotetta varten ennen tuotannon aloittamista. Tietokoneen 3D-mallinnus ei ole nykyään harvinaista edes pienissä yrityksissä.

Imitaatio ei-triviaalien ongelmien ratkaisumenetelmänä sai alkukehityksensä tietokoneiden luomisen yhteydessä 1950-1960-luvuilla.

Jäljitelmiä on kahta tyyppiä:

Monte Carlon menetelmä (tilastollinen testimenetelmä);
Simulaatiomallinnusmenetelmä (tilastollinen mallinnus).

Simulaatiotyypit

Kolme simulaatiolähestymistapaa

Simulaatiolähestymistapoja abstraktion asteikolla

Agenttipohjainen mallintaminen on suhteellisen uusi (1990-2000-luvut) suuntaus simulaatiomallinnuksessa, jolla tutkitaan hajautettuja järjestelmiä, joiden toiminnan dynamiikkaa eivät määrää globaalit säännöt ja lait (kuten muissa mallinnusparadigmoissa), vaan päinvastoin, kun nämä globaalit säännöt ja lait ovat seurausta ryhmän jäsenten yksilöllisestä toiminnasta. Agenttipohjaisten mallien tarkoituksena on saada käsitys näistä globaaleista säännöistä, järjestelmän yleisestä käyttäytymisestä, perustuen oletuksiin sen yksittäisten aktiivisten objektien yksilöllisestä, yksityisestä käyttäytymisestä ja näiden objektien vuorovaikutuksesta järjestelmässä. Agentti on tietty kokonaisuus, jolla on toimintaa, itsenäistä käyttäytymistä, joka voi tehdä päätöksiä tietyn säännöstön mukaisesti, olla vuorovaikutuksessa ympäristön kanssa ja myös muuttua itsenäisesti.

Diskreettitapahtumamallinnus on mallinnustapa, jossa ehdotetaan irtautumista tapahtumien jatkuvasta luonteesta ja huomioidaan vain simuloidun järjestelmän päätapahtumat, kuten "odotus", "tilauksen käsittely", "rahdin kanssa liikkuminen", "purku". ja muut. Diskreetti tapahtumamallinnus on kehittynein ja sillä on valtava valikoima sovelluksia - logistiikasta ja jonojärjestelmistä kuljetus- ja tuotantojärjestelmiin. Tämäntyyppinen mallinnus soveltuu parhaiten tuotantoprosessien mallintamiseen. Jeffrey Gordonin perusti 1960-luvulla.

Järjestelmädynamiikka on mallinnusparadigma, jossa tutkittavalle järjestelmälle rakennetaan graafiset kaaviot kausaalisista suhteista ja joidenkin parametrien globaaleista vaikutuksista toisiin ajan mittaan, minkä jälkeen näiden kaavioiden perusteella luotu malli simuloidaan tietokoneella. Itse asiassa tämäntyyppinen mallinnus auttaa enemmän kuin kaikki muut paradigmat ymmärtämään esineiden ja ilmiöiden välisten syy-seuraussuhteiden jatkuvan tunnistamisen olemusta. Järjestelmädynamiikan avulla rakennetaan malleja liiketoimintaprosessista, kaupunkikehityksestä, tuotantomalleista, väestödynamiikasta, ekologiasta ja epidemiakehityksestä. Menetelmän perusti Jay Forrester vuonna 1950.

Käyttöalueet

Väestön dynamiikka
IT-infrastruktuuri
Historiallisten prosessien matemaattinen mallintaminen
Jalankulkijoiden dynamiikka
Markkinat ja kilpailu
Palvelukeskukset
Toimitusketjut
Liikenne
Terveystaloustiede

Ilmaiset simulointijärjestelmät

Katso myös

Verkon mallinnus

Huomautuksia

Kirjallisuus

Hemdi A. Taha Luku 18. Simulaatiomallinnus// Johdatus operaatiotutkimukseen = Operations Research: An Introduction. - 7. painos - M.: "Williams", 2007. - s. 697-737. - ISBN 0-13-032374-8

Strogalev V.P., Tolkacheva I.O. Simulaatiomallinnus. - MSTU im. Bauman, 2008. - s. 697-737. -