Modellierung & Simulation - Einführung
Modellingist der Prozess der Darstellung eines Modells, das dessen Konstruktion und Arbeitsweise umfasst. Dieses Modell ähnelt einem realen System, mit dessen Hilfe der Analyst die Auswirkungen von Änderungen am System vorhersagen kann. Mit anderen Worten, beim Modellieren wird ein Modell erstellt, das ein System mit seinen Eigenschaften darstellt. Es ist ein Akt des Modellbaus.
Simulationeines Systems ist der zeitliche oder räumliche Betrieb eines Modells, mit dessen Hilfe die Leistung eines vorhandenen oder eines vorgeschlagenen Systems analysiert werden kann. Mit anderen Worten, Simulation ist der Prozess der Verwendung eines Modells zur Untersuchung der Leistung eines Systems. Es ist ein Akt der Verwendung eines Modells für die Simulation.
Geschichte der Simulation
Die historische Perspektive der Simulation ist in chronologischer Reihenfolge aufgezählt.
1940 - Eine Methode namens "Monte Carlo" wurde von Forschern (John von Neumann, Stanislaw Ulan, Edward Teller, Herman Kahn) und Physikern entwickelt, die an einem Manhattan-Projekt zur Untersuchung der Neutronenstreuung arbeiteten.
1960 - Die ersten speziellen Simulationssprachen wurden entwickelt, wie beispielsweise SIMSCRIPT von Harry Markowitz von der RAND Corporation.
1970 - In dieser Zeit wurden Untersuchungen zu mathematischen Grundlagen der Simulation eingeleitet.
1980 - In dieser Zeit wurden PC-basierte Simulationssoftware, grafische Benutzeroberflächen und objektorientierte Programmierung entwickelt.
1990 - In dieser Zeit wurden webbasierte Simulationen, ausgefallene animierte Grafiken, simulationsbasierte Optimierung und Markov-Ketten-Monte-Carlo-Methoden entwickelt.
Simulationsmodelle entwickeln
Simulationsmodelle bestehen aus folgenden Komponenten: Systementitäten, Eingabevariablen, Leistungsmessungen und Funktionsbeziehungen. Im Folgenden finden Sie die Schritte zum Entwickeln eines Simulationsmodells.
Step 1 - Identifizieren Sie das Problem mit einem vorhandenen System oder legen Sie die Anforderungen eines vorgeschlagenen Systems fest.
Step 2 - Entwerfen Sie das Problem unter Berücksichtigung der vorhandenen Systemfaktoren und -einschränkungen.
Step 3 - Sammeln und verarbeiten Sie die Systemdaten unter Beobachtung ihrer Leistung und ihres Ergebnisses.
Step 4 - Entwickeln Sie das Modell mithilfe von Netzwerkdiagrammen und überprüfen Sie es mithilfe verschiedener Überprüfungstechniken.
Step 5 - Validieren Sie das Modell, indem Sie seine Leistung unter verschiedenen Bedingungen mit dem realen System vergleichen.
Step 6 - Erstellen Sie ein Dokument des Modells für die zukünftige Verwendung, das Ziele, Annahmen, Eingabevariablen und Leistung im Detail enthält.
Step 7 - Wählen Sie einen geeigneten Versuchsaufbau gemäß den Anforderungen.
Step 8 - Induzieren Sie experimentelle Bedingungen am Modell und beobachten Sie das Ergebnis.
Simulationsanalyse durchführen
Im Folgenden finden Sie die Schritte zur Durchführung der Simulationsanalyse.
Step 1 - Bereiten Sie eine Problemstellung vor.
Step 2- Wählen Sie Eingabevariablen und erstellen Sie Entitäten für den Simulationsprozess. Es gibt zwei Arten von Variablen - Entscheidungsvariablen und nicht steuerbare Variablen. Entscheidungsvariablen werden vom Programmierer gesteuert, während nicht steuerbare Variablen die Zufallsvariablen sind.
Step 3 - Erstellen Sie Einschränkungen für die Entscheidungsvariablen, indem Sie sie dem Simulationsprozess zuweisen.
Step 4 - Bestimmen Sie die Ausgabevariablen.
Step 5 - Sammeln Sie Daten aus dem realen System, um sie in die Simulation einzugeben.
Step 6 - Entwickeln Sie ein Flussdiagramm, das den Fortschritt des Simulationsprozesses zeigt.
Step 7 - Wählen Sie eine geeignete Simulationssoftware, um das Modell auszuführen.
Step 8 - Überprüfen Sie das Simulationsmodell, indem Sie das Ergebnis mit dem Echtzeitsystem vergleichen.
Step 9 - Führen Sie ein Experiment mit dem Modell durch, indem Sie die Variablenwerte ändern, um die beste Lösung zu finden.
Step 10 - Wenden Sie diese Ergebnisse schließlich auf das Echtzeitsystem an.
Modellierung & Simulation ─ Vorteile
Im Folgenden sind die Vorteile der Verwendung von Modellierung und Simulation aufgeführt:
Easy to understand - Ermöglicht es zu verstehen, wie das System wirklich funktioniert, ohne an Echtzeitsystemen zu arbeiten.
Easy to test - Ermöglicht Änderungen am System und deren Auswirkungen auf die Ausgabe, ohne an Echtzeitsystemen zu arbeiten.
Easy to upgrade - Ermöglicht das Ermitteln der Systemanforderungen durch Anwenden verschiedener Konfigurationen.
Easy to identifying constraints - Ermöglicht die Durchführung von Engpassanalysen, die zu Verzögerungen im Arbeitsprozess, bei Informationen usw. führen.
Easy to diagnose problems- Bestimmte Systeme sind so komplex, dass es nicht einfach ist, ihre Interaktion gleichzeitig zu verstehen. Mit Modeling & Simulation können Sie jedoch alle Wechselwirkungen verstehen und ihre Auswirkungen analysieren. Darüber hinaus können neue Richtlinien, Vorgänge und Verfahren untersucht werden, ohne das reale System zu beeinträchtigen.
Modellierung & Simulation ─ Nachteile
Im Folgenden sind die Nachteile der Verwendung von Modellierung und Simulation aufgeführt:
Das Entwerfen eines Modells ist eine Kunst, die Fachwissen, Schulung und Erfahrung erfordert.
Operationen werden auf dem System unter Verwendung einer Zufallszahl ausgeführt, daher ist es schwierig, das Ergebnis vorherzusagen.
Die Simulation erfordert Personal und ist ein zeitaufwändiger Prozess.
Simulationsergebnisse sind schwer zu übersetzen. Es erfordert Experten zu verstehen.
Simulationsprozess ist teuer.
Modellierung & Simulation ─ Anwendungsbereiche
Modellierung und Simulation können auf die folgenden Bereiche angewendet werden: Militärische Anwendungen, Schulung und Support, Entwurf von Halbleitern, Telekommunikation, Entwürfe und Präsentationen im Tiefbau sowie E-Business-Modelle.
Zusätzlich wird es verwendet, um die interne Struktur eines komplexen Systems wie des biologischen Systems zu untersuchen. Es wird verwendet, um das Systemdesign wie Routing-Algorithmus, Fließband usw. zu optimieren. Es wird zum Testen neuer Designs und Richtlinien verwendet. Es wird verwendet, um analytische Lösungen zu verifizieren.