Überprüfung und Validierung

Eines der wirklichen Probleme, mit denen der Simulationsanalyst konfrontiert ist, ist die Validierung des Modells. Das Simulationsmodell ist nur gültig, wenn das Modell eine genaue Darstellung des tatsächlichen Systems ist, andernfalls ist es ungültig.

Validierung und Verifizierung sind die beiden Schritte in jedem Simulationsprojekt, um ein Modell zu validieren.

Validationist der Prozess des Vergleichs zweier Ergebnisse. In diesem Prozess müssen wir die Darstellung eines konzeptuellen Modells mit dem realen System vergleichen. Wenn der Vergleich wahr ist, ist er gültig, andernfalls ungültig.
Verificationist der Prozess des Vergleichs von zwei oder mehr Ergebnissen, um deren Genauigkeit sicherzustellen. In diesem Prozess müssen wir die Implementierung des Modells und die zugehörigen Daten mit der konzeptionellen Beschreibung und den Spezifikationen des Entwicklers vergleichen.

Verifizierungs- und Validierungstechniken

Es gibt verschiedene Techniken zur Überprüfung und Validierung des Simulationsmodells. Im Folgenden sind einige der gängigen Techniken aufgeführt:

Techniken zur Überprüfung des Simulationsmodells

Im Folgenden finden Sie die Möglichkeiten zur Überprüfung des Simulationsmodells:

Durch Verwendung von Programmierkenntnissen zum Schreiben und Debuggen des Programms in Unterprogrammen.
Durch Verwendung der Richtlinie "Strukturierter Rundgang", bei der mehr als eine Person das Programm lesen soll.
Indem Sie die Zwischenergebnisse verfolgen und mit den beobachteten Ergebnissen vergleichen.
Durch Überprüfen der Ausgabe des Simulationsmodells mithilfe verschiedener Eingabekombinationen.
Durch Vergleichen des endgültigen Simulationsergebnisses mit den Analyseergebnissen.

Techniken zur Validierung des Simulationsmodells

Step 1- Entwerfen Sie ein Modell mit hoher Gültigkeit. Dies kann mit den folgenden Schritten erreicht werden:

Das Modell muss beim Entwerfen mit den Systemexperten besprochen werden.
Das Modell muss während des gesamten Prozesses mit dem Client interagieren.
Die Ausgabe muss von Systemexperten überwacht werden.

Step 2- Testen Sie das Modell anhand von Annahmedaten. Dies kann erreicht werden, indem die Annahmedaten in das Modell übernommen und quantitativ getestet werden. Eine empfindliche Analyse kann auch durchgeführt werden, um den Effekt einer Änderung des Ergebnisses zu beobachten, wenn signifikante Änderungen an den Eingabedaten vorgenommen werden.

Step 3- Bestimmen Sie die repräsentative Ausgabe des Simulationsmodells. Dies kann mit den folgenden Schritten erreicht werden:

Bestimmen Sie, wie nahe die Simulationsausgabe an der tatsächlichen Systemausgabe liegt.
Der Vergleich kann mit dem Turing-Test durchgeführt werden. Es präsentiert die Daten im Systemformat, das nur von Experten erklärt werden kann.
Die statistische Methode kann verwendet werden, um die Modellausgabe mit der tatsächlichen Systemausgabe zu vergleichen.

Modelldatenvergleich mit realen Daten

Nach der Modellentwicklung müssen wir die Ausgabedaten mit den realen Systemdaten vergleichen. Es folgen die beiden Ansätze, um diesen Vergleich durchzuführen.

Validierung des vorhandenen Systems

Bei diesem Ansatz verwenden wir reale Eingaben des Modells, um seine Ausgabe mit der der realen Eingaben des realen Systems zu vergleichen. Dieser Validierungsprozess ist unkompliziert, kann jedoch bei der Durchführung einige Schwierigkeiten bereiten, z. B. wenn die Ausgabe mit der durchschnittlichen Länge, Wartezeit, Leerlaufzeit usw. verglichen werden soll. Sie kann mithilfe statistischer Tests und Hypothesentests verglichen werden. Einige der statistischen Tests sind der Chi-Quadrat-Test, der Kolmogorov-Smirnov-Test, der Cramer-von-Mises-Test und der Moments-Test.

Validierung des Erstmodell

Bedenken Sie, wir müssen ein vorgeschlagenes System beschreiben, das weder gegenwärtig noch in der Vergangenheit existiert. Daher sind keine historischen Daten verfügbar, mit denen die Leistung verglichen werden kann. Daher müssen wir ein hypothetisches System verwenden, das auf Annahmen basiert. Das Befolgen nützlicher Hinweise hilft dabei, die Effizienz zu steigern.

Subsystem Validity- Ein Modell selbst verfügt möglicherweise nicht über ein vorhandenes System, mit dem es verglichen werden kann, kann jedoch aus einem bekannten Subsystem bestehen. Jede dieser Gültigkeiten kann separat geprüft werden.
Internal Validity - Ein Modell mit einem hohen Grad an interner Varianz wird abgelehnt, da ein stochastisches System mit hoher Varianz aufgrund seiner internen Prozesse die Änderungen in der Ausgabe aufgrund von Eingabeänderungen verbirgt.
Sensitivity Analysis - Es liefert die Informationen über die sensitiven Parameter im System, denen wir mehr Aufmerksamkeit schenken müssen.
Face Validity - Wenn das Modell mit entgegengesetzten Logiken arbeitet, sollte es abgelehnt werden, auch wenn es sich wie das reale System verhält.