개념 및 분류
이 장에서는 모델링의 다양한 개념과 분류에 대해 설명합니다.
모델 및 이벤트
다음은 모델링 및 시뮬레이션의 기본 개념입니다.
Object 모델의 동작을 연구하기 위해 현실 세계에 존재하는 개체입니다.
Base Model 모델 전체에서 유효한 객체 속성과 그 동작에 대한 가설적인 설명입니다.
System 현실 세계에 존재하는 명확한 조건 하에서 명료 한 대상입니다.
Experimental Frame실험 조건, 측면, 목표 등과 같은 실제 시스템을 연구하는 데 사용됩니다. 기본 실험 프레임은 시스템 또는 모델 터미널과 일치하는 프레임 입력 변수 및 프레임 출력 변수의 두 가지 변수 세트로 구성됩니다. 프레임 입력 변수는 시스템 또는 모델에 적용된 입력을 일치시키는 역할을합니다. 프레임 출력 변수는 출력 값을 시스템 또는 모델에 일치시키는 역할을합니다.
Lumped Model 주어진 실험 프레임의 지정된 조건을 따르는 시스템에 대한 정확한 설명입니다.
Verification정확성을 보장하기 위해 두 개 이상의 항목을 비교하는 프로세스입니다. 모델링 및 시뮬레이션에서는 시뮬레이션 프로그램과 집중 모델의 일관성을 비교하여 검증을 수행하여 성능을 확인할 수 있습니다. 유효성 검사 프로세스를 수행하는 방법에는 여러 가지가 있으며, 이에 대해서는 별도의 장에서 다룰 것입니다.
Validation두 결과를 비교하는 과정입니다. 모델링 및 시뮬레이션에서 검증은 실험 프레임의 컨텍스트 내에서 실험 측정과 시뮬레이션 결과를 비교하여 수행됩니다. 결과가 일치하지 않으면 모델이 유효하지 않습니다. 유효성 검사 프로세스를 수행하는 방법에는 여러 가지가 있으며 별도의 장에서 다룰 것입니다.
시스템 상태 변수
시스템 상태 변수는 주어진 시점에서 시스템 내 내부 프로세스를 정의하는 데 필요한 데이터 세트입니다.
안에 discrete-event model, 시스템 상태 변수는 시간 간격에 따라 일정하게 유지되며 값은 이벤트 시간이라고하는 정의 된 지점에서 변경됩니다.
에 continuous-event model, 시스템 상태 변수는 시간이 지남에 따라 값이 계속 변하는 미분 방정식 결과에 의해 정의됩니다.
다음은 시스템 상태 변수 중 일부입니다-
Entities & Attributes− 엔티티는 다른 엔티티와의 프로세스에 따라 값이 정적이거나 동적 일 수있는 객체를 나타냅니다. 속성은 엔티티에서 사용하는 로컬 값입니다.
Resources− 리소스는 한 번에 하나 이상의 동적 개체에 서비스를 제공하는 개체입니다. 동적 엔티티는 하나 이상의 자원 단위를 요청할 수 있습니다. 수락되면 엔티티는 리소스를 사용하고 완료되면 해제 할 수 있습니다. 거부되면 엔티티는 대기열에 참여할 수 있습니다.
Lists− 목록은 엔티티와 리소스가 사용하는 대기열을 나타내는 데 사용됩니다. 프로세스에 따라 LIFO, FIFO 등과 같은 다양한 대기열 가능성이 있습니다.
Delay − 시스템 조건의 일부 조합으로 인해 발생하는 무기한 지속 시간입니다.
모델 분류
시스템은 다음 범주로 분류 할 수 있습니다.
Discrete-Event Simulation Model−이 모델에서 상태 변수 값은 이벤트가 발생하는 특정 시점에서만 변경됩니다. 이벤트는 정의 된 활동 시간 및 지연에만 발생합니다.
Stochastic vs. Deterministic Systems − 확률 적 시스템은 무작위성의 영향을받지 않으며 그 출력은 무작위 변수가 아닌 반면, 결정 론적 시스템은 무작위성의 영향을받으며 그 출력은 무작위 변수입니다.
Static vs. Dynamic Simulation− 정적 시뮬레이션에는 시간에 영향을받지 않는 모델이 포함됩니다. 예 : Monte Carlo Model. 다이나믹 시뮬레이션에는 시간에 따라 영향을받는 모델이 포함됩니다.
Discrete vs. Continuous Systems− 이산 시스템은 이산 시점에서 상태 변수 변화의 영향을받습니다. 그 동작은 다음 그래픽 표현으로 묘사됩니다.
연속 시스템은 시간에 따라 지속적으로 변화하는 상태 변수의 영향을받습니다. 그 동작은 다음 그래픽 표현으로 묘사됩니다.
모델링 프로세스
모델링 프로세스에는 다음 단계가 포함됩니다.
Step 1− 문제를 조사하십시오. 이 단계에서 우리는 문제를 이해하고 그에 따라 결정 론적 또는 확률 적 분류와 같은 분류를 선택해야합니다.
Step 2− 모델을 설계합니다. 이 단계에서는 모델 설계에 도움이되는 다음과 같은 간단한 작업을 수행해야합니다.
시스템 동작 및 향후 요구 사항에 따라 데이터를 수집합니다.
모델을 성공적으로 만들기 위해 취해야 할 시스템 기능, 가정 및 필요한 조치를 분석합니다.
변수 이름, 함수, 단위, 관계 및 모델에 사용 된 응용 프로그램을 결정합니다.
적절한 기법을 사용하여 모델을 풀고 검증 방법을 사용하여 결과를 검증합니다. 다음으로 결과를 확인합니다.
결과, 해석, 결론 및 제안이 포함 된 보고서를 준비하십시오.
Step 3− 모델과 관련된 전체 프로세스를 완료 한 후 권장 사항을 제공합니다. 여기에는 투자, 자원, 알고리즘, 기술 등이 포함됩니다.