Pojęcia i klasyfikacja
W tym rozdziale omówimy różne koncepcje i klasyfikację modelowania.
Modele i wydarzenia
Poniżej przedstawiono podstawowe koncepcje modelowania i symulacji.
Object jest bytem istniejącym w prawdziwym świecie w celu zbadania zachowania modelu.
Base Model jest hipotetycznym wyjaśnieniem właściwości obiektu i jego zachowania, które obowiązuje w całym modelu.
System jest wyartykułowanym przedmiotem w określonych warunkach, który istnieje w świecie rzeczywistym.
Experimental Framesłuży do badania systemu w świecie rzeczywistym, np. warunków eksperymentalnych, aspektów, celów itp. Podstawowa ramka eksperymentalna składa się z dwóch zestawów zmiennych - zmiennych wejściowych ramki i zmiennych wyjściowych ramki, które pasują do terminali systemu lub modelu. Zmienna wejściowa Frame jest odpowiedzialna za dopasowanie danych wejściowych zastosowanych do systemu lub modelu. Zmienna wyjściowa Frame jest odpowiedzialna za dopasowanie wartości wyjściowych do systemu lub modelu.
Lumped Model jest dokładnym wyjaśnieniem systemu, który jest zgodny z określonymi warunkami danej ramy eksperymentu.
Verificationto proces porównywania dwóch lub więcej pozycji w celu zapewnienia ich dokładności. W modelowaniu i symulacji weryfikację można przeprowadzić, porównując spójność programu symulacyjnego i modelu skupionego, aby zapewnić ich wydajność. Istnieje kilka sposobów przeprowadzania procesu walidacji, które omówimy w osobnym rozdziale.
Validationto proces porównywania dwóch wyników. W modelowaniu i symulacji walidacja jest przeprowadzana poprzez porównanie pomiarów eksperymentalnych z wynikami symulacji w kontekście ramy eksperymentu. Model jest nieprawidłowy, jeśli wyniki są niezgodne. Istnieje wiele sposobów przeprowadzania procesu walidacji, które omówimy w osobnym rozdziale.
Zmienne stanu systemu
Zmienne stanu systemu to zbiór danych wymaganych do zdefiniowania procesu wewnętrznego w systemie w danym momencie.
W discrete-event model, zmienne stanu systemu pozostają stałe w przedziałach czasu, a wartości zmieniają się w określonych punktach zwanych czasami zdarzeń.
W continuous-event model, zmienne stanu systemu są definiowane przez wyniki równań różniczkowych, których wartość zmienia się w sposób ciągły w czasie.
Poniżej przedstawiono niektóre zmienne stanu systemu -
Entities & Attributes- Jednostka reprezentuje obiekt, którego wartość może być statyczna lub dynamiczna, w zależności od procesu z innymi jednostkami. Atrybuty to wartości lokalne używane przez jednostkę.
Resources- Zasób to jednostka, która jednocześnie świadczy usługi jednej lub większej liczbie dynamicznych jednostek. Jednostka dynamiczna może zażądać jednej lub więcej jednostek zasobu; jeśli zostanie przyjęta, jednostka może użyć zasobu i zwolnić po zakończeniu. W przypadku odrzucenia jednostka może dołączyć do kolejki.
Lists- Listy są używane do reprezentowania kolejek używanych przez jednostki i zasoby. W zależności od procesu istnieją różne możliwości tworzenia kolejek, takich jak LIFO, FIFO itp.
Delay - Jest to czas nieokreślony, spowodowany pewną kombinacją warunków systemowych.
Klasyfikacja modeli
System można podzielić na następujące kategorie.
Discrete-Event Simulation Model- W tym modelu wartości zmiennych stanu zmieniają się tylko w niektórych dyskretnych punktach w czasie, w których występują zdarzenia. Zdarzenia będą miały miejsce tylko w określonym czasie i z opóźnieniami.
Stochastic vs. Deterministic Systems - Na układy stochastyczne nie ma wpływu losowość, a ich wynik nie jest zmienną losową, podczas gdy na systemy deterministyczne wpływa losowość, a ich wynik jest zmienną losową.
Static vs. Dynamic Simulation- Symulacja statyczna obejmuje modele, na które nie ma wpływu czas. Na przykład: Model Monte Carlo. Symulacja dynamiczna obejmuje modele, na które wpływa czas.
Discrete vs. Continuous Systems- Na system dyskretny wpływają zmiany stanu zmiennych w dyskretnym momencie. Jego zachowanie przedstawiono na poniższej reprezentacji graficznej.
Na system ciągły wpływa zmienna stanu, która zmienia się w sposób ciągły w funkcji czasu. Jego zachowanie przedstawiono na poniższej reprezentacji graficznej.
Proces modelowania
Proces modelowania obejmuje następujące kroki.
Step 1- Zbadaj problem. Na tym etapie musimy zrozumieć problem i odpowiednio dobrać jego klasyfikację, np. Deterministyczną lub stochastyczną.
Step 2- Zaprojektuj model. Na tym etapie musimy wykonać następujące proste zadania, które pomogą nam zaprojektować model -
Zbieraj dane zgodnie z zachowaniem systemu i przyszłymi wymaganiami.
Przeanalizuj cechy systemu, jego założenia i niezbędne działania, które należy podjąć, aby model odniósł sukces.
Określ nazwy zmiennych, funkcje, ich jednostki, relacje i ich zastosowania używane w modelu.
Rozwiąż model za pomocą odpowiedniej techniki i zweryfikuj wynik metodami weryfikacyjnymi. Następnie sprawdź wynik.
Przygotuj raport zawierający wyniki, interpretacje, wnioski i sugestie.
Step 3- Podaj zalecenia po zakończeniu całego procesu związanego z modelem. Obejmuje inwestycje, zasoby, algorytmy, techniki itp.