Modelowanie i symulacja - wprowadzenie

Modellingjest procesem reprezentacji modelu, który obejmuje jego budowę i działanie. Model ten jest podobny do rzeczywistego systemu, który pomaga analitykowi przewidzieć skutki zmian w systemie. Innymi słowy, modelowanie to tworzenie modelu, który reprezentuje system wraz z jego właściwościami. To czynność budowania modelu.

Simulationsystemu to działanie modelu pod względem czasu lub przestrzeni, które pomaga analizować wydajność istniejącego lub proponowanego systemu. Innymi słowy, symulacja to proces wykorzystania modelu do badania wydajności systemu. Jest to czynność wykorzystania modelu do symulacji.

Historia symulacji

Historyczna perspektywa symulacji została wyliczona w porządku chronologicznym.

1940 - Metoda nazwana „Monte Carlo” została opracowana przez naukowców (John von Neumann, Stanislaw Ulan, Edward Teller, Herman Kahn) i fizyków pracujących nad projektem na Manhattanie, mającym na celu badanie rozpraszania neutronów.
1960 - Opracowano pierwsze języki symulacji specjalnego przeznaczenia, takie jak SIMSCRIPT autorstwa Harry'ego Markowitza w RAND Corporation.
1970 - W tym okresie rozpoczęto badania nad matematycznymi podstawami symulacji.
1980 - W tym okresie opracowano oprogramowanie symulacyjne dla komputerów PC, graficzne interfejsy użytkownika i programowanie obiektowe.
1990 - W tym okresie opracowano symulację internetową, fantazyjną animowaną grafikę, optymalizację opartą na symulacji, metody Monte Carlo z łańcuchem Markowa.

Tworzenie modeli symulacyjnych

Modele symulacyjne składają się z następujących komponentów: jednostki systemowe, zmienne wejściowe, miary wydajności i zależności funkcjonalne. Poniżej przedstawiono kroki niezbędne do opracowania modelu symulacyjnego.

Step 1 - Zidentyfikuj problem w istniejącym systemie lub ustal wymagania dla proponowanego systemu.
Step 2 - Zaprojektuj problem, biorąc pod uwagę istniejące czynniki i ograniczenia systemu.
Step 3 - Zbierz i rozpocznij przetwarzanie danych systemowych, obserwując jego wydajność i wynik.
Step 4 - Opracuj model za pomocą diagramów sieciowych i zweryfikuj go za pomocą różnych technik weryfikacyjnych.
Step 5 - Sprawdź poprawność modelu, porównując jego działanie w różnych warunkach z rzeczywistym systemem.
Step 6 - Utwórz dokument dotyczący modelu do wykorzystania w przyszłości, który zawiera cele, założenia, zmienne wejściowe i szczegółowe wyniki.
Step 7 - Wybierz odpowiedni projekt eksperymentalny zgodnie z wymaganiami.
Step 8 - Wprowadź warunki doświadczalne w modelu i obserwuj wynik.

Wykonywanie analizy symulacji

Poniżej przedstawiono kroki umożliwiające wykonanie analizy symulacyjnej.

Step 1 - Przygotuj opis problemu.
Step 2- Wybierz zmienne wejściowe i utwórz encje do procesu symulacji. Istnieją dwa rodzaje zmiennych - zmienne decyzyjne i zmienne niekontrolowane. Zmienne decyzyjne są kontrolowane przez programistę, podczas gdy zmiennymi niekontrolowanymi są zmienne losowe.
Step 3 - Utwórz ograniczenia dla zmiennych decyzyjnych, przypisując je do procesu symulacji.
Step 4 - Określ zmienne wyjściowe.
Step 5 - Zbierz dane z rzeczywistego systemu, aby wprowadzić je do symulacji.
Step 6 - Opracuj schemat blokowy przedstawiający postęp procesu symulacji.
Step 7 - Wybierz odpowiednie oprogramowanie do symulacji, aby uruchomić model.
Step 8 - Zweryfikuj model symulacyjny, porównując jego wynik z systemem czasu rzeczywistego.
Step 9 - Przeprowadź eksperyment na modelu, zmieniając wartości zmiennych, aby znaleźć najlepsze rozwiązanie.
Step 10 - Na koniec zastosuj te wyniki do systemu czasu rzeczywistego.

Modelowanie i symulacja ─ Zalety

Oto zalety korzystania z modelowania i symulacji -

Easy to understand - Pozwala zrozumieć, jak system naprawdę działa bez pracy w systemach czasu rzeczywistego.
Easy to test - Pozwala na dokonywanie zmian w systemie i ich wpływ na wyjście bez pracy w systemach czasu rzeczywistego.
Easy to upgrade - Pozwala określić wymagania systemowe poprzez zastosowanie różnych konfiguracji.
Easy to identifying constraints - Pozwala na analizę wąskich gardeł, które powodują opóźnienia w procesie pracy, informacji itp.
Easy to diagnose problems- Niektóre systemy są tak złożone, że nie jest łatwo zrozumieć ich interakcję na raz. Jednak modelowanie i symulacja pozwala zrozumieć wszystkie interakcje i przeanalizować ich wpływ. Ponadto można badać nowe zasady, operacje i procedury bez wpływu na rzeczywisty system.

Modelowanie i symulacja ─ Wady

Poniżej przedstawiono wady korzystania z modelowania i symulacji -

Projektowanie modelu to sztuka, która wymaga wiedzy dziedzinowej, szkolenia i doświadczenia.
Operacje są wykonywane w systemie przy użyciu liczby losowej, stąd trudno przewidzieć wynik.
Symulacja wymaga siły roboczej i jest procesem czasochłonnym.
Wyniki symulacji są trudne do przetłumaczenia. To wymaga od ekspertów zrozumienia.
Proces symulacji jest kosztowny.

Modelowanie i symulacja ─ Obszary zastosowań

Modelowanie i symulacja można zastosować w następujących obszarach - zastosowania wojskowe, szkolenia i wsparcie, projektowanie półprzewodników, telekomunikacja, projekty i prezentacje inżynierii lądowej oraz modele e-biznesu.

Dodatkowo służy do badania wewnętrznej struktury złożonego systemu, takiego jak system biologiczny. Jest używany podczas optymalizacji projektu systemu, takiego jak algorytm routingu, linia montażowa itp. Służy do testowania nowych projektów i polityk. Służy do weryfikacji rozwiązań analitycznych.