Моделирование и симуляция - Введение
Modellingэто процесс представления модели, который включает в себя ее построение и работу. Эта модель похожа на реальную систему, которая помогает аналитику прогнозировать влияние изменений в системе. Другими словами, моделирование - это создание модели, которая представляет систему, включая ее свойства. Это акт построения модели.
Simulationсистемы - это работа модели во времени или пространстве, которая помогает анализировать производительность существующей или предлагаемой системы. Другими словами, имитация - это процесс использования модели для изучения производительности системы. Это акт использования модели для моделирования.
История моделирования
Историческая перспектива симуляции перечислена в хронологическом порядке.
1940 - Метод под названием «Монте-Карло» был разработан исследователями (Джон фон Нейман, Станислав Улан, Эдвард Теллер, Герман Кан) и физиками, работающими над проектом на Манхэттене по изучению рассеяния нейтронов.
1960 - Были разработаны первые языки моделирования специального назначения, такие как SIMSCRIPT Гарри Марковицем из корпорации RAND.
1970 - В этот период были начаты исследования математических основ моделирования.
1980 - В этот период были разработаны программы моделирования на базе ПК, графические пользовательские интерфейсы и объектно-ориентированное программирование.
1990 - В этот период были разработаны веб-моделирование, модная анимированная графика, оптимизация на основе моделирования, методы Монте-Карло с цепями Маркова.
Разработка имитационных моделей
Имитационные модели состоят из следующих компонентов: системные объекты, входные переменные, показатели производительности и функциональные отношения. Ниже приведены шаги по разработке имитационной модели.
Step 1 - Определите проблему с существующей системой или установите требования к предлагаемой системе.
Step 2 - Спроектируйте проблему, учитывая существующие системные факторы и ограничения.
Step 3 - Соберите и начните обрабатывать данные системы, наблюдая за ее работоспособностью и результатом.
Step 4 - Разработайте модель с использованием сетевых диаграмм и проверьте ее с помощью различных методов проверки.
Step 5 - Проверить модель, сравнив ее производительность в различных условиях с реальной системой.
Step 6 - Создайте документ модели для будущего использования, который подробно включает цели, предположения, входные переменные и характеристики.
Step 7 - Выберите подходящий экспериментальный план в соответствии с требованиями.
Step 8 - Создайте экспериментальные условия на модели и наблюдайте за результатом.
Выполнение анализа моделирования
Ниже приведены шаги для выполнения имитационного анализа.
Step 1 - Подготовьте описание проблемы.
Step 2- Выберите входные переменные и создайте объекты для процесса моделирования. Есть два типа переменных - переменные решения и неконтролируемые переменные. Переменные решения контролируются программистом, тогда как неконтролируемые переменные являются случайными величинами.
Step 3 - Создайте ограничения на переменные решения, назначив их процессу моделирования.
Step 4 - Определите выходные переменные.
Step 5 - Соберите данные из реальной системы для ввода в моделирование.
Step 6 - Разработайте блок-схему, показывающую прогресс процесса моделирования.
Step 7 - Выберите подходящее программное обеспечение для моделирования для запуска модели.
Step 8 - Проверьте имитационную модель, сравнив ее результат с системой реального времени.
Step 9 - Проведите эксперимент на модели, изменив значения переменных, чтобы найти лучшее решение.
Step 10 - Наконец, примените эти результаты в системе реального времени.
Моделирование и симуляция ─ преимущества
Ниже приведены преимущества использования моделирования и моделирования.
Easy to understand - Позволяет понять, как на самом деле работает система, не работая с системами реального времени.
Easy to test - Позволяет вносить изменения в систему и их влияние на результат, не работая в системах реального времени.
Easy to upgrade - Позволяет определять системные требования, применяя различные конфигурации.
Easy to identifying constraints - Позволяет проводить анализ узких мест, вызывающих задержку рабочего процесса, информации и т. Д.
Easy to diagnose problems- Некоторые системы настолько сложны, что сразу понять их взаимодействие непросто. Однако Modeling & Simulation позволяет понять все взаимодействия и проанализировать их влияние. Кроме того, можно изучить новые политики, операции и процедуры, не затрагивая реальную систему.
Моделирование и симуляция ─ недостатки
Ниже приведены недостатки использования моделирования и моделирования.
Создание модели - это искусство, которое требует знания предметной области, обучения и опыта.
Операции выполняются в системе с использованием случайного числа, поэтому трудно предсказать результат.
Моделирование требует людских ресурсов, а это длительный процесс.
Результаты моделирования сложно перевести. Для понимания этого требуются специалисты.
Процесс моделирования дорогостоящий.
Моделирование и симуляция ─ Области применения
Моделирование и имитация могут применяться в следующих областях - военные приложения, обучение и поддержка, разработка полупроводников, телекоммуникации, проекты и презентации гражданского строительства, а также модели электронного бизнеса.
Кроме того, он используется для изучения внутренней структуры сложной системы, такой как биологическая система. Он используется при оптимизации системного дизайна, такого как алгоритм маршрутизации, сборочная линия и т. Д. Он используется для тестирования новых проектов и политик. Он используется для проверки аналитических решений.