การตรวจสอบและการตรวจสอบความถูกต้อง

ปัญหาที่แท้จริงประการหนึ่งที่นักวิเคราะห์การจำลองต้องเผชิญคือการตรวจสอบความถูกต้องของแบบจำลอง แบบจำลองจะใช้ได้เฉพาะในกรณีที่แบบจำลองเป็นตัวแทนที่ถูกต้องของระบบจริงมิฉะนั้นจะไม่ถูกต้อง

การตรวจสอบความถูกต้องและการตรวจสอบเป็นสองขั้นตอนในโครงการจำลองเพื่อตรวจสอบความถูกต้องของโมเดล

  • Validationเป็นกระบวนการเปรียบเทียบผลลัพธ์สองรายการ ในกระบวนการนี้เราจำเป็นต้องเปรียบเทียบการเป็นตัวแทนของแบบจำลองความคิดกับระบบจริง หากการเปรียบเทียบเป็นจริงแสดงว่าถูกต้องไม่ถูกต้อง

  • Verificationเป็นกระบวนการเปรียบเทียบผลลัพธ์สองรายการขึ้นไปเพื่อให้แน่ใจว่าถูกต้อง ในกระบวนการนี้เราจะต้องเปรียบเทียบการนำโมเดลไปใช้งานและข้อมูลที่เกี่ยวข้องกับคำอธิบายและข้อกำหนดเชิงแนวคิดของผู้พัฒนา

เทคนิคการตรวจสอบและการตรวจสอบความถูกต้อง

มีเทคนิคต่างๆที่ใช้ในการดำเนินการ Verification & Validation of Simulation Model ต่อไปนี้เป็นเทคนิคทั่วไปบางส่วน -

เทคนิคในการตรวจสอบโมเดลจำลอง

ต่อไปนี้เป็นวิธีการตรวจสอบโมเดลจำลอง -

  • โดยใช้ทักษะการเขียนโปรแกรมเพื่อเขียนและแก้จุดบกพร่องของโปรแกรมในโปรแกรมย่อย.

  • โดยใช้นโยบาย "Structured Walk-through" ที่มีคนอ่านโปรแกรมมากกว่าหนึ่งคน

  • โดยการติดตามผลลัพธ์ระดับกลางและเปรียบเทียบกับผลลัพธ์ที่สังเกตได้

  • โดยการตรวจสอบผลลัพธ์ของโมเดลจำลองโดยใช้ชุดอินพุตต่างๆ

  • โดยการเปรียบเทียบผลการจำลองขั้นสุดท้ายกับผลการวิเคราะห์

เทคนิคการตรวจสอบความถูกต้องของแบบจำลอง

Step 1- ออกแบบโมเดลที่มีความถูกต้องสูง สามารถทำได้โดยใช้ขั้นตอนต่อไปนี้ -

  • โมเดลจะต้องได้รับการหารือกับผู้เชี่ยวชาญของระบบในขณะที่ออกแบบ
  • โมเดลต้องโต้ตอบกับไคลเอ็นต์ตลอดกระบวนการ
  • ผลลัพธ์ต้องดูแลโดยผู้เชี่ยวชาญระบบ

Step 2- ทดสอบแบบจำลองที่ข้อมูลสมมติฐาน สิ่งนี้สามารถทำได้โดยการใช้ข้อมูลสมมติฐานในแบบจำลองและทดสอบในเชิงปริมาณ นอกจากนี้ยังสามารถทำการวิเคราะห์ที่ละเอียดอ่อนเพื่อสังเกตผลของการเปลี่ยนแปลงในผลลัพธ์เมื่อมีการเปลี่ยนแปลงที่สำคัญในข้อมูลอินพุต

Step 3- กำหนดผลลัพธ์ที่เป็นตัวแทนของโมเดลจำลอง สามารถทำได้โดยใช้ขั้นตอนต่อไปนี้ -

  • กำหนดว่าเอาต์พุตการจำลองใกล้เคียงกับเอาต์พุตระบบจริงแค่ไหน

  • การเปรียบเทียบสามารถทำได้โดยใช้การทดสอบทัวริง นำเสนอข้อมูลในรูปแบบระบบซึ่งสามารถอธิบายได้โดยผู้เชี่ยวชาญเท่านั้น

  • วิธีการทางสถิติสามารถใช้เพื่อเปรียบเทียบเอาต์พุตของโมเดลกับเอาต์พุตของระบบจริง

การเปรียบเทียบข้อมูลแบบจำลองกับข้อมูลจริง

หลังจากการพัฒนาโมเดลเราต้องทำการเปรียบเทียบข้อมูลผลลัพธ์กับข้อมูลระบบจริง ต่อไปนี้เป็นสองวิธีในการเปรียบเทียบนี้

การตรวจสอบความถูกต้องของระบบที่มีอยู่

ในแนวทางนี้เราใช้ปัจจัยการผลิตในโลกแห่งความเป็นจริงของแบบจำลองเพื่อเปรียบเทียบผลลัพธ์ของมันกับอินพุตจริงของระบบจริง กระบวนการตรวจสอบความถูกต้องนี้ตรงไปตรงมา แต่อาจมีปัญหาบางอย่างเมื่อดำเนินการเช่นหากต้องเปรียบเทียบผลลัพธ์กับความยาวเฉลี่ยเวลารอเวลาว่าง ฯลฯ สามารถเปรียบเทียบได้โดยใช้การทดสอบทางสถิติและการทดสอบสมมติฐาน การทดสอบทางสถิติบางอย่าง ได้แก่ การทดสอบไคสแควร์การทดสอบ Kolmogorov-Smirnov การทดสอบ Cramer-von Mises และการทดสอบ Moments

การตรวจสอบความถูกต้องของโมเดลครั้งแรก

พิจารณาว่าเราต้องอธิบายระบบที่เสนอซึ่งไม่มีอยู่ในปัจจุบันและไม่มีอยู่ในอดีต ดังนั้นจึงไม่มีข้อมูลในอดีตที่จะเปรียบเทียบประสิทธิภาพด้วย ดังนั้นเราต้องใช้ระบบสมมุติตามสมมติฐาน การปฏิบัติตามคำแนะนำที่เป็นประโยชน์จะช่วยในการทำให้มีประสิทธิภาพ

  • Subsystem Validity- ตัวแบบเองอาจไม่มีระบบที่มีอยู่ให้เปรียบเทียบได้ แต่อาจประกอบด้วยระบบย่อยที่รู้จัก แต่ละความถูกต้องนั้นสามารถทดสอบแยกกันได้

  • Internal Validity - แบบจำลองที่มีความแปรปรวนภายในระดับสูงจะถูกปฏิเสธเนื่องจากเป็นระบบสุ่มที่มีความแปรปรวนสูงเนื่องจากกระบวนการภายในจะซ่อนการเปลี่ยนแปลงในเอาต์พุตเนื่องจากการเปลี่ยนแปลงอินพุต

  • Sensitivity Analysis - ให้ข้อมูลเกี่ยวกับพารามิเตอร์ที่ละเอียดอ่อนในระบบที่เราต้องให้ความสนใจมากขึ้น

  • Face Validity - เมื่อโมเดลทำงานบนลอจิกตรงกันข้ามควรปฏิเสธแม้ว่าโมเดลจะทำงานเหมือนระบบจริงก็ตาม