Когда использовать моделирование
Терминология моделирования. Для тех читателей, кто не знаком с терминологией анализа моделированием, следующие определения могут оказаться полезными:
17. Вероятностный. Вероятностная система или имитационная модель содержит один или больше случайных процессов или переменных. Выходные данные вероятностной модели сами являются случайными процессами или переменными, и поэтому являются только предположениями об истинных характеристиках модели.
18. Детерминированный. Система или имитационная модель, которая содержит неслучайные процессы или переменные, является детерминированной. Для каждого набора входных величин в детерминированной модели, будет уникальный набор результатов (которые можно заранее определить или вычислить).
19. Точечная оценка. Отдельное наблюдение за вероятностной системой, или моделирование работы вероятностной модели, даст отдельную точечную оценку системы или набор выходных переменных. Истинные характеристики вероятностной системы или переменной обычно нельзя определить с помощью точечной оценки.
20. Функция плотности вероятности. Математическая функция, которая определяет вероятность того, что случайная переменная (величина) находится внутри интервала. Например, равномерная функция плотности вероятности между 10 и 20 говорит о том, что в этом интервале случайная переменная принимает значения с равной вероятностью.
|
|
|
21. Эмпирическая функция плотности. Функция плотности вероятности, которая определены на основе наблюдений за случайными переменными, а не по математической формуле. Часто используется в имитационных моделях реальных систем, когда регулируемая переменная ведет себя не так как любое известное распределение.
22. Псевдодетерминированный. Другое название – псевдослучайный. Псевдослучайные числа не являются истинно случайными — известен процесс, используемый для генерирования случайных чисел, поэтому числа могут повторяться снова и снова. Этот метод используется в имитационном моделировании для воспроизведения набора результатов, что может быть полезным в некоторых случаях.
Демонстрируют ли виды деятельности большое разнообразие изменчивости по времени?
Возможно самое значительное различие при анализе систем между использованием методов цифрового моделирования и методов исследования операций математическим моделированием – это использование вероятностных параметров. В общем и целом, инструменты аналитического планирования, используемые в отрасли, применяют только точечную оценку или статистику ожидаемых значений. Анализ проекта системы и измерение работы характеризуются использованием детерминированной или псевдодетерминированной модели. Заметными исключениями являются использование теории очередности, марковских процессов и/или определенных моделей управления товарными запасами. Однако использование в отрасли вероятностных моделей для планирования и управления – это, скорее, исключение, чем правило. Компьютерные имитационные модели отображают вероятностный мир, который описывается с помощью вероятностных показателей, эмпирической функции плотности или функции плотности вероятности.
|
|
|
Системы, спроектированные и/или управляемые ожидаемыми значениями, часто обречены на провал, переусложнённость проекта или и то и другое. Причина проста: долгосрочная приемлемость системы больше зависит от пиковых значений или переменных, чем от любых других факторов. Это более очевидно в хранении полуфабрикатов, явлении очередности и случайных неудачах, чем в любых других областях. Моделирование позволяет аналитику, как включать эти факторы в модель, так и изучать поведение системы под их влиянием.
Сильно ли зависят друг от друга виды деятельности?
Большинство аналитических моделей и, в сущности, все математические вероятностные модели (марковская цепь, модель линейного программирования и т.д.) предполагают независимость случайных явлений или краткосрочные зависимости. Можно предполагать, что "реальный мир" действует таким образом, но на самом деле, такое бывает очень редко. Как поется в одной старой песне: "Кости бедра соединены с костями голени, кости голени соединены с костями ступни, кости ступни соединены с костями пальцев ног..., а теперь внемлите словам Бога". С производственными и складскими системами та же ситуация — необычные или катастрофичные события часто приводят к далеко идущим последствиям. Сложные системные зависимости, причинно-следственные связи легко и просто отображаются в цифровых имитационных моделях.
|
|
|
Дата добавления: 2019-03-09; просмотров: 236; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!