สาระสำคัญของวิธีการจำลอง โมเดลจำลองคืออะไร
บทนำ
แบบจำลองการจำลองเป็นหนึ่งในวิธีที่มีประสิทธิภาพที่สุดในการวิเคราะห์ระบบเศรษฐกิจ
ในกรณีทั่วไป การเลียนแบบนั้นเป็นกระบวนการของการทดลองบนคอมพิวเตอร์ที่มีแบบจำลองทางคณิตศาสตร์ของระบบที่ซับซ้อนในโลกแห่งความเป็นจริง
เป้าหมายของการทดลองดังกล่าวอาจแตกต่างกันมาก - ตั้งแต่การระบุคุณสมบัติและรูปแบบของระบบที่กำลังศึกษา ไปจนถึงการแก้ปัญหาในทางปฏิบัติที่เฉพาะเจาะจง ด้วยการพัฒนาเทคโนโลยีคอมพิวเตอร์และซอฟต์แวร์ ช่วงของการจำลองสถานการณ์ในด้านเศรษฐศาสตร์ได้ขยายตัวอย่างมาก ปัจจุบันใช้ทั้งในการแก้ปัญหาการจัดการภายในบริษัทและการจัดการแบบจำลองในระดับเศรษฐกิจมหภาค พิจารณาข้อดีหลักของการใช้แบบจำลองการจำลองในกระบวนการแก้ปัญหา การวิเคราะห์ทางการเงิน.
จากคำจำกัดความ การจำลองคือการทดลองทางคอมพิวเตอร์ ข้อแตกต่างเพียงอย่างเดียวระหว่างการทดลองกับการทดลองจริงคือ ดำเนินการโดยใช้แบบจำลองของระบบ ไม่ใช่กับตัวระบบเอง อย่างไรก็ตาม การทดลองจริงกับระบบเศรษฐกิจ อย่างน้อยที่สุด ก็ไม่ฉลาด มีค่าใช้จ่ายสูง และแทบจะเป็นไปไม่ได้เลยในทางปฏิบัติ ดังนั้น การจำลองจึงเป็นวิธีเดียวในการศึกษาระบบโดยไม่ต้องทดลองจริง
มักจะเป็นไปไม่ได้หรือมีค่าใช้จ่ายสูงในการรวบรวมข้อมูลที่จำเป็นสำหรับการตัดสินใจ เช่น เมื่อประเมินความเสี่ยง โครงการลงทุนตามกฎแล้ว ใช้ข้อมูลการคาดการณ์เกี่ยวกับปริมาณการขาย ต้นทุน ราคา ฯลฯ
อย่างไรก็ตาม เพื่อประเมินความเสี่ยงอย่างเพียงพอ จำเป็นต้องมีข้อมูลเพียงพอที่จะกำหนดสมมติฐานที่เป็นไปได้เกี่ยวกับการแจกแจงความน่าจะเป็นของพารามิเตอร์โครงการหลัก ในกรณีเช่นนี้ ข้อมูลจริงที่ขาดหายไปจะถูกแทนที่ด้วยค่าที่ได้รับระหว่างการทดลองจำลอง (เช่น สร้างด้วยคอมพิวเตอร์)
ในการแก้ปัญหาต่างๆ ของการวิเคราะห์ทางการเงิน มีการใช้แบบจำลองที่มีตัวแปรสุ่มซึ่งผู้มีอำนาจตัดสินใจไม่สามารถควบคุมพฤติกรรมได้ โมเดลดังกล่าวเรียกว่าสุ่ม การใช้การจำลองทำให้คุณสามารถสรุปผลที่เป็นไปได้โดยพิจารณาจากการแจกแจงความน่าจะเป็นของปัจจัยสุ่ม (ค่า) การจำลองแบบสุ่มมักถูกเรียกว่าวิธีมอนติคาร์โล มีประโยชน์อื่น ๆ ของการเลียนแบบ
เราจะพิจารณาเทคโนโลยีการใช้แบบจำลองการจำลองเพื่อวิเคราะห์ความเสี่ยงของโครงการลงทุนในสภาพแวดล้อม MS Excel
การจำลอง
การสร้างแบบจำลองการจำลอง (การสร้างแบบจำลองสถานการณ์) เป็นวิธีการที่ช่วยให้คุณสร้างแบบจำลองที่อธิบายกระบวนการตามที่เป็นจริง โมเดลดังกล่าวสามารถ "เล่น" ได้ทันเวลาสำหรับการทดสอบครั้งเดียวและชุดที่กำหนด ในกรณีนี้ ผลลัพธ์จะถูกกำหนดโดยลักษณะสุ่มของกระบวนการ จากข้อมูลเหล่านี้ สามารถรับสถิติที่ค่อนข้างเสถียรได้
แบบจำลองการจำลองเป็นวิธีการวิจัยที่ระบบที่อยู่ระหว่างการศึกษาถูกแทนที่ด้วยแบบจำลองที่อธิบายระบบจริงที่มีความแม่นยำเพียงพอ โดยทำการทดลองเพื่อให้ได้ข้อมูลเกี่ยวกับระบบนี้ การทดลองกับแบบจำลองเรียกว่าการเลียนแบบ (การเลียนแบบเป็นการทำความเข้าใจสาระสำคัญของปรากฏการณ์โดยไม่ต้องอาศัยการทดลองกับวัตถุจริง)
การสร้างแบบจำลองการจำลองเป็นกรณีพิเศษของการสร้างแบบจำลองทางคณิตศาสตร์ มีคลาสของอ็อบเจ็กต์ที่ ตัวแบบวิเคราะห์ยังไม่ได้รับการพัฒนา ด้วยเหตุผลต่างๆ นานา หรือวิธีการในการแก้ไขโมเดลผลลัพธ์ยังไม่ได้รับการพัฒนา ในกรณีนี้ โมเดลเชิงวิเคราะห์จะถูกแทนที่ด้วยเครื่องจำลองหรือแบบจำลอง
การจำลองแบบบางครั้งเรียกว่าการได้รับการแก้ปัญหาเชิงตัวเลขบางส่วนของปัญหาตามสูตรการวิเคราะห์หรือการใช้วิธีการเชิงตัวเลข
โมเดลจำลองเป็นคำอธิบายเชิงตรรกะและคณิตศาสตร์ของวัตถุที่สามารถใช้สำหรับการทดลองบนคอมพิวเตอร์เพื่อออกแบบ วิเคราะห์ และประเมินการทำงานของวัตถุ
การจำลองจะใช้เมื่อ:
มีราคาแพงหรือเป็นไปไม่ได้ในการทดลองกับวัตถุจริง
เป็นไปไม่ได้ที่จะสร้างแบบจำลองการวิเคราะห์: ระบบมีเวลา, ความสัมพันธ์เชิงสาเหตุ, ผลที่ตามมา, ความไม่เป็นเชิงเส้น, ตัวแปรสุ่ม (สุ่ม)
จำเป็นต้องจำลองพฤติกรรมของระบบให้ทันเวลา
วัตถุประสงค์ของการจำลองแบบจำลองคือการทำซ้ำพฤติกรรมของระบบภายใต้การศึกษาตามผลการวิเคราะห์ความสัมพันธ์ที่สำคัญที่สุดระหว่างองค์ประกอบหรือในคำอื่น ๆ การพัฒนาเครื่องจำลอง (แบบจำลองภาษาอังกฤษ) ของวิชาที่ศึกษา พื้นที่สำหรับทำการทดลองต่างๆ
การจำลองแบบจำลองทำให้คุณสามารถจำลองพฤติกรรมของระบบเมื่อเวลาผ่านไป ยิ่งไปกว่านั้น ข้อดีคือสามารถควบคุมเวลาในแบบจำลองได้: ช้าลงในกรณีของกระบวนการที่รวดเร็ว และเพิ่มความเร็วสำหรับระบบการสร้างแบบจำลองที่มีความแปรปรวนช้า เป็นไปได้ที่จะเลียนแบบพฤติกรรมของวัตถุเหล่านั้นซึ่งการทดลองจริงมีราคาแพง เป็นไปไม่ได้หรือเป็นอันตราย ด้วยการถือกำเนิดของยุคของคอมพิวเตอร์ส่วนบุคคล ตามกฎแล้วการผลิตผลิตภัณฑ์ที่ซับซ้อนและไม่ซ้ำใครจะมาพร้อมกับการจำลองสามมิติของคอมพิวเตอร์ เทคโนโลยีที่แม่นยำและค่อนข้างเร็วนี้ช่วยให้คุณสะสมได้ทั้งหมด ความรู้ที่จำเป็น, อุปกรณ์และผลิตภัณฑ์กึ่งสำเร็จรูปสำหรับผลิตภัณฑ์ในอนาคตก่อนเริ่มการผลิต การสร้างแบบจำลองคอมพิวเตอร์ 3 มิติไม่ใช่เรื่องแปลกแม้แต่กับบริษัทขนาดเล็ก
ได้รับของเลียนแบบเพื่อเป็นแนวทางในการแก้ปัญหาที่ไม่สำคัญ การพัฒนาเบื้องต้นที่เกี่ยวข้องกับการสร้างคอมพิวเตอร์ในทศวรรษ 1950-1960
การเลียนแบบมีสองประเภท:
· วิธีมอนติคาร์โล (วิธีการทดสอบทางสถิติ);
· วิธีการจำลองแบบจำลอง (แบบจำลองทางสถิติ).
ประเภทของการจำลองแบบจำลอง:
· การสร้างแบบจำลองตามตัวแทน-- ทิศทางที่ค่อนข้างใหม่ (ปี 1990-2000) ในการสร้างแบบจำลองการจำลอง ซึ่งใช้ในการศึกษาระบบกระจายอำนาจ ซึ่งพลวัตไม่ได้ถูกกำหนดโดยกฎและกฎหมายสากล (เช่นเดียวกับในกระบวนทัศน์การสร้างแบบจำลองอื่นๆ) แต่ในทางกลับกัน เมื่อโลกเหล่านี้ กฎเกณฑ์และกฎหมายเป็นผลจากกิจกรรมส่วนบุคคลของสมาชิกในกลุ่ม วัตถุประสงค์ของแบบจำลองตัวแทนคือการได้รับแนวคิดเกี่ยวกับกฎสากลเหล่านี้ พฤติกรรมทั่วไปของระบบ ตามสมมติฐานเกี่ยวกับบุคคล พฤติกรรมเฉพาะของวัตถุที่ทำงานอยู่แต่ละรายการ และปฏิสัมพันธ์ของวัตถุเหล่านี้ในระบบ ตัวแทนคือหน่วยงานบางอย่างที่มีกิจกรรม พฤติกรรมที่เป็นอิสระ สามารถตัดสินใจตามกฎชุดหนึ่ง โต้ตอบกับสิ่งแวดล้อม และเปลี่ยนแปลงได้อย่างอิสระ
· การสร้างแบบจำลองเหตุการณ์แบบไม่ต่อเนื่อง - แนวทางในการสร้างแบบจำลองที่เสนอให้นามธรรมจากธรรมชาติที่ต่อเนื่องของเหตุการณ์และพิจารณาเฉพาะเหตุการณ์หลักของระบบจำลองเท่านั้น เช่น: "รอ", "การประมวลผลคำสั่ง", "การเคลื่อนไหวพร้อมโหลด", "ขนถ่าย" และอื่น ๆ การสร้างแบบจำลองเหตุการณ์แบบไม่ต่อเนื่องได้รับการพัฒนามากที่สุดและมีขอบเขตการใช้งานที่กว้างขวาง ตั้งแต่ระบบลอจิสติกส์และการจัดคิว ไปจนถึงการขนส่งและ ระบบการผลิต. การจำลองประเภทนี้เหมาะสมที่สุดสำหรับการสร้างแบบจำลองกระบวนการผลิต ก่อตั้งโดยเจฟฟรีย์ กอร์ดอนในทศวรรษ 1960
· พลวัตของระบบเป็นกระบวนทัศน์การสร้างแบบจำลอง ซึ่งไดอะแกรมกราฟิกของความสัมพันธ์เชิงสาเหตุและอิทธิพลระดับโลกของพารามิเตอร์บางตัวที่มีต่อผู้อื่นในเวลาจะถูกสร้างขึ้นสำหรับระบบที่อยู่ระหว่างการศึกษา จากนั้นแบบจำลองที่สร้างขึ้นบนพื้นฐานของไดอะแกรมเหล่านี้จะถูกจำลองบนคอมพิวเตอร์ อันที่จริง แบบจำลองประเภทนี้ มากกว่ากระบวนทัศน์อื่นๆ ทั้งหมด ช่วยให้เข้าใจสาระสำคัญของการระบุความสัมพันธ์แบบเหตุและผลระหว่างวัตถุและปรากฏการณ์อย่างต่อเนื่อง ด้วยความช่วยเหลือของพลวัตของระบบ โมเดลของกระบวนการทางธุรกิจ การพัฒนาเมือง โมเดลการผลิต พลวัตของประชากร นิเวศวิทยา และการพัฒนาด้านโรคระบาดได้ถูกสร้างขึ้น วิธีการนี้ก่อตั้งโดย Jay Forrester ในปี 1950
ในการสร้างแบบจำลองการจำลอง ผลลัพธ์ไม่สามารถคำนวณหรือคาดการณ์ล่วงหน้าได้ ดังนั้น ในการคาดการณ์พฤติกรรมของระบบที่ซับซ้อน (พลังงานไฟฟ้า, SES ของโรงงานผลิตขนาดใหญ่ ฯลฯ) จำเป็นต้องมีการทดลอง การจำลองบนแบบจำลองด้วยข้อมูลเบื้องต้นที่ให้ไว้
การจำลองแบบจำลองของระบบที่ซับซ้อนใช้ในการแก้ปัญหาต่อไปนี้
หากไม่มีข้อความที่สมบูรณ์ของปัญหาการวิจัยและกระบวนการรับรู้เกี่ยวกับวัตถุของแบบจำลองกำลังดำเนินการอยู่
หากมีวิธีการวิเคราะห์ แต่ขั้นตอนทางคณิตศาสตร์นั้นซับซ้อนและใช้เวลานานมาก ซึ่งการจำลองแบบจำลองจะให้วิธีที่ง่ายกว่าในการแก้ปัญหา
นอกจากการประมาณค่าพารามิเตอร์ของระบบที่ซับซ้อนแล้ว ควรตรวจสอบพฤติกรรมของส่วนประกอบในช่วงเวลาหนึ่ง
เมื่อการจำลองเป็นวิธีเดียวในการศึกษาระบบที่ซับซ้อนเนื่องจากไม่สามารถสังเกตปรากฏการณ์ในสภาพจริงได้
เมื่อจำเป็นต้องควบคุมการไหลของกระบวนการในระบบที่ซับซ้อนโดยเร่งหรือชะลอปรากฏการณ์ระหว่างการจำลอง
ในการฝึกอบรมผู้เชี่ยวชาญและการพัฒนาเทคโนโลยีใหม่ๆ
เมื่อมีการศึกษาสถานการณ์ใหม่ๆ ในระบบที่ซับซ้อนซึ่งไม่ค่อยมีใครรู้หรือไม่รู้เลย
ลำดับของเหตุการณ์ในระบบที่ซับซ้อนที่ออกแบบมาจึงมีความสำคัญเป็นพิเศษ และแบบจำลองนี้ใช้เพื่อทำนาย "ปัญหาคอขวด" ของการทำงานของระบบ
การสร้างแบบจำลองการจำลองของระบบที่ซับซ้อนเริ่มต้นด้วยคำสั่งปัญหา แต่บ่อยครั้งที่ลูกค้าไม่ได้กำหนดงานให้ชัดเจนเพียงพอ ดังนั้น งานมักจะเริ่มต้นด้วยการศึกษาเชิงสำรวจของระบบ สิ่งนี้สร้างข้อมูลใหม่เกี่ยวกับข้อจำกัด ความท้าทาย และทางเลือกอื่นที่เป็นไปได้ ส่งผลให้เกิดขั้นตอนต่อไปนี้:
จัดทำคำอธิบายที่มีความหมายของระบบ
การเลือกตัวชี้วัดคุณภาพ
ความหมายของตัวแปรควบคุม
คำอธิบายโดยละเอียดของโหมดการทำงาน
พื้นฐานของการจำลองแบบจำลองคือวิธีการสร้างแบบจำลองทางสถิติ (วิธีมอนติคาร์โล) นี่เป็นวิธีการเชิงตัวเลขในการแก้ปัญหาทางคณิตศาสตร์โดยการสร้างแบบจำลองตัวแปรสุ่ม วันเดือนปีเกิดของวิธีนี้ถือเป็นปีพ. ศ. 2492 ผู้สร้างคือนักคณิตศาสตร์ชาวอเมริกัน L. Neumann และ S. Ulam บทความแรกเกี่ยวกับวิธีการมอนติคาร์โลถูกตีพิมพ์ในประเทศของเราในปี 1955 อย่างไรก็ตาม ก่อนการมาถึงของคอมพิวเตอร์ วิธีนี้ไม่สามารถหาการประยุกต์ใช้แบบกว้างๆ ได้ เนื่องจากการจำลองตัวแปรสุ่มด้วยตนเองเป็นงานที่ลำบากมาก ชื่อของวิธีการนี้มาจากเมืองมอนติคาร์โลในอาณาเขตของโมนาโก ซึ่งมีชื่อเสียงจากบ้านเล่นการพนัน ความจริงก็คือหนึ่งในอุปกรณ์กลไกที่ง่ายที่สุดในการรับตัวแปรสุ่มคือเทปวัด
พิจารณาตัวอย่างคลาสสิก คุณต้องคำนวณพื้นที่ของรูปทรงแบนตามอำเภอใจ ขอบเขตของมันสามารถเป็นเส้นโค้งโดยกำหนดเป็นกราฟิกหรือวิเคราะห์ซึ่งประกอบด้วยหลายส่วน ให้นี่คือรูปของรูปที่ 3.20. สมมติว่าตัวเลขทั้งหมดอยู่ภายในตารางหน่วย มาเลือกสี่เหลี่ยมกันเถอะ คะแนนสุ่ม แสดงโดย
จำนวนจุดที่อยู่ภายในรูปร่าง
. จะเห็นได้ชัดเจนว่าพื้นที่
ประมาณเท่ากับอัตราส่วน
. ยิ่ง
ยิ่งมีความแม่นยำในการประมาณการมากขึ้น
R คือ.3.20.ภาพประกอบตัวอย่าง
ในตัวอย่างของเรา ,
(ข้างใน
). จากที่นี่
. พื้นที่จริงสามารถคำนวณได้ง่ายและมีค่าเท่ากับ 0.25
วิธีมอนติคาร์โลมีลักษณะสองประการ
ฟีเจอร์แรก– ความเรียบง่ายของอัลกอริธึมการคำนวณ ในโปรแกรมการคำนวณ จำเป็นต้องกำหนดว่าสำหรับการดำเนินการสุ่มหนึ่งเหตุการณ์ จำเป็นต้องเลือกจุดสุ่มและตรวจสอบว่าเป็นของ . การทดสอบนี้ซ้ำแล้วซ้ำอีก
ครั้ง และการทดสอบแต่ละครั้งไม่ได้ขึ้นอยู่กับการทดสอบอื่น และผลลัพธ์ของการทดสอบทั้งหมดจะถูกนำมาเฉลี่ย ดังนั้นจึงเรียกวิธีการ - วิธีการทดสอบทางสถิติ
คุณสมบัติที่สองวิธี: ข้อผิดพลาดในการคำนวณมักจะเป็นสัดส่วนกับ
,
ที่ไหน เป็นค่าคงที่;
คือจำนวนการทดลอง
สูตรนี้แสดงให้เห็นว่าเพื่อลดข้อผิดพลาดลง 10 เท่า (กล่าวคือเพื่อให้ได้ตำแหน่งทศนิยมที่ถูกต้องมากกว่าหนึ่งตำแหน่งในคำตอบ) คุณต้องเพิ่ม (ปริมาณการทดสอบ) 100 ครั้ง
ความคิดเห็นวิธีการคำนวณจะใช้ได้ก็ต่อเมื่อแต้มสุ่มไม่ได้เป็นเพียงการสุ่มแต่ยังมีการกระจายอย่างสม่ำเสมอ
การใช้แบบจำลองการจำลอง (รวมถึงวิธีมอนติคาร์โลและการดัดแปลง) สำหรับการคำนวณความน่าเชื่อถือของระบบทางเทคนิคที่ซับซ้อนนั้นขึ้นอยู่กับข้อเท็จจริงที่ว่ากระบวนการทำงานนั้นแสดงด้วยแบบจำลองความน่าจะเป็นทางคณิตศาสตร์ที่สะท้อนเหตุการณ์ทั้งหมดแบบเรียลไทม์ (ความล้มเหลว) , การกู้คืน) ที่เกิดขึ้นในระบบ
ด้วยความช่วยเหลือของแบบจำลองดังกล่าว กระบวนการของการทำงานของระบบจึงถูกจำลองซ้ำๆ บนคอมพิวเตอร์ และพิจารณาจากผลลัพธ์ที่ได้ จะกำหนดลักษณะทางสถิติที่ต้องการของกระบวนการนี้ ซึ่งเป็นตัวชี้วัดความน่าเชื่อถือ การใช้วิธีการจำลองช่วยให้สามารถพิจารณาความล้มเหลวที่ขึ้นต่อกัน กฎการกระจายโดยพลการของตัวแปรสุ่ม และปัจจัยอื่นๆ ที่ส่งผลต่อความน่าเชื่อถือ
อย่างไรก็ตาม วิธีการเหล่านี้ เช่นเดียวกับวิธีการเชิงตัวเลขอื่นๆ จะให้วิธีแก้ปัญหาเฉพาะที่สอดคล้องกับข้อมูลเบื้องต้นเฉพาะ (ส่วนตัว) เท่านั้น โดยไม่อนุญาตให้รับตัวบ่งชี้ความน่าเชื่อถือตามฟังก์ชันของเวลา ดังนั้น เพื่อที่จะทำการวิเคราะห์ความน่าเชื่อถืออย่างครอบคลุม จึงจำเป็นต้องจำลองกระบวนการการทำงานของระบบซ้ำๆ ด้วยข้อมูลเริ่มต้นที่แตกต่างกัน
ในกรณีของเรา อย่างแรกเลย โครงสร้างระบบไฟฟ้าที่แตกต่างกัน ค่าความน่าจะเป็นของความล้มเหลวที่แตกต่างกันและระยะเวลาของการทำงานที่ปราศจากข้อผิดพลาด ซึ่งสามารถเปลี่ยนแปลงได้ระหว่างการทำงานของระบบ และตัวชี้วัดประสิทธิภาพอื่นๆ .
ขั้นตอนการทำงานของระบบไฟฟ้า (หรือการติดตั้งระบบไฟฟ้า) แสดงเป็นกระแสของเหตุการณ์สุ่ม - การเปลี่ยนแปลงสถานะเกิดขึ้นในเวลาสุ่ม การเปลี่ยนแปลงในสถานะของ EPS เกิดจากความล้มเหลวและการคืนค่าองค์ประกอบที่เป็นส่วนประกอบ
พิจารณาการแสดงแผนผังของกระบวนการทำงานของ EPS ซึ่งประกอบด้วย องค์ประกอบ (รูปที่ 3.21) ซึ่งยอมรับการกำหนดต่อไปนี้:
-ช่วงเวลา
ความล้มเหลว
-องค์ประกอบที่;
-ช่วงเวลา
การฟื้นตัว
-องค์ประกอบที่;
– ช่วงเวลาทำงาน
-องค์ประกอบที่หลัง
การกู้คืน;
– ระยะเวลาพักฟื้น
-องค์ประกอบที่หลัง
th การปฏิเสธ;
–ผม- สถานะของ EPS ในช่วงเวลานั้น
.
ปริมาณ ,
สัมพันธ์กันด้วยความสัมพันธ์:
(3.20)
ความล้มเหลวและการกู้คืนเกิดขึ้นในเวลาสุ่ม ดังนั้น ช่วงเวลา และ
ถือได้ว่าเป็นการรับรู้ของตัวแปรสุ่มอย่างต่อเนื่อง:
– เวลาระหว่างความล้มเหลว
- เวลาการกู้คืน
-องค์ประกอบที่
กระแสเหตุการณ์ อธิบายเหตุการณ์ที่เกิดขึ้น
.
การสร้างแบบจำลองของกระบวนการทำงานประกอบด้วยการสร้างแบบจำลองช่วงเวลาของการเปลี่ยนแปลงในสถานะของ EPS ตามกฎหมายที่กำหนดของการกระจายเวลาทำงานระหว่างความล้มเหลวและเวลาการกู้คืนขององค์ประกอบที่เป็นส่วนประกอบในช่วงเวลา ตู่(ระหว่าง PPR)
มีสองวิธีที่เป็นไปได้ในการสร้างแบบจำลองการทำงานของ EPS
ในแนวทางแรก ก่อนสำหรับแต่ละคน - องค์ประกอบของระบบ
กำหนดตามกฎที่กำหนดของการกระจายเวลาการทำงานระหว่างความล้มเหลวและเวลาการกู้คืน ช่วงเวลา
และ
และคำนวณโดยใช้สูตร (3.20) ช่วงเวลาของความล้มเหลวและการบูรณะที่อาจเกิดขึ้นตลอดระยะเวลาที่ศึกษา
การทำงานของ EPS หลังจากนั้นก็เป็นไปได้ที่จะจัดช่วงเวลาของความล้มเหลวและการฟื้นฟูองค์ประกอบซึ่งเป็นช่วงเวลาของการเปลี่ยนแปลงในสถานะของ EPS
ตามลำดับจากน้อยไปมาก ดังแสดงในรูปที่ 3.21
R คือ.3.21. EPS รัฐ
ตามด้วยการวิเคราะห์สถานะที่ได้จากการสร้างแบบจำลอง A ผมระบบที่เป็นของพวกมันในพื้นที่ของรัฐที่ปฏิบัติการได้หรือใช้งานไม่ได้ ด้วยวิธีนี้ จำเป็นต้องบันทึกช่วงเวลาแห่งความล้มเหลวและการคืนค่าองค์ประกอบทั้งหมดของ EPS ในหน่วยความจำคอมพิวเตอร์
สะดวกกว่าคือ แนวทางที่สองซึ่งสำหรับองค์ประกอบทั้งหมด เฉพาะช่วงเวลาของความล้มเหลวครั้งแรกเท่านั้นที่จะถูกจำลองขึ้นเป็นครั้งแรก ตามค่าขั้นต่ำของพวกเขา การเปลี่ยนแปลงครั้งแรกของ EPS เป็นสถานะอื่นจะเกิดขึ้น (จาก แต่ 0 ถึง A ผม) และในขณะเดียวกันก็มีการตรวจสอบว่าสถานะที่ได้รับนั้นเป็นของพื้นที่ของรัฐที่ใช้งานได้หรือใช้งานไม่ได้
จากนั้น ช่วงเวลาของการกู้คืนและความล้มเหลวครั้งต่อไปขององค์ประกอบที่ทำให้เกิดการเปลี่ยนแปลงในสถานะก่อนหน้าของ EPS จะถูกจำลองและแก้ไข อีกครั้ง เวลาที่น้อยที่สุดของความล้มเหลวครั้งแรกและความล้มเหลวครั้งที่สองขององค์ประกอบจะถูกกำหนด สถานะที่สองของ EPS จะถูกสร้างและวิเคราะห์ - ฯลฯ
แนวทางในการสร้างแบบจำลองดังกล่าวมีความสอดคล้องกับกระบวนการทำงานของ EPS จริงมากกว่า เนื่องจากช่วยให้พิจารณาเหตุการณ์ที่ขึ้นต่อกันได้ ในแนวทางแรก ความเป็นอิสระของการทำงานขององค์ประกอบของ EPS นั้นจำเป็นต้องสันนิษฐาน เวลาคำนวณของตัวบ่งชี้ความน่าเชื่อถือโดยการจำลองขึ้นอยู่กับจำนวนการทดลองทั้งหมด จำนวนสถานะที่พิจารณาของ EES จำนวนองค์ประกอบในนั้น ดังนั้น หากสถานะที่สร้างขึ้นกลายเป็นสถานะของความล้มเหลวของ EPS ช่วงเวลาของความล้มเหลวของ EPS จะได้รับการแก้ไขและคำนวณ
ช่วงเวลาการทำงาน EPS จากช่วงเวลาของการกู้คืนหลังจากความล้มเหลวครั้งก่อน การวิเคราะห์สถานะที่เกิดขึ้นจะดำเนินการตลอดช่วงเวลาที่พิจารณาทั้งหมด ตู่.
โปรแกรมสำหรับคำนวณตัวบ่งชี้ความน่าเชื่อถือประกอบด้วยส่วนหลักและบล็อกรูทีนย่อยอิสระที่แยกจากกันตามตรรกะ ในส่วนหลัก ตามลำดับตรรกะทั่วไปของการคำนวณ มีการเรียกรูทีนย่อยวัตถุประสงค์พิเศษ การคำนวณตัวบ่งชี้ความน่าเชื่อถือโดยใช้สูตรที่รู้จัก และผลลัพธ์ของการคำนวณสำหรับการพิมพ์
ลองพิจารณาผังงานแบบง่ายที่แสดงลำดับของงานในการคำนวณตัวบ่งชี้ความน่าเชื่อถือของ EPS โดยใช้วิธีการจำลอง (รูปที่ 3.22)
รูทีนย่อยสำหรับวัตถุประสงค์พิเศษดำเนินการ: ป้อนข้อมูลเบื้องต้น; การสร้างแบบจำลองช่วงเวลาแห่งความล้มเหลวและการฟื้นฟูองค์ประกอบตามกฎหมายว่าด้วยการกระจายเวลาทำงานและเวลาการกู้คืน การกำหนดค่าขั้นต่ำของช่วงเวลาแห่งความล้มเหลวและช่วงเวลาของการฟื้นฟูองค์ประกอบและการระบุองค์ประกอบที่รับผิดชอบต่อค่าเหล่านี้ การสร้างแบบจำลองของกระบวนการทำงานของ EES ในช่วงเวลาและการวิเคราะห์สถานะที่เกิดขึ้น
ด้วยการสร้างโปรแกรมดังกล่าว เป็นไปได้โดยไม่กระทบต่อตรรกะทั่วไปของโปรแกรม เพื่อทำการเปลี่ยนแปลงที่จำเป็นและส่วนเพิ่มเติมที่เกี่ยวข้อง ตัวอย่างเช่น การเปลี่ยนแปลงกฎหมายที่เป็นไปได้ของการกระจายเวลาการทำงานและเวลาการกู้คืนขององค์ประกอบ
R is.3.22. บล็อกไดอะแกรมของอัลกอริทึมสำหรับการคำนวณตัวบ่งชี้ความน่าเชื่อถือโดยการจำลอง
แบบอย่าง ออบเจ็กต์คืออ็อบเจ็กต์อื่นๆ ที่มีคุณสมบัติส่วนบุคคลทั้งหมดหรือบางส่วนตรงกับคุณสมบัติของออบเจกต์ดั้งเดิม
ควรเข้าใจอย่างถี่ถ้วนว่า แบบสมบูรณ์มันเป็นไปไม่ได้. เธอคือ จำกัดเสมอและควรสอดคล้องกับเป้าหมายของการสร้างแบบจำลองเท่านั้น โดยสะท้อนถึงคุณสมบัติมากมายของวัตถุดั้งเดิมและความสมบูรณ์เท่าที่จำเป็นสำหรับการศึกษาเฉพาะ
วัตถุต้นทางเป็นได้ทั้ง จริง, หรือ จินตภาพ. เราจัดการกับวัตถุจินตภาพในการปฏิบัติทางวิศวกรรมในช่วงเริ่มต้นของการออกแบบ ระบบเทคนิค. แบบจำลองของวัตถุที่ยังไม่ได้รวมอยู่ในการพัฒนาจริงเรียกว่าแบบคาดการณ์ล่วงหน้า
การสร้างแบบจำลองเป้าหมาย
แบบจำลองนี้สร้างขึ้นเพื่อการวิจัย ซึ่งเป็นไปไม่ได้ หรือมีราคาแพง หรือเพียงไม่สะดวกที่จะทำกับวัตถุจริง มีเป้าหมายหลายประการสำหรับการสร้างแบบจำลองและการศึกษาประเภทหลักหลายประเภท:
- แบบจำลองเป็นสื่อกลางในการทำความเข้าใจช่วยในการระบุ:
- การพึ่งพาอาศัยกันของตัวแปร
- ลักษณะของการเปลี่ยนแปลงเมื่อเวลาผ่านไป
- รูปแบบที่มีอยู่
เมื่อรวบรวมแบบจำลอง โครงสร้างของวัตถุภายใต้การศึกษาจะกลายเป็นที่เข้าใจได้มากขึ้น มีการเปิดเผยความสัมพันธ์ของเหตุและผลที่สำคัญ ในกระบวนการสร้างแบบจำลอง คุณสมบัติของวัตถุดั้งเดิมจะค่อย ๆ แบ่งออกเป็นส่วนที่จำเป็นและรองจากมุมมองของข้อกำหนดที่กำหนดสำหรับแบบจำลอง เรากำลังพยายามค้นหาในวัตถุดั้งเดิมเฉพาะคุณสมบัติที่เกี่ยวข้องโดยตรงกับด้านข้างของการทำงานของมันที่เราสนใจ ในแง่หนึ่งทั้งหมด กิจกรรมทางวิทยาศาสตร์เหลือเพียงการสร้างและศึกษาแบบจำลองปรากฏการณ์ทางธรรมชาติ
- แบบจำลองเป็นเครื่องมือพยากรณ์ช่วยให้คุณเรียนรู้วิธีทำนายพฤติกรรมและควบคุมวัตถุโดยการทดสอบตัวเลือกการควบคุมต่างๆ บนแบบจำลอง ทดลองกับของจริงบ่อยๆ ใน กรณีที่ดีที่สุดไม่สะดวก และบางครั้งก็อันตรายหรือเป็นไปไม่ได้เลยด้วยสาเหตุหลายประการ: ระยะเวลาในการทดลองนาน ความเสี่ยงที่จะเกิดความเสียหายหรือทำลายวัตถุ การไม่มีวัตถุจริงในกรณีที่ยังอยู่ระหว่างการออกแบบ
- โมเดลที่สร้างขึ้นสามารถนำมาใช้เพื่อ การหาอัตราส่วนที่เหมาะสมของพารามิเตอร์, การศึกษาโหมดการทำงานพิเศษ (วิกฤต)
- โมเดลอาจในบางกรณีเช่นกัน แทนที่วัตถุเดิมเมื่อฝึกตัวอย่างเช่น ใช้เป็นเครื่องจำลองในการฝึกอบรมบุคลากรสำหรับการทำงานในสภาพแวดล้อมจริง หรือทำหน้าที่เป็นวัตถุของการศึกษาในห้องปฏิบัติการเสมือน โมเดลที่นำไปใช้ในรูปแบบของโมดูลปฏิบัติการยังใช้เป็นแบบจำลองของวัตถุควบคุมในการทดสอบแบบตั้งโต๊ะของระบบควบคุม และในช่วงเริ่มต้นของการออกแบบ จะแทนที่ระบบควบคุมที่รับรู้ด้วยฮาร์ดแวร์ในอนาคตด้วยตัวมันเอง
การจำลอง
ในรัสเซีย คำคุณศัพท์ "เลียนแบบ" มักถูกใช้เป็นคำพ้องสำหรับคำคุณศัพท์ "คล้าย", "คล้าย" ในบรรดาวลี "แบบจำลองทางคณิตศาสตร์", "แบบจำลองทางคณิตศาสตร์", "แบบจำลองทางสถิติ", "แบบจำลองทางสถิติ", "แบบจำลองการจำลอง" ซึ่งปรากฏในรัสเซียซึ่งอาจเป็นผลมาจากการแปลที่ไม่ถูกต้อง ค่อยๆ ได้ความหมายใหม่ที่แตกต่างจากความหมายเดิม
บ่งชี้ว่าแบบจำลองนี้เป็นแบบจำลองแบบจำลอง เรามักจะเน้นว่าไม่เหมือนกับแบบจำลองนามธรรมประเภทอื่น ๆ แบบจำลองนี้ยังคงรักษาและจดจำคุณลักษณะดังกล่าวของวัตถุแบบจำลองได้อย่างง่ายดายเช่น โครงสร้าง การเชื่อมต่อระหว่างส่วนประกอบ วิธีการส่งข้อมูล. โมเดลจำลองมักจะเกี่ยวข้องกับข้อกำหนด ภาพประกอบของพฤติกรรมของพวกเขาด้วยความช่วยเหลือของภาพกราฟิกที่ยอมรับในพื้นที่แอปพลิเคชันนี้. ไม่ใช่โดยไม่มีเหตุผลว่าแบบจำลองเลียนแบบมักจะเรียกว่าแบบจำลององค์กร แบบจำลองด้านสิ่งแวดล้อมและสังคม
การจำลอง = การสร้างแบบจำลองคอมพิวเตอร์(คำพ้องความหมาย).ปัจจุบันสำหรับการสร้างแบบจำลองประเภทนี้มีการใช้คำพ้องความหมาย "การสร้างแบบจำลองคอมพิวเตอร์" โดยเน้นว่างานที่กำลังแก้ไขไม่สามารถแก้ไขได้โดยใช้วิธีการมาตรฐานในการคำนวณทางคอมพิวเตอร์ (เครื่องคิดเลข, ตารางหรือ โปรแกรมคอมพิวเตอร์แทนที่วิธีการเหล่านี้)
โมเดลจำลองคือชุดซอฟต์แวร์พิเศษที่ให้คุณจำลองกิจกรรมของวัตถุที่ซับซ้อนใดๆ ซึ่ง:
- โครงสร้างของวัตถุสะท้อนให้เห็น (และนำเสนอแบบกราฟิก) พร้อมลิงก์
- เรียกใช้กระบวนการคู่ขนาน
เพื่ออธิบายพฤติกรรม สามารถใช้ทั้งกฎหมายระดับโลกและกฎหมายท้องถิ่นที่ได้รับจากการทดลองภาคสนาม
ดังนั้น การจำลองแบบจำลองจึงเกี่ยวข้องกับการใช้เทคโนโลยีคอมพิวเตอร์เพื่อจำลองกระบวนการหรือการดำเนินการต่างๆ (เช่น การจำลอง) ที่ดำเนินการโดยอุปกรณ์จริง อุปกรณ์หรือ กระบวนการที่เรียกกันทั่วไปว่า ระบบ . สำหรับ การวิจัยทางวิทยาศาสตร์ระบบเราใช้สมมติฐานบางอย่างเกี่ยวกับการทำงานของระบบ สมมติฐานเหล่านี้มักจะอยู่ในรูปแบบของความสัมพันธ์ทางคณิตศาสตร์หรือเชิงตรรกะ ประกอบขึ้นเป็นแบบจำลองที่สามารถเข้าใจถึงพฤติกรรมของระบบที่เกี่ยวข้องกัน
หากความสัมพันธ์ที่สร้างแบบจำลองนั้นง่ายพอที่จะรับข้อมูลที่ถูกต้องเกี่ยวกับประเด็นที่เราสนใจ เราก็สามารถใช้วิธีการทางคณิตศาสตร์ได้ สารละลายชนิดนี้เรียกว่า วิเคราะห์. อย่างไรก็ตาม ระบบที่มีอยู่ส่วนใหญ่นั้นซับซ้อนมาก และเป็นไปไม่ได้ที่จะสร้างแบบจำลองจริงสำหรับระบบเหล่านี้ ดังอธิบายในเชิงวิเคราะห์ โมเดลดังกล่าวควรศึกษาโดยการจำลอง เมื่อสร้างแบบจำลอง คอมพิวเตอร์จะใช้ในการประเมินแบบจำลองเชิงตัวเลข และด้วยความช่วยเหลือของข้อมูลที่ได้รับ คุณลักษณะที่แท้จริงของมันจะถูกคำนวณ
จากมุมมองของผู้เชี่ยวชาญ (เศรษฐศาสตร์ - นักเศรษฐศาสตร์ นักคณิตศาสตร์ โปรแกรมเมอร์ หรือนักเศรษฐศาสตร์ - นักคณิตศาสตร์) การสร้างแบบจำลองของกระบวนการควบคุมหรือวัตถุควบคุมเป็นเทคโนโลยีสารสนเทศระดับสูงที่มีการดำเนินการสองประเภทโดยใช้คอมพิวเตอร์:
- ทำงานเกี่ยวกับการสร้างหรือดัดแปลงแบบจำลองจำลอง
- การทำงานของแบบจำลองการจำลองและการตีความผลลัพธ์
การจำลอง (คอมพิวเตอร์) แบบจำลองของกระบวนการทางเศรษฐกิจมักใช้ในสองกรณี:
- เพื่อจัดการกระบวนการทางธุรกิจที่ซับซ้อน เมื่อใช้แบบจำลองการจำลองของวัตถุทางเศรษฐกิจที่มีการจัดการเป็นเครื่องมือในโครงร่างของระบบควบคุมแบบปรับตัวที่สร้างขึ้นบนพื้นฐานของเทคโนโลยีสารสนเทศ (คอมพิวเตอร์)
- เมื่อทำการทดลองกับแบบจำลองที่ไม่ต่อเนื่องของวัตถุทางเศรษฐกิจที่ซับซ้อน เพื่อให้ได้มาและติดตามการเปลี่ยนแปลงในสถานการณ์ฉุกเฉินที่เกี่ยวข้องกับความเสี่ยง แบบจำลองเต็มรูปแบบเป็นสิ่งที่ไม่พึงปรารถนาหรือเป็นไปไม่ได้
งานจำลองทั่วไป
การจำลองแบบจำลองสามารถนำมาใช้ในกิจกรรมต่างๆ ด้านล่างนี้คือรายการงานที่การสร้างแบบจำลองมีประสิทธิภาพเป็นพิเศษ:
- การออกแบบและวิเคราะห์ระบบการผลิต
- การกำหนดข้อกำหนดสำหรับอุปกรณ์และโปรโตคอลของเครือข่ายการสื่อสาร
- การกำหนดข้อกำหนดสำหรับฮาร์ดแวร์และซอฟต์แวร์ของระบบคอมพิวเตอร์ต่างๆ
- การออกแบบและวิเคราะห์การทำงานของระบบขนส่ง เช่น สนามบิน ทางหลวง ท่าเรือ และรถไฟใต้ดิน
- การประเมินโครงการสำหรับการสร้างองค์กรเข้าคิวต่างๆ เช่น ศูนย์ประมวลผลคำสั่ง สถานประกอบการอาหารจานด่วน โรงพยาบาล ที่ทำการไปรษณีย์
- ความทันสมัยของกระบวนการทางธุรกิจต่างๆ
- การกำหนดนโยบายในระบบการจัดการสินค้าคงคลัง
- การวิเคราะห์ระบบการเงินและเศรษฐกิจ
- ระดับ ระบบต่างๆอาวุธและข้อกำหนดสำหรับการขนส่ง
การจำแนกแบบจำลอง
ต่อไปนี้ได้รับเลือกเป็นพื้นฐานสำหรับการจำแนกประเภท:
- ลักษณะการทำงานที่แสดงถึงวัตถุประสงค์ วัตถุประสงค์ของการสร้างแบบจำลอง
- วิธีการนำเสนอโมเดล
- ปัจจัยด้านเวลาที่สะท้อนถึงไดนามิกของโมเดล
การทำงาน |
คลาสโมเดล |
ตัวอย่าง |
คำอธิบาย คำอธิบาย |
รุ่นสาธิต โปสเตอร์การศึกษา |
|
การคาดการณ์ |
วิทยาศาสตร์และเทคนิค ทางเศรษฐกิจ |
แบบจำลองทางคณิตศาสตร์ของกระบวนการ รุ่นของอุปกรณ์ทางเทคนิคที่พัฒนาแล้ว |
การวัด การประมวลผลข้อมูลเชิงประจักษ์ |
เรือจำลองในสระ โมเดลเครื่องบินในอุโมงค์ลม |
|
ล่าม |
เกมทางการทหาร เศรษฐกิจ กีฬา ธุรกิจ |
|
เกณฑ์l |
แบบอย่าง (อ้างอิง) |
รุ่นรองเท้า นางแบบเสื้อผ้า |
ตามนั้น โมเดลแบ่งออกเป็นสองกลุ่มใหญ่: วัสดุและนามธรรม (ไม่ใช่วัตถุ). ทั้งวัสดุและแบบจำลองนามธรรม มีข้อมูลเกี่ยวกับวัตถุเดิม สำหรับแบบจำลองวัสดุเท่านั้น ข้อมูลนี้มีรูปลักษณ์ของวัสดุ และในแบบจำลองที่จับต้องไม่ได้ ข้อมูลเดียวกันจะถูกนำเสนอในรูปแบบนามธรรม (ความคิด สูตร ภาพวาด แผนภาพ)
โมเดลวัสดุและนามธรรมสามารถสะท้อนถึงต้นแบบเดียวกันและเสริมซึ่งกันและกัน
โมเดลสามารถแบ่งคร่าวๆ ได้เป็น 2 กลุ่ม คือ วัสดุและ ในอุดมคติและดังนั้น เพื่อแยกความแตกต่างระหว่างการสร้างแบบจำลองหัวเรื่องและนามธรรม การสร้างแบบจำลองหัวเรื่องแบบต่างๆ ได้แก่ การสร้างแบบจำลองทางกายภาพและแบบแอนะล็อก
ทางกายภาพเป็นเรื่องปกติที่จะเรียกแบบจำลองดังกล่าว (การสร้างต้นแบบ) ซึ่งวัตถุจริงเกี่ยวข้องกับสำเนาที่ขยายหรือย่อ สำเนานี้สร้างขึ้นบนพื้นฐานของทฤษฎีความคล้ายคลึงกัน ซึ่งช่วยให้เรายืนยันได้ว่าคุณสมบัติที่จำเป็นนั้นยังคงอยู่ในแบบจำลอง
ในแบบจำลองทางกายภาพ นอกจากสัดส่วนทางเรขาคณิตแล้ว เช่น วัสดุหรือโครงร่างสีของวัตถุดั้งเดิม ตลอดจนคุณสมบัติอื่นๆ ที่จำเป็นสำหรับการศึกษาโดยเฉพาะ ก็สามารถบันทึกได้
อนาล็อกการสร้างแบบจำลองขึ้นอยู่กับการแทนที่วัตถุดั้งเดิมด้วยวัตถุที่มีลักษณะทางกายภาพที่แตกต่างกันซึ่งมีพฤติกรรมคล้ายกัน
ทั้งแบบจำลองทางกายภาพและแบบแอนะล็อกเป็นวิธีการหลักในการวิจัยที่เกี่ยวข้อง การทดลองทางธรรมชาติ กับแบบจำลอง แต่การทดลองนี้กลับกลายเป็นว่าน่าสนใจกว่าการทดลองกับวัตถุดั้งเดิมในบางแง่มุม
ในอุดมคติโมเดลเป็นภาพนามธรรมของวัตถุจริงหรือจินตภาพ การสร้างแบบจำลองในอุดมคติมีสองประเภท: ใช้งานง่ายและโดดเด่น
เกี่ยวกับ สัญชาตญาณแบบจำลองกล่าวเมื่อไม่สามารถอธิบายแบบจำลองที่ใช้ได้ แม้ว่าจะมีอยู่จริง แต่ก็ถูกนำมาใช้เพื่อทำนายหรืออธิบายโลกรอบตัวเราด้วยความช่วยเหลือ เรารู้ว่าสิ่งมีชีวิตสามารถอธิบายและทำนายปรากฏการณ์ได้โดยไม่ต้องมีแบบจำลองทางกายภาพหรือนามธรรมที่มองเห็นได้ ในแง่นี้ ตัวอย่างเช่น ประสบการณ์ชีวิตแต่ละคนถือได้ว่าเป็นแบบจำลองทางสัญชาตญาณของโลกรอบตัวเขา เมื่อคุณกำลังจะข้ามถนน คุณมองไปทางขวา ทางซ้าย และตัดสินใจอย่างสังหรณ์ใจ (มักจะถูกต้อง) ว่าคุณสามารถไปได้หรือไม่ สมองจัดการกับงานนี้อย่างไรเราก็ไม่รู้เหมือนกัน
Iconicเรียกว่า การสร้างแบบจำลอง โดยใช้เครื่องหมายหรือสัญลักษณ์เป็นแบบจำลอง ได้แก่ ไดอะแกรม กราฟ ภาพวาด ข้อความในภาษาต่างๆ รวมทั้งสูตรและทฤษฎีทางคณิตศาสตร์ที่เป็นทางการ ผู้เข้าร่วมบังคับในการสร้างแบบจำลองสัญญาณคือล่ามของแบบจำลองสัญญาณ ซึ่งส่วนใหญ่มักจะเป็นบุคคล แต่คอมพิวเตอร์ก็สามารถรับมือกับการตีความได้ ภาพวาด ข้อความ สูตรในตัวเองไม่มีความหมายหากไม่มีคนที่เข้าใจและใช้พวกเขาในกิจกรรมประจำวันของพวกเขา
การสร้างแบบจำลองสัญญาณที่สำคัญที่สุดคือ การสร้างแบบจำลองทางคณิตศาสตร์. นามธรรมจากธรรมชาติทางกายภาพ (เศรษฐกิจ) ของวัตถุ คณิตศาสตร์ศึกษาวัตถุในอุดมคติ ตัวอย่างเช่น การใช้ทฤษฎีสมการเชิงอนุพันธ์สามารถศึกษาการสั่นของไฟฟ้าและทางกลที่กล่าวถึงแล้วได้มากที่สุด ปริทัศน์แล้วนำความรู้ที่ได้รับมาศึกษาวัตถุที่มีลักษณะทางกายภาพเฉพาะ
ประเภทของแบบจำลองทางคณิตศาสตร์:
![](https://i1.wp.com/eos.ibi.spb.ru/umk/11_4/5/pict/f1_1.jpg)
รุ่นคอมพิวเตอร์ - นี่คือการใช้งานซอฟต์แวร์ของแบบจำลองทางคณิตศาสตร์ เสริมด้วยโปรแกรมอรรถประโยชน์ต่างๆ (เช่น โปรแกรมที่วาดและเปลี่ยนภาพกราฟิกได้ทันเวลา) รุ่นคอมพิวเตอร์มีสององค์ประกอบ - ซอฟต์แวร์และฮาร์ดแวร์ ส่วนประกอบซอฟต์แวร์ยังเป็นแบบจำลองสัญลักษณ์นามธรรมอีกด้วย นี่เป็นเพียงอีกรูปแบบหนึ่งของแบบจำลองนามธรรม ซึ่งไม่เพียงแต่สามารถตีความได้โดยนักคณิตศาสตร์และโปรแกรมเมอร์เท่านั้น แต่ยังสามารถตีความได้ อุปกรณ์ทางเทคนิค- โปรเซสเซอร์คอมพิวเตอร์
โมเดลคอมพิวเตอร์แสดงคุณสมบัติของแบบจำลองทางกายภาพเมื่อหรือค่อนข้างเป็นส่วนประกอบที่เป็นนามธรรม - โปรแกรมถูกตีความโดยอุปกรณ์ทางกายภาพคอมพิวเตอร์ การรวมกันของคอมพิวเตอร์และโปรแกรมจำลองเรียกว่า " เทียบเท่าทางอิเล็กทรอนิกส์ของวัตถุที่กำลังศึกษา". แบบจำลองคอมพิวเตอร์เป็นอุปกรณ์ทางกายภาพสามารถเป็นส่วนหนึ่งของม้านั่งทดสอบ เครื่องจำลอง และห้องปฏิบัติการเสมือน
แบบคงที่ อธิบายพารามิเตอร์ที่ไม่เปลี่ยนรูปของออบเจกต์หรือข้อมูลแบบครั้งเดียวบนออบเจกต์ที่กำหนด โมเดลไดนามิก อธิบายและตรวจสอบพารามิเตอร์ที่เปลี่ยนแปลงตามเวลา
แบบจำลองไดนามิกที่ง่ายที่สุดสามารถอธิบายได้ว่าเป็นระบบของสมการเชิงอนุพันธ์เชิงเส้น:
พารามิเตอร์แบบจำลองทั้งหมดเป็นฟังก์ชันของเวลา
โมเดลเชิงกำหนด
ไม่มีที่สำหรับโอกาส
เหตุการณ์ทั้งหมดในระบบเกิดขึ้นเป็นลำดับที่เข้มงวด ตรงตามสูตรทางคณิตศาสตร์ที่อธิบายกฎของพฤติกรรม ดังนั้นผลลัพธ์จะถูกกำหนดอย่างแม่นยำ และจะได้ผลลัพธ์แบบเดียวกัน ไม่ว่าเราจะทำการทดลองกี่ครั้งก็ตาม
แบบจำลองความน่าจะเป็น
เหตุการณ์ในระบบไม่ได้เกิดขึ้นในลำดับที่แน่นอน แต่เป็นการสุ่ม แต่ความน่าจะเป็นที่จะเกิดเหตุการณ์นี้หรือเหตุการณ์นั้นทราบ ไม่ทราบผลล่วงหน้า ในระหว่างการทดลอง คุณจะได้รับ ผลลัพธ์ที่แตกต่าง. โมเดลเหล่านี้สะสมสถิติจากการทดลองหลายครั้ง จากสถิติเหล่านี้ จะมีการสรุปข้อสรุปเกี่ยวกับการทำงานของระบบ
โมเดลสุ่ม
ในการแก้ปัญหาต่างๆ ของการวิเคราะห์ทางการเงิน มีการใช้แบบจำลองที่มีตัวแปรสุ่มซึ่งผู้มีอำนาจตัดสินใจไม่สามารถควบคุมพฤติกรรมได้ โมเดลดังกล่าวเรียกว่าสุ่ม การใช้การจำลองทำให้คุณสามารถสรุปผลที่เป็นไปได้โดยพิจารณาจากการแจกแจงความน่าจะเป็นของปัจจัยสุ่ม (ค่า) การจำลองสุ่มบ่อยๆ เรียกว่าวิธีมอนติคาร์โล.
ขั้นตอนของการจำลองด้วยคอมพิวเตอร์
(การทดลองทางคอมพิวเตอร์)
สามารถแสดงเป็นลำดับของขั้นตอนพื้นฐานต่อไปนี้:
1. คำชี้แจงของปัญหา |
|
2. การพัฒนาโมเดล |
|
3. การทดลองคอมพิวเตอร์ |
|
4. การวิเคราะห์ผลการจำลอง |
|
ตามลักษณะของการกำหนด งานทั้งหมดสามารถแบ่งออกเป็นสองกลุ่มหลัก
ถึง กลุ่มแรกรวมถึงงานที่ต้องการ สำรวจว่าลักษณะของวัตถุจะเปลี่ยนแปลงไปโดยมีผลกระทบอย่างไร. ประโยคปัญหาแบบนี้เรียกว่า “แล้วถ้า…?”ตัวอย่างเช่น จะเกิดอะไรขึ้นหากคุณเพิ่มค่าสาธารณูปโภคเป็นสองเท่า
งานบางอย่างมีการกำหนดขึ้นค่อนข้างกว้างขึ้น จะเกิดอะไรขึ้นถ้าคุณเปลี่ยนลักษณะของวัตถุในช่วงที่กำหนดด้วยขั้นตอนที่แน่นอน? การศึกษาดังกล่าวช่วยในการติดตามการพึ่งพาพารามิเตอร์ของวัตถุในข้อมูลเริ่มต้น บ่อยครั้งที่จำเป็นต้องติดตามการพัฒนากระบวนการในเวลา คำสั่งปัญหาเพิ่มเติมนี้เรียกว่า การวิเคราะห์ความไว.
กลุ่มที่สองงานมีสูตรทั่วไปดังต่อไปนี้: ควรทำผลกระทบอะไรกับวัตถุเพื่อให้พารามิเตอร์เป็นไปตามเงื่อนไขที่กำหนด?ข้อความแจ้งปัญหานี้มักถูกเรียกว่า “ทำยังไง...?”
จะแน่ใจได้อย่างไรว่า "ทั้งหมาป่าได้รับอาหารและแกะปลอดภัย"
ตามกฎแล้วงานการสร้างแบบจำลองจำนวนมากที่สุดนั้นซับซ้อน ในปัญหาดังกล่าว แบบจำลองจะถูกสร้างขึ้นสำหรับข้อมูลเริ่มต้นชุดแรก กล่าวอีกนัยหนึ่งปัญหา "จะเกิดอะไรขึ้นถ้า ... " ได้รับการแก้ไขก่อน จากนั้นทำการศึกษาวัตถุในขณะที่เปลี่ยนพารามิเตอร์ในช่วงที่กำหนด และสุดท้าย จากผลการศึกษา พารามิเตอร์จะถูกเลือกเพื่อให้แบบจำลองเป็นไปตามคุณสมบัติที่ออกแบบไว้บางส่วน
จากคำอธิบายข้างต้นว่าการสร้างแบบจำลองเป็นกระบวนการแบบวนซ้ำซึ่งมีการดำเนินการแบบเดียวกันซ้ำหลายครั้ง
วัฏจักรนี้เกิดจากสองสถานการณ์: เทคโนโลยีที่เกี่ยวข้องกับข้อผิดพลาด "โชคร้าย" ที่เกิดขึ้นในแต่ละขั้นตอนของการสร้างแบบจำลองที่พิจารณาและ "อุดมคติ" ที่เกี่ยวข้องกับการปรับแต่งแบบจำลองและแม้กระทั่งกับการปฏิเสธและการเปลี่ยนแปลง สู่อีกรุ่นหนึ่ง วงรอบ "ภายนอก" เพิ่มเติมอาจปรากฏขึ้นได้หากเราต้องการขยายขอบเขตของแบบจำลอง และเปลี่ยนปัจจัยนำเข้าที่ต้องพิจารณาอย่างถูกต้อง หรือสมมติฐานที่ต้องมีความเป็นธรรม
การสรุปผลของการจำลองอาจนำไปสู่ข้อสรุปว่าการทดลองที่วางแผนไว้ไม่เพียงพอที่จะทำให้งานเสร็จสมบูรณ์ และอาจจำเป็นต้องปรับแต่งแบบจำลองทางคณิตศาสตร์อีกครั้ง
วางแผนการทดลองคอมพิวเตอร์
ในคำศัพท์การออกแบบการทดลอง ตัวแปรอินพุตและสมมติฐานเชิงโครงสร้างที่ประกอบเป็นโมเดลเรียกว่า แฟกเตอร์ และการวัดประสิทธิภาพเอาต์พุตเรียกว่า การตอบสนอง การตัดสินใจเกี่ยวกับพารามิเตอร์และสมมติฐานเชิงโครงสร้างที่จะพิจารณาว่าเป็นตัวบ่งชี้คงที่ และปัจจัยใดที่เป็นปัจจัยในการทดลอง จะขึ้นอยู่กับวัตถุประสงค์ของการศึกษามากกว่า ไม่ใช่รูปแบบภายในของแบบจำลอง
อ่านเพิ่มเติมเกี่ยวกับการวางแผนการทดลองทางคอมพิวเตอร์ด้วยตัวคุณเอง (pp. 707–724; pp. 240–246)
วิธีการปฏิบัติในการวางแผนและการทดลองทางคอมพิวเตอร์ถือเป็นชั้นเรียนภาคปฏิบัติ
ขีด จำกัด ของความเป็นไปได้ของวิธีการทางคณิตศาสตร์คลาสสิกในทางเศรษฐศาสตร์
วิธีศึกษาระบบ
ทดลองกับระบบจริงหรือกับระบบแบบจำลอง? หากมีความเป็นไปได้ที่จะเปลี่ยนแปลงระบบทางกายภาพ (หากคุ้มค่า) และนำไปใช้งานในสภาพใหม่ ทางที่ดีควรดำเนินการเช่นนั้น เนื่องจากในกรณีนี้ คำถามเกี่ยวกับความเพียงพอของผลลัพธ์ที่ได้จะหายไปเอง . อย่างไรก็ตาม วิธีการดังกล่าวมักไม่สามารถทำได้ เนื่องจากมีค่าใช้จ่ายสูงเกินกว่าจะนำไปใช้ หรือเนื่องจากมีผลกระทบร้ายแรงต่อระบบเอง ตัวอย่างเช่น ธนาคารกำลังมองหาวิธีลดต้นทุน และเพื่อจุดประสงค์นี้ จึงเสนอให้ลดจำนวนพนักงานเก็บเงิน ถ้าได้ลองใช้งานจริง ระบบใหม่– เมื่อมีแคชเชียร์น้อยลง อาจนำไปสู่ความล่าช้าในการให้บริการลูกค้าและการละทิ้งธนาคาร ยิ่งไปกว่านั้น ระบบอาจไม่มีอยู่จริง แต่เราต้องการที่จะสำรวจการกำหนดค่าต่างๆ เพื่อเลือกมากที่สุด วิธีที่มีประสิทธิภาพการดำเนินการ เครือข่ายการสื่อสารหรือระบบอาวุธนิวเคลียร์เชิงกลยุทธ์เป็นตัวอย่างของระบบดังกล่าว ดังนั้นจึงจำเป็นต้องสร้างแบบจำลองที่เป็นตัวแทนของระบบและตรวจสอบแทนระบบจริง เมื่อใช้แบบจำลอง คำถามจะเกิดขึ้นเสมอว่าแบบจำลองนั้นสะท้อนถึงระบบได้อย่างแม่นยำจริง ๆ หรือไม่ จนถึงระดับที่สามารถตัดสินใจตามผลการศึกษาได้
แบบจำลองทางกายภาพหรือแบบจำลองทางคณิตศาสตร์? เมื่อเราได้ยินคำว่า "โมเดล" พวกเราส่วนใหญ่นึกถึงห้องนักบินที่ตั้งอยู่นอกเครื่องบินในพื้นที่ฝึกซ้อมและใช้สำหรับการฝึกนักบิน หรือซูเปอร์แทงค์ขนาดเล็กที่เคลื่อนที่ไปมาในสระน้ำ เหล่านี้คือตัวอย่างทั้งหมดของแบบจำลองทางกายภาพ (เรียกอีกอย่างว่าสัญลักษณ์หรือในเชิงเปรียบเทียบ) มักใช้ในการวิจัยการดำเนินงานหรือการวิเคราะห์ระบบ แต่ในบางกรณี การสร้างแบบจำลองทางกายภาพอาจมีประสิทธิภาพมากในการศึกษาระบบทางเทคนิคหรือระบบควบคุม ตัวอย่าง ได้แก่ โมเดลระบบการจัดการบนโต๊ะมาตราส่วน และแบบจำลองร้านอาหารฟาสต์ฟู้ดเต็มรูปแบบอย่างน้อยหนึ่งรูปแบบในร้านค้าขนาดใหญ่ที่เกี่ยวข้องกับลูกค้าจริง อย่างไรก็ตาม โมเดลที่สร้างขึ้นส่วนใหญ่เป็นแบบทางคณิตศาสตร์ พวกเขาเป็นตัวแทนของระบบผ่านความสัมพันธ์เชิงตรรกะและเชิงปริมาณ ซึ่งจะได้รับการประมวลผลและแก้ไขเพื่อกำหนดว่าระบบตอบสนองต่อการเปลี่ยนแปลงอย่างไร ให้แม่นยำยิ่งขึ้นว่าจะตอบสนองอย่างไรหากมีอยู่จริง น่าจะมากที่สุด ตัวอย่างง่ายๆแบบจำลองทางคณิตศาสตร์เป็นความสัมพันธ์ที่รู้จัก S=V/t, ที่ไหน ส- ระยะทาง; วี- ความเร็วในการเคลื่อนที่ t- เวลาเที่ยว. บางครั้งรูปแบบดังกล่าวอาจเพียงพอ (เช่น ในกรณีของ ยานอวกาศชี้ไปยังดาวเคราะห์ดวงอื่นเมื่อถึงความเร็วในการบิน) แต่ในสถานการณ์อื่นๆ อาจไม่เป็นความจริง (เช่น การจราจรในชั่วโมงเร่งด่วนบนทางด่วนในเมืองที่แออัด)
โซลูชันการวิเคราะห์หรือการจำลอง? ในการตอบคำถามเกี่ยวกับระบบที่แสดงแบบจำลองทางคณิตศาสตร์ จำเป็นต้องกำหนดวิธีการสร้างแบบจำลองนี้ เมื่อตัวแบบเรียบง่ายเพียงพอ ก็สามารถคำนวณความสัมพันธ์และพารามิเตอร์ และรับโซลูชันการวิเคราะห์ที่แม่นยำ อย่างไรก็ตาม โซลูชันการวิเคราะห์บางอย่างอาจซับซ้อนอย่างยิ่งและต้องใช้ทรัพยากรคอมพิวเตอร์จำนวนมาก การผกผันของเมทริกซ์ nonsparse ขนาดใหญ่เป็นตัวอย่างที่คุ้นเคยของสถานการณ์ที่มีสูตรการวิเคราะห์ที่ทราบในหลักการ แต่ในกรณีนี้ มันไม่ง่ายเลยที่จะได้ผลลัพธ์เชิงตัวเลข หากในกรณีของแบบจำลองทางคณิตศาสตร์ การแก้ปัญหาเชิงวิเคราะห์เป็นไปได้และการคำนวณดูเหมือนว่าจะมีประสิทธิภาพ จะเป็นการดีกว่าหากศึกษาแบบจำลองด้วยวิธีนี้ โดยไม่ต้องอาศัยการจำลอง อย่างไรก็ตาม หลายระบบมีความซับซ้อนอย่างยิ่ง ซึ่งเกือบจะตัดความเป็นไปได้ของโซลูชันการวิเคราะห์ออกไปโดยสิ้นเชิง ในกรณีนี้ควรศึกษาแบบจำลองโดยใช้การจำลอง กล่าวคือ การทดสอบแบบจำลองซ้ำด้วยข้อมูลอินพุตที่ต้องการเพื่อกำหนดผลกระทบต่อเกณฑ์ผลลัพธ์สำหรับการประเมินประสิทธิภาพของระบบ
การจำลองถูกมองว่าเป็น "วิธีการสุดท้าย" และมีความจริงอยู่บ้างในเรื่องนี้ อย่างไรก็ตาม ในสถานการณ์ส่วนใหญ่ เราตระหนักได้อย่างรวดเร็วถึงความจำเป็นในการใช้เครื่องมือนี้โดยเฉพาะ เนื่องจากระบบและแบบจำลองที่อยู่ระหว่างการศึกษานั้นค่อนข้างซับซ้อนและจำเป็นต้องนำเสนอในรูปแบบที่เข้าถึงได้
สมมติว่าเรามีแบบจำลองทางคณิตศาสตร์ที่ต้องตรวจสอบโดยใช้การจำลอง (ต่อไปนี้จะเรียกว่าแบบจำลองการจำลอง) ก่อนอื่น เราต้องได้ข้อสรุปเกี่ยวกับวิธีการศึกษา ในการนี้ควรจัดประเภท โมเดลจำลองในสามด้าน
คงที่หรือไดนามิก? แบบจำลองสถิตคือระบบ ณ จุดใดเวลาหนึ่ง หรือระบบที่เวลานั้นไม่มีบทบาทใดๆ ตัวอย่างของแบบจำลองคงที่คือแบบจำลองมอนติคาร์โล โมเดลจำลองแบบไดนามิกแสดงถึงระบบที่เปลี่ยนแปลงตลอดเวลา เช่น ระบบสายพานลำเลียงในโรงงาน เมื่อสร้างแบบจำลองทางคณิตศาสตร์แล้ว จำเป็นต้องตัดสินใจว่าจะใช้แบบจำลองนี้เพื่อรับข้อมูลเกี่ยวกับระบบที่เป็นตัวแทนได้อย่างไร
กำหนดหรือสุ่ม? หากแบบจำลองจำลองไม่มีองค์ประกอบความน่าจะเป็น (สุ่ม) จะเรียกว่ากำหนดขึ้นเอง ในรูปแบบที่กำหนดขึ้นได้ ผลลัพธ์สามารถรับได้เมื่อให้ปริมาณอินพุตและการพึ่งพาทั้งหมดสำหรับมัน แม้ว่าในกรณีนี้จำเป็นต้องใช้ จำนวนมากของเวลาคอมพิวเตอร์ อย่างไรก็ตาม ระบบจำนวนมากถูกจำลองด้วยอินพุตส่วนประกอบสุ่มหลายตัว ส่งผลให้เกิดแบบจำลองสุ่ม ระบบการจัดคิวและการจัดการสินค้าคงคลังส่วนใหญ่มีรูปแบบเช่นนี้ โมเดลจำลองสุ่มสร้างผลลัพธ์ที่สุ่มในตัวมันเอง ดังนั้นจึงถือได้ว่าเป็นการประมาณค่าคุณลักษณะที่แท้จริงของแบบจำลองเท่านั้น นี่เป็นหนึ่งในข้อเสียเปรียบหลักของการสร้างแบบจำลอง
ต่อเนื่องหรือไม่ต่อเนื่อง? โดยทั่วไปแล้ว เรากำหนดรูปแบบที่ไม่ต่อเนื่องและต่อเนื่องในลักษณะเดียวกันกับระบบที่ไม่ต่อเนื่องและต่อเนื่องที่อธิบายไว้ก่อนหน้านี้ ควรสังเกตว่าแบบจำลองที่ไม่ต่อเนื่องไม่ได้ถูกใช้เพื่อสร้างแบบจำลองของระบบที่ไม่ต่อเนื่องเสมอไป และในทางกลับกัน ความจำเป็นต้องใช้แบบจำลองที่ไม่ต่อเนื่องหรือต่อเนื่องสำหรับระบบใดระบบหนึ่งขึ้นอยู่กับวัตถุประสงค์ของการศึกษาวิจัย ดังนั้นรูปแบบการไหลของการจราจรบนทางหลวงจะไม่ต่อเนื่องหากคุณต้องการคำนึงถึงลักษณะและการเคลื่อนไหวของรถยนต์แต่ละคัน อย่างไรก็ตาม หากพิจารณายานพาหนะโดยรวม การไหลของการจราจรสามารถอธิบายได้โดยใช้สมการเชิงอนุพันธ์ในแบบจำลองต่อเนื่อง
โมเดลจำลองที่เราจะพิจารณาต่อไปจะเป็นแบบแยกส่วน ไดนามิก และสุ่ม ต่อไปนี้ เราจะเรียกพวกมันว่าแบบจำลองเหตุการณ์ที่ไม่ต่อเนื่องกัน เนื่องจากตัวแบบที่กำหนดขึ้นได้คือ ชนิดพิเศษโมเดลสุ่ม ความจริงที่ว่าเราถูก จำกัด เฉพาะโมเดลดังกล่าวไม่ได้ทำให้เกิดข้อผิดพลาดใด ๆ ในภาพรวม
แนวทางที่มีอยู่ในการสร้างแบบจำลองภาพของระบบไดนามิกที่ซับซ้อน
ระบบจำลองทั่วไป
การสร้างแบบจำลองการจำลองบนคอมพิวเตอร์ดิจิทัลเป็นหนึ่งในวิธีการวิจัยที่ทรงพลังที่สุด โดยเฉพาะอย่างยิ่ง ระบบไดนามิกที่ซับซ้อน เช่นเดียวกับการจำลองด้วยคอมพิวเตอร์ใด ๆ มันทำให้สามารถทำการทดลองทางคอมพิวเตอร์กับระบบที่ยังคงได้รับการออกแบบและศึกษาระบบที่การทดลองเต็มรูปแบบเนื่องจากเหตุผลด้านความปลอดภัยหรือค่าใช้จ่ายสูงนั้นไม่เหมาะสม ในเวลาเดียวกัน เนื่องจากความใกล้ชิดในรูปแบบกับการสร้างแบบจำลองทางกายภาพ วิธีการวิจัยนี้จึงสามารถเข้าถึงได้โดยผู้ใช้ที่หลากหลาย
ในปัจจุบัน เมื่ออุตสาหกรรมคอมพิวเตอร์นำเสนอเครื่องมือสร้างแบบจำลองที่หลากหลาย วิศวกร นักเทคโนโลยีหรือผู้จัดการที่ผ่านการรับรองควรไม่เพียงแต่สามารถสร้างแบบจำลองวัตถุที่ซับซ้อนได้เท่านั้น แต่ยังสร้างแบบจำลองโดยใช้เทคโนโลยีสมัยใหม่ที่นำมาใช้ในรูปแบบของสภาพแวดล้อมแบบกราฟิกหรือแพ็คเกจการสร้างแบบจำลองด้วยภาพ
“ความซับซ้อนของระบบที่กำลังศึกษาและออกแบบนำไปสู่ความจำเป็นในการสร้างเทคนิคการวิจัยพิเศษใหม่เชิงคุณภาพซึ่งใช้เครื่องมือเลียนแบบ - ทำซ้ำบนคอมพิวเตอร์โดยระบบจัดพิเศษของแบบจำลองทางคณิตศาสตร์ของการทำงานของคอมเพล็กซ์ที่ออกแบบหรือศึกษา ” (N.N. Moiseev. ปัญหาทางคณิตศาสตร์ของการวิเคราะห์ระบบ M.: Nauka, 1981, p. 182)
ปัจจุบันมีเครื่องมือสร้างแบบจำลองภาพที่หลากหลาย เราจะตกลงที่จะไม่พิจารณาในเอกสารฉบับนี้ซึ่งมุ่งเน้นไปที่การใช้งานที่แคบ (อิเล็กทรอนิกส์ อิเล็กโทรเมคานิกส์ ฯลฯ) เนื่องจากตามที่ระบุไว้ข้างต้น องค์ประกอบของระบบที่ซับซ้อน ตามกฎแล้ว เป็นของพื้นที่การใช้งานที่แตกต่างกัน ในบรรดาแพ็คเกจสากลที่เหลือ (เน้นไปที่แบบจำลองทางคณิตศาสตร์บางอย่าง) เราจะไม่สนใจแพ็คเกจที่เน้น แบบจำลองทางคณิตศาสตร์, นอกจากความเรียบง่าย ระบบไดนามิก(สมการเชิงอนุพันธ์บางส่วน แบบจำลองทางสถิติ) รวมทั้งแบบไม่ต่อเนื่องและต่อเนื่องอย่างหมดจด ดังนั้น หัวข้อที่ต้องพิจารณาจะเป็นแพ็คเกจสากลที่อนุญาตให้สร้างแบบจำลองระบบไฮบริดที่มีโครงสร้างซับซ้อนได้
พวกเขาสามารถแบ่งออกเป็นสามกลุ่มโดยประมาณ:
- แพ็คเกจ "การสร้างแบบจำลองบล็อก";
- แพ็คเกจ "แบบจำลองทางกายภาพ";
- แพ็คเกจเน้นที่โครงร่างของเครื่องไฮบริด
แผนกนี้มีเงื่อนไข โดยหลักแล้วเนื่องจากแพ็คเกจทั้งหมดเหล่านี้มีความเหมือนกันมาก: ช่วยให้คุณสร้างไดอะแกรมการทำงานแบบลำดับชั้นหลายระดับ รองรับเทคโนโลยี OOM ในระดับหนึ่งหรืออีกระดับหนึ่ง และให้ความสามารถในการแสดงภาพและแอนิเมชั่นที่คล้ายคลึงกัน ความแตกต่างนั้นเกิดจากแง่มุมของระบบไดนามิกที่ซับซ้อนซึ่งถือว่าสำคัญที่สุด
แพ็คเกจ "การสร้างแบบจำลองบล็อก"เน้นที่ภาษากราฟิกของไดอะแกรมบล็อกแบบลำดับชั้น บล็อกระดับประถมศึกษามีการกำหนดไว้ล่วงหน้าหรือสามารถสร้างด้วยพิเศษบางอย่างได้ ภาษาช่วยระดับต่ำ. บล็อกใหม่สามารถประกอบขึ้นจากบล็อกที่มีอยู่ได้โดยใช้ลิงก์ที่มุ่งเน้นและการปรับค่าพารามิเตอร์ บล็อกพื้นฐานที่กำหนดไว้ล่วงหน้าประกอบด้วยบล็อกต่อเนื่องล้วนๆ บล็อกไม่ต่อเนื่องล้วนๆ และบล็อกแบบผสม
ข้อดีของวิธีการนี้ ได้แก่ ความเรียบง่ายสุดขีดของการสร้างแบบจำลองที่ไม่ซับซ้อนมากนัก แม้กระทั่งโดยผู้ใช้ที่ไม่ได้รับการฝึกอบรมมาเป็นอย่างดี ข้อดีอีกประการหนึ่งคือประสิทธิภาพของการนำบล็อกพื้นฐานไปใช้และความเรียบง่ายในการสร้างระบบที่เทียบเท่ากัน ในเวลาเดียวกัน เมื่อสร้างแบบจำลองที่ซับซ้อน เราจะต้องสร้างบล็อกไดอะแกรมหลายระดับที่ค่อนข้างยุ่งยากซึ่งไม่สะท้อนถึงโครงสร้างตามธรรมชาติของระบบที่กำลังสร้างแบบจำลอง กล่าวอีกนัยหนึ่ง วิธีนี้ใช้ได้ผลดีเมื่อมีหน่วยการสร้างที่เหมาะสม
ตัวแทนที่มีชื่อเสียงที่สุดของแพ็คเกจ "การสร้างแบบจำลองบล็อก" คือ:
- ระบบย่อย SIMULINK ของแพ็คเกจ MATLAB (MathWorks, Inc.; http://www.mathworks.com);
- EASY5 (โบอิ้ง)
- ระบบย่อย SystemBuild ของแพ็คเกจ MATRIXX (Integrated Systems, Inc.);
- VisSim (โซลูชันภาพ http://www.vissim.com)
แพ็คเกจ "การจำลองทางกายภาพ"อนุญาตให้ใช้ความสัมพันธ์แบบไม่มีทิศทางและการสตรีม ผู้ใช้สามารถกำหนดคลาสบล็อกใหม่ได้เอง องค์ประกอบต่อเนื่องของพฤติกรรมของบล็อกเบื้องต้นนั้นกำหนดโดยระบบสมการเชิงอนุพันธ์เชิงพีชคณิตและสูตร องค์ประกอบที่ไม่ต่อเนื่องถูกระบุโดยคำอธิบายของเหตุการณ์ที่ไม่ต่อเนื่อง (เหตุการณ์ถูกระบุโดยเงื่อนไขทางตรรกะหรือเป็นระยะ) เมื่อเกิดขึ้นซึ่งสามารถกำหนดค่าใหม่ให้กับตัวแปรได้ทันที เหตุการณ์ที่ไม่ต่อเนื่องสามารถเผยแพร่ผ่านลิงก์พิเศษ การเปลี่ยนโครงสร้างของสมการทำได้โดยอ้อมผ่านสัมประสิทธิ์ทางด้านขวามือเท่านั้น (เนื่องจากความจำเป็นในการแปลงสัญลักษณ์เมื่อส่งผ่านไปยังระบบที่เทียบเท่า)
วิธีการนี้สะดวกและเป็นธรรมชาติมากในการอธิบายกลุ่มทั่วไปของระบบทางกายภาพ ข้อเสียคือความจำเป็นในการแปลงสัญลักษณ์ ซึ่งจำกัดความเป็นไปได้ในการอธิบายพฤติกรรมลูกผสมให้แคบลงอย่างรวดเร็ว เช่นเดียวกับความจำเป็นในการแก้ปัญหาเชิงตัวเลข จำนวนมาก สมการพีชคณิตซึ่งทำให้งานได้รับโซลูชันที่เชื่อถือได้โดยอัตโนมัติมีความซับซ้อนมาก
แพ็คเกจการสร้างแบบจำลองทางกายภาพรวมถึง:
- 20 ซิม(ผลิตภัณฑ์ Controllab B.V; http://www.rt.el.utwente.nl/20sim/);
- Dymola(Dymasim; http://www.dynasim.se);
- โอโมล่า, OmSim(มหาวิทยาลัยลุนด์ http://www.control.lth.se/~case/omsim.html);
จากประสบการณ์ทั่วไปในการพัฒนาระบบในทิศทางนี้ กลุ่มนักวิทยาศาสตร์นานาชาติได้พัฒนาภาษา Modelica(The Modelica Design Group; http://www.dynasim.se/modelica) เป็นมาตรฐานสำหรับการแลกเปลี่ยนคำอธิบายแบบจำลองระหว่างแพ็คเกจต่างๆ
แพ็คเกจตามการใช้โครงร่างเครื่องจักรไฮบริดทำให้สามารถอธิบายระบบไฮบริดที่มีตรรกะการสลับที่ซับซ้อนได้อย่างชัดเจนและเป็นธรรมชาติ ความจำเป็นในการกำหนดระบบที่เทียบเท่ากันในแต่ละสวิตช์ทำให้จำเป็นต้องใช้เฉพาะการเชื่อมต่อเชิงทิศทางเท่านั้น ผู้ใช้สามารถกำหนดคลาสบล็อกใหม่ได้เอง องค์ประกอบต่อเนื่องของพฤติกรรมของบล็อกเบื้องต้นนั้นกำหนดโดยระบบสมการเชิงอนุพันธ์เชิงพีชคณิตและสูตร ความซ้ำซ้อนของคำอธิบายเมื่อสร้างแบบจำลองระบบต่อเนื่องล้วนควรเป็นผลเสียด้วย
แพ็คเกจนี้รวม กะ(California PATH: http://www.path.berkeley.edu/shift) รวมถึงแพ็คเกจเนทีฟ โมเดล วิชั่น สตูดิโอ. แพ็คเกจ Shift เน้นที่การอธิบายโครงสร้างไดนามิกที่ซับซ้อนมากกว่า ในขณะที่แพ็คเกจ MVS เน้นที่การอธิบายพฤติกรรมที่ซับซ้อนมากกว่า
โปรดทราบว่าไม่มีช่องว่างที่ผ่านไม่ได้ระหว่างทิศทางที่สองและสาม ในท้ายที่สุด ความเป็นไปไม่ได้ที่จะแบ่งปันสิ่งเหล่านี้เกิดจากความสามารถในการคำนวณในปัจจุบันเท่านั้น ในขณะเดียวกัน อุดมการณ์ทั่วไปของแบบจำลองอาคารก็แทบจะเหมือนกัน โดยหลักการแล้ว แนวทางแบบผสมผสานนั้นเป็นไปได้ เมื่อในโครงสร้างของแบบจำลอง บล็อกขององค์ประกอบ ซึ่งองค์ประกอบที่มีพฤติกรรมต่อเนื่องล้วนๆ ควรแยกออกและแปลงหนึ่งครั้งเป็นองค์ประกอบพื้นฐานที่เทียบเท่ากัน นอกจากนี้ ควรใช้พฤติกรรมสะสมของบล็อกที่เท่ากันนี้ในการวิเคราะห์ระบบไฮบริด
การสร้างแบบจำลองการจำลอง
แนวคิดของแบบจำลองจำลอง
แนวทางการสร้างแบบจำลองจำลอง
ตามคำจำกัดความของนักวิชาการ V. Maslov: “การจำลองแบบจำลองประกอบด้วยการสร้างแบบจำลองทางจิต (เครื่องจำลอง) ที่จำลองวัตถุและกระบวนการ (เช่น เครื่องจักรและงาน) ตามตัวบ่งชี้ที่จำเป็น (แต่ไม่สมบูรณ์): สำหรับ เช่น เวลาทำงาน ความเข้มข้น ต้นทุนทางเศรษฐกิจ ที่ตั้งร้าน เป็นต้น เป็นความไม่สมบูรณ์ของคำอธิบายของวัตถุที่ทำให้แบบจำลองการจำลองโดยพื้นฐานแตกต่างจากแบบจำลองทางคณิตศาสตร์ในความหมายดั้งเดิมของคำ จากนั้นจะมีการค้นหาในการสนทนากับคอมพิวเตอร์ที่มีตัวเลือกที่เป็นไปได้มากมาย และตัวเลือกในกรอบเวลาที่กำหนดของวิธีแก้ปัญหาที่ยอมรับได้มากที่สุดจากมุมมองของวิศวกร ในขณะเดียวกันก็ใช้สัญชาตญาณและประสบการณ์ของวิศวกรที่ตัดสินใจซึ่งเข้าใจสถานการณ์ที่ยากที่สุดทั้งหมดในการผลิต
ในการศึกษาวัตถุที่ซับซ้อนดังกล่าว อาจไม่พบวิธีแก้ปัญหาที่เหมาะสมที่สุดในความหมายทางคณิตศาสตร์อย่างเคร่งครัด แต่คุณจะได้รับวิธีแก้ปัญหาที่ยอมรับได้ในเวลาอันสั้น โมเดลจำลองประกอบด้วยองค์ประกอบฮิวริสติก บางครั้งใช้ข้อมูลที่ไม่ถูกต้องและขัดแย้งกัน ทำให้การจำลองใกล้เคียงกับ ชีวิตจริงและเข้าถึงได้มากขึ้นสำหรับผู้ใช้ - วิศวกรในอุตสาหกรรม ในการพูดคุยกับคอมพิวเตอร์ ผู้เชี่ยวชาญจะขยายประสบการณ์ พัฒนาสัญชาตญาณ ในทางกลับกัน โอนไปยังแบบจำลองการจำลอง
จนถึงตอนนี้ เราได้พูดคุยกันมากมายเกี่ยวกับออบเจกต์ต่อเนื่อง แต่ไม่ใช่เรื่องแปลกที่จะจัดการกับอ็อบเจกต์ที่มีตัวแปรอินพุตและเอาต์พุตแยกกัน ตัวอย่างของการวิเคราะห์พฤติกรรมของวัตถุดังกล่าวโดยใช้แบบจำลองการจำลอง ให้เราพิจารณา "ปัญหาคนเมาที่สัญจรไปมา" หรือปัญหาการเดินสุ่ม
ให้เราคิดว่าคนที่เดินผ่านไปซึ่งยืนอยู่ตรงหัวมุมถนนตัดสินใจจะเดินแยกย้ายกระโดด. ให้ความน่าจะเป็นที่ถึงสี่แยกถัดไปเขาจะไปเหนือ ใต้ ตะวันออก หรือตะวันตก เท่ากัน. ความน่าจะเป็นที่หลังจากเดิน 10 ช่วงตึกแล้ว คนที่เดินผ่านไปจะอยู่ห่างจากที่ที่เขาเริ่มเดินไม่เกินสองช่วงตึกเป็นเท่าใด
ระบุตำแหน่งที่จุดตัดแต่ละจุดด้วยเวกเตอร์สองมิติ
(X1, X2) ("ออก") โดยที่
การย้ายแต่ละบล็อกไปทางทิศตะวันออกสอดคล้องกับการเพิ่มขึ้นของ X1 ทีละ 1 และแต่ละการย้ายไปยังหนึ่งบล็อกทางทิศตะวันตกสอดคล้องกับการลดลงใน X1 ขึ้น 1 (X1, X2 เป็นตัวแปรที่ไม่ต่อเนื่อง) ในทำนองเดียวกัน การย้ายผู้สัญจรไปทางเหนือหนึ่งช่วงตึก X2 เพิ่มขึ้น 1 และอีกหนึ่งช่วงตึกทางใต้ X2 ลดลง 1
ทีนี้ หากเรากำหนดตำแหน่งเริ่มต้นเป็น (0,0) เราจะรู้แน่ชัดว่าผู้สัญจรไปมาจะสัมพันธ์กับตำแหน่งเริ่มต้นนี้ที่ใด
หากเมื่อสิ้นสุดการเดิน ผลรวมของค่าสัมบูรณ์ของ X1 และ X2 มากกว่า 2 เราจะถือว่าเขาได้ไปไกลกว่าสองช่วงตึกเมื่อสิ้นสุดการเดิน 10 ช่วงตึก
เนื่องจากความน่าจะเป็นที่ผู้สัญจรไปมาในสี่ทิศทางที่เป็นไปได้นั้นเท่ากันและเท่ากับ 0.25 (1:4=0.25) เราจึงสามารถประมาณการเคลื่อนไหวของเขาโดยใช้ตารางตัวเลขสุ่ม ตกลงกันว่าถ้าตัวเลขสุ่ม (SN) อยู่ระหว่าง 0 ถึง 24 คนเมาจะไปทางตะวันออกและเราจะเพิ่ม X1 ขึ้น 1 ถ้าจาก 25 เป็น 49 มันจะไปทางทิศตะวันตกและเราจะลด X1 ลง 1 ถ้าจาก 50 เป็น 74 เขาจะไปทางเหนือและเราจะเพิ่ม X2 ขึ้น 1 หากเสียงกลางอยู่ระหว่าง 74 ถึง 99 ผู้สัญจรไปมาจะไปทางใต้ และเราจะลด X2 ลง 1
โครงการ (a) และอัลกอริทึม (b) ของการเคลื่อนไหวของ "คนเมา"
ก) ข)
จำเป็นต้องดำเนินการ "การทดลองด้วยเครื่องจักร" จำนวนมากเพียงพอเพื่อให้ได้ผลลัพธ์ที่เชื่อถือได้ แต่ในทางปฏิบัติแล้วเป็นไปไม่ได้เลยที่จะแก้ปัญหาดังกล่าวด้วยวิธีการอื่น
ในวรรณคดี วิธีการจำลองยังพบได้ภายใต้ชื่อของดิจิทัล เครื่องจักร สถิติ ความน่าจะเป็น แบบจำลองไดนามิก หรือวิธีการจำลองด้วยเครื่องจักร
วิธีจำลองถือเป็นวิธีทดลองชนิดหนึ่ง ความแตกต่างจากการทดลองทั่วไปคือ วัตถุประสงค์ของการทดลองคือแบบจำลองจำลองที่นำมาใช้เป็นโปรแกรมคอมพิวเตอร์
การใช้แบบจำลองการจำลอง ทำให้ไม่สามารถรับความสัมพันธ์เชิงวิเคราะห์ระหว่างปริมาณได้
เป็นไปได้ที่จะประมวลผลข้อมูลการทดลองด้วยวิธีใดวิธีหนึ่งและเลือกนิพจน์ทางคณิตศาสตร์ที่เหมาะสม
เมื่อสร้างแบบจำลองจำลองที่ใช้อยู่ในปัจจุบัน สอง เข้าใกล้: ไม่ต่อเนื่องและต่อเนื่อง
ทางเลือกของวิธีการส่วนใหญ่จะพิจารณาจากคุณสมบัติของวัตถุ - ต้นฉบับและลักษณะของผลกระทบที่มีต่อวัตถุ สภาพแวดล้อมภายนอก.
อย่างไรก็ตาม ตามทฤษฎีบท Kotelnikov กระบวนการต่อเนื่องของการเปลี่ยนแปลงสถานะของวัตถุถือได้ว่าเป็นลำดับของรัฐที่ไม่ต่อเนื่องและในทางกลับกัน
เมื่อใช้วิธีการที่ไม่ต่อเนื่องเพื่อสร้างแบบจำลองการจำลอง มักใช้ระบบนามธรรม
แนวทางอย่างต่อเนื่องในการสร้างแบบจำลองจำลองได้รับการพัฒนาอย่างกว้างขวางโดยนักวิทยาศาสตร์ชาวอเมริกัน J. Forrester วัตถุที่สร้างแบบจำลองโดยไม่คำนึงถึงธรรมชาติของวัตถุนั้นถูกทำให้เป็นระบบนามธรรมต่อเนื่องระหว่างองค์ประกอบที่ "กระแส" อย่างต่อเนื่องของธรรมชาติอย่างใดอย่างหนึ่งหรืออย่างอื่นหมุนเวียน
ดังนั้น ภายใต้แบบจำลองการจำลองของวัตถุดั้งเดิม ในกรณีทั่วไป เราสามารถเข้าใจระบบบางระบบที่ประกอบด้วยระบบย่อยที่แยกจากกัน (องค์ประกอบ ส่วนประกอบ) และการเชื่อมต่อระหว่างกัน (มีโครงสร้าง) และการทำงาน (การเปลี่ยนแปลงสถานะ) และภายใน การเปลี่ยนแปลงองค์ประกอบทั้งหมดของแบบจำลองภายใต้การกระทำของการเชื่อมต่อสามารถกำหนดอัลกอริธึมไม่ทางใดก็ทางหนึ่งในลักษณะเดียวกับการโต้ตอบของระบบกับสภาพแวดล้อมภายนอก
ขอบคุณไม่เพียง แต่เทคนิคทางคณิตศาสตร์เท่านั้น แต่ยังรวมถึงความสามารถที่รู้จักกันดีของคอมพิวเตอร์ด้วยในการสร้างแบบจำลองการจำลองกระบวนการทำงานและปฏิสัมพันธ์ขององค์ประกอบต่าง ๆ ของระบบนามธรรมสามารถอัลกอริทึมและทำซ้ำได้ - ไม่ต่อเนื่องและต่อเนื่องความน่าจะเป็นและกำหนดขึ้น ทำหน้าที่ของการบริการ ความล่าช้า ฯลฯ
โปรแกรมคอมพิวเตอร์ (ร่วมกับเซอร์วิสโปรแกรม) ที่เขียนด้วยภาษาระดับสูงสากลทำหน้าที่เป็นแบบจำลองการจำลองของวัตถุในสูตรนี้
นักวิชาการ N.N. Moiseev ได้กำหนดแนวคิดของการจำลองแบบจำลองด้วยวิธีต่อไปนี้: “ระบบจำลองคือชุดของแบบจำลองที่จำลองกระบวนการภายใต้การศึกษารวมกับระบบพิเศษของโปรแกรมเสริมและฐานข้อมูลที่ช่วยให้คุณค่อนข้าง ใช้การคำนวณตัวแปรที่ง่ายและรวดเร็ว”
บทนำ
คุณลักษณะที่สำคัญอย่างหนึ่งของ ACS คือความเป็นไปไม่ได้พื้นฐานของการทดลองจริงก่อนที่โครงการจะเสร็จสิ้น วิธีแก้ปัญหาที่เป็นไปได้คือการใช้แบบจำลองจำลอง อย่างไรก็ตาม การพัฒนาและการใช้งานมีความซับซ้อนอย่างยิ่ง และเป็นการยากที่จะกำหนดระดับความเพียงพอของกระบวนการที่กำลังสร้างแบบจำลองได้อย่างถูกต้องแม่นยำ ดังนั้นจึงเป็นสิ่งสำคัญที่จะต้องตัดสินใจว่าจะสร้างแบบจำลองใด
อื่น ด้านที่สำคัญ- การใช้แบบจำลองการจำลองระหว่างการทำงานของระบบควบคุมอัตโนมัติเพื่อการตัดสินใจ โมเดลเหล่านี้สร้างขึ้นในระหว่างขั้นตอนการออกแบบเพื่อให้สามารถอัพเกรดและปรับเปลี่ยนได้อย่างต่อเนื่องเพื่อให้สอดคล้องกับสภาวะของผู้ใช้ที่เปลี่ยนแปลงไป
โมเดลเดียวกันนี้สามารถใช้ในการฝึกอบรมบุคลากรก่อนที่จะนำระบบควบคุมอัตโนมัติไปใช้งานและเพื่อเล่นเกมธุรกิจ
มุมมองแบบจำลอง กระบวนการผลิตขึ้นอยู่ว่าจะเป็นแบบไม่ต่อเนื่องหรือต่อเนื่องกันเป็นส่วนใหญ่ ในแบบจำลองที่ไม่ต่อเนื่อง ตัวแปรจะเปลี่ยนแปลงอย่างไม่ต่อเนื่องในช่วงเวลาหนึ่งของการจำลอง เวลาสามารถใช้เป็นแบบต่อเนื่องหรือแบบไม่ต่อเนื่องได้ ขึ้นอยู่กับว่าการเปลี่ยนแปลงแบบไม่ต่อเนื่องของตัวแปรสามารถเกิดขึ้นในช่วงเวลาใดก็ได้ของการจำลองหรือเฉพาะบางช่วงเวลาเท่านั้น ในแบบจำลองต่อเนื่อง ตัวแปรกระบวนการจะต่อเนื่อง และเวลาสามารถเป็นแบบต่อเนื่องหรือแบบไม่ต่อเนื่อง ขึ้นอยู่กับว่าตัวแปรแบบต่อเนื่องจะพร้อมใช้งาน ณ จุดใด ๆ ของเวลาจำลองหรือเฉพาะบางจุดเท่านั้น ในทั้งสองกรณี โมเดลมีบล็อกการตั้งค่าเวลาที่จำลองความก้าวหน้าของเวลาของโมเดล ซึ่งมักจะเร่งให้เร็วขึ้นเมื่อเทียบกับเวลาจริง
การพัฒนาแบบจำลองจำลองและการทดลองจำลองในกรณีทั่วไปสามารถแสดงได้ในรูปแบบของขั้นตอนหลักหลายขั้นตอน ดังแสดงในรูปที่ หนึ่ง.
ส่วนประกอบแบบจำลองที่แสดงองค์ประกอบบางอย่างของระบบที่กำลังสร้างแบบจำลอง อธิบายชุดของคุณลักษณะของเชิงปริมาณหรือ ประเภทบูลีน. ขึ้นอยู่กับระยะเวลาของการดำรงอยู่มีองค์ประกอบถาวรและชั่วคราวตามเงื่อนไข ส่วนประกอบคงที่แบบมีเงื่อนไขมีอยู่ตลอดระยะเวลาของการทดสอบกับแบบจำลอง และส่วนประกอบชั่วคราวจะถูกสร้างขึ้นและทำลายในระหว่างการทดสอบ ส่วนประกอบของแบบจำลองการจำลองแบ่งออกเป็นคลาส โดยมีลักษณะชุดเดียวกัน แต่ค่าต่างกัน
สถานะของส่วนประกอบถูกกำหนดโดยค่าของคุณลักษณะในช่วงเวลาที่กำหนดของเวลาของแบบจำลอง และผลรวมของค่าคุณลักษณะของส่วนประกอบทั้งหมดจะกำหนดสถานะของแบบจำลองโดยรวม
การเปลี่ยนแปลงค่าคุณลักษณะซึ่งเป็นผลมาจากการแสดงปฏิสัมพันธ์ระหว่างองค์ประกอบของระบบจำลองในแบบจำลอง จะนำไปสู่การเปลี่ยนแปลงในสถานะของแบบจำลอง ลักษณะเฉพาะ ซึ่งเป็นค่าที่เปลี่ยนแปลงระหว่างการทดลองจำลอง เป็นตัวแปร มิฉะนั้น จะเป็นพารามิเตอร์ ค่าของตัวแปรที่ไม่ต่อเนื่องจะไม่เปลี่ยนแปลงในช่วงเวลาระหว่างสองสถานะพิเศษที่ต่อเนื่องกันและเปลี่ยนแปลงอย่างกะทันหันเมื่อผ่านจากสถานะหนึ่งไปยังอีกสถานะหนึ่ง
อัลกอริธึมการสร้างแบบจำลองคือคำอธิบายของการโต้ตอบเชิงหน้าที่ระหว่างส่วนประกอบของแบบจำลอง ในการคอมไพล์นั้น กระบวนการทำงานของระบบจำลองจะถูกแบ่งออกเป็นหลายเหตุการณ์ต่อเนื่องกัน ซึ่งแต่ละเหตุการณ์สะท้อนถึงการเปลี่ยนแปลงในสถานะของระบบอันเป็นผลมาจากการทำงานร่วมกันขององค์ประกอบหรือผลกระทบต่อระบบของ สภาพแวดล้อมภายนอกในรูปแบบของสัญญาณอินพุต สถานะพิเศษจะเกิดขึ้นในบางช่วงเวลาซึ่งมีการวางแผนล่วงหน้าหรือกำหนดไว้ในระหว่างการทดสอบด้วยแบบจำลอง การเกิดเหตุการณ์ในแบบจำลองนั้นวางแผนโดยการกำหนดเวลาเหตุการณ์ตามเวลาที่เกิดขึ้น หรือทำการวิเคราะห์ที่เผยให้เห็นความสำเร็จของค่าที่ตั้งไว้โดยลักษณะตัวแปร
ด้วยเหตุนี้ จึงสะดวกที่สุดในการใช้ SIVS การไหลของวัสดุและข้อมูลที่นำเสนอนั้นง่ายต่อการวิเคราะห์เพื่อระบุสถานะพิเศษ สถานะดังกล่าวเป็นช่วงเวลาของการสิ้นสุดของการประมวลผลผลิตภัณฑ์ในสถานที่ทำงานแต่ละแห่งหรือการขนส่งที่สะท้อนให้เห็นใน SIWS การยอมรับและการออกสำหรับการจัดเก็บถาวรหรือชั่วคราว การประกอบชิ้นส่วนเป็นหน่วย หน่วยเป็นผลิตภัณฑ์ ฯลฯ สำหรับการผลิตแบบแยกส่วน การเปลี่ยนแปลงลักษณะเฉพาะระหว่างสถานะพิเศษสามารถถือได้ว่าเป็นแบบไม่ต่อเนื่อง ซึ่งหมายความว่าการเปลี่ยนแปลงโดยการกระโดดแบบมีเงื่อนไขจากวัสดุต้นทางไปยังชิ้นงาน จากชิ้นงานไปเป็นผลิตภัณฑ์กึ่งสำเร็จรูป จากผลิตภัณฑ์กึ่งสำเร็จรูปไปเป็น ส่วนหนึ่ง ฯลฯ
ดังนั้นการดำเนินการผลิตแต่ละครั้งจึงถือเป็นตัวดำเนินการที่เปลี่ยนแปลงมูลค่าของคุณลักษณะของผลิตภัณฑ์ สำหรับ โมเดลง่ายๆลำดับของรัฐสามารถสันนิษฐานได้ว่าเป็นตัวกำหนด สะท้อนความเป็นจริงของลำดับสุ่มได้ดีกว่าที่สามารถกำหนดรูปแบบเป็นการเพิ่มเวลาแบบสุ่มด้วยการแจกแจงที่กำหนด หรือกระแสสุ่มของเหตุการณ์ที่เป็นเนื้อเดียวกัน คล้ายกับการไหลของคำขอในทฤษฎีการบริการมวลชน ในทำนองเดียวกัน เป็นไปได้ที่จะวิเคราะห์และระบุสถานะพิเศษของ SIVS ในระหว่างการเคลื่อนย้ายและการประมวลผลข้อมูล
ในรูป 2 แสดงโครงสร้างของแบบจำลองการจำลองทั่วไป
เมื่อสร้างแบบจำลองกระบวนการผลิตอย่างต่อเนื่องตามหลักการ ∆t เซ็นเซอร์ช่วงเวลาจะให้พัลส์นาฬิกาสำหรับอัลกอริธึมการจำลองในการทำงาน บล็อกของการดำเนินการสุ่มและการควบคุม เช่นเดียวกับเงื่อนไขเริ่มต้น ใช้เพื่อป้อนเงื่อนไขด้วยตนเองสำหรับการดำเนินการทดลองแบบจำลองครั้งต่อไป
โปรแกรมจำลองการทำงานที่ซับซ้อนสำหรับแต่ละวัตถุจำลองจะกำหนดการกระจายแบบมีเงื่อนไขของความน่าจะเป็นของสถานะของวัตถุภายในจุดสิ้นสุดของแต่ละช่วงเวลาของ DL หากสถานะใดสถานะหนึ่งที่เป็นไปได้ถูกสุ่มเลือก สิ่งนี้จะทำโดยรูทีนย่อยที่ใช้งานได้ เมื่อเลือกโดยผู้ทดลอง - โดยโปรแกรมที่ฝังอยู่ในบล็อกของการดำเนินการควบคุม หรือหากต้องการ ให้เลือกด้วยตนเองในแต่ละรอบ โดยการป้อนเงื่อนไขเริ่มต้นใหม่ตามสถานะปัจจุบันที่กำหนดโดยใช้บล็อกการแสดงผล
โปรแกรมการทำงานกำหนดพารามิเตอร์ของการติดตั้งเทคโนโลยีในแต่ละขั้นตอนขึ้นอยู่กับเงื่อนไขเริ่มต้นที่กำหนด - ลักษณะของวัตถุดิบ โหมดที่กำหนด คุณสมบัติและสภาวะการทำงานของการติดตั้ง จากรุ่นของชิ้นส่วนเทคโนโลยี อัตราส่วนน้ำหนักและปริมาตรสามารถเพิ่มได้โดยทางโปรแกรม
การประสานงานและการโต้ตอบของบล็อคและโปรแกรมทั้งหมดดำเนินการโดยโปรแกรมดิสแพตเชอร์
เมื่อสร้างแบบจำลองกระบวนการที่ไม่ต่อเนื่องซึ่งมักใช้หลักการของสถานะพิเศษ โครงสร้างของแบบจำลองจำลองจะเปลี่ยนแปลงเล็กน้อย แทนที่จะใช้เซ็นเซอร์ช่วงเวลา จะมีการแนะนำบล็อกที่กำหนดสถานะพิเศษและออกคำสั่งให้ย้ายไปที่สถานะถัดไป โปรแกรมการทำงานจะจำลองการดำเนินการแต่ละครั้งในที่ทำงานแต่ละแห่ง ลักษณะของการดำเนินการดังกล่าวสามารถกำหนดได้ในเวลา เช่น ระหว่างการทำงานของเครื่องจักรอัตโนมัติ หรือสุ่มด้วยการแจกแจงที่กำหนด นอกจากเวลาแล้ว ยังสามารถเลียนแบบลักษณะอื่นๆ ได้ เช่น การมีหรือไม่มีการแต่งงาน การมอบหมายให้มีความหลากหลายหรือชั้นเรียน เป็นต้น ในทำนองเดียวกัน การดำเนินการประกอบจะถูกจำลอง โดยมีความแตกต่างที่การดำเนินการแต่ละครั้งไม่ใช่ลักษณะของวัสดุที่กำลังดำเนินการที่เปลี่ยนแปลง แต่แทนที่จะเป็นชื่อบางส่วน - ชิ้นส่วน ส่วนประกอบ - ส่วนประกอบอื่นๆ ปรากฏขึ้น - ส่วนประกอบ ผลิตภัณฑ์ - มีลักษณะใหม่ อย่างไรก็ตาม โดยหลักการแล้ว การดำเนินการประกอบจะถูกจำลองคล้ายกับการประมวลผล - ต้นทุนเวลาแบบสุ่มหรือที่กำหนดสำหรับการดำเนินการ ค่าของลักษณะทางกายภาพและการผลิตจะถูกกำหนด
ในการจำลองระบบการผลิตที่ซับซ้อน จำเป็นต้องสร้างแบบจำลองทางตรรกะและคณิตศาสตร์ของระบบภายใต้การศึกษา ซึ่งช่วยให้ทำการทดลองกับคอมพิวเตอร์ได้ โมเดลนี้ถูกนำมาใช้เป็นชุดของโปรแกรมที่เขียนในภาษาโปรแกรมระดับสูงสากลภาษาใดภาษาหนึ่งหรือในภาษาการสร้างแบบจำลองพิเศษ ด้วยการพัฒนาแบบจำลองการจำลอง ระบบและภาษาได้ปรากฏขึ้นที่รวมความเป็นไปได้ของการจำลองทั้งระบบแบบต่อเนื่องและแบบไม่ต่อเนื่อง ซึ่งทำให้สามารถสร้างแบบจำลองระบบที่ซับซ้อน เช่น องค์กรและสมาคมการผลิตได้
เมื่อสร้างแบบจำลอง อันดับแรก จำเป็นต้องกำหนดวัตถุประสงค์ของแบบจำลอง แบบจำลองควรสะท้อนถึงฟังก์ชันทั้งหมดของวัตถุที่กำลังสร้างแบบจำลองซึ่งมีความสำคัญจากมุมมองของจุดประสงค์ของการก่อสร้าง และในขณะเดียวกันก็ไม่ควรมีสิ่งฟุ่มเฟือยอยู่ในนั้น มิฉะนั้น จะยุ่งยากเกินไปและไม่ได้ผล
วัตถุประสงค์หลักของแบบจำลองขององค์กรและสมาคมคือการศึกษาเพื่อปรับปรุงระบบการจัดการหรือการฝึกอบรมและการฝึกอบรมขั้นสูงของบุคลากรด้านการจัดการ ในกรณีนี้ ไม่ใช่ตัวการผลิตเอง แต่เป็นการแสดงกระบวนการผลิตในระบบควบคุม
ใช้ SIVS ที่ขยายใหญ่ขึ้นเพื่อสร้างแบบจำลอง วิธีการแบบเธรดเดียวจะระบุฟังก์ชันและงานที่สามารถส่งผลให้ได้ผลลัพธ์ตามที่ต้องการตามวัตถุประสงค์ของแบบจำลอง จากการวิเคราะห์เชิงฟังก์ชันเชิงตรรกะ บล็อกไดอะแกรมของโมเดลจะถูกสร้างขึ้น การสร้างบล็อกไดอะแกรมทำให้สามารถแยกแยะโมเดลอิสระจำนวนหนึ่งที่รวมอยู่ในแบบฟอร์มได้ ส่วนประกอบสู่รูปแบบองค์กร ในรูป 3 แสดงตัวอย่างการสร้างบล็อกไดอะแกรมเพื่อสร้างแบบจำลองตัวบ่งชี้ทางการเงินและเศรษฐกิจขององค์กร โมเดลนี้พิจารณาทั้งปัจจัยภายนอก - ความต้องการผลิตภัณฑ์ แผนการจัดหา และปัจจัยภายใน - ต้นทุนการผลิต ความสามารถที่มีอยู่และกำลังการผลิตที่วางแผนไว้
โมเดลบางรุ่นเป็นตัวกำหนด - การคำนวณรายได้รวมที่วางแผนไว้สำหรับระบบการตั้งชื่อและปริมาณตามแผนการผลิตที่ราคาที่ทราบและต้นทุนของบรรจุภัณฑ์ แบบจำลองแผนการผลิตเป็นแบบจำลองการปรับให้เหมาะสม โดยปรับให้เข้ากับเกณฑ์ที่เป็นไปได้อย่างใดอย่างหนึ่ง - การเพิ่มรายได้สูงสุดหรือใช้กำลังการผลิต ความพึงพอใจสูงสุดของความต้องการ; การลดการสูญเสียของวัสดุและส่วนประกอบที่จัดหาให้น้อยที่สุด ฯลฯ ในทางกลับกัน แบบจำลองความต้องการผลิตภัณฑ์ กำลังการผลิตที่วางแผนไว้ และแผนการจัดหามีความน่าจะเป็นด้วยกฎหมายการจำหน่ายที่แตกต่างกัน
ความสัมพันธ์ระหว่างแบบจำลอง การประสานงานของงานและการสื่อสารกับผู้ใช้นั้นดำเนินการโดยใช้โปรแกรมพิเศษซึ่งในรูปที่ 3 ไม่แสดง การทำงานที่มีประสิทธิภาพของผู้ใช้กับโมเดลนั้นทำได้ในโหมดสนทนา
การสร้างบล็อกไดอะแกรมของแบบจำลองนั้นไม่เป็นระเบียบและส่วนใหญ่ขึ้นอยู่กับประสบการณ์และสัญชาตญาณของผู้พัฒนา นี่เป็นสิ่งสำคัญที่ต้องสังเกต กฎทั่วไป- เป็นการดีกว่าที่จะรวมองค์ประกอบจำนวนมากขึ้นในขั้นตอนแรกของการวาดไดอะแกรม ตามด้วยการลดทีละน้อยขององค์ประกอบ แทนที่จะเริ่มต้นด้วยบล็อกพื้นฐานที่ดูเหมือนตั้งใจจะเสริมและให้รายละเอียดในภายหลัง
หลังจากสร้างโครงร่าง หารือกับลูกค้าและปรับเปลี่ยนแล้ว พวกเขาก็ดำเนินการสร้างแบบจำลองแต่ละรุ่น ข้อมูลที่จำเป็นสำหรับสิ่งนี้มีอยู่ในข้อกำหนดของระบบ - รายการและลักษณะของงาน ข้อมูลเบื้องต้นและผลลัพธ์ที่จำเป็นสำหรับการแก้ปัญหา ฯลฯ หากไม่ได้รวบรวมข้อกำหนดของระบบ ข้อมูลนี้จะถูกนำมาจากเอกสารการสำรวจ และบางครั้ง การสำรวจเพิ่มเติมจะใช้กับ
เงื่อนไขที่สำคัญที่สุด การใช้งานอย่างมีประสิทธิภาพแบบจำลองเป็นการทดสอบความเพียงพอและความน่าเชื่อถือของข้อมูลต้นฉบับ หากการตรวจสอบความเพียงพอดำเนินการโดยวิธีการที่รู้จัก ความน่าเชื่อถือก็มีคุณสมบัติบางอย่าง พวกเขาโกหกว่าในหลายกรณี จะดีกว่าที่จะศึกษาแบบจำลองและทำงานกับแบบจำลองนี้ ไม่ใช่กับข้อมูลจริง แต่ด้วยชุดข้อมูลที่เตรียมไว้เป็นพิเศษ เมื่อเตรียมชุดข้อมูล ข้อมูลจะถูกชี้นำโดยจุดประสงค์ของการใช้โมเดล โดยเน้นที่สถานการณ์ที่ต้องการสร้างโมเดลและสำรวจ