Моделирование и симуляция — Введение

Моделирование — это процесс представления модели, который включает ее построение и работу. Эта модель похожа на реальную систему, которая помогает аналитику прогнозировать влияние изменений в системе. Другими словами, моделирование создает модель, которая представляет систему, включающую их свойства. Это акт построения модели.

Имитация системы — это работа модели с точки зрения времени или пространства, которая помогает анализировать производительность существующей или предлагаемой системы. Другими словами, симуляция — это процесс использования модели для изучения производительности системы. Это акт использования модели для моделирования.

История симуляции

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 в Манхэттене по изучению рассеяния нейтронов.

• 1960 — Разработаны первые языки моделирования специального назначения, такие как SIMSCRIPT Гарри Марковица из RAND Corporation.

• 1970 — В этот период были начаты исследования по математическим основам моделирования.

• 1980 — В течение этого периода было разработано программное обеспечение для компьютерного моделирования, графические пользовательские интерфейсы и объектно-ориентированное программирование.

• 1990 — В течение этого периода были разработаны сетевое моделирование, модная анимационная графика, оптимизация на основе моделирования, методы Монте-Карло с цепочкой Маркова.

1940 — Метод под названием «Монте-Карло» был разработан исследователями (Джон фон Нейман, Станислав Улан, Эдвард Теллер, Герман Кан) и физиками, работающими над проектом в Манхэттене по изучению рассеяния нейтронов.

1960 — Разработаны первые языки моделирования специального назначения, такие как SIMSCRIPT Гарри Марковица из RAND Corporation.

1970 — В этот период были начаты исследования по математическим основам моделирования.

1980 — В течение этого периода было разработано программное обеспечение для компьютерного моделирования, графические пользовательские интерфейсы и объектно-ориентированное программирование.

1990 — В течение этого периода были разработаны сетевое моделирование, модная анимационная графика, оптимизация на основе моделирования, методы Монте-Карло с цепочкой 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.

• Шаг 1 — Определите проблему с существующей системой или установите требования к предлагаемой системе.

• Шаг 2 — Разработайте проблему, заботясь о существующих системных факторах и ограничениях.

• Шаг 3 — Соберите и начните обрабатывать данные системы, наблюдая за ее работой и результатом.

• Шаг 4 — Разработайте модель с использованием сетевых диаграмм и проверьте ее, используя различные методы проверки.

• Шаг 5 — Подтвердите модель, сравнив ее производительность в различных условиях с реальной системой.

• Шаг 6 — Создайте документ модели для будущего использования, который включает цели, предположения, входные переменные и производительность в деталях.

• Шаг 7 — Выберите подходящий экспериментальный дизайн согласно требованию.

• Шаг 8 — наведите экспериментальные условия на модель и наблюдайте за результатом.

Шаг 1 — Определите проблему с существующей системой или установите требования к предлагаемой системе.

Шаг 2 — Разработайте проблему, заботясь о существующих системных факторах и ограничениях.

Шаг 3 — Соберите и начните обрабатывать данные системы, наблюдая за ее работой и результатом.

Шаг 4 — Разработайте модель с использованием сетевых диаграмм и проверьте ее, используя различные методы проверки.

Шаг 5 — Подтвердите модель, сравнив ее производительность в различных условиях с реальной системой.

Шаг 6 — Создайте документ модели для будущего использования, который включает цели, предположения, входные переменные и производительность в деталях.

Шаг 7 — Выберите подходящий экспериментальный дизайн согласно требованию.

Шаг 8 — наведите экспериментальные условия на модель и наблюдайте за результатом.

Выполнение имитационного анализа

Ниже приведены шаги для выполнения анализа моделирования.

• Шаг 1 — Подготовьте постановку проблемы.

• Шаг 2 — Выберите входные переменные и создайте объекты для процесса моделирования. Существует два типа переменных — переменные решения и неуправляемые переменные. Переменные решения контролируются программистом, тогда как неуправляемые переменные являются случайными переменными.

• Шаг 3 — Создайте ограничения на переменные решения, назначив их процессу моделирования.

• Шаг 4 — Определите выходные переменные.

• Шаг 5 — Соберите данные из реальной системы для ввода в симуляцию.

• Шаг 6 — Разработайте блок-схему, показывающую ход процесса моделирования.

• Шаг 7 — Выберите подходящее программное обеспечение для моделирования, чтобы запустить модель.

• Шаг 8 — Проверьте имитационную модель, сравнив ее результат с системой реального времени.

• Шаг 9 — Проведите эксперимент на модели, изменив значения переменных, чтобы найти лучшее решение.

• Шаг 10 — Наконец, примените эти результаты в системе реального времени.

Шаг 1 — Подготовьте постановку проблемы.

Шаг 2 — Выберите входные переменные и создайте объекты для процесса моделирования. Существует два типа переменных — переменные решения и неуправляемые переменные. Переменные решения контролируются программистом, тогда как неуправляемые переменные являются случайными переменными.

Шаг 3 — Создайте ограничения на переменные решения, назначив их процессу моделирования.

Шаг 4 — Определите выходные переменные.

Шаг 5 — Соберите данные из реальной системы для ввода в симуляцию.

Шаг 6 — Разработайте блок-схему, показывающую ход процесса моделирования.

Шаг 7 — Выберите подходящее программное обеспечение для моделирования, чтобы запустить модель.

Шаг 8 — Проверьте имитационную модель, сравнив ее результат с системой реального времени.

Шаг 9 — Проведите эксперимент на модели, изменив значения переменных, чтобы найти лучшее решение.

Шаг 10 — Наконец, примените эти результаты в системе реального времени.

Моделирование и симуляция ─ Преимущества

Ниже приведены преимущества использования моделирования и симуляции —

• Легко понять — Позволяет понять, как на самом деле работает система, не работая на системах реального времени.

• Простота тестирования — позволяет вносить изменения в систему и их влияние на выходной сигнал, не работая в системах реального времени.

• Простота обновления — позволяет определить системные требования, применяя различные конфигурации.

• Легко идентифицировать ограничения — Позволяет проводить анализ узких мест, который вызывает задержку в рабочем процессе, информации и т. Д.

• Легко диагностировать проблемы. Некоторые системы настолько сложны, что непросто понять их взаимодействие за один раз. Тем не менее, Modeling & Simulation позволяет понять все взаимодействия и проанализировать их влияние. Кроме того, можно исследовать новые политики, операции и процедуры, не влияя на реальную систему.

Легко понять — Позволяет понять, как на самом деле работает система, не работая на системах реального времени.

Простота тестирования — позволяет вносить изменения в систему и их влияние на выходной сигнал, не работая в системах реального времени.

Простота обновления — позволяет определить системные требования, применяя различные конфигурации.

Легко идентифицировать ограничения — Позволяет проводить анализ узких мест, который вызывает задержку в рабочем процессе, информации и т. Д.

Легко диагностировать проблемы. Некоторые системы настолько сложны, что непросто понять их взаимодействие за один раз. Тем не менее, Modeling & Simulation позволяет понять все взаимодействия и проанализировать их влияние. Кроме того, можно исследовать новые политики, операции и процедуры, не влияя на реальную систему.

Моделирование и симуляция ─ Недостатки

Ниже приведены недостатки использования моделирования и симуляции —

• Проектирование 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 рабочей силы, и это трудоемкий процесс.

• Результаты моделирования сложно перевести. Это требует экспертов, чтобы понять.

• Процесс моделирования стоит дорого.

Проектирование 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 рабочей силы, и это трудоемкий процесс.

Результаты моделирования сложно перевести. Это требует экспертов, чтобы понять.

Процесс моделирования стоит дорого.

Моделирование и симуляция ─ Области применения

Моделирование и симуляция могут применяться в следующих областях: военные приложения, обучение и поддержка, проектирование полупроводников, телекоммуникации, проекты и презентации в области гражданского строительства и модели электронного бизнеса.

Кроме того, он используется для изучения внутренней структуры сложной системы, такой как биологическая система. Он используется при оптимизации структуры системы, такой как алгоритм маршрутизации, сборочная линия и т. Д. Он используется для тестирования новых конструкций и политик. Он используется для проверки аналитических решений.