Die Verwendung von Simulationsmodellen. Simulation von Systemen: Was ist das und wo wird es eingesetzt?

Simulationsmodelle sind ein weiteres Beispiel für im Wesentlichen Maschinenmodelle. Obwohl die Simulationsmodellierung zu einer immer beliebteren Methode zur Untersuchung komplexer Systeme und Prozesse wird, gibt es heute keine einheitliche Definition eines Simulationsmodells, die von allen Forschern anerkannt wird.

In den meisten verwendeten Definitionen wird impliziert, dass das Simulationsmodell mithilfe einer Reihe mathematischer und instrumenteller Werkzeuge erstellt und implementiert wird, die es ermöglichen, mithilfe eines Computers gezielte Berechnungen der Eigenschaften des simulierten Prozesses durchzuführen und einige seiner Parameter zu optimieren.

Es gibt auch extreme Sichtweisen. Eine davon bezieht sich auf die Aussage, dass jede logische und mathematische Beschreibung eines Systems, die im Rahmen von Computerexperimenten verwendet werden kann, als Simulationsmodell anerkannt werden kann. Unter diesem Gesichtspunkt werden Berechnungen zur Variation von Parametern in rein deterministischen Problemen als Simulationsmodellierung anerkannt.

Befürworter einer anderen extremen Sichtweise glauben, dass ein Simulationsmodell notwendigerweise ein spezielles Softwarepaket ist, mit dem Sie die Aktivität eines komplexen Objekts simulieren können. „Die Simulationsmethode ist eine experimentelle Methode zur Untersuchung eines realen Systems anhand seines Computermodells, die die Merkmale des experimentellen Ansatzes und die spezifischen Bedingungen für den Einsatz von Computertechnologie kombiniert. Die Simulationsmodellierung ist eine Computermodellierungsmethode, die ohne Computer nie existiert hat, und erst die Entwicklung der Informationstechnologie führte zur Entstehung dieser Art der Computermodellierung. Dieser Ansatz schließt die Möglichkeit aus, die einfachsten Simulationsmodelle ohne Verwendung eines Computers zu erstellen.

Definition 1.9. Simulationsmodell- eine besondere Art von Informationsmodellen, die Elemente analytischer, computergestützter und analoger Modelle kombinieren, die es ermöglichen, unter Verwendung einer Folge von Berechnungen und einer grafischen Darstellung der Ergebnisse ihrer Arbeit die Funktionsprozesse des untersuchten Objekts zu reproduzieren (simulieren). dem Einfluss verschiedener (meist zufälliger) Faktoren.

Simulationsmodellierung wird heute verwendet, um Geschäftsprozesse, Lieferketten, Kriegsführung, Bevölkerungsdynamik, historische Prozesse, Wettbewerb und andere Prozesse zu modellieren, um die Folgen von Managemententscheidungen in einer Vielzahl von Bereichen vorherzusagen. Die Simulationsmodellierung ermöglicht es, Systeme jeglicher Art, Komplexität und Zweck und mit nahezu jedem Detaillierungsgrad zu untersuchen, begrenzt nur durch die Komplexität der Entwicklung eines Simulationsmodells und die technischen Fähigkeiten der Computerwerkzeuge, die zur Durchführung von Experimenten verwendet werden.

Simulationsmodelle, die zur Lösung moderner praktischer Probleme entwickelt werden, enthalten in der Regel eine Vielzahl komplex interagierender stochastischer Elemente, die jeweils durch eine Vielzahl von Parametern beschrieben werden und stochastischen Einflüssen unterliegen. In diesen Fällen ist in der Regel eine maßstäbliche Modellierung unerwünscht oder unmöglich und eine analytische Lösung schwierig oder auch unmöglich. Häufig erfordert die Implementierung eines Simulationsmodells die Organisation von verteiltem Rechnen. Aus diesen Gründen sind Simulationsmodelle im Wesentlichen Maschinenmodelle.

Das Simulationsmodell umfasst die Darstellung des Modells in Form eines Algorithmus, der von einem Computerprogramm implementiert wird, dessen Ausführung die Abfolge von Zustandsänderungen im System nachahmt und somit das Verhalten des simulierten Systems oder Prozesses anzeigt.

Beachten Sie!

Bei Anwesenheit von Zufallsfaktoren werden die notwendigen Eigenschaften der simulierten Prozesse als Ergebnis mehrerer Durchläufe des Simulationsmodells und anschließender statistischer Verarbeitung der gesammelten Informationen erhalten.

Beachten Sie, dass es aus Sicht eines Anwendungsspezialisten legitim ist, Simulation als Informationstechnologie zu interpretieren: „Die Simulation eines gesteuerten Prozesses oder eines gesteuerten Objekts ist eine Informationstechnologie auf hohem Niveau, die zwei Arten von Aktionen bereitstellt, die mit einem Computer ausgeführt werden :

• 1) Arbeit an der Erstellung oder Änderung eines Simulationsmodells;
• 2) Betrieb des Simulationsmodells und Interpretation der Ergebnisse“ .

Modulares Prinzip zum Aufbau eines Simulationsmodells. Die Simulationsmodellierung setzt also das Vorhandensein von konstruierten logisch-mathematischen Modellen voraus, die das untersuchte System in Verbindung mit der äußeren Umgebung beschreiben, die Reproduktion der darin ablaufenden Prozesse unter Beibehaltung ihrer logischen Struktur und zeitlichen Abfolge mithilfe von Computertechnologie. Am sinnvollsten ist es, ein Simulationsmodell der Systemfunktion modular aufzubauen. In diesem Fall können drei miteinander verbundene Blöcke von Modulen eines solchen Modells unterschieden werden (Abb. 1.7).

Reis. 1.7.

Der Hauptteil des algorithmischen Modells wird in dem Block zur Simulation der Prozesse des Funktionierens des Objekts implementiert (Block 2). Hier wird der Countdown der Modellzeit organisiert, die Logik und Dynamik der Interaktion der Modellelemente reproduziert, Experimente durchgeführt, um die Daten zu sammeln, die zur Berechnung der Schätzungen der Eigenschaften des Funktionierens des Objekts erforderlich sind. Block der Simulation zufälliger Einflüsse (Block 1) wird verwendet, um Werte von Zufallsvariablen und Prozessen zu generieren. Es enthält Generatoren von Standardverteilungen und Tools zum Implementieren von Algorithmen zum Modellieren von Zufallseffekten mit den erforderlichen Eigenschaften. Im Verarbeitungsblock der Simulationsergebnisse (Block 3) werden die aktuellen und endgültigen Werte der Merkmale berechnet, die die Ergebnisse von Experimenten mit dem Modell ausmachen. Solche Experimente können darin bestehen, verwandte Probleme zu lösen, einschließlich Optimierungs- oder Umkehrproblemen.

• Lychkin II. II. Dekret. op.
• Distributed Computing ist eine Möglichkeit, arbeitsintensive Rechenprobleme mit mehreren Computern zu lösen, die meistens zu einem parallelen Rechensystem kombiniert werden.
• Emelyanov AA, Vlasova EA, Duma RV Simulation wirtschaftlicher Prozesse. M. : Finanzen und Statistik, 2006. S. 6.

Als ich eine Technik für die Simulationsmodellierung entwickelte, musste ich die Begriffe verstehen. Das Problem war, dass herkömmliche Begriffe nicht geeignet waren, die während der Simulation gesammelten statistischen Daten zu beschreiben. Bedingungen: Verfahren Und Instanzen verarbeiten waren inakzeptabel, weil ich nicht im aristotelischen Paradigma arbeiten konnte. Das Paradigma von Aristoteles passt nicht zu der von mir verwendeten Hardware. Gleichzeitig war die praktische Anwendung dieser Technik einfach - Modellierung und Nachahmung von Geschäftsobjekten, um Managemententscheidungen zu treffen. Das Programm erstellte ein virtuelles Objekt, dessen Beschreibung aus einer Beschreibung von Szenarien und deren Interaktion bestand. Innerhalb des Programms wurden Szenarien ausgeführt und Ressourcen und ihre Wechselwirkungen modelliert.

Ich möchte Sie daran erinnern:

Simulation- eine Methode zur Untersuchung von Objekten, die darauf basiert, dass das untersuchte Objekt durch ein simuliertes Objekt ersetzt wird. Experimente werden mit einem Simulationsobjekt durchgeführt (ohne auf Experimente an einem realen Objekt zurückzugreifen) und als Ergebnis Informationen über das untersuchte Objekt erhalten. Das imitierende Objekt ist in diesem Fall ein Informationsobjekt.

Der Zweck der Simulation- ungefähres Wissen über einen bestimmten Parameter eines Objekts zu erhalten, ohne seine Werte direkt zu messen. Es ist klar, dass dies nur dann notwendig ist, wenn die Messung unmöglich ist oder mehr kostet als die Simulation. Gleichzeitig können wir zur Untersuchung dieses Parameters andere bekannte Parameter des Objekts und des Modells seines Entwurfs verwenden. Unter der Annahme, dass das Designmodell das Objekt genau beschreibt, wird angenommen, dass die statistischen Verteilungen der Parameterwerte des Modellierungsobjekts, die während der Simulation erhalten werden, in gewissem Maße mit der Verteilung der Parameterwerte des realen Objekts übereinstimmen.

Definitionsbeispiele:

Betrieb

Fall

Verfahren

1. Simulierter Prozess: Die Abfolge der simulierten Operationen. Es ist zweckmäßig, die Beschreibung dieser Sequenz in Form eines Gantt-Diagramms darzustellen. Beschreibung enthält Ereignisse. Zum Beispiel Ereignisse: „Prozessstart“ und „Prozessende“.
2. Simulationsprozess: Ein Objekt, das erstellt wurde, um einen simulierten Prozess zu simulieren. Dieses Objekt wird während der Simulation im Speicher des Computers erstellt.
3. Klasse simulierter Prozesse: Eine Reihe simulierter Prozesse, die durch ein bestimmtes Merkmal vereint sind. Die häufigste Vereinigung ist die Vereinigung von Prozessen, die ein gemeinsames Modell haben. Als Modell kann ein Prozessdiagramm verwendet werden, das in einer beliebigen Modellierungsnotation erstellt wurde: Prozess, Verfahren, EPK, BPMN.
4. Klasse von Simulationsprozessen: Eine Reihe von Scheinprozessen, die innerhalb des Scheins erstellt wurden, um die Aktivität nachzuahmen.
5. Verfahren ( als Objekt in einem Verzeichnis): Verzeichnisobjekt „Prozesse.
6. Verfahren ( Prozessdiagramm): Modell von Prozessen einer Klasse in Form eines Diagramms. Auf Basis dieses Modells werden Simulationsprozesse erstellt.

Abschluss

Das folgende Beispiel kann zur Lösung einer großen Klasse von Problemen verwendet werden. Zum Beispiel die Probleme des Personal- und technischen Ressourcenmanagements. Die Simulation hilft jedem kommerziellen Unternehmen, die Kosten für Material, Personal und Ausrüstung zu senken.

Finden der optimalen Anzahl von Mitarbeitern, um den Kunden den erforderlichen Service zu bieten

In der ersten Phase wird das Hauptkriterium für das Serviceniveau in der Bank festgelegt - die durchschnittliche Warteschlangengröße. Als nächstes werden die geeigneten Systemparameter ausgewählt, um die Modellparameter festzulegen: die Anzahl der Kunden, die Intensität ihrer Ankunft, die Zeit, um einen Kunden zu empfangen, und natürliche Abweichungen von Durchschnittswerten, die periodisch auftreten, z. B. Spitzenzeiten und komplexe Kundenwünsche.

Anschließend wird ein Flussdiagramm erstellt, das der Struktur der Bankfiliale und ihren Geschäftsprozessen entspricht. Das Modell berücksichtigt nur die Faktoren, die das analysierte Problem beeinflussen. Beispielsweise wirkt sich das Vorhandensein einer Unteoder einer Kreditabteilung nicht auf die Erbringung von Dienstleistungen für Einzelpersonen aus, da diese Abteilungen physisch und funktional getrennt sind.

Schließlich, nach dem Laden der Eingabedaten in das Modell, beginnt die Simulation und es wird möglich, die Arbeit der Bankfiliale dynamisch zu sehen, was es Ihnen ermöglicht, die Ergebnisse zu verarbeiten und zu analysieren. Wenn die durchschnittliche Größe der Kundenwarteschlange das festgelegte Limit überschreitet, wird die Anzahl der verfügbaren Mitarbeiter erhöht und das Experiment neu gestartet. Dieser Prozess kann automatisch durchgeführt werden, bis eine optimale Lösung gefunden ist.

Simulationsmodellierung ist ein leistungsfähiges Werkzeug zur Untersuchung des Verhaltens realer Systeme. Simulationsmethoden ermöglichen es Ihnen, die notwendigen Informationen über das Verhalten des Systems zu sammeln, indem Sie sein Computermodell erstellen. Diese Informationen werden dann verwendet, um das System zu entwerfen.

Der Zweck der Simulationsmodellierung besteht darin, das Verhalten des untersuchten Systems auf der Grundlage der Ergebnisse der Analyse der wichtigsten Beziehungen zwischen seinen Elementen im Themenbereich für die Durchführung verschiedener Experimente zu reproduzieren.

Mit der Simulationsmodellierung können Sie das Verhalten eines Systems über die Zeit simulieren. Der Vorteil ist außerdem, dass die Zeit im Modell kontrolliert werden kann: Verlangsamen bei schnellen Prozessen und Beschleunigen bei der Modellierung von Systemen mit langsamer Variabilität. Es ist möglich, das Verhalten jener Objekte nachzuahmen, mit denen reale Experimente teuer, unmöglich oder gefährlich sind.

Simulation wird verwendet, wenn:

1. Teuer oder unmöglich, an einem realen Objekt zu experimentieren.

2. Es ist unmöglich, ein analytisches Modell zu erstellen: Das System hat Zeit, kausale Beziehungen, Folgen, Nichtlinearitäten, stochastische (zufällige) Variablen.

3. Es ist notwendig, das Verhalten des Systems rechtzeitig zu simulieren.

Imitation als Methode zur Lösung nicht trivialer Probleme wurde erstmals im Zusammenhang mit der Entwicklung von Computern in den 1950er bis 1960er Jahren entwickelt.

Es gibt zwei Arten der Nachahmung:

1. Monte-Carlo-Methode (Methode statistischer Tests);

2. S(statistische Modellierung).

Derzeit gibt es drei Bereiche von Simulationsmodellen:

1. Agentenbasierte Modellierung ist eine relativ neue (1990er-2000er) Richtung in der Simulationsmodellierung, die verwendet wird, um dezentralisierte Systeme zu untersuchen, deren Dynamik nicht durch globale Regeln und Gesetze (wie in anderen Modellierungsparadigmen) bestimmt wird, sondern umgekehrt umgekehrt. Wenn diese globalen Regeln und Gesetze das Ergebnis der individuellen Aktivität von Gruppenmitgliedern sind.

Das Ziel von Agentenmodellen ist es, sich ein Bild über diese globalen Regeln, das allgemeine Verhalten des Systems zu machen, basierend auf Annahmen über das individuelle, besondere Verhalten seiner einzelnen aktiven Objekte und die Interaktion dieser Objekte im System. Ein Agent ist eine bestimmte Entität, die Aktivität, autonomes Verhalten hat, Entscheidungen in Übereinstimmung mit einem bestimmten Satz von Regeln treffen, mit der Umgebung interagieren und sich unabhängig ändern kann.

2. Diskrete Ereignismodellierung ist ein Modellierungsansatz, der vorschlägt, von der kontinuierlichen Natur von Ereignissen zu abstrahieren und nur die Hauptereignisse des simulierten Systems zu berücksichtigen, wie z. B.: „Warten“, „Auftragsbearbeitung“, „Bewegung mit Last“, "Entladen" und andere. Die diskrete Ereignismodellierung ist am weitesten entwickelt und hat ein riesiges Anwendungsspektrum - von Logistik- und Warteschlangensystemen bis hin zu Transport- und Produktionssystemen. Diese Art der Simulation eignet sich am besten zur Modellierung von Produktionsprozessen.

3. Systemdynamik ist ein Modellierungsparadigma, bei dem grafische Diagramme kausaler Zusammenhänge und globaler Einflüsse einiger Parameter auf andere im Laufe der Zeit für das untersuchte System konstruiert werden und dann das auf der Grundlage dieser Diagramme erstellte Modell auf einem Computer simuliert wird. Tatsächlich hilft diese Art der Modellierung mehr als alle anderen Paradigmen, die Essenz der fortlaufenden Identifizierung von Ursache-Wirkungs-Beziehungen zwischen Objekten und Phänomenen zu verstehen. Mit Hilfe der Systemdynamik werden Modelle von Geschäftsprozessen, Stadtentwicklung, Produktionsmodellen, Bevölkerungsdynamik, Ökologie und Seuchenentwicklung aufgebaut.

Grundbegriffe des Modellbaus

Die Simulationsmodellierung basiert auf der Reproduktion des Funktionsprozesses des zeitlich eingesetzten Systems mit Hilfe von Computern unter Berücksichtigung der Wechselwirkung mit der äußeren Umgebung.

Die Grundlage eines jeden Simulationsmodells (IM) ist:

Entwicklung eines Modells des untersuchten Systems basierend auf bestimmten Simulationsmodellen (Modulen) von Teilsystemen, die durch ihre Wechselwirkungen zu einem Ganzen vereint sind;

Auswahl informativer (integrativer) Merkmale des Objekts, Methoden zu ihrer Gewinnung und Analyse;

Erstellen eines Modells der Auswirkungen der externen Umgebung auf das System in Form einer Reihe von Simulationsmodellen externer Einflussfaktoren;

· Methodenwahl zur Untersuchung des Simulationsmodells nach den Methoden der Planung von Simulationsexperimenten (IE).

Bedingt kann das Simulationsmodell in Form von in Betrieb, Software (oder Hardware) implementierten Blöcken dargestellt werden.

Die Abbildung zeigt den Aufbau des Simulationsmodells. Der Block der Nachahmung äußerer Einflüsse (EIVI) erzeugt Realisierungen zufälliger oder deterministischer Prozesse, die den Einfluss der äußeren Umgebung auf das Objekt simulieren. Der Ergebnisverarbeitungsblock (RB) dient dazu, aussagekräftige Eigenschaften des Untersuchungsobjekts zu erhalten. Die dazu notwendigen Informationen stammen aus dem Block des mathematischen Modells des Objekts (BMO). Die Steuereinheit (BUIM) implementiert ein Verfahren zum Studieren eines Simulationsmodells, dessen Hauptzweck darin besteht, den Prozess der Durchführung von IE zu automatisieren.

Der Zweck der Simulationsmodellierung besteht darin, das IM eines Objekts zu entwerfen und IE darüber durchzuführen, um die Funktions- und Verhaltensmuster zu untersuchen, wobei die gegebenen Einschränkungen und Zielfunktionen unter Bedingungen der Simulation und Interaktion mit der externen Umgebung berücksichtigt werden.

Prinzipien und Methoden zum Erstellen von Simulationsmodellen

Der Ablauf des Funktionierens eines komplexen Systems kann als Änderung seiner Zustände betrachtet werden, die durch seine Phasenvariablen beschrieben werden

Z1(t), Z2(t), Zn(t) im n-dimensionalen Raum.

Die Aufgabe der Simulationsmodellierung besteht darin, die Trajektorie des betrachteten Systems im n-dimensionalen Raum (Z1, Z2, Zn) zu erhalten sowie einige Indikatoren zu berechnen, die von den Ausgangssignalen des Systems abhängen und seine Eigenschaften charakterisieren.

Dabei wird die „Bewegung“ des Systems im allgemeinen Sinne verstanden – als jede Veränderung, die darin auftritt.

Es gibt zwei Prinzipien für die Konstruktion eines Modells des Funktionierens von Systemen:

1. Prinzip Δt für deterministische Systeme

Nehmen wir an, dass der Anfangszustand des Systems den Werten Z1(t0), Z2(t0), Zn(t0) entspricht. Das Δt-Prinzip beinhaltet die Transformation des Systemmodells in eine solche Form, dass die Werte Z1, Z2, Zn zum Zeitpunkt t1 = t0 + Δt durch die Anfangswerte und zum Zeitpunkt t2 = t1+ Δt durch die berechnet werden können Werte beim vorherigen Schritt, und so weiter für jeden i-ten Schritt (t = const, i = 1 M).

Für Systeme, bei denen der Zufall der bestimmende Faktor ist, lautet das Δt-Prinzip wie folgt:

1. Die bedingte Wahrscheinlichkeitsverteilung wird im ersten Schritt (t1 = t0 + Δt) für einen zufälligen Vektor bestimmt, der mit (Z1, Z2, Zn) bezeichnet wird. Bedingung ist, dass der Anfangszustand des Systems dem Punkt der Trajektorie entspricht.

2. Berechnen Sie die Werte der Koordinaten des Punktes der Trajektorie des Systems (t1 = t0 + Δt) als die Werte der Koordinaten eines Zufallsvektors, der durch die im vorherigen Schritt gefundene Verteilung gegeben ist.

3. Die bedingte Verteilung des Vektors wird im zweiten Schritt gefunden (t2 = t1 + Δ t), vorausgesetzt, dass die entsprechenden Werte im ersten Schritt erhalten werden usw., bis ti = t0 + i Δ t annimmt Wert (tÜ = t0 + Ì Δ t).

Das Prinzip Δt ist universell und auf eine breite Klasse von Systemen anwendbar. Ihr Nachteil ist hinsichtlich der Maschinenzeit unökonomisch.

2. Prinzip der singulären Zustände (Prinzip δz).

Bei einigen Arten von Systemen können zwei Arten von Zuständen δz unterschieden werden:

1. Normal, in dem sich das System die meiste Zeit befindet, während sich Zi(t), (i=1 n) fließend ändert;

2. Speziell, charakteristisch für das System zu bestimmten Zeitpunkten, und der Zustand des Systems ändert sich in diesen Momenten sprunghaft.

Das Prinzip der Sonderzustände unterscheidet sich vom Prinzip von Δt dadurch, dass die Zeitschritte in diesem Fall nicht konstant sind, sondern ein Zufallswert ist und gemäß Informationen über den vorherigen Sonderzustand berechnet wird.

Beispiele für Systeme mit Sonderzuständen sind Warteschlangensysteme. Sonderzustände erscheinen in den Momenten des Eingangs von Anfragen, in den Momenten der Freigabe von Kanälen usw.

Grundlegende Simulationsmethoden.

Die wichtigsten Methoden der Simulationsmodellierung sind: die analytische Methode, die statische Modellierungsmethode und die kombinierte Methode (analytisch-statistische Methode).

Die analytische Methode wird zur Simulation von Prozessen hauptsächlich für kleine und einfache Systeme verwendet, bei denen kein Zufallsfaktor vorhanden ist. Das Verfahren wird bedingt benannt, da es die Möglichkeiten der Simulation eines Prozesses vereint, dessen Modell in Form einer analytisch abgeschlossenen Lösung oder einer durch Methoden der Computermathematik gewonnenen Lösung gewonnen wird.

Das statistische Modellierungsverfahren wurde ursprünglich als statistisches Testverfahren (Monte Carlo) entwickelt. Hierbei handelt es sich um eine numerische Methode, die darin besteht, Schätzungen probabilistischer Merkmale zu erhalten, die mit der Lösung analytischer Probleme (z. B. mit der Lösung von Gleichungen und der Berechnung eines bestimmten Integrals) zusammenfallen. In der Folge begann man mit dieser Methode Prozesse zu simulieren, die in Systemen ablaufen, in denen es eine Quelle von Zufällen gibt oder die zufälligen Einflüssen unterliegen. Es wird die Methode der statistischen Modellierung genannt.

Die kombinierte Methode (analytisch-statistisch) ermöglicht es Ihnen, die Vorteile analytischer und statistischer Modellierungsmethoden zu kombinieren. Es wird im Fall der Entwicklung eines Modells verwendet, das aus verschiedenen Modulen besteht, die eine Reihe von sowohl statistischen als auch analytischen Modellen darstellen, die als Ganzes interagieren. Darüber hinaus kann der Satz von Modulen nicht nur Module enthalten, die dynamischen Modellen entsprechen, sondern auch Module, die statischen mathematischen Modellen entsprechen.

Fragen zur Selbstprüfung

1. Definieren Sie, was ein mathematisches Optimierungsmodell ist.

2. Wofür können Optimierungsmodelle verwendet werden?

3. Bestimmen Sie die Merkmale der Simulationsmodellierung.

4. Beschreiben Sie die Methode der statistischen Modellierung.

5. Was ist ein "Black Box"-Modell, ein Modell der Zusammensetzung, Struktur, ein "White Box"-Modell?

Im Zusammenhang mit den aufgeführten Schwierigkeiten, die bei der Untersuchung komplexer Systeme mit analytischen Methoden auftreten, erforderte die Praxis eine flexiblere und leistungsfähigere Methode. Infolgedessen in den frühen 1960er Jahren des letzten Jahrhunderts erschien die Simulationsmodellierung (Modeling & Simulation).

Wie bereits erwähnt, unter Simulationsmodellierung Wir

Wir werden nicht nur die Entwicklung des Modells verstehen, sondern auch den komplexen Prozess von IISS. Dies ist die Formulierung des Forschungsproblems, die Formalisierung der Funktionsweise des Systems, seiner einzelnen Elemente und der Interaktionsregeln zwischen ihnen, die Entwicklung eines Modells, die Akkumulation und Befüllung des Modells mit Daten, die Durchführung von Forschung und die Entwicklung methodischer Empfehlungen zur Existenz und Modernisierung des Systems.

Die Verwendung von Zufallsvariablen macht wiederholte Experimente mit einem Simulationssystem (auf einem Computer) und eine anschließende statistische Auswertung der erhaltenen Ergebnisse erforderlich. Im Allgemeinen bedeutet Simulationsmodellierung die Ausführung der Prozesse zur Erstellung eines Softwaremodells und zur Durchführung konsistenter und gezielter Experimente mit diesem Programm, die vom Benutzer am Computer durchgeführt werden. Es sei darauf hingewiesen, dass das Simulationsmodell eine Softwaredarstellung der formalen Beschreibung des Systems ist. Es spiegelt nur einen Teil des Systems wider, der mit dem Programm formalisiert und beschrieben wurde. In diesem Fall kann der Benutzer nur einen Teil der formalen Beschreibung in das Modell aufnehmen (was meistens der Fall ist). Dies geschieht hauptsächlich aufgrund der Rechenkapazitäten eines zur Verfügung stehenden Computers, der Komplexität der Softwareimplementierung, der Notwendigkeit einer detaillierten Untersuchung nur einiger Teile des Systems, des Fehlens der erforderlichen Ausgangsdaten für die Modellierung usw.

Wir bestätigen noch einmal, dass der Forscher bei der Erstellung eines Simulationsmodells alle der Systemanalyse innewohnenden Verfahren durchführt - den Zweck der Studie formuliert, eine formale Beschreibung der Funktionsweise des Systems unter Verwendung eines der Ansätze erstellt (Zusammensetzung, Struktur, Betrieb Algorithmen, Indikatoren), programmiert das Modell in einer der Sprachen Simulationsmodell, führt Experimente mit dem Modell durch, formuliert Schlussfolgerungen und Empfehlungen.

In der allgemeinsten Form ist der Detaillierungsgrad des Simulationsmodells in Projektion auf seine bestehende formale Beschreibung in Abb. 1.8.

Die Vorteile der Simulationsmodellierung gegenüber anderen Methoden der Systemanalyse sind folgende:

Möglichkeit, eine größere Nähe zum realen System herzustellen als bei Verwendung analytischer Modelle - Detaillierung,

Reis. 1.8.

Terminologie, Benutzeroberfläche, Darstellung erster Daten und Ergebnisse;

• - Blockprinzip zum Erstellen und Debuggen des Modells. Dieser Ansatz ermöglicht es, jeden Block des Modells zu verifizieren, bevor er in das Gesamtsystemmodell aufgenommen wird, und die schrittweise Erstellung und Ausführung des Modells zu implementieren;
• - die Verwendung von Abhängigkeiten komplexerer Natur (einschließlich zufälliger), die nicht durch einfache mathematische Beziehungen beschrieben werden, im Modell durch die Verwendung numerischer Methoden;
• - Unbegrenzte Systemdetails. Es wird nur durch die Anforderungen der Aufgabe, die Fähigkeiten des Computers und des Simulationssystems und die Fähigkeit des Benutzers, das System zu beschreiben, begrenzt;
• - die Möglichkeit, Experimente mit einem Softwaremodell und nicht mit dem System durchzuführen, was uns vor vielen Fehlern bewahrt und echtes Geld spart;
• - Überprüfung von Umständen höherer Gewalt, die auf einem realen System schwer zu überprüfen und meistens unmöglich sind;
• - Die Modellierung ermöglicht es Ihnen, ein System zu untersuchen, das noch nicht existiert. Zum Beispiel die Machbarkeit eines Upgrades (entweder Erweiterung oder Reduzierung des bestehenden Systems).

Die aufgeführten Vorteile bestimmen die Nachteile und einige zusätzliche Schwierigkeiten, die allen Prozessen innewohnen, einschließlich der Verwendung eines Simulationsmodells. Es muss zugegeben werden, dass es solche Mängel und Schwierigkeiten gibt. Zu den Hauptnachteilen des Simulationsmodells gehören:

• - ein Simulationsmodell im Vergleich zum analytischen Modell aufzubauen ist länger, schwieriger und teurer;
• - Für die Arbeit mit dem Simulationssystem ist ein für die Klasse geeigneter Computer und eine der Aufgabe entsprechende Simulationssprache erforderlich;
• - die Komplexität des Aufbaus eines Dialogs zwischen dem Benutzer und dem Modell. Die Interaktion zwischen dem Benutzer und dem Simulationsmodell (Interface) soll einfach, komfortabel und fachgerecht sein, was einen zusätzlichen Programmieraufwand erfordert;
• - Der Aufbau eines Simulationsmodells erfordert eine tiefere, längere und detailliertere Untersuchung des realen Prozesses (da das Modell detaillierter ist) als die mathematische Modellierung.

Bei der Verwendung eines Simulationsmodells kann absolut jedes Wirtschaftssubjekt als untersuchtes System fungieren - ein bestimmtes Unternehmen (oder seine Komponente), ein großes Infrastrukturprojekt, ein Produktionszweig, eine Technologie usw. Mittels eines Simulationsmodells kann jedes Warteschlangensystem analysiert werden, sowie jedes andere System, das eine bestimmte Anzahl von diskreten Zuständen und die Logik ihrer Beziehung hat. Der zeitliche Übergang von einem Zustand in einen anderen wird aufgrund einer Reihe von Bedingungen und Gründen (deterministisch und zufällig) bereitgestellt. Der Hauptunterschied zwischen der Methode der Simulationsmodellierung und anderen Methoden liegt im nahezu unbegrenzten Detaillierungsgrad von Systemen und damit in der Möglichkeit, dem Forscher das System so darzustellen, wie es in der Realität „aussieht“.

Bei der Verwendung von Simulationsmodellen können Sie viele Fragen überprüfen und beantworten, z. B.: Was passiert, wenn:

• - auf die eine oder andere Weise ein neues System aufbauen;
• - diese oder jene Reorganisation des Systems durchzuführen;
• - Lieferanten von Rohstoffen, Materialien und Komponenten wechseln;
• - die Logistikketten ihrer Versorgung zu modernisieren;
• - Erhöhung (Verringerung) des Umfangs der Ressourcen, der Anzahl des Personals und der Ausrüstung;
• - Änderungsbearbeitung oder Wartungstechnik?

Aus Sicht der praktischen Anwendung ist vor allem wichtig, dass durch die Modellierung Folgendes möglich ist:

• - Senkung der wirtschaftlichen und organisatorischen Kosten von Unternehmen und Projekten;
• - Systemengpässe erkennen und verschiedene Möglichkeiten zu deren Beseitigung testen;
• - Erhöhung des Durchsatzes des Systems;
• - Reduzierung der wirtschaftlichen, organisatorischen, technologischen und sonstigen Risiken von Unternehmen und Projekten.

Beachten Sie, dass all dies erreicht werden kann, ohne Experimente am realen System selbst durchzuführen, sondern indem nur sein Programmmodell untersucht wird. Dadurch können viele systemische Fehler und soziale Probleme vermieden und Experimente durchgeführt werden, die einem realen System schaden könnten.

Natürlich ist der Einsatz eines Simulationsmodells in der alltäglichen Praxis nicht notwendig und in Russland durch keine Normen und Gesetze geregelt. Es werden zwar gewisse Anstrengungen unternommen, einen regulatorischen Rahmen für das Simulationsmodell zu schaffen.

Heutzutage werden leider in vielen Fällen Systeme erstellt, erweitert und betrieben, ohne die Methode des Simulationsmodells zu verwenden. Jeder Entwickler oder Eigentümer des Systems hat das Recht, eigenständig über den Einsatz eines Simulationsmodells zu entscheiden.