Was ist Simulationsmodellierung. Grundlegende Methoden der Simulation

In diesem Artikel werden wir über Simulationsmodelle sprechen. Dies ist ein ziemlich komplexes Thema, das einer gesonderten Betrachtung bedarf. Deshalb werden wir versuchen, dieses Problem in einer zugänglichen Sprache zu erklären.

Simulationsmodelle

Worüber reden wir? Zunächst werden Simulationsmodelle benötigt, um alle Eigenschaften eines komplexen Systems, in dem die Elemente interagieren, nachzubilden. Darüber hinaus hat diese Simulation eine Reihe von Funktionen.

Erstens ist es ein Modellierungsobjekt, das meistens ein komplexes komplexes System darstellt. Zweitens sind dies Zufallsfaktoren, die immer vorhanden sind und einen gewissen Einfluss auf das System haben. Drittens ist es die Notwendigkeit, einen komplexen und langwierigen Prozess zu beschreiben, der als Ergebnis der Modellierung beobachtet wird. Der vierte Faktor ist, dass es unmöglich ist, die gewünschten Ergebnisse ohne den Einsatz von Computertechnologie zu erzielen.

Entwicklung eines Simulationsmodells

Es liegt darin, dass jedes Objekt eine bestimmte Menge seiner Eigenschaften hat. Alle werden in speziellen Tabellen im Computer gespeichert. Das Zusammenspiel von Werten und Indikatoren wird immer durch einen Algorithmus beschrieben.

Die Besonderheit und Schönheit der Modellierung besteht darin, dass jede ihrer Phasen schrittweise und glatt ist, was es ermöglicht, die Eigenschaften und Parameter schrittweise zu ändern und unterschiedliche Ergebnisse zu erzielen. Das Programm, an dem Simulationsmodelle beteiligt sind, zeigt Informationen über die erhaltenen Ergebnisse aufgrund bestimmter Änderungen an. Ihre grafische oder animierte Darstellung wird oft verwendet, was die Wahrnehmung und das Verständnis vieler komplexer Prozesse, die in algorithmischer Form nur schwer nachzuvollziehen sind, stark vereinfacht.

Determinismus

Mathematische Simulationsmodelle basieren darauf, dass sie die Eigenschaften und Eigenschaften einiger realer Systeme nachbilden. Betrachten Sie ein Beispiel, wenn es notwendig ist, die Anzahl und Dynamik der Anzahl bestimmter Organismen zu untersuchen. Dabei kann mit Hilfe von Modellierungen jeder Organismus separat betrachtet werden, um gezielt seine Indikatoren zu analysieren. In diesem Fall werden die Bedingungen meist mündlich gestellt. Zum Beispiel können Sie nach einer bestimmten Zeit die Fortpflanzung des Organismus einstellen und nach mehr langfristig- sein Tod. Die Erfüllung all dieser Bedingungen ist im Simulationsmodell möglich.

Sehr oft werden Beispiele für die Modellierung der Bewegung von Gasmolekülen genannt, weil bekannt ist, dass sie sich chaotisch bewegen. Sie können die Wechselwirkung von Molekülen mit Gefäßwänden oder untereinander untersuchen und die Ergebnisse in Form eines Algorithmus beschreiben. Auf diese Weise können Sie einen Durchschnitt der Eigenschaften des gesamten Systems ermitteln und eine Analyse durchführen. Es versteht sich, dass ein solches Computerexperiment tatsächlich als real bezeichnet werden kann, da alle Eigenschaften sehr genau modelliert werden. Aber was ist der Sinn dieses Prozesses?

Tatsache ist, dass Sie mit dem Simulationsmodell spezifische und reine Merkmale und Indikatoren hervorheben können. Es beseitigt zufällige, überflüssige und eine Reihe anderer Faktoren, die den Forschern möglicherweise nicht einmal bewusst sind. Beachten Sie, dass Determination und mathematische Modellierung sehr oft ähnlich sind, es sei denn, es soll daraus eine autonome Handlungsstrategie erstellt werden. Die oben betrachteten Beispiele beziehen sich auf deterministische Systeme. Sie unterscheiden sich dadurch, dass sie keine Wahrscheinlichkeitselemente enthalten.

Zufällige Prozesse

Der Name ist sehr leicht zu verstehen, wenn man eine Parallele zum gewöhnlichen Leben zieht. Zum Beispiel, wenn Sie in einem Geschäft anstehen, das nach 5 Minuten schließt, und sich fragen, ob Sie noch Zeit haben, einen Artikel zu kaufen. Die Manifestation der Zufälligkeit kann auch bemerkt werden, wenn Sie jemanden anrufen und die Pieptöne zählen und überlegen, mit welcher Wahrscheinlichkeit Sie durchkommen. Vielleicht wird es manchen überraschend erscheinen, aber es ist ihnen zu verdanken einfache Beispiele Anfang des letzten Jahrhunderts wurde der neueste Zweig der Mathematik geboren, nämlich die Theorie des Schlangestehens. Sie verwendet Statistik und Wahrscheinlichkeitstheorie, um einige Schlussfolgerungen zu ziehen. Später bewiesen die Forscher, dass diese Theorie sehr eng mit militärischen Angelegenheiten, Wirtschaft, Produktion, Ökologie, Biologie usw.

Monte-Carlo-Methode

Eine wichtige Methode zur Lösung des Self-Service-Problems ist die statistische Testmethode oder die Monte-Carlo-Methode. Beachten Sie, dass die Möglichkeiten, Zufallsprozesse analytisch zu studieren, ziemlich kompliziert sind und die Monte-Carlo-Methode sehr einfach und universell ist, in der sie Hauptmerkmal... Wir können uns das Beispiel eines Ladens vorstellen, in den ein oder mehrere Kunden eintreten, die Ankunft von Patienten in der Notaufnahme einzeln oder in einer ganzen Menschenmenge usw. Gleichzeitig verstehen wir, dass dies alles zufällige Prozesse sind und die Zeitintervalle zwischen einigen Aktionen sind unabhängige Ereignisse, die nach Gesetzen verteilt sind, die nur durch eine große Anzahl von Beobachtungen abgeleitet werden können. Manchmal ist dies nicht möglich, daher wird eine durchschnittliche Version verwendet. Aber was ist der Zweck der Simulation zufälliger Prozesse?

Der Punkt ist, dass Sie Antworten auf viele Fragen erhalten. Es ist trivial zu berechnen, wie lange eine Person unter Berücksichtigung aller Umstände anstehen muss. Es scheint, dass dies ein ziemlich einfaches Beispiel ist, aber dies ist nur die erste Ebene, und es kann viele solcher Situationen geben. Manchmal ist das Timing sehr wichtig.

Sie können auch eine Frage dazu stellen, wie Sie die Zeit während des Wartens auf den Service einteilen können. Eine noch schwierigere Frage betrifft die Korrelation der Parameter, damit die Warteschlange nie den neu eingegebenen Kunden erreicht. Es scheint, dass dies eine ziemlich einfache Frage ist, aber wenn man darüber nachdenkt und anfängt, sie zumindest ein wenig zu komplizieren, wird klar, dass sie nicht so einfach zu beantworten ist.

Verfahren

Wie funktioniert die Zufallssimulation? Es werden mathematische Formeln verwendet, nämlich die Verteilungsgesetze von Zufallsvariablen. Numerische Konstanten werden ebenfalls verwendet. Beachten Sie, dass Sie in diesem Fall auf keine der Gleichungen zurückgreifen müssen, die in analytischen Methoden verwendet werden. In diesem Fall passiert einfach die Nachahmung der gleichen Warteschlange, über die wir oben gesprochen haben. Lediglich zunächst werden Programme verwendet, die Zufallszahlen generieren und mit einem vorgegebenen Verteilungsgesetz korrelieren können. Danach erfolgt eine umfangreiche, statistische Aufbereitung der erhaltenen Werte, die die Daten daraufhin analysiert, ob sie das ursprüngliche Ziel der Modellierung erfüllen. Nehmen wir an, Sie können die optimale Anzahl von Personen finden, die im Geschäft arbeiten, damit die Warteschlange nie entsteht. Als mathematische Apparatur werden dabei die Methoden der mathematischen Statistik verwendet.

Ausbildung

Der Analyse von Simulationsmodellen in Schulen wird wenig Aufmerksamkeit geschenkt. Leider kann dies die Zukunft sehr stark beeinträchtigen. Kinder sollten aus der Schule einige Grundprinzipien des Modellierens kennen, da die Entwicklung der modernen Welt ohne diesen Prozess nicht möglich ist. In einem Informatik-Grundkurs können Kinder das Simulationsmodell Life leicht anwenden.

Ein gründlicheres Studium kann im Gymnasium oder in Fachschulen gelehrt werden. Zuallererst musst du studieren Simulation zufällige Prozesse. Denken Sie daran, dass in russischen Schulen ein solches Konzept und solche Methoden gerade erst eingeführt werden. Daher ist es sehr wichtig, das Bildungsniveau der Lehrer zu halten, die mit einer 100%igen Garantie einer Reihe von Fragen von Kindern gegenüberstehen. Gleichzeitig werden wir die Aufgabe nicht verkomplizieren und uns darauf konzentrieren, dass es kommtüber eine elementare Einführung in dieses Thema, die in 2 Stunden ausführlich besprochen werden kann.

Nachdem die Kinder die theoretischen Grundlagen gemeistert haben, lohnt es sich, die technischen Probleme im Zusammenhang mit der Generierung einer Zufallszahlenfolge am Computer hervorzuheben. Gleichzeitig ist es nicht erforderlich, Kinder mit Informationen darüber zu belasten, wie eine Computermaschine funktioniert und nach welchen Prinzipien Analytics aufgebaut ist. Aus praktischen Fähigkeiten muss ihnen beigebracht werden, Generatoren einheitlicher Zufallszahlen auf einem Segment oder Zufallszahlen nach dem Verteilungsgesetz zu erzeugen.

Relevanz

Lassen Sie uns ein wenig darüber sprechen, warum Simulationsmodelle des Managements benötigt werden. Der Punkt ist, dass in moderne Welt es ist fast unmöglich, auf Modellierung in jedem Bereich zu verzichten. Warum ist es so beliebt und gefragt? Simulationen können reale Ereignisse ersetzen, die erforderlich sind, um spezifische Ergebnisse zu erzielen, deren Erstellung und Analyse zu teuer sind. Oder es kann einen Fall geben, in dem es verboten ist, echte Experimente durchzuführen. Außerdem wird es verwendet, wenn es aufgrund einer Reihe von Zufallsfaktoren, Konsequenzen und kausalen Zusammenhängen einfach unmöglich ist, ein analytisches Modell zu erstellen. Der letzte Fall, in dem diese Methode verwendet wird, ist, wenn das Verhalten eines Systems über einen bestimmten Zeitraum simuliert werden muss. Für all dies werden Simulatoren erstellt, die versuchen, die Qualitäten des Originalsystems so weit wie möglich zu reproduzieren.

Arten

Simulationsmodelle der Forschung können unterschiedlicher Art sein. Betrachten wir also die Ansätze der Simulation. Die erste ist die Systemdynamik, die sich darin ausdrückt, dass es miteinander verbundene Variablen, bestimmte Antriebe und Rückkopplung... Daher werden meistens zwei Systeme betrachtet, bei denen es einige gemeinsame Merkmale und Schnittpunkte gibt. Die nächste Art der Modellierung ist ereignisdiskret. Es betrifft die Fälle, in denen bestimmte Prozesse und Ressourcen sowie die Abfolge von Aktionen vorhanden sind. Am häufigsten wird auf diese Weise die Möglichkeit eines Ereignisses durch das Prisma einer Reihe möglicher oder zufälliger Faktoren untersucht. Die dritte Art der Modellierung ist agentenbasiert. Es besteht in der Untersuchung der individuellen Eigenschaften des Organismus in seinem System. Dies erfordert eine indirekte oder direkte Interaktion zwischen dem beobachteten Objekt und anderen.

Diskrete Ereignismodellierung schlägt vor, von der Kontinuität von Ereignissen zu abstrahieren und nur die Hauptpunkte zu betrachten. So werden zufällige und unnötige Faktoren ausgeschlossen. Diese Methode ist hoch entwickelt und wird in vielen Bereichen eingesetzt: von der Logistik bis hin zu Produktionssystemen. Er ist am besten geeignet, Produktionsprozesse zu modellieren. Es wurde übrigens in den 1960er Jahren von Jeffrey Gordon erstellt. Systemdynamik ist ein Modellierungsparadigma, bei dem die Forschung eine grafische Darstellung der Verbindungen und gegenseitigen Einflüsse einiger Parameter auf andere erfordert. Dies berücksichtigt den Zeitfaktor. Erst auf Basis aller Daten wird am Computer ein globales Modell erstellt. Es ist diese Ansicht, die es Ihnen ermöglicht, das Wesen des untersuchten Ereignisses sehr tief zu verstehen und einige Ursachen und Verbindungen zu identifizieren. Dank dieser Modellierung werden Geschäftsstrategien, Produktionsmodelle, Krankheitsentwicklung, Stadtplanung usw. erstellt. Diese Methode wurde in den 1950er Jahren von Forrester erfunden.

Die agentenbasierte Modellierung entstand in den 1990er Jahren und ist relativ neu. Diese Richtung dient der Analyse dezentraler Systeme, deren Dynamik nicht durch allgemein anerkannte Gesetze und Regeln bestimmt wird, sondern durch die individuelle Aktivität bestimmter Elemente. Die Essenz dieser Modellierung besteht darin, sich ein Bild von den neuen Regeln zu machen, das System als Ganzes zu charakterisieren und die Verbindung zwischen den einzelnen Komponenten zu finden. Gleichzeitig wird ein Element untersucht, das aktiv und autonom ist, selbstständig Entscheidungen treffen und mit seiner Umgebung interagieren und sich unabhängig verändern kann, was sehr wichtig ist.

Etappen

Betrachten wir nun die wichtigsten Phasen der Entwicklung eines Simulationsmodells. Dazu gehören die Formulierung zu Beginn des Prozesses, der Aufbau eines konzeptionellen Modells, die Auswahl einer Modellierungsmethode, die Auswahl eines Modellierungsapparats, die Planung und die Ausführung einer Aufgabe. Im letzten Schritt werden alle empfangenen Daten analysiert und verarbeitet. Der Aufbau eines Simulationsmodells ist ein komplexer und langwieriger Prozess, der viel Aufmerksamkeit und Verständnis für das Wesentliche erfordert. Beachten Sie, dass die Schritte selbst so lange wie möglich dauern und der Simulationsprozess auf einem Computer nicht länger als ein paar Minuten dauert. Es ist sehr wichtig, die richtigen Simulationsmodelle zu verwenden, da Sie ohne diese nicht die gewünschten Ergebnisse erzielen können. Es werden einige Daten erhoben, die jedoch nicht realistisch und nicht produktiv sind.

Zusammenfassend möchte ich sagen, dass dies eine sehr wichtige und moderne Branche ist. Wir haben uns Beispiele für Simulationsmodelle angesehen, um die Bedeutung all dieser Punkte zu verstehen. In der modernen Welt spielt die Modellierung eine große Rolle, da sich auf ihrer Grundlage Wirtschaft, Stadtplanung, Produktion usw. entwickeln. Es ist wichtig zu verstehen, dass Modelle Simulationssysteme sehr gefragt, da sie unglaublich profitabel und bequem sind. Auch bei der Schaffung realer Rahmenbedingungen ist es nicht immer möglich, verlässliche Ergebnisse zu erzielen, da immer viele schulische Faktoren einfließen, die einfach nicht berücksichtigt werden können.

Die wichtigsten Simulationsmethoden sind: analytische Methode, statische Modellierungsmethode und kombinierte Methode (analytisch-statistische Methode).

Analytische Methode es wird verwendet, um Prozesse hauptsächlich für kleine und einfache Systeme zu simulieren, bei denen der Zufallsfaktor fehlt. Zum Beispiel, wenn der Vorgang ihres Funktionierens durch Differential- oder Integro-Differentialgleichungen beschrieben wird. Die Methode wird bedingt genannt, da sie 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.

Statistische Modellierungsmethode ursprünglich als statistische Testmethode entwickelt (Monte Carlo). Dies ist eine numerische Methode, die darin besteht, Schätzungen von Wahrscheinlichkeitsmerkmalen zu erhalten, die mit der Lösung analytischer Probleme übereinstimmen (z. B. mit der Lösung von Gleichungen und der Berechnung von bestimmtes Integral). In der Folge wurde mit dieser Methode begonnen, Prozesse zu simulieren, die in Systemen auftreten, in denen Zufall vorhanden ist oder die zufälligen Einflüssen unterliegen. Er hat den Namen der Methode bekommen statistische Modellierung.

Bei der Untersuchung komplexer Systeme, die zufälligen Störungen unterliegen, werden probabilistische analytische Modelle und probabilistische Simulationsmodelle verwendet.

In probabilistischen analytischen Modellen wird der Einfluss von Zufallsfaktoren berücksichtigt, indem die probabilistischen Eigenschaften von Zufallsprozessen (Wahrscheinlichkeitsverteilungsgesetze, spektrale Dichten oder Korrelationsfunktionen) festgelegt werden. Darüber hinaus ist die Konstruktion probabilistischer analytischer Modelle ein komplexes Rechenproblem. Daher wird die probabilistische analytische Modellierung verwendet, um relativ einfache Systeme zu untersuchen.

Es sei darauf hingewiesen, dass die Einführung zufälliger Störungen in Simulationsmodelle keine grundlegenden Komplikationen mit sich bringt, daher wird die Untersuchung komplexer zufälliger Prozesse derzeit in der Regel an Simulationsmodellen durchgeführt.

Bei der probabilistischen Simulation operiert man nicht mit den Eigenschaften zufälliger Prozesse, sondern mit bestimmten zufälligen Zahlenwerten der Parameter von Prozessen und Systemen. In diesem Fall sind die Ergebnisse, die durch die Reproduktion des betrachteten Prozesses auf einem Simulationsmodell erhalten werden, zufällige Realisierungen. Um objektive und stabile Eigenschaften des Prozesses zu finden, ist es daher erforderlich, ihn viele Male zu reproduzieren, gefolgt von einer statistischen Verarbeitung der erhaltenen Daten. Daher wird die Untersuchung von komplexen Prozessen und Systemen, die zufälligen Störungen unterliegen, mit Hilfe von Simulationen üblicherweise als statistische Modellierung bezeichnet.

Ein statistisches Modell eines Zufallsprozesses ist ein Algorithmus, der den Betrieb eines komplexen Systems simuliert, das zufälligen Störungen ausgesetzt ist; imitieren die Interaktion der Elemente des Systems, die probabilistischer Natur sind.

Beim Implementieren einer statistischen Simulation auf einem Computer tritt das Problem auf, auf einem Computer zufällige numerische Folgen mit gegebenen Wahrscheinlichkeitseigenschaften zu erhalten. Numerische Methode, Probleme lösen die Erzeugung einer Folge von Zufallszahlen mit gegebenen Verteilungsgesetzen, wird als "Methode der statistischen Tests" oder "Monte-Carlo-Methode" bezeichnet.

Da die Monte-Carlo-Methode neben der statistischen Modellierung auch Anwendungen auf eine Reihe numerischer Methoden hat (Integrale nehmen, Gleichungen lösen), empfiehlt es sich, unterschiedliche Terme zu verwenden.

Die statistische Modellierung ist also eine Möglichkeit, komplexe Prozesse und Systeme, die zufälligen Störungen unterliegen, mithilfe von Simulationsmodellen zu untersuchen.

Die Monte-Carlo-Methode ist eine numerische Methode, die auf einem Computer pseudozufällige numerische Folgen mit gegebenen Wahrscheinlichkeitsmerkmalen simuliert

Die statistische Modellierungstechnik besteht aus den folgenden Phasen:

1. Computersimulation von Pseudozufallsfolgen mit einer bestimmten Korrelation und dem Gesetz der Wahrscheinlichkeitsverteilung (Monte-Carlo-Methode), wobei für jeden Test Zufallswerte von Parametern auf einem Computer simuliert werden;

2. Transformation der erhaltenen Zahlenfolgen in mathematische Simulationsmodelle.

3. Statistische Verarbeitung von Simulationsergebnissen.

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

Das Simulationsmodellierungsprojekt umfasst die folgenden Phasen: konzeptionelle Phase, Interpretationsphase, experimentelle Phase. Betrachten wir sie genauer.

1. Konzeptionell. In dieser Phase erfolgt eine erste Bekanntschaft mit dem Forschungsgegenstand und es wird ermittelt, welche Daten für die Durchführung des Projekts benötigt werden. Es werden allgemeine Informationen über das Modell gebildet: der Name des Modells, sein Zweck und der Zweck der Entwicklung. Es wird eine Liste von Objekten ermittelt, auf denen der Einsatz des Modells geplant ist, Beamte, in deren Interesse das Problem gelöst wird. Das physikalische Wesen des modellierten Prozesses und der Umfang des Modells werden beschrieben.

Gleichzeitig werden Kriterien festgelegt, anhand derer die Wirksamkeit des Modells oder seine Qualität beurteilt werden. Die Einschränkungen und Annahmen, die bei der Entwicklung des Modells getroffen wurden, werden beschrieben. Sind aufgeführt analytische Methoden die bei der Entwicklung des Modells verwendet werden sollen. Die Reihenfolge der Einführung und Verwaltung des Modells, mögliche Nutzungsmodi und die Verbindung mit anderen Modellen werden festgelegt. Die im Modell verwendeten Informationsquellen sowie die Zusammensetzung und Struktur dieser Informationen werden geklärt. Wenn bei der Konstruktion eines Modells die Verwendung von Zufallsvariablen geplant ist, werden die Gesetze ihrer Verteilung erst in der konzeptionellen Phase begründet.

Wichtig ist in dieser Phase auch, die Anforderungen an die Konfiguration von Hard- und Software zu ermitteln: über die Eigenschaften nachdenken technische Mittel(die Art des Zentralprozessors, das Vorhandensein eines Coprozessors, die Größe des Arbeitsspeichers und des permanenten Speichers usw.) und erstellen Sie eine allgemeine Software (Betriebssystem, Netzwerkbetriebssysteme usw.), systemweite Software (DBMS, Office-Suiten usw.).

Es ist notwendig, den Schutz der im Modell verwendeten Informationen sicherzustellen, hierzu wird in der Konzeptionsphase eine Sicherheitspolitik festgelegt (Gefahrenpotentiale, mögliche Schäden bei Schutzverletzungen, Benutzergruppen, Zugriffsrechte, etc.).

2. Stufe der Interpretation.Er beinhaltet die Formalisierung der Beschreibung des modellierten Objekts basierend auf den ausgewählten CASE - Mitteln. In dieser Phase, at Natürliche Sprache eine semantische (fiktive) Beschreibung der Zusammensetzung des untersuchten Objekts, der Interaktion zwischen den Elementen des Objekts und des Objekts mit der äußeren Umgebung wird gegeben. Ausgehend von der Beschreibung des Objekts wird mit den Werkzeugen der dafür ausgewählten Modellierungssprache ein Simulationsmodell erstellt. Abbildung 6.4. ein Beispiel für ein mit ARIS erstelltes Modell wird gegeben.

Reis. 6.4. Ein Beispiel für ein in der ARIS-Umgebung ausgeführtes Modell

Hier werden auch Zeit- und Kostenmerkmale ermittelt.

Funktionen und Geschäftsprozesse. Ein Beispiel ist in Abbildung 6.5 dargestellt.

Reis. 6.5. Beschreibung der quantitativen und Qualitätsmerkmale

In dieser Phase wird auch das resultierende Modell auf Übereinstimmung mit dem theoretischen Schema überprüft, das als Grundlage für die formale Beschreibung des Modellierungsobjekts verwendet wurde. Dieser Vorgang wird oft als Modellverifikation bezeichnet. Der zweite Schritt endet mit der Überprüfung der Übereinstimmung des Simulationsmodells mit den Eigenschaften des realen Systems. Ist dies nicht der Fall, sollte man wieder zum Moment der Formalisierung des Modells zurückkehren.

3. Experimentelles Stadium.Diese Phase besteht darin, ein numerisches Experiment mit dem entwickelten Modell durchzuführen, indem es auf einem Computer "ausgeführt" wird. Vor Beginn der Studie ist es sinnvoll, eine solche Abfolge von "Durchläufen" des Modells zu erstellen, die es ermöglicht, die erforderliche Menge an Informationen für eine bestimmte Zusammensetzung und Zuverlässigkeit der Ausgangsdaten zu erhalten. Weiterhin werden auf der Grundlage des entwickelten Versuchsplans "Läufe" des Simulationsmodells auf einem Computer durchgeführt und die Ergebnisse aufbereitet, um sie in einer für die Analyse geeigneten Form darzustellen.

Basierend auf der Analyse der Ergebnisse werden abschließende Schlussfolgerungen zur durchgeführten Modellierung erarbeitet und formuliert sowie Empfehlungen zur Nutzung der Ergebnisse der Modellierung zur Erreichung der gesetzten Ziele entwickelt. Oftmals kehren sie basierend auf diesen Schlussfolgerungen für die notwendigen Änderungen im theoretischen und praktischen Teil des Modells und wiederholte Studien mit dem geänderten Modell an den Anfang des Modellierungsprozesses zurück. Als Ergebnis mehrerer solcher Zyklen erhält man ein Simulationsmodell, der beste Weg Erfüllung der gestellten Aufgaben.

Es gibt eine ganze Reihe von Softwaresystemen, mit denen Sie Simulationsmodelle erstellen können. Diese schließen ein:

Ø Business-Studio(Simulation von Geschäftsprozessen)

Ø PTV Vision VISSIM

Ø Tecnomatix-Anlagensimulation

Einige dieser Systeme werden in Kapitel 7 genauer besprochen.

Fragen für Kapitel 6

1. Was ist Simulationsmodellierung?

2. Geben Sie die Definition des Simulationsmodells an.

3. Was ist die Grundlage eines Simulationsmodells?

4. Was ist der Zweck der Simulation?

5. Nennen Sie die wichtigsten Vorteile der Simulation

6. Was sind die Nachteile der Simulation:

7. Blei typische Beispiele wo es angewendet werden kann

8. Welche Simulationsarten gibt es?

9. Was ist Systemdynamik?

10. Was sind die Komponenten der diskreten Ereignismodellierung?

11. Welchen Zweck haben agentenbasierte Modelle?

12. Listen Sie die Schritte der Simulation auf

Modell ist eine abstrakte Beschreibung des Systems, deren Detaillierungsgrad vom Forscher selbst bestimmt wird. Die Person entscheidet, ob gegebenes Element systemwesentlich ist und daher in die Beschreibung des Systems aufgenommen wird. Diese Entscheidung wird basierend auf dem zugrunde liegenden Zweck der Modellentwicklung getroffen. Der Erfolg der Modellierung hängt davon ab, wie gut der Forscher die wesentlichen Elemente und die Zusammenhänge zwischen ihnen unterscheiden kann.

Es wird davon ausgegangen, dass das System aus vielen miteinander verbundenen Elementen besteht, die kombiniert werden, um eine bestimmte Funktion zu erfüllen. Die Definition eines Systems ist weitgehend subjektiv, d.h. es hängt nicht nur vom Zweck der Verarbeitung des Modells ab, sondern auch davon, wer das System genau definiert.

Der Modellierungsprozess beginnt also mit der Definition des Ziels der Modellentwicklung, auf deren Grundlage die Systemgrenzen und erforderlicher Detaillierungsgrad simulierte Prozesse. Der gewählte Detaillierungsgrad soll es ermöglichen, von den mangels Informationen ungenau definierten Aspekten der Funktionsweise eines realen Systems zu abstrahieren. Darüber hinaus sollte die Beschreibung des Systems Kriterien für die Effektivität des Funktionierens des Systems und die bewerteten alternativen Lösungen enthalten, die als Teil des Modells oder als dessen Input betrachtet werden können. Die Schätzungen Alternativlösungen nach den angegebenen Effizienzkriterien werden als Outputs des Modells betrachtet. Üblicherweise erfordert die Bewertung von Alternativen Änderungen in der Beschreibung des Systems und folglich eine Neustrukturierung des Modells. Daher ist der Prozess der Modellerstellung in der Praxis iterativ. Nachdem auf der Grundlage der erhaltenen Schätzungen von Alternativen Empfehlungen ausgesprochen werden können, können Sie mit der Umsetzung der Simulationsergebnisse beginnen. Gleichzeitig sollten die Empfehlungen sowohl die wesentlichen Entscheidungen als auch die Bedingungen für deren Umsetzung klar formulieren.

Simulationsmodellierung(im weitesten Sinne) - Es gibt einen Prozess der Konstruktion eines Modells eines realen Systems und der Durchführung von Experimenten zu diesem Modell, um entweder das Verhalten des Systems zu verstehen oder (innerhalb der auferlegten Einschränkungen) verschiedene Strategien zu bewerten, die die Funktionieren dieses Systems.

Simulationsmodellierung(im engeren Sinne) ist eine Darstellung des dynamischen Verhaltens eines Systems, indem es nach bekannten Betriebsregeln (Algorithmen) von einem Zustand in einen anderen bewegt wird.

Um ein Simulationsmodell zu erstellen, ist es also notwendig, den Zustand des Systems und die Algorithmen (Regeln) zu seiner Änderung auszuwählen und zu beschreiben. Außerdem wird es in Form eines Modellierungswerkzeugs (algorithmische Sprache, Fachsprache) geschrieben und auf einem Computer verarbeitet.

Simulationsmodell(IM) ist eine logisch-mathematische Beschreibung des Systems, die im Rahmen von Experimenten auf einem Digitalrechner verwendet werden kann.

MI kann verwendet werden, um die Funktionsweise von Systemen zu entwerfen, zu analysieren und zu bewerten. Mit dem MI werden Maschinenexperimente durchgeführt, die Rückschlüsse auf das Verhalten des Systems zulassen:

· In Abwesenheit seiner Konstruktion, wenn es sich um ein geplantes System handelt;

· Ohne Beeinträchtigung seiner Funktionsweise, wenn es sich um ein Betriebssystem handelt, mit dem Experimentieren unmöglich oder unerwünscht ist (hohe Kosten, Gefahr);

· Ohne das System zu zerstören, wenn der Zweck des Experiments darin besteht, die Auswirkungen darauf zu bestimmen.

Der Prozess der Bildung eines Simulationsmodells lässt sich kurz wie folgt darstellen ( Abb. 2):

Abb. 2... Simulationsmodellbildungsschema

Fazit: IM zeichnet sich durch die Reproduktion der beschriebenen Phänomene durch das formalisierte Schema des Prozesses unter Beibehaltung ihrer logischen Struktur, der zeitlichen Abfolge und manchmal des physikalischen Inhalts aus.

Computersimulation (IM) wird häufig bei der Untersuchung und Steuerung komplexer diskreter Systeme (SDS) und der darin ablaufenden Prozesse eingesetzt. Solche Systeme umfassen Wirtschafts- und Industrieanlagen, Seehäfen, Flughäfen, Öl- und Gaspumpenkomplexe, Bewässerungssysteme, Software für komplexe Steuerungssysteme, Computernetzwerke und vieles mehr. Die weite Verbreitung von IM erklärt sich dadurch, dass die Dimension der zu lösenden Probleme und die Nicht-Formalisierung komplexer Systeme den Einsatz rigoroser Optimierungsmethoden nicht zulassen.

Unter Nachahmung Wir werden die numerische Methode verstehen, Experimente am Computer mit mathematischen Modellen durchzuführen, die das Verhalten komplexer Systeme über einen langen Zeitraum beschreiben.

Simulationsexperiment ist eine Anzeige des Prozesses, der im VTS über einen langen Zeitraum (Minute, Monat, Jahr usw.) abläuft, der normalerweise einige Sekunden oder Minuten der Computerbetriebszeit in Anspruch nimmt. Es gibt jedoch Probleme, zu deren Lösung es notwendig ist, in der Modellierung so viele Berechnungen durchzuführen (in der Regel sind dies regelungstechnische Aufgaben, Modellierung der Akzeptanzunterstützung optimale Lösungen, Abarbeiten effektive Strategien Steuerung usw.), dass das MI langsamer arbeitet als das reale System. Daher ist die Fähigkeit, einen langen VTS-Betrieb in kurzer Zeit zu simulieren, nicht das Wichtigste, was die Simulation bietet.

Simulationsfunktionen:

1. Mit dem MI werden Maschinenexperimente durchgeführt, die Rückschlüsse auf das Verhalten des Systems zulassen:

· Ohne es zu bauen, wenn es sich um ein geplantes System handelt;

· Ohne seine Funktionsfähigkeit zu beeinträchtigen, wenn es sich um ein Betriebssystem handelt, mit dem das Experimentieren unmöglich oder unerwünscht (teuer, gefährlich) ist;

· Ohne es zu zerstören, wenn das Experiment die begrenzende Wirkung auf das System ermitteln soll.

2. Untersuchen Sie experimentell komplexe Interaktionen innerhalb des Systems und verstehen Sie die Logik seiner Funktionsweise.

4. Untersuchen Sie die Auswirkungen externer und interner zufälliger Störungen.

5. Untersuchen Sie den Einfluss von Systemparametern auf Leistungsindikatoren.

6. Prüfen Sie neue Führungsstrategien und Entscheidungsfindungen in der Betriebsführung.

7. Vorhersage und Planung der zukünftigen Funktionsweise des Systems.

8. Führen Sie Personalschulungen durch.

Das Simulationsexperiment basiert auf dem Modell des simulierten Systems.

IM entwickelt für die Modellierung komplexer stochastischer Systeme - diskret, stetig, kombiniert.

Simulation bedeutet, dass aufeinanderfolgende Zeiten gegeben sind und der Zustand des Modells wird vom Computer sequentiell zu jedem dieser Zeitpunkte berechnet. Dazu ist es notwendig, eine Regel (einen Algorithmus) für den Übergang des Modells von einem Zustand in den nächsten, also eine Transformation, festzulegen:

, ,

wo - der Zustand des Modells zum --ten Zeitpunkt, der ein Vektor ist.

Lassen Sie uns in Betracht ziehen:

ist der Vektor des Zustands der äußeren Umgebung (Modelleingabe) zum Zeitpunkt,

ist der Kontrollvektor zum th-Zeitpunkt.

Dann wird der MI durch die Aussage des Operators bestimmt, mit deren Hilfe es möglich ist, den Zustand des Modells zum nächsten Zeitpunkt durch den Zustand im aktuellen Moment, die Steuerungsvektoren und die äußere Umgebung zu bestimmen:

, .

Wir schreiben diese Transformation in einer wiederkehrenden Form:

, .

Operator definiert ein Simulationsmodell eines komplexen Systems mit seiner Struktur und seinen Parametern.

Ein wichtiger Vorteil IM - die Fähigkeit, die unkontrollierten Faktoren des modellierten Objekts zu berücksichtigen, die ein Vektor sind:

.

Dann haben wir:

, .

Simulationsmodell- Dies ist eine logisch-mathematische Beschreibung des Systems, die im Rahmen von Experimenten am Computer verwendet werden kann.

Abb. 3. Zusammensetzung der IM eines komplexen Systems

Um auf das Problem der Nachahmung eines komplexen Systems zurückzukommen, lassen Sie uns in MI bedingt herausgreifen: ein Modell eines kontrollierten Objekts, ein Modell eines Kontrollsystems und ein Modell interner zufälliger Störungen (Abb. 3).

Die Eingaben des geregelten Objektmodells werden in geregelt geregelte und ungeregelte ungeregelte Störungen unterteilt. Letztere werden von Zufallszahlengeneratoren nach einem gegebenen Verteilungsgesetz erzeugt. Die Steuerung wiederum ist die Ausgabe des Leitsystemmodells und die Störungen sind die Ausgabe der Zufallszahlensensoren (Modelle interner Störungen).

Hier ist der Algorithmus des Regelsystems.

Mit der Simulation können Sie das Verhalten eines modellierten Objekts über einen längeren Zeitraum untersuchen - dynamische Simulation... In diesem Fall wird sie, wie oben erwähnt, als die Zahl des Zeitpunkts interpretiert. Außerdem können Sie das Verhalten des Systems zu einem bestimmten Zeitpunkt untersuchen - statische Simulation, dann wird sie als Zustandsnummer behandelt.

Bei der dynamischen Simulation kann sich die Zeit mit einem konstanten und variablen Schritt ändern ( Abb. 4):

Abb. 4. Dynamische Simulation

Hier g ich- Momente von Ereignissen in der VTS, g * ich- die Momente des Auftretens von Ereignissen in der dynamischen Simulation mit einem konstanten Schritt, g 'ICH- die Momente des Auftretens von Ereignissen mit variablem Schritt.

Mit einem konstanten Schritt ist es einfacher zu implementieren, aber weniger genau und es können leere (dh unnötige) Zeitpunkte sein, wenn der Zustand des Modells berechnet wird.

Die Zeit bewegt sich von Ereignis zu Ereignis mit variablen Schritten. Diese Methode ist eine genauere Reproduktion des Prozesses, es gibt keine unnötigen Berechnungen, aber sie ist schwieriger zu implementieren.

Grundbestimmungen folgendes aus obigem:

1. IM ist eine numerische Methode und sollte verwendet werden, wenn andere Methoden nicht verwendet werden können. Für komplexe Systeme ist dies derzeit die wichtigste Forschungsmethode.

2. Imitation ist ein Experiment, das heißt, es sollte die Theorie der Planung eines Experiments und der Verarbeitung seiner Ergebnisse verwenden.

3. Je genauer das Verhalten des modellierten Objekts beschrieben wird, desto genauer wird das Modell benötigt. Wie genauer gesagt ein Modell, desto komplexer ist es und erfordert große Computerressourcen und Zeit für die Recherche. Daher muss ein Kompromiss zwischen der Genauigkeit des Modells und seiner Einfachheit gefunden werden.

Beispiele für zu lösende Aufgaben: Analyse von Systemdesigns in verschiedenen Phasen, Analyse Betriebssysteme, Einsatz in Regelsystemen, Einsatz in Optimierungssystemen, etc.

Einführung

Einer von wichtige Funktionen ACS - die grundsätzliche Unmöglichkeit, reale Experimente vor Abschluss des Projekts durchzuführen. Eine mögliche Lösung sind Simulationsmodelle. Ihre Entwicklung und Anwendung sind jedoch äußerst komplex, Schwierigkeiten treten in ausreichendem Maße auf präzise Definition den Grad der Angemessenheit des modellierten Prozesses. Daher ist es wichtig zu entscheiden, welches Modell erstellt werden soll.

Andere wichtiger Aspekt- die Verwendung von Simulationsmodellen während des Betriebs des automatisierten Kontrollsystems zur Entscheidungsfindung. Solche Modelle werden während des Designprozesses erstellt, damit sie kontinuierlich aktualisiert und an die sich ändernde Benutzererfahrung angepasst werden können.

Die gleichen Modelle können verwendet werden, um das Personal vor der Inbetriebnahme der automatisierten Steuerung zu schulen und Planspiele durchzuführen.

Die Art eines Fertigungsprozessmodells hängt maßgeblich davon ab, ob es sich um ein diskretes oder kontinuierliches Modell handelt. In diskreten Modellen ändern sich die Variablen zu bestimmten Zeitpunkten der Simulationszeit diskret. Die Zeit kann als kontinuierlich oder diskret betrachtet werden, je nachdem, ob diskrete Variablenänderungen zu jedem Zeitpunkt der Simulationszeit oder nur zu bestimmten Zeitpunkten auftreten können. In kontinuierlichen Modellen sind Prozessvariablen kontinuierlich, und die Zeit kann entweder kontinuierlich oder diskret sein, je nachdem, ob kontinuierliche Variablen zu jedem Zeitpunkt der Simulationszeit oder nur zu bestimmten Zeitpunkten verfügbar sind. In beiden Fällen sieht das Modell einen Block zur Zeiteinstellung vor, der den Verlauf der Modellzeit simuliert, meist beschleunigt gegenüber der realen.

Die Entwicklung eines Simulationsmodells und die Durchführung von Modellierungsexperimenten im allgemeinen Fall kann in Form mehrerer Hauptschritte dargestellt werden, die in Abb. eins.

Eine Komponente eines Modells, die ein bestimmtes Element eines modellierten Systems darstellt, wird durch eine Menge von Merkmalen quantitativer oder logischer Art beschrieben. Je nach Dauer des Bestehens sind die Komponenten bedingt dauerhaft und temporär. Während der gesamten Versuchsdauer mit dem Modell existieren bedingt permanente Komponenten, während des Versuchs werden temporäre erzeugt und zerstört. Die Komponenten des Simulationsmodells werden in Klassen eingeteilt, innerhalb derer sie die gleichen Merkmale aufweisen, sich jedoch in ihren Werten unterscheiden.

Der Zustand einer Komponente wird durch die Werte ihrer Eigenschaften zu einem bestimmten Zeitpunkt der Modellzeit bestimmt, und die Wertemenge der Eigenschaften aller Komponenten bestimmt den Zustand des Modells als Ganzes.

Die Änderung der Werte der Merkmale, die sich aus der Darstellung der Interaktion zwischen den Elementen des modellierten Systems im Modell ergibt, führt zu einer Zustandsänderung des Modells. Die Kennlinie, deren Wert sich während des Simulationsexperiments ändert, ist eine Variable, ansonsten ein Parameter. Die Werte diskreter Variablen ändern sich während des Zeitintervalls zwischen zwei aufeinanderfolgenden Sonderzuständen nicht und ändern sich schlagartig beim Übergang von einem Zustand in einen anderen.

Ein Modellierungsalgorithmus ist eine Beschreibung der funktionalen Wechselwirkungen zwischen den Komponenten eines Modells. Um es zusammenzustellen, wird der Funktionsprozess des modellierten Systems in eine Reihe von sequentiellen Ereignissen unterteilt, von denen jedes eine Änderung des Zustands des Systems als Ergebnis der Interaktion seiner Elemente oder der Auswirkungen auf die externen Umgebungssysteme widerspiegelt in Form von Eingangssignalen. Besondere Zustände treten zu bestimmten Zeitpunkten auf, die im Voraus geplant oder im Rahmen eines Experiments mit einem Modell ermittelt werden. Der Eintritt von Ereignissen im Modell wird geplant, indem Ereignisse nach den Zeitpunkten ihres Auftretens geplant werden, oder es wird eine Analyse durchgeführt, die das Erreichen der eingestellten Werte durch die variablen Merkmale aufdeckt.

Zu diesem Zweck ist es am bequemsten, SIVS zu verwenden. Die darauf dargestellten Stoff- und Informationsflüsse lassen sich leicht analysieren, um besondere Bedingungen zu erkennen. Solche Zustände sind die Momente des Endes der Verarbeitung des Produkts an jedem Arbeitsplatz oder seines Transports, die sich im SIWS widerspiegeln; Annahme und Ausgabe zur dauerhaften oder vorübergehenden Aufbewahrung; Zusammenbau von Teilen zu Einheiten, Einheiten zu einem Produkt usw. Für die diskrete Produktion kann auch die Eigenschaftsänderung zwischen speziellen Zuständen als diskret betrachtet werden, also der Übergang durch einen bedingten Sprung von Quellenmaterial zum Werkstück, vom Werkstück zum Halbzeug, vom Halbzeug zum Teil usw.

Somit wird jeder Produktionsvorgang als ein Operator betrachtet, der den Wert der Produkteigenschaften ändert. Für einfache Modelle kann die Zustandsfolge als deterministisch angenommen werden. Spiegeln Sie besser die Realität von Zufallsfolgen wider, die in Form von zufälligen Zeitinkrementen mit einer gegebenen Verteilung oder einem zufälligen Strom homogener Ereignisse formalisiert werden können, ähnlich dem Fluss von Ansprüchen in der Theorie des Massendienstes. In ähnlicher Weise ist es möglich, mit Hilfe von SIVS besondere Bedingungen bei der Bewegungs- und Informationsverarbeitung zu analysieren und zu identifizieren.

In Abb. 2 zeigt die Struktur des verallgemeinerten Simulationsmodells.

Bei der Simulation kontinuierlicher Produktionsprozesse nach dem ∆t-Prinzip liefert der Zeitintervallsensor Taktimpulse für den Betrieb des Simulationsalgorithmus. Blöcke von Zufalls- und Kontrollaktionen sowie Anfangsbedingungen werden verwendet, um die Bedingungen für das nächste Modellexperiment manuell einzugeben.

Der Komplex von Simulationsfunktionsprogrammen für jedes modellierte Objekt bestimmt die bedingte Verteilung der Wahrscheinlichkeiten der Objektzustände am Ende jedes Moments der DL.Wenn einer der möglichen Zustände zufällig ausgewählt wird, wird dies durch eine funktionale Unterroutine ausgeführt; nach Wahl des Experimentators - durch das im Block der Steueraktionen eingebettete Programm oder, falls gewünscht, diese Wahl manuell bei jedem Zyklus durch Eingabe neuer Anfangsbedingungen auf der Grundlage des aktuellen Zustands, der mit der Anzeigeeinheit bestimmt wird, durchzuführen.

Das Funktionsprogramm bestimmt die Parameter der technologischen Einheit bei jedem Zyklus in Abhängigkeit von den angegebenen Anfangsbedingungen - den Eigenschaften der Rohstoffe, dem angegebenen Modus, den Eigenschaften und den Betriebsbedingungen der Einheit. Aus dem Modell des technologischen Teils können die Verhältnisse der Gewichts- und Volumenbilanz programmgesteuert hinzugefügt werden.

Die Koordination und das Zusammenspiel aller Bausteine ​​und Programme übernimmt das Dispatcher-Programm.

Bei der Modellierung diskreter Prozesse, bei denen üblicherweise das Prinzip der Sonderzustände verwendet wird, ändert sich die Struktur des Simulationsmodells unwesentlich. Anstelle des Zeitintervallsensors wird ein Block eingeführt, der das Vorhandensein eines besonderen Zustands feststellt und einen Befehl ausgibt, zum nächsten zu gehen. Das Funktionsprogramm simuliert an jedem Arbeitsplatz bei jedem Übergang eine Operation. Die Eigenschaften solcher Operationen können zeitlich deterministisch sein, zum Beispiel wenn eine Werkzeugmaschine in Betrieb ist, oder zufällig mit gegebene Verteilungen... Neben der Zeit können auch andere Merkmale nachgeahmt werden - das Vorhandensein oder Fehlen einer Ehe, die Zuordnung zu einer bestimmten Sorte oder Klasse usw. Montagevorgänge werden auf ähnliche Weise simuliert, mit dem Unterschied, dass sich bei jedem Vorgang nicht die Eigenschaften des zu bearbeitenden Materials ändern, sondern anstelle einiger Namen - Teile, Knoten - andere erscheinen - Knoten, Produkte - mit neuen Eigenschaften. Grundsätzlich werden Montagevorgänge jedoch ähnlich wie Bearbeitungsvorgänge simuliert – es werden zufällige oder deterministische Zeitaufwendungen für einen Vorgang, Werte von physikalischen und fertigungstechnischen Eigenschaften ermittelt.

Komplexe simulieren Produktionssysteme es ist erforderlich, ein logisch-mathematisches Modell des zu untersuchenden Systems zu erstellen, das es ermöglicht, Experimente damit auf einem Computer durchzuführen. Das Modell wird als ein Komplex von Programmen implementiert, die in einer der universellen Programmiersprachen geschrieben sind hohes Level oder in einer speziellen Modellierungssprache. Mit der Entwicklung der Simulation sind Systeme und Sprachen erschienen, die die Fähigkeiten der Simulation sowohl kontinuierlicher als auch diskreter Systeme vereinen, wodurch es möglich ist, komplexe Systeme wie Unternehmen und Industrieverbände zu simulieren.

Beim Erstellen eines Modells sollten Sie zunächst seinen Zweck bestimmen. Das Modell sollte alle aus Sicht des Konstruktionszwecks wesentlichen Funktionen des modellierten Objekts widerspiegeln und gleichzeitig nichts Überflüssiges enthalten, sonst wird es zu umständlich und wenig effektiv.

Der Hauptzweck der Modelle von Unternehmen und Verbänden besteht darin, sie mit dem Ziel zu untersuchen, das Managementsystem oder die Aus- und Weiterbildung zu verbessern. Personalmanagement... Dabei wird nicht die Produktion selbst modelliert, sondern die Darstellung des Produktionsprozesses in der Steuerung.

Ein vergrößertes SIWS wird verwendet, um das Modell aufzubauen. Die Single-Thread-Methode identifiziert diejenigen Funktionen und Aufgaben, durch die das gewünschte Ergebnis gemäß dem Zweck des Modells erzielt werden kann. Basierend auf der logisch-funktionalen Analyse wird ein Strukturdiagramm des Modells erstellt. Durch die Erstellung eines Strukturdiagramms können Sie eine Reihe von unabhängigen Modellen auswählen, die im Formular enthalten sind Komponenten in das Unternehmensmodell ein. In Abb. 3 zeigt ein Beispiel für die Erstellung eines Strukturdiagramms zum Modellieren der finanziellen und wirtschaftlichen Indikatoren eines Unternehmens. Das Modell berücksichtigt beides externe Faktoren- Nachfrage nach Produkten, Lieferplan und interne - Produktionskosten, vorhandene und geplante Produktionskapazitäten.

Einige der Modelle sind deterministisch - die Berechnung der geplanten Gesamteinnahmen für Artikel und Mengen gemäß Produktionsplan zu bekannten Preisen und Verpackungskosten. Das Produktionsplanmodell ist ein Optimierungsmodell, das auf eines der mögliche Kriterien- Maximierung des Einkommens oder der Nutzung von Produktionsanlagen; die vollständigste Befriedigung der Nachfrage; Minimierung von Verlusten an gelieferten Materialien und Komponenten usw. Die Modelle der Nachfrage nach Produkten, geplanten Produktionskapazitäten und Lieferplänen sind wiederum mit unterschiedlichen Vertriebsgesetzen wahrscheinlich.

Die Beziehung zwischen den Modellen, die Koordination ihrer Arbeit und die Kommunikation mit den Benutzern erfolgt über ein spezielles Programm, das in Abb. 3 ist nicht dargestellt. Die effektive Arbeit der Benutzer mit dem Modell wird im Dialogmodus erreicht.

Die Konstruktion des Strukturdiagramms des Modells ist nicht formalisiert und hängt weitgehend von der Erfahrung und Intuition seines Entwicklers ab. Hier gilt es zu beachten allgemeine Regel- Es ist besser, in den ersten Schritten der Diagrammerstellung eine größere Anzahl von Elementen aufzunehmen, die dann schrittweise reduziert werden, als mit einigen scheinbar grundlegenden Blöcken zu beginnen, um diese später zu ergänzen und zu detaillieren.

Nachdem das Schema erstellt, mit dem Kunden besprochen und angepasst wurde, geht es an den Bau individueller Modelle. Die dazu notwendigen Informationen sind in den Systemspezifikationen enthalten - eine Auflistung und Ausprägung von Aufgaben, die zu ihrer Lösung notwendigen Ausgangsdaten und Ausgabeergebnisse usw. Falls die Systemspezifikationen nicht erstellt wurden, werden diese Informationen den Erhebungsunterlagen entnommen , und manchmal greifen sie auf zusätzliche Umfragen zurück.

Die wichtigsten Voraussetzungen für den effektiven Einsatz von Modellen sind die Überprüfung ihrer Angemessenheit und der Verlässlichkeit der Ausgangsdaten. Wenn die Überprüfung der Angemessenheit durchgeführt wird bekannte Methoden, dann weist die Zuverlässigkeit einige Besonderheiten auf. Sie bestehen darin, dass es in vielen Fällen besser ist, das Modell zu studieren und nicht mit echten Daten, sondern mit einem speziell vorbereiteten Satz davon zu arbeiten. Bei der Vorbereitung eines Datensatzes orientieren sie sich am Verwendungszweck des Modells und heben die Situation hervor, die sie modellieren und untersuchen möchten.

Simulationstechnologien basieren auf der Konstruktion verschiedener Beispiele realer Systeme, die dem fachlichen Kontext einer bestimmten Situation entsprechen. Simulationsmodelle werden anforderungsgerecht erstellt von diesem Moment, in die Arbeit, in die das geschulte Subjekt eintaucht. Die in den Methoden vorhandene Nachahmung und Nachahmungsspielmodellierung geht einher mit der Reproduktion hinreichend adäquater in der Realität ablaufender Prozesse. Somit ermöglicht die Ausbildung trotz der quasi Professionelle Aktivität.

Rollen

Im Lernprozess wird von Spielverfahren ausgegangen, die gebaute Simulationsmodelle bieten, wodurch auch die Rollenverteilung gegeben ist: Schüler kommunizieren untereinander und mit der Lehrkraft, imitieren berufliche Tätigkeiten. Daher werden Simulationstechnologien in zwei Teile unterteilt – Spiel und Nicht-Spiel, und die Analyse der vorgeschlagenen Situation hilft, die Art der Analyse zu bestimmen. Dazu ist es notwendig, das System der äußeren Bedingungen zu klären, die den Beginn aktiver Handlungen auslösen. Das heißt, alle Probleme, Phänomene, miteinander verbundenen Tatsachen, die die Situation charakterisieren, müssen Simulationsmodelle berücksichtigen.

Ein bestimmtes Ereignis oder ein bestimmter Zeitraum der Tätigkeit der Organisation erfordert vom Leiter angemessene Anordnungen, Entscheidungen und Handlungen. Die Methodik zur Analyse der Untersuchung spezifischer Situationen ist eine detaillierte und eingehende Untersuchung einer realen oder künstlich geschaffenen Situation, bei der charakteristische Eigenschaften identifiziert werden. Dies trägt dazu bei, die Auszubildenden auf der Suche nach einem systematischen Lösungsansatz zu entwickeln, Optionen für Fehlentscheidungen aufzuzeigen und die Kriterien für optimale Lösungen zu analysieren. So werden professionelle Geschäftskontakte geknüpft, Entscheidungen gemeinsam getroffen, Konflikte beseitigt.

Situationen

Situationen unterscheiden sich in vier Typen: Zuerst wird die Situation des Problems betrachtet, wobei die Auszubildenden die Ursachen des Auftretens finden, das Problem stellen und lösen müssen, dann wird die Situation basierend auf den getroffenen Entscheidungen bewertet. Anschließend wird eine Situation konstruiert, die alle Themen dieses Kurses mit Beispielen illustriert, außerdem werden die soeben gelösten Probleme zugrunde gelegt und das Thema wird durch eine Übungssituation abgerundet, in der Simulationsmodelle einfache Probleme lösen durch die Methode der Analogie sind dies die sogenannten Bildungssituationen.

Spezifische Arten von Situationen sind unterschiedlich: Dies sind sowohl klassische als auch Live-Situationen, eine Ereignissituation, eine Situation mit dem Parsen von Geschäftskorrespondenz sowie Handlungen nach Anweisungen. Die Wahl wird von vielen Faktoren bestimmt: Studienziel, Ausbildungsstand, Verfügbarkeit von technischen Mitteln und Anschauungsmaterial – alles hängt vom individuellen Stil der Lehrenden ab, deren Kreativität auch im Unterricht nicht durch strenge Regelungen eingeschränkt wird Sortenwahl oder in den Analysemethoden. Hier sind die ersten Schritte bei der Entwicklung von Simulationsmodellen.

Praktische Aufgaben

In der Praxis lassen sich die Ideen des kontextuellen Ansatzes am besten verkörpern, da sie aus konkreten und realen Lebenssituationen: Fall, Historie, die das Simulationsmodell enthält, ein Beispiel für eine Beschreibung von stattgefundenen oder durchaus möglichen Ereignissen, endete in Fehlern bei der Lösung von Produktionsproblemen. Die Herausforderung besteht darin, diese Fehler bei der Anwendung der Ideen und Konzepte dieses Kurses zu identifizieren und zu analysieren.

Diese Art der Berufsausbildung ist im Vergleich zur rein theoretisch betrachteten Einzelfragestellung durchaus realistisch und effektiv. Die Ausrichtung des situativen Lernens ist so, dass Fähigkeiten und Wissen nicht als Fach vermittelt werden, sondern als Mittel zur Lösung aller Arten von Problemen, die in der Tätigkeit einer Fachkraft auftreten. Bildungssituationen bauen auf echten professionellen Produktionsfragmenten auf und berücksichtigen alle zwischenmenschliche Beziehungen, die für den erfolgreichen Betrieb des Unternehmens äußerst wichtig ist. Die Auszubildenden erhalten den Rahmen und den Kontext ihrer zukünftigen beruflichen Tätigkeit.

Auswahl an Situationen

Dies ist eine der schwierigsten Lehraufgaben. Eine beispielhafte Studiensituation erfüllt in der Regel folgende Voraussetzungen:

1. Das Drehbuch basiert auf der Realität oder ist dem Leben entnommen. Dies bedeutet nicht, dass ein Produktionsfragment mit zahlreichen Details und technologischen Feinheiten präsentiert werden muss, die den Studenten von der Lösung des Hauptproblems ablenken. Auch hier ist Industriejargon unpassend.
2. Die Bildungssituation sollte nicht mehr als fünf bis sieben Punkte enthalten, die von Studierenden mit Begriffen kommentiert werden, die dem untersuchten Konzept entsprechen. Ein Simulationsmodell, für das ein Beispiel schwer zu lösen ist, wird die Schüler wahrscheinlich nicht schnell lehren.
3. Aber auch die Bildungssituation sollte frei von Primitivität sein: Neben fünf oder sieben Problempunkten, die untersucht werden, müssen zwei oder drei Verknüpfungen im Text vorhanden sein. Normalerweise werden Probleme im Leben nicht in separaten Regalen für eine konsistente Lösung angeordnet. Berufliche Probleme sind in der Regel mit sozialen oder psychischen Problemen verbunden. In der Lehre ist es besonders wichtig, die Ideen des Studiengangs anzuwenden.

Text zur Studiensituation

Zum Beispiel Vertriebsleiter bei der Firma Lotus Flower, die sich auf Hygieneartikel, Kosmetik und Parfüms spezialisiert hat. Sie kam im Zusammenhang mit der Beförderung vor sechs Monaten an diesen Ort. In zehn Tagen findet ein Gespräch mit der Geschäftsführerin über die Ergebnisse ihrer Arbeit statt.

Zuvor war Irina zwei Jahre lang erfolgreich in einem eigenen Unternehmensbereich tätig, verkaufte zum Beispiel Hygieneartikel, und es gefiel ihr sehr gut. Sie war respektiert, beliebt bei Verkäufern und gewann viele treue Kunden.

Entwicklung der Situation

Sie freute sich natürlich über die Beförderung und begann mit Begeisterung in ihrer neuen Position zu arbeiten. Aus irgendeinem Grund lief es jedoch nicht gut. Sie hatte keine Zeit, im Büro zu arbeiten, weil sie fast die ganze Zeit in der Halle war und die Aktionen der Verkäufer beobachtete. Ich musste sogar Arbeit mit nach Hause nehmen. Und trotzdem hatte sie keine Zeit, etwas zu tun: Die Aufforderung der Behörden, Ideen für den Ausstellungsverkauf vorzubereiten, wurde am letzten Tag erfüllt, weil vorher nichts Interessantes erfunden wurde, Kreativität ist keine so einfache Sache. Die kranke Schreibkraft konnte keine Papiere mit Irinas Ideen nachdrucken. Infolgedessen erledigte Irina die Aufgabe nicht bis zum von ihren Vorgesetzten festgelegten Datum. In diesem Moment würden ihr Simulationsmodelle des Lernens am meisten helfen.

Danach ging alles schief. Nachdem sie einige Zeit mit einem Stammkunden gesprochen hatte, dachte Irina nicht an die Rede, als ihre Kollegin das Zertifikat feierlich entgegennahm, kam sie sogar zu spät zur Zeremonie. Dann verließen ihre Untergebenen mehrmals ohne Vorwarnung ihre Arbeitsplätze. Die Personalabteilung erinnerte sie immer wieder an die Notwendigkeit, ein Schulungsprogramm für die Anwendung medizinischer Kosmetik zu erstellen, aber mit der Lehrerin des medizinischen Instituts konnte Irina keinen Kontakt aufnehmen. Sogar Junior-Verkäufer kamen immer zu spät, um Senior-Verkäufer zu vertreten. Und doch hat Irina den Quartalsbericht mit der Sortimentsprognose nicht erstellt. Und sie reagierte nicht einmal auf mehrere Briefe von Kunden, die die Ware per Post erhalten wollten. Und wie das i-Tüpfelchen - ein kürzlicher Streit mit einem ihrer zuvor hoch angesehenen Verkäufer über Preisschilder. Es stellt sich heraus, dass es nicht einfach ist, ein guter Manager zu sein.

Analyse der Situation

Das Simulationsmodell liest zunächst die Situation. Hier ist das folgende Bild von sechs Punkten mit Unterabsätzen.

1. Im neuen Job gab es einige Veränderungen. Was sind ihre einschränkenden und motivierenden Kräfte?
2. Vor der Änderung - das Vorhandensein von Selbstwertgefühl und Kenntnis des Verkaufsmechanismus.
3. Motivation im Wunsch erfolgreich zu sein, aber auch die Fähigkeit zu verkaufen, ist ein Rollenkonflikt.
4. Der Führungsstil ist die vollständige Unfähigkeit, einen Teil der Befugnisse an Untergebene zu delegieren. Kollisionen mit Untergebenen lassen sich nicht vermeiden.
5. In einer neuen Rolle: Sie hat die Spezifika der Position, die Größe des Arbeitspensums nicht bestimmt, ein einfaches Problem mit dem Nachdruck nicht gelöst, spart Planung und Kontrolle, lässt Untergebene nicht zur Arbeit erscheinen, stört den Schulungsplan des Personals, weiß nicht, wie sie ihre Zeit einteilen und priorisieren soll, verliert an Kreativität - es gibt keine neuen Ideen ...
6. Führungsstil des anvertrauten Personals: lässt vertikale Konflikte zu, mischt sich in die Angelegenheiten von Untergebenen ein, nicht selbstbewusst, führt ohne Hilfe des Managements.

Probleme erkennen

Der Aufbau von Simulationsmodellen beinhaltet den zweiten Schritt, um aufkommende Probleme für deren konsistente Lösung zu identifizieren. Hier müssen Sie die gleichen Punkte unter Berücksichtigung der durchgeführten Analyse befolgen, die Situation jedoch mit einem anderen Ziel betrachten.

1. Veränderungen: Gibt es Möglichkeiten, Veränderungen zu managen und was, wie man den Widerstand gegen die eingetretenen Veränderungen verringert.
2. Führungsstile: Warum der von Irina gewählte Stil nicht erfolgreich ist und für welchen es besser ist, ihn abzulehnen.
3. Motivation: Was sagt die Managementtheorie über Anreize für Irina und Verkäufer.
4. Spezifität der Arbeitsziele: kennt Irina alle Details bezüglich neue Arbeit, was waren die Ziele und wie hätten sie erreicht werden sollen.
5. Planung und Kontrolle: Hat Irina ihre Handlungen als Manager geplant, wurden sie kontrolliert?
6. Konflikt: Was ist der Grund und das Problem des aufgetretenen Konflikts und wie war es möglich, ihn zu bewältigen.

Thematische Links

Die Verwendung von Nachahmungsmodellen hilft, eine Situation von der Entstehung (Motive) über die Motive ihres Beginns bis zum Übergang zu einer neuen Qualität aufzubauen. Was es sein wird, hängt davon ab, wie die Analyse durchgeführt wird und welche Schlussfolgerungen daraus gezogen werden. Keine Situation ist vollständig, ohne Themen zu verbinden. In den meisten Fällen bilden Simulationsmodelle die Realität nicht in allen Aspekten ab, aber mehrere solcher Bündel müssen im Spiel vorhanden sein. Hier sind sie wie folgt.

1. Irina sah keinen Unterschied in der Arbeit eines Managers und eines Verkäufers.
2. Irina war auf ihre neue Position schlecht vorbereitet.
3. Irina hat keine grundlegenden Managementkenntnisse.

Entwicklung von Verbindungsmotiven

Was ist möglich und was muss bei den verbindenden Themen getan werden?

1. Zunächst ist die Übermittlung von Informationen erforderlich. Irinas Vorgesetzte sind verpflichtet, ihr unmittelbar nach der Ernennung konkrete Arbeitsanforderungen vorzulegen. Irina muss ihre Untergebenen über ihren Führungsstil bei der Arbeit informieren.
2. Zweitens muss Irina in den Grundlagen des Managements, ihren Untergebenen - in Verkaufsmethoden - geschult werden, und natürlich müssen Irina und ihre Untergebenen im zwischenmenschlichen Umgang geschult werden.
3. Drittens ist es notwendig, die funktionalen Verantwortlichkeiten von Irina als Managerin und die Aktivitäten der gesamten Abteilung als Ganzes klar zu planen.
4. Viertens muss es ein richtiges Personalmanagement geben: Irina braucht Hilfe bei der Definition von Zielen und Prioritäten, sowohl kurzfristig als auch langfristig, dh es ist sinnvoll, dass die Personalabteilung die berufliche Entwicklung der Mitarbeiter plant, an denen das Unternehmen interessiert ist.

Dieses ganze Thema bezieht sich direkt nur auf die Übermittlung von Informationen.

Wenn das Spiel dazu kommt, die Ergebnisse und Schlussfolgerungen zusammenzufassen, wird klar, was Simulationsmodelle sind und wie sie nützlich sind. Praktisch jeder hat sehr genaue und konkrete Schlussfolgerungen gezogen, weil die Situation bis ins kleinste Detail analysiert wurde.

• Zunächst muss der Vorgesetzte mit seinen Vorgesetzten die Besonderheiten der Arbeit abstimmen und die Ergebnisse an seine Untergebenen übermitteln.
• Zweitens müssen der Führungskraft alle Prioritäten und Ziele klar sein und auch den übrigen Mitarbeitern erklärt werden.

Irina muss die Managementtechnik beherrschen, um ihre eigene Zeit zu verwalten, zu kontrollieren und zu planen, Menschen und Konflikte zu managen, neue Informationen im Team zu verbreiten und zu entwickeln.

Irina muss sich in der Personalabteilung ausführlich über die Schulungsabläufe sowie über die Weiterbildung der Mitarbeiter informieren, um diese möglichst korrekt anzuwenden. Sie muss sie verbessern professionelles Niveau selbstständig machen und in Zukunft ein Studium absolvieren. Sie können eine unvorbereitete Person mit diesen Empfehlungen erschrecken, daher müssen Sie sie sofort in drei Abschnitte unterteilen: sofortige Umsetzung, Empfehlungen von mittlerer Dringlichkeit und der letzte Punkt ist eindeutig langfristig. Für Irina und ihre Vorgesetzten ist es sinnvoll, die Gründe für die Misserfolge zu besprechen und alles zu tun, damit sie sich nicht wiederholen.

Nachdem jeder Schüler auf diese Weise eine künstlich konstruierte Situation analysiert hat, wird er verstehen, was Nachahmungsmodelle sind.

Wirtschaftsentwicklungsmodelle

Die sozioökonomische Entwicklung hat verschiedene Nachahmungsmodelle. Dies erforderte einen eigenen Namen, um den Anwendungsbereich dieser oder jener situativen Kunstkonstruktion konkret zu kennen. Dynamische Simulationsmodelle wurden speziell entwickelt, um die Leistungsfähigkeit von Wirtschaftssystemen vorherzusagen. Der Titel betont, dass die Dynamik am stärksten ist Hauptmerkmal solche Konstruktionen und basieren auf den Prinzipien der Systemdynamik.

Die Bauphasen haben folgenden Handlungsablauf: Zuerst wird ein Schema der kognitiven Strukturierung erstellt, dann werden statistische Daten ausgewählt und das Schema verfeinert. Nächster Schritt- werden dort gebildet, wo kognitive Zusammenhänge beschrieben werden, dann wird das IDM als Ganzes zusammengesetzt. Es findet ein Debugging und eine Verifikation des Modells statt, und schließlich werden multivariate Berechnungen, einschließlich prädiktiver, durchgeführt.

Skripting-Methode

Eine Szenarioanalyse, also ein Simulationsmodell eines konkreten Projekts, wird benötigt, um die Gefahren auf dem Weg der Projektentwicklung und deren Bewältigung zu berechnen. Die risikobedrohenden Investitionen können sich wider Erwarten in der Abweichung des für dieses Projekt vorgesehenen Cashflows ausdrücken, und je größer die Abweichung, desto stärker steigt das Risiko. Jedes Projekt zeigt eine mögliche Bandbreite von Projektergebnissen auf, daher ist es durch eine probabilistische Bewertung möglich, die Geldströme unter Berücksichtigung von Expertenschätzungen der probabilistischen Generationen all dieser Ströme oder des Ausmaßes der Abweichungen aller Komponenten zu schätzen des Flusses aus den Erwartungswerten.

Gut, weil auf der Grundlage solcher Gutachten Es lassen sich mindestens drei mögliche Entwicklungssituationen konstruieren: pessimistisch, die realste (wahrscheinlichste) und optimistischste. Simulationsmodelle sind der einzige Unterschied zur Realität – nicht das System selbst erzeugt die Aktion, sondern sein Modell. Simulationsmodelle von Systemen helfen in Fällen, in denen die Durchführung von realen Experimenten zumindest unzumutbar und höchstens kostspielig und gefährlich ist. Simulation ist eine Möglichkeit, Systeme ohne das geringste Risiko zu erkunden. So ist es beispielsweise praktisch nicht praktikabel, das Risiko von Investitionsprojekten ohne Simulationen zu bewerten, bei denen nur Prognosedaten zu Kosten, Absatzmengen, Preisen und anderen risikobestimmenden Komponenten verwendet werden.

Die Finanzanalyse

Modelle, mit denen viele der Herausforderungen gelöst wurden Finanzanalyse, enthalten Zufallsvariablen, die von Entscheidungsträgern nicht kontrolliert werden können. Dies sind stochastische Simulationsmodelle. Durch Simulation können Sie mögliche Ergebnisse ableiten, die als Grundlage für die Wahrscheinlichkeitsverteilungen von Zufallsvariablen dienen. Die stochastische Simulation wird auch oft als Monte-Carlo-Methode bezeichnet.

Wie werden die Risiken von Investitionsprojekten modelliert? Es wird eine Reihe zahlreicher Experimente durchgeführt, die rein empirisch den Einfluss verschiedener Faktoren (also der Anfangswerte) auf die Ergebnisse ganz und gar abhängig von diesen bewerten. Ein Simulationsexperiment wird normalerweise in bestimmte Phasen unterteilt.

Die Beziehung zwischen Anfangs- und Endindikator in Form einer mathematischen Ungleichung oder einer Gleichung herzustellen, ist der erste Schritt auf dem Weg des Experiments. Dann müssen Sie der Maschine die Gesetze geben, die die Wahrscheinlichkeiten für die Schlüsselparameter verteilen. Als nächstes wird eine Computersimulation aller Werte der Hauptparameter des Modells durchgeführt, die Eigenschaften der Verteilungen der Anfangs- und Endindikatoren werden berechnet. Schließlich wird die Analyse der vom Computer selbst erzeugten Ergebnisse durchgeführt und eine Entscheidung getroffen.