Grundlegende Methoden der Simulation. Simulationsmodelle

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, es treten Schwierigkeiten bei der hinreichend genauen Bestimmung des Angemessenheitsgrades des modellierten Prozesses auf. 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.

Entwicklung eines Simulationsmodells und Durchführung von Simulationsexperimenten in Allgemeiner Fall kann in Form mehrerer Hauptstufen dargestellt werden, die in Abb. 1.

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 Systeme widerspiegelt Außenumgebung als Eingangssignale. 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. Bei der diskreten Fertigung kann auch der Eigenschaftswechsel zwischen Sonderzuständen als diskret bezeichnet werden, also der Übergang durch einen bedingten Sprung vom Ausgangsmaterial zum Werkstück, vom Werkstück zum Halbzeug, vom Halbzeug zum Werkstück Teil usw.

Somit wird jeder Produktionsvorgang als ein Operator betrachtet, der den Wert der Produkteigenschaften ändert. Zum einfache Modelle die Folge von Zuständen kann 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, beispielsweise wenn eine Werkzeugmaschine in Betrieb ist, oder bei gegebenen Verteilungen zufällig. 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 einige 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 höheren Programmiersprachen oder in einer speziellen Modellierungssprache geschrieben sind. Mit Entwicklung Simulation Es erschienen Systeme und Sprachen, die die Fähigkeiten zur 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. Gebäude Strukturdiagramm ermöglicht Ihnen die Auswahl einer Reihe von unabhängigen Modellen, 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 sowohl externe Faktoren – Produktnachfrage, Lieferplan, als auch 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 Produktionsstätten; 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. Effektives Arbeiten 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 die ersten Phasen der Erstellung des Schemas einzubeziehen mehr Elemente mit ihrer anschließenden schrittweisen Reduzierung, als mit einigen scheinbar elementaren Blöcken zu beginnen, um diese anschließend 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 effektiver Einsatz Modelle prüfen ihre Angemessenheit und die 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 müssen Sie das System klären äußere Bedingungen, die zum Starten aktiver Aktionen auffordern. 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, die Kriterien für optimale Lösungen... So werden professionelle Geschäftskontakte geknüpft, Entscheidungen gemeinsam getroffen, Konflikte beseitigt.

Situationen

Situationen unterscheiden sich in vier Typen: Zuerst wird die Situation des Problems betrachtet, in der die Auszubildenden die Gründe für das Auftreten finden, das Problem stellen und lösen müssen, dann wird die Situation bewertet durch getroffene Entscheidungen... 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: den Zielen des Studiums, dem Ausbildungsstand, der Verfügbarkeit technische Mittel und Anschauungsmaterial - alles hängt vom individuellen Stil des Lehrers ab, dessen Kreativität sich weder bei der Sortenwahl noch bei den Analysemethoden auf eine strenge Regulierung beschränkt. 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.

So ein Plan Berufsausbildung durchaus realistisch und effektiv im Vergleich zur rein theoretisch betrachteten Einzelfragestellung. 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:

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.
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.
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 hat sich Irina zwei Jahre lang in separater Abschnitt die Firma 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.

Im neuen Job gab es einige Veränderungen. Was sind ihre einschränkenden und motivierenden Kräfte?
Vor der Änderung - das Vorhandensein von Selbstwertgefühl und Kenntnis des Verkaufsmechanismus.
Motivation im Wunsch erfolgreich zu sein, aber auch die Fähigkeit zu verkaufen, ist ein Rollenkonflikt.
Der Führungsstil ist die vollständige Unfähigkeit, einen Teil der Befugnisse an Untergebene zu delegieren. Kollisionen mit Untergebenen lassen sich nicht vermeiden.
In einer neuen Rolle: hat die Spezifika der Position nicht bestimmt, Größe des Arbeitspensums, hat sich nicht entschieden einfaches Problem mit Nachdrucken, spart Planung und Kontrolle, lässt Untergebene nicht zur Arbeit erscheinen, stört den Schulungsplan der Mitarbeiter, weiß nicht, wie er seine Zeit einteilen und priorisieren soll, verliert an Kreativität - es gibt keine neuen Ideen.
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.

Veränderungen: Gibt es Möglichkeiten, Veränderungen zu managen und was, wie man den Widerstand gegen die eingetretenen Veränderungen verringert.
Führungsstile: Warum der von Irina gewählte Stil nicht erfolgreich ist und für welchen es besser ist, ihn abzulehnen.
Motivation: Was sagt die Managementtheorie über Anreize für Irina und Verkäufer.
Spezifität der Arbeitsziele: Kennt Irina alle Details des neuen Jobs, was die Ziele waren und wie sie hätten erreicht werden sollen?
Planung und Kontrolle: Hat Irina ihre Handlungen als Manager geplant, wurden sie kontrolliert?
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.

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

Entwicklung von Verbindungsmotiven

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

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.
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.
Drittens ist es notwendig, die funktionalen Verantwortlichkeiten von Irina als Managerin und die Aktivitäten der gesamten Abteilung als Ganzes klar zu planen.
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 Managementtechniken im Management beherrschen eigene Zeit, bei der Kontrolle und Planung, bei der Führung von Personen und Konflikten, bei der Verbreitung neuer Informationen im Team und bei deren Entwicklung.

Irina muss sich in der Personalabteilung ausführlich über die Schulungsabläufe sowie über die Weiterbildung der Mitarbeiter informieren, um diese möglichst korrekt anzuwenden. Sie wird ihr berufliches Niveau selbst verbessern müssen und in Zukunft ihr 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 Leistung vorherzusagen ökonomische Systeme... 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. Das Anlagerisiko kann in einer Abweichung ausgedrückt werden Bargeldumlauf wider Erwarten für dieses Projekt vorgesehen und je größer die Abweichung, desto mehr 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.

Das Gute ist, dass auf Basis solcher Experteneinschätzungen mindestens drei mögliche Entwicklungssituationen konstruiert werden können: pessimistisch, die realste (wahrscheinlichste) und optimistische. 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. Praktisch undurchführbar, zum Beispiel ohne Nachahmungen zur Einschätzung des Risikos Investitionsprojekte wobei nur Prognosedaten zu Kosten, Absatzmengen, Preisen und anderen risikobestimmenden Komponenten verwendet werden.

Die Finanzanalyse

Die zur Lösung vieler Probleme der Finanzanalyse verwendeten Modelle enthalten Zufallsvariablen, die von Entscheidungsträgern nicht kontrolliert werden können. Dies sind stochastische Simulationsmodelle. Mithilfe der Simulation können Sie mögliche Ergebnisse ableiten, die auf Wahrscheinlichkeitsverteilungen basieren zufällige Variablen... 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.

Simulationsmodellierung.

Das Konzept eines Simulationsmodells.

Ansätze zum Erstellen von Simulationsmodellen.

Nach der Definition des Akademiemitglieds V. Maslov: „Imitation Modeling besteht in erster Linie in der Konstruktion eines mentalen Modells (Simulator), das Objekte und Prozesse (zum Beispiel Maschinen und ihre Arbeit) nach den notwendigen (aber unvollständigen) Indikatoren simuliert: für B. in Bezug auf Betriebszeit, Intensität, wirtschaftliche Kosten, Standort im Laden usw. Es ist die Unvollständigkeit der Beschreibung des Objekts, die das Simulationsmodell grundlegend von dem mathematischen im herkömmlichen Sinne unterscheidet. Dann werden im Dialog mit einem Computer eine Vielzahl möglicher Optionen aufgezählt und innerhalb eines bestimmten Zeitrahmens die aus Sicht eines Ingenieurs akzeptablen Lösungen ausgewählt. Gleichzeitig wird die Intuition und Erfahrung eines Ingenieurs genutzt, der eine Entscheidung trifft, der die schwierigste Situation in der Produktion versteht.“

Bei der Untersuchung solch komplexer Objekte lässt sich im streng mathematischen Sinne gar keine optimale Lösung finden. Aber Sie können in relativ kurzer Zeit eine akzeptable Lösung erhalten. Das Simulationsmodell enthält heuristische Elemente und verwendet manchmal ungenaue und widersprüchliche Informationen. Dies macht die Simulation näher an wahres Leben und zugänglicher für Benutzer - Ingenieure in der Industrie. Im Dialog mit Computern erweitern Spezialisten ihre Erfahrungen, entwickeln die Intuition und übertragen diese wiederum auf das Simulationsmodell.

Bisher haben wir viel über kontinuierliche Objekte gesprochen, aber wir haben es oft mit Objekten zu tun, die diskrete Eingabe- und Ausgabevariablen haben. Als Beispiel für die Analyse des Verhaltens eines solchen Objekts anhand eines Simulationsmodells sei das heute klassische „Problem eines betrunkenen Passanten“ oder das Problem eines Random Walks betrachtet.

Angenommen, ein Passant steht an einer Straßenecke und beschließt, einen Spaziergang zu machen, um den Hopfen zu verteilen. Die Wahrscheinlichkeiten, dass er, nachdem er die nächste Kreuzung erreicht hat, nach Norden, Süden, Osten oder Westen gehen wird, sind gleich. Wie groß ist die Wahrscheinlichkeit, dass ein Passant nach 10 Blocks nicht weiter als zwei Blocks von der Stelle entfernt ist, an der er seinen Spaziergang begonnen hat?

Wir bezeichnen seine Lage an jedem Schnittpunkt mit einem zweidimensionalen Vektor

(X1, X2) ("Ausgang"), wobei

Jede Bewegung um einen Block nach Osten entspricht einem X1-Inkrement von 1 und jede Bewegung um einen Block nach Westen entspricht einer Verringerung von X1 um 1 (X1, X2 ist eine diskrete Variable). Ebenso nimmt die Bewegung eines Passanten einen Block nördlich von X2 um 1 zu und ein Block südlich von X2 um 1 ab.

Wenn wir nun die Anfangsposition (0,0) angeben, wissen wir genau, wo sich der Passant relativ zu dieser Anfangsposition befindet.

Wenn am Ende des Spaziergangs die Summe der Absolutwerte von X1 und X2 mehr als 2 beträgt, gehen wir davon aus, dass er am Ende des Spaziergangs mit einer Länge von 10 Blöcken über zwei Blöcke hinausgegangen ist.

Da die Bewegungswahrscheinlichkeit unseres Passanten in eine der vier möglichen Richtungen gemäß der Bedingung gleich 0,25 (1: 4 = 0,25) ist, können wir seine Bewegung anhand der Tabelle abschätzen zufällige Zahlen... Lassen Sie uns vereinbaren, dass, wenn die Zufallszahl (NR) im Bereich von 0 bis 24 liegt, der Betrunkene nach Osten geht und wir X1 um 1 erhöhen; wenn von 25 auf 49, dann geht es nach Westen, und wir werden X1 um 1 verringern; wenn es von 50 bis 74 ist, wird es nach Norden gehen, und wir werden X2 um 1 erhöhen; liegt der Mittelton im Bereich von 74 bis 99, dann geht der Passant nach Süden, und wir verringern X2 um 1.

Schema (a) und Algorithmus (b) der Bewegung "betrunkener Passant".

a) b)

Um ein verlässliches Ergebnis zu erhalten, ist es notwendig, eine ausreichend große Anzahl von „Maschinenversuchen“ durchzuführen. Es ist jedoch praktisch unmöglich, ein solches Problem mit anderen Methoden zu lösen.

In der Literatur findet sich das Simulationsverfahren auch unter den Bezeichnungen digitales, maschinelles, statistisches, probabilistisches, dynamisches Modellierungsverfahren oder maschinelles Simulationsverfahren.

Die Simulationsmethode kann als eine Art experimentelle Methode angesehen werden. Der Unterschied zu einem herkömmlichen Experiment liegt darin, dass der Versuchsgegenstand ein in Form eines Computerprogramms implementiertes Simulationsmodell ist.

Mit einem Simulationsmodell ist es unmöglich, analytische Beziehungen zwischen Größen zu erhalten.

Sie können die experimentellen Daten auf eine bestimmte Weise verarbeiten und die entsprechenden mathematischen Ausdrücke auswählen.

Beim Erstellen von Simulationsmodellen, derzeit verwendet zwei sich nähern: diskret und kontinuierlich.

Die Wahl des Ansatzes wird weitgehend von den Eigenschaften des ursprünglichen Objekts und der Art der Einwirkung der äußeren Umgebung auf dieses bestimmt.

Nach dem Kotelnikov-Theorem kann der kontinuierliche Prozess der Zustandsänderung eines Objekts jedoch als eine Folge diskreter Zustände betrachtet werden und umgekehrt.

Abstrakte Systeme werden häufig im diskreten Ansatz zur Erstellung von Simulationsmodellen verwendet.

Ein kontinuierlicher Ansatz zur Konstruktion von Simulationsmodellen wird von dem amerikanischen Wissenschaftler J. Forrester weit entwickelt. Das modellierte Objekt wird unabhängig von seiner Natur in Form eines kontinuierlichen abstrakten Systems formalisiert, zwischen dessen Elementen kontinuierliche "Ströme" der einen oder anderen Natur zirkulieren.

Durch das Nachahmungsmodell des ursprünglichen Objekts können wir also im allgemeinen Fall ein bestimmtes System verstehen, das aus getrennten Teilsystemen (Elementen, Komponenten) und Verbindungen zwischen ihnen (mit einer Struktur) und der Funktionsweise (Zustandsänderung) besteht und Die interne Veränderung aller Elemente des Modells unter der Wirkung von Verbindungen kann auf die eine oder andere Weise auf die gleiche Weise algorithmisiert werden wie die Interaktion des Systems mit der äußeren Umgebung.

Dank nicht nur mathematischer Techniken, sondern auch dank der bekannten Fähigkeiten des Computers selbst bei der Nachahmung der Modellierung der Funktionsweise und Interaktion verschiedener Elemente abstrakter Systeme - diskret und kontinuierlich, probabilistisch und deterministisch, die die Funktion der Bedienung erfüllen, Verzögerungen usw. können algorithmisiert und reproduziert werden.

In einer solchen Umgebung fungiert ein Computerprogramm (zusammen mit Dienst, Dienstprogrammen), das in einer universellen Hochsprache geschrieben ist, als Simulationsmodell eines Objekts.

Der Wissenschaftler NN Moiseev formulierte das Konzept der Simulation wie folgt: "Ein Simulationssystem ist ein Satz von Modellen, die den Verlauf des zu untersuchenden Prozesses simulieren, kombiniert mit einem speziellen System von Hilfsprogrammen und einer Informationsbasis, die es ermöglicht, Variantenrechnungen ganz einfach und schnell umsetzen."

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 stark vereinfacht komplexe Prozesse, die in algorithmischer Form recht schwer nachzuvollziehen sind.

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. Es mag manchen überraschend erscheinen, aber dank so einfacher Beispiele wurde Anfang des letzten Jahrhunderts der neueste Zweig der Mathematik, nämlich die Theorie des Schlangestehens, geboren. 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 Halten angezeigt werden können große Menge Beobachtungen. 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. Zunächst ist es notwendig, die Simulation zufälliger Prozesse zu untersuchen. 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. Tatsache ist, dass es in der modernen Welt fast unmöglich ist, 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.

Ansichten

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 am häufigsten zwei Systeme betrachtet, in denen einige Allgemeine Eigenschaften und Schnittpunkte. 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 erforderlich ist grafisches Bild Zusammenhänge und gegenseitige Beeinflussung einiger Parameter auf andere. 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.

mathematische Modelle erstellen die untersuchten Prozesse zu beschreiben;

unter Verwendung der neuesten Computer mit hoher Geschwindigkeit (Millionen von Operationen pro Sekunde) und in der Lage, mit einer Person zu kommunizieren.

Die Essenz Computersimulation besteht aus folgendem: Eine Reihe von Rechenexperimenten wird auf der Grundlage eines mathematischen Modells mit einem Computer durchgeführt, d.h. die Eigenschaften von Objekten oder Prozessen werden untersucht, ihre optimalen Parameter und Betriebsmodi gefunden und das Modell verfeinert. Wenn Sie beispielsweise eine Gleichung haben, die den Verlauf eines bestimmten Prozesses beschreibt, können Sie seine Koeffizienten, Anfangs- und Randbedingungen ändern und untersuchen, wie sich das Objekt in diesem Fall verhält. Simulationsmodelle werden am Computer durchgeführt Computerexperimente mit mathematischen Modellen, die das Verhalten realer Objekte, Prozesse oder Systeme simulieren.

Reale Prozesse und Systeme können mit zwei Arten von mathematischen Modellen untersucht werden: analytische und Simulation.

In analytischen Modellen wird das Verhalten realer Prozesse und Systeme (RPS) in Form von expliziten funktionale Abhängigkeiten(Gleichungen linearer oder nichtlinearer, differentieller oder integraler Systeme dieser Gleichungen). Diese Abhängigkeiten können jedoch nur für relativ einfache RPLs erhalten werden. Wenn die Phänomene komplex und vielfältig sind, muss der Forscher nach vereinfachten Darstellungen komplexer RRS suchen. Als Ergebnis wird das analytische Modell eine zu grobe Annäherung an die Realität. Gelingt es dennoch, analytische Modelle für komplexe RPS zu erhalten, werden sie oft zu einem schwierigen Problem. Daher ist der Forscher gezwungen, häufig zu verwenden Simulationsmodellierung.

Simulationsmodellierung ist ein numerisches Verfahren zur Durchführung von Computerexperimenten mit mathematischen Modellen, die das Verhalten von realen Objekten, Prozessen und Systemen zeitlich für einen bestimmten Zeitraum simulieren. Die Funktionsweise des RPS gliedert sich dabei in elementare Phänomene, Subsysteme und Module. Die Funktionsweise dieser elementaren Phänomene, Subsysteme und Module wird durch eine Reihe von Algorithmen beschrieben, die elementare Phänomene simulieren und gleichzeitig erhalten logische Struktur und die zeitliche Abfolge des Flusses.

Simulationsmodellierung- Dies ist eine Reihe von Methoden für das algorithmische Funktionieren von Forschungsobjekten, die Softwareimplementierung von algorithmischen Beschreibungen, die Organisation, Planung und Durchführung von Computerexperimenten mit mathematischen Modellen, die die Funktionsweise des RPS für einen bestimmten Zeitraum simulieren.

Unter Algorithmus der RPS-Funktionalität versteht man eine schrittweise Beschreibung des Betriebs all seiner funktionalen Teilsysteme einzelner Module mit einem Detaillierungsgrad, der den Anforderungen an das Modell entspricht.

"Simulationsmodellierung"(IM) ist ein Doppelbegriff. Simulation und Simulation sind synonym. Tatsächlich sind alle Bereiche der Wissenschaft und Technik Modelle realer Prozesse. Um mathematische Modelle voneinander zu unterscheiden, begannen die Forscher, ihnen zusätzliche Namen zu geben. Begriff "Simulationsmodellierung" bedeutet, dass wir es mit solchen mathematischen Modellen zu tun haben, mit deren Hilfe es unmöglich ist, das Verhalten des Systems im Voraus zu berechnen oder vorherzusagen, und das Verhalten des Systems vorherzusagen, ist es notwendig Rechenexperiment(Imitation) auf einem mathematischen Modell mit gegebenen Ausgangsdaten.

Der Hauptvorteil von IM:

die Fähigkeit, das Verhalten von Komponenten (Elementen) von Prozessen oder Systemen auf hohes Level Detaillierung;
keine Einschränkungen zwischen den Parametern des MI und dem Zustand der äußeren Umgebung des RPD;
die Möglichkeit, die Dynamik der Interaktion von Komponenten in Zeit und Raum der Parameter des Systems zu untersuchen;

Diese Vorteile bieten Nachahmungsmethode breite Verwendung.

Wenn keine vollständige Formulierung des Forschungsproblems vorliegt und ein Erkenntnisprozess des Modellierungsgegenstandes stattfindet. Simulationsmodell dient als Mittel zur Untersuchung des Phänomens.
Wenn analytische Methoden verfügbar sind, aber mathematische Verfahren komplex und zeitaufwendig sind, und Simulationsmodellierung bietet eine einfachere Möglichkeit, das Problem zu lösen.
Wenn neben der Bewertung des Einflusses von Parametern (Variablen) eines Prozesses oder einer Anlage das Verhalten der Komponenten (Elemente) eines Prozesses oder einer Anlage (SS) über einen bestimmten Zeitraum beobachtet werden soll.
Wann Simulationsmodellierung stellt sich heraus der einzige Weg Studien eines komplexen Systems aufgrund der Unmöglichkeit, Phänomene unter realen Bedingungen zu beobachten (thermonukleare Fusionsreaktionen, Weltraumforschung).
Wenn es erforderlich ist, den Ablauf von Prozessen oder das Verhalten von Systemen zu kontrollieren, indem die Phänomene während der Simulation verlangsamt oder beschleunigt werden.
Bei der Ausbildung von Fachkräften für neue Technologie wenn sie auf Simulationsmodelle bietet die Möglichkeit, Kenntnisse im Umgang mit neuen Geräten zu erwerben.
Wenn neue Situationen in RPM untersucht werden. In diesem Fall dient die Nachahmung dazu, neue Strategien und Regeln für die Durchführung von Feldexperimenten zu testen.
Wenn die Abfolge von Ereignissen im entworfenen PS von besonderer Bedeutung ist und das Modell verwendet wird, um Engpässe im Betrieb des RPS vorherzusagen.

MI hat jedoch neben Vorteilen auch Nachteile:

Die Entwicklung eines guten IM ist oft teurer und zeitaufwändiger als die Erstellung eines analytischen Modells.
Es kann sich herausstellen, dass der MI ungenau ist (was oft der Fall ist), und wir sind nicht in der Lage, den Grad dieser Ungenauigkeit zu messen.
Forscher wenden sich oft an IM, ohne sich der Schwierigkeiten bewusst zu sein, auf die sie stoßen werden, und begehen eine Reihe methodischer Fehler.

Dennoch ist IM eine der am weitesten verbreiteten Methoden zur Lösung von Problemen der Synthese und Analyse komplexer Prozesse und Systeme.

Einer der Typen Simulation ist eine statistische Simulationsmodellierung, mit dem die Funktionsweise komplexer Zufallsprozesse auf einem Computer reproduziert werden kann.

Bei der Recherche komplexe Systeme unterliegen zufälligen Störungen, probabilistischen analytischen Modellen und probabilistischen Simulationsmodelle.

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

Es wird darauf hingewiesen, dass die Einführung zufälliger Störungen in Simulationsmodelle bringt keine grundlegenden Komplikationen mit sich, daher wird die Untersuchung komplexer Zufallsprozesse derzeit in der Regel am Simulationsmodelle.

In der Wahrscheinlichkeitsrechnung Simulationsmodellierung sie arbeiten nicht mit den Eigenschaften zufälliger Prozesse, sondern mit bestimmten zufälligen Zahlenwerten der PS-Parameter. In diesem Fall werden die während der Wiedergabe erhaltenen Ergebnisse auf Simulationsmodell des betrachteten Prozesses sind 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. Deshalb ist die Untersuchung von komplexen Prozessen und Systemen, die zufälligen Störungen unterliegen, mit