مدل سازی شبیه سازی چیست؟ روش های اصلی شبیه سازی
در این مقاله در مورد مدل های شبیه سازی صحبت خواهیم کرد. این یک موضوع نسبتاً پیچیده است که نیاز به بررسی جداگانه دارد. به همین دلیل سعی خواهیم کرد این موضوع را به زبانی در دسترس توضیح دهیم.
مدل های شبیه سازی
ما در مورد چه چیزی صحبت می کنیم؟ برای شروع، مدلهای شبیه‌سازی برای بازتولید هر ویژگی از یک سیستم پیچیده که در آن عناصر تعامل دارند، مورد نیاز است. علاوه بر این، این شبیه سازی دارای تعدادی ویژگی است.
اولاً، این یک هدف مدل سازی است که اغلب نشان دهنده یک سیستم پیچیده پیچیده است. ثانیاً اینها عوامل شانسی هستند که همیشه وجود دارند و تأثیر خاصی بر سیستم دارند. ثالثاً، نیاز به توصیف یک فرآیند پیچیده و طولانی است که در نتیجه مدلسازی مشاهده می‌شود. چهارمین عامل این است که بدون استفاده از فناوری رایانه نمی توان به نتایج مطلوب دست یافت.
توسعه یک مدل شبیه سازی
این در این واقعیت نهفته است که هر شی دارای مجموعه خاصی از ویژگی های خود است. همه آنها با استفاده از جداول مخصوص در رایانه ذخیره می شوند. تعامل مقادیر و شاخص ها همیشه با استفاده از یک الگوریتم توصیف می شود.
ویژگی و زیبایی مدل سازی در این است که هر یک از مراحل آن تدریجی و روان است که این امکان را به وجود می آورد که گام به گام ویژگی ها و پارامترها را تغییر داده و نتایج متفاوتی به دست آورید. برنامه ای که در آن مدل های شبیه سازی دخیل هستند، اطلاعاتی را در مورد نتایج به دست آمده، بر اساس تغییرات خاص نمایش می دهد. ارائه گرافیکی یا متحرک آنها اغلب استفاده می شود و درک و درک بسیاری از فرآیندهای پیچیده را که درک آنها در قالب الگوریتمی بسیار دشوار است، بسیار ساده می کند.
جبرگرایی
مدلهای ریاضی شبیه‌سازی بر این واقعیت استوارند که کیفیت و ویژگی‌های برخی از سیستم‌های واقعی را کپی می‌کنند. زمانی که لازم است تعداد و دینامیک تعداد موجودات خاص را مطالعه کنید، مثالی را در نظر بگیرید. برای این کار، با کمک مدلسازی، می توان هر موجود زنده را به طور جداگانه در نظر گرفت تا به طور خاص شاخص های آن را تجزیه و تحلیل کرد. در این مورد، شرایط اغلب به صورت شفاهی تنظیم می شود. به عنوان مثال، پس از یک دوره زمانی خاص، می توانید تولید مثل ارگانیسم را تنظیم کنید و بعد از مدت بیشتری بلند مدت- مرگ او. تحقق تمامی این شرایط در مدل شبیه سازی امکان پذیر است.
اغلب نمونه‌هایی از مدلسازی حرکت مولکول‌های گاز ذکر می‌شود، زیرا مشخص است که آنها به طور آشفته حرکت می‌کنند. می توانید برهمکنش مولکول ها را با دیواره های یک ظرف یا با یکدیگر مطالعه کنید و نتایج را در قالب یک الگوریتم شرح دهید. این به شما امکان می دهد میانگینی از ویژگی های کل سیستم را بدست آورید و تجزیه و تحلیل انجام دهید. باید درک کرد که چنین آزمایش رایانه ای در واقع می تواند واقعی نامیده شود، زیرا همه ویژگی ها بسیار دقیق مدل شده اند. اما هدف این فرآیند چیست؟
واقعیت این است که مدل شبیه سازی به شما اجازه می دهد تا ویژگی ها و شاخص های خاص و خالص را برجسته کنید. به نوعی از شر عوامل تصادفی، اضافی و تعدادی دیگر که ممکن است محققین حتی از آنها آگاه نباشند خلاص می شود. توجه داشته باشید که اغلب تعیین و مدلسازی ریاضی مشابه هستند، مگر اینکه در نتیجه یک استراتژی اقدام مستقل ایجاد شود. مثال هایی که در بالا نگاه کردیم برای سیستم های قطعی هستند. تفاوت آنها در این است که هیچ عنصر احتمالی ندارند.
فرآیندهای تصادفی
اگر شباهتی از زندگی معمولی ترسیم کنید، این نام بسیار آسان است. به عنوان مثال، هنگامی که در یک فروشگاه که بعد از 5 دقیقه بسته می‌شود در صف ایستاده‌اید و فکر می‌کنید که آیا برای خرید یک کالا وقت دارید یا خیر. همچنین، تجلی تصادفی بودن را می توان متوجه شد که با کسی تماس می گیرید و بوق ها را می شمارید و فکر می کنید که با چه احتمالی از آن عبور خواهید کرد. شاید برای برخی تعجب آور به نظر برسد، اما به لطف چنین چیزی است مثال های سادهدر آغاز قرن گذشته، جدیدترین شاخه ریاضیات، یعنی نظریه صف بندی، متولد شد. او از آمار و نظریه احتمال برای نتیجه گیری استفاده می کند. بعدها محققان ثابت کردند که این نظریه ارتباط بسیار نزدیکی با امور نظامی، اقتصاد، تولید، بوم شناسی، زیست شناسی و غیره دارد.
روش مونت کارلو
یک روش مهم برای حل مشکل سلف سرویس، روش آزمون آماری یا روش مونت کارلو است. توجه داشته باشید که امکان مطالعه تحلیلی فرآیندهای تصادفی بسیار پیچیده است و روش مونت کارلو بسیار ساده و جهانی است که در آن ویژگی اصلی... ما می‌توانیم فروشگاهی را در نظر بگیریم که یک یا چند مشتری وارد آن می‌شوند، ورود بیماران به اورژانس یک به یک یا در یک جمعیت کامل و غیره. در عین حال می‌فهمیم که همه اینها فرآیندهای تصادفی هستند و فواصل زمانی بین برخی از اقدامات، رویدادهای مستقلی هستند که طبق قوانینی توزیع می شوند که تنها با انجام تعداد زیادی مشاهدات قابل استنباط هستند. گاهی اوقات این امکان پذیر نیست، بنابراین یک نسخه متوسط گرفته می شود. اما هدف از شبیه سازی فرآیندهای تصادفی چیست؟
نکته این است که به شما اجازه می دهد تا به بسیاری از سوالات پاسخ دهید. محاسبه مدت زمانی که یک فرد باید با در نظر گرفتن همه شرایط در صف باشد، امری بی اهمیت است. به نظر می رسد که این یک مثال نسبتاً ساده است، اما این تنها سطح اول است و چنین موقعیت هایی می تواند زیاد باشد. گاهی اوقات زمان بسیار مهم است.
همچنین می‌توانید در مورد نحوه تخصیص زمان در زمان انتظار برای سرویس سؤال بپرسید. یک سوال حتی دشوارتر این است که چگونه پارامترها باید به هم مرتبط شوند تا صف هرگز به مشتری تازه وارد نرسد. به نظر می رسد که این سؤال نسبتاً آسانی است، اما اگر در مورد آن فکر کنید و حداقل کمی آن را پیچیده کنید، مشخص می شود که پاسخ دادن به آن چندان آسان نیست.
روند
شبیه سازی تصادفی چگونه کار می کند؟ از فرمول های ریاضی، یعنی قوانین توزیع متغیرهای تصادفی استفاده می شود. از ثابت های عددی نیز استفاده می شود. توجه داشته باشید که در این حالت نیازی نیست به هیچ یک از معادلاتی که در روش های تحلیلی استفاده می شود متوسل شوید. در این صورت، تقلید از همان صفی که در بالا در مورد آن صحبت کردیم، اتفاق می افتد. فقط در ابتدا از برنامه هایی استفاده می شود که می توانند اعداد تصادفی تولید کرده و آنها را با یک قانون توزیع مشخص مرتبط کنند. پس از آن، یک پردازش آماری حجمی از مقادیر به‌دست‌آمده انجام می‌شود که داده‌ها را تجزیه و تحلیل می‌کند تا تعیین کند که آیا آنها هدف اصلی مدلسازی را برآورده می‌کنند یا خیر. در ادامه بیشتر، بگذارید بگوییم که می توانید تعداد بهینه افرادی را که در فروشگاه کار می کنند پیدا کنید تا هرگز خط تولید نشود. در این مورد، دستگاه ریاضی مورد استفاده در این مورد، روش های آمار ریاضی است.
تحصیلات
توجه کمی به تحلیل مدل های شبیه سازی در مدارس می شود. متأسفانه، این می تواند آینده را کاملاً جدی تحت تأثیر قرار دهد. کودکان باید از مدرسه برخی از اصول اولیه مدل سازی را بدانند، زیرا توسعه دنیای مدرن بدون این فرآیند غیرممکن است. در دوره مقدماتی علوم کامپیوتر، کودکان به راحتی می توانند از مدل شبیه سازی زندگی استفاده کنند.
مطالعه دقیق تری را می توان در دبیرستان یا مدارس تخصصی تدریس کرد. اول از همه شما باید مطالعه کنید شبیه سازیفرآیندهای تصادفی به یاد داشته باشید که در مدارس روسیه چنین مفهوم و روش هایی به تازگی معرفی شده است، بنابراین حفظ سطح تحصیلات معلمان بسیار مهم است که با تضمین 100٪، با تعدادی از سؤالات کودکان روبرو خواهند شد. در عین حال، با تمرکز بر این واقعیت، کار را پیچیده نخواهیم کرد می آیددر مورد یک مقدمه ابتدایی برای این مبحث که می توان در عرض 2 ساعت به تفصیل در نظر گرفت.
پس از تسلط بچه ها بر اساس نظری، ارزش دارد که مسائل فنی مربوط به تولید دنباله ای از اعداد تصادفی در رایانه را برجسته کنید. در عین حال، نیازی به بارگذاری اطلاعات در مورد نحوه عملکرد یک ماشین محاسباتی و اینکه تجزیه و تحلیل بر اساس چه اصولی ساخته شده است، برای کودکان وجود ندارد. از مهارت های عملی، باید به آنها آموزش داده شود که مولدهای اعداد تصادفی یکنواخت بر روی یک قطعه یا اعداد تصادفی را طبق قانون توزیع ایجاد کنند.
ارتباط
بیایید کمی در مورد اینکه چرا مدل های شبیه سازی مدیریت مورد نیاز است صحبت کنیم. نکته این است که در دنیای مدرنبدون مدل سازی در هر زمینه ای تقریبا غیرممکن است. چرا اینقدر محبوب و مورد تقاضا است؟ شبیه‌سازی‌ها می‌توانند جایگزین رویدادهای دنیای واقعی شوند که برای تولید نتایج خاصی که برای ایجاد و تجزیه و تحلیل بسیار پرهزینه هستند، مورد نیاز است. یا ممکن است موردی وجود داشته باشد که انجام آزمایش های واقعی ممنوع باشد. همچنین، افراد زمانی از آن استفاده می‌کنند که ساخت یک مدل تحلیلی به دلیل تعدادی از عوامل تصادفی، پیامدها و روابط علی غیرممکن باشد. آخرین مورد استفاده از این روش زمانی است که نیاز به شبیه سازی رفتار یک سیستم در یک بازه زمانی معین باشد. برای همه اینها، شبیه سازهایی ساخته شده اند که سعی می کنند کیفیت های سیستم اصلی را تا حد امکان بازتولید کنند.
بازدیدها
مدل های شبیه سازی تحقیق می توانند انواع مختلفی داشته باشند. بنابراین، بیایید رویکردهای شبیه سازی را در نظر بگیریم. اولین مورد دینامیک سیستم است که در این واقعیت بیان می شود که متغیرهای به هم پیوسته، درایوهای خاص و بازخورد... بنابراین، اغلب دو سیستم در نظر گرفته می شود که در آنها برخی از ویژگی ها و نقاط تقاطع مشترک وجود دارد. نوع بعدی مدلسازی، رویداد گسسته است. این مربوط به مواردی است که در آن فرآیندها و منابع خاصی و همچنین توالی اقدامات وجود دارد. در اغلب موارد، در این روش، امکان وقوع یک رویداد از طریق منشور تعدادی از عوامل ممکن یا تصادفی بررسی می شود. نوع سوم مدل سازی مبتنی بر عامل است. این شامل مطالعه خصوصیات فردی ارگانیسم در سیستم آنها است. این امر مستلزم یک تعامل غیر مستقیم یا مستقیم بین شی مشاهده شده و دیگران است.
مدلسازی رویداد گسسته پیشنهاد می‌کند که از تداوم رویدادها انتزاع شود و تنها نکات اصلی در نظر گرفته شود. بنابراین عوامل تصادفی و غیرضروری حذف می شوند. این روش بسیار توسعه یافته است و در بسیاری از زمینه ها استفاده می شود: از لجستیک تا سیستم های تولید. این اوست که برای مدلسازی فرآیندهای تولید مناسب ترین است. به هر حال، در دهه 1960 توسط جفری گوردون ساخته شد. دینامیک سیستم یک پارادایم مدل سازی است که در آن تحقیق به نمایش گرافیکی ارتباطات و تأثیرات متقابل برخی از پارامترها بر سایر پارامترها نیاز دارد. این امر فاکتور زمان را در نظر می گیرد. فقط بر اساس تمام داده ها، یک مدل جهانی بر روی کامپیوتر ایجاد می شود. این دیدگاه است که به شما امکان می دهد تا ماهیت رویداد مورد بررسی را عمیقاً درک کنید و برخی از علل و ارتباطات را شناسایی کنید. به لطف این مدل سازی، استراتژی های تجاری، مدل های تولید، توسعه بیماری ها، برنامه ریزی شهری و غیره ساخته می شوند. این روش در دهه 1950 توسط فورستر ابداع شد.
مدل سازی مبتنی بر عامل در دهه 1990 ظهور کرد و نسبتاً جدید است. این جهت برای تجزیه و تحلیل سیستم های غیرمتمرکز استفاده می شود که پویایی آن نه با قوانین و قوانین پذیرفته شده عمومی، بلکه توسط فعالیت فردی عناصر خاص تعیین می شود. ماهیت این مدلسازی این است که از قوانین جدید ایده بگیرید، سیستم را به عنوان یک کل مشخص کنید و ارتباط بین اجزای جداگانه را پیدا کنید. در عین حال، عنصری مورد مطالعه قرار می گیرد که فعال و مستقل است، می تواند به طور مستقل تصمیم بگیرد و با محیط خود تعامل داشته باشد و همچنین به طور مستقل تغییر کند که بسیار مهم است.
مراحل
اکنون مراحل اصلی توسعه یک مدل شبیه سازی را در نظر خواهیم گرفت. آنها شامل فرمول بندی آن در همان ابتدای فرآیند، ساخت یک مدل مفهومی، انتخاب روش مدلسازی، انتخاب دستگاه مدلسازی، برنامه ریزی و انجام یک کار هستند. در مرحله آخر تمامی داده های دریافتی مورد تجزیه و تحلیل و پردازش قرار می گیرند. ساخت یک مدل شبیه سازی یک فرآیند پیچیده و طولانی است که نیاز به توجه و درک زیادی از اصل موضوع دارد. توجه داشته باشید که مراحل خود تا جایی که ممکن است طول می کشد و فرآیند شبیه سازی در کامپیوتر بیش از چند دقیقه طول نمی کشد. استفاده از مدل های شبیه سازی صحیح بسیار مهم است، زیرا بدون آن نمی توانید به نتایج دلخواه برسید. برخی از داده ها به دست خواهند آمد، اما آنها واقع بینانه و سازنده نیستند.
در جمع بندی مقاله، می خواهم بگویم که این یک صنعت بسیار مهم و مدرن است. برای درک اهمیت همه این نکات، نمونه‌هایی از مدلهای شبیه‌سازی را بررسی کردیم. در دنیای مدرن، مدل سازی نقش بزرگی ایفا می کند، زیرا بر اساس آن اقتصاد، برنامه ریزی شهری، تولید و غیره توسعه می یابد. درک این مدل ها مهم است سیستم های شبیه سازیتقاضای زیادی دارند زیرا بسیار سودآور و راحت هستند. حتی هنگام ایجاد شرایط واقعی، همیشه نمی توان نتایج قابل اعتمادی به دست آورد، زیرا بسیاری از عوامل علمی همیشه تأثیر می گذارد، که به سادگی غیرممکن است که در نظر گرفته شود.
روشهای اصلی شبیه سازی عبارتند از: روش تحلیلی، روش مدلسازی استاتیکی و روش ترکیبی (تحلیلی-آماری).
روش تحلیلیاز آن برای شبیه سازی فرآیندها عمدتاً برای سیستم های کوچک و ساده استفاده می شود که در آن ضریب تصادفی وجود ندارد. به عنوان مثال، هنگامی که فرآیند عملکرد آنها توسط معادلات دیفرانسیل یا انتگرو-دیفرانسیل توصیف می شود. این روش به صورت مشروط نامگذاری شده است، زیرا امکانات شبیه سازی فرآیندی را که مدل آن به شکل یک راه حل تحلیلی بسته یا راه حلی که با روش های ریاضیات محاسباتی به دست می آید به دست می آید، ترکیب می کند.
روش مدلسازی آماریدر ابتدا به عنوان یک روش آزمون آماری (مونته کارلو) توسعه یافت. این یک روش عددی است که شامل تخمین‌هایی از ویژگی‌های احتمالی است که با حل مسائل تحلیلی منطبق است (به عنوان مثال، با حل معادلات و محاسبه انتگرال معین). متعاقباً، این روش برای شبیه‌سازی فرآیندهایی که در سیستم‌هایی رخ می‌دهند که در آن منبع تصادفی وجود دارد یا تحت تأثیرات تصادفی هستند، استفاده شد. او نام روش را گرفت مدل سازی آماری.
در بررسی سیستم‌های پیچیده در معرض اختلالات تصادفی، از مدلهای تحلیلی احتمالی و مدلهای شبیه‌سازی احتمالی استفاده می‌شود.
در مدلهای تحلیلی احتمالی، تأثیر عوامل تصادفی با تنظیم ویژگی‌های احتمالی فرآیندهای تصادفی (قوانین توزیع احتمال، چگالی طیفی یا توابع همبستگی) در نظر گرفته می‌شود. علاوه بر این، ساخت مدلهای تحلیلی احتمالی یک مشکل محاسباتی پیچیده است. بنابراین، از مدلسازی تحلیلی احتمالی برای مطالعه سیستم‌های نسبتا ساده استفاده می‌شود.
ذکر شده است که معرفی اغتشاشات تصادفی به مدلهای شبیه‌سازی، عوارض اساسی ایجاد نمی‌کند؛ بنابراین، مطالعه فرآیندهای تصادفی پیچیده در حال حاضر، به عنوان یک قاعده، بر روی مدلهای شبیه‌سازی انجام می‌شود.
در شبیه سازی احتمالی، فرد نه با ویژگی های فرآیندهای تصادفی، بلکه با مقادیر عددی تصادفی خاص پارامترهای فرآیندها و سیستم ها عمل می کند. در این حالت، نتایج به‌دست‌آمده از بازتولید فرآیند مورد بررسی بر روی یک مدل شبیه‌سازی، تحقق‌های تصادفی هستند. بنابراین، برای یافتن ویژگی های عینی و پایدار فرآیند، نیاز به تکثیر چندباره آن و به دنبال آن پردازش آماری داده های به دست آمده است. به همین دلیل است که مطالعه فرآیندها و سیستم های پیچیده در معرض اختلالات تصادفی با استفاده از شبیه سازی معمولاً مدل سازی آماری نامیده می شود.
مدل آماری یک فرآیند تصادفی الگوریتمی است که عملکرد یک سیستم پیچیده را در معرض اختلالات تصادفی شبیه‌سازی می‌کند. تقلید از تعامل عناصر سیستم که ماهیت احتمالی دارند.
هنگام اجرای شبیه‌سازی آماری بر روی یک کامپیوتر، مشکل بدست آوردن توالی‌های عددی تصادفی در رایانه با ویژگی‌های احتمالی داده شده مطرح می‌شود. روش عددی، حل مشکلایجاد دنباله ای از اعداد تصادفی با قوانین توزیع داده شده، "روش آزمون های آماری" یا "روش مونت کارلو" نامیده می شود.
از آنجایی که روش مونت کارلو علاوه بر مدلسازی آماری، در تعدادی از روشهای عددی (انتگرال گرفتن، حل معادلات) کاربرد دارد، توصیه می‌شود اصطلاحات مختلفی داشته باشیم.
بنابراین، مدلسازی آماری راهی برای مطالعه فرآیندها و سیستم‌های پیچیده در معرض اختلالات تصادفی با استفاده از مدلهای شبیه‌سازی است.
روش مونت کارلو یک روش عددی است که توالی های عددی شبه تصادفی را با ویژگی های احتمالی داده شده بر روی کامپیوتر شبیه سازی می کند.
تکنیک مدل سازی آماری شامل مراحل زیر است:
1. شبیه‌سازی کامپیوتری توالی‌های شبه تصادفی با همبستگی معین و قانون توزیع احتمال (روش مونت کارلو)، شبیه‌سازی مقادیر تصادفی پارامترها در رایانه در هر آزمون.
2. تبدیل دنباله های عددی به دست آمده بر روی مدل های ریاضی شبیه سازی.
3. پردازش آماری نتایج شبیه سازی.
روش ترکیبی(تحلیلی و آماری) به شما امکان می دهد مزایای روش های مدل سازی تحلیلی و آماری را با هم ترکیب کنید. در مورد توسعه یک مدل متشکل از ماژول های مختلف استفاده می شود که مجموعه ای از مدل های آماری و تحلیلی را نشان می دهد که به طور کلی در تعامل هستند. علاوه بر این، مجموعه ماژول ها ممکن است نه تنها شامل ماژول های مربوط به مدل های پویا، بلکه ماژول های مربوط به مدل های ریاضی استاتیک نیز باشد.
پروژه مدل سازی شبیه سازی شامل مراحل زیر است: مفهومی، مرحله تفسیر، مرحله آزمایشی. بیایید آنها را با جزئیات بیشتری در نظر بگیریم.
1. مفهومی.در این مرحله، آشنایی اولیه با موضوع تحقیق صورت می گیرد و مشخص می شود که برای تکمیل پروژه به چه داده هایی نیاز است. اطلاعات کلی در مورد مدل شکل می گیرد: نام مدل، هدف آن و هدف توسعه. فهرستی از اشیایی که استفاده از مدل بر روی آنها برنامه ریزی شده است، تعیین می شود، مقامات، که به نفع آنها مشکل حل خواهد شد. ماهیت فیزیکی فرآیند مدلسازی شده و دامنه مدل توضیح داده شده است.
در همان مرحله، معیارهایی تعیین می شود که بر اساس آن اثربخشی مدل یا کیفیت آن ارزیابی می شود. محدودیت ها و مفروضات ایجاد شده در توسعه مدل شرح داده شده است. فهرست شده اند روش های تحلیلیکه برای توسعه مدل برنامه ریزی شده است. ترتیب راه اندازی و مدیریت مدل، حالت های احتمالی استفاده از آن و ارتباط با سایر مدل ها مشخص می شود. منابع اطلاعاتی مورد استفاده در مدل و همچنین ترکیب و ساختار این اطلاعات روشن شده است. اگر برنامه ریزی شده است که از متغیرهای تصادفی هنگام ساخت یک مدل استفاده شود، در مرحله مفهومی است که قوانین توزیع آنها اثبات می شود.
همچنین در این مرحله تعیین الزامات برای پیکربندی سخت افزار و نرم افزار مهم است: به ویژگی ها فکر کنید وسایل فنی(نوع پردازنده مرکزی، وجود کوپروسسور، میزان رم و حافظه دائمی و ...) و تهیه کلی نرم افزار (سیستم عامل، سیستم عامل های شبکه و غیره)، نرم افزارهای سراسر سیستم (DBMS، مجموعه های اداری و غیره).
لازم است از حفاظت از اطلاعات استفاده شده در مدل اطمینان حاصل شود، برای این منظور، در مرحله مفهومی، سیاست امنیتی تعیین می شود (تهدیدهای احتمالی، آسیب احتمالی در صورت نقض حفاظت، گروه های کاربر، حقوق دسترسی، و غیره.).
2. مرحله تفسیر.اوشامل رسمی‌سازی توصیف شی مدل‌سازی‌شده بر اساس CASE انتخاب‌شده است. در این مرحله، در زبان طبیعییک توصیف معنایی (فکری) از ترکیب شی مورد بررسی، تعامل بین عناصر شی و شی با محیط خارجی ارائه شده است. بر اساس توضیحات شی، یک مدل شبیه سازی با استفاده از ابزارهای زبان مدل سازی انتخاب شده برای این منظور ایجاد می شود. شکل 6.4. نمونه ای از مدل ایجاد شده توسط ARIS آورده شده است.
برنج. 6.4. نمونه ای از مدل اجرا شده در محیط ARIS
ویژگی های زمان و هزینه نیز در اینجا تعیین می شود.
توابع و فرآیندهای تجاری یک مثال در شکل 6.5 نشان داده شده است.
برنج. 6.5. شرح کمی و ویژگی های کیفی
در این مرحله، مدل به دست آمده نیز برای انطباق با طرح نظری که به عنوان مبنایی برای توصیف رسمی شی مدلسازی مورد استفاده قرار گرفت، بررسی می‌شود. این فرآیند اغلب به عنوان تأیید مدل نامیده می شود. مرحله دوم با بررسی مطابقت مدل شبیه سازی با ویژگی های سیستم واقعی به پایان می رسد. اگر اینطور نیست، باید دوباره به لحظه رسمی شدن مدل برگردیم.
3. مرحله آزمایشی.این مرحله شامل انجام یک آزمایش عددی بر روی مدل توسعه یافته با "اجرا کردن" آن بر روی یک کامپیوتر است. قبل از شروع مطالعه، ترسیم چنین دنباله ای از "اجرای" مدل مفید است که به دست آوردن مقدار لازم اطلاعات برای ترکیب معین و قابلیت اطمینان داده های اولیه امکان پذیر است. علاوه بر این، بر اساس طرح تجربی توسعه‌یافته، «اجرای» مدل شبیه‌سازی بر روی رایانه انجام می‌شود و نتایج به منظور ارائه آنها به شکلی مناسب برای تجزیه و تحلیل پردازش می‌شوند.
بر اساس تجزیه و تحلیل نتایج، نتیجه گیری نهایی در مورد مدل سازی انجام شده تهیه و تدوین می شود و توصیه هایی در مورد استفاده از نتایج مدل سازی برای دستیابی به اهداف تعیین شده ارائه می شود. غالباً بر اساس این نتایج، برای تغییرات لازم در بخش نظری و عملی مدل و مطالعات مکرر با مدل تغییر یافته، به ابتدای فرآیند مدلسازی بازمی‌گردند. در نتیجه چندین چنین چرخه، یک مدل شبیه سازی به دست می آید، بهترین راهارضای وظایف محوله
سیستم های نرم افزاری زیادی وجود دارد که به شما امکان می دهد مدل های شبیه سازی ایجاد کنید. این شامل:
Ø استودیو کسب و کار(شبیه سازی فرآیندهای کسب و کار)
Ø PTV Vision VISSIM
Ø شبیه سازی گیاه تکنوماتیکس
برخی از این سیستم ها با جزئیات بیشتر در فصل 7 مورد بحث قرار گرفته اند.
سوالات فصل 6
1. مدل سازی شبیه سازی چیست؟
2. تعریف مدل شبیه سازی را ارائه دهید.
3. اساس هر مدل شبیه سازی چیست؟
4-هدف از شبیه سازی چیست؟
5. مزایای اصلی شبیه سازی را فهرست کنید
6. معایب شبیه سازی چیست:
7. سرب نمونه های معمولیجایی که می توان آن را اعمال کرد
8. چه نوع شبیه سازی وجود دارد؟
9. دینامیک سیستم چیست؟
10. مولفه های مدل سازی رویداد گسسته چیست؟
11. هدف از مدل های عامل محور چیست؟
12. مراحل شبیه سازی را فهرست کنید
مدلتوصیفی انتزاعی از سیستم است که سطح جزئیات آن توسط خود محقق تعیین می شود. شخص تصمیم می گیرد که آیا عنصر داده شدهسیستم ضروری است، و بنابراین، آیا در توصیف سیستم گنجانده خواهد شد یا خیر. این تصمیم بر اساس هدف اساسی توسعه مدل گرفته شده است. موفقیت مدلسازی بستگی به این دارد که محقق چقدر بتواند عناصر اساسی و روابط متقابل بین آنها را تشخیص دهد.
سیستم به عنوان متشکل از بسیاری از عناصر به هم پیوسته در نظر گرفته می شود که برای انجام یک عملکرد خاص ترکیب شده اند. تعریف یک سیستم تا حد زیادی ذهنی است، به عنوان مثال. این نه تنها به هدف پردازش مدل بستگی دارد، بلکه به این بستگی دارد که دقیقاً چه کسی سیستم را تعریف می کند.
بنابراین، فرآیند مدلسازی با تعریف هدف از توسعه مدل آغاز می‌شود که بر اساس آن مرزهای سیستمو سطح جزئیات مورد نیازفرآیندهای شبیه سازی شده سطح انتخاب شده از جزئیات باید اجازه انتزاع از جنبه های عملکرد یک سیستم واقعی را بدهد که به دلیل کمبود اطلاعات به درستی تعریف نشده است. علاوه بر این، توصیف سیستم باید شامل معیارهایی برای اثربخشی عملکرد سیستم و راه حل های جایگزین ارزیابی شده باشد که می تواند به عنوان بخشی از مدل یا ورودی آن در نظر گرفته شود. برآوردها راه حل های جایگزینبا توجه به معیارهای تعیین شده کارایی به عنوان خروجی های مدل در نظر گرفته می شوند. معمولاً ارزیابی گزینه‌های جایگزین مستلزم تغییراتی در توصیف سیستم و در نتیجه بازسازی مدل است. بنابراین، در عمل، فرآیند ساخت یک مدل تکراری است. پس از ارائه پیشنهادات بر اساس برآوردهای به دست آمده از گزینه ها، می توانید شروع به پیاده سازی نتایج شبیه سازی کنید. در عین حال، توصیه ها باید به وضوح تصمیمات اصلی و شرایط اجرای آنها را تدوین کنند.
مدل سازی شبیه سازی(به معنای گسترده) - فرآیندی برای ساختن مدلی از یک سیستم واقعی و تنظیم آزمایشات بر روی این مدل به منظور درک رفتار سیستم، یا ارزیابی (در چارچوب محدودیت های تحمیلی) استراتژی های مختلف وجود دارد که تضمین می کند عملکرد این سیستم
مدل سازی شبیه سازی(در معنای محدود) نمایشی از رفتار دینامیکی یک سیستم با انتقال آن از یک حالت به حالت دیگر مطابق با قوانین عملیاتی معروف (الگوریتم‌ها) است.
بنابراین برای ایجاد یک مدل شبیه سازی باید وضعیت سیستم و الگوریتم ها (قوانین) تغییر آن را انتخاب و تشریح کرد. علاوه بر این، از نظر برخی ابزارهای مدلسازی (زبان الگوریتمی، زبان تخصصی) نوشته شده و در رایانه پردازش می شود.
مدل شبیه سازی(IM) یک توصیف منطقی-ریاضی از سیستم است که می تواند در دوره آزمایشات روی یک کامپیوتر دیجیتال استفاده شود.
MI می تواند برای طراحی، تجزیه و تحلیل و ارزیابی عملکرد سیستم ها مورد استفاده قرار گیرد. آزمایش‌های ماشینی با MI انجام می‌شود، که امکان نتیجه‌گیری در مورد رفتار سیستم را فراهم می‌کند:
· در صورت عدم ساخت آن، اگر سیستم پیش بینی شده باشد.
· بدون دخالت در عملکرد آن، اگر یک سیستم عامل است، آزمایش با آن غیر ممکن یا نامطلوب است (هزینه های بالا، خطر).
· بدون تخریب سیستم، در صورتی که هدف آزمایش تعیین تأثیر بر آن باشد.
فرآیند تشکیل یک مدل شبیه سازی را می توان به طور خلاصه به صورت زیر نشان داد ( شکل 2):
شکل 2... طرح شکل گیری مدل شبیه سازی
خروجی: IM با بازتولید پدیده های توصیف شده توسط طرح رسمی فرآیند، با حفظ ساختار منطقی آنها، توالی تناوب در زمان، و گاهی اوقات محتوای فیزیکی مشخص می شود.
شبیه سازی کامپیوتری (IM) به طور گسترده ای در مطالعه و کنترل سیستم های گسسته پیچیده (SDS) و فرآیندهای رخ داده در آنها استفاده می شود. چنین سیستم هایی شامل تاسیسات اقتصادی و صنعتی، بنادر دریایی، فرودگاه ها، مجتمع های پمپاژ نفت و گاز، سیستم های آبیاری، نرم افزارهای سیستم های کنترل پیچیده، شبکه های کامپیوتری و بسیاری دیگر می باشد. استفاده گسترده از IM با این واقعیت توضیح داده می شود که ابعاد مشکلات حل شده و غیر رسمی بودن سیستم های پیچیده اجازه استفاده از روش های بهینه سازی دقیق را نمی دهد.
زیر تقلیدما روش عددی انجام آزمایش‌ها بر روی کامپیوتر را با مدلهای ریاضی که رفتار سیستم‌های پیچیده را در یک دوره زمانی طولانی توصیف می‌کنند، درک خواهیم کرد.
آزمایش شبیه سازینمایش فرآیندی است که در VTS برای مدت زمان طولانی (دقیقه، ماه، سال و غیره) اتفاق می افتد، که معمولاً چند ثانیه یا چند دقیقه از زمان کارکرد رایانه را می گیرد. با این حال ، مشکلاتی وجود دارد که برای حل آنها لازم است محاسبات زیادی در مدل سازی انجام شود (به عنوان یک قاعده ، اینها وظایف مربوط به سیستم های کنترل ، مدل سازی پشتیبانی از پذیرش هستند. راه حل های بهینه، کار کردن استراتژی های موثرکنترل و غیره) که MI کندتر از سیستم واقعی کار می کند. بنابراین، قابلیت شبیه سازی یک دوره طولانی عملیات VTS در زمان کوتاه، مهم ترین چیزی نیست که شبیه سازی ارائه می کند.
قابلیت های شبیه سازی:
1. آزمایش های ماشینی با MI انجام می شود که به ما امکان می دهد در مورد رفتار سیستم نتیجه گیری کنیم:
· بدون ساختن آن، اگر یک سیستم پیش بینی شده باشد.
· بدون دخالت در عملکرد آن، اگر یک سیستم عامل است که آزمایش با آن غیرممکن یا نامطلوب است (گران، خطرناک).
· بدون از بین بردن آن، اگر هدف آزمایش تعیین اثر محدود کننده بر سیستم باشد.
2. تعاملات پیچیده درون سیستم را به صورت تجربی بررسی کنید و منطق عملکرد آن را درک کنید.
4. تأثیر اختلالات تصادفی خارجی و داخلی را مطالعه کنید.
5. بررسی میزان تأثیر پارامترهای سیستم بر شاخص های عملکرد.
6. بررسی استراتژی های مدیریت جدید و تصمیم گیری در مدیریت عملیاتی.
7. پیش بینی و برنامه ریزی عملکرد سیستم در آینده.
8. آموزش پرسنل را انجام دهید.
آزمایش شبیه سازی بر اساس مدل سیستم شبیه سازی شده است.
IM برای مدلسازی سیستم‌های تصادفی پیچیده - گسسته، پیوسته، ترکیبی توسعه یافته است.
شبیه سازی به این معنی است که زمان های متوالی داده می شود 
و وضعیت مدل توسط کامپیوتر به ترتیب در هر یک از این نقاط در زمان محاسبه می شود. برای انجام این کار، لازم است یک قانون (الگوریتم) برای انتقال مدل از یک حالت به حالت دیگر، یعنی یک تبدیل تنظیم کنید:
, 
,
جایی که 
- وضعیت مدل در لحظه - ام زمان که یک بردار است.
بیایید در نظر بگیریم:
بردار وضعیت محیط خارجی (ورودی مدل) در لحظه لحظه لحظه،
بردار کنترل در لحظه ی زمانی است.
سپس MI توسط دستور عملگر تعیین می شود که با کمک آن می توان وضعیت مدل را در لحظه بعدی در زمان توسط وضعیت در لحظه فعلی، بردارهای کنترل و محیط خارجی تعیین کرد:
, .
ما این تبدیل را به صورت تکراری می نویسیم:
, .
اپراتورمدل شبیه سازی یک سیستم پیچیده را با ساختار و پارامترهای آن تعریف می کند.
یک مزیت مهم IM - توانایی در نظر گرفتن عوامل کنترل نشده شی مدل شده، که یک بردار هستند:
.
سپس داریم:
, .
مدل شبیه سازی- این یک توصیف منطقی-ریاضی از سیستم است که می توان از آن در دوره آزمایشات روی رایانه استفاده کرد.
شکل 3.ترکیب IM از یک سیستم پیچیده
با بازگشت به مشکل تقلید از یک سیستم پیچیده، اجازه دهید به طور مشروط در MI یکی را مشخص کنیم: یک مدل از یک شیء کنترل شده، یک مدل از یک سیستم کنترل و یک مدل از اختلالات تصادفی داخلی (شکل 3).
ورودی های مدل شی کنترل شده به اختلالات کنترل شده کنترل شده و کنترل نشده کنترل نشده تقسیم می شوند. دومی توسط مولدهای اعداد تصادفی طبق قانون توزیع داده شده تولید می شود. کنترل به نوبه خود خروجی مدل سیستم کنترل است و اغتشاشات خروجی سنسورهای اعداد تصادفی (مدل های اختلالات داخلی) هستند.
در اینجا الگوریتم سیستم کنترل است.
شبیه سازی به شما امکان می دهد رفتار یک شی مدل شده را در مدت زمان طولانی بررسی کنید - شبیه سازی پویا... در این مورد، همانطور که در بالا ذکر شد، به عدد لحظه در زمان تعبیر می شود. علاوه بر این، می توانید رفتار سیستم را در یک نقطه خاص از زمان بررسی کنید - شبیه سازی استاتیک، سپس به عنوان یک شماره حالت در نظر گرفته می شود.
با شبیه سازی پویا، زمان می تواند با یک گام ثابت و متغیر تغییر کند ( شکل 4):
شکل 4.شبیه سازی دینامیک
اینجا g من- لحظات رویدادها در VTS، g * من- لحظات وقوع رویدادها در شبیه سازی دینامیکی با گام ثابت، g 'من- لحظات وقوع حوادث با گام متغیر.
با یک گام ثابت، پیاده سازی آن آسان تر است، اما دقت کمتری دارد و ممکن است در هنگام محاسبه وضعیت مدل، نقاط زمانی خالی (یعنی غیر ضروری) وجود داشته باشد.
زمان از رویدادی به رویداد دیگر با مراحل متغیر حرکت می کند. این روش بازتولید دقیق تری از فرآیند است، هیچ محاسبات غیر ضروری وجود ندارد، اما اجرای آن دشوارتر است.
مقررات اساسیزیر از موارد بالا:
1. IM یک روش عددی است و در مواقعی که استفاده از روش های دیگر غیرممکن است باید از آن استفاده کرد. برای سیستم های پیچیده، در حال حاضر این روش اصلی تحقیق است.
2. تقلید یک آزمایش است، یعنی باید از نظریه برنامه ریزی آزمایش و پردازش نتایج آن استفاده کرد.
3. هر چه رفتار شی مدل شده با دقت بیشتری توضیح داده شود، مدل دقیق تری مورد نیاز است. چگونه به طور دقیق تر یک مدل، پیچیده تر است و به منابع کامپیوتری و زمان زیادی برای تحقیق نیاز دارد. بنابراین، باید بین دقت مدل و سادگی آن سازشی پیدا کرد.
نمونه هایی از کارهایی که باید حل شوند: تجزیه و تحلیل طرح های سیستم در مراحل مختلف، تجزیه و تحلیل سیستم های عامل، استفاده در سیستم های کنترل، استفاده در سیستم های بهینه سازی و غیره.
معرفی
یکی از ویژگی های مهم ACS - عدم امکان اساسی انجام آزمایش های واقعی قبل از اتمام پروژه. یک راه حل ممکن استفاده از مدل های شبیه سازی است. با این حال، توسعه و استفاده از آنها بسیار پیچیده است، مشکلات به اندازه کافی بوجود می آیند تعریف دقیقدرجه کفایت به فرآیند مدل سازی شده بنابراین، مهم است که تصمیم بگیرید کدام مدل را ایجاد کنید.
یکی دیگر جنبه مهم- استفاده از مدل های شبیه سازی در حین کارکرد سیستم کنترل خودکار برای تصمیم گیری. چنین مدل هایی در طول فرآیند طراحی ایجاد می شوند تا بتوانند به طور مداوم به روز شده و متناسب با تغییر تجربه کاربر تنظیم شوند.
از همین مدل ها می توان برای آموزش پرسنل قبل از راه اندازی سیستم کنترل خودکار و انجام بازی های تجاری استفاده کرد.
نوع یک مدل فرآیند تولید تا حد زیادی به گسسته یا پیوسته بودن آن بستگی دارد. در مدل های گسسته، متغیرها به طور گسسته در نقاط خاصی از زمان شبیه سازی تغییر می کنند. زمان را می توان به صورت پیوسته یا گسسته در نظر گرفت، بسته به اینکه آیا تغییرات گسسته در متغیرها می تواند در هر لحظه از زمان شبیه سازی رخ دهد یا فقط در لحظات خاصی. در مدلهای پیوسته، متغیرهای فرآیند پیوسته هستند و زمان می‌تواند پیوسته یا گسسته باشد، بسته به اینکه متغیرهای پیوسته در هر لحظه از زمان شبیه‌سازی در دسترس باشند یا فقط در لحظات خاصی. در هر دو مورد، مدل بلوکی را برای تنظیم زمان فراهم می‌کند که پیشرفت زمان مدل را شبیه‌سازی می‌کند که معمولاً نسبت به زمان واقعی شتاب می‌گیرد.
توسعه یک مدل شبیه‌سازی و انجام آزمایش‌های مدلسازی در حالت کلی را می‌توان در قالب چندین مرحله اصلی نشان داد که در شکل 1 نشان داده شده است. 1.
یک جزء از یک مدل که عنصر خاصی از یک سیستم مدلسازی شده را نشان می‌دهد، با مجموعه‌ای از ویژگی‌ها از نوع کمی یا منطقی توصیف می‌شود. بسته به مدت وجود، اجزاء به صورت مشروط دائمی و موقت هستند. اجزای مشروط دائمی در تمام مدت آزمایش با مدل وجود دارند و اجزای موقت در طول آزمایش تولید و از بین می روند. اجزای مدل شبیه‌سازی به کلاس‌هایی تقسیم می‌شوند که در آنها دارای مجموعه‌ای از ویژگی‌های یکسان هستند، اما در مقادیرشان متفاوت هستند.
وضعیت یک جزء با مقادیر ویژگی های آن در یک لحظه معین از زمان مدل تعیین می شود و مجموعه مقادیر ویژگی های همه اجزاء وضعیت مدل را به عنوان یک کل تعیین می کند.
تغییر در مقادیر مشخصه ها که نتیجه نمایش در مدل تعامل بین عناصر سیستم مدل شده است، منجر به تغییر وضعیت مدل می شود. مشخصه ای که مقدار آن در طول آزمایش شبیه سازی تغییر می کند، یک متغیر است، در غیر این صورت یک پارامتر است. مقادیر متغیرهای گسسته در فاصله زمانی بین دو حالت خاص متوالی تغییر نمی کند و هنگام انتقال از یک حالت به حالت دیگر ناگهان تغییر می کند.
الگوریتم مدلسازی توصیفی از تعاملات عملکردی بین اجزای یک مدل است. برای تدوین آن، فرآیند عملکرد سیستم مدلسازی شده به تعدادی رویداد متوالی تقسیم می‌شود که هر یک منعکس‌کننده تغییر در وضعیت سیستم در نتیجه تعامل عناصر آن یا تأثیر بر سیستم‌های محیط خارجی است. در قالب سیگنال های ورودی حالت‌های ویژه در مقاطع زمانی مشخصی ایجاد می‌شوند که از قبل برنامه‌ریزی شده‌اند یا در طول آزمایش با یک مدل تعیین می‌شوند. شروع رویدادها در مدل با برنامه ریزی رویدادها بر اساس زمان وقوع آنها برنامه ریزی می شود یا تجزیه و تحلیلی انجام می شود که دستیابی به مقادیر مجموعه را توسط ویژگی های متغیر نشان می دهد.
برای این منظور، استفاده از SIVS راحت تر است. جریان مواد و اطلاعات ارائه شده بر روی آنها به راحتی قابل تجزیه و تحلیل برای شناسایی شرایط خاص است. چنین حالتی لحظات پایان پردازش محصول در هر محل کار یا حمل و نقل آن است که در SIWS منعکس می شود. دریافت و صدور برای نگهداری دائم یا موقت؛ مونتاژ قطعات در واحدها، واحدها در یک محصول و غیره. برای تولید گسسته، تغییر در ویژگی‌های بین حالت‌های خاص نیز می‌تواند گسسته در نظر گرفته شود، به این معنی که انتقال توسط یک پرش مشروط از منبع موادبه قطعه کار، از قطعه کار به محصول نیمه تمام، از محصول نیمه تمام به قطعه، و غیره.
بنابراین، هر عملیات تولیدی به عنوان اپراتور در نظر گرفته می شود که ارزش ویژگی های محصول را تغییر می دهد. برای مدلهای ساده، می‌توان توالی حالت‌ها را قطعی فرض کرد. واقعیت توالی‌های تصادفی را بهتر منعکس می‌کند، که می‌توانند در قالب افزایش‌های زمانی تصادفی با توزیع معین، یا جریان تصادفی رویدادهای همگن، مشابه جریان ادعاها در نظریه خدمات انبوه، رسمیت پیدا کنند. به روشی مشابه، می توان با کمک SIVS شرایط خاص در حین حرکت و پردازش اطلاعات را تحلیل و شناسایی کرد.
در شکل شکل 2 ساختار مدل شبیه سازی تعمیم یافته را نشان می دهد.
هنگام شبیه‌سازی فرآیندهای تولید پیوسته بر اساس اصل Δt، سنسور بازه زمانی، پالس‌های ساعت را برای عملکرد الگوریتم شبیه‌سازی فراهم می‌کند. بلوک های اقدامات تصادفی و کنترلی و همچنین شرایط اولیه برای وارد کردن دستی شرایط برای آزمایش مدل بعدی استفاده می شود.
مجموعه برنامه‌های تابعی شبیه‌سازی برای هر شی مدل‌سازی‌شده، توزیع شرطی احتمالات حالت‌های شی را در پایان هر لحظه از DL تعیین می‌کند. وقتی یکی از حالت‌های ممکن به‌طور تصادفی انتخاب می‌شود، این کار توسط یک زیر روال تابعی انجام می‌شود. هنگامی که آزمایشگر انتخاب می کند - توسط برنامه تعبیه شده در بلوک اقدامات کنترلی، یا در صورت تمایل، انجام این انتخاب به صورت دستی در هر چرخه، با وارد کردن شرایط اولیه جدید بر اساس وضعیت فعلی تعیین شده با استفاده از واحد نشانگر.
برنامه کاربردی بسته به شرایط اولیه مشخص شده - ویژگی های مواد خام، حالت مشخص شده، خواص و شرایط عملیاتی واحد، پارامترهای واحد فناوری را در هر چرخه تعیین می کند. از مدل بخش فناورانه، نسبت های تعادل وزن و حجم را می توان به صورت برنامه ای اضافه کرد.
هماهنگی و تعامل تمامی بلوک ها و برنامه ها توسط برنامه دیسپاچر انجام می شود.
هنگام مدلسازی فرآیندهای گسسته، که در آنها معمولاً از اصل حالت‌های خاص استفاده می‌شود، ساختار مدل شبیه‌سازی به‌طور ناچیز تغییر می‌کند. به جای سنسور فواصل زمانی، بلوکی معرفی شده است که وجود حالت خاصی را تعیین می کند و دستور رفتن به حالت بعدی را صادر می کند. برنامه کاربردی در هر انتقال یک عملیات را در هر ایستگاه کاری شبیه سازی می کند. ویژگی های چنین عملیاتی می تواند در زمان قطعی باشد، به عنوان مثال، زمانی که یک ماشین ابزار کار می کند، یا تصادفی با توزیع های داده شده... علاوه بر زمان، ویژگی های دیگری را می توان تقلید کرد - وجود یا عدم وجود ازدواج، انتساب به یک نوع یا طبقه خاص و غیره. عملیات مونتاژ به روشی مشابه شبیه سازی می شود، با این تفاوت که در هر عملیات، ویژگی های مواد در حال پردازش تغییر نمی کند، بلکه به جای برخی از نام ها - قطعات، گره ها - برخی دیگر - گره ها، محصولات - با ویژگی های جدید ظاهر می شوند. با این حال، در اصل، عملیات مونتاژ مشابه عملیات پردازش شبیه سازی می شود - هزینه های زمانی تصادفی یا قطعی برای یک عملیات، مقادیر ویژگی های فیزیکی و تولید تعیین می شود.
برای شبیه سازی پیچیده سیستم های تولیدلازم است یک مدل منطقی-ریاضی از سیستم مورد مطالعه ایجاد شود که امکان انجام آزمایشات با آن را در رایانه فراهم می کند. این مدل به عنوان مجموعه ای از برنامه های نوشته شده در یکی از زبان های برنامه نویسی جهانی پیاده سازی شده است سطح بالایا به زبان مدل سازی خاص. با توسعه شبیه‌سازی، سیستم‌ها و زبان‌هایی پدیدار شدند که قابلیت‌های شبیه‌سازی سیستم‌های پیوسته و گسسته را با هم ترکیب می‌کنند، که شبیه‌سازی سیستم‌های پیچیده مانند شرکت‌ها و انجمن‌های صنعتی را ممکن می‌سازد.
هنگام ساخت یک مدل، اول از همه، باید هدف آن را مشخص کنید. مدل باید تمام عملکردهای شی مدل شده را که از نظر هدف ساخت آن ضروری است منعکس کند و در عین حال هیچ چیز اضافی در آن وجود نداشته باشد، در غیر این صورت بیش از حد دست و پا گیر و کارآمد نخواهد بود.
هدف اصلی مدلهای بنگاه‌ها و انجمن‌ها، مطالعه آنها با هدف بهبود سیستم مدیریت یا آموزش و آموزش پیشرفته است. پرسنل مدیریت... در این حالت نه خود تولید، بلکه نمایش فرآیند تولید در سیستم کنترل مدل سازی می شود.
برای ساخت مدل از یک SIWS بزرگ شده استفاده شده است. روش تک رشته آن توابع و وظایف را مشخص می کند که در نتیجه می توان نتیجه دلخواه را مطابق با هدف مدل به دست آورد. بر اساس تحلیل منطقی-عملکردی، نمودار ساختاری مدل ساخته شده است. ساخت یک نمودار ساختاری به شما امکان می دهد تعدادی از مدل های مستقل موجود در فرم را انتخاب کنید قطعات جزءبه مدل سازمانی در شکل شکل 3 نمونه ای از ساخت نمودار ساختاری مدل سازی شاخص های مالی و اقتصادی یک شرکت را نشان می دهد. مدل هر دو را در نظر می گیرد عوامل خارجی- تقاضا برای محصولات، طرح تحویل، و داخلی - هزینه های تولید، قابلیت های تولید موجود و برنامه ریزی شده.
برخی از مدل ها قطعی هستند - محاسبه درآمد کل برنامه ریزی شده برای اقلام و مقادیر مطابق با برنامه تولید با قیمت های شناخته شده و هزینه بسته بندی. مدل طرح تولید یک مدل بهینه سازی است که بر روی یکی از مدل ها تنظیم شده است معیارهای ممکن- به حداکثر رساندن درآمد یا استفاده از امکانات تولیدی. کامل ترین ارضای تقاضا؛ به حداقل رساندن تلفات مواد و قطعات عرضه شده و غیره. به نوبه خود، مدل های تقاضا برای محصولات، ظرفیت های تولید برنامه ریزی شده و برنامه های عرضه با قوانین توزیع مختلف احتمالاتی هستند.
ارتباط بین مدل‌ها، هماهنگی کار آنها و ارتباط با کاربران با استفاده از یک برنامه خاص انجام می‌شود که در شکل. 3 نشان داده نشده است. کار موثر کاربران با مدل در حالت گفتگو به دست می آید.
ساخت نمودار ساختاری مدل رسمی نیست و تا حد زیادی به تجربه و شهود توسعه دهنده آن بستگی دارد. رعایت اینجا مهم است قانون کلی- بهتر است تعداد بیشتری از عناصر را در اولین مراحل ترسیم نمودار و به دنبال آن کاهش تدریجی آنها قرار دهیم تا اینکه با برخی بلوک های به ظاهر اساسی شروع کنیم و قصد داریم متعاقباً آنها را تکمیل و جزئی کنیم.
پس از ساخت طرح، بحث با مشتری و تنظیم آن، اقدام به ساخت مدل های فردی می کنند. اطلاعات مورد نیاز برای این در مشخصات سیستم موجود است - لیست و ویژگی های وظایف، داده های اولیه و نتایج خروجی لازم برای حل آنها و غیره. اگر مشخصات سیستم ترسیم نشده باشد، این اطلاعات از مواد بررسی گرفته شده است. ، و گاهی اوقات از نظرسنجی های اضافی استفاده می شود.
مهم ترین شرایط برای استفاده موثر از مدل ها، بررسی کفایت آنها و قابلیت اطمینان داده های اولیه است. در صورتی که بررسی کفایت انجام شود روش های شناخته شده، سپس قابلیت اطمینان دارای برخی از ویژگی های خاص است. آنها در این واقعیت هستند که در بسیاری از موارد بهتر است مدل را مطالعه کنید و با آن کار کنید نه با داده های واقعی، بلکه با مجموعه ای خاص از آنها. هنگام تهیه یک مجموعه داده، آنها با هدف استفاده از مدل هدایت می شوند و موقعیتی را که می خواهند مدل سازی و مطالعه کنند برجسته می کنند.
فن‌آوری‌های شبیه‌سازی مبتنی بر ساخت نمونه‌های مختلف از سیستم‌های واقعی هستند که با زمینه حرفه‌ای یک موقعیت خاص مطابقت دارند. مدلهای شبیه‌سازی برای برآورده کردن الزامات کامپایل شده‌اند از این لحظه، در کاری که موضوع آموزش دیده با آن عجین شده است. تقلید و مدل سازی بازی تقلید موجود در روش ها با بازتولید فرآیندهای به اندازه کافی کافی در واقعیت همراه است. بنابراین، آموزش ایجاد تجربه حرفه ای واقعی را، علی رغم شبه، ممکن می سازد فعالیت حرفه ای.
نقش ها
در فرآیند یادگیری، رویه‌های بازی فرض می‌شوند که مدلهای شبیه‌سازی ساخته شده را ارائه می‌دهند، به این معنی که توزیع نقش‌ها نیز فراهم می‌شود: دانش‌آموزان با یکدیگر و با معلم ارتباط برقرار می‌کنند و فعالیت‌های حرفه‌ای را تقلید می‌کنند. بنابراین، فناوری های شبیه سازی به دو بخش بازی و غیر بازی تقسیم می شوند و تجزیه و تحلیل موقعیت پیشنهادی به تعیین نوع تحلیل کمک می کند. برای این، لازم است سیستم شرایط خارجی که باعث شروع اقدامات فعال می شود، روشن شود. یعنی تمام مشکلات، پدیده‌ها، حقایق مرتبط با یکدیگر که شرایط را مشخص می‌کنند، مدلهای شبیه‌سازی باید در خود جای دهند.
یک رویداد خاص یا دوره خاصی از فعالیت سازمان مستلزم دستورات، تصمیمات و اقدامات کافی توسط رئیس است. روش شناسی برای تجزیه و تحلیل مطالعه موقعیت های خاص، مطالعه دقیق و عمیق یک موقعیت واقعی یا ایجاد شده مصنوعی، شناسایی ویژگی های مشخصه است. این به توسعه کارآموزان در جستجوی یک رویکرد سیستماتیک برای حل مشکل، شناسایی گزینه های تصمیمات اشتباه، تجزیه و تحلیل معیارهای راه حل های بهینه کمک می کند. اینگونه است که ارتباطات تجاری حرفه ای برقرار می شود، تصمیمات به صورت جمعی گرفته می شود، درگیری ها حذف می شوند.
موقعیت ها
موقعیت ها در چهار نوع متفاوت است: ابتدا وضعیت مشکل در نظر گرفته می شود، جایی که کارآموزان باید علل وقوع را بیابند، طرح کنند و مشکل را حل کنند، سپس وضعیت بر اساس تصمیمات اتخاذ شده مورد ارزیابی قرار می گیرد. پس از آن، موقعیتی ساخته می شود که با مثال تمام مباحث این دوره را نشان می دهد، همچنین مسائلی که تازه حل شده اند مبنا قرار می گیرد و موضوع با یک موقعیت تمرین تکمیل می شود که در آن مدل های شبیه سازی مسائل آسان را با در روش قیاس، اینها به اصطلاح موقعیت های آموزشی هستند.
انواع خاصی از موقعیت‌ها متفاوت است: این موقعیت‌ها هم کلاسیک و هم زنده هستند، یک موقعیت حادثه، یک موقعیت با تجزیه مکاتبات تجاری و همچنین اقدامات مطابق دستورالعمل‌ها. انتخاب توسط عوامل بسیاری تعیین می شود: اهداف مطالعه، سطح آموزش، در دسترس بودن ابزار فنی و مطالب گویا - همه اینها به سبک فردی معلم بستگی دارد که خلاقیت او به مقررات سختگیرانه محدود نمی شود. انتخاب انواع و یا در روش های تجزیه و تحلیل. در اینجا اولین گام ها در توسعه مدل های شبیه سازی آورده شده است.
وظایف عملی
در عمل، ایده‌های رویکرد زمینه‌ای به بهترین وجه تجسم می‌یابند، زیرا از ویژگی‌های خاص و واقعی تشکیل شده‌اند موقعیت های زندگی: case، history، که شامل مدل شبیه سازی است، نمونه ای از توصیف رویدادهایی که اتفاق افتاده یا کاملاً ممکن است، به خطا در راه حل مشکلات تولید ختم شده است. چالش شناسایی و تحلیل این اشتباهات هنگام به کارگیری ایده ها و مفاهیم این دوره است.
این نوع آموزش حرفه ای در مقایسه با طرح سؤالات فردی که صرفاً به صورت تئوری در نظر گرفته می شود، کاملاً واقع بینانه و مؤثر است. جهت گیری یادگیری موقعیتی به گونه ای است که مهارت ها و دانش نه به عنوان یک موضوع، بلکه به عنوان وسیله ای برای حل انواع مشکلاتی که در فعالیت های یک متخصص ایجاد می شود، آموزش داده می شود. موقعیت های آموزشی بر روی قطعات تولید حرفه ای واقعی با در نظر گرفتن همه ساخته شده اند روابط بین فردی، که برای عملکرد موفق شرکت بسیار مهم است. کارآموزان طرح کلی و زمینه فعالیت های حرفه ای آینده خود را دریافت می کنند.
انتخاب موقعیت ها
این یکی از سخت ترین کارهای آموزشی است. یک موقعیت مطالعه نمونه معمولاً شرایط زیر را برآورده می کند:
- فیلمنامه بر اساس واقعیت یا برگرفته از زندگی است. این بدان معنا نیست که ارائه یک قطعه تولید با جزئیات متعدد و ظرافت های فنی که دانش آموز را از حل مشکل اصلی منحرف می کند، ضروری نیست. اصطلاحات صنعتی نیز در این مورد نامناسب هستند.
- وضعیت آموزشی نباید بیش از پنج تا هفت نکته باشد که توسط دانش آموزان با استفاده از اصطلاحات منطبق با مفهوم مورد مطالعه بیان می شود. بعید است که یک مدل شبیه سازی که حل نمونه ای از آن دشوار است، به سرعت به دانش آموزان آموزش دهد.
- اما وضعیت آموزشی نیز باید خالی از بدوی بودن باشد: علاوه بر پنج یا هفت نکته از مسئله مورد مطالعه، دو یا سه پیوند در متن باید وجود داشته باشد. معمولاً مشکلات در زندگی در قفسه‌های جداگانه برای حل ثابت قرار نمی‌گیرند. مشکلات شغلی معمولاً با مشکلات اجتماعی یا روانی همراه است. به ویژه در تدریس به کارگیری ایده های دوره اهمیت دارد.
متن وضعیت مطالعه
به عنوان مثال، یک مدیر فروش در شرکت گل لوتوس، که متخصص در محصولات بهداشتی، لوازم آرایشی و عطر است. او شش ماه پیش در رابطه با ترفیع به این مکان آمد. گفتگو با مدیر کل در مورد نتایج کار او تا ده روز دیگر انجام می شود.
قبل از آن، ایرینا به مدت دو سال در بخش جداگانه ای از شرکت موفق بود، به عنوان مثال، او محصولات بهداشتی می فروخت و او واقعاً آن را دوست داشت. او مورد احترام، محبوبیت فروشندگان بود و مشتریان وفادار زیادی به دست آورد.
توسعه وضعیت
او به طور طبیعی از ارتقاء خوشحال شد و شروع به کار با اشتیاق در موقعیت جدید خود کرد. با این حال، به دلایلی همه چیز خوب پیش نرفت. او برای کار در دفتر وقت نداشت، زیرا تقریباً تمام مدت در سالن بود و اقدامات فروشندگان را تماشا می کرد. حتی مجبور شدم کار را به خانه ببرم. و با این همه، او وقت انجام کاری را نداشت: درخواست مقامات برای تهیه ایده برای نمایشگاه-فروش در روز آخر برآورده شد، زیرا هیچ چیز جالبی از قبل اختراع نشده بود، خلاقیت موضوع ساده ای نیست. تایپیست بیمار نمی توانست کاغذهایی با ایده های ایرینا چاپ کند. در نتیجه، ایرینا این کار را تا تاریخ تعیین شده توسط مافوق خود انجام نداد. در این لحظه است که مدل های شبیه سازی یادگیری بیشتر از همه به او کمک می کند.
بعد از آن همه چیز خراب شد. ایرینا پس از گذراندن وقت برای صحبت با یک مشتری معمولی ، به سخنرانی فکر نکرد ، وقتی همکارش بطور رسمی گواهی را دریافت کرد ، حتی برای مراسم دیر شد. سپس چندین بار زیردستان او بدون اخطار محل کار خود را ترک کردند. بخش پرسنل بارها و بارها نیاز به تهیه برنامه آموزشی برای استفاده از لوازم آرایشی و بهداشتی را به او یادآوری کرد ، اما ایرینا نتوانست با معلم موسسه پزشکی تماس بگیرد. حتی فروشندگان جوان همیشه برای نمایندگی فروشندگان ارشد دیر می‌آمدند. و با این حال ایرینا گزارش سه ماهه را با پیش بینی مجموعه تهیه نکرده است. و او حتی به چندین نامه مشتریانی که مایل به دریافت کالا از طریق پست بودند، پاسخ نداد. و مانند بستنی روی کیک - نزاع اخیر با یکی از فروشندگان بسیار مورد احترام او بر سر برچسب قیمت. معلوم است که یک مدیر خوب بودن آسان نیست.
تحلیل وضعیت
مدل شبیه سازی، اول از همه، خواندن وضعیت است. در اینجا تصویر زیر از شش نقطه با زیر پاراگراف است.
- در شغل جدید تغییراتی ایجاد شد. نیروهای محدود کننده و محرک آنها چیست؟
- قبل از تغییر - وجود عزت نفس و دانش مکانیزم فروش.
- انگیزه در میل به موفقیت، بلکه برای حفظ توانایی فروش - تعارض نقش است.
- سبک مدیریت ناتوانی کامل در تفویض بخشی از اختیارات به زیردستان است. از برخورد با زیردستان نمی توان اجتناب کرد.
- در نقش جدید: او مشخصات موقعیت، اندازه حجم کار را تعیین نکرد، یک مشکل ساده را با چاپ مجدد حل نکرد، برنامه ریزی و کنترل را کمرنگ کرد، به زیردستان اجازه می دهد سر کار حاضر نشوند، برنامه آموزشی کارکنان را مختل می کند. نمی داند چگونه زمان خود را سازماندهی کند و اولویت بندی کند، خلاقیت خود را از دست می دهد - هیچ ایده جدیدی وجود ندارد ...
- سبک مدیریت کارکنان مورد اعتماد: اجازه تعارض عمودی را می دهد، در امور زیردستان دخالت می کند، اعتماد به نفس ندارد، بدون کمک مدیریت رهبری می کند.
شناسایی مشکلات
ساختار مدلهای شبیه‌سازی شامل گام دوم برای شناسایی مشکلات نوظهور برای راه‌حل سازگار آنها است. در اینجا باید با در نظر گرفتن تحلیل انجام شده، اما با در نظر گرفتن موقعیت با هدف متفاوت، همان نکات را دنبال کنید.
- تغییرات: آیا راه هایی برای مدیریت تغییرات وجود دارد و اینکه چگونه می توان مقاومت در برابر تغییرات ایجاد شده را کاهش داد.
- سبک های رهبری: چرا سبک انتخاب شده توسط ایرینا ناموفق است و به نفع کدام یک بهتر است آن را رد کنید.
- انگیزه: تئوری مدیریت در مورد انگیزه های ایرینا و فروشندگان چه می گوید.
- ویژگی اهداف کاری: آیا ایرینا تمام جزئیات مربوط به آن را می داند شغل جدید، اهداف چه بود و چگونه باید به آنها می رسید.
- برنامه ریزی و کنترل: آیا ایرینا اقدامات خود را به عنوان یک مدیر برنامه ریزی کرده است، آیا آنها کنترل می شوند؟
- تعارض: علت و مشکل درگیری رخ داده چیست و چگونه می توان با آن کنار آمد.
لینک های موضوعی
استفاده از مدلهای تقلیدی به ساخت یک موقعیت از آغاز (انگیزه‌ها)، آشکار کردن انگیزه‌های آغاز آن، تا انتقال به کیفیت جدید کمک می‌کند. این که چه خواهد شد بستگی به چگونگی تجزیه و تحلیل و نتیجه گیری دارد. هیچ موقعیتی بدون اتصال تم ها کامل نمی شود. اغلب، مدل های شبیه سازی واقعیت را در همه جنبه ها بازتولید نمی کنند، اما چندین بسته از این دست باید در بازی وجود داشته باشد. در اینجا آنها به شرح زیر هستند.
- ایرینا هیچ تفاوتی در کار یک مدیر و یک فروشنده ندید.
- ایرینا برای موقعیت جدید خود آمادگی خوبی نداشت.
- ایرینا هیچ دانش اساسی از مدیریت ندارد.
توسعه انگیزه های ارتباطی
در مورد موضوعات مرتبط چه چیزی ممکن است و چه باید کرد؟
- اول از همه، انتقال اطلاعات ضروری است. روسای ایرینا موظفند بلافاصله پس از قرار ملاقات، شرایط خاصی را برای کار به او ارائه دهند. ایرینا باید به زیردستان خود در مورد شیوه مدیریت خود در محل کار اطلاع دهد.
- ثانیا، ایرینا باید در مبانی مدیریت، زیردستانش - در روش های فروش، آموزش ببیند، و البته، ایرینا و زیردستانش باید در مورد تعامل بین فردی آموزش ببینند.
- ثالثاً، لازم است که مسئولیت های عملکردی ایرینا به عنوان یک مدیر و فعالیت های کل بخش به طور کلی به وضوح برنامه ریزی شود.
- چهارم، باید مدیریت پرسنل مناسبی وجود داشته باشد: ایرینا در تعیین اهداف و اولویت ها، چه به صورت لحظه ای و چه بلند مدت، به کمک نیاز دارد، یعنی منطقی است که بخش منابع انسانی برای توسعه حرفه ای کارکنانی که شرکت به آنها علاقه مند است، برنامه ریزی کند.
کل این موضوع فقط به انتقال اطلاعات مربوط می شود.
وقتی بازی به مرحله جمع‌بندی نتایج و نتیجه‌گیری می‌رسد، مشخص می‌شود که مدلهای شبیه‌سازی چیست و چقدر مفید هستند. عملاً همه به نتایج بسیار دقیق و ملموسی دست یافته اند، زیرا وضعیت تا کوچکترین جزئیات مورد تجزیه و تحلیل قرار گرفته است.
- ابتدا مدیر باید در مورد مشخصات کار با مافوق خود توافق کند و نتایج را به زیردستان برساند.
- ثانیاً تمام اولویت ها و اهداف باید برای مدیر روشن باشد و برای بقیه کارکنان نیز توضیح داده شود.
ایرینا نیاز به تسلط بر تکنیک مدیریت در مدیریت زمان خود، در کنترل و برنامه ریزی، در مدیریت افراد و هرگونه درگیری، در گردش اطلاعات جدید در بین تیم و در توسعه آن دارد.
ایرینا باید در بخش پرسنل در مورد روش های آموزشی و همچنین آموزش پیشرفته کارمندان به طور دقیق اطلاعات کسب کند تا آنها را تا حد امکان به درستی اعمال کند. او باید او را بهبود بخشد سطح حرفه ایبه تنهایی و در آینده به تحصیل بپردازند. با این توصیه‌ها می‌توانید یک فرد ناآماده را بترسانید، بنابراین باید فوراً آنها را به سه بخش تقسیم کنید: اجرای فوری، توصیه‌هایی با فوریت متوسط، و نکته آخر به وضوح طولانی مدت است. منطقی است که ایرینا و مافوقش در مورد دلایل ناکامی ها بحث کنند و همه چیز را انجام دهند تا خود را تکرار نکنند.
پس از تجزیه و تحلیل، به این ترتیب، یک موقعیت ساخته شده مصنوعی، هر دانش آموز متوجه خواهد شد که مدل های تقلید چیست.
مدل های توسعه اقتصادی
توسعه اجتماعی-اقتصادی الگوهای تقلیدی متفاوتی دارد. این به نام جداگانه ای نیاز داشت تا به طور خاص دامنه کاربرد این یا آن ساخت مصنوعی موقعیتی را بدانیم. مدل های شبیه سازی پویا به طور خاص برای پیش بینی عملکرد سیستم های اقتصادی طراحی شده اند. عنوان تاکید می کند که پویایی بیشتر است مشخصه اصلیچنین ساختارهایی، و آنها بر اساس اصول دینامیک سیستم هستند.
مراحل ساخت دارای توالی اقدامات زیر است: ابتدا طرحی از ساختار شناختی ساخته می شود، سپس داده های آماری انتخاب می شوند و طرح پالایش می شود. گام بعدی- در جایی شکل می گیرند که ارتباطات شناختی توصیف می شود، سپس IDM به عنوان یک کل جمع می شود. اشکال زدایی و تأیید مدل صورت می گیرد و در نهایت، محاسبات چند متغیره، از جمله محاسبات پیش بینی، انجام می شود.
روش اسکریپت نویسی
تحلیل سناریو که به معنای مدل شبیه سازی یک پروژه خاص است، برای محاسبه خطرات در مسیر توسعه پروژه و راه های غلبه بر آنها مورد نیاز است. ریسک سرمایه گذاری های تهدید کننده ممکن است بر خلاف انتظار در انحراف جریان نقدی در نظر گرفته شده برای این پروژه بیان شود و هر چه انحراف بیشتر باشد، ریسک نیز افزایش می یابد. هر پروژه طیف احتمالی از نتایج پروژه را نشان می دهد، بنابراین، با ارائه یک ارزیابی احتمالی، می توان جریان پول را با در نظر گرفتن تخمین های کارشناسان از نسل های احتمالی همه این جریان ها یا بزرگی انحرافات همه اجزاء تخمین زد. جریان از مقادیر مورد انتظار
خوب است زیرا بر اساس چنین است ارزیابی های کارشناسیحداقل سه موقعیت ممکن توسعه را می توان ساخت: بدبینانه، واقعی ترین (محتمل) و خوش بینانه. مدلهای شبیه‌سازی تنها تفاوتی با واقعیت دارند - این خود سیستم نیست که عمل را تولید می‌کند، بلکه مدل آن است. مدلهای شبیه‌سازی سیستم‌ها در مواردی کمک می‌کنند که انجام آزمایش‌های واقعی حداقل غیرمنطقی و در حداکثر - پرهزینه و خطرناک باشد. شبیه سازی راهی برای کشف سیستم ها بدون کوچکترین خطری است. به عنوان مثال، ارزیابی ریسک پروژه های سرمایه گذاری بدون شبیه سازی عملاً غیرممکن است، جایی که فقط از داده های پیش بینی شده در مورد هزینه ها، حجم فروش، قیمت ها و سایر مؤلفه های تعیین کننده ریسک استفاده می شود.
تحلیل مالی
مدل هایی که برای حل بسیاری از چالش های پیش رو استفاده می شوند آنالیز مالی، شامل متغیرهای تصادفی است که توسط تصمیم گیرندگان قابل کنترل نیستند. اینها مدلهای شبیه سازی تصادفی هستند. شبیه سازی به شما امکان می دهد تا نتایج ممکن را استنباط کنید، که به عنوان مبنایی برای توزیع احتمال متغیرهای تصادفی عمل می کند. همچنین، شبیه سازی تصادفی اغلب روش مونت کارلو نامیده می شود.
ریسک‌های پروژه‌های سرمایه‌گذاری چگونه مدلسازی می‌شوند؟ مجموعه ای از آزمایشات متعدد در حال انجام است که به طور کاملاً تجربی میزان تأثیر عوامل مختلف (یعنی مقادیر اولیه) را بر روی نتایج ارزیابی می کند که کاملاً و کاملاً به آنها بستگی دارد. یک آزمایش شبیه سازی معمولاً به مراحل خاصی تقسیم می شود.
برقراری رابطه بین شاخص های اولیه و نهایی در قالب یک نابرابری ریاضی یا یک معادله اولین گام در مسیر آزمایش است. سپس باید قوانینی را به ماشین بدهید که احتمالات را برای پارامترهای کلیدی توزیع می کند. در مرحله بعد، یک شبیه سازی کامپیوتری از تمام مقادیر پارامترهای اصلی مدل انجام می شود، ویژگی های توزیع شاخص های اولیه و نهایی محاسبه می شود. در نهایت، تجزیه و تحلیل نتایج تولید شده توسط خود کامپیوتر انجام شده و تصمیم گیری می شود.
