Kas yra modeliavimas. Pagrindiniai modeliavimo metodai

Šiame straipsnyje mes kalbėsime apie modeliavimo modelius. Tai gana sudėtinga tema, kurią reikia atskirai apsvarstyti. Štai kodėl mes stengsimės paaiškinti šią problemą prieinama kalba.

Modeliavimo modeliai

Apie ką mes kalbame? Pirmiausia reikia modeliavimo modelių, kad būtų atkurtos visos sudėtingos sistemos, kurioje elementai sąveikauja, charakteristikos. Be to, šis modeliavimas turi daugybę funkcijų.

Pirma, tai yra modeliavimo objektas, kuris dažniausiai atspindi sudėtingą sudėtingą sistemą. Antra, tai atsitiktinumo veiksniai, kurie visada yra ir turi tam tikrą poveikį sistemai. Trečia, tai yra poreikis aprašyti sudėtingą ir ilgą procesą, kuris pastebimas dėl modeliavimo. Ketvirtas veiksnys yra tai, kad neįmanoma pasiekti norimų rezultatų nenaudojant kompiuterinių technologijų.

Modeliavimo modelio sukūrimas

Tai yra tai, kad kiekvienas objektas turi tam tikrų savybių rinkinį. Visi jie saugomi kompiuteryje naudojant specialias lenteles. Vertybių ir rodiklių sąveika visada aprašoma naudojant algoritmą.

Modeliavimo ypatumas ir grožis yra tas, kad kiekvienas jo etapas yra laipsniškas ir sklandus, o tai leidžia žingsnis po žingsnio keisti charakteristikas ir parametrus bei gauti skirtingus rezultatus. Programa, kurioje naudojami modeliavimo modeliai, rodo informaciją apie gautus rezultatus, remiantis tam tikrais pakeitimais. Dažnai naudojamas jų grafinis ar animacinis pristatymas, labai supaprastinantis daugelio sudėtingų procesų, kuriuos gana sunku suvokti algoritmine forma, suvokimą ir supratimą.

Determinizmas

Modeliavimo matematiniai modeliai grindžiami tuo, kad jie kopijuoja kai kurių realių sistemų savybes ir charakteristikas. Apsvarstykime pavyzdį, kai reikia ištirti tam tikrų organizmų skaičių ir dinamiką. Tam, naudojant modeliavimą, kiekvieną organizmą galima nagrinėti atskirai, kad būtų galima konkrečiai išanalizuoti jo rodiklius. Šiuo atveju sąlygos dažniausiai nustatomos žodžiu. Pavyzdžiui, praėjus tam tikram laiko tarpui, galite nustatyti organizmo dauginimąsi ir dar daugiau ilgas terminas- jo mirtis. Modeliavimo modelyje įmanoma įvykdyti visas šias sąlygas.

Labai dažnai pateikiami dujų molekulių judėjimo modeliavimo pavyzdžiai, nes žinoma, kad jie juda chaotiškai. Galite ištirti molekulių sąveiką su indo sienelėmis arba tarpusavyje ir aprašyti rezultatus algoritmo pavidalu. Tai leis jums gauti visos sistemos charakteristikų vidurkį ir atlikti analizę. Reikėtų suprasti, kad toks kompiuterinis eksperimentas iš tikrųjų gali būti vadinamas tikru, nes visos charakteristikos yra modeliuojamos labai tiksliai. Bet kokia šio proceso esmė?

Faktas yra tas, kad modeliavimo modelis leidžia pabrėžti konkrečias ir grynas charakteristikas bei rodiklius. Tai tarsi atsikrato atsitiktinių, nereikalingų ir daugelio kitų veiksnių, apie kuriuos tyrėjai gali net neįsivaizduoti. Atkreipkite dėmesį, kad labai dažnai nustatymas ir matematinis modeliavimas yra panašūs, nebent dėl ​​to reikėtų sukurti savarankišką veiksmų strategiją. Pavyzdžiai, kuriuos apžvelgėme aukščiau, yra skirti deterministinėms sistemoms. Jie skiriasi tuo, kad neturi tikimybės elementų.

Atsitiktiniai procesai

Pavadinimą labai lengva suprasti, jei lygiuoji iš įprasto gyvenimo. Pavyzdžiui, kai einate į eilę parduotuvėje, kuri uždaroma po 5 minučių, ir galvojate, ar turėsite laiko nusipirkti prekę. Be to, atsitiktinumo pasireiškimą galima pastebėti, kai kam nors paskambini ir suskaičiuoji pyptelėjimus, galvodamas, kokia tikimybė tai pasiekti. Galbūt kai kam tai atrodys stebina, bet tai yra tokių dėka paprasti pavyzdžiai praėjusio amžiaus pradžioje gimė naujausia matematikos šaka, būtent eilių kūrimo teorija. Tam, kad padarytų tam tikras išvadas, ji naudoja statistiką ir tikimybių teoriją. Vėliau mokslininkai įrodė, kad ši teorija labai glaudžiai susijusi su kariniais reikalais, ekonomika, gamyba, ekologija, biologija ir kt.

Monte Karlo metodas

Svarbus savitarnos problemos sprendimo būdas yra statistinio bandymo metodas arba Monte Karlo metodas. Atminkite, kad atsitiktinių procesų analitinio tyrimo galimybės yra gana sudėtingos, o Monte Karlo metodas yra labai paprastas ir universalus. Pagrindinis bruožas... Galime apsvarstyti parduotuvės, į kurią įeina vienas ar keli klientai, pavyzdį, pacientų atvykimą į skubios pagalbos skyrių po vieną ar visą minią ir tt Tuo pačiu metu suprantame, kad visa tai yra atsitiktiniai procesai, ir laiko intervalai tarp kai kurių veiksmų yra nepriklausomi įvykiai, paskirstomi pagal įstatymus, kuriuos galima nustatyti tik atlikus daugybę stebėjimų. Kartais tai neįmanoma, todėl imama vidutinė versija. Bet koks yra atsitiktinių procesų modeliavimo tikslas?

Esmė ta, kad tai leidžia jums gauti atsakymus į daugelį klausimų. Apskaičiuoti, kiek laiko žmogus turės stovėti eilėje, yra nereikšminga, atsižvelgiant į visas aplinkybes. Atrodytų, kad tai gana paprastas pavyzdys, tačiau tai tik pirmas lygis ir panašių situacijų gali būti daug. Kartais laikas yra labai svarbus.

Taip pat galite užduoti klausimą, kaip galite paskirstyti laiką laukdami paslaugos. Dar sunkesnis klausimas susijęs su tuo, kaip reikia koreguoti parametrus, kad eilė niekada nepasiektų naujai įvesto kliento. Atrodo, kad tai gana lengvas klausimas, tačiau gerai pagalvojus ir pradėjus jį bent šiek tiek komplikuoti, tampa aišku, kad atsakyti nėra taip paprasta.

Procesas

Kaip veikia atsitiktinis modeliavimas? Naudojamos matematinės formulės, būtent atsitiktinių kintamųjų pasiskirstymo dėsniai. Taip pat naudojamos skaitinės konstantos. Atminkite, kad tokiu atveju jums nereikia pasinaudoti jokiomis lygtimis, kurios naudojamos analizės metoduose. Šiuo atveju tiesiog atsitinka tos pačios eilės, apie kurią kalbėjome aukščiau, imitacija. Tik iš pradžių naudojamos programos, kurios gali generuoti atsitiktinius skaičius ir susieti jas su tam tikru paskirstymo įstatymu. Po to atliekamas gausus, statistinis gautų verčių apdorojimas, kuris analizuoja duomenis ir nustato, ar jie atitinka pradinį modeliavimo tikslą. Tęsdami toliau, tarkime, kad galite rasti optimalų skaičių žmonių, kurie dirbs parduotuvėje, kad linija niekada nekiltų. Šiuo atveju naudojamas matematinis aparatas yra matematinės statistikos metodai.

Švietimas

Imitavimo modelių analizei mokyklose skiriama mažai dėmesio. Deja, tai gali rimtai paveikti ateitį. Vaikai iš mokyklos turėtų žinoti kai kuriuos pagrindinius modeliavimo principus, nes be šio proceso neįmanoma sukurti šiuolaikinio pasaulio. Baziniuose informatikos kursuose vaikai gali lengvai naudoti „Life“ modeliavimo modelį.

Išsamesnis tyrimas gali būti mokomas vidurinėje mokykloje arba specializuotose mokyklose. Visų pirma, jūs turite atlikti tyrimą modeliavimas atsitiktiniai procesai. Atminkite, kad rusų mokyklose tokia koncepcija ir metodai dar tik pradedami diegti, todėl labai svarbu išlaikyti mokytojų, kurie, 100% garantija, susidurs su daugybe vaikų klausimų, išsilavinimo lygį. Tuo pačiu nesudėtysime užduoties, sutelkdami dėmesį į tai, kad ateina apie elementarų šios temos įvadą, kurį galima išsamiai apsvarstyti per 2 val.

Vaikams įsisavinus teorinį pagrindą, verta pabrėžti technines problemas, susijusias su atsitiktinių skaičių sekos generavimu kompiuteryje. Tuo pačiu metu nereikia įkelti vaikams informacijos apie tai, kaip veikia skaičiavimo mašina ir kokiais principais sukurta analizė. Remiantis praktiniais įgūdžiais, juos reikia išmokyti sukurti vienodų atsitiktinių skaičių generatorius segmente arba atsitiktinius skaičius pagal paskirstymo įstatymą.

Aktualumas

Pakalbėkime šiek tiek apie tai, kodėl reikalingi valdymo modeliavimo modeliai. Esmė ta, kad į vidų šiuolaikinis pasaulis tai beveik neįmanoma padaryti be modeliavimo bet kurioje srityje. Kodėl jis toks populiarus ir paklausus? Modeliavimas gali pakeisti realaus pasaulio įvykius, kurių reikia norint gauti konkrečius rezultatus, kuriuos sukurti ir analizuoti per brangu. Arba gali būti atvejis, kai draudžiama atlikti tikrus eksperimentus. Be to, žmonės jį naudoja, kai dėl daugybės atsitiktinių veiksnių, pasekmių ir priežastinių ryšių tiesiog neįmanoma sukurti analitinio modelio. Paskutinis atvejis, kai naudojamas šis metodas, yra tada, kai reikia imituoti sistemos elgesį per tam tikrą laikotarpį. Visam tam kuriami simuliatoriai, kurie stengiasi kiek įmanoma atkartoti pradinės sistemos savybes.

Peržiūrėjo

Tyrimo modeliavimo modeliai gali būti kelių tipų. Taigi, apsvarstykime modeliavimo metodus. Pirmasis yra sistemos dinamika, kuri išreiškiama tuo, kad yra tarpusavyje susijusių kintamųjų, tam tikrų diskų ir Atsiliepimas... Taigi dažniausiai atsižvelgiama į dvi sistemas, kuriose yra keletas bendrų savybių ir susikirtimo taškų. Kitas modeliavimo tipas yra atskiras įvykis. Tai susiję su tais atvejais, kai yra tam tikrų procesų ir išteklių, taip pat veiksmų seka. Dažniausiai tokiu būdu įvykio galimybė tiriama per daugelio galimų ar atsitiktinių veiksnių prizmę. Trečiasis modeliavimo tipas yra agentas. Jį sudaro atskirų organizmo savybių tyrimas jų sistemoje. Tam reikia netiesioginės ar tiesioginės stebimo objekto ir kitų sąveikos.

Diskrečių įvykių modeliavimas siūlo susilaikyti nuo įvykių tęstinumo ir apsvarstyti tik pagrindinius dalykus. Taigi atsitiktiniai ir nereikalingi veiksniai neįtraukiami. Šis metodas yra pažangiausias ir naudojamas daugelyje sričių: nuo logistikos iki gamybos sistemų. Būtent jis geriausiai tinka modeliuoti gamybos procesus. Beje, jį septintajame dešimtmetyje sukūrė Jeffrey Gordonas. Sistemos dinamika yra modeliavimo paradigma, kai tyrimams reikia grafiškai pavaizduoti kai kurių parametrų ryšius ir tarpusavio įtaką kitiems. Tai atsižvelgia į laiko veiksnį. Tik remiantis visais duomenimis, kompiuteryje sukuriamas pasaulinis modelis. Būtent šis požiūris leidžia labai giliai suprasti tiriamo įvykio esmę ir nustatyti kai kurias priežastis bei ryšius. Šio modeliavimo dėka kuriamos verslo strategijos, gamybos modeliai, ligų vystymasis, miesto planavimas ir kt. Šį metodą 1950 -aisiais išrado Forresteris.

Agentų modeliavimas atsirado dešimtajame dešimtmetyje ir yra palyginti naujas. Šia kryptimi analizuojamos decentralizuotos sistemos, kurių dinamiką lemia ne visuotinai priimti įstatymai ir taisyklės, o individuali tam tikrų elementų veikla. Šio modeliavimo esmė yra įsivaizduoti naujas taisykles, apibūdinti sistemą kaip visumą ir rasti ryšį tarp atskirų komponentų. Tuo pačiu metu tiriamas elementas, kuris yra aktyvus ir savarankiškas, gali savarankiškai priimti sprendimus ir sąveikauti su aplinka, taip pat savarankiškai keistis, o tai yra labai svarbu.

Etapai

Dabar mes apsvarstysime pagrindinius modeliavimo modelio kūrimo etapus. Jie apima jo formulavimą pačioje proceso pradžioje, koncepcinio modelio kūrimą, modeliavimo metodo pasirinkimą, modeliavimo aparato pasirinkimą, planavimą ir užduoties atlikimą. Paskutiniame etape visi gauti duomenys yra analizuojami ir apdorojami. Modeliavimo modelio kūrimas yra sudėtingas ir ilgas procesas, reikalaujantis daug dėmesio ir supratimo. Atminkite, kad patys veiksmai užtrunka kuo ilgiau, o modeliavimo procesas kompiuteryje trunka ne ilgiau kaip kelias minutes. Labai svarbu naudoti tinkamus modeliavimo modelius, nes be jo negalėsite pasiekti norimų rezultatų. Kai kurie duomenys bus gauti, tačiau jie nebus realūs ir nebus produktyvūs.

Apibendrindamas straipsnį, norėčiau pasakyti, kad tai labai svarbi ir moderni pramonė. Mes pažvelgėme į modeliavimo modelių pavyzdžius, kad suprastume visų šių punktų svarbą. Šiuolaikiniame pasaulyje modeliavimas vaidina didžiulį vaidmenį, nes jo pagrindu vystosi ekonomika, miestų planavimas, gamyba ir pan. Svarbu suprasti, kad modeliai modeliavimo sistemos labai paklausūs, nes jie yra neįtikėtinai pelningi ir patogūs. Net kuriant realias sąlygas ne visada pavyksta gauti patikimų rezultatų, nes visada įtakoja daug scholastinių veiksnių, į kuriuos tiesiog neįmanoma atsižvelgti.

Pagrindiniai modeliavimo modeliavimo metodai yra šie: analitinis metodas, statinio modeliavimo metodas ir kombinuoto metodo (analitinis-statistinis) metodas.

Analitinis metodas jis naudojamas procesams imituoti daugiausia mažoms ir paprastoms sistemoms, kuriose nėra atsitiktinumo veiksnio. Pavyzdžiui, kai jų veikimo procesas aprašomas diferencialinėmis arba integro-diferencialinėmis lygtimis. Metodas pavadintas sąlygiškai, nes jis apjungia galimybes imituoti procesą, kurio modelis gaunamas analitiškai uždaro arba tirpalo, gauto skaičiavimo matematikos metodais, pavidalu.

Statistinio modeliavimo metodas iš pradžių sukurtas kaip statistinis bandymo metodas (Monte Karlas). Tai yra skaitinis metodas, susidedantis iš tikimybinių charakteristikų, kurios sutampa su analitinių uždavinių sprendimu, įvertinimų (pavyzdžiui, sprendžiant lygtis ir skaičiuojant neabejotinas integralas). Vėliau šis metodas buvo pradėtas imituoti procesus, vykstančius sistemose, kuriose yra atsitiktinumo šaltinis arba kurios yra atsitiktinės įtakos. Jis gavo metodo pavadinimą statistinis modeliavimas.

Tiriant sudėtingas sistemas, kurioms būdingi atsitiktiniai trikdžiai, naudojami tikimybiniai analitiniai modeliai ir tikimybiniai modeliavimo modeliai.

Tikimybiniuose analitiniuose modeliuose į atsitiktinių veiksnių įtaką atsižvelgiama nustatant atsitiktinių procesų tikimybines charakteristikas (tikimybių pasiskirstymo dėsnius, spektrinius tankius ar koreliacijos funkcijas). Tuo pačiu metu tikimybinių analitinių modelių konstravimas yra sudėtinga skaičiavimo problema. Todėl tikimybinis analitinis modeliavimas naudojamas palyginti paprastoms sistemoms tirti.

Pažymėtina, kad atsitiktinių trikdžių įvedimas į modeliavimo modelius nesukelia esminių komplikacijų, todėl šiuo metu paprastai atliekami sudėtingų atsitiktinių procesų modeliavimo modeliai.

Tikimybinio modeliavimo atveju naudojamasi ne atsitiktinių procesų charakteristikomis, o konkrečiomis atsitiktinėmis procesų ir sistemų parametrų skaitinėmis reikšmėmis. Šiuo atveju rezultatai, gauti pakartojant nagrinėjamą procesą pagal modeliavimo modelį, yra atsitiktiniai. Todėl, norint rasti objektyvias ir stabilias proceso charakteristikas, būtina jį daug kartų atkartoti, o po to statistiškai apdoroti gautus duomenis. Štai kodėl sudėtingų procesų ir sistemų, kurioms būdingi atsitiktiniai sutrikimai, tyrimas naudojant modeliavimą paprastai vadinamas statistiniu modeliavimu.

Atsitiktinio proceso statistinis modelis yra algoritmas, imituojantis sudėtingos sistemos veikimą, kuriai būdingi atsitiktiniai trikdžiai; imituoti sistemos elementų, kurie yra tikimybinio pobūdžio, sąveiką.

Diegiant statistinį modeliavimą kompiuteryje, iškyla problema gauti kompiuteriu atsitiktines skaitines sekas su nurodytomis tikimybinėmis charakteristikomis. Skaitinis metodas, problemų sprendimas generuoti atsitiktinių skaičių seką su nurodytais pasiskirstymo dėsniais, vadinamas „statistinių testų metodu“ arba „Monte Karlo metodu“.

Kadangi Monte Karlo metodas, be statistinio modeliavimo, gali būti taikomas daugeliui skaitinių metodų (imant integralus, sprendžiant lygtis), patartina turėti skirtingus terminus.

Taigi, statistinis modeliavimas yra būdas ištirti sudėtingus procesus ir sistemas, kuriems būdingi atsitiktiniai trikdžiai, naudojant modeliavimo modelius.

Monte Karlo metodas yra skaitinis metodas, imituojantis kompiuteriu pseudoatsitiktines skaitines sekas su tam tikromis tikimybės charakteristikomis

Statistinio modeliavimo metodą sudaro šie etapai:

1. Pseudoatsitiktinių sekų kompiuterinis modeliavimas su duota koreliacija ir tikimybių pasiskirstymo dėsniu (Monte Karlo metodas), simuliuojant atsitiktines parametrų reikšmes kompiuteryje kiekvienam bandymui;

2. Gautų skaitinių sekų transformacija modeliavimo matematiniais modeliais.

3. Modeliavimo rezultatų statistinis apdorojimas.

Kombinuotas metodas(analitinis ir statistinis) leidžia derinti analitinio ir statistinio modeliavimo metodų privalumus. Jis naudojamas kuriant modelį, sudarytą iš įvairių modulių, atstovaujančių tiek statistinių, tiek analitinių modelių, kurie sąveikauja kaip visuma, rinkinį. Be to, modulių rinkinį gali sudaryti ne tik moduliai, atitinkantys dinaminius modelius, bet ir moduliai, atitinkantys statinius matematinius modelius.

Modeliavimo projektą sudaro šie etapai: koncepcinis, aiškinimo etapas, eksperimentinis etapas. Panagrinėkime juos išsamiau.

1. Konceptualus.Šiame etape įvyksta pradinė pažintis su tyrimo objektu ir tampa aišku, kokių duomenų reikia projektui užbaigti. Susidaro bendra informacija apie modelį: modelio pavadinimas, jo paskirtis ir kūrimo tikslas. Nustatomas objektų, kuriuose planuojama naudoti modelį, sąrašas, pareigūnai, kurio interesais problema bus išspręsta. Aprašoma modeliuojamo proceso fizinė esmė ir modelio apimtis.

Tame pačiame etape nustatomi kriterijai, pagal kuriuos bus vertinamas modelio efektyvumas ar jo kokybė. Aprašomi modelio kūrimo apribojimai ir prielaidos. Yra išvardyti analizės metodai kuriuos planuojama naudoti kuriant modelį. Nustatoma modelio paleidimo ir valdymo tvarka, galimi jo naudojimo būdai ir sujungimas su kitais modeliais. Išsiaiškinami modelyje naudojami informacijos šaltiniai, taip pat šios informacijos sudėtis ir struktūra. Jei kuriant modelį planuojama naudoti atsitiktinius kintamuosius, tai konceptualioje stadijoje pagrindžiami jų pasiskirstymo dėsniai.

Šiame etape taip pat svarbu nustatyti techninės ir programinės įrangos konfigūracijos reikalavimus: pagalvokite apie charakteristikas technines priemones(centrinio procesoriaus tipas, bendraprocesoriaus buvimas, RAM ir nuolatinės atminties kiekis ir kt.) ir parengti bendrą programinė įranga (OS, tinklo operacinės sistemos ir kt.), visos sistemos programinė įranga (DBVS, biuro komplektai ir kt.).

Būtina užtikrinti modelyje naudojamos informacijos apsaugą, šiuo tikslu koncepciniame etape nustatoma saugumo politika (galimos grėsmės, galima žala pažeidus apsaugą, vartotojų grupės, prieigos teisės, ir tt).

2. Aiškinimo etapas.Jis apima modeliuojamo objekto aprašymo įforminimą pagal pasirinktas CASE - priemones. Šiame etape, natūrali kalba pateikiamas semantinis (tariamas) tiriamo objekto kompozicijos aprašymas, objekto ir objekto elementų sąveika su išorine aplinka. Remiantis objekto aprašymu, sukuriamas modeliavimo modelis, naudojant tam pasirinktas modeliavimo kalbos priemones. 6.4 pav. pateiktas modelio, sukurto naudojant ARIS, pavyzdys.

Ryžiai. 6.4. Modelio, įvykdyto ARIS aplinkoje, pavyzdys

Čia taip pat nustatomos laiko ir išlaidų charakteristikos.

funkcijas ir verslo procesus. Pavyzdys pateiktas 6.5 paveiksle.

Ryžiai. 6.5. Kiekybinio ir kokybės charakteristikas

Šiame etape taip pat tikrinamas, ar gautas modelis atitinka teorinę schemą, kuri buvo naudojama formuojant modeliavimo objektą. Šis procesas dažnai vadinamas modelio patvirtinimu. Antrasis etapas baigiamas tikrinant modeliavimo modelio atitikimą tikrosios sistemos savybėms. Jei taip nėra, vėl reikėtų grįžti prie modelio įforminimo momento.

3. Eksperimentinis etapas.Šis etapas susideda iš skaitmeninio eksperimento su sukurtu modeliu „paleidimo“ kompiuteriu. Prieš pradedant tyrimą, naudinga sudaryti tokią modelio „paleidimo“ seką, kuri leistų gauti reikiamą informacijos kiekį dėl tam tikros pradinių duomenų sudėties ir patikimumo. Be to, remiantis parengtu eksperimentiniu planu, modeliavimo modelio „paleidimai“ atliekami kompiuteryje, o rezultatai apdorojami siekiant pateikti juos patogia analizei forma.

Remiantis rezultatų analize, rengiamos ir formuluojamos galutinės modeliavimo išvados, rengiamos rekomendacijos dėl modeliavimo rezultatų panaudojimo siekiant užsibrėžtų tikslų. Dažnai, remdamiesi šiomis išvadomis, jie grįžta į modeliavimo proceso pradžią, kad gautų būtinus teorinės ir praktinės modelio dalies pakeitimus, ir iš naujo tiria pakeistą modelį. Dėl kelių tokių ciklų gaunamas modeliavimo modelis, geriausias būdas tenkinti pavestas užduotis.

Yra nemažai programinės įrangos sistemų, leidžiančių kurti modeliavimo modelius. Jie apima:

Ø Verslo studija(Verslo procesų modeliavimas)

Ø PTV vizija VISSIM

Ø „Tecnomatix“ augalų modeliavimas

Kai kurios iš šių sistemų išsamiau aptariamos 7 skyriuje.

Klausimai 6 skyriui

1. Kas yra modeliavimas?

2. Pateikite modeliavimo modelio apibrėžimą.

3. Koks yra bet kurio modeliavimo modelio pagrindas?

4. Koks yra modeliavimo tikslas?

5. Išvardinkite pagrindinius modeliavimo privalumus

6. Kokie yra modeliavimo trūkumai:

7. Švinas tipiški pavyzdžiai kur jį galima pritaikyti

8. Kokie yra modeliavimo tipai?

9. Kas yra sistemos dinamika?

10. Kokie yra atskirų įvykių modeliavimo komponentai

11. Koks yra agentų modelių tikslas?

12. Išvardykite modeliavimo etapus

Modelis yra abstraktus sistemos aprašymas, kurio detalumo lygį nustato pats tyrėjas. Asmuo nusprendžia, ar duotas elementas sistema yra svarbi, todėl ar ji bus įtraukta į sistemos aprašymą. Šis sprendimas priimamas turint tikslą kurti modelį. Modeliavimo sėkmė priklauso nuo to, kaip tyrėjas sugeba atskirti esminius elementus ir jų tarpusavio ryšius.

Sistema laikoma sudaryta iš daugelio tarpusavyje sujungtų elementų, sujungtų tam tikrai funkcijai atlikti. Sistemos apibrėžimas iš esmės yra subjektyvus, t.y. tai priklauso ne tik nuo modelio apdorojimo tikslo, bet ir nuo to, kas tiksliai apibrėžia sistemą.

Taigi, modeliavimo procesas prasideda nustatant modelio kūrimo tikslą, kuriuo remiantis sistemos ribos ir reikiamą detalumo lygį imituojami procesai. Pasirinktas išsamumo lygis turėtų leisti abstrakčiai laikytis tikros sistemos veikimo aspektų, kurie yra netiksliai apibrėžti dėl informacijos trūkumo. Be to, sistemos aprašymas turėtų apimti sistemos veikimo efektyvumo kriterijus ir įvertintus alternatyvius sprendimus, kurie gali būti laikomi modelio dalimi arba jo įnašais. Įvertinimai alternatyvių sprendimų pagal nurodytus efektyvumo kriterijus laikomi modelio rezultatais. Paprastai, norint įvertinti alternatyvas, reikia pakeisti sistemos aprašymą ir atitinkamai pertvarkyti modelį. Todėl praktiškai modelio kūrimo procesas yra kartotinis. Gavę rekomendacijas pagal gautus alternatyvų įvertinimus, galite pradėti diegti modeliavimo rezultatus. Kartu rekomendacijose turėtų būti aiškiai suformuluoti ir pagrindiniai sprendimai, ir jų įgyvendinimo sąlygos.

Modeliavimo modeliavimas(plačiąja prasme) - vyksta tikros sistemos modelio konstravimo ir eksperimento su šiuo modeliu procesas, siekiant suprasti sistemos elgesį arba įvertinti (neviršijant nustatytų apribojimų) įvairias strategijas, užtikrinančias šios sistemos veikimą.

Modeliavimo modeliavimas(siaurąja prasme)-tai dinaminio sistemos elgesio vaizdavimas, perkeliant ją iš vienos būsenos į kitą pagal gerai žinomas darbo taisykles (algoritmus).

Taigi, norint sukurti modeliavimo modelį, būtina pasirinkti ir aprašyti sistemos būseną bei jos keitimo algoritmus (taisykles). Be to, jis parašytas naudojant tam tikrą modeliavimo priemonę (algoritminė kalba, specializuota kalba) ir apdorojamas kompiuteryje.

Modeliavimo modelis(IM) yra loginis-matematinis sistemos aprašymas, kurį galima naudoti atliekant eksperimentus skaitmeniniame kompiuteryje.

MI gali būti naudojamas kuriant, analizuojant ir vertinant sistemų veikimą. Mašinos eksperimentai atliekami naudojant MI, kurie leidžia daryti išvadas apie sistemos elgesį:

· Nesant jo konstrukcijos, jei tai projektuojama sistema;

· Netrukdant jos veikimui, jei tai operacinė sistema, su kuria eksperimentuoti neįmanoma arba nepageidautina (didelės išlaidos, pavojus);

· Nesunaikinant sistemos, jei eksperimento tikslas yra nustatyti poveikį jai.

Modeliavimo modelio formavimo procesą galima trumpai pavaizduoti taip ( 2 pav):

2 pav... Modeliavimo modelio formavimo schema

Išėjimas: IM pasižymi formalizuota proceso schema aprašytų reiškinių atgaminimu, išsaugojant jų loginę struktūrą, kaitos seką laike, o kartais ir fizinį turinį.

Kompiuterinis modeliavimas (IM) yra plačiai naudojamas tiriant ir valdant sudėtingas atskiras sistemas (SDS) ir jose vykstančius procesus. Šios sistemos apima ekonominius ir pramoninius objektus, jūrų uostus, oro uostus, naftos ir dujų siurbimo kompleksus, drėkinimo sistemas, sudėtingų valdymo sistemų programinę įrangą, kompiuterių tinklus ir daugelį kitų. Plačiai paplitęs IM naudojimas paaiškinamas tuo, kad sprendžiamų problemų matmuo ir sudėtingų sistemų neformalizavimas neleidžia naudoti griežtų optimizavimo metodų.

Pagal imitacija suprasime skaitinį eksperimentų atlikimo kompiuteriu metodą su matematiniais modeliais, apibūdinančiais sudėtingų sistemų elgesį per ilgą laiką.

Modeliavimo eksperimentas yra ilgo laiko (minutės, mėnesio, metų ir pan.), kuris paprastai trunka kelias sekundes ar minutes kompiuterio veikimo laiko, rodymas LTS. Tačiau yra problemų, kurias sprendžiant būtina atlikti tiek daug modeliavimo skaičiavimų (paprastai tai yra užduotys, susijusios su valdymo sistemomis, priėmimo modeliavimas) optimalūs sprendimai, dirba veiksmingos strategijos valdymas ir pan.), kad MI veikia lėčiau nei tikroji sistema. Todėl galimybė imituoti ilgą LTS veikimo laikotarpį per trumpą laiką nėra svarbiausias dalykas, kurį suteikia modeliavimas.

Modeliavimo galimybės:

1. Su MI atliekami mašinų eksperimentai, kurie leidžia daryti išvadas apie sistemos elgesį:

· Jos nestatant, jei tai projektuojama sistema;

· Netrukdant jos veikimui, jei tai operacinė sistema, su kuria eksperimentuoti neįmanoma arba nepageidautina (brangu, pavojinga);

· Nesunaikinant jos, jei eksperimento tikslas yra nustatyti ribojantį poveikį sistemai.

2. Eksperimentiškai ištirti sudėtingą sistemos sąveiką ir suprasti jos veikimo logiką.

4. Ištirti išorinių ir vidinių atsitiktinių trikdžių poveikį.

5. Ištirti sistemos parametrų įtakos efektyvumo rodikliams laipsnį.

6. Patikrinkite naujas valdymo strategijas ir sprendimų priėmimą operatyviniame valdyme.

7. Numatyti ir planuoti sistemos veikimą ateityje.

8. Vesti darbuotojų mokymus.

Modeliavimo eksperimentas grindžiamas imituotos sistemos modeliu.

IM sukurta sudėtingoms stochastinėms sistemoms modeliuoti - diskretiška, tęstinė, kombinuota.

Modeliavimas reiškia, kad pateikiami vienas po kito einantys laikai ir modelio būseną kompiuteris nuosekliai apskaičiuoja kiekvienu iš šių laiko momentų. Norėdami tai padaryti, būtina nustatyti modelio perėjimo iš vienos būsenos į kitą taisyklę (algoritmą), tai yra, transformaciją:

, ,

kur - modelio būsena - laikas, kuris yra vektorius.

Pristatome į tai:

yra išorinės aplinkos būklės vektorius (modelio įvestis), esantis laiko momentu,

yra kontrolinis vektorius tuo momentu.

Tada MI nustatomas pagal operatoriaus pareiškimą, kurio pagalba galima nustatyti modelio būseną kitu laiko momentu pagal esamą būseną, valdymo vektorius ir išorinę aplinką:

, .

Šią transformaciją rašome pasikartojančia forma:

, .

operatorius apibrėžia sudėtingos sistemos modeliavimo modelį su jos struktūra ir parametrais.

Svarbus privalumas IM - galimybė atsižvelgti į nekontroliuojamus modeliuojamo objekto veiksnius, kurie yra vektorius:

.

Tada mes turime:

, .

Modeliavimo modelis- Tai loginis-matematinis sistemos aprašymas, kurį galima naudoti atliekant eksperimentus kompiuteriu.

3 pav. Sudėtingos sistemos IM sudėtis

Grįžtant prie sudėtingos sistemos imitavimo problemos, sąlygiškai išskiriame MI: valdomo objekto modelis, valdymo sistemos modelis ir vidinių atsitiktinių trikdžių modelis (3 pav).

Valdomo objekto modelio įėjimai yra suskirstyti į valdomus kontroliuojamus ir nekontroliuojamus nekontroliuojamus trikdžius. Pastaruosius generuoja atsitiktinių skaičių jutikliai pagal tam tikrą paskirstymo įstatymą. Valdymas savo ruožtu yra valdymo sistemos modelio išėjimas, o trikdžiai - atsitiktinio skaičiaus jutiklių (vidinių trikdžių modelių) išėjimas.

Čia yra valdymo sistemos algoritmas.

Modeliavimas leidžia tirti modeliuojamo objekto elgesį ilgą laiką - dinaminis modeliavimas... Šiuo atveju, kaip minėta aukščiau, jis aiškinamas kaip laiko momento skaičius. Be to, galite ištirti sistemos elgesį tam tikru momentu - statinis modeliavimas, tada jis laikomas valstybės numeriu.

Naudojant dinaminį modeliavimą, laikas gali keistis pastoviu ir kintančiu žingsniu ( 4 pav):

4 pav. Dinaminis modeliavimas

Čia g i- įvykiai LTS, g * i- įvykių atsiradimo momentai dinaminiame modeliavime su pastoviu žingsniu, g 'Aš- įvykių atsiradimo momentai su skirtingu žingsniu.

Atliekant nuolatinį žingsnį, jį lengviau įgyvendinti, tačiau jis yra mažiau tikslus ir gali būti tuščių (tai yra nereikalingų) laiko taškų, kai apskaičiuojama modelio būsena.

Laikas pereina nuo įvykio prie įvykio įvairiais žingsniais. Šis metodas yra tikslesnis proceso atkūrimas, nėra nereikalingų skaičiavimų, tačiau jį įgyvendinti yra sunkiau.

Pagrindinės nuostatos iš aukščiau pateikto:

1. IM yra skaitinis metodas ir turėtų būti naudojamas, kai neįmanoma naudoti kitų metodų. Sudėtingoms sistemoms šiuo metu tai yra pagrindinis tyrimo metodas.

2. Imitacija yra eksperimentas, o tai reiškia, kad jis turėtų naudoti eksperimento planavimo ir jo rezultatų apdorojimo teoriją.

3. Kuo tiksliau aprašomas modeliuojamo objekto elgesys, tuo tiksliau reikalaujama modelio. Kaip tiksliau modelis, tuo jis yra sudėtingesnis ir reikalauja didelių kompiuterinių išteklių bei laiko tyrimams. Todėl reikia rasti kompromisą tarp modelio tikslumo ir jo paprastumo.

Užduočių, kurias reikia išspręsti, pavyzdžiai: sistemos dizaino analizė įvairiuose etapuose, analizė Operacinės sistemos, naudoti valdymo sistemose, naudoti optimizavimo sistemose ir kt.

Įvadas

Vienas iš svarbias savybes ACS - iš esmės neįmanoma atlikti tikrų eksperimentų iki projekto pabaigos. Galimas sprendimas yra modeliavimo modelių naudojimas. Tačiau jų kūrimas ir naudojimas yra nepaprastai sudėtingi, todėl kyla pakankamai sunkumų tikslus apibrėžimas modeliavimo proceso tinkamumo laipsnis. Todėl svarbu nuspręsti, kurį modelį sukurti.

Kitas svarbus aspektas- modeliavimo modelių naudojimas automatizuotos valdymo sistemos veikimo metu priimant sprendimus. Tokie modeliai kuriami projektavimo proceso metu, kad juos būtų galima nuolat tobulinti ir koreguoti, kad jie atitiktų besikeičiančią vartotojo patirtį.

Tie patys modeliai gali būti naudojami personalo mokymui prieš pradedant eksploatuoti automatinę valdymo sistemą ir verslo žaidimams.

Gamybos proceso modelio tipas labai priklauso nuo to, ar jis yra diskretiškas, ar tęstinis. Diskretiniuose modeliuose kintamieji diskretiškai keičiasi tam tikrais modeliavimo laiko momentais. Laikas gali būti laikomas nepertraukiamu arba diskrečiu, priklausomai nuo to, ar diskretiški kintamųjų pokyčiai gali įvykti bet kuriuo modeliavimo laiko momentu, ar tik tam tikrais momentais. Tęstiniuose modeliuose proceso kintamieji yra tęstiniai, o laikas gali būti nuolatinis arba diskretus, priklausomai nuo to, ar nuolatiniai kintamieji yra prieinami bet kuriuo modeliavimo momentu, ar tik tam tikrais momentais. Abiem atvejais modelis pateikia laiko nustatymo bloką, kuris imituoja modelio laiko judėjimą, paprastai pagreitintą, palyginti su realiuoju.

Apskritai, modeliavimo modelio kūrimas ir modeliavimo eksperimentų atlikimas gali būti pavaizduoti keliais pagrindiniais etapais, kaip parodyta Fig. 1.

Modelio komponentas, rodantis tam tikrą modeliuojamos sistemos elementą, yra apibūdinamas kiekybinio ar loginio tipo charakteristikų rinkiniu. Priklausomai nuo egzistavimo trukmės, komponentai yra sąlyginai nuolatiniai ir laikini. Sąlyginai nuolatiniai komponentai egzistuoja viso eksperimento su modeliu metu, o laikini komponentai sukuriami ir sunaikinami eksperimento metu. Modeliavimo modelio komponentai yra suskirstyti į klases, kuriose jie turi tas pačias charakteristikas, tačiau skiriasi savo vertėmis.

Komponento būseną lemia jo charakteristikų vertės tam tikru modelio laiko momentu, o visų komponentų charakteristikų verčių rinkinys lemia viso modelio būseną.

Pakeitus charakteristikų reikšmes, kurios yra modeliuojamos sistemos elementų sąveikos modelio rodymo rezultatas, pasikeičia modelio būsena. Charakteristika, kurios vertė keičiasi modeliavimo eksperimento metu, yra kintamasis, priešingu atveju tai yra parametras. Diskrečiųjų kintamųjų vertės nesikeičia per laiko tarpą tarp dviejų iš eilės einančių specialių būsenų ir staiga keičiasi pereinant iš vienos būsenos į kitą.

Modeliavimo algoritmas yra modelio komponentų funkcinės sąveikos aprašymas. Norėdami ją sudaryti, modeliuotos sistemos veikimo procesas yra suskirstytas į keletą nuoseklių įvykių, kurių kiekvienas atspindi sistemos būklės pasikeitimą dėl jos elementų sąveikos arba poveikio išorinės aplinkos sistemoms. įvesties signalų pavidalu. Ypatingos būsenos atsiranda tam tikrais laiko momentais, kurie yra suplanuoti iš anksto arba nustatomi eksperimento su modeliu metu. Įvykių pradžia modelyje planuojama planuojant įvykius pagal jų atsiradimo laiką, arba atliekama analizė, kuri atskleidžia nustatytų verčių pasiekimą pagal kintamas charakteristikas.

Šiuo tikslu patogiausia naudoti SIVS. Juose pateiktą medžiagą ir informacijos srautus lengva analizuoti, siekiant nustatyti ypatingas sąlygas. Tokios būsenos yra produkto apdorojimo pabaigos kiekvienoje darbo vietoje arba jo gabenimo momentai, atsispindintys SIWS; gauti ir išduoti nuolatiniam ar laikinam saugojimui; dalių surinkimas į vienetus, vienetai į gaminį ir kt. Kalbant apie atskirą gamybą, charakteristikų pasikeitimas tarp specialių būsenų taip pat gali būti laikomas diskrečiu, o tai reiškia perėjimą sąlyginiu šuoliu iš šaltinio medžiaga prie ruošinio, nuo ruošinio iki pusgaminio, nuo pusgaminio iki dalies ir kt.

Taigi kiekviena gamybos operacija laikoma veiklos vykdytoju, kuris keičia produkto charakteristikų vertę. Kalbant apie paprastus modelius, būsenų seka gali būti laikoma deterministine. Geriau atspindėkite atsitiktinių sekų, kurios gali būti įformintos atsitiktinio laiko intervalo su tam tikru pasiskirstymu, arba atsitiktinio vienarūšių įvykių srauto, panašaus į masinio aptarnavimo teorijos srautą, realybę. Panašiai galima analizuoti ir identifikuoti naudojant specialias SIVS sąlygas judėjimo ir informacijos apdorojimo metu.

Fig. 2 parodyta apibendrinto modeliavimo modelio struktūra.

Imituodamas nepertraukiamus gamybos procesus pagal ∆t principą, laiko intervalo jutiklis pateikia laikrodžio impulsus, kad veiktų modeliavimo algoritmas. Atsitiktinių ir kontrolinių veiksmų blokai, taip pat pradinės sąlygos yra naudojamos rankiniu būdu įvesti kito modelio eksperimento sąlygas.

Modeliavimo funkcinių programų kompleksas kiekvienam modeliuojamam objektui nustato sąlyginį objekto būsenų tikimybių pasiskirstymą iki kiekvieno DL momento pabaigos. Kai atsitiktinai pasirenkama viena iš galimų būsenų, tai atlieka funkcinė paprograma; kai eksperimentatorius pasirenka - pagal programą, įterptą į valdymo veiksmų bloką, arba, jei pageidaujama, šį pasirinkimą atlikti rankiniu būdu kiekvieno ciklo metu, įvedant naujas pradines sąlygas, pagrįstas dabartine būsena, nustatyta naudojant indikacijos vienetą.

Funkcinė programa nustato technologinio mazgo parametrus kiekvienam ciklui, priklausomai nuo nurodytų pradinių sąlygų - žaliavų charakteristikų, nurodyto režimo, įrenginio savybių ir eksploatavimo sąlygų. Iš technologinės dalies modelio galima programiškai pridėti svorio ir tūrio balanso santykį.

Visų blokų ir programų koordinavimą ir sąveiką atlieka dispečerinė programa.

Modeliuojant atskirus procesus, kuriuose dažniausiai naudojamas specialių būsenų principas, modeliavimo modelio struktūra kinta nežymiai. Vietoj laiko intervalų jutiklio įvedamas blokas, kuris nustato ypatingos būsenos buvimą ir duoda komandą pereiti prie kitos. Funkcinė programa imituoja vieną operaciją kiekvienoje darbo vietoje kiekvieno perėjimo metu. Tokių operacijų charakteristikos gali būti deterministinės laiko atžvilgiu, pavyzdžiui, dirbant automatinei mašinai, arba atsitiktinės su duotus paskirstymus... Be laiko, gali būti imituojamos ir kitos savybės - santuokos buvimas ar nebuvimas, priskyrimas tam tikrai veislei ar klasei ir kt. Surinkimo operacijos imituojamos panašiai, tuo skirtumu, kad kiekvienos operacijos metu keičiasi ne apdorojamos medžiagos savybės, o vietoj kai kurių pavadinimų - dalys, mazgai - atsiranda kiti - mazgai, gaminiai - su naujomis savybėmis. Tačiau iš esmės surinkimo operacijos imituojamos panašiai kaip apdorojimo operacijos - nustatomos atsitiktinės ar deterministinės operacijos laiko sąnaudos, fizinės ir gamybos charakteristikų vertės.

Norėdami imituoti kompleksą gamybos sistemas reikia sukurti loginį-matematinį tiriamos sistemos modelį, leidžiantį su juo atlikti eksperimentus kompiuteriu. Modelis įgyvendinamas kaip programų kompleksas, parašytas viena iš universalių programavimo kalbų aukštas lygis arba specialia modeliavimo kalba. Tobulėjant modeliavimui, atsirado sistemų ir kalbų, kurios sujungia tiek nuolatinių, tiek atskirų sistemų modeliavimo galimybes, o tai leidžia imituoti sudėtingas sistemas, tokias kaip įmonės ir pramonės asociacijos.

Kurdami modelį, pirmiausia turėtumėte nustatyti jo paskirtį. Modelis turėtų atspindėti visas modeliuojamo objekto funkcijas, kurios yra būtinos jo konstrukcijos tikslo požiūriu, ir tuo pačiu metu jame neturėtų būti nieko nereikalingo, kitaip jis bus per daug sudėtingas ir nelabai efektyvus.

Pagrindinis įmonių ir asociacijų modelių tikslas yra juos išstudijuoti, siekiant patobulinti valdymo sistemą arba mokymą ir kvalifikacijos kėlimą. valdymo personalo... Šiuo atveju modeliuojama ne pati gamyba, o gamybos proceso rodymas valdymo sistemoje.

Modelio kūrimui naudojamas padidintas SIWS. Vieno sriegio metodas nustato tas funkcijas ir užduotis, dėl kurių pagal modelio tikslą galima pasiekti norimą rezultatą. Remiantis logine-funkcine analize, sudaroma modelio struktūrinė schema. Konstrukcinės schemos sudarymas leidžia pasirinkti daugybę nepriklausomų modelių, įtrauktų į formą sudedamosios dalysį įmonės modelį. Fig. 3 parodytas įmonės finansinių ir ekonominių rodiklių modeliavimo struktūrinės schemos sudarymo pavyzdys. Modelis atsižvelgia į abu išoriniai veiksniai- produktų paklausa, pristatymo planas ir vidinės gamybos sąnaudos, esamos ir planuojamos gamybos galimybės.

Kai kurie modeliai yra deterministiniai - planuojamų visų pajamų apskaičiavimas pagal prekę ir kiekį pagal gamybos planą žinomomis kainomis ir pakavimo kaina. Gamybos plano modelis yra optimizavimo modelis, suderintas su vienu iš galimi kriterijai- maksimaliai padidinti pajamas arba panaudoti gamybines patalpas; visapusiškas poreikio patenkinimas; tiekiamų medžiagų ir komponentų nuostolių sumažinimas ir pan. Savo ruožtu produktų paklausos modeliai, planuojami gamybos pajėgumai ir pasiūlos planai yra tikėtini taikant skirtingus platinimo įstatymus.

Ryšys tarp modelių, jų darbo koordinavimas ir bendravimas su vartotojais atliekamas naudojant specialią programą, kuri parodyta fig. 3 nerodomas. Efektyvus vartotojų darbas su modeliu pasiekiamas dialogo režimu.

Modelio struktūrinės schemos konstrukcija nėra įforminta ir labai priklauso nuo jo kūrėjo patirties ir intuicijos. Čia svarbu stebėti Pagrindinė taisyklė- geriau pirmajame schemos sudarymo etape į ją įtraukti daugiau elementų, o po to juos laipsniškai mažinti, nei pradėti nuo kai kurių iš pažiūros pagrindinių blokų, ketinant juos vėliau papildyti ir detalizuoti.

Sukūrę schemą, aptarę ją su klientu ir pakoregavę, jie pradeda kurti atskirus modelius. Tam reikalinga informacija yra sistemos specifikacijose - užduočių sąrašas ir charakteristikos, pradiniai duomenys ir išvesties rezultatai, būtini jų sprendimui ir pan. Jei sistemos specifikacijos nebuvo parengtos, ši informacija paimta iš apklausos medžiagos , o kartais naudojami papildomi tyrimai.

Svarbiausios veiksmingo modelių naudojimo sąlygos yra jų tinkamumo ir pradinių duomenų patikimumo tikrinimas. Jei atliekamas tinkamumo patikrinimas žinomi metodai tada patikimumas turi tam tikrų ypatumų. Jie susideda iš to, kad daugeliu atvejų geriau ištirti modelį ir dirbti su juo ne naudojant tikrus duomenis, o specialiai paruoštą jų rinkinį. Rengdami duomenų rinkinį, jie vadovaujasi modelio naudojimo tikslu, pabrėždami situaciją, kurią nori modeliuoti ir ištirti.

Modeliavimo technologijos pagrįstos įvairių realių sistemų pavyzdžių, atitinkančių konkrečios situacijos profesinį kontekstą, konstravimu. Modeliavimo modeliai yra sudaryti taip, kad atitiktų reikalavimus šios akimirkos, į darbą, su kuriuo yra pasinėręs mokomasis subjektas. Metoduose esantis imitacijos ir imitacinio žaidimo modeliavimas lydimas pakankamai adekvačių procesų, vykstančių realybėje, atgaminimo. Taigi, nepaisant to, mokymasis leidžia suformuoti tikrą profesinę patirtį profesinę veiklą.

Vaidmenys

Mokymosi procese laikomasi žaidimo procedūrų, kurios siūlo sukurtus modeliavimo modelius, o tai reiškia, kad vaidmenys taip pat yra paskirstyti: mokiniai bendrauja tarpusavyje ir su mokytoju, imituodami profesinę veiklą. Todėl modeliavimo technologijos yra suskirstytos į dvi dalis - žaidimo ir ne žaidimo, o siūlomos situacijos analizė padeda nustatyti analizės tipą. Norėdami tai padaryti, būtina išsiaiškinti išorinių sąlygų, skatinančių aktyvių veiksmų pradžią, sistemą. Tai yra, visos problemos, reiškiniai, tarpusavyje susiję faktai, apibūdinantys situaciją, turi atitikti modeliavimo modelius.

Tam tikras įvykis ar tam tikras organizacijos veiklos laikotarpis reikalauja adekvačių nurodymų, sprendimų ir veiksmų vadovo. Konkrečių situacijų tyrimo analizės metodika yra išsamus ir nuodugnus tikros situacijos arba dirbtinai sukurtos studijos nustatymas, nustatant būdingas savybes. Tai prisideda prie besimokančiųjų tobulėjimo ieškant sistemingo požiūrio į problemos sprendimą, nustatant klaidingų sprendimų variantus, analizuojant optimalių sprendimų kriterijus. Taip užmezgami profesionalūs verslo kontaktai, kolektyviai priimami sprendimai, pašalinami konfliktai.

Situacijos

Situacijos skiriasi keturiomis rūšimis: pirma, nagrinėjama problemos situacija, kai stažuotojai turi rasti įvykio priežastis, kelti ir išspręsti problemą, tada situacija vertinama remiantis priimtais sprendimais. Po to sukuriama situacija, kuri pavyzdžiais iliustruoja visas šio kurso temas, o kaip pagrindą imamos ką tik išspręstos problemos, o tema užbaigiama pratybų situacija, kai modeliavimo modeliai sprendžia lengvas problemas analogijos metodu - tai yra vadinamosios mokymosi situacijos.

Konkrečios situacijų rūšys yra skirtingos: tai klasikinės ir tiesioginės, incidento situacija, situacija analizuojant verslo susirašinėjimą, taip pat veiksmai pagal instrukcijas. Pasirinkimą lemia daugybė veiksnių: tyrimo tikslai, mokymo lygis, techninių priemonių ir iliustracinės medžiagos prieinamumas - viskas priklauso nuo individualaus mokytojo stiliaus, kurio kūrybiškumas nėra ribojamas griežto reglamentavimo. pasirenkant veisles arba taikant analizės metodus. Čia yra pirmieji modeliavimo modelių kūrimo žingsniai.

Praktinės užduotys

Praktiškai konteksto požiūrio idėjos geriausiai įkūnijamos, nes jos yra konkrečios ir tikros gyvenimo situacijas: atvejis, istorija, kurioje yra modeliavimo modelis, įvykusių įvykių aprašymo arba visiškai galimų įvykių aprašymo pavyzdys, baigėsi gamybos problemų sprendimo klaidomis. Iššūkis yra nustatyti ir išanalizuoti šias klaidas, taikant šio kurso idėjas ir koncepcijas.

Toks profesinis mokymas yra gana realus ir efektyvus, lyginant su atskirų klausimų, kurie svarstomi grynai teoriškai, pateikimu. Situacinio mokymosi orientacija yra tokia, kad įgūdžiai ir žinios mokomi ne kaip dalykas, o kaip priemonė spręsti įvairias problemas, kylančias vykdant specialisto veiklą. Edukacinės situacijos yra pagrįstos tikrais profesionalios gamybos fragmentais, atsižvelgiant į viską tarpasmeniniai santykiai, kuris yra labai svarbus sėkmingam įmonės veikimui. Stažuotojai gauna būsimos profesinės veiklos metmenis ir kontekstą.

Situacijų pasirinkimas

Tai viena iš sunkiausių mokymo užduočių. Pavyzdinė tyrimo situacija paprastai atitinka šiuos reikalavimus:

1. Scenarijus paremtas realybe arba paimtas iš gyvenimo. Tai nereiškia, kad būtina pristatyti gamybos fragmentą su daugybe detalių ir technologinių subtilybių, kurios atitrauks mokinį nuo pagrindinės problemos sprendimo. Pramoninis žargonas šiuo atveju taip pat netinkamas.
2. Švietimo situacija neturėtų apimti daugiau kaip penkių iki septynių taškų, kuriuos komentuoja studentai, vartojantys terminus, atitinkančius tiriamą koncepciją. Modeliavimo modelis, kurio pavyzdį sunku išspręsti, vargu ar greitai išmokys mokinius.
3. Tačiau švietimo situacija taip pat neturėtų būti primityvi: be penkių ar septynių nagrinėjamos problemos taškų, tekste turi būti dvi ar trys nuorodos. Paprastai problemos nėra išdėstomos gyvenime atskirose lentynose, kad būtų galima nuosekliai išspręsti. Profesinės problemos paprastai yra susijusios su socialinėmis ar psichologinėmis problemomis. Mokant ypač svarbu pritaikyti kurso idėjas.

Studijų situacijos tekstas

Pavyzdžiui, bendrovės „Lotus Flower“, kuri specializuojasi higienos produktų, kosmetikos ir kvepalų, pardavimo vadybininkė. Ji atvyko į šią vietą dėl reklamos prieš šešis mėnesius. Pokalbis su generaline vadove apie jos darbo rezultatus vyks po dešimties dienų.

Prieš tai Irinai dvejus metus sekėsi atskirame įmonės skyriuje, pavyzdžiui, ji prekiavo higienos priemonėmis ir jai tai labai patiko. Ji buvo gerbiama, populiari tarp pardavėjų ir susilaukė daug lojalių klientų.

Situacijos raida

Ji natūraliai džiaugėsi paaukštinimu ir pradėjo entuziastingai dirbti naujose pareigose. Tačiau kažkodėl viskas klostėsi ne taip. Ji neturėjo laiko dirbti biure, nes beveik visą laiką buvo salėje ir stebėjo pardavėjų veiksmus. Teko net parsinešti darbą namo. Ir vis dėlto ji neturėjo laiko nieko nuveikti: valdžios institucijų prašymas parengti idėjas parodai-pardavimui buvo įvykdytas paskutinę dieną, nes nieko įdomaus nebuvo išgalvota iš anksto, kūryba nėra toks paprastas dalykas. Serganti mašininkė negalėjo perspausdinti dokumentų su Irinos idėjomis. Dėl to Irina neatliko užduoties iki savo viršininkų nustatyto termino. Būtent šiuo metu jai labiausiai padėtų mokymosi modeliavimo modeliai.

Po to viskas suklydo. Praleidusi laiką kalbėdamasi su nuolatiniu klientu, Irina negalvojo apie kalbą, kai jos kolegė iškilmingai gavo pažymėjimą, ji net pavėlavo į ceremoniją. Tada kelis kartus jos pavaldiniai paliko savo darbo vietas jos neįspėję. Personalo skyrius jai ne kartą priminė, kad reikia parengti vaistinės kosmetikos naudojimo mokymo programą, tačiau Irina negalėjo susisiekti su dėstytoju iš medicinos instituto. Net jaunesni pardavėjai visada vėluodavo atstovauti vyresniems pardavėjams. Ir vis dėlto Irina nėra parengusi ketvirčio ataskaitos su asortimento prognoze. Ir ji net neatsakė į kelis klientų laiškus, norinčius prekes gauti paštu. Ir kaip glajus ant torto - neseniai kilęs ginčas su viena iš jos anksčiau gerbiamų pardavėjų dėl kainų etikečių. Pasirodo, būti geru vadovu nėra lengva.

Situacijos analizė

Modeliavimo modelis visų pirma yra situacijos skaitymas. Čia yra šešių punktų paveikslėlis su pastraipomis.

1. Naujajame darbe įvyko keletas pakeitimų. Kokios jų varomosios ir motyvuojančios jėgos?
2. Prieš pokyčius - savigarbos buvimas ir pardavimo mechanizmo išmanymas.
3. Motyvacija siekti sėkmės, bet ir išlaikyti sugebėjimą parduoti yra vaidmens konfliktas.
4. Valdymo stilius yra visiškas nesugebėjimas pavesti kai kurių įgaliojimų pavaldiniams. Neįmanoma išvengti susidūrimų su pavaldiniais.
5. Naujame vaidmenyje: ji nenustatė pareigų specifikos, darbo krūvio dydžio, neišsprendė paprastos perspausdinimo problemos, planavimo ir kontrolės taupymo, leidžia pavaldiniams neatvykti į darbą, sutrikdo personalo mokymo planą , nežino, kaip organizuoti savo laiką ir nustatyti prioritetus, praranda kūrybiškumą - nėra naujų idėjų ...
6. Pavestų darbuotojų valdymo stilius: leidžia vertikalius konfliktus, kišasi į pavaldinių reikalus, nepasitiki savimi, veda be vadovybės pagalbos.

Problemų nustatymas

Modeliavimo modelių struktūra apima antrąjį žingsnį, siekiant nustatyti kylančias problemas, siekiant jų nuoseklaus sprendimo. Čia reikia vadovautis tais pačiais punktais, atsižvelgiant į atliktą analizę, tačiau atsižvelgiant į situaciją su kitu tikslu.

1. Pokyčiai: ar yra būdų, kaip valdyti pokyčius ir ką, kaip sumažinti pasipriešinimą įvykusiems pokyčiams.
2. Lyderystės stiliai: kodėl Irinos pasirinktas stilius yra nesėkmingas ir kurio naudai geriau jo atsisakyti.
3. Motyvacija: ką vadybos teorija sako apie paskatas Irinai ir pardavėjams.
4. Darbo tikslų specifika: ar Irina žino visas detales naujas darbas, kokie buvo tikslai ir kaip jie turėjo būti pasiekti.
5. Planavimas ir kontrolė: ar Irina planavo savo, kaip vadovo, veiksmus, ar jie buvo kontroliuojami.
6. Konfliktas: kokia yra kilusio konflikto priežastis ir problema ir kaip buvo galima su juo susidoroti.

Teminės nuorodos

Imitacinių modelių naudojimas padeda sukurti situaciją nuo pradžios (motyvų), atskleidžiant jos pradžios motyvus, iki perėjimo prie naujos kokybės. Kas tai bus, priklauso nuo to, kaip atliekama analizė ir kokios išvados padaromos. Jokia situacija nėra išsami be temų sujungimo. Dažniausiai modeliavimo modeliai ne visais atžvilgiais atkuria realybę, tačiau žaidime turi būti keli tokie ryšuliai. Čia jie yra tokie.

1. Irina nematė skirtumo vadovo ir pardavėjos darbe.
2. Irina buvo blogai pasirengusi naujoms pareigoms.
3. Irina neturi pagrindinių vadybos žinių.

Jungiamųjų motyvų raida

Kas yra įmanoma ir ką reikia padaryti sujungiant temas?

1. Visų pirma, būtina perduoti informaciją. Irinos viršininkai privalo iš karto po paskyrimo pateikti jai konkrečius darbo reikalavimus. Irina turėtų informuoti savo pavaldinius apie savo valdymo stilių darbe.
2. Antra, Irina turi būti išmokyta vadybos pagrindų, jos pavaldiniai - pardavimo metodų, ir, žinoma, Irina ir jos pavaldiniai turi būti apmokyti tarpasmeninės sąveikos.
3. Trečia, būtina aiškiai suplanuoti funkcines Irinos, kaip vadovės, pareigas ir viso skyriaus veiklą.
4. Ketvirta, turi būti tinkamas personalo valdymas: Irinai reikia pagalbos nustatant tikslą ir prioritetą, tiek trumpam, tiek ilgalaikiam, tai yra, žmogiškųjų išteklių skyriui yra tikslinga planuoti darbuotojų, kuriais bendrovė domisi, tobulėjimą.

Visa ši tema yra tiesiogiai susijusi tik su informacijos perdavimu.

Kai žaidimas pasiekia rezultatų ir išvadų apibendrinimo etapą, tampa aišku, kas yra modeliavimo modeliai ir kuo jie naudingi. Praktiškai visi padarė labai tikslias ir konkrečias išvadas, nes situacija buvo išanalizuota iki smulkmenų.

• Pirma, vadovas su savo viršininkais turi susitarti dėl darbo specifikos ir pranešti rezultatus pavaldiniams.
• Antra, visi prioritetai ir tikslai vadovui turėtų būti aiškūs ir paaiškinti likusiam personalui.

Irina turi įvaldyti valdymo techniką, valdydama savo laiką, valdydama ir planuodama, valdydama žmones ir bet kokius konfliktus, skleisdama naują informaciją tarp komandos ir ją tobulindama.

Irina turi išsamiai išsiaiškinti personalo skyriuje apie mokymo procedūras, taip pat apie tolesnį darbuotojų mokymą, kad jas būtų galima taikyti kuo teisingiau. Ji turi ją patobulinti profesinio lygio savarankiškai, o ateityje - studijuoti. Šiomis rekomendacijomis galite išgąsdinti nepasiruošusį asmenį, todėl jas reikia nedelsiant suskirstyti į tris skyrius: neatidėliotinas įgyvendinimas, vidutinio skubumo rekomendacijos, o paskutinis punktas yra aiškiai ilgalaikis. Irinai ir jos viršininkams prasminga aptarti nesėkmių priežastis ir padaryti viską, kad jie nepasikartotų.

Taigi, išanalizavęs dirbtinai sukonstruotą situaciją, kiekvienas mokinys supras, kas yra imitaciniai modeliai.

Ekonominės plėtros modeliai

Socialinis ir ekonominis vystymasis turi skirtingus imitacinius modelius. Tam reikėjo atskiro pavadinimo, kad būtų galima konkrečiai žinoti tos ar kitos situacinės dirbtinės konstrukcijos taikymo sritį. Dinaminiai modeliavimo modeliai yra sukurti specialiai ekonominių sistemų veikimui numatyti. Pavadinimas pabrėžia, kad dinamika yra labiausiai pagrindinė charakteristika tokios konstrukcijos, ir jos grindžiamos sistemos dinamikos principais.

Konstrukcijos etapai turi tokią veiksmų seką: pirma, sukuriama kognityvinio struktūrizavimo schema, tada parenkami statistiniai duomenys ir schema tobulinama. Kitas žingsnis- susidaro ten, kur aprašomi pažintiniai ryšiai, tada IDM surenkama kaip visuma. Atliekamas derinimas ir modelio tikrinimas, galiausiai atliekami daugiamatiai skaičiavimai, įskaitant nuspėjamuosius.

Scenarijaus metodas

Scenarijų analizė, reiškianti konkretaus projekto modeliavimo modelį, reikalinga norint apskaičiuoti pavojus projekto vystymo kelyje ir jų įveikimo būdus. Rizika, kelianti grėsmę investicijoms, gali būti išreikšta šiam projektui skirtų pinigų srautų nukrypimu, priešingai nei tikėtasi, ir kuo didesnis nukrypimas, tuo didesnė rizika. Kiekvienas projektas parodo galimą projekto rezultatų spektrą, todėl, įvertinus jų tikimybę, galima įvertinti pinigų srautus, atsižvelgiant į visų šių srautų tikimybinių kartų ekspertų įvertinimus arba visų komponentų nukrypimų dydį srauto nuo tikėtinų verčių.

Gerai, nes remiantis tokiais ekspertų vertinimai galima sukonstruoti bent tris galimas vystymosi situacijas: pesimistinę, realiausią (tikėtiną) ir optimistinę. Modeliavimo modeliai yra vienintelis skirtumas nuo realybės - veiksmą sukuria ne pati sistema, o jo modelis. Sistemų modeliavimo modeliai padeda tais atvejais, kai realių eksperimentų atlikimas yra bent jau nepagrįstas, o maksimaliai - brangus ir pavojingas. Modeliavimas yra būdas ištirti sistemas be menkiausios rizikos. Pavyzdžiui, praktiškai neįmanoma įvertinti investicinių projektų rizikos be imitacijų, kai naudojami tik prognozuojami duomenys apie išlaidas, pardavimo apimtis, kainas ir kitus rizikos veiksnius.

Finansinė analizė

Modeliai naudojami daugeliui iššūkių, su kuriais susiduria finansinė analizė, yra atsitiktinių kintamųjų, kurių sprendimų priėmėjai negali kontroliuoti. Tai stochastiniai modeliavimo modeliai. Modeliavimas leidžia išvesti galimus rezultatus, kurie yra atsitiktinių kintamųjų tikimybių pasiskirstymo pagrindas. Taip pat stochastinis modeliavimas dažnai vadinamas Monte Karlo metodu.

Kaip modeliuojama investicinių projektų rizika? Atliekama daugybė eksperimentų, kurie tik empiriškai įvertina įvairių veiksnių (ty pradinių verčių) įtakos rezultatams laipsnį, visiškai ir visiškai nuo jų priklausomą. Simuliacinis eksperimentas paprastai yra suskirstytas į tam tikrus etapus.

Ryšio tarp pradinių ir galutinių rodiklių nustatymas matematinės nelygybės ar lygties pavidalu yra pirmasis žingsnis eksperimento kelyje. Tada turite pateikti mašinos įstatymus, kurie paskirsto pagrindinių parametrų tikimybes. Toliau atliekamas visų pagrindinių modelio parametrų reikšmių kompiuterinis modeliavimas, apskaičiuojamos pradinių ir galutinių rodiklių pasiskirstymo charakteristikos. Galiausiai atliekama paties kompiuterio gautų rezultatų analizė ir priimamas sprendimas.