Pagrindiniai modeliavimo metodai. Modeliavimo modeliai

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 labai sudėtingi; kyla sunkumų nustatant pakankamai tiksliai modeliavimo proceso tinkamumo laipsnį. Todėl svarbu nuspręsti, kurį modelį sukurti.

Kitas svarbus aspektas- modeliavimo modelių naudojimas automatizuotos valdymo sistemos veikimo metu priimant sprendimus. Šie modeliai yra sukurti projektavimo proceso metu, kad juos būtų galima nuolat atnaujinti ir pritaikyti prie besikeičiančios vartotojo patirties.

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 tikru laiku. Abiem atvejais modelis pateikia laiko nustatymo bloką, kuris imituoja modelio laiko eigą, paprastai pagreitintą, palyginti su realiuoju.

Modeliavimo modelio sukūrimas ir modeliavimo eksperimentų atlikimas bendras atvejis gali būti pavaizduota kelių pagrindinių etapų pavidalu, 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. Sąlygiškai 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 būsenos pasikeitimą dėl jos elementų sąveikos ar poveikio sistemoms išorinė aplinka kaip įvesties signalai. 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 ar jo gabenimo pabaigos momentai, atsispindintys SIWS; gauti ir išduoti nuolatiniam ar laikinam saugojimui; dalių surinkimas į vienetus, vienetai į gaminį ir kt. Atskiros gamybos atveju charakteristikų pasikeitimas tarp specialių būsenų taip pat gali būti laikomas diskrečiu, tai reiškia perėjimą sąlyginiu šuoliu nuo žaliavos prie ruošinio, nuo ruošinio prie pusgaminio, nuo pusgaminio prie dalis ir kt.

Taigi kiekviena gamybos operacija laikoma veiklos vykdytoju, kuris keičia produkto savybių vertę. Dėl paprasti modeliai 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.

Imituojant 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 nulemtos laiko, pavyzdžiui, kai staklės veikia, arba atsitiktinės su nurodytais pasiskirstymais. 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 aukšto lygio universaliųjų programavimo kalbų arba specialia modeliavimo kalba. Su vystymusi modeliavimas pasirodė sistemos ir kalbos, jungiančios nepertraukiamų ir 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. Pastatas struktūrinė schema 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 tiek į išorinius veiksnius - produktų paklausą, tiekimo planą, tiek į vidines - gamybos išlaidas, esamas ir planuojamas gamybos galimybes.

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 ar panaudojimą gamybos patalpos; 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 darbas modelį turintys vartotojai pasiekiami dialogo režimu.

Modelio struktūrinės schemos konstrukcija nėra įforminta ir labai priklauso nuo jo kūrėjo patirties ir intuicijos. Čia svarbu stebėti Pagrindinė taisyklė- geriau į jį įtraukti pirmuosius schemos rengimo etapus daugiau elementų, o vėliau juos palaipsniui mažinti, nei pradėti nuo kai kurių, atrodytų, pagrindinių blokų, ateityje ketinančių juos papildyti ir detalizuoti.

Sukūrę schemą, aptarę ją su klientu ir pakoregavę, jie pradeda kurti atskirus modelius. Tam reikalinga informacija yra įtraukta į sistemos specifikacijas - užduočių sąrašą ir charakteristikas, pradinius duomenis ir išvesties rezultatus, būtinus jų sprendimui ir pan. Jei sistemos specifikacijos nebuvo parengtos, ši informacija paimta iš tyrimo medžiagos ir kartais naudojami papildomi tyrimai.

Svarbiausios sąlygos efektyvus naudojimas modeliai tikrina jų tinkamumą ir pradinių duomenų patikimumą. 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 mokymai leidžia įgyti tikrą profesinę patirtį, nepaisant beveik 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, turite išsiaiškinti sistemą išorinės sąlygos kurie skatina jus imtis aktyvių veiksmų. 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 padeda ugdyti stažuotojus, ieškančius sistemingo požiūrio į problemos sprendimą, nustatant klaidingų sprendimų variantus, analizuojant kriterijus optimalūs sprendimai... Taip užmezgami profesionalūs verslo kontaktai, kolektyviai priimami sprendimai, pašalinami konfliktai.

Situacijos

Situacijos skiriasi keturiomis rūšimis: pirma, nagrinėjama problemos situacija, kai mokiniai turi rasti įvykio priežastis, kelti ir išspręsti problemą, tada situaciją reikia įvertinti priimtus sprendimus... 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, prieinamumas technines priemones ir iliustracinė medžiaga - viskas priklauso nuo individualaus mokytojo stiliaus, kurio kūrybiškumas neapsiriboja griežtu reguliavimu nei atrenkant veisles, nei analizės metodais. Čia yra pirmieji modeliavimo modelių kūrimo žingsniai.

Praktinės užduotys

Praktiškai konteksto požiūrio idėjos geriausiai įkūnijamos, nes jos susideda iš konkrečių ir realių 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 planas profesinis išsilavinimas gana tikroviškas ir efektyvus, palyginti 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 specialisto veikloje. 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 tikrove 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 mokys mokinius.
3. Tačiau švietimo situacijoje taip pat neturėtų būti primityvumo: be penkių ar septynių nagrinėjamos problemos punktų, tekste turi būti dvi ar trys nuorodos. Paprastai problemos nėra išdėstomos gyvenime atskirose lentynose, kad būtų galima nuosekliai išspręsti. Profesinės problemos dažniausiai 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 Irina dvejus metus pasižymėjo atskiras skyriusįmonė, pavyzdžiui, pardavinėjo higienos priemones, 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 gauti prekes paštu. Ir kaip glajus ant torto - neseniai kilęs ginčas su viena iš jos anksčiau labai 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 pasikeitimą - 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: nenustatiau pareigų specifikos, darbo krūvio dydžio, neapsisprendžiau paprasta problema su pakartotiniais spaudiniais, skurdžiu planavimu ir kontrole, leidžia pavaldiniams nepasirodyti darbe, sutrikdo personalo mokymo planą, nemoka organizuoti savo laiko ir nustatyti prioritetų, 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 specifiškumas: ar Irina žino visas detales apie naują darbą, 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 susijusiomis temomis?

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 prasminga planuoti darbuotojų, kuriais įmonė 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 perduoti rezultatus savo pavaldiniams.
• Antra, visi prioritetai ir tikslai vadovui turėtų būti aiškūs ir paaiškinti likusiam personalui.

Irinai reikia įvaldyti vadybos valdymo metodus savo laiko, valdant ir planuojant, valdant žmones ir bet kokius konfliktus, skleidžiant naują informaciją tarp komandos ir plėtojant ją.

Irinai personalo skyriuje reikia išsamiai sužinoti apie mokymo procedūras, taip pat apie tolesnį darbuotojų mokymą, kad jas būtų galima taikyti kuo teisingiau. Ji turės patobulinti savo profesinį lygį ir ateityje studijuoti. Šiomis rekomendacijomis galite išgąsdinti nepasiruošusį žmogų, 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 jos nepasikartotų.

Tokiu būdu 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 specialiai sukurti našumui prognozuoti ekonomines sistemas... 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. Investavimo rizika gali būti išreikšta nukrypimu pinigų srautas skirtos šiam projektui, 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.

Geros naujienos yra tai, kad remiantis tokiais ekspertų vertinimais galima sukonstruoti bent tris galimas vystymosi situacijas: pesimistines, realiausias (tikėtinas) ir optimistines. Modeliavimo modeliai yra vienintelis skirtumas nuo realybės - veiksmą sukuria ne pati sistema, o jo modelis. Sistemos modeliavimo modeliai padeda tais atvejais, kai realūs eksperimentai yra bent jau nepagrįsti, o maksimaliai - brangūs ir pavojingi. Modeliavimas yra būdas ištirti sistemas be menkiausios rizikos. Praktiškai neįmanoma, pavyzdžiui, be imitacijų rizikai įvertinti investicinius projektus kur naudojami tik prognozuojami duomenys apie išlaidas, pardavimo apimtis, kainas ir kitus komponentus, lemiančius riziką.

Finansinė analizė

Daugelio finansinės analizės problemų sprendimo modeliuose yra atsitiktinių kintamųjų, kurių sprendimų priėmėjai negali kontroliuoti. Tai stochastiniai modeliavimo modeliai. Modeliavimas leidžia daryti išvadas apie galimus rezultatus, pagrįstus tikimybių pasiskirstymu atsitiktiniai kintamieji... 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. Modeliavimo eksperimentas paprastai yra suskirstytas į tam tikrus etapus.

Ryšio tarp pradinių ir galutinių rodiklių nustatymas matematinės nelygybės ar lygties pavidalu yra pirmas 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.

Modeliavimo modeliavimas.

Modeliavimo modelio samprata.

Modeliavimo modelių kūrimo metodai.

Pagal akademiko V. Maslovo apibrėžimą: „imitacinis modeliavimas visų pirma susideda iš protinio modelio (simuliatoriaus), kuris imituoja objektus ir procesus (pavyzdžiui, mašinas ir jų darbą), sudarymo pagal būtinus (bet neišsamius) rodiklius: pavyzdžiui, kalbant apie veikimo laiką, intensyvumą, ekonomines išlaidas, vietą parduotuvėje ir kt. Būtent dėl ​​objekto aprašymo neišbaigtumo imitavimo modelis iš esmės skiriasi nuo matematinio tradicine to žodžio prasme. Tada išvardijama daugybė galimų dialogo su kompiuteriu variantų ir per tam tikrą laiką pasirenkami priimtiniausi sprendimai inžinieriaus požiūriu. Kartu pasitelkiama sprendimą priimančio inžinieriaus, suprantančio sunkiausią gamybos situaciją, intuicija ir patirtis “.

Tiriant tokius sudėtingus objektus, apskritai negalima rasti optimalaus sprendimo griežtai matematine prasme. Tačiau per gana trumpą laiką galite gauti priimtiną sprendimą. Modeliavimo modelis apima euristinius elementus ir kartais naudoja netikslią ir prieštaringą informaciją. Tai daro modeliavimą arčiau Tikras gyvenimas ir labiau prieinami vartotojams - pramonės inžinieriams. Dialoge su kompiuteriais specialistai plečia savo patirtį, ugdo intuiciją, savo ruožtu perkelia juos į modeliavimo modelį.

Iki šiol daug kalbėjome apie tęstinius objektus, tačiau dažnai tenka susidurti su objektais, turinčiais atskirus įvesties ir išvesties kintamuosius. Kaip pavyzdį analizuojant tokio objekto elgesį remiantis modeliavimo modeliu, panagrinėkime dabar klasikinę „girto praeivio problemą“ arba atsitiktinio ėjimo problemą.

Tarkime, praeivis, stovėdamas gatvės kampe, nusprendžia pasivaikščioti, kad išsklaidytų apynius. Tegul tikimybės, kad pasiekęs kitą sankryžą jis eis į šiaurę, pietus, rytus ar vakarus, yra tos pačios. Kokia tikimybė, kad nuėjęs 10 kvartalų praeivis bus ne toliau kaip už dviejų kvartalų nuo vietos, kur jis pradėjo vaikščioti?

Pažymėkime jos vietą kiekvienoje sankirtoje dvimatiu vektoriumi

(X1, X2) („išėjimas“), kur

Kiekvienas judėjimas vienu bloku į rytus atitinka X1 padidėjimą 1, o kiekvienas judėjimas vienu bloku į vakarus reiškia X1 sumažėjimą 1 (X1, X2 yra diskretus kintamasis). Panašiai praeivio judėjimas vienu bloku į šiaurę nuo X2 padidėja 1, o vienas blokas į pietus nuo X2 sumažėja 1.

Dabar, jei mes nurodysime pradinę padėtį (0,0), tada tiksliai žinosime, kur praeivis bus šios pradinės padėties atžvilgiu.

Jei pasivaikščiojimo pabaigoje X1 ir X2 absoliučių verčių suma yra didesnė nei 2, tada darysime prielaidą, kad pasivaikščiojimo pabaigoje jis peržengė daugiau nei du blokus 10 kvartalų ilgio.

Kadangi mūsų praeivio judėjimo bet kuria iš keturių galimų krypčių tikimybė yra tokia pati ir lygi 0,25 (1: 4 = 0,25), mes galime įvertinti jo judėjimą naudodami lentelę atsitiktiniai skaičiai... Sutikime, kad jei atsitiktinis skaičius (NR) yra nuo 0 iki 24, girtas eis į rytus ir mes padidinsime X1 1; jei nuo 25 iki 49, tada jis eis į vakarus, o mes sumažinsime X1 1; jei jis yra nuo 50 iki 74, jis eis į šiaurę, o mes padidinsime X2 1; jei vidurinis diapazonas yra nuo 74 iki 99, praeivis eis į pietus, o X2 sumažinsime 1.

Judėjimo „girtas praeivis“ schema (a) ir algoritmas (b).

a) b)

Norint gauti patikimą rezultatą, būtina atlikti pakankamai daug „mašinų eksperimentų“. Tačiau praktiškai neįmanoma išspręsti tokios problemos kitais metodais.

Literatūroje modeliavimo metodas taip pat randamas skaitmeninio, mašininio, statistinio, tikimybinio, dinaminio modeliavimo metodo arba mašininio modeliavimo metodo pavadinimuose.

Modeliavimo metodas gali būti laikomas tam tikru eksperimentiniu metodu. Skirtumas nuo įprasto eksperimento yra tas, kad eksperimento objektas yra modeliavimo modelis, įgyvendintas kompiuterinės programos pavidalu.

Naudojant modeliavimo modelį, neįmanoma gauti analitinių santykių tarp kiekių.

Galite apdoroti eksperimentinius duomenis tam tikru būdu ir pasirinkti tinkamas matematines išraiškas.

Kuriant modeliavimo modelius, šiuo metu naudojamus du metodas: diskretiškas ir nuolatinis.

Metodo pasirinkimą daugiausia lemia pirminio objekto savybės ir išorinės aplinkos poveikio jam pobūdis.

Tačiau, remiantis Kotelnikovo teorema, nuolatinis objekto būsenos keitimo procesas gali būti laikomas diskrečių būsenų seka ir atvirkščiai.

Naudojant atskirą modeliavimo modelių kūrimo metodą, dažniausiai naudojamos abstrakčios sistemos.

Tęstinį požiūrį į modeliavimo modelių konstravimą plačiai kuria amerikiečių mokslininkas J. Forresteris. Modeliuojamas objektas, neatsižvelgiant į jo pobūdį, yra įforminamas ištisinės abstrakčios sistemos pavidalu, tarp kurios elementų cirkuliuoja ištisiniai vienokio ar kitokio pobūdžio „srautai“.

Taigi pagal pradinio objekto imitacijos modelį paprastai galime suprasti tam tikrą sistemą, kurią sudaro atskiri posistemiai (elementai, komponentai) ir ryšiai tarp jų (turintys struktūrą), ir veikimas (būsenos pasikeitimas) ir visų modelio elementų vidinis pasikeitimas veikiant ryšiams gali būti vienaip ar kitaip algoritmuojamas taip pat, kaip sistemos sąveika su išorine aplinka.

Dėka ne tik matematinių metodų, bet ir žinomų paties kompiuterio galimybių imituojant modeliavimą, įvairių abstrakčių sistemų elementų - diskrečių ir tęstinių, tikimybinių ir deterministinių - veikimo ir sąveikos procesų, atliekančių aptarnavimo funkciją , vėlavimai ir tt, gali būti algoritmuojami ir atkuriami.

Tokioje aplinkoje kompiuterinė programa (kartu su paslauga, paslaugų programomis), parašyta universalia aukšto lygio kalba, veikia kaip objekto modeliavimo modelis.

Akademikas NN Moisejevas modeliavimo koncepciją suformulavo taip: „Simuliacinė sistema yra modelių rinkinys, imituojantis tiriamo proceso eigą, kartu su specialia pagalbinių programų sistema ir informacine baze, kuri leidžia lengvai ir greitai įgyvendinti variantų skaičiavimus “.

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. Jų grafinis ar animacinis pristatymas dažnai naudojamas, labai supaprastinant daugelio suvokimą ir supratimą sudėtingi procesai, kuriuos gana sunku suvokti algoritminiu pavidalu.

Determinizmas

Modeliavimo matematiniai modeliai grindžiami tuo, kad jie kopijuoja kai kurių realių sistemų savybes ir charakteristikas. Apsvarstykite 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 daugybės 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. Taip pat atsitiktinumo pasireiškimą galima pastebėti, kai kam nors paskambini ir suskaičiuoji pyptelėjimus, galvodamas, kokia tikimybe tai įveiksi. Kai kam tai gali pasirodyti netikėta, tačiau būtent tokių paprastų pavyzdžių dėka praėjusio amžiaus pradžioje gimė naujausia matematikos šaka, būtent eilių 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 atėjimą 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, platinami pagal įstatymus, kuriuos galima rodyti tik laikant puiki suma pastebėjimai. 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, būtina ištirti atsitiktinių procesų modeliavimą. Atminkite, kad rusų mokyklose tokia koncepcija ir metodai dar tik pradedami diegti, todėl labai svarbu išlaikyti mokytojų išsilavinimą, kurie, turėdami 100% garantiją, susidurs su daugybe vaikų klausimų. 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. Faktas yra tas, kad šiuolaikiniame pasaulyje beveik neįmanoma apsieiti 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. Žmonės taip pat jį naudoja, kai dėl daugelio 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 svarstomos dvi sistemos, kuriose yra keletas Bendrosios charakteristikos ir susikirtimo taškai. Kitas modeliavimo tipas yra diskretinis 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 1960 -aisiais sukūrė Jeffrey Gordonas. Sistemos dinamika yra modeliavimo paradigma, kuriai reikalingi tyrimai grafinis vaizdas ryšius ir vienų parametrų 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 pat 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 ir kuriant realias sąlygas ne visada įmanoma gauti patikimų rezultatų, nes visada įtakoja daug scholastinių veiksnių, į kuriuos tiesiog neįmanoma atsižvelgti.

kuriant matematinius modelius aprašyti tiriamus procesus;

naudojant naujausius kompiuterius dideliu greičiu (milijonai operacijų per sekundę) ir galintys bendrauti su asmeniu.

Esmė kompiuterinis modeliavimas susideda iš šių dalykų: skaičiavimo eksperimentų serija atliekama remiantis matematiniu modeliu, naudojant kompiuterį, t.y. tiriamos objektų ar procesų savybės, randami optimalūs jų parametrai ir veikimo režimai, tobulinamas modelis. Pavyzdžiui, turėdami lygtį, apibūdinančią tam tikro proceso eigą, galite pakeisti jo koeficientus, pradines ir ribines sąlygas ir ištirti, kaip objektas elgsis šiuo atveju. Modeliavimo modeliai atliekami kompiuteriu skaičiavimo eksperimentai su matematiniais modeliais, imituojančiais realių objektų, procesų ar sistemų elgesį.

Tikrus procesus ir sistemas galima tirti naudojant dviejų tipų matematinius modelius: analitinį ir simuliacinį.

Analitiniuose modeliuose realių procesų ir sistemų elgesys (RPS) pateikiamas aiškiai funkcinės priklausomybės(linijinių arba nelinijinių, diferencialinių ar integralinių lygtys, šių lygčių sistemos). Tačiau šias priklausomybes galima gauti tik esant palyginti paprastiems RPL. Kai reiškiniai yra sudėtingi ir įvairūs, tyrėjas turi ieškoti supaprastintų sudėtingų RRS vaizdų. Dėl to analitinis modelis tampa pernelyg grubus ir artimas realybei. Jei vis dėlto įmanoma gauti sudėtingų RPS analitinių modelių, jie dažnai virsta sudėtinga problema. Todėl tyrėjas yra priverstas dažnai naudotis modeliavimo modeliavimas.

Modeliavimo modeliavimas yra skaitmeninis metodas, skirtas skaičiavimo eksperimentams atlikti kompiuteryje, naudojant matematinius modelius, imituojančius realių objektų, procesų ir sistemų elgesį tam tikru laikotarpiu. Šiuo atveju RPS veikimas yra suskirstytas į elementarius reiškinius, posistemius ir modulius. Šių elementarių reiškinių, posistemių ir modulių veikimą apibūdina algoritmų rinkinys, imituojantis elementarius reiškinius, juos išsaugant logiška struktūra ir tėkmės seka laike.

Modeliavimo modeliavimas yra tyrimo objektų algoritminio veikimo, algoritminių aprašymų programinės įrangos įgyvendinimo, skaičiavimo eksperimentų su matematiniais modeliais, imituojančiais RPS veikimą tam tikrą laikotarpį, kompiuteriu organizavimo, planavimo ir vykdymo metodų rinkinys.

RPS veikimo algoritmavimas suprantamas kaip žingsnis po žingsnio aprašomas visų jo funkcinių atskirų modulių posistemių veikimas, kurio išsamumo lygis atitinka modeliui keliamus reikalavimus.

„Modeliavimo modeliavimas“(IM) yra dvigubas terminas. Modeliavimas ir simuliacija yra sinonimai. Praktiškai visos mokslo ir technologijų sritys yra realių procesų modeliai. Siekdami atskirti matematinius modelius vienas nuo kito, tyrėjai pradėjo jiems duoti papildomų pavadinimų. Terminas „modeliavimo modeliavimas“ reiškia, kad mes susiduriame su tokiais matematiniais modeliais, kurių pagalba neįmanoma iš anksto apskaičiuoti ar nuspėti sistemos elgesio ir numatyti sistemos elgesio, būtina skaičiavimo eksperimentas(imitacija) pagal matematinį modelį su nurodytais pradiniais duomenimis.

Pagrindinis IM pranašumas:

1. gebėjimas apibūdinti procesų ar sistemų komponentų (elementų) elgesį aukštas lygis detalizavimas;
2. jokių apribojimų tarp MI parametrų ir RPD išorinės aplinkos būklės;
3. galimybė ištirti komponentų sąveikos dinamiką sistemos parametrų laike ir erdvėje;

Šie pranašumai suteikia imitacijos metodas platus naudojimas.

1. Jei nėra visiško tyrimo problemos formulavimo ir vyksta modeliavimo objekto pažinimo procesas. Modeliavimo modelis tarnauja kaip priemonė tyrinėti reiškinį.
2. Jei analizės metodai yra prieinami, tačiau matematiniai procesai yra sudėtingi ir reikalauja daug laiko, ir modeliavimo modeliavimas suteikia lengvesnį problemos sprendimo būdą.
3. Kai, be proceso ar sistemos parametrų (kintamųjų) įtakos įvertinimo, pageidautina stebėti proceso ar sistemos (SS) komponentų (elementų) elgesį tam tikrą laikotarpį.
4. Kada modeliavimo modeliavimas pasirodo vienintelis kelias sudėtingos sistemos tyrimai dėl to, kad neįmanoma stebėti reiškinių realiomis sąlygomis (termobranduolinės sintezės reakcijos, kosmoso tyrinėjimas).
5. Kai reikia kontroliuoti procesų eigą ar sistemų elgesį, sulėtinant ar pagreitinant reiškinius modeliavimo metu.
6. Kai rengiami specialistai nauja technologija kai įjungtas modeliavimo modeliai suteikia galimybę įgyti įgūdžių dirbant su nauja įranga.
7. Kai tiriamos naujos RPM situacijos. Šiuo atveju imitacija skirta išbandyti naujas lauko eksperimentų atlikimo strategijas ir taisykles.
8. Kai įvykių seka suprojektuotame PS yra ypač svarbi ir modelis naudojamas numatyti RPS veikimo kliūtis.

Tačiau MI kartu su privalumais turi ir trūkumų:

1. Sukurti gerą IM dažnai yra brangiau nei sukurti analitinį modelį ir užima daug laiko.
2. Gali pasirodyti, kad MI yra netikslus (o tai dažnai būna), ir mes negalime išmatuoti šio netikslumo laipsnio.
3. Dažnai mokslininkai kreipiasi į MI, nesuvokdami sunkumų, su kuriais susidurs, ir padaro nemažai metodinių klaidų.

Nepaisant to, IM yra vienas iš plačiausiai naudojamų metodų sudėtingų procesų ir sistemų sintezės ir analizės problemoms spręsti.

Vienas iš tipų modeliavimas yra statistika modeliavimo modeliavimas, kuri leidžia atkurti sudėtingų atsitiktinių procesų veikimą kompiuteryje.

Kai tiria sudėtingos sistemos 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 kūrimas yra sudėtingas skaičiavimo užduotis... Todėl tikimybinis analitinis modeliavimas naudojamas palyginti paprastoms sistemoms tirti.

Pažymima, kad atsitiktinių trikdžių įvedimas į modeliavimo modeliai nesukelia esminių komplikacijų, todėl šiuo metu paprastai atliekamas sudėtingų atsitiktinių procesų tyrimas modeliavimo modeliai.

Tikimybiškai modeliavimo modeliavimas jie veikia ne su atsitiktinių procesų charakteristikomis, o su konkrečiomis atsitiktinėmis PS parametrų skaitinėmis reikšmėmis. Tokiu atveju įjungiami atkūrimo metu gauti rezultatai modeliavimo modelis nagrinėjamo proceso yra atsitiktiniai realizavimai. Todėl, norint rasti objektyvias ir stabilias proceso charakteristikas, reikia jį daug kartų pakartoti, o po to statistiškai apdoroti gautus duomenis. Štai kodėl sudėtingų procesų ir sistemų, kurioms būdingi atsitiktiniai trikdžiai, tyrimas naudojant