Concetti e classificazione
In questo capitolo discuteremo vari concetti e classificazioni della modellazione.
Modelli ed eventi
Di seguito sono riportati i concetti di base di modellazione e simulazione.
Object è un'entità che esiste nel mondo reale per studiare il comportamento di un modello.
Base Model è una spiegazione ipotetica delle proprietà dell'oggetto e del suo comportamento, valida in tutto il modello.
System è l'oggetto articolato in condizioni definite, che esiste nel mondo reale.
Experimental Frameviene utilizzato per studiare un sistema nel mondo reale, come condizioni sperimentali, aspetti, obiettivi, ecc. Il Frame sperimentale di base è costituito da due serie di variabili: le variabili di input del frame e le variabili di output del frame, che corrispondono al sistema o ai terminali del modello. La variabile di input Frame è responsabile della corrispondenza degli input applicati al sistema o a un modello. La variabile di output Frame è responsabile della corrispondenza dei valori di output con il sistema o un modello.
Lumped Model è una spiegazione esatta di un sistema che segue le condizioni specificate di un dato Frame Sperimentale.
Verificationè il processo di confronto di due o più elementi per garantirne l'accuratezza. In Modeling & Simulation, la verifica può essere eseguita confrontando la coerenza di un programma di simulazione e il modello concentrato per garantirne le prestazioni. Esistono vari modi per eseguire il processo di convalida, che tratteremo in un capitolo separato.
Validationè il processo di confronto tra due risultati. In Modeling & Simulation, la convalida viene eseguita confrontando le misurazioni dell'esperimento con i risultati della simulazione nel contesto di un frame sperimentale. Il modello non è valido se i risultati non corrispondono. Esistono vari modi per eseguire il processo di convalida, che tratteremo in un capitolo separato.
Variabili di stato del sistema
Le variabili di stato del sistema sono un insieme di dati, necessari per definire il processo interno all'interno del sistema in un dato momento.
In un discrete-event model, le variabili di stato del sistema rimangono costanti su intervalli di tempo ei valori cambiano in punti definiti chiamati tempi degli eventi.
In continuous-event model, le variabili di stato del sistema sono definite dai risultati dell'equazione differenziale il cui valore cambia continuamente nel tempo.
Di seguito sono riportate alcune delle variabili di stato del sistema:
Entities & Attributes- Un'entità rappresenta un oggetto il cui valore può essere statico o dinamico, a seconda del processo con altre entità. Gli attributi sono i valori locali utilizzati dall'entità.
Resources- Una risorsa è un'entità che fornisce un servizio a una o più entità dinamiche alla volta. L'entità dinamica può richiedere una o più unità di una risorsa; se accettata, l'entità può utilizzare la risorsa e rilasciare una volta completata. Se rifiutato, l'entità può unirsi a una coda.
Lists- Gli elenchi vengono utilizzati per rappresentare le code utilizzate dalle entità e dalle risorse. Esistono varie possibilità di code come LIFO, FIFO, ecc. A seconda del processo.
Delay - È una durata indefinita causata da una combinazione di condizioni del sistema.
Classificazione dei modelli
Un sistema può essere classificato nelle seguenti categorie.
Discrete-Event Simulation Model- In questo modello, i valori delle variabili di stato cambiano solo in alcuni punti discreti nel tempo in cui si verificano gli eventi. Gli eventi si verificheranno solo all'orario di attività e ai ritardi definiti.
Stochastic vs. Deterministic Systems - I sistemi stocastici non sono influenzati dalla casualità e il loro output non è una variabile casuale, mentre i sistemi deterministici sono influenzati dalla casualità e il loro output è una variabile casuale.
Static vs. Dynamic Simulation- La simulazione statica include modelli che non sono influenzati dal tempo. Ad esempio: modello Monte Carlo. La simulazione dinamica include modelli influenzati dal tempo.
Discrete vs. Continuous Systems- Il sistema discreto è influenzato dai cambiamenti della variabile di stato in un momento discreto. Il suo comportamento è illustrato nella seguente rappresentazione grafica.
Il sistema continuo è influenzato dalla variabile di stato, che cambia continuamente in funzione del tempo. Il suo comportamento è illustrato nella seguente rappresentazione grafica.
Processo di modellazione
Il processo di modellazione include i seguenti passaggi.
Step 1- Esamina il problema. In questa fase, dobbiamo comprendere il problema e scegliere la sua classificazione di conseguenza, come deterministica o stocastica.
Step 2- Progetta un modello. In questa fase, dobbiamo eseguire le seguenti semplici attività che ci aiutano a progettare un modello:
Raccogli i dati in base al comportamento del sistema e ai requisiti futuri.
Analizza le caratteristiche del sistema, i suoi presupposti e le azioni necessarie da intraprendere per rendere il modello di successo.
Determina i nomi delle variabili, le funzioni, le unità, le relazioni e le applicazioni utilizzate nel modello.
Risolvere il modello utilizzando una tecnica adatta e verificare il risultato utilizzando metodi di verifica. Quindi convalida il risultato.
Prepara un rapporto che includa risultati, interpretazioni, conclusioni e suggerimenti.
Step 3- Fornire raccomandazioni dopo aver completato l'intero processo relativo al modello. Include investimenti, risorse, algoritmi, tecniche, ecc.