9. Вероятности и выражения

Зачастую процессы содержат много вариантов, и каждый прогон имитационного моделирования отображает только один возможный случай или частный случай процесса. Данные варианты генерируются присвоением вероятностей или выражений точкам принятия решения в процессе. Выражения определяют метод выбора пути процесса. Следовательно, для правильного понимания поведения процесса как единого целого, необходимо сделать несколько прогонов имитационного моделирования – достаточное количество для охвата всех описанных вероятностей, с тем, чтобы получить статистически значимый набор результатов.

В большинстве случаев вы будете определять вероятности только для циклов и выборов решений. Вероятностей достаточно для выполнения большинства имитаций, за исключением тех случаев, когда необходим детальный анализ низкого уровня. В ином случае можно использовать выражения для низкоуровневых бизнес-моделей будущего состояния и для моделей, которые явно определяют входные и выходные интерфейсы задач и других элементов, например решений. При организации имитационного моделирования, основанного на выражениях, необходимо смоделировать каким образом будут обрабатываться конкретные данные по мере их прохождения в процессе. Выражения – это хороший способ для отражения в модели известной информации об условиях, или бизнес-правилах.

Распределения вероятностей могут быть назначены для:

• Создания маркеров

• Времени завершения задачи

• Себестоимости задачи

• Дохода задачи

• Путей решения

WebSphere Business Modeler поддерживает следующие распределения:

• Beta (бета)

Отображает степень достоверности результатов

• Continuous (непрерывное)

Обобщенные значения равномерно распределены

• Erlang (эрланг)

Используется для отображения времени простоя в системах очередей

• Exponential (экспоненциальное)

Используется в случаях, когда исходные данные очень сильно искажены; часто применяется для описания экономических явлений и научных событий, например спад

• Gamma (гамма)

Применяется для случайных величин, имеющих непрерывное распределение, >= 0, относящихся к времени простоя

• Johnson (Джонсона)

Лучше всего подходит для распределения

• Lognormal (логарифмически нормальное)

Для случайных величин > 0

• Normal (нормальное)

Обычное распределение, симметричное значениям, в большей степени сконцентрированным в середине ("колоколообразная гауссова кривая ")

• Poisson (Пуассона)

Применяется в случаях, когда вероятность мала, а перспектива велика

• Random list (произвольное)

Вероятность того, что значение будет выбрано случайным образом

• Triangular (трехгранное)

Наиболее вероятное значение

• Uniform (равномерное)

Равномерное распределение значений

• Weibell (Вейбела)

Надежность моделей

• Weighted list (взвешенное)

Взвешенная вероятность каждого значения

Параметры настройки каждого распределения зависят от выбранного типа. Для получения более подробной информации по настройке вероятностей и выражений обратитесь к интерактивной справочной системе.