Когда использовать моделирование

Терминология моделирования. Для тех читателей, кто не знаком с терминологией анализа моделированием, следующие определения могут оказаться полезными:

• Вероятностный. Вероятностная система или имитационная модель содержит один или больше случайных процессов или переменных. Выходные данные вероятностной модели сами являются случайными процессами или переменными, и поэтому являются только предположениями об истинных характеристиках модели.

• Детерминированный. Система или имитационная модель, которая содержит неслучайные процессы или переменные, является детерминированной. Для каждого набора входных величин в детерминированной модели, будет уникальный набор результатов (которые можно заранее определить или вычислить).

• Точечная оценка. Отдельное наблюдение за вероятностной системой, или моделирование работы вероятностной модели, даст отдельную точечную оценку системы или набор выходных переменных. Истинные характеристики вероятностной системы или переменной обычно нельзя определить с помощью точечной оценки.

• Функция плотности вероятности. Математическая функция, которая определяет вероятность того, что случайная переменная (величина) находится внутри интервала. Например, равномерная функция плотности вероятности между 10 и 20 говорит о том, что в этом интервале случайная переменная принимает значения с равной вероятностью.

• Эмпирическая функция плотности. Функция плотности вероятности, которая определены на основе наблюдений за случайными переменными, а не по математической формуле. Часто используется в имитационных моделях реальных систем, когда регулируемая переменная ведет себя не так как любое известное распределение.

• Псевдодетерминированный. Другое название – псевдослучайный. Псевдослучайные числа не являются истинно случайными — известен процесс, используемый для генерирования случайных чисел, поэтому числа могут повторяться снова и снова. Этот метод используется в имитационном моделировании для воспроизведения набора результатов, что может быть полезным в некоторых случаях.

Демонстрируют ли виды деятельности большое разнообразие изменчивости по времени?

Возможно самое значительное различие при анализе систем между использованием методов цифрового моделирования и методов исследования операций математическим моделированием – это использование вероятностных параметров. В общем и целом, инструменты аналитического планирования, используемые в отрасли, применяют только точечную оценку или статистику ожидаемых значений. Анализ проекта системы и измерение работы характеризуются использованием детерминированной или псевдодетерминированной модели. Заметными исключениями являются использование теории очередности, марковских процессов и/или определенных моделей управления товарными запасами. Однако использование в отрасли вероятностных моделей для планирования и управления – это, скорее, исключение, чем правило. Компьютерные имитационные модели отображают вероятностный мир, который описывается с помощью вероятностных показателей, эмпирической функции плотности или функции плотности вероятности.

Системы, спроектированные и/или управляемые ожидаемыми значениями, часто обречены на провал, переусложнённость проекта или и то и другое. Причина проста: долгосрочная приемлемость системы больше зависит от пиковых значений или переменных, чем от любых других факторов. Это более очевидно в хранении полуфабрикатов, явлении очередности и случайных неудачах, чем в любых других областях. Моделирование позволяет аналитику, как включать эти факторы в модель, так и изучать поведение системы под их влиянием.