Simulatsiooni modelleerimine. Kokkuvõte: Simulatsioonimudelid

Sissejuhatus

Simulatsioon on üks võimsamaid meetodeid majandussüsteemide analüüsimiseks.

Üldiselt mõistetakse simulatsiooni all arvutikatsete läbiviimise protsessi keerukate süsteemide matemaatiliste mudelitega reaalses maailmas.

Selliste katsete läbiviimise eesmärgid võivad olla väga erinevad – alates uuritava süsteemi omaduste ja mustrite tuvastamisest kuni konkreetsete praktiliste probleemide lahendamiseni. Vahendite arenguga arvutitehnoloogia Ja tarkvara, on matkimise rakenduste hulk majandusvaldkonnas oluliselt laienenud. Praegu kasutatakse seda nii ettevõttesisese juhtimise probleemide lahendamiseks kui ka juhtimise modelleerimiseks makromajanduslikul tasandil. Vaatleme simulatsioonimudeli kasutamise peamisi eeliseid finantsanalüüsi probleemide lahendamise protsessis.

Nagu definitsioonist järeldub, on simulatsioon arvutikatse. Ainus erinevus sellise katse ja reaalse katse vahel on see, et see viiakse läbi süsteemi mudeli, mitte süsteemi endaga. Tõeliste eksperimentide läbiviimine majandussüsteemidega on aga vähemalt ebamõistlik, nõuab märkimisväärseid kulutusi ja tõenäoliselt ei ole see praktikas teostatav. Seega on simulatsioon ainus viis süsteemide uurimiseks ilma reaalseid eksperimente tegemata.

Otsuste tegemiseks vajaliku teabe kogumine on sageli ebapraktiline või kulukas. Näiteks riski hindamisel investeerimisprojektid, reeglina kasutada prognoosiandmeid müügimahtude, kulude, hindade jms kohta.

Riski adekvaatseks hindamiseks on aga vaja piisav kogus teave, et sõnastada usutavad hüpoteesid projekti peamiste parameetrite tõenäosusjaotuste kohta. Sellistel juhtudel asendatakse puuduvad tegelikud andmed väärtustega, mis on saadud simulatsioonikatse (st arvuti genereeritud) käigus.

Paljude finantsanalüüsi probleemide lahendamisel kasutatakse mudeleid, mis sisaldavad juhuslikke muutujaid, mille käitumist ei saa otsustajad kontrollida. Selliseid mudeleid nimetatakse stohhastilisteks. Simulatsiooni kasutamine võimaldab teha järeldusi võimalike tulemuste kohta juhuslike tegurite (muutujate) tõenäosusjaotuste põhjal. Stohhastilist simulatsiooni nimetatakse sageli Monte Carlo meetodiks. Imiteerimisel on ka muid eeliseid.

Vaatleme simulatsioonimudelite kasutamise tehnoloogiat MS Exceli keskkonnas investeerimisprojektide riskide analüüsimiseks.

Simulatsiooni modelleerimine

Simulatsioonimodelleerimine (situatsiooniline modelleerimine) on meetod, mis võimaldab koostada mudeleid, mis kirjeldavad protsesse nii, nagu need tegelikkuses toimuksid. Sellist mudelit saab aja jooksul “mängida” nii ühe testi kui ka antud komplekti jaoks. Sel juhul määrab tulemused protsesside juhuslikkuse. Nende andmete põhjal saate üsna stabiilse statistika.

Simulatsioonmodelleerimine on uurimismeetod, mille puhul uuritav süsteem asendatakse reaalset süsteemi piisava täpsusega kirjeldava mudeliga, millega tehakse katseid selle süsteemi kohta informatsiooni saamiseks. Mudeliga katsetamist nimetatakse jäljendamiseks (imitatsioon on nähtuse olemuse mõistmine ilma reaalse objektiga katsetamata).

Simulatsiooni modelleerimine on erijuhtum matemaatiline modelleerimine. On objekte klass, mille jaoks erinevatel põhjustel Analüütilisi mudeleid ei ole välja töötatud või saadud mudeli lahendamise meetodeid. Sel juhul asendatakse analüütiline mudel simulaatori või simulatsioonimudeliga.

Simulatsioonimodelleerimist nimetatakse mõnikord sõnastatud probleemile osaliste numbriliste lahenduste leidmiseks analüütiliste lahenduste põhjal või numbriliste meetodite abil.

Simulatsioonimudel on objekti loogiline ja matemaatiline kirjeldus, mida saab kasutada arvutis katsetamiseks objekti projekteerimise, analüüsimise ja toimimise hindamise eesmärgil.

Simulatsiooni modelleerimist kasutatakse, kui:

· reaalsel objektil katsetamine on kulukas või võimatu;

· analüütilist mudelit on võimatu üles ehitada: süsteemil on aeg, põhjuslikud seosed, tagajärjed, mittelineaarsused, stohhastilised (juhuslikud) muutujad;

· on vaja simuleerida süsteemi käitumist ajas.

Simulatsioonimodelleerimise eesmärk on reprodutseerida uuritava süsteemi käitumist selle elementide vaheliste olulisemate seoste analüüsi tulemuste põhjal ehk teisisõnu - süsteemi simulaatori väljatöötamine (ing. simulation modeling) all. Uuring ainevaldkond erinevate katsete läbiviimiseks.

Simulatsioonimodelleerimine võimaldab simuleerida süsteemi käitumist aja jooksul. Lisaks on eeliseks see, et aega mudelis saab kontrollida: kiirete protsesside puhul aeglustada ja aeglase varieeruvusega süsteemide modelleerimisel kiirendada. Võimalik on jäljendada nende objektide käitumist, millega reaalsed katsed on kallid, võimatud või ohtlikud. Personaalarvutite ajastu tulekuga kaasneb keerukate ja ainulaadsete toodete valmistamisega tavaliselt arvuti kolmemõõtmeline simulatsioonimodelleerimine. See täpne ja suhteliselt kiire tehnoloogia võimaldab koguda kõik vajalikud teadmised, seadmed ja pooltooted tulevase toote jaoks enne tootmise algust. Arvuti 3D-modelleerimine ei ole praegu haruldane isegi väikeste ettevõtete jaoks.

Imitatsioon kui meetod mittetriviaalsete probleemide lahendamiseks on saanud esialgne areng aastatel seoses arvutite loomisega 1950.–1960.

Imitatsiooni on kahte tüüpi:

· Monte Carlo meetod (statistiline katsemeetod);

· Simulatsiooni modelleerimise meetod (statistiline modelleerimine).

Simulatsiooni tüübid:

· Agendipõhine modelleerimine-- suhteliselt uus (1990.-2000. aastad) suund simulatsioonimodelleerimisel, mida kasutatakse detsentraliseeritud süsteemide uurimiseks, mille dünaamikat ei määra mitte globaalsed reeglid ja seadused (nagu teistes modelleerimisparadigmades), vaid vastupidi, kui need globaalsed reeglid ja seadused on grupiliikmete individuaalse tegevuse tulemus. Agendipõhiste mudelite eesmärk on saada ülevaade nendest globaalsetest reeglitest, üldine käitumine süsteem, mis põhineb eeldustel selle üksikute aktiivsete objektide individuaalse, privaatse käitumise ja nende objektide vastasmõju kohta süsteemis. Agent on teatud üksus, millel on aktiivsus, autonoomne käitumine, mis suudab teha otsuseid vastavalt teatud reeglistikule, suhelda keskkonnaga ja muutuda ka iseseisvalt.

· Diskreetsete sündmuste modelleerimine on lähenemine modelleerimisele, mis teeb ettepaneku sündmuste pidevast olemusest abstraheerida ja võtta arvesse ainult simuleeritud süsteemi peamisi sündmusi, näiteks: "ootamine", "tellimuse töötlemine", "lastiga liikumine", " mahalaadimine” ja teised. Diskreetsete sündmuste modelleerimine on enim arenenud ja sellel on tohutu valik rakendusi – logistikast ja järjekorrasüsteemidest transpordi- ja tootmissüsteemideni. Seda tüüpi modelleerimine sobib kõige paremini modelleerimiseks tootmisprotsessid. Selle asutas Jeffrey Gordon 1960. aastatel.

· Süsteemidünaamika on modelleerimisparadigma, kus uuritava süsteemi jaoks konstrueeritakse graafilised skeemid põhjuslike seoste ja ühtede parameetrite globaalsetest mõjudest teistele aja jooksul ning seejärel simuleeritakse nende diagrammide põhjal koostatud mudelit arvutis. Tegelikult aitab seda tüüpi modelleerimine rohkem kui kõik teised paradigmad mõista objektide ja nähtuste vaheliste põhjus-tagajärg seoste pideva tuvastamise olemust. Süsteemidünaamikat kasutades ehitatakse üles äriprotsesside, linnaarenduse, tootmismudelite, rahvastikudünaamika, ökoloogia ja epideemia arengu mudelid. Selle meetodi asutas Jay Forrester 1950. aastal.

Simulatsiooni modelleerimine

Simulatsiooni modelleerimine (situatsiooniline modelleerimine)- meetod, mis võimaldab ehitada mudeleid, mis kirjeldavad protsesse nii, nagu need tegelikkuses toimuksid. Sellist mudelit saab aja jooksul “mängida” nii ühe testi kui ka antud komplekti jaoks. Sel juhul määrab tulemused protsesside juhuslikkuse. Nende andmete põhjal võib saada üsna stabiilse statistika.

Simulatsioonmodelleerimine on matemaatilise modelleerimise erijuht. On objekte, mille jaoks ei ole erinevatel põhjustel välja töötatud analüütilisi mudeleid või pole välja töötatud meetodeid saadud mudeli lahendamiseks. Sel juhul asendatakse analüütiline mudel simulaatori või simulatsioonimudeliga.

Simulatsioonimodelleerimist nimetatakse mõnikord sõnastatud probleemile osaliste numbriliste lahenduste saamiseks analüütiliste lahenduste põhjal või numbriliste meetodite abil.

Simulatsioonimudel on objekti loogiline ja matemaatiline kirjeldus, mida saab kasutada arvutis katsetamiseks objekti projekteerimise, analüüsimise ja toimimise hindamise eesmärgil.

Simulatsiooni modelleerimise rakendamine

Simulatsiooni modelleerimist kasutatakse, kui:

reaalse objektiga katsetamine on kallis või võimatu;
analüütilist mudelit on võimatu üles ehitada: süsteemil on aeg, põhjuslikud seosed, tagajärjed, mittelineaarsused, stohhastilised (juhuslikud) muutujad;
on vaja simuleerida süsteemi käitumist ajas.

Simulatsioonimodelleerimise eesmärk on selle elementide vaheliste olulisemate seoste analüüsi tulemuste põhjal reprodutseerida uuritava süsteemi käitumist ehk teisisõnu välja töötada simulaator. simulatsiooni modelleerimine) uuritavast ainevaldkonnast erinevate katsete läbiviimiseks.

Imitatsioon kui mittetriviaalsete probleemide lahendamise meetod sai oma esialgse arengu seoses arvutite loomisega 1950.–1960. aastatel.

Imitatsiooni on kahte tüüpi:

Monte Carlo meetod (statistiline katsemeetod);
Simulatsiooni modelleerimise meetod (statistiline modelleerimine).

Simulatsiooni tüübid

Kolm simulatsioonimeetodit

Simulatsioonikäsitlused abstraktsiooni skaalal

Agendipõhine modelleerimine on suhteliselt uus (1990.-2000. aastad) suund simulatsioonimodelleerimisel, mille abil uuritakse detsentraliseeritud süsteeme, mille toimimise dünaamikat ei määra mitte globaalsed reeglid ja seadused (nagu teistes modelleerimisparadigmades), vaid vastupidi, kui need globaalsed reeglid ja seadused on grupiliikmete individuaalse tegevuse tulemus. Agendipõhiste mudelite eesmärk on saada arusaamine nendest globaalsetest reeglitest, süsteemi üldisest käitumisest, tuginedes eeldustele selle üksikute aktiivsete objektide individuaalse, privaatse käitumise ja nende objektide vastasmõju kohta süsteemis. Agent on teatud üksus, millel on aktiivsus, autonoomne käitumine, mis suudab teha otsuseid vastavalt teatud reeglistikule, suhelda keskkonnaga ja muutuda ka iseseisvalt.

Diskreetsete sündmuste modelleerimine on lähenemine modelleerimisele, mis teeb ettepaneku sündmuste pidevast olemusest abstraheerida ja võtta arvesse ainult simuleeritud süsteemi peamisi sündmusi, nagu "ootamine", "tellimuse töötlemine", "lastiga liikumine", "mahalaadimine". ja teised. Diskreetsete sündmuste modelleerimine on enim arenenud ja sellel on tohutu valik rakendusi – logistikast ja järjekorrasüsteemidest transpordi- ja tootmissüsteemideni. Seda tüüpi modelleerimine sobib kõige paremini tootmisprotsesside modelleerimiseks. Selle asutas Jeffrey Gordon 1960. aastatel.

Süsteemidünaamika on modelleerimisparadigma, kus uuritava süsteemi jaoks konstrueeritakse graafilised diagrammid põhjuslike seoste ja teatud parameetrite globaalsetest mõjudest teistele aja jooksul ning seejärel simuleeritakse nende diagrammide põhjal koostatud mudelit arvutis. Tegelikult aitab seda tüüpi modelleerimine rohkem kui kõik teised paradigmad mõista objektide ja nähtuste vaheliste põhjus-tagajärg seoste pideva tuvastamise olemust. Süsteemidünaamikat kasutades ehitatakse üles äriprotsesside, linnaarenduse, tootmismudelite, rahvastikudünaamika, ökoloogia ja epideemia arengu mudelid. Selle meetodi asutas Jay Forrester 1950. aastal.

Kasutusvaldkonnad

Rahvastiku dünaamika
IT infrastruktuur
Ajalooliste protsesside matemaatiline modelleerimine
Jalakäijate dünaamika
Turg ja konkurents
Teeninduskeskused
Tarneahelad
Liiklus
Terviseökonoomika

Tasuta simulatsioonisüsteemid

Vaata ka

Võrgu modelleerimine

Märkmed

Kirjandus

Hemdi A. Taha Peatükk 18. Simulatsiooni modelleerimine// Sissejuhatus operatsioonide uurimisse = Operations Research: An Introduction. - 7. väljaanne. - M.: "Williams", 2007. - lk 697-737. - ISBN 0-13-032374-8

Strogalev V.P., Tolkatšova I.O. Simulatsiooni modelleerimine. - MSTU im. Bauman, 2008. - lk 697-737. - ISBN 978-5-7038-3021-5

Lingid

Arvuti- ja staatilise simulatsiooni modelleerimine saidil Intuit.ru
Simulatsioonimodelleerimine tehnoloogilise inseneri probleemides Makarov V. M., Lukina S. V., Lebed P. A.

Wikimedia sihtasutus. 2010. aasta.

Vaadake, mis on "simulatsiooni modelleerimine" teistes sõnaraamatutes:

simulatsioon- (ITIL Continual Service Improvement) (ITIL Service Design) Tehnika, mis loob üksikasjaliku mudeli konfiguratsiooniüksuse või IT-teenuse käitumise ennustamiseks. Simulatsioonimudelid saab rakendada väga suure täpsusega, kuid see... ... Tehniline tõlkija juhend

Simulatsiooni modelleerimine- Simulatsioonimodelleerimine: tehniliste objektide modelleerimine (sümboolne, subjekt), mis põhineb nende olemasoluga kaasnevate protsesside reprodutseerimisel... Allikas: SEADMETE JA OPERAATORI TEGEVUSE TEABE TUGI. KEEL…… Ametlik terminoloogia

Simulatsiooni modelleerimine- vt Masina jäljendamine, pingi katsetamine... Majandus- ja matemaatikasõnastik

Mõne objekti mudeli väljatöötamine, selle uurimise jaoks konstrueerimine Äriterminite sõnastik. Akademik.ru. 2001... Äriterminite sõnastik

simulatsioon - 3.9 simulatsioon: Tehniliste objektide modelleerimine (sümboolne, subjekt), mis põhineb nende olemasoluga kaasnevate protsesside reprodutseerimisel. Allikas … Normatiivse ja tehnilise dokumentatsiooni terminite sõnastik-teatmik

SIMULATSIOONI MODELLEERIMINE- (...prantsuse mudelproovist) meetod mis tahes nähtuste ja protsesside uurimiseks statistiliste testide abil (Monte Carlo meetod) arvuti abil. Meetod põhineb juhuslike tegurite mõju joonistamisel (simuleerimisel) uuritavale nähtusele või... ... entsüklopeediline sõnaraamat psühholoogias ja pedagoogikas

Simulatsiooni modelleerimine- see on konkreetse reaalse olukorra reprodutseerimine mudelil, selle uurimine ja lõpuks kõige leidmine hea otsus. Tegelikult koosneb I. m. projekteerimisest matemaatiline mudel päris süsteem ja selle lavastus...... Raamatukoguhoidja terminoloogiline sõnastik sotsiaalmajanduslikel teemadel

See artikkel peaks olema wikistatud. Palun vormindage see vastavalt artikli vormistamise reeglitele. Simulatsioonimudeleid ei seostata analüütilise esitusega, vaid infot ja programme kasutades simulatsiooni põhimõttega... Wikipedia

Monte Carlo simulatsioon- (Monte Carlo meetod) Analüütiline meetod probleemi lahendamiseks täitmise kaudu suur number testoperatsioonid, mida nimetatakse simulatsiooniks, ja kombineeritud testitulemuste põhjal vajaliku lahenduse saamine. Arvutusmeetod...... Investeerimissõnaraamat

Imitatsioonitehnoloogiad põhinevad konstruktsioonil erinevaid näiteid reaalsed süsteemid, mis vastavad professionaalsele kontekstile teatud olukord. Koostatakse antud hetke nõuetele vastavad simulatsioonimudelid ning koolitatav sukeldub nendega töötamisse. Meetodites eksisteeriva simulatsiooni ja simulatsiooni-mängu modelleerimisega kaasneb reaalsuses toimuvate üsna adekvaatsete protsesside reprodutseerimine. Seega võimaldab koolitus saada tõelist töökogemust, hoolimata sellest, et ametialane tegevus.

Rollid

Õppeprotsessis eeldatakse mänguprotseduure, mis pakuvad ülesehitatud simulatsioonimudeleid, mis tähendab, et on ette nähtud ka rollide jaotus: õpilased suhtlevad omavahel ja õpetajaga, imiteerides professionaalset tegevust. Seetõttu on simulatsioonitehnoloogiad jagatud kaheks osaks – mängimine ja mittemängimine ning pakutud olukorra analüüs aitab kindlaks teha tüübi. Selleks on vaja selgeks teha välistingimuste süsteem, mis soodustab aktiivsete tegevuste algatamist. See tähendab, et kõik probleemid, nähtused, omavahel seotud faktid, mis olukorda iseloomustavad, peavad olema simulatsioonimudelitega.

Teatud sündmus või konkreetne organisatsiooni tegevuse periood nõuab juhilt adekvaatsete korralduste, otsuste ja toimingute tegemist. Uuringu analüüsi metoodika konkreetseid olukordi- reaalse või kunstlikult loodud olukorra üksikasjalik ja põhjalik uurimine, iseloomulike omaduste tuvastamine. See aitab kaasa õpilaste arengule süstemaatilise lähenemise otsimisel probleemi lahendamisele, ekslike lahenduste võimaluste väljaselgitamisele ja optimaalsete lahenduste kriteeriumide analüüsimisele. Nii luuakse professionaalseid ärikontakte, tehakse ühiselt otsuseid ja kõrvaldatakse konflikte.

Olukorrad

Olukorrad eristatakse nelja tüüpi: esmalt vaadeldakse probleemi olukorda, kus õpilased peavad leidma esinemise põhjused, probleemi püstitama ja lahendama, seejärel hinnatakse olukorda vastavalt tehtud otsused. Pärast seda ehitatakse üles olukord, mis illustreerib näidetega kõiki antud kursuse välja toodud teemasid ning võetakse aluseks just lahendatud ülesanded ning teema lõpetatakse situatsiooniharjutusega, kus simulatsioonimudelid lahendavad analoogia meetodil lihtsaid ülesandeid. - need on nn treeningsituatsioonid.

Konkreetset tüüpi olukorrad on erinevad: need on klassikalised ja reaalajas, juhtumisituatsioon, olukord ärikirjavahetuse analüüsiga, aga ka tegevus vastavalt juhistele. Valiku määravad paljud tegurid: õppe eesmärgid, koolituse tase, kättesaadavus tehnilisi vahendeid ja illustreeriv materjal - kõik oleneb õpetaja individuaalsest stiilist, kelle loovust ei piira range regulatsioon ei sortide valikul ega analüüsimeetodites. Siin on simulatsioonimudelite väljatöötamise esimesed etapid.

Praktilised ülesanded

Praktikas on kontekstuaalse lähenemise ideed kõige paremini ellu viidud, kuna need koosnevad konkreetsest ja reaalsest elusituatsioonid: juhtum, lugu, mida simulatsioonimudel sisaldab, näide sündmuste kirjeldusest, mis toimusid või olid täiesti võimalikud, lõppedes vigadega tootmisprobleemide lahendamisel. Ülesanne on selle kursuse ideede ja kontseptsioonide rakendamisel neid vigu tuvastada ja analüüsida.

Seda tüüpi erialane koolitus on üsna realistlik ja tõhus, võrreldes puhtteoreetiliselt käsitletavate üksikküsimuste sõnastamisega. Olukorraõppe suunitlus on selline, et oskusi ja teadmisi õpetatakse mitte õppeainena, vaid vahendina erinevate spetsialisti tegevuses tekkivate probleemide lahendamiseks. Koolitussituatsioonid põhinevad reaalsetel professionaalsetel tootmisfragmentidel, võttes arvesse kõiki inimestevahelisi suhteid, mis on ettevõtte edukaks toimimiseks äärmiselt oluline. Koolitatavad saavad tulevase kutsetegevuse põhijooned ja konteksti.

Olukordade valik

See on üks raskemaid õpetamisülesandeid. Näidisõppesituatsioon vastab tavaliselt järgmistele nõuetele:

Stsenaarium põhineb reaalsusel või on võetud elust. See ei tähenda, et oleks vaja esitada arvukate detailide ja tehnoloogiliste peensustega tootmisfragment, mis õpilase tähelepanu põhiprobleemi lahendamiselt kõrvale tõmbaks. Ka tootmisžargoon on sel juhul sobimatu.
Õppesituatsioon ei tohiks sisaldada rohkem kui viis kuni seitse punkti, mida õpilased kommenteerivad õpitava mõistega kooskõlas olevaid termineid kasutades. Simulatsioonimudel, mille näidet on raske lahendada, ei õpeta tõenäoliselt õpilasi kiiresti.
Kuid õpisituatsioonis ei tohiks olla ka primitiivsust: lisaks uuritava probleemi viiele kuni seitsmele punktile peab tekstis olema kaks-kolm konnektiivi. Tavaliselt ei paigutata elus probleeme järjekindlaks lahendamiseks eraldi riiulitele. Tööprobleemid on tavaliselt seotud sotsiaalsete või psühholoogiliste probleemidega. Kursuseideede rakendamine on õppetöös eriti oluline.

Haridussituatsiooni tekst

Näiteks müügijuht ettevõttes Lotus Flower, mis on spetsialiseerunud hügieenitoodetele, kosmeetikale ja parfüümidele. Ta tuli sellesse kohta kuus kuud tagasi edutamise tõttu. Vestlus peajuhiga tema töötulemuste põhjal toimub kümne päeva pärast.

Enne seda õnnestus Irinal kaks aastat ettevõtte eraldi sektsioonis, näiteks hügieenitoodete müügiga, ja see meeldis talle väga. Ta oli lugupeetud, müüjate seas populaarne ja sai palju püsikliente.

Olukorra areng

Loomulikult tundis ta edutamise üle rõõmu ja asus uuel ametikohal entusiastlikult tööle. Millegipärast aga ei läinud hästi. Tal polnud aega kontoris töötada, sest ta oli peaaegu kogu aeg saalis ja jälgis müüjate tegevust. Ma pidin isegi töö koju viima. Ja ometi polnud tal aega midagi teha: juhtkonna palve näituseks ja müügiks ideid koostada sai täidetud viimasel päeval, sest midagi huvitavat ei olnud eelnevalt välja mõeldud, loovus pole nii lihtne asi. Haige masinakirjutaja ei suutnud Irina ideedega pabereid uuesti trükkida. Seetõttu ei täitnud Irina ülesannet ülemuste määratud tähtajaks. Just sel hetkel aitaksid teda kõige rohkem simulatsiooniõppe mudelid.

Pärast seda läks kõik viltu. Olles veetnud aega püsikliendiga vesteldes, ei mõelnud Irina oma kõnele, kui kolleeg pidulikult tunnistuse vastu võttis, ja jäi isegi tseremooniale hiljaks. Seejärel lahkusid tema alluvad mitu korda teda hoiatamata töölt. Personaliosakond tuletas talle korduvalt meelde vajadust koostada ravikosmeetika kasutamise koolitusprogramm, kuid Irinal ei õnnestunud meditsiiniinstituudi õppejõuga ühendust saada. Ta jäi alati hiljaks, et tutvustada isegi nooremaid müüjaid juhtivatele ametikohtadele. Ja Irina pole veel koostanud kvartaliaruannet sortimendi prognoosiga. Ja ta ei vastanud isegi mitmele kirjale klientidelt, kes soovisid kaupa posti teel kätte saada. Ja kirsiks tordil hiljutine tüli ühe tema varem väga lugupeetud müüjaga hinnasiltide pärast. Selgub, et heaks juhiks olemine polegi nii lihtne.

Olukorra analüüs

Simulatsioonimudel on ennekõike olukorra lugemine. Siin tekib järgmine pilt kuuest punktist koos alapunktidega.

Minu uuel töökohal on toimunud muudatusi. Millised on nende ohjeldavad ja motiveerivad jõud?
Enne muutusi - tunde olemasolu enesehinnang ja teadmised müügimehhanismist.
Motivatsioon soovis läbi lüüa, aga ka säilitada müügivõimeid – rollikonflikt.
Juhtimisstiil on täielik suutmatus anda osa volitustest alluvatele. Kokkupõrkeid alluvatega ei saa vältida.
Uues rollis: ei määranud ametikoha spetsiifikat, töökoormuse suurust, ei lahendanud lihtsat probleemi kordustrükkimisega, koonerdab planeerimise ja kontrolliga, lubab alluvatel tööle ilmumata jätta, segib personali koolitusplaani , ei oska oma aega organiseerida ja prioriteete seada, kaotab loovuse – uusi ideid pole .
Usaldatud personali juhtimisstiil: lubab vertikaalset konflikti, sekkub alluvate asjadesse, puudub enesekindlus, juhib juhtkonna abita.

Probleemide tuvastamine

Simulatsioonimudelite struktuur eeldab, et teine samm on nende jaoks tekkivate probleemide tuvastamine järjestikune lahendus. Siin peate järgima samu punkte, võttes arvesse tehtud analüüsi, kuid arvestades olukorda erineva eesmärgiga.

Muudatused: kas on võimalusi muutuste juhtimiseks ja milliseid, kuidas vähendada vastupanuvõimet toimunud muutustele.
Juhtimisstiilid: miks Irina valitud stiil ebaõnnestub ja mille kasuks on parem sellest loobuda.
Motivatsioon: mida ütleb juhtimisteooria Irina ja müüjate stiimulite kohta.
Tööeesmärkide spetsiifika: kas Irina teab kõiki üksikasju uus töökoht millised olid eesmärgid ja kuidas neid tuleks saavutada.
Planeerimine ja kontroll: kas Irina planeeris oma tegevust juhina, kas neid kontrolliti?
Konflikt: mis on tekkinud konflikti põhjus ja probleem ning kuidas seda lahendada.

Temaatilised lingid

Simulatsioonimudelite kasutamine aitab üles ehitada olukorra selle algusest (motiivid), paljastades selle alguse motiivid kuni üleminekuni uuele kvaliteedile. Mis see saab, sõltub sellest, kuidas analüüs läbi viiakse ja millised järeldused tehakse. Ükski olukord pole täielik ilma teemade ühendamiseta. Kõige sagedamini ei reprodutseeri simulatsioonimudelid reaalsust kõigis aspektides, kuid mängus peab olema mitu sellist seost. Siin on need järgmised.

Irina ei näinud juhi ja müüja töös erinevusi.
Irina oli oma uueks ametikohaks halvasti ette valmistatud.
Irinal puuduvad juhtimisest põhjapanevad teadmised.

Ühendavate motiivide arendamine

Mida on võimalik ja mida tuleb teha seoses teemade ühendamisega?

Esiteks on vajalik teabe edastamine. Irina ülemused on kohustatud talle kohe pärast ametisse nimetamist esitama konkreetsed töönõuded. Irina peab oma juhtimisstiili tööl oma alluvatele teadvustama.
Teiseks on vaja koolitada Irinat juhtimise põhitõdesid, tema alluvaid müügimeetodeid ning loomulikult peavad Irina ja tema alluvad läbima inimestevahelise suhtlemise koolituse.
Kolmandaks on vajalik selge planeerimine funktsionaalsed kohustused Irina juhina ja kogu osakonna tegevus tervikuna.
Neljandaks peab olema korralik personalijuhtimine: Irina vajab abi eesmärkide ja prioriteetide paikapanemisel nii hetkeliselt kui ka pikaajaliselt ehk personaliosakonnal on mõttekas planeerida täiendkoolitusi töötajatele, kellest ettevõte on huvitatud.

Kogu see teema on otseselt seotud ainult info edastamisega.

Kui mäng jõuab kokkuvõtete tegemise ja järelduste tegemise faasi, saab selgeks, mis on simulatsioonimudelid ja kuidas need kasulikud on. Järeldused on peaaegu kõigi jaoks väga täpsed ja konkreetsed, sest olukorda analüüsiti peensusteni.

Esiteks peab juht oma ülemustega kokku leppima töö spetsiifika ja edastama tulemused oma alluvatele.
Teiseks peavad kõik prioriteedid ja eesmärgid olema juhile selged ning selgitatud ka ülejäänud personalile.

Irina peab valdama juhtimisvõtteid oma aja juhtimisel, kontrollimisel ja planeerimisel, inimeste ja konfliktide juhtimisel, uue teabe levitamisel meeskonnas ja selle arendamisel.

Irina peab personaliosakonnast üksikasjalikult tutvuma koolitusprotseduuride ja töötajate täiendõppega, et neid võimalikult õigesti rakendada. Ta peab iseseisvalt oma erialast taset tõstma ja edaspidi õpingud lõpetama. Need soovitused võivad ettevalmistamata inimest hirmutada, nii et peate need viivitamatult jagama kolmeks osaks: viivitamatu rakendamine, keskmise kiireloomulisuse soovitused ja viimane punkt - selgelt pikaajaline. Irinal ja tema ülemustel on mõttekas arutada ebaõnnestumiste põhjuseid ja teha kõik, et need ei korduks.

Olles selliselt kunstlikult konstrueeritud olukorda analüüsinud, saab iga õpilane aru, mis on simulatsioonimudelid.

Majandusarengu mudelid

Sotsiaal-majanduslikul arengul on teistest erinevad simulatsioonimudelid. Selleks oli vaja eraldi nimetust, et konkreetselt teada selle või teise situatsioonilise tehiskonstruktsiooni rakendusala. Dünaamilised simulatsioonimudelid on loodud spetsiaalselt majandussüsteemide toimimise ennustamiseks. Pealkiri rõhutab, et dünaamika on kõige rohkem peamine omadus sellised konstruktsioonid ja need põhinevad süsteemidünaamika põhimõtetel.

Ehitamise etappidel on järgmine toimingute jada: esiteks koostatakse kognitiivne struktureerimisskeem, seejärel valitakse statistilised andmed ja skeemi täpsustatakse. Järgmise sammuna tuleb moodustada, kus kirjeldatakse kognitiivseid seoseid, seejärel koostatakse IDM tervikuna. Mudel silutakse ja kontrollitakse ning lõpuks tehakse mitme muutujaga arvutused, sealhulgas ennustavad.

Skriptimismeetod

Stsenaariumianalüüs, mis tähendab teatud projekti simulatsioonimudelit, on vajalik selleks, et välja arvutada projekti arendamisel tekkivad ohud ja võimalused nende ületamiseks. Investeerimist ohustav risk võib olla kõrvalekalle rahavool mõeldud antud projektile, vastupidiselt ootustele ja mida suurem on kõrvalekalle, seda rohkem risk suureneb. Iga projekt demonstreerib projekti tulemuste võimalikku ulatust, seetõttu on neile tõenäosushinnangu andmisel võimalik hinnata rahavoogusid, võttes arvesse eksperthinnanguid kõigi nende voogude tõenäosusliku genereerimise kohta või kõigi vookomponentide kõrvalekallete suurust. eeldatavad väärtused.

Hea on see, et sellise põhjal eksperthinnangud Võimalik on konstrueerida vähemalt kolm võimalikku arengusituatsiooni: pessimistlik, kõige realistlikum (tõenäolisem) ja optimistlik. Simulatsioonimudelid on siin ainus erinevus reaalsusest – tegevust ei too mitte süsteem ise, vaid selle mudel. Süsteemide simulatsioonimudelid tulevad appi juhtudel, kui reaalsete katsete tegemine on vähemalt ebamõistlik ning maksimaalselt kulukas ja ohtlik. Simulatsioon on viis süsteemide uurimiseks vähimagi riskita. Praktiliselt võimatu on hinnata näiteks investeerimisprojektide riski ilma simulatsioonideta, kus kasutatakse ainult prognoosiandmeid kulude, müügimahtude, hindade ja muude riske määravate komponentide kohta.

Finantsanalüüs

Mudeleid kasutatakse paljude probleemide lahendamiseks finantsanalüüs, sisaldavad juhuslikke muutujaid, mida otsustajad ei saa kontrollida. Need on stohhastilised simulatsioonimudelid. Simulatsioon võimaldab tuletada võimalikke tulemusi juhuslike muutujate tõenäosusjaotuste põhjal. Stohhastilist simulatsiooni nimetatakse sageli ka Monte Carlo meetodiks.

Kuidas modelleeritakse investeerimisprojektide riske? Tehakse rida arvukaid katseid, mis hindavad puhtalt empiiriliselt erinevate tegurite (st algväärtuste) mõju astet tulemustele, mis neist täielikult sõltuvad. Simulatsioonikatse läbiviimine jaguneb tavaliselt teatud etappideks.

Luues seosed alg- ja lõppnäitajate vahel matemaatilise ebavõrdsuse või võrrandi kujul, astutakse esimene samm katsetamise teel. Seejärel peate andma masinaseadused, mis jagavad põhiparameetrite tõenäosusi. Järgmisena viiakse läbi mudeli põhiparameetrite kõigi väärtuste arvutisimulatsioon ning arvutatakse alg- ja lõppnäitajate jaotuste omadused. Lõpuks analüüsitakse arvuti abil saadud tulemusi ja tehakse otsus.

matemaatiliste mudelite ehitamine kirjeldada uuritavaid protsesse;

kasutab uusimaid kiireid arvuteid (miljoneid toiminguid sekundis) ja on võimeline pidama dialoogi inimesega.

Sisuliselt arvuti modelleerimine on järgmine: matemaatilise mudeli alusel viiakse läbi arvutuskatsete seeria arvuti abil, s.o. uuritakse objektide või protsesside omadusi, leitakse nende optimaalsed parameetrid ja töörežiimid ning täpsustatakse mudelit. Näiteks kui teil on võrrand, mis kirjeldab konkreetse protsessi kulgu, saate muuta selle koefitsiente, alg- ja piirtingimusi ning uurida, kuidas objekt käitub. Simulatsioonimudelid- need tehakse arvutis arvutuslikud katsed matemaatiliste mudelitega, mis simuleerivad reaalsete objektide, protsesside või süsteemide käitumist.

Reaalseid protsesse ja süsteeme saab uurida kahte tüüpi matemaatilisi mudeleid kasutades: analüütilist ja simulatsiooni.

Analüütilistes mudelites on reaalsete protsesside ja süsteemide (RPS) käitumine määratletud eksplitsiitse vormis. funktsionaalsed sõltuvused(lineaarsed või mittelineaarsed, diferentsiaal- või integraalvõrrandid, nende võrrandite süsteemid). Neid sõltuvusi on aga võimalik hankida ainult suhteliselt lihtsate RPS-ide puhul. Kui nähtused on keerulised ja mitmekesised, peab uurija kasutama keerulise RPSi lihtsustatud esitusi. Selle tulemusena muutub analüütiline mudel tegelikkusele liiga jämedaks ligikaudseks. Kui sellegipoolest on võimalik saada keeruliste RPS-ide jaoks analüütilisi mudeleid, muutuvad need sageli lahendamatuks probleemiks. Seetõttu on uurija sunnitud sageli kasutama simulatsioon.

Simulatsiooni modelleerimine on arvuline meetod arvutuslike katsete läbiviimiseks arvutis matemaatiliste mudelitega, mis simuleerivad reaalsete objektide, protsesside ja süsteemide käitumist ajas teatud perioodi jooksul. Sel juhul jaguneb RPS-i toimimine elementaarseteks nähtusteks, alamsüsteemideks ja mooduliteks. Nende elementaarnähtuste, alamsüsteemide ja moodulite toimimist kirjeldab algoritmide komplekt, mis simuleerib elementaarnähtusi, säilitades samas loogiline struktuur ja esinemisjärjestus ajas.

Simulatsiooni modelleerimine on meetodite kogum uurimisobjektide toimimise algoritmiseerimiseks, algoritmiliste kirjelduste tarkvaraliseks realiseerimiseks, arvutuskatsete korraldamiseks, planeerimiseks ja läbiviimiseks arvutis matemaatiliste mudelitega, mis simuleerivad RPS-i toimimist antud perioodil.

RPS-i toimimise algoritmi all mõistetakse kõigi selle üksikute moodulite funktsionaalsete alamsüsteemide toimimise operatiivset kirjeldust, mille detailsuse tase vastab mudeli nõuete kogumile.

"Simulatsiooni modelleerimine"(IM) on kahekordne termin. "Imitatsioon" ja "modelleerimine" on sünonüümid. Peaaegu kõik teaduse ja tehnoloogia valdkonnad on reaalsete protsesside mudelid. Et eristada matemaatilisi mudeleid üksteisest, hakkasid teadlased neile lisanimesid andma. Tähtaeg "simulatsiooni modelleerimine" tähendab, et tegemist on matemaatiliste mudelitega, mille abil ei ole võimalik süsteemi käitumist ette arvutada ega ennustada ning süsteemi käitumist on vaja ennustada arvutuslik eksperiment(imitatsioon) antud lähteandmetega matemaatilisel mudelil.

IM-i peamine eelis:

võime kirjeldada protsesside või süsteemide komponentide (elementide) käitumist kõrge tase detailid;
MI parameetrite ja oleku vahel pole piiranguid väliskeskkond RPS;
oskus uurida komponentide interaktsiooni dünaamikat süsteemiparameetrite ajas ja ruumis;

Need eelised tagavad simulatsioonimeetodi laialdase kasutamise.

Kui uurimisprobleemi täielikku sõnastust pole ja modelleeriva objekti tunnetusprotsess on käimas. Simulatsioonimudel toimib nähtuse uurimise vahendina.
Kui analüütilised meetodid on olemas, kuid matemaatilised protsessid on keerulised ja töömahukad ning simulatsioon annab lihtsama viisi probleemi lahendamiseks.
Kui lisaks protsessi või süsteemi parameetrite (muutujate) mõju hindamisele on soovitav jälgida protsessi või süsteemi (PS) komponentide (elementide) käitumist teatud perioodi jooksul.
Millal simulatsioon osutub ainsaks uurimisviisiks keeruline süsteem nähtuste vaatlemise võimatuse tõttu reaalsetes tingimustes (termotuumasünteesi reaktsioonid, kosmoseuuringud).
Kui on vaja kontrollida protsesside kulgu või süsteemide käitumist, aeglustades või kiirendades nähtusi simulatsiooni käigus.
Kui koolitada spetsialiste selleks uus tehnoloogia kui sees on simulatsioonimudelid annab võimaluse omandada oskusi uute seadmete käitamiseks.
Kui RPS-is uuritakse uusi olukordi. Sel juhul on simulatsiooni eesmärk katsetada uusi strateegiaid ja reegleid täismahuliste katsete läbiviimiseks.
Millal eriline tähendus omab projekteeritud alajaamades sündmuste jada ja mudelit kasutatakse alajaama toimimise kitsaskohtade ennustamiseks.

Kuid lisaks eelistele on IM-l ka puudusi:

Hea MI väljatöötamine maksab sageli kallim kui looming analüütiline mudel ja nõuab palju aega.
Võib juhtuda, et MI on ebatäpne (nagu sageli juhtub) ja me ei saa mõõta selle ebatäpsuse ulatust.
Sageli pöörduvad teadlased IM poole, mõistmata raskusi, millega nad kokku puutuvad, ja teevad seda tehes mitmeid metoodilisi vigu.

Ja veel, MI on üks enim kasutatavaid meetodeid keerukate protsesside ja süsteemide sünteesi ja analüüsi probleemide lahendamisel.

Üks tüüpidest simulatsiooni modelleerimine on statistiline simulatsioon, mis võimaldab taasesitada keerukate juhuslike protsesside toimimist arvutis.

Juhuslikele häiretele alluvate keeruliste süsteemide uurimisel tõenäosuslikud analüütilised mudelid ja tõenäosuslikud simulatsioonimudelid.

Tõenäosuslikes analüütilistes mudelites võetakse juhuslike tegurite mõju arvesse juhuslike protsesside tõenäosuslike karakteristikute (tõenäosuse jaotuse seadused, spektraaltihedused või korrelatsioonifunktsioonid) täpsustamisega. Samas on tõenäosuslike analüütiliste mudelite konstrueerimine keeruline. arvutuslik probleem. Seetõttu kasutatakse suhteliselt lihtsate süsteemide uurimiseks tõenäosuslikku analüütilist modelleerimist.

Märgitakse, et juhuslike häirete sissetoomine sisse simulatsioonimudelid ei too kaasa põhimõttelisi komplikatsioone, seetõttu uuritakse praegu reeglina keerulisi juhuslikke protsesse simulatsioonimudelid.

Tõenäosuslikult simulatsiooni modelleerimine opereerida mitte juhuslike protsesside tunnustega, vaid spetsiifilise juhuslikuga arvväärtusi PS parameetrid. Peale selle taasesitamisel saadud tulemused simulatsioonimudel vaadeldavast protsessist on juhuslikud teostused. Seetõttu on protsessi objektiivsete ja stabiilsete omaduste leidmiseks vajalik selle korduv reprodutseerimine, millele järgneb saadud andmete statistiline töötlemine. Seetõttu uuritakse keerulisi protsesse ja süsteeme, mis alluvad juhuslikele häiretele

Simulatsiooniga ei saa tulemust ette arvutada ega ennustada. Seetõttu on keeruka süsteemi (elektrisüsteem, suure tootmishoone päikeseenergia süsteem jne) käitumise ennustamiseks vajalik katse ja simulatsioon antud lähteandmetega mudelil.

Järgmiste probleemide lahendamiseks kasutatakse keeruliste süsteemide simulatsioonimodelleerimist.

Kui uurimisprobleemi täielikku sõnastust pole ja modelleeriva objekti tunnetusprotsess on käimas.

Kui analüütilised meetodid on saadaval, kuid matemaatilised protseduurid on nii keerulised ja aeganõudvad, et simulatsioon võimaldab probleemi lahendada lihtsamal viisil.

Kui lisaks keerukate süsteemide parameetrite hindamisele on soovitav jälgida nende komponentide käitumist teatud perioodi jooksul.

Kui simulatsioon on ainus viis keeruka süsteemi uurimiseks, kuna nähtusi reaalsetes tingimustes on võimatu jälgida.

Kui on vaja juhtida protsesside kulgu keerulises süsteemis, kiirendades või aeglustades nähtusi simulatsiooni käigus.

Spetsialistide koolitamisel ja uue tehnoloogia valdamisel.

Kui uusi olukordi uuritakse keerulistes süsteemides, mille kohta ei teata vähe või üldse mitte midagi.

Siis on eriti oluline sündmuste jada projekteeritavas komplekssüsteemis ning mudeli abil ennustatakse süsteemi toimimise kitsaskohti.

Kompleksse süsteemi simulatsioonimudeli loomine algab probleemi püstitamisest. Kuid sageli ei sõnasta klient ülesannet piisavalt selgelt. Seetõttu algab töö tavaliselt süsteemi otsinguuuringuga. See tekitab uut teavet piirangute, eesmärkide ja võimalike alternatiivide kohta. Selle tulemusena tekivad järgmised etapid:

Süsteemi sisuka kirjelduse koostamine;

Kvaliteedinäitajate valik;

Juhtmuutujate defineerimine;

Töörežiimide üksikasjalik kirjeldus.

Simulatsioonimodelleerimise aluseks on statistilise modelleerimise meetod (Monte Carlo meetod). See on arvuline meetod matemaatiliste probleemide lahendamiseks juhuslike muutujate modelleerimise teel. Selle meetodi sünniajaks loetakse aastat 1949. Selle loojad on Ameerika matemaatikud L. Neumann ja S. Ulam. Meie esimesed artiklid Monte Carlo meetodi kohta ilmusid aastal 1955. Kuid enne arvutite tulekut ei leidnud see meetod laialdast rakendust, sest juhuslike muutujate käsitsi modelleerimine on väga töömahukas töö. Meetodi nimi pärineb Monte Carlo linnast Monaco Vürstiriigis, mis on kuulus selle poolest hasartmängumajad. Fakt on see, et üks lihtsamaid mehaanilisi seadmeid juhuslike suuruste saamiseks on mõõdulint.

Vaatame klassikalist näidet. Peate arvutama suvalise lameda kujundi pindala. Selle piir võib olla kõverjooneline, määratletud graafiliselt või analüütiliselt ja koosneda mitmest tükist. Olgu see joonisel fig. 3.20. Oletame, et kogu kujund asub ühikruudu sees. Valime ruudus
juhuslikud punktid. Tähistagem poolt
punktide arv joonisel . Geomeetriliselt on ilmne, et ala ligikaudu võrdne suhtega
. Rohkem
, seda suurem on hinnangu täpsus.

R on.3.20. Illustratsiooni näide

Meie näites
,
(sees ). Siit
. Tegelikku pindala on lihtne arvutada ja see on 0,25.

Monte Carlo meetodil on kaks omadust.

Esimene omadus– arvutusalgoritmi lihtsus. Arvutusprogrammis on vaja ette näha, et ühe juhusliku sündmuse toimumiseks on vaja valida juhuslik punkt ja kontrollida, kas see kuulub . Seejärel korratakse seda testi
korda ja iga katse ei sõltu teistest ning kõikide katsete tulemused on keskmistatud. Seetõttu nimetatakse seda meetodit statistiliseks katsemeetodiks.

Teine omadus meetod: arvutusviga on tavaliselt proportsionaalne

Kus
– mõni konstantne;
– testide arv.

Sellest valemist on selge, et vea vähendamiseks 10 korda (ehk vastuses veel ühe õige kümnendkoha saamiseks) tuleb suurendada
(testide maht) 100 korda.

Kommenteeri. Arvutusmeetod kehtib ainult siis, kui juhuslikud punktid ei ole lihtsalt juhuslikud, vaid ka ühtlaselt jaotunud.

Simulatsioonimodelleerimise (sh Monte Carlo meetodi ja selle modifikatsioonide) kasutamine keeruliste tehniliste süsteemide töökindluse arvutamisel põhineb asjaolul, et nende toimimise protsess on kujutatud matemaatilise tõenäosusmudeliga, mis kajastab reaalajas kõiki sündmusi (rikkeid). , taastamised) toimuvad süsteemis .

Sellise mudeli abil simuleeritakse arvutis korduvalt süsteemi toimimise protsessi ja saadud tulemuste põhjal määratakse selle protsessi vajalikud statistilised karakteristikud, mis on usaldusväärsuse näitajad. Simulatsiooni modelleerimismeetodite kasutamine võimaldab arvestada sõltuvaid tõrkeid, juhuslike suuruste jaotuse suvalisi seadusi ja muid usaldusväärsust mõjutavaid tegureid.

Kuid need meetodid, nagu kõik teised numbrilised meetodid, pakuvad püstitatud probleemile vaid osalist lahendust, mis vastab konkreetsetele (konkreetsetele) algandmetele, võimaldamata saada usaldusväärsuse näitajaid aja funktsioonina. Seetõttu on tervikliku usaldusväärsuse analüüsi läbiviimiseks vaja korduvalt simuleerida süsteemi toimimise protsessi erinevate lähteandmetega.

Meie puhul on selleks ennekõike elektrisüsteemi erinev struktuur, erinevad rikketõenäosuste väärtused ja tõrkevaba töö kestus, mis võivad süsteemi töö käigus muutuda, ja muud jõudlusnäitajad. .

Elektrisüsteemi (või elektripaigaldise) toimimisprotsess on kujutatud juhuslike sündmuste voona - juhuslikel ajahetkedel toimuvate olekumuutustena. Muutused EPS-i olekutes on põhjustatud selle koostisosade tõrgetest ja taastamisest.

Vaatleme skemaatiliselt EPS-i toimimise protsessi, mis koosneb elemendid (joonis 3.21), kus kasutatakse järgmisi nimetusi:

- hetk keeldumine -th element;

- hetk - taastumine -th element;

- tööaja intervall th element pärast
-th taastumine;

- taastumisaeg th element pärast – keeldumine;

–i- EPS-i olek hetkel .

Kogused ,on omavahel seotud järgmiste suhetega:

(3.20)

Rikked ja taastumised toimuvad juhuslikel aegadel. Seetõttu intervallid Ja võib pidada pidevate juhuslike suuruste realiseerumiseks: - rikete vaheline aeg, - taastumisaeg th element.

Sündmuste voog
kirjeldatakse nende toimumise hetkedega
.

Toimimisprotsessi modelleerimine seisneb EPS oleku muutumise hetkede simuleerimises vastavalt etteantud riketevahelise tööaja ja koostisosade taastumisaja jaotuse seadustele ajaintervalli lõikes. T(PPR vahel).

EPS-i toimimise modelleerimiseks on kaks võimalikku lähenemist.

Esimesel lähenemisel on vaja kõigepealt igaühe jaoks - süsteemi element
määrata vastavalt antud tööaja jaotuse seadustele rikete ja taastumisaegade vahel ajaintervallid
Ja
ja arvutage valemite (3.20) abil välja selle rikete ja taastamiste hetked, mis võivad esineda kogu uuritava perioodi jooksul EPS toimimine. Pärast seda saate korraldada elementide rikete ja taastamise hetked, mis on EPS-i olekute muutumise hetked , kasvavas järjekorras, nagu on näidatud joonisel 3.21.

R on.3.21. EPS väidab

Sellele järgneb modelleerimisel saadud olekute A analüüs i süsteemid, et teha kindlaks, kas nad kuuluvad töövõimeliste või mittetoimivate olekute piirkonda. Selle lähenemisviisi korral on vaja arvuti mällu salvestada kõik EPS-i kõigi elementide rikete ja taastamise hetked.

Mugavam on teine lähenemine, milles kõigi elementide puhul simuleeritakse esmalt ainult nende esimese rikke hetki. Nende miinimumi põhjal moodustub EES-i esimene üleminek teise olekusse (alates A 0 A-s i) ja samal ajal kontrollitakse, kas saadud olek kuulub toimivate või mittetoimivate olekute piirkonda.

Seejärel modelleeritakse ja registreeritakse taastumishetk ja elemendi järgmine rike, mis põhjustas EPS-i eelmise oleku muutuse. Jällegi määratakse elementide esimeste rikete ja selle teise rikke väikseim ajahetk, moodustatakse ja analüüsitakse EPS-i teine olek - jne.

Selline lähenemine modelleerimisele on paremini kooskõlas tõelise EPS-i toimimisprotsessiga, kuna võimaldab arvestada sõltuvaid sündmusi. Esimene lähenemisviis eeldab tingimata EPS-i elementide toimimise sõltumatust. Usaldusväärsuse näitajate arvutamiseks simulatsioonimeetodil kuluv aeg sõltub sellest täisarv katsed
, vaadeldavate EPS-olekute arv, selles sisalduvate elementide arv. Seega, kui genereeritud olek osutub EPS-i rikke olekuks, registreeritakse ja arvutatakse EPS-i tõrke hetk EPS-i rikkevaba töö ajaintervall taastamise hetkest pärast eelmist riket. Moodustunud olekute analüüs viiakse läbi kogu vaadeldava ajavahemiku jooksul T.

Töökindlusnäitajate arvutamise programm koosneb põhiosast ja eraldiseisvatest loogiliselt sõltumatutest alamprogrammiplokkidest. Põhiosas helistatakse vastavalt üldisele loogilisele arvutusjärjekorrale eriotstarbelistele alamprogrammidele, arvutatakse teadaolevate valemite abil töökindlusnäitajad ja trükitakse arvutustulemused.

Vaatleme lihtsustatud plokkskeemi, mis demonstreerib EPS usaldusväärsuse näitajate arvutamise tööde järjekorda simulatsioonimeetodil (joonis 3.22).

Eriotstarbelised alamprogrammid teostavad: alginformatsiooni sisestamist; elementide rikete ja taastamiste hetkede modelleerimine vastavalt nende tööaja ja taastamisaja jaotusseadustele; elementide rikkemomentide ja taastumismomentide miinimumväärtuste määramine ja nende väärtuste eest vastutavate elementide kindlaksmääramine; EPS-i toimimisprotsessi modelleerimine intervalli lõikes ja moodustunud olekute analüüs.

Sellise programmi ülesehitusega on võimalik programmi üldist loogikat mõjutamata teha vajalikke muudatusi ja täiendusi, mis on seotud näiteks elementide tööaja ja taastumisaja võimalike jaotuse seaduste muutmisega.

R on.3.22. Simulatsioonimeetodil töökindlusnäitajate arvutamise algoritmi vooskeem