- •4. Общая классификация методов научных исследований; общенаучные методы
- •7. Математическое моделирование.
- •Основные этапы математического моделирования
- •Вопрос 8. Метрологическое обеспечение экспериментальных исследований
- •Имитационное моделирование.
- •Основные составляющие имитационной модели.
- •Основные достоинства имитационного моделирования.
- •Основные недостатки имитационного моделирования.
- •Наука, как специфический род занятий человека, его содержание и цель
- •13. Технические науки и техническая политика. Задачи и содержание технических наук.
- •15. Мышление и понятие; виды понятий - перечислить и дать характеристики.
- •16. Суждение и умозаключение. Две категорий умозаключений.
- •17. Основные этапы научного исследования.
- •19. Научная теория: определение, структура.
- •20. Системный анализ, основные этапы системного анализа
- •Этапы системного анализа.
- •21. Цель научного исследования, объект и предмет исследования
- •22.Фундаментальные и прикладные исследования
- •24. Цели и задачи теоретических исследований. Состав теоретических исследований
- •27. Математическая формулировка задачи исследования и математическая модель, выбор вида математической модели, виды ее контроля.
- •Вопрос 28. Дайте определение научного эксперимента. Виды экспериментов, классификация экспериментов
- •30. По характеру получения экспериментальных данных, методика планирования эксперимента подразделяется на пассивный и активный эксперименты.
- •31. Основные концепции математического эксперимента, обеспечивающие реализацию задач исследования. Структурная схема эксперимента.
- •Этапы технологического цикла вычислительного эксперимента
- •33. Метрологическое обеспечение экспериментальных исследований, суть измерений. Метрология – как наука об измерениях.
- •35. Эталоны и средства измерений, метрологическая служба.
- •36. Методы измерений: прямые, косвенные, абсолютные и относительные.
- •37. Совокупные и совместные методы измерения, непосредственные и сравнительные оценки результатов измерений.
- •38. Средства измерения, меры, измерительные приборы, установки и системы.
- •39. Технические характеристики средств измерения: погрешность, точность, стабильность, чувствительность, диапазон измерений.
- •40. Классы точности измерительных приборов. Проверка приборов на точность, организация проверки.
- •41. Технология машиностроения, как направление науки, ее цель и задачи
- •44. Имитационные модели информационных систем (определение). Пять особенностей применения метода исследования информационных систем
- •45. Основные достоинства и недостатки метода имитационного моделирования
- •46. Основные составляющие имитационной модели: компоненты, параметры, переменные, функциональные зависимости, ограничения, целевые функции.
- •47. В чем заключается суть машинного эксперимента с имитационной моделью.
- •Вопрос 48. Функциональные действия (фд) при реализации имитационной модели. Упрощенные действия (фд). Что порождает ошибки имитации процесса функционирования реальной системы
- •Определение понятий: класс объектов, работа (активность), события, процесс, фаза процесса. Описание их взаимосвязи в имитационной модели и при её реализации.
- •Общие черты (этапы) машинного эксперимента при решении сложных прикладных задач. Графическая схема этапов машинного эксперимента
- •53. Испытание имитационной модели: задание исходной информации, верификация модели, проверка адекватности и калибровка модели.
- •55. Информационные продукты. Библиографические базы данных (первичная и вторичная информация)
- •56. Что такое научный документ. Первичный и вторичный документ.
- •57. Опубликованные документы и непубликуемые. Виды и значения опубликованных документов: монографии, книги, брошюры, периодические издания.
- •59. Первичные непубликуемые документы (научно-технические отчеты, диссертации, депонированные рукописи и др.)
- •60. Вторичные опубликованные документы и издания: справочные, обзорные и др.
45. Основные достоинства и недостатки метода имитационного моделирования
Имитационное моделирование (ситуационное моделирование) — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.
Имитационное моделирование — это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.
Имитационные модели принято классифицировать по четырем наиболее распространенным признакам:
типу используемой ЭВМ;
способу взаимодействия с пользователем;
способу управления системным временем (механизму системного времени);
способу организации квазипараллелизма (схеме форма-лизации моделируемой системы).
Имитационная модель — это компьютерная программа, описывающая конструкцию и воссоздающая поведение реальной системы на протяжении какого-то времени. Она даёт возможность получить детальную Имитационная модель позволяет получать подробную статистику о разных сторонах работы системы, что обусловлено различными входными данными.
Применение имитационных моделей дает множество преимуществ:
Стоимость. Например, сокращение числа рабочих мест в некой организации может привести к снижению качества обслуживания, а затем и к потере клиентов. Чтобы принять верное решение в подобной ситуации можно применить имитационное моделирование, что позволило бы спрогнозировать результаты каких-либо действий в компании. При этом затратами будут являться только стоимости программного обеспечения и некоторых специальных услуг.
Время. В реальном времени эффективность использования какого-либо оборудования или открытие, например, каких-нибудь новых дочерних предприятий может занять очень много времени (месяцы, годы). Имитационная модель же способна вывести наиболее вероятный исход таких действий за несколько минут (возможно, часов).
Повторяемость. В настоящее время организации различных типов должны очень быстро реагировать на всяческие, даже незначительные изменения на рынке. От этого может зависеть их дальнейшее развитие, а может даже и существование в принципе. Например, спрос на какую-либо продукцию. Организация может вложить слишком много средств в продукт, который затем никто не будет покупать. Это может привести к разорению фирмы. Имитационная модель, несомненно, может помочь избежать этого путём проведения огромного количества экспериментов с различными параметрами, чтобы выяснить, что лучше сделать, чтобы избежать неблагоприятных моментов и принять верное решение.
Точность. Имитационное моделирование даёт возможность изобразить конструкцию системы и её процессы в непосредственном виде, избегая применения форму и математических зависимостей.
Наглядность. Она способна визуализировать процессы работы системы, схематично изобразить её структуру и преподнести в графическом виде результаты. С помощью таких возможностей гораздо проще показать полученный вариант решения какой-нибудь задачи и разъяснить его клиенту или коллегам.
Универсальность. С помощью имитационного моделирования можно справиться задачами их разных сфер производства, финансов, здравоохранения и прочих. В каждой ситуации модель имитирует, воссоздает реальную жизнь и даёт возможность осуществлять неограниченно много экспериментов без воздействия на реальные объекты.
Имитационное моделирование имеет ряд недостатков:
Даже если не обращать внимания на то, что на создание имитационной модели может потребоваться много времени и сил, никто не может гарантировать, что полученная модель даст ответы на все вопросы.
Не существует никакого метода для доказательства того, что модель работает точно так же как и реальная модель. Моделирование, можно сказать, основано на многократных повторениях последовательностей, которые в свою очередь основаны на генерации случайных чисел, воссоздающих наступление разных ситуаций. Стабильно работающая система при соединении неудачных событий может выйти из-под контроля.
Создание моделей может занять от часа до нескольких лет: всё зависит от того, какую систему мы хотим промоделировать.
Моделирование не может с такой точностью как математический анализ воссоздать систему, так как оно основано на генерации случайных чисел. Если есть возможность представить систему с помощью математической модели, то лучше сделать так.
Сложная модель может потребовать много компьютерного времени для проведения «прогонов».
Недостатком имитационного моделирования до сих пор является то, что нет каких-то определённых стандартов. Поэтому может получиться так, что если одну и ту же реальную модель воссоздают разные аналитики, то результатом могут оказаться абсолютно разные модели.