- •Понятие системы. Эффективность систем
- •Параметры и характеристики систем
- •Модель. Классификация моделей
- •Методы моделирования
- •Метод статистических испытаний
- •Составляющие имитационной модели
- •События в имитационной модели
- •Основные характеристики простейшей смо
- •Компоненты дискретно-событийной имитационной модели и их организация
- •Определение событий и переменных в имитационной модели
- •Smpl: список событий
- •Smpl: список средств
- •Smpl: список очередей
- •Операции инициализации языка smpl
- •Операции над списком событий языка smpl
- •Операции над средствами языка smpl
- •Операции над очередями языка smpl
- •Моделирование простейшей смо на smpl
- •Генераторы случайныхчисел
- •Метод обратной функции и его использование для гененрирования непрерывных случайных величин
- •Метод обратной функции и его использование для гененрирования дискретных случайных величин
- •Выходные данные и стохастические процессы моделирования
- •Характеристики случайного процесса
- •Статистический анализ выходных данных автономной системы. Типы имитационного моделирования.
- •Переходное и установившееся поведение стохастического процесса
- •Оценка средних значений при переходном режиме моделирования
- •Получение заданной точности при переходном режиме моделирования
- •Проблема начального переходного процесса
- •Процедура Велча
- •Общие принципы построения факторных планов
- •Полный факторный эксперимент 2k, построение планов
- •Оценка главных эффектов и эффектов взаимодействия
- •Поверхности отклика и метамодели. Методы поиска оптимума
- •Имитационная модель системы управления запасами
- •Логика программы
- •Общие принципы оценки адекватности моделей
- •Особенности оценки адекватности им
- •Методы верификации моделирующих компьютерных программ
- •Этапы имитационного моделирования
Логика программы
В рассматриваемой модели системы управления запасами используются следующие типы событий (таблица).
Событие |
Тип события |
Поступление заказа от поставщика в фирму |
1 |
Возникновение спроса на товар со стороны покупателя |
2 |
Завершение моделирования через n месяцев |
3 |
Оценка запасов (и возможный заказ товара) в начале месяца |
4 |
Событию «Завершение моделирование» присвоен третий тип для того, чтобы не выполнять действия, связанные с моделированием оценки запасов в момент времени 120. Имитационная модель должна быть разработана так, чтобы события обрабатывались в соответствующем порядке при возникновении временных узлов.
Для определения введем счетчик
где представляет собой уровень запасов в текущий момент времени, t – длительность промежутка, в течение которого уровень запаса был неизменным, т.е. разность между текущим временем моделирования и временем предыдущего изменения величины запасов. Аналогично для определения введем счетчик
где представляет собой количество товара в отложенных поставках в текущий момент времени, t – длительность промежутка, в течение которого уровень отложенных поставок был неизменным, т.е. разность между текущим временем моделирования и временем предыдущего изменения величины отложенных поставок.
В момент поступления заказа будем также накапливать суммарные издержки на приобретение заказов:
Rнак = K + iZ.
Тогда по окончании моделирования:
а общая величина издержек Q составит:
Граф-схема модели приведена на рисунке.
Алгоритм события «Приход заказа»
Алгоритм события «Появление спроса»
Алгоритм события «Оценка запасов»
-
Общие принципы оценки адекватности моделей
Адекватность означает, насколько точно с точки зрения цели моделирования полученные результаты моделирования отражают истинное состояние оригинала.
Предварительно исходный вариант модели подвергают следующим проверкам:
1) все ли существенные параметры учтены в модели?
2) нет ли в модели несущественных параметров?
3) правильно ли определены ограничения на значения параметров?
4) не дает ли модель абсурдные ответы, если ее параметры будут принимать предельные значения?
5) не противоречива ли модель сама по себе?
Можно выделить 2 основных причины слабой адекватности модели:
1) модель построена исходя из ложной концепции системы, т.е. принятые допущения существенно огрубляют модель;
В целом можно говорить об адекватности модели оригиналу, если:
1) поведение модели достаточно точно совпадает с поведением моделируемого объекта в одинаковых ситуациях
2) модель убедительно представлена относительно тех свойств объекта, которые прогнозируются с помощью модели
В любом случае модель при проведении модельных экспериментов всегда присутствует некоторая погрешность результатов, которая обусловлена:
1) неизбежной неопределенностью постановки задачи, что связано с неполнотой исходной информации – это порождает т.н. случайную погрешность;
2) следствие принятия различных допущений и ограничений при разработке модели, а также преднамеренного снижения ее сложности.