При большом числе плановых задач по определению оптимального способа организации работ и использования оборудования применяют имитационные модели, воспроизводящие экономические и производственные условия с помощью ЭВМ. Из методов статического моделирования применяют метод Монте-Карло, сетевые модели и др. [c.128]
Модель имитационная — модель, имеющая n-е число параметров, значениями которых варьируют по определенной схеме с целью поиска наиболее приемлемого их сочетания. В ходе имитационного моделирования анализируются возможные значения тех или иных результатных индикаторов, выбираются наиболее приемлемые варианты действий, задаются желаемые коридоры варьирования ключевых параметров модели. [c.305]
Одним из наиболее важных моментов в процессе работы с имитационной моделью является анализ ее чувствительности. Под ним понимается определение степени изменчивости значений целевых показателей модели по отношению к колебаниям входных параметров. Так, если при относительно небольших изменениях исходных данных происходят значительные изменение в результатах моделирования, то это является достаточным основанием для дополнительных более детальных исследований взаимосвязей между соответствующими переменными. [c.214]
Для построения имитационной модели необходима методика определения затрат на геологоразведочные работы (в натуральном и денежном выражении), связанных с переводом запасов в промышленные категории для совокупности из В месторождений. [c.207]
При проведении анализа в условиях определенности весьма успешно могут применяться методы машинной имитации, предполагающие множественные расчеты на ЭВМ. В этом случае строится имитационная модель объекта или процесса (т. е. компьютерная программа), содержащая n-е число факторов и переменных, значения которых в разных комбинациях подвергается варьированию. Таким образом, машинная имитация — это эксперимент, но не в реальных, а искусственных условиях. По результатам этого эксперимента отбирается один или несколько вариантов, являющихся базовыми для принятия окончательного решения на основе дополнительных формальных и неформальных критериев. [c.555]
Точно так же экспериментатор "вращает ручки" имитационной модели, меняя при этом условия протекания процесса и наблюдая получаемый результат. Определение условий, при которых результат удовлетворяет требованиям,. является целью работы с имитационной моделью. [c.103]
Создание продукта Поиск новых технологий замысел продукта, построение имитационных моделей Выбор комплектующих и взаимосвязей с поставщиками, эскизное проектирование, определение структуры продукции Детальное проектирование продукта и увязка с технологическим процессом, изготовление действующих опытных образцов и их испытание Доработка проекта продукта, участие в изготовлении второй опытной партии образцов Тестирование и оценка пилотных образцов, устранение недоработок Оценка продукта по коммерческим результатам [c.70]
В первой главе — Проблемы и основы имитационного моделирования сложных экономических объектов и процессов рассматриваются важные вопросы, связанные с формированием у читателя имитационного мышления, без которого построение имитационных моделей невозможно. Здесь описываются трудности, возникающие при моделировании сложных объектов, проблемы взаимодействия постановщиков задач и математиков, их реализующих, раскрываются особенности и возможности имитационного подхода, различия аналитического и имитационного моделирования, а также основные понятия, применяемые при имитационном моделировании. В этой главе фактически излагаются основы системного исследования объектов (системного подхода), формализуются определения системы, организации, структуры и составляющие их элементов, вводятся категории управления, надежности, самоорганизации и т.п., рассматриваются этапы построения имитационных моделей. [c.8]
Третья глава — Способы принятия решений при имитационном моделировании многоуровневых систем и объектов , позволяет формировать подходы к имитационному моделированию многоуровневых систем. Она раскрывает важное понятие межуровневой координации через оценку отношений порядка , существующих между элементами моделируемого объекта. Дело в том, что каждый элемент объекта при взаимодействии с другими обладает определенным отношением порядка , которое выражается либо степенью его важности или значимости, либо первоочередности, либо каким-то другим преимуществом или подчиненностью. Учитывать это можно только при построении имитационных моделей, а не учет этих свойств элементов моделируемого объекта не позволит построить адекватную модель. Особенно важно учитывать отношения порядка при моделировании принятия решений, где каждый элемент дерева решений , влияющий на принятие конкретного решения обладает различным отношением порядка . Правильное установление отношений порядка важно иметь и при моделировании конкретных экономических объектов — предприятий, банков, транспортных систем и т.п., так как это влияет на очередность и координаты следования моделируемых сигналов или воздействий, а от этого зависят последо- [c.9]
В четвертой главе — Имитационные модели и алгоритмы расчетов практических задач размещения объектов и распределения ресурсов приводится несколько действующих имитационных моделей, построенных с учетом материала, изложенного в гл. 2. Эти модели представляют собой в определенной степени многокритериальные эвристические имитационные алгоритмы, основанные на изучении процедур принятия решений специалистом в конкретной области с элементами оптимизации процедур, в которых человек, как правило, допускает ошибки или выдает субъективные решения. Эти модели прошли многолетнюю апробацию и доведены до конкретных алгоритмов, а методики их реализации для конкретных объектов. Материал главы будет интересен практическим работникам, связанным с изменением моделей при размещении различных массовых объектов, распределением ресурсов различного вида, долгосрочным планированием развития крупных объектов и т.п. [c.10]
Новые результаты были получены в связи с разработкой подхода к имитационному моделированию, основанного, с одной стороны, на идеях, близких к аналоговому моделированию технических систем, а с другой — в результате создания типовых блоков универсальной имитационной модели. В данном случае имитационная модель строится на основе типовых элементарных блоков, которые настраиваются на соответствующие элементы — объекты моделирования. Анализ показал, что таких типовых элементов может быть всего полтора—два десятка. Типовые элементы моделируют определенные функции такие как суммирование, интегрирование, достижение определенного порога , логические действия, элементарную СМО, систему с обратной связью и т.п. Исследования показывают, что из типовых блоков возможно построение типовых моделей склада, диспетчера рынка, производственного участка, банка и т.п. Формализация типовых блоков осуществлена таким образом, чтобы унифицировать их описание, обеспечить простоту восприятия постановщиком задачи и создать возможность быстрой настройки на соответствующий моделируемый объект. Основная задача при проектировании типовых блоков состояла в том, чтобы модель, составленная из них, была пригодна для восприятия не только профессионалом-математиком, но и директором, начальником отдела и т.п., т.е. специалистами по данному объекту. [c.11]
На основе определенной системы, организации, структуры и их атрибутов осуществляется построение имитационных моделей систем, организаций и их структур. Таким образом, имитационные модели имеют дело с объектами или проблемами (задачами), которые формализуются как системы, организации или структуры. [c.20]
Понятие целевых функций и критериев достижения целей были даны выше (см. с. 29—30), поэтому укажем только на особенности введения целевых функций в имитационные модели. Для каждого элемента модели может быть определена целевая функция с учетом критерия ее достижения. Например, целевая функция элемента, поддерживающего уровень запаса бензина на рынке автомобильного топлива, может быть выбрана в виде определенной нормативной величины, а критерий ее достижения задан интервалом, центр которого и есть нормативная величина запаса. [c.34]
Формирование управляющей компоненты ц, для имитационной модели осуществляется по пожеланиям руководителя объекта, который подвергается имитационному моделированию. Примером формирования управляющей компоненты может служить методика, изложенная в работе [30, с. 80—91]. Вместе с тем отметим, что конкретное воплощение этой методики не может осуществляться на формальном уровне. Основой ее реализации, т.е. формирования управляющих сигналов является использование содержательного описания объекта управления и подбор факторов управления, действительно влияющих на траекторию движения объекта. В известной степени подбор факторов, выбор их интенсивности, определение момента включения их в действие — искусство управляющего. [c.77]
Таким образом, мы изложили на примере основную идею модели. Рассмотрим теперь обобщенную форму такой имитационной модели, позволяющую путем перенастройки определенных параметров решать различные виды задач размещения. [c.139]
На основе сказанного выше разработана детальная имитационная модель и методика оценки социально-экономической эффективности капиталовложений, определения потребности в капиталовложениях и их распределения между отраслями и территориями. Модель [c.198]
Если в объекте моделирования входной сигнал преобразуется в определенный функционал, то необходимо иметь типовые функциональные блоки. Когда функционал имеет детерминированный характер, функциональный блок воспроизводит детерминированную функциональную зависимость. Если зависимость носит вероятностный характер, то блок должен воспроизводить случайную функцию. При этом следует указать, что способ получения заданных случайных зависимостей давно используется в статистическом моделировании (метод Монте-Карло) и может быть заимствован оттуда. В реальных моделях часто требуется не только воспроизводить случайную функцию, а применять эмпирические зависимости, т.е. использовать реальные данные в преобразователях и т.п. Гораздо легче в имитационных моделях реализовать блоки, имеющие теоретические распределения, так как их легко преобразовывать, меняя интенсивность или другие параметры распределений. [c.286]
Мы не моделировали ситуации, в которых получающий прибыль методом обучения ищет свой путь к оптимальным условиям. Причина отчасти в том, что наша имитационная модель непригодна для исследования этого метода. При отсутствии сдвигов функции прибыли хорошо разработанный метод уверенно достигает оптимума, как это вскоре будет показано. Накопленный опыт аналогичных математических операций, таких как метод Ньютона для приблизительного определения корней уравнения, позволяет предположить, что они будут обладать довольно высокой сходимостью. Только модели с частыми и непредсказуемыми сдвигами функций затрат и прибыли пригодны для серьезного испытания метода обучения, потому что только так мы можем увидеть, движется ли он к оптимуму быстрее, чем устаревает прошлая информация, использованная для его построения. Хорошая имитация метода обучения, построенная на функции фиксированной прибыли, в длительной перспективе должна почти наверняка оказаться эффективнее, нежели любые другие типы эмпирических методов, но будет ли так происходить на практике, полностью зависит от изменчивости соответствующих функций. [c.471]
Каждому типу узла имитационной модели соответствует определенная функция. Полный перечень условных обозначений узлов, которые дают название соответствующим операторам (функциям), и толкование процесса приведены на рис. 2.3. [c.97]
Структурный анализ процесса - формализация структуры сложного реального процесса путем разложения его на подпроцессы, выполняющие определенные функции и имеющие взаимные функциональные связи согласно легенде, разработанной рабочей экспертной группой. Выявленные подпроцессы, в свою очередь, могут разделяться на другие функциональные подпроцессы. Структура общего моделируемого процесса может быть представлена в виде графа, имеющего иерархическую многослойную структуру. В результате появляется формализованное изображение имитационной модели в графическом виде. [c.355]
При проведении анализа в условиях определенности весьма успешно могут применяться методы машинной имитации, предполагающие множественные расчеты на ЭВМ. В этом случае строится имитационная модель объекта или процесса (т. е. компьютерная программа), содержащая /1-е число факторов и переменных, значения которых в разных комбинациях подвергаются варьированию. Таким образом, машинная имитация - это эксперимент, но не в реальных, а искусственных условиях. По результатам этого эксперимента отбирается один или несколько вариантов, являющихся базовыми для принятия окончательного решения на основе дополнительных формальных и неформальных критериев. В подобных расчетах могут активно использоваться жестко детерминированные факторные модели. Простейшим примером такого имитационного мо- [c.11]
Предлагаемая имитационная модель позволяет проигрывать различные производственные ситуации. При этом допускается принятие определенных решений экспертным путем. Принимаемые на основе полученного прогноза управленческие решения будут способствовать стабильности выполнения плана производства продукции с лучшим (сбалансированным) использованием производственных ресурсов. [c.122]
Выше было дано формальное определение имитационной модели с точки зрения свойств двух ее важнейших операторов оператора моделирования исхода и оператора оценивания показателя эффективности. Приведем классическое вербальное определение имитационного моделирования и проведем его краткий анализ. [c.391]
Наконец, в-пятых, в определении прямо указывается на необходимость использования ЭВМ для реализации имитационных моделей, т. е. проведения машинного эксперимента (машинной имитации), причем в подавляющем большинстве случаев применяются цифровые машины. [c.393]
Определение длительности переходного режима и оценка устойчивости модели основываются на следующих соображениях. Обычно имитационные модели применяются для изучения системы в типичных для нее и повторяющихся условиях. В большинстве стохастических моделей требуется некоторое время для достижения моделью установившегося состояния. [c.404]
Расширяя и уточняя с учетом вышесказанного определения имитационная модель , имитационное моделирование , отметим, что они строго не определены и допускают весьма широкую трактовку. Однако большинство определений, которые, кстати, близки друг другу, сходятся в том, что подчеркивают такие признаки имитационной модели, как [c.78]
Моделирование и оптимизация незаменимы при выборе целевого портфеля сегментов. Эти модели обычно основываются на результатах сопряженного анализа. Наиболее действенный подход в этой сфере — это гибкое (эластичное) сегментирование. По сравнению с априорным сегментированием, когда сегменты определяются по предполагаемым переменным в начале исследования, и с кластерным сегментированием, когда выбранные сегменты формируются по результатам кластерного анализа, модели гибкого сегментирования предлагают динамический подход к проблеме. Используя этот подход, можно разработать и проверить большое количество различных сегментов, каждый из которых включает потребителей или организации со схожим восприятием новых пробных продуктов (определенных по конфигурации специфических характеристик товара). Гибкое сегментирование объединяет результаты сопряженного анализа и компьютерное моделирование поведения потребителей при выборе товара. Имитационная модель гибкого сегментирования включает три набора данных. [c.383]
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. Все описанные выше модели подразумевают применение имитации в широком смысле, поскольку все являются заменителями реальности. Тем не менее как метод моделирования, ИМИТАЦИЯ конкретно обозначает процесс создания модели и ее экспериментальное применение для определения изменений реальной ситуации. Как указывает Н. Пол Лумба Главная идея имитации состоит в использовании некоего устройства для имитации реальной системы для того, чтобы исследовать и понять ее свойства, поведение и характерист-ки . Аэродинамическая труба — пример физически осязаемой имитационной модели, используемой для проверки характеристик разрабатываемых самолетов и автомобилей. Специалисты по производству и финансам могут разработать модели, позволяющие имитировать ожидаемый прирост производительности и прибылей в результате применения новой технологии или изменения состава рабочей силы. Специалист по маркетингу может создать модели для имитации ожидаемого объема сбыта в связи с изменением цен или рекламы продукции. В этом и последующих курсах по бизнесу вы можете отшлифовать свое умение принимать решения в ходе одной из сложных компьютеризированных имитационных деловых игр. [c.232]
Итак, имитация — это часто весьма практичный способ подстановки модели на место реальной системы или натурного прототипа. Как пишут Клод МакМиллан и Ричард Ф. Гонзалес Эксперименты на реальных или прототипных системах стоят дорого и продолжаются долго, а релевантные переменные не всегда поддаются регулированию 2-. Экспериментируя на модели системы, можно установить, как она будет реагировать на определенные изменения или события, в то время когда отсутствует возможность наблюдать эту систему в реальности. Если результаты экспериментирования с использованием имитационной модели свидетельствуют о том, что модификация ведет к улучшению, руководитель может с большей уверенностью принимать решение об осуществлении изменения в реальной системе. [c.233]
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ (SIMULATION). Попытка представить работу реальной системы с помощью модели с целью определения, как изменения в одной или нескольких переменных влияют на поведение системы. Также называется анализом "что-если". См. Финансовая модель и Имитационная модель. [c.460]
Наиболее широко в перечне методов маркетингового анализа представлена статистика. Методология маркетингового анализа использует следующие статистические методы абсолютные, средние, относительные величины, динамические ряды и ряды распределения, группировки, индексы, вариационный и дисперсионный анализ, корреляционно-регрессионный и многомерный анализ, графический метод, трендовые модели, методы экспертных оценок. Эконометрика в маркетинге представлена методами линейного и нелинейного моделирования, а также динамического программирования, моделями, базирующимися на теории массового обслуживания (теория очередей) и теории принятия решений (теория риска), имитационными моделями. Самостоятельное значение придается логистическим моделям управления г отоками товаров и денег и оптимизации товарных запасов. В маркетинговом анализе широко используются квалиметрические методы, а также методы социометрии. Стратегические матрицы (решетки), используемые в маркетинговом планировании для целей разработки оптимальной стратегии, могут найти применение и в маркетинговом анализе - для определения рейтинга фирмы и ее позиции на рынке, для прогноза риска и т.п. Немаловажное значение придается также неформальному описательному и качественному анализу, сценариям развития и т.п. [c.100]
РЕТРОСПЕКТИВНЫЙ ПРОГНОЗ [retrospe tive predi tion] — имитационный эксперимент, позволяющий прогнозировать данные уже прошедшего периода и сопоставлять полученные значения переменных имитационной модели с известными (фактическими) данными. Если известны воздействия на систему и результаты этих воздействий, т.е. фактическое развитие системы за определенный период, то Р.п. покажет, приведут ли те же воздействия на имитационную модель к аналогичным последствиям. В Р.п. сравниваются, таким образом, две траектории анализируемой переменной и соответствующего показателя моделируемой реальной системы. То же Прогноз ex post. [c.309]
Разработка имитационной модели управления процессом интенсификации с учетом определения оптимального сочетания техннико-экономических показателей, изменения ресурсоотдачи, взаимозаменяемости ресурсов. [c.45]
Велика вероятность ложной имитации. Процессы в логистических системах носят вероятностный характер и поддаются моделированию только при введении определенного рода допущений. Например, разрабатывая имитационную модель товароснабжения района и принимая среднюю скорость движения автомобиля на маршруте, равную 25 км/ч, мы исходим из допущения, что дорожные условия хорошие. В действительности погода может испортиться и, в результате наступившего гололеда, скорость на маршруте упадет до 15 км/ч. Реальный процесс пойдет иначе. [c.105]
Оператор Р — проверка условия неполноты ассортимента продаваемой продукции /С2 — счетчик по видам продукции Р3 — проверка условия неполноты числа реализаций процесса /С4 — счетчик числа реализаций Ф5 — формирование случайной величины наличия или отсутствия отклонения (1 — имеется отклонение, 0 — отклонение отсутствует) фактического спроса (конъюнктуры) от договорных условий Рв — проверка условия наличия этого отклонения Ф7 — формирование случайной величины отклонения фактического спроса от договорных условий (отклонение может быть как в большую, так и в меньшую сторону) Р8 — проверка условия спрос больше, чем обусловлен договором Ф9 — формирование случайной величины изменения цены (0) или изменения объема продаж (1) Р10 — проверка условия изменения объема продаж по сравнению с договорным Лц — вычисление нового объема продаж Л12 — присвоение цене значения, обусловленного договором А 13 — присвоение объему продаж значения, обусловленного договором Л14 — присвоение цене значения, обусловленного договором А 15 — вычисление значения цены в связи с отклонением спроса от обусловленного договором Ф17 — формирование случайной величины изменения объема продаж при изменении спроса в меньшую сторону по сравнению с договорными условиями (1) или формирование изменения цены (0) Р1В — проверка условия изменения объема продаж Л19 — вычисление величины объема продаж при новых условиях Л20 — присвоение цене, по которой производится продажа средств производства, значения, обусловленного договором Л21 — вычисление цены, соответствующей спросу в новых условиях Л22 — присвоение величине объема продаж значения, обусловленного договором Я23 — определение значения максимальной цены г -го вида средств производства по всем реализациям процесса Я24 — определение минимального значения цены по всем реализациям процесса А 2Б — вычисление среднего объема продаж по всем реализациям процесса Л 2в — вычисление среднего значения цены по всем реализациям процесса Q27 — окончание расчетов и выдача результатов. ( По моделирующим алгоритмам имитации поведения предприятия в системе оптовой торговли составлены алгольные программы и произведен счет на ЭВМ БЭСМ-4 для 100 реализаций процесса и 10 продуктов. Анализ полученных параметров показал некоторые интересные особенности поведения предприятий в условиях оптовой торговли. Вместе с тем для исследования этих особенностей необходимо иметь результаты для значительно большего числа значений внешних и внутренних характеристик процесса. Возникает необходимость и в некотором усложнении имитационных моделей путем добавления таких ограничивающих факторов, как санкции за нарушение договоров и возможность вмешательства центра при несоблюдении договорных условий. Эти проблемы и определяют направление дальнейших исследований теоретических основ оптовой торговли. [c.93]
Играющему предоставляется возможность в диалоговом режиме специалист — ЭВМ спрогнозировать условную потребность предприятия в сортовой стали обыкновенного качества. Считается, что банк данных создан и регулярно пополняется. Время выступает в качестве обобщающего показателя, отражающего совокупность основных факторов, влияющих на потребность. Количественная оценка закономерности изменения потребности во времени осуществляется с помощью математических функций определенных видов (линейная, квадратичная, экспоненциальная, логарифмическая, гиперболическая). Прогнозное исследование предусматривает сочетание возможностей ППЭВМ и играющего. Игра превращается в управляемый эксперимент. Играющему предоставляется возможность активно взаимодействовать имитационными моделями, ставить интересующие его вопросы и интерпретировать полученные на основе моделей результаты. [c.111]
Адаптивные системы улучшают поведение в зависимости от значений состояния за определенный период времени, т.е. в начале, середине или конце интервала, в течение которого измеряется состояние системы. Примерами адаптивных моделей можно назвать статистические модели Брауна и Хольта, которые, не являясь имитационными моделями, могут применяться в последних при оценке тех или иных параметров или способов формирования правил Х Х —Л- Примеры указанных моделей приведены в п. 2.1.5. [c.41]
Перейдем к построению имитационной модели для целей управления таким сложным экономическим процессом. Структурный анализ начинается с рассмотрения классического черного ящика (слой 1, рис. 8.15), который для определенности изображается в виде узла parent. На этом этапе необходимо провести инвентаризацию источников всех входных потоков (материальных, информационных и денежных), влияющих на инвестиционный проект, и обозначить все генераторы транзактов. Такие потоки неявно формируют входное воздействие на систему fli). Соответствующие от генераторов имеют номера/ь/2,..., /т. [c.327]
Другая важная проблема, тесно связанная с согласованием решений,— формирование и согласование целей (критериев оптимальности) различных уровней. При декомпозиционном подходе к построению С. о.-м. м., используемом гл. обр. для разработки моделей планирования, общая цель для всей системы задана, а целевые функции составных частей формируются исходя из этой общей цели. Методика декомпозиции целей хорошо разработана для моделей оптимального планирования, базирующихся на методах блочного программирования. При синтотич. подходе, более универсальном и реалистичном, целевые функции частей (напр., групп населения) являются исходными, заданными. Задача состоит в определении такого взаимодействия частей внутри системы и такого порядка функционирования, при к-ром вся система в целом достигла бы решения, соответствующего глобальной цели. Проблемы синтеза общем цели на основе частных ставятся и решаются в теории игр, моделях векторной оптимизации, моделях экономич. равновесия, теории принятия групповых решений, а также методами имитационного моделирования. В имитационных моделях, понимаемых достаточно широко, переменными или варьируемыми параметрами могут выступать алгоритмы принятия решений отд. подмоделями, а также алгоритмы согласования решений. Следовательно, задача состоит в нахождении такого набора алгоритмов, имитирующих функционирование экономич. системы, при к-ром получаемое общее решение наилучшим образом соответствует глобально] цели системы. [c.558]
Имитационные модели. Многоуровневое строение производственных систем, вероятностно-дискретный характер функционирования их элементов, разнообразные масштабы дискретов и различные сроки запаздывания явлений, обусловленные несоразмерной длительностью производственных циклов и некоторой инерционной устойчивостью элементов под воздействием на них ряда факторов, а также наличие сложной совокупности положительных и отрицательных цепей обратной связи не допускают однозначного описания производственных систем. Кроме того, для определения оптимального структурного соотношения элементов системы ее логично рассматривать в динамике, не подменяя, а искусно синтезируя многообразные способы моделирования. [c.262]
До настоящего момента особое внимание в толковании термина "имитационное моделирование системы" было уделено первому слову. Однако не следует упускать из вида, что создание любой (в том числе и имитационной) модели предполагает, что она будет отражать лишь наиболее существенные, с точки зрения конкретной решаемой задачи, свойства объекта оригинала. Английский аналог этого термина — systems simulation — при дословном переводе непосредственно указывает на необходимость воспроизводства (симуляции) лишь основных черт реального явления (ср. с термином "симуляция симптомов болезни" из медицинской практики). Важно отметить еще один аспект создание любой (в том числе и имитационной) модели есть процесс творческий (не случайно Р. Шеннон назвал свою классическую книгу "Имитационное моделирование систем — искусство и наука"), и, вообще говоря, каждый автор имеет право на собственную версию модели реальной системы. Однако за достаточно длительное время применения метода накоплены определенный опыт и признанные разумными рекомендации, которыми целесообразно руководствоваться при организации имитационных экспериментов. [c.394]