Проверка адекватности и корректировка модели

1) После написания модели и до начала эксперимента – проверка адекватности модели.

Замечания: На самом деле этот этап – непрерывный процесс с момента создания модели до завершения экспериментов. Почему сразу, а не после начала экспериментов – стоимость эксперимента (если речь идет о сложной системы, сбор данных) и «гипноз» модели.

1.Гипноз модели. Проверка модели процесс чрезвычайно важным, поскольку любая ИМ создает впечатление реальности, которым проникаются как разработчики, так и пользователии. Проверка, выполненная без необходимой тщательности, может привести к катастрофическим последствиям.

2.Строго регламентированного (научно обоснованного) формального процесса – «испытание» модели не существует. За исключением тривиальных случаев. Суть не в доказательстве, а в 1) достижении необходимого уровня уверенности пользователя, что любой вывод о поведении системы, сделанный на основании моделирования будет верным.

3.Не нужно стремиться доказать, что та или иная имитация является «правдивым» отображением реальной системы (за исключением тривиальных случаев). Важна не «правдивость» модели, не справедливость структуры модели, а ее функциональная полезность – т.е. справедливость тех умозаключений, которые будут получены в результате моделирования. 2) Выводы, полученные в результате моделирования, справедливы и корректны.

Таким образом, оценка адекватности имеет две стороны: 1) Достижение необходимого уровня уверенности пользователя; 2) Выводы, полученные в результате моделирования, справедливы и корректны.

2) Три стадии оценки адекватности имитационной модели:

o (этап отладки программы) Верификация– экспериментатор должен убедиться, что модель ведет себя так, как задумано.

o (готовая версия программной модели) обоснованность модели (Адекватность)– проверка соответствия между поведением модели и поведением реальной системы.

o (обычно, этап эксперимента) Проблемный анализ – формулирование статистически значимых выводов на основе данных, полученных в результате компьютерного моделирования. Один прогон имитационной модели, в отличие от математических моделей, не значит ничего (с точки зрения общих выводов).

20. Планирование экспериментов с имитационной моделью (стратегическое и тактическое планирование).

Два вида планирования экспериментов:

Стратегическое планирование. Создание общего плана проведения эксперимента. Здесь много моментов, но в нашем случае наиболее существенным является:

1.Стратегия сбора исходных данных. Типичные проблемы: горы ненужных данных, отсутствие необходимых данных, ошибочные данные. В условиях реального предприятия – это тысячи переменных за несколько лет. Ошибочные данные – человеческий фактор.

А) Определения состава параметров, которые оптимизируют переменные отклика (20% и 80%; критерий оценки, который вы улучшаете).

Б) Объяснение соотношения между переменными отклика и контролируемыми в системе параметрами. Почему этот параметр влияет так, а не иначе. В реальных условиях – это далеко не тривиальная задача.

Тактическое планирование. Определение способов проведения испытаний, намеченных планом. Направлено на решение двух основных задач:

1.Определение начальных условий в той мере, в какой они влияют на достижение установившегося режима. Важнейший фактор организации моделирования!!!

Данная задача обусловлена искусственным характером функционирования модели. В чем искусственность? В отличие от реального объекта, сама имитационная модель работает эпизодически. Экспериментатор запускает модель, делает наблюдения и «останавливает» до следующего прогона. Всякий раз, когда начинается прогон, модели требуется определенное время для достижения условий равновесия, которые соответствуют условиям функционирования реальной системы. Т.о., начальный период прогона модели искажается из-за действия начальных условий запуска модели.

Две цели решения данной задачи: Исключить из рассмотрения данные, относящиеся к некоторой части начального периода; Следует выбрать такие начальные условия, которые уменьшают время, необходимое для достижения установившегося режима.

Разумно выбранные начальные условия позволяют уменьшить, но не полностью свести к нулю время переходного периода.

2.Уменьшение дисперсии решений при одновременном сокращении необходимых размеров выборки. Обычным языком - объяснить и исключить все отклонения (аномалии) за минимальное число прогонов.

Необходимо оценить точность результатов и степень надежности заключений и выводов

Три вопроса: изменяемость условий, размер выборки и повторяемость результатов. Существуют специальные методы, которые позволяют снизить требуемый размер выборки и число повторений эксперимента, (подобные мастера имеются в ARENA).

Использование очень больших выборок решает, конечно, все тактические проблемы ИМ, но на практике ценой больших затрать времени.