Struktur dan tahapan utama proses pemodelan. Pemodelan Sistem Tahapan utama pemodelan sistem

Sebelum membangun model suatu objek (fenomena, proses), perlu untuk mengidentifikasi elemen-elemen penyusunnya dan hubungan di antara mereka (melakukan analisis sistem) dan “menerjemahkan” (menampilkan) struktur yang dihasilkan ke dalam beberapa bentuk yang telah ditentukan - memformalkan informasi.

Pemodelan sistem apa pun tidak mungkin dilakukan tanpa formalisasi awal. Faktanya, formalisasi adalah tahap pertama dan sangat penting dari proses pemodelan. Model mencerminkan hal-hal yang paling hakiki pada objek, proses dan fenomena yang dipelajari, berdasarkan tujuan pemodelan yang dinyatakan. Ini adalah fitur utama dan tujuan utama model.

Formalisasi adalah proses mengidentifikasi dan menerjemahkan struktur internal suatu objek, fenomena atau proses ke dalam bentuk struktur informasi tertentu.

Misalnya, Anda tahu dari kursus geografi Anda bahwa kekuatan getaran biasanya diukur pada skala sepuluh. Faktanya, kita berhadapan dengan model paling sederhana untuk menilai kekuatan fenomena alam ini. Memang benar, sikapnya "lebih kuat", beroperasi di dunia nyata, di sini secara formal digantikan oleh relasi "lagi", arti dalam himpunan bilangan asli: getaran terlemah sesuai dengan angka 1, yang terkuat - 10. Himpunan 10 angka berurutan yang dihasilkan adalah model yang memberikan gambaran tentang kekuatan getaran.

Tahapan pemodelan

Sebelum melakukan pekerjaan apa pun, Anda perlu membayangkan dengan jelas titik awal dan setiap titik kegiatan, serta perkiraan tahapannya. Hal yang sama dapat dikatakan tentang pemodelan. Titik awalnya di sini adalah prototipe. Ini bisa berupa objek atau proses yang sudah ada atau dirancang. Tahap akhir pemodelan adalah pengambilan keputusan berdasarkan pengetahuan tentang objek.

(Dalam pemodelan, titik awalnya adalah - prototipe, yang hanya dapat berupa objek atau proses yang sudah ada atau dirancang. Tahap akhir pemodelan adalah pengambilan keputusan berdasarkan pengetahuan tentang objek.)

Rantainya terlihat seperti ini.

Mari kita jelaskan ini dengan contoh.

Contoh pemodelan dalam penciptaan sarana teknis baru adalah sejarah perkembangan teknologi antariksa. Untuk mewujudkan penerbangan luar angkasa, ada dua masalah yang harus diselesaikan: mengatasi gravitasi dan memastikan kemajuan dalam ruang tanpa udara. Newton berbicara tentang kemungkinan mengatasi gravitasi bumi pada abad ke-17. K. E. Tsiolkovsky mengusulkan untuk membuat mesin jet untuk bergerak di luar angkasa, yang menggunakan bahan bakar dari campuran oksigen cair dan hidrogen, yang melepaskan energi signifikan selama pembakaran. Dia menyusun model deskriptif yang cukup akurat tentang pesawat ruang angkasa antarplanet masa depan dengan gambar, perhitungan, dan pembenaran.

Kurang dari setengah abad telah berlalu sejak model deskriptif K. E. Tsiolkovsky menjadi dasar pemodelan nyata di biro desain di bawah kepemimpinan S. P. Korolev. Dalam percobaan skala penuh, berbagai jenis bahan bakar cair, bentuk roket, sistem kendali penerbangan dan penunjang kehidupan astronot, instrumen untuk penelitian ilmiah, dll diuji.Hasil dari pemodelan serbaguna adalah roket kuat yang meluncurkan bumi buatan satelit, kapal dengan astronot di dalamnya, dan stasiun luar angkasa.

Mari kita lihat contoh lainnya. Ahli kimia terkenal abad ke-18 Antoine Lavoisier, yang mempelajari proses pembakaran, melakukan banyak eksperimen. Dia mensimulasikan proses pembakaran dengan berbagai zat, yang dia panaskan dan timbang sebelum dan sesudah percobaan. Ternyata beberapa zat menjadi lebih berat setelah dipanaskan. Lavoisier menyarankan agar ada sesuatu yang ditambahkan ke zat ini selama proses pemanasan. Dengan demikian, pemodelan dan analisis hasil selanjutnya mengarah pada definisi zat baru - oksigen, hingga generalisasi konsep "pembakaran", memberikan penjelasan bagi banyak fenomena yang diketahui dan membuka cakrawala baru untuk penelitian di bidang ilmu lain, khususnya di bidang biologi, karena oksigen ternyata merupakan salah satu komponen utama respirasi dan metabolisme energi pada hewan dan tumbuhan.

Pemodelan- proses kreatif. Sangat sulit untuk memasukkannya ke dalam kerangka formal. Dalam bentuknya yang paling umum, hal ini dapat disajikan secara bertahap, seperti yang ditunjukkan pada Gambar. 1.

Beras. 1. Tahapan pemodelan.

Setiap kali memecahkan masalah tertentu, skema seperti itu mungkin mengalami beberapa perubahan: beberapa blok akan dihapus atau ditingkatkan, beberapa akan ditambahkan. Semua tahapan ditentukan oleh tugas dan tujuan pemodelan. Mari kita pertimbangkan tahapan utama pemodelan secara lebih rinci.

PANGGUNG. RUMUSAN MASALAH.

Tugas adalah masalah yang perlu dipecahkan. Pada tahap perumusan masalah perlu mencerminkan tiga hal utama: deskripsi masalah, penentuan tujuan pemodelan dan analisis objek atau proses.

Deskripsi tugas

Permasalahan dirumuskan dalam bahasa biasa, dan uraiannya harus jelas. Hal utama di sini adalah mendefinisikan objek pemodelan dan memahami seperti apa hasilnya.

Tujuan pemodelan

1) pengetahuan tentang dunia sekitar

Mengapa seseorang membuat model? Untuk menjawab pertanyaan ini, kita perlu melihat ke masa lalu. Beberapa juta tahun yang lalu, pada awal mula umat manusia, orang-orang primitif mempelajari alam sekitar untuk belajar bagaimana menahan unsur-unsur alam, memanfaatkan manfaat alam, dan sekadar bertahan hidup.

Akumulasi pengetahuan diturunkan dari generasi ke generasi secara lisan, kemudian secara tertulis, dan akhirnya melalui model objek. Jadi, misalnya, model Bumi lahir - bola dunia - yang memungkinkan kita mendapatkan gambaran visual tentang bentuk planet kita, rotasinya pada porosnya sendiri, dan lokasi benua. Model semacam itu memungkinkan untuk memahami bagaimana suatu objek tertentu disusun, untuk mengetahui sifat dasarnya, untuk menetapkan hukum perkembangan dan interaksinya dengan dunia model di sekitarnya.

(Selama berabad-abad, manusia telah menciptakan model, mengumpulkan pengetahuan dan mewariskannya dari generasi ke generasi secara lisan, kemudian secara tertulis, dan akhirnya dengan bantuan model subjek. Model semacam itu memungkinkan untuk memahami bagaimana suatu objek tertentu disusun, untuk menemukan mengetahui sifat-sifat dasarnya, menetapkan hukum perkembangan dan interaksinya dengan dunia model di sekitarnya.*Contoh: model bola dunia*).

2) pembuatan objek dengan properti tertentu ( ditentukan oleh rumusan masalah “bagaimana caranya agar…”.

Setelah mengumpulkan pengetahuan yang cukup, seseorang bertanya pada dirinya sendiri pertanyaan: “Apakah tidak mungkin menciptakan suatu objek dengan sifat dan kemampuan tertentu untuk melawan unsur-unsur atau menggunakan fenomena alam untuk melayani diri sendiri?” Manusia mulai membuat model benda-benda yang belum ada. Dari sinilah lahir ide untuk membuat kincir angin, berbagai mekanisme, bahkan payung biasa. Banyak dari model tersebut kini telah menjadi kenyataan. Ini adalah benda-benda yang diciptakan oleh tangan manusia.

(Setelah mengumpulkan pengetahuan yang cukup, seseorang memiliki keinginan untuk menciptakan suatu objek dengan sifat dan kemampuan tertentu, *untuk melawan unsur-unsur atau menggunakan fenomena alam untuk melayaninya* untuk membuat hidupnya lebih mudah, dan untuk melindungi dirinya dari efek destruktif dari alam. alam. Manusia mulai membuat model dari benda-benda yang belum ada. Banyak model tersebut yang kini menjadi kenyataan. Ini adalah benda-benda yang diciptakan oleh tangan manusia.) *Contoh: kincir angin, berbagai mekanisme, bahkan payung biasa*

3) menentukan konsekuensi dampak pada objek dan membuat keputusan yang tepat . Tujuan dari pemodelan masalah seperti "apa yang terjadi jika..." . (apa yang akan terjadi jika Anda menaikkan tarif transportasi, atau apa yang akan terjadi jika Anda mengubur limbah nuklir di area ini dan itu?)

Misalnya, untuk menyelamatkan kota di Neva dari banjir terus-menerus yang menyebabkan kerusakan besar, diputuskan untuk membangun bendungan. Selama perancangannya, banyak model yang dibangun, termasuk model skala penuh, tepatnya untuk memprediksi konsekuensi intervensi terhadap alam.

Pada paragraf ini kami hanya dapat memberikan contoh dan katakan tentang pertanyaan itu.

4) efisiensi manajemen objek (atau proses). ) .

Karena kriteria pengelolaan bisa sangat kontradiktif, maka hal ini hanya akan efektif jika “serigala diberi makan dan domba aman.”

Misalnya, Anda perlu memperbaiki makanan di kantin sekolah. Di satu sisi harus memenuhi persyaratan usia (kandungan kalori, mengandung vitamin dan garam mineral), di sisi lain harus disukai sebagian besar anak dan terlebih lagi terjangkau oleh orang tua, dan di sisi ketiga, teknologi pembuatannya. harus sesuai dengan kemampuan kantin sekolah. Bagaimana cara menggabungkan hal-hal yang tidak kompatibel? Membangun model akan membantu Anda menemukan solusi yang dapat diterima.

Jika informasi dalam paragraf ini tampaknya penting bagi seseorang, maka pilihlah sendiri.

Analisis Objek

Pada tahap ini, objek yang dimodelkan dan properti utamanya diidentifikasi dengan jelas, terdiri dari apa, dan hubungan apa yang ada di antara keduanya.

(Contoh sederhana hubungan subordinat objek adalah penguraian kalimat. Pertama, anggota utama (subjek, predikat) disorot, kemudian anggota kecil yang terkait dengan anggota utama, lalu kata-kata yang terkait dengan anggota sekunder, dll.)

TAHAP II. PENGEMBANGAN MODEL

1. Model informasi

Pada tahap ini sifat-sifat, keadaan, tindakan, dan ciri-ciri lain dari benda-benda dasar diperjelas dalam bentuk apapun: secara lisan, dalam bentuk diagram, tabel. Suatu gagasan terbentuk tentang benda-benda dasar yang menyusun benda aslinya, yaitu. model informasi.

Model harus mencerminkan fitur, properti, keadaan, dan hubungan objek yang paling penting di dunia objektif. Mereka memberikan informasi lengkap tentang objek tersebut.

Bayangkan Anda perlu memecahkan sebuah teka-teki. Anda ditawari daftar properti benda nyata: bulat, hijau, mengkilap, sejuk, bergaris, nyaring, matang, aromatik, manis, berair, berat, besar, dengan ekor kering...

Daftarnya terus bertambah, tetapi Anda mungkin sudah menebak bahwa yang kita bicarakan adalah semangka. Informasi paling beragam tentangnya diberikan: warna, bau, rasa, dan bahkan suara... Jelasnya, ada lebih banyak hal daripada yang dibutuhkan untuk memecahkan masalah ini. Cobalah untuk memilih dari semua tanda dan properti yang tercantum minimum yang memungkinkan Anda mengidentifikasi objek secara akurat. Sebuah solusi telah lama ditemukan dalam cerita rakyat Rusia: “Kaftan merah, gula, hijau, beludru.”

Jika informasi tersebut ditujukan bagi seniman untuk melukis benda mati, seseorang dapat membatasi diri pada sifat-sifat objek berikut: bulat, besar, hijau, bergaris. Untuk membangkitkan selera pecinta makanan manis, Anda akan memilih properti lain: matang, berair, aromatik, manis. Untuk seseorang yang memilih semangka dari kebun melon, kami dapat menawarkan model berikut: besar, keras, dengan ekor kering.

Contoh ini menunjukkan bahwa informasi tidak harus banyak. Hal yang penting adalah bahwa informasi tersebut “sesuai manfaatnya”, yaitu konsisten dengan tujuan penggunaannya.

Misalnya di sekolah, siswa dikenalkan dengan model informasi peredaran darah. Informasi ini cukup untuk anak sekolah, tetapi tidak cukup bagi mereka yang melakukan operasi vaskular di rumah sakit.

Model informasi memegang peranan yang sangat penting dalam kehidupan manusia.

Pengetahuan yang diperoleh di sekolah berupa model informasi yang dimaksudkan untuk keperluan mempelajari objek dan fenomena.

Pelajaran sejarah memungkinkan untuk membangun model perkembangan masyarakat, dan pengetahuan tentang hal itu memungkinkan Anda membangun kehidupan Anda sendiri, baik mengulangi kesalahan nenek moyang Anda, atau memperhitungkannya.

Pada pelajaran geografi Anda diberikan informasi tentang objek geografis: gunung, sungai, negara, dll. Ini juga merupakan model informasi. Banyak hal yang diajarkan di kelas geografi yang tidak akan pernah Anda lihat dalam kenyataan.

Pada pelajaran kimia informasi tentang sifat-sifat berbagai zat dan hukum interaksinya didukung oleh eksperimen, yang tidak lebih dari model proses kimia yang sebenarnya.

Model informasi tidak pernah sepenuhnya mengkarakterisasi suatu objek. Untuk objek yang sama, Anda dapat membuat model informasi yang berbeda.

Mari kita pilih objek seperti “orang” untuk pemodelan. Seseorang dapat dilihat dari sudut pandang yang berbeda: sebagai individu dan sebagai pribadi pada umumnya.

Jika Anda memikirkan orang tertentu, Anda dapat membuat model yang disajikan dalam Tabel. 1-3.

Tabel 1. Model informasi siswa

Meja 2.. Model informasi pengunjung kantor kesehatan sekolah

Tabel 3. Model informasi seorang karyawan suatu perusahaan

Mari kita pertimbangkan dan contoh lainnya model informasi yang berbeda untuk objek yang sama.

Banyak saksi kejahatan melaporkan berbagai informasi tentang tersangka penyerang - ini adalah model informasi mereka. Perwakilan polisi harus memilih dari arus informasi yang paling penting yang akan membantu menemukan penjahat dan menahannya. Seorang perwakilan hukum mungkin memiliki lebih dari satu model informasi seorang bandit. Keberhasilan suatu bisnis bergantung pada seberapa tepat fitur-fitur penting dipilih dan fitur-fitur sekunder dibuang.

Pilihan informasi yang paling penting saat membuat model informasi dan kompleksitasnya ditentukan oleh tujuan pemodelan.

Membangun model informasi merupakan titik awal dari tahap pengembangan model. Semua parameter masukan objek yang diidentifikasi selama analisis disusun dalam urutan kepentingannya dan model disederhanakan sesuai dengan tujuan pemodelan.

2. Model ikonik

Sebelum memulai proses pemodelan, seseorang membuat sketsa awal gambar atau diagram di atas kertas, memperoleh rumus perhitungan, yaitu membuat model informasi dalam satu bentuk atau lainnya. bentuk ikonik, yang bisa berupa keduanya komputer atau non-komputer.

Model komputer

Model komputer adalah model yang diimplementasikan menggunakan lingkungan perangkat lunak.

Ada banyak paket perangkat lunak yang memungkinkan Anda melakukan penelitian (pemodelan) model informasi. Setiap lingkungan perangkat lunak memiliki alatnya sendiri dan memungkinkan Anda bekerja dengan jenis objek informasi tertentu.

Orang tersebut sudah mengetahui model apa yang akan dibuat dan menggunakan komputer untuk memberikan bentuk ikonik. Misalnya, lingkungan grafis digunakan untuk membuat model dan diagram geometris, dan lingkungan editor teks digunakan untuk deskripsi verbal atau tabel.

TAHAP III. EKSPERIMEN KOMPUTER

Untuk menghidupkan perkembangan desain baru, memperkenalkan solusi teknis baru ke dalam produksi, atau menguji ide-ide baru, diperlukan eksperimen. Di masa lalu, percobaan semacam itu dapat dilakukan baik dalam kondisi laboratorium pada instalasi yang khusus dibuat untuk itu, atau di tempat, yaitu pada sampel produk yang sebenarnya, dengan melakukan berbagai macam pengujian.

Dengan berkembangnya teknologi komputer, muncullah metode penelitian baru yang unik - eksperimen komputer. Eksperimen komputer mencakup urutan kerja dengan model, serangkaian tindakan pengguna yang ditargetkan pada model komputer.

TAHAP IV. ANALISIS HASIL SIMULASI

Tujuan akhir dari pemodelan adalah pengambilan keputusan, yang harus dibuat berdasarkan analisis komprehensif terhadap hasil yang diperoleh. Tahap ini sangat menentukan - apakah Anda melanjutkan penelitian atau menyelesaikannya. Mungkin Anda mengetahui hasil yang diharapkan, maka Anda perlu membandingkan hasil yang diperoleh dan hasil yang diharapkan. Jika ada kecocokan, Anda akan bisa mengambil keputusan.

Dasar pengembangan solusi adalah hasil pengujian dan percobaan, jika hasilnya tidak sesuai dengan tujuan tugas berarti telah terjadi kesalahan pada tahap sebelumnya. Ini mungkin konstruksi model informasi yang terlalu disederhanakan, atau pilihan metode atau lingkungan pemodelan yang gagal, atau pelanggaran teknik teknologi saat membangun model. Jika kesalahan tersebut teridentifikasi, maka model perlu disesuaikan, yaitu kembali ke salah satu tahap sebelumnya. Proses tersebut diulangi hingga hasil eksperimen memenuhi tujuan pemodelan.

Hal utama yang harus selalu diingat: kesalahan yang teridentifikasi juga merupakan akibat. http://www.gmcit.murmansk.ru/text/information_science/base/simulation/materials/mysnik/2.htm

Informasi terkait.

Teori pemodelan merupakan salah satu komponen teori otomatisasi proses pengendalian. Salah satu prinsip dasarnya adalah pernyataan: sistem diwakili oleh serangkaian model yang terbatas, yang masing-masing mencerminkan aspek tertentu dari esensinya.

Sampai saat ini, banyak pengalaman telah dikumpulkan, yang memberikan dasar untuk merumuskan prinsip-prinsip dasar membangun model. Terlepas dari kenyataan bahwa ketika membangun model, peran pengalaman, intuisi, dan kualitas intelektual peneliti sangat penting, banyak kesalahan dan kegagalan dalam praktik pemodelan disebabkan oleh ketidaktahuan tentang metodologi pemodelan dan ketidakpatuhan terhadap prinsip-prinsip membangun model.

Yang utama meliputi:

Prinsip kesesuaian model dengan tujuan penelitian;

Prinsip mencocokkan kompleksitas model dengan keakuratan hasil pemodelan yang diperlukan;

Prinsip efisiensi model;

Prinsip proporsionalitas;

Prinsip modularitas dalam membangun model;

Prinsip keterbukaan;

Prinsip pengembangan kolektif (spesialis di bidang studi dan bidang pemodelan mengambil bagian dalam pembuatan model);

Prinsip serviceability (kemudahan penggunaan model).

Banyak model dapat dibangun untuk sistem yang sama. Model-model ini akan berbeda dalam tingkat detailnya dan mempertimbangkan fitur-fitur tertentu dan mode fungsi objek nyata, mencerminkan aspek tertentu dari esensi sistem, dan fokus pada studi tentang properti atau kelompok properti tertentu. sistem. Oleh karena itu, penting untuk merumuskan dengan jelas tujuan pemodelan pada tahap awal konstruksi model. Perlu juga diperhatikan bahwa model tersebut dibangun untuk memecahkan masalah penelitian tertentu. Pengalaman menciptakan model universal tidak membenarkan dirinya sendiri karena rumitnya model yang dibuat dan ketidaksesuaiannya untuk penggunaan praktis. Untuk memecahkan setiap masalah tertentu, Anda perlu memiliki model Anda sendiri, yang mencerminkan aspek dan hubungan terpenting dari sudut pandang penelitian. Pentingnya penetapan tujuan pemodelan secara spesifik juga ditentukan oleh fakta bahwa semua tahapan pemodelan selanjutnya dilakukan dengan fokus pada tujuan penelitian tertentu.

Modelnya selalu merupakan perkiraan dibandingkan dengan aslinya. Apa yang seharusnya menjadi perkiraan ini? Detail yang berlebihan akan memperumit model, membuatnya lebih mahal, dan mempersulit penelitian. Penting untuk menemukan kompromi antara tingkat kompleksitas model dan kecukupannya terhadap objek yang dimodelkan.

Secara umum, masalah “akurasi - kompleksitas” dirumuskan sebagai salah satu dari dua masalah optimasi:

Keakuratan hasil simulasi ditentukan, dan kemudian kompleksitas model diminimalkan;

Memiliki model dengan kompleksitas tertentu, mereka berusaha untuk memastikan keakuratan hasil pemodelan yang maksimal.

Mengurangi jumlah karakteristik, parameter, faktor pengganggu. Dengan menentukan tujuan pemodelan dari serangkaian karakteristik sistem, karakteristik yang dapat ditentukan tanpa pemodelan atau, dari sudut pandang peneliti, tidak terlalu penting akan dikecualikan atau digabungkan. Kemungkinan penerapan prosedur tersebut disebabkan oleh fakta bahwa ketika pemodelan tidak selalu disarankan untuk memperhitungkan seluruh variasi faktor yang mengganggu. Beberapa idealisasi kondisi pengoperasian diperbolehkan. Jika tujuan pemodelan tidak hanya untuk mencatat sifat-sifat sistem, tetapi juga untuk mengoptimalkan keputusan tertentu dalam konstruksi atau pengoperasian sistem, maka selain membatasi jumlah parameter sistem, perlu untuk mengidentifikasi parameter-parameter tersebut. peneliti dapat berubah.

Mengubah sifat karakteristik sistem. Untuk menyederhanakan konstruksi dan studi model, diperbolehkan untuk mempertimbangkan beberapa parameter variabel sebagai konstanta, parameter diskrit sebagai parameter kontinu, dan sebaliknya.

Mengubah hubungan fungsional antar parameter. Ketergantungan nonlinier biasanya diganti dengan fungsi linier, dan fungsi diskrit diganti dengan fungsi kontinu. Dalam kasus terakhir, transformasi terbalik juga bisa menjadi penyederhanaan.

Mengubah batasan. Ketika pembatasan dihilangkan, proses mendapatkan solusi biasanya disederhanakan. Dan sebaliknya, ketika pembatasan diberlakukan, mendapatkan solusi menjadi jauh lebih sulit. Dengan memvariasikan batasan, dimungkinkan untuk menentukan area keputusan yang digariskan oleh nilai batas indikator kinerja sistem.

Proses pemodelan disertai dengan biaya tertentu dari berbagai sumber daya (material, komputasi, dll). Biaya ini semakin besar jika semakin kompleks sistemnya dan semakin tinggi persyaratan untuk hasil pemodelan. Kami akan mempertimbangkan model ekonomi sebagai model yang efek penggunaan hasil pemodelannya memiliki tingkat kelebihan tertentu dalam kaitannya dengan pengeluaran sumber daya yang digunakan untuk pembuatan dan penggunaannya.

Dalam mengembangkan model matematika, perlu diupayakan untuk mematuhi apa yang disebut prinsip proporsionalitas. Artinya kesalahan pemodelan sistematis (yaitu penyimpangan model dari deskripsi sistem yang dimodelkan) harus sepadan dengan kesalahan deskripsi, termasuk kesalahan sumber data. Selain itu, keakuratan deskripsi masing-masing elemen model harus sama terlepas dari sifat fisiknya dan peralatan matematika yang digunakan. Dan terakhir, kesalahan pemodelan sistematis dan kesalahan interpretasi, serta kesalahan rata-rata hasil pemodelan harus sepadan satu sama lain.

Kesalahan pemodelan total dapat dikurangi dengan menggunakan metode yang berbeda untuk saling mengkompensasi kesalahan karena alasan yang berbeda. Dengan kata lain, prinsip keseimbangan kesalahan harus diperhatikan. Inti dari prinsip ini adalah mengkompensasi kesalahan satu jenis dengan kesalahan jenis lain. Misalnya, kesalahan yang disebabkan oleh ketidakcukupan model diimbangi dengan kesalahan pada sumber data. Prosedur formal yang ketat untuk mematuhi prinsip ini belum dikembangkan, namun peneliti berpengalaman berhasil menggunakan prinsip ini dalam pekerjaan mereka.

Modularitas konstruksi secara signifikan “mengurangi biaya” proses pembuatan model, karena memungkinkan penggunaan akumulasi pengalaman dalam implementasi elemen dan modul standar ketika mengembangkan model sistem yang kompleks. Selain itu, model seperti ini mudah untuk dimodifikasi (dikembangkan).

Keterbukaan model menyiratkan kemungkinan untuk memasukkan modul perangkat lunak baru ke dalam komposisinya, kebutuhan yang mungkin terungkap selama penelitian dan dalam proses penyempurnaan model.

Kualitas model akan sangat bergantung pada seberapa sukses aspek organisasi pemodelan, yaitu keterlibatan spesialis dari berbagai bidang. Hal ini sangat penting untuk tahap awal, dimana tujuan penelitian (pemodelan) dirumuskan dan model konseptual sistem dikembangkan. Partisipasi perwakilan pelanggan dalam pekerjaan ini adalah wajib. Pelanggan harus memahami dengan jelas tujuan pemodelan, model konseptual yang dikembangkan, program penelitian, serta mampu menganalisis dan menginterpretasikan hasil pemodelan.

Tujuan akhir pemodelan hanya dapat dicapai dengan melakukan penelitian menggunakan model yang dikembangkan. Penelitian terdiri dari melakukan percobaan dengan menggunakan suatu model, keberhasilan implementasinya sebagian besar disebabkan oleh layanan yang diberikan kepada peneliti, dengan kata lain kemudahan penggunaan model, yang berarti kenyamanan antarmuka pengguna, masukan. -output hasil pemodelan, kelengkapan alat debugging, kemudahan interpretasi hasil, dll.

Proses pemodelan dapat dibagi menjadi beberapa tahapan.

Tahap pertama meliputi: memahami tujuan penelitian, tempat dan peran model dalam proses penelitian sistem, merumuskan dan menetapkan tujuan pemodelan, menetapkan tugas pemodelan.

Fase kedua- ini adalah tahap pembuatan (pengembangan) model. Dimulai dengan deskripsi bermakna dari objek yang dimodelkan dan diakhiri dengan implementasi perangkat lunak dari model tersebut.

Pada tahap ketiga penelitian dilakukan dengan menggunakan model, yang terdiri dari perencanaan dan pelaksanaan eksperimen.

Proses pemodelan (tahap keempat) diakhiri dengan analisis dan pengolahan hasil pemodelan, pengembangan proposal dan rekomendasi penggunaan hasil pemodelan dalam praktik.

Konstruksi langsung model dimulai dengan deskripsi bermakna tentang objek yang dimodelkan. Objek pemodelan digambarkan dari sudut pandang pendekatan sistem. Berdasarkan tujuan penelitian, sekumpulan elemen dan kemungkinan keadaannya ditentukan, hubungan di antara mereka ditunjukkan, dan informasi diberikan tentang sifat fisik dan karakteristik kuantitatif objek (sistem) yang diteliti. Deskripsi yang bermakna dapat disusun sebagai hasil kajian yang cukup mendalam terhadap objek yang diteliti. Deskripsi biasanya dilakukan pada tingkat kategori kualitatif. Representasi awal dan perkiraan suatu objek biasanya disebut model verbal. Deskripsi yang bermakna tentang suatu objek, pada umumnya, tidak memiliki makna tersendiri, tetapi hanya berfungsi sebagai dasar untuk formalisasi lebih lanjut dari objek kajian - konstruksi model konseptual.

Model konseptual suatu objek merupakan penghubung antara deskripsi bermakna dan model matematika. Ini tidak dikembangkan dalam semua kasus, tetapi hanya ketika, karena kompleksitas objek yang diteliti atau kesulitan memformalkan beberapa elemennya, transisi langsung dari deskripsi bermakna ke model matematika menjadi tidak mungkin atau tidak praktis. Proses menciptakan model konseptual itu kreatif. Dalam hal inilah kadang-kadang dikatakan bahwa pemodelan bukanlah suatu ilmu melainkan suatu seni.

Tahap pemodelan selanjutnya adalah pengembangan model matematika suatu objek. Penciptaan model matematika memiliki dua tujuan utama: untuk memberikan gambaran formal tentang struktur dan proses fungsi objek yang diteliti dan mencoba menyajikan proses fungsi dalam bentuk yang memungkinkan studi analitis atau algoritmik terhadap objek tersebut.

Untuk mengubah model konseptual menjadi model matematis, perlu dituliskan, misalnya, dalam bentuk analitis semua hubungan antara parameter esensial, hubungannya dengan fungsi target, dan menetapkan batasan pada nilai parameter yang dikontrol. .

Model matematika tersebut dapat direpresentasikan sebagai:

dimana U adalah fungsi target (fungsi efisiensi, fungsi kriteria);

Vektor parameter yang dikontrol;

Vektor parameter yang tidak terkontrol;

(x,y) - pembatasan nilai parameter yang dikontrol.

Peralatan matematika yang digunakan untuk formalisasi, jenis fungsi tujuan tertentu dan batasannya ditentukan oleh esensi masalah yang dipecahkan.

Model matematika yang dikembangkan dapat dipelajari dengan menggunakan berbagai metode - analitis, numerik, “kualitatif”, simulasi.

Dengan menggunakan metode analitis, Anda dapat mempelajari model secara paling lengkap. Namun, metode ini hanya dapat diterapkan pada model yang dapat direpresentasikan dalam bentuk ketergantungan analitis eksplisit, yang hanya mungkin dilakukan pada sistem yang relatif sederhana. Oleh karena itu, metode penelitian analitis biasanya digunakan untuk penilaian kasar awal terhadap karakteristik suatu objek (penilaian cepat), serta pada tahap awal perancangan sistem.

Bagian utama dari objek nyata yang diteliti tidak dapat dipelajari dengan metode analisis. Metode numerik dan simulasi dapat digunakan untuk mempelajari objek tersebut. Mereka berlaku untuk kelas sistem yang lebih luas yang model matematikanya disajikan baik dalam bentuk sistem persamaan yang dapat diselesaikan dengan metode numerik, atau dalam bentuk algoritma yang mensimulasikan proses fungsinya.

Jika persamaan yang dihasilkan tidak dapat diselesaikan dengan metode analitis, numerik atau simulasi, maka mereka menggunakan metode “kualitatif”. Metode “kualitatif” memungkinkan untuk memperkirakan nilai besaran yang diinginkan, serta menilai perilaku lintasan sistem secara keseluruhan. Metode serupa, selain metode logika matematika dan metode teori himpunan samar, juga mencakup sejumlah metode teori kecerdasan buatan.

Model matematika dari suatu sistem nyata adalah suatu objek abstrak yang dideskripsikan secara formal, yang kajiannya juga dilakukan dengan menggunakan metode matematika, dan terutama dengan menggunakan teknologi komputer. Oleh karena itu, selama pemodelan matematika, metode perhitungan harus ditentukan, atau sebaliknya, model algoritmik atau perangkat lunak yang mengimplementasikan metode perhitungan tersebut harus dikembangkan.

Model matematika yang sama dapat diimplementasikan pada komputer dengan menggunakan algoritma yang berbeda. Semuanya mungkin berbeda dalam keakuratan solusi, waktu perhitungan, jumlah memori yang digunakan, dan indikator lainnya.

Tentu saja, ketika melakukan penelitian, diperlukan suatu algoritma yang memberikan pemodelan dengan akurasi hasil yang diperlukan dan pengeluaran waktu komputer dan sumber daya lainnya yang minimal.

Model matematika, sebagai objek percobaan mesin, disajikan dalam bentuk program komputer (model program). Dalam hal ini, perlu untuk memilih bahasa dan alat pemrograman model, dan menghitung sumber daya untuk mengkompilasi dan men-debug program. Baru-baru ini, proses pembuatan model pemrograman menjadi semakin otomatis (pendekatan ini akan dibahas di bagian “Otomasi pemodelan sistem organisasi dan teknis militer yang kompleks”). Bahasa pemodelan algoritmik khusus telah dibuat untuk memprogram kelas model yang luas (penggunaan bahasa GPSS (terjemahan literal Rusia - bahasa pemodelan sistem diskrit) untuk pemodelan sistem komputer juga akan dibahas dalam bab berikutnya). Mereka memberikan kemudahan implementasi tugas-tugas umum yang muncul selama pemodelan, seperti mengatur eksekusi algoritma pseudo-paralel, alokasi memori dinamis, mempertahankan waktu model, mensimulasikan peristiwa (proses) acak, memelihara serangkaian peristiwa, mengumpulkan dan memproses hasil simulasi. , dll. Alat bahasa deskriptif simulasi memungkinkan Anda mengidentifikasi dan mengatur parameter sistem simulasi dan pengaruh eksternal, algoritma operasi dan kontrol, mode dan hasil simulasi yang diperlukan. Dalam hal ini, bahasa pemodelan berperan sebagai dasar formal untuk membuat model matematika.

Sebelum memulai percobaan pada model, perlu disiapkan data awal. Penyusunan data awal dimulai pada tahap pengembangan model konseptual, dimana diidentifikasi beberapa karakteristik kualitatif dan kuantitatif objek dan pengaruh eksternal. Untuk karakteristik kuantitatif perlu ditentukan nilai spesifiknya yang akan digunakan sebagai data masukan untuk pemodelan. Ini adalah tahap pekerjaan yang memakan waktu dan bertanggung jawab. Jelas terlihat bahwa keandalan hasil pemodelan jelas bergantung pada keakuratan dan kelengkapan sumber data.

Biasanya, pengumpulan data awal adalah proses yang sangat rumit dan memakan waktu. Hal ini disebabkan oleh beberapa alasan. Pertama, nilai parameter tidak hanya bersifat deterministik, tetapi juga stokastik. Kedua, tidak semua parameter bersifat stasioner. Hal ini terutama berlaku untuk parameter pengaruh eksternal. Ketiga, kita sering berbicara tentang pemodelan sistem yang tidak ada atau sistem yang harus berfungsi dalam kondisi baru. Kegagalan untuk mempertimbangkan salah satu faktor ini menyebabkan pelanggaran signifikan terhadap kecukupan model.

Tujuan akhir pemodelan dicapai melalui penggunaan model yang dikembangkan, yang terdiri dari melakukan eksperimen dengan model, sebagai hasilnya semua karakteristik sistem yang diperlukan ditentukan.

Eksperimen dengan suatu model biasanya dilakukan menurut rencana tertentu. Hal ini karena, dengan komputasi dan sumber daya waktu yang terbatas, biasanya tidak mungkin melakukan semua eksperimen yang mungkin dilakukan. Oleh karena itu, ada kebutuhan untuk memilih kombinasi parameter dan urutan percobaan tertentu, yaitu tugasnya adalah membangun rencana optimal untuk mencapai tujuan pemodelan. Proses mengembangkan rencana seperti itu disebut perencanaan strategis. Namun, tidak semua masalah yang terkait dengan eksperimen perencanaan dapat diselesaikan sepenuhnya. Ada kebutuhan untuk mengurangi durasi eksperimen mesin sambil memastikan keandalan statistik dari hasil pemodelan. Proses ini disebut perencanaan taktis.

Rencana eksperimen dapat dimasukkan ke dalam program penelitian komputer dan dijalankan secara otomatis. Namun, paling sering strategi penelitian melibatkan intervensi aktif peneliti dalam eksperimen untuk memperbaiki rencana eksperimen. Intervensi seperti ini biasanya dilaksanakan secara interaktif.

Selama percobaan, biasanya banyak nilai dari setiap karakteristik diukur, yang kemudian diproses dan dianalisis. Dengan sejumlah besar implementasi yang direproduksi selama proses pemodelan, jumlah informasi tentang status sistem bisa sangat besar sehingga penyimpanannya dalam memori komputer, pemrosesan, dan analisis selanjutnya secara praktis tidak mungkin dilakukan. Oleh karena itu, pencatatan dan pengolahan hasil simulasi perlu diatur sedemikian rupa sehingga perkiraan besaran yang diperlukan terbentuk secara bertahap selama simulasi.

Karena karakteristik keluaran seringkali berupa variabel atau fungsi acak, inti dari pemrosesan adalah menghitung estimasi ekspektasi matematis, varians, dan momen korelasi.

Untuk menghilangkan kebutuhan untuk menyimpan semua pengukuran dalam mesin, pemrosesan biasanya dilakukan dengan menggunakan rumus berulang, ketika perkiraan dihitung selama percobaan menggunakan metode total kumulatif saat pengukuran baru dilakukan.

Berdasarkan hasil eksperimen yang diproses, ketergantungan yang mencirikan perilaku sistem dengan mempertimbangkan lingkungan dianalisis. Untuk sistem yang diformalkan dengan baik, hal ini dapat dilakukan dengan menggunakan metode korelasi, dispersi atau regresi. Analisis hasil pemodelan juga mencakup masalah sensitivitas model terhadap variasi parameternya.

Analisis hasil pemodelan memungkinkan kita untuk memperjelas banyak parameter informatif model, dan, akibatnya, memperjelas model itu sendiri. Hal ini dapat menyebabkan perubahan signifikan dalam bentuk asli model konseptual, identifikasi ketergantungan karakteristik yang jelas, munculnya kemungkinan pembuatan model analitik sistem, definisi ulang koefisien bobot kriteria efisiensi vektor dan modifikasi lain dari model versi awal.

Tahap akhir pemodelan adalah pemanfaatan hasil pemodelan dan pemindahannya ke objek nyata – aslinya. Pada akhirnya, hasil simulasi biasanya digunakan untuk mengambil keputusan tentang kesehatan sistem, memprediksi perilaku sistem, mengoptimalkan sistem, dll.

Keputusan tentang pengoperasian dibuat berdasarkan apakah karakteristik sistem melampaui batas yang ditetapkan atau tidak melampaui batas yang ditetapkan untuk setiap perubahan parameter yang diizinkan. Prediksi biasanya menjadi tujuan utama dari setiap pemodelan. Ini terdiri dari menilai perilaku sistem di masa depan dengan kombinasi tertentu dari parameter terkontrol dan tidak terkendali.

Optimalisasi adalah penentuan strategi perilaku sistem (tentu saja, dengan mempertimbangkan lingkungan) di mana pencapaian tujuan sistem akan dipastikan dengan konsumsi sumber daya yang optimal (dalam arti kriteria yang diterima). Biasanya berbagai metode dari teori riset operasi berperan sebagai metode optimasi.

Selama proses pemodelan, pada semua tahapannya, peneliti dipaksa untuk terus-menerus memutuskan apakah model yang dibuat akan mencerminkan aslinya dengan benar. Sampai masalah ini diselesaikan secara positif, nilai dari model ini dapat diabaikan.

Persyaratan kecukupan, seperti disebutkan di atas, bertentangan dengan persyaratan kesederhanaan, dan ini harus selalu diingat ketika memeriksa kecukupan model. Dalam proses pembuatan model, kecukupan secara obyektif dilanggar karena idealisasi kondisi eksternal dan mode operasi, pengecualian parameter tertentu, dan pengabaian beberapa faktor acak. Kurangnya informasi yang akurat tentang pengaruh eksternal, ciri-ciri tertentu dari struktur dan proses berfungsinya sistem, metode perkiraan dan interpolasi yang diterima, asumsi dan hipotesis heuristik juga menyebabkan penurunan korespondensi antara model dan aslinya. Karena kurangnya metodologi yang cukup berkembang untuk menilai kecukupan, dalam praktiknya verifikasi tersebut dilakukan dengan membandingkan hasil eksperimen di tempat yang tersedia dengan hasil serupa yang diperoleh selama eksperimen mesin, atau dengan membandingkan hasil yang diperoleh pada model serupa. Metode tidak langsung lainnya untuk memeriksa kecukupan juga dapat digunakan.

Berdasarkan hasil uji kecukupan, diambil kesimpulan tentang kesesuaian model untuk melakukan eksperimen. Jika model memenuhi persyaratan, maka eksperimen terencana dilakukan terhadap model tersebut. Jika tidak, model akan disempurnakan (dikoreksi) atau dikerjakan ulang sepenuhnya. Sementara itu, penilaian terhadap kecukupan model harus dilakukan pada setiap tahapan pemodelan, dimulai dari tahap pembentukan tujuan pemodelan dan penetapan tugas pemodelan dan diakhiri dengan tahap penyusunan usulan penggunaan. dari hasil pemodelan.

Saat menyesuaikan atau mengerjakan ulang model, jenis perubahan berikut dapat dibedakan: global, lokal, dan parametrik.

Perubahan global dapat disebabkan oleh kesalahan serius pada tahap awal pemodelan: ketika menetapkan masalah pemodelan, ketika mengembangkan model verbal, konseptual dan matematika. Menghilangkan kesalahan seperti itu biasanya mengarah pada pengembangan model baru.

Perubahan lokal dikaitkan dengan penyempurnaan parameter atau algoritma tertentu. Perubahan lokal memerlukan perubahan sebagian dalam model matematika, namun mungkin memerlukan pengembangan model perangkat lunak baru. Untuk mengurangi kemungkinan perubahan tersebut, disarankan untuk segera mengembangkan model dengan tingkat detail yang lebih besar dari yang diperlukan untuk mencapai tujuan pemodelan.

Perubahan parametrik mencakup perubahan beberapa parameter khusus yang disebut parameter kalibrasi. Untuk meningkatkan kecukupan model melalui perubahan parametrik, parameter kalibrasi harus diidentifikasi terlebih dahulu dan cara sederhana untuk memvariasikannya harus disediakan.

Strategi penyesuaian model harus ditujukan pada pengenalan perubahan global, kemudian lokal, dan terakhir parametrik.

Dalam praktiknya, tahapan pemodelan terkadang dilakukan secara terpisah satu sama lain, yang berdampak negatif pada hasil secara keseluruhan. Solusi untuk masalah ini terletak pada cara mempertimbangkan dalam kerangka terpadu proses membangun model, mengatur eksperimen terhadap model tersebut, dan membuat perangkat lunak pemodelan.

Simulasi harus dianggap sebagai proses terpadu dalam membangun dan meneliti model, memiliki dukungan perangkat lunak dan perangkat keras yang sesuai. Ada dua aspek penting yang perlu diperhatikan.

Aspek metodologis- identifikasi pola, teknik untuk membangun deskripsi algoritmik sistem, transformasi yang disengaja dari deskripsi yang dihasilkan menjadi paket model mesin yang saling berhubungan, menyusun skenario dan rencana kerja sehubungan dengan paket tersebut, yang bertujuan untuk mencapai tujuan pemodelan yang diterapkan.

Aspek kreatif- seni, keterampilan, kemampuan untuk mencapai hasil yang berguna secara praktis selama pemodelan mesin dari sistem yang kompleks.

Penerapan konsep pemodelan sistem sebagai seperangkat metode integral untuk membangun dan menggunakan model hanya mungkin dilakukan dengan tingkat perkembangan teknologi informasi yang sesuai.

Terlepas dari jenis modelnya (kontinu dan diskrit, deterministik dan stokastik, dll.), pemodelan simulasi mencakup sejumlah tahapan utama yang disajikan pada Gambar. 3.1 dan merupakan proses berulang yang kompleks:

Beras. 3.1. Tahapan teknologi pemodelan simulasi

1. Hasil yang terdokumentasi pada tahap ini dikompilasi ;

2. Pengembangan deskripsi konseptual. Hasil dari kegiatan analis sistem pada tahap ini adalah model konseptualDan pilihan metode formalisasi untuk objek pemodelan tertentu.

3. Formalisasi model simulasi. Disusun deskripsi formal objek pemodelan.

4. Pemrograman model simulasi (pengembangan program simulator). TENTANG pemilihan alat otomatisasi pemodelan, algoritma, pemrograman dan debugging model simulasi dilakukan.

5. Pengujian dan penelitian model, verifikasi model. Model diverifikasi, kecukupannya dinilai, sifat-sifat model simulasi dipelajari, dan lain-lain prosedur pengujian yang komprehensif model yang dikembangkan.

6. Merencanakan dan melakukan percobaan simulasi. Perencanaan strategis dan taktis percobaan simulasi dilakukan. Hasilnya adalah: dikompilasi dan diimplementasikan rencana eksperimental, diberikan kondisi simulasi berjalan untuk rencana yang dipilih.

7. Analisis hasil simulasi. Peneliti menginterpretasikan hasil pemodelan dan menggunakannya, serta benar-benar mengambil keputusan.

Perumusan masalah dan penentuan tujuan penelitian simulasi. Pada tahap pertama, masalah yang dihadapi peneliti dirumuskan dan diambil keputusan tentang kelayakan penggunaan metode simulasi. Kemudian ditentukan tujuan yang ingin dicapai dari hasil simulasi. Pilihan jenis model simulasi dan sifat penelitian simulasi selanjutnya dengan menggunakan model simulasi sangat bergantung pada rumusan tujuan. Pada tahap ini objek pemodelan ditentukan dan dipelajari secara rinci, aspek-aspek fungsinya yang menarik untuk diteliti. Hasil pekerjaan pada tahap ini adalah deskripsi yang bermakna dari objek pemodelan menunjukkan tujuan simulasi dan aspek-aspek fungsi objek pemodelan yang perlu dipelajari dengan menggunakan model simulasi. Deskripsi yang bermakna dibuat dalam terminologi sistem nyata, dalam bahasa area subjek yang dapat dimengerti oleh pelanggan.

DI DALAM Dalam proses menyusun deskripsi yang bermakna tentang objek pemodelan, batas-batas studi objek yang dimodelkan ditetapkan, dan deskripsi lingkungan eksternal yang berinteraksi dengannya diberikan. Kriteria efisiensi utama dirumuskan, yang dengannya berbagai pilihan solusi diharapkan dapat dibandingkan menggunakan suatu model, dan alternatif yang dipertimbangkan dihasilkan dan dijelaskan. Tidak ada resep umum untuk menciptakan deskripsi yang bermakna. Keberhasilan bergantung pada intuisi pengembang dan pengetahuan tentang sistem sebenarnya. Teknologi umum atau urutan tindakan pada tahap ini adalah sebagai berikut: pengumpulan data tentang objek pemodelan dan kompilasi deskripsi yang bermakna dari objek pemodelan; Ini diikuti dengan: mempelajari situasi masalah - menentukan diagnosis dan perumusan masalah; klarifikasi tujuan pemodelan; kebutuhan akan pemodelan dibenarkan dan metode pemodelan dipilih. Pada tahap ini dirumuskan secara jelas dan spesifik tujuan pemodelan.

C Pohon pemodelan menentukan desain keseluruhan model dan menembus semua tahapan pemodelan simulasi selanjutnya. Selanjutnya dibentuk model konseptual dari objek yang diteliti.

P Mari kita membahas lebih detail konten utama aktivitas analis sistem pada tahap awal ini. Pekerjaan ini penting untuk semua tahapan pemodelan simulasi selanjutnya, dan di sinilah pemodel simulasi menunjukkan dirinya sebagai analis sistem yang menguasai seni pemodelan.

Penataan masalah awal. Rumusan masalah

Penataan masalah awal. Rumusan masalah. Pertama-tama, seorang analis sistem harus mampu menganalisis suatu masalah. Ia melakukan pengkajian dan penataan masalah awal, rumusan masalah yang jelas.

Analisis masalah harus dimulai dengan kajian rinci terhadap seluruh aspek fungsi. Memahami detailnya penting di sini, jadi Anda harus menjadi ahli dalam bidang subjek tertentu atau berinteraksi dengan para ahli. Sistem yang dimaksud terhubung ke sistem lain, jadi penting untuk mendefinisikan tugasnya dengan benar. Masalah pemodelan umum dibagi menjadi masalah khusus.

Isi semantik utama dari pendekatan sistematis untuk pemecahan masalah ditunjukkan pada Gambar. 3.2.

Pendekatan sistematis untuk pemecahan masalah melibatkan:

• pertimbangan sistematis tentang esensi masalah:

1. pembenaran hakikat dan tempat permasalahan yang diteliti;
2. pembentukan struktur umum sistem yang diteliti;
3. identifikasi seluruh faktor penting;
4. penentuan ketergantungan fungsional antar faktor;

• membangun konsep terpadu untuk memecahkan masalah:

1. penelitian tentang kondisi obyektif untuk memecahkan suatu masalah;
2. pembenaran maksud dan tujuan yang diperlukan untuk memecahkan masalah;
3. menyusun tugas, memformalkan tujuan;
4. pengembangan sarana dan metode untuk memecahkan masalah: deskripsi alternatif, skenario, aturan pengambilan keputusan dan tindakan pengendalian untuk pengembangan lebih lanjut prosedur pengambilan keputusan berdasarkan model;

• penggunaan metode pemodelan secara sistematis:

1. klasifikasi sistem (penstrukturan) masalah pemodelan;
2. analisis sistem kemampuan metode pemodelan;
3. pemilihan metode pemodelan yang efektif.

Mengidentifikasi tujuan

Mengidentifikasi tujuan. Langkah pertama dan terpenting dalam membuat model apa pun adalah menentukan tujuan yang dimaksudkan. Metode dekomposisi tujuan dapat diterapkan, yang melibatkan pembagian keseluruhan menjadi beberapa bagian: tujuan menjadi subtujuan, tugas menjadi subtugas, dll. Dalam praktiknya, pendekatan ini mengarah pada struktur pohon hierarki (membangun pohon tujuan). Prosedur ini merupakan domain para spesialis dan ahli dalam masalah tersebut. Artinya, ada faktor subjektif di sini. Tantangan praktisnya adalah seberapa lengkap segala sesuatunya terstruktur. Pohon tujuan yang dibangun sebagai hasil dari prosedur ini nantinya terbukti berguna dalam pembentukan banyak kriteria.

Tantangan apa yang menanti seorang analis sistem pemula? Apa yang dimaksud dengan tujuan pada suatu tingkat merupakan sarana untuk tingkat yang lain, dan sering terjadi kerancuan tujuan. Untuk sistem yang kompleks dengan banyak subsistem, tujuannya mungkin saling bertentangan. Jarang ada satu gol; dengan banyak gol, ada bahaya peringkat yang salah.

Tujuan pemodelan yang dirumuskan dan disusun pada tahap pertama meresapi seluruh penelitian simulasi selanjutnya.

Mari kita lihat yang paling banyak digunakan kategori sasaran dalam studi simulasi: penilaian, peramalan, optimasi, perbandingan alternatif dan sebagainya.

Eksperimen simulasi dilakukan untuk berbagai tujuan, yang mungkin termasuk:

• nilai– menentukan seberapa baik sistem struktur yang diusulkan akan memenuhi beberapa kriteria tertentu;
• perbandingan alternatif– perbandingan sistem bersaing yang dirancang untuk menjalankan fungsi tertentu, atau perbandingan beberapa prinsip atau teknik pengoperasian yang diusulkan;
• ramalan– penilaian perilaku sistem pada beberapa asumsi kombinasi kondisi operasi;
• analisis sensitivitas– mengidentifikasi dari sejumlah besar faktor operasi yang paling mempengaruhi perilaku sistem secara keseluruhan;
• identifikasi hubungan fungsional– penentuan sifat hubungan antara dua atau lebih faktor aktif, di satu sisi, dan respon sistem, di sisi lain;
• optimasi – penentuan yang tepat atas kombinasi faktor operasi dan nilainya, yang menjamin respons terbaik dari keseluruhan sistem secara keseluruhan.

Pembentukan kriteria

Pembentukan kriteria. Definisi kriteria yang jelas dan tidak ambigu sangatlah penting. Hal ini mempengaruhi proses pembuatan dan percobaan model, selain itu, definisi kriteria yang salah akan menghasilkan kesimpulan yang salah. Ada kriteria yang digunakan untuk menilai sejauh mana suatu sistem telah mencapai suatu tujuan, dan kriteria yang digunakan untuk menilai metode bergerak menuju suatu tujuan (atau efektivitas cara untuk mencapai tujuan). Untuk sistem yang dimodelkan multi-kriteria, seperangkat kriteria dibentuk; kriteria tersebut harus disusun menjadi subsistem atau diberi peringkat berdasarkan kepentingannya.

Beras. 3.3. Transisi dari sistem nyata ke diagram logis fungsinya

Pengembangan model konseptual objek pemodelan. Model konseptual– terdapat gambaran logis dan matematis dari sistem yang dimodelkan sesuai dengan rumusan masalah.

(Isi umum transisi teknologi ini ditunjukkan secara skematis pada Gambar 3.3). Berikut ini gambaran objek ditinjau dari konsep matematika dan algoritma fungsi komponen-komponennya. Deskripsi konseptual adalah representasi algoritmik yang disederhanakan dari sistem nyata.

Ketika mengembangkan model konseptual, itu ditetapkan struktur dasar model, yang mana termasuk deskripsi statis dan dinamis dari sistem. Batas-batas sistem ditentukan, deskripsi lingkungan eksternal diberikan, elemen-elemen penting diidentifikasi dan deskripsinya diberikan, variabel, parameter, ketergantungan fungsional dibentuk baik untuk elemen dan proses individu, dan untuk keseluruhan sistem, batasan, target fungsi (kriteria).

Hasil pekerjaan pada tahap ini adalah deskripsi konseptual yang terdokumentasi dan metode formalisasi sistem yang dimodelkan yang dipilih. Saat membuat model kecil, tahap ini dipadukan dengan tahap menyusun deskripsi yang bermakna tentang sistem yang dimodelkan. Pada tahap ini, metodologi percobaan simulasi diperjelas.

Membangun Model Konseptual

Membangun Model Konseptual dimulai dengan fakta bahwa, berdasarkan tujuan pemodelan, batas-batas sistem yang dimodelkan ditetapkan dan pengaruh lingkungan eksternal ditentukan. Hipotesis dikemukakan dan semua asumsi yang diperlukan untuk membangun model simulasi dicatat. Tingkat detail dari proses simulasi dibahas.

Suatu sistem dapat didefinisikan sebagai kumpulan elemen-elemen yang saling berhubungan. Dalam domain tertentu, definisi suatu sistem bergantung pada tujuan pemodelan dan siapa yang mendefinisikan sistem tersebut. Pada tahap ini dilakukan dekomposisi sistem. Yang paling signifikan, dalam arti masalah yang dirumuskan, ditentukan oleh elemen-elemen sistem (the analisis struktural sistem yang dimodelkan) dan interaksi di antara mereka, aspek utama dari berfungsinya sistem yang dimodelkan diidentifikasi (dikompilasi model fungsional), deskripsi lingkungan eksternal disediakan. Dekomposisi suatu sistem (objek pemodelan) atau pemilihan subsistem adalah suatu operasi analisis. Elemen model harus sesuai dengan fragmen sebenarnya yang ada dalam sistem. Sebuah sistem yang kompleks dipecah menjadi beberapa bagian, dengan tetap menjaga koneksi yang memungkinkan interaksi. Dimungkinkan untuk membuat diagram fungsional yang akan memperjelas secara spesifik proses dinamis yang terjadi dalam sistem yang sedang dipertimbangkan. Penting untuk menentukan komponen mana yang akan dimasukkan dalam model, komponen mana yang akan dieksternalisasi, dan hubungan apa yang akan dibangun di antara komponen-komponen tersebut.

Deskripsi lingkungan eksternal

Deskripsi lingkungan eksternal dilakukan dengan pertimbangan bahwa unsur-unsur lingkungan luar mempunyai pengaruh tertentu terhadap unsur-unsur sistem, tetapi pengaruh sistem itu sendiri terhadap unsur-unsur tersebut, pada umumnya, tidak signifikan.

Saat membahas tingkat detail suatu model, penting untuk dipahami bahwa setiap dekomposisi didasarkan pada dua prinsip yang bertentangan: kelengkapan dan kesederhanaan. Biasanya, pada tahap awal pengembangan model, terdapat kecenderungan untuk memasukkan terlalu banyak komponen dan variabel. Namun, model yang baik itu sederhana. Diketahui bahwa derajat pemahaman terhadap suatu fenomena berbanding terbalik dengan banyaknya variabel yang muncul dalam uraiannya. Model yang penuh dengan detail bisa menjadi rumit dan sulit diimplementasikan.

Kompromi antara kedua kutub ini hanya sebatas itu penting(atau relevan) komponen – penting dalam kaitannya dengan tujuan analisis.

Jadi, pertama-tama harus ada yang "dasar" - pohon tujuan yang paling sederhana, struktur model yang disederhanakan, dikompilasi. Selanjutnya, model tersebut disempurnakan secara bertahap. Kita harus berusaha membuat model yang sederhana, kemudian memperumitnya. Harus diikuti prinsip konstruksi model berulang ketika, ketika sistem dipelajari menggunakan model, selama pengembangan, model diubah dengan menambahkan yang baru atau mengecualikan beberapa elemen dan/atau hubungan di antara mereka.

Bagaimana cara berpindah dari sistem nyata ke deskripsi yang disederhanakan? Penyederhanaan, abstraksi– teknik dasar pemodelan apa pun. Tingkat detail yang dipilih harus memungkinkan abstraksi dari aspek fungsi sistem nyata yang tidak jelas karena kurangnya informasi.

Di bawah penyederhanaan mengacu pada mengabaikan detail yang tidak penting atau membuat asumsi tentang hubungan yang lebih sederhana (misalnya, mengasumsikan hubungan linier antar variabel). Saat pemodelan, hipotesis dan asumsi diajukan mengenai hubungan antara komponen dan variabel sistem.

Aspek lain dalam menganalisis sistem nyata adalah abstraksi. Abstraksi memuat kualitas-kualitas esensial dari perilaku suatu objek, namun tidak harus dalam bentuk yang sama dan sedetail yang terjadi pada sistem nyata.

Setelah bagian-bagian atau elemen-elemen sistem dianalisis dan dimodelkan, kita lanjutkan dengan menggabungkannya menjadi satu kesatuan. Model konseptual harus mencerminkan interaksi mereka dengan benar. Komposisi ada operasi perpaduan, agregasi (dalam pemodelan sistem ini bukan hanya perakitan komponen). Selama operasi ini, hubungan antar elemen dibuat (misalnya, struktur diklarifikasi, deskripsi hubungan, pemesanan, dll. disediakan).

Penelitian sistem didasarkan pada kombinasi operasi analisis dan sintesis. Dalam praktiknya, prosedur analisis dan sintesis berulang diterapkan. Baru setelah itu kita dapat mencoba menjelaskan keseluruhan – sistem, melalui komponen – subsistemnya, dalam bentuk struktur umum dari keseluruhan.

Kriteria kinerja

Kriteria kinerja. Parameter, variabel model. Deskripsi sistem harus mencakup kriteria efektivitas sistem dan solusi alternatif yang dievaluasi. Yang terakhir ini dapat dianggap sebagai masukan model atau parameter skenario. Saat mengalgoritmakan proses simulasi, variabel utama model yang terlibat dalam deskripsinya juga ditentukan.

Setiap model mewakili beberapa kombinasi komponen seperti komponen, variabel, parameter, ketergantungan fungsional, batasan, fungsi target (kriteria).

Di bawah komponen memahami bagian-bagian penyusunnya yang bila digabungkan dengan baik akan membentuk suatu sistem. Terkadang komponen juga dipertimbangkan elemen sistem atau itu subsistem. Sistem didefinisikan sebagai sekelompok atau kumpulan objek yang disatukan oleh suatu bentuk interaksi reguler atau saling ketergantungan untuk melakukan fungsi tertentu. Sistem yang diteliti terdiri dari komponen-komponen.

Parameter adalah besaran yang dapat dipilih peneliti secara sewenang-wenang, tidak seperti variabel model yang dapat mengambil nilai yang ditentukan oleh jenis fungsi tertentu. Dalam model kita akan membedakan dua jenis variabel: eksogen dan endogen. Eksogen variabel disebut juga memasukkan. Artinya, mereka dihasilkan di luar sistem atau merupakan hasil interaksi sebab-sebab eksternal. endogen Variabel adalah variabel yang timbul dalam sistem sebagai akibat pengaruh sebab-sebab internal. Dalam kasus di mana variabel endogen mencirikan keadaan atau kondisi yang terjadi dalam sistem, kami menyebutnya variabel keadaan. Ketika perlu untuk mendeskripsikan input dan output dari sistem, kami menanganinya variabel masukan dan keluaran.

Ketergantungan fungsional mendeskripsikan perilaku variabel dan parameter dalam suatu komponen atau menyatakan hubungan antar komponen sistem. Hubungan ini bersifat deterministik atau stokastik.

Pembatasan mewakili batasan yang ditetapkan untuk mengubah nilai variabel atau kondisi pembatas untuk perubahannya. Mereka dapat dimasukkan oleh pengembang atau diinstal oleh sistem itu sendiri karena sifat bawaannya.

Fungsi tujuan (fungsi kriteria) mewakili representasi akurat dari tujuan atau sasaran sistem dan aturan yang diperlukan untuk menilai implementasinya. Ekspresi fungsi tujuan harus merupakan definisi yang jelas tentang tujuan dan sasaran yang digunakan untuk mengukur keputusan yang diambil.

Formalisasi model simulasi. Pada studi simulasi tahap ketiga, objek pemodelan diformalkan. Proses formalisasi sistem yang kompleks meliputi:

• pilihan metode formalisasi;
• menyusun deskripsi formal dari sistem.

Dalam proses membangun suatu model, tiga tingkat representasinya dapat dibedakan:

• informal (tahap 2) – model konseptual;
• diformalkan (tahap 3) – model formal;
• perangkat lunak (tahap 4) – model simulasi.

Setiap tingkat berbeda dari tingkat sebelumnya dalam tingkat detail sistem yang dimodelkan dan dalam cara menggambarkan struktur dan proses fungsinya. Pada saat yang sama, tingkat abstraksi meningkat.

Model konseptual

Model konseptual adalah deskripsi sistematis dan bermakna dari sistem yang dimodelkan (atau situasi masalah) dalam bahasa informal. Deskripsi non-formal dari model simulasi yang dikembangkan meliputi definisi elemen utama sistem yang dimodelkan, karakteristiknya, dan interaksi antar elemen dalam bahasanya sendiri. Dalam hal ini, tabel, grafik, diagram, dll dapat digunakan. Deskripsi informal tentang model diperlukan baik bagi pengembang itu sendiri (saat memeriksa kecukupan model, modifikasinya, dll.) dan untuk saling pengertian dengan spesialis di bidang lain.

Model konseptual berisi informasi awal untuk analis sistem yang memformalkan sistem dan menggunakan metodologi dan teknologi tertentu untuk ini, yaitu. Berdasarkan uraian informal tersebut dikembangkan uraian formal yang lebih ketat dan rinci.

Kemudian deskripsi formal tersebut diubah menjadi program – simulator sesuai dengan metodologi tertentu (teknologi pemrograman).

Skema serupa terjadi ketika melakukan eksperimen simulasi: formulasi konten dipetakan ke model formal, setelah itu perubahan dan penambahan yang diperlukan dilakukan pada metodologi eksperimen komputasi terarah.

Tugas utama tahap formalisasi– memberikan gambaran formal mengenai sistem yang kompleks, bebas dari informasi sekunder yang terkandung dalam deskripsi substantif, representasi algoritmik dari objek pemodelan. Tujuan formalisasi– memperoleh representasi formal dari model logis-matematis, mis. algoritma untuk perilaku komponen sistem yang kompleks dan mencerminkan interaksi antar komponen pada tingkat algoritma pemodelan.

Mungkin saja informasi yang tersedia dalam deskripsi bermakna tidak cukup untuk memformalkan objek pemodelan. Dalam hal ini perlu kembali ke tahap penyusunan deskripsi yang bermakna dan melengkapinya dengan data, yang kebutuhannya ditemukan pada saat formalisasi objek pemodelan. Dalam praktiknya, mungkin ada beberapa keuntungan seperti itu. Formalisasi berguna dalam batas-batas tertentu dan tidak dibenarkan untuk model sederhana.

Ada berbagai macam skema formalisasi dan penataan (konsep) yang telah diterapkan dalam pemodelan simulasi. Skema formalisasi dipandu oleh teori matematika yang berbeda dan didasarkan pada gagasan berbeda tentang proses yang sedang dipelajari. Oleh karena itu keragamannya dan masalah dalam memilih skema formalisasi yang sesuai (untuk menggambarkan objek pemodelan tertentu).

Untuk model diskrit, misalnya, sistem berorientasi proses (deskripsi proses), sistem berdasarkan paradigma jaringan (paradigma jaringan) dapat digunakan, untuk model kontinu - diagram alir model dinamika sistem.

Konsep formalisasi yang paling terkenal dan banyak digunakan dalam praktik adalah: sistem agregatif dan automata; Jaring petri dan perluasannya; model dinamika sistem. Dalam kerangka satu konsep formalisasi, berbagai model algoritmik dapat diimplementasikan. Sebagai aturan, satu atau beberapa konsep penataan (skema untuk merepresentasikan model algoritmik) atau formalisasi pada tingkat teknologi ditetapkan dalam sistem pemodelan, bahasa pemodelan. Konsep penataan mendasari semua sistem simulasi dan didukung oleh teknik teknologi pemrograman yang dikembangkan secara khusus. Ini menyederhanakan konstruksi dan pemrograman model. Misalnya, bahasa pemodelan GPSS memiliki konsep penataan blok; struktur proses yang dimodelkan digambarkan sebagai aliran transaksi yang melewati perangkat layanan, antrian, dan elemen sistem antrian lainnya.

Dalam sejumlah sistem pemodelan modern, selain perangkat yang mendukung konsep penataan tertentu, terdapat alat khusus yang memastikan penerapan konsep formalisasi tertentu dalam sistem.

Konstruksi model simulasi didasarkan pada metode modern untuk menyusun sistem yang kompleks dan menggambarkan dinamikanya. Model dan metode berikut ini banyak digunakan dalam praktik analisis sistem yang kompleks:

• jaringan unit linier sepotong-sepotong yang memodelkan sistem diskrit dan diskrit kontinu;
• Jaring petri (jaring kejadian, jaring E, jaring COMBI dan ekstensi lainnya), digunakan dalam penataan hubungan sebab akibat dan pemodelan sistem dengan proses paralel, berfungsi untuk stratifikasi dan algoritmaisasi dinamika sistem diskrit dan kontinu diskrit;
• diagram alir dan persamaan beda hingga dinamika sistem, yang merupakan model sistem kontinu.

Pemrograman Model Simulasi

Pemrograman Model Simulasi. Deskripsi konseptual atau formal dari model sistem yang kompleks diubah menjadi program simulator sesuai dengan beberapa metodologi pemrograman dan menggunakan bahasa dan sistem pemodelan. Poin penting adalah pilihan alat yang tepat untuk mengimplementasikan model simulasi.

Pengumpulan dan analisis data awal. Tahap ini tidak selalu dianggap mandiri, tetapi pekerjaan yang dilakukan pada tahap ini sangatlah penting. Meskipun pemrograman dan penelusuran model simulasi dapat dilakukan pada data hipotetis, studi eksperimental yang akan datang harus dilakukan pada aliran data nyata. Keakuratan hasil simulasi yang diperoleh dan kecukupan model terhadap sistem nyata bergantung pada hal ini.

Di sini pengembang model simulasi menghadapi dua pertanyaan:

• dimana dan bagaimana memperoleh dan mengumpulkan informasi awal;
• bagaimana memproses data yang dikumpulkan tentang sistem nyata.

Metode dasar untuk memperoleh data awal:

• dari dokumentasi yang ada untuk sistem (data laporan, kumpulan statistik, misalnya, untuk sistem sosial-ekonomi, dokumentasi keuangan dan teknis untuk sistem produksi, dll.);
• eksperimen fisik. Terkadang, untuk mendapatkan informasi awal, perlu dilakukan eksperimen skala penuh pada sistem yang disimulasikan atau prototipenya;
• pendahuluan, sintesis data apriori. Terkadang data masukan mungkin tidak ada, dan sistem yang dimodelkan menghalangi eksperimen fisik. Dalam hal ini, berbagai metode sintesis data awal diusulkan. Misalnya, ketika memodelkan sistem informasi, durasi pemenuhan suatu kebutuhan informasi diperkirakan berdasarkan kompleksitas algoritma yang diterapkan pada komputer. Metode tersebut mencakup berbagai prosedur berdasarkan analisis umum masalah, kuesioner, wawancara, dan meluasnya penggunaan metode penilaian ahli.

Pertanyaan kedua berkaitan dengan masalah tersebut identifikasi data masukan untuk sistem stokastik. Telah disebutkan sebelumnya bahwa pemodelan simulasi adalah alat yang efektif untuk mempelajari sistem stokastik, yaitu. sistem yang dinamikanya bergantung pada faktor acak. Variabel masukan (dan keluaran) model stokastik biasanya berupa variabel acak, vektor, fungsi, proses acak. Oleh karena itu, kesulitan tambahan muncul terkait dengan sintesis persamaan untuk hukum distribusi yang relatif tidak diketahui dan penentuan karakteristik probabilistik (ekspektasi matematis, dispersi, fungsi korelasi, dll.) untuk proses yang dianalisis dan parameternya. Kebutuhan analisis statistik dalam mengumpulkan dan menganalisis data masukan dikaitkan dengan tugas menentukan jenis ketergantungan fungsional yang menggambarkan data masukan, menilai nilai spesifik dari parameter ketergantungan tersebut, serta memeriksa signifikansi dari ketergantungan tersebut. parameter. Untuk memilih distribusi teoritis variabel acak, digunakan metode statistik matematika yang terkenal, berdasarkan penentuan parameter distribusi empiris dan pengujian hipotesis statistik, menggunakan kriteria goodness-of-fit untuk menentukan apakah data empiris konsisten dengan hukum distribusi yang diketahui.

Menguji dan mempelajari sifat-sifat model simulasi

Menguji dan mempelajari sifat-sifat model simulasi. Setelah model simulasi diimplementasikan pada komputer, perlu dilakukan pengujian untuk menilai keandalan model. Pada tahap pengujian dan penelitian model simulasi yang dikembangkan, pengujian komprehensif model (pengujian) – proses berulang terencana yang bertujuan untuk mendukung prosedur verifikasi dan validasi model dan data simulasi.

Jika, sebagai hasil dari prosedur yang dilakukan, model tersebut ternyata kurang dapat diandalkan, maka kalibrasi model simulasi(koefisien kalibrasi dimasukkan ke dalam algoritma pemodelan) untuk memastikan kecukupan model. Dalam kasus yang lebih kompleks, banyak iterasi yang mungkin dilakukan pada tahap awal untuk memperoleh informasi tambahan tentang objek yang dimodelkan atau menyempurnakan model simulasi. Adanya kesalahan dalam interaksi komponen model mengembalikan peneliti ke tahap pembuatan model simulasi. Alasan untuk ini mungkin karena model proses atau fenomena yang awalnya disederhanakan, yang mengarah pada ketidakcukupan model untuk objek tersebut. Jika pemilihan metode formalisasi tidak berhasil, maka perlu mengulangi tahap penyusunan model konseptual, dengan mempertimbangkan informasi baru dan pengalaman yang diperoleh. Akhirnya, ketika informasi tentang objek tidak mencukupi, perlu untuk kembali ke tahap menyusun deskripsi sistem yang bermakna dan memperjelasnya dengan mempertimbangkan hasil pengujian.

Eksperimen komputasi terarah pada model simulasi. Analisis hasil simulasi dan pengambilan keputusan. Pada tahap akhir pemodelan simulasi, perlu dilakukan perencanaan strategis dan taktis percobaan simulasi. Penyelenggaraan eksperimen komputasi terarah pada model simulasi melibatkan pemilihan dan penerapan berbagai metode analisis untuk memproses hasil studi simulasi. Untuk tujuan ini, metode perencanaan eksperimen komputasi, analisis regresi dan varians, serta metode optimasi digunakan. Pengorganisasian dan pelaksanaan percobaan memerlukan penerapan metode analisis yang benar. Berdasarkan hasil yang diperoleh, penelitian harus memungkinkan penarikan kesimpulan yang cukup untuk membuat keputusan mengenai masalah dan tugas yang diidentifikasi pada tahap awal.

Setiap tahapan pemodelan ditentukan oleh tugas dan tujuan pemodelan. Secara umum proses membangun dan mempelajari suatu model dapat direpresentasikan dengan menggunakan diagram:

Tahap I. Rumusan masalah

Termasuk tiga tahap:

Deskripsi tugas

Tugas tersebut dijelaskan dalam bahasa biasa.

Keseluruhan rangkaian masalah dapat dibagi menurut sifat rumusannya menjadi 2 kelompok utama:

1. Kelompok pertama berisi tugas-tugas di mana perlu untuk mempelajari bagaimana karakteristik suatu objek akan berubah di bawah pengaruh tertentu terhadapnya, yaitu. Anda perlu mendapatkan jawaban atas pertanyaan “Apa yang akan terjadi jika?…”.

   Misalnya, apa jadinya jika kartu bermagnet diletakkan di lemari es? Apa jadinya jika persyaratan masuk universitas ditingkatkan? Apa yang terjadi jika tagihan utilitas meningkat tajam? dan seterusnya.

   Kelompok kedua berisi tugas-tugas di mana perlu untuk menentukan apa yang perlu dilakukan dengan suatu objek agar parameternya memenuhi kondisi tertentu, yaitu. Anda perlu mendapatkan jawaban atas pertanyaan “Bagaimana melakukannya agar…”.

   Misalnya bagaimana menyusun pelajaran matematika agar anak memahami materinya? Mode penerbangan pesawat mana yang harus saya pilih agar penerbangan lebih aman dan hemat? Bagaimana cara menjadwalkan pekerjaan konstruksi agar selesai secepat mungkin?

Menentukan tujuan simulasi

Pada tahap ini, di antara sekian banyak karakteristik (parameter) suatu objek, diidentifikasi yang paling signifikan. Objek yang sama untuk tujuan pemodelan yang berbeda akan memiliki properti penting yang berbeda.

Misalnya, ketika membuat model kapal pesiar untuk berpartisipasi dalam kompetisi model kapal, karakteristik kemampuan navigasinya akan sangat penting. Untuk mencapai tujuan membangun model, jawaban atas pertanyaan “Bagaimana caranya agar…?” akan dicari.

Saat membangun model kapal pesiar untuk perjalanan di atasnya, kapal pesiar jangka panjang, selain karakteristik navigasi, struktur internalnya akan menjadi penting: jumlah dek, kenyamanan kabin, ketersediaan fasilitas lainnya, dll.

Saat membuat model simulasi komputer kapal pesiar untuk menguji keandalan desainnya dalam kondisi badai, model kapal pesiar akan mewakili perubahan gambar dan parameter yang dihitung pada layar monitor ketika nilai parameter masukan berubah. Masalah “Apa yang akan terjadi jika…?” akan terpecahkan.

Tujuan pemodelan memungkinkan Anda menentukan data apa yang akan menjadi data awal, apa yang perlu dicapai sebagai hasilnya, dan properti objek apa yang dapat diabaikan.

Dengan cara ini, model verbal dari masalah tersebut dibangun.

Analisis Objek

Ini menyiratkan identifikasi yang jelas tentang objek yang dimodelkan dan properti utamanya.

Tahap II. Formalisasi tugas

Terkait dengan penciptaan model yang diformalkan, mis. model, yang ditulis dalam beberapa bahasa formal. Misalnya, angka kesuburan yang disajikan dalam bentuk tabel atau bagan merupakan model yang diformalkan.

Formalisasi dipahami sebagai membawa sifat-sifat dan karakteristik esensial suatu objek pemodelan ke dalam bentuk tertentu.

Model formal adalah model yang diperoleh sebagai hasil formalisasi.

Catatan 1

Untuk penyelesaian masalah dengan menggunakan komputer, bahasa yang paling cocok adalah matematika. Model formal menangkap hubungan antara data awal dan hasil akhir menggunakan berbagai rumus, serta menerapkan batasan pada nilai parameter yang diizinkan.

Tahap III. Pengembangan model komputer

Dimulai dengan memilih alat pemodelan (lingkungan perangkat lunak) yang dapat digunakan untuk membuat dan mempelajari model.

Algoritme untuk membangun model komputer dan bentuk presentasinya bergantung pada pilihan lingkungan perangkat lunak.

Misalnya dalam lingkungan pemrograman, bentuk representasinya adalah program yang ditulis dalam bahasa yang sesuai. Dalam lingkungan aplikasi (spreadsheet, DBMS, editor grafis, dll), bentuk penyajian suatu algoritma adalah rangkaian teknik teknologi yang mengarah pada pemecahan suatu masalah.

Perhatikan bahwa masalah yang sama dapat diselesaikan dengan menggunakan lingkungan perangkat lunak yang berbeda, pilihannya terutama bergantung pada kemampuan teknis dan materialnya.

Tahap IV. Eksperimen komputer

Termasuk 2 tahap:

Pengujian model – memeriksa kebenaran konstruksi model.

Pada tahap ini, algoritma yang dikembangkan untuk membangun model dan kesesuaian model yang dihasilkan dengan objek dan tujuan pemodelan diperiksa.

Catatan 2

Untuk memeriksa kebenaran algoritma konstruksi model, digunakan data uji yang hasil akhirnya diketahui terlebih dahulu. Paling sering, data pengujian ditentukan secara manual. Jika hasilnya cocok selama pemeriksaan, maka algoritma yang benar telah dikembangkan, dan jika tidak, maka alasan perbedaannya perlu ditemukan dan dihilangkan.

Pengujian harus tepat sasaran dan sistematis, sedangkan peningkatan kompleksitas data pengujian harus dilakukan secara bertahap. Untuk menentukan kebenaran konstruksi model, yang mencerminkan sifat-sifat asli yang penting untuk tujuan pemodelan, yaitu. kecukupannya, perlu dilakukan pemilihan data uji yang mencerminkan keadaan sebenarnya.

Studi Model

Anda dapat melanjutkan mempelajari model hanya setelah pengujian berhasil dan yakin bahwa model yang perlu dipelajari telah dibuat.

tahap V. Analisis hasil

Ini penting untuk proses pemodelan. Keputusan untuk melanjutkan atau menyelesaikan penelitian dibuat berdasarkan hasil tahap khusus ini.

Jika hasilnya tidak sesuai dengan tujuan tugas, mereka menyimpulkan bahwa telah terjadi kesalahan pada tahap sebelumnya. Maka perlu dilakukan koreksi model, mis. kembali ke salah satu langkah sebelumnya. Proses tersebut harus diulangi hingga hasil eksperimen komputer memenuhi tujuan pemodelan.

Pada topik sebelumnya, kita merumuskan apa itu model dan mendefinisikan konsep baru - pemodelan. Penting untuk dipahami bahwa pemodelan adalah salah satu aktivitas utama manusia. Pemodelan selalu mendahului bisnis apa pun dalam satu bentuk atau lainnya.

Beras. 4. Dari prototipe hingga pengambilan keputusan.

Diagram yang ditunjukkan pada Gambar. Gambar 4 menunjukkan bahwa pemodelan menempati tempat sentral dalam studi suatu objek. Hal ini memungkinkan Anda untuk membuat keputusan yang tepat: bagaimana meningkatkan objek yang sudah dikenal, apakah perlu membuat yang baru, bagaimana mengubah proses manajemen dan, pada akhirnya, bagaimana mengubah dunia di sekitar kita menjadi lebih baik.

Titik awalnya di sini adalah prototipe (Gbr. 2.4). Ini bisa berupa objek atau proses yang sudah ada atau dirancang.

Tahap terakhir dari pemodelan adalah pengambilan keputusan. Dalam banyak situasi kita harus membuat satu keputusan atau lainnya. Dalam pemodelan, ini berarti kita membuat objek baru, model yang telah kita pelajari, atau menyempurnakan objek yang sudah ada, atau memperoleh informasi tambahan tentangnya.

Pemodelan adalah proses kreatif. Sangat sulit untuk memasukkannya ke dalam kerangka formal. Dalam bentuknya yang paling umum, hal ini dapat disajikan secara bertahap, seperti yang ditunjukkan pada Gambar. 5. Setiap kali memecahkan masalah tertentu, skema tersebut mungkin mengalami beberapa perubahan: beberapa blok akan dihapus atau diperbaiki, beberapa akan ditambahkan. Semua tahapan ditentukan oleh tugas dan tujuan pemodelan.

Tahap I. Rumusan masalah
Deskripsi tugas
Tujuan pemodelan
Analisis Objek
Tahap II. Pengembangan model
Model informasi
Model ikonik
Model komputer
Tahap III. Eksperimen komputer
Rencana simulasi
Teknologi simulasi
Tahap IV. Analisis hasil simulasi
Hasil sesuai target	Hasil tidak mencapai tujuan

Mari kita pertimbangkan tahapan utama pemodelan secara lebih rinci.

3.2. Tahap I. Rumusan masalah

Tugas dalam arti kata yang paling umum dipahami sebagai suatu masalah tertentu yang perlu dipecahkan. Pada tahap perumusan masalah, perlu tercermin tiga poin utama: deskripsi masalah, penentuan tujuan pemodelan dan analisis objek atau proses.

Deskripsi tugas

Tugas (masalah) dirumuskan dalam bahasa biasa, dan uraiannya harus dapat dimengerti. Hal utama di sini adalah mendefinisikan objek pemodelan dan memahami seperti apa hasilnya. Hasil pemodelan dan, pada akhirnya, pengambilan keputusan bergantung pada bagaimana masalah dipahami.

Berdasarkan sifat rumusannya, semua permasalahan dapat dibagi menjadi dua kelompok utama.

Ke kelompok pertama Hal ini dapat mencakup tugas-tugas di mana perlu untuk mempelajari bagaimana karakteristik suatu objek akan berubah di bawah pengaruh tertentu terhadapnya. Rumusan masalah seperti ini biasa disebut “apa yang akan terjadi jika?” Misalnya, bagaimana kecepatan sebuah mobil berubah setelah 6 s jika mobil tersebut bergerak lurus dan dipercepat beraturan dengan kecepatan awal 3 m/s dan percepatan 0,5 m/s 2

Terkadang tugas dirumuskan lebih luas. Apa jadinya jika Anda mengubah karakteristik suatu benda dalam rentang tertentu dengan langkah tertentu? Studi semacam itu membantu melacak ketergantungan parameter objek pada data awal. Misalnya, model ledakan informasi:

“Seorang pria melihat UFO dan selama 15 menit berikutnya menceritakan kepada tiga temannya tentang hal itu. Mereka, secara bergiliran, setelah 15 menit berikutnya, menginformasikan berita tersebut kepada masing-masing tiga orang kenalan mereka, dan seterusnya. Pantau berapa jumlah orang yang akan diberitahu setelah 15, 30, dan seterusnya.

Kelompok kedua masalah memiliki rumusan umum sebagai berikut: dampak apa yang harus diberikan pada objek agar parameternya memenuhi kondisi tertentu? Rumusan masalah seperti ini sering disebut “bagaimana caranya agar…”. Misalnya, berapa volume balon yang diisi gas helium agar bisa naik dengan beban 100 kg?

Sebagian besar masalah pemodelan biasanya bersifat kompleks. Misalnya soal perubahan konsentrasi suatu larutan: “Suatu larutan kimia yang volumenya 5 bagian mempunyai konsentrasi awal 70%. Berapa bagian air yang harus ditambahkan untuk memperoleh larutan dengan konsentrasi tertentu? Pertama, konsentrasi dihitung dengan menambahkan 1 bagian air. Kemudian tabel konsentrasi dibuat dengan menambahkan 2, 8, 4... bagian air. Perhitungan yang dihasilkan memungkinkan Anda menghitung ulang model dengan cepat dengan data awal yang berbeda. Dengan menggunakan tabel perhitungan, Anda dapat menjawab pertanyaan: berapa bagian air yang harus ditambahkan untuk mendapatkan konsentrasi yang dibutuhkan.

Tujuan pemodelan

Mengapa seseorang membuat model?

Jika model memungkinkan untuk memahami bagaimana suatu objek tertentu disusun, untuk mengetahui sifat-sifat dasarnya, untuk menetapkan hukum perkembangan dan interaksinya dengan dunia luar, maka dalam hal ini tujuan membangun model adalahpengetahuan tentang dunia sekitarnya.

Tujuan penting lainnya dari pemodelan adalah pembuatan objek dengan properti tertentu. Tujuan ini ditentukan oleh rumusan masalah “bagaimana caranya agar…”.

Tujuan dari pemodelan masalah seperti "apa yang terjadi jika..." - menentukan konsekuensi dampak pada objek dan membuat keputusan yang tepat. Pemodelan seperti ini sangat penting ketika mengatasi permasalahan sosial dan permasalahan lainnya.

Seringkali tujuan pemodelan adalah efisiensi manajemen objek (atau proses). .

Analisis Objek

Pada tahap ini, mulai dari rumusan masalah secara umum, objek yang dimodelkan dan sifat-sifat utamanya diidentifikasi dengan jelas. Faktanya, semua faktor ini bisa disebut parameter masukan simulasi. Jumlahnya bisa sangat banyak, dan beberapa tidak dapat dijelaskan dengan hubungan kuantitatif.

Seringkali, objek asli merupakan kumpulan komponen-komponen kecil yang mempunyai hubungan tertentu. Kata "analisis" (dari bahasa Yunani “analisis”) berarti penguraian, pemotongan suatu objek untuk mengidentifikasi komponen-komponennya, yang disebut objek dasar. Hasilnya adalah kumpulan objek yang lebih sederhana. Mereka bisa berada dalam hubungan yang setara satu sama lain atau saling subordinasi. Skema koneksi tersebut disajikan pada Gambar. 6 dan 7.

Ada objek dengan hubungan yang lebih kompleks. Biasanya, objek yang kompleks dapat terdiri dari objek yang lebih sederhana dengan tipe hubungan yang berbeda.

Dasar dari setiap pekerjaan serius (baik itu pengembangan desain atau desain proses teknologi, pengembangan algoritma atau pemodelan) harus didasarkan pada prinsip sistem “dari atas – turun" , yaitu dari permasalahan yang bersifat umum ke permasalahan yang bersifat khusus. Hasil analisis suatu objek muncul dalam proses mengidentifikasi komponen-komponennya (objek-objek dasar) dan menentukan hubungan-hubungan di antara mereka.