¿Cuál es la importancia de la simulación?

La simulación de sistemas es una disciplina emergente que se ha formado gradualmente con el desarrollo de la tecnología informática desde finales de la década de 1940. La simulación es el proceso de realizar una investigación experimental sobre el sistema real estableciendo un modelo del sistema real y utilizando el modelo observado [2]. Inicialmente, la tecnología de simulación se utilizaba principalmente en algunos campos, como la aviación, el aeroespacial y los reactores atómicos, que eran costosos, a largo plazo, peligrosos y difíciles de implementar pruebas de sistemas reales. Posteriormente, se desarrolló gradualmente en algunas industrias importantes, como la eléctrica. departamentos de energía, petróleo, industria química, metalurgia y maquinaria, y se expandió aún más a algunos campos de sistemas no relacionados con la ingeniería, como sistemas sociales, sistemas económicos, sistemas de transporte y sistemas ecológicos. Se puede decir que la tecnología moderna de simulación de sistemas y los sistemas de simulación integrales se han convertido en medios indispensables e importantes de análisis, investigación, diseño, evaluación, toma de decisiones y capacitación para cualquier sistema complejo, especialmente para las industrias de alta tecnología. Su alcance de aplicación se expande constantemente y sus beneficios de aplicación son cada vez más significativos.

1. Simulación de sistemas y su clasificación

La simulación de sistemas se basa en la teoría del control, la teoría de la similitud, la tecnología de procesamiento de la información y la teoría informática elemental. Utiliza computadoras y otros equipos de efectos físicos especiales como herramientas y utiliza modelos de sistemas para simular. una disciplina experimental integral que lleva a cabo experimentos en sistemas reales o hipotéticos y analiza y estudia los resultados experimentales con la ayuda del conocimiento empírico, datos estadísticos y materiales de información de expertos, y luego toma decisiones. En términos generales, el método de simulación de sistemas es aplicable a cualquier campo, ya sean sistemas de ingeniería (maquinaria, industria química, electricidad, electrónica, etc.) o sistemas no relacionados con la ingeniería (tráfico, gestión, economía, política, etc.).

La simulación de sistemas se puede dividir en simulación física, simulación matemática y simulación físico-matemática (simulación semifísica) según diferentes modelos según el tipo de computadora, se puede dividir en simulación analógica, digital; simulación y simulación híbrida según las características del sistema, se puede dividir en simulación de sistema continuo, simulación de sistema de tiempo discreto (sistema de muestreo) y simulación de sistema de eventos discretos, según la relación entre el reloj de simulación y el reloj real; Se puede dividir en simulación en tiempo real, simulación en tiempo subreal y simulación en tiempo superreal, etc.

2. Pasos generales de la simulación de sistemas

Para cada proyecto de investigación de simulación exitoso, su aplicación contiene pasos específicos, consulte la Figura 9-2. Independientemente del tipo de proyecto de simulación y el propósito de la investigación, el proceso básico de simulación sigue siendo el mismo y requiere los siguientes nueve pasos:

Definición del problema

Desarrollar objetivos

Describir el sistema y enumerar todas las suposiciones

Enumerar todas las alternativas posibles

Recopilar datos e información

Construir un modelo informático

Verificar y confirmar el modelo

Ejecutar el modelo

Analizar el resultado

A continuación se ofrece una breve definición y explicación de estos nueve pasos. No pretende dar lugar a un debate detallado, sino que sirve simplemente como punto de partida. Tenga en cuenta que la investigación de simulación no puede simplemente seguir la secuencia de estos nueve pasos. Es posible que algunos proyectos tengan que volver a los pasos anteriores después de obtener los detalles intrínsecos del sistema. Al mismo tiempo, la verificación y validación deben realizarse en cada paso del proyecto de simulación.

(1) Definición del problema

Un modelo no puede representar todos los aspectos del sistema real que se está simulando, a veces porque es demasiado caro. Además, un modelo que representa todos los detalles de un sistema real suele ser un modelo muy pobre porque será demasiado complejo y difícil de entender. Por lo tanto, es aconsejable definir primero el problema, luego establecer objetivos y luego construir un modelo que resuelva completamente el problema. Durante la fase de definición del problema, tenga cuidado con las suposiciones y no haga suposiciones incorrectas. Por ejemplo, es mejor suponer que los tiempos de espera de los montacargas son más largos que asumir que no hay suficientes muelles de recepción. Como pauta de simulación, cuanto más general sea la afirmación que define el problema, mejor, y las posibles causas del problema deben considerarse en detalle.

(2) Establecer objetivos y definir medidas de rendimiento del sistema

La investigación de simulación sin objetivos es inútil. Los objetivos guían todos los pasos de un proyecto de simulación. La definición del sistema también se basa en los objetivos del sistema. El objetivo determina qué suposiciones se deben hacer y qué información y datos se deben recopilar; el establecimiento y validación del modelo considera si se puede lograr el objetivo de la investigación. Los objetivos deben ser claros, específicos y realistas. Los objetivos a menudo se formulan como preguntas como "¿Puedo obtener más ganancias agregando máquinas o ampliando el horario?"

Al definir las metas, es esencial especificar las medidas de desempeño que se utilizarán para determinar si se logran las metas. La tasa de producción por hora, la utilización de los trabajadores, el tiempo promedio de cola y la longitud máxima de la cola son las medidas de rendimiento del sistema más comunes.

Finalmente, se enumeran los requisitos previos para los resultados de la simulación. Por ejemplo: el objetivo debe lograrse utilizando el equipo existente, o el monto máximo de inversión debe estar dentro de los límites, o el plazo de entrega del pedido del producto no se puede extender, etc.

(3) Describir el sistema y enumerar los supuestos.

En pocas palabras, los modelos de simulación reducen el tiempo para completar el trabajo. El tiempo en el sistema se divide en tiempo de procesamiento, tiempo de transporte y tiempo de cola. Ya sea que el modelo sea un sistema logístico, una planta de fabricación o una organización de servicios, es esencial definir claramente los siguientes elementos de modelado: recursos, flujo de elementos (productos, clientes o información), rutas, transporte de elementos, control de procesos, tiempo de procesamiento. tiempo de falla del recurso.

La simulación divide los recursos del sistema del mundo real en cuatro categorías: procesadores, colas, transportes y recursos compartidos, como operadores. Se deben definir las condiciones necesarias para la llegada y precarga de artículos móviles, tales como: hora de llegada, modo de llegada y tipo de artículo. Las fusiones y transferencias requieren descripciones detalladas al definir las rutas de flujo. La transformación de proyectos incluye cambios de atributos, operaciones de ensamblaje (fusión de proyectos) y operaciones de desmontaje (separación de proyectos). En un sistema, a menudo es necesario controlar el flujo de elementos. Por ejemplo: un objeto sólo puede moverse cuando llega una determinada condición o un determinado momento, así como algunas reglas específicas. Se deben definir todos los tiempos de procesamiento y se debe indicar claramente qué operaciones las completan automáticamente las máquinas, qué operaciones las completan los humanos de forma independiente y qué operaciones requieren la colaboración entre humanos y máquinas. Los recursos pueden tener tiempos de inactividad planificados y tiempos de inactividad no planificados. El tiempo de inactividad planificado generalmente se refiere a pausas para el almuerzo, intermedios y mantenimiento preventivo. El tiempo de falla inesperado es el tiempo requerido para fallas aleatorias, incluido el tiempo medio entre fallas y el tiempo medio entre reparaciones.

Una vez completadas estas tareas, es necesario modelar el sistema real, lo cual es mucho más difícil que transformar la descripción del modelo en un modelo informático. La transformación de la realidad en un modelo significa que tienes una comprensión muy profunda de la realidad y puedes describirla perfectamente. En esta etapa, es necesario especificar todas las suposiciones hechas en este proceso de conversión. De hecho, es una buena idea mantener la lista de supuestos disponible durante todo el estudio de simulación, porque esta lista crecerá a medida que avance la simulación. Si la descripción del sistema se hace bien, la fase del modelo informático será mucho más fácil.

Tenga en cuenta que es necesario obtener suficiente material que pueda reflejar la esencia del sistema para propósitos de simulación específicos, pero no es necesario obtener una descripción del modelo que corresponda al sistema real uno a uno. -uno. Como dijo Einstein: "Hazlo lo más simple posible".

(4) Enumerar posibles alternativas

En la investigación de simulación, es importante determinar alternativas para la ejecución inicial del modelo. Afectará el establecimiento del modelo. Cuando se consideran alternativas en las primeras etapas, el modelo puede diseñarse para que sea fácilmente convertible a sistemas alternativos.

(5) Recopilar datos e información

Recopilar datos e información además de ingresar datos para los parámetros del modelo, durante la etapa de verificación del modelo, también se pueden recopilar datos reales y datos de medición del rendimiento del modelo. ser proporcionado.Haga una comparación. Los datos se pueden obtener a través de registros históricos, experiencia y cálculos. Estos datos aproximados proporcionarán la base para los parámetros de entrada del modelo y también facilitarán la recopilación de datos que requieren parámetros de entrada más precisos.

Es posible que algunos datos no tengan registros listos y la recopilación de datos mediante mediciones puede llevar mucho tiempo y ser costosa. Además de la necesidad de datos de entrada extremadamente precisos para los parámetros del modelo en el análisis de modelos, es más eficiente utilizar métodos de estimación para generar datos de entrada que recopilar datos examinando y midiendo cada parámetro del sistema. Se puede obtener una estimación a partir de unas cuantas mediciones rápidas o consultando a un experto en sistemas que esté familiarizado con el sistema. Incluso cuando se utilizan datos más aproximados, definir una distribución triangular basada en los valores mínimo, máximo y más probable es mucho mejor que simplemente utilizar el efecto de simulación promedio. A veces, el uso de valores estimados también puede satisfacer el propósito de la investigación de simulación. Por ejemplo, la simulación puede usarse simplemente para enseñar a los humanos acerca de las relaciones específicas de causa y efecto en un sistema. En este caso, una estimación será suficiente.

Cuando se necesitan datos fiables, es necesario dedicar más tiempo a recopilar y contar grandes cantidades de datos para definir una función de distribución de probabilidad que pueda reflejar con precisión la realidad. La cantidad de datos necesarios depende de la variabilidad de las variables, pero existen reglas generales que indican que se necesitan al menos treinta o incluso cientos de datos. Si desea obtener parámetros de entrada para un tiempo de inactividad aleatorio, debe capturar suficientes datos durante un largo período de tiempo.

(6) Construcción de un modelo de computadora

En el proceso de construcción de un modelo de computadora, primero se construye un pequeño modelo de prueba para demostrar que el modelado de componentes complejos es apropiado. El proceso de modelado general se realiza por etapas. Antes de pasar a la siguiente etapa del modelado, verifique que el modelo en esta etapa esté funcionando correctamente y ejecute y depure el modelo en cada etapa durante el proceso de modelado. No construirá directamente todo el modelo del sistema y luego hará clic en el botón "Ejecutar" para simular el sistema. Los modelos abstractos ayudan a definir partes importantes del sistema y pueden guiar las actividades de recopilación de datos para la posterior elaboración del modelo. Es posible que queramos construir múltiples modelos informáticos del mismo sistema del mundo real, cada uno con un nivel diferente de abstracción.

(7) Verificación y validación del modelo

La verificación consiste en confirmar si la función del modelo es coherente con la función prevista del sistema. Si el modelo coincide con el modelo que queremos construir, si el tiempo de procesamiento y la dirección del flujo del producto son correctos, etc. La confirmación es más amplia. Incluye: confirmar si el modelo puede reflejar correctamente el sistema real, evaluar la credibilidad de los resultados de la simulación del modelo, etc.

(8) Verificación

Existen muchas técnicas que se pueden utilizar para verificar modelos. Lo primero y más importante es observar si la animación y el reloj de simulación funcionan sincrónicamente cuando la simulación se ejecuta a baja velocidad. Puede encontrar las diferencias en el flujo de material y su tiempo de procesamiento.

Otra técnica de verificación consiste en consultar las propiedades y el estado de los recursos y elementos de flujo mostrando gráficos dinámicos a través de una ventana de comandos interactiva mientras se ejecuta el modelo.

Ejecutar el modelo en modo "paso" y ver dinámicamente el archivo de trayectoria puede ayudar a las personas a depurar el modelo. Al ejecutar una simulación, también es un buen método verificar si los resultados de la simulación son razonables ingresando múltiples conjuntos de valores de parámetros de entrada de la simulación. En algunos casos, algunas mediciones simples del desempeño del sistema se pueden obtener manualmente o mediante comparaciones. Las tasas de uso y producción de funciones en un área particular del modelo suelen ser muy fáciles de calcular.

Al depurar si hay un problema específico en el modelo, se recomienda utilizar el mismo flujo de números aleatorios. Esto puede garantizar que los cambios en los resultados de la simulación sean causados ​​por modificaciones en el modelo. Al mismo tiempo, el flujo de números aleatorios sin modificaciones, a veces es muy útil que el modelo se ejecute bajo algunos supuestos simplistas para facilitar los cálculos o las predicciones del rendimiento del sistema.

(9) Confirmación

La confirmación del modelo establece la credibilidad del modelo. Sin embargo, actualmente no existe ninguna técnica de validación que pueda proporcionar un 100% de certeza en los resultados del modelo. Nunca podremos probar que el comportamiento de un modelo sea el verdadero comportamiento de la realidad. Si pudiéramos llegar tan lejos, el primer paso de un estudio de simulación (definición del problema) podría no ser necesario. Lo mejor que podemos hacer es asegurarnos de que el comportamiento del modelo no entre en conflicto con la realidad.

A través de la validación, intente juzgar qué tan efectivo es el modelo. Un modelo es bueno si su resultado cumple con nuestros objetivos después de obtener los datos relevantes y correctos que proporcionamos. Un modelo sólo necesita ser válido en la medida necesaria, no tan válido como sea posible. Siempre existe un equilibrio entre la exactitud de los resultados del modelo y el costo de obtener esos resultados.

Para juzgar la eficacia del modelo, debemos partir de los siguientes aspectos:

①¿Las medidas de rendimiento del modelo coinciden con las medidas de rendimiento reales del sistema?

② Si ​​no existe un sistema real para comparar, los resultados de la simulación se pueden comparar con los resultados de ejecución relevantes del modelo de simulación de un sistema real similar.

③Utilice la experiencia y la intuición de los expertos en sistemas para formular hipótesis sobre las condiciones operativas de modelos de piezas específicas de sistemas complejos.

Para cada tarea importante, cada parte del modelo debe probarse aleatoriamente antes de confirmar que las entradas y los supuestos del modelo son correctos y que las medidas de rendimiento del modelo son mensurables.

④¿El comportamiento del modelo es consistente con la teoría? Determine los valores teóricos máximo y mínimo de los resultados y luego verifique que los resultados del modelo se encuentren entre los dos valores.

Para comprender la dirección del cambio de la medida de rendimiento de salida del modelo después de cambiar el valor de entrada, la coherencia del modelo se puede verificar aumentando o disminuyendo gradualmente sus parámetros de entrada.

⑤ ¿Puede el modelo predecir con precisión los resultados? Esta tecnología se utiliza para verificar continuamente la validez de los modelos en ejecución.

⑥¿Existen otros simuladores de simulación que hayan simulado este modelo? Sería fantástico si pudieras comparar los resultados de la simulación del modelo existente con los resultados de ejecución del modelo diseñado actualmente.

(10) Ejecute experimentos alternativos

Cuando el sistema es aleatorio, el experimento debe ejecutarse varias veces. Porque la entrada aleatoria conduce a una salida aleatoria. Si es posible, en un segundo paso se debe calcular un intervalo de confianza para cada medida de desempeño que se haya definido. Se pueden construir entornos alternativos por separado y la optimización de la simulación se puede configurar y ejecutar automáticamente utilizando el módulo "Optimizador" del software WITNESS.

Para realizar operaciones de optimización, el módulo "Optimizador" del software WITNESS define muchas variables de decisión que deben experimentarse, variables de condición que deben lograrse, restricciones que deben satisfacerse, etc. seleccionando la maximización o minimización de la función objetivo, el módulo de optimización es responsable de buscar números alternativos para las variables para ejecutar el modelo. En última instancia, se obtiene una solución óptima para el conjunto de variables de decisión y se maximiza o minimiza la función objetivo del modelo. El módulo "Optimizador" configura un conjunto de métodos de optimización, incluidos algoritmos genéticos, procesamiento de simulación, búsqueda tabú, búsqueda dispersa y otros métodos híbridos para llegar a la configuración óptima del modelo.

Al elegir la duración de la ejecución de una simulación, considere el tiempo de inicio, los posibles intervalos entre fallas de recursos, las diferencias temporales o estacionales en los tiempos de procesamiento o llegada, u otras características del sistema que requieran que el sistema se ejecute durante el tiempo suficiente para producir efectos. que ocurran. Las variables son muy importantes.

(11) Análisis de resultados

A menudo se utilizan informes, gráficos y tablas para analizar los resultados de resultados. Al mismo tiempo, este año es necesario utilizar técnicas estadísticas para analizar los resultados de la simulación de diferentes escenarios. Una vez analizados los resultados y extraídas las conclusiones, ser capaz de interpretar dichos resultados a la luz de los objetivos de la simulación y proponer opciones de implementación u optimización. El análisis comparativo utilizando gráficos matriciales de resultados y escenarios también puede resultar muy útil.