Vérification et validation des modèles de simulation de systèmes. Vérification et validation: Quels sont ces mots simples? Quelle est la différence entre la validation et la vérification

Invites Internet

Lors de la modélisation, le chercheur doit être confiant dans l'exactitude du modèle, en fonction du modèle du prototype réel. La précision de la modélisation mathématique dépend de la manière dont le modèle mathématique reflète bien les propriétés de l'objet. Le chercheur est important de savoir avec quelle erreur il reçoit le résultat, car dans le cas d'une grande erreur, le calcul perd sa signification.

L'exactitude de la modélisation est influencée par les caractéristiques suivantes:

■ Simplifier le modèle;

■ des erreurs lors de la construction d'un modèle;

■ utilisation d'éléments de précision faibles avec approximation linéaire;

■ disponibilité dans le modèle d'éléments finis dégénérés;

■ des liens incorrects;

■ paramètres incorrects des modèles;

■ Propriétés incorrectes des éléments;

■ conditions initiales et limites incorrectes;

■ Erreur de la méthode de règlement.

Sur la base des résultats des tests, tels que le témoignage de l'instrument, des modifications sont apportées au modèle mathématique. En conséquence, un modèle est créé, les résultats de l'utilisation qui coïncident avec des objets réels avec une erreur donnée.

Vérification du modèle(Vérification du modèle) - Vérifiez sa vérité, votre adéquation. Traduction littérale de l'anglais: la vérification est la suivante: 1) contrôle, chèque; Sync: chèque, examen; 2) certificat, confirmation (prévision, doute) (a); Confirmation sous serment (B); 3) Monsieur le Témoin. En termes de modèles descriptifs, la vérification du modèle est réduite à la comparaison des résultats de calcul sur le modèle avec la validité correspondante de la réalité - des faits et des modèles de développement économique. En ce qui concerne les modèles de réglementation (y compris d'optimisation), la situation est plus compliquée: dans les conditions du mécanisme économique actuel, l'objet simulé est soumis à divers contrôles, non prévus par le modèle; Il est nécessaire de mettre une expérience économique spéciale, en tenant compte des exigences de la pureté, c'est-à-dire Éliminer l'influence de ces effets, ce qui est difficile, à de nombreux égards, pas encore de tâche résolue.

La vérification du modèle de simulation consiste à vérifier la conformité de son comportement des hypothèses de l'expérimentateur. Lorsque le modèle est organisé en tant que programme informatique pour un ordinateur, vous devez d'abord corriger les erreurs dans son entrée sur la langue algorithmique, puis passer à la vérification. C'est la première étape de la préparation réelle pour l'expérience de simulation. Certaines données initiales sont sélectionnées pour lesquelles les résultats de la mauvaise calculculation peuvent être prédits. S'il s'avère que l'ordinateur émet des données qui contreviennent les sujets attendus dans la formation du modèle, cela signifie que le modèle est incorrect, c'est-à-dire Ne correspond pas aux attentes posées dessus. Dans le cas contraire, passez à la prochaine étape de tester les performances du modèle - sa validation.

Validation du modèle(Validation du modèle) - Vérification de la conformité des données obtenues dans le processus de simulation de la machine, le plat réel des phénomènes, pour décrire le modèle créé. Il est effectué lorsque l'expérimentateur était convaincu de la phase précédente (vérification) dans l'exactitude de la structure (logique) du modèle, et est que la sortie après le calcul de l'ordinateur est mappée sur les informations statistiques existantes sur le système simulé. .

De manière plus générale, la vérification est une confirmation fondée sur la présentation de preuves objectives que les exigences établies étaient remplies. Si figurativement, la vérification est la procédure de comparaison de ce qui est fait (ou toujours fait), avec ce qui a été conçu (prescrit) à faire, c'est-à-dire Comparaison du résultat terminé ou intermédiaire avec les exigences d'entrée - "Avis".

Validation - Confirmation basée sur la présentation de preuves objectives que les exigences destinées à une utilisation ou à une application spécifique sont effectuées. Figurativement parlant, la validation est la procédure de comparaison de ce qui est destiné à faire (ou toujours à être effectué), de sorte qu'il soit nécessaire au consommateur d'une application spécifique, c'est-à-dire Comparaison du résultat intermédiaire prévu ou intermédiaire d'activités avec les exigences de la production actuelles - «Attendez-vous». Traduction littérale de l'anglais: la validation est la suivante: 1) ratification, approbation, synchronisation: ratification; 2) légalisation, reconnaissance de la force juridique, donnant une force juridique.

La vérification est un outil de validation, une partie de celle-ci. La vérification continue jusqu'au codage du programme et la validation est effectuée immédiatement après. Par conséquent, dans la pratique de la modélisation à l'aide de l'ordinateur, la vérification et la validation des modèles est terminée après l'expérience informatique et confirme ses résultats de la conformité en tant que processus réels de l'objet à l'étude, de sorte que le respect des conditions d'applicabilité spécifiques (ou des exigences). Cependant, dans la plupart des cas, les processus de vérification, de validation, de test et de mise en œuvre se croisent dans le temps.

Deux approches de la validation logicielle sont utilisées. La première approche déductif,présente de tels domaines de recherche que la preuve automatique des théorèmes, l'utilisation de multisets et de graphiques, ainsi que de divers algèbres spécialisés. Système logiciel Décrit dans un certain formalisme, après quoi elle est effectuée de manière stricte des preuves mathématiques de la possession par ce système par ceux-ci ou par d'autres propriétés. Deuxième approche - maquette;ses partisans ne cherchent pas à entrer dans le système dans le cadre de la théorie et à créer un modèle système pouvant être considéré comme une voiture ou une machine. Toute exigence système est vérifiée pour chaque état possible de la machine.

L'approche du modèle prend en charge non seulement une vérification partielle, mais également une vérification partielle, qui peut être dirigée vers une seule petite propriété, en résumant des parties les moins importantes du système. En d'autres termes, pour effectuer une vérification, il n'est pas nécessaire de rechercher la formalisation de tous sans excepter les exigences de la spécification. Contrairement à des tests et à l'utilisation de simulateurs, il n'existe pas de concept de ce type dans l'approche modèle, car la probabilité de détection d'erreur: s'il y a une erreur, elle sera détectée par la dernière fois.

Dans le cas où la propriété est perturbée, des informations de diagnostic sont fournies sous forme de contre-échantillon.

Le processus de vérification des modèles ne nécessite pas de gestion manuelle de l'utilisateur, ni haut niveau Professionnalisme. Avoir un modèle, vous pouvez vérifier automatiquement les propriétés nécessaires. Le processus de vérification est intégré au cycle de conception standard, permettant ainsi de réduire le temps de créer des applications avec refactoring code de logiciel.

Cependant, l'approche modèle a et côtés faibles. La vérification est effectuée selon le modèle et non en fonction du système réel, la valeur du résultat obtenu dépend directement de l'exactitude du modèle, ce qui nécessite un niveau élevé de formation du personnel qui crée le modèle de programme. L'approche modèle ne peut être appliquée efficacement sans algorithmes de prise de décision précis. Aucune garantie de complétude: Seules les propriétés qui sont explicitement vérifiées.

Les modèles de construction et les exigences de formulation nécessitent un niveau élevé de connaissances et de capacité à les appliquer. Les résultats peuvent être trompeurs (vérificateur - également le programme peut également être faux, le modèle peut contenir une erreur; TRUE, les procédures de base pour la vérification des modèles sont formellement prouvées par les paquets d'épreuve automatique des théorèmes). Il n'y a pas de vérificateurs à prendre en charge les généralisations, par exemple, vous ne pouvez pas vérifier le système s'il ne corrige pas le nombre d'entités.

Des exemples de l'application réussie de l'approche modèle peuvent être détectées en étudiant le processus de développement de systèmes complexes qui opèrent en grandes quantités de données: DBMS, complexes en streaming fluvial et informations de texte, Systèmes de sécurité de l'information. L'approche modèle de la vérification du logiciel permet la partition correcte de l'ensemble du complexe, de la conception et du développement de modules et de composants atomiques pour identifier les erreurs logiques au stade de la conception. Donc, lors du développement de streaming de logiciels images raster Dans le cadre de l'approche modèle, un modèle a été formé pour vérifier le gestionnaire de tâches pour les processeurs de streaming et atomique, qui permettait d'identifier des erreurs dans la conception des protocoles d'interaction des modules complexes et de l'algorithme de détermination du gestionnaire de tâches atomique. Ce modèle Basé sur l'utilisation de réseaux de Pétri et d'algorithmes connexes.

En parlant de fonctionnalité, il implique généralement de nombreux attributs conçus pour exister un certain ensemble de fonctions et leurs propriétés spéciales atteignant les objectifs:

■ aptitude. Est-ce que l'application remplit la tâche? Il peut être vérifié en modélisant le bon environnement concomitant (approche similaire aux tests);

■ précision. Quelle est la précision des résultats de l'application? Il est difficile de mettre en œuvre dans l'approche modèle; La vérification logique dans ce cas sera plus efficace;

■ sécurité. Y a-t-il une fuite non autorisée d'informations? Vérifié directement avec la formulation des demandes correspondantes. Il existe également un certain nombre de vérificateurs non générés qui décident de la même tâche;

■ conformité. La fonction réalisée est-elle conforme à cette norme? La norme est utilisée comme spécification (source de source), la mise en œuvre de la fonction est modélisée;

■ compatibilité. Peut-être cette application Chattez avec des produits logiciels pertinents d'autres fabricants? L'approximation étroite est une compatibilité implicite en présence de conformité avec la norme et l'absence. capacités inochangantes. Si nécessaire, une vérification plus précise effectue un démontage automatique et une émulation des sections spécifiées du code de programme, du débogage manuel, de la construction d'un graphique et d'un graphique de transmission de données.

Beaucoup d'attributs de fiabilitécaractérise la capacité du logiciel à maintenir un certain niveau de services fournis dans ces conditions et pendant une période donnée:

■ achèvement. Le niveau de services initialement fourni est-il suffisant? Est-ce que tout est mis en œuvre? Cette propriété ne peut pas être déterminée ne peut être vérifiée par des tests formels: pour chaque fonction attendue, l'exigence est formulée (ou de nombreuses exigences), qui est vérifiée sur le modèle;

■ résistance aux erreurs. Le programme se comporte-t-il correctement dans le cas de la fourniture de données d'entrée évidemment incorrectes? Très inefficace et encombrant est réalisée dans l'approche modèle, il existe de bonnes méthodes de test qui décisivent ce problème;

■ résistance surround (force). L'application peut-elle fonctionner normalement dans un environnement non standard ou instable? L'application de l'approche modèle dans ce cas n'est possible que s'il existe une possibilité de modéliser l'environnement. Cependant, la modélisation correcte de la situation de stress est une tâche très non-triviale;

■ régénérabilité. La demande peut-elle continuer à fonctionner après une échec? En règle générale, cette propriété est explicitement prescrite dans le programme et n'a besoin que de vérification. Il peut être vérifié à la fois la vérification et les tests de modèle.

Beaucoup d'attributs pour la commodité d'utilisationcaractérise les difficultés lors de l'utilisation de logiciels et de leur évaluation subjective d'une manière ou d'une autre:

■ constabilité. En ce qui concerne les cendres intuitives interface utilisateur Applications? Pas peu favorable à la formalisation scientifique. Malgré le fait que des règles moins formelles existaient depuis longtemps, la vérification du modèle est impossible;

■ la formabilité. L'application s'adapte-t-elle aux spécificités de l'utilisateur? Les algorithmes sont utilisés intelligence artificiellequi peut être vérifié, peut donc être vérifié et un signe;

■ contrôlabilité. Est-il facile de gérer l'application? Cette zone est traditionnelle pour les tests bêta, dans dernièrement Entre les mains des interfaces utilisateur.

Beaucoup d'attributs de performancerappelle le lien du niveau fourni par l'application avec la quantité de ressources utilisée à cet effet:

■ comportement dans le temps. Le calendrier de ressources est-il adéquat? Dans ce cas, vous devez tester le système réel et non son modèle (par exemple, pour trouver une fuite de mémoire). Absolument pas approprié pour la vérification du modèle;

■ l'utilisation des ressources. Les ressources sont-elles efficacement utilisées? Il y a un accent sur le système réel et existe méthodes efficaces Des tests formels, qui sont principalement basés sur un mélange de réseaux de Pétri et des descriptions de langues spécialisées des modèles de vérification, lorsqu'un vote est une évaluation quantitative des ressources potentielles; La valeur maximale donne une évaluation complètement efficace adaptée à la plupart des implémentations;

■ algorithmisation. Comment des algorithmes utilisés optimaux? L'analyse classique des algorithmes ainsi que leur vérification formelle donne des résultats rapides et précis.

Beaucoup d'attributs de supportassocié aux efforts visant à apporter certaines modifications à l'application de travail:

■ analyseur. Quelle est la facilité de déterminer les pièces qui ont besoin d'un changement? Ne formalise pas;

■ changeabilité. Quels efforts sont nécessaires pour apporter des changements? Défaut de formaliser, le niveau peut être établi à priori;

■ personnalisable. Est-il possible d'atteindre l'effet souhaité sans changer le programme lui-même, modifiant uniquement les paramètres? La tâche est résolue en testant dans des conditions réelles;

■ stabilité. Comment le programme se comporte-t-il en apportant des changements à la volée? Effectivement résolu par la vérification du modèle avec des processus parallèles non déterministes;

■ essai. Quelle est la facilité que le travail du circuit modifié est vérifié? Il est résolu en parallèle avec des tests ou de manière préventive explicite et la relation n'a pratiquement aucune relation avec la vérification.

Beaucoup d'attributs de mouvementcaractérise la capacité du logiciel à transférer d'un environnement à un autre:

■ adaptabilité. L'application peut-elle changer conformément aux changements dans l'environnement? Les processus séquentiels interactifs non déterministes donnent un bon résultat, y compris dans l'approche modèle;

■ installation. La demande peut-elle être installée sur différentes plates-formes Ou dans différentes configurations? En règle générale, il est clairement défini dans la spécification et est clairement mis en œuvre et n'a pas besoin d'être inspecté;

■ cohérence. Quelles normes ont été utilisées dans l'application? N'a pas besoin d'être vérifié, mais il est possible de vérifier les normes elles-mêmes et nécessaires;

■ remplacement. La demande peut-elle être utilisée de la même manière que son équivalent d'un autre fabricant? Est-ce que cela dépend de la liste des options pour les applications correspondantes qui pourraient être ou auraient dû être mises en œuvre?

Cela fait référence à la phase de formulation des exigences, il n'est donc pas impliqué dans la vérification.

La liste des propriétés susmentionnée pouvant être testée à l'aide de techniques de vérification et de validation du modèle, bref, autant que possible. Propriétés non mentionnées (par exemple, évolutivité ou vitalité), mais survenant dans la pratique, peuvent être réduites à cette liste. Il est important de noter que la vérification et la validation des modèles mis en œuvre par le moyen de calcul peuvent être effectuées en testant le logiciel utilisé dans la modélisation, au niveau des exigences du système, de l'architecture et fonctionnelle des logiciels, tout en testant son code ne remplace pas les procédures et modèles de vérification et de validation.

but du travail - Examiner les méthodes de vérification de la conformité du modèle de simulation développé du système réel.

En cours travail de laboratoire L'étudiant doit apprendre à vérifier le modèle de simulation en construisant un diagramme de bloc logique et un contrôle interactif sur la progression de la modélisation à l'aide du débogage GPSS / H construit dans la langue spécialisée; Vérifiez l'exactitude de la construction d'un modèle conceptuel dans un ordinateur; Conduisez la validation du modèle de simulation en comparant les résultats des expériences avec les résultats des calculs analytiques.

Noter

Il est supposé qu'un étudiant connaissait la théorie des systèmes de maintenance de masse et les bases des systèmes de modélisation sur une langue GPSS / H spécialisée.

2. Dispositions théoriques

2.1. Vérification et validation des modèles d'imitation

Si le modèle affiche de manière incorrecte la dynamique du système, il est évident que les résultats obtenus avec elle seront incorrects. Par conséquent, l'un des principaux problèmes de la modélisation consiste à vérifier la conformité du modèle développé du système réel. En Russie, une telle inspection s'appelle l'adéquation et à l'étranger sont divisées en vérification et validation.

La vérification est de vérifier l'exactitude de la construction d'un modèle conceptuel dans un ordinateur. Il est utilisé lors de la comparaison d'un modèle conceptuel avec ses questions de représentation et de réponse de l'ordinateur: est le modèle correctement sur l'ordinateur? Les paramètres d'entrée et la structure logique du modèle sont-ils présentés?

Pour les méthodes d'utilisation de la vérification:

1. Vérifiez l'exactitude des résultats des valeurs "extrêmes". Où:

- Spécifiez les valeurs zéro des paramètres d'entrée du modèle et analysez les résultats. Si les résultats ne sont pas nuls, vérifiez et spécifiez le modèle;

- définir les valeurs des paramètres d'entrée du modèle, qui ne peuvent pas être dans le système réel, et en fonction des résultats de la simulation, estimez l'exactitude de la réaction du modèle;

- Réaliser une modélisation longue et évaluer les résultats. Dans le même temps, des erreurs et des suspicions sont identifiées: le chargement des périphériques de service zéro; Le nombre d'applications dans l'appareil n'est pas nulle, mais la charge de l'instrument est nulle; Le nombre d'entrées de la file d'attente est égal à son contenu actuel.

2. Comptage analytique Caractéristiques et comparaison d'eux avec des résultats du modèle. Pour une longue course, calculez manuellement l'utilisation de l'instrument et comparez la valeur calculée avec les résultats de la modélisation. Mais il existe des caractéristiques qui ne peuvent pas être comptées analytiquement, par exemple, le temps moyen de l'application. Toutefois, les paramètres du modèle sont interconnectés et la vérification d'une caractéristique augmente la confiance (ou non fiduciaire) à d'autres paramètres et modèles en général, même si les liens exacts entre les caractéristiques sont inconnus et varient de la fonction à exécuter.

3. Construire un diagramme de bloc logique et un contrôle interactif sur la progression de la modélisation à l'aide de programmes de débogage. Constituez un schéma de principe logique simple pour n'importe quel modèle de noeud. Par exemple, pour un SMO à canal unique, vous pouvez créer un schéma de principe représenté.

Ensuite, en utilisant le programme de débogage intégré à la vérification des packages de simulation, si la logique du modèle est construite par l'organigramme. À l'heure actuelle:

- courir à un certain temps ou à un événement et de produire des informations pour cette période;

- Suspension de la modélisation par la valeur de la valeur actuelle de la composante variable dédiée du modèle (file d'attente, instrument, compteur, attribut).

4. Utiliser une piste de simulation. La trace de simulation est une impression détaillée du modèle change au fil du temps. Il est conçu spécifiquement pour une utilisation dans les programmes d'imitation. Il vous permet d'afficher la magnitude des variables sélectionnées à chaque fois de l'incrément de temps (de l'événement à l'événement). Lors de l'analyse d'une telle trace de simulation, vous pouvez identifier des erreurs et des incohérences avec le modèle du système réel.

5. Documenter le modèle et la vérification par la personne non impliquée dans le développement du modèle. Cette méthode est souvent négligée. Mais si le développeur du modèle écrit de brefs commentaires dans le modèle informatique, il rend la définition de toutes les variables et paramètres et fait la marque des modules principaux du modèle, cela facilite considérablement à quiconque et au plus développeur du modèle à vérifier. sa logique.

6. Vérification de l'animation. Récemment, le logiciel de simulation est connecté à des programmes d'animation informatique. L'animation vous permet de retracer le travail du modèle, affichant la dynamique de ses éléments au moniteur sous forme d'analogues graphiques du système réel. Avec l'aide de l'animation, des types d'erreurs caractéristiques sont distingués: des objets de mouvement tardive, de disparition ou de superposition affichant des paquets de données, des voitures, des personnes, etc.

Validation - Vérifier que le modèle est une représentation admissible du système réel. Le but de la validation est double, d'abord, créer un modèle qui représente le comportement du système réel aussi complètement que possible. Deuxièmement, augmenter le niveau de confiance acceptable du modèle afin que le modèle puisse être utilisé pour analyser le système et la prise de décision.

Il n'y a pas d'estimations de validation quantitative généralement acceptées des modèles. La plupart des auteurs estiment que si la déviation de la modélisation résulte des indicateurs du système réel ou déterminée par une autre méthode ne dépasse pas 7-10%, le modèle est considéré comme valide.

Bien que la vérification et la validation soient conceptuellement différentes, elles sont généralement tenues simultanément. Certaines méthodes sont même identiques (par exemple, vérifier le modèle d'animation, créant une piste de simulation).

Validation - Le processus de vérification du fait que le modèle est une description assez précise du système aux fins d'une étude spécifique.

La validation n'a de sens que lorsque les objectifs de recherche sont définis

* Validation du modèle système existant Il est généralement plus facile que la validation du modèle du système conçu

* Ne repoussez pas la validation à la fin du travail

*Si un ancien modèle Utilisé avec un nouveau but, la validation doit être répétée

Méthodes de validation du modèle concept

* Déterminer les objectifs de l'étude

* Décrire un modèle conceptuel ("hypothèses" - "hypothèses")

* Attirer des experts dans domaine À [formelle] Vérification du modèle conceptuel ("validation de visage" et traçage)

Méthodes de validation des données

* Analyse de la sensibilité des résultats de la modélisation aux variations d'entrée

* Tests statistiques pour les distributions de probabilité empiriques

* Chèques de cohérence

Méthodes d'augmentation de la fiabilité

* Interaction permanente avec les utilisateurs, explication détaillée et coordination des hypothèses énoncées dans le modèle

* Démonstration que le modèle est validé et vérifié. Validation indépendante, vérification et accréditation du modèle

* Donnez à l'utilisateur la capacité d'effectuer de manière indépendante la modélisation. Visualisation belle et compréhensible des résultats

* Réputation des développeurs de modèles

Le concept d'événement dans la modélisation d'imitation.

Si le modèle est conçu pour étudier les relations de causalité inhérentes au système, la dynamique du système est souhaitable de décrire en termes d'événements.

L'événement est un changement instantané d'un certain élément du système ou de l'état du système dans son ensemble. L'événement est caractérisé par:

Conditions (ou droit) de l'émergence;

Type qui définit l'ordre de traitement (discipline du service) de cet événement;

Durabilité zéro.

Les événements sont divisés en deux catégories:

Les événements suivants qui contrôlent l'initialisation des processus (ou des travaux de référence dans le processus);

Événements de modification des états (éléments du système ou système dans son ensemble).

Le mécanisme d'événement est utilisé comme base de la construction de modèles destinés à l'étude des relations de causalité dans les systèmes en l'absence de limitations temporaires. Ces tâches peuvent être attribuées, par exemple, certaines tâches d'évaluation de la fiabilité.

Principes de développement des modèles de simulation.

Lors du développement de modèles de simulation, les principes suivants doivent être suivis.

Le principe de la suffisance de l'information.

Avec l'absence totale d'informations sur le système à l'étude, la construction de son modèle est impossible. S'il y a des informations complètes sur le système, sa modélisation est privée de sens. Par conséquent, il existe un niveau critique d'informations prioriales sur le système (le niveau de suffisance de l'information), à la hauteur de laquelle son modèle adéquat peut être obtenu.

Le principe de faisabilité.

Le modèle créé devrait assurer la réalisation de l'objectif avec une probabilité de zéro et pour la dernière fois. En règle générale, la valeur de seuil de la probabilité P0 atteint l'objectif de modélisation, exprimée par la fonction P (t), ainsi que la limite de temps acceptable t0 atteindre cet objectif. Le modèle est considéré comme faisable si les inégalités P (t) sont effectuées en même temps? P0, t? T0.

Le principe de la multiplicité des modèles.

Ce principe est la clé. Le modèle créé doit être reflété par la première fois que les propriétés du système sont implémentées ou le phénomène qui affectent l'indicateur d'efficacité sélectionné.

Lorsque vous utilisez modèle spécifique Seules certaines parties de la réalité sont étudiées. Pour une étude plus complète de l'objet ou du système, un certain nombre de modèles sont nécessaires pour permettre de côté différent Et avec différents degrés de détails reflètent le processus en question.

Le principe d'agrégation.

Un système complexe peut être représenté comme des agrégats ou des sous-systèmes, pour décrire chacun desquels certaines méthodes mathématiques standard ou modèles d'application peuvent être appropriées. Ce principe vous permet de reconstruire de manière flexible le modèle général du système dans le cadre de la résolution de problèmes résolvés dans le processus de recherche.

Si, dans l'étude des modèles construits, des résultats similaires sont obtenus, l'étude a ensuite été complétée avec succès. Si les résultats diffèrent, il est alors nécessaire de reconsidérer la formulation de la tâche ou de soulever la question de l'adéquation des modèles mathématiques.

Le principe de paramétrisation.

Dans certains cas, le système simulé comporte des sous-systèmes relativement isolés, dont certains paramètres sont caractérisés par certains paramètres pouvant être caractérisés par des valeurs vectorielles. De tels sous-systèmes peuvent être remplacés dans le modèle avec des valeurs numériques appropriées et non pour décrire le processus de leur fonctionnement. La dépendance des valeurs de ces quantités, en fonction de la situation, peut être définie sous la forme d'une table, d'une graphique ou d'une expression analytique. Le principe de paramétrisation permet de réduire le volume de calcul de l'informatique et d'autres travaux, ainsi que le temps de modélisation. Cependant, la paramétrisation peut réduire l'adéquation du modèle.

Le principe de faisabilité.

Il est nécessaire de mesurer la précision des données source et des résultats à obtenir.

Principe de durabilité.

Tout système complexe est toujours soumis à de petites influences externes et internes. Le modèle doit donc être stable, essayer de conserver ses propriétés et sa structure, même en cas de diverses influences.

Le principe de l'adéquation.

Le modèle devrait refléter les caractéristiques essentielles du phénomène à l'étude, alors qu'elle ne devrait pas simplifier grandement les processus à l'étude.

Le degré de mise en œuvre des principes énumérés dans chaque modèle spécifique peut être différent et dépend non seulement du désir du développeur, mais également de respecter la technologie de modélisation.

Lors de la réalisation de calculs d'ingénierie responsables avec des méthodes numériques pour justifier l'exactitude des modèles de règlement, il est recommandé d'appliquer la procédure. vérification et validation du modèleDéveloppé et proposé par les principales organisations mondiales dans le domaine des calculs d'ingénierie - NAFEMS (Association internationale pour la communauté de modélisation d'ingénierie, d'analyse et de simulation) et de l'ASME (Société américaine des ingénieurs mécaniques).

Le chercheur de calculatrice crée systématiquement schéma de calcul Et deux types de modèles sont mathématiques et numériques. Modèle mathématique - représentation mathématique d'un objet ou d'un système réel. Modèle numérique - Code de logiciel qui implémente la représentation d'un objet ou d'un système sous la forme approximative de la description algorithmique comprend un ensemble de données caractérisant les propriétés du système et la dynamique de leur évolution au fil du temps.

En ce qui concerne ces types de modèles pour vérifier leur adéquation, une approche est utilisée verification ET VALIDATION. La vérification est effectuée dans le domaine des mathématiques et de la validation - dans le domaine de la physique.

Vérification

La vérification est le processus d'établissement de la conformité entre le modèle numérique et le modèle mathématique.

Comme suit cette définitionLe processus de vérification vous permet d'obtenir la confiance dans l'exactitude du modèle numérique. Le processus de vérification du modèle consiste en deux étapes:

- Vérification du code du programme Pour confirmer que les modèles et algorithmes mathématiques pour les solutions numériques des systèmes d'équations fonctionnent correctement;

- Vérification des calculs Pour confirmer que la discrétion de la zone calculée est effectuée correctement et la solution discrète avec le degré de précision requis correspond au modèle mathématique.

Vérification du code du programme

Holding vérification du logiciel de programme Fait référence au domaine de la responsabilité du développeur de logiciels, qui devrait utiliser des techniques modernes et des systèmes de gestion de la qualité, tout en effectuant des tests approfondis de chaque version du code de programme.

Les utilisateurs de logiciels doivent également décharger qu'ils portent une partie de la responsabilité de la vérification du code du programme, même dans les cas où ils n'ont pas accès au code source. L'un des moyens courants de vérifier que le code du programme consiste à comparer les résultats du calcul avec une solution analytique. Une telle comparaison est la principale façon de tester personnalisée. Malheureusement, la complexité de la plupart des solutions analytiques disponibles de défis de physique rend difficile l'utilisation même pour relativement caractéristiques standards La plupart des logiciels commerciaux modernes. Une comparaison de solutions numériques et analytiques n'est possible que pour des tâches simples et de test.

Vérification des calculs

Le deuxième composant du processus de vérification est vérification des calculs - Détermination de la précision de la solution numérique pour un échantillonnage donné de la zone calculée. Solutions numériques et analytiques a priori. diffèrent depuis que la solution discrète n'est qu'une approximation analytique. Par conséquent, l'objectif de vérification des calculs est d'établir une valeur d'erreur quantitative pour un modèle discret donné.

Une erreur liée à la discrétisation est la plus souvent déterminée en comparant la solution numérique résultante avec d'autres solutions numériques sur deux modèles distincts supplémentaires (grilles de calcul) avec une taille de cellule réduite (élément). Le but de comparer des solutions sur diverses grilles est la définition solution de convergence pratique Dans le domaine d'intérêt pour la région. La responsabilité principale de la vérification des calculs réside avec le chercheur de l'utilisateur produit logiciel. Bien que le développeur de code de programme devait sans aucun doute être responsable de l'exactitude des algorithmes développés, il ne peut être tenu responsable du fait que le maillage calculé (modèle discret) créé par l'utilisateur sera suffisamment qualitatif pour atteindre une précision algorithmique. Ainsi, pour les erreurs dans les calculs en raison de la grille de calcul grossière ou incorrecte créée, l'utilisateur du produit logiciel est entièrement répondu. Des études insuffisantes sur la sensibilité d'une solution numérique à la taille de l'élément de la grille calculée sont l'omission la plus courante de chercheurs pendant les calculs par des méthodes numériques, malgré le fait que cette technique La vérification est assez simple pour la mise en œuvre.

Validation

La validation est le processus de détermination du degré de conformité du modèle calculé d'un objet physique réel dans le cadre de l'utilisation prévue de ce modèle.

Aucune des étapes de vérification ne permet de déterminer comment les modèles sélectionnés sont adéquats à l'objet de l'étude. L'évaluation de la conformité du modèle numérique du monde réel appartient aux tâches de validation, ce qui permet de déterminer la manière dont les phénomènes physiques et les lois inclus par le chercheur dans le modèle calculé correspondent à la formulation de la tâche initiale et sont suffisantes pour obtenir les solutions requises.

La méthode d'interaction entre les disciplines physiques et mathématiques dans le processus de vérification et de validation est définie schématiquement sur la figure.

Après avoir sélectionné le schéma de calcul, le processus de vérification et la validation sont divisés en deux branches. La branche gauche fait référence au domaine de la modélisation mathématique et du droit au domaine de l'expérience physique. En fin de compte, seules les observations physiques peuvent confirmer ou réfuter l'adéquation du schéma de calcul sélectionné et du modèle mathématique pour représenter l'objet de l'étude. Une interaction étroite des ingénieurs en échange et des expérimentateurs est requise à toutes les étapes des procédures de vérification et de validation, car Les modèles mathématiques et physiques vont nécessairement différer. À titre d'exemple simple, considérez la tâche de chargement du faisceau d'origine à une extrémité. Du point de vue des mathématiques, la condition de phoque des limites est triviale, mais il n'existe aucun équipement dans le laboratoire physique offrant un tel phénomène en tant que phénomène complet, en raison de la dureté finale de l'équipement et de la nature tridimensionnelle du physique. modèle, contrairement au modèle mathématique de la poutre. Ainsi, certains éléments du schéma de calcul incluent simplement dans le modèle mathématique et physique, et d'autres sont beaucoup plus compliqués. Comprendre la nature de ces divergences et leur Élimination possible Des calculs préliminaires doivent être effectués, ce qui est reflété dans le schéma.

Il est également extrêmement important que les résultats de l'expérience ne soient pas connus dans les calculatrices à l'avance avant que la solution numérique ne soit obtenue. La principale raison est de s'assurer que les "caractéristiques prédictives du modèle numérique. Si les résultats de l'expérience sont connus pour calculer à l'avance que le modèle sera le désir de "configurer" le modèle pour un résultat spécifique. Cela réduit le niveau de confiance dans le modèle numérique.

De plus, il est important de noter que le rôle de l'incertitude et, par conséquent, la répétabilité des réductions est importante dans la modélisation et l'expérience. On s'attend à ce que, lors de la réalisation de la même expérience, les résultats doivent être corrélés entre eux dans une certaine mesure. Le degré de corrélation doit être mesuré. De même, tout modèle numérique contient un certain nombre de paramètres (par exemple, les propriétés des matériaux), qui sont dans le monde réel non déterministe et des valeurs stochastiques. En conséquence, lors de la conduite de simulation numérique, il est nécessaire d'évaluer la sensibilité de la solution à l'incertitude des données source.

Dans la préparation du site de matériel d'article utilisé www.nafems.org

Envoyez votre bon travail dans la base de connaissances est simple. Utilisez le formulaire ci-dessous

Étudiants, étudiants diplômés, jeunes scientifiques qui utilisent la base de connaissances dans leurs études et leur travail vous seront très reconnaissants.

Publié sur http://www.allbest.ru/

Travail de cours

Par discipline "Modélisation de la simulation»

Sur le sujet: "Validation et vérification du modèle de simulation»

introduction

2. Validation

Conclusion

introduction

La qualité de l'information est l'un des paramètres les plus importants pour le consommateur d'informations. Il est déterminé par les caractéristiques suivantes:

Représentativité - L'exactitude de la sélection des informations afin de refléter de manière adéquate la source d'informations.

La suffisance (complète) est la composition minimale, mais suffisante des données pour atteindre les objectifs que le consommateur de l'information poursuit.

Disponibilité - Simplicité (ou possibilité) Procédures d'exécution pour obtenir et convertir des informations.

Pertinence - dépend de la dynamique des modifications apportées aux caractéristiques des informations et est déterminée en maintenant la valeur des informations pour l'utilisateur au moment de son utilisation.

En temps opportun - Reçu au plus tard la période désignée.

La précision est le degré de proximité de l'état réel de la source d'informations.

Fiabilité - La propriété d'informations reflète la source d'informations avec la précision nécessaire.

Stabilité - capacité d'information à répondre aux modifications des données source sans violer la précision nécessaire.

Les problèmes d'obtention d'informations de qualité à la suite d'une expérience de simulation surviennent et avant des experts dans le domaine de la simulation.

Les modèles de simulation deviennent de plus en plus utilisés dans le processus de résolution des problèmes et de la prise de décision. Le fait que le modèle et les résultats obtenus avec ce soient fidèles soient pleinement intéressés par les développeurs du modèle, ses utilisateurs et ses décideurs et des personnes qui affectent les décisions prises sur la base de ce modèle. Cet intérêt fait principalement référence à la vérification et à la validation du modèle. Sous la vérification, il comprend le plus souvent la vérification de l'exactitude de la conversion d'un modèle de simulation conceptuelle dans le modèle logiciel, sous validation - vérifiant l'exactitude de son comportement et représentant le modèle conceptuel. Les modèles d'imitation sont largement utilisés dans le département de la défense des États-Unis. Ces dernières années, le ministère de la Défense témoigne de l'intérêt pour la vérification, la validation et les concepts appelés accréditation (VV & A- Validation, trafic et accréditation). L'accréditation est définie comme "les tests officiels que le modèle, la simulation ou la combinaison de modèles et de simulations sont admissibles à une utilisation dans un but spécifique".

L'accréditation est un certificat officiel (sponsor de projet) que le modèle de simulation est applicable à cette tâche. Le ministère de la Défense a appuyé le concept d'accréditation, car une personne devrait être chargée de prendre une décision sur la possibilité d'utiliser le modèle de cette tâche - de grandes quantités d'argent et de vie des personnes en dépendent.

Selon l'un des principes de test, le test complet des systèmes de simulation est impossible (Balci). Les tests exhaustifs (complets) nécessitent des tests de systèmes de simulation avec toutes les valeurs possibles des paramètres d'entrée. Les combinaisons de valeurs possibles des paramètres d'entrée pour les systèmes de simulation au cours de l'exécution du programme peuvent entraîner des millions de chaînes logiques. Mais en raison de restrictions temporaires et monétaires, tester l'exactitude d'un nombre aussi grand nombre de chaînes logiques est impossible.

Par conséquent, on peut dire que "le seul manière existante Les tests exhaustifs teste jusqu'à ce que les testeurs épuisaient toutes leurs forces. "

Par conséquent, le but de tester les systèmes de modélisation de la simulation consiste à accroître la confiance dans l'exactitude du système dans la mesure où celle-ci est dictée par l'utilisation prévue du système et des objectifs du projet, et non une tentative de tester pleinement la simulation. système.

Malgré le fait qu'il existe plus de 100 méthodes de vérification et de validation, en raison de restrictions temporaires et de ressources, seul un ensemble de méthodes très limité est utilisé pour tester des systèmes de modélisation de la simulation. Des tests limités ne permettent pas de prouver une précision suffisante des systèmes de simulation. Étant donné que l'utilisation de la seule validation a des limitations bien connues, certains chercheurs proposent d'utiliser l'évaluation de l'exactitude ainsi que les caractéristiques de la qualité des modèles d'imitation.

modèle de simulation de validation de vérification

1. Étapes de la modélisation d'imitation

Le processus de construction de modèles d'imitation est une exécution séquentielle des étapes de la simulation. Ces étapes du processus de simulation sont données dans le livre de A. Picker:

Formulation du problème - Description du problème à l'étude et la définition des objectifs de recherche.

Développement de modèle - Description de la logique-mathématique du système simulé conformément au libellé des problèmes.

Préparation des données - identification, spécification de données.

Traduction du modèle - Traduction du modèle dans une langue acceptable pour l'ordinateur utilisé

Vérification du modèle - Établir l'exactitude des programmes de machines

La validation du modèle est une évaluation de la précision et de la conformité requises au modèle de simulation du système réel.

La planification stratégique et tactique consiste à déterminer la condition de mener une expérience de machine avec un modèle de simulation.

L'expérimentation est une analyse du modèle d'imitation sur un ordinateur pour obtenir les informations requises.

Analyse des résultats - L'étude des résultats a une modélisation pour préparer les conclusions à résoudre le problème.

Les étapes ci-dessus de l'étude de simulation sont rarement réalisées dans une séquence strictement donnée, en commençant par la définition du problème et se terminant par la documentation. Au cours de l'étude de simulation, il peut y avoir des défauts dans les modèles du modèle, des hypothèses erronées à partir de laquelle doivent refuser plus tard, reformuler les objectifs de l'étude. C'est à chaque étape, il est possible de revenir aux étapes précédentes. C'est un tel processus itératif qui permet d'obtenir un modèle qui vous permet de prendre des décisions. Considérez plus en détail les étapes de la vérification et de la validation du modèle de simulation. Le processus simplifié de développement d'un modèle de simulation est illustré à la Fig ..

Considérez plus en détail les étapes de la vérification et de la validation du modèle de simulation. Ces étapes sont associées à l'évaluation du fonctionnement du modèle de simulation. À la phase de vérification, il est déterminé si le modèle programmé correspond au plan du développeur. La définition de l'adéquation du modèle de simulation est effectuée à la phase de validation. La validation du modèle est généralement effectuée à différents niveaux (par exemple, au niveau d'entrée, éléments de modèle, sous-systèmes et leur interconnexion). La vérification de l'adéquation du modèle comprend une comparaison de sa structure avec la structure du système, en comparant les fonctions élémentaires et les roues du modèle et du système.

Il existe des méthodes de validation spéciales (par exemple, en estimant la sensibilité des données de sortie à la variation des valeurs d'entrée), divers paradigmes, approches et techniques. Considérer certains d'entre eux. Mais avant d'essayer de donner les définitions principales, à savoir, nous considérons plus en détail les différentes approches de la validation, puis l'algorithme de construction d'un modèle valide proposé par LO.

2. Validation

Ainsi, la validation est le processus de détermination de savoir si le modèle de simulation est une représentation précise de ce système pour une tâche spécifique. Il y a plusieurs points de vue sur la validation:

Le modèle valide peut être utilisé pour prendre des décisions similaires à ceux qui ont été adoptés sur un système réel et peu coûteux.

La complexité du processus de validation dépend de la complexité du système simulé, ainsi que de déterminer s'il existe un véritable système. Par exemple, la validation du modèle bancaire adjacent est relativement simple, ce modèle de la banque adjacente peut être bien étendu. Mais la validation complète du modèle du système d'arme maritime en 2025 est en fait impossible en raison du fait que ni le lieu de la bataille, ni l'arme ennemie. Vous pouvez également collecter des données sur le système existant pour créer et valider le modèle.

Le modèle de simulation d'un système complexe ne peut être qu'une approximation d'un système réel, quel que soit le temps et l'argent consacrés à sa création. Il y a absolument modèles précisPeu importe combien je voulais. Le modèle est une abstraction, simplifiant le système réel. Plus le temps (et donc et les coûts financiers) est maintenu dans le développement du modèle, plus il sera valide en général le modèle. Mais le modèle le plus valide n'est pas nécessairement le plus rentable. Par exemple, comme pour améliorer la validité du modèle à un certain niveau, il peut être nécessaire de collecter des données détaillées, une telle amélioration peut être suffisamment coûteuse. Mais dans le même temps, une telle amélioration de la validité peut ne pas conduire à une prise de décision, ce qui est nettement meilleur que celui existant.

Le modèle de simulation doit toujours être développé pour un ensemble spécifique de tâches. En fait, le modèle, valable pour une tâche, peut ne pas être valide pour une autre tâche.

La validation ne doit pas être effectuée après la fin du développement du modèle de simulation, sous réserve de la présence de temps et de moyens. Malheureusement, dans la pratique, cette recommandation n'est pas toujours effectuée.

Chaque fois que le modèle de simulation s'applique à une autre tâche, il est nécessaire de revérifier la validité de ce modèle. Cette tâche Il peut différer de manière significative à partir du premier ou des paramètres de modèle peuvent changer.

Le modèle de simulation et les résultats de son exécution sont fiables si le décideur et d'autres spécialistes de projets de premier plan l'ont accepté comme "précis".

Notez que le modèle fiable n'est pas toujours valide et au contraire, le modèle valide n'est pas toujours fiable. Pour simplifier la définition de la fiabilité du modèle, il est nécessaire:

Comprendre et prendre une décision de la décision des hypothèses de modèle.

La démonstration du fait que la validation et la vérification du modèle a été effectuée (c'est-à-dire que le programme est débogué).

Participation et responsabilité du projet de décideur.

Réputation "84 développeurs du modèle.

Bonne animation.

3. Approche pour gérer une étude système réussie par des méthodes de simulation

En figue. Les étapes de la construction d'un modèle de simulation sont présentées (elles ont déjà été présentées plus tôt). De plus amples détails Considérons A. Recommandations Lowe pour chacune des étapes. Les informations ci-dessous sont utilisées par A. Faible lors de la lecture des cours de cours.

Étapes de la recherche du modèle de simulation

Étape 1. Référence de tâche

* La tâche est formulée par la décision de la décision

La tâche peut être formulée floue ou seulement à un niveau qualitatif.

Typiquement, la tâche est formulée de manière itérative.

* La réunion organisationnelle de ces projets est dirigée par le chef de projet, en présence d'un analyste dans le domaine de la simulation et de l'expert dans ce domaine. Les dispositions suivantes sont discutées lors de la réunion:

Objectifs de recherche généraux.

Des questions spécifiques à répondre au cours de l'étude (sans ces spécificités, il est impossible de déterminer le niveau de détail nécessaire).

Critères de qualité utilisés pour déterminer l'efficacité de diverses configurations de système.

Dimensions du système.

Configuration simulée du système.

Étudier le cadre temporaire et les ressources nécessaires (personnes, ordinateurs, etc.)

Étape 2. Collecte de données et création de modèles conceptuels

* Recueillir des informations sur la mise en page et la méthode de fonctionnement du système.

* Collecte de données pour déterminer les paramètres de la distribution du modèle et de la probabilité (par exemple, pour le moment des échecs et du temps de récupération de temps).

* Documentation des hypothèses de modèle, des algorithmes, résumé données sur un modèle conceptuel écrit.

* Le niveau de modèle de détail doit dépendre de ce qui suit:

Objectifs de projet

Critère de résolution du problème

Disponibilité des données

Restrictions techniques

Opinions d'experts dans ce domaine

Limitations temporaires et financières

Entre le modèle et le système, il ne devrait y avoir aucun ratio un à un.

Degré de fiabilité.

Collecte de données sur les caractéristiques de performance (sortie) sur la base du système existant (si tel existe) pour une validation de modèle ultérieure à l'étape 5.

Étape 3. Détermination de la validité du modèle conceptuel

* Modèle conceptuel de visualisation structuré en présence du chef de projet, Analytics et Expert. Cette vue s'appelle la validation du modèle conceptuel.

* Si des erreurs ou des omissions sont révélées dans le modèle de concept, qui est presque toujours détectée, puis avant de commencer l'étape de programmation, vous devez mettre à jour le modèle.

Étape 4. Modélisation du modèle

* Modèle de programmation sur des packages commerciaux pour simulation ou dans des langages de programmation universelle (par exemple, C, C ++ ou Java).

* Vérifiez (onglet).

Étape 5. Définir la validité du modèle programmé

* S'il y a un système réel, vous devez comparer la sortie du modèle de simulation avec les données de sortie correspondantes du modèle réel (voir étape 2). Ce processus s'appelle la validation des résultats.

* Qu'il s'agisse d'un système réel ou non, un analyste anti-simulation et un expert dans ce domaine devraient considérer les résultats de la modélisation à l'exactitude. Si les résultats sont conformes à ce qu'ils devraient être dans le système réel, ils disent que le modèle de simulation a une validité externe (faciale).

* Pour déterminer les paramètres du modèle, surtout affectant les critères de qualité, il est nécessaire d'analyser la sensibilité. Les paramètres obtenus nécessitent une modélisation plus approfondie.

Étape 6. Conception, gestion et analyse des expériences

* Pour chaque configuration système étudiée, vous devez sélectionner des paramètres temporaires (sorties) tels que les heures de travail, le temps de réchauffement du système et le nombre de réplications indépendantes du modèle.

* Analysez les résultats et décidez si des expériences supplémentaires sont nécessaires.

Étape 7. Documentation et présentation des résultats de la modélisation

* La documentation du modèle (et de la recherche associée) devrait inclure un modèle conceptuel (nécessaire pour une nouvelle réutilisation du modèle), une description détaillée du programme et des résultats de cette étude.

* Pour augmenter la fiabilité du modèle, la présentation finale de l'étude devrait inclure une animation et une description de la discussion sur le processus de construction / validation du modèle.

Conclusion

La validation de tous les modèles d'imitation est nécessaire, sinon les décisions prises sur la base de ces modèles seront incorrectes. Vous trouverez ci-dessous les idées les plus importantes pour développer des modèles valides et fiables:

Problème de formulation précis.

Entretien avec des experts dans ce domaine.

Interaction constante d'une personne qui prend des décisions avec les participants au projet, qui garantit l'exactitude de la tâche résolue et augmente également la fiabilité du modèle.

Développement d'un modèle conceptuel écrit.

Modèle conceptuel de vue structuré. S'il n'y a pas de système réel, cela peut être la seule méthode de validation.

Appliquer une analyse de sensibilité pour déterminer les paramètres système les plus importants (essentiels).

Utilisation du test Turing pour comparer la sortie du modèle et du système.

Vérifiez les résultats du système et de l'animation sur l'exactitude.

Liste des littérature d'occasion

1. Low, A. Imitation Modélisation / A. Lowe, V. Celton. - Saint-Pétersbourg. : Peter, 2004.

2. Ryzhikov, Yu.i. Simulation. Théorie et technologie / Yu.I. Ryzhkov. - Saint-Pétersbourg: Impression de la Couronne, 2004.

3. Soviétiques, B.ya. Modélisation du système: Atelier / B.ya. Soviétiques, S.A. Yakovlev. - M.: plus haut. Shk., 2005.

4. Shreiber, T. J. Simulation sur GPSS / T.J. Schreiber - M .: Génie mécanique, 1980.

5. Harin Yu.S. Principes de base de la simulation et de la modélisation statistique. Didacticiel/ Yu.S. HARIN, V.I. Malyugin, V.P. Kirlitsa et autres - Mn.: Design Pro, 1997.

6. KUDRYAVSTV E.M. GPSS World. Principes fondamentaux de la simulation divers systèmes/ MANGER. Kudryavtseb. - M.: DMK, 2004.

7. Maxime I.v. Simulation sur ordinateur / i.v. Maxima. - M .: Radio et Communication, 1988.

8. Exigences méthodiques pour le contenu et la conception papiers à terme/ L.p. Harlap, m. Sibogatova. - Gomel, BTU, 2004. (Met. №1365)

9. Atelier de laboratoire sur la modélisation de la simulation / Eskova O.I. - Multiplied Matériaux à Kaab 3-35.

Posté sur allbest.ru.

...

Documents similaires

    Créer un modèle mathématique d'un système de service de masse sur l'exemple de la banque. Développement d'un modèle de simulation en langage de programmation C ++. Diagramme de blocs de programme, Traduction du modèle en langage de programmation. Vérification et validation du modèle de simulation.

    cours, ajouté 01.06.2015

    Le concept de vérification de la modélisation logiciels d'ordinateur. Classification des modèles mathématiques. Langues de programmation utilisées pour les programmes de modélisation de simulation. Méthodes de recherche systèmes réels. Méthodes d'augmentation de la validation et de la confiance dans le modèle.

    feuille de triche, ajoutée 02.10.2013

    Développement du modèle de simulation «Crossroads» pour analyser les processus métier de l'entreprise et la prise de décision dans des conditions difficiles. Algorithme pour la construction d'un modèle de simulation basé sur le cas. Vue d'ensemble du logiciel pour la simulation.

    thèse, ajoutée le 21/22/2015

    Connaissance avec les concepts modernes des systèmes de modélisation des bâtiments. Caractéristiques des principales méthodes de simulation de simulation. Traduction de l'algorithme au langage de programmation. Le concept et les étapes de la vérification: établir l'exactitude du programme de la machine.

    cours, ajouté 30.03.2011

    Le processus de modélisation du modèle d'imitation du fonctionnement de la classe ordinateur personnel Dans GPSS World Lance. Recherche de dépendance linéaire et d'évaluation de l'équation obtenue. Rapport sur les résultats des travaux du modèle de simulation. Inscription Programme développé.

    travaux de cours, ajouté 07.09.2012

    Le concept de modèle informatique et les avantages de la modélisation informatique. Le processus de construction d'un modèle de simulation. L'histoire de la création du système mondial GPSS. Analyse de la tâche en passant par le tourniquet au stade au moyen d'une langue de simulation GPSS.

    coursework, ajouté 01/11/2012

    Principes de base de la technologie de modélisation Arena. Construire un modèle de simulation simple. Modélisation du système de service du service clientèle à la caisse de supermarché. Modèle IDEF3 de construction. Analyse des résultats de la simulation et de la solution analytique.

    cours, ajouté 24.03.2012

    Base terminologique pour la construction d'un modèle imite le fonctionnement des minibus de route. Justification du choix logiciel. L'algorithme du modèle d'imitation, les caractéristiques de son fonctionnement. Analyse des résultats du modèle d'imitation.

    travaux de cours, ajouté le 24/04/2014

    Construction d'un modèle conceptuel et d'une méthode de simulation. Détermination des variables des équations du modèle mathématique et de la construction d'un algorithme de modélisation. Une description de l'amélioration possible du système et de la version finale du modèle avec les résultats.

    travaux de cours, ajouté le 06/25/2011

    Caractéristiques générales de l'atelier "Vita", un schéma du modèle du flux de travail. Étude système spécifié Utilisation de la modélisation des séries dynamiques, des modèles tels que "Système d'intérieur de masse". Construire un modèle de simulation de l'activité de ce studio.

Avez-vous aimé l'article? Partager avec des amis:
Vous pouvez aussi être intéressé