Modelare prin simulare

Modelare prin simulare (engl. simulation modeling) — este o metodă de cercetare în care sistemul real este înlocuit cu un model al său, care reproduce cu suficientă precizie structura și comportamentul sistemului. În cazul general, prin model de simulare se înțelege un sistem software (model computerizat) cu ajutorul căruia pot fi efectuate experimente de calcul: „rularea" modelului pe calculator cu diferite seturi de parametri de intrare și analiza rezultatelor obținute.

Scopul unei astfel de modelări este înțelegerea proprietăților sistemului studiat sau evaluarea consecințelor diferitelor strategii de funcționare a acestuia fără experimente directe pe obiectul real. Metoda este considerată un caz particular al modelării matematice, presupunând că soluția analitică (prin formule) a problemei fie nu este cunoscută, fie este prea dificil de obținut. Modelul de simulare reproduce desfășurarea proceselor în timp, adesea cu participarea factorilor aleatori, și permite obținerea de evaluări numerice ale caracteristicilor sistemului prin prelucrarea statistică a rezultatelor din multiple rulări ale modelului.

Proprietăți cheie și teoreme

Modelarea prin simulare, spre deosebire de cea analitică, furnizează rezultatul sub forma unui set de realizări numerice, nu a unei formule explicite. Prin urmare, pentru a obține informații fiabile despre sistemul studiat, este necesar să se efectueze o serie de experimente cu modelul și să se prelucreze rezultatele statistic.

Bazele statistice

• Legea numerelor mari: Proprietatea fundamentală pe care se bazează metoda. Conform acestei legi, odată cu creșterea numărului de rulări independente ale modelului (numărului de realizări aleatorii), valorile medii ale caracteristicilor de ieșire tind spre speranțele lor matematice teoretice.
• Teorema limită centrală: Acest rezultat permite evaluarea preciziei rezultatelor simulării. El afirmă că abaterea valorii medii obținute în cursul $N$ rulări independente față de valoarea medie reală este aproximativ proporțională cu $1/\sqrt{N}$. Aceasta oferă posibilitatea de a construi intervale de încredere pentru estimările obținute.
• Legea lui Little: În teoria cozilor de așteptare, această lege ($\bar{L}=\lambda \bar{W}$) leagă numărul mediu de solicitări din sistem ($\bar{L}$), intensitatea sosirii acestora ($\lambda$) și timpul mediu de ședere în sistem ($\bar{W}$). Ea servește drept instrument important pentru verificarea (testarea corectitudinii) modelelor de simulare a cozilor.

Paradigmele principale ale modelării

În modelarea prin simulare se disting mai multe abordări, care diferă prin nivelul de abstractizare și tipul procesului considerat.

• Modelare cu evenimente discrete (engl. Discrete-Event Simulation, DES): Se concentrează pe evenimentele care modifică starea sistemului în momente discrete de timp (de exemplu, sosirea unui client sau finalizarea deservirii). Este paradigma dominantă în cercetarea operațională pentru analiza sistemelor de servire în masă, lanțurilor logistice și liniilor de producție.
• Dinamica sistemelor (engl. System Dynamics, SD): Operează cu variabile agregate și modelează dinamica continuă a sistemelor prin rezolvarea sistemelor de ecuații diferențiale. Este potrivită pentru analiza sistemelor socio-economice complexe.
• Modelare bazată pe agenți (engl. Agent-Based Modeling, ABM): Privește sistemul ca un ansamblu de obiecte autonome (agenți), fiecare acționând după reguli prestabilite. Comportamentul global al sistemului apare ca rezultat al interacțiunii mai multor agenți. Este utilizată pentru modelarea sistemelor sociale, epidemiilor și piețelor.

În practica modernă sunt frecvent utilizate instrumente multi-paradigmă (de exemplu, AnyLogic), care permit combinarea acestor abordări într-un singur model.

Exemple

Exemplul 1: Sistemul de servire în masă M/M/1

Să considerăm un sistem cu un singur canal de servire, un flux Poisson de solicitări cu intensitatea $\lambda$ și un timp de servire exponențial cu intensitatea $\mu$ ($\lambda <\mu$). Analitic, se știe că lungimea medie a cozii în regim staționar este egală cu $L={\rho }^2/(1-\rho )$, unde $\rho =\lambda /\mu$. Modelul de simulare al unui astfel de sistem, după rularea unui număr suficient de solicitări, va arăta o valoare medie empirică a lungimii cozii apropiată de cea teoretică. De exemplu, la $\lambda =2$ și $\mu =3$ valoarea teoretică este $L=4$. Rezultatul simulării poate da $\bar{L}\approx 3.98$, ceea ce confirmă corectitudinea modelului.

Exemplul 2: Metoda Monte Carlo pentru calculul numărului π

Metoda Monte Carlo este un caz particular al modelării prin simulare. Pentru estimarea numărului π se poate înscrie un sfert de cerc cu raza 1 într-un pătrat unitar. Apoi în acest pătrat sunt „aruncate" aleator un număr mare de $N$ puncte. Raportul dintre numărul punctelor care au nimerit în sfertul de cerc ($K$) și numărul total de puncte $N$ va fi aproximativ egal cu raportul ariilor lor: $K/N\approx (\pi \cdot 1^2/4)/1^2=\pi /4$. De aici, $\pi \approx 4K/N$. Această abordare este utilizată pe scară largă pentru rezolvarea problemelor integrale multidimensionale și în analiza probabilistică.

Aplicații în cercetarea operațională

Modelarea prin simulare este unul dintre instrumentele cheie ale cercetării operaționale, în special atunci când sistemul este prea complex pentru o soluție analitică. În mod tradițional era considerată „metoda ultimei resurse", însă dezvoltarea tehnicii de calcul a transformat-o într-un instrument standard și puternic pentru rezolvarea unor sarcini precum:

• Producție și logistică: analiza liniilor de producție, gestionarea stocurilor, proiectarea depozitelor și rețelelor de transport.
• Sectorul serviciilor: optimizarea activității centrelor de apel, spitalelor (modelarea fluxurilor de pacienți), băncilor.
• Economie și finanțe: analiza proceselor de afaceri, evaluarea riscurilor, modelarea mișcării prețurilor activelor financiare.
• Gemeni digitali (engl. Digital Twin): o direcție modernă în care este creat un model de simulare permanent actualizat al unui obiect fizic concret (mașină-unealtă, automobil, clădire), căruia îi sunt transmise sincron date de la obiectul real. Aceasta permite prognozarea comportamentului în timp real și optimizarea managementului.

Vezi și

• Modelare cu evenimente discrete
• Modelare bazată pe agenți
• Dinamica sistemelor
• Metoda Monte Carlo
• Cercetare operațională
• Experiment computerizat