Pagmomodelo gamit ang simulation

Imitasyon na pagmomodelo (Ingles: simulation modeling) — ito ay isang paraan ng pananaliksik kung saan ang tunay na sistema ay pinapalitan ng modelo nito, na sapat na tumpak na nagpapareplika ng istruktura at gawi ng sistema. Sa pangkalahatang kaso, ang imitasyon na modelo ay nauunawaan bilang isang software na sistema (computer model) na nagbibigay-daan sa pagsasagawa ng mga computational na eksperimento: ang "pagpapatakbo" ng modelo sa computer sa iba't ibang hanay ng mga input na parameter at pagsusuri ng mga nakuhang resulta.

Ang layunin ng ganitong pagmomodelo ay ang pag-unawa sa mga katangian ng pinag-aaralang sistema o pagtatasa ng mga kahihinatnan ng iba't ibang estratehiya ng paggana nito nang hindi direktang nagsasagawa ng mga eksperimento sa tunay na bagay. Ang paraan ay itinuturing na isang partikular na kaso ng mathematical modeling, na nagpapahiwatig na ang analytical (formula-based) na solusyon ng problema ay hindi kilala, o masyadong kumplikado para makuha. Ang imitasyon na modelo ay nagpapareplika ng daloy ng mga proseso sa paglipas ng panahon, kadalasan nang may kinalaman ang mga random na salik, at nagbibigay-daan sa pagkuha ng mga numerical na pagtatasa ng mga katangian ng sistema sa pamamagitan ng statistical na pagproseso ng mga resulta ng maraming ulit na pagpapatakbo ng modelo.

Mga pangunahing katangian at teorema

Ang imitasyon na pagmomodelo, hindi tulad ng analytical, ay nagbibigay ng resulta sa anyo ng isang hanay ng mga numerical na realipasyon, at hindi bilang isang tahasang pormula. Kaya naman, upang makakuha ng maaasahang impormasyon tungkol sa pinag-aaralang sistema, kinakailangang magsagawa ng serye ng mga eksperimento gamit ang modelo at iproseso ang mga resulta nang istatistikal.

Mga istatistikal na pundasyon

• Batas ng malalaking bilang: Ang pinakamahalagang katangian na nasa pundasyon ng paraan. Ayon sa batas na ito, habang tumataas ang bilang ng mga independyenteng pagpapatakbo ng modelo (bilang ng mga random na realipasyon), ang mga average na halaga ng mga output na katangian ay nagtutungo sa kanilang mga teoretikal na mathematical na inaasahan.
• Central Limit Theorem: Ang resultang ito ay nagpapahintulot sa pagtatasa ng katumpakan ng mga resulta ng imitasyon. Sinasabi nito na ang paglihis ng average na halaga na nakuha mula sa $N$ na mga independyenteng pagpapatakbo mula sa tunay na average na halaga ay humigit-kumulang proporsyonal sa $1/\sqrt{N}$. Binibigyan nito ng kakayahan ang pagbuo ng mga confidence interval para sa mga nakuhang pagtatasa.
• Batas ni Little: Sa teorya ng queuing, ang batas na ito ($\bar{L}=\lambda \bar{W}$) ay nag-uugnay ng average na bilang ng mga kahilingan sa sistema ($\bar{L}$), ang intensity ng kanilang pagdating ($\lambda$) at ang average na oras ng pananatili sa sistema ($\bar{W}$). Ito ay nagsisilbing mahalagang kasangkapan para sa verification (pagsusuri ng kawastuhan) ng mga imitasyon na modelo ng pila.

Mga pangunahing paradigma ng pagmomodelo

Sa imitasyon na pagmomodelo, ilang mga diskarte ang nakikilala, na nagkakaiba sa antas ng abstraksiyon at uri ng pinag-aaralan na proseso.

• Discrete-Event Simulation, DES — Discrete-Event na Pagmomodelo: Nakatuon sa mga pangyayari na nagbabago ng estado ng sistema sa mga discrete na sandali ng panahon (halimbawa, pagdating ng kliyente o pagtatapos ng serbisyo). Ito ang dominanteng paradigma sa operations research para sa pagsusuri ng mga queuing system, mga logistics chain at mga linya ng produksyon.
• System Dynamics, SD — Dynamics ng Sistema: Gumagamit ng mga pinagsama-samang variable at nagmomodelo ng tuluy-tuloy na dynamics ng mga sistema sa pamamagitan ng paglutas ng mga sistema ng differential equation. Angkop para sa pagsusuri ng mga kumplikadong sosyo-ekonomikong sistema.
• Agent-Based Modeling, ABM — Pagmomodelo Batay sa Ahente: Itinuturing ang sistema bilang isang koleksyon ng mga autonomous na bagay (ahente), bawat isa ay kumikilos ayon sa mga itinakdang patakaran. Ang pandaigdigang gawi ng sistema ay lumilitaw bilang resulta ng pakikipag-ugnayan ng maraming ahente. Ginagamit para sa pagmomodelo ng mga sosyal na sistema, epidemya at mga pamilihan.

Sa modernong kasanayan, madalas na ginagamit ang mga multiparadigm na kasangkapan (halimbawa, AnyLogic), na nagpapahintulot sa pagsasama ng mga diskarteng ito sa isang modelo.

Mga Halimbawa

Halimbawa 1: Queuing system na M/M/1

Isaalang-alang ang isang sistema na may isang serbisyo channel, Poisson flow ng mga kahilingan na may intensity na $\lambda$ at exponential na oras ng serbisyo na may intensity na $\mu$ ($\lambda <\mu$). Analytically, kilala na ang average na haba ng pila sa stationary mode ay katumbas ng $L={\rho }^2/(1-\rho )$, kung saan $\rho =\lambda /\mu$. Ang imitasyon na modelo ng naturang sistema, pagkatapos ng pagpapatakbo ng sapat na bilang ng mga kahilingan, ay magpapakita ng empirical na average na halaga ng haba ng pila na malapit sa teoretikal. Halimbawa, sa $\lambda =2$ at $\mu =3$ ang teoretikal na halaga ay $L=4$. Ang resulta ng imitasyon ay maaaring magbigay ng $\bar{L}\approx 3.98$, na nagpapatunay sa kawastuhan ng modelo.

Halimbawa 2: Paraan ng Monte Carlo para sa pagkalkula ng bilang na π

Ang paraan ng Monte Carlo ay isang partikular na kaso ng imitasyon na pagmomodelo. Para sa pagtatasa ng bilang na π, maaaring isulat ang isang quarter ng bilog na may radius na 1 sa isang unit square. Pagkatapos, isang malaking bilang ng $N$ na mga punto ang "itatapon" nang random sa loob ng square na ito. Ang ratio ng bilang ng mga puntong nahulog sa loob ng quarter ng bilog ($K$) sa kabuuang bilang ng mga punto na $N$ ay magiging halos katumbas ng ratio ng kanilang mga lugar: $K/N\approx (\pi \cdot 1^2/4)/1^2=\pi /4$. Mula rito, $\pi \approx 4K/N$. Ang diskarteng ito ay malawakang ginagamit para sa paglutas ng mga multidimensional na integral na problema at sa probabilistic na pagsusuri.

Paggamit sa operations research

Ang imitasyon na pagmomodelo ay isa sa mga pangunahing kasangkapan ng operations research, lalo na kapag ang sistema ay masyadong kumplikado para sa analytical na solusyon. Tradisyonalmente, ito ay itinuturing na "paraan ng huling pag-asa", ngunit ang pag-unlad ng computing technology ay ginawa itong isang karaniwang at makapangyarihang kasangkapan para sa paglutas ng mga ganitong gawain, tulad ng:

• Produksyon at logistics: pagsusuri ng mga linya ng produksyon, pamamahala ng imbentaryo, pagdidisenyo ng mga bodega at network ng transportasyon.
• Sektor ng serbisyo: pag-optimize ng trabaho ng mga call center, ospital (pagmomodelo ng mga daloy ng pasyente), mga bangko.
• Ekonomiya at pananalapi: pagsusuri ng mga proseso ng negosyo, pagtatasa ng panganib, pagmomodelo ng galaw ng mga presyo ng mga financial asset.
• Digital Twin — Digital na Kambal: isang modernong direksyon kung saan isang patuloy na ina-update na imitasyon na modelo ng isang partikular na pisikal na bagay (makina, sasakyan, gusali) ay nililikha, na sabay na nakatanggap ng datos mula sa tunay na bagay. Nagbibigay-daan ito sa real-time na paghula ng gawi at pag-optimize ng pamamahala.

Tingnan din

• Discrete-Event na Pagmomodelo
• Pagmomodelo Batay sa Ahente
• Dynamics ng Sistema
• Paraan ng Monte Carlo
• Operations Research
• Eksperimentong Kompyutasyon

Mga tala

</references>