Simulatiemodellering

Simulatiemodellering (Engels: simulation modeling) is een onderzoeksmethode waarbij een reëel systeem wordt vervangen door een model dat de structuur en het gedrag van dat systeem voldoende nauwkeurig reproduceert. In het algemeen verstaat men onder een simulatiemodel een softwaresysteem (computermodel) waarmee rekenkundige experimenten kunnen worden uitgevoerd: het model wordt op de computer 'gedraaid' met verschillende sets invoerparameters, waarna de verkregen resultaten worden geanalyseerd.

Het doel van dergelijke modellering is inzicht te verkrijgen in de eigenschappen van het onderzochte systeem, of de gevolgen van verschillende operationele strategieën te beoordelen zonder directe experimenten op het werkelijke object. De methode wordt beschouwd als een bijzonder geval van wiskundige modellering, waarbij ervan wordt uitgegaan dat een analytische (formule-)oplossing van het probleem ofwel onbekend is, ofwel te complex om te verkrijgen. Een simulatiemodel reproduceert het verloop van processen in de tijd, vaak met inbegrip van toevalscomponenten, en maakt het mogelijk numerieke schattingen van systeemkenmerken te verkrijgen door statistische verwerking van de resultaten van meerdere modeldoorlopen.

Belangrijkste eigenschappen en stellingen

Simulatiemodellering levert, in tegenstelling tot analytische modellering, een resultaat op in de vorm van een reeks numerieke realisaties en niet als een expliciete formule. Om betrouwbare informatie over het onderzochte systeem te verkrijgen, is het daarom noodzakelijk een reeks experimenten met het model uit te voeren en de resultaten statistisch te verwerken.

Statistische grondslagen

• Wet van de grote aantallen: De belangrijkste eigenschap waarop de methode is gebaseerd. Volgens deze wet convergeren, bij een toenemend aantal onafhankelijke modeldoorlopen (het aantal willekeurige realisaties), de gemiddelde waarden van de uitvoerkenmerken naar hun theoretische verwachtingswaarden.
• Centrale limietstelling: Dit resultaat maakt het mogelijk de nauwkeurigheid van simulatieresultaten te beoordelen. Het stelt dat de afwijking van de gemiddelde waarde, verkregen over $N$ onafhankelijke doorlopen, van de werkelijke gemiddelde waarde ongeveer evenredig is met $1/\sqrt{N}$. Dit maakt het mogelijk betrouwbaarheidsintervallen te construeren voor de verkregen schattingen.
• Wet van Little: In de wachtrijtheorie verbindt deze wet ($\bar{L}=\lambda \bar{W}$) het gemiddeld aantal aanvragen in het systeem ($\bar{L}$), de intensiteit waarmee zij binnenkomen ($\lambda$) en de gemiddelde verblijftijd in het systeem ($\bar{W}$). Zij dient als een belangrijk instrument voor de verificatie (correctheidscontrole) van simulatiemodellen van wachtrijen.

Belangrijkste modelleringsparadigma's

Binnen de simulatiemodellering worden verschillende benaderingen onderscheiden, die verschillen in abstractieniveau en type beschouwd proces.

• Discrete-gebeurtenissensimulatie (Engels: Discrete-Event Simulation, DES): Richt zich op gebeurtenissen die de toestand van het systeem wijzigen op discrete tijdsmomenten (bijvoorbeeld de aankomst van een klant of het einde van een dienstverlening). Dit is het dominante paradigma in operations research voor de analyse van wachtrijsystemen, logistieke ketens en productielijnen.
• Systeemdynamica (Engels: System Dynamics, SD): Werkt met geaggregeerde variabelen en modelleert de continue dynamiek van systemen door middel van het oplossen van stelsels differentiaalvergelijkingen. Geschikt voor de analyse van complexe sociaal-economische systemen.
• Agentgebaseerde modellering (Engels: Agent-Based Modeling, ABM): Beschouwt een systeem als een verzameling autonome objecten (agenten), waarbij elk object handelt volgens vastgelegde regels. Het globale gedrag van het systeem ontstaat als resultaat van de interactie tussen de vele agenten. Wordt gebruikt voor het modelleren van sociale systemen, epidemieën en markten.

In de moderne praktijk worden vaak multiparadigma-instrumenten gebruikt (bijvoorbeeld AnyLogic), waarmee deze benaderingen in één model gecombineerd kunnen worden.

Voorbeelden

Voorbeeld 1: Wachtrijsysteem M/M/1

Beschouw een systeem met één bedieningskanaal, een Poisson-aankomststroom met intensiteit $\lambda$ en een exponentiële bedieningstijd met intensiteit $\mu$ ($\lambda <\mu$). Analytisch is bekend dat de gemiddelde wachtrijlengte in de stationaire toestand gelijk is aan $L={\rho }^2/(1-\rho )$, waarbij $\rho =\lambda /\mu$. Een simulatiemodel van een dergelijk systeem zal, na het doorlopen van een voldoende aantal aanvragen, een empirische gemiddelde wachtrijlengte laten zien die dicht bij de theoretische waarde ligt. Bijvoorbeeld, bij $\lambda =2$ en $\mu =3$ is de theoretische waarde $L=4$. Het simulatieresultaat kan $\bar{L}\approx 3.98$ opleveren, wat de correctheid van het model bevestigt.

Voorbeeld 2: Monte Carlo-methode voor de berekening van het getal π

De Monte Carlo-methode is een bijzonder geval van simulatiemodellering. Om het getal π te schatten, kan men een kwartcirkel met straal 1 inschrijven in een eenheidskwadrant. Vervolgens wordt een groot aantal $N$ punten willekeurig 'gegooid' in dit kwadrant. De verhouding van het aantal punten dat binnen de kwartcirkel valt ($K$) tot het totale aantal punten $N$ zal bij benadering gelijk zijn aan de verhouding van hun oppervlakten: $K/N\approx (\pi \cdot 1^2/4)/1^2=\pi /4$. Hieruit volgt: $\pi \approx 4K/N$. Deze aanpak wordt op grote schaal gebruikt voor het oplossen van meerdimensionale integraalvraagstukken en in probabilistische analyses.

Toepassing in operations research

Simulatiemodellering is een van de belangrijkste instrumenten in operations research, met name wanneer een systeem te complex is voor een analytische oplossing. Traditioneel werd het beschouwd als de 'methode van de laatste hoop', maar de ontwikkeling van de computertechnologie heeft het uitgegroeid tot een standaard en krachtig instrument voor het oplossen van vraagstukken zoals:

• Productie en logistiek: analyse van productielijnen, voorraadbeheer, ontwerp van magazijnen en transportnetwerken.
• Dienstverlening: optimalisatie van de werking van callcenters, ziekenhuizen (modellering van patiëntenstromen), banken.
• Economie en financiën: analyse van bedrijfsprocessen, risicobeoordeling, modellering van prijsbewegingen van financiële activa.
• Digitale tweelingen (Engels: Digital Twin): een moderne ontwikkeling waarbij een voortdurend bijgewerkt simulatiemodel van een specifiek fysiek object (een machine, voertuig, gebouw) wordt gecreëerd, dat synchroon gegevens ontvangt van het werkelijke object. Dit maakt het mogelijk om in realtime gedrag te voorspellen en het beheer te optimaliseren.

Zie ook

• Discrete-gebeurtenissensimulatie
• Agentgebaseerde modellering
• Systeemdynamica
• Monte Carlo-methode
• Operations research
• Computerexperiment

Noten

</references>