Cтраница 3
Имитационное моделирование должно обеспечить выбор оптимального технологического режима функционирования. С созданием математических моделей, имитирующих процессы теплоснабжения, в рамках любой АСУ ТП теплоснабжающего предприятия появляется возможность расширить список решаемых задач и охватить наиболее сложные функции управления. Решение этих задач возможно только с помощью математических моделей и ЭВМ. Создание математических моделей на основе физических законов сохранения позволяет имитировать поведение СЦТ в процедурах планирования и оперативного управления. Такие модели должны составить основу математического и программного обеспечения АСУ ТП СЦТ. [31]
Имитационное моделирование можно - выполнять для простейших производственных ситуаций вручную, но наиболее целесообразно осуществлять на ЭВМ. [32]
Имитационное моделирование наиболее целесообразно осуществлять на ЭВМ. [33]
Имитационное моделирование методом Монте-Карло требует специального программного обеспечения. [34]
Имитационное моделирование методом Монте-Карло требует хоть и несложного, но специального программного обеспечения, тогда как расчеты другими описанными здесь методами могут быть выполнены с помощью программ любого электронного офиса. [35]
Имитационное моделирование обеспечивает наиболее глубокое представление моделей для непрограммирующего пользователя, а также наиболее полные средства анализа таких моделей. Модели создаются в виде потоковых диаграмм, в которых представлены основные рабочие процедуры в компании и описано их поведение, а также информационные и материальные потоки между ними. Однако построение реальных имитационных моделей является довольно трудоемким процессом, а их детальный анализ ( выходящий за рамки простого сбора статистики по срокам и стоимостям) зачастую требует от пользователя специальной подготовки. Для описания рабочих процедур может понадобиться дополнительное программирование. Таким образом, при попытке привлечь менеджеров к непосредственному использованию средств имитационного моделирования возникают определенные проблемы. [36]
Имитационное моделирование заключается в проведении на ЭВМ численных экспериментов с математической моделью, описывающей поведение сложной системы в течение периодов времени заданной продолжительности. Имитационное моделирование применяется, как правило, в тех случаях, когда аналитические способы исследования той или иной логистической модели отсутствуют или их поиск требует слишком больших затрат. [37]
Имитационное моделирование используется как для анализа, так и для оптимизации функционирования логистических систем. Для реализации имитационного моделирования разработаны соответствующие алгоритмические языки. [38]
Имитационное моделирование разбивается на два этапа. [39]
Имитационное моделирование ( ИМ) имеет целью не только проверку решений, но и их генерирование на основе дуальной процедуры моделирования и разработки модели. Характерной особенностью ИМ является итеративный характер формирования модели объекта и модели принятия решений. [40]
Имитационное моделирование является одним из основных средств системного анализа для проектирования и управления сложными системами. Фактически имитационное моделирование представляет собой серию модельных экспериментов, провести которые на реальной системе невозможно. Эксперименты реализуются на ЭВМ, при этом легко могут моделироваться случайные процессы с использованием, например, машинного датчика случайных чисел. [41]
Имитационное моделирование включает в себя два основных процесса: первый - конструирование модели реальной системы, второй - постановка экспериментов на этой модели. [42]
Имитационное моделирование имеет ряд существенных недостатков, которые также необходимо учитывать. [43]
Имитационное моделирование от известного вариантного метода отличается организацией специальной имитационной системы, позволяющей осуществлять эту процедуру во много раз скорее, организованнее и результативнее. Имитационная система включает технические и сложные программные средства. [44]
Имитационное моделирование по методу Монте-Карло позволяет построить математическую модель для проекта с неопределенными значениями параметров и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров ( корреляцию), получить распределение доходности проекта. [45]