Tvorba simulačních modelů. Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného.

Slides:



Advertisements
Podobné prezentace
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STAVEBNÍ ÚSTAV GEODÉZIE
Advertisements

Analýza experimentu pro robustní návrh
Sedm základních nástrojů managementu jakosti
Matematické modelování a operační výzkum
Dynamické systémy.
Optimalizace modelováním procesu
 Spolupráce s firmou zabývající se ochranami generátorů.  Doložení přesnosti dodávaných systémů zákazníkům.  Podklady pro získání statutu akreditované.
Úvod Klasifikace disciplín operačního výzkumu
Doporučená literatura: *HUŠEK, R., LAUBER, J.: Simulační modely.. SNTL/Alfa Praha,1987. * NEUSCH L, S. A KOLEKTIV: Modelovanie a simulacia.. SNTL Praha,
ENVIRONMENTÁLNÍ INFORMATIKA A REPORTING
Statistika schématicky Tomáš Mrkvička. Základy znáte Konfidenční intervaly Porovnání 2 či více výběrů Regresní modely Základy časových řad.
Metody psychologie PhDr. Eva Tomešová, PhD.. Jak psychologové dospějí k závěrům o neznámém?  Používají VĚDECKOU METODU: IDENTIFIKACE VĚDECKÉ OTÁZKY FORMULACE.
Metoda standardních nákladů a výnosů a analýza odchylek
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
FORMALIZACE PROJEKTU DO SÍŤOVÉHO GRAFU
Metody zkoumání ekonomických jevů
Nelineární projevy mechanických konstrukcí Petr Frantík Ú STAV STAVEBNÍ MECHANIKY F AKULTA STAVEBNÍ V YSOKÉ UČENÍ TECHNICKÉ V B RNĚ školitelé: Zbyněk Keršner.
Získávání informací Získání informací o reálném systému
6. Řízení a monitoring procesů. Řízení, regulace, měření, monitoring, automatizaceve farmaceutickém průmyslu Řídicí systémy Měřicí a monitorovací systémy.
Dynamické modelování PVY 2. pololetí 4.cv Bc. Jiří Šilhán.
Hypotézy ve výzkumu.
Didaktické prostředky
Jak jste dopadli? Kvaliťák nebo kvantiťák? Kreativec nebo analytik?
Generování náhodných veličin (2) Spojitá rozdělení
Systém rizikové analýzy při statickém návrhu podzemního díla Jan Pruška.
Databázové systémy Přednáška č. 6 Proces návrhu databáze.
Modelování a simulace MAS_02
Definice, druhy, chyby, abstrakce
Charakteristiky výstupního procesu systémů hromadné obsluhy Martin Meca ČVUT, Fakulta strojní.
Simulační modely a programové vybavení. Vývoj simulačních programů  Původně pouze strojový kód –Příliš dlouhé, náročné na programátora, obtížné hledání.
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Možnosti modelování požadavků na informační systém
Semestrální práce z předmětu MAB
Dokumentace informačního systému
Generování náhodných veličin Diskrétní a spojitá rozdělení Simulační modely ek.procesů 4.přednáška.
Vybraná rozdělení spojité náhodné veličiny
Ekonomické modelování Analýza podnikových procesů Statistická simulace je vhodný nástroj pro analýzu stochastických podnikových procesů (výrobní, obchodní,
Měření účinnosti převodovky
Experimentální fyzika I. 2
ZKUŠEBNICTVÍ A KONTROLA JAKOSTI 01. Experimentální zkoušení KDE? V laboratoři In-situ (na stavbách) CO? Modely konstrukčních částí Menší konstrukční části.
SIGNÁLY A SOUSTAVY V MATEMATICKÉ BIOLOGII
Karel Vlček, Modelování a simulace Karel Vlček,
Rozhodovací proces, podpory rozhodovacích procesů
Kalkulační systém a jeho využití v řízení
SIGNÁLY A LINEÁRNÍ SYSTÉMY
Cíl přednášky Seznámit se
Kvantitativní metody výzkumu v praxi
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Stavová formulace v diskrétním čase důvody pro diskrétní interpretaci času některé dynamické jevy má smysl sledovat vždy jen ve zvláštních okamžicích,
Měřické chyby – nejistoty měření –. Zkoumané (měřené) předměty či jevy nazýváme objekty Na každém objektu je nutno definovat jeho znaky. Mnoho znaků má.
Postup při empirickém kvantitativním výzkumu
Aplikovaná statistika 2.
EMM91 Ekonomicko-matematické metody č. 9 Prof. RNDr. Jaroslav Ramík, CSc.
Možnosti biostatistiky RNDr. Karel Hrach, Ph.D. Ústav zdravotnických studií UJEP Biomedicínský výzkum s podporou evropských zdrojů v nemocnicích ( )
Digitální učební materiál Název projektu: Inovace vzdělávání na SPŠ a VOŠ PísekČíslo projektu: CZ.1.07/1.5.00/ Škola: Střední průmyslová škola a.
Ekonometrické modely poptávky Spotřeba Poptávka. Typy poptávky  Agregovaná  Desagregovaná – dílčí Poptávka jednotlivých spotřebitelů Poptávka po jednotlivých.
Simulace podnikových procesů
Didaktické prostředky
Ing. Milan Houška KOSA PEF ČZU v Praze
Kalkulační systém a jeho využití v řízení
Signály a jejich vyhodnocení
- váhy jednotlivých studií
Co se dá změřit v psychologii a pedagogice?
Racionalizace logistických procesů ve vybrané společnosti
Ing. Milan Houška KOSA PEF ČZU v Praze
Příklad (investiční projekt)
Informatika pro ekonomy přednáška 4
Kalkulační systém a jeho využití v řízení
Statistika a výpočetní technika
Informatika pro ekonomy přednáška 4
Transkript prezentace:

Tvorba simulačních modelů

Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného simulačního modelu? 5.Vlastní model = kompromis mezi složitostí a přesností modelu

Proces od rozpoznání problému k jeho řešení 1.Rozpoznání problému 2.Diagnostika symptomů 3.Definice problému –Orientační fáze = předběžný výpočet nákladů, odhad doby trvání projektu –Výzkumná fáze = získání konkrétních podrobných informací o studovaném systému 4.Vymezení systému a cílů

Proces od rozpoznání problému k jeho řešení 5.Formulace modelu 6.Programování modelu 7.Verifikace modelu 8.Experimenty a jejich vyhodnocení -Nutnost eliminovat odlišnost výsledků, která je způsobena vlivem počátečních podmínek či vlivem náhodného kolísání způsobeného náhodnými veličinami 9.Interpretace výsledků

Základní pojmy Model = zjednodušené zobrazení systému Entita = dynamický objekt Zdroj = statický objekt Událost = změna stavu systému Aktivita = časově ohraničený stav entity mezi dvěma pro entitu důležitými událostmi

Zachycení času v simulačním modelu  Simulovaný (modelový) čas: Spojitý čas Diskrétní čas … čas nabývá hodnot jen z předem určené množiny  Stav modelu se s časem mění: Spojitě (teplota, tlak,..) – v jakémkoli časovém okamžiku je jiný Diskrétně (při výskytu významné události) – interval mezi událostmi je přeskočen = metoda pevného či proměnného časového kroku

a) Metoda pevného časového kroku  Kontrola po pravidelných intervalech  Vhodné pro případy, kdy ke změnám stavu modelu dochází relativně často a dosti pravidelně  Např. modelování zatížení hraničních přechodů – zjišťování stavu modelu (počtu čekajících či odbavených kamionů) každý den či půlden; makroekonomické modely se zpožděnými proměnnými

b) Metoda proměnného časového kroku  Kontrola po časových skocích  Překlenuje období, kdy se „nic neděje“  Výhodné tam, kde jsou intervaly mezi výskyty změn dlouhé či nepravidelné (příchody zákazníků, obsluha, …)

Hlavní směry využití simulačních modelů  Zhodnocení = jak navrhované změny či navrhovaný systém vyhovují požadavkům či stanoveným kritériím  Porovnání = srovnání efektů při různých pravidlech činnosti systému  Citlivostní analýza = určení dominantních faktorů, které ovlivňují zkoumaný systém  Optimalizace = určení takové kombinace hodnot faktorů, které vedou k extrémní hodnotě určitého kritéria