Этап 6. Анализ и интерпретация результатов моделирования

💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

Системное исследование предполагает качественный и количественный анализ модели и полученных результатов. Качественный анализ предназначен для выявления общих закономерностей, связанных с функционированием исследуемого объекта, осуществляется рабочей группой, иногда с привлечением представителей заказчика. Цель количественного анализа достигается решением двух задач: 1) прогнозирование характеристик моделируемого объекта; 2) априорная оценка эффективности различных стратегий его совершенствования.

Процедура количественного анализа зависит от вида полученных математических зависимостей. Для сравнительно простых аналитических выражений она может проводиться преимущественно вручную, с использованием инструментария математического анализа и принятия решений. Анализ сложных, громоздких моделей реализуется на ЭВМ с помощью численных и имитационных методов.

Проверка адекватности модели. Эта проверка проводится путем установления соответствия между результатами моделирования и какими-либо другими данными, непосредственно относящимися к решаемой задаче. Обычно используют для этого эмпирические данные (результаты натурных экспериментов, статистику), либо подобные результаты, полученные в ходе решения так называемой тестовой задачи с помощью других моделей.

Проверка адекватности должна доказать не только правомерность принятых при моделировании гипотез, но и требуемую точность моделирования.

Различают качественное и количественное согласие результатов сравнения.Качественное согласие подразумевает совпадение некоторых характерных особенностей в распределении оценочных параметров, например, их знаков, тенденций изменения, наличия экстремальных точек и т.п.

Если качественное согласие достигнуто, оценивается совпадение на количественном уровне. При этом для моделей с оценочными функциями оно может оцениваться расхождением в 10-15%, а для используемых в управляющих и контролирующих системах – в 1–2% и ниже.

Причины неадекватности модели могут быть следующие:

значения параметров модели не соответствуют области, определяемой принятой системой гипотез;

константы и параметры в определяющих соотношениях, использованных в модели, установлены неточно;

вся исходная совокупность принятых гипотез неприменима для изучаемого объекта или условий его функционирования.

Для устранения этих причин требуется проведение дополнительных исследований как модели, так и объекта-оригинала. Если модель неадекватна, следует изменить значения констант и исходных параметров. Если и при этом положительный результат не достигнут, должны быть изменены принятые гипотезы (например, о характере влияния одного параметра на другой, учет новых факторов и т.п.).

Таким образом, последний этап в разработке математической модели исключительно важен, и пренебрежение им может стоить огромных издержек в будущем. Действительно, не всегда правдоподобный результат свидетельствует об адекватности модели, и в других случаях она будет давать качественно неверные решения.

Далее показано применение поэтапного моделирования на примере исследования аварийности и травматизма.

8.8 Структура моделирования происшествий в техносфере

1.1 Разработать комплекс смысловых и знаковых моделей, позволяющих установить основные закономерности возникновения техногенных происшествий и количественно оценить меру возможности их появления.

1.2. Модели должны: а) выявлять условия появления и предупреждения происшествий; б) вычислять вероятность их появления.

1.3. Исходные данные: параметры производственного объекта Ч (человека), М (машины) и С (среды), проводимых на нем технологических процессов Т, а также статистические данные по состоянию этих компонентов и их аналогов – Q(t).

2.1. Исходные гипотезы и предпосылки относительно моделируемого явления:

а) аварийность и травматизм на производстве могут быть описаны в соответствии с канонами теории случайных процессов в сложных системах;

б) объектом моделирования должен быть случайный процесс, возникающий на производственном объекте и завершающийся появлением происшествий (аварий или несчастных случаев);

в) поток таких происшествий допустимо считать простейшим, т. е. удовлетворяющим условиям стационарности, ординарности и отсутствия последействия;

г) каждое происшествие может возникать при выполнении конкретных технологических операций, из-за случайно возникших ошибок персонала, отказов техники и нерасчетных внешних воздействий.

2.2. С учетом вышеизложенного можно сформулировать концептуальную постановку задачи моделирования следующим образом:

а) представить аварийность и травматизм в виде процесса просеивания потока заявок w(t) на конкретные технологические операции в выходной поток случайных происшествий с вероятностью Q(t) их появления в момент времени t;

б) изобразить данный процесс в виде потоков(графа, интерпретирующего возникновение причинной цепи происшествий из отдельных предпосылок.

3. Проверка и качественный анализ семантической модели

3.1. Проверить обоснованность гипотез относительно природы потоков моделируемых событий и необходимости учета факторов внешней среды:

а) возможность представления простейшим потоком также и входного потока требований на проведение технологических операций;

б) правомерность допущения о несущественности предпосылок к происшествию, обусловленных неблагоприятными внешними воздействиями;

3.2. Провести качественный анализ потокового графа с целью ответа на следующие вопросы:

а) какие производственные процессы можно считать относительно «безопасными»?

б) какое технологическое и производственное оборудование следует рассматривать более «безопасным» в эксплуатации.

4. Математическая постановка и выбор метода решения задачи

4.1. Сформулировать задачу моделирования в виде системы алгебраических уравнений и проверить корректность математических соотношений, полученных каким-либо образом:

а) с учетом гипотезы о простейшем характере потока требований на выполнение технологических операций использовать свойство его инвариантности после разрежения за счет исключения событий для получения зависимостей

4.2. Разработать процедуру априорной оценки каждого из пара метров аналитической модели и проверить корректность всех по лученных математических соотношений с применением всех соответствующих правил.

Практическая реализация рассмотренного здесь подхода может способствовать совершенствованию безопасности техносферы в целом.