формируется система нелинейных уравнений, связывающая характеристики этих блоков в единую систему. Широко освещены в литературе [96, 105] и имитационно-аналитические модели, или гибридные, которые преодолевают трудности имитации разномасштабных во времени процессов: моделирование “медленных” процессов осуществляется на имитационной модели, “быстрых” на аналитической. Процесс имитационно-аналитического моделирования складывается из поочередного выполнения 2-х фаз: 1. Моделирование событий медленного процесса, используя рассчитанные заранее усредненные значения характеристик быстрых процессов, и установление начальных значений для модели 2-ой фазы; 2. Аналитический расчет усредненных характеристик системы или ее компонент. Существующие гибридные модели можно рассматривать как имитационные, в которых параметры, необходимые для построения случайных процессов, не задаются, а определяются аналитически (например, путем решения системы разностных уравнений для некоторых СМО) [23]. Вышеперечисленные подходы к построению аналитико-имитационных моделей не приводят к существенному повышению вычислительной эффективности, и она остается сравнимой с вычислительной эффективностью имитационного моделирования. Это объясняется тем, что принцип построения этих моделей предполагает жесткое закрепление определенных функций за аналитической и имитационной частями. В силу того, что аналитико-имитационные методы основываются на построении одноуровневых аналитических моделей, сложность математического описания остается высокой, а расширение класса анализируемых структур обеспечивается лишь за счет использования имитационных моделей. Все это не позволяет считать известные аналитико-имитационные методы удобным инструментом построения моделей оценки производительности СОИ. 45 |
Обзор показал, что в большинстве работ проводится раздельный анализ процессов поиска и имитации. Совмещение этих процессов порождает управляемый имитационный процесс, анализ которого значительно усложняется в силу появления нестационарного режима функционирования модели. Однако именно в этом направлении лежит решение задачи существенной экономии вычислительных затрат в ходе проведения имитационного моделирования и расширения сферы применения самого метода. При большом разнообразии методов моделирования до сих пор отсутствует подход, который позволил бы на единой концептуальной основе производить описание функционирования технологических машин и ее компонент, создавать имитационные модели, анализировать и синтезировать способы моделирования. В ряде работ подчеркивается эффективность совместного использования аналитического и имитационного методов для анализа функционирования технологических машин. Широко освещены в литературе [19, 23] и имитационно-аналитические модели, или гибридные, которые преодолевают трудности имитации разномасштабных во времени процессов: моделирование “медленных” процессов осуществляется на имитационной модели, “быстрых” на аналитической модели. Процесс имитационно-аналитического моделирования складывается из поочередного выполнения 2 -х фаз: 1. Моделирование событий медленного процесса, используя рассчитанные заранее усредненные значения характеристик быстрых процессов, и установление начальных значений для модели 2 -ой фазы. 2. Аналитический расчет усредненных характеристик системы или ее компонент. Существующие гибридные модели можно рассматривать как имитационные, в которых параметры, необходимые для построения случайных процессов, не задаются, а определяются аналитически [37]. 61 Вышеперечисленные подходы к построению аналитико-имитационных моделей не приводят к существенному повышению вычислительной эффективности, и она остается сравнимой с вычислительной эффективностью имитационного моделирования. Это объясняется тем, что принцип построения таких моделей предполагает закрепление определенных функций за аналитической и имитационной частями. В силу того, что аналитико-имитационные методы основываются на построении одноуровневых аналитических моделей, сложность математического описания остается высокой, а расширение класса анализируемых структур обеспечивается лишь за счет использования имитационных моделей. 1.6.3. Статистические методы ситуационного анализа Особую роль при решении задач анализа перечисленных проблем играют кластерный, факторный, корреляционный и регрессионный анализ. Корреляционный анализ определяет структуру зависимости между всевозможными парами показателей. В целом, чем менее коррелированна система показателей, тем она более информативна. Однако, определяя отдельные взаимозависимости, корреляционный анализ не дает структуры общей взаимозависимости всех показателей. В этом случае более предпочтительным является факторный анализ. Факторный анализ определяет структуру взаимозависимости. Подход заключается в первоначальном построении главных компонент, которые определяет прямое преобразование исходной системы показателей в абстрактную систему показателей, упорядоченную по информативности. Далее определяется обратное преобразование, т.е. преобразование абстрактных показателей, в исходную систему показателей. Таким образом, имея аналитическую зависимость от группы общих факторов можно судить об общности и специфичности каждого показателя. Основные задачи, решаемые факторным анализом: уменьшение числа переменных и обнаружение структуры в отношениях между переменными, 62 |