КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Препятствия для получения хороших данных
Основные принципы Основные принципы получения хороших данных Модель является валидной для определенной задачи, если корректна логика ее работы и используются соответствующие данные. В данной части предлагаются методы получения хороших данных. Если модель схожа с существующей системой, то данные для построения модели берутся из системы. Эти данные можно получить из архивных записей, а также собрать во время исследования системы. Так как мнения людей, предоставляющих данные, и аналитиков могут различаться, то необходимо соблюдать следующие принципы: − Необходимо, чтобы предоставляли лицам, предоставляющим данные, точное описание требований к данным (тип, формат, количество, для чего необходимы, условия, при которых данные собираются, и т.д.) − Необходимо, чтобы аналитик понимал сам процесс получения данных, а не только абстрактную обработку наблюдений. Например, предположим, что в нескольких наблюдениях были получены данные, значительно отличающиеся от данных в большинстве наблюдений. Без глубокого понимания основных принципов работы системы невозможно являются ли эти данные результатом ошибки или это допустимые значения, которые появляются с малой вероятностью. Ниже приводятся четыре препятствия, которые не позволяют получить хорошие данные: • Данные не отражают требуемых характеристик модели. Пример 11. Данные, полученные при исследовании поля сражения, могут отличаться от реальной ситуации из-за различий в поведении исследовательской группы и войск, а так же из-за недостаточного учета каких-либо обстоятельств, например, появления дыма во время сражения. • Используются данные неверного (неподходящего) формата или типа.
Пример 12. При моделировании производственной системы случайный характер носят простои машин. В идеальном случае нам необходимы данные о времени сбоев и времени восстановления машин. Иногда эти данные собирают во время сбоев, но зачастую они не представлены в требуемом формате. Например, время сбоя может быть основано на физическом времени и включать в себя периоды простоя машины. • Данные могут содержать ошибки измерений, записи или округления. Пример 13. Данные, представляющие время выполнения некоторого задания, иногда округляется до ближайших 5 или 10 минут. Так как данные дискретны, то усложняется использование непрерывных теоретических законов распределения. • Данные могут быть «приукрашены» Пример 14. Административно-хозяйственный отдел автомобильного завода намеренно предоставил преувеличенные данные о надежности машины. Заключение Необходима валидация всех имитационных моделей, иначе решения, принятые на основе этих моделей, будут неверными. Ниже приводятся наиболее важные идей разработки валидных и надежных моделей: − Точная формулировка проблемы. − Проведение интервью с экспертами в данной предметной области. − Постоянное взаимодействие лица, принимающего решения с участниками проекта, что гарантирует корректность решаемой задачи, а также увеличивает надежность модели. − Разработки письменной концептуальной модели. − Структурированный просмотр концептуальной модели. Если не существует реальной системы, то это может быть единственным методом валидации. − Применение анализа чувствительности__
Дата добавления: 2014-12-24; Просмотров: 414; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |