Основные критерии эффективности

Критерии эффективности характеризуют выходные параметры модели и определяются функцией отклика системы на изменение выходных переменных. Критерии эффективности могут носить следующий характер: детерминированный, вероятностный, усредненный (интегральный). Детерминированные показатели однозначно определяются некоторой аналитической зависимостью от входных переменных, где влияние случайных факторов несущественно и не учитывается. Вероятностный критерий наоборот учитывает в модели влияние случайных факторов и определяется в ходе эксперимента с имитационной моделью. К основным вероятностным показателям эффективности относят :

1) надежность системы выражается как временная функция, характеризующая вероятность того, что система будет работать без отказов в течение заданного времени R(t) = e^-λt

2) качество системы определяется как вероятность того, что система удовлетворяет заданным требованиям

3) время функционирования системы, определяемое как наработка на отказ в течение некоторого времени. Определяется случайный временной интервал, в котором система работает без отказа. Как правило, наработка на отказ подчиняется экспоненциальному либо логарифмически нормальному распределению.

Пример: определить время наработки на отказ, учитывая логнормальный закон распределения с параметрами МТ = 5,42с, σТ = 1,41с. Пусть выбрана следующая величина R = 0,8.

T_б = exp ( ln(MT) + R ∙ ln(σT)) = exp (ln5,42 + 0,8 ∙ ln1,41) = 7,17c

4) ошибки измерений, характеризуют вероятность того, что допущенная ошибка не превышает заданной величины. При моделировании ошибки оцениваются как случайные величины с некоторым законом распределения. На практике принимают гипотезу о нормальном распределении ошибки. В этом случае ошибки определяются:

ε = Мε + R +σε

Мε – среднее значение ошибки,

σε – среднее отклонение ошибки,

R – случайная величина с нормальным законом распределения

Усредненные показатели.

Проводя модельный эксперимент на некотором интервале модельного времени имеет смысл говорить о средних значениях показателей, носящих случайный характер. Среднее значение результатов моделирования применяют в тех случаях, когда:

а) для решения задач достаточно знать единственные интегральные значения показателя и нет необходимости в анализе всей временной последовательности;

б) на результаты моделирования не влияет разброс значений параметров;

в) не ставится задача определения закона распределения вероятностей и дисперсий выходных сигналов модели.