Verificación validación
Uno de los problemas reales que enfrenta el analista de simulación es validar el modelo. El modelo de simulación es válido solo si el modelo es una representación precisa del sistema real; de lo contrario, no es válido.
La validación y la verificación son los dos pasos en cualquier proyecto de simulación para validar un modelo.
Validationes el proceso de comparar dos resultados. En este proceso, necesitamos comparar la representación de un modelo conceptual con el sistema real. Si la comparación es verdadera, entonces es válida, de lo contrario inválida.
Verificationes el proceso de comparar dos o más resultados para asegurar su precisión. En este proceso, tenemos que comparar la implementación del modelo y sus datos asociados con la descripción conceptual y las especificaciones del desarrollador.
Técnicas de verificación y validación
Hay varias técnicas que se utilizan para realizar la verificación y validación del modelo de simulación. A continuación se muestran algunas de las técnicas comunes:
Técnicas para realizar la verificación del modelo de simulación
Las siguientes son las formas de realizar la verificación del modelo de simulación:
Utilizando habilidades de programación para escribir y depurar el programa en subprogramas.
Mediante el uso de la política de “Recorrido estructurado” en la que más de una persona debe leer el programa.
Rastreando los resultados intermedios y comparándolos con los resultados observados.
Comprobando la salida del modelo de simulación utilizando varias combinaciones de entrada.
Comparando el resultado final de la simulación con los resultados analíticos.
Técnicas para realizar la validación del modelo de simulación
Step 1- Diseñar un modelo con alta validez. Esto se puede lograr mediante los siguientes pasos:
- El modelo debe discutirse con los expertos en sistemas durante el diseño.
- El modelo debe interactuar con el cliente durante todo el proceso.
- La salida debe estar supervisada por expertos en sistemas.
Step 2- Probar el modelo con datos de supuestos. Esto se puede lograr aplicando los datos de los supuestos en el modelo y probándolos cuantitativamente. También se puede realizar un análisis sensible para observar el efecto del cambio en el resultado cuando se realizan cambios significativos en los datos de entrada.
Step 3- Determinar la salida representativa del modelo de simulación. Esto se puede lograr mediante los siguientes pasos:
Determine qué tan cerca está la salida de la simulación con la salida del sistema real.
La comparación se puede realizar mediante la prueba de Turing. Presenta los datos en el formato del sistema, que solo pueden ser explicados por expertos.
El método estadístico se puede utilizar para comparar la salida del modelo con la salida del sistema real.
Comparación de datos del modelo con datos reales
Después del desarrollo del modelo, tenemos que realizar una comparación de sus datos de salida con los datos reales del sistema. A continuación se muestran los dos enfoques para realizar esta comparación.
Validación del sistema existente
En este enfoque, utilizamos entradas del mundo real del modelo para comparar su salida con la de las entradas del mundo real del sistema real. Este proceso de validación es sencillo, sin embargo, puede presentar algunas dificultades cuando se lleva a cabo, como por ejemplo, si la salida se debe comparar con la duración promedio, el tiempo de espera, el tiempo de inactividad, etc., se puede comparar mediante pruebas estadísticas y pruebas de hipótesis. Algunas de las pruebas estadísticas son la prueba de chi-cuadrado, la prueba de Kolmogorov-Smirnov, la prueba de Cramer-von Mises y la prueba de Moments.
Validación del modelo de primera vez
Considere que tenemos que describir un sistema propuesto que no existe en el presente ni ha existido en el pasado. Por lo tanto, no hay datos históricos disponibles para comparar su desempeño. Por tanto, tenemos que utilizar un sistema hipotético basado en supuestos. Seguir consejos útiles le ayudará a hacerlo eficaz.
Subsystem Validity- Un modelo en sí mismo puede no tener ningún sistema existente con el que compararlo, pero puede consistir en un subsistema conocido. Cada una de esa validez se puede probar por separado.
Internal Validity - Un modelo con alto grado de varianza interna será rechazado ya que un sistema estocástico con alta varianza debido a que sus procesos internos ocultará los cambios en la salida debido a cambios de entrada.
Sensitivity Analysis - Proporciona la información sobre el parámetro sensible del sistema al que debemos prestar mayor atención.
Face Validity - Cuando el modelo funciona con lógicas opuestas, debe rechazarse incluso si se comporta como el sistema real.