Optimization
Vensim’s optimizer provides fast calibration of models and discovery of optimal solutions
Model Calibration
Validasi integritas model sebagian bersandar pada membandingkan perilaku model dengan data deret waktu yang dikumpulkan di “dunia nyata.” Ketika model secara struktural lengkap dan disimulasikan dengan benar, kalibrasi model dapat dilanjutkan untuk menyesuaikan model dengan data yang diamati ini. Model dinamis seringkali sangat sensitif terhadap nilai parameter konstan. Jika Anda ingin mengkalibrasi parameter sehingga perilaku model cocok dengan data yang diamati, Anda mungkin perlu bereksperimen dengan ribuan kombinasi nilai parameter yang berbeda. Kalibrasi Vensim membuat prosedur ini otomatis. Anda menentukan seri data mana yang ingin Anda sesuaikan dan parameter mana yang ingin Anda sesuaikan, kemudian Vensim secara otomatis menyesuaikan parameter untuk mendapatkan kecocokan terbaik antara perilaku model dan data. Tidak ada batasan jumlah parameter yang harus disesuaikan atau seri data yang sesuai.
Example
Selama abad terakhir, konversi rumah tangga AS ke listrik mengikuti pola difusi, yang diwakili oleh model Difusi Bass. Setelah struktur selesai dan menghasilkan pola perilaku yang diinginkan, kita dapat mengkalibrasi model agar sesuai dengan data historis dari Departemen Perdagangan AS. Simulasi pertama (first run) menunjukkan pertumbuhan yang terlalu dini dan terlalu cepat dibandingkan dengan data historis (historis). Pengguna memilih parameter yang memiliki nilai yang tidak diketahui atau tidak pasti dan memilih data seri historis, kemudian mesin optimasi Vensim mencari nilai parameter yang paling cocok dengan data, dan menampilkan nilai parameter dan simulasi terbaik. dijalankan (dikalibrasi).
Policy Optimization
Mesin pengoptimalan Vensim dapat mencari melalui ruang besar nilai parameter untuk mencari solusi optimal. Anda menentukan variabel hasil yang ingin Anda sesuaikan. Algoritma pendakian bukit Powell yang efisien menelusuri ruang parameter untuk mencari hasil kumulatif terbesar. Tidak ada batasan jumlah variabel hasil atau parameter kebijakan untuk ditelusuri. Analisis sensitivitas lanjutan tersedia dari simulasi optimasi.
Example
Sebuah perusahaan memiliki persediaan dan rantai pasokan penjualan yang harus dikelola untuk memaksimalkan keuntungan perusahaan. Persediaan yang terlalu sedikit menyebabkan hilangnya penjualan (dan laba yang lebih rendah) tetapi persediaan yang terlalu banyak menyebabkan biaya lebih tinggi untuk persediaan dan juga menyebabkan laba yang lebih rendah. Pengguna memilih variabel hasil, dalam hal ini Laba Kumulatif, dan kemudian memilih parameter kebijakan (nilai persediaan minimum untuk memulai penyetokan ulang, dan nilai persediaan maksimum untuk menghentikan penyetokan ulang). Mesin optimasi Vensim mencari nilai parameter kebijakan yang memberikan nilai hasil terbaik (Laba Kumulatif tertinggi) dan mencetak nilai dan simulasi optimal berjalan
Kalman Filtering
Dalam sistem dinamis dengan variabel yang tidak teramati, diinginkan, tetapi tidak mungkin untuk diketahui, keadaan semua variabel setiap saat. Namun, jika nilai untuk beberapa variabel diketahui, Anda dapat membuat estimasi yang baik untuk nilai variabel lain. Misalnya, model bisnis mungkin terdiri dari sistem Tenaga Kerja/Inventaris. Tujuannya adalah untuk menentukan profil waktu tenaga kerja, inventaris, dan variabel model lainnya berdasarkan pengukuran yang tersedia. Vensim mensimulasikan model dengan filter Kalman aktif dan membuat pilihan cerdas untuk output, berdasarkan data Simulasi Sederhana model (simple.vdf dalam grafik di bawah) dan data Inventaris Terukur (data.vdf). Keluaran yang dihasilkan Kalman Filtering (filter.vdf – garis abu-abu) melacak Inventarisasi Aktual (garis biru) jauh lebih baik daripada simulasi sederhana saja (garis merah) atau inventaris terukur saja (garis hijau).
