شبیه‌سازی، تقلیدی از عملیات یک فرآیند یا سیستم بوده؛ که بیانگر عملکرد آن در طول زمان است.
ویژگی های منحصر به مدل های شبیه‌سازی نسبت به مدل های تحلیلی دارند عبارت اند از:
۱) وجود رفتارهای غیر خطی
۲) عدم قطعیت در پارامتر های مسئله
۳) حافظه
۴) اثرات غیر مستقیم پارامتر ها بر روی هم
۵) زمان و وابستگی متغییر ها
@UT_Simulation_Lab

نمونه‌های از سیستم‌های که می توان از شبیه‌سازی برای درک بهتر آن سیستم ها استفاده نمود
@UT_Simulation_Lab

نرم‌افزار AnyLogic هم دارای زبان مدلسازی به صورت گرافیکی است و هم می‌توان با استفاده از زبان Java مدل شبیه‌سازی را توسعه داد. استفاده از جاوا این امکان را به کاربران می‌دهد تا بدون حد و مرز با استفاده از کدهای جاوا مدل شبیه‌سازی سامانه مورد نظر خود را به صورت کاملاً منعطف بسازند.
همچنین با استفاده از نرم‌افزار AnyLogic می‌توان مدل را به صورت Java Applet ایجاد کرد که بر روی هر مرورگر (Browser) استانداردی مانند IE, FireFox و… اجرا شود. این قابلیت این امکان را به مدلساز می‌دهد تا مدل ساخته شده از سامانه مورد نظر را به راحتی بر روی اینترنت به اشتراک بگذارد. همچنین در ارائه مدل در مکان‌هایی که نرم‌افزار نصب نیست نیز کاربرد بسیار زیادی داشته و مدلسازی به راحتی می‌تواند مدل شبیه‌سازی که به صورت Java Applet درآمده‌است را توسط مرورگرهای استاندارد نمایش دهد.
@UT_Simulation_Lab

نمونه مدل شبیه‌سازی خط تولید انجام شده با نرم‌افزار Anylogic
@UT_Simulation_Lab

نمونه مدل شبیه‌سازی‌ خط تولید که توسط آزمایشگاه شبیه‌سازی دانشکده مدیریت دانشگاه تهران ساخته شده است.
این مدل با استفاده از نرم‌افزار Anylogic مدل سازی شده است.
@UT_Simulation_Lab

کارگاه آموزش مقدماتی شبیه سازی با انی‌لاجیک در دانشکده مدیریت دانشگاه تهران برگزار می‌شود
زمان برگزاری این دوره در روزهای ۴ و ۱۱ اسفند ماه ۱۴۰۱ به مدت ۱۲ ساعت می‌باشد
لینک ثبت نام شرکت در دوره:
https://evnd.co/xjybB
در صورت داشتن سوال به آیدی زیر پیام دهید
@smrayazi

@UT_Simulation_Lab

لیست شرکت های مشتری استفاده کننده از نرم افزار Anylogic
@UT_Simulation_Lab

آزمایشگاه شبیه‌سازی دانشکده مدیریت دانشگاه تهران برگزار می کند.
وبینار آموزشی شبیه‌سازی و نرم افزار انی‌لاجیک در روز ۲۶ بهمن ماه ساعت ۱۰:۳۰ تا ۱۲:۳۰  برگزار می‌شود. شرکت در این دوره رایگان می باشد.
لینک ثبت نام شرکت در این دوره
https://evnd.co/acWZv
@UT_Simulation_Lab

هم‌اکنون وبینار آغاز شد.

کارگاه آموزش مقدماتی شبیه سازی با انی‌لاجیک در دانشکده مدیریت دانشگاه تهران برگزار می‌شود
زمان برگزاری این دوره در روزهای ۴ و ۱۱ اسفند ماه ۱۴۰۱ به مدت ۱۲ ساعت می‌باشد
لینک ثبت نام شرکت در دوره:
https://evnd.co/xjybB
در صورت داشتن سوال به آیدی زیر پیام دهید
@smrayazi

@UT_Simulation_Lab

برای استفاده از نرم افزار سه فرمت وجود داره که نسخه personal learning edition رایگان است که از سایت اصلی Anylogic  قابل دانلود هست
https://www.anylogic.com/downloads/
در مورد فرمت دوم که مربوط به اکانت های دانشگاهی و محققین هست که باید توسط دانشگاه ها خریداری بشه
فرمت سوم هم که فرمت مخصوص کمپانی ها است که امکانات بیشتری از دو نسخه قبلی داره که توسط شرکت ها خریداری می‌شود
خوشبختانه برای فرمت سوم کرک نرم افزار در ایران موجوده و از سایت های ایرانی قابل دانلود است

شبیه سازی ترکیبی در نرم افزار انی‌لاجیک

@UT_Simulation_Lab

تاریخچه شبیه‌سازی کامپیوتری به جنگ جهانی دوم برمی‌گردد، زمانی که دو ریاضیدان جان فون نویمان و استانیسلاو اولام با مشکل گیج‌کننده رفتار نوترون‌ها مواجه شدند. آزمایش ضربه و آزمایش بسیار پرهزینه بود و مشکل برای تجزیه‌وتحلیل بسیار پیچیده بود. ازاین‌رو، تکنیک چرخ رولت توسط ریاضیدانان پیشنهاد شد. داده‌های اساسی در مورد وقوع رویدادهای مختلف شناخته‌شده بودند که در آن‌ها احتمالات رویدادهای جداگانه در تجزیه‌وتحلیل گام‌به‌گام ادغام شدند تا نتیجه کل توالی رویدادها را پیش‌بینی کنند. با موفقیت چشمگیر تکنیک‌های مسئله نوترون، به‌زودی محبوب شد و کاربردهای زیادی در تجارت و صنعت پیدا کرد.
https://uh.edu/~lcr3600/simulation/historical.html

@UT_Simulation_Lab

فهرست علومی که به‌طور گسترده از شبیه‌سازی کامپیوتری استفاده می‌کنند، شامل اخترفیزیک، فیزیک ذرات، علم مواد، مهندسی، مکانیک سیالات، علم آب‌وهوا، زیست‌شناسی تکاملی، بوم‌شناسی، اقتصاد، مدیریت، نظریه تصمیم‌گیری، پزشکی، جامعه‌شناسی، اپیدمیولوژی و بسیاری دیگر است.
https://plato.stanford.edu/entries/simulations-science/#WhaComSim

@UT_Simulation_Lab

شبیه‌سازی مونت‌کارلو که به روش مونت‌کارلو یا شبیه‌سازی احتمال چندگانه نیز معروف است، یک تکنیک ریاضی است که برای تخمین نتایج احتمالی یک رویداد نامشخص استفاده می‌شود. این روش توسط جان فون نویمان و استانیسلاو اولام برای بهبود تصمیم‌گیری در شرایط نامشخص ابداع شد. این نام از کازینویی معروف در موناکو گرفته شد، زیرا عنصر شانس هسته اصلی رویکرد مدل‌سازی شبیه به بازی رولت است. از زمان معرفی، شبیه‌سازی مونت‌کارلو تأثیر ریسک را در بسیاری از سناریوهای واقعی، مانند هوش مصنوعی، قیمت سهام، پیش‌بینی فروش، مدیریت پروژه و قیمت‌گذاری ارزیابی کرده است.
برخلاف مدل پیش‌بینی معمولی، شبیه‌سازی مونت‌کارلو مجموعه‌ای از نتایج را بر اساس محدوده تخمینی مقادیر در مقابل مجموعه‌ای از مقادیر ورودی ثابت پیش‌بینی می‌کند؛ به‌عبارت‌دیگر، این روش با استفاده از یک توزیع احتمال، مانند توزیع یکنواخت یا نرمال، برای هر متغیری که دارای عدم قطعیت ذاتی است، مدلی از نتایج ممکن می‌سازد. سپس، نتایج را بارها با استفاده از مجموعه متفاوتی از اعداد تصادفی بین مقادیر حداقل و حداکثر، دوباره محاسبه می‌کند.
https://www.ibm.com/topics/monte-carlo-simulation

شبیه‌سازی مونت‌کارلو نیز به دلیل دقت آن‌ها برای پیش‌بینی‌های بلندمدت استفاده می‌شود. با افزایش تعداد ورودی‌ها، تعداد پیش‌بینی‌ها نیز افزایش می‌یابد و به شما این امکان را می‌دهد که نتایج را به‌موقع با دقت بیشتری پیش‌بینی کنید. هنگامی‌که یک شبیه‌سازی مونت‌کارلو کامل می‌شود، طیفی از نتایج ممکن را با احتمال وقوع هر نتیجه به دست می‌دهد. یک مثال ساده از شبیه‌سازی مونت‌کارلو، محاسبه احتمال انداختن دو تاس استاندارد است. 36 ترکیب تاس ریخته شده وجود دارد. بر این اساس، شما می‌توانید به‌صورت دستی احتمال یک نتیجه خاص را محاسبه کنید. با استفاده از شبیه‌سازی مونت‌کارلو، می‌توانید تاس انداختن را 10000 بار (یا بیشتر) شبیه‌سازی کنید تا به پیش‌بینی‌های دقیق‌تری برسید.
@UT_Simulation_Lab

پویایی سیستم در MIT در دهه 1950 متولد شد و توسط پروفسور بازنشسته Jay W. Forrester توسعه یافت. این روش شبیه‌سازی به ما کمک می‌کند تا تغییرات را درک، طراحی و مدیریت کنیم. پویایی سیستم با استفاده از داده‌ها و فناوری، روابط بین تمام بخش‌های یک سیستم و اینکه چگونه این روابط بر رفتار سیستم در طول زمان تأثیر می‌گذارد، مدل می‌کند.
پویایی سیستم در سراسر جهان تدریس می‌شود و توسط شرکت‌ها، سازمان‌های غیرانتفاعی، مدارس و دولت‌ها برای مدیریت چالش‌های پیچیده در حوزه‌هایی مانند تغییرات سازمانی، تغییرات آب و هوایی، فیزیولوژی، استراتژی، بهبود فرآیند، پایداری محیطی و اجتماعی، سیاست‌های تغییرات آب و هوایی، سوخت جایگزین وسایل نقلیه، سلامت عمومی جهانی و سیاست‌های مالی استفاده می‌شود.
https://mitsloan.mit.edu/faculty/academic-groups/system-dynamics/about-us

@UT_Simulation_Lab

کیث داگلاس توچر ابتدا رویدادهای گسسته را به‌عنوان انتزاع مناسب برای مشخص کردن مدل‌های زیربنایی تکنیک‌هایی که او و دیگران در اواسط دهه 1950 اتخاذ می‌کردند، درک کرد. به گفته Hollocks، ایده اصلی Tocher سیستمی متشکل از اجزای منفرد یا «ماشین‌ها» بود که باگذشت زمان از طریق «حالت‌هایی» که فقط در «پیشامدهای» گسسته تغییر می‌کنند، پیش می‌رود. تاریخچه شبیه‌سازی رویداد گسسته (اکنون با استفاده از خصوصیات Tocher) با نمونه‌برداری مونت‌کارلو و شناسایی محدودیت‌های تحلیل صف تحلیلی آغاز شد.
این روش برای اولین بار در زمینه‌ی تحقیقات عملیاتی برای شبیه‌سازی سیستم‌های صف مورداستفاده قرار گرفت. از آن زمان تاکنون درزمینه‌های مختلف مانند تولید، مدیریت زنجیره تأمین، فرآیندهای تجاری، شبکه‌های کامپیوتری و عملیات نظامی مورداستفاده قرارگرفته است.

https://link.springer.com/book/10.1007/978-3-031-11085-6

@UT_Simulation_Lab

شبیه‌سازی پیشامد گسسته عملکرد یک سیستم را به عنوان یک توالی (گسسته) از پیشامدها در زمان مدل می‌کند. هر پیشامد در یک لحظه خاص در زمان رخ می دهد و تغییر حالت را در سیستم نشان می دهد. بسته به ماهیت فرآیند هدف، شبیه‌سازی پیشامد گسسته می تواند قطعی یا تصادفی باشد. شبیه‌سازی پیشامد گسسته به این صورت کار می‌کند که فرآیند موردنظر را به‌صورت گسسته مدل‌سازی کرده و سپس با استفاده از نرم‌افزارهای مختلف، شبیه‌سازی را انجام می‌دهد. در این روش، زمان به‌صورت گسسته مدل‌سازی شده و در هر گام، فرآیند بررسی می‌شود. با توجه به نتایج به‌دست‌آمده، می‌توان تغییرات لازم را در فرآیند اعمال کرد و بهینه‌سازی کرد.
@UT_Simulation_Lab