Robust Modelling and Simulation: Integration of SIMIO with Coloured Petri Nets

این کتاب برای اولین بار روشی را ارائه می‌کند که قدرت فرمالیسم مدل‌سازی مانند شبکه‌های پتری رنگی را با انعطاف‌پذیری یک برنامه رویداد گسسته مانند SIMIO ترکیب می‌کند. متخصصان صنعتی رشد شبیه‌سازی را به عنوان روشی برای مقابله با مشکلاتی که در آن متغیر بودن مخرج مشترک است، مشاهده کرده‌اند. تقریباً تمام سیستم‌های صنعتی، از تولید تا هوانوردی، سیستم‌های تصادفی در نظر گرفته می‌شوند. تکنیک‌های مدل‌سازی مختلف و همچنین تکنیک‌های ریاضی برای رسمی کردن روابط علت و معلولی در سیستم‌های صنعتی و پیچیده توسعه یافته‌اند. روش‌شناسی در این کتاب نشان می‌دهد که چگونه می‌توان با استفاده از شبکه‌های پتری رنگی با پیچیدگی در مدل‌سازی مقابله کرد، در حالی که در عین حال تنوع موجود در سیستم‌ها به شکلی قوی ادغام می‌شود. این کتاب می تواند به عنوان یک راهنمای مختصر برای توسعه مدل های قوی استفاده شود، که قادر به شبیه سازی کارآمد روابط علت و معلولی موجود در سیستم های پیچیده صنعتی بدون از دست دادن قدرت شبیه سازی شبیه سازی رویداد گسسته هستند. علاوه بر این، قابلیت‌های SIMIO امکان ادغام ویژگی‌هایی را فراهم می‌کند که برای موفقیت پروژه‌هایی مانند انیمیشن، واقعیت مجازی، و سیستم‌های اطلاعات جغرافیایی (GIS) اهمیت بیشتری پیدا می‌کنند.

This book presents for the first time a methodology that combines the power of a modelling formalism such as colored petri nets with the flexibility of a discrete event program such as SIMIO. Industrial practitioners have seen the growth of simulation as a methodology for tacking problems in which variability is the common denominator. Practically all industrial systems, from manufacturing to aviation are considered stochastic systems. Different modelling techniques have been developed as well as mathematical techniques for formalizing the cause-effect relationships in industrial and complex systems. The methodology in this book illustrates how complexity in modelling can be tackled by the use of coloured petri nets, while at the same time the variability present in systems is integrated in a robust fashion. The book can be used as a concise guide for developing robust models, which are able to efficiently simulate the cause-effect relationships present in complex industrial systems without losing the simulation power of discrete-event simulation. In addition SIMIO’s capabilities allows integration of features that are becoming more and more important for the success of projects such as animation, virtual reality, and geographical information systems (GIS).