İçeriğe atla

Ağ trafiği simülasyonu

Ağ trafiği simülasyonu, telekomünikasyon mühendisliğinde bir iletişim ağının verimliliğini ölçmek için kullanılan bir süreçtir.

Genel bakış

Ağ verim maksimizasyonu yaklaşımına dayalı olarak üç farklı rotaya (route) sahip bir ağda dinamik trafik yükleme simülasyonları. Paket sürelerinin zaman fonksiyonları farklı rotalarda () gösterilmiştir.

Telekomünikasyon sistemleri, karşılıklı karmaşık ilişkiler içinde etkileşimde bulunan birçok farklı bileşen içeren kompleks gerçek dünya sistemleridir.[1] Bu tür sistemlerin analizi son derece zor olabilir: modelleme teknikleri bileşenler arasındaki ilişkilerden ziyade her bir bileşeni analiz etme eğilimindedir.[1][2] Simülasyon, tahmin veya performans ve ölçüm amaçları için büyük, karmaşık stokastik sistemleri modellemek için kullanılabilen bir yaklaşımdır.[1][2][3] Kullanılan en yaygın nicel modelleme tekniğidir.[1]

Modelleme aracı olarak simülasyonun seçilmesinin nedeni genellikle daha az kısıtlayıcı olmasıdır. Diğer modelleme teknikleri sürece önemli matematiksel kısıtlamalar getirebilir ve ayrıca birden fazla içsel varsayımın yapılmasını gerektirebilir.[2]

Ağ trafiği simülasyonu genellikle aşağıdaki dört adımı takip eder:[1][2]

  • Sistemi dinamik stokastik (yani rastgele) bir süreç olarak modelleme
  • Bu stokastik sürecin gerçekleşmelerinin üretilmesi
  • Simülasyon verilerinin ölçümü
  • Çıktı verilerinin analizi

Simülasyon yöntemleri

Telekomünikasyon ağlarını modellemek için kullanılan genellikle iki tür simülasyon vardır, yani ayrık ve sürekli simülasyonlar. Ayrık simülasyonlar, ayrık olay simülasyonu olarak da bilinir ve olay tabanlı dinamik stokastik sistemlerdir. Başka bir deyişle, sistem bir dizi durum içerir ve bir dizi değişken kullanılarak modellenir. Bir değişkenin değeri değişirse, bu bir olayı temsil eder ve sistemin durumunda bir değişiklik olarak yansıtılır. Sistem dinamik olduğu için sürekli değişir ve stokastik olduğu için sistemde bir rastgelelik unsuru vardır. Ayrık simülasyonların temsili, sistemi etkileyen tüm değişkenleri içeren durum denklemleri kullanılarak gerçekleştirilir.

Sürekli simülasyonlar da durum değişkenleri içerir; ancak bunlar zamanla sürekli olarak değişir. Sürekli simülasyonlar genellikle sistemin durumunu zamana göre takip eden diferansiyel denklemler kullanılarak modellenir.

Simülasyonun avantajları

  • Normal analitik teknikler, modele varsayımlar ve kısıtlamalar getirilmesini gerektiren kapsamlı matematiksel modellerden yararlanır. Bu da çıktı verilerinde önlenebilir bir yanlışlığa yol açabilir. Simülasyonlar sisteme kısıtlamalar getirmekten kaçınır ve rastgele süreçleri de dikkate alır; aslında bazı durumlarda simülasyon tek uygulanabilir pratik modelleme tekniğidir;[1][2]
  • Analistler, bileşenler arasındaki ilişkileri ayrıntılı olarak inceleyebilir ve sonucu gerçek dünyada uygulamak zorunda kalmadan önce birden fazla tasarım seçeneğinin öngörülen sonuçlarını simüle edebilir.[1][2]
  • Optimal sistemi seçmek için alternatif tasarımları kolayca karşılaştırmak mümkündür.[1]
  • Simülasyonu geliştirme sürecinin kendisi, ağın iç işleyişine dair değerli bilgiler sağlayabilir ve bu bilgiler daha sonraki bir aşamada kullanılabilir.[1]

Simülasyonun dezavantajları

  • Doğru simülasyon modeli geliştirmek kapsamlı kaynak ve planlama gerektirir.[1][2]
  • Simülasyon sonuçları sadece model kadar iyidir ve bu nedenle hala sadece tahmin / öngörülen sonuçlardır.[1]
  • Model genellikle sınırlı sayıda değişken kullanılarak geliştirildiği için optimizasyon, olasılıkların evrensel uzayını değil yalnızca birkaç alternatifi içerecek şekilde gerçekleştirilebilir.[1][2]
  • Simülasyonların yapımı çok pahalıya mal olmaktadır.

Simülasyon modellemesinde istatistiksel konular

Girdi verileri

Simülasyon modelleri, stokastik bir sistemden alınan bir dizi veriden oluşturulur. Verilerin istatistiksel olarak geçerli olup olmadığının istatistiksel bir dağılıma uydurularak kontrol edilmesi ve ardından böyle bir uyumun anlamlılığının test edilmesi gerekir. Ayrıca, herhangi bir modelleme sürecinde olduğu gibi, girdi verilerinin doğruluğu kontrol edilmeli ve aykırı (dışa düşen) değerler ortadan kaldırılmalıdır.[1]

Çıktı verileri

Bir simülasyon tamamlandığında, verilerin analiz edilmesi gerekir. Simülasyonun çıktı verileri, gerçek dünyadaki olayların yalnızca muhtemel bir "tahminini" üretecektir. Çıktı verilerinin doğruluğunu artırma yöntemleri şunları içerir: simülasyonları tekrar tekrar gerçekleştirmek ve sonuçları karşılaştırmak, olayları gruplara ayırmak ve bunları ayrı ayrı işlemek ve bitişik zaman dilimlerinde gerçekleştirilen simülasyonların sonuçlarının sistemin tutarlı bir bütünsel görünümünü oluşturmak için "bağlandığını" kontrol etmek ve uzman görüşü almak.[1][4]

Rastgele sayılar

Çoğu sistem stokastik süreçler içerdiğinden, simülasyonlar gerçek dünyadaki olayların rastgele doğasına yaklaşan girdi verileri oluşturmak için sıklıkla rastgele sayı üreteçlerinden yararlanır. Bilgisayar tarafından üretilen [rastgele sayılar], bir dizi denklem kullanılarak hesaplandıkları için genellikle tam anlamıyla rastgele değildir. Bu tür sayılar sözde rastgele sayılar olarak bilinir. Sözde rastgele sayıları kullanırken analist sayıların gerçek rastgeleliğinin kontrol edildiğinden emin olmalıdır. Sayıların yeterince rastgele davranmadığı tespit edilirse, başka bir üretim tekniği bulunmalıdır. Simülasyon için rastgele sayılar bir rastgele sayı üreteci tarafından oluşturulur.

Ayrıca bakınız

Kaynakça

  1. ^ a b c d e f g h i j k l m n Flood, J.E. Telecommunications Switching, Traffic and Networks, Chapter 4: Telecommunications Traffic, New York: Prentice-Hall, 1998.
  2. ^ a b c d e f g h Penttinen A., Chapter 9 – Simulation, Lecture Notes: S-38.145 - Introduction to Teletraffic Theory, Helsinki University of Technology, Fall 1999.
  3. ^ Kennedy I. G., Traffic Simulation, School of Electrical and Information Engineering, University of the Witwatersrand, 2003.
  4. ^ Akimaru H., Kawashima K., Teletraffic – Theory and Applications, Springer-Verlag London, 2nd Edition, 1999, pg 6

İlgili Araştırma Makaleleri

Stokastik, değişken, rastlantısal anlamına gelen sıfat. Stokastik süreçlerin istatistikte ve mühendislikte önemli bir yeri vardır. Stokastik bir sürece örnek olarak temel uygulamalardan bir tanesi verilebilir: Şirketler geçmiş talep miktarlarına bakarak, gelecek aylarda ürünleri için ne kadar çok talep olacağını tahmin etmeye çalışırlar. Bunu hiç yoktan tahmin etmek yerine, talebin geçmiş günler veya aylar boyunca nasıl davrandığını yakından incelerler. Talep stokastik, yani değişken bir miktar olduğu için talebi incelerken matematikten ve özellikle istatistikten faydalanırlar.

<span class="mw-page-title-main">Monte Carlo yöntemi</span>

Monte Carlo benzetimi, çok sayıda tekrarlanan rastgele örneklemelerle, bir takım nümerik sonuçlar elde etmeye yarayan ve bilimin birçok alanında yaygın olarak kullanılan bir sayısal hesaplama algoritmaları sınıfıdır. Stokastik olayların yer aldığı fiziksel süreçlerin sonuçlarının tahmin edilmesinde çok kullanışlıdır. Ayrıca, rastgele seçimlerin işe yaradığı ve prensipte deterministik olan bir takım problemlerin çözümünde de kullanılmaktadır. Monte-Carlo yöntemi, Nicholas Constantine Metropolis (1915-1999) tarafından bulunmuştur ve Atom bombasının geliştirildiği Los Alamos Ulusal Labratuvarında, bombanın patlamasından sonra dağılan nötronlara karşı kalkan modellemek için Stanislaw Ulam tarafından günümüze taşınmıştır.

<span class="mw-page-title-main">İş süreçleri modelleme</span>

İş süreci yönetimi ve sistem mühendisliği'ndeki iş süreci modellemesi (İSM), bir kuruluşun süreçleri temsil etme etkinliğidir. Böylece mevcut iş süreçleri analiz edilebilir, iyileştirilebilir ve otomatikleştirilebilir. İSM genellikle modelleme disiplininde uzmanlık sağlayan iş analistlerince, modellenen süreçler hakkında özel bilgili konu uzmanlarınca veya daha yaygını her ikisinin de olduğu bir ekip tarafından tarafından yapılır. Alternatif şekilde süreç modeli, işlem madenciliği araçları kullanılarak doğrudan olay günlüklerinden türetilebilir.

<span class="mw-page-title-main">Kesikli olay simülasyonu</span>

Sistem değişkenlerinin zaman içindeki değişimine göre simülasyonun kesikli ya da sürekli olduğu belirlenir.

<span class="mw-page-title-main">Simülasyon</span> gerçek bir dünya süreci veya sisteminin işletilmesinin zaman üzerinden taklit edilmesi

Simülasyon veya benzetim, teknik olmayan anlamda bir şeyin benzeri veya sahtesi anlamında kullanılır. Teknik anlamda gerçek bir dünya süreci veya sisteminin işletilmesinin zaman üzerinden taklit edilmesidir. Sistem nesneleri arasında tanımlanmış ilişkileri içeren sistem veya süreçlerin bir modelidir.

Matematiksel model, bir sistemin matematiksel kavramlar ve dil kullanılarak tanımlanmasıdır. Matematiksel model geliştirme süreci, matematiksel modelleme olarak adlandırılır. Matematiksel modeller, doğa bilimlerinde ve mühendislik disiplinlerinde bunun yanı sıra sosyal bilimlerde kullanılır. Matematiksel modelleri daha çok fizikçiler, mühendisler, istatistikçiler, operasyon araştırma analistleri ve ekonomistler kullanır. Model, bir sistemi açıklamaya, farklı bileşenlerin etkilerini incelemeye ve bir davranış hakkında öngörüde bulunmak için yardımcı olabilir.

<span class="mw-page-title-main">Moleküler dinamik</span>

Moleküler dinamik (MD), atomların ve moleküllerin fiziksel hareketlerini incelemek için bir bilgisayar simülasyon yöntemidir. Atomların ve moleküllerin sabit bir süre boyunca etkileşime girmesine izin verilir ve bu da sistemin dinamik evrimi hakkında bilgi verir. En yaygın versiyonda, atomların ve moleküllerin yörüngeleri, parçacıklar ve bunların potansiyel enerjileri arasındaki kuvvetlerin çoğu zaman atomlararası potansiyeller veya moleküler mekanik kuvvet alanları kullanılarak hesaplandığı, etkileşen parçacıkların bir sistemi için Newton'un hareket denklemlerinin sayısal olarak çözülmesiyle belirlenir. Metot ilk olarak 1950'lerin sonunda teorik fizik alanında geliştirildi, ancak günümüzde çoğunlukla kimyasal fizik, malzeme bilimi ve biyomoleküllerin modellenmesinde uygulanmaktadır.

Tarih boyunca matematiğin konu çeşitliliği ve derinliği artmaktadır, matematiği kavrama, birçok konuyu matematiğin daha genel alanlarına göre sınıflandırma ve düzenleme için bir sistem gerektirir. Bir dizi farklı sınıflandırma şeması ortaya çıkmıştır ve bazı benzerlikleri paylaşsalar da, kısmen hizmet ettikleri farklı amaçlara bağlı olarak farklılıkları vardır. Ek olarak, matematik geliştirilmeye devam ettikçe, bu sınıflandırma şemaları da yeni oluşturulan alanları veya farklı alanlar arasında yeni keşfedilen bağlantıları dikkate alacak şekilde değişmelidir. Farklı alanlar arasındaki sınırı aşan, genellikle en aktif olan bazı konuların sınıflandırılması daha zor hale gelir.

<span class="mw-page-title-main">İşlev modeli</span>

Sistem ve yazılım mühendisliğindeki işlev modeli modellenen sistem veya konu alanının işlevlerinin yapısal temsilidir.

Kavramsal model bir sistemin temsilidir ve modelin temsil ettiği sistemin insanların daha rahat bir şekilde anlamalarına yardımcı olur. Örneğin, montajı yapılarak oluşturulan bir oyuncak model temsil ettiği objenin çalışmasını modelini oluşturacak bir şekilde çalışabilir.

Hesaplamalı model, karmaşık sistemlerin davranışını matematik, fizik ve bilgisayar bilimleri kullanarak simüle etmek ve incelemek için bilgisayarların kullanılmasıdır.

<span class="mw-page-title-main">Bilimsel hesaplama</span>

Bilimsel hesaplama karmaşık problemleri anlamak ve çözmek için gelişmiş bilgi işlem yeteneklerini kullanan çok disiplinli bir alandır. Hesaplamalı bilim üç farklı unsuru birleştirmektedir:

Simülasyon yazılımı, matematik formülleri kullanılarak gerçek olayların modellendiği bir süreçtir. Simülasyon ile kullanıcılar gerçeğe en yakın olacak şekilde ürünlerin tasarlanmasını sağlayabilir ve çıktının nasıl olacağını anlayabilirler. Simülasyon yazılımı daha çok oyunlarda kullanılan gerçek zamanlı uygulamalardır. Oyunlar dışında birçok endüstriyel alanda da uygulanmaktadır. Endüstriyel alanlarda sorun yaratacak durumlarda; benzetim sayesinde olağan tehlikelerin önceden anlaşılması ve ne tip sonuçlara yol açabileceği anlaşılır. Örneğin; pilotlar, nükleer güç santralinde çalışan operatörler, kimya santrallerinde çalışan operatörler, kontrol panellerin modelleri gibi insan ve araç gereçlerin süreçte neler yaşayacağına ve ne sorunlarla karşılaşılacağına yönelik fiziksel tehlikeler benzetim sayesinde gerçek zamanlı gibi önceden fark edilebilir.

Stokastik süreç, Stokastik işlemi, zaman veya mekana göre değişen/evrilen olguları tanımlamak için kullanılan bir olasılık modelidir. Daha kapsamlı olarak, olasılık teorisinde, stokastik süreç, değişimi rastgele bir varyasyona bağlı olan bir değişken tarafından temsil edilen bazı sistemlerin gelişimini yansıtan bir zaman dizisidir. Bu, belirleyici süreç anlamına gelen deterministik sürecin olasılıkçı muadilidir. Sadece tek yönlü olarak değişebilen bir süreci tasvir etmek yerine bir stokastik veya rastgele süreçte, bazı belirsizlikler vardır. Hatta başlangıçtaki durum biliniyor olsa dahi sürecin gelişebileceği/değişebileceği bazı yönler vardır. Birçok stokastik süreçte, bir sonraki duruma veya konuma geçiş, yalnızca mevcut duruma bağlıdır ve işlemin önceki durumlarından veya değerlerinden bağımsızdır.

<span class="mw-page-title-main">Matematiksel istatistik</span> matematiksel yöntemlerin kullanıldığı olası istatistikler

Matematiksel istatistik, istatistiksel veri toplama tekniklerinin aksine, matematiğin bir dalı olan olasılık teorisinin istatistiğe uygulanmasıdır. Bunun için kullanılan özel matematiksel teknikler arasında matematiksel analiz, doğrusal cebir, stokastik analiz, diferansiyel denklemler ve ölçü teorisi bulunur.

<span class="mw-page-title-main">Ağ simülasyonu</span>

Bilgisayar ağı araştırmalarında, ağ simülasyonu bir yazılım programının gerçek bir ağın davranışını kopyaladığı bir tekniktir. Bu, yönlendiriciler, anahtarlar, düğümler, erişim noktaları, bağlantılar vb. gibi farklı ağ varlıkları arasındaki etkileşimlerin hesaplanmasıyla elde edilir. Çoğu simülatör, durum değişkenlerinin zaman içinde ayrık noktalarda değiştiği sistemlerin modellendiği ayrık olay simülasyonunu kullanır. Ağın ve desteklediği çeşitli uygulama ve hizmetlerin davranışı daha sonra bir test laboratuvarında gözlemlenebilir; ağın/protokollerin farklı koşullar altında nasıl davranacağını değerlendirmek için ortamın çeşitli özellikleri de kontrollü bir şekilde değiştirilebilir.

<span class="mw-page-title-main">ExtendSim</span>

ExtendSim, ayrık olay, sürekli, ajan tabanlı, ayrık hız ve karışık modlu süreçlerin modellenmesi için bir simülasyon programıdır. Üç ExtendSim paketi bulunmaktadır:

Global Mobile Information System Simulator, kablosuz ve kablolu ağ sistemlerini simüle eden bir ağ protokolü simülasyonu yazılımıdır.

QualNet Scalable Network Technologies, Inc. tarafından sahip olunan ve sağlanan bir test ve simülasyon aracıdır. Ağ simülasyon yazılımı olarak, fiziksel bir iletişim ağının davranışını taklit eden bir planlama, test ve eğitim aracı olarak işlev görür.

<span class="mw-page-title-main">OptiSLang</span>

optiSLang, CAE tabanlı duyarlılık analizi, çok disiplinli optimizasyon ve sağlamlık değerlendirmesi için bir yazılım platformudur. Dynardo GmbH tarafından geliştirilmiştir ve önceden tanımlanmış bir optimizasyon hedefine en çok katkıda bulunan değişkenleri belirleyerek sayısal Robust Design Optimization (RDO) ve stokastik analiz için bir çerçeve sağlar. Bu aynı zamanda sağlamlığın değerlendirilmesini, yani tasarım değişkenlerinin dağılımına veya parametrelerin rastgele dalgalanmalarına karşı duyarlılığı da içerir. 2019 yılında Dynardo GmbH, Ansys tarafından satın alındı.


Bu sayfa, bu Vikipedi makalesine dayanmaktadır.
Metin, CC BY-SA 4.0 lisansı altında mevcuttur; ek koşullar uygulanabilir.
Görseller, videolar ve sesler kendi lisansları altında mevcuttur.