جدول المحتويات
مقدمة
عندما يتم تغيير أو تحديث بعض المتغيرات ، يتم نمذجة العديد من النتائج باستخدام تقنية رياضية محوسبة تعرف باسم محاكاة مونت كارلو. إنها نمذجة حاسوبية تُستخدم لفحص كيفية عمل الأنظمة المعقدة وتصرفها. تحاكي الطريقة العديد من الاحتمالات في عملية صعبة لحلها باستخدام الطرق الرياضية التقليدية. تُستخدم محاكاة مونت كارلو في العديد من المجالات ، بما في ذلك الأعمال المصرفية والهندسة وإدارة المخاطر والفيزياء وتقييم دورة الحياة (LCA).
تعتمد المنهجية على مفاهيم العشوائية والاحتمالية. في محاكاة مونت كارلو ، تمثل الأرقام العشوائية المولدة بواسطة مولد الأرقام العشوائية توزيعًا احتماليًا معينًا (على سبيل المثال ، "التوزيع الطبيعي). ثم يتم استخدام توزيع الاحتمالات هذا لتحديد حالات معينة.
غالبًا ما تستخدم محاكاة مونت كارلو تحليل عدم اليقين. تحليل عدم اليقين هو طريقة لتحديد عدم اليقين حول نتائج المحاكاة. يتم قياس التباين في نتائج المحاكاة الناتجة عن عوامل مثل الإدخال العشوائي والتغير الجوهري المستند إلى النموذج باستخدام هذه التقنية.
قد يكون الجمع بين محاكاة مونت كارلو وتحليل عدم اليقين أداة قوية لفهم وتقييم سلوك وأداء النظام. لتحسين دقة وموثوقية عمليات المحاكاة ، ستناقش هذه المقالة مفاهيم وأساليب محاكاة مونت كارلو وتحليل عدم اليقين.
أساسيات المحاكاة في مونت كارلو
الاحتمالية والعشوائية هما أساس محاكاة مونت كارلو. باستخدام مولد الأرقام العشوائية ، يولد الأسلوب أرقامًا عشوائية يتم استخدامها بعد ذلك لتمثيل توزيع احتمالي معين. ثم يتم استخدام توزيع الاحتمالات هذا لتحديد حالات معينة.
تعكس الأرقام العشوائية التي تم إنشاؤها بواسطة مولد الأرقام العشوائية توزيعًا احتماليًا معينًا. ثم يتم استخدام توزيع الاحتمالات هذا لتحديد حالات معينة. قد يظهر التوزيع الاحتمالي بأي شكل ، بما في ذلك التوزيع الطبيعي ، التوزيع المنتظم ، أو مزيج من الاثنين.
ثم يتم تقليد كفاءة النظام وسلوكه باستخدام أرقام عشوائية. على سبيل المثال ، قد يستخدم النظام المالي أرقامًا عشوائية لتكرار سعر السهم. بعد ذلك ، يتم استخدام الأرقام العشوائية لحساب الأحداث المختلفة ، مثل ارتفاع أسعار الأسهم أو انخفاضها.
يمكن إنشاء الأرقام العشوائية المستخدمة في المحاكاة باستخدام طرق مختلفة ، مثل المعادلة الرياضية أو مولد الأرقام العشوائي. قد تولد عدة طرق أرقامًا عشوائية.
تحليل عدم اليقين
تحليل عدم اليقين هو طريقة لتحديد عدم اليقين حول نتائج المحاكاة. يتم قياس التباين في نتائج المحاكاة الناتجة عن عوامل مثل الإدخال العشوائي والتغير الجوهري المستند إلى النموذج باستخدام هذه التقنية.
يمكن إجراء تحليل عدم اليقين بعدة طرق. الأول هو تحليل الحساسية ، الذي ينظر في الآثار المحتملة لتغيير مدخلات المحاكاة على النتائج. خيار آخر هو إجراء محاكاة مونت كارلو باستخدام تحليل عدم اليقين ، والذي ينظر في تباين النتائج عبر عمليات المحاكاة المختلفة. قد تقوم نتائج تحليل عدم اليقين بعد ذلك بتقييم دقة النموذج وموثوقية نتائج المحاكاة.
محاكاة مونت كارلو (التحليل) في تقييم دورة الحياة - دراسة حالة
تعد محاكاة مونت كارلو خطوة حاسمة في تقييم دورة الحياة (LCA). يمكن تنفيذه إما للنموذج الذي نقوم بإنشائه أو لعملية قاعدة بيانات مخزون دورة الحياة (LCI). يتم إجراء ذلك عادةً للنظام الذي يتم تصميمه. يظهر LCA المحلل مدى عدم اليقين (أو مقدار عدم اليقين) النتائج. عادةً ما يتم استخدام التوزيع العادي لتوزيعه ، ولكن توجد خيارات توزيع أخرى. سيتم عرض النتائج على شكل منحنى على شكل جرس باستخدام التوزيع الطبيعي. تكون النتائج أكثر موثوقية عندما يكون الشكل أضيق وعندما يكون هناك عدد أقل من حالات عدم اليقين.
يمكن استخدام برنامج Excel لتنفيذ مونت كارلو بتنسيق LCA. أبسط طريقة يستخدم LCA برنامج مثل openLCA, GaBi، أو سيمابرو. سيُطلب من المستخدم إدخال عدد مرات التشغيل عند تشغيل التحليل باستخدام البرنامج (عدد عمليات المحاكاة). عادة ، يتضمن ما لا يقل عن 1000 مرة. تكون نتائج المحاكاة أكثر دقة كلما زاد التشغيل. ومع ذلك ، يجب أن يستغرق الوقت وقتًا أطول لإكمال التحليل إذا تم تشغيل أكثر من 1000 مرة. تعمل مونت كارلو على النحو التالي في LCA البرمجيات:
- تقوم المحاكاة بتعيين جميع قيم المعلمات العشوائية بين القيم الدنيا والقصوى.
- يفحص البرنامج الأبراج المعلمة العشوائية.
- لإجراء التحليل ، نفحص الرسم البياني على شكل جرس: كيف يتغير منحنى عدم اليقين (الشكل) من حيث نسب عدم اليقين عند استخدام مجموعات معينة من المعلمات العشوائية
مزيج شبكة الكهرباء اليابانية
يظهر تحليل مونت كارلو لمزيج شبكة الكهرباء اليابانية لـ 11 تأثيرًا بيئيًا في الشكل التالي (يتم النظر في 12 تأثيرًا بيئيًا ، بما في ذلك إمكانية الاحترار العالمي مع عدم اليقين من الكربون الحيوي).
نتائج تحليل مونت كارلو لمزيج شبكة الكهرباء اليابانية
يمثل المحور الصادي "عدد الأبراج العشوائية للمعلمات التي تؤدي إلى عدم اليقين لكل فئة تأثير (أو قضية بيئية). يمثل المحور السيني النسبة المئوية لعدم اليقين لكل فئة من فئات التأثير. مرة أخرى ، كلما كان الشكل ضيقًا ، كانت النتائج أفضل بشكل عام وأكثر قوة. أيضًا ، كلما انخفضت قيمة المحور السيني وكلما انخفضت قيمة % للمحور الصادي ، كان النموذج الأفضل من حيث عدم اليقين. يمثل المحور X عدد المتغير العشوائي الذي حدث فيه % من عدم اليقين ويتم تمثيله في المحور ص.
يوضح الرسم البياني التالي تحليل عدم القدرة على التحقق من مزيج الشبكة اليابانية ولكن هذه المرة لإمكانية الاحترار العالمي (GWP) فقط - إمكانات تغير المناخ.
تحليل الحساسية
تحليل الحساسية هو أسلوب لتحديد كيفية تأثير مختلف القيم المتغيرة المستقلة على متغير تابع معين ضمن مجموعة محددة من الافتراضات. إنها تقنية حاسمة تستخدم في تقييم المخاطر والتحليل المالي والتي تساعد في معرفة كيفية اختلاف نتائج الاختيار أو النموذج إذا تم تغيير واحد أو أكثر من الافتراضات الأساسية. يتم استخدامه أيضًا لتحديد العوامل التي تؤثر على مدى جودة عمل الخيارات أو النماذج المحددة ، كما هو الحال في تقييم دورة الحياة (LCA).
تحليل الحساسية هو أسلوب للتنبؤ بكيفية تأثير التغييرات في عوامل مثل أسعار الفائدة والتضخم وأسعار الصرف على الأداء المالي للشركة. قد يقوم أيضًا بتقييم كيفية تأثير تقنيات الاستثمار المختلفة على العوائد المتوقعة. قد يتخذ المستثمرون والإدارة أحكامًا حكيمة وإدارة مخاطرهم بشكل أفضل من خلال دراسة كيفية تأثير التغييرات في بعض العوامل على الأداء المالي للشركة.
يستخدم تحليل الحساسية في تقييم المخاطر وتقييم دورة الحياة (LCA) لتحديد العوامل الأكثر تأثيرًا على نتيجة النموذج. يمكن للخبراء تحديد العوامل الأكثر أهمية عند اتخاذ الخيارات والتحكم في المخاطر من خلال تقييم تأثير المتغيرات المختلفة. يتم أيضًا تحديد الافتراضات الأكثر أهمية لاتخاذ الخيارات والتحكم في المخاطر باستخدام هذه الطريقة.
التحليل المالي وتقييم المخاطر هما مجرد تطبيقين لتحليل الحساسية. قد يدرس أيضًا كيفية تأثير تكتيكات الشركة على حصتها في السوق ومعنويات الموظفين ورضا العملاء. يمكن للمديرين والمديرين التنفيذيين اتخاذ خيارات حكيمة وإدارة مخاطرهم بشكل أفضل من خلال النظر في كيفية تأثير التغييرات في بعض العوامل على سعادة العملاء ومشاركة الموظفين وحصة السوق.
تحليل الحساسية أمر بالغ الأهمية لتقييم المخاطر والتحليل المالي والبيئي. من المفيد معرفة العوامل التي لها أكبر تأثير على كيفية ظهور خيارات أو نماذج محددة. قد يقوم أيضًا بتقييم كيفية تأثير استراتيجيات الاستثمار المختلفة على العوائد المتوقعة ، وتحديد الافتراضات الأكثر أهمية لاتخاذ القرار وإدارة المخاطر ، وتقييم كيفية تأثير استراتيجيات الشركة المختلفة على رضا العملاء ، ومشاركة الموظفين ، وحصة السوق. يسمح تحليل الحساسية للمستثمرين والمديرين باتخاذ خيارات حكيمة وإدارة مخاطرهم بشكل أفضل.
تحليل الحساسية في تقييم دورة الحياة - دراسة حالة
طريقة التحليل الأساسية الأخرى لتقييم دورة الحياة (LCA) هي تحليل الحساسية. هنا ، نستخدم تحليل Japan Grid Mix Mote Carlo لتوضيح تحليل الحساسية مرة أخرى. يظهر تحليل الحساسية لدراسة الحالة هذه في الجدول أدناه. على الرغم من أن Microsoft Excel يمكنه أيضًا تنفيذه ، إلا أننا سنشرح كيفية إجراء تحليل الحساسية باستخدام برنامج LCA مثل ، على سبيل المثال ، GaBi والمفهوم العام:
- سيتم تعيين الانحرافات المعيارية للمعلمات باستخدام تحليل الحساسية.
- يضاعف برنامج LCA الانحراف المعياري ويقسمه حسب قيم المعلمات (على سبيل المثال ، + 50% و -50%).
- يوضح تحليل الحساسية كيف يؤثر اختلاف كل معلمة على النتائج.
- "ما مدى حساسية نتائجنا لتغيير +/- 50% في هذه المعلمة وتلك."
عندما يتم إنشاء النتائج ، يمكنك إلقاء نظرة على ما يلي:
- ما هي النسبة المئوية للنتيجة التي تم تغييرها إذا تمت زيادة معامل واحد ، على سبيل المثال ، 50%؟
- بتغيير معلمة واحدة فقط ، تغيرت النتائج بمقدار ضخم ، على سبيل المثال ، -50%.
شاهد نتائج تحليل الحساسية لمزيج شبكة الكهرباء اليابانية لـ LCA. يوضح الجدول الأول عوامل التأثير مع IDS الأكثر تقابلًا لنتائج الحساسية في الجدول الثاني.
1
إمكانية استنفاد طبقة الأوزون (ODP ، الحالة المستقرة)
كجم R11 مكافئ.
2
إمكانات السمية البشرية (HTP inf.)
كجم DCB مكافئ.
3
فوتوتشيم. إمكانات تكوين الأوزون (POCP)
كجم مكافئ إيثين.
4
وعاء السمية البيئية المائية البحرية. (معلومات MAETP.)
كجم DCB مكافئ.
5
القدرة على السمية البيئية للأرض (TETP inf.)
كجم DCB مكافئ.
6
إمكانية الاحترار العالمي (GWP 100 عام) ، باستثناء الكربون الحيوي
كجم مكافئ ثاني أكسيد الكربون
7
النضوب اللاأحيائي (عناصر ADP)
كجم Sb مكافئ.
8
وعاء السمية البيئية المائية للمياه العذبة. (معلومات FAETP.)
كجم DCB مكافئ.
9
النضوب اللاأحيائي (أحفوري ADP)
إم جي
10
قدرة التحمض (AP)
كغم SO2 مكافئ.
11
إمكانية الاحترار العالمي (GWP 100 سنة)
كجم مكافئ ثاني أكسيد الكربون
12
إمكانية التخثث (EP)
كيلو فوسفات مكافئ.
|
| طاقة الفحم | الطاقة الكهرومائية | طاقة الغاز الطبيعي | الطاقة النووية | وقود زيت الوقود الثقيل الطاقة | طاقة شمسية | طاقة النفايات | طاقة الرياح |
حساسية | 1 - الانحراف المعياري | -1.33% | -0.04% | -1.36% | -0.05% | -1.99% | -0.21% | 0.00% | -0.01% |
1 + الانحراف المعياري | 1.33% | 0.04% | 1.36% | 0.05% | 1.99% | 0.21% | 0.00% | 0.01% | |
2 - الانحراف المعياري | -1.58% | -0.20% | -1.05% | -0.07% | -0.78% | -0.53% | -0.22% | -0.04% | |
2 + الانحراف المعياري | 1.58% | 0.20% | 1.05% | 0.07% | 0.78% | 0.53% | 0.22% | 0.04% | |
3 - الانحراف المعياري | -2.13% | 0.00% | -1.61% | -0.01% | -0.82% | -0.01% | -0.14% | 0.00% | |
3 + الانحراف المعياري | 2.13% | 0.00% | 1.61% | 0.01% | 0.82% | 0.01% | 0.14% | 0.00% | |
4 - الانحراف المعياري | -1.53% | 0.00% | -0.22% | -0.02% | -0.12% | -0.02% | -0.54% | 0.00% | |
4 + الانحراف المعياري | 1.53% | 0.00% | 0.22% | 0.02% | 0.12% | 0.02% | 0.54% | 0.00% | |
5 - الانحراف المعياري | -1.21% | -0.02% | -1.27% | 0.00% | -0.45% | -0.05% | -1.08% | -0.06% | |
5 + الانحراف المعياري | 1.21% | 0.02% | 1.27% | 0.00% | 0.45% | 0.05% | 1.08% | 0.06% | |
6 - الانحراف المعياري | -2.29% | 0.00% | -1.84% | 0.00% | -0.68% | -0.01% | -0.17% | 0.00% | |
6 + الانحراف المعياري | 2.29% | 0.00% | 1.84% | 0.00% | 0.68% | 0.01% | 0.17% | 0.00% | |
7 - الانحراف المعياري | 0% | 0% | 0% | 0% | 0% | 0% | 0% | 0% | |
7 + الانحراف المعياري | 0% | 0% | 0% | 0% | 0% | 0% | 0% | 0% | |
8 - الانحراف المعياري | -0.80% | -0.01% | -1.62% | -0.28% | -1.91% | -0.06% | -0.05% | 0.00% | |
8 + الانحراف المعياري | 0.80% | 0.01% | 1.62% | 0.28% | 1.91% | 0.06% | 0.05% | 0.00% | |
9 - الانحراف المعياري | 0% | 0% | 0% | 0% | 0% | 0% | 0% | 0% | |
9 + الانحراف المعياري | 0% | 0% | 0% | 0% | 0% | 0% | 0% | 0% | |
10 - الانحراف المعياري | -2.35% | 0.00% | -1.18% | -0.01% | -0.90% | -0.03% | -0.23% | 0.00% | |
10 + الانحراف المعياري | 2.35% | 0.00% | 1.18% | 0.01% | 0.90% | 0.03% | 0.23% | 0.00% | |
11 - الانحراف المعياري | -2.09% | 0.00% | -1.68% | 0.00% | -0.62% | -0.01% | -0.42% | 0.00% | |
11 + الانحراف المعياري | 2.09% | 0.00% | 1.68% | 0.00% | 0.62% | 0.01% | 0.42% | 0.00% | |
12 - الانحراف المعياري | -2.13% | 0.00% | -1.48% | -0.01% | -0.76% | -0.02% | -0.27% | 0.00% | |
12 + الانحراف المعياري | 2.13% | 0.00% | 1.48% | 0.01% | 0.76% | 0.02% | 0.27% | 0.00% |
خاتمة
الاستنتاج 2: يمكن دراسة تأثير المتغيرات العشوائية والشكوك على نظام أو عملية باستخدام طريقة محاكاة مونت كارلو ، والتي تُعرف أيضًا غالبًا باسم تحليل عدم اليقين. إنها تقنية لتقييم النتائج المحتملة لنظام أو عملية من خلال تشغيل العديد من عمليات المحاكاة التي تم إنشاؤها بشكل عشوائي ووجود معلمات إدخال مختلفة والجمع بين نتائج العديد من عمليات المحاكاة يؤدي إلى توزيع احتمالي للخيارات البديلة. يمكن حساب المخاطر المرتبطة باتخاذ قرار بشأن الاستثمارات في مواجهة عدم اليقين باستخدام هذه التقنية.
الاستنتاج 3: يعد تحليل الحساسية أسلوبًا مهمًا في تقييم المخاطر والتحليل المالي والإدارة البيئية وتقييم دورة الحياة (LCA). وهي تحدد كيفية اختلاف نتائج الاختيار أو النموذج إذا تم تغيير واحد أو أكثر من الافتراضات الأساسية. يتم أيضًا تحديد الافتراضات الأكثر أهمية لاتخاذ الخيارات والتحكم في المخاطر باستخدام هذه الطريقة.
تدريب تقييم دورة الحياة (LCA)
إذا استمتعت بهذا المنشور، انضم إلى النشرة الإخبارية المجانية للحصول على محتوى أكثر قيمة! اشترك الآن للحصول على مقالات إعلامية وتحديثات الخدمة والأدلة القابلة للتنزيل والمزيد. انقر هنا!
العربية 
English 
日本語 
简体中文 
Deutsch 
Nederlands 
Español 
Français 
Italiano 
繁體中文 
한국어