การศึกษาผ่านแบบจำลอง ( Simulation ) 

 คือวิธีการที่จะจำลองสิ่งแทนหรือคุณลักษณะของความเป็นจริง จากโลกของความเป็นจริง เพื่อให้เห็นคุณลักษณะ หรือคุณสมบัติอันแท้จริงของระบบที่เราสนใจ  เพื่อนำไปสู่การกำหนดเป็นตัวแบบจำลอง (Model) ให้ได้

จุดประสงค์ของการใช้ Simulation

1. เพื่อเลียนแบบสภาพความเป็นจริงของระบบที่เราสนใจ โดยกระบวนการทางคณิตศาสตร์

2. เพื่อศึกษาคุณลักษณะหรือคุณสมบัติของระบบที่เราสนใจผ่านการจำลองระบบนั้นๆขึ้นมา 

3. เพื่อให้ได้ข้อสรุปและนำไปสู่การดำเนินการอย่างใดอย่างหนึ่ง กับระบบ โดยอาศัยผลลัพธ์ จากการศึกษาผ่านการจำลอง ของสิ่งนั้นๆ

เมื่อใดที่เราจำเป็นต้องใช้ Simulation

1. การที่จะทำการวิเคราะห์ โดยเหตุการณ์จริงๆ เป็นเรื่องที่ยุ่งยากหรือเป็นสิ่งที่เป็นไปไม่ได้เลย

2. เมื่อเราจำเป็นต้องรู้และเข้าใจ ระบบดังกล่าว

3. เมื่อต้นทุนของการที่จะทำให้ระบบนั้นๆ เกิดขึ้นจริงเพื่อทำการศึกษาวิเคราะห์ ต้องใช้ต้นทุนสูงมาก

ตัวอย่างการใช้ Simulation

1. การศึกษายารักษาโรคต่างๆ โดยใช้หนูเป็นสัตว์ทดลอง เนื่องจากการทดลองกับมนุษย์ในขั้นตอนแรกๆอาจจะทำให้เกิดอันตราย หรือความเสียหายต่อมนุษย์ 

2. การทดลองขับรถในสนามทดลอง เพื่อให้เห็น ประสิทธิภาพของเบรค การทรงตัว มุมเลี้ยว เป็นต้น

3. การทดลองหา แอโรไดนามิกส์ ในอุโมงค์ลม ของปีกยานอวกาศ เครื่องบิน หรือแม้แต่ตัวรถยนต์ 

4. การฝึกการบินของนักบิน โดยใช้เครื่องจำลองการบิน Flight simulator  เพื่อให้นักบินฝึกแก้ปัญหาที่มีโอกาสเกิดขึ้น ในการทำการบินจริงๆ

ตัวอย่างที่กล่าวมาทั้งหมดนั้น ล้วนมีข้อจำกัดอย่างมาก หากจะวิเคราะห์โดยใช้ของจริง แต่เราก็จำเป็นต้องรู้ข้อมูลจริงๆ ดังนั้นการใช้ Simulation จึงเป็นเรื่องที่สมเหตุสมผล และเชื่อถือได้  แต่นั่นเป็นตัวอย่าง Simulation ที่เป็นชิ้นเป็นตัวอุปกรณ์ เป็นการทดลอง  ทั้งนี้ยังมี Simulation อีกประเภทหนึ่ง ที่เป็น Simulation เชิงคณิตศาสตร์ ตัวเลข ทั้งนี้ก็เพื่อเป้าหมายเดียวกันคือ ช่วยทำให้ผู้ใช้สามารถวิเคราะห์ข้อมูลจริงๆของระบบใดระบบหนึ่ง ได้ โดยที่ไม่จำเป็นต้องเก็บข้อมูลมากมาย  อันเป็นเนื้อหาหลัก ที่ผู้เขียนจะกล่าวถึงในหัวข้อต่อไปนี้  

ขั้นตอนของ Simulation

ในบางครั้ง เมื่อทำการวิเคราะห์ผลการทดลองแล้ว อาจจะนำมาสู่การแก้ไขความสัมพันธ์ของตัวแปร หรือทำการแก้ไขขอบเขตหรือค่าของตัวแปร ที่เราสนใจก็ได้ ขึ้นอยู่กับผู้ใช้ Simulation

ข้อดีเมื่อมีการใช้ Simulation

1. ให้ผลที่เชื่อถือได้ และมีความยืดหยุ่นสูง  จำลองเหตุการณ์ได้หลายครั้ง  เมื่อเทียบกับการลงมือทำจริง 

2. ใช้ได้ดีกับการวิเคราะห์ระบบจริง ที่มีขั้นตอนที่สลับซับซ้อนและบางครั้งไม่อาจทำได้ในโลกแห่งความเป็นจริง

3. ประหยัดเวลา และค่าใช้จ่าย เมื่อเทียบกับการใช้ระบบจริงๆ

4. ไม่ไปขัดจังหวะหรือต้องหยุดระบบจริงๆ เพื่อทำการทดลอง

5. สามารถวิเคราะห์ได้ลึกลงไปถึงระบบย่อยๆ ของระบบใหญ่ ได้

 ข้อจำกัดของการใช้ Simulation

1. การจะได้ Simulation ที่ดี อาจจะมีราคาสูง หรือต้องใช้เวลาค้นคว้า

2. Simulation ไม่ได้ให้ผลสรุปที่เป็นจุดเหมาะสมที่สุด (Optimal) 

3. Simulation ไม่อาจจะให้คำตอบได้ทุกอย่าง หรือให้คำตอบโดยตัวมันเอง จำต้องขึ้นอยู่กับผู้ใช้ ที่จะเป็นผู้กำหนดเงื่อนไข และข้อจำกัดทุกอย่าง

4. SImulation ของปัญหาหนึ่ง ไม่สามารถนำไปใช้ได้กับอีกปัญหาหนึ่ง ผู้ใช้จะต้องคิดหรือกำหนดขึ้นใหม่เสมอ

เปรียบเทียบ Simulation กับ Optimization ( Linear Programming)

รูปแบบ Optimization ตัวแปรที่เราจะนำไปใช้ในการตัดสินใจ เป็น Input ของ Model  อันจะทำให้ Output ของ Model เกิดจุด Maximum หรือ Minimum ในการวิเคราะห์โดยใช้ Linear programming  ในขณะที่ Simulation นั้นเราจะกำหนดค่า Input (X) ต่างๆ ซึ่งอาจจะมีมากกว่า 1 ตัว เพื่อที่จะดูว่า Output หรือ Y เป็นเท่าใด

 Optimization : หาค่า X1,X2... Xi (Input) ที่ทำให้เกิด Optimal

Simulation : หาค่า  Y (Output) เมื่อกำหนดค่า X1,X2....Xi (Input)