歡迎來到全傑科技

今日訪客: 2322
線上訪客: 8

本軟體最新開課活動

目前沒有相關活動!!!
本軟體之前的活動!!
本軟體有產品說明會, 請洽本公司!!

下載專區 Download

活動資訊

  • 目前尚無任何訓練課程!!

聯絡我們

姓名:
Email:
聯絡電話:
單位:
部門:
附件:
您的留言:

提供專業軟體代購服務
如有未列於網站之產品需求
歡迎來電洽詢,感謝您!
電話:(02)2507-8298

VENSIM 10
系統模擬軟體
軟體代號:7217
瀏覽次數:4501
WindowsVISTAWindows7Windows8Windows 10
多人版
教育版
商業版
再啟動服務
原廠技術服務
教育訓練
永久授權
安裝序號
合法保證
原廠手冊
產品介紹!

本公司為 台灣區授權 代理商

相關書籍推薦

書名:決策分析與模擬-組織機構與企業產業發展的途徑

作者:蕭志同●戴俞萱●柳淑芬 編著

 

您可以連結以下網址,來預覽所有YouTube的教學影片
http://www.youtube.com/user/SoftHome4VENSIM

請問

Q1. 物質流 金錢流 資訊流等 都可以同時跑嗎?   

可以

Q2. 這些關係若沒有描述方程式 那只能設定增減量以及起始值嗎?   

可以設定 描述方程式  增減量 以及起始值

Q3. 這些關係可從問卷調查得到嗎? 傳統的統計問卷調查只能確認是否有關係 不能得到量的關係   

您須了解 問卷調查 再給予  描述方程式  增減量 以及起始值

Q4. 系統運作後 如何停止? 有穩定狀態的概念嗎?   

運作後 會設定 停止時間  您需自訂   

Q5有穩定狀態?     

您的系統如果不穩定就會發散   

您的系統如果穩定就會穩定

Vensim適用於發展分析高等的動態迴授模型。模型的構造可用圖形介面或文字編輯。其特色包括動態函數,陣列,蒙地卡羅靈敏度分析,最佳化,資料處理,應用軟體介面等。

試用版下載 Vensim PLE快速教學手冊下載

功能
Vensim 是工業級模擬軟體,用於提高真實系統的性能。 Vensim 豐富的功能集強調模型質量、數據連接、靈活分佈和高級算法。 從學生到專業人士的每個人的配置。

Vensim 用於開發、分析和動態包裝回饋模型。 我們強調:
高品質,具有尺寸一致性和現實查核
連接數據和復雜的校準方法
在 SyntheSim 中連續模擬的即時輸出
彈性的模型發布
模型分析,包括最佳化和蒙地卡羅模擬

Vensim 包含許多行業領先的模擬技術進步。
因果追蹤
下標
最佳化
資源分配算法

Professional & DSS
閱讀Vensim手冊. Vensim Professional 是管理大型複雜模型所需要的。 它提供結構和行為的 Causal Tracing,並具有 Monte Carlo 敏感性、最佳化和下標(數組)功能。 Vensim DSS 添加了一個界面開發工具,用於建裡管理模擬飛行、外部函數和巨集、編譯模擬等。

自定 Vensim 應用程序(模擬飛行和其他模型介面)可以使用 Venapp builder 開發,或者使用 Visual Basic、C、C++、Visual C++、Delphi、Excel 和多媒體創作工具等編程語言,或者使用 Sable ( 以下)。

PLE Plus
Vensim PLE Plus 彌補了便宜的(或免費)PLE 和我們更高配置之間的差距。 PLE Plus 功能齊全,價格實惠,包括數據連接、多視圖、蒙地卡羅靈敏度模擬、遊戲模擬和新的模型用戶界面(輸入和輸出控制)。

PLE
Vensim PLE(個人學習版)是幫助您開始系統動力學建立模型的軟體,可免費用於教育用途,但價格低廉,可用於商業用途。 Vensim PLE 非常適合課堂使用和系統動力學的個人學習.

模型閱讀器
Vensim 模型閱讀器是免費軟體,它允許您發布使用 Vensim 構建的模型並將其分發給其他人。 您的模型和 Vensim 模型閱讀器可以複製並傳遞給任意數量的人,讓人們無需購買 Vensim 即可訪問您的模型。

分子
Molecules 軟體用於從系統動力學結構的“塊”或分子構建系統動力學模型。 該軟體是許多作者的合作成果。

因果追蹤
因果追蹤可以快速準確地分析模型動力學
在構建模型和分析現有模型的過程中,發現哪些事物正在導致其他事物發生變化是很有用的。 從一個方向看,您可以發現哪些變量會導致特定變量發生變化。 從另一個方向看,您可以發現特定變量更改(或使用)了哪些變量。 研究中的變量稱為“工作台變量”。

樹形圖
樹形圖分析工具建立輸出窗口,顯示從工作台變量分支出來的原因樹。 原因樹圖顯示變量的原因; 使用樹圖顯示了變量的使用。 樹形圖顯示原因並最多使用兩個變量(預設設置)。 您可以通過選擇要跟蹤的新工作台變量(例如上圖中的淨僱員)並再次單擊原因樹分析工具,繼續在整個模型中跟蹤變量的原因(或用途)。

追蹤行為
模型行為可能難以快速分析,尤其是在試圖準確發現哪些變量和反饋循環正在對特定變量貢獻某些行為組件時。 考慮下面的模型。 該模型包含許多交互反饋循環,這些循環會為變量 Backlog 產生振盪行為。 為什麼 Backlog 會出現波動?

首先,選擇 Backlog 作為工作台變量。 接下來,單擊原因條形圖分析工具,產生下面集合中的第一個條形圖。

請注意導致 Backlog 更改的兩個變量如何具有不同的行為。 完成的訂單增加,然後溫和波動,而輸入的訂單增長並劇烈波動。 輸入的訂單是導致積壓工作波動的主要部分。 讓我們檢查一下為什麼輸入的訂單會波動。

選擇作為工作台變量輸入的訂單,我們建立了一個原因條圖,並發現導致輸入訂單的唯一變量是已預訂的訂單。 選擇預定訂單作為工作台變量,我們建立一個原因條形圖並發現兩個變量導致預定訂單:銷售力量和銷售效率。 銷售力量在溫和地波動,而銷售效率在強烈地波動。

主導反饋迴路
如果您仔細檢查波動的時間,您會發現銷售效率的高峰(或低谷)出現在訂單(或銷售隊伍)的高峰(或低谷)之前。 這告訴我們,包含銷售效率的反饋迴路中的波動正在驅動另一個反饋迴路中變量的波動。 實際上,由於潛在的大相移,應該將銷售效率的第一個峰值(和負反饋循環)與預訂訂單(和銷售人員)的第一個峰值(您可以在一組原因中看到)進行比較 上面的條形圖)

看上面的因果循環圖,我們看到兩個主要的反饋循環在預訂的可變訂單處收斂,通過銷售效率的負反饋循環產生了主要的振盪,並通過銷售力量傳遞到正反饋循環 .

下標
Vensim 的下標語言可以構建非常先進的陣列模型
通常需要一遍又一遍地重複一個模型結構。 例如,零售店可能會被複製到許多不同的地區,或者工廠生產過程可能會重複多次。 重複結構的一種方法是建立和除錯一個結構,然後根據需要多次複製和複製該結構。 但是,這可能導致複雜的圖表和常量值和結構數量的硬接線。 重複結構的更好方法是使用下標。 建立一個下標並將其添加到一個原始結構中,建立與下標元素一樣多的結構。 現在可以輕鬆更改所有結構的結構數量和數值。 圖表也更整潔。

例子
諸如鞋類零售商之類的零售店可能在三個地點設有商店。 可以為具有員工、庫存、銷售等結構的商店構建模型。一旦該模型正確模擬,就會建立一個名為 Location 的下標,下標元素為 Boston、New York 和 San Francisco。 將下標 Location 添加到 one store 結構中,修改常量以反映每個位置的值,現在 one model 包含三個結構。

每個下標結構都可以單獨訂製,具有不同的常數、多個方程,甚至多個下標。 Vensim 最多支持八種不同的下標,允許極其複雜的結構。

下標方程式
在包含勞動力的公司中,下標 [worktype] 可能代表公司中工人的類型,而下標 [location] 可能代表辦公室或工廠的物理位置。 所以方程式

hires[worktype, location] = desired hires[worktype, location] / time to hire worker[worktype]

允許一個方程式代表所有類型的工作和所有地點的工人招聘(僅使用兩個下標)。 請注意,上述等式中僱傭工人的時間被認為是不同的,取決於工作類型,而不是位置(因此下標僅適用於工作類型)。

進一步的例子
下標可以允許構建代表同一物理過程的許多不同部分的單個庫存。 例如,一個人口老齡化鏈由幾隻股票構成,人們在這些股票中老化並進入下一個股票,如下所示:

可以使用下標構建相同的結構來表示每個年齡類別(隊列),如下所示:

使用下標的優點是您可以通過更改下標名稱和值來輕鬆更改年齡類別的數量或特徵,而不是通過刪除或添加庫存來更改物理結構(就像在上面的多庫存結構中必須做的那樣)。 此外,您可以表示非常多的年齡類別(例如 100 個),而無需建立 100 個股票。

下標函數

下標有幾個特殊的函數,用於處理方程。 SUM 函數對標有驚嘆號 (!) 的下標的所有值求和。 其他功能包括產品、最大值和最小值。

total workers[worktype] = SUM ( Workers[worktype, location!])

該等式描述了所有地點的每種特定工作類型的工人(例如,辦公室工作人員、工廠操作員)的總和。 換句話說,所有地點的總辦公室工作人員總和,所有地點的總工廠操作員總和。 SUM 函數適用於下標位置,因為位置標有驚嘆號。

最佳化
Vensim 的最佳化提供模型的快速校準和最佳解決方案的發現

模型校準
模型完整性的驗證部分取決於將模型行為與“現實世界”中收集的時間序列數據進行比較。 當模型在結構上完成並正確模擬時,可以繼續對模型進行校準,以使模型適合該觀察到的數據。 動態模型通常對常數參數的值非常敏感。 如果您想校準您的參數以使模型行為與觀察到的數據相匹配,您可能需要嘗試數千種不同參數值的組合。 Vensim 校準使此過程自動進行。 您指定要擬合的數據系列以及要調整的參數,然後 Vensim 會自動調整參數以獲得模型行為和數據之間的最佳匹配。 要調整的參數數量或要擬合的數據系列的數量沒有限制。

例子
在上個世紀,美國家庭向電力的轉換遵循以巴斯擴散模型為代表的擴散模式。 一旦結構完成並產生所需的行為模式,我們就可以校準模型以適應美國商務部的歷史數據。 與歷史數據(歷史數據)相比,第一次模擬執行(第一次運行)顯示增長過早和過快。 用戶選擇具有未知或不確定值的參數並選擇歷史數據系列,然後 Vensim 最佳化引擎搜索最適合數據的參數值,並顯示參數值和最佳模擬 運行(校準)。

策略最佳化
Vensim 的最佳化引擎可以搜索大量參數值以尋找最佳解決方案。 您定義要調整的收益變量。 一種有效的 Powell 爬山算法在參數空間中搜索以尋找最大的累積收益。 要搜索的收益變量或策略參數的數量沒有限制。 高級靈敏度分析可從最佳化模擬中獲得。

例子
一家公司的特點是庫存和銷售供應鏈,它必須設法使公司利潤最大化。 庫存過少會導致銷售損失(和利潤下降),但過多的庫存會增加庫存成本,也會導致利潤下降。 用戶選擇支付變量,在本例中為 Cumulative Profit,然後選擇策略參數(開始補貨的最小庫存值和停止補貨的最大庫存值)。 Vensim 最佳化引擎搜索提供最佳回報值(最高累積利潤)的策略參數值,並列印出這些值和最佳模擬執行。

卡爾曼濾波
在具有未觀察到的變量的動態系統中,希望但不可能知道所有變量在任何時候的狀態。 但是,如果某些變量的值是已知的,則您可以對其他變量的值做出良好的估計。 例如,業務模型可能由勞動力/庫存系統組成。 目標是在給定可用測量的情況下確定勞動力、庫存和其他模型變量的時間概況。 Vensim 在啟動卡爾曼濾波器的情況下模擬模型,並根據模型簡單模擬數據(下圖中的simple.vdf)和測量庫存數據(data.vdf)對輸出做出智能選擇。 結果輸出卡爾曼濾波(filter.vdf - 灰線)跟蹤實際庫存(藍線)比單獨的簡單模擬(紅線)或單獨測量的庫存(綠線)要好得多。

按優先級分配
Vensim 包含內建分配函數,可以解決用更簡單的語言無法實際處理的問題,以及經濟學中常見的機制未能通過重要的現實檢查的問題。

在商業和經濟模型中,通常需要將可能有限的供應分配給多個需求實體。 通常還需要表示競爭供應商之間的需求分配。 儘管需求分配和供給分配這兩種問題看起來不同,但它們可以通過單一算法有效解決。 在每種情況下,輸入是:

需求向量
優先級向量
一個供應,將在需求之間分配

換一種說法,同樣的問題有以下輸入
供應能力向量
各種供應商的吸引力向量
一個需求,分配給供應商

在某些問題中,兩者都可能存在,需要將一種商品從許多需求者分配給許多供應商。

ALLOCATION BY PRIORITY 函數(或 ALLOC P 函數與 MARKETP 函數一起使用)找到市場出清的市場優先級,並使用它來確定分配。

僅基於us/(us+them)邏輯或聚合生產函數的公式通常無法通過重要的現實檢查。 Vensim 的分配函數為分配問題帶來了一些額外的改進,同時保持計算快速和簡單。

一般策略:避免做愚蠢的事情

有幾種標準的分配建模方法,但每個公式都至少有一個重要缺陷。 例如,一種方法是根據簡單的公式為每個供應商分配需求的一部分“f”:

fi = (ai / sum(ai)) * demand
where
fi =供應商 i 贏得的需求比例(換句話說,供應商 i 的市場份額)
ai =供應商 i 產品的吸引力(如果價格是產品之間的唯一差異,ai 可能是 1/pricei)

sum(ai)是所有吸引力的總和.

這個公式有許多理想的屬性,但它沒有一個約束:一個小供應商有可能佔領整個市場。 例如,假設需求是對文字處理軟體的全球總需求。 進一步假設只有兩個競爭對手:Microsoft 和 JoeBob。 微軟是全球巨頭; JoeBob 是兩個十幾歲的兄弟(喬和鮑勃)在他們父母的廚房外經營。 如果喬和鮑勃設法編寫出比微軟更好(更有吸引力)的產品(以前已經做過——記住 Intuit),那麼上述公式將立即將大部分市場份額授予喬鮑勃。

我們可以通過兩種方式克服這個問題。 一種是在吸引力數字中包含可見度的度量。 在這種情況下,JoeBob 的產品可能是最好的,但它的吸引力會很小,因為缺乏口碑和廣告。 但是,如果他們從雜誌的評論中得到一些快速的宣傳呢? 要做到這一點,我們必須將 JoeBob 的超載電話等的影響納入吸引力中。

正如這個例子所暗示的,分配問題比看起來更棘手。

現實分配邏輯的要求

ALLOC P 函數由 William T. Wood 發明,以應對尋找滿足所有所需屬性的算法的挑戰。 有五個所需的屬性,以確保真實性和靈活性:

在所有條件下,向接收部門交付的總和必須等於從供應部門交付的數量
所有交付(分配)必須是正數。
任何部門都不應收到超過它的訂單。
在供應充足的情況下,每個部門都應該準確地收到它所訂購的東西。
在短缺的情況下,獨特的低優先級部門應該得到很少或沒有; 如果有一個獨特的高需求部門,它應該獲得幾乎所有的東西,將其競爭對手拒之門外。

在市場份額的雙重計劃中,同樣的五個要求是:
在所有條件下,所有供應商的銷售額總和必須等於總需求。
所有銷售和市場份額必須為正數。
任何供應商的銷售量都不能超過其產能。
在需求極度過剩的情況下,每個供應商都應該出售其全部產能。
在需求有限的情況下,特別沒有吸引力的供應商應該很少銷售或不銷售。 如果有一個具有獨特吸引力的高產能供應商,它應該會贏得幾乎整個市場,將競爭對手拒之門外。

Wood 算法:示例應用程序
Wood 算法的靈感是幾何的,因此最好用圖形來理解,在一種圖形中。 假設有兩個供應商 A 和 B,其容量分別為 10 個和 20 個小部件。 我們用一個矩形來表示每個供應商的產能,因此該圖類似於條形圖,只是每個供應商的產能是由其矩形的面積而不是高度表示的。 使用面積而不是高度的原因將在稍後變得明顯。

對於我們的第一個示例,我們從寬度為 2 個吸引力單位的矩形開始。 正如我們所說,選擇每個供應商矩形的高度,使矩形的面積等於供應商的容量。 供應商 A 的容量為 10,因此其矩形的高度為 10/2,即每個吸引力單元 5 個分配單元。 供應商 B 的容量為 20,因此其高度為 10。每個供應商矩形的中心位於供應商產品吸引力值的 X 軸上:更具吸引力的供應商(與其供應能力無關)被放置在 正確的。 供應商 A 和 B 的吸引力分別為 10 和 6,因此它們的矩形放置在吸引力軸上,如圖 1 所示。

圖 1:供應商 A 的產能為 10 個單位,吸引力為 10 個; 供應商 B 的容量為 20 個單位,吸引力為 6。每個供應商的容量由其矩形的面積(而不是高度)表示。 因此,垂直軸以每個吸引力單位的小部件來衡量。

假設供應商 A 和 B,如圖 1 所示,正在競爭 15 個小部件的市場。 Wood 算法將市場表示為一條從右側向內移動的垂直線,如圖 2 所示。市場線繼續移動,直到掃出一個等於整個市場的區域,然後停止。 在圖 2 中,這條線已經掃過 15 個小部件的區域(圖 2 中的陰影區域),並在吸引力值 6.5 處停止。 它停止的吸引力值是“市場優先級”,或清除市場的吸引力。 如果供應商的產能不足以覆蓋市場,那麼每個供應商都會出售其所有產能。

圖 2. Wood 算法將其市場(15 個小部件)分配給供應商,以降低吸引力。 當垂直線從圖的右側移入,掃過 15 的區域時,它就停止了。 供應商 A 銷售 10 個小部件(全部容量); 供應商 B 銷售 5 個小部件。

因為我們的第一個示例使用寬度參數 (2),小於供應商 A 和 B 之間的吸引力差距,所以該算法強制執行一種“先到先得”的分配。 寬度參數只是獲得對競爭對手的獨家優先權所需的吸引力差異(當然,取決於一個人的能力)。 以下示例顯示了增加寬度參數的效果。

圖 3 顯示了相同的示例,但寬度參數設置為 10。市場線像往常一樣從右側進入,當它遇到供應商 A 的右邊緣時,它會為每個吸引力單位掃出 1 個小部件 . 當它到達供應商 B 的右邊緣時,它已經為供應商 A 分配了 4 個小部件。在 A 和 B 重疊的吸引力區域中,每個吸引力單元涵蓋 B 的 2 個小部件和 A 的 1 個小部件。 當市場線達到 7.33 的吸引力時,分配的小部件達到 15,如圖 3 底部所示

圖 3. 與之前情況相同的條件(圖 1 和圖 2),但寬度參數現在為 10。每個供應商的矩形寬度為 10 個吸引力單位,並降低了高度以保持每個矩形的面積等於相應的供應商 容量。 隨著寬度的擴大,市場以更高的吸引力(7.33)出清,兩個競爭對手的市場份額幾乎相等。

正如上述兩個示例所暗示的,Wood 算法滿足所有五個要求。 我們知道沒有其他算法符合所有五個。 此外,Wood 算法足夠靈活,可以作為大多數分配和市場競爭情況的現實模型。

在 Vensim 中的實現

Vensim 使用 ALLOCATION BY PRIORITY 函數通過該算法分配資源。

首先,您建立一個變量(例如 mp)來保持市場優先級,然後輸入 MARKETP 函數的參數:

allocation[subscript] = AllOCATE BY PRIORITY(

request[subscript],priority[subscript],size,width,supply)

請求是實體所需的數量。 優先級是給予實體的優先級。 大小是實體的數量(通常這只是 ELMCOUNT(下標)。寬度是吸引力大小的度量(見上文)。供應是要劃分的總供應(來自變量的單個值)。

多個下標

如果變量有多個下標,則必須使用最後進行分配的下標。 例如,假設您按州將市場份額分配給不同的公司。 你可能有:

sales[state,company] = ALLOCATE BY PRIORITY(

capacity[state,company],

attractiveness[state,company],

ELMCOUNT(company),

attractiveness width[state],

total demand[state])

Vensim 應用程序
Vensim DSS 的應用程序語言和 DLL 支持為學習環境和模型分發構建介面和套裝程式。

Vensim 應用程序
可以構建 Vensim 應用程式(或 Venapp)來為模型提供管理飛行模擬器或學習環境。 這允許在建立模型方面很少或沒有培訓的個人獲得對模型的有意義的訪問。 Venapp 將模型與您設計和構建的自定義選單驅動螢幕相結合,提供適合您的目標受眾的界面。 Venapp 界面可以顯示草圖並使用視圖選單命令來操作草圖。 用於更改模型常量的 Venapp 輸入控件包括編輯框、列表盒、滑塊、單選按鈕和復選框。

Venapps 可以在文本編輯器或類似於草圖編輯器的圖形編輯器中構建。 這支援剪下和貼上,因此您可以快速重新建立螢幕或類似元素。

Venapps 可以執行大多數模擬功能,包括靈敏度模擬和最佳化。 可以訪問 Vensim 分析工具來顯示模型結構和仿真輸出行為。 遊戲、執行信息系統、管理飛行模擬器和場景構建器不再需要是一個黑匣子,而是可以通過因果追踪和其他分析工具進行調查,以了解發生了什麼以及為什麼發生。 Venapps 是用一種簡單的腳本語言編寫的,很快就會發布一個圖形界面構建器來加速開發。

自定義應用程序和 Vensim DLL
Vensim DLL 與 Vensim DSS 一起提供,允許您從其他應用程式(如 Visual Basic、C、C++、Visual C++、Delphi、Excel 和多媒體創作工具)控制模型。 DLL 允許您從定制的應用程序訪問 Vensim 模型:將數據發送到 Vensim、模擬模型、更改模型參數以及收集模擬數據以進行顯示。您還可以調用 Vensim 的工具來分析和顯示應用程序中的信息。例如,您可能希望創建一個 Excel 電子表格,在其中輸入數據,將此數據發送到 Vensim 模型進行模擬,獲取模擬結果並將它們放回電子表格中以顯示(以表格或圖表的形式)或進一步操縱。另一個例子是使用編譯語言建立一個定制的管理飛行模擬器,使用 Vensim DLL 作為模擬引擎,使用 Visual Basic 來控制、顯示,也許還可以通過多媒體呈現訊息。

Vensim 模型閱讀器
Vensim 模型閱讀器允許沒有 Vensim 的人免費查看和執行已發布的模型和 Venapp。 Vensim DSS 參考補充中包含有關執行此操作的過程的詳細訊息。

Ventana Systems UK Ltd. — Sable
Sable 由 Ventana Systems UK Ltd. 開發,是一種用於為 Vensim 建立應用程式界面的編譯環境,類似於 Venapp builder。 Sable 具有許多使其獨特且有用的功能。 您可以對在 Intranet 或 Internet 上執行的介面進行編程。

Forio 模擬
Forio 的在線服務使在網絡上部署模型變得容易。

版本差異表:

Vensim 簡介中文

Vensim 簡介英文

Vensim

Vensim01 Build A Simple Model 建立一個簡單的模型

Vensim02 Build A Simple Model 建立一個簡單的模型

Vensim03 Build A Feedback Model 建立一個迴授的模型

Vensim04 Build 2 Feedback Model 建立二個迴授的模型

Vensim05 Build 2 Feedback Model With Interaction

Vensim06 Build 2 Order Feedback Model

Vensim06 1 Build 2 Order Cascade Model 建立二階連接的模型

Vensim07 CHAP03 Standard Example WFINV.MDL 手冊的第一個範例

BookP004 ; The Water Resource Example ; 南部地區水資源系統的範例

BookP008 ; The Single Reservoir Example ; 單水庫系統的範例

Vensim07 ; Display Option ; 顯示的選項

Vensim08 ; Movement Option ; 移動的選項

Vensim09 ; Arrow Option ; 箭頭的選項

Vensim10 ; Valve Option ; 閥的選項

Vensim11 ; Comment Option ; 註解的選項

Vensim12 ; Rate Arrow Option ; 比例箭頭的轉向

Vensim13 ; Arrow Option ; 箭頭的選項

Vensim14 ; Input Output Object ; 輸入輸出的物件

Vensim15 ; Output Plot Numerical 輸出圖形及數據

Vensim16 ; Shadow Variable ; 影子變數

Vensim17 ; Delete Mode ; 刪除的模式

Vensim18 ; Setup a Simulation ; 設定不同的模擬結果 互相比較

Vensim19 ; Cause Tree 來源樹 ; Use Tree 使用樹 ; Loops 迴路

Vensim20 ; Causes Strip 來源圖 ; Graph 單變數圖 ; Table 數據橫表

Vensim21 ; Reference Mode ; 參考模式

BookP028 ; Control Tank Level Example ; 水槽水位的控制範例

BookP032 ; Factory Growth Example ; 工廠成長規模範例

BookP039 ; Population Growth Example ; 人口成長範例

BookP042 ; Urban Flood Example ; 都市洪水防治範例

BookP042_0 ; 都市洪水防治範例 ; Urban Flood Example

BookP076 ; Factory Stock Example ; 工廠庫存範例

BookP100 ; Population Growth Example ; 人口成長範例

BookP120 ; Population Growth Example ; 人口成長範例

BookP123 ; Population Growth Example ; Delay Function

BookP136 ; Factory Growth Example with Polution Constrain

BookP153 ; The Reservoir Control Example ; 水庫淤沙量控制範例

Vensim22 輸入函數 常數 ; Input Constant

Vensim31 ; The Custom Graph Editor 自訂圖形

Vensim23 ; 輸入函數 ; Step Function 步階函數

Vensim24 ; 輸入函數 ; Ramp Function 斜坡函數

Frog Leap Game 5X5 4X4 ; 青蛙仙人跳 ; 希望可以做出賽局理論的模型

Frog Leap Game ; 青蛙仙人跳 ; 希望可以做出賽局理論的模型

Frog Leap Game 10x10 ; 青蛙仙人跳 ; 蛙小三 如何找蛙小王?

CHAP04 ; Bending Rate Pipes ; Rate 繪圖技巧

Vensim26 ; Exponential Decay Function 指數衰減函數輸入

Vensim24_1 Ramp Input 斜坡函數輸入 + 亂數

Vensim25 Exponential Growth Function 指數成長函數輸入

Vensim27 ; Sine Wave ; 正弦波 ; With Random Variable

Vensim28 ; PULSE Function ; 脈衝函數 ; 2nd Order System

Vensim29 ; PULSE Train Function ; 輸入函數為 連續脈衝函數 ; 就是方波

Vensim30 ; Compare and Tunning 比較和調整參數

Vensim33 ; 平均分配 ; Uniform Distribution

Vensim32 ; Normal Distrubution ; 常態分配

Vensim34 ; Quasi Linear Programming ; 準-線性規劃

Vensim35 ; Quasi Linear Programming ; 準-線性規劃

Vensim36 ; Quasi Linear Programming ; 準-線性規劃

Vensim37 ; Quasi Non-Linear Programming ; 準-非線性規劃

Vensim38 ; Arrow Shape 箭頭曲線的形式

Vensim39 ; Gaming 遊戲互動功能

Vensim40 ; Hide Variable 隱藏變數功能

Vensim41 ; Modify Color etc 修改顏色功能等

Vensim42 ; Monte Carlo 蒙地卡羅分析

Vensim43 ; Optimization Policy 最佳化分析