Имитационное моделирование как главный инструмент конструирования сложных процессов и систем

Актуальность темы с каждым годом в Казахстане развиваются цифровые устройства, гибридные вычислительные машины, технологии, что является предпосылкой большего прогресса. Последние десятилетие в Казахстане стремительно развиваются цифровые технологии, что делает Казахстан современным высокотехнологическим, высокоразвитым государством.

Процессы, в которые могут вмешиваться человек является имитационным моделированием. В зависимости от ситуации, сложившейся обстановки человек принимает решения, выбирая оптимальное решение, ход. И, естественно, это действие, решение приводит к ожидаемым изменениям хода, что приводит в действие математическую модель. Дальнейшее решение принимается, учитывая реальные обстановки ситуации. Человек многократно повторяя действия, набирает опыт, учится на ошибках, и постепенно учиться принимать правильные решения.

При исследовании операций применяются как аналитические, так и статистические модели. Они имеют свои преимущества и недостатки. Статистические модели, по сравнению, с аналитическими, более точны и подробны, не требуют столь грубых допущений, позволяют учесть большое (в теории – неограниченно большое) число факторов. Но и у них – свои недостатки: громоздкость, плохая обозримость, большой расход машинного времени, а главное, крайняя трудность поиска оптимальных решений, которые приходятся искать наощупь, путем догадок и проб. [8,9]

Наилучшие работы в области исследования операций основаны на совместном применении аналитических и статистических моделей. Аналитическая модель дает возможность в общих чертах разобраться явлении, наметить как бы контур основных закономерностей. Имитационное моделирование применяется к процессам, в ход которых может время от времени вмешиваться человеческая воля. [8,9]

В литературе не существует общей точки зрения по вопросу о том, что понимать под имитационным моделированием.

Существуют различные трактовки:

• в первой – под имитационной моделью понимается математическая модель в классическом смысле; [8,9]
• во второй – этот термин сохраняется лишь за теми моделями, в которых тем или иным способом разыгрываются (имитируются) случайные воздействия; [8,9]
• в третьей – предполагают, что имитационная модель отличается от обычной математической более детальным описанием, но критерий, по которому можно сказать, когда кончается математическая модель и начинается имитационная, не вводится; [8,9]

Этапы процесса построения математической модели сложной системы:

1. Формулируются основные вопросы о поведении системы, ответы на которые мы хотим получить с помощью модели. [8,9]
2. Из множества законов, управляющих поведением системы, выбираются те, влияние которых существенно при поиске ответов на поставленные вопросы. [8,9]
3. В пополнение к этим законам, если необходимо, для системы в целом или отдельных ее частей формулируются определенные гипотезы о функционировании. [8,9]

Имитационное моделирование является главным инструментом конструирования сложных экономических процессов и систем. Имитационное моделирование позволяет объединять математические методы с практическим и теоретическим опытом специалистов-практиков [1,2,3]. Имитационное (компьютерное) моделирование экономических процессов применяется в случаях [1]:

• для управления сложным бизнес-процессом (имитационная модель управляемого экономического объекта в этом случае используется в качестве инструментального средства в контуре адаптивной системы управления, создаваемой на основе информационных технологий);
• в случае проведении экспериментов с дискретно-непрерывными моделями сложных экономических объектов (имитационная модель управляемого экономического объекта в этом случае используется для получения и отслеживания динамики в экстренных ситуациях, связанных с рисками).

Можно выделить различные типовые задачи, которые решаются средствами компьютерного моделирования в процессе управления объектами:

• моделирование процессов логистики для определения временных параметров;
• управление процессом реализации инвестиционного проекта;
• прогнозирование финансовых результатов деятельности предприятия на конкретный период времени;
• оценка параметров надежности и задержек в централизованной экономической информационной системе;
• анализ эксплуатационных параметров распределенной многоуровневой ведомственной информационной управляющей системы с учетом неоднородной структуры, пропускной способности каналов связи и несовершенства физической организации распределенной базы данных в региональных центрах;
• анализ, сетевой модели PERT (Program Evaluation and Review Technique) для проектов замены и наладки производственного оборудования.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами – разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов. [1]

Имитационное моделирование позволяет имитировать поведение системы во времени. Достоинством является то, что в модели можно управлять временем, а именно если процесс быстропротекающий, замедлять его, а если процесс медленно изменяется, то ускорять время. Возможность имитации поведения объектов, с которыми невозможно или опасно делать реальные эксперименты. С развитием века цифровых, информационных технологий производство уникальных изделий, объектов, выполняется компьютерным имитационным моделированием. Эта позволяет накопить все необходимые знания, оборудование и полуфабрикаты для будущего изделия до начала производства. Компьютерное 3D моделирование теперь не редкость даже для небольших компаний.

С появлением ЭВМ имитационное моделирование получила развитие, как метод решения сложных задач.

Можно выделить два вида имитации:

• Метод Монте-Карло (метод статистических испытаний);
• Метод имитационного моделирования (статистическое моделирование).

Виды имитационного моделирования.

Агентное моделирование – относительно новое направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей – получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент – некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться. Дискретно-событийное моделирование – подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: ожидание, обработка заказа, движение с грузом, разгрузка и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений–от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960х годах. [1,9]. Системная динамика – парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Джеем Форрестером в 1950 годах. [9] Имитационное моделирование – это частный случай математического моделирования. Существует класс объектов, для которых не разработаны аналитические модели. В этом случае математическая модель заменяется имитатором или имитационной моделью.

Список использованной литературы

1. Емельянов, А. А. и др. Имитационное моделирование экономических процессов: Учебное пособие / А. А. Емельянов, Е. А. Власова, Р. В. Дума; Под ред. А. А. Емельянова. – М.: Финансы и статистика, 2004. – 368 с: ил.
2. Максимей, И. В. Имитационное моделирование на ЭВМ. – М.: Радио и связь, 1988. – 323 с.
3. Рыжиков, Ю. И. Имитационное моделирование: Теория и технологии. – СПб.: Корона принт; М.: Альтекс-А, 2004. – 384
4. Рыжиков, Ю. И. Решение научно-технических задач на персональном компьютере. – СПб.: Корона принт, 2000. – 272 с.
5. Асеев, А. А., Боев В. Д., Кулешов И. А., Сеченев Д. М. Основы моделирования систем связи и автоматизации на GPSS/PC: Учеб. пособие. – СПб.: ВУС, 2000. – 230 с.
6. Варжапетян, А. Г., Глушенко В. В. Системы управления: исследование и компьютерное проектирование: Учеб. пособие. – М.: Вузовская книга, 2000. – 328 7. Марков А. А. Моделирование информационно-вычислительных процессов: учебное пособие для вузов. – М.: Изд-во МГТУ им. Н. Э. Баумана, 1999.
7. Вентцель, Е. С. «Исследование операций», Москва «Советское радио» 1972 г.
8. Экономико-математические методы и прикладные модели, под ред. Федосеева В. В., Москва «Юнити» 2001