В наше время почти ни одна область действия человека не обходится без моделирования. Касается ли вопрос бизнес-процессов, где сверхважно держать в поле зрения динамичные тенденции и действия конкурентов, либо научную деятельность, в которой множество проектов, направленных на развитие потенциала человечества, подразумевают эксперименты, которые этому человечеству могут принести существенный вред – вот собственно две крайние точки, наиболее ярко демонстрирующие, насколько нуждаются люди в возможности «прозреть будущее», предсказать последствия своих действий или природных явлений. Примеров можно приводить ещё много – но эти два наиболее конкретны и наглядны, и, что более важно, наиболее близки тому методу моделирования, о котором пойдёт речь в этой статье – а именно об имитационном моделировании.
Моделирование, как мы его привыкли понимать, представляет собой процесс, на протяжении которого человеком, группой людей или даже машиной строятся концепты или модели, представляющие собой ключевые моменты исследуемой области. Иначе говоря, происходит захват ключевых элементов и понятий, и с их помощью довольно условно (но далеко не всегда просто) происходит имитация объектов или процессов с целью получить представление о том, как они будут себя вести в обозримом будущем – и на основании полученных сведений вносить коррективы уже в реальные объекты.
Имитационное моделирование – один из самых наглядных и простых в восприятии видов моделирования. Однако за счёт этого оно наиболее сложно в реализации, поскольку прикладывается к сложным процессам – а потому требует скрупулёзного учёта многочисленных факторов, без которых модель не сможет отображать реальность.
Имитационная модель может представить объект или систему практически любой сложности. В качестве ограничений могут выступать только недостаточная квалификация исполнителя либо задача достижения при большом объёме сложных данных очень большой точности результата. Последний аспект связан с получением выборок большого объёма, что ведёт к необходимости в компьютерах очень высокой производительности.
В связи с зависимостью сложности модели от числа данных, обратим внимание на то, что, если в аналитической модели её сложность растёт с ускорением, то увеличение сложности имитационной модели, начиная с определённого момента, значительно уменьшается.
Рис. 1. Сравнение роста сложности аналитической и имитационной модели в зависимости от сложности объекта
Метод имитационного моделирования определяется, как экспериментальный подход к исследованию реальных систем по их имитационным моделям. В методе сочетаются особенности экспериментального подхода и специфические условия использования вычислительной техники [1].
Имитационная модель содержит в себе элементы непрерывного и дискретного действия, а потому наиболее часто применяется для анализа «узких мест» и динамики функционирования исследуемой системы.
Также имитационное моделирование является важным фактором в системах поддержки принятия решения (СППР) – за счёт независимости от реального времени и, как следствие, возможности предсказания результатов действия системы.
Как правило такие модели динамичны, они описывают сложные, многоступенчатые процессы со множеством участников. Само собой, все компоненты, из которых она состоит, настраиваются автономно, и могут порой представлять собой немногим менее сложные подсистемы с собственными вложенными процессами, отражающими их изменчивое поведение.
Такие системы обычно направлены на применимые реализации частных многокомпонентных систем. Отдельные модели представляют собой сильно упрощённую абстракцию, которая строится иногда даже не для предсказания поведения системы, а более углублённого понимания принципа её действия. Статистика, выдающаяся в результате отработки такой модели, является немногим более важной самого рабочего алгоритма.
Принцип действия и свойства
Особенностью имитационного моделирования можно назвать то, что она позволяет воспроизводить моделируемые объекты:
- с сохранением их логической структуры;
- с сохранением их поведенческих свойств, т.е. динамики взаимодействия [2].
Собственно, эти две особенности и являются зачастую ключевыми при выборе метода моделирования.
В каждой модели-имитации можно выделить ряд основных процессов (этапов), через которые проходит разработчик в течение работы над проектом:
- разработка модели исследуемой системы (при этом она разбивается на частные модели или модули, связанные между собой функционально);
- выбор ключевых характеристик объекта, а также анализ их самих и способов их заложения в модель;
- заложение в систему некоторых модулей, которые имитируют воздействие на систему внешней среды;
- выбор способов исследования имитационной модели в соответствии с методами планирования экспериментов.
Опираясь на вышесказанное, структуру имитационной модели в общем, «абстрактном», смысле можно представить следующим образом.
Внешние случайные или детерминированные процессы формируются Блоком имитации внешних воздействий (БИВВ). Для получения информативных характеристик объекта предназначен Блок обработки результатов (БОР), а необходимая для этого информация поступает из Блока математической модели объекта (БММО). Исследование имитационной модели реализуется Блоком управления (БУИМ), благодаря которому и происходит автоматизация процесса проведения экспериментов на модели.
Рис. 2. Структура имитационной модели
В процессе создания модель-имитация строится на «скелетной» задаче: воспроизведении средствами ПО развёрнутого во времени процесса функционирования системы с учётом её взаимодействия с внешней средой. Сам процесс разбивается на некоторые элементарные явления (которые в будущем становятся модулями), с сохранением их структуры и взаимодействующих компонентов.
Так как главное при проектировании системы – достоверность результатов, то в стремлении к этому максимальному соответствию, модель не только по свойствам, но и по структуре обычно соответствует моделируемому объекту. Таким образом и закладывается явное соответствие между естественными процессами и их симуляцией.
При таком подходе очевидно, что одним из ключевых требований, предъявляемых к модели, является точность, с которой она описывает реальный процесс. Однако стоит заметить, что в каком-то роде система естественно защищена от ряда ошибок: в ходе построения это обеспечивается сохранением соответствия, а при проектировании достигается благодаря стандартному подходу, базирующемуся на математическом моделировании.
При построении имитационной модели описывается структура и процессы функционирования моделируемого объекта или системы. В процессе описания выделяют следующие составляющие:
- статистическое описание системы, по факту являющееся описанием её структуры;
- динамическое описание системы, т.е. описание динамики взаимодействия её элементов (внутренних и внешних). При составлении этого описания особенно большое внимание уделяется строящейся функциональной модели.
В процессе построения описания модели ключевым моментом является определение состояний системы, которые составляют набор переменных состояний. Динамическое поведение системы выражается в переходе от одного состояния к другому в течение времени. Грамотное составление набора переменных состояний и настройка системы позволит при наблюдении работы модели многое сказать знающему лицу – даже до составления сводной статистики.
Не менее важным при разработке моделирующей системы является вопрос определения временных параметров. Говоря об имитационном моделировании мы подразумеваем использование механизма задания модельного времени, который встроен в управляющие программы системы моделирования.
Принято выделять два основных способа изменения переменной времени:
- пошаговый, когда применяются фиксированные интервалы изменения модального времени;
- по-событийный, в котором интервалы изменения модального времени являются переменной величиной, и величина шага измеряется интервалом до следующего события.
Первый способ считается не очень эффективным и применяется в ряде случаев, когда:
- закон изменения от времени описывается интегро-дифференциальными уравнениями;
- события распределены равномерно и можно подобрать шаг изменения временной координаты;
- сложно предсказать появление определённых событий;
- событий очень много или они появляются группами.
В остальных случаях предпочтение отдаётся по-событийному методу, где координаты времени меняются вместе с изменением состояния системы. Этот метод предпочтителен, когда частота наступлений события невелика, и в таком случае большая длина шага позволит ускорить ход модельного времени.
При разработке имитационной модели большое внимание уделяется стохастическим элементам, т.е. чьи параметры задаются или меняются случайным образом. Число таких элементов, их влияние и разброс значений параметров могут значительно отличаться для разных систем, однако в любом случае требуется, как правило, несколько (от пары десятков до нескольких сотен) экспериментов с различными параметрами, дабы можно было вывести на основе результатов определённую статистику. А из этой статистики – автоматизировано либо вручную – уже вычисляются оценки вероятностных критериев качества, эффективности и других, которые являются значимыми в данном конкретном случае.
Стоит заметить, что оценка результатов может также проводиться различными методами математической статистики, такими как параметрическое и непараметрическое оценивание, проверка гипотез. В качестве примера параметрического оценивания можно привести вычисление «выборочного среднего» показателя эффективности, а непараметрического – метод гистограмм.
Область применения
Сектор областей, в которых рационально применение имитационного моделирования, крайне широк.
Как уже было упомянуто в начале, в общем случае метод может применяться для поддержки принятия управленческих решений. Эта задача крайне важна в таких областях, как бизнес, экономика, маркетинг, логистика и политика.
Например, почти для любой организации целесообразно будет промоделировать последствия увольнения сотрудников из определённых отделов, или предсказать, как долго будет окупаться (или окупится ли вообще) переоборудование помещений или их расширение. Так же можно попытаться на примере модели выяснить, какие последствия может повлечь смена ценовой политики в одном или нескольких направлениях продаж.
О более абстрактном применении имитационного моделирования можно говорить в тех случаях, когда оно применяется в научных областях – к примеру, для тестирования новых технологий – или, положим, метеорологии. Но если в первом случае проектировщики системы могут с определённой точностью задавать параметры для имитационной модели, то во втором в настоящее время имеется проблема высочайшей сложности системы природных условий, из-за чего в этой области имитационное моделировании применяется мало.
В настоящее время сформировался довольно устойчивый список задач, где наиболее эффективно применение имитационных моделей. В него входят подобные задачи:
– проектирование и анализ производственных систем;
– определение требований к оборудованию и программному обеспечению различных компьютерных систем;
– оценка проектов создания различных организаций массового обслуживания, например: центров обработки заказов, заведений быстрого питания, больниц, отделений связи;
– модернизация различных процессов в деловой сфере;
– определение политики в системах управления запасами;
– оценка различных систем вооружений и требований к их материально-техническому обеспечению;
– проектирование и анализ работы транспортных систем, например: аэропортов, автомагистралей, портов и метрополитена;
– анализ финансовых и экономических систем [3].
Стоит заметить, что конкретно в России технологии имитационного моделирования в сферах, отличных от научных, пока применяются мало. Это наблюдение в частности было сделано по результатам главной российской конференции по имитационному моделированию – ИММОД. На ней выступает большое число профессоров и студентов, но крайне мало – представителей коммерческих компаний. При этом лишь единицы докладов, представленных компаниями, говорят о законченных проектах с решёнными конкретными бизнес-задачами. Такая же ситуация складывается в отношении консалтинговых компаний, где имитационное моделирование должно по идее быть крайне эффективным.
Имитационное моделирование в некоторых случаях используется на постоянной основе для принятия оперативных решений – но, несмотря на это, стандартом не является, потому и специалистов по ИМ в крупных компаниях в нашей стране почти нет.
Рис.3. Сравнительная распространённость методов моделирования и анализа
Примеры инструментов разработки
Из-за относительно малой распространённости метода, в настоящее время имеется не так много инструментов для создания моделей. Мы рассмотрим наиболее популярные из них.
Рис. 3. Размер групп LinkedIn по инструментам ИМ
Система Arena компании Systems Modeling известна как один из наиболее эффективных инструментов имитационного моделирования (а как видно из графика – и один из самых популярных). Arena позволяет выполнять стандартные операции, предполагаемые при образении к имитационному моделированию: строить модели, проигрывать их и анализировать полученные результаты.
Имитационная модель этого инструмента включает в себя следующие основные элементы:
1) источники (Create) – это элементы, от которых в модель поступает информация или объекты;
2) стоки (Dispose) – устройства для приёма информации или объектов;
3) процессы (Process);
4) очереди (Queue) – места, где объекты ожидают обработки [4].
Arena имеет стандартный набор средств управления и инструментов, используемых для построения моделей. Одни модули служат для отображения потоков объектов, другие – для настройки параметров и, в отличие от Flowchart, не могут быть размещены в рабочем пространстве.
Модули в Arena могут принимать очень сложные формы и содержать в себе сотни модулей разных типов, потому создавать имитационные модели без предварительного анализа бизнес-процессов не всегда представляется возможным.
Для упрощения понимания задачи (и оптимального построения модели) в Arena встроено инструментальное средство функционального моделирования BPwin 4.0, имеющее возможность преобразования диаграмм IDEF3 в имитационную модель Arena (версии 3.6 и выше). Для этого необходимо, чтобы BPwin 4.0 и Arena одновременно были запущены.
Подобный симбиоз крайне удачен для идеи имитационного моделирования, потому Arena позволяет наиболее эффективно оптимизировать технологические процессы практически в любой сфере деятельности.
Создатели программы AnyLogic позиционируют её, как инструмент поддержки принятия решений для любого отдела и отрасли. Программа поддерживает все существующие виды имитационного моделирования и пользуется спросом среди инженеров, аналитиков отделов, HR-менеджеров и специалистов по анализу рынков.
Созданный, как единая платформа, AnyLogic обладает расширенными возможностями, что позволяет не только создавать различные модели для разных отделов, но и при необходимости интегрировать их в одну.
Особенностью AnyLogic является многопроходное моделирование, основывающееся на трёх подходах в создании имитационных моделей для бизнеса: системная динамика, дискретно-событийное и агентное моделирование. В программе можно выбирать, какой подход лучше в данном случае или комбинировать их.
Технология SIMIO предназначена для моделирования систем в условиях неопределённости. Модели в программе строятся на основе интеллектуальных объектов, создаваемых пользователем, посредством комбинации более простых элементов, отображающих физические компоненты в системе.
Модели в SIMIO наглядны и анимированы, они могут представлять собой как абстрактную схему, так и анимированное изображение реальных предметов и структур благодаря возможности наложения текстур на «скелетные» объекты.
Каждый объект должен иметь свои процессы, состоящие из транзактов (минимальные единицы в моделях SIMIO, имеющие время создания и уничтожения).
В этом инструменте моделирования имеется возможность крайне точных настроек каждого объекта, благодаря чему имеется возможность очень высокого приближения модели к реальному прототипу. Кроме того в SIMIO заложена возможность генерации разных форм отчётов. Благодаря этому пользователь может с разных сторон оценить как саму систему, так и результаты её работы.
В качестве плюсов SIMIO можно отметить детальность, возможность тестирования системы на любом этапе моделирования, наглядность и конкретность (так транзакты – это не абстрактные объекты, а имеющие размерность и соответствующие связанные возможности и ограничения).
К минусам можно отнести зависимость от ресурсов ЭВМ и не до конца продуманную логику маршрутизации.
ВЫВОД
Таким образом, имитационное моделирование имеет множество преимуществ и практически неограниченные перспективы. Однако за счёт сложности реализации его преимущества зачастую нивелируются, потому метод пока не получил широкого распространения даже в бизнес сфере за счёт повышенных требований к квалификации исполнителей и мощности рабочих ЭВМ. К сожалению, и имеющиеся на настоящее время продукты тоже имеют определённые недостатки, что так же замедляет процесс повсеместного внедрения данного метода моделирования.
Библиографический список
- Ильин А.А. Конспект лекций для студентов специальности 080801 – “Прикладная информатика в экономике”. Метод имитационного моделирования и его особенности. Статическое и динамическое представление моделируемой системы http://studopedia.ru/15_63038_metod-imitatsionnogo-modelirovaniya-i-ego-osobennosti-staticheskoe-i-dinamicheskoe-predstavlenie-modeliruemoy-sistemi.html (дата обращения: 15.04.2017).
- Метод имитационного моделирования http://center-yf.ru/data/Marketologu/Metod-imitacionnogo-modelirovaniya.php (дата обращения: 02.05.2017)
- Основы имитационного моделирования http://otherreferats.allbest.ru/programming/00071107_0.html (дата обращения: 04.05.2017)
- Маклаков С.В. Моделирование бизнес-процессов с BPwin 4.0. М., 2002