авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |   ...   | 14 |
-- [ Страница 1 ] --

Пятая всероссийская научно-практическая конференция по

имитационному моделированию и его применению в науке

и промышленности

«ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. ТЕОРИЯ И

ПРАКТИКА»

ИММОД-2011

Труды

конференции

ТОМ II

Генеральный спонсор конференции

ООО «Экс Джей Текнолоджис»

www.anylogic.ru

Санкт-Петербург 2011 ISBN 978-5-905526-02-2 СОСТАВИТЕЛИ А. М. Плотников, Б. В. Соколов, М. А. Долматов Компьютерная верстка Л. П. Козлова Редактирование Е. П. Смирнова, Л. А. Яковлева © ОАО «Центр технологии и судостроения», 2011 Уважаемые коллеги, дамы и господа!

Сегодня ОАО «Центр технологии и судостроения» и Институт информатики и автоматизации РАН проводят Пятую всероссийскую научно-практическую конферен цию по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» ИММОД-2011.

Тематика конференции посвящена всестороннему анализу современного состоя ния и перспектив развития теории и инструментальных средств имитационного моде лирования производственных и технологических процессов, имитационному модели рованию в транспорте и телекоммуникациях, в системах административного управле ния и САПР. Особую актуальность представляет рассмотрение задач имитационного моделирования в сфере анализа и синтеза бизнес-процессов.

На конференции широко представлены результаты исследований проблем оце нивания качества моделей и распределенного моделирования, сведения о современных языках и программных системах, используемых при моделировании.

Помимо новых научных результатов, связанных с решением задач имитацион ного моделирования в различных предметных областях, в материалах конференции от ражены опыт практического применения математического аппарата имитационного моделирования в конкретных программных системах и инструментальные средства ав томатизации моделирования.

В рамках конференции нам предоставляется возможность обсудить с коллегами из разных городов и разных организаций последние достижения российской науки в области решения задач имитационного моделирования и применения их в научных ис следованиях и в промышленности. Мы надеемся, что работа конференции будет спо собствовать укреплению сотрудничества отечественных партнеров, а также установле нию новых научных и деловых связей.

Мы полагаем, что эта встреча будет для вас памятной и приятной, поскольку произойдет в Санкт-Петербурге, одном из красивейших городов мира, центре науки, высоких технологий и культуры.

Успехов в работе всем участникам!

Генеральный директор В.Д.Горбач ОАО «ЦТСС»

Директор СПИИРАН Р.М. Юсупов ИММОД-2011 ОРГАНИЗАЦИОННЫЙ КОМИТЕТ Пятой (юбилейной) всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» ИММОД- Сопредседатели:

Горбач В.Д., генеральный директор ОАО «Центр технологии судостроения и судоремонта», д.т.н., академик МАИ (Санкт-Петербург) Юсупов Р.М., директор СПИИРАН (Санкт-Петербург), член-корреспондент РАН, президент НП «Национальное общество имитационного моделирования», Заслуженный деятель науки и техники РФ Заместители сопредседателей:

Плотников А.М., и.о. начальника отраслевого центра ИПИ-технологий судостроения, ОАО «Центр технологии судостроения и судоремонта» (Санкт-Петербург) Ткач А.Ф., заместитель директора СПИИРАН (Санкт-Петербург), к.т.н., доцент Члены оргкомитета:

Алиев Т.И., заведующий кафедрой ВТ, профессор, д.т.н., СПбГУИТМО (Санкт-Петербург) Борщев А.В., генеральный директор ООО «Экс Джей Текнолоджис»

(Санкт-Петербург), к.т.н.

Власов С.А., начальник Отдела нанотехнологий и информационных технологий – заместитель академика-секретаря Отделения нанотехнологий и информационных технологий РАН по научно-организационной работе, ведущий научный сотрудник ИПУ РАН (Москва), к.т.н.

Девятков В.В., директор ООО «Элина-Компьютер» (Казань), к.т.н.

Елтышев Б.К., начальник ВЦ, доцент, к.т.н., Санкт-Петербургский Государственный морской технический университет (Санкт-Петербург) Комок А.И., заместитель генерального директора по ВЭД – директор ВЭФ, ОАО «Центр технологии судостроения и судоремонта» (Санкт-Петербург) Лычкина Н.Н., к.э.н., доцент, Государственный университет управления (Москва) Томашевский В.Н., профессор, д.т.н., Национальный технический университет Украины «КПИ» (Киев, Украина) Меркурьев Ю.Б., заведующий кафедрой Рижского ТУ, х.д.и.н., профессор, член корреспондент Латвийской АН, президент Латвийского общества имитационного моделирования (Рига, Латвия) Сениченков Ю.Б., д.т.н., профессор, СПбПУ (Санкт-Петербург) ИММОД- ПРОГРАММНЫЙ КОМИТЕТ Пятой (юбилейной) всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» ИММОД- Сопредседатели:

Юсупов Р.М., директор СПИИРАН (Санкт-Петербург), член-корреспондент РАН, президент НП «Национальное общество имитационного моделирования», Заслуженный деятель науки и техники РФ Горбач В.Д., генеральный директор ОАО «Центр технологии судостроения и судоремонта», д.т.н., академик МАИ (Санкт-Петербург) Заместители сопредседателей:

Соколов Б.В., заместитель директора СПИИРАН (Санкт-Петербург) по научной работе, д.т.н., профессор Хомоненко А.Д., заведующий кафедрой информационных и вычислительных систем ПГУПС (Санкт-Петербург), д.т.н., профессор Члены программного комитета:





Алиев Т.И., заведующий кафедрой ВТ СПбГУИТМО (Санкт-Петербург), д.т.н., профессор Верзилин Д.М., доцент СПИИРАН (Санкт-Петербург), д.э.н.

Вишнякова Л.В., ФГУП «ГосНИИ авиационных систем» (Москва), д.т.н., профессор Девятков В.В., директор фирмы ООО «Элина-Компьютер» (Казань), к.т.н.

Карпов Ю.Г., СПбПУ (Санкт-Петербург), д.т.н., профессор (Санкт-Петербург) Кобелев Н.Б., Всероссийский заочный финансово-экономический институт (Москва), д.э.н., профессор Конюх В.Л., Новосибирский ГТУ (Новосибирск), д.т.н., профессор Рыжиков Ю.И., Военно-космическая академия им. Можайского, д.т.н., профессор, заслуженный деятель науки РФ, ведущий научный сотрудник СПИИРАН (Санкт-Петербург) Толуев Ю.И., руководитель проектов, институт организации и автоматизации промышленного производства им. Фраунхофера IFF, доктор естественных наук, приват-доцент (Магдебург, Германия) Яцкив И.В., проректор по учебной работе, профессор, к.т.н., Рижский институт транс порта и связи (Рига, Латвия) ИММОД-2011 Организаторы и учредители конференции:

ОАО «Центр технологии судостроения и судоремонта», Санкт-Петербург Институт информатики и автоматизации РАН, Санкт-Петербург «Национальное общество имитационного моделирования», некоммерческое партнерство Отделение нанотехнологий и информационных технологий РАН, Москва Российский национальный комитет по индустриальной и прикладной математике Информационная поддержка конференции ОАО «Центр технологии судостроения и судоремонта», Санкт-Петербург Институт информатики и автоматизации РАН, Санкт-Петербург «Национальное общество имитационного моделирования», некоммерческое партнерство ООО «Элина-Компьютер», Казань ООО «Экс Джей Текнолоджис» (XJ Technologies), Санкт-Петербург журнал «Rational Enterprise Management», Санкт-Петербург журнал «Судостроение», Санкт-Петербург научно-практический журнал «Прикладная информатика», Москва журнал «Автоматизация в промышленности», Москва Генеральный спонсор конференции ООО «Экс Джей Текнолоджис» (XJ Technologies), Санкт-Петербург Спонсоры конференции Отделение нанотехнологий и информационных технологий РАН, Москва Российский фонд фундаментальных исследований, Москва «Национальное общество имитационного моделирования», некоммерческое партнерство ИММОД- СОДЕРЖАНИЕ Секция 3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ИМИТАЦИОННОГО И КОМПЛЕКСНОГО МОДЕЛИРОВАНИЯ И СРЕДСТВ АВТОМАТИЗАЦИИ МОДЕЛИРОВАНИЯ Абрамов К. Г., Монахов Ю. М., Бодров И. Ю. К вопросу о моделировании топологии социальной сети.......................................................................................... Аксенов К. А., Ван Кай, Антонова А. С., Аксенова О. П., Липодаева А. А., Смолий Е. Ф. Разработка и применение системы поддержки принятия решений в управлении строительством...................................................................... Аксенов К. А., Сафрыгина Е. М., Скворцов А. А., Смолий Е. Ф., Аксенова О. П.

Гибридная система поддержки принятия решений для планирования перевозок сети автозаправочных станций.................................................................. Амен Соуд Абдалазез Мохаммед. Агентная имитационная модель анализа процессов управления предприятиями нефтепродуктообеспечения....................... Анцев В. Ю., Шафорост А. Н. Применение математического моделирования при проектировании транспортно-накопительных систем промышленных предприятий................................................................................................................... Бабишин В. Д., Давыдов А. Н., Дедков В. К., Дорошенко М. А. Имитационное моделирование нестационарных случайных процессов на основе разложения исследуемой функции в интеграл Фурье.................................................................... Бахиркин М. В., Кан А. В., Канадин В. Н. Комплекс полунатурного моделирования интегрированных систем управления воздушным движением..................................................................................................................... Беляева М. А., Бурляева О. К. Компьютерная система поддержки принятия решений в книжном бизнесе........................................................................................ Боев В. Д., Рыжиков Д. М. Имитационная модель технологических процессов изготовления электромеханических модулей............................................................ Буров Г. А. Имитационное моделирование вычислительных алгоритмов идентификации динамических процессов.................................................................. Генкин А. Л., Никулина И. В. Моделирование инновационных технологий управления горячей прокаткой полос......................................................................... Гетьманская А. Ю. Имитационное моделирование процессов обработки документации проекта в виде сетей с возвратами..................................................... Груздева Л. М. Применение имитационного моделирования для исследования характеристик эпидемии в распределенной информационно-вычислительной системе и процесса восстановления системы............................................................ Гусева Е. Н. Имитационное моделирование деятельности судебного участка в среде Arena.................................................................................................................. Девятков В. В., Федотов М. В., Долматов М. А., Федотов Д. О., Нисенбаум Р. С.

Применение универсальной системы имитационного моделирования GPSS World при проектировании судосборочных комплексов в составе современных судостроительных верфей.................................................................... Дегтярев О. В., Минаенко В. Н. Применение имитационного моделирования для оценки пропускной способности элементов воздушного пространства и системы организации воздушного движения............................................................. Дозорцев В. М. Имитационное моделирование в задачах управления и инжиниринга сложных технологических процессов......................................................................... ИММОД-2011 Ершов Е. С. Особенности реализации ядра системы имитационного моделирования Simulab............................................................................................................................ Захарикова Е. Б. Разработка программного обеспечения для исследования сетей массового обслуживания.............................................................................................. Зенькович М. В., Древс Ю. Г. Применение имитационного моделирования при оценке инвестиционных проектов литейных производств на базе формовочных линий...................................................................................................... Зольников В. А. Модель движения машин на Т-образном перекрестке......................... Ивашкин Ю. А., Назойкин Е. А. Мультиагентное имитационное моделирование образовательного процесса накопления знаний....................................................... Кадников В. Е., Лескин О. В., Чиркунов К. С. Доставка продукции Богучанского алюминиевого завода на китайский рынок как задача имитационного моделирования............................................................................................................. Колеватов Г. А. Анализ результатов имитации и оптимизация имитационной модели с применением анализа временных рядов................................................... Котов В. В., Кулакова Е. Ю. Комплекс имитационных моделей для исследования процессов передачи данных в проекте "социальный ГЛОНАСС"......................... Кохно А. Г. Многокритериальная параметрическая оптимизация судовых автоматических систем на основе имитационного эксперимента.......................... Кулик И. Ю. Программная реализация имитационного моделирования бизнес процессов телекоммуникационной компании.......................................................... Липенков А. В., Маслова О. А., Елисеев М. Е. Моделирование пассажирского автобусного маршрута в AnyLogic............................................................................ Лопаткин Р. Ю., Иващенко В. А., Куприенко В. В. Моделирование децентрализованной вычислительной сети.............................................................. Лукинский В. С., Шульженко Т. Г. Моделирование временных составляющих логистического цикла при реализации технологии "точно в срок"....................... Лычкина Н. Н. Основные задачи и методика преподавания имитационного моделирования по направлениям подготовки в области экономики и управления на основе стандартов третьего поколения........................................ Макарова И. В., Хабибуллин Р. Г., Беляев А. И., Беляев Э. И. Имитационная модель системы поставок запасных частей как средство управления системой фирменного обслуживания автомобилей в условиях эксплуатации за рубежом........................................................................................... Макарова И. В., Хабибуллин Р. Г., Мелькова В. А. Разработка методики снижения аварийности на дорогах города с использованием имитационного моделирования............................................................................................................. Митягин С. А. Построение демографической модели распространения наркомании в регионе.............................................................................................

.... Монахов Ю. М., Медведникова М. А. Аналитическая модель дезинформированности узла социальной сети......................................................... Николаев С. Н., Рагулин А. П., Савченко И.Ф., Чурашов С. В. Использование метода имитационного моделирования для прогнозирования функциональных возможностей военного полевого госпиталя по оказанию специализированной офтальмологической помощи раненым с боевой травмой глаза............................................................................................................... Новиков Д. А., Ушаков М. А. Имитационное моделирование в исследовании топливно-энергетических рынков.............................................................................. Новиков Д. Б. Имитационное моделирование процесса регулирования паровой нагрузки на ТЭЦ с общей магистралью.................................................................... ИММОД- Новиков E. A., Новиков A. Е. Алгоритм интегрирования переменной структуры для решения жестких задач........................................................................................ Окольнишников В. В., Рудометов С. В., Журавлев С. С. Применение комплексно испытательного моделирующего стенда для разработки системы поддержки принятия решений....................................................................................................... Павлов В. Л. Применение имитационного моделирования в автоматизированной системе оценки пропускной способности железных дорог.................................... Панова Ю. Н., Коровяковский Е. К. Моделирование работы морского контейнерного терминала.......................................................................................... Переварюха А. Ю. Вычислительные структуры данных при моделировании быстрых метаморфозов популяционных процессов............................................... Пичугин Д. А. Применение метода генетических алгоритмов при выборе оптимального состава нефтегазопромыслового флота для месторождений Каспийского моря....................................................................................................... Плотников A. M., Долматов М. А., Федотов Д. О. Применение методов имитационного моделирования при разработке оргтехпроектов модернизации и реконструкции предприятий судостроительной отрасли.................................... Подольский В. Э. Исследование эффективности работы чиновничьего аппарата при помощи средств имитационного моделирования............................................. Поклад П. М. Визуальный комплекс имитационного моделирования прецизионных импульсно-фазовых электроприводов............................................ Пономарев Д. Ю. Моделирование процесса обслуживания очередей в IP-маршрутизаторе................................................................................................... Решетняк Е. А., Решетняк А. А., Черников В. В., Нафиев И. Г. Основные этапы разработки исследовательской имитационной модели приемника атмосферных лазерных линий связи......................................................................... Решетняк Е. А., Сова С. В., Нафиев И. Г Подход к оперативному прогнозированию неустойчивого функционирования автоматизированной системы управления специального назначения....................................................... Рыжиков Ю. И. Имитационное моделирование с закольцованной цепью событий........................................................................................................................ Рыжиков Ю. И. Опыт обучения прямой имитации......................................................... Синебрюхова Е. Ю. Имитационное моделирование транспортной сети грузоперевозок............................................................................................................ Сулейменов И. Э., Байкенов А. С. Получение аналогов формулы Полячека–Хинчина методами имитационного моделирования............................. Сухарев М. С., Монахов Ю. М., Файман О. И. Имитационная модель функциональной устойчивости бизнес-процессов.................................................. Тименков Ю. В. Моделирование связанных вычислительных процессов..................... Томилов И. Н., Мыссак М. С., Денисов М. С. Компьютерное моделирование сухого трения............................................................................................................... Усанов Д. И. Имитационная модель оценки производственных мощностей Аксуского завода ферросплавов................................................................................ Фараонов А. В. Имитационное моделирование как инструмент оценки эффективности принятия решения............................................................................ Федоров А. Ю., Антонов А. П. Методика проектирования систем цос для программно-определяемых радиосистем на примере разработки универсального телеметрического приемника........................................................ Холодов А. Ю. Имитационная модель финансовых взаимоотношений участников долевого строительства.......................................................................... ИММОД-2011 Хуторная Е. В. Создание имитационной модели модуля вычислительной сети морского объекта по его функциональной модели.................................................. Цисарь И. Ф. Имитационное моделирование оптимальной ставки налога................... Чудинов Г. В. Опыт разработки системы имитационного моделирования грузопотока в калийных рудниках – ПК "Рудопоток"............................................. СТЕНДОВЫЕ ДОКЛАДЫ Аксенова Е. А., Драц А. В., Соколов А. В. Некоторые задачи оптимального управления FIFO-очередями........................................................................................................... Аккужин М. В., Маликов Р. Ф. К вопросу о системах компьютерного моделирования............................................................................................................. Антонова Г. М., Титов А. П. Моделирование информационных потоков в электронном государстве............................................................................................ Башков Д. А., О. Лукомская Ю. Задачи визуального моделирования двунаправленным движением судов по внутренним водным путям в шлюзовой судопропускной системе.......................................................................................................................... Долматов М. А., Канаев Д. Н., Федотов Д. О. Опыт применения методов имитационного моделирования при анализе производственной системы предприятия энергетического машиностроения...................................................... Макарова И. В., Хабибуллин Р. Г., Буйвол П. А. Повышение конкурентоспособности дилерско-сервисной сети автомобилестроительного предприятия с использованием имитационного моделирования........................... Мацула В. Ф. Система имитационного моделирования GPSS/1C7............................... Михайлов В. В., Колпащиков Л. А. Моделирование территории традиционного природопользования "Попигай"................................................................................. Москалев И. М., Бегунов Н. А. Web-сервис поддержки принятия коллективных решений о социально-экономическом развитии территориальных о бразований на основе мультиагентных имитационных моделей........................... Соснин В. В. Свойства бесприоритетной дисциплины обслуживания в системах вида GI/G/1................................................................................................ Цивирко Е. Г. Комбинированное моделирование корпоративной информационной системы при оценивании эффективности ее функционирования.................................................................................................. Черкасов Д. А. Применение муравьиных алгоритмов для имитационного моделирования задачи коммивояжера...................................................................... Рефераты.............................................................................................................................. Abstract................................................................................................................................... Информация об авторах.................................................................................................... ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования К ВОПРОСУ О МОДЕЛИРОВАНИИ ТОПОЛОГИИ СОЦИАЛЬНОЙ СЕТИ К. Г. Абрамов, Ю. М. Монахов, И. Ю. Бодров (Владимир) В настоящее время можно с уверенностью утверждать, что тенденции развития технологий web 2.0 свидетельствуют об угрозе распространения нежелательной ин формации посредством социальных сетей. Для эффективного противодействия этой угрозе необходимо разрабатывать механизмы анализа и прогнозирования подобных процессов [1]. Для решения таких задач используется имитационное моделирование, но для того, чтобы его проводить, необходимо разобраться с первоочередным вопросом, касающимся природы социальных сетей. Чтобы начать моделирование, научиться ге нерировать подобные сети и решать другие задачи, следует определить структуру со временных социальных сетей. В рамках общей задачи моделирования распространения нежелательной информации в социальных сетях встает научно-техническая подзадача определения топологии реальной социальной сети. Научная новизна работы заключает ся в том, что в ходе исследования был определен характер распределения степеней связности, отличающийся от результатов, полученных другими учеными. Обзор работ в данной области показывает, что на сегодняшний день нет единого мнения по этой проблеме. Рассмотрим одну из классификаций сетей, представленную на рис. 1.

Рис. 1. Классификация сетей Существуют две основные точки зрения на вопрос об отнесении топологии со циальной сети к определенному типу. Pastor-Satorras и Vespignani в своих многочис ленных работах [2–8] утверждают, что социальные сети представляют собой Scale-Free сети. Этой же точки зрения придерживается и Barabasi [9]. Newman в своей работе [10] и в работах в соавторстве [11, 12, 13] приводит доводы в пользу того, что социальные сети представляют собой small-world сети. Для классификации сетей в основном ис пользуют три характеристики: распределение степени связности, кластерный коэффи циент и средняя длина пути (таблица).

При рассмотрении данного вопроса исследователи, как правило, опускают под робности об исходных данных сети. Однако в ряде последних исследований [15] этому придается большое внимание.

Необходимо понимать, что задача получения участка реальной социальной сети для исследования уже сама по себе является нетривиальной, что связано с рядом про блем. Исходные данные, доступные для исследования, не обладают необходимой пол нотой, так как являются случайной выборкой с точки зрения топологии исходной сети.

В выборке присутствуют узлы двух типов: открытые для исследования их положения в сетевом графе («открытые») и закрытые для исследования, сведения о местоположении в сети которых прямо получены быть не могут («закрытые»). Следовательно, встает ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования подзадача выбора из множества исходных данных репрезентативного подмножества, отражающего в большей мере топологию исходной сети. Сложность данной задачи со стоит в невозможности выбрать подграф, полностью состоящий из открытых узлов, достаточно большого диаметра, чтобы его можно было считать репрезентативным.

Причина проблемы состоит в низкой вероятности нахождения такого подграфа в вы борке даже большего размера и является следствием малого отношения количества от крытых узлов к закрытым, а также случайности самой выборки. Авторы считают, что именно из-за этих проблем исследователи получают некорректные данные, вследствие чего возникает ошибка с определением типа топологии социальной сети. Для решения этой проблемы авторы разработали собственную модель данных, а также алгоритмы вычисления степени связности и кластерного коэффициента.

Основные топологические характеристики сетей Параметр Small-world Scale-Free Случайные графы m = 1 : l ~ ln N ;

Средняя длина пути ln N ln N ~ ~ m 2 : l BA 3 ln N ;

ln k ln k l = 3 ln N / ln ln N ;

BA l BA 3 ln ln N.

k коэф- C p 1 ~ k/N, Кластерный k C~ C~ фициент N N C p 0 C p Распределение сте- Закон Пуассона: Степенной закон: Закон Пуассона:

p(k) ~ k - k k пеней вершин - pN ( pN ) - pN ( pN ) p(k ) ~ e p(k ) ~ e k! k!

Разработанные механизмы были применены к участку социальной сети «Facebook» размером в 1 млн узлов. Из этих данных была получена репрезентативная выборка из 7200 узлов. В результате ее анализа получены следующие результаты. Из рис. 2 можно увидеть, что полученные данные нельзя аппроксимировать ни пуассонов ским, ни степенным распределением. Хорошо подходит логнормальное распределение, описываемое функцией:

(ln x ) 1 p( x ) = e. (1) x 2 Рис. 2. Гистограмма распределения степеней связности и логнормальное распределение ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Для полученных экспериментальных данных с помощью программы Microsoft Excel были подсчитаны математическое ожидание и мода. Далее, используя формулы математического ожидания и моды (формулы (2) и (3) соответственно) для логнор мального распределения, были высчитаны значения параметров µ и. После подста новки этих значения в формулу (1), был получен график логнормального распределе ния, представленный на рис. 1. Эксперименты проводились на разных выборках раз личных размеров, картина распределения при этом не изменилась. Средняя степень связности составила 375. Следует отметить, что к выводу о логнормальном распреде лении приходили и другие исследователи [16]:

M = e + / ;

(2) Mo = e. (3) В ходе обработки было получено частично репрезентативное подмножество из 50 тысяч открытых узлов, для которого был рассчитан экстраполированный кластер ный коэффициент, составивший 0,166139. Это значение практически остается неизмен ным для участков различных размеров. Исходя из этого, можно говорить о том, что кластерный коэффициент не зависит от размера сети ( C ~ const ). При построении рас пределения значений кластерного коэффициента была получена картина, представлен ная на рис. 3. Результат говорит о том, что связи разрежены и наблюдается низкая кла стеризация.

Рис. 3. Распределение кластерного коэффициента По полученным данным можно говорить о том, что социальные сети нельзя от нести к какому-либо существующему типу сети. Авторы полагают, что в данном случае можно говорить о новом типе сетей, обладающих представленными выше характери стиками. Практическая значимость полученных результатов заключается в том, что они позволяют нам получать более точную картину при имитационном моделировании то пологии социальных сетей. В дальнейшем планируется рассчитать среднюю длину пу ти в социальной сети с целью уточнения параметров ее топологии. Также планируется разработать алгоритмы генерации подобных сетей для того, чтобы проанализировать корреляцию между средней степенью связности и кластерным коэффициентом.

Литература 1. Абрамов К. Г., Монахов Ю. М., Никиташенко А. В. К вопросу об уточнении мо делей распространения нежелательной информации в социальных сетях Интернета // Информационные системы и технологии ИСТ-2011: Материалы XVII Междуна родной научно-технической конференции (Н.Новгород, 22 апреля 2011 года).

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Н. Новгород: Электронное издание. 2011.;

Гарнитура Times New Roman. Усл. печ.

л. 28,0. Уч.-изд. л. 47,6. С.149. ISBN 978-5-9902087-2- 2. Pastor-Satorras R., Vespignani A. Absence of epidemic threshold in scale-free net works with connectivity correlations // Physical Review Letters. 2002. Vol. 90, Issue: 2, Publisher: American Physical Society. P. 1–4.

3. Pastor-Satorras R., Vespignani A. Critical load, congestion instabilities in scale-free networks // Europhys. Lett. 2002. Vol. 62. P. 292.

4. Pastor-Satorras R., Vespignani A. Emergence of clustering, correlations,, communities in a social network model, 2003.

5. Pastor-Satorras R., Vespignani A. Epidemic dynamics, endemic states in complex net works // Phys. Rev. E. 2001.

6. Pastor-Satorras R., Vespignani A. Epidemic dynamics in finite size scale-free networks // Phys. Rev. E. 2002.

7. Pastor-Satorras R., Vespignani A. Epidemic spreading in correlated complex networks // Phys. Rev. E. Stat Nonlin Soft Matter Phys. 2002.

8. Pastor-Satorras R., Vespignani A. Velocity, hierarchical spread of epidemic outbreaks in scale-free networks // Phys. Rev. Lett. 2004. Vol. 92. P. 178701.

9. Barabasi A-L, Albert R., Jeong H. Mean-eld theory for scale-free random networks // Physica A. 1999;

272: 173–189.

10. Newman M. E. J. The structure and function of complex networks // SIAM Review (2003) 45. P. 167–256.

11. Newman M. E. J., Moore Cristopher. Disease spreading and percolation in small-world networks, Santa Fe Institute, 1399 Hyde Park Road, Santa Fe, New Mexico, 1999.

12. Moore C., Newman M. E. J. Epidemics, percolation in small-world networks // Phys.

Rev. E. 2000. 61.

13. Newman M. E. J., Moore C., Watts D. J. Mean-field solution of the small-world net work model // Phys. Rev. Lett., in press, 2000.

15. Жаринов И. В., Крылов В. В. Конструирование графов с минимальной средней длиной пути // Вестник Ижевского государственного технического университета.

2008. № 4. С. 164–169.

16. Minas Gjoka, Carter T. Butts, Maciej Kurant, Athina Markopoulou. Multigraph Sampling of Online Social Networks CoRR abs/1008.2565, 2010.

17. Alessandra Sala, Haitao Zheng, Ben Y. Zhao, Sabrina Gaito, Gian Paolo Rossi. Brief announcement: revisiting the power-law degree distribution for social graph analysis.

PODC 2010: 400– ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования РАЗРАБОТКА И ПРИМЕНЕНИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УПРАВЛЕНИИ СТРОИТЕЛЬСТВОМ* К. А. Аксенов, Ван Кай, А. С. Антонова, О. П. Аксенова, А. А. Липодаева, Е. Ф. Смолий (Екатеринбург) Строительная отрасль является динамично развивающейся областью, требую щей применения новых технических решений. Первые лица строительных компаний и холдингов, а также лица, принимающие решения (ЛПР), сталкиваются в процессе при нятия решений в сфере управления с многокритериальным выбором между различны ми альтернативами по обеспечению выполнения в срок всех этапов строительных ра бот. Эффективное планирование строительных работ является залогом достижения за данных показателей продолжительности строительства и стоимости возводимых объек тов. Динамичный характер строительного производства и окружающей среды, риски возникновения непредвиденных ситуаций требуют от ЛПР быстрого реагирования и гибкой корректировки разработанных планов. Разработка системы поддержки приня тия решений (СППР) в сфере управления строительной компанией (холдингом) являет ся актуальной в связи с возрастающей потребностью в автоматизации труда ЛПР по планированию и отслеживанию хода строительных работ.

Технология гибридных агентов мультиагентных процессов преобразования ресурсов В процессах принятия решений и управления строительством используются проблемно-ориентированные системы сетевого планирования, такие как MS Project и TimeLine, также на практике встречается применение систем имитационного модели рования (СИМ), в которых модель настраивается под конкретные нужды или сущест вуют готовые шаблоны формализации проблемной области (ARIS с модулем eM-Plant, Arena, AnyLogic, BPsim). Автоматизация процесса принятия решений в управлении строительством на основе ситуационных моделей сетевого планирования описана в ра боте [1].

Задача управления строительными работами подразумевает под собой выполне ние двух подзадач: 1) планирование сроков работ с распределением ресурсов (трудовых собственных и субподрядных, материально-технических собственных и арендованных, денежных собственных и инвестированных) по отдельным работам;

2) отслеживание в процессе выполнения работ изменений внешней и внутренней среды, оперативную корректировку плана работ для достижения их эффективного исполнения с учетом временных, финансовых и ресурсных ограничений.

Решение выделенных задач можно рассматривать под разными углами. Тради ционно ЛПР используют при планировании работ метод PERT (Project Evaluation and Review Technique) – технику оценки и анализа проектов. В рамках данного метода ЛПР осуществляет с помощью специализированных инструментов (например, MS Project, TimeLine) построение диаграмм взаимосвязи событий и работ, характеризуемых дли тельностью, стоимостью и необходимыми ресурсами. Примерами подобных диаграмм служат сетевые графики и диаграммы Ганта. На основе метода критического пути с помощью сетевых графиков ЛПР выделяют «узкие места» в планировании строитель ных работ и осуществляют генерацию альтернативных вариантов смещения работ с це лью устранения «узких мест», таких как перегрузка собственных ресурсов, превышение лимита стоимости отдельных работ, в том числе вследствие использования большого объема субподряда. В дальнейшем, полученные варианты планирования реализуются в * Работа выполнена в рамках государственного контракта 02.740.11.0512.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ряд сетевых диаграмм взаимосвязи работ и событий, анализируя которые ЛПР выделя ют наиболее эффективное решение с учетом существующих ограничений.

Недостатком подобного подхода к планированию строительных работ является частичная автоматизация труда ЛПР по построению сетевых графиков/диаграмм Ганта и выявлению «узких мест» в планировании, в то время как существенный объем работ по генерации альтернативных вариантов планирования и выбору наиболее эффектив ного варианта осуществляется ЛПР вручную на основании квалификации, опыта и применяемых эвристик учета различных факторов среды. В связи с этим рассмотрим другой подход к решению данной задачи – используем имитационное мультиагентное моделирование.

Формализуем процессы управления строительными работами с помощью моде ли мультиагентных процессов преобразования ресурсов (МППР) [2], которая позволяет в динамике оценить показатели выполнения и стоимость процессов (время выполнения, наличие дублирующих функций, стоимость процесса, затраты на заработную плату со трудников и т.д.), а также оценить показатели эффективности процессов (рентабель ность, отношение времени исполнения ко времени ожидания, отношение фактического времени исполнения к плановому времени). Применение мультиагентного моделирова ния обеспечивает с помощью базы знаний агентов формализацию модели ЛПР и нако пленных сценариев решения задач в области управления строительными работами.

На основе архитектуры гибридного агента МППР можно создавать следующие виды агентов для решения различных прикладных задач:

• реактивные агенты, поведение которых определяется реактивной подсистемой и описывается только диаграммой деятельности (конечным автоматом). Данный вид агентов используется для задач динамического моделирования МППР;

• реактивно-интеллектуальные агенты – их поведение определяется реактив ной подсистемой и описывается только продукционной базой знаний (тактической).

Данный вид агентов используется для задач динамического моделирования МППР, описания моделей ЛПР, управляющих процессами;

• интеллектуальные агенты – поведение и логика их работы определяется только планирующей подсистемой, и знания хранятся в фреймовой базе знаний (стра тегической). Данный вид агентов используется для построения проблемно ориентиро ванных интеллектуальных систем на основе аппарата фреймовых экспертных систем (задачи диагностики, проектирования, построения советующих ЭС и систем технико экономического проектирования);

• гибридные агенты, полностью реализующие функциональность архитектуры гибридного агента МППР. Данный вид агентов используется для построения сложных, интеллектуальных систем управления и планирования, контур которых состоит из двух элементов: 1) динамической модели процесса управления и 2) блока (модуля), реали зующего поиск решения многопараметрической задачи и выработки (генерации) управляющего воздействия на модель процесса управления.

Применение технологии гибридных агентов МППР для формализации процес сов управления строительными работами позволяет автоматизировать функции ЛПР по генерации альтернативных вариантов решения различных задач: поиску инвесторов и поставщиков материалов, выбору субподрядных организаций, обнаружению и ликви дации «узких мест» в планировании. Использование технологии гибридного агента предполагает описание предметной области с помощью различных по функционально сти программных продуктов, интегрированных в единую систему поддержки принятия решений: СДМС BPsim.MAS и системы технико-экономического проектирования (ТЭП) BPsim.MSS [3]. Система ТЭП BPsim.MSS реализует технологию интеллекту ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования альных агентов (ИА), обеспечивающую пользователя инструментом разработки про блемно-ориентированных интеллектуальных систем. Технология ИА позволяет автома тизировать труд ЛПР по решению задач анализа и синтеза организационно технических систем, таких как реинжиниринг бизнес-процессов [4], управление проек тами, управление строительными работами.

За основу динамической модели процессов проектирования и строительства, реализованной в BPsim.MAS, взята модель МППР, которая обеспечивает поддержку планирования работ и оценки различных проектов застройки. Модель поиска решений, реализованная в BPsim.MSS, лежит в основе поиска эффективных решений многокри териальных задач управления строительными работами: управления текущими процес сами строительства и проектирования, принятии решений об участии в тендере на строительство. В результате интеграции предложенных моделей достигается комплекс ная автоматизация труда ЛПР по управлению строительством.

Разработка моделей строительного холдинга «Wan Bao»

В ходе обследования предметной области были выявлены следующие этапы управления строительными работами: управление текущими работами, формирование бизнес-плана, отражающего предполагаемые экономические показатели деятельности холдинга при определенных начальных условиях, получение кредита на строительство, участие в тендере на строительство, планирование проектных и строительных работ, осуществление продажи/сдачи в аренду площадей возведенных объектов.

В инструменте BPsim.MSS были описаны основные классы, отражающие со держание баз данных холдинга по поставщикам материалов, характеристикам земель ных участков, субподрядным организациям, структуре холдинга, кредитным организа циям и т.д. На основании разработанной диаграммы классов был спроектирован ИА бизнес-планирования, обеспечивающий в автоматизированном режиме генерацию аль тернативных вариантов бизнес-планов строительных работ. ЛПР осуществляет оценку предложенных планов и выбор более выгодного с экономической точки зрения плана.

Начальные условия выбранного бизнес-плана подаются на вход разработанной в BPsim.MAS имитационной модели проектных и строительных работ. Модель предна значена для оценки влияния управляющих решений на динамические характеристики процессов проектирования и строительства холдинга «Wan Bao». К данным характери стикам относятся: фактическая стоимость процессов, перераспределение ресурсов (де нежных, материальных и трудовых) между процессами, простои в работах, перегрузки отдельных процессов, выявленные процессы, требующие подключения субподрядных ресурсов, фактические суммарные объемы рабочей силы и материалов, фактическая длительность процессов. Оценку характеристик среды осуществляют в модели интел лектуально-реактивные агенты.

Рассмотрим описание базы знаний (БЗ) следующих агентов: агента операций AOp, отвечающего за выявление в модели операций, требующих подключения субпод ряда;

агента распределения АР, реализующего захват заявки на выполнение операции и распределение ресурсов холдинга Rхолд и субподрядных ресурсов в процессе выполне ния операции Op. Описанные атрибуты заявки z на выполнение операций представле ны в табл. 1.

В ходе разработки БЗ агентов были использованы следующие операторы работы с заявками: Select(z,Node) – заявка z захвачена узлом Node;

Select(z,Node)1 – заявка z не захвачена узлом Node. Также при описании БЗ были использованы переменные, со поставляющие время имитации и календарное время: iRes43 – текущий день, iRes44 – текущий месяц. Описание БЗ агентов АОр и АР и операции Op приведено в табл. 2.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Таблица Определение атрибутов заявки z на выполнение операции Op Обозначение Описание Требуемые трудозатраты на выполнение операции Op z_p Трудозатраты по операции Op, отнесенные на субподряд z_s Оставшееся время выполнения операции Op z_time Признак привлечения субподряда для выполнения операции Op:

z_pr 0 – не привлекаем субподряд;

1 – привлекаем субподряд Узел-владелец заявки z (агент АОр или АР, операция Ор, сле z_owner дующий узел модели NextNode) День начала операции Op z_d Месяц начала операции Op z_m Таблица БЗ агентов операции и распределения и описание узла-операции База знаний агента операции AOp Описание ситуации Условие IF Условие THEN Субподряд для выполнения Select(z,AOp) Rхолд:= Rхолд-z_p операции не требуется, доста- (iRes43=z_d)&(iRes44=z_m) z_pr:= точно своих ресурсов z_pRхолд z_owner:="Op" Select(z,AOp) z_s:=z_p – Rхолд Субподряд для выполнения (iRes43=z_d)&(iRes44=z_m) Rхолд:= операции требуется, недоста z_pr:= точно своих ресурсов z_pRхолд z_owner:="Op" Условия запуска и ресурсы на выходе операции Op Длительность Условия запуска Ресурсы на выходе Select(z,Op) Rхолд:=Rхолд+z_p z_time z_pr=0 z_owner:="NextNode" База знаний агента распределения AР Описание ситуации Условие IF Условие THEN Захват агентом АР заявки с Select(z,AP) требованием субподряда при Select(z,Op) z_owner:="АР" условии незанятости агента z_pr= Rхолд:= Rхолд+z_p – Время выполнения операции Select(z,AP) z_s закончилось z_time=0 z_owner:= "NextNode" Время выполнения операции Select(z,AP) z_pr:= не закончилось и субподряд z_time0 Rхолд:= Rхолд-z_s уже не требуется Rотд z_s z_owner:="Op" Время выполнения операции Select(z,AP) не закончилось и субподряд z_time0 z_time:= z_time- Rхолдz_s еще требуется ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Проведение эксперимента с моделью строительного холдинга «Wan Bao»

Имитационный эксперимент с моделью строительного холдинга проводился со следующим начальными условиями и упрощениями: 1) осуществление строительства 11 объектов с последующей продажей возведенных площадей;

2) осуществление строи тельства целиком на деньги кредитных организаций с учетом выплаты беспроцентного кредита;

3) наличие в собственности пригодного для строительства земельного участ ка;

4) наличие на складе всех необходимых для строительства материалов;

5) расчет прибыли без учетов налогов.

Результаты проведенных с моделью МППР экспериментов сохраняются в MS Project и MS Excel.

Расходы проекта на конец имитационного эксперимента достигли значения 3,4·10 юаней. Сумма средств на счете ко времени окончания моделирования достигла значения 6,76·109 юаней.

Данные эксперимента согласуются со статистическими данными работы строи тельного холдинга «Wan Bao» на протяжении временного интервала в 5 лет (с июня 2005 г. по август 2010 г.).

Выводы Применение СППР на основе технологии гибридных агентов МППР в управле нии строительным холдингом обеспечивает автоматизированное решение ЛПР сле дующих задач анализа и синтеза сложных организационно-технических систем: фор мирование бизнес плана работ с помощью разработанного в BPsim.MSS ИА бизнес планирования;

планирование проектных и строительных работ на основании оценки динамических характеристик процессов при проведении экспериментов с разработан ной имитационной моделью в BPsim.MАS, включая оценку объема субподрядных ра бот. Интеграция технологий диалоговых экспертных систем и имитационного мультиа гентного моделирования обеспечивает непрерывную комплексную поддержку приня тия решений в сфере управления строительным холдингом.

Литература 1. Старцев М. А. Интегрированная информационная система для автоматизирован ного управления процессом капитального строительства на промышленном пред приятии на основе иерархических ситуационных моделей сетевого планирования:

Автореф. дис. … канд. техн. наук – 05.13.06. Уфа: Уфим. гос. авиац. техн. ун-т, 1999. 16 с.

2. Аксенов К. А. Гончарова Н. В. Динамическое моделирование мультиагентных про цессов преобразования ресурсов. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2006. 311 с.

3. Аксенов К. А., Шолина И. И., Сафрыгина Е. М. Разработка и применение объект но-ориентированной системы моделирования и принятия решений для мультиа гентных процессов преобразования ресурсов // Научно-технические ведомости СПбГПУ. Сер. Информатика. Телекоммуникации. Управление. 2009. № 80. C. 87– 97.

4. Аксенов К. А., Антонова А. С., Спицина И. А. Анализ и синтез процессов преоб разования ресурсов на основе имитационного моделирования и интеллектуальных агентов // Научно-технические ведомости СПбГПУ. Сер. Информатика. Телеком муникации. Управление. 2011. № 1 (115). C. 13–19.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ГИБРИДНАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ПЛАНИРОВАНИЯ ПЕРЕВОЗОК СЕТИ АВТОЗАПРАВОЧНЫХ СТАНЦИЙ К. А. Аксенов, Е. М. Сафрыгина, А. А. Скворцов, Е. Ф. Смолий, О. П. Аксенова (Екатеринбург) Планирование перевозок заключается в составлении расписания и графиков пе ревозок на основе систематизации заключенных договоров, поданных заявок, изучения грузопотоков. Последнее предполагает анализ грузоперевозок за определенный период времени, как на отдельных маршрутах, так и на всей маршрутной сети. Обследование грузопотоков может быть сплошным и выборочным.

Сплошное обследование осуществляется одновременно на всех маршрутах, вы борочное – на отдельных маршрутах. Методы получения данных о грузопотоках под разделяются на отчетно-статистические и натурные. Основным же является отчетно статистический метод, который применяется при анализе данных о прибыли от пере возки грузов на маршрутах и массы перевезенных грузов. Натурное обследование про водится анкетным или счетно-табличным методом.

Полученный в результате обследований грузопотоков материал служит основа нием для корректировки маршрутной схемы и расписания (графика) движения.


Расписания и графики должны обеспечить:

удовлетворение потребностей наибольшего числа заказчиков перевозок;

максимальное использование вместимости транспортных средств по установ ленным нормам;

минимизацию затрат времени на перевозку;

регулярность перевозок;

эффективность использования транспортных средств;

взаимосвязь с графиками и расписаниями других видов транспортных средств;

минимизацию порожних пробегов транспортных средств.

Обзор существующих методов в сфере планирования и управления пере возками Организация системы перевозок – сложная задача, которая фактически сводится к долгосрочному и краткосрочному планированию (в частности, составлению расписа ний) перевозок, а также оперативному управлению транспортными средствами. Требо вания к управлению могут выдвигаться совершенно разные, например: максимизация объёма перевозок, минимизация их стоимости, вероятность выхода стоимости перево зок за рамки бюджета. Однако, независимо от требований, аналитического решения для задачи составления расписания не существует.

Адекватными математическими моделями большинства задач оптимального планирования перевозок могут служить соответствующие задачи линейного програм мирования транспортного типа, для решения которых в настоящее время имеются уни версальные методы – в первую очередь симплекс-метод и его варианты, учитывающие специфику задач такого типа (различные усложненные и видоизмененные постановки транспортной задачи). Но линейные методы позволяют решить задачу составления расписания лишь частично, а именно – распределить заказы, поступающие от автоза правочной станции (АЗС), по поставщикам, в то время как задачи распределения зака зов по бензовозам и определение последовательности их выполнения и временных ра мок требуют иных методов решения.

Единственным способом решения задач составления расписаний является при менение систем поддержки принятия решений (СППР) на основе оптимизирующих ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования имитационных моделей, которые позволяют получить наиболее точный результат. Та кие модели дают возможность «проиграть» различные схемы управления парком с учё том текущей дислокации, проанализировать различные варианты развития событий и выбрать наиболее эффективное решение на заданный момент времени.

Обзор программных аналогов в сфере управления перевозками Система управления транспортом (TMS) в составе программного комплекса для проектирования логистических сетей включает подсистемы управления заказами, управления ресурсами, планирования перевозок, диспетчеризации, выполнения перево зок, управления поставщиками услуг, мобильной обработки данных, управления авто парком, управления фрахтом, мониторинга основных показателей процессов в логи стической сети.

Комплекс имитационных моделей для задач управления парком техники и пере возками, реализованных в среде имитационного моделирования AnyLogic Система "TopLogistic" (программа транспортной логистики) – единственный в России "коробочный продукт", предназначенный для решения задач транспортной ло гистики. Она позволяет оптимизировать деятельность по доставке грузов в крупном городе или регионе, осуществлять планирование, учет и контроль процессов, связан ных с отгрузкой и доставкой, сократить издержки на доставку, повысить качество об служивания клиентов, обеспечить надежность работы всего логистического комплекса.

Система обеспечивает:

• автоматизацию работ по распределению заказов по автомобилям;

• автоматизированный расчет маршрутов доставки заказов;

• визуализацию адресов и маршрутов доставки на электронной карте;

• формирование эффективного порядка объезда точек доставки с возможностью его изменения.

Перечисленные методы и комплексы программ обладают рядом недостатков, которые ограничивают или исключают возможность их применения при решении зада чи проектирования системы управления перевозками для сети АЗС, в силу ряда допол нительных условий и ограничений, действующих только для данной предметной об ласти:

1. Перевозка топлива может производиться только дискретными порциями, кратными вместимости секций каждого конкретного бензовоза.

2. При доставке топлива требуется исключить ситуацию ожидания в том случае, когда количество топлива на борту бензовоза оказывается больше, чем свободная ем кость АЗС.

3. При доставке топлива требуется исключить ситуацию простоя АЗС в том слу чае, когда не удается своевременно доставить топливо.

Постановка задачи на разработку СППР Общая задача проектирования СППР заключается в определении на временном интервале t = [Tн, Tк] (где Tн – начало рабочей смены, Tк – окончание рабочей смены) множества структур вида Si = Mi, Бi, Тi (где Mi – маршрут i-й перевозки, Бi – бензо воз, осуществляющий i-ю перевозку, Тi – сроки начала и окончания выполнения i-й пе ревозки), эффективных по критерию суммарных расходов на i-ю перевозку Сi = Cij.

Ci1 – стоимость перевозки топлива по маршруту Mi;

Ci2 – величина упущенной прибыли во время дозаправки емкости АЗС топливом;

Ci3 – расходы топлива бензовоза Бi и дру гие расходы при осуществлении i-й перевозки.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Методология включает в себя взаимоувязанные постановки задач, методы, мо дели, алгоритмы, составляющие теоретические основы построения системы управления перевозками (рис. 1).

Рис. 1. Структура этапов решения задачи рационального построения транспортно распределительной системы предприятия Методология базируется на использовании элементов теории линейного про граммирования, теории составления расписаний, теории реляционных баз данных, ап парата имитационного моделирования Для решения задачи оптимизации транспортно-распределительной системы предлагается метод последовательного улучшения исходной схемы перевозок, который основан на использовании теории линейного программирования, а также имитацион ной модели работы бензовозов. Метод состоит из следующих этапов:

1. Генерация информационных структур, соответствующих заказам от АЗС, на основании информации о текущем состоянии емкостей АЗС.

2. Определение для каждого заказа поставщика (нефтебазы) и маршрута поставки.

3. Назначение на каждый заказ бензовоза и определение сроков исполнения.

4. Ручная корректировка плана-графика экспертом.

5. Проверка и корректировка плана-графика на имитационной модели.

Первый этап заключается в подготовке структур данных по текущим заказам, поступившим от АЗС в том формате, который требуется для реализации последующих этапов. Генерация заказов осуществляется на основе информации о текущих остатках топлива в емкостях АЗС.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования На втором этапе выбираются поставщики для заказов. При помощи модифици рованного транспортного алгоритма подбирается поставщик нефтепродуктов для каж дого заказа.

Третий этап предусматривает разработку расписания перевозок для каждого бензовоза. На данном этапе для каждого заказа определяется исполнитель (бензовоз) и время выполнения таким образом, чтобы минимизировать расходы на перевозку и объ емы упущенной прибыли. Целью данного этапа является получение плана-графика ра бот каждого бензовоза в течение рабочей смены.

Четвертый этап решает задачу проверки плана-графика экспертом (специали стом по логистике) на его выполнимость, корректность и реализуемость, а также раз решение сложных ситуаций (спорных с точки зрения алгоритмической обработки) рас пределения заказов по бензовозам в ручном режиме.

На пятом этапе план-график уточняется в результате его проигрывания в ходе имитационного эксперимента.

Таким образом, предложенный метод совмещенного распределения заказов по поставщикам и бензовозам позволяет комплексно решать задачу построения эффектив ной транспортно-распределительной системы предприятия. Метод также обеспечивает возможность выбора и оценки наиболее приемлемых в текущей ситуации вариантов назначения бензовозов в зависимости от их актуального состояния, а также построение прогнозов изменений схемы поставок в случае возникновения непредвиденных (форс мажорных) ситуаций в системе.

Программная реализация СППР Система поддержки принятия решений реализована на базе интегрированного программного комплекса BPsim.DSS [1], предназначенного для моделирования органи зационно-технических систем.

Система состоит из следующих основных функциональных модулей:

– подсистема технико-экономического проектирования «Expert System»;

– подсистема имитационного моделирования «Simulation System»;

– подсистема интеграции с внешними источниками данных.

Архитектура программного комплекса BPsim.DSS, построена на принципах трехуровневой иерархической архитектуры InterRaP [2].

Применение СППР В настоящий момент СППР находится в стадии разработки. Готовую СППР пла нируется внедрить в отдел логистики Свердловской компании по обеспечению нефте продуктами ЗАО «СКОН». Сеть данного предприятия состоит из 24 АЗС. Основные параметры модели:

1. Количество узлов – 179 (в том числе 59 операций;

120 интеллектуальных аген тов). Общее количество правил агентов 941.

2. Количество ресурсов – 703.

3. Количество динамических заявок: 12 бензовозов, 22 заявки на развоз (при ими тации в течение "суток").


Для повышения быстродействия моделей, включающих в себя интеллектуаль ных агентов (ИА), было введено разделение на два вида правил продукционной базы знаний: 1) правила «глобального условия» и 2) «обычные» правила. Если в ИА присут ствуют оба вида правил, то в первую очередь проверяются правила «глобального усло вия», и в случае выполнения одного из данных правил начинается просмотр БЗ, содер жащей обычные правила ИА. Если в БЗ определенного ИА отсутствуют правила «гло бального условия», то поиск происходит по всей БЗ, содержащей «обычные» правила.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Был проведен эксперимент, по оценке скорости работы алгоритма с моделью, усовершенствованной правилами «глобального условия», и старым алгоритмом (рис. 2). В результате разделения типов правил и совершенствования алгоритма доби лись ускорения работы модели в среднем в 5 раз.

Модель без Время эксперимента, мин глобальных условий Модель с 300 глобальными 250 условиями 1 3 5 7 9 11 13 15 17 19 21 Время модельное, час Рис. 2. Сравнение алгоритмов обработки исходной модели и модели, усовершенствованной правилами «глобального условия»

Заключение Задача планирования поставок сети АЗС и ее программная реализация решены с использованием гибридного подхода в результате применения метода линейного про граммирования (модифицированный транспортный алгоритм), эвристического алго ритма планирования, и имитационного мультиагентного моделирования.

Литература 1. Аксенов К. А. Разработка и применение объектно-ориентированной системы моде лирования и принятия решений для мультиагентных процессов преобразования ре сурсов /К. А. Аксенов, И. И. Шолина, Е. М. Сафрыгина// Научно-технические ведо мости СПбГПУ. Сер. Информатика. Телекоммуникации. Управление. 2009. № 80.

C. 87–97.

2. INTEgration of Reactive behavior and RAtional Planning, Jorg P.Muller, Markus Pischel, 1993.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования АГЕНТНАЯ ИМИТАЦИОННАЯ МОДЕЛЬ АНАЛИЗА ПРОЦЕССОВ УПРАВЛЕНИЯ ПРЕДПРИЯТИЯМИ НЕФТЕПРОДУКТООБЕСПЕЧЕНИЯ Соуд Абдалазез Мохаммед Амен (Харьков) Введение На современном этапе предприятия нефтепродуктообеспечения сталкиваются с необходимостью комплексной интеграции процессов управления производственной деятельностью, логистикой и торговыми операциями, чтобы иметь полную и достовер ную информацию для принятия эффективных управленческих решений и максимально оперативно реагировать на любые изменения структуры спроса и предложения на рын ке. Сложность решения этих задач обуславливается, главным образом, спецификой предприятий нефтепродуктообеспечения: сложная филиальная или холдинговая струк тура предприятия;

обширная сфера деятельности – хранение, перевалка, оптовая и роз ничная реализация различных видов нефтепродуктов;

территориальная распределен ность предприятия – департаменты управления, распределения и транспорта, нефтеба зы, каждые из которых обслуживают свою сеть автозаправочных станций;

большой и сложный документооборот при организации логистики нефтепродуктов;

большое чис ло участников процесса внутри компании по различным направлениям;

необходимость максимального использования ресурсной базы и др. Рассмотренные особенности обу славливают актуальность и важность разработки модели анализа процессов управления предприятиями нефтепродуктообеспечения, основанной на системном представлении и динамическом моделировании потоковых процессов, которая позволит в конечном ито ге сократить затраты на логистику нефтепродуктов и содержание автопарка.

Анализ последних исследований и публикаций Неотъемлемым элементом анализа систем управления цепочками поставок (SCM), к которым относятся и предприятия нефтепродуктообеспечения, являются ими тационные модели [4]. На сегодняшний день сформировались и наиболее широко при меняются три основных подхода: дискретно-событийное моделирование, модели сис темной динамики и агентное моделирование.

Большая часть работ, связанных с моделированием нефтяных компаний, исполь зует инструментарий дискретно-событийного имитационного моделирования. Здесь следует выделить работу [1], где предложена дискретно-событийная модель для нефтя ной компании PETROBRAS, которая была разработана в инструментальной среде Arena. Модель охватывает логистическую цепочку «терминалы – нефтеперерабаты вающие заводы – нефтебазы», оставляя без внимания распределительную сеть до ко нечных потребителей.

Другой подход, основанный на моделях системной динамики, рассматривается в [2, 6]. Построенная в [2] модель охватывает процессы добычи, переработки, хранения и транспортировки сырой нефти, а также частично хранения и транспортировки нефте продуктов и позволяет анализировать динамику поведения системы, обусловленного взаимодействием запасов, материальных потоков, информационных задержек и, что является отличительной чертой модели, возможных нештатных ситуаций.

Наиболее актуальным и перспективным направлением исследования в настоя щее время является создание систем имитационного моделирования на основе муль тиагентного подхода. Рассмотренные особенности, связанные с моделированием про цессов управления предприятиями нефтепродуктообеспечения, хорошо соответствуют идеям, положенным в основу теории агентных систем. Перспективы использования мультиагентного подхода для рассматриваемых задач обусловлены преимуществами, ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования которые он предоставляет для распределенных интеллектуальных бизнес-приложений:

автономность агентов, индивидуальное поведение (от простых условий до логического вывода решений), возможность обучения и адаптации, координация их действий и др.

В работе [3] описана имитационная модель на основе технологии мультиагентных сис тем для поддержки принятия решений в логистике портового нефтяного терминала, где агентами выступают такие его элементы, как танкеры, портовые причалы, трубопрово ды и нефтеперерабатывающие заводы, которые взаимодействуют между собой путем проведения переговоров, решая задачи оптимального распределения нефти.

Отдельный интерес представляет разработка российской компании XJ Technologies системы AnyLogic [4]. AnyLogic объединяет в себе преимущества моделей системной динамики, дискретно-событийного моделирования и мультиагентных тех нологий. Так, например, в работе [5] описываются некоторые вопросы, связанные с мо делированием логистической цепи поставок биотоплива в Европе и Латвии с использо ванием AnyLogic. На наш взгляд ограничением системы AnyLogic на данном этапе раз вития является отсутствие средств интеллектуализации – для представления и манипу лирования знаниями, которые в мультиагентных системах служат для создания онтоло гий. Онтология является формальным описанием (концептуализацией) предметной об ласти и правил принятия решений, которое служит для упрощения программирования поведения агентов и используется ими при взаимодействии. Таким образом, онтологи ческая база знаний, которая становится основным элементом программного агента сис темы, дающим ему возможность принимать решения, планировать действия, взаимо действовать с другими агентами, содержит модели концептуальных понятий, отноше ний предметной области и правила для анализа и ситуативной ориентации.

Проведенный анализ, а также рассмотренные выше особенности, позволяют сформулировать цель данной работы, которой является разработка знаниеориентиро ванной системы имитационного моделирования процессов управления предприятиями нефтепродуктообеспечения, на основе агентного подхода, в составе которой функцио нируют интеллектуальные агенты, осуществляющие принятие решений и взаимодейст вие с помощью онтологической базы знаний и механизма логического вывода.

Агентная имитационная модель анализа процессов нефтепродуктообеспе чения При формировании агентного представления имитационной модели следует ис ходить из выделения элементов с индивидуальным поведением. Для решения наших задач необходимо рассмотрение всей логистической цепочки товародвижения от неф теперерабатывающих заводов до логистических посредников, реализующих товар ко нечным потребителям.

Одной из центральных задач при агентном моделировании потоковых процессов в рассматриваемой системе является формирование множества альтернативных вари антов покупки/продажи ресурсов (нефтепродуктов). В этом случае простейший вариант организации мультиагентного сообщества при решении задач по распределению ресур сов может быть основан на взаимодействии покупающих и продающих агентов, вы полняющих поиск соответствия на рынке имеющихся ресурсов. Конкурируя и коопе рируясь между собой при заключении «сделок» для совместного решения возникаю щих задач (для чего агенты могут использовать развитые экономические механизмы, включая долевое участие, аукционы и т.д.), агенты могут обеспечить системе новые возможности в самоорганизации для постоянного приспособления к изменяющейся си туации. Использование понятия аукциона в переговорах агентов обеспечивает возмож ность явной передачи «полезности» (в виде цены) от одного агента к другому.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Можно достаточно четко выделить элементы системы, выполняющие основные функции дистрибьюции нефтепродуктов: концентрация (консолидация) – нефтяные хранилища (базы) – RefiningAgents;

физическое распределение – нефтепродуктопрово ды PipelineAgents, специализированные автотранспортные средства TransportationA gents;

посреднические услуги по распространению – организации дистрибьюторской сети (ритейлеры и др.) – DistributionAgents;

распределение по конечным потребителям – на данном этапе развития модели рассматриваются только автозаправочные станции (АЗС) и комплексы – CustomerAgents.

Моделирование потоковых процессов предприятия нефтепродуктообеспечения в этом случае осуществляется через взаимодействие (переговоры) между агентами, пред ставляющими собой участников цепочки поставок с общей задачей – бесперебойное снабжение потребителей нефтепродуктами в требуемом количестве и ассортименте с наименьшими затратами.

RefiningAgent имеет в своем составе резервуарный парк по всей номенклатуре видов топлива, представленный в виде набора резервуаров (танков), количество кото рых колеблется от нескольких штук до нескольких десятков и даже сотен единиц. Кро ме суммарной емкости, каждый резервуар имеет свой страховой запас (минимальный и максимальный уровни). Наполнение резервуаров осуществляется либо последователь но (но в соответствии с сортностью), либо по заданной оператором схеме. Первона чально в модели могут быть заданы, по требованию заказчика, существующие запасы нефтепродуктов и свободные емкости в резервуарных парках всех агентов технологи ческого комплекса. Модельно резервуарный парк представляется агентом с определен ным количеством очередей (зависит от вида и сортности нефтепродуктов). В составе RefiningAgent имеется также наливная станция, непосредственно связанная с резерву арным парком и предназначенная для отгрузки нефтепродуктов потребителям. Харак теризуется количеством портов отгрузки и интенсивностью забора нефтепродуктов по каждому из них. В имитационной модели наливная станция представлена как множест во очередей потребителей для каждого порта отгрузки. RefiningAgent моделирует также временную составляющую перевозочного процесса, связанную с наполнением цистерн автомобилей и автопоездов. RefiningAgent направляет другим агентам (DistributionA gents и CustomerAgents) информацию о продаже ресурсов определенного объема и по определенной цене, а те, в свою очередь, подают агенту нефтебазы свои запросы на по ставку. RefiningAgent фиксирует заявки в своей базе, контролирует лимиты и акцептует их, согласуясь с состоянием ресурсов, политиками поставок и допустимыми рисками.

Соответствующим агентам отсылается подтверждение или отказ. Акцептованные сдел ки участвуют в дальнейших расчетах при моделировании, отклоненные сделки могут быть доработаны агентами (изменение суммы, срока и других атрибутов сделки) или удалены.

CustomerAgent является конечным звеном рассматриваемой логистической цепи поставок. CustomerAgent потребляет нефтепродукты с определенной интенсивностью и постоянно отправляет информацию DistributionAgents о своем состоянии и план графиках поставок нефтепродуктов (время и объем забираемого нефтепродукта). Для CustomerAgent должно быть указано, во-первых, какие виды топлива отпускаются на данной станции, во-вторых, каковы емкости резервуаров для каждого вида топлива.

Если на АЗС предусматривается наличие страхового запаса определенного вида топли ва, то его величина должна быть в дальнейшем учтена в расчетах. Чтобы не прекрати лась продажа какого-либо вида топлива и не произошла потеря клиентуры, агент дол жен сделать заказ на нефтебазе или у дистрибьютора. Поэтому одна из основных задач, решаемых агентом, – это определение времени упреждения заказа (времени заказа).

Следует учитывать, что для расчета этого времени необходимо знать, помимо характе ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ристик работы самой АЗС, показатели, связанные с перевозочным процессом, и пара метры работы нефтебазы, связанные с отпуском каждого вида топлива. Следовательно, время упреждения заказа является обобщенным параметром логистической цепи, отра жающим принцип «точно–вовремя» и включающим в себя характеристики функциони рования других агентов.

DistributionAgents также принимает запросы от потребителей на поставку нефте продуктов и обычно взаимодействует при этом с заранее заданными агентами нефтебаз и перевозчиков. В общем случае здесь может быть построена иерархическая структура дистрибьюторской сети, при этом возникает агент метауровня DistributionAgentMan ager.

TransportationAgent моделирует подвижной состав (одиночные автомобили цистерны, автопоезда), используемый для перевозок различных сортов бензина и ди зельного топлива. TransportationAgent подключается (взаимодействует) к одному или нескольким пунктам (портам) забора нефти у RefiningAgent, по каждому из которых указывается интенсивность забора. Управление агентами TransportationAgent осущест вляется агентом метауровня – TransportationAgentManager, который, по сути, представ ляет собой автотранспортное предприятие (АТП). В общем случае в процессе доставки может использоваться несколько АТП, которые могут принадлежать компании или яв ляться внешними перевозчиками. Агент TransportationAgentManager осуществляет планирование, расчет и оптимизацию маршрутов движения нефтевозов по доставке за планированных объемов на АЗС с учетом всевозможных правил и ограничений достав ки нефтепродуктов, индивидуальных характеристик бензовозов и АЗС, доступного парка бензовозов.

На агентов метауровня возлагаются обязанности, связанные с координацией действий других агентов при разрешении (перепланирование, перераспределение ре сурсов, использование резервов и др.) возникающих конфликтных или рисковых собы тий в системе.

Компьютерная система моделирования Разработка системы осуществлялась на базе мультиагентной платформы JADE.

В предлагаемой компьютерной системе созданы: графическая среда проектирования распределенной структуры технологического комплекса;

онтологическая база знаний;

описания классов и реализации поведения агентов, соответствующих предложенной структуре имитационной модели;

инструментарий для оценки и анализа основных пла ново-экономических показателей. Особенность предлагаемого подхода – визуальное моделирование с возможностью привязки структуры всего технологического комплек са к цифровой карте местности. При этом в системе для каждого структурного элемен та автоматически создается соответствующий агент или будет сгенерировано их задан ное число, где каждый имеет динамические связи с другими агентами, которые могут формироваться и исчезать в процессе моделирования. Созданный программный ком плекс предназначен для решения следующих задач: прогнозирование объемов поставок нефтепродуктов на каждую АЗС;

планирование графика поставок и автоматическое создание заказов нефтепродуктов для каждой АЗС;

расчет и оптимизация маршрутов движения нефтевозов по доставке запланированных объемов на АЗС с учетом всевоз можных правил и ограничений доставки нефтепродуктов, индивидуальных характери стик бензовозов и АЗС, доступного парка бензовозов;

планирование потребности в ко личестве и видах бензовозов, а также сокращение парка бензовозов за счет «сглажива ния» пиковых нагрузок по ежедневным доставкам нефтепродуктов;

планирование и контроль затрат на транспортную логистику;

исключение ситуаций простаивания АЗС без какого-либо вида топлива, а также простоя бензовоза на АЗС в ожидании разгрузки;

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования сокращение затрат, связанное с затариванием «лишним» бензином и «замораживанием денег» на одних АЗС и нехватки этого бензина на нефтебазах для других АЗС. Экспе риментальная апробация прототипа модели дала возможность уточнить структуру и состав необходимых параметров для разработки полной модели технологического ком плекса.

Выводы В работе предложена агентная имитационная модель анализа процессов управ ления предприятиями нефтепродуктообеспечения, которая учитывает множество взаи мосвязанных потоков, требований, целей и стратегий поведения отдельных его элемен тов, а также динамику логистических процессов. На основе разработанной модели воз можно решение различных аналитических и планово-прогнозных задач: анализ основ ных планово-экономических показателей деятельности предприятия в различных раз резах, а также прогноз состояния при различных вариантах покупки/продажи ресурсов с формированием портфеля заказов, графика использования автопарка, графика управ ления запасами на АЗС в соответствии с установленными критериями. При этом агент ная модель легко расширяема. Например, в перспективе могут быть созданы агенты, в которые будут заложены более детальные закономерности логистических процессов, сезонные колебания, различные модели поведения контрагентов и др.

Таким образом, разработанная система позволяет: эффективно управлять слож ными потоковыми процессами в интегрированных комплексах хранения и распределе ния нефтепродуктов;

сократить затраты на логистику нефтепродуктов и содержание автопарка;

повысить качество, достоверность и сократить время на выработку и приня тие рациональных решений при выборе стратегий и реализации приоритетов производ ственной и рыночной политики предприятий нефтепродуктообеспечения.

Литература 1. Luiz Claudio M. Paschoal, Daniel V. Chiarini, Ivan de Pellegrin, Juliana S. G. Yo namine. Development of a simulation tool to assess a petroleum company sales & opera tion planning // Proceedings of the 4th Mercosur Congress on Process Systems Engineer ing, 2005.

2. Adam Turk, Rashad Raynor, Thomas Corbet, Jr., Stephen Conrad. Simulated Na tion-Wide Consequences of Disruptions to the Petroleum Industry in the Western U.S.

Gulf Coast // Proceedings of R&D Partnerships in Homeland Security Conference, 2005.

3. Robison Cris Brito, Cesar Augusto Tacla, Valria Ramos de Lcia. A multiagent simulator for supporting logistic decisions of unloading petroleum ships in habors // Pes qui. Oper. 2010. Vol. 30. No 3. P. 729–750.

4. Толуев Ю. И. Имитационное моделирование логистических сетей // Логистика и управление цепями поставок. 2008. № 2 (25). С. 53–63.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 14 |
 



Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.