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 |   ...   | 12 |
-- [ Страница 1 ] --

Третья всероссийская научно-практическая конференция по

имитационному моделированию и его применению в наук

е

и промышленности

«ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. ТЕОРИЯ И

ПРАКТИКА»

ИММОД-2007

Сборник докладов

ТОМ I

Генеральный спонсор конференции

ООО «Экс Джей Текнолоджис»

www.anylogic.ru

Санкт-Петербург 2007 ISBN 978-5-98361-048-4 СОСТАВИТЕЛИ А. М. Плотников, Б. В. Соколов Компьютерная верстка Л. П. Козлова Редактирование Е. П. Смирнова, Н. Н. Елгина © ФГУП ЦНИИ технологии судостроения, 2007 Уважаемые коллеги, дамы и господа!

Сегодня Центральный научно-исследовательский институт технологии судо строения и Институт Информатики и автоматизации РАН проводят третью всероссий скую научно-практическую конференцию по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» ИММОД-2007.

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.

Хочется поблагодарить наших коллег из фирмы ООО «Элина-Компьютер» (Ка зань), компании XJ Technologies (Санкт-Петербург), АНО «Ремесленная академия»

(Москва), журналов «Rational Enterprise Management» и «Судостроение» (Санкт Петербург) за их активное содействие в подготовке и проведении данной конференции.

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 ФГУП «ЦНИИТС»

Директор СПИИРАН Р.М. Юсупов ИММОД-2007 Организационный комитет конференции Сопредседатели:

Горбач В.Д., генеральный директор ФГУП «ЦНИИ технологии судостроения», д.т.н., академик МАИ (Санкт-Петербург) Юсупов Р.М., директор СПИИРАН, член-корреспондент РАН, Заслуженный деятель науки и техники РФ (Санкт-Петербург) Заместитель сопредседателей:

Плотников А.М., начальник отдела информационных технологий ФГУП «ЦНИИ технологии судостроения» (Санкт-Петербург) Члены оргкомитета:

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

(Санкт-Петербург) Венков В.В., первый заместитель генерального директора ФГУП «ЦНИИ технологии судостроения», к.т.н. (Санкт-Петербург) Власов С.А., ученый секретарь Отделения информационных технологий и вычислительных систем РАН, ведущий научный сотрудник ИПУ РАН, к.т.н.(Москва) Девятков В.В., директор ООО «Элина-Компьютер», к.т.н. (Казань) Елтышев Б.К., начальник ВЦ СПбГМТУ, к.т.н., доцент (Санкт-Петербург) Лычкина Н.Н., к.э.н., доцент, Государственный Университет Управления (Москва) Ткач А.Ф., заместитель директора СПИИРАН, к.т.н., доцент (Санкт-Петербург) Томашевский В.Н., Национальный технический университет Украины «КПИ», д.т.н., профессор (Киев, Украина) Яцкив И.В., проректор по учебной работе Рижского Института Транспорта и Связи, к.т.н., профессор (Рига, Латвия) ИММОД- Программный комитет конференции Сопредседатели:

Юсупов Р.М., директор СПИИРАН, член-корреспондент РАН, Заслуженный деятель науки и техники РФ (Санкт-Петербург) Горбач В.Д., генеральный директор ФГУП «ЦНИИ технологии судостроения», д.т.н., академик МАИ (Санкт-Петербург) Заместитель сопредседателей:

Соколов Б.В., заместитель директора СПИИРАН по научной работе, д.т.н., профессор (Санкт-Петербург) Члены программного комитета:

Алиев Т.И., заведующий кафедрой ВТ СПбГУИТМО, д.т.н., профессор (Санкт Петербург) Верзилин Д.М., доцент СПИИРАН, д.э.н. (Санкт-Петербург) Веселков В.В., заведующий кафедрой СПбГУВК, главный ученый секретарь ФГУП «ЦНИИТС», д.т.н., профессор (Санкт-Петербург) Девятков В.В., директор фирмы ООО «Элина-Компьютер», к.т.н. (Казань) Карпов Ю.Г., СПбПУ, д.т.н., профессор (Санкт-Петербург) Конюх В.Л., Новосибирский ГТУ, д.т.н., профессор (Новосибирск) Поспелов И.Г., ВЦ РАН, д.ф-м.н., профессор (Москва) Рыжиков Ю.И., Военно-космическая академия им.Можайского, д.т.н., профессор, заслуженный деятель науки РФ (Санкт-Петербург) Толуев Ю.И., руководитель проектов, Институт организации и автоматизации промышленного производства им. Фраунхофера IFF, доктор естественных наук, приват-доцент (Магдебург, Германия) Хомоненко А.Д., заведующий кафедрой информационных и вычислительных систем ПГУПС, д.т.н., профессор (Санкт-Петербург) Яковлев С.А., профессор кафедры автоматизированных систем обработки информации и управления СПбГЭУ «ЛЭТИ», д.т.н., академик МАИ, заслуженный работник высшей школы РФ (Санкт-Петербург) ИММОД-2007 Организаторы конференции ФГУП «ЦНИИ технологии судостроения», Санкт-Петербург Институт информатики и автоматизации РАН, Санкт-Петербург Информационная поддержка конференции Институт информатики и автоматизации РАН, Санкт-Петербург ФГУП «ЦНИИ технологии судостроения», Санкт-Петербург ООО «Экс Джей Текнолоджис» (XJ Technologies), Санкт-Петербург ООО «Элина-Компьютер» (Казань) Журнал «Rational Enterprise Management» (Санкт-Петербург) Журнал «Судостроение» (Санкт-Петербург) Генеральный спонсор конференции ООО «Экс Джей Текнолоджис» (XJ Technologies), Санкт-Петербург Спонсоры конференции Комитет по науке и высшей школе при Администрации Санкт-Петербурга Президиум РАН, Москва АНО «Ремесленная академия», Москва ИММОД- СОДЕРЖАНИЕ ПЛЕНАРНЫЕ ДОКЛАДЫ Борщев А. В. Применение имитационного моделирования в России – состояние на 2007 г....................................................................................................... Власов С. А., Девятков В. В., Кобелев Н. Б. Методология, технология и принципы программной реализации имитационных приложений....................... Горбунов А. Р., Лычкина Н. Н. Проблемы, актуальные задачи и приоритеты в создании систем поддержки принятия решений и применении имитационного моделирования в сфере управления и бизнеса............................... Девятков В. В., Кобелев Н. Б., Емельянов А. А., Половников В. А., Плотников А. М. Имитационное моделирование как основной способ поддержки принятия решений в современном мире. Об организации имитационных исследований в России....................................................................... Рыжиков Ю. И. Имитационное моделирование и теория очередей................................ Рыжиков Ю. И., Соколов Б. В., Юсупов Р. М. Проблемы теории и практики имитационного моделирования................................................................................... Секция 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ И МЕТОДОЛОГИЯ ИМИТАЦИОННОГО И КОМПЛЕКСНОГО МОДЕЛИРОВАНИЯ Аксенов К. А. Анализ моделей динамических процессов для описания параллельных, конфликтующих процессов преобразования ресурсов............................................. Аксенова Е. А., Афанасьева Т. В., Драц А. В., Соколов А. В., Рюгина А. В., Тарасюк А. В. Имитационные модели в некоторых задачах оптимального управления динамическими структурами данных.................................................... Алексеев А. В., Филиппов С. В. Результаты моделирования комплексного использования и квалиметрический рейтинг-анализ сложных организационно технических систем...................................................................................................... Бабкин Е. А., Бобрышев Е. А. О формализме иерархического событийно автоматного моделирования........................................................................................ Бородакий Ю. В., Юсупов Р. М., Пальчун Б. П. Проблема имитационного моделирования дефектоскопических свойств компьютерной инфосферы............. Бушуев А. Б., Чепинский С. А. Дискретная математика изобретательских задач.......... Вятченин Д. А., Доморацкий А. В. Анализ структур сходства элементов сложной системы в процессе имитационного моделирования................................................ Габалин А. В. Комплексный подход для решения задач построения систем обработки информации.............................................................................................. Горохов А. В., Путилов В. А. Технология синтеза имитационных моделей на основе экспертных знаний.

................................................................................... ИММОД-2007 Егорова В. П., Зубкова И. Ф., Кан А. В., Кухтенко В. И. Синтез детерминированных и случайных потоков воздушного движения в составе комплекса имитационного моделирования системы ОрВД.................................... Задорожный В. Н. Асимптотические приближения в имитационном моделировании приоритетных систем с очередями................................................ Задорожный В. Н., Донец А. А. Алгоритм структурной оптимизации сетей с очередями.................................................................................................................. Задорожный В. Н., Ершов Е. С., Канева О. Н. Использование адаптивных приближений в алгоритмах параметрической оптимизации сетей с очередями.................................................................................................................. Зайцев И. В., Молев А. А. Оценка эффективности систем радиосвязи в условиях преднамеренных помех на основе агрегативного имитационного моделирования их функционирования...................................................................... Звягин П. Н. Статистическое моделирование в численном эксперименте кластеризации.............................................................................................................. Иванов А. А., Пытляк В. В. Имитационное моделирование в анализе фирм по оказанию инфокоммуникационных услуг................................................................ Игнатов В. Д. Применение комбинированного подхода моделирования при исследовании дисциплин обслуживания.................................................................. Казанцев А. К., Серова Л. С. Имитационное моделирование бизнес-процессов в формате деловых игр................................................................................................... Кириллов Н. П. IDEF0-модель процессов функционирования технической системы......................................................................................................................... Кодема В. А. Технология распознавания концептуальных шаблонов системы автоматизации синтеза системно-динамических моделей...................................... Левчук В. Д., Чечет П. Л. Актуальные шаблоны программирования имитационных моделей сложных систем............................................................................................ Лукичев А. Н. Временные характеристики функциональных блоков при дискретно событийном моделировании встроенных систем.................................................... Манжай И. С., Урусов А. В. Использование лингвистических переменных при описании образцов операций в РДО-моделях.......................................................... Микони С. В., Киселёв И. С. Интеллектуальное имитационное моделирование предпочтений экспертов на матрицах парных сравнений....................................... Михайлов В. В. Возможные подходы к согласованию фрагментарных моделей предметной области.................................................................................................... Михайлов В. В., Быков Я. А. Метод согласования моделей в форме алгоритмических сетей на примере модели агроэкосистемы................................................................ Михайлов В. В. Тубольцева В. В. Решение задачи идентификации имитационных моделей в системе автоматизации моделирования КОГНИТРОН......................... ИММОД- Нгуен Дык Тай. Оценка погрешностей аналитических методов расчета и исследование СМО типа G/G/1.............................................................................. Пономарев Д. Ю. Исследование возможностей тензорного анализа сетей массового обслуживания............................................................................................ Сенашова М. Ю., Садовский М. Г., Куршакова К. А. Моделирование рефлексивного поведения двухвидовой популяции для случая двух стаций с миграциями.................................................................................................. Серова Е. Г. Имитационное моделирование в современном менеджменте................... Соколов Б.В., Верзилин Д.Н., Иконникова А.В., Иванов Д.А., Волков В.Ф.

Распределение нагрузки на элементы комплекса управления активными подвижными объектами на основе параметрической адаптации имитационных моделей........................................................................................................................ Соснин В. В. Моделирование дисциплины обслуживания с абсолютными приоритетами в GPSS World...................................................................................... Суконщиков А. А., Скородумов П. В. Моделирование сложных динамических систем на базе расширений сетей Петри.................................................................. Трушкова Е. А., Блинов А. О. Метод улучшения управления в моделировании динамических систем.................................................................................................. Хлопяк В. Г. Верификация агрегативных систем............................................................. Цапко С. Г. Механизм записи и восстановления объекта, представленного в терминах Е-сети....................................................................................................... Черешнев В. В., Верзилин Д. Н., Зайчик Е.С. Имитационное моделирование конкурентного поведения производителя на потребительском рынке................. Чехович Ю. В. Применение алгебраического подхода к имитационному моделированию сложных социально-технических систем..................................... Секция 2. СРЕДСТВА АВТОМАТИЗАЦИИ И ВИЗУАЛИЗАЦИИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ Аксенов К. А., Попов М. В., Смолий Е. Ф., Доросинский Л. Г. Динамическая система моделирования и проектирования мультисервисных сетей связи BPsim3................................................................................................................ Аксенов К. А., Смолий Е. Ф., Аксенова О. П., Гончарова Н. В. Дискретная система имитационного моделирования мультиагентных процессов преобразования ресурсов BPsim2.......................................................................................................... Беляева М. А. Имитационное моделирование тепловой обработки мясных изделий........................................................................................................... Гречишкин П. В. Оценка сложности моделей очистных работ на Extend и сетях Петри............................................................................................................... ИММОД-2007 Диденко Д. Г. Взаимодействие агентов в распределенной дискретно-событийной системе имитационного моделирования OpenGPSS................................................ Захарченко В. Е. Контроль достоверности значений параметров в АСУ ТП................ Максимов К. М., Максимов В. М. Практика применения системы имитационного моделирования Imitak Project..................................................................................... Миков А. И., Замятина Е. Б. Мониторинг распределенной имитационной модели для подсистемы балансировки...................................................................... Никитин А. С., Чураков М. Ю., Шалыто А. А. Применение автоматного программирования для имитационного моделирования разъезда машин на нерегулируемом перекрестке равнозначных дорог................................................. Савина О. А., Погорелов А. С. Разработка высокоуровневой среды имитационного моделирования JaSim.................................................................................................. Селяков И. С. Применение мультиагентного симулятора для моделирования популяции животных.................................................................................................. Усанов Д. И. Мониторинг имитационных моделей в среде GPSS World и анализ динамики параметров модели в процессе эксперимента........................................ Рефераты................................................................................................................................

Abstract

................................................................................................................................... ИММОД- Пленарные доклады ПРИМЕНЕНИЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ В РОССИИ – СОСТОЯНИЕ НА 2007 г.

А. В. Борщев (Санкт-Петербург) ИМ в России сегодня – обзор приложений За последние 3–4 года картина рынка услуг, связанных с применением ИМ, из менилась кардинально. Если в 2003 г. (первый ИММОД) спрос на ИМ со стороны биз неса и государства только робко намечался, а в 2005 г. (второй ИММОД) происходило интенсивное знакомство потенциальных заказчиков с подобными технологиями, то сейчас можно с уверенностью полагать, что ИМ уже обосновалось в арсенале средств прогноза, анализа и оптимизации. Свидетельство этому – множественные success stories в производстве, транспорте, обслуживании, маркетинге и т. д. Применяется ИМ пока не очень широко, но рост очевиден и в ближайшей перспективе он не прекратится: ны нешнее состояние российского бизнеса и хозяйства вообще – это огромное пространст во для улучшения, а значит, и для применения наших с вами умений и технологий.

В качестве иллюстрации к этим утверждениям приведём структуру оборота компании XJ Technologies как российского лидера в области ИМ (рис. 1). Заметим, что по причинам, подробно рассмотренным ниже в разделе «Факторы, ограничивающие рост применения ИМ», основную долю в российской части оборота составляет консал тинг и гораздо меньшую – продажа продукта. В зарубежной же части эти составляю щие более сбалансированны с перевесом продаж продукта (т. е. лицензий AnyLogic).

1500% Пользователи и заказчики:

1000% Зарубежные Российские 100% 2001 2002 2003 2004 2005 2006 Рис. 1. Рост доли российских пользователей и заказчиков в обороте XJ Technologies Интересна структура спроса по областям применения. Диаграмма на рис. 2 со ставлена по совокупным данным отделов консалтинга, продаж и технической поддерж ки XJ Technologies. Абсолютно полной она не является, но в большой мере соответст вует действительности, так как спектр применений AnyLogic совпадает со спектром применений ИМ вообще. Картина спроса в России несколько отличается от общемиро вой, что, впрочем, вполне объяснимо, так как она отражает относительные уровни раз вития различных типов бизнеса и государственных структур. Области применения рас положены сверху вниз по убыванию «градуса интереса».

Безусловный лидер по «осознанному спросу» и внедрениям ИМ – область логисти ки: перевозки, работа склада, политики закупок и, шире, функционирование цепочек по ставок. Объясняется это, во-первых, тем, что логистика в России переживает невероятный подъём, а во-вторых – сложным динамическим характером логистических процессов, оби лием временных и причинно-следственных связей, размерностью задач. Невозможность оптимизировать логистические системы «на коленке» (= в Excel’е) настолько очевидна, что заставляет сами компании искать более продвинутые технологии.

ИММОД-2007 Пленарные доклады Если брать производство, то ИМ наиболее активно интересуются в металлургии, нефтегазовой отрасли, производстве стройматериалов, пищевых продуктов, т. е. опять же в наиболее «горячих» отраслях. Потребность в моделировании возникает при мо дернизации производств, т. е. при необходимости оценить и сравнить ещё не реализо ванные варианты, а также при желании оптимизировать текущие процессы.

Анализ производительности компьютерных систем и сетей при помощи ИМ был известен у нас давно, так что наблюдающийся спрос на это сейчас со стороны телеком муникационных компаний вполне предсказуем, хотя и не очень велик.

Более или менее массовый спрос ограничивается тремя перечисленными облас тями и, пожалуй, моделированием разного рода систем обслуживания и связанных с ними бизнес-процессов. Что касается таких традиционных (в мире) приложений, как управление активами, портфелями проектов, моделирование потребительского рынка и конкуренции, управление персоналом в больших организациях, то здесь российские проекты с применением ИМ инициируются единичными «продвинутыми» энтузиаста ми из менеджмента компаний или банков. Успешные внедрения есть, но массового ха рактера они не имеют.

Логистика, перевозки, цепочки поставок Производство (металлургия, стройматериалы, пищепром) IT-системы / телекоммуникации Бизнес-процессы, обслуживание Управление активами (проектами, финансами) Потребительский рынок, конкуренция Управление персоналом Инфраструктура (дороги, коммуникации) Энергетика ? Катастрофы, теракты Боевые действия Здравоохранение (политики и экономика) Нет спроса Динамика населения / социальные политики Сельское хозяйство, экосистемы Рис. 2. Структура спроса на ИМ в России по областям применения (сверху вниз по убыванию градуса интереса) Далее в диаграмме следует группа приложений, о которых мы имеем неполное представление в силу их несколько закрытого характера. Речь идёт о применениях ИМ, где заказчиком выступает государство: инфраструктурные проекты от городского до федерального уровня, моделирование внештатных ситуаций, требующих государствен ного вмешательства, военные применения ИМ. В России работы этого типа ведутся, их немало, количество их растёт, но оценить объём мы сейчас не можем.

Наконец, последняя группа – это области, где, в отличие от мировой практики, интерес к ИМ в России близок к нулю. Причём если в моделировании, скажем, различ ных политик в области социальной сферы и здравоохранения, в демографическом и эпидемиологическом моделировании наблюдается хоть какая-то активность, о проектах в области сельского хозяйства или экосистем неизвестно ничего. Повторюсь, я говорю о практических (т. е. решающих чьи-то реальные проблемы) проектах, а не об академи ческих упражнениях.

ИММОД- Пленарные доклады Как может выглядеть внедрённое ИМ-решение Прежде всего заметим, что для конечного пользователя обычно не очень важно, использовалась ли имитация при решении его проблемы или нет – ему важно, чтобы проблема была решена. Поэтому то, что поставляется заказчику, в общем случае более корректно называть не имитационной моделью, а системой поддержки принятия реше ний (СППР). Кстати, первое, что должен сделать исполнитель при знакомстве с поста новкой задачи – это оценить, действительно ли применение ИМ необходимо или же решение достигается более простыми методами (скажем, линейным программировани ем). Если же говорить о сценариях использования имитационных моделей в практике, то наиболее типичные из них таковы:

1. Модель полностью встроена в производственный или бизнес-процесс, запус кается автоматически при выполнении соответствующих операций;

2. Модель оформлена в виде утилиты, регулярно запускающейся вручную при принятии оперативных решений;

3. Модель оформлена в виде (распределённой) игры, использующейся для обу чения сотрудников;

4. Модель создаётся для оценки и сравнения вариантов предполагаемых измене ний (модернизации) или для выработки оптимальной стратегии;

5. Модель создаётся ради динамической визуализации (демонстрации) работы проектируемого объекта – как дополнительный аргумент.

Наиболее часто встречающаяся архитектура СППР показана на рис. 3. Собст венно имитационная модель, как видно, – это только часть СППР, причём совсем не обязательно самая большая и часто далеко не самая трудоёмкая. Роль оптимизатора – выбрать близкое к оптимальному решение из числа возможных, запуская модель много раз с различными параметрами. Эвристики «скрывают» от оптимизатора большое чис ло прямых параметров модели, заменяя их небольшим числом «настроечных» парамет ров, с которыми оптимизатор должен легко справляться. Эвристики могут быть самым интеллектуальным модулем во всей системе, для их разработки часто приглашаются профессиональные математики. Модель часто конфигурируется из базы данных, на пример, читая оттуда наиболее свежую информацию. Для пользователей создаются специализированные интерфейсы с возможностью задавать параметры, запускать экс перименты, просматривать результаты в виде различных графиков, таблиц и т. д. Про граммирование пользовательских интерфейсов иногда занимает до 60% всего времени разработки.

XJ Technologies использует подобные архитектуры при разработке СППР для оперативного управления парком транспортных средств компаний ЕВРОСИБ, «Балти ка», «Русский алюминий». База данных в этом случае содержит текущую дислокацию вагонов (БД МПС), эвристики с оптимизатором могут быть настроены, например, на минимизацию порожнего пробега, пользователи получают конкретные рекомендации по управлению вагонами;

то, что эти рекомендации выработаны при помощи ИМ, им, может быть, и неизвестно.

ИММОД-2007 Пленарные доклады Manager База ИП данных Оптимизатор ИП Эвристики Имитационная модель Рис. 3. Типичная архитектура системы поддержки принятия решений Применяемые технологии ИМ Поскольку большая доля приложений ИМ приходится на оперативно тактические задачи в сфере логистики, производства и систем обслуживания, основным используемым методом является дискретно-событийное моделирование либо в тради ционном его понимании (т. е. взгляд на систему как на процесс и задание процесса как последовательности операций и множества ресурсов), либо, реже, в агентном исполне нии (взгляд на систему как на совокупность активных объектов и задание их индивиду альных поведений и взаимодействия). Даже в ряде стратегических задач (например, где построить контейнерный терминал) требуемый уровень абстракции часто опускается до рассмотрения индивидуальных объектов (вагонов, единиц груза и т.п.) и не позволя ет использовать методы системной динамики.

При моделировании потребительского рынка, в особенности динамичных рын ков с высокой степенью конкуренции (например, сотовая связь, страхование, банков ские услуги), где выбор потребителя зависит от его индивидуальных особенностей, ис тории, внутренней динамики, сети знакомств, внешних воздействий, агентное модели рование также позволяет достичь максимальной адекватности. Построение таких агентных моделей облегчается сейчас тем, что требуемые для этого данные уже накоп лены у большинства компаний в CRM-системах, а также в результатах опросов и тому подобных исследований.

Особые технологии «физического уровня» применяются при моделировании пешеходной и дорожной динамики, боевых действий, терактов, эвакуации. Здесь физи ческое пространство – это важный разделяемый ресурс и взаимодействие в нём объек тов уже не может быть упрощено до уровня процесса «встал в очередь – обслужился – пошел к выходу».

В области российской системной динамики в последнее время наблюдается не которая активность, в частности образована российская «глава» (chapter) международ ного Общества системной динамики. Про практическое применение системной дина мики в России известно мало, успех здесь будет зависеть от взаимодействия специали стов, владеющих методом, с людьми, принимающими стратегические решения, – ведь системная динамика в основном применима к долгосрочным процессам, интересным только со стратегических позиций.

Отдельно следует сказать о методах оптимизации, использующихся вместе с имитационными моделями. Поскольку результат выполнения имитационной модели обычно зависит от её параметров сложным нелинейным образом, оптимизатор так или иначе должен исследовать большую часть пространства параметров, чтобы не ограни читься локальными минимумами и максимумами. Из универсальных оптимизаторов ИММОД- Пленарные доклады такого рода в России часто используется встроенный в AnyLogic OptQuest американ ской фирмы OptTek. Мы часто облегчаем OptQuest’у задачу, дописывая эвристики, по зволяющие вести поиск более эффективно благодаря знанию специфики проблемы.

Иногда используются свои алгоритмы оптимизации, написанные под конкретное при ложение.

Факторы, ограничивающие рост применения ИМ Одним из основных препятствий роста практического применения ИМ в России была и остаётся нехватка квалифицированных кадров, что может звучать странно для страны с такими университетскими традициями и наконец-то прекратившимся оттоком мозгов.

Действительно, ИМ в том или ином виде преподаётся во многих вузах, но пре подаватели часто не могут (или не очень хотят) вывести студента за рамки чисто «на учных» или игрушечных проблем в пространство задач, востребованных в реальной жизни. Вместо этого преподаватели, студенты и аспиранты часто увлекаются, напри мер, созданием собственных симуляторов или, хуже того, разводят ложное (заумное и занудное) теоретизирование вокруг понятия «модель». Вопрос – зачем? Вокруг полно задач, решив – или просто попытавшись решить – которые, вы не просто получите чи таемую и цитируемую публикацию, но и выйдете на новый уровень понимания того, куда должны развиваться ваши (прикладные!) исследования. Я уже не говорю про воз можные материальные выгоды от сотрудничества с реальным заказчиком и уверенное трудоустройство выпускников.

В каждом городе, где есть университет, обязательно имеется:

• склад;

• транспорт;

• супермаркет;

• банк;

• служба такси;

• дорожная инфраструктура;

• производство.

Господа преподаватели, вы пробовали говорить с людьми, которые отвечают за ежедневное функционирование, ремонт, модернизацию, перспективное планирование этих элементов хозяйства? Попробуйте. Узнайте, что их волнует, где, по их мнению, возможна оптимизация, добейтесь от них хотя бы примерной постановки задачи, поду майте, поможет ли им ИМ. Если да – вот вам, как минимум, готовая тема диплома. По шлите студента делать измерения и собирать статистику на реальном объекте с секун домером, рулеткой, камерой – он сразу поймёт, что такое экспоненциальное распреде ление и почему длину очереди не всегда можно рассчитать по формуле Литтла.

Другой аспект кадровой проблемы следующий. Люди, в обязанности которых входит анализ и улучшение текущих процессов, а также планирование изменений, имеют обычно экономическое образование. В стандартный набор их умений входит владение Excel и, скажем, каким-нибудь статистическим пакетом, а динамическое (т. е.

имитационное) моделирование им не знакомо. Поэтому модели, которые так или иначе создаются в аналитических отделах компаний по большей части статические, основан ные на формулах;

время, причинность, смена состояний в них обычно не присутствуют.

При необходимости повысить адекватность модели такие специалисты пытаются вве сти элементы имитации во времени, оставаясь в рамках Excel-подобных инструментов, результатом чего являются многократное усложнение моделей, их нечитаемость и, в конечном счёте, невозможность дальнейшей поддержки.

ИММОД-2007 Пленарные доклады Корни проблемы опять-таки в образовании: ИМ у нас исторически было ближе к инженерно-техническим специальностям (в большой мере это так до сих пор), а эконо мические программы вузов, за редким исключением, его игнорируют.

Надо понимать, что унверситеты сами по себе достаточно инерционны;

кроме того, даже при немедленном изменении программ должно пройти 3–4 года, прежде чем студенты, по ним учившиеся, пойдут работать, и ещё некоторый срок, прежде чем они смогут принимать какие-то решения, так что кадровая проблема в любом случае быст ро не решится. А вот над популяризацией ИМ, над разъяснением того, что оно может дать практически, можно и нужно работать уже сейчас. Это, кстати, одна из целей Рос сийского общества ИМ. Важны выступления не просто в своей академической «тусов ке», а там, где вас может услышать потенциально заинтересованный практик, и не раз говоры про то, что сети Петри с раскрашенными фишками лучше, чем с нераскрашен ными (да простят мне почитатели этой замечательной математической конструкции), а про то, на сколько процентов сократится время ожидания грузовика на въезде в кон тейнерный терминал, если принять такие-то и такие-то решения, подсказанные имита ционной моделью.

Российские специалисты практически не посещают основных конференций по ИМ (это Winter Simulation Conference, INFORMS Annual Meeting, IIE Annual Conference, International System Dynamics Conference), а это нужно, чтобы быть вклю чёнными в мировое ИМ-сообщество. Впрочем, материалы большинства этих конфе ренций, к счастью, находятся в публичном доступе.

Заключение Мы наблюдаем рост спроса на системы поддержки принятия решений, основан ные на имитационных моделях со стороны как бизнеса, так и государства. Структура спроса повторяет общую по России картину сравнительного развития отраслей с явным доминированием всего, что связано с логистикой. Для эффективного удовлетворения этого спроса необходимы прежде всего грамотные специалисты, с одной стороны, вла деющие различными методами ИМ, а с другой – умеющие быстро вникнуть в предмет ную область и понять суть проблемы. Нынешние студенты, изучающие ИМ, нуждаются в ориентации на решение практических задач, а студенты экономических и управлен ческих специальностей – хотя бы в простом знакомстве с ИМ. Наконец, необходимо знакомить сотрудников компаний и госорганизаций, ответственных за оптимизацию и вырабатывающих стратегические решения, с тем, какие задачи позволяет решать ИМ.

ИММОД- Пленарные доклады МЕТОДОЛОГИЯ, ТЕХНОЛОГИЯ И ПРИНЦИПЫ ПРОГРАММНОЙ РЕАЛИЗАЦИИ ИМИТАЦИОННЫХ ПРИЛОЖЕНИЙ С. А. Власов (Москва), В. В. Девятков (Казань), Н. Б. Кобелев (Москва) Современный уровень развития информационных технологий, теоретический базис имитационных исследований и накопленный опыт разработчиков позволяют в настоящее время расширить и дополнить классический подход к процессам создания и внедрения имитационных моделей.

Еще в 60–70 годы XX века Бусленко [1–2], Шенноном [3], Нейлором [4] и дру гими классиками имитационного моделирования был заложен фундамент теории ими тационных исследований, в это же время появились и основные языки имитационного моделирования. По существу, весь этот базис актуален и в настоящее время. Да, появ ляются новые алгоритмы, совершенствуются средства взаимодействия пользователя с моделью, автоматизируются те этапы исследований, которые ранее были ручными, но все же имитационное исследование больше остается наукой и искусством, нежели ин женерным средством для огромной армии системных аналитиков и инженеров. Имита ция до сих пор остается уделом профессионалов «симуляционистов», и это сдерживает ее огромные потенциальные возможности использования в реальной экономике. Появ ление и внедрение коммерческих симуляторов – достаточно успешный шаг в расшире нии применимости метода имитационного моделирования, однако их распространение ограничено высокой стоимостью и отсутствием русскоязычного программного обеспе чения.

Авторами работы (группа специалистов ИПУ РАН, ВЗФЭИ и ООО «Элина Компьютер») предлагается несколько иная методология имитационных исследований, основанная на интегрированной технологии и едином программном базисе проведения исследований. Главная цель данного подхода – сделать имитационное моделирование интуитивно понятным и легким в освоении инженерным средством анализа сложных систем для широкого круга специалистов.

В основе предлагаемой методологии и инструментальных средств лежат два главных принципа:

доступность и возможность для пользователя проведения в рамках единой про граммной системы всех классических этапов имитационных исследований;

возможность работы с данными инструментальными средствами для макси мально широкого круга специалистов посредством простого и удобного конструирова ния исследуемой системы из стандартных «кирпичиков».

Программным результатом применения данной методологии, в каждом конкрет ном случае, должен быть единый программный комплекс – имитационное приложение.

Причем имитационное приложение должно быть «заточено» под данную проблему, «говорить» на языке пользователя, решать значимые и конкретные, а не гипотетически важные задачи.

С теоретической точки зрения реализация имитационного приложения состоит в использовании единой методики формализации сложных дискретных систем, разработ ке языка представления исследуемых систем пользователем и преобразовании данного представления в имитационную модель.

С практической точки зрения имитационное приложение – это программная реа лизация данных теоретических основ и технологии имитационных исследований – соз дание интегрированной программной среды с использованием уже хорошо отработан ных и известных программных средств симуляторов, пакетов обработки статистики, ИММОД-2007 Пленарные доклады программ мониторинга данных, систем планирования экспериментов и даже офисных программ.

Структура имитационного комплекса моделирования Рассмотрим вариант комплексного решения создания имитационного приложе ния в рамках интегрированной технологии и единого программного базиса в виде еди ного имитационного комплекса моделирования (ИКМ), состоящего из языка пользова теля (ЯАП), типовой имитационной процедуры (УИМ-1) и программного базиса (ПБ).

Структура ИКМ (рис. 1) состоит из трех основных частей: блока пользователя, внутреннего блока ИКМ и управляющей программы. Каждая часть состоит из ряда подсистем, причем некоторые подсистемы используются совместно.

Процесс имитационного исследования при использовании ИКМ должен начи наться с деятельности блока пользователя. Под пользователем понимается специалист аналитик или группа специалистов предприятия, к которому относится объект модели рования, которым поручено построение модели данного объекта. Будем далее данную группу пользователей называть аналитиками.

Аналитики должны обладать глубокими профессиональными знаниями по дан ному объекту, представлять задачи, которые должна решать модель объекта, владеть языком пользователя объекта ЯАП и в полной мере понимать суть и освоить практиче ски все другие программные средства ИКМ. Владение языком пользователя ЯАП и технологией работы в ИКМ предполагает: общепринятое владение компьютером, про хождение краткосрочных курсов по изучению ИКМ и ЯАП, в частности. Данный курс не должен требовать изначально знания каких-то языков программирования или специ альной математической подготовки.

Исходя из своего опыта в отношении деятельности объекта моделирования, ана литик задает структурную схему модели, воспроизводящую последовательность опера ций, которую нужно промоделировать. Имитационное моделирование предполагает воспроизведение объекта моделирования таким образом, что последовательность и особенности его функционирования фиксируются в модели без искажения или дефор мации материальных потоков или потоков информации и тех мест (блоков), где прохо дит их обработка. Имитация объекта должна быть максимально полной, а материаль ные потоки или потоки информации должны быть замещены их модельными представ лениями с минимально допустимой погрешностью для конкретных типов производств [3, 5–9].

Построение структуры и логики функционирования модели для аналитика на ЯАП должно начинаться с применения «Подсистемы задания, структуры и логики мо дели», в рамках которой описываются все типовые блоки модели, логика взаимосвязи их параметров, состояний, входных и выходных сигналов, а также матрица сопряжения блоков модели между собой. В ЯАП разработчики ИКМ создают иерархию типовых блоков по каждой области исследования.

После задания структуры и логики, также на ЯАП, аналитик формулирует и вводит в компьютер в числовой, табличной или графической форме все входные дан ные, значения параметров и состояний.

ИММОД- Пленарные доклады Управляющая программа Блок пользователя Внутренний блок ИКМ (протокол SIM) Язык пользова- Подсистема модели теля ЯАП рования УИМ- Подсистема Подсистема Подсистема монито задания струк- планирования и ринга модели и фор туры и логики запуска экспе- мирования промежу точных и конечных модели риментов результатов Подсистема Подсистема Подсистема Подсистема ви анализа резуль- ввода, хране- распределен- зуализации, кон татов и оценки ния и управле- ной работы в троля структуры, вариантов мо- локальной сети логики модели, ния данными и связи с внеш- входных данных делирования ней средой че- и динамики про рез Internet гона модели Рис. 1. Общая схема ИКМ Входные потоки информации, как правило, должны представлять собой по ха рактеристикам и моментам появления новых значений: «фотографии» аналогичных значений из прошлого, их предполагаемый вид из будущего, их желаемое значение или варианты, которые необходимо исследовать. Во многих случаях нет необходимости применения теоретических распределений при первоначальном формировании потоков данных. Эти функции выполняет «Подсистема ввода, хранения и управления данны ми». Кроме функций ввода данных она обеспечивает их хранение и управление, как для каждого конкретного эксперимента, так и для серии экспериментов. В рамках имитаци онного приложения данная подсистема представляет собой базу данных.

В рамках «Подсистемы визуализации, контроля структуры, логики модели и входных данных и динамики прогона модели» обеспечивается отображение структуры ИММОД-2007 Пленарные доклады и логики модели на экране компьютера, осуществляется контроль: правильности вве дения логики взаимосвязей, параметров блоков модели, их числовых значений, матри цы сопряжения блоков модели, входных потоков и т. п. Также данная подсистема обес печивает визуализацию динамики хода прогона имитационной модели на основании данных мониторинга модели. Анализируя ход прогона, аналитик может досрочно оста новить прогон и перейти к анализу текущих результатов.

«Подсистема планирования и запуска экспериментов» ЯАП обеспечивает ввод данных для окончательного формирования прогона одного или серии экспериментов.

Причем этот ввод аналитик может осуществлять либо вручную, либо автоматизирован но, посредством запуска программ планирования экспериментов и оптимизации. За вершающим действием аналитика при работе с данной подсистемой является выдача команды – начать имитационный прогон.

В блоке пользователя находится также «Подсистема анализа результатов и оценки вариантов моделирования», к работе с ней аналитик переходит после заверше ния (или прерывания) имитационного прогона. Эта подсистема получает информацию от подсистемы мониторинга и обработки промежуточных и конечных результатов мо делирования. Полученная статистическая, логическая или иная информация поступает пользователю для рассмотрения анализа и принятия решений о ее дальнейшем исполь зовании в процессе данного имитационного исследования. Полученная информация может далее проходить и другие этапы обработки – экспертные, аналитические, регла ментационные и т.п.

Таким образом происходит работа аналитика с ИКМ в процессе проведения им имитационного исследования.

Рассмотрим теперь основные функции внутреннего блока ИКМ – блока, подсис темы которого не доступны аналитику при управлении ходом имитационного исследо вания аналитику, а доступны лишь результаты работы.

«Подсистема моделирования УИМ-1» – одна из главных частей модели, которая и обеспечивает процедуру имитации модели. После завершения формирования модели на языке ЯАП осуществляется генерация кода (создание скрипта) на одном из извест ных языков имитационного моделирования. В качестве «атомарного» языка имитаци онного моделирования может быть использован любой достаточно мощный и прове ренный практикой язык. Важнейшей частью УИМ-1 является генератор модели систе мы по введенным аналитиком данным. Теоретический базис, используемый при про граммной реализации транслятора с ЯАП, позволяет генерировать корректный и адек ватный код модели одного или серии экспериментов. Далее идет процесс имитацион ного прогона модели средствами выбранного при разработке языка имитационного мо делирования. В процессе прогона реализуются все функции, присущие при имитации дискретно-событийных моделей. А в подсистеме «Мониторинга модели и формирова ния промежуточных и конечных результатов» осуществляется динамический монито ринг состояния модели и накопление результатов в соответствии с введенными в под систему планирования экспериментов указаниями аналитика. Получение промежуточ ной информации хода моделирования может быть необходимо, если эта информация используется для оперативного вывода результатов, для анализа аналитиком и приня тия решения о продолжении или прерывании имитационного прогона. Эта же подсис тема ведет предварительную статистическую обработку результатов моделирования.

При завершении имитационного прогона она передает ее подсистеме визуализации для наглядного отображения.

В структуре внутреннего блока ИКМ имеется также «Подсистема распределен ной работы в локальной сети и связи с внешней средой через Internet» для реализации имитационных моделей открытого типа.

ИММОД- Пленарные доклады «Подсистема ввода, хранения и управления данными» и «Подсистема визуали зации, контроля структуры, логики модели и входных данных» используются совмест но как в блоке пользователя, так и в работе внутренних процедур ИКМ.

Управляющая программа обеспечивает взаимодействия всех подсистем ком плекса ИКМ на основе специального протокола SIM, построенного на базе XML стан дарта. Протокол SIM должен унифицировать обмен всеми типами данных, возникаю щими в процессе имитационного исследования. При завершении разработки планиру ется сделать данный протокол открытым и общедоступным для использования.

Теоретические основы предлагаемой методологии Классическая схема построения имитационной модели сложного объекта пред полагает следующие основные этапы: 1) содержательное описание объекта;

2) постановка задачи моделирования;

3) выбор метода моделирования;

4) формализация задачи;

5) построение модели, ее апробация на конкретном примере и ее уточнение;

6) моделирование и получение различных статистических характеристик;

7) анализ результатов моделирования;

8) варианты использования модели в практиче ской деятельности. Первые пять этапов предполагают их реализацию на языке пользо вателя.

Рассмотрим общие подходы к анализу и структуризации сложных объектов для представления их в виде, удобном для моделирования на языке пользователя ЯАП.

Приведем последовательность определений, конкретизирующих главный элемент ЯАП – понятие системы.

Система – это совокупность множества элементов (частей целого), множества связей и отношений порядка между ними, объединенных единой целью функциониро вания. Всякий моделируемый объект представляется в виде совокупности каких-то час тей-элементов, которые можно представить в виде систем. Взаимодействия между эти ми частями осуществляются при помощи связей. Отношения порядка между частями означают приоритетность, или первенство каких-то одних частей по отношению к дру гим. Наиболее понятно отношения порядка просматриваются в иерархических систе мах, где каждый элемент является либо управляемым, либо управляющим. Формализу ем эти понятия.

Предположим, что имеются некоторые конечные множества: множество элемен тов a = (a1, a 2, … au ), k = 1, u ;

множество связей F = ( f1, f 2,..., f w ), = 1, w и множест во отношений порядка P = (P1, P2,..., PZ ), z = 1, z, заданные на некотором пространстве Г, т. е. а Г, F Г, P Г. Элементы перечисленных множеств являются проекция ми некоторой точки O из Г на одноименные оси пространства Г, = (1, 2,..., u ;

f1, f 2,..., f w ;

p1, p 2,..., p z ).

Будем интерпретировать точку O как некоторую организацию, состоящую из множества элементов a, связей F, отношений порядка P. Зададим теперь некоторый функционал G, зависящий от a, F, P, т.е.

G = g (a, F, P ), который определяет некоторый порядок взаимодействия множеств a, F, P между со бой и преобразует организацию O в некоторую систему A, т.е. О G А. Таким об разом, под системой A понимается организация O, преобразованная функционалом G. Функционал G может интерпретироваться содержательно, как целевая функция системы A.


ИММОД-2007 Пленарные доклады Если множества a, F, P подлежат какой-либо модификации (дополняются но выми составляющими либо некоторые из них ликвидируются или преобразуются) и при этом функционал G остается неизменным, то говорят, что система A изменила свою структуру, или G = g (a, F, P) = g ' (a ', F ', P ' ) = const, где ( ' ) обозначает модифицированное значение.

Теперь некоторую систему A можно записать в виде A = {a, F, P, G}, а ее инвариант – структуру в виде A ' = {a ', F ', P ', G}.

Количество структур A ' системы А в общем случае неограниченно.

Если в системе A изменяется функционал G, это означает, что данная система преобразовалась в другую систему А, не эквивалентную системе A.

Таким образом, мы провели структуризацию некоторой системы A, позволяю щую осуществлять различные анализы этой системы при условии, что ее атрибуты a, F, P, G принимают вполне определенный вид для конкретного реального объекта.

Рассмотрим теперь способы формализации А-систем. Представим элемент аk системы А в виде схемы, представляющей агрегат Н.П. Бусленко, где x = ( x1, x 2,..., x n ), y = ( y1, y 2,..., y m ), = ( 1, 2,..., ), s = ( s1, s 2,..., s p ) – соответственно входные, вы ходные клеммы, параметры и состояния агрегата a k. Агрегат a k является элементар ным блоком системы А. Объединение нескольких агрегатов через входы и выходы об разует систему А.

А-система, состоящая из агрегатов a k – имеет множество связей F, которые бу дем обозначать через множество пар F = { y k xik +l }, где каждая пара ( y k xik +l ) обозначает j j связь между выходной клеммой y k и входной клеммой xik +l. Множество отношений j порядка Р может быть задано различными способами (все элементы равноправные, и сигналы поступают в соответствии с блок-схемой А-системы и номером агрегата a k, приоритет определяется специальным агрегатом, приоритет задается иерархически и т. д.). Целевая функция Gk для каждого агрегата a k определяется в виде определенного функционала G k = ( k, s k ). Для А-системы целевая функция может быть записана как G = g{( k ), ( Fk ), (Gk )}, хотя получить конкретную зависимость ее для какой-либо мо дели вряд ли удастся. Вообще для сложных объектов или их имитационных моделей целевая функция может быть определена по характеристикам агрегатов, описывающих главные (генетические) функции моделируемого объекта. Целевые функции всех ос тальных агрегатов данной A-системы должны поддерживать генетические функции и тем более не противодействовать им.

Таким образом, А-система полностью отвечает введенным определениям систе мы, организации, структуры.

Дальнейшая формализация А-системы связана с уточнением способов описания x, y,, s. Будем теперь называть агрегат a k элементарным блоком.

ИММОД- Пленарные доклады Зададим структуру входного сигнала xik (t ) – в виде некоторого набора (k, i, 1, 2,…, ik, t), а выходного сигнала yjk (t) – в виде аналогичного набора (k, j, 1, 2,…, jk, t), где k – номер типового блока;

i – номер входной клеммы;

j – номер выходной клеммы;

(1, 2,…, ik ) – характеристики входного сигнала по i-му входу;

(1, 2,…, jk ) – харак теристики выходного сигнала по j-му выходу;

t – момент поступления сигнала.

При описании входных или выходных сигналов и состояний могут быть исполь зованы любые, ничем не ограниченные математические конструкции. Это могут быть числа, множества, функционалы, логические или иные фразы, графические изображе ния, правила и т.п. Состояния и параметры элементарных блоков также имеют опреде ленную структуру. Условимся задавать состояние типового блока в виде совокупности ( k ;

S1, S 2,..., S pk ;

1, 2,..., k ;

t ), где k – номер типового блока;

S1, S 2,..., S pk – характери стики состояния блока k;

1, 2,..., k – параметры блока k;

t – текущее время.

Семантическая схема ЯАП Сфера применения имитационного моделирования в настоящее время гораздо шире обычных научных исследований. Потенциально оно может быть использовано в таких областях практической экономики, как системные исследования бизнеса, техно логий и новых решений в любой средней и крупной компании, и должно стать важным инструментом при принятии крупных и ответственных системных решений на пред приятии. Поэтому существенно возрастают требования к построению интерфейса взаимодействия пользователя с моделью (в нашем случае это ЯАП). Необходимо вы брать семантическую схему построения языка, интуитивно понятную практически лю бому грамотному человеку из любой сферы деятельности с минимальными требова ниями к дополнительному обучению. Вместе с тем эта схема должна быть удобной для формализации и дальнейшей программной реализации.

Итак, мы сформировали язык А-систем, который назовем языком А-систем пользователя (ЯАП). Элементарным блоком «кирпичиком» этого языка является А система или типовой элементарный блок (ТЭБ). Количество ТЭБ в языке не ограниче но. Для каждой конкретной области должны иметься наработанные стандартные ТЭБ.

Т. е. должна быть некая иерархия ТЭБ. Кроме этого аналитик из имеющихся элемен тарных блоков может «конструировать» свои ТЭБ.

Для облегчения освоения ЯАП аналитиком следует типизировать функции ТЭБ, чтобы пользователь не настраивал каждый раз элементарные блоки для своей модели, а брал готовые с уже реализованными функциями. Поэтому для ЯАП должен быть раз работан своеобразный «алфавит» типовых ТЭБ. ТЭБ может быть заранее настроен на выполнение определенных функций от элементарных (сложение, функциональное пре образование, логические действия, система массового обслуживания, запаздывание, переключения связей и т. п.) до сложных. Сложные функции представляют собой, на пример, систему автоматического управления;

функциональный накопитель (склад лю бого типа);

типовой технологический процесс (непрерывный, дискретный, сборочный, комплектующий, обрабатывающий и т. п.);

типовой производственный процесс (цеха, участка, стройки и т. п.);

типовое предприятие со всеми функциями и службами и т. п.

Учитывая различную степень сложности и специфичности моделируемых объ ектов, разобьем их на категории и распределим ТЭБ различных типов в общей библио теке ЯАП, например, по следующим категориям:

первая категория (K1) соответствует ТЭБ, не ограниченному какими-либо за висимостями или условиями, т. е. представляет собой ТЭБ самого общего вида, кото ИММОД-2007 Пленарные доклады рый может быть настроен пользователем на выполнение любого алгоритма, не содер жащегося в библиотеке ЯАП;

вторая категория (K2) содержит ТЭБ, выполняющие самые элементарные функции, т. е. простые арифметические и логические действия, вычисления элементар ных функций, функциональные преобразования и т. п.;

третья категория (K3) обеспечивает моделирования входных потоков заданно го вида (теоретических и эмпирических), систем массового обслуживания, сложных преобразователей и т. п.;

четвертая категория (K4) моделирует иерархические структуры, списки, фай лы и т. п.;

пятая категория (K5) воспроизводит простые объектно-ориентированные структуры, например, моделирование отдельных элементов технологического процес са, предприятия (склад, цех, участок, конвейер, информационная система и т. п) и т. д.

и т. п.

Всего на сегодняшний день принято деление ТЭБ на десять категорий.

Графические средства ЯАП позволяют быстро и наглядно конструировать логи ческую структуру модели из ТЭБ.

Также в языке предусмотрены диалоги по вводу числовых данных о ТЭБ, логике их соединений, планированию экспериментов и т. д. ЯАП обеспечивает определенную типизацию и формализацию таких процедур, что позволяет существенно упростить проведение имитационных исследования аналитиком. Формализация имитационных процедур должна предусматривать все основные способы их организации, а при появ лении новых идей и способов адаптировать их.

Практическая апробация методологии В настоящее время проведен лишь первый этап создания методологии, опреде лены границы, выбран теоретический базис, сформулированы принципы технологии имитационных исследований. Предстоит провести кропотливую детальную работу по многим направлениям. Однако уже сейчас можно привести ряд практических приме ров, подтверждающих правильность выбранного подхода [7–9]. Это ряд имитационных приложений,разработанных в процессе работы над методологией:

• модель центра коллективной обработки Банка России;

• модель системы сервисного обслуживания вычислительной техники в ОАО «Татнефть»;

• укрупненная модель железнодорожного направления;

• упрощенная модель торгового центра;

• модель технического обслуживания самолетов в авиакомпании;

• модель распределения ресурсов в агрохолдинге во время проведения сельхоз кампаний.

Для каждого из этих приложений разработан ряд своих специализированных ТЭБ. Например, для модели железной дороги это – поезд, станция, перегон. Любая из этих моделей представляет собой сборку таких ТЭБ. Причем количество используемых ТЭБ зависит от того, какая задана структура модели и какие введены числовые пара метры. Каждому ТЭБ в приложении соответствует настраиваемый шаблон на языке имитации. И после выдачи аналитиком команды начать имитационный прогон генера тор на основе введенных данных, шаблонов и правил их объединения создает испол няемый код модели. Примеры конкретной визуализации при реализации ЯАП в данных приложениях показаны на рис. 2. Таких диалоговых форм в каждом приложении очень много. Их количество определяется проблемной областью, степенью детализации, воз можностями изобразительных средств и т. д.


ИММОД- Пленарные доклады Рис. 2. Визуальные примеры реализации ЯАП в имитационных приложениях Одним из основных общих признаков данных приложений является охват боль шинства этапов имитационного исследования в рамках единого программного продук та. Конечно, это лишь частные случаи применения данного подхода, и конструирова ние и программную реализацию данных приложений осуществляли специалисты по ИМ и программированию. Но в результате их реализации уже создан ряд общих для большинства имитационных исследований компонентов: графическая визуализация структуры, генератор моделей, мониторинг модели, взаимодействие с офисными ком понентами и т. д.

В качестве подсистемы имитации, при разработке имитационных приложений был использован язык GPSS World [5]. Он в полной мере отвечает всем требованиям, как по функциональному наполнению и гибкости сборки кода модели из составных частей, так и по возможностям управления его вводом и выводом.

Выводы 1. Существенное повышение уровня компьютеризации, рост производительно сти персональных компьютеров и появление новых программных технологий откры вают возможности для перевода имитационных исследований из категории «науки и искусства» в категорию инженерных средств.

2. Создан теоретический базис и сформулированы принципы методологии ими тационных исследований в рамках единого программного базиса.

3. Осуществлена программная апробация методологии.

ИММОД-2007 Пленарные доклады Литература 1. Бусленко Н. П., Шарагина З. И. Математическое моделирование производственных процессов на цифровой вычислительной машине. М.: Физматгиз, 1964.

2. Бусленко Н. П. Моделирование сложных систем. М.: Наука, 1968.

3. Шеннон Р. Имитационное моделирование систем – искусство и наука. М.: Мир, 1978. 418 с.

4. Нейлор Т. Машинные имитационные эксперименты с моделями экономических сис тем. М.: Мир, 1975. 500 с.

5. Кобелев Н. Б. Основы имитационного моделирования сложных экономических сис тем. М.: Дело, 2003, 335 с.

6. Руководство пользователя по GPSS World/Перевод с английского. Казань: Мастер Лайн, 2002. 384 с.

7. Смирнов В. С., Власов С. А., Ваулинский Е. С., Лебедев Б. И. Методы и модели управления проектами в металлургии. М.: СИНТЕГ, 2001.

8. Самойлов В. В., Власов С. А., Девятков В. В. Имитационное исследование системы сервисного обслуживания программно-технических средств ОАО «Тат нефть»//Автоматизация в промышленности. 2007. № 4. С. 11–14.

9. Девятков В. В. Разработка приложений в среде GPSS WORD//Вторая всероссийская научно-практическая конференция по имитационному моделированию и его приме нению в науке и промышленности. СПб.: ЦНИИТС, 2005.

ИММОД- Пленарные доклады ПРОБЛЕМЫ, АКТУАЛЬНЫЕ ЗАДАЧИ И ПРИОРИТЕТЫ В СОЗДАНИИ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ И ПРИМЕНЕНИИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ В СФЕРЕ УПРАВЛЕНИЯ И БИЗНЕСА А. Р. Горбунов, Н. Н. Лычкина (Москва) Методологические и технологические предпосылки создания комплексов поддержки принятия решений Комплексные системы поддержки принятия решений корпоративного уровня стали создаваться с конца 50-х годов XX века. Наиболее общими моделями корпора тивного планирования являются имитационные модели построения финансовых пла нов. В качестве примеров таких моделей можно привести финансовую модель корпо рации «Сан Ойл» (1964), «Остриен Индастриз» (1975). «Подключение» аналитических моделей к внешним базам данных стало практиковаться с середины 70-х годов. Корпо рации осуществляли как детальное, так и агрегированное моделирование основных тенденций финансового положения компании. В рамках этих работ были выделены от дельные более частные задачи, которые в ряде случаев рассматривались как самостоя тельные направления. Инновационные, производственные, сбытовые, структурные стратегии стали самостоятельными предметами моделирования с целью поддержки принятия решений («Дюпон де Немур», «Ксерокс», «Минут Мэйд» и др.).

В этот же период выявились основные принципиальные трудности и противоре чия формирования комплексных планов и имитационных моделей. Был сделан прин ципиальный вывод о переходе от «хорошо структурированных» формализуемых про блем к методам рассмотрения слабо структурированных, «нечетких» проблем и ситуа ций. Проявившиеся в этот период тенденции сохраняются и по сей день, однако новое поколение систем строится на новой научно-методической базе, исходя из более глубо кого понимания процесса стратегического управления и практики бизнеса. В после дующие годы эта тенденция усиливалась в повышении значения аналитических моде лей, обеспечивающих обобщенное рассмотрение корпоративных стратегий и выбор принципиальных альтернатив. Продолжалась разработка широкого спектра методоло гий и инструментария различного уровня агрегирования, сфокусированных на основ ные проблемы корпоративного управления [1].

Следует отметить, что методы моделирования широко применялись и в отрасле вом планирования в специфических условиях административно-командных механиз мов хозяйственного управления в бывшем СССР. Крупные результаты были получены в Госплане СССР, ЦЭМИ, других институтах и учреждениях страны. Однако эти рабо ты осуществлялась на ограниченной, хотя и в ряде случаев плодотворной методологи ческой базе, вне основного направления стратегического управления, вне пресса кон курентных и ресурсных ограничений, свойственных рынку.

Эволюция требований рынка, усложнение стоящих перед предприятиями в со временных экономических условиях задач и систем управления приводят к усилению интеграции между оперативным и стратегическим уровнями управления. В современ ных корпоративных информационных системах решаются задачи комплексного ин формационного обеспечения управленческих процессов. Наиболее развитый класс ERP-систем, являющихся транзакционными системами, хорошо решает оперативные задачи, часть тактических задач и практически не предназначен для решения стратеги ческих задач. Системы поддержки принятия решений (Decision Support System – DSS), возникшие как естественное продолжение корпоративных информационных систем, ориентированы на стратегическое управление, долгосрочное и среднесрочное корпора ИММОД-2007 Пленарные доклады тивное планирование и решение задач аналитического характера, связанных с оптими зацией функционирования различных видов деятельности предприятия за счет исполь зования системного моделирования и оптимизационных методов.

Современные методологические и инструментальные подходы к построению СППР [2] основаны на реализации итеративной, многоэтапной процедуры принятия решения и включают сферы хранения, анализа данных и выявления закономерностей, в которых осуществляется выявление структурных особенностей в поступающих в ходе мониторинга данных с применением хранилища данных, анализ тенденций и визуали зация выявленных в данных зависимостей с помощью средств интеллектуального ана лиза данных и OLAP-технологий, а также сферу ситуационного анализа, центральным элементом которой, системообразующей и интегрирующей основой всей процедуры принятия решений выступает обобщенная имитационная модель предприятия, реали зуемая в СППР на основе комплекса взаимосвязанных имитационных и оптимизацион ных моделей с развитыми динамическими и информационными связями между моде лями всех уровней.

Стратегическое управление предприятием представляет собой сложный итера ционный процесс, основными этапами которого являются:

1). мониторинг и анализ основных показателей деятельности на основе интегра ции данных из различных источников;

2) стратегический анализ внутренней и внешней среды предприятия;

3) определение целей и миссии предприятия с учетом субъективных предпочте ний ЛПР;

4) генерация стратегических альтернатив;

5) динамический компьютерный сценарный анализ на основе SD-модели;

6) выбор стратегической альтернативы;

7) уточнение стратегических и оперативных планов по основным функциональ ным составляющим бизнеса.

Информационно-аналитическая поддержка основных этапов стратегического управления в СППР реализуется на основе итерационных человеко-машинных проце дур при активном участии эксперта, взаимодействующего с аналитическими системами различного назначения. Необходимо отметить важную интегрирующую, системообра зующую роль методов и технологий системно-динамического моделирования в проце дурах и системах поддержки принятия решений, возможности которых существенно могут быть расширены за счет активного применения многофункциональных аналити ческих систем, как на этапе создания имитационной модели, так и при встраивании их в человеко-машинные процедуры принятия решений, ориентированные на проведение сценарного исследования на основе динамической модели предприятия.

Разработка DSS-систем и моделей корпоративного планирования обычно пред полагает определение рамок перспективной промышленной политики страны, нацио нальной стратегии борьбы за конкурентоспособность, основных направлений отрасле вого развития. Наиболее общие национальные приоритеты, в свою очередь, требуют обоснования средствами DSS, стратегического анализа и имитационного моделирова ния. Любая аналитическая конструкция будет иметь формальный характер без связи с «воздухом бизнеса», без привязки к реальной деловой ситуации.

Средства поддержки принятия решений и методы моделирования бизнеса в РФ Бизнесом Российской Федерации сделаны первые шаги на пути создания авто матизированных комплексов поддержки принятия решений. Актуальность этой про блемы возрастает в связи с формированием нашими предприятиями собственных клю чевых компетенций, отраслевых парадигм и концепций бизнеса, облика национальной ИММОД- Пленарные доклады экономики в целом. Не только финансовый план или распределение ресурсов, но и сравнительные преимущества, поиск экономической ниши фирмы становятся предме том применения комплексов принятия решений. В этой связи встает проблема сближе ния процесса принятия решений управленцами российских организаций и принципов DSS-методологий. «Акцепт» научных методологий менеджментом корпораций невоз можен без повышения уровня постановки задач самим бизнесом, сближения мышления представителей деловых кругов и экспертной науки России.

В этой связи в ряде случаев должна быть предложена своего рода дебюрократи зация процесса разработки и оценки стратегических решений и создания средств их поддержки, предполагающая как бы «сжатие» этой технологии, сокращение числа звеньев, исключение переусложненных и громоздких конструкций. Она нуждается в более концентрированном и конкретном выраженииОсобое внимание необходимо уде лять предпроектным и общим исследованиям основных проблем и методологий, что позволяет значительно упростить цепочку исследований и разработок в области DSS и принятия решений. Необходима «борьба за понимание», анализ и критика существа бизнес-проблем, а также инструментов, которые к ним будут приложены. Методология «SEMMA» предполагает именно такую гибкую и динамичную тактику и стратегию. В русле общей стратегии «SEMMA» в ряде случаев необходимы нарушение иерархии и последовательности, выборочный подход, деформализация процесса подготовки стра тегических решений и средств их поддержки. Поэтому особый интерес представляют агрегированные модели стратегического уровня, нацеленные на принципиальные пред посылки концепции и бизнеса фирмы и основные стратегические альтернативы. Опыт свидетельствует, что модель, отражающая основные принципиальные проблемы дан ной организации, не требует сверхсложной математической модели, но требует глубо кого понимания и продуманной постановки задачи. Таким образом, для получения коммерческого и общехозяйственного эффекта необходимо гибкое, энергичное приме нение наиболее эффективных инструментов и технологий принятия решений на основе системного, и прежде всего, имитационного моделирования.

Стратегическое управление направлено на достижение долгосрочных целей ор ганизации путем адаптации к изменениям внешней среды, а также создания принципи ально новых возможностей и перспектив. Задачи стратегического анализа сложны и требуют учета большого число факторов, интересов, угроз и последствий. На стратеги ческом уровне управления присутствуют высокая степень неопределенности в оценке внешней среды, слабая формализация методов управления и широкое использование экспертных оценок и знаний, многокритериальность при оценке принимаемых реше ний. Стратегический план редко включает цифровые показатели, осуществленный вы бор формируется преимущественно в качественных показателях и не дает очень точ ных прогнозов, по крайней мере в долгосрочном периоде, более важным является оп ределение тенденций, вероятного изменения основных параметров хозяйственной сис темы, отражающих долгосрочные результаты деятельности при принятии стратегиче ских решений. Сложность выбора стратегической альтернативы в динамически разви вающейся ситуации, в условиях внешней и внутренней неопределенности заключается в необходимости удовлетворения большого числа противоречивых требований по раз личным направлениям деятельности компании: финансово-производственная, рынок и отношения с клиентами, кадровые ресурсы компании, внутренние бизнес-процессы, отношения с государственными органами и др., а также в большой доле субъективно сти при оценке ситуации и неточном понимании своих целей со стороны ЛПР и руко водителей.

Этим обусловлено использование в качестве основного инструмента в системах поддержки принятия решения динамических систем структурного моделирования, ИММОД-2007 Пленарные доклады прежде всего методов системной динамики. Использование моделей системной дина мики для стратегического управления имеет следующие преимущества:

• возможность использования многоцелевых критериев при построении и исследовании моделей;

• проведение исследований на основе неполной информации;

• имитационная модель является наиболее подходящей для исследования динамической ситуации, когда параметры системы и среды меняются во времени;

• исследование поведения системы посредством выявления причинно следственных отношений и взаимодействий контуров обратной связи, проявляющегося в особенностях ее структурной организации;

• хорошая интерпретируемость системных потоковых диаграмм, что дает возможность проведения совместных экспертных ревизий при обсужде нии проблем и выработки согласованных решений;

• имитационная модель выступает как удобный инструмент эксперимен тального проигрывания большого множества сценариев типа «что-если»;

• технология проведения сценарного исследования на имитационной моде ли предполагает активное участие эксперта в процессе принятия реше ния: он детализирует проблему и модель, осуществляет генерацию аль тернатив, постановку направленного вычислительного эксперимента на имитационной модели, выбор и ранжирование критериев, а также анализ и интерпретацию результатов сценарных расчетов, что позволяет учиты вать субъективные предпочтения эксперта и его опыт в процессе приня тия решения. Компьютер только упрощает, помогает эксперту в выработ ке решения, а не заменяет его опыт и знания, что является необходимой установкой в СППР.

Вместе с тем представляется, что ресурс системного моделирования и комплек сов принятия решений на базе имитационных моделей в РФ остается в значительной степени невостребованным. В результате практически «недоисследованы» перспективы авиационной индустрии, крупнейших холдингов ракетостроения и автомобильной промышленности, основных отраслей промышленности РФ. Очевидно, проблема ком пании «АвтоВаза» заключается не в отсутствии автоматизированного комплекса при нятия решений как таковом, но в слабом анализе и планировании отраслевых процес сов, тенденций конкуренции. Моделирование предприятия позволило бы выработать значительно более определенную позицию, концепцию и сценарий развития фирмы.

Именно для этого необходимы модели концептуального уровня и перспектив компа нии. Аналогичные тенденции создали трудности и кризис в авиа- и ракетостроении РФ.

Между тем работы по моделированию и созданию комплексов поддержки принятия решений имеют еще одну важную особенность – они практически исключают грубые ошибки в определении приоритетов и рамочных параметров проектов, повышают уро вень понимания и реагирования на возможности и риски. Они улучшают коммуника ции и взаимопонимание коллективом управленцев организации. Разработка комплекса поддержки принятия решения с применением технологии имитационного моделирова ния – очевидный и необходимый шаг для всех крупных российских хозяйственных структур, региональных и федеральных учреждений.

Нам представляется, что все же возможен свой собственный российский путь в сфере принятия решений и научные и компьютерные методологии этой области, учи тывающие особенности деловой культуры российских компаний и мышления россий ских экспертов. Российская школа имитационного моделирования располагает явными ИММОД- Пленарные доклады преимуществами и оригинальными идеями, отличающимися новизной. Во всяком слу чае, программные платформы AI Trilogy, Anylogic, агрегативный метод имитационного моделирования, многие элементы математического аппарата были разработаны в Рос сии. В этой связи крайне целесообразна внутренняя переработка «импортных» доктрин, их глубокое осмысление, проведение собственных НИОКР в такой чувствительной об ласти, как принятие решений в бизнесе и экономике. Отсюда вытекают приоритеты ис следований в области комплексов принятия решений и моделирования хозяйственных систем:

1. Углубление взаимопонимания и налаживание связи с бизнесом и политиче скими кругами РФ, формирования национальной платформы высоких технологий мо делирования и стратегического управления с учетом национальных стратегических доктрин и планов развития.

2. Развитие технологических аспектов компьютерной поддержки принятия ре шений, различных путей интеграции аналитических систем и информационных плат форм (баз данных), включая стандарт Е2.

3. Разработка комплекса программных и методических решений для поддержки принятия решений «полного цикла» сценарных исследований в интересах ведомств и предприятий РФ.

4. Выявление типовых задач и «набора» библиотеки решений, а также сопря женных с ними алгоритмов и математических методов для интерпретации основных проблем и ситуаций стратегического управления.

5. Поиск эффективных комбинаций и гибридных решений в плане интегрирова ния аналитических методологий, экспертных систем и программных инструментов.

6. Разработка специальных методологий моделирования процессов в сетевых системах и систем стандарта E2.

7. Применение технологий уровня искусственного интеллекта для решения задач стратегического управления.

8. Разработка методологий среднего уровня сложности для массового внедрения современных технологий моделирования для среднего бизнеса РФ (бюджетирование, ресурсы, логистика).

9. Сближение и установление связи методологий решения задач различного уровня (макро-, микро и промежуточного уровня) в виде «непрерывной» линейки кон цепций, методов и программных инструментов.

10. Поиск путей сопряжения методов эконометрики, системной динамики, ос новных видов имитационного моделирования, а также встроенных в них элементов ма тематического аппарата.

Для сферы фундаментальных исследований может быть сформулирован «заказ»



Pages:   || 2 | 3 | 4 | 5 |   ...   | 12 |
 





 
© 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.