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 |   ...   | 10 |
-- [ 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 II

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 Секция 3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ИМИТАЦИОННОГО И КОМПЛЕКСНОГО МОДЕЛИРОВАНИЯ И СРЕДСТВ АВТОМАТИЗАЦИИ МОДЕЛИРОВАНИЯ Алиев Т. И., Нгуен Дык Тай. Программный комплекс аналитического и имитационного моделирования сетей передачи данных....................................... Амари С., Кутузов О. И., Татарникова Т. М., Шанти Й. Имитационная модель виртуального канала коммутации............................................................................... Антонова Г. М. Применение языка GPSS-World при чтении дисциплины «Имитационное моделирование экономических процессов».................................. Бочаров Е. П., Алексенцева О. Н. Оценка производственно-технических и коммерческих рисков промышленных предприятий на основе имитационного моделирования.............................................................................................................. Брацун Д. А., Колесников А. К., Люшнин А. В., Шкараба Е. М. Моделирование процессов структурообразования в лесах Пермского края на основе клеточных автоматов и уравнений реакции-диффузии................................................................ Буткевич И. К., Рыдник Е. А., Шпаков В. М. Применение имитационной системы EnviCon для моделирования производства жидкого гелия...................................... Вавилов Д. В. Агрегирование и взаимодействие моделей в программных инструментальных средствах имитационного моделирования................................ Воронин В. Е., Куранцева В. С. Оптимизация управления транспортными системами с использованием имитационного моделирования...................................................... Генкин А. Л., Власов С. А., Кравцов С. В., Волочек Н. Г., Никулина И. В.



Имитационное моделирование в интегрированном управлении металлургическими комплексами............................................................................... Дегтярев О. В., Жабин Д. В., Филенкова Е. В., Кухтенко В. И. Оценка эффективности мероприятий по совершенствованию структуры воздушного пространства РФ методами имитационного моделирования................................... Дозорцев В. М. Имитационные модели технологических процессов в компьютерных тренажерах для обучения операторов......................................................................... Дроздова Е. Н., Яковлев С. А. Имитационная модель адаптивной тарификации в управлении сетями связи.............................................................................................. Ефимова А. В., Шатров А. В. Имитационная системно-динамическая модель предприятия с учетом экологического фактора......................................................... Задорожный В. Н., Юдин Е. Б. Мультиагентный подход в имитационном моделировании клеточных автоматов и сетевых структур...................................... ИММОД-2007 Зиновьев В. В., Гречишкин П. В. Практическое применение программных средств имитационного моделирования................................................................................... Каливанов А. Ж. Практические вопросы построения сложных трендов.......................... Клебанов Б. И., Москалев И. М., Бегунов Н. А., Крицкий А. В. Мультиагентная имитационная модель муниципального образования................................................ Ковалев В. С., Усанов Д. И., Цуцков Д. В., Калинин С. В. Укрупненная модель железнодорожного направления.................................................................................. Козлов А. Н., Девятков Т. В., Кейер П. А. Исследование функционирования центра коллективной обработки информации методом имитационного моделирования............................................................................................................... Конюх В. Л. Имитационное моделирование в разработке концепции рудника будущего....................................................................................................................... Котенко И. В., Уланов А. В., Тишков А. В., Богданов В. С., Воронцов В. В., Чечулин А. А. Имитационное моделирование механизмов обнаружения и сдерживания сетевых червей в компьютерных сетях.............................................. Кумунжиев К. В., Малыханов А. А. Расширение функциональности среды моделирования AnyLogic............................................................................................ Кутузов О. И., Татарникова Т. М., Шанти Й., Амари С. Постановка задачи по ускоренной имитации сетей хранения данных......................................................... Лазарев С. А. Программная подсистема имитационного моделирования дискретных производственных систем.......................................................................................... Маркушин Н. А. Использование имитационного моделирования для поиска морских подвижных объектов................................................................................................... Мацула В. Ф., Мацула П. В. Имитационная модель работы фирмы по продаже и обслуживанию программного обеспечения.............................................................. Медведев В. В. Использование имитационного моделирования для прогнозирования вероятности отказа коленчатых валов судовых дизелей на заданный период эксплуатации в дисциплине «Основы надежности и диагностики»...................... Мусаев А. А. Автоматизация настройки имитационных математических моделей в задачах MPC-управления технологическими процессами...................................... Мусаев А. А., Барласов И. А. Программный модуль предварительной обработки данных для систем имитационного моделирования................................................ Облакова А. В., Трегуб И. В. Моделирование инвестиционных процессов в секторе телекоммуникационных услуг................................................................................... Орехов М. О., Минаенко В. Н., Кухтенко В. И. Математическая модель района управления воздушным движением и задача его секторизации............................. ИММОД- Песиков Э. Б. Управление рисками стратегий виртуального издательства с помощью имитационного моделирования................................................................................. Плотников А. М., Долматов М. А., Васильев А. А. Применение программных средств имитационного моделирования при проектировании новых производств на предприятиях судостроительной промышленности..................... Пуртов А. М. Имитация процессов принятия решений.................................................. Рафалович С. А., Прокофьев Д. Ю., Лоткин В. О., Задорожный В. Н.

Применение аналитико-имитационного моделирования в проектировании транспортных детекторов........................................................................................... Репин А. И., Максимов А. Н., Смирнов Н. И., Сабанин В. Р., Бочкарева Е. Ю.

Идентификация и адаптация автоматических систем регулирования с использованием имитационных моделей................................................................. Рыженкова М. А. Методологические аспекты структурного анализа системы законодательства......................................................................................................... Савина А. Л. Имитационная модель сборочной линии.................................................... Савченко И. Ф., Рагулин А. П., Кучейник В. В., Миргородский А. Н.

Использование имитационного моделирования в вопросах оснащения полевых военно-медицинских формирований современными подвижными комплексами................................................................................................................ Самойлов В. В. Имитационное приложение для системы сервисного обслуживания вычислительной техники.

........................................................................................... Симонова Л. А., Костюк И. В. Планирование загрузки рабочих центров на основе имитационного моделирования................................................................................. Уйба В. В., Верзилин Д. Н., Максимова Т. Г. Организация медицинской помощи при ликвидации последствий техногенных катастроф: аналитико-имитационное моделирование............................................................................................................ Уланов А. В., Котенко И. В. Моделирование адаптивных кооперативных стратегий защиты от компьютерных атак в сети Интернет..................................................... Федорова М. Л., Леденева Т. М. Имитационное моделирование схем очистки сточных вод пищевой промышленности.................................................................. Федорова М. Л., Леденева Т. М. Оптимизация эндогенных параметров модулей общей памяти вычислительных систем.................................................................... Хомоненко А. Д., Тутаева Т. И. Имитационная модель корпоративной информационной системы «Экспресс-3»................................................................. Шатров А. В. Имитационная модель развития региональной экономики.................... ИММОД-2007 СТЕНДОВЫЕ ДОКЛАДЫ Абденов А. Ж., Шорников Ю. В. Инструментально-ориентированный анализ жестких динамических, гибридных и распределенных систем явными методами............. Боев В. Д., Кирик Д. И., Ушкань А. О. Методика поддержки руководства курсовым проектированием по дисциплине «Моделирование».............................................. Боев В. Д., Смолянцев Д. С., Ушкань А. О. Методика оценки эффективности функционирования системы технического обеспечения предприятия.................. Вичугова А. А., Вичугов В. Н. Моделирование нейросетевых систем управления с использованием генетических алгоритмов обучения.............................................. Громова А. А. Моделирование баланса интересов в системах принятия решений по управлению научно-промышленным комплексом города (Москвы)..................... Журавель Е. П. Модель обработки и алгоритмы диспетчеризации запросов к службам серверов приложений клиент-серверной вычислительной системы...................... Клочкова М. А., Мацула В. Ф. Система моделирования процесса конвейерной сборки аппаратуры...................................................................................................... Кожушко А. А., Турпищева М. С. Моделирование мультимодальных грузовых перевозок на примере транспортной сети Астраханской области......................... Колосов Д. М., Аксенов К. А. Сравнительный анализ систем имитационного моделирования RDO и BPsim2................................................................................... Рефераты.............................................................................................................................. Abstract................................................................................................................................... Информация об авторах.................................................................................................... ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ПРОГРАММНЫЙ КОМПЛЕКС АНАЛИТИЧЕСКОГО И ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ СЕТЕЙ ПЕРЕДАЧИ ДАННЫХ Т. И. Алиев, Нгуен Дык Тай (Санкт-Петербург) Проектирование сети передачи данных (СПД), как и любой сложной системы, начинается с этапа системного проектирования и предполагает создание математиче ской модели сети и исследование этой модели на компьютере. Одной из задач проекти рования сети является определение пропускных способностей каналов связи на основе заданных структурно-функциональных и нагрузочных параметров, таких как внешние интенсивности поступления сообщений от пользователей в сеть, алгоритм маршрути зации, вариант размещения прикладных программ и наборов данных по узлам сети, способ взаимодействия пользователей сети и т. д. Задача оптимизации пропускных спо собностей каналов связи СПД решается с использованием в качестве моделей СПД се тей массового обслуживания (СеМО), в которых узлы, представляющие собой системы массового обслуживания (СМО), отображают задержки при передаче пакетов по кана лам связи. При этом точные аналитические результаты могут быть получены в том слу чае, если СеМО является экспоненциальной, то есть узлы представляют собой СМО типа M/M/1 в символике Кендалла [1]. Задача оценки пропускных способностей кана лов связи в СПД с использованием модели в виде разомкнутой экспоненциальной Се МО (РЭСеМО) с однородным потоком заявок решена аналитически на основе метода множителей Лагранжа в [1].

Ниже представлен программный комплекс аналитического и имитационного моделирования СПД с неоднородным потоком сообщений. Аналитическая модель СПД строится в виде РЭСеМО для любой топологии сети, задаваемой аналитически или графически. На основе аналитической модели решается задача определения пропуск ных способностей каналов связи в распределенных СПД при ограничениях на время доставки пакетов или на стоимость сети, с учетом таких особенностей СПД, как топо логия сети, алгоритм маршрутизации пакетов, вариант размещения прикладных про грамм и наборов данных по узлам сети, типы каналов связи, способ взаимодействия пользователей сети и т. д. Программа позволяет рассчитать характеристики СПД, та кие, как пропускные способности каналов связи, время задержки пакетов при передаче по каждому каналу и в сети в целом, а также загрузку каждого канала. Кроме того, рас считываются интенсивности потоков пакетов в каналах связи и вероятности передачи пакетов от пользователей в сеть, между каналами и из сети к пользователям. На основе рассчитанных вероятностей передачи пакетов и характеристик каналов программа ге нерирует соответствующую имитационную модель СПД на языке GPSS World [2]. Это позволяет исследовать влияние характера случайных процессов трафика в СПД и дли тельности передачи пакетов в каналах связи на характеристики функционирования спроектированной СПД путем варьирования законов распределения времени: передачи (длительностей обслуживания) пакетов в каждом из каналов связи и интервалов между поступающими в сеть пакетами.

Постановка задачи Для описания исследуемой СПД используются:

1) структурные параметры, определяющие топологию СПД, количество узлов n и каналов связи m в СПД, тип каналов связи (дуплексный, полудуплексный), стоимо стные коэффициенты каналов связи, длины каналов связи;

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования 2) функциональные параметры, задающие способ взаимодействия пользовате лей сети и способ маршрутизации для каждого узла СПД в виде маршрутной таблицы, содержащей основной и альтернативный маршруты;

3) нагрузочные параметры:

а) интенсивности потоков сообщений разных типов от пользователей, под ключенных к узлам СПД;

б) длины сообщений разных типов;

в) средняя длина одного пакета l 1 и длина обрамления l.

Эти параметры используются для решения задачи параметризации модели СПД, представляемой в виде РЭСеМО, в результате которой задача оценки пропускных спо собностей каналов связи может быть сведена к задаче оптимизации РЭСеМО методом неопределенных множителей Лагранжа.

Аналитическое моделирование сети передачи данных В [1] задача оптимизации пропускных способностей каналов связи решается на основе заданных интенсивностей сообщений (или пакетов) в каналах связи. В реально сти известны только внешние интенсивности сообщений от узлов пользователей к уз лам сети, что приводит к необходимости пересчета интенсивностей потоков пакетов в каналах связи. При этом расчет интенсивностей потоков пакетов в каналах связи реали зуется программно на основе заданных внешних интенсивностей потоков сообщений, формируемых пользователями сети, известной топологии и маршрутизации, способов взаимодействия пользователей, а также нагрузочных параметров.

В качестве модели распределенной СПД будем использовать разомкнутую Се МО, состоящую из m СМО, каждая из которых соответствует определенному каналу связи СПД. Принимается традиционное допущение, что поток пакетов, поступающих в каналы СПД, простейший, и время передачи пакетов в каждом из каналов, определяе мое как отношение длины передаваемого пакета l к пропускной способности кана ла С, распределено по экспоненциальному закону.

Метод расчета характеристик РЭСеМО можно найти в [1]. При этом среднее время доставки пакетов в сети, состоящей из m каналов связи, определяется следую щим образом:

il m C T =, i il i = где Ci – пропускная способность канала связи i;

i – среднее число «обращений» к ка налу связи i в процессе передачи пакетов;

i – интенсивность пакетов в канале связи i;

l П = l 1 + l О – длина пакета в целом (с учетом длины обрамления).

П Стоимость S СПД определяется как:

m S = i C i Di, i = где i – стоимостной коэффициент пропорциональности, отражающий стоимость еди ницы пропускной способности канала связи i;

Di – длина канала связи i.

Задача оптимизации пропускных способностей каналов связи с использованием модели РЭСеМО может решаться в одной из двух постановок.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования 1. Минимизировать среднее время задержки пакетов в сети Tcp при ограниче нии на стоимость сети S S *. В этом случае, с учетом введенных обозначений, пропу скная способность канала связи i вычисляется следующим образом:

m S * i i l Di i i l Di Ci = + il.

i = i Di m i ѓА i l Di i = 2. Минимизировать стоимость СПД S при ограничении на среднее время за держки пакетов в сети T Tcp. В этом случае пропускная способность канала связи i * вычисляется по формуле:

i l m Ci = + i l.

ѓА i l Di i ѓї i Di * Tcp i = На основе полученных значений пропускных способностей каналов связи можно рассчитать время задержки пакетов в каналах, загрузки каналов и характеристики СПД в целом – минимальное время доставки пакетов (при ограничении на стоимость), либо минимальную стоимость сети (при ограничении на среднее время доставки пакетов).

Имитационное моделирование сети передачи данных Имитационная модель СПД на языке GPSS World генерируется автоматически на основе расчета характеристик аналитической модели в виде экспоненциальной РСеМО. Полученные характеристики аналитической модели используются в качестве параметров имитационной модели СПД, представляющей собой РСеМО, узлы которой соответствуют каналам связи, а заявки в модели соответствуют пакетам в СПД. Число источников заявок в имитационной модели соответствует числу узлов связи в СПД, при этом интенсивности заявок источников в модель определяются как внешние интенсив ности пакетов от пользователей к узлам связи соответственно. Аналитическая модель, реализованная в программе, позволяет рассчитать следующие параметры для имитаци онной модели.

1. Вероятность передачи пакетов от пользователя j к каналу k: P( j,k ) = ( k, j ) j, где ( k, j ) – интенсивность пакетов, поступивших в канал k от пользователя j;

j – интен сивность пакетов от пользователя j в сети.

, 2. Вероятность передачи пакетов от канала k к каналу h: P( K,h ) = ( k |h ) где k k ( k |h ) – интенсивность пакетов в канале h, прошедших через канал k;

– полная ин k тенсивность пакетов в канале k.

3. Вероятность передачи пакетов от канала k к пользователю j: P(O, j ) = 1 P(K,h), k k hN где N – множество каналов связи, непосредственно связанных с каналом k.

4. Средний интервал времени между моментами поступления пакетов от пользо вателя j в СПД: j = 1 j.

5. Среднее время передачи пакетов в каналах связи k: bk = l П C k.

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Кроме рассчитанных параметров для имитационной модели СПД дополнительно необходимо задать следующие параметры:

а) законы распределений интервалов между моментами поступления пакетов от пользователей в СПД;

б) законы распределений времени передачи пакетов в каналах связи.

В качестве законов распределений могут использоваться:

а) экспоненциальный;

б) детерминированный;

в) равномерный;

г) эрланговский разного порядка;

д) экспоненциальный с ненулевыми смещениями;

е) гиперэкспоненциальный.

Отметим, что имитационная модель СПД предназначена для детального анализа характеристик функционирования сети, спроектированной в процессе аналитического моделирования. При этом, в случае отличия реального характера процессов поступле ния пакетов в сеть или передачи пакетов по каналам связи от экспоненциального, в имитационной модели предусмотрена возможность варьирования законов распределе ний времени передачи пакетов в каждом из каналов связи и законов распределения ин тервалов времени между поступающими в сеть пакетами.

Оценка корректности имитационной модели проводится путем сравнения ре зультатов имитационного моделирования с результатами аналитического моделирова ния, полученными на экспоненциальной сетевой модели, для которой разработаны точ ные аналитические методы расчета характеристик обслуживания заявок.

Программный комплекс Аналитический метод оценки пропускных способностей каналов связи СПД, ис пользующий в качестве модели сети РЭСеМО, и соответствующая имитационная мо дель на языке GPPS World реализованы в виде программного комплекса, написанного на языке Visual C++ с использованием библиотеки базовых классов MFC с архитекту рой Doc/View для удобства разработки и реализации приложений под Windows. Про грамма работает под ОС Windows 2000/XP с требованием памяти не более 64 Мбайт.

Программа имеет наглядный графический интерфейс, элементы которого показаны на рис. 1 и 2, позволяющий достаточно просто задавать структурно-функциональные и нагрузочные параметры исследуемой СПД.

Рис. ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Рис. Программа имеет следующие возможности:

1) задать топологию исследуемой СПД одним из способов:

– графически путем указания мышкой на экране компьютера местоположения узлов и соответствующих каналов связи;

– аналитически путем указания декартовых координат узлов СПД или расстоя ний между ними с возможностью автоматического построения топологии пу тем выбора из перечня типовых топологий («звезда», «кольцо», «дерево», «полносвязная») или построения произвольной топологии путем задания со ответствующей матрицы связей;

2) добавлять или удалять узлы СПД и любое изменение топологии;

3) выбирать варианты распределения прикладных программ и наборов данных по узлам СПД;

4) автоматически создавать все таблицы маршрутизации в узлах по критерию «количество хостов» или «взвешенного графа» с возможностью изменения таблиц мар шрутизации и вероятности передачи пакетов по основному пути;

5) рассчитывать потоки пакетов в каналах связи и параметризация модели СПД;

6) рассчитывать вероятности передачи пакетов от пользователей к каналам свя зи, между соседними каналами и от каналов к пользователям сети;

7) рассчитывать пропускные способности, времени передачи и загрузок кана лов связи методом множителей Лагранжа с использованием модели РЭСеМО (рис. 1);

8) исследовать характеристики СПД путем варьирования структурно функциональных и нагрузочных параметров;

9) автоматически создавать имитационную модель СПД на языке GPSS World, соответствующую аналитической модели с возможностью варьирования законов рас пределения интервалов между моментами поступления в сеть пакетов и законов рас пределения времени передачи пакетов в каждом из каналов связи (рис. 2).

Заключение Разработанный программный комплекс предназначен для проектирования и ис следования сетей передачи данных с любой топологией на основе совместного приме нения аналитического и имитационного моделирования в среде GPSS World. При этом предоставляется возможность решения задачи выбора топологии и распределения про пускных способностей каналов связи при различных алгоритмах маршрутизации и ва риантах распределения прикладных программ и наборов данных по узлам сети, а также ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования способах взаимодействия пользователей сети с учетом ограничений на время доставки пакетов в сети или на ее стоимость. Имитационная модель генерируется автоматически в среде GPSS World и позволяет проводить детальное исследование характеристик функционирования спроектированной СПД при снятии предположений и допущений, использованных в аналитической модели для достижения конечного результата.

Литература 1. Клейнрок Л. Вычислительные системы с очередями. М.: Мир, 1979. 598 с.

2. Боев В. Д. Моделирование систем. Инструментальные средства GPSS World: Учеб ное пособие. СПб.: БХВ-Петербург, 2004. 368 с.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ИМИТАЦИОННАЯ МОДЕЛЬ ВИРТУАЛЬНОГО КАНАЛА КОММУТАЦИИ С. Амари, О. И. Кутузов, Т. М. Татарникова, Й. Шанти (Санкт-Петербург) ИМ предназначена для моделирования процесса функционирования коммутаци онной системы (КС), применяется при комплексировании сети на этапах настройки, доводки и модернизации сетей ЭВМ и учитывает особенности работы коммутатора и требования, предъявляемые к КС со стороны коммутируемого трафика. Целью ИМ яв ляется оценивание временных и нагрузочных характеристик функционирования КС с различными вариантами исходных данных.

Варьируемые параметры модели описывают структуру коммутатора, особенно сти среды коммутации между портами, рабочую нагрузку и ряд других переменных, общее число которых для полной (топологически подобной) модели коммутатора более 20. Формализация коммутатора представлена в виде трехфазной СМО (Рис.1).

Коммутатор Фаза Фаза пе Фаза транспортировки приема редачи Рис. 1. Фазы коммутатора ИМ позволяет получить временные и нагрузочные характеристики функциони рования КС, характеристики очередей, оценить влияние структуры трафика на характе ристики КС, осуществить анализ соответствия характеристик коммутатора сетевому трафику, комплексировать КС из процессоров портов, буферных запоминающих уст ройств портов и коммутирующего устройства.

Имитационная модель выполнена в двух модификациях: «топологически подоб ной» (полной) и в виде виртуального канала коммутации.

Требование многократных прогонов модели для получения убедительных стати стических выводов, а также размерность моделируемой КС (число портов коммутатора берется из унифицированного ряда 4, 8, 16, 32, 64, 128 и т.д.), с ростом которой увели чиваются затраты машинного времени, обуславливают применение метода ускоренного моделирования [1]. Ускорение моделирования достигается за счет исследования КС по частям с последующей увязкой частных характеристик. В качестве такой части КС це лесообразно выделить виртуальный канал коммутации (ВКК), отображающий процесс транспортировки протокольных блоков из приемного канального модуля (КМ) порта i в передающий КМ порта k ;

i, k = 1…S, k i (S – число портов коммутатора). Это тем более целесообразно сделать, поскольку «прозрачность, пропускная способность и дос тупность гарантируются для отдельного потока, а не для всей совокупности» [2]. Кон кретные значения i, k можно выбрать случайным образом, можно назначить принуди тельно.

В силу возможной большой размерности структуры коммутатора используем двухступенчатую выборку.

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования На первой ступени из генеральной совокупности портов коммутатора в соответ ствии с вероятностями p (i ) = i, k / ik ;

p (k / i ) = ik / ij i, k = 1, S, i k выби k ik j рается пара портов (исток и сток), для которой должны быть оценены временные ха рактеристики (среднее время, дисперсия, гистограмма-функция распределения задерж ки пакетов в коммутаторе). Для выбранной пары истока и стока строится модель вирту ального канала коммутации (ВКК) и находятся оценки искомых характеристик, как дифференциальные (для отдельных ВКК), так и интегральная, суммированием диффе ренциальных с соответствующими весами p(i).

Модель ВКК (рис. 2) включает модель KMi на приеме, модель KMk на переда че и модель транспортировки фрагментов выделенного потока (ВП) по коммутирую щей среде из порта i в порт k. Остальные порты коммутатора образуют фоновый поток (ФП), поступающий на вход k-го КМ в соответствии с матрицей коммутации. Поступ ление протокольных блоков фонового потока на вход k-го КМ влияет на вероятностно временные характеристики выделенного маршрута коммутации, поскольку может уве личивать очередь в исходящем канале. Соответственно, интенсивность фонового пото ка определяется выражением = j.Pjk, где j – интенсивность потока, посту j = j i,k пающего на вход j-го порта, j = 1… S, j i,k, P– элемент коммутационной таблицы.

jk В свою очередь, интенсивность i-го потока, поступающего на вход k-го исходящего ка нала, определяется как ik = i · P ik.

КМk- КМ1 КМ2 КМi КМk … … Пф Пв КМS- КМk+1 КМj КМS … … Рис. 2. Модель виртуального канала коммутации (Пв – выделенный поток;

Пф – фоновый поток) Полная модель и модель ВКК были реализованы для исследования коммутатора с общей шиной (ОШ) [3].

Результаты по полной модели и ее упрощенному аналогу дали хорошую сходи мость, что говорит о высокой степени доверия к модели ВКК, которая практически ни чем не ограничена.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования С целью оценки эффективности ускоренной имитации по отношению к имита ции с использованием полной схемы коммутатора сравнивались затраченные машин ные ресурсы.

Так, для схемы коммутатора с ОШ на 16 портов затраченное процессорное вре мя на имитацию составило для модели ВКК – 670 мс, полной модели – 2424 мс.

Для 64-портовой модели коммутатора занимаемый программой объем оператив ной памяти составил в статике 5,2 Мбайт и 403 Мбайт, в динамике (имитации) – 23 Мбайт и – 747 Мбайт соответственно для модели ВКК и топологически подобной.

Экспериментальные исследования проводились на ЭВМ типа РС Pentium 4, 1.8GHz.

Литература 1. Кутузов О. И., Задорожный В. Н., Олзоева С. И. Имитационное моделирование се тей массового обслуживания: Учеб. пособие. Улан-Удэ: Изд-во ВСГТУ, 2001.

2. Шелухин О. И., Тенякшев А. М., Осин А. В. Фрактальные процессы в телекомму никациях. / Под ред. О. И. Шелухина. М.: Радиотехника, 2003.

3. Кульгин Максим. Технологии корпоративных сетей. СПб.: Питер, 2000.

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ПРИМЕНЕНИЕ ЯЗЫКА GPSS World ПРИ ЧТЕНИИ ДИСЦИПЛИНЫ «ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ»

Г. М. Антонова (Москва) Макроязык для моделирования дискретных систем GPSS с его разновидностями GPSS V, GPSS Fortran, GPSS World является стойким долгожителем среди языков, предназначенных для имитационного моделирования сложных систем. Это связано, по видимому, не только с разнообразной и тщательно подготовленной документацией, но и с внутренней структурой языка, его возможностями при описании алгоритмов функ ционирования сложных систем, наличием средств моделирования случайных величин, средствами формирования отчёта, включающего разнообразную статистику моделиро вания и т.п. Макроязык всегда оценивался по достоинствам и широко применялся в учебном процессе различных вузов [1–4]. Доклад посвящен результатам многолетней практики курсового проектирования в дисциплинах учебного плана, связанных с ими тационным моделированием производственных и экономических систем. Эволюция этих дисциплин продолжалась несколько десятилетий. Название отражало реалии те кущего времени. Оно изменялось в разные годы от «Моделирование систем», «Компь ютерное моделирование систем» c акцентом на общих понятиях кибернетики до кон кретного названия «Имитационное моделирование экономических процессов», в кото ром предполагается изучение технологий специального применения универсального метода кибернетики. Цель доклада состоит в том, чтобы продемонстрировать особен ности выполнения курсовых проектов и предложить новые направления использования возможностей языка с учётом настоящей ситуации бурного развития структурного, ви зуального и т. п. моделирования.

В задании обычно предлагается промоделировать процесс функционирования устройства, включающего несколько составных частей, или процедуры обслуживания разного характера. Это может быть, например, техническая система, выполняющая не сколько этапов обработки изделий и, соответственно, включающая несколько средств для реализации обработки, производственный участок из нескольких станков, транс портёра и печи, испытательного стенда и т. п. Процедура обслуживания может быть связана с работой торгового отдела из нескольких продавцов, с решением задач в одно или многопроцессорной вычислительной системе и т. д. Указывается время работы или количество обрабатываемых изделий, решаемых задач и т. п. Необходимые интенсив ности поступления, обслуживания указываются среди числовых характеристик. По ре зультатам моделирования требуется подготовить отчёт в стандартной для макроязыка GPSS форме и завершить работу анализом полученных результатов и рекомендациями по совершенствованию исследованной системы.

Первая особенность такого задания состоит в том, что явно показан математиче ский аппарат, необходимый для изучения реального объекта, – теория массового об служивания. Добросовестный студент мгновенно находит конспекты, учебники и во всеоружии приступает к моделированию.

Основные трудности при этом связаны с изучением основных операторов языка, построением структуры системы, анализом средних времен обслуживания, длин очере дей и т. п.

Примеры заданий В качестве примеров можно привести несколько вариантов заданий. Например, задание по моделированию работы парикмахерской, которое полностью соответствует типичному примеру из теории массового обслуживания.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Вариант 1. Поток клиентов парикмахерской имеет нормальный закон распреде ления со следующими параметрами: математическое ожидание m = 15 и среднее квад ратическое отклонение = 3. Одновременно работают 7 парикмахеров разной квали фикации. Вероятности обращения к парикмахерам равны соответственно: 0,2;

0,1;

0,15;

0,19;

0,17;

0,15;

0,04. Время обслуживания имеет экспоненциальный закон с парамет рами, равными следующим величинам соответственно: 1 = 0,11 ;

2 = 0,18 ;

3 = 0,2 ;

4 = 0,16 ;

5 = 0,12 ;

6 = 0,17 ;

7 = 0,41. Промоделировать обслуживание 100 клиен тов, собрать статистику.

Ещё один вариант задания для моделирования двухпроцессорной ЭВМ содер жит некоторые термины из области вычислительной техники, но также полностью со ответствует типичной задаче из теории массового обслуживания.

Вариант 2. Промоделировать решение задач в двухпроцессорной ЭВМ с общей памятью, разделенной на 10 блоков. Каждой задаче отводится при её решении один блок. Интервалы времени между поступлениями задач распределены по нормальному закону с параметрами: m = 10, = 2. Время обработки порции информации подчинено экспоненциальному закону с интенсивностью 1 = 0,14 в первом процессоре и интен сивностью 2 = 0,37 во втором процессоре. Между обработкой с вероятностью, равной 0,39, возможно обращение к устройству вывода графической информации, состоящему из 7 принтеров. Запросы на вывод равновероятны. Интервалы времени между запроса ми распределены по экспоненциальному закону с интенсивностью 3 = 0,12.

Для третьего варианта задания приведены на рис. 1 (текст программы) и на рис. 2 (статистика моделирования в среде GPSS-World).

Вариант 3. Промоделировать передачу 100 сообщений в трёхканальной системе передачи данных (СПД). Сообщения генерируются в соответствии с равномерным за коном распределения, задающим параметры транзакта GENERATE А = 5, В = 2. Канал для передачи сообщений выбирается по мере освобождения. Отказы в канале распреде лены по экспоненциальному закону с интенсивностью = 0,05.

;

GPSS World Sample File – SAMPLE3.GPS ********************************************************************** * * * Computer Sistem Simulation * * ******************************************************************** Xpdis FUNCTION RN200,C 0,0/.1,.104/.2,.222/.3,.355/.4,.509/.5,.69/.6,.915/.7,1.2/.75,1..8,1.6/.84,1.83/.88,2.12/.9,2.3/.92,2.52/.94,2.81/.95,2.99/.96,3..97,3.5/.98,3.9/.99,4.6/.995,5.3/.998,6.2/.999,7/.9998, GENERATE 5, CAN TRANSFER BOTH,CAN1,CAN CAN1 SEIZE CANAL ADVANCE 5,FN$Xpdis RELEASE CANAL TRANSFER, CAN CAN2 SEIZE CANAL ADVANCE 5,FN$Xpdis RELEASE CANAL TRANSFER, CAN CAN3 SEIZE CANAL ADVANCE 5,FN$Xpdis ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования RELEASE CANAL TRANSFER, CAN TERMINATE Рис. 1. Текст программы моделирования GPSS World Simulation Report - Untitled Model Saturday, September 01, 2007 12:26: START TIME END TIME BLOCKS FACILITIES STORAGES 0.000 621.707 15 3 NAME VALUE CAN 2. CAN1 3. CAN2 7. CAN3 11. CANAL1 10001. CANAL2 10002. CANAL3 10003. XPDIS 10000. LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY 1 GENERATE 124 0 CAN 2 TRANSFER 124 1 CAN1 3 SEIZE 118 0 4 ADVANCE 118 1 5 RELEASE 117 0 6 TRANSFER 117 10 CAN2 7 SEIZE 112 0 8 ADVANCE 112 1 9 RELEASE 111 0 10 TRANSFER 111 10 CAN3 11 SEIZE 101 1 12 ADVANCE 100 0 13 RELEASE 100 0 14 TRANSFER 100 0 15 TERMINATE 100 0 FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY CANAL1 118 0.899 4.739 1 123 0 0 1 CANAL2 112 0.964 5.350 1 112 0 0 1 CANAL3 101 0.744 4.581 1 101 0 0 0 CEC XN PRI M1 ASSEM CURRENT NEXT PARAMETER VALUE 101 0 511.396 101 11 FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE 123 0 623.084 123 4 112 0 624.702 112 8 125 0 625.469 125 0 Рис. 2. Статистика моделирования трёхканальной СПД ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Приведённый пример имеет все характерные черты выбранного типа задания, сравнительно легко выполняется и позволяет продемонстрировать знания как в области макроязыка моделирования, так и в области теории массового обслуживания.

Некоторая абстрактность макроязыков в современных условиях, для которых ха рактерно прагматическое отношение к сумме получаемых знаний и открытое нежела ние тонуть в глубинах познания, приводит к скептическому отношению к тем задачам, которые напрямую не связаны с проблемами, возникающими в реальной практике. Од нако в действительности практические задачи после добросовестного анализа сводятся именно к таким компактным и прозрачным постановкам. Для преодоления этого кон фликта существуют разные пути. Один из них состоит в некотором расширении зада ния и объединении разных видов моделирования. Этот путь позволяет соединить отла женные методики с современной терминологией и показать ценность аппарата, прове ренного десятилетиями.

Новые возможности Удачным дополнением к моделированию с применением макроязыков представ ляется предварительное функциональное моделирование на основе популярных стан дартов IDEF (Integration Definition for Function Modeling) и DFD (Data Flow Diagram) [5] с использованием по мере возможности пакета программ BPWin [5–7].

Такое сочетание позволяет расширить содержание задания, не увеличивая в значительной мере его сложность, но наглядно демонстрируя при этом необходимость и полезность применения макроязыка моделирования для решения поставленной зада чи. Примером может служить задание по моделированию работы парикмахерской с це лью увеличения прибыли.

Вариант 4. Для повышения доходности парикмахерской, в которой работает 3 кресла, владелец выполнил хронометраж работы за одну смену, т. е. за 8 ч работы.

Получена следующая статистика, включающая моменты времени появления клиентов и интервалы занятости парикмахеров.

Поток клиентов: 10, 12, 15, 26, 44, 52, 60, 66, 68, 69, 71, 80, 101, 123, 189, 267, 300, 307, 331, 340, 354, 368, 379, 385, 391, 399, 403, 410, 423, 437, 442, 456, 461, 477.

Парикмахер 1:10–25, 26–41, 60–68, 68–78, 78–88, 88–98, 123–133, 300–310, 340–350, 354–364, 379–389, 399–409, 410–420, 437–447, 477–487.

Парикмахер 2: 12–22, 44–54, 66–81, 81–96, 189–199, 307–322, 368–383, 385–400, 403– 418, 442–457, 461–476.

Парикмахер 3: 15–45, 52–82, 101–131, 267–297, 331–361, 391–421, 423–453, 456–480.

Путём моделирования подобрать минимально необходимое количество парикмахеров.

Выводы Приведённый пример расширения заданий, предлагаемых для выполнения при изучении макроязыка моделирования GPSS World, позволяет увеличить объём знаний, получаемых студентами, т. е. повысить качество получаемого образования. При этом трудоёмкость задания не увеличивается, поскольку студенты уже владеют приёмами обработки массивов статистических данных. Увеличивается и становится прочнее связь с реальной практикой и проблемами, возникающими в трудовой деятельности, по скольку добавляется требование в незнакомой ситуации реальной трудовой деятельно сти увидеть известную и знакомую теоретическую схему и применить её для решения поставленной задачи.

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Литература 1. Советов Б. Я., Яковлев С. А. Моделирование систем (учебник). М.: Высшая школа, 2005.

2. Советов Б. Я., Яковлев С. А. Моделирование систем. Практикум (учебное пособие) М.: Высшая школа, 2005.

3. Голованов О. В., Смирнов С. Г., Смирнов В. Н. Моделирование сложных дискрет ных систем на ЭВМ третьего поколения. М.: Энергия, 1978.

4. Антонова Г. М., Черненький А. А. Алгоритмы и пакеты прикладных программ в АСУ. Методическое пособие по курсам ФПК ИТР «Исследование операций», «По строение и анализ вычислительных алгоритмов». М.: МАИ, 1988.

5. Черемных С. В., Семенов И. О., Ручкин В. С. Моделирование и анализ систем.


IDEF-технологии: практикум.-М.: Финансы и статистика, 2006.

6. BPWin Methods Guide.- Logic Works Inc., 1997.

7. Маклаков С. В. Моделирование бизнес-процессов с AllFusion Modeler (BPWin 4.1).

М.: Финансы и статистика, 2006.

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ОЦЕНКА ПРОИЗВОДСТВЕННО-ТЕХНИЧЕСКИХ И КОММЕРЧЕСКИХ РИСКОВ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ НА ОСНОВЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ Е. П. Бочаров, О. Н. Алексенцева (Саратов) Для новых, рыночных условий функционирования промышленных предприятий характерны многочисленные факторы неопределенности внутренней и внешней среды.

Это приводит к появлению самых разнообразных видов рисков, ставящих под сомне ние возможность стабильной работы предприятий.

В экономической литературе, посвященной проблеме рисков, риск определяется как «шанс ущерба или потери», «вероятность неудачи или потерь», «возможность откло нения от цели, ради которой принималось решение», «вероятность нежелательного собы тия», «плата за желание преодолеть общую неопределенность мира» [1].

Выделяют самые разнообразные виды рисков, характерных для промышленных предприятий: производственно-технические, коммерческие, валютные, кредитные, риск ликвидности, стратегические, политические и ряд других.

Важнейшую роль в настоящее время играют два вида рисков: производственно технические и коммерческие.

Возрастание роли производственно-технических рисков обусловлено недостаточными инвестициями в производство, старением (как физическим, так и моральным) оборудования, и, как следствие, – ростом частоты аварийных сбоев. Особо важна роль производственно технических рисков для непрерывных промышленных производств (металлургия, производ ство строительных материалов, химия). Именно в случае непрерывных производств аварий ные сбои приводят, как правило, к огромным потерям.

Рис. 1. Схема производства листового стекла:

1 – печь выплавки стекломассы;

2 – участок формирования листового стекла и его от вердевания;

3 – конвейер;

4 – резка стекла на листы;

5 – разбраковка стекла;

6 – упаков ка листов стекла 1-й бригадой;

7 – упаковка 1-й бригадой ящиков со стеклом;

8 – упа ковка листов стекла 2-й бригадой;

9 – упаковка 2-й бригадой ящиков со стеклом;

10 – бункер для боя бракованного стекла, а также кондиционного стекла, которые не успели упаковать 1-я и 2-я бригады;

11 – возврат брака и боя в печь;

12 – склад готовой продукции.

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Коммерческие риски обусловлены высокой вариабельностью отпускных цен на продукцию. Можно предположить, что со вступлением России в ВТО удельный вес этого вида риска существенно возрастет.

В настоящей работе на основе имитационного моделирования развита методика оценки производственно-технических и коммерческих рисков непрерывных промыш ленных производств на примере производства радиационно-защитного строительного листового стекла (использованы данные Саратовского завода стройтехстекла).

Анализ работы цеха по производству листового стекла выявил существенно ве роятностный характер основных производственных процессов. В частности, распреде ление листов стекла по сортам и браку имеет случайный характер, хотя и с устойчивым вероятностным распределением. Именно такие процессы – "благодатная почва" для применения метода имитационного моделирования (МИМ).

Процесс производства стекла (рис. 1) имитировался с помощью инструменталь ного средства имитационного моделирования GPSS World.

Необходимо определить транзакты для данной модели. Первый тип транзактов очевиден – это листы стекла, поступающие по конвейеру. После упаковки листов либо попадания в бункер для боя эти транзакты «уничтожаются».

Для имитации процесса упаковки ящиков используются отдельные сегменты программы, в которых циркулируют одиночные («ждущие») транзакты, которые не уничтожаются. Этот процесс «ожидания» длится до тех пор, пока не заполнится оче редной открытый ящик.

Для имитации аварийных ситуаций предложено фиктивное «устройство», гене рирующее «транзакты-аварии». Случайные интервалы времени генерирования этих фиктивных транзактов, а также время устранения аварийных ситуаций задавались на основе статистической обработки данных, выданных корпоративной информационной системой «Галактика», функционирующей на предприятии [2].

В данной работе рассматривается риск убыточности предприятия. Чтобы оце нить этот риск, необходимо определить вероятность события: «рентабельность пред приятия R отрицательна».

Известное определение рентабельности DC R= 100 %, (1) C ( D – доход от реализации продукции, C – полная себестоимость продукции) предста вим следующим образом:

I f (P ) P N C N 0 ' N ' ' N i i i = R=, (2) N 0 C ' + N 0 ' + N ' где N 0 – всего произведено листов стекла за квартал;

N - количество бракованных листов стекла из-за аварийных ситуаций;

N = N 0 N – количество кондиционных листов стекла. Доход от реализации продукции запишется, очевидно, как I D = N f ( Pi ) Pi (здесь I – общее количество интервалов, на которые разбивается i = диапазон отпускных цен;

P – центр i -го интервала, i = 1,..., I ;

fi – вероятность того, i ' что очередной лист стекла попадет в партию, которая будет продана по цене P ;

C – i ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования цеховая себестоимость листа стекла, C' – общепроизводственная составляющая се бестоимости листа стекла, C' – компонента себестоимости, определяемая коммер ческими расходами по продвижению продукции на рынок).

R Рис. 2. Гистограмма случайной величины R (рентабельность) в кумулятивном представлении, сплошная линия – теоретическое нормальное распределение Использовалась методика статистических испытаний (метод Монте-Карло), причем каждое испытание представляло собой расчет по имитационной модели за период один квартал при трехсменной работе, единица модельного времени составляла 1 с.

Исследование поведения доверительного интервала (на уровне 95%-1 значимо сти) для среднего значения рентабельности R показало, что достаточным можно счи тать число испытаний N 120...170.

Результаты применения метода Монте-Карло – гистограмма рентабельности R – представлены на рис. 2 (для обработки результатов имитационного эксперимента ис пользовался пакет статистических программ STATISTICA, вероятность ошибки при отказе от нормального распределения составляет 0,5776).

Среднее значение R по 170 реализациям равнялось 5,24% – величина, близкая к реальной, что повышает доверие к полученным результатам.

Для того, чтобы найти вероятность реализации события: « R отрицательна», не обходимо из точки абсцисс R = 0 (так называемая «точка безубыточности») восстано вить перпендикуляр до кривой вероятностного распределения (пунктир на рис. 2), а за тем опустить перпендикуляр из точки на кривой на ось ординат. Как видим из рис. 2, вероятность убыточности предприятия (точнее, предприятие сработает за квартал с убытком) составляет для рассматриваемого случая 0,17. Этот результат неплохо отра жает реальную ситуацию на исследованном предприятии.

Приведенные в данной работе результаты, как нам представляется, – еще один довод в пользу того, что имитационные модели могут со временем стать важным эле ментом системы управления промышленным предприятием [3].

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования Литература 1. Вяткин В. Н., Гамза В. А., Екатеринославский Ю. Ю., Иванушко П. Н. Управле ние рисками фирмы. М.: Финансы и статистика, 2006.

2. Бочаров Е. П., Колдина А. И. Интегрированные корпоративные информационные системы. Принципы построения. Лабораторный практикум на базе системы «Галак тика». М.: Финансы и статистика, 2005.

3. Бочаров Е. П., Алексенцева О. Н., Ермошин Д. В. Имитационная модель произ водственного процесса как элемент системы управления промышленным предпри ятием//Прикладная информатика. 2007. № 3 (9).

ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования МОДЕЛИРОВАНИЕ ПРОЦЕССОВ СТРУКТУРООБРАЗОВАНИЯ В ЛЕСАХ ПЕРМСКОГО КРАЯ НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ И УРАВНЕНИЙ РЕАКЦИИ-ДИФФУЗИИ* Д. А. Брацун, А. К. Колесников, А. В. Люшнин, Е. М. Шкараба (Пермь) Как известно, спонтанное образование пространственно-временных структур, возникающих как на уровне отдельных членов, так и на уровне всей популяции, явля ется скорее общим законом функционирования экосистем. Изучение подобных струк тур является, одной из центральных проблем современной экологии [1]. Для популяций растений такое явление наблюдается, когда из, казалось бы, однородно растущей массы отдельных растений возникают пространственно-неоднородные по концентрации фи томассы и ее качественному составу упорядоченные структуры [2]. По своему проис хождению эти структуры могут быть отнесены к трем основным группам [3]: (I) струк туры, имеющие морфологическое происхождение и отражающие особенности структу ры и роста самого растения;

(II) структуры, возникающие благодаря природно ландшафтным факторам;

(III) структуры, социологического происхождения, которые возникают благодаря взаимодействию на уровне отдельных растений. С нашей точки зрения, наиболее любопытными и до сих пор малоизученными являются структуры третьего типа. В качестве примера можно привести спонтанное возникновение образо ваний в виде полос, островков или более сложных фигур, состоящих из травы или низ корослого кустарника, перемежающихся участками без каких-либо растений, в засуш ливых районах Африки, Австралии или Северной Америки [4,5]. Понятно, что такие удивительно правильные структуры, нехарактерные, вообще говоря, для растительного мира, привлекли внимание исследователей.


Для понимания процессов, происходящих в экосистемах, был необходим суще ственный прогресс в других науках, например, появление теории хаоса и структурооб разования в физике [6–7], теории бифуркаций в математике [8], структурообразование в системах с реакцией и диффузией в химии [9]. В работе Лефевра и его аспирантов впервые удалось предложить пространственно распределенную модель вегетационной динамики растений, которая описывала структурообразование в таких системах даже при однородных и изотропных условиях внешней среды, т.е. причиной им служило со циальное взаимодействие растений [10–12]. Их феноменологическая модель представ ляла собой уравнение для концентрации фитомассы с диффузией и специальным образом подобранным «реактивным» слагаемым, отвечающим за взаимодействие на уровне растение-растение.

Другим направлением в моделировании роста и структурообразования леса являет ся микроскопический подход на основе клеточных автоматов [13–15]. В ранней работе [13] был рассмотрен простейший случай, когда ячейки клеточного автомата не могут взаимо действовать друг с другом и каждый вид деревьев развивается, не чувствуя соседей по ле су. Исправляя эту слишком упрощенную схему, авторы работы [14] предположили, что взаимодействие между ячейками происходить может, но только между ближайшими сосе дями (модель «FORET»). Расчеты показали, что определенные аспекты процессов роста реальных лесов такая модель отражает, но далеко не все. Наконец, в работе [15] была по строена сложно сконструированная модель клеточного автомата, который учитывает взаимодействие между отдельными деревьями не только в близкодействии, но и на боль ших в сравнении с отдельным деревом (ячейкой) расстояниях (программа «SORTIE»). По Данная работа проводилась при поддержке гранта РФФИ-Урал №07-01-97612.

* ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования следнее обстоятельство важно в случае, когда принимаются во внимание способность к распространению семян различных видов деревьев, участвующих в модели.

Особенностью данной работы является описание пространственно неоднородных структур двумя различными способами: на феноменологическом уровне мы развиваем подход, разработанный в работах [10–12], на микроскопическом уровне мы усовер шенствуем метод клеточных автоматов, предложенный в [15], адаптируя его к кон кретным условиям структуры леса Перм ского края. Как показывает лесоустрои тельная информация по Пермскому краю [16], лесной социум состоит из ельника (55% всей фитомассы), березы (26%) и со сна (12%). Влияние остальных пород де ревьев менее значимо – осина (меньше 5%), пихта (1%), кедр (0.1%) и т.д. Пред ставляется вполне логичным, чтобы рас смотреть трехкомпонентную модель леса, состоящую из основных пермских пород ели, сосны и березы. Как видно из фото графии, представленной на рис.1, взаимо действие деревьев различных пород (в данном случае ели и березы) в природе часто приводит к формированию паттернов в виде пространственно-неоднородного рас деления древостоя той или иной породы.

Рис. 1. Пространственное Остановимся теперь на особенностях фено структурообразование в системе ель–сосна–береза менологического и микроскопического мо делирования более подробно.

Модель реакции-диффузии В качестве модели первого типа была выбрана трехкомпонентная модель для ре активно-диффузионной системы ингибитор-ингибитор-активатор. Уравнения для дан ной системы выглядят следующим образом:

2 u1 2 u1 u = 1 + u 1 u 1 u1u + 3 t x y 2u 2 2u u 2 (1) = 2 + u 2 u 2 u 2 u1 u 3 + s + 3 t x 2 y 2u3 2u3 u =2 + u 3 + k1 + k 2 u t x y Здесь переменные u1, u 2, u 3 являются переменными, описывающими концен трацию ели, сосны и березы соответственно. Остальные величины являются констан тами, характеризующими свойства деревьев и почвенную влажность k1. Для контроля состояния эволюции данной экосистемы применялся принцип обратной связи [17], ко торый определяет постоянный количественный баланс ель-береза-сосна. В процессе ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования вычислений на каждом шаге параметр s определяется так, чтобы s new оставался посто янным.

(u s = s new s 2 + u 2 + u 3 ) dw (2) Расчеты проводились на области = [ 50,50] [ 50,50], сетка варьировалась от 100x100 до 800x800. Для численного моделирования данной системы применялся ме тод Кранка-Николсона с периодическими границами. Начальные условия задавались как случайным, так и специально подобранным образом. Расчеты проводились при следующих параметрах:

1 = 0,5 2 = 0,625 = 0,25 = 0,1 2 = 1 = 1 k1 = 0,25 k 2 = 2,5 s = 0,75 s2 = 0,003.

Результаты вычислений показывают, что основным фактором в процессе роста леса является почвенная влажность. При почвенной влажности k1 меньшей k реализуется сценарий с постепенным заполнением всего пространства елью. Это подтверждается исследованиями, проводимыми в государственном природном заповеднике «Вишерский»

(Пермский край). При превышении влажности критического значения k сосна начинает играть основную роль. Такое развитие происходит вблизи рек и озер. Особенностью березы является тот факт, что она никогда не является доминирующей в лесном массиве.

Однако береза играет заметную роль в процессе роста сосновых массивов, создавая предпочтительные условия для существования сосны. Так как ель является доминирующим слагаемым в общем лесном массиве Пермского края, то представляется чрезвычайно важным процесс распространения ели на ландшафте.

Интересно отметить, что больших k взаимодействие на уровне растений главных Рис.2. Пространственное игроков пермского леса приводит к специфи распределение ели сосен и березы ческому образованию паттернов в виде про после временной эволюции в странственно-неоднородного распределения модели, основанной на реакции диффузии древостоя той или иной породы (рис. 2). Бе лый фон – ель, серые полутона – береза и чер ным цветом отмечена сосна.

Модель клеточного автомата Дискретное моделирование динамики леса, учитывающее особенности взаимо действия между различными породами деревьев на уровне дерево-дерево, включало в себя учет следующих параметров:

• Борьба между деревьями за доступ к солнечному свету. Более высокие дере вья, такие, как сосны, имеют тут преимущество. Заслоняя своей кроной мо лодняк, они препятствуют росту последнего. Однако, необходимость в сол нечном свете у разных пород деревьев разная, и это несколько уравнивает шансы. В системе ель-береза-сосна наиболее восприимчивой к свету является береза, ель, наоборот, любит расти в тени. Поэтому ельник легко поднимается ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования в тени березы, но когда он вырастает, то перекрывает возможности роста для первой. Сосна имеет промежуточные показатели – ей трудно подняться в тени, но если уж она поднялась, то из-за своей высоты она вне конкуренции.

• Время жизни. Самая короткоживущая здесь береза (60–80 лет), ель в нормаль ных условиях живет до 250 лет, а сосна – до 400 лет.

• Распространение семян. Сосна имеет наибольший радиус распространения, но приживаемость семян самая низкая.

По итогам моделирования, в целом, можно сказать, что в системе ель-сосна береза ель является эдификатором, т. е. именно этот вид древесины определяет правила игры. Особенно хочется отметить влияние параметра доступа к солнечным лучам на эволюцию данной системы. Этот параметр является функцией почвенной влажности в данной области и определяет, как и в задаче, представленной выше, динамику поведе ния ель-береза-сосна.

Основным преимуществом микро-описания данной модели является прослежи вание эволюции отдельного дерева. Так как ель является основным компонентом дан ной среды, то интересно проследить динамику ее развития. Ель легко растет в тени других деревьев, а поднявшись – подавляет остальных. Однако, она не может расти са ма по себе, ей всегда нужен спутник, так как молодые ели плохо переносят солнечный свет. Поэтому сценарий зарастания пустошей видится следующим образом: сначала распространяются береза и сосна, затем в их тени поднимается ель и со временем вы тесняет их.

Трехкомпонентная система клеточного автомата рассчитывалась на сетке 300 на 300, на каждом шаге дискретного времени во взаимной динамике деревьев учитыва лись вышеприведенные особенности.

На скорость роста каждого дерева влияли условия его месторасположе ния, для каждого узла сетки рассчиты вался коэффициент благоприятного роста, влияющий на развитие расте ний, а также их смертность. В качестве начальных условий использовались как случайное распределение деревьев, так и неоднородности, которые в при роде могут возникать по разным при чинам, в частности, из-за хозяйствен ной деятельности человека.

На рис. 3 представлена типич ная картина взаимодействия ели березы и сосны. Каждый кружок на сетке представляет собой отдельное дерево. Сплошную окраску имеют Рис. 3. Пространственное распределение символы, соответствующие ельнику, елей, сосен и берез после временной березняк обозначен кружками с тон эволюции в модели клеточного автомата кой линией, а сосны – толстой линий.

Размер кружка пропорционален раз меру кроны дерева. Данная картина леса сложилась после 500 лет эволюции из случайного начального распределения. Ин тересно отметить, что, как и в макроскопическом моделировании, взаимодействующие растения формируют различные структуры – в данном случае хорошо видна попереч ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ная полоса березняка, разделяющая несколько ельников. Сосны, как наименее приспо собленные к конкуренции, в этой триаде представлены лишь отдельно стоящими де ревьями.

Выводы Имитационное моделирование процессов роста леса, проведенное как на фено менологическом макро-уровне (уравнения реакции-диффузии), так и микроскопиче ском уровне (клеточный автомат), показало, что взаимодействие на уровне растений – главных игроков пермского леса – приводит к специфическому образованию паттернов в виде пространственно-неоднородного распределения древостоя той или иной породы.

Кроме фундаментального аспекта, такое моделирование имеет и прямое значение для бережного использования лесных ресурсов и развития соответствующих отраслей эко номики Пермского края. Практический интерес представляет процесс моделирования восстановления леса при вырубках, оценка его качественного и количественного соста ва. Основным направлением дальнейших исследований будет использование в рас смотренной пространственно-распределенной модели реальной лесоустроительной ин формации Пермского края.

Литература 1. Levin S. A. Ecology 73, 1943. 1992.

2. Greig-Smith P. J.Ecol. 67, 755. 1979.

3. Kershaw K. A. Ecology 44, 377. 1963.

4. Valentin C. J.M.d'Herbes and J.Poesen, Catena 37, 1. 1999.

5. Ponce V. M. and Cunha C. N. J.Biogeogr. 20, 219. 1993.

6. Лоренц Э. Странные аттракторы. М.: Мир. С. 88–116. 1981.

7. Cross M. S. and Hohenberg P. C. Rev. Mod. Phys, 65, 673. 1993.

8. Йосс Ж., Д Джозеф. Элементарная теория устойчивости и бифуркаций. М.: Мир, с. 1983.

9. Николис Г., Пригожин И. Самоорганизация в неравновесных системах. М.: Мир, 308 с. 1979.

10. Lefever R. and O Lejeune. Bull. Math. Biol. 59, 263. 1997.

11. Lejeune O., Couteron P. and Lefever R. Acta Oecol. 20, 171. 1999.

12. Lejeune O., Tlidi M. and P Couteron. Phys. Rev. E 66, 010901. 2002.

13. Botkin D. B., Janak J. F., and J Wallis. R. IBM J. Res. Dev., 16,101. 1972.

14. Shugart H. H. A Theory of Forest Dynamics. Springer-Verlag, New York. p. 328. 1984.

15. Pacala S. W., Canham C. D. and Silander J. A. J. Can. J. For. Res., 23, 1980. 1993.

16. Лесной фонд России. Справочник. М.: ВНИИЦлесресурс, 280 с. 1995.

17. Schenk C. P., Or-Guil M., Bode V. and Purwins H.-G. Phys. Rev. Letter 78, 3781.

1997.

ИММОД-2007 Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования ПРИМЕНЕНИЕ ИМИТАЦИОННОЙ СИСТЕМЫ ENVICON ДЛЯ МОДЕЛИРОВАНИЯ ПРОИЗВОДСТВА ЖИДКОГО ГЕЛИЯ И. К. Буткевич (Москва), Е. А. Рыдник, В. М. Шпаков (Санкт-Петербург) В [1] приведено описание разработанного в СПИИРАН исследовательского про тотипа среды имитационного моделирования структурированных совокупностей гиб ридных процессов, имеющей условное название «HyDySS» (Hybrid Dynamic System Simulator), расширения ее возможностей моделирования и исследования многоуровне вых адаптивных систем управления. В состав среды был включен механизм и соответ ствующий интерфейс формирования нечетко-логических законов управления, получи ли развитие средства управления структурой многомодельного комплекса. Новая вер сия среды получила условное название EnviCon (Environment for Control). Апробация компьютерной среды EnviCon проводилась путем разработки имитационной модели промышленной установки по производству жидкого гелия ОГ-100. Разработка модели ожижителя гелия ОГ-100 выполнена в Институте физических проблем им. П.Л. Капицы РАН совместно с Санкт-Петербургским институтом информатики и автоматизации РАН и ООО «Вертикаль».

Мнемоническая схема модели установки (копия экранной формы) приведена на рис. 1. На схеме представлено основное оборудование и арматура (2 турбо-детандера, компрессоры, ресивер, газгольдер, теплообменники, емкости, дроссель, вентили и кла паны). Указаны текущие значения давлений, температур и уровней. Приведенные обо значения и наименования соответствуют использованным в описании установки ОГ-100. В левой части схемы приведены основные органы управления установкой.

Имеются кнопки пуска и остановки, включения/выключения автоматических контуров стабилизации, кнопки выбора режима управления. В правом верхнем углу схемы рас положены кнопки включения (выключения) подсистем откачки вакуума и заполнения азотной ванны. В модели реализован режим установки исходного состояния и ручной и автоматический режимы управления технологическим процессом. В автоматическом режиме после пуска управление установкой производится полностью автоматически:

включаются и выключаются контуры регулирования и необходимое оборудование, за крываются и открываются вентили и клапаны. В ручном режиме управляющие воздей ствия формируются путем внешних воздействий (щелчков мыши) на соответствующих устройствах или органах управления. Таким способом производится запуск и останов машин, включение, реверс и выключение приводов вентилей и контуров регулирова ния, открытие и закрытие клапанов. В ручном режиме предусмотрена информационная поддержка действий оператора, Если режим поддержки включен, то при возникнове нии ситуации, требующей действий оператора, в окне инструкций появляется текстовое сообщение о необходимом действии. Окно инструкций расположено в левом верхнем углу схемы.

Модель ожижителя в реальном или модельном времени определяет и визуализи рует изменения всех параметров установки и состояний машин и арматуры на всех ста диях ее операционного цикла: запуска, захолаживания, ожижения, слива жидкого гелия и планового останова установки. Реализована возможность моделирования возникно вения и обработки нештатных ситуаций. Возможные нештатные ситуации разделены на два класса: аварии и аварийные ситуации. Это сделано потому, что алгоритмы обработ ки ситуаций разных классов существенно отличаются друг от друга. Списки парамет ров, характеризующих нештатные ситуации, представлены в окнах с названиями «Ава рии» и «Аварийные ситуации». При возникновении аварийной ситуации осуществляет ся алгоритм плановой остановки. В автоматическом режиме этот алгоритм реализуется ИММОД- Секция 3 Практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования автоматически. В ручном режиме в этом случае формируются инструкции оператору, и алгоритм реализуется по его командам. При возникновении аварии всегда автоматиче ски запускается алгоритм аварийной остановки.

Как можно видеть из схемы и приведенного краткого описания установки, ее функционирование определяется совокупностью взаимодействующих процессов раз личной динамики: непрерывных, дискретно-событийных и гибридных. Модель ожижи теля была разработана и функционирует в компьютерной среде EnviCon, ориентиро ванной на моделирование и поддержку проектирования сложных адаптивных систем управления. В данной среде используется подход, аналогичный описанному в [2, 3].

Этот подход основан на представлении текущего дискретного и непрерывного состоя ний процессов с помощью логического и вещественного векторов состояний и форми ровании транзитивных отношений между текущим и следующим состояниями процес сов. Такое представление процессов позволяет реализовать ситуационный подход фор мирования исполняемых спецификаций совокупностей взаимодействующих процессов различной динамики.

Для вычисления транзитивных отношений используются транзитивные модели процессов. Эти модели непосредственно определяют переход (transition) процесса из одного состояния в другое. С помощью этих моделей одиночный процесс представля ется в виде последовательности состояний, а совокупность процессов – в виде последо вательности (траектории) ситуаций. Транзитивные модели дискретно-событийных про цессов реализуются с помощью продукционных правил. Для представления непрерыв ных процессов в среде EnviCon используются алгоритмы вычисления транзитивных отношений для элементарных динамических звеньев и основных законов управления.

Сложные непрерывные процессы реализуются путем последовательного и параллель ного соединения элементарных процессов. Зависимость дискретно-событийных про цессов от непрерывных осуществляется за счет включения в условные части продукци онных правил помимо дискретных состояний предикатов от состояний непрерывных процессов. Конъюнкция логических переменных, представляющих дискретные состоя ния, и предикатов от непрерывных состояний определяет значение некоторой локаль ной логико-динамической ситуации. Условные части продукционных правил содержат задания ситуаций, а исполнительные части – имена переменных, представляющих дис кретные состояния, с указанием значений, которые они принимают в случае срабаты вания правила. База таких правил позволяет специфицировать процесс трансформации ситуаций.

Реализация влияния логико-динамических ситуаций на непрерывные процессы в среде производится с помощью правил, аналогичных продукционным правилам. В ус ловных частях этих правил формируются выражения для локальных ситуаций. В случае срабатывания правила, т.е. возникновения специфицируемой им ситуации, производит ся запуск алгоритмов вычисления транзитивных отношений для соответствующего не прерывного процесса. Таким образом, в среде EnviCon структура модели задается с по мощью логического и вещественного векторов состояния, а процессы специфицируют ся с помощью продукционных правил, предикатов от непрерывных состояний и правил запуска алгоритмов вычисления транзитивных отношений для непрерывных состояний.

В совокупности указанные средства обеспечивают достаточно широкие возможности для формализации знаний о логике и динамике поведения систем.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 10 |
 



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.