Имитационные модели информационных процессов

Слишком часто в нашей жизни эксперименты ставятся на реальных системах, будь то экономика страны, отдельная организация или система управления сложным перекрестком. Лицо, принимающее решение, надеется при этом на свою проницательность, интуицию и удачу. Еще в 1969 г. известный ученый, родоначальник системной динамики Джей Форрестер отмечал, что на основе интуиции для управления сложными системами чаще выбираются неверные решения, чем верные, и это происходит потому, что в сложной системе причинно-следственные отношения ее параметров не являются простыми и ясными. В литературе имеется большое число примеров, показывающих, что люди неспособны предвидеть результат их воздействий в сложных системах. Примером может служить каскадное развитие аварий в энергосистемах Северо-Запада США 16 августа 2003 г. и в Московском регионе 25 мая 2005 г., приведших к миллиардным потерям и затронувшим миллионы людей. Невысокая эффективность управленческих решений, сделанных на основе интуиции, объясняется тем, что причины и следствия в сложных системах разнесены во времени и пространстве, поэтому человеку трудно предсказать, какие последствия вызовет то или иное решение. В тех случаях, когда для оценки принимаемых решений эксперимент с реальными системами невозможен либо слишком дорог, используется имитационное моделирование.

Имитационное моделирование - это разработка компьютерных моделей и постановка экспериментов на них. Целью моделирования в конечном счете является принятие адекватных (т.е. обоснованных, целесообразных и реализуемых) управленческих решений. Компьютерное моделирование становится сегодня обязательным этапом в принятии ответственных решений во всех областях деятельности человека в связи с усложнением систем, в рамках которых человек должен действовать и которыми он должен управлять. Знание концепций, принципов и возможностей ИМ, умение строить и использовать модели являются необходимыми требованиями к инженеру, менеджеру, бизнес-аналитику [4, 6, 9].

В английском языке для обозначения процесса моделирования используются два различных слова: modeling и simulate. При этом первому слову соответствует процесс проектирования, создания модели устройства или предметной области. Под имитацией (simulate) понимают исследование (испытание, прогонку) модели. Процесс имитации невозможен без предварительного создания модели. В свою очередь последующая имитация накладывает ограничения на язык и способы описания модели. Исходя из вышесказанного ИМ можно рассматривать как один из способов моделирования, который предполагает дальнейшее исследование. Отличительной чертой неимитационных моделей является их статичность, поэтому к ним можно отнести языки описания декларативных знаний или данных. Примерами могут являться фактографические системы (базы данных) и модели БД (реляционная, объектная), CASE системы проектирования ERwin и Rational Rose и соответствующие им модели и языки IDEFX1, UML.

Моделирование особенно важно именно тогда, когда система состоит из многих параллельно функционирующих во времени и взаимодействующих подсистем. Такие системы наиболее часто встречаются в жизни. Каждый человек мыслит последовательно, даже очень умный человек в конкретный момент времени обычно может думать только об одном деле. Поэтому понимание одновременного развития во времени многих влияющих друг на друга процессов является для человека трудной задачей. Имитационная модель помогает понять сложные системы, предсказать их поведение и развитие процессов в различных ситуациях и, наконец, дает возможность изменять параметры и даже структуру модели, чтобы направить эти процессы в желаемое русло. Модели позволяют оценить эффект планируемых изменений, выполнить сравнительный анализ качества возможных вариантов решений. Такое моделирование может осуществляться в реальном времени, что позволяет использовать его результаты в различных технологиях (от оперативного управления до тренинга персонала). Имитационное моделирование может применяться в самых различных сферах деятельности. Ниже приведен список задач, при решении которых моделирование особенно эффективно:

- проектирование и анализ производственных систем;

- оценка различных систем вооружений и требований к их материально-техническому обеспечению;

- определение требований к оборудованию и протоколам сетей связи;

- определение требований к оборудованию и программному обеспечению различных компьютерных систем;

- проектирование и анализ работы транспортных систем, например аэропортов, автомагистралей, портов и метрополитена;

- оценка проектов создания различных организаций массового обслуживания, например центров обработки заказов, заведений быстрого питания, больниц, отделений связи;

- модернизация различных процессов в деловой сфере;

- определение политики в системах управления запасами;

- анализ финансовых и экономических систем.

Моделирование насчитывает в настоящее время четыре основных направления:

1. Дискретно-событийное моделирование - подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960х годах.

2. Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Форрестером в 1950 годах.

3. Агентное моделирование - относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот. Когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

В каждом из этих направлений развиваются свои инструментальные средства, упрощающие разработку моделей и их анализ. Данные направления (кроме агентного моделирования) базируются на концепциях и парадигмах, которые появились и были зафиксированы в инструментальных пакетах моделирования несколько десятилетий назад и с тех пор не менялись.

В современном мире информационных технологий десятилетие сравнимо с веком прогресса в традиционных технологиях, и удивительно то, что в имитационном моделировании почти без изменения и почти повсеместно применяются идеи и решения 60-х годов прошлого века. Возникшие тогда парадигмы имитационного моделирования зафиксированы в распространяемых на рынке программных продуктах, они не используют появившихся значительно позже современных достижений информационных технологий, которые привели к революционным изменениям во многих прикладных областях. Поэтому и сейчас разработка имитационных моделей в рамках традиционных парадигм остается непростой задачей. Кроме того, проблемы анализа современных реальных систем часто требуют разработки моделей, не укладывающихся в рамки «одной единственной парадигмы моделирования». Например, при моделировании системы с преобладающим дискретным типом событий может потребоваться введение переменных, описывающих непрерывные характеристики среды. В парадигму блочной модели потоков данных совершенно не вписываются дискретно-событийные системы, поэтому, например, в среде Simulink с большим трудом выражаются сущности дискретно-событийных моделей: события и состояния, поведение, управляемое событиями. В рамках обеих этих парадигм невыразимы такие концепции, как активные объекты, взаимодействующие с окружением, что необходимо использовать, например, для моделирования конкуренции компаний на рынке. В системно-динамической модели часто возникает необходимость учета дискретных событий или моделирования индивидуальных свойств объектов из разнородных групп. Подобные требования, выводящие за рамки традиционных парадигм при построении моделей, требуют использования скриптовых языков, тонких и сложных средств интеграции внешних программных модулей с моделью и т.п., что существенно усложняет разработку моделей в традиционных средах.
Имитационное моделирование в настоящее время реально используется узким кругом профессионалов, которые должны иметь не только глубокие знания в той прикладной области, для которой строится модель, но также глубокие знания в программировании, теории вероятностей и статистике. Имитационная модель организационно-технической системы в силу сложной структуры должна быть иерархической, что позволит в свою очередь применять к ней теории иерархических и мультиагентных систем.
Теоретической базой создания средств ИМ являются широко распространенные математические схемы описания динамических процессов (расширенные сети Петри, системы массового обслуживания, модели системной динамики). Новый подход к моделированию динамических процессов, к которым относятся цепочки поставок (логистика), технологические, производственные, организационные и бизнес-процессы, предлагает концепция процессов преобразования ресурсов, синтезированная на базе вышеупомянутых математических схем.
Системы имитационного моделирования (СИМ) можно разделить на два класса – универсальные и проблемно-ориентированные. Проблемно-ориентированные СИМ имеют одно важное преимущество – они снижают требования к конечному пользователю в области программирования, т.е., с точки зрения внедрения и применения на предприятиях, в организациях и бизнесе имеют больший шанс на выживание. К распространенным в настоящее время проблемно-ориентированным СИМ в области дискретных процессов преобразования ресурсов относятся следующие: AnyLogic, Arena, ARIS, ReThink.

Контрольные вопросы

1. Дайте определение имитационного моделирования.

2. Приведите разновидности имитационных моделей.

3. Кто основатель дискретно-событийного моделирования?

4. Перечислите программные средства имитационного моделирования.

5. Для каких целей используется среда Simulink?