Моделирование в инновационной деятельности

Моделирование – использование компьютера для выполнения экспериментов с моделью той или иной системы. Эксперименты можно выполнять до создания реальной системы (помощь при проектировании), модель покажет, как система будет функционировать.

Методология моделирования включает ряд этапов:

1) формулирование задачи. Связано с указанием целей и идентификацией управляемых и неуправляемых переменных;

2) построение имитационной модели (линейное программирование, обслуживание очередей, настраивается на конкретную ситуацию);

3) определение переменных и параметров. Свойства реальной системы фиксируют в качестве параметров, свойства, которые меняются в ходе моделирования, называются переменными;

4) определение правил принятия решений. Правила принятия решений – совокупность условий, при которых изучается поведение модели (операционные правила). Во многих моделях правилами принятия решений выступают правила приоритета (кого обслужить первым);

5) определение распределения вероятностей. Для моделирования используют эмпирические плотности (на базе анализа записей, наблюдений), узкоспециализированное распределение касается только конкретной ситуации. Можно использовать и стандартные математические распределения – нормальное или пуассоновское – упрощается сбор данных;

6) выбор способа наращивания времени. Используются фиксированные или переменные приращения. Фиксированные приращения желательно использовать, если события происходят регулярно. Переменные приращения используют, если приходится моделировать небольшое количество событий, происходящих на протяжении значительного промежутка времени;

7) определение начальных условий. Начальные условия смещают модель в ту или иную сторону от области исследований, надо, чтобы модель не оказалась в области неустойчивого состояния:

· исключают данные, генерируемые на начальных стадиях прогона модели;

· выбор первоначальных условий путем пробных прогонов модели в различных областях;

· выбор начальных условий у подножия склона анализируемой области.

Аналитик должен иметь представление об ожидаемом диапазоне выходных данных:

1) определение продолжительности прогона. Время прогона – продолжительность процесса моделирования, зависит от цели моделирования.

Подходы:

· моделирование продолжается, пока не достигнуто соответствие с фактическими данными;

· моделирование выполняется для заданного периода времени, а затем смотрят, приемлемы ли полученные в конце периода условия;

· устанавливается такая продолжительность прогона, которая позволяла бы набрать выборку, достаточно большую для проверки статистических гипотез;

2) оценка результатов моделирования. Зависит от степени соответствия модели реальной системе и конструкции самой модели. Используют дисперсионный анализ, регрессионный анализ, t-тесты. Информация, с которой сравнивают результаты моделирования:

· данные о предыдущем функционировании реальной системы;

· данные о функционировании подобных систем;

· собственное интуитивное понимание функционирования реальной системы.

Подлинная проверка результатов – функционирование реальной системы после применения в ней результатов моделирования;

3) принятие результатов моделирования. Этап, на котором убеждаются, что моделирование выполнено правильно и результаты соответствуют действительности. Проверяют, нет ли логических ошибок в программе, нет ли ошибок в процессе программирования. Варианты действий:

· распечатывают все вычисления и проверяют эти вычисления отдельно;

· в модель вводят такие исходные данные, для которых уже есть фактические результаты;

· выбирают определенную точку в процессе моделирования, подбирают для нее математическую модель, рассчитывают выходные данные, сравнивают результаты расчета и моделирования для этой точки.

Слишком большой объем данных может оказаться непродуктивным. Часто используют моделирование очередей, моделирование с помощью электронных таблиц.

Модели бывают непрерывными и дискретными. Программы моделирования бывают универсальными и специализированными. Желательные характеристики моделирующей программы.

Моделирующая программа должна:

– предусматривать возможность использования в интерактивном и автоматическом режимах;

– быть дружественной по отношению к пользователю, ее освоение не должно быть связано с чрезмерными усилиями;

– обеспечивать возможность создания модулей и последующего их объединения. (модули можно разрабатывать отдельно, не затрагивая остальную систему);

– давать возможность пользователям самим писать и подключать собственные подпрограммы;

– включать блоки со встроенными командами;

– допускать множество вариантов анализа данных;

– предусматривать средство написания макрокоманд;

– предусматривать средство описания материальных потоков;

– предусматривать возможность вывода стандартной статистики;

– предусматривать возможность интерактивной наладки модели.

Преимущества имитационного моделирования:

– позволяет лучше понять реальную систему;

– сжатие времени (годы моделируются за несколько секунд);

– не требует текущей деятельности реальной системы;

– имитационные модели носят более общий характер, чем математические модели, их можно использовать, когда нет условий для математического анализа;

– средство обучения персонала;

– более реальное воспроизведение системы, чем математический анализ;

– моделирование используют для анализа переходных процессов;

– имеются стандартные модели;

– имитационное моделирование отвечает на вопрос «а что, если…».

Недостатки имитационного моделирования:

– несмотря на трудоемкость разработки, нет гарантии, что модель ответит на интересующие вопросы;

– нет способа доказать, что работа модели полностью соответствует работе реальной системы;

– построение модели может занять от 1 часа до 100 человеко-лет;

– моделирование может быть менее точным, чем математический анализ;

– для прогона сложных моделей требуется значительное время;

– в имитационном моделировании недостаточно используются стандартизированные подходы.