Моделирование

1.                 Дающих общую характеристику модели;

2.                 Характеризующих степень упрощения реальной действительности при ее модельном отображении;

3.                 Характеризующих процесс создания модели.

Первый критерий классификации – общая характеристика моделей подразделяется на подкритерии:

1.                 Область использования.

По области использования модели систем управления можно разделить на теоретико-аналитические, предназначенные для проведения исследований общих закономерностях управления в системах широкого класса, и прикладные - для изучения свойств конкретной системы, разработки алгоритма управления, встраивания в контур, обработки информации.

Примером теоретико-аналитической модели могут служить макроэкономические модели, построенные в сильно агрегированных показателях, таких, как национальный доход, капиталовложения в целом по народному хозяйству.

Примером прикладной модели могут служить микроэкономические модели, характеризующиеся исследованием дезагрегированных, детальных показателей.

2.                 Способ использования.

По способу использования модели делятся на дескриптивные и нормативные. Первые служат для пассивного отображения функционирования систем управления, как правило, уже реально существующих, но возможно, и проектируемых. Нормативные модели предназначены для поиска наилучших вариантов системы, значений ее параметров и режимов функционирования. Типичный пример нормативных моделей – модели оптимизации на базе математического программирования.

3.                 Способ отображения.

По способу отображения системы управления различают структурные и функциональные модели. Функциональные модели правильно воспроизводят реакцию моделируемой системы на внешние воздействия, то есть стремятся к подобию модели и оригинала лишь в том смысле, если они выполняют одну и ту же функцию. При построении структурной модели изучают и стремятся воспроизвести структуру, внутреннее строение моделируемой системы и именно за счет более точного отображения структуры получить более точное отображение выполняемой функции.

Второй критерий – степень упрощения действительности также имеет подкритерии:

1.                 Способ учета фактора времени.

Исходя из этого критерия модели делятся на статистические и динамические. В статистических моделях привязка значений параметров входа и выхода системы к определенным моментам времени либо отсутствует, либо все они считаются относящимися к одному и тому же моменту; состояние системы в данный момент времени считается не зависящим от ее состояния в предшествующий момент. Динамическая модель – модель, в которой поведение ее выхода зависит не только  от значений входа системы в данный момент времени, но и от предыдущих значений входа, то есть это «модель с памятью», которая и определяет зависимость выхода от предыстории входа.

2.                 Способ учета неопределенности.

По способу учета неопределенности модели делятся на детерминированные (не учитывающие влияния неопределенности) и модели со случайными факторами, которые называют стохастическими.

3.                 Способ учета реакции.

По способу учета реакции на два различных возмущения входа системы  делятся на нелинейные и линейные модели. В нелинейных моделях реакция на два различных возмущения входа системы не эквивалентна сумме реакций на каждое из этих возмущений в отдельности. В линейных моделях реакция на два различных возмущения равна их сумме.

4.                 Способ учета состояний входов и выходов системы.

По этому критерию модели делятся на дискретные и непрерывные. В дискретных моделях входы и выходы системы изменяются и измеряются в дискретные моменты времени. В непрерывных моделях входы и выходы системы изменяются и измеряются непрерывно.

5.                 Способ учета деятельности человека.

По способу учета деятельности человека в системе управления модели делятся на два класса: включающие и не включающие человека как элемент модели.  В первом случае человек является неотъемлемым элементом модели. Он вовлечен в сам процесс функционирования, а не только построения. Модель этого класса практически не поддается формальному анализу , а адекватность ее зависит от квалификации привлекаемых экспертов.

Классификация по характеристикам процесса создания модели подразделяется на следующие критерии:

1.                 Информация, используемая для построения модели.

По этому критерию различают аналитические модели, основанные на априорной информации, то есть на ранее изученных и описанных в формально-теоретическом виде зависимостях, и так называемые идентифицируемые модели, или модели, построенные по апостериорной информации – на основе результатов наблюдения за данным конкретным объектом без привлечения каких-либо теоретических представлений об объектах данного типа.

2.                 Степень использования типовых элементов.

По степени использования типовых элементов модели систем управления можно разделить на два больших класса: модели с фиксированной структурой и модели с формируемой структурой. В первом случае процесс моделирования сводится к подбору  значений настраиваемых параметров типовых блоков, во втором – к созданию модели.

3.                 Способ представления модели.

По способу представления (описания) модели можно разделить на описанные языком математики и модели, описанные на том или ином алгоритмическом языке. Для моделей сложных систем управления описание второго типа необходимая предпосылка возможности оперировать с моделью.

Итак, в основу классификации моделей систем управления положен ряд признаков, объединяемых в три группы: дающих общую характеристику модели, характеризующих степень упрощения реальной действительности при ее модельном отображении, характеризующих процесс создания модели. В соответствии с приведенными критериями модели подразделяются на: теоретико-аналитические и прикладные, дескриптивные и нормативные, структурные и функциональные; статистические и динамические, детерминированные и стохастические, нелинейные и линейные, дискретные и непрерывные, включающие и не включающие человека как элемент модели; аналитические и идентифицируемые, модели с фиксированной структурой и модели с формируемой структурой, описанные языком математики и описанные на алгоритмическом языке модели. Многообразие моделей доказывает необходимость существования метода моделирования, как наиболее распространенного способа изучения сложных систем.

Глава 3. Имитационное моделирование в исследовании и                                                           управлении.

3.1.           Сущность имитационного моделирования, его особенности и разновидности.

Имитационное моделирование - это разновидность аналогового моделирования, реализуемого с помощью набора математических  инструментальных средств, специальных имитирующих компьютерных программ и технологий программирования, позволяющих посредством процессов-аналогов провести целенаправленное  исследование структуры и функций реального сложного процесса в памяти компьютера в режиме «имитации», выполнить оптимизацию некоторых его параметров. Имитационная модель является экономико-математической моделью, исследование которой проводится экспериментальными методами. Эксперимент состоит в наблюдении за результатами расчетов при различных задаваемых  значениях вводимых экзогенных переменных. Имитационная модель является динамической моделью из-за того, что в ней присутствует такой параметр как время. Имитационной моделью называют также специальный программный комплекс, который позволяет имитировать деятельность какого-либо сложного объекта. Он запускает в компьютере параллельные взаимодействующие вычислительные процессы, которые являются по своим временным параметрам аналогами исследуемых процессов[14].

Сущность имитационного моделирования состоит в  целенаправленном экспериментировании с имитационной моделью путем «проигрывания» на ней  различных вариантов развития системы с соответствующим экономическим их анализом.

Имитационное моделирование контролируемого процесса или управляемого объекта – это высокоуровневая информационная технология, которая обеспечивает два вида действий, выполняемых с помощью компьютера[15]:

1.     Работы по созданию или модификации имитационной модели;

2.     Эксплуатацию имитационной модели и интерпретацию результатов.

Имитационное моделирование экономических процессов обычно применяется в двух случаях[16]:

1.     Для управления сложным бизнес-процессом, когда имитационная модель управляемого экономического объекта используется в качестве инструментального средства в контуре адаптивной системы управления, создаваемых на основе информационных технологий;

2.     При проведении экспериментов с дискретно-непрерывными моделями сложных экономических объектов для получения и отслеживания их динамики в экстренных ситуациях, связанных с рисками, натурное моделирование которых нежелательно или невозможно.

Можно выделить следующие типовые задачи, решаемые с помощью имитационного моделирования при управлении экономическими объектами:

1.     Моделирование процессов логистики для определения временных и стоимостных параметров;

2.     Управление процессом реализации инвестиционного проекта на различных этапах его жизненного цикла с учетом возможных рисков и тактики выделения денежных сумм;

3.     Прогнозирование финансовых результатов деятельности предприятий на конкретный период времени;

4.     Бизнес-реинжениринг несостоятельного предприятия( изменение структуры и ресурсов предприятия –банкрота, после чего с помощью имитационной модели можно сделать прогноз основных финансовых результатов и дать рекомендации о целесообразности того лил иного варианта реконструкции, инвестиций или кредитования производственной деятельности);

5.     Анализ адаптивных свойств и живучести  компьютерной региональной банковской информационной системы;

6.     Оценка параметров надежности и задержек в централизованной экономической информационной системе с коллективным доступом;

7.     Анализ эксплуатационных параметров распределенной многоуровневой ведомственной информационной управляющей системы с учетом неоднородной структуры, пропускной способности каналов связи и несовершенства физической организации распределенной базы данных в региональных центрах;

8.     Расчет параметров надежности и задержек обработки информации в банковской информационной системе.

Для оценки последствий решений, принимаемых в условиях неопределенности, используются имитационные модели, обладающие рядом особенностей[17].

Первая особенность имитационной модели – ориентированность на такую схему. В ходе экспериментов с имитационной моделью эксперты задают ей вопросы, модель доставляет ответы, эксперты их анализируют и формируют знания, суждения, решения.

Вторая особенность– более подробное , чем в классических моделях отображение структуры прототипа в структуру модели,  использующее богатые и гибкие возможности современных средств организации и обработки данных.

Третья особенность имитационных моделей состоит в том, что модель, как правило, не «картинка» как скажем, статическая модель межотраслевого баланса. Имитационную модель скорее можно рассматривать как «фильм», отображающий функционирование прототипа в виде смен состояний модели в последовательные моменты, и, в этой связи, появление разных способов моделирования времени.

Четвертая особенность имитационной модели - свободный выбор средств для моделирования процессов. Модели процессов - это компьютерные и человеко-компьютерные алгоритмы. Они:

1.     Вычисляют значения «модельного» времени;

2.     Изменяют значения переменных, представляющих состояния компонентов модели;

3.     Генерируют по ходу моделирования новые компоненты (например, сдаваемые в эксплуатацию, строящиеся промышленные предприятия);

4.     Уничтожают компоненты (разорившиеся предприятия, сносимое ветхое жилье).

Пятая особенность – широкие возможности диалога экспериментатора с моделью в ходе ее выполнения, в то время как с выполняемой на компьютере классической моделью экспериментатор контактирует лишь перед ее запуском и после ее завершения.

Для представления структур и процессов имитационного моделирования используются универсальные и специализированные языки программирования, проблемно-ориентированные пакеты прикладных программ, различные универсальные и специализированные системы базами данных. Моделирование процессов может наталкиваться на методологические трудности. В первую очередь это относится к моделированию человеческого поведения, в частности, процесса принятия решения. Это одна из причин, по которой модели процессов реализуются иногда в виде человеко-машинных алгоритмов.

Можно выделить две разновидности имитации:

1.      Метод Монте-Карло (метод статистических испытаний);

2.      Метод имитационного моделирования (статистическое моделирование).

Статистические испытания по этому методу представляют собой  простейшее имитационное моделирование при полном отсутствии каких-либо правил поведения.  Получение выборок по методу Монте-Карло - основной принцип компьютерного моделирования систем, содержащих стохастические или вероятностные элементы. Зарождение метода связано с работой фон Неймана и Улана  в конце 1940х годов, когда они ввели для него название «Монте-Карло» и применили его к решению некоторых задач экранирования ядерных излучений.

Согласно методу Монте-Карло проектировщик может моделировать работу тысячи сложных систем, управляющих тысячам разновидностей подобных процессов, и исследовать поведение всей группы , обрабатывая статистические данные[18].

Следующей разновидностью имитации является метод имитационного моделирования. Существуют следующие виды имитационного моделирования[19]:

1.                 Агентное моделирование используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами, 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.

2.                 Дискретно-событийное моделирование – подход к моделированию, предлагающий абстрагировать от непрерывной  природы событий и рассматривать только основные события моделируемой системы. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений – от логистики и СМО до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов.