АВТОНОМНАЯ НЕКОММЕРЧЕСКАЯ ОБРАЗОВАТЕЛЬНАЯ ОРГАНИЗАЦИЯ ВЫСШЕГО ОБРАЗОВАНИЯ
ЦЕНТРОСОЮЗА РОССИЙСКОЙ ФЕДЕРАЦИИ «РОССИЙСКИЙ УНИВЕРСИТЕТ КООПЕРАЦИИ»
Имитационное
моделирование
В Ы П ОЛ Н И Л А С Т УД Е Н Т К А : |
Н А П РА ВЛ Е Н И Е П ОД ГО Т О В К И : 3 8 . 0 3 . 0 1 Э К О Н О М И К А |
К Л Е П И К О В С К А Я Е Л И З А В Е ТА А Л Е К С Е Е В Н А |
Ф О Р М А О БУ Ч Е Н И Я : О Ч Н А Я |
К У Р С 2 Г Р У П П А Э К ( БУ ) 1 - О - Б П - Г В 2 1 |
Н О М Е Р З АЧ Ё Т Н О Й К Н И Ж К И : Г В - 1 4 6 6 5 6 |
виды
Моделирование — метод решения задач, при использовании которого исследуемая система заменяется более простым объектом, описывающим реальную систему и называемым моделью. Моделирование применяется в случаях, когда проведение экспериментов над реальной системой невозможно или нецелесообразно: например, по причине хрупкости или дороговизны создания прототипа либо из-за длительности проведения эксперимента в реальном масштабе времени.
Разновидностью имитационного моделирования является статистическое моделирование – обработка данных о системе (модели) с целью получения статистических характеристик системы.
Имитационное моделирование — это метод исследования, при котором изучаемая система заменяется моделью с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе.
Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).
Цель
Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами-разработке симулятора исследуемой предметной области для проведения различных экспериментов.
Области применения ИМ
бизнес процессы
ИТ- инфраструктура
производство
уличное
движение
боевые действия |
динамика |
|
населения |
||
|
математическое
моделирование логистика исторических
процессов
рынок и |
сервисные |
конкуренция |
центры |
управление |
экономика |
проектами |
здравоохранения |
дорожное
движение
пешеходная
динамика
цепочки
поставок
экосистемы
Популярные системы ИМ
|
Aimsun |
Arena |
Powersi |
AnyLogic |
m |
eM |
GPSS |
Transyt |
-Plant |
|
|
Агентное
моделирование (1990е-2000е гг.)
Виды ИМ
•используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот.
•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.
Дискретно-собы тийное моделир ование
(Джеффри Гордон в 1960гг.)
Системная дина мика
— парадигма моделирования
(Форрестер в 1950гг.)
•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.
•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.
|
• |
Разработка ИМ системы зачастую позволяет лучше понять реальную систему. |
|
Преимущества |
• |
В ходе моделирования возможно "сжатие" времени: годы практической эксплуатации реальной системы можно |
|
• |
промоделировать в течение нескольких секунд или минут. |
||
Можно использовать в качестве средства обучения персонала работе с реальной системой. |
|||
|
• |
Не требует прерывания текущей деятельности реальной системы. |
|
|
• |
ИМ носят намного более общий характер, чем математические модели; их можно использовать в тех случаях, когда для |
|
|
|
проведения стандартного математического анализа нет надлежащих условий. |
|
|
• |
Обеспечивает более реалистичное воспроизведение системы, чем математический анализ. |
|
|
• |
Его можно использовать для анализа переходных процессов, тогда как математические модели для этой цели не подходят. |
|
|
• |
В наст. время разработано множество стандартизованных моделей, охватывающих широкий спектр объектов реал. мира. |
|
|
• |
Несмотря на то, что на разработку имитационной модели системы может уйти довольно много времени и труда, нет |
|
|
|
никакой гарантии, что модель позволит получить ответы на интересующие нас вопросы. |
|
|
• |
Нет никакого способа доказать, что работа модели полностью соответствует работе реальной системы. Моделирование |
|
|
|
связано с многочисленными повторениями последовательностей, которые основываются на генерации случайных чисел, |
|
Недостатки |
|
имитирующих наступление тех или иных событий |
|
• |
В зависимости от системы, которую мы хотим моделировать, построение модели может занять от одного часа до 100 |
||
|
|||
|
|
человеко-лет. Моделирование сложных систем может оказаться весьма дорогостоящей затеей и занять немало времени. |
|
|
• |
Моделирование может быть менее точным, чем математический анализ, поскольку - подчеркнем еще раз - в его основу |
|
|
|
положена генерация случайных чисел. Если реальную систему можно представить математической моделью, |
|
|
|
предпочтение следует отдать именно такому способу моделирования. |
|
|
• |
Для "прогона" сложных моделей требуется довольно значительное компьютерное время. |
|
|
• |
Недостаточное использование стандартизованных подходов. В результате модели одной и той же реальной системы, |
|
|
|
построенные разными аналитиками, могут иметь мало общего между собой. |
Применение имитационных моделей в управлении запасами
Условия применения имитационного моделирования для рассмотрения целесообразности:
•1.Не существует законченной математической постановки данной задачи, либо еще не разработаны аналитические методы решения сформулированной математической модели. К этой категории относятся многие модели массового обслуживания, связанные с рассмотрением очередей.
•2.Аналитические методы имеются, но математические процедуры столь сложны и трудоемки, что имитационное моделирование дает более простой способ решения задачи.
•3.Аналитические решения существуют, но их реализация невозможна вследствие недостаточной
математической подготовки имеющегося |
персонала. В этом |
случае следует сопоставить затраты |
на проектирование, испытания и работу |
на имитационной |
модели с затратами, связанными с |
приглашением специалистов со стороны. |
|
|
•4. Кроме оценки определенных параметров, желательно осуществить на имитационной модели наблюдение за ходом процесса в течение определенного периода.
•5.Имитационное моделирование может оказаться единственной возможностью вследствие трудностей постановки экспериментов и наблюдений явлений в реальных условиях
•6. Для долговременного действия систем или процессов может понадобиться сжатие временной шкалы. Имитационное моделирование дает возможность полностью контролировать время изучаемого процесса, поскольку явление может быть замедлено или ускорено по желанию
Применение ИМ в управлении запасами
Таким образом, решение обобщенной задачи управления запасами определяется следующим образом:
1.В случае периодического контроля состояния запаса следует обеспечивать поставку нового количества ресурсов в объеме размера заказа через равные промежутки времени.
2.В случае непрерывного контроля состояния запаса необходимо размещать новый заказ в размере объема запаса, когда его уровень достигает точки заказа.
Любая модель управления запасами в конечном счете |
|
должна дать ответ на два вопроса: |
|
1. |
Какое количество продукции заказывать? |
2. |
Когда заказывать? |
Типы моделей управления запасами
Разнообразие моделей этого класса определяется характером спроса, который может быть:
•детерминированным (достоверно известным) или
•вероятностным (задаваемым плотностью вероятности).
•Детерминированный спрос может быть статическим, в том смысле, что интенсивность потребления остается неизменной во времени, или динамическим, когда спрос известен достоверно, но изменяется от времени.
•Вероятностный спрос может быть стационарным, когда функция плотности вероятности спроса неизменна во времени, и нестационарным, когда функция плотности вероятности спроса изменяется во времени
Представленную классификацию можно считать представлением различных уровней абстракции описания спроса.
На 1-ом уровне предполагается, что распределение вероятностей спроса стационарно во времени. Это означает, что для описания спроса в течение всех исследуемых периодов времени используется одна и та же функция распределения вероятностей. Это упрощение означает, что влияние сезонных колебаний спроса в модели не учитывается.
На 2-ом уровне абстракции учитываются изменения от одного периода к другому, но при этом функции распределения не применяются, а потребности в каждом периоде описываются средней величиной спроса. Это упрощение означает, что элемент риска в управлении запасами не учитывается. Однако оно позволяет учитывать сезонные колебания спроса.
На 3-ем уровне упрощения исключаются как элементы риска, так и изменения спроса. Тем самым спрос в течение любого периода предполагается равным среднему значению известного (по предположению) спроса по всем рассматриваемым периодам. В результате этого упрощения спрос можно оценить его постоянной интенсивностью.