Компьютерное имитационное моделирование становится сегодня одним из обязательных этапов при принятии ответственных решений в процессе управления сложными системами. Поэтому знание концепций, принципов и возможностей компьютерного моделирования, умение использовать существующий программный инструментарий для создания и использования моделей являются необходимыми требованиями, предъявляемыми к менеджеру, бизнес-аналитику.
Целью имитационного моделирования (ИМ) является создание среды или устройства, позволяющих экспериментальным путем получить нужную информацию об объектах окружающего мира без непосредственного контакта с этими объектами. Соответствующее экспериментальное устройство (имитатор), должно в основных чертах, быстро и экономно повторять (имитировать) поведение реальной системы.
Имитационное моделирование является чрезвычайно эффективным инструментом исследования поведения реальных систем. Методы ИМ позволяют получить необходимую информацию о поведении экономической, технической, биологической и др. систем путем создания их компьютеризованных моделей. Эта информация может использоваться, как для для проектирования системы, так и для принятия эффективных управленческих решений.
Однако широкому распространению имитационного моделирования до сих пор препятствовало несколько причин: системы, для которых необходима разработка моделей, обычно сложны, что затрудняет построение для них моделей даже с использованием специализированных пакетов; разработка сложных моделей часто требует от пользователя написания программного кода и знания языка программирования.
Традиционный подход в этой области основную проблему имитационного моделирования видел именно в разработке компьютерной программы, реализующей модель, программ генерации и анализа случайных величин, а не в разработке и анализе модели как таковой. Среда разработки имитационных моделей, скрывающая от разработчика все эти проблемы, может качественно ускорить построение и анализ имитационных моделей.
Объектом исследования работы являются функциональные возможности среды разработки имитационных моделей программного продукта AnyLogic.
Предметом работы является использование компьютерного имитационного моделирования при анализе функционирования экономических систем.
Целью работы является обоснование необходимости использования программных продуктов компьютерного имитационного моделирования при анализе и оценке деятельности предприятий, а также при принятии управленческих решений.
Моделирование экономических систем
... для построения модели. 1.2. Модели и моделирование. Классификация моделей Первоначально моделью называли некое ... получили различные названия: в военных и экономических вопросах - «исследование операций», в ... задачи». Многие довольно часто недооценивают работу, связанную с формулировкой задачи. Однако ... объекта. Такие модели называются статическими. Примером являются структурные модели систем. В тех ...
Для достижения цели работы были поставлены следующие задачи:
- Изучить и описать сущность и основные этапы имитационного моделирования;
- Рассмотреть основные виды имитационных моделей, их особенности и области применения;
- Изучить функциональные возможности программной среды Anylogic, а также основные методы обработки и анализа данных, используемые в данном программном продукте;
- Разработать имитационную модель банковского отделения с использованием программного продукта Anylogic.
Глава 1.
ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
1.1. Понятие имитационного моделирования
Имитационное моделирование – это разработка и выполнение на компьютере программной системы, отражающей структуру и функционирование (поведение) моделируемого объекта или явления во времени.
Такую программную систему называют имитационной моделью этого объекта или явления. Объекты и сущности имитационной модели представляют объекты и сущности реального мира, а связи структурных единиц объекта моделирования отражаются в интерфейсных связях соответствующих объектов модели.
Таким образом, имитационная модель – это упрощенное подобие реальной системы, либо существующей, либо той, которую предполагается создать в будущем. Имитационная модель обычно представляется компьютерной программой, выполнение программы можно считать имитацией поведения исходной системы во времени.
Реальные процессы и системы можно исследовать с помощью двух типов математических моделей: аналитических и имитационных.
В аналитических моделях поведение реальных процессов и систем (РПС) задается в виде явных функциональных зависимостей (уравнений линейных или нелинейных, дифференциальных или интегральных, систем этих уравнений).
Однако получить эти зависимости удается только для сравнительно простых РПС. Когда явления сложны и многообразны исследователю приходится идти на упрощенные представления сложных РПС. В результате аналитическая модель становится слишком грубым приближением к действительности. Если все же для сложных РПС удается получить аналитические модели, то зачастую они превращаются в трудно разрешимую проблему. Поэтому исследователь вынужден часто использовать имитационное моделирование.
Имитационное моделирование представляет собой численный метод проведения на ЭВМ вычислительных экспериментов с математическими моделями, имитирующими поведение реальных объектов, процессов и систем во времени в течении заданного периода. При этом функционирование РПС разбивается на элементарные явления, подсистемы и модули. Функционирование этих элементарных явлений, подсистем и модулей описывается набором алгоритмов, которые имитируют элементарные явления с сохранением их логической структуры и последовательности протекания во времени.
Имитационное моделирование экономической деятельности предприятия
... наук, иногда в экономике. Для сложных систем, к числу которых относятся экономические, социальные, информационные и другие социально-информационные системы, нашло широкое применение имитационное моделирование. Это распространенная разновидность аналогового моделирования, реализуемого с ...
Техника имитации базируется на случайной выборке. Это означает, что любой результат, полученный путем ИМ, подвержен экспериментальным ошибкам, и, следовательно, как в любом статистическом эксперименте, должен основываться на результатах соответствующих статистических проверок.
Все современные модели ИМ базируются на использовании универсального метода статистического моделирования (метод Монте-Карло).
Основная идея этого метода состоит в использовании выборки (генерации) случайных чисел для получения требуемых оценок параметров изучаемых систем.
Вместо описания процесса с помощью аналитического аппарата (алгебраических, дифференциальных или разностных уравнений), производится имитация (“розыгрыш”) случайного явления. Каждая случайная реализация практически не дает никакой полезной информации о поведении моделируемой системы, однако информация о результатах достаточно большого числа реализаций может использоваться как искусственно полученный статистический материал для обработки. В результате такой обработки оцениваются представляющие интерес характеристики (вероятности событий, математические ожидания и дисперсии параметров исследуемой системы и т.п.).
ИМ оказывается практически единственным методом исследования сложных процессов с большим числом элементов, в которых случайные факторы сложно переплетены, а функциональные связи между параметрами систем часто неизвестны.
Итак, имитационное моделирование – это деятельность по разработке программных моделей реальных или гипотетических систем, выполнение этих программ на компьютере и анализ результатов компьютерных экспериментов по исследованию поведения моделей.
Преимущество ИМ над аналитическими моделями обусловлено тремя обстоятельствами:
1. Аналитические модели сложных систем часто невозможно построить из-за того, что на их поведение оказывают влияние плохо описываемые теоретически факторы (например, в финансовых моделях — случайный непрогнозируемый спрос, в производственных моделях – большое число поставщиков материалов и комплектующих и т.п.)
2. Аналитические модели обычно описывают стационарное решение, однако часто представляет интерес нестационарное поведение системы;
3. Для ИМ можно использовать широкий круг программного обеспечения – от обычных электронных таблиц типа Excel до программ, написанных на Pascal и C++, или с применением специально разработанных языков создания имитационных моделей (GPSS, SIMAN).
Уровень необходимой для этого компьютерной и математической подготовки сегодня значительно снижен.
Имитационное моделирование может использоваться при принятии решений на стадиях проектирования и анализа производственных систем (например, конвейерных линий или складских помещений), транспортных систем (автомагистралей, портов, метрополитена), различных организаций,
предоставляющих сервисы массового обслуживания (парикмахерских, центров обработки заказов по телефону, больниц, автозаправок, банков), социальных и финансовых систем и т. п.
Во многих случаях имитационное моделирование – это единственный способ получить представление о поведении сложной системы и провести ее анализ.
1.2. Этапы имитационного моделирования
Имитационное моделирование состоит из двух больших этапов: создания модели и анализа построенной модели с целью принятия решения. Но построение действительно полезной имитационной модели, требует большой работы:
Трансформация экономических систем: моделирование состояний равновесия
... состояния равновесия конкретной экономической системы и начало трансформации одной системы в другую. Модель идеальных состояний равновесия альтернативных экономических систем Сравнение идеальных состояний равновесия в рыночной экономике и в командном хозяйстве ... снова начнет движение к равновесной точке Р, но опять ... процесс самостабилизации продолжается длительное время, это может вызвать состояние ...
1. Сначала разработчик модели должен определить, какие задачи будут решаться с ее помощью, т. е. моделированию в любой его форме должна предшествовать формулировка цели моделирования. От цели зависит то, какие процессы в реальной системе следует выделить и отразить в модели, а от каких процессов абстрагироваться, какие характеристики этих процессов учитывать, а какие – нет, какие соотношения между переменными и параметрами модели должны быть отражены в модели.
2. Следующий этап можно охарактеризовать как создание концептуальной (содержательной) модели. На нем происходит структуризация модели, т. е. выделение отдельных подсистем, определение элементарных компонентов модели и их связей на каждом уровне иерархии. В имитационном моделировании структура модели отражает структуру реального объекта моделирования на некотором уровне абстракции, а связи между компонентами модели являются отражением реальных связей.
Элементы системы, их связи, параметры и переменные, а также их
соотношения и законы их изменения должны быть выражены средствами среды моделирования, т. е. в этой среде должны быть определены переменные и параметры модели, построены процедуры вычисления изменения переменных и характеристик модели во времени.
При необходимости для большего понимания процессов, протекающих в модели, должно быть разработано анимационное представление этих процессов.
3. Следующий этап – это калибровка или идентификация модели, т. е. сбор данных и проведение измерений тех характеристик в реальной системе, которые должны быть введены в модель в виде значений параметров и распределений случайных величин.
4. Необходимо выполнить проверку правильности модели (ее валидацию), которая состоит в том, что выход модели проверяется на нескольких тестовых режимах, в которых характеристики поведения реальной системы известны либо очевидны.
5. Последним этапом работы с моделью является компьютерный эксперимент, т.е. собственно то, ради чего и создавалась модель. В простейшем случае компьютерный эксперимент – это запуск на исполнение модели при различных значениях ее существенных параметров (факторов) и наблюдение ее поведения с регистрацией характеристик поведения. Этот вид использования модели называется прогнозом, или экспериментом типа «что будет, если…».
Компьютерное моделирование позволяет не только получить прогноз, но и определить, какие управляющие воздействия на систему приведут к благоприятному развитию событий.
Более сложные эксперименты позволяют выполнить анализ чувствительности модели, оценку рисков различных вариантов управляющих решений, а также оптимизацию для определения параметров и условий рационального функционирования модели.
Один из важных вопросов – представление и анализ результатов моделирования. Для этого в инструментальной среде могут быть использованы специальные средства для обработки статистической информации, для представления в структурированном или графическом виде полученных данных, интеграция с внешними базами данных и т. п.
