Размещено на http://www.allbest.ru/

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«Российский экономический университет им. Г.В. Плеханова»

Факультет математической экономики и информатики

ТВОРЧЕСКАЯ РАБОТА

По дисциплине: «Информационно-аналитические технологии финансового анализа и мониторинга»

На тему: «Обзор информационно-аналитических технологий в области имитационного моделирования»

Выполнил: студент группы ФМЭИ-31

Терентьев М.И.

Принял: Брускин С. Н., ст.преподаватель

Варфоломеева А.О., ассистент

Москва - 2015



Оглавление

• Введение
• 1. Имитационное моделирование
• 1.1 Виды имитационного моделирования
• 1.2 Области применения
• 1.3 Методика создания имитационной модели и этапы ИМ
• 1.4 Пример имитационной модели
• 1.5 Преимущества имитационного моделирования
• 1.6 Общая проблематика имитационного моделирования
• 2. Современные технологии имитационного моделирования и их применение в информационных бизнес-системах
• 2.1 Имитационные и графические VR-модели в рамках концепции e-Manufacturing
• 2.2 Моделирование и анализ поведения бизнес-процессов
• 2.3 Компьютерное моделирование социально-экономических процессов
• 3. Сравнительный анализ систем моделирования
• Заключение
• Библиографический список


Введение

Цели и задачи работы

Сделать обзор и провести анализ информационно-аналитических технологий в области имитационного моделирования.

Актуальность выбранной темы

В мире информационных технологий имитационное моделирование переживает второе рождение. Интерес к этому виду компьютерного моделирования оживился в связи с существенным технологическим развитием систем моделирования, которые на сегодняшний день являются мощным аналитическим средством, вобравшим в себя весь арсенал новейших информационных технологий, включая развитые графические оболочки для целей конструирования моделей и интерпретации выходных результатов моделирования, мультимедийные средства и видео, поддерживающие анимацию в реальном масштабе времени, объектно-ориентированное программирование, Internet - решения и др. В силу своей привлекательности и доступности эти технологии имитационного моделирования с легкостью покинули академические стены и сегодня осваиваются IT- специалистами в бизнесе.

Вопросы, рассмотренные работе

Приведен краткий обзор развития средств имитационного моделирования. Описаны парадигмы имитационного моделирования, используемые при разработке имитационных моделей производственных систем, и процесс разработки модели. Проведен сравнительный анализ некоторых распространенных сред имитационного моделирования и сформулированы требования к средам имитации производственных систем.



1. Имитационное моделирование

В настоящее время автоматизация широко применяется во многих отраслях промышленности. Для обеспечения развития промышленности необходимы не только модернизация технологического оборудования и развитие автоматизированных систем управления технологическими процессами (АСУ ТП), но и разработка средств анализа и оптимизации технологических процессов. Одним из инструментов для решения данных задач является моделирование

Современные объекты управления обладают высокой степенью сложности (структурной, функционирования, выбора поведения и развития), что значительно затрудняет использование аналитических методов исследования. В этом случае применение имитационного моделирования (ИМ) является более эффективным.

Имитационное моделирование (ситуационное моделирование) -- это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Имитационная модель -- это компьютерная программа, которая описывает структуру и воспроизводит поведение реальной системы во времени. Имитационная модель позволяет получать подробную статистику о различных аспектах функционирования системы в зависимости от входных данных.

Экспериментирование с моделью называют имитацией (имитация -- это постижение сути явления, не прибегая к экспериментам на реальном объекте).

К имитационному моделированию прибегают, когда:

· дорого или невозможно экспериментировать на реальном объекте;

· невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

· необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами или другими словами -- разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов.

1.1 Виды имитационного моделирования

· Агентное моделирование -- относительно новое (1990-е-2000-е 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 её 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-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 1960-х годах.

· 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 Джеем Форрестером в 1950 годах.

Рис.1 Подходы имитационного моделирования



1.2 Области применения

· Бизнес-процессы

· Бизнес-симуляция

· Боевые действия

· Динамика населения

· Дорожное движение

· ИТ-инфраструктура

· Математическое моделирование исторических процессов

· Логистика

· Пешеходная динамика

· Производство

· Рынок и конкуренция

· Сервисные центры

· Цепочки поставок

· Уличное движение

· Управление проектами

· Экономика здравоохранения

· Экосистема

· Информационная безопасность

· Релейная защита

Статья из википедии (https://ru.wikipedia.org/wiki/Имитационное моделирование)

1.3 Методика создания имитационной модели и этапы ИМ

Описание процесса моделирования приведено в работах А. М. Лоу !12! и В. Л. Конюха !13!. Данный процесс включает следующие этапы.

1. Точная формулировка цели исследования.

2. Сбор информации и данных.

3. Разработка концептуальной модели. Для проверки компонентов модели применяются количественные методы - графики, критерии согласия, тест Крускал-Уолиса.

4. Проверка концептуальной модели на адекватность поставленной задаче и выполнение структурного критического анализа.

5. Перевод концептуальной модели с помощью программных средств в машинное представление.

6. Верификация запрограммированной модели. На этом этапе выполняются анализ чувствительности и валидация выходных данных имитационной модели (если реальная система существует, для сравнения выходных данных модели и реальной системы применяются статистические методы).

7. Если адекватность модели не подтверждается, в зависимости от обнаруженной ошибки необходимо вернуться к первому, второму или третьему шагу.

8. Разработка, выполнение и анализ экспериментов.

9. Документирование и представление полученных результатов.

Для того чтобы достигнуть наибольшей адекватности модели, при ее разработке необходимо взаимодействовать с предметными экспертами и заказчиками проекта. Также для обеспечения более простой валидации и верификации применяется анимация модели.

Рассмотрим конкретную имитационную модель. В качестве примера взята имитационная модель отделения банка по обслуживанию физических лиц с официального сайта AnyLogic (http://www.anylogic.ru/use-of-simulation)

1.4 Пример имитационной модели

Допустим, что необходимо определить минимальное количество обслуживающего персонала, которое обеспечивает требуемое качество сервиса.

Критерий качества сервиса зададим правилом: средний размер очереди клиентов не должен превышать N человек. Очевидно, что для решения поставленной задачи необходимо иметь достаточные знания о системе: какие клиенты посещают банк, какое количество клиентов приходит в течение рабочего дня, а также сколько времени занимает обслуживание одного клиента.

Хотя данная задача и может показаться специализированной, схожие проблемы возникают во многих областях, где задействованы людские и технические ресурсы. Оплата времени работы квалифицированного работника и времени использования сложной техники составляет немалую долю расходов компаний. Определение оптимального графика использования ресурсов, позволяющего системе эффективно выполнять поставленные задачи, позволяет снизить расходы, а значит увеличить прибыльность.

На первом этапе решения задачи создается модель, которая соответствует структуре и бизнес-процессам отделения банка. В ходе разработки модели учитываются только те детали, которые оказывают существенное влияние на изучаемые аспекты работы системы. Например, наличие отделения обслуживания юридических лиц или кредитного отдела не влияет на обслуживание физических лиц, поскольку они физически и функционально отделены от последнего. Схематично такую модель можно представить в виде последовательности следующих действий.



На втором этапе на вход модели подаются исходные данные: интенсивность прихода клиентов, среднее время обслуживания клиентов, количество доступного персонала. На основании этих данных модель имитирует, или воспроизводит, работу банка в течение заданного промежутка времени, например, рабочего дня.

Следующий этап заключается в анализе статистики, собранной и представленной моделью. Если средний размер очереди клиентов превышает выбранный предел в N человек, то количество доступного персонала следует увеличить и выполнить новый эксперимент.

В результате проведения серии экспериментов над моделью пользователь может определить оптимальное количество персонала. Процесс подбора параметров может быть осуществлен также и с помощью встроенного оптимизатора, который в автоматическом режиме проверяет различные сочетания и находит лучшее решение.



1.5 Преимущества имитационного моделирования

Применение имитационных моделей дает множество преимуществ по сравнению с выполнением экспериментов над реальной системой и использованием других методов.

Стоимость. Допустим, компания уволила часть сотрудников, что в дальнейшем привело к снижению качества обслуживания и потери части клиентов. Принять обоснованное решение помогла бы имитационная модель, затраты на применение которой состоят лишь из цены программного обеспечения и стоимости консалтинговых услуг.

Время. В реальности оценить эффективность, например, новой сети распространения продукции или измененной структуры склада можно лишь через месяцы или даже годы. Имитационная модель позволяет определить оптимальность таких изменений за считанные минуты, необходимые для проведения эксперимента.

Повторяемость. Современная жизнь требует от организаций быстрой реакции на изменение ситуации на рынке. Например, прогноз объемов спроса продукции должен быть составлен в срок, и его изменения критичны. С помощью имитационной модели можно провести неограниченное количество экспериментов с разными параметрами, чтобы определить наилучший вариант.

Точность. Традиционные расчетные математические методы требуют применения высокой степени абстракции и не учитывают важные детали. Имитационное моделирование позволяет описать структуру системы и её процессы в естественном виде, не прибегая к использованию формул и строгих математических зависимостей.

Наглядность. Имитационная модель обладает возможностями визуализации процесса работы системы во времени, схематичного задания её структуры и выдачи результатов в графическом виде. Это позволяет наглядно представить полученное решение и донести заложенные в него идеи до клиента и коллег.

Универсальность. Имитационное моделирование позволяет решать задачи из любых областей: производства, логистики, финансов, здравоохранения и многих других. В каждом случае модель имитирует, воспроизводит, реальную жизнь и позволяет проводить широкий набор экспериментов без влияния на реальные объекты.

1.6 Общая проблематика имитационного моделирования

методологический, связанный с созданием новых концепций формализации и структуризации моделируемых систем, совершенствованием методологических основ системного моделирования, отработкой подходов к созданию стратифицированных описаний моделируемых систем, построением систем принятия решений в области комплексных проектов по моделированию и др.;

математический, связанный с широким использованием в имитационном моделировании вообще, и в процедурах вычислительного эксперимента в частности, статистических методов самого различного назначения, математических методов оптимизации и принятия решения, методов искусственного интеллекта;

технологический аспект.



2. Современные технологии имитационного моделирования и их применение в информационных бизнес-системах

Предпосылки совершенствования технологии системного моделирования были связаны, с одной стороны, - с общим развитием информационных технологий (графических оболочек, мультимедийных средств, объектно-ориентированного программирования и т.д.), а с другой - с комплексным, многоаспектным исследованием сложных систем, таких как социально-экономические, производственно-технологические, созданием человеко-машинных систем принятия решения в различных областях научно-исследовательской деятельности.

В России активное использование универсальных и специализированных сред ИМ для персональных ЭВМ началось в конце XX в. Этому способствовали следующие факторы:

1. Проведение регулярных всероссийских научных мероприятий по ИМ. В октябре 2003 г. состоялась первая всероссийская конференция по имитационному моделированию ИММОД, проводимая раз в два года.

2. Создание портала GPSS, содержащего информацию о литературе и мероприятиях по ИМ.

3. Появление современной литературы и материалов конференций (ИММОД, МОДС, Winter Simulation Conference и др.), находящихся в свободном доступе.

4. Разработка отечественной универсальной среды имитационного моделирования AnyLogic фирмой "XJ Technologies"

По данным последних обзоров (http://www.lionhrtpub.com/orms/ /Simulation.html), публикуемых в Internet, куда информация предоставляется компаниями - производителями программного обеспечения для имитационного моделирования, сегодня на рынке информационных технологий фигурирует порядка 150 программных продуктов аналитического типа, ориентированных на имитационное моделирование. Диапазон и разнообразие такого программного обеспечения продолжает расти, отражая тенденцию устойчивого спроса на него.

В процессе выполнения данной работы были изучены технологические и функциональные возможности этих систем моделирования, что позволило составить общее представление о ситуации на рынке информационных технологий, выявить основные тенденции в области современных систем моделирования, наиболее существенные из которых рассмотрены ниже.

В качестве доминирующих базовых концепций формализации и структуризации в современных системах моделирования используются:

для дискретного моделирования - системы, основанные на описании процессов (process description): процессно-транзактно-ориентированные системы моделирования блочного типа - (Extend, Arena, ProModel, Witness, Taylor, Gpss/H-Proof , и др.);

системы, основанные на сетевых концептах (network paradigms). Сетевые парадигмы (сети Петри и их расширения), применяются при структуризации причинных связей и моделировании систем с параллельными процессами, служащие для стратификации и алгоритмизации динамики дискретных и дискретно- непрерывных систем;

сети кусочно-линейных агрегатов, автоматные схемы, моделирующие дискретные и непрерывно-дискретные системы;

для систем, ориентированных на непрерывное моделирование - модели и методы системной динамики, - (Powersim, Vensim, Dynamo, Stella, Ithink и др.).

динамические системы (MATLAB),

агентное моделирование (AnyLogic)

и другие.

В таблице 1 представлены среды, ориентированные на разные подходы в имитационном моделировании. На ней видно, что рынок очень неравномерный, дискретные системы наиболее представительны.

Таблица.1. Базовые концепции и инструментальные решения имитационного моделирования

Системная динамика	Дискретные системы	Агентное моделирование	Динамические системы	Сети
Vensim, iThink, Powersim, AnyLogic	GPSS, Simula, Arena, AutoMod, AnyLogic, Extend, ProModel, QUEST, SIMFACTORY II.5, SIMPLE++, eM-Plant, Taylor ED, WITNESS	AnyLogic	MATLAB	ARIS

Технологические возможности современных систем моделирования характеризуются:

универсальностью и гибкостью базовой и альтернативной к базовой концепций структуризации и формализации моделируемых динамических процессов, заложенных в систему моделирования. Сегодня популярны среди систем моделирования дискретного типа процессно-ориентированные концепции структуризации, основанные на сетевых парадигмах, автоматном подходе и некоторые другие; среди систем моделирования непрерывного типа - модели и методы системной динамики;

наличием средств проблемной ориентации, когда система моделирования содержит наборы понятий, абстрактных элементов, языковые конструкции из предметной области соответствующего исследования;

применением объектно-ориентированных специализированных языков программирования, поддерживающих авторское моделирование и процедуры управления процессом моделирования;

наличием удобного и легко интерпретируемого графического интерфейса, когда блок-схемы дискретных моделей и системные потоковые диаграммы непрерывных реализуются на идеографическом уровне, параметры моделей определяются через подменю;

использованием развитой двух- и трехмерной анимации в реальном времени;

возможностью для реализации нескольких уровней представления модели, средствами для создания стратифицированных описаний. Современные системы моделирования применяют структурно- функциональный подход, многоуровневые иерархические, вложенные структуры и другие способы представления моделей на разных уровнях описания;

наличием линеек и инструментов для проведения и анализа результатов сценарных, вариантных расчетов на имитационной модели;

математической и информационной поддержкой процедур анализа входных данных, анализа чувствительности и широкого класса вычислительных процедур, связанных с планированием, организацией и проведением направленного вычислительного эксперимента на имитационной модели.

Экспериментальные исследования на имитационной модели информативны, поэтому необходима реализация подхода Simulation Data Base, основанного на доступе к базам данных моделирования. Технологически это решается при помощи собственных специализированных аналитических блоков системы моделирования или за счет интеграции с другими программными средами;

исполнительный модуль может функционировать вне среды для разработки модели;

применением многопользовательского режима работы, интерактивного распределенного моделирования, разработками в области взаимодействия имитационного моделирования со Всемирной паутиной и др.

Область приложения методов имитационного моделирования столь обширна, что заслуживает отдельного изложения, так же как и вопросы применимости различных подходов и средств в разных задачах и бизнес-решениях.

На рис. 2. демонстрируются основные приложения имитационного моделирования.

Рис.2. Приложения имитационного моделирования.

Рассмотрим основные направления, по которым сегодня у нас существуют практические наработки. Это:

Цифровое производство, имитационное моделирование производственных процессов, логистика и т.п.;

Моделирование бизнес-процессов;

Компьютерное моделирование социально-экономических процессов на местном, региональном и федеральном уровне.

2.1 Имитационные и графические VR-модели в рамках концепции e-Manufacturing

Классические подходы к имитационному моделированию производственных и логистических процессов нашли свое полное воплощение в реализации современного цифрового производства. В конце 90-х годов практически все автомобилестроительные концерны Германии (DaimlerChrysler, Mercedes-Benz Pkw, Opel, BMW, Audi) пришли к выводу о том, что возникли условия для реализации качественно нового уровня автоматизации процессов на всех этапах жизненного цикла изделия: начиная с эскизного проектирования и заканчивая утилизацией отслужившей свой срок техники. Эти условия были обеспечены, с одной стороны, уровнем развития базовых информационных технологий, а с другой - большим положительным опытом применения этих технологий на самих предприятиях. Для производства, существующего в условиях «тотальной информатизации», было предложено несколько различных названий, из которых наиболее прочные позиции завоевал термин Digitale Fabrik (цифровая фабрика), но более часто сущность Digitale Fabrik сегодня выражают с помощью «интернационального» термина e-Manufacturing.

Основным содержанием идеи e-Manufacturing является непрерывное (если переводить буквально используемую при этом немецкую терминологию, то - сплошное) применение цифровых моделей в процессе проектирования и эксплуатации производственных систем. При этом в виде цифровых моделей отображаются не только сами изделия (например, в виде двумерных или трехмерных CAD-чертежей), но и все средства производства, а также производственные и логистические процессы.

Специальные способы хранения всех относящихся к сфере e-Manufacturing данных и средства управления этими данными создают условия для информационной интеграции всех видов деятельности, которые связаны с подготовкой и реализацией процесса производства. Сами люди, участвующие в этой деятельности, получают возможность наблюдать статические объекты или динамические процессы, как правило, в виде тр?хмерных изображений, создаваемых с помощью методов VR (виртуальной реальности). Ставится цель, достичь с помощью e-Manufacturing такого уровня моделирования объектов и процессов, при котором реальный процесс производства будет начинаться только тогда, когда абсолютно все его элементы будут изучены и оптимизированы с помощью моделей. Для специалистов на производстве главным должен стать принцип: «Буду делать только то, что я уже наблюдал на экране компьютера».

Для реализации концепции e-Manufacturing необходимо иметь три группы программных продуктов:

· средства для «интеллигентного» хранения разнообразных текстовых и графических данных, первоначально представленных в самых различных форматах;

· средства для компьютерного моделирования объектов и процессов;

· средства для визуализации результатов моделирования методами VR.

Иногда всю суть концепции e-Manufacturing с точки зрения моделирования описывают формулой: «Simulation + Virtual Reality»

На предприятии, внедрившем концепцию e-Manufacturing, можно встретить очень разные виды имитационных моделей, как, например:

-модели систем транспортировки грузов по территории предприятия с помощью мобильных средств (погрузчиков, трейлеров и т. п.);

-сборочные конвейеры;

-модели складских процессов (при?м грузов, перемещение грузов в зоны хранения и обратно, отбор, комплектация, упаковка и отправка грузов);

-и др., в том числе внешняя логистика предприятия (цепи поставок).

Реализация таких моделей осуществляется с помощью коммерческих симуляторов для процессов с дикретными событиями : GPSS, Simula, Arena, AutoMod, eM-Plant, Extend, ProModel, QUEST, SIMFACTORY II.5, Taylor ED и WITNESS. иммитационный моделирование агентный экономический

Сутью моделируемых процессов в таких моделях является перемещение во времени и в пространстве, как правило, большого количества объектов, образующих в совокупности некие «потоки». Такие модели поэтому и в пределах e-Manufacturing часто называют Material Flow Models (Materialfluss-Modelle).

VR-модели могут создаваться как в среде самих пакетов моделирования, так и с помощью таких универсальных средств, как язык VRML, который, фактически, стал стандартным средством представления тр?хмерных графических моделей в промышленных приложениях.

На европейском рынке программных продуктов две фирмы заявили, что готовы предложить полные наборы взаимно совместимых продуктов для поддержки внедрения концепции e-Manufacturing. Таковыми являются фирмы Tecnomatix (www.tecnomatix.com) и DELMIA (www.delmia.com). Ядром каждой системы является специальный банк данных, в котором представлены три базовые структуры данных производственного назначения, называемые «Product, Process and Resources» (сокращенно - PPR). У Tecnomatix этот банк данных называется eManufacturing Server (eMS), а у DELMIA - PPR Hub. В качестве инструмента для решения задач моделирования материальных потоков Tecnomatix предлагает симулятор eM-Plant, а DELMIA - симулятор QUEST. С другими программными продуктами можно ознакомиться, посетив страницы этих фирм в интернете.

Известно также большое количество решений на основе Simulation Software в области стратегического планирования и развития цепочек поставок.

2.2 Моделирование и анализ поведения бизнес-процессов

Принцип имитационного моделирования бизнес-процессов получил достаточно большое распространение и приобр?л большую популярность сначала на Западе, а в последнее время активно применяется и в России. В отличие от традиционных CASE-средств, дающих статические «снимки» бизнес-ситуаций по статистическим показателям, имитационная модель способна показать целостную картину развития ситуации во времени, продемонстрировать или выявить скрытые тенденции, предоставить возможность оперативно проанализировать последствия принимаемых решений, оценить влияние различных факторов случайного характера и цену риска, выполнить расширенный АВС-анализ.

Сегодня перспективный топ-менеджемент начинает проявлять все больший интерес к нетрадиционным методологиям и подходам, ситуационному анализу принятия решений, возможностям прогнозирования нетривиального поведения бизнес-процессов на самых начальных, прединвестиционных фазах развития проектов.

Рост масштабов управления, внедрение ERP, MRP, сложность оргструктур, приводит к пониманию, что любой бизнес-процесс - не просто набор функций и структур, а процесс, обладающий поведенческой сложностью, - отсюда проблематика BPR, предполагающая фундаментальное переосмысление и радикальную перестройку бизнес-процессов компании.

Программные продукты, поддерживающие имитационное моделирование, интегрируют достоинства структурных и объектно-ориентированных технологий в рамках CASE-средств, позволяют проанализировать проблемные ситуации с самых обобщенных концептуальных позиций, современные технологии обеспечивают легко-интепретируемый идеографический интерфейс, возможность быстрого прототипирования структурных и функциональных схем бизнес- процессов

Концепция имитационного моделирования становится все более популярной для решения тактических задач анализа поведения бизнес-процессов, так и при стратегическом планировании самых разнообразных управленческих ситуаций. На российском рынке получили хождение несколько решений, основанные на интеграции CASE-технологий и имитационного моделирования: BPWin - Arena; ARIS и раскрашенные сети Петри; iThink, вписывающийся в нотации по методологии Гейна-Сарсона.

Имеется положительный опыт применения системной динамики на актуальные задачи реинжиниринга, т.к. процессное моделирование организационной деятельности. Сегодня системную динамику и инстументы с комфортабельным идеографическим интерфейсом (iThink, Powersim) используют при решении разнообразных задач инжиниринга и реинжиниринга бизнес-процессов. Особое значение подход приобретает в широкомасштабных проектах, оценке нетривиальных управленческих ситуаций на ранних стадиях реализации проекта. Топ-менеджемент интересует развитие всего бизнеса, как разобраться в его функционировании на основе соответсвующих моделей бизнес-процессов, и выдвинуть предложения по их совершенствованию.Необходимо понимание природы деловых ситуаций, возникающие проблемы требуют изучения взаимодействий, изучения степени их воздействия на эффективность бизнес-процессов и плодотворность процедур принятия стратегических решений.

Бизнес процессы всегда существуют в контексте рыночных отношений. При организации бизнес-процессов объектом внимания все чаще становится синергетический фактор, когда повышение эффективности осуществляется за счет взаимовлияния деятельностей, участвующих в таких интегрированных бизнес-процессах, как бизнес-процесс разработки нового изделия и вывода его на рынок, бизнес-процесс сбыта и снабжения, бизнес-процесс обслуживания клиентов и т.п.

Имитационные модели всегда динамические - это позволяет исследовать поведение моделируемого бизнес- процесса как развивающегося процесса по определенной траектории в течении некоторого периода модельного времени, что позволяет предсказывать будущие состояния, тенденции развития с учетом их взаимодействия и влияния факторов внешней среды, в условиях неопределенности. Бизнес-процессы, подобно сложным организационным структурам, характеризуются скорее не отдельными элементами, но отношениями между ними, не статическим бытием, но постоянным развитием. Системная динамика декларирует, что именно взаимодейтвия раскрывают поведенческую сложность и определяют нетривиальное поведение организационных структур, которые поддаются целенаправленному управлению. Системная динамика концентрирует внимание на взаимодействиях, возникающих в схемах рефлексивных контуров обратных связей, а управление взаимодействиями предлагает интерпретировать эффектами срабатываниями соответствующих процедур принятия решений, трансформирующих ресурсный потенциал организаций.

Технология системной динамики предлагает средства полуконцептуального проектирования бизнес-процессов, позволяет формировать динамические варианты управленческих ситуаций «AS-IS”(как есть) и «TO-BE»(как должно быть») на ранних стадиях реализации проектов реинжиниринга. Бизнес-процесс может быть описан в терминах перемещающихся ресурсов, анализа взаимодействующих фондовых потоков. В модели выделяют наиболее важные аспекты поведения модели бизнес-процесса: Управление персоналом, управление финансами, обслуживание клиентов, управление качеством.

2.3 Компьютерное моделирование социально-экономических процессов

Основным системообразующим методом моделирования социально-экономического развития регионов является метод имитационного моделирования, позволяющий формировать обобщенную модель системы на основе единого фрейма данных, описывать слабоструктурированные социальные системы в условиях неопределенности, действия стохастических факторов различной природы, осуществлять анализ динамических процессов, исследовать большое количество альтернатив, сценариев развития. Исследуемая социально-экономическая система имеет сложную внутреннюю структуру, в составе которой могут быть декомпозированы подсистемы: население, производство, непроизводственная сфера, экология, пространство, финансы, внешняя экономическая сфера, характеризуется иерархичностью управления и активностью отдельных ее подсистем, взаимодействие элементов в рамках которой рассматривается с учетом характера воздействий внешней среды на внутреннюю структуру. Регион представляется как целенаправленная и многоцелевая система, имеющая неоднородные внутренние и внешние цели, самостоятельные подцели отдельных подсистем, систему показателей измерения целей, многообразные стратегии их достижения и т.д.

На макро-уровне модельного комплекса используются модели и методы системной динамики. Концепция системной динамики позволяет моделировать динамические процессы на высоком уровне агрегирования, в основе нее лежит представление о функционировании динамической системы, как совокупности потоков (денежных, продукции, людских и т.п.). Содержание базовой концепции структуризации в методах системной динамики может интерпретироваться как способ структуризации дифференциальных моделей, базирующийся на концепции потоковой стратификации систем. В общей структурной схеме моделей системной динамики выделены две части: сеть потоков и сеть информации.

Рассмотрим кратко общее содержание технологического подхода к построению региональных моделей. Модели регионов - это модели ресурсного типа: ресурсы (трудовые, финансовые, природные и др.) исчерпываются, ресурсы пополняются, и могут быть описаны как сеть разнородных потоков. Состояние региональной экономической системы описывается переменными (количество населения различных категорий, производственные фонды, расходуемые ресурсы). Внешние воздействия и управленческие решения определяют темп (динамику) моделируемой системы (скорость подачи и изъятия ресурсов).

На основании обработки знаний экспертов выявляются все факторы, действующие в рассматриваемой системе, и причинно-следственные соотношения между ними. С помощью современных систем моделирования (таких, например, как Ithink, Vensim, Dynamo и других) модель формируется на идеографическом уровне. Визуальный конструктор моделей делает их легко интерпретируемыми для совместных экспертных ревизий. Получаемые системные потоковые диаграммы являются формой структуризации знаний эксперта, в информационной сети которых вырабатывается рассогласование (дисбаланс) по различным видам потребностей и потребления ресурсов.

В блоках принятия решений на основе этой информации выдаются управляющие воздействия на различные виды объектов. Современные системы моделирования имеют развитые средства для проведения сценарных расчетов и анализа результатов моделирования.

Модели системной динамики применяются совместно с дифференциальными уравнениями балансового типа, а также в сочетании с принципами и методами логистики, основанными на оптимизации, управлении, интеграции потоков в сложных системах. Перспективно применение компьютерного моделирования в сочетании с другими методами принятия решений, интеллектуальными технологиями, экспертными процедурами, реализация имитационно-оптимизационных вычислительных процедур на основе компенсационных подходов.

В мире бизнеса, корпораций имитационное моделирование становится все более распространенным и используется как системообразующее и наиболее ценное звено процесса принятия решения, поэтому используется совместно с другим программным обеспечением для принятия решений в информационных бизнес системах различного назначения: корпоративных информационных системах, САПР, Ситуационных центрах и системах поддержки принятия решений.



3. Сравнительный анализ систем моделирования

Для сравнения необходимо задать критерии анализа. Наиболее важными являются следующие параметры сред ИМ:

1. Основные характеристики, в число которых входят следующие возможности: использование различных парадигм ИМ, описание логики поведения объекта на встроенном языке, простота освоения среды моделирования, поддержка иерархического моделирования сложных систем, возможность интерактивной отладки и разработки интерфейса для пользователя модели, импорт и экспорт данных, обеспечение разработки сценариев моделирования, поддержка непрерывно-дискретного моделирования, связь среды ИМ с другим программным обеспечением.

2. Требования к оборудованию и программному обеспечению - объем оперативной памяти, вид и версия операционной системы.

3. Реализация анимации и динамичной графики, обеспечивающих визуализацию модели и отображение ее параметров (часы, шкалы, графики и т.д.)

4. Различные статистические возможности, такие как возможность задания потоков независимых случайных величин, возможность задания эмпирических распределений, осуществление независимых прогонов модели, планирование проведения статистических экспериментов, оптимизация параметров модели.

5. Поддержка пользователя среды (наличие справочного материала, демоверсии и осуществление технической поддержки).

6. Формирование отчетов с выходными данными, графиками, диа- граммами, оценкой параметров модели и т. д.

В работе Джеймса Свейна (http://www.analytics-magazine.org) приведены характеристики более 50 современных сред ИМ. На основе данных этих источников можно считать, что одними из наиболее распространенных сред являются Arena, Extend, AnyLogic, AutoMod, Promodel, характеристики которых приведены в таблице 2.

Разработка всех рассмотренных сред ИМ начата в конце XX в. и связана с быстрым развитием аппаратной базы ЭВМ. Среды ИМ обладают следующими возможностями: предоставление визуального интерфейса разработки моделей, что облегчает их применение для непрограммирующего пользователя; поддержка иерархии в структуре модели, обеспечивающей четкую и наглядную 195 структуру, обеспечение связи с внешними приложениями, трехмерная анимация, документирование, отладка, анализ, оптимизация модели имитируемой системы. На сайтах разработчиков рассмотренных сред ИМ (кроме "PROMODEL Corporation") можно загрузить демоверсию среды.

Отличительными особенностями приведенных сред ИМ являются наличие специализированного языка, вид библиотеки элементов, возможность создания пользовательских библиотек и шаблонов, импорт чертежей, парадигмы моделирования, возможность разработки интерфейса для пользователя модели, требования к оперативной памяти и программному обеспечению ЭВМ. Рассмотрим эти различия более подробно.

Специализированные среды ИМ отличаются поддержкой, в качестве шаблонов, уже созданных объектов, имитирующих элементы и процессы производства. Универсальные среды могут имитировать производственные системы, но для разработки модели требуются большие затраты времени. Однако у них имеется возможность создания пользовательских библиотек и шаблонов.

Все рассмотренные среды, за исключением Extend, поддерживают импорт чертежей из систем автоматизированного проектирования (например, AutoCad).

Рассматриваемые среды позволяют создавать модели непрерывных и дискретных систем с помощью ДС-подхода.

Таблица 2. Обзор характеристик систем моделирования

	AnyLogic	Arena	AutoMod	ExtendSim	ProModel
Разработчик	XJ Technologies	Rockwell Software	Brooks Automation	Imagine That, Inc.	ProModel Solutions
Год выпуска	1999	1998	1999	1988	1999
Специализированный язык	Java	-	Встроенный язык	ModL	Встроенный язык
Вид библиотек	Стандартные	Стандартные	Настраиваемые щаблоны	Стандартные	Настраиваемые щаблоны
Создание пользовательских библиотек и шаблонов	+	+	-	+	-
Связь с внешними приложениями	+	+	+	+	+
Документирование	+	+	+	+	+
Импорт чертежей	+	+	+	+	+
Иерархия	+	+	+	+	+
Потоки случайный чисел	Неограниченное число	Неограниченное число	Неограниченное число	Неограниченное число	100 потоков
Стандартные теоретические распределения	29	12	7	18	20
Эмпирические распределения	+	+	+	+	+
Разработка сценариев	+	+	+	+	+
Независимые прогоны моделируемой системы	+	+	+	+	+
Планирование статистических экпериментов	+	+	+	+	+
Интерактивный отладчик	+	+	+	+	+
Разработка интерфейса для пользователя модели	+	-	-	-	-
Наличие демоверсии	+	+	+	+	-
Типовые модули пакета	Анализ системной динамики, анализ рисков, оптимизация, планирование, поддержка принятия решения, агентный подход	Производство, цепочки поставок, бизнесс процессы, медицина, ВПК, складирование и логистика	Транспортные системы, складирование, линии расфасовки, производство	Моделирование крупномаштабных систем с большими нагрузками. Включает внутреннюю реляционную базу данных и модуль для моделирования	Анализ отклонений, шесть сигм; проектирование и планирование портфеля; оценка мощностей, анализ затрат; моделирование циклических усовершенствований во времени; цепи поставок
Области применения пакета	Стратегический менеджмент, производство, обслуживание, логистика, цепочки поставок, медицина, транспорт, IT управление, телекоммуникации, наука	Производство, цепочки поставок/логистика, управление бизнесс процессами, ВПК, медицина	Автомобильная, аэрокосмическая отрасли, моделирование аэропортов, производство, складирование и сбыт	СМО, включая сбытовую логистику, call centers с большой нагрузкой, упаковочные линии, и т.д.	Производство и логистика, фармацевтика
Потребность в ОЗУ	1 Гб	256 Мб (512 Мб и более)	512 Мб	256 Мб (512 Мб и более)	512 Мб
ОС	Windows 2000, Apple Mac OS X 10.4, SuSE Open Linux 10.2, Ubuntu Linux 7.04	Windows 2000	Windows XP	Windows 2000, Mac OS X 10.4	Windows 2000
Парадигмы ИМ
Системная динамика	+	-	-	-	-
Дискретно-событийное моделирование	+	+	+	+	+
Агентное моделирование	+	-	-	+	-
Комбинированный подход	+	-	-	+	-
Построение модели
Графическое построение модели (icon or drag-anddrop)	+	+	+	+	+
Построение модели с использованием программирования	+	+	+	+	+
Пошаговая отладка	+	+	+	+	+
Input Distribution Fitting (Specify)	Stat::Fit поддерживает более 40 математических распределений		С использованием ExpertFit		Определенные пользователем распределения, 15 предопределенных распределений, плюс распределения поставляемые с Stat::Fit (включенное программное обеспечение)
Поддержка анализа выходной информации	Сбор данных и статистическая обработка (отклонение от средней, вероятностные распределения и т.д.), представление (графики Ганта, гистограммы и т.д.)	Output Analazer (отклонение от средней, Anova, гистограммы, графики )	Модуль AutoStat обеспечивает увеличенный статистический анализ в течение всей фазы экспериментирования над моделируемым объектом	Доверительные интервалы и т.д.	Полный анализ выходных данных, использование диаграмм; также экспорт в Excel и Access для последующего анализа
Пакетный ввод и разработка эксперимента	Поддерживаемые типы эксперимента: симуляция, оптимизация, Монте Карло, анализ чувствительности, пользовательский алгоритмы		Пакетный ввод при использовании AutoStat; AutoMod позволяет планировать эксперимент	Автоматическое выполнение различных сценариев, поддерживаемых системой	Unlimited scenarios can be predefined to experiment on parameters
Оптимизация	Встроенный механизм OptQuest может работать как с классическими, так и очень объ?мными задачами, включая структурную оптимизацию	OptQuest	Оптимизация основана на алгоритме эволюционной стратегии AutoStat	Эволюционный оптимизатор с открытым кодом включен во все версии Extend	Доступна оптимизация с использованием OptQuest и/или SimRunner
Повторное использование кода (напр., объекты, шаблоны)	+	+	+	+	+
Передача модели (напр., может ли готовая модель быть передана тем, у кого нет ПО для разработки собственной?)	+	+	+	+	+
Инструменты поддержки передачи	Дополнительные средства не нужны		Рабочий модуль (платный) или проигрыватель AutoView (бесплатный)	Скачиваемые бесплатно проигрыватель и демо- версия позволяют открывать, просматривать и выполнять модели	ПО упаковывает модели, затем модели и выходные данные могут просматриваться бесплатным проигрывателем ProModel
Анимация
Просмотр в режиме реального времени	+	+	+	+	+
Экспорт анимации (напр., MPEG- версия, которая может запускаться отдельно от модели для презентации)	+	-	+	-	-
Совместимое анимационное ПО	+	+	+	+	+
3D анимация	+	+	+	+	+

Исходя из данных таблицы можно сделать вывод, что несомненным лидером является среда ИМ AnyLogic. Она имеет ряд преимуществ: наличие всех парадигм ИМ (высокая гибкость выбора подхода); возможность выбора между парадигмами или применение комплексного подхода; обладает всеми свойствами, необходимыми для разработки имитационных моделей. Данная среда предоставляет возможность экспортировать разработанную модель в приложение или апплет, обеспечивая этим доступность применения результатов исследования заказчиками проекта. AnyLogic разработана на универсальном языке программирования Java, что позволяет среде не зависеть от вида операционной системы. Стоит отметить, что AnyLogic является одной из наиболее распространенных сред ИМ в России (более 30 % моделей, представленных на конференции ИММОД-2009, разработано в среде AnyLogic) и применяется в различных областях: производственных, социально-экономических, транспортных и др. Например, в угольной промышленности возможные варианты имитации: конвейерный транспорт, проходческое оборудование, логистика, автомобильный и железнодорожный транспорт, процесс развития предприятия и др.



Заключение

Рассмотренные технологические возможности современных систем моделирования во многом определяют сегодня оживление интереса к имитационному моделированию не только в области государственного, глобального моделирования, но и в коммерческой сфере. Потребителями такого рода аналитической продукции выступают аналитические отделы банков, промышленные компании, финансово-промышленные группы, страховые и инвестиционные компании, консультационные, проектные организации, региональные органы власти, отрасли и др. С помощью имитационного моделирования эффективно решаются задачи самой широкой проблематики, - в области стратегического планирования, бизнес-моделирования и реинжиниринга, менеджмента и управления производством, цепочками поставок.

Независимо от выбранного подхода, важнейшими факторами разработки имитационных моделей являются правильно поставленная задача, корректность исходных данных и адекватность модели. Также в течении всего процесса разработки имитационной модели особое внимание необходимо уделять документированию и визуализации полученных результатов, что облегчает повторное применение и улучшает достоверность модели.

Анализируя результаты сравнения сред ИМ, можно констатировать, что среда имитации производственных систем должна обладать развитыми стандартными библиотекам; возможностью создавать пользовательские библиотеки и шаблоны; связью с внешними приложениями; трехмерной анимацией для четкого представления процесса имитации; возможностью использования нескольких подходов или их комбинации для обеспечения максимальной гибкости моделирования; поддержкой иерархии для обеспечения имитации сложных систем; развитыми средствами документации, анализа и оптимизации. Необходимо также выделить две особенности: независимость от операционной системы (значительно расширяет возможности разработки и презентации моделей) и разработка интерфейса для пользователя модели (позволяет заказчику не покупать дорогостоящую среду ИМ и обеспечивает разработчикам модели сохранение коммерческой тайны).



Библиографический список

1. Лычкина Н.Н. Технологические возможности современных систем моделирования // Банковские технологии. 2000. Вып. 9.С. 60-63.

2. Simulation Software Survey. http://www.lionhrtpub.com/orms/surveys/Simulation/Simulation.html

3. Лычкина Н.Н. Компьютерное моделирование социально-экономического развития регионов в системах поддержки принятия решений - III Международная конференция «Идентификация систем и задачи управления» SICPRO` 04, Москва, ИПУ РАН, 2004г.

4. Имитационное моделирование систем. http://www.gpss.ru/

5. https://ru.wikipedia.org/wiki/Имитационное моделирование

6. Swain J. J. New frontiers in simulation //OR/MS Today. 2007. http://www.analytics-magazine.org

7. Официальный сайт AnyLogic (http://www.anylogic.ru)

Размещено на Allbest.ru

...