Имитационное моделирование Инструментальные средства

Имитационное моделирование Инструментальные средства моделирования сложных систем

Имитационное моделирование — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. 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.

p «Разработка и выполнение на компьютере программной системы, отражающей структуру и поведение моделируемого объекта или явления во времени. Такую программу называют имитационной моделью этого объекта или явления»

"Имитационное моделирование" (ИМ)- это двойной термин. "Имитация" и "моделирование" - это синонимы. Фактически все области науки и техники являются моделями реальных процессов. Чтобы отличить математические модели друг от друга, исследователи стали давать им дополнительные названия. Термин "имитационное моделирование" означает, что мы имеем дело с такими математическими моделями, с помощью которых нельзя заранее вычислить или предсказать поведение системы, а для предсказания поведения системы необходим вычислительный эксперимент (имитация) на математической модели при заданных исходных данных.

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.

p Имитационное моделирование — это частный случай математического модеирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае математическая модель заменяется имитатором или имитационной моделью. p Имитационная модель — логико- математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

С помощью имитационного моделирования можно ответить на множество вопросов, возникающих в момент принятия решения об изменениях в бизнес-процессах: n Как изменится рентабельность бизнеса? n Как изменения отразятся на персонале? n Какие потребуются дополнительные инвестиции? n Каков срок окупаемости производимых инвестиций? Часто эти вопросы остаются без ответов до тех пор, пока изменения не осуществятся. Но тогда уже цена исправления ошибочных решений может значительно вырасти. Имитационное моделирование дает возможность тестировать разные идеи, проигрывая их на компьютерной модели, что намного дешевле.

Применение имитационного моделирования К имитационному моделированию прибегают, когда: p дорого или невозможно экспериментировать на реальном объекте; p невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные; p необходимо сымитировать поведение системы во времени

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

Основное достоинство ИМ: p возможность описания поведения компонент (элементов) процессов или систем на высоком уровне детализации; p отсутствие ограничений между параметрами ИМ и состоянием внешней среды; p возможность исследования динамики взаимодействия компонент во времени и пространстве параметров системы; Эти достоинства обеспечивают имитационному методу широкое распространение.

К достоинствам метода имитационного моделирования могут быть отнесены: 1. проведение имитационного эксперимента над системой, для которой натурный эксперимент не осуществим по этическим соображениям или эксперимент связан с опасностью для жизни, или он дорог, или из- за того, что эксперимент нельзя провести с прошлым; 2. решение задач, аналитические методы для которых неприменимы, например, в случае непрерывно- дискретных факторов, случайных воздействий, нелинейных характеристик элементов системы и т. п. ;

3. возможность анализа общесистемных ситуаций и принятия решения с помощью ЭВМ, в том числе для таких сложных систем, для которых невозможно найти критерий сравнения их поведения 4. сокращение сроков и поиск проектных решений, которые являются оптимальными по некоторым критериям оценка эффективности; 5. проведение анализа вариантов структуры больших систем, различных алгоритмов управления, изучения влияния изменений параметров системы на ее характеристики и т. д.

Рекомендуется использовать имитационное моделирование в следующих случаях: 1. Если не существует законченной постановки задачи исследования и идет процесс познания объекта моделирования. Имитационная модель служит средством изучения явления. 2. Если аналитические методы имеются, но математические процессы сложны и трудоемки, и имитационное моделирование дает более простой способ решения задачи. 3. Когда кроме оценки влияния параметров (переменных) процесса или системы желательно осуществить наблюдение за поведением компонент процесса или системы в течение определенного периода. 4. Когда имитационное моделирование оказывается единственным способом исследования сложной системы из -за невозможности наблюдения явлений в реальных условиях (реакции термоядерного синтеза, исследования космического пространства).

5. Когда необходимо контролировать протекание процессов или поведение систем путем замедления или ускорения явлений в ходе имитации. 6. При подготовке специалистов для новой техники, когда на имитационных моделях обеспечивается возможность приобретения навыков в эксплуатации новой техники. 7. Когда изучаются новые ситуации в реальных процессах и системах. В этом случае имитация служит для проверки новых стратегий и правил проведения натурных экспериментов. 8. Когда особое значение имеет последовательность событий в проектируемых процессах и модель используется для предсказания узких мест в функционировании систем.

Однако ИМ наряду с достоинствами имеет и недостатки: p Разработка хорошей ИМ часто обходится дороже создания аналитической модели и требует больших временных затрат. p Может оказаться, что ИМ неточна (что бывает часто), и мы не в состоянии измерить степень этой неточности. p Зачастую исследователи обращаются к ИМ, не представляя тех трудностей , с которыми они встретятся и совершают при этом ряд ошибок методологического характера

Виды имитационного моделирования p Агентное моделирование p Дискретно-событийное моделирование p Системная динамика

Таблица. 2. 3. 1. Подходы в имитационном моделировании Дискретно- Динамические Системная событийное Агентное системы динамика моделирова- моделирование ние Непрерывн Процессы Непрерывные Дискретные Накопител Агенты Переменные и Заявки (активны и Объекты состояния (неразличи (пассивны) индивидуальны мы) Алгебро- Потоковые Взаимодейс дифференциа Прямое и Потоки диаграммы твие льные непрямое Сети уравнения Уровень Низкий Высокий Средний Любой абстракции

Системная динамика Подход к моделированию, в котором 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. Такой вид моделирования более всех других методов 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.

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.

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 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.

Системная Агентное динамика моделирование Основной Петля обратной Агент элемент связи Сфера анализа Структура Правила Уровень Макро Микро моделирования Направление Сверху вниз Снизу вверх Адаптация Изменение структуры основной структуры Время Непрерывное Дискретное Математическая Интегральные Логика формулировка уравнения Источник Уровни События динамики

Области применения p Бизнес процессы p Боевые действия p Динамика населения p Дорожное движение p ИТ-инфраструктура p Математическое моделирование исторических процессов p Логистика p Пешеходная динамика p Производство p Рынок и конкуренция p Сервисные центры p Цепочки поставок p Уличное движение p Управление проектами p Экономика здравоохранения p Информационная безопасность p Экосистемы

p Math. Works. MATLAB and Simulink for Technical Computing — p ИМИТАК p Triad. Net p Any. Logic p Aimsun (моделирование транспортных потоков) p Arena (моделирование транспортных потоков) p Business Studio (Имитационное моделирование бизнес- процессов) p PTV Vision VISSIM (моделирование транспортных потоков и организации дорожного движения) p e. M-Plant p Powersim p GPSS p NS-2 p Transyt p Tecnomatix p simu. Lab p Simplex 3

Типичные примеры, где может быть с выгодой применено имитационное моделирование: Строительство нового производства любой отрасли: машиностроение, металлургия, нефтехимическая промышленность, деревообработка и др. Расширение и модернизация существующего производства. Постановка на производство новой продукции. Проектирование системы транспортировки угля, руды из шахты на поверхность и далее к потребителям. Организация логистической системы, состоящей из дистрибутивных центров, складов, транспортных средств. Строительство транспортного узла. Технико-экономическое обоснование внедрения автоматизированных систем оперативным управлением производством, складом, транспортным предприятием.

Компьютерное моделирование как новый метод научных исследований основывается на: p построении математических моделей для описания изучаемых процессов; p использовании новейших вычислительных машин, обладающих высоким быстродействием (миллионы операций в секунду) и способных вести диалог с человеком. Суть компьютерного моделирования состоит в следующем: на основе математической модели с помощью ЭВМ проводится серия вычислительных экспериментов, т. е. исследуются свойства объектов или процессов, находятся их оптимальные параметры и режимы работы, уточняется модель. Например, располагая уравнением, описывающим протекание того или иного процесса, можно изменяя его коэффициенты, начальные и граничные условия, исследовать, как при этом будет вести себя объект. Имитационные модели - это проводимые на ЭВМ вычислительные эксперименты с математическими моделями, имитирующими поведение реальных объектов, процессов или систем.

Z 1(t), Z 2(t), … Zn(t) в n – мерном пространстве. Задачей имитационного моделирования является получение траектории движения рассматриваемой системы в n – мерном пространстве (Z 1, Z 2, … Zn), а также вычисление некоторых показателей, зависящих от выходных сигналов системы и характеризующих ее свойства.

1. Принцип Δt 2. Принцип особых состояний

Принцип Δt Предположим, что начальное состояние системы соответствует значениям Z 1(t 0), Z 2(t 0), … Zn(t 0). Принцип Δt предполагает преобразование модели системы к такому виду, чтобы значения Z 1, Z 2, … Zn в момент времени t 1= t 0 +Δt можно было вычислить через начальные значения, а в момент t 2= t 1+ Δt через значения на предшествующем шаге и так для каждого i-ого шага (Δt=const, i=1+M).

1. Определяется условное распределение вероятности на первом шаге (t 1= t 0+Δt) для случайного вектора, обозначим его (Z 1, Z 2, … Zn). Условие состоит в том, что начальное состояние системы соответствует точке траектории

2. Вычисляются значения координат точки траектории движения системы (t 1= t 0+ Δt), как значения координат случайного вектора, заданного распределением, найденным на предыдущем шаге.

3. Отыскивается условное распределение вектора на втором шаге (t 2= t 1+ Δt), при условии получения соответствующих значений на первом шаге и т. д. , пока ti= t 0+ i Δt не примет значения (t. М= t 0+ М Δt).

Принцип особых состояний При рассмотрении некоторых видов систем можно выделить два вида состояний: p обычное, в котором система находится большую часть времени, при этом Zi(t), (i=1+n) изменяются плавно. p особое, характерное для системы в некоторые моменты времени, причем состояние системы изменяется в эти моменты скачком.

Моделирование поставок дилерской сети сотового оператора

Система моделирования Any. Logic Система Any. Logic поддерживает три технологии создания имитационных моделей: 1. процессно-ориентированный (дискретно-событийный), 2. системно динамический 3. агентный, а также любую их комбинацию. Графический интерфейс Any. Logic, инструменты и библиотеки позволяют быстро создавать модели для широко спектра задач от моделирования производства, логистики, бизнес-процессов до стратегических моделей развития компании и рынков. Any. Logic стал корпоративным стандартом на бизнес- моделирование во многих транснациональных компаниях, широко используется в образовании. Сайт: http: //www. anylogic. ru/

Модель в Any. Logic

Система Arena p Arena - система дискретного моделирования. Сфера основных приложений системы - имитационное моделирование производственных технологических процессов и операций, складской учет, банковская деятельность, оптимизация обслуживания клиентов в сфере услуг, транспортные задачи. Разработчик: Rockwell Automation Inc. , Wexford, PA, США (ранее Systems Modeling Corporation) Сайт: http: //www. arenasimulation. com/

Программное обеспечение Arena создано для имитационного моделирования, позволяет создавать подвижные компьютерные модели, используя которые можно адекватно представить очень многие реальные системы. Самая первая версия этой системы увидела свет в 1993 г. Arena снабжена удобным объектно-ориентированным интерфейсом и обладает удивительными возможностями по адаптации к всевозможным предметным областям

Модель в Arena

Среда моделирования Aimsun Моделирование транспортных потоков. Разработчик: компания TSS - Transport Simulation Systems, S. L, Испания. Сайт: http: //www. aimsun. com Дистрибьютер в России - http: //www. ripas. ru

Среда моделирования Auto. Mod Система Auto. Mod предназначена для моделирования систем логистики и производства. Программное обеспечение разработано для детального анализа операций и потоков. Хотя главным образом используется в производстве и материальном анализе систем обработки, гибкая архитектура Auto. Mod позволяет использовать в широком диапазоне прикладных областей, от аэропортов до промышленности полупроводников. Разработчик: Brooks Automation, США. Сайт: http: //www. automod. se/eng/home. html

Среда моделирования Awe. Sim – это универсальная система имитационного моделирования для сети с дискретной или непрерывной интерпретацией. Возможные области применения: бизнес, промышленность, здравоохранение, военное дело. Будучи совместимым с языком имитационного моделирования Visual SLAM, продукт включает построение интерактивной модели, одновременную и последующую анимацию, статистическую информацию в текстовом и графическом видах, интерактивное представление и выбор сценариев. Сетевые модели строятся графически и могут быть иерархическими. Они могут быть расширены по заданным пользователем правилам, написанным на языке C или Visual Basic. Одновременно могут отображаться несколько анимированных изображений. Сценарии сравниваются статистически, после чего из них выбирают набор альтернатив с лучшими показателями. Разработчик: Symix Systems Inc. , США.

Среда моделирования Deneb/Quest – это трёхмерная среда для имитации и анализа поточных процессов. Производственники, технологи и менеджеры могут разработать и проверить варианты потоков на имитационных моделях. В модели вводят план технологического оборудования, размещения ресурсов и рабочих бригад. Экспериментатор оценивает влияние своих решений на ход производства и себестоимость продукции. Это гибкая, объектно-ориентированная среда имитации дискретных процессов, соединённая с визуализацией и системой импорта/экспорта моделей. Разработчик: BNP Deneb Pty Ltd. , Австралия. Сайт: http: //deneb. com. au

Среда моделирования e. M-Plant (Tecnomatix Plant Simulation Tool) e. M-Plant представляет собой визуальную объектно- ориентированную среду для построения имитационных моделей широкого класса систем. Модели строятся из имеющейся библиотеки стандартных объектов. Используется для моделирования дискретных производств (автомобильная отрасль, электроника, судостроение, станкостроение, сборочные линии и т. д. ), логистика, сбыт, консалтинг, симуляция бизнес процессов, здравоохранение, банковский бизнес. Разработчик: Siemens AG (Siemens PLM Software), Германия. Сайт http: //www. plm. automation. siemens. com/ru_ru/pro ducts/tecnomatix/plant_design/plant_simulation. shtml

Система Extendsim Extend. Sim – инструмент имитационного моделирования. Используя Extend. Sim, Вы можете развить динамические модели реальных процессов в широком диапазоне областей. Мультимоделирование. Extend. Sim - мультисистемная окружающая среда, что позволяет моделировать непрерывные, дискретно -событийные, основанные на агентах, линейные, нелинейные и смешанного типа процессы. Разработчик: Imagine That Inc. , San Jose, Калифорния, США. Сайт: http: //www. extendsim. com/index. html, http: //imaginethatinc. com/pages/demo. html

Среда моделирования Enterprise Dynamics – это ведущая программная платформа для бизнес моделирования. С Enterprise Dynamics можно анализировать и оптимизировать текущее и будущее поведение системы или инфраструктуры. Каждая отрасль или индустрия имеют дело с уникальными материалами, оборудованием и другими ресурсами. В сотрудничестве со специалистами на этих рынках компания INCONTROL создала определенные объекты с соответствующими функциональными возможностями и объединила их в библиотеку. Следующие продукты доступны: ED Logistics (Логистика), ED Plato, ED Airport (Аэропорт), ED Transport (Транспорт), ED Warehouse (Склад), ED Educational, Show. Flow. ED Airport – интегрированный программный инструмент имитационного моделирования в целом для аэропортов. Программное обеспечение ED Airport создано на фактических и реальных данных. С ED Airport можно анализировать и проверять долгосрочные события, обнаруживать узкие места, оценивать возможности и распределение персонала, прогнозировать развитие событий. Разработчик: INCONTROL Simulation Solutions, Netherlands. Сайт: http: //www. incontrolsim. com

Среда моделирования Flexsim – система имитационного моделирования, предназначенная для моделирования и визуализации бизнес-процессов. Flexsim может помочь определить пропускные мощности предприятия, баланс производственных линий, выявлять узкие места, проверить новые методы планирования, оптимизировать производственные показатели, обосновывать капиталовложения. Каждая модель в Flexsim может быть рассмотрена в трехмерной мультипликации виртуальной реальности. Помимо прочего, Flexsim предоставляет возможности для создания моделей и подмоделей непосредственно в C ++, основываясь на симуляционных и графических библиотеках Flexsim. Разработчик: Flex. Sim Software Products Inc. (FSP), Orem, Юта, США. Сайт: http: // www. flexsim. com

Система GPSS World p Система GPSS World - это среда моделирования общего назначения, охватывает области как дискретного, так и непрерывного моделирования. GPSS World включает PLUS-язык программирования нижнего уровня моделирования. Моделирование с использованием PLUS выражений может быть включено почти везде в GPSS программы, в любом блоке или процедуре вызова. Язык PLUS позволяет программно управлять размещением результатов. Система GPSS World разрешает многозадачность, позволяя нескольким имитационным процессам выполняться одновременно. Разработчик: компания Minuteman Software Corp. , США. Сайт: http: //www. minutemansoftware. com/

p Есть бесплатная студенческая версия системы GPSS World, которую можно скачать с сайта фирмы Minuteman Software. Студенческая версия абсолютно полнофункциональна. Единственное ограничение - число блоков в программе, но этого вполне достаточно для моделирования любой не коммерческой задачи. Студенческая версия системы GPSS World так же эффективна, как и комерческая и выполняется в тысячу раз быстрее, чем работала оригинальная версия GPSS/PC в 1984 rоду. Система GPSSW имеет иерархическую систему меню.

Система GPSS/H p Система GPSS/H - это среда моделирования общего назначения, охватывает области как дискретного, так и непрерывного моделирования. Разработчик: компания Wolverine Software Corp. , США. Сайт: http: //www. wolverinesoftware. com

Система Object GPSS – инструментальное средство для написания моделей непосредственно на языке Delphi (Object Pascal). Каждая модель на Object GPSS представляет собой Include–файл (Model. pas), содержащий описание всех объектов модели и набор из 6 процедур: Initial, Close. All. Obj, Reset. All, Model. Txt, Report, Modeling. Практически все части модели, кроме «начинки» процедуры Model. Txt, создаются программой – конвертером. Для создания исполняемой модели следует скомпилировать модель вместе с остальными стандартными частями проекта. Полученный exe–файл является моделью конкретной системы и с ней можно проводить эксперименты. В системе легко расширять набор команд и блоков для моделирования. Разработчик: Королёв Анатолий Георгиевич, Северодонецкий Технологический институт, Северодонецк, Украина. Сайты: http: //objectgpss. narod. ru/; http: //objectgpss. ucoz. ru/

Система GPSS – Future развивает Object GPSS в плане более гибкой работы со списком будущих событий. Такой список рассматривается как наследник списка пользователя. Когда не удается продвинуть ни одну заявку из списка текущих событий, то в любой версии GPSS должна вызываться процедура продвижения к новому моменту модельного времени. В GPSS – Future, как правило, вначале из списка будущих событий извлекаются заявки, чьё время ожидания уже истекло, а, если их нет, то извлекаются заявки с минимальным временем завершения ожидания. В последнем случае, продвигается вперед текущее время моделирования. Эта процедура используется по умолчанию. При желании можно переписать процедуру продвижения к новому моменту модельного времени. Имеется набор таких возможных процедур. Для генерации заявок используются процедура Future. New. Wait. Proc (инициализация) и блок Future. New. Wait (генерация). Задержку выполняет блок Future. Wait (Future – это список будущих событий, который предлагается системой по умолчанию прямо в шаблоне). Разработчик: Королёв А. Г. , Северодонецк, Украина. Сайты: http: //objectgpss. narod. ru/; http: //objectgpss. ucoz. ru/.

Система ISSOP p ISSOP - программное обеспечение для имитации и оптимизации в производстве и логистике. Разработчик: DUALIS® Gmb. H IT Solution, Дрезден, Германия Сайт: http: //www. dualis-it. de/ p

Системы i. Think и Stella Программное обеспечение i. Think и Stella предназначено для моделирования непрерывно-дискретных процессов. По сравнению с i. Think в Stella имеются возможности по построению моделей большой размерности и их свертки. Операционные среды - Windows and Macintosh. Разработчик: Isee systems Inc. , Lebanon, NH, США. Сайт: http: //www. iseesystems. com/

Среда моделирования Mv. Studium p Mv. Studium – среда моделирования сложных динамических систем. Позволяет быстро создавать визуальные интерактивные модели многокомпонентных непрерывных, дискретных и гибридных (непрерывно-дискретных) систем и проводить с ними активные вычислительные эксперименты. Создание модели, визуализация результатов и управление вычислительным экспериментом не требует написания программного кода. Модели задаются на математическом уровне абстракции. Для описания непрерывного поведения используются дифференциально-алгебраические уравнения. Для описания дискретного и гибридного поведения используются визуальные карты поведений, являющиеся расширением карт состояний UML. p Авторский коллектив разработчиков – Колесов Ю. Б. (Москва), Инихов Д. Б, Сениченков Ю. Б (Санкт-Петербург), Россия. Сайт: http: //www. mvstudium. com

p Mv. Studium автоматически создает компьютерную модель, соответствующую заданной математической, и обеспечивает проведение активного вычислительного эксперимента. Компьютерная модель (выполняемая программа или динамическая библиотека) может использоваться независимо от пакета и встраиваться в программное обеспечение пользователя. Mv. Studium поддерживает объектно-ориентированное моделирование и возможность создания пользователем своих собственных компонентов с использованием входного языка. Поддерживается 2 D и 3 D- анимация. Пакет Mv. Studium работает на Intel-совместимых компьютерах в среде Windows. /

Среда моделирования Rand Model Designer – это коммерческая версия продукта Mv. Studium предназначенная для больших производственных коллективов. Rand Model Designer – высокопроизводительная среда объектно- ориентированного моделирования и проектирования на базе математического моделирования сложных природных и технических объектов. Продукт поддерживает технологии проектирования многокомпонентных иерархических событийно-управляемых систем - компонентное моделирование с ориентированными и неориентированными компонентами (связями). Может использоваться для проектирования систем, работающих в реальном времени. Авторский коллектив разработчиков – Инихов Д. Б. , Колесов Ю. Б. , Сениченков Ю. Б. , Москва – Санкт-Петербург, Россия. Сайт: http: //www. randservice. com/

Среда моделирования Renque – это программного обеспечения, которое позволяет пользователям выполнять дискретно- событийное моделирование в графической окружающей среде. У приложения есть все необходимые возможности для построения точных имитационных моделей для любой логической системы или процесса. Renque предлагает рациональный пользовательский интерфейс и универсальный симулятор для моделирования. Разработчик : RND Technology Consultants, Renque software development, Голландия. Сайт: http: //www. renque. com

Среда моделирования Open. MVLShell – открытая среда для моделирования сложных динамических систем (аналогичная Open. Modelica). Среда представляет собой набор модулей, связанных с решением математических задач, возникающих при моделировании многокомпонентных сложных динамических систем. Пользователь может заменить существующий компонент, не меняя остальных, и проверить правильность и эффективность предлагаемых собственных решений. Авторский коллектив разработчиков – Исаков А. А. , Сениченков Ю. Б. , Санкт-Петербург, Россия. Сайт: https: //dcn. ftk. spbstu. ru/index. php? id=275

Система POSES++ предназначена для имитационного моделирования с помощью сетей Петри. Разработчик: Gesellschaft für Prozeßautomation & Consulting mb. H, Германия. Сайт: http: //www. gpc. de/e_poses. html Система Powersim обладает различные типы инструментов моделирования, которые покрывают все потребности в выполнении моделирования, управления исследованиями или распределенными решениями. Разработчик: компания Powersim Software AS, Норвегия. Сайт http: //www. powersim. com Pro. Model инструмент дискретно-событийного моделирования, также позволяет моделировать непрерывные процессы. Pro. Model используется для оценки, планирования и проектирования производств, складированияя, логистики. Разработчик: Pro. Model Corporation, USA. Сайт http: //www. promodel. com/

Среда моделирования Simplex 3 – это система моделирования, которая может использоваться как на Windows, так и на платформах UNIX. Это поддерживает работу исследований моделирования во всех фазах, что позволяет выполнять очень производительную работу. Язык описания позволяет выполнять описание почти всех видов моделей. Simplex 3 отличается от других инструментов моделирования в его универсальной применимостью, особенно для областей дискретных моделей. Из-за его универсальности это идеально соответствует потребностям обучения и исследования в университетах. В промышленности это особенно интересно в областях, где ощущается нехватка подготовленных специалистов по моделированию. Сайт разработчика: http: //www. simplex 3. net

SIMSCRIPT III Подобный английскому язык и инструмент имитационного моделирования. SIMSCRIPT предназначен для дискретно-событийного и гибридного (дискретное/непрерывное) моделирования. SIMSCRIPT III является открытой окружающей средой, и дает возможность функциям, написанным на других языках (таких как C, C ++ или Ява) быть вызванными простыми командами. Быстрый и легкий способ интерфейсной связи со специализированными библиотеками, базами данных и пакетами подобных HLA RTI. Разработчик: CACI Advanced Simulation Lab, Сан-Диего, Канада. Сайт: http: //www. simscript. com

Среда моделирования «МВТУ» p Программный комплекс «МВТУ» (Sim. In. Tech) предназначен для исследования динамики и проектирования разнообразных систем и устройств. По своим возможностям является альтернативой зарубежным программным продуктам Simulink, Vis. Sim. Программный комплекс «МВТУ» применяется для проектирования систем автоматического управления, следящих приводов и роботов- манипуляторов, ядерных и тепловых энергетических установок, а также для решения нестационарных краевых задач (теплопроводность, гидродинамика и др. ). Используется в учебном процессе, позволяя моделировать различные явления в физике, электротехнике, в динамике машин и механизмов, в астрономии. Может функционировать в многокомпьютерных моделирующих комплексах, в том числе и в режиме удаленного доступа к технологическим и информационным ресурсам. Авторский коллектив разработчиков – Козлов О. С. , Кондаков Д. Е. , Скворцов Л. М. , Тимофеев К. А. , Ходяковский В. В. , Щекатуров А. М. , Москва, Россия. Сайт: http: //3 v-services. com

Этапы имитационного моделирования

Общая характеристика имитационного моделирования Концептуальный этап Концептуальная модель Подготовка области исходных данных

Общая характеристика имитационного моделирования СТРУКТУРА И ОБЩАЯ ХАРАКТЕРИСТИКА ДОКУМЕНТА «ПОСТАНОВКА ЗАДАЧИ» Концептуальный этап Раздел Содержание 1. Общие сведения Наименование, назначение и цель разработки модели. Перечень объектов, о модели на которых планируется использование модели с указанием должностных лиц, в чьих интересах будет решаться задача. 2. Сущность Характеристика области применения модели. Описание физической модели сущности моделируемого процесса. 3. Основные Показатели и критерии эффективности или качества моделируемого требования к процесса. Ограничения и допущения, принятые при разработке модели Применяемые аналитические методы. 4. Порядок запуска и управления моделью. Возможные режимы решения использования модели. Связь с другими моделями. 5. Входная Состав и структура входной информации. Источники информации. информация Обоснование законов распределения случайных величин, используемых в модели. Таблицы входных данных (на английском и русском языках) и их размерность. 6. Выходная Состав и структура выходной информации. Таблицы выходных данных (на информация английском и русском языках) и их размерность. Способ сбора (регистрации) выходных данных. Методы получения производных результатов (экстраполяция, аппроксимация и т. п. ).

7. Требования Характеристика технических средств (тип центрального к процессора, наличие сопроцессора, объемы оперативной конфигурации и постоянной памяти и т. д). Характеристика общего технических и программного обеспечения (операционные системы, программных сетевые операционные системы и т. п. ). Характеристика средств общесистемного программного обеспечения (СУБД, офисные пакеты и т. п. ). 8. Требования Общая характеристика политики безопасности к защите (потенциальные угрозы, возможный ущерб в случае информации нарушения защиты, группы пользователей, права доступа и т. д). 9. КОНТРОЛЬНЫЙ ПРИМЕР

Общая характеристика имитационного моделирования Этап интерпретации Семантическая Синтаксическая Количественно- качественная

Общая характеристика имитационного моделирования Экспериментальный этап Планирование • количество прогонов (реализаций) модели; Моделирование • длительность одного прогона; • длительность переходного процесса моделирования; • способ сбора данных для каждого прогона; • методы оценки точности выходных данных с построением доверительных интервалов; • условия эксперимента и сценарии; Анализ • способы (методы) учета случайности внутри системы и для вероятностных входных данных.

Ме тод Мо нте-Ка рло (методы Монте-Карло, ММК) — общее название группы численных методов, основанных на получении большого числа реализаций случайного процесса, который формируется таким образом, чтобы его вероятностные характеристики совпадали с аналогичными величинами решаемой задачи.

1. Моделирование на ЭВМ псевдослучайных последовательностей с заданной корреляцией и законом распределения вероятностей (метод Монте-Карло), имитирующих на ЭВМ случайные значения параметров при каждом испытании; 2. Преобразование полученных числовых последовательностей на имитационных математических моделях. 3. Статистическая обработка результатов моделирования.

Общая характеристика имитационного моделирования Экспериментальный этап Планирование • количество прогонов (реализаций) модели; • длительность одного прогона; • длительность переходного процесса моделирования; s – выборочное стандартное • способ сбора данных для каждого отклонение для исходного набора прогона; повторений (которые необходимо • методы оценки точности было выполнить предварительно) выходных данных с построением h – полуширина доверительного доверительных интервалов; • условия эксперимента и сценарии; интервала • способы (методы) учета случайности внутри системы и для вероятностных входных данных.

Общая характеристика имитационного моделирования Экспериментальный этап Планирование • количество прогонов (реализаций) модели; • длительность одного прогона; • длительность переходного процесса моделирования; • способ сбора данных для каждого прогона; • методы оценки точности выходных данных с построением доверительных интервалов; • условия эксперимента и сценарии; • способы (методы) учета случайности внутри системы и для вероятностных входных данных.

Общая характеристика имитационного моделирования Экспериментальный этап Планирование Во многих системах поступления • количество прогонов (реализаций) моделируется как установившийся модели; пуассоновский процесс, при котором • длительность одного прогона; они происходят по одному за раз, не • длительность переходного зависят друг от друга, а их средняя процесса моделирования; скорость во времени постоянна • способ сбора данных для каждого прогона; Для некоторых моделей средняя • методы оценки точности скорость поступления является выходных данных с построением функцией времени. Поступления доверительных интервалов; такого типа обычно моделируются • условия эксперимента и сценарии; как неустановившиеся пуассоновские • способы (методы) учета процессы. случайности внутри системы и для вероятностных входных данных.

Ключевые термины p Имитационное моделирование - техника численных экспериментов, с помощью которых можно получить эмпирические оценки степени влияния различных факторов - исходных величин, которые точно не определены, на зависящие от них результаты - показатели. p Имитационная модель - специальный программный комплекс, который позволяет имитировать деятельность какого-либо сложного объекта. p Стохастические переменные - переменные, значения которых не могут быть точно установлены или предсказаны. p Метод Монте-Карло - группа методов решения задач, в которых реализуется построение вероятностных распределений возможных значений выходной стохастической переменной при изменении входных переменных, которые генерируются в виде случайных последовательностей с заданными вероятностными характеристиками. p Компьютерная имитация - математическая модель, оперирующая сложной системой динамических уравнений и реализованная на ЭВМ. p Имитационный эксперимент – проведение серии имитационных расчетов в системном масштабе времени и по разработанному алгоритму. p Компьютерный эксперимент - эксперимент над математической моделью объекта исследования на ЭВМ, который состоит в том что, по одним параметрам модели вычисляются другие ее параметры и на этой основе делаются выводы о свойствах объекта, описываемого математической моделью. p Вероятностное распределение - закон, описывающий область значений случайной величины и соответствующих им вероятностей. p Статистические показатели – количественные характеристики вероятностного распределения случайной величины.

Программный модуль ARIS Simulation – модуль системы ARIS Toolset, используемый для динамического моделирования разработанных моделей бизнес -процессов. Цель имитационного моделирования – определение узких мест бизнес-процессов (несогласованность параллельно выполняемых процессов, нехватка ресурсов для эффективного выполнения процессов и так далее). Разрабатывая модели бизнес-процессов, можно задавать различные характеристики, являющиеся основой для динамического моделирования.

Для функций можно задавать время (ожидания, подготовки к работе, выполнения), периодичность выполнения и элементарные показатели стоимости выполнения. Для событий, вызывающих выполнение функций, можно задать периодичность появления. Все указываемые таким образом данные определяют реальные условия выполнения бизнес-процесса во времени и могут использоваться для проведения имитационного моделирования и получения близких к действительности результатов. Кроме того, описываются различные виды ресурсов (персонал, расходные материалы, машины и оборудование и т. п. ), участвующие в выполнении процесса и условия их использования.

Для проведения анимации служит панель инструментов Управление анимацией: Переключиться в режим Включить пошаговый проигрывания анимации режим анимации Создать Запустить Включить новый Сохранить сценарий автоматическ сценарий текущий анимации ий режим анимации сценарий заново анимации модели Открыть Остановить и существу перезапустить ющий режим записи сценарий сценария анимации

Перед выполнением процесса анимации нужно осуществить его настройку: для этого выбрать опцию Вид/Параметры.

p Петля обратной связи (feedback loop) – совокупность взаимосвязанных логических причинно-следственных отношений, которые вызывают усиление (положительная ОС) или ослабление (отрицательная ОС) условий или поведения в рамках системы. p Применение: в отличие от традиционного определения обратной связи, где положительная обратная связь создает самоусиливающий эффект, а отрицательная обратная связь – самокорректирующий (балансировочный) эффект, ТОС определяет, что петля обратной связи может быть только усиливающей (положительной или отрицательной, в зависимости от первоначального импульса). Обычно, отрицательные усиливающие петли представлены только в тех системах, где есть какие-либо проблемы, тогда как положительные усиливающие петли присущи в хорошо работающих системах. В общем, обратная связь включает в себя как передачу, так и возврат информации. Т. к. петли обратной связи действуют во всех реально существующих системах, важно активно искать их для добавления в деревья текущей и будущей реальности. p Иллюстрация: Если (10) Мы снизим время пусконаладки для повышения эффективности, то (20) Мы будем иметь дело с более крупными партиями и группировать похожие детали друг с другом. Если (20) Мы будем иметь дело с более крупными партиями и группировать похожие детали друг с другом, то (30) Мы будем отпускать материалы, в которых пока не нуждаемся. И если (30) Мы будем отпускать материалы, в которых пока не нуждаемся, то (40) Мы снизим предохранительную мощность станка. Мы имеем причинно-следственную петлю между объектами 40 и 20, т. к. снижение предохранительной мощности усиливает склонность к выпуску партий большего размера, отпускать материалы раньше, что будет также сказываться на снижении предохранительной мощности в будущем.

p Распределение Пуассона — вероятностное распределение дискретного типа, моделирует случайную величину, представляющую собой число событий, произошедших за фиксированное время, при условии, что данные события происходят с некоторой фиксированной средней интенсивностью и независимо друг от друга.