Этапы исследования системы с помощью имитационного моделированияПрограммирование модели — всего лишь часть общих усилий, направленных на разработку и анализ сложной системы с помощью моделирования. При этом внимание должно уделяться множеству разных вопросов, в частности статистическому анализу выходных данных моделирования и управлению проектом. Ниже подробно перечислены этапы исследования систем с помощью имитационного моделирования. Заметим, что исследование с помощью моделирования — это не простой последовательный процесс, он предполагает необходимость частого возвращения назад, к предыдущим этапам. 1. Формулировка задачи и планирование исследования системы. 1.1.Постановка задачи руководителем. 1.2.Проведение ряда встреч с руководителем проекта, аналитиками имитационного моделирования и экспертами по изучаемой тематике с целью исследования системы. Рассмотрение следующих вопросов: - глобальная цель исследования; - специальные вопросы, на которые должно ответить исследование; - критерии качества работы, используемые в будущем для оценки эффективности различных конфигураций системы; - масштаб модели; - моделируемые конфигурации системы; - применяемое программное обеспечение; - временной интервал для исследования и необходимые ресурсы. 2. Сбор данных и определение модели. 2.1. Сбор информации о конфигурации системы и способах эксплуатации, которая сводится к тому, что: - одного специалиста в данном случае недостаточно; - необходимо привлечь экспертов по изучаемой тематике, владеющих достоверной информацией; - способы эксплуатации нельзя формализовать. 2.2.Сбор данных (если это возможно) для определения параметров модели и входных распределений вероятностей. 2.3.Схематическое изображение данных в «описании допущений», представляющем собой концептуальную модель. 2.4.Сбор данных (по возможности) о рабочих характеристиках существующей системы (с целью осуществления проверки на этапе 6). 2.5.Выбор уровня детальности модели в зависимости от перечисленных ниже факторов: - цели проекта; - критериев качества работ; - доступности данных; - интересов достоверности; - компьютерных возможностей; - мнений экспертов по изучаемой тематике; - ограничений, связанных со временем и финансированием. 2.6.Установление между каждым элементом модели и соответствующим ему элементом системы взаимно-однозначного соответствия. 2.7.Регулярное взаимодействие с руководителем и другими ведущими специалистами проекта. 3. .Определение адекватности концептуальной модели. 3.1. Выполнение структурного анализа концептуальной модели с предоставлением описания допущений на рассмотрение аудитории, которая состоит из руководителей, аналитиков, а также экспертов по изучаемой тематике, принимая во внимание, что: - анализ помогает убедиться, что допущения, принятые для модели, верны и ничего не упущено; - анализ обеспечивает право собственности на модель; - анализ выполняется до начала программирования, чтобы в дальнейшем избежать перепрограммирования модели. 4. Создание компьютерной программы и ее проверка. 4.1.Программирование модели на универсальном языке или с помощью программного обеспечения для моделирования (Arena GPSS и пр. Преимущество использования языков программирования заключается в том, что, как известно, у них невысокая закупочная стоимость, и созданная с их помощью модель требует меньше времени для выполнения. Использование специализированного ПО моделирования уменьшает время программирования, поэтому в итоге дает меньшую стоимость всего проекта. 4.2.Проверка моделирующей компьютерной программы, а также ее отладка. 5. Выполнение предварительных прогонов. 5.1. Выполнение предварительных прогонов программ с целью осуществления проверки на этапе 6. 6. Проверка соответствия программной модели. 6.1.Если есть существующая система — сравнение критериев качества работы и существующей системы (этап 2). 6.2.Независимо от наличия существующей системы — просмотр аналитиками и экспертами по изучаемой теме результатов прогонов модели с целью определения их правильности. 6.3.Использование анализа чувствительности для определения факторов модели, имеющих существенное влияние на критерии качества работы системы, так как их следует моделировать очень точно. 7. Планирование экспериментов. 7.1. Детальное изложение того, что является важным для каждой системной конфигурации: - длительность каждого прогона; - длительность переходного периода (если он необходим); - количество независимых прогонов имитационной модели с использованием различных случайных чисел, что потребуется при построении доверительных интервалов для оценок критериев.
8. Выполнение рабочих прогонов. 8.1. Выполнение рабочих прогонов для получения результатов, которые понадобятся на этапе 9. 9. Анализ выходных данных. 9.1. Обработка выходных данных с целью: - определения абсолютных характеристик известной конфигурации системы; - проведения относительного сравнения альтернативных конфигураций системы. 10. Документальное представление и использование результатов. 10.1.Документальное оформление допущений (см. этап 2) компьютерной программы и результатов исследования для использования в текущем и будущих проектах. 10.2.Представление результатов исследования: - использование анимации для объяснения модели руководителям и другим людям, которым не известны все ее подробности; - обсуждение процесса создания модели и ее достоверности, чтобы повысить уровень доверия к ней. 10.3. Использование результатов в процессе принятия решений, если они действительны и достоверны. 4.5. Преимущества, недостатки и ошибки имитационного Как уже говорилось выше, моделирование широко применяется для исследования сложных систем. Популярности моделирования в этой сфере способствуют его преимущества. § Большинство из сложных реальных систем со стохастическими элементами не могут быть точно описаны с помощью математических моделей, которые можно оценить аналитически, поэтому моделирование становится единственно возможным методом их исследования. § Моделирование позволяет оценить эксплуатационные показатели существующей системы при некоторых проектных условиях эксплуатации. § Путем моделирования можно сравнивать предлагаемые альтернативные варианты проектов системы (или альтернативные стратегии эксплуатации для конкретной системы), чтобы определить, какой из них больше соответствует указанным требованиям. § При моделировании мы можем обеспечить гораздо более эффективный контроль условий эксперимента, нежели при экспериментировании с самой системой. § Моделирование позволяет изучить длительный интервал функционирования системы (скажем, экономической) в сжатые сроки или, наоборот, изучить более подробно работу системы в развернутый интервал времени. Конечно, моделирование имеет и свои недостатки: § Каждый из прогонов стохастической имитационной модели позволяет получить лишь оценки настоящих характеристик модели для определенного набора входных параметров[6]. Следовательно, для каждого изучаемого набора входных параметров понадобится несколько независимых прогонов модели. По этой причине имитационные модели не столь удобны при оптимизации, как при сравнении определенного числа альтернативных проектов системы. Однако с помощью аналитической модели, в случае, если она подходит для решения данной задачи, часто можно легко получить точные значения характеристик модели для различных наборов входных параметров. Поэтому, если доступна или может быть легко разработана аналитическая модель, адекватная системе, лучше использовать именно ее, а не обращаться к имитационному моделированию. § Обычно разработка имитационных моделей дорого стоит и занимает много времени. § Большое число данных, получаемых в результате исследования посредством моделирования, или убедительное влияние реалистичной анимации часто приводят к тому, что результатам такого исследования доверяют больше, чем это оправдано. Если модель не является адекватным представлением изучаемой системы, результаты моделирования (какими бы убедительными они ни казались) будут содержать мало полезной информации о действительной системе. Принимая решение, подходит ли исследование с помощью моделирования к конкретной ситуации, следует учитывать все указанные преимущества и недостатки имитационного моделирования. Кроме того, в некоторых исследованиях можно использовать как аналитические модели, так и имитационное моделирование. В частности, моделирование может быть использовано для проверки обоснованности допущений, необходимых для аналитической модели. И наоборот, аналитическая модель может предложить рациональные альтернативы для исследования системы с помощью имитационного моделирования. Предположим, что все-таки выбрано имитационное моделирование. Однако успешному исследованию с помощью модели могут помешать такие обстоятельства: § неподходящее программное обеспечение моделирования; § использование в явном виде программного обеспечения для моделирования, сложные макрооператоры которого не могут быть надлежащим образом подтверждены документально и не могут реализовать нужную модельную логику; § ошибочность убеждений в том, что для работы с простыми в употреблении пакетами программ для моделирования, почти не нуждающимися в программировании, достаточно более низкого уровня технической подготовки; § неправильное использование анимации; § неверное определение источников случайных величин в реальных системах; § использование произвольных распределений в качестве входных параметров моделирования; § анализ выходных данных, полученных в результате одного прогона имитационной модели, с помощью формул, допускающих независимость; § отношение к выходным статистическим данным, полученным на основании единственного прогона определенного проекта системы, как к единственно правильным ответам; § сравнение альтернативных проектов системы на основе одного прогона каждого проекта; § использование неправильных критериев оценки работы.
|
