Теоретические подходы имитационного моделирования пожароопасных ситуацийИстория развития теоретических подходов в области имитационного моделирования включает несколько этапов, которые сформировались под влиянием смены поколений языков моделирования, средств вычислительной техники, технологии и парадигмы программирования. Характерной особенностью современного этапа развития имитационного моделирования, как эффективной методологии исследования, и проектирования сложных систем, является «сосуществование» трех различных направлений, ориентированных на процессы последовательного моделирования, распределенного моделирования и моделирования на основе концепции виртуальной реальности соответственно [9]. В таблице 2 представлены названия наиболее известных систем имитационного моделирования, базирующихся на одном из указанных направлений. Последовательное моделирование (сосредоточенное или нераспределенное) представляет подходы имитационного моделирования, реализуемые на однопроцессорных платформах. Последовательное моделирование связано с создание и внедрением на современных вычислительных платформах языков и систем в традиционном для имитационного моделирования стиле, ориентированных на решение социально-экономических и производственных задач, исследование транспортных и логистических систем. Таблица 2 Примеры систем имитационного моделирования по направления реализации
Второе направление в области современного имитационного моделирования связано с методологией и технологическими аспектами распределенного, реализуемого на сетевой архитектуре моделирования. В качестве стандарта создания и реализации распределенных систем имитационного моделирования принята технология HLA (High Level Architecture – архитектура верхнего уровня). Большинство существующих систем распределенного имитационного моделирования ориентированы на реализацию проектов обучения и научно-исследовательских проектов, на решение задач обеспечения безопасности и предупреждения чрезвычайных ситуаций. Моделирование на основе схем виртуальной реальности получило распространение в конце 90-х годов XX века в связи с развитием концепции e-Manufacturing. Основная суть e-Manufacturing определяется непрерывным использованием имитационных моделей в процессе проектирования и эксплуатации производственных систем. Базированные на концепции e-Manufacturing схемы виртуальной реальности нашли широкое применение в практике исследования и проектирования различного рода производственных и логистических систем. Практически все представленные на рынке инструменты имитационного моделирования разработаны для поддержки одного определенного теоретического подхода. На сегодняшний день сформировались и наиболее широко используются три основных теоретических подхода к имитационному моделированию сложных систем [10, 11]: · системная динамика; · дискретно-событийное моделирование; · агентное моделирование. В основе их различия лежит использование различных принципов описания исследуемого объекта. Аппарат системной динамики обычно оперирует непрерывными во времени процессами, а дискретно-событийное и агентное моделирование чаще всего используются для дискретных во времени процессов. С другой стороны, системная динамика предполагает максимальный уровень абстракции модели, дискретно-событийное моделирование отражает абстракции низкого и среднего уровня. Агентное моделирование может применяться на любом уровне модели любого масштаба. Системная динамика. Системная динамика как методология была предложена в 1961 году Дж. Форрестером в качестве инструмента исследования информационных обратных связей в производственно-хозяйственной деятельности, для того чтобы выяснить, каким образом взаимодействуют организационная структура, усиления (в политиках) и задержки (в принятии решений и действиях), оказывая влияние на эффективность предприятия. Процессы, происходящие в реальном мире, в системной динамике представляются в терминах накопителей (фондов) и потоков между ними. Системно-динамическая модель описывает поведение системы и ее структуру как множество взаимодействующих обратных положительных и отрицательных связей и задержек. Математически такая модель выглядит как система дифференциальных уравнений. В [11] подчеркиваются следующие характерные особенности системно-динамического моделирования: · поскольку модель оперирует только количествами, агрегатами, объекты, находящиеся в одном накопителе, неразличимы, лишены индивидуальности; · аналитику предлагается рассуждать в терминах глобальных структурных зависимостей и, естественно, ему необходимы соответствующие исходные данные. Методы системной динамики поддерживаются такими инструментами, как DYNAMO, Stella, Vensim, PowerSim, iThink, ModelMaker и др. Пакет Vensim представляет собой инструмент для визуального моделирования, поддерживающий разработку концептуальной модели, документирование, собственно моделирование, анализ результатов и оптимизацию моделей динамических систем. Он позиционируется на рынке программных продуктов как простое и гибкое средство для построения имитационных моделей систем с причинно-следственными связями, фондами и потоками. Следует отметить, что Vensim существует и в версии для академического использования в образовательных целях. Пакет имеет графический редактор для построения с помощью мыши классических форрестеровских моделей, Equation Editor для завершения формирования модели, а также развитые средства визуализации поведения модели. Программные комплексы Stella и iThink предназначены для преобразования моделей принятия решений в имитационные модели. Основной упор делается на формирование у пользователя умения принимать решения, необходимые для исследования систем со сложными взаимозависимыми связями между подсистемами. Указанные программы широко используют графические функциональные элементы для графического изображения потоков, фондов, эффектов влияния неформализованных факторов. Динамика процессов и объектов выражается с помощью пяти типов базовых параметров: увеличение фондов, исчерпание фондов, рабочий процесс, соединение потоков, адаптация фондов. Соответственно, модели представляются тремя иерархическими уровнями: блок-схемы, базовые потоковые схемы, формальные спецификации. Дискретно-событийное моделирование. Дискретно-событийное моделирование обязано своим рождением Дж. Гордону, который в начале 1960-х спроектировал и реализовал на мэйнфреймах IBM систему GPSS. Основной объект в этой системе – пассивный транзакт (заявка на обслуживание), который может определенным образом представлять собой работников, детали, сырье, документы, сигналы и т.п. «Перемещаясь» по модели, транзакты становятся в очереди к одноканальным и многоканальным устройствам, захватывают и освобождают эти устройства, расщепляются, уничтожаются и т. д. Таким образом, дискретно-событийную модель можно рассматривать как глобальную схему обслуживания заявок. Аналитические результаты для большого количества частных случаев таких моделей рассматриваются в теории массового обслуживания. Сегодня существует целый ряд инструментов, поддерживающих такой подход в моделировании: GPSS/PC, GPSS/H, GPSS World, Object GPSS, Arena, SimProcess, Enterprise Dynamics, AutoMod и др. Некоторые из них имеют общее назначение, однако большинство нацелено на определенные ниши: обслуживание, бизнес-процессы, производство, логистика и т.д. Их пользовательские интерфейсы имеют ряд существенных различий, но в основе лежит один и тотже принцип прогона заявок через блоки. В связи с этим дискретно-событийные модели можно рассматривать как глобальные схемы обработки заявок, обычно со стохастическими элементами. GPSS World – типичный современный предтставитель GPSS-семейства, реализованный для работы в среде MS Windows. Наличие встроенных инструментов статистической обработки результатов моделирования, встроенного языка программирования расчетов PLUS и др. позволяет создавать средствами GPSS World не только простые обучающие модели, но и более полезные приложения. Так, в 2005 году на 2-й Всероссийской научно-практической конференции «Имитационное моделирование. Теория и практика» (ИММОД-2005, г. Санкт-Петербург) были представлены доклады, посвященные опыту использования GPSS World для моделирования транспортно-технологических систем доставки грузов, анализа функционирования рыбообрабатывающего комплекса промыслового траулера-ярусника и т. д. Несмотря на изначальную ориентацию GPSS на моделирование систем массового обслуживания, система оказалась удивительно долгоживущей и способной к развитию. Трудоемкость описания моделируемых систем в терминах бизнес-процессов может быть снижена за счет применения таких продуктов, как Object GPSS или ISS 2000. В частности, созданный в НТУУ «КПИ» под руководством В. Н. Томашевского пакет ISS 2000 представляет собой лингвистический процессор, с помощью которого пользователь в диалоговом режиме создает автоматически GPSS-программу и запускает ее на выполнение. Агентное моделирование. Агентное моделирование предполагает работу с децентрализованной моделью. В такой модели нет единой точки, определяющей поведение системы в целом. Агентная модель состоит из множества индивидуальных объектов (агентов) и их окружения. Поведение системы описывается на индивидуальном уровне; глобальное поведение рассматривается как результат совокупной деятельности агентов, каждый из которых действует сообразно собственному «уставу», существует в общей среде, взаимодействует со средой и другими агентами. Для описания поведения агентов используются карты состояний, являющиеся стандартным инструментом UML. Для систем, содержащих большое количество активных объектов с отчетливо выраженным индивидуальным поведением, агентное моделирование является более универсальным подходом, т. к. позволяет учесть структуру и поведение любой сложности. Другое важное достоинство агентного моделирования – возможность разработки модели даже в отсутствие априорной информации о глобальных зависимостях. Зная индивидуальную логику поведения участников процесса, можно построить агентную модель и спрогнозировать ее глобальное поведение. Помимо этого, агентная модель проще в сопровождении, поскольку уточнения вносятся на локальном уровне по мере накопления данных. Концепция агентного моделирования позволяет осуществить переход от моделей системной динамики и дискретно-событийных моделей к агентным моделям с помощью процедуры конвертации. Для системно-динамических моделей может потребоваться деагрегация накопителей на множества агентов (при условии активности и различимости этих агентов). В дискретно-событийных моделях индивидуальные объекты-транзакты также могут стать агентами (при условии децентрализации логики прохождения транзактов по моделировании, нельзя не упомянуть и некоторые другие подходы, не столь универсальные. Агентное моделирование осуществляется с помощью систем имитационного моделирования, таких как AnyLogic. AnyLogic – универсальная система имитационного моделирования, поддерживающая все существующие подходы имитационного моделирования, включая блок-схемы процессов, системную динамику, агентное моделирование, карты состояний, системы управлений и т.д. AnyLogic позволяет строить стохастические и детерминированные имитационные модели сложных систем и проводить анализ результатов моделирования. Выбор теоретического подхода имитационного моделирования пожароопасных ситуаций зависит от целей моделирования. Если в качестве объекта изучения выступают пожароопасные факторы, то целесообразным видится использование принципов системной динамики. Это обосновано необходимостью расчета значений большого числа переменных, имеющих прямой «физический» смысл: координата, температура, давление, концентрация, скорость и т.д., которые изменяются непрерывно. Если же объектом изучения является поведение людей в случае возникновения пожароопасной ситуации, то целесообразным является использование принципов агентного моделирования. Это обусловлено дискретизацией и децентрализацией агентных моделей. В этих моделях, в отличие от системной динамики и дискретно-событийных моделей, поведение (динамика) системы в целом не определена. Поведение агентов определяется на индивидуальном уровне, а глобальное поведение является результатом деятельности совокупности агентов, каждый из которых следует своим собственным правилам, взаимодействует со средой и другими агентами. Таким образом, агентные модели позволяют получить результат наиболее приближенный к реальному поведению людей.
[1] В.А. Углев. Имитационное моделирование из опыта преподавателя [Текст]. // Сборник докладов четвертой всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» ИММОД-2009. Том II. – СПб.: ОАО «Центр технологии судостроения и судоремонта». 2009. С.262-265 [2] Павловский Ю.Н. Имитационное моделирование: учеб.пособие для студ. вузов [Текст]. / Ю.Н. Павловский, Н.В. Белотелов, Ю.И. Бродский. – М.: Издательский центр «Академия», 2008. 236с. [3] Сирота А.А. Компьютерное моделирование и оценка эффективности сложных систем [Текст]. / А.А. Сирота. – М.: Техносфера, 2006. 280с. [4] Кобелев Н.Б. Имитационное моделирование. Что к нему относить и как понимать? (по следам конференции ИММОД-2005). // Электронный ресурс [http://www.gpss.ru/statykobeleva_w.html]. [5] Имитационное моделирование. // Электронный ресурс [http://radiomaster.ru/articles/view/140/]. [6] Авдеев О.Н., Мотайленко Л.В. Моделирование систем. Учебное пособие. Санкт-Петербургский государственный технический университет. // Электронный ресурс [http://www.studfiles.ru/dir/cat32/subj1235/file11070.html]. [7] Хачатурова С.М. Электронный учебник по дисциплине «Математические модели системного анализа». // Электронный ресурс [http://ermak.cs.nstu.ru/mmsa/main/proba.htm]. [8] Программные средства моделирования систем. Требования, предъявляемые к программным средствам моделирования. // Электронный ресурс [http://m-o-z-g.narod.ru/study/gos_htm/17.htm]. [9] Пепеляев В.А. О методологических аспектах разработки систем имитационного моделирования стохастических процессов [Текст]. // В.А. Пепеляев. Проблеми програмування. 2007. №4. С.87-97 [10] Румянцев М.И. Средства имитационного моделирования бизнес-процессов. // Электронный ресурс [http://www.management.com.ua/ims/ims135.html]. [11] Борщев А.В. Практическое агентное моделирование и его место в арсенале аналитика [Текст]. // А.В. Борщев. Exponenta PRO. 2004. №3-4 (7-8). С.38-47
|
