[ «Современное состояние и тенденции развития имитационного моделирования в Российской Федерации The current status and development trends of simulation in the Russian Federation Плотников А.М. ОАО Центр технологии ...»
Современное состояние и тенденции развития имитационного
моделирования в Российской Федерации
The current status and development trends of simulation
in the Russian Federation
Плотников А.М.
ОАО «Центр технологии судостроения и судоремонта» (ОАО «ЦТСС»)
Санкт-Петербург, Россия
Рыжиков Ю.И.
Военно-космическая академия имени А.Ф. Можайского Санкт-Петербург, Россия [email protected] Соколов Б.В.
Санкт-Петербургский институт информатики и автоматизации РАН Санкт-Петербург, Россия [email protected] Аннотация. Проведен обзор 1-й, 2-й, 3-й, 4-й и 5-й Всероссийской конференции по имитационному моделированию с точки зрения используемых методов, языков и систем моделирования, практических применений. Отмечены элементы новизны и недостатки докладов.
Abstract. The review of the 1st, 2nd, 3, 4 and 5 Russian Conference on the Imitation Modeling is presented. The points of view are used methods, language and systems of modeling, application areas. The new elements and deficiencies of reports are noticed.
Введение C 2003 г. каждые два года в Санкт-Петербурге проводятся Всероссийские научно-практические конференции «Опыт практического применения языков и программных систем имитационного моделирования в промышленности и прикладных разработках». После каждой из них в «Вестнике технологии судостроения» публиковались обзоры содержания докладов, однако они вследствие специфичности и малого тиража этого уважаемого издания не доводились до большинства актуальных и потенциальных «имитаторов и модельеров» в РФ и за рубежом. Поэтому уроки каждой очередной конференции оказывали недостаточное влияние на содержательность последующей.
Кроме того, за истекшее десятилетие существенно обновился и расширился круг исследователей, активно работающих в данной области. Учитывая изложенное, Организационный и Программный комитеты решили выпустить аналитический обзор, в котором итоги конференций были бы подведены и осмыслены с разных точек зрения: по используемым методам моделирования, инструментальным средствам, практическим приложениям. В обзор включены — с упреждением — и материалы ИММОД-2011.
Авторы надеются, что все перечисленные обстоятельства позволят обсуждать представленные на проводимой конференции доклады более целенаправленно.
19-21 октября 2011. Санкт-Петербург ИММОД- Предлагаемый обзор подготовлен тремя членами Программного комитета, однако не является официальной точкой зрения комитета в целом. Громадный объем анализируемого материала не позволил упомянуть в нем все доклады. Надеемся, что читатели обзора отнесутся к этому с пониманием. Для экономии места ссылки на доклады сведены к минимуму и, как правило, даются по фамилии первого автора, должности, ученые степени и ученые звания также не приводятся, о чем составители обзора заранее просят их простить.
1. Общая оценка результатов проводимых конференций Начиная с 2003 года в России каждые два года проводится Всероссийская научно-практическая конференция «Опыт практического применения языков и программных систем имитационного моделирования в промышленности и прикладных разработках» (ИММОД).
Цель проводимых конференции состояла в распространении и конструктивном использовании методов и средств имитационного моделирования сложных объектов (технических, технологических, экономических, социальных, комбинированных) для решения широко спектра актуальных научных и практических задач, активизации творческой деятельности и укрепления научно-производственного потенциала Российской Федерации.
В основные задачи конференции входят:
- развитие и обобщение теории имитационного и системного моделирования сложных объектов, квалиметрии моделей и полимодельных комплексов;
- обмен опытом и обсуждение результатов исследований и практических приложений имитационного моделирования;
- обмен опытом применения имитационного и комплексного моделирования для решения научных и практических задач;
- распространение опыта обучения теории и практике имитационного и комплексного моделирования.
Научная программа конференций включает следующие тематические направления:
- теоретические основы и методология имитационного и комплексного моделирования;
- методы оценивания качества моделей и полимодельных комплексов;
- методы и системы распределенного моделирования;
- моделирование глобальных процессов;
- средства автоматизации и визуализации имитационного моделирования;
- системная динамика (с обязательным наличием имитационной составляющей);
- практическое применение моделирования и инструментальных средств автоматизации моделирования, принятие решений по результатам моделирования;
- имитационное моделирование в обучении и образовании.
В 2003 году учредителем конференции выступил ФГУП «Центральный научноисследовательский институт технологии судостроения» (ФГУП «ЦНИИ ТС»). У последующих конференций два постоянных учредителя — ФГУП «ЦНИИ ТС» и Учреждение Российской академии наук
Санкт-Петербургский институт информатики и автоматизации РАН (СПИИРАН), Санкт-Петербург.
19-21 октября 2011. Санкт-Петербург ИММОД- Все конференции проводились в Санкт-Петербурге, в октябре месяце. Первые три конференции — в ФГУП «ЦНИИ технологии судостроения», четвертая и пятая — проведены в Доме Ученых им. М. Горького (Дворцовая наб., 26).
Средняя ежедневная посещаемость конференций составила: 2003 год — 105 чел., 2005 год — 108 чел., 2007 год — 94 чел., 2009 год — 102 чел., 2011 год — 110 чел.
Тематика конференции традиционно разбивается на три основных направления, которым соответствуют три секции:
- теоретические основы и методология имитационного и комплексного моделирования.
- практическое применение имитационного и комплексного моделирования и средств автоматизации моделирования.
- средства автоматизации и визуализации имитационного моделирования.
Информационную поддержку конференциям оказывали компании ООО «ЭлинаКомпьютер» (Казань) и XJ Technologies (Санкт-Петербург), журналы «Судостроение», «RM Magazine», «Rational Enterprise Management» (Санкт-Петербург) и «Прикладная информатика» (Москва).
Спонсорскую помощь в проведении конференций оказывали компании «БиПитрон» и XJ Technologies (Санкт-Петербург), Комитет по науке и высшей школе Администрации Санкт-Петербурга (Санкт-Петербург), ООО «Сименс Продакт Лайфсайкл Менеджмент Софтвер», Президиум РАН, АНО «Ремесленная академия», Отделение нанотехнологий и информационных технологий РАН, Российский фонд фундаментальных исследований (Москва), Национальное общество имитационного моделирования России.
В проводимых пяти конференциях приняли участие представители девяти стран — России, Украины, Белоруссии, Казахстана, Латвии, Германии, Болгарии, Вьетнама и Индии.
При подготовке конференций использовались информационные ресурсы сайтов www.gpss.ru, www.sstc.spb.ru, www.spiiras.nw.ru, www.simulation.org.ua, www.xjtek.com.
Статистика докладов конференций отражена в таблицах 1 и 2.
Конференция 2003 года состояла только из двух секций.
Статистика по авторам докладов и слушателям конференции отражена в таблице 2.
В работе конференции 2003 года приняли участие специалисты, руководители, предприниматели, менеджеры и научные работники 32 городов России, Украины, Латвии и Германии; в работе конференции 2005 года — из 37 городов России, Украины, Беларуси, Латвии и Германии; в работе конференции 2007 года – из 37 городов России, Украины, Беларуси, Германии, Вьетнама и Индии; в работе конференции 2009 года — из 49 городов России, Украины, Беларуси, Казахстана, Болгарии, Вьетнама, Латвии и Германии, в работе конференции 2011 года — из 46 городов России, Украины, Беларуси, Казахстана, Вьетнама, Китая, Латвии и Германии.
В работе пяти конференций приняли участие представители более трехсот организаций, предприятий, фирм и высших учебных заведений России и зарубежных стран.
Конференции в целом были четко организованы, проходили на хорошем уровне и при большой заинтересованности участников. Труды конференции издавались до их начала. На каждой из конференций делалось 5–8 докладов на пленарном заседании и около 100 на трех секциях — теоретической, инструментальной и прикладной. Представлялось по несколько десятков секционных докладов. Почти все доклады были оформлены в виде компьютерных презентаций; многие секционные и стендовые доклады сопровождались эффектными и поучительными анимациями — в частности, разновременным появлением отдельных частей слайда. Из участников конференции сформировалось устойчивое сообщество единомышленников. Всем докладчикам задавались вопросы, и выдерживание регламента требовало немалых усилий руководителей секций.
На итоговом заседании первой конференции было принято решение впредь проводить такие конференции регулярно и изучить вопрос о придании им статуса международных (впрочем, и на уже проведенных были представлены докладчики из Латвии, Германии и США, не говоря о странах СНГ).
На общую дискуссию выносились: научные аспекты конференций, состояние и перспективы имитационного моделирования в России, проблемы продвижения методов имитационного моделирования в отечественную промышленность. На первой же конференции было решено создать Российское общество имитационного моделирования, поручить Оргкомитету создать инициативную группу, доработать и согласовать с потенциальными учредителями пакет учредительных документов и юридически оформить общество.
В результате проделанной Организационным и Программным комитетами большой работы 28 февраля 2011 г. Министерством Юстиции РФ было выдано Свидеоктября 2011. Санкт-Петербург ИММОД- тельство о государственной регистрации некоммерческой организации — некоммерческого партнерства «Национальное Общество Имитационного Моделирования»
(НП «НОИМ»). Президентом общества стал член-корреспондент РАН Юсупов Рафаэль Мидхатович, Председателем правления общества был избран Плотников Александр Михайлович. В настоящее время ведется активная подготовительная работа по приему новых физических и юридических лиц в состав НП «НОИМ».
2. История и общие предпосылки становления и развития имитационного моделирования в Российской Федерации К настоящему времени теория, методы и технологии создания (использования) различных классов моделей развиты достаточно хорошо. Исследования в этой отрасли научных знаний продолжаются с неослабевающей интенсивностью, охватывая всё новые и новые классы моделей и предметные области. На проводимых конференциях постоянно отмечались исторические аспекты становления имитационного моделирования (ИМ) в нашей стране [6–13].
Появление имитационных моделей (ИМл) и имитационного моделирования, а также и превращение их в эффективное средство анализа сложных и больших систем было, с одной стороны, обусловлено потребностями практики, а с другой стороны, развитием м е т о д а с т а т и с т и ч е с к и х и с п ы т а н и й (метод Монте-Карло), открывшего возможность моделировать случайные факторы, которые существенно влияют на процесс функционирования систем. Кроме того, была создана материальная (аппаратурная) база для реализации ИМл — мощные вычислительные средства второго и третьего поколений.
Введение понятия ИМ в науке (начало 60-х годов) было сопряжено с возникновением определенной терминологической путаницы, разнообразием трактовок этого понятия. Одна из причин, повлиявших на это, связана с тем, что сам термин, обозначаемый в англоязычной литературе как simulation (лат. simulation — симулирование, уподобление) и введенный в отечественной литературе как «имитационное моделирование» (лат. imitation — подражание, имитация), неудачен с чисто лингвистической точки зрения, поскольку в первом случае его можно перевести просто как «моделирование», а во втором — истолковать в тавтологическом смысле, рассматривая термины «имитация» и «моделирование» как синонимы («моделирующее моделирование»). В действительности, когда речь идет об ИМ, то имеется в виду моделирование особого рода, противостоящее в известном смысле аналитическому моделированию. Последнее связано с двумя основными обстоятельствами. Во-первых, имитационная модель должна с необходимой полнотой воспроизводить как структуру объекта-оригинала, так и его функционирование (при обязательном сохранении схожести поведения по отношению к объекту-оригиналу). Во-вторых, ИМ ориентируется на получение знаний о прототипе не путем аналитического исследования или однократных численных расчетов, а путем целенаправленных экспериментов на ИМл.
На конференциях постоянно отмечались давние и хорошие традиции использования и развития моделирования в СССР в период 1960–1990 гг.: созданы многочисленные научные школы; получен ряд важнейших фундаментальных и практических результатов, к числу которых можно, в первую очередь отнести разработку методологических основ ИМ, создание и широкое использование в различных предметных областях таких языков автоматизации моделирования как СЛЭНГ, НЕДИС, СТАМ и др., cистема агрегативного моделирования Н.П. Бусленко. Семейство GPSS, SIMULA, GASP, CSL и другие языки моделирования были адаптированы к применявшейся в стране вычислительной технике. Все они широко использовались в реальном секторе экономики [13–18].
Развал страны и «демократические» реформы привели к утрате связей между научными коллективами и отдельными учеными, прекращению активной деятельности многими из них, нарушению преемственности поколений, приостановке или прекращению ряда перспективных разработок. Умирающая промышленность утратила интерес к практическому моделированию, что иссушило внебюджетные ручейки финансирования исследований.
Однако наметившийся за последнее десятилетие рост экономики взбодрил оставшихся (главным образом в вузах) энтузиастов моделирования, оживил их интерес к преподаванию моделирования, теоретическим исследованиям и прикладным разработкам. В настоящее время 150 вузов России ежегодно выпускают более 10 тыс. специалистов, знакомых с основами компьютерного моделирования. Аналогично обстоит дело и в странах СНГ. Моделирование введено в учебные планы не только компьютерных, но и ряда экономических специальностей. В сети Интернет появились сайты, посвященные этой проблеме (gpss.ru, simulation.org.ua, gpss-forum.narod.ru), разработан исследовательский портал «Имитационное моделирование». В пленарных докладах (А.В. Борщев, Н.Н. Лычкина, Б.В. Соколов [2, 3, 4]) отмечался заметный рост интерес бизнес-сообщества к проблемам имитации и оптимизации производственных и иных экономических процессов. Воспринята, наконец, старая идея интерактивной технологии программирования с разработкой «быстрого прототипа». Внедрение объектноориентированного программирования, появление визуальных конструкторов ускорило и удешевило разработки. Интенсивно развивались многоагентное, агрегативное и распределенное моделирование. Была создана российская система гибридного моделирования AnyLogic.
Продолжались работы на стыке теории массового обслуживания (теории очередей) и имитационного моделирования. Разработанные модели включались в контур оперативного управления. На прошедших конференциях звучали интересные предложения (распределенное моделирование с использованием Интернета, учет психофизиологических особенностей оператора, акцент на использование модели в качестве средства убеждения заказчиков).
Тематика ИМ в настоящее время введена в учебные планы не только компьютерных, но и ряда экономических специальностей. Открыта подготовка специалистов по информационным технологиям применительно к основным областям применения.
Дисциплина «Моделирование систем» из разряда специальных перешла в общепрофессиональные, т. е. стала «ближе к массам». Издан ряд учебников, из которых написанные Ю.Г. Карповым, Ю.И. Рыжиковым и В.Н. Томашевским распространялась на конференциях.
Мировая наука и экономика в трудные для России последние десятилетия не стояли на месте и интенсивно развивались. За рубежом регулярно проводились конференции по теории и практическим аспектам имитационного моделирования; оно все шире внедрялось в практику проектирования производственных (в самом широком смысле слова) процессов и оперативного управления ими. В повестку дня встал вопрос о тотальном применении цифровых моделей (Digital Factory) в процессе проектирования и эксплуатации производственных систем. Люди, участвующие в такой деятельности, получают возможность наблюдать статические объекты — как правило, в виде трехмерных изображений (виртуальная реальность — VR). Наличие имитационной модели и обоснование с ее помощью выбранного варианта в западных странах являются обязательными в комплекте документов, подаваемых на рассмотрение для проектиоктября 2011. Санкт-Петербург ИММОД- рования или модернизации нового производства либо технологического процесса.
Модели используются и для обучения персонала. Эта концепция называется emanufacturing. Убежденными сторонниками ее являются, в частности, ведущие автомобильные компании: Daimler-Chrysler, Mercedes-Benz, BMW, Audi, Toyota. Этот подход применяется и на сборке аэробусов А-380 в Гамбурге. Ряд фирм выпускает программные продукты как широкого назначения (с предполагаемой модификацией), так и специализированные по логистике, отраслям промышленности и социальной сферы. Однако в условиях чрезвычайной сложности и дороговизны этих разработок из европейских компаний только Technomatics и DELMIA претендуют на полное покрытие eManufacturing своими продуктами. Наблюдается тенденция перехода от разработки «самодельных» (пусть даже усилиями мощных промышленных фирм) систем моделирования к заказу их профессиональным разработчикам моделей.
В обзорных докладах на прошедших конференциях [4] отмечались типичные недостатки разработанных систем моделирования:
- трудоемкость моделирования;
- сложность проведения экспериментов;
- слабость средств моделирования конфликтов за общие ресурсы;
- отсутствие поддержки русского языка.
Недостатки имитационного моделирования вынуждают комбинировать его с аналитическими моделями. Поскольку наиболее широкий класс моделей, охватывающий сборочное производство, транспортные системы, системы логистики, разного вида обслуживающие и коммуникационные системы — это по сути сети массового обслуживания, активно разрабатываются и такие модели и алгоритмы.
Конференция 2007 г. (Девятков В.В., Кобелев Н.Б. и др.) [3, 4] соотнесла с современным мировым уровнем состояние такого важнейшего научно-технического направления в России как электронная готовность страны. Последняя представляет собой обобщенную оценку примерно ста показателей, характеризующих общий интеллектуальный уровень принимаемых решений. Регулярный мониторинг тенденций интеллектуального развития, проводимый в рамках специальной программы ООН по 159 странам в 2005 г., поставил электронную готовность России на 126-е место. Наш рейтинг по сравнению с 2004 г. упал на 36 пунктов, что свидетельствует о крайне негативной тенденции (между прочим, уровень коррупции имеет сильную отрицательную корреляцию с электронной готовностью).
Факты снижения интеллектуальности безусловно имеют место. В стране не осуществляется расчет межотраслевого баланса продукции и услуг, в силу чего никто точно не знает, что нужно стимулировать, а что не нужно. Нет существовавшего в советские времена единого плана развития и размещения производительных сил страны по отраслям и регионам. Несбалансированная промышленность производит более дорогую и неконкурентоспособную продукцию. Продавлена вузовская реформа, понижающая уровень подготовки специалистов до теперешнего уровня нашей экономики и гарантирующая стагнацию последней. Работы по теории и разнообразным применениям имитационного моделирования (ИМ), которые могли бы повысить интеллектуальность и обоснованность принимаемых решений, ныне проводятся лишь несколькими сотнями оставшихся энтузиастов. В то же время в США на работы, связанные с ИМ, тратятся десятки млрд. долларов в год. ИМ принимаемых решений, проектов развития и технологий постоянно применяется такими компаниями, как Boeing, Compaq, Xerox, IBM, Intel, Lockheed, Motorola, General Motors, Ford, Standard Oil, Cray Research и многими другими,а также рядом правительственных организаций (Агентство национальной безопасности, ВВС, ВМФ, NASA). В докладе Ю.А. Меркурьева [4, 23- 26] были перечислены журналы и конференции — европейские и мировые, в том числе мультиконференции (многотемные): агентно-ориентированные; теория моделирования; высокопроизводительные вычислительные системы; военное моделирование; развитие городов. Центральное место здесь занимают Зимние конференции по ИМ (США). В данном докладе были указаны также электронные ресурсы, где располагается основная информация о конференциях по ИМ.
В целом на прошедших конференциях констатировалось, что в РФ наметился выход из кризиса в области ИМ. Это было наглядно было показано в работе [7] и последующих докладах соответствующих авторов на конференциях [1–5], в которых в качестве аргументов, подтверждающих данные положения, были приведены следующие факты:
1. Индикатором резко возросшей активности специалистов ИМ является появление серьезных информационных ресурсов, посвященных ИМ, в сети Internet. Среди них www.xjtek.ru, www.gpss.ru, www.simulation.org.ru, www.gpss-forum.narod.ru и др.
2. Постоянно увеличивается академическое применение ИМ. Благодаря энтузиазму и терпению преподавателей многих ВУЗов, удалось сохранить основной костяк специалистов по ИМ высокой квалификации. В стандарты ряда образовательных специальностей в России введены курсы: «Моделирование систем», «Имитационное моделирование», «Компьютерное моделирование».
3. Появилось гораздо больше публикаций по тематике имитационного моделирования. Причем это относится не только к трудам симпозиумов и конференций, но и к журнальным статьям и монографиям.
4. Повсеместно в РФ появляются компании, профессионально занимающиеся ИМ. Среди них B-Club Engineering (г. Иваново, www.b-club.ru), «Элина-компьютер»
(г. Казань, www.elina-computer.ru), Департамент имитационного моделирования компании IBS (г. Москва, www.ibsd.ru), Ленгипромез (Санкт-Петербург), Новые исследования и разработки проводятся в РАН: Вычислительный центр РАН, ИПУ РАН, ИСА РАН, ИППИ РАН, ИПИ РАН, СПИИРАН, институты СО РАН и др.
5. Появился целый ряд российских разработок, конкурентоспособных на мировом рынке (табл. 3).
Пример инструментальных средств ИМ, разработанных в России Имитационная платформа Департамент систем имитационного моделирования IBS, Профессиональный инструСанкт-Петербург, ул. Политехническая, 21, мент моделирования AnyLogic Распределенная система ИМ QNX (ОС семейства UNIX) Общецелевая система ИМ Ob- Северодонецкий технологический институт, 6. Наблюдается появление практического интереса к ИМ в реальном секторе экономики. На ряде предприятий были выполнены или выполняются серьезные проекты с применением ИМ.
7. В 2011 году было образовано некоммерческое партнерство «Национальное Общество Имитационного Моделирования» (НП «НОИМ»).
В целом на прошедших конференциях отмечалось, что, несмотря на то, что к настоящему времени в РФ в рассматриваемой предметной области (имитационное и комплексное моделирование сложных объектов и систем) были получены важные теоретические и практические результаты, из-за целого ряда объективных и субъективных причин (методологических, технологических, финансовых, образовательных и т. п.) при создании и применении ИМл допускается множество ошибок и некорректностей, а эффективность использования ИМл, к сожалению, продолжает оставаться низкой, еще достаточно слабо учитываются возможности современных интеллектуальных информационных технологий при организации и проведении ИМ.
3. Современное состояние и проблемы развития имитационного моделирования в Рассмотрим основные проблемы ИМ и возможные пути выхода из них, которые предлагались участниками прошедших конференций ИММОД в 2003–2011 годах. В качестве таковых были выделены следующие основные проблемы [1–3,8,14–22]:
3.1 Проблемы оценивания и анализа требуемой степени адекватности, точности, достоверности, корректности и полезности имитационных и комбинированных моделей Одной из центральных проблем современной теории моделирования сложных организационно-технических систем (СОТС) в целом и ИМ указанных систем в частности заключается в обеспечение требуемой степени адекватности (в широком смысле) и точности, достоверности, корректности и полезности (в узком смысле) рассматриваемого класса моделей по отношению к моделируемым объектам-оригиналам Ob< >.
Данное требование является обязательным для любых случаев построения моделей и моделирующих систем. При этом очевидно, что на практике следует говорить не о полной адекватности, а лишь об адекватности в некотором смысле (о требуемом уровне адекватности). Для СОТС одна модель может отражать лишь какую-либо сторону, аспект прототипа, и поэтому понятие адекватности "вообще" для такой модели не существует, речь может лишь идти об адекватности отражения данного аспекта.
Следует всегда оценку степени адекватности проводить с учетом того, в какой степени на данной модели могут быть достигнуты цели, поставленные при исследовании каждого конкретного вопроса, для решения которого необходимо прибегать к моделированию.
Причинами неадекватности ИМл некоторого объекта оригинала Ob< > (в нашем случае — СОТС) могут быть неточные исходные предпосылки в определении типа и структуры моделей, погрешности измерений при проведении испытаний (экспериментов), вычислительные погрешности при обработке измерительной информации. Использование неадекватной модели может привести к значительным экономическим потерям, аварийным ситуациям, к невыполнению задач, поставленных перед реально существующей системой.
Вопросы создания теоретических основ имитационного и комплексного моделирования, в рамках которых проблема адекватности была бы формально и фундаментально исследована, неоднократно обсуждались на конференциях ИММОД.
Так, полемизируя с многочисленными заявками на разработку «общей теории ИМ», в пленарном докладе ИММОД-2007 Ю. И. Рыжиков, Б. В. Соколов и Р. М. Юсупов [3] показали целесообразность генезиса обсуждаемой научной дисциплины как синтеза ряда областей «чистой» и прикладной математики в рамках междисциплинарной отрасли системных знаний. Однако, на той же конференции Н. Б. Кобелев [3] предложил формальное описание структуры универсальной имитационной модели многоагентного моделирования открытых систем. Претензия на универсальность (и не только в этом докладе) должна быть сразу отклонена уже с философских позиций и по опыту создания программных систем самого различного назначения. Предложения докладчика относятся в лучшем случае к предпроектной стадии; какие-либо сравнения с аналогичными идеями и разработками, а также выводы отсутствуют; компьютерная эффективность в связи с непомерной нагрузкой на диспетчер наверняка окажется низкой.
С. В. Акимов [2] также предлагает универсальную имитационную модель, но с оговоркой – для «класса объектов». Правда, этот класс никак не определяется. Далее он описывает трехуровневый процесс разработки прикладной модели: идентификации, спецификации и имитации. Синтез конечного продукта предлагается проводить на основе модульного программирования – на самом деле имеется в виду сборочное программирование (хотя бы и с использованием модулей).
В докладах Соколова Б.В и его соавторов [2-3] в связи с этим подчеркивалась необходимость и актуальность развития в настоящее время общей теории оценивания качества моделей и полимодельных комплексов (квалиметрии моделей). Также в указанных докладах отмечалось, что для конструктивного решения общей проблемы оценивания и управления качеством моделей (выбора наиболее предпочтительных моделей) надо, в первую очередь, исследовать следующие частные проблемы (комплексы задач): провести описание, классификацию и выбор системы показателей, оценивающих качество моделей и полимодельных комплексов; разработать обобщённое описание (макроописание) различных классов моделей (макромодели), позволяющее, вопервых, устанавливать взаимосвязи и соответствия между видами и родами моделей, и, во-вторых, сравнивать и упорядочивать их, используя различные метрики; разработать комбинированные методы оценивания показателей качества моделей (полимодельных комплексов), заданных с использованием числовых и нечисловых (номинальных, порядковых) шкал; разработать методы и алгоритмы решения задач многокритериального анализа, упорядочения и выбора наиболее предпочтительных моделей (полимодельных комплексов), управления их качеством; разработать методологические и методические основы решения задач многокритериального анализа и синтеза технологий комплексного (системного) моделирования сложных объектов.
Указанные проблемы и методические основы их формализации и решения, дополненные разработкой понятийно-терминологической и методологической базы могут, в этом случае, уже рассматриваться как компоненты новой прикладной теории квалиметрии моделей. В ходе проведения конференций предлагались варианты решения перечисленных проблем. Так, например, в докладе В. А. Пепеляева [2] определялись базовые понятия, связанные с достоверностью моделирования. Концептуальная модель на основе предположений относительно абстракции от реальности определяет иерархическую структуру исследуемой модели и связи между отдельными ее компонентами. Квалификация концептуальной модели есть подтверждение принятых соглаоктября 2011. Санкт-Петербург ИММОД- шений и предположений для выбранной области применения. Модель взаимодействий отображает динамику функционирования системы, а ее верификация есть подтверждение корректности отображения взаимодействий объектов и динамики исследуемой системы в целом. Имитационная модель рассматривается как программный образ концептуальной модели, определенный на одном из высокоуровневых объектноориентированных языков программирования (моделирования). Верификация модели предполагает доказательство возможности использования создаваемой программной модели в качестве машинного аналога концептуальной модели при достаточном сходстве с последней. Валидация данных должна быть направлена на доказательство удовлетворительной точности входных данных и корректности их использования. Тестирование модели есть планируемый интерактивный процесс, направленный на поддержку процедур верификации и валидации имитационной модели, в том числе на поиск ошибок в программах. В докладе приводится ряд методических рекомендаций по отдельным этапам обеспечения достоверности. Четкость предложенных определений оставляет желать лучшего, а названные понятия явно не ортогональны (имеют пересечения). Валидация данных не должна связываться с корректностью их использования.
В близком по содержанию докладе И. В. Яцкив [1] вводились некоторые дополнительные понятия. В частности, если модель и ее результаты приняты пользователем и применяются для принятия решений, то модель считалась заслуживающей доверия (credible). Далее обсуждались процедуры проверки адекватности: концептуальные, операционные, основанные на выходных данных. Концептуальные тесты включают проверку постановки задачи моделирования, входных данных, структурных допущений, логическую валидацию. Операционные тесты анализируют адекватность поведения модели; включают тесты на непрерывность, анализ чувствительности, анализ вырождения, анализ анимации. Анализ риска состоит в определении вероятностей редких, но крайне нежелательных событий (ядерный инцидент, экологическая катастрофа, авария энергосистемы, финансовый крах). Как особая категория рассматриваются тесты, основанные на выходах. Здесь модель при реальных входных данных должна порождать близкие к реальным выходным. Разумеется, исследователь должен располагать последними. Возможный подход к оценке адекватности модели - тест на статистическую однородность совокупности реальных и модельных выходных данных.
В докладе А. В. Кана [3] были приведены алгоритмы формирования репрезентативных потоков воздушного движения в регионе, гарантированно включающих наиболее проблемные варианты часовых входных потоков и в то же время менее объемных, чем полные исходные полетные данные. Анализ, выполненный по критерию Вилкоксона, показал [3], что сформированные репрезентативные потоки принадлежат к одной генеральной совокупности с исходными потоками с вероятностью не менее 0.95.
В докладе И. И. Савеловой [4] рассматриваются вопросы внедрения имитационной модели финансовых потоков на предприятии приборостроения. Для валидации результатов имитационной модели финансовых потоков был выбран метод сравнения с ретроспективными данными. Алексеев А.В. в докладе [5] проанализированы факторы, особенности и пути решения проблем возрастания сложности современных эрготехнических систем (ЭТС) на основе методологии и технологии полимодельной многокритериальной оценки их качества (при одновременном использовании нескольких моделей) с оптимизацией выбора наилучшего из возможных вариантов построения, создания и эксплуатации ЭТС. В докладе Боева В.Д. [5] приведена конкретная методика сравнения качества моделирования процессов функционирования цеха, предприятия, сети связи, фирмы предоставления ремонтных услуг, полученные в GPSS World и AnyLogic, в рамках которой было установлено, что соответствующие эндогенные переоктября 2011. Санкт-Петербург ИММОД- менные отличаются несущественно. В другом докладе, автором, которого является Конюх В.Л. [5], рассмотрены проблемы разработки методики валидации имитационной модели, построенной с использованием сети Петри, в рамках которой проводилось сравнение выходов реально существующей системы и ее модели при одинаковом входном воздействии. Для процесса транспортирования предлагается добиваться равенства грузопотоков на входе и выходе имитационной модели подземной транспортной сети шахты “Распадская”. Доказательством соответствия разработанной модели процессу транспортирования является также сравнение результатов моделирования времени от начала работы источников грузопотока до появления груза на выходе транспортной сети с расчетным. Предложенные методы проверены при имитационном моделировании процесса доставки горной массы подземной транспортной сетью с источниками грузопотоков, 12 конвейерами и 5 промежуточными бункерами.
Однако, к сожалению, общий объем проводимых теоретических и практических работ и полученных конструктивных результатов по данному направлению исследований еще недостаточен. Были и остаются открытыми вопросы полноты, замкнутости и непротиворечивости получаемых в рамках имитационного и комплексного моделирования научных и практических результатов, вопросы валидации и верификации комбинированных моделей, когда в их состав входят имитационные модели.
3.2. Проблемы развития имитационного и комплексного моделирования на основе современной теории очередей В многочисленных докладах Ю. И. Рыжикова и его учеников [1-4] неоднократно поднимались проблемы современной теории очередей, являющейся теоретической базой имитационного и комплексного моделирования. Так, пленарном докладе [3] был сделан краткий обзор возможностей современной теории очередей и показана необходимость ее освоения всеми «имитаторами». В докладе совместно с С. В. Кокориным [3] были рассмотрены вопросы автоматизации расчёта стационарных характеристик для широкого класса задач систем и сетей массового обслуживания с учётом высших моментов входных распределений. Современные методы теории очередей: вложенные цепи Маркова, законы сохранения, аппроксимация фазовыми распределениями — позволили разработать пакет прикладных программ МОСТ, насчитывающий около процедур. Из их вызовов формируется рабочая программа решения конкретной задачи.
В основу данного пакета положены два основных принципа: использование метода моментов для подбора удобных распределений времени между прибытием заявок и времени обслуживания; применение законов «сохранения» для вычисления необходимых характеристик в стационарном режиме. В помощь непрофессиональному (не программисту и не специалисту в области теории очередей) пользователю создана оболочка А-МОСТ («Автоматизированный-МОСТ»), позволяющая по заданному набору входных данных автоматически построить решающую задачу Фортран-программу.
Оболочка позволяет обрабатывать четыре группы вариантов: открытые или замкнутые системы, открытые или замкнутые сети. Исходные данные каждого варианта задаются на отдельной вкладке. В отдельных докладах [1-5] обсуждались проблемы, возникавшие на разных стадиях разработки процедур МОСТа : обоснование базовых концепций; получение аппроксимаций для промежуточных величин, способы точного расчета которых неизвестны; верификация процедур в целом. Решение значительной их части удалось получить с помощью имитационного моделирования (ИМ).
В докладе В.Г. Хлопяка [3] изложена методика моделирования систем массового обслуживания на основе применения Х-агрегатов. Однако сопоставление с известными системами моделирования не сделано. В примере приведена формула для получеоктября 2011. Санкт-Петербург ИММОД- ния показательно распределенных псевдослучайных чисел t = ln( R) / l - с потерянным минусом, что гарантирует обратный ход модельного времени.
Н.Л. Соколов и И.А. Селезнева [4] представили результаты математической формализации процессов функционирования центра управления полетами в процессе эксплуатации космических аппаратов и получения целевой информации. Было предложено проводить численное интегрирование системы дифференциальных уравнений Эрланга и определять момент достижения конечного состояния. Известно гораздо лучшее решение более общей задачи через преобразования Лапласа распределения времени пребывания заявки в сети. Этот же метод позволяет справиться и с обсуждаемой в докладе А. М. Пуртова задачей свертки графов сетей обслуживания [4].
Методы понижения дисперсии моделирования всесторонне обсуждались в докладе А. Г. Варжапетяна [2]. Отмечались обязательность раздельных ДСЧ для каждой случайной величины и метод дополняющих переменных, причем для получения таковых в командах RMULT из GPSS-программы использовались дополняющие начальные установки. Для вычисления вероятностей редких событий применялось условное моделирование. Все эти технологии не новы, но, к сожалению, неизвестны практикам и совершенно не используются ими. Хочется надеяться, что «лед когда-нибудь тронется».
Ю. И. Рыжиков [3] провел оценку эффекта от применения методов понижения дисперсии результатов моделирования на классической задаче системы обслуживания M/M/1 (эти технологии не новы, но, к сожалению, не применяются практиками). Он предложил несколько полезных технологических приемов: логарифмическая шкала выдач, ускоренная генерация разнесенных начальных установок для мультипликативных датчиков случайных чисел, расчет эффекта условной имитации. В докладе О. И.
Кутузова [7] был использован один из методов этой группы: расслоенные выборки.
Диденко Д.Г. [5] провел анализ качества псевдослучайных последовательностей, которые имеют большое значение при получении достоверных результатов. В докладе рассматриваются современные системы имитационного моделирования OpenGPSS (http://www.simulation.kiev.ua), GPSS World и AnyLogic, которые работают с дискретными моделями. Перечисленные системы моделирования поддерживают работу с большим количеством вероятностных распределений - от Бернулли до Вейбула ( распределений в OpenGPSS, в рамках AnyLogic описано 27 распределений, 24 распределения используются в GPSS World). Все виды распределений базируются на равномерном распределении, качество которого и оценивается в докладе. В работе Алиева Т.И. [5] излагаются результаты исследования влияния генераторов псевдослучайных величин на погрешность моделирования высоконагруженных систем массового обслуживания. Показано, что некоторые так называемые проблемные сочетания генераторов приводят к большой погрешности определения среднего времени ожидания заявок в системе, достигающей десятков процентов. Приводятся результаты анализа проблемных сочетаний. Задорожный В.Н. в своем докладе [5] обсуждает специфические проблемы моделирования узлов компьютерных сетей, обусловленные фрактальной природой их трафика. Предлагается метод расчета буферов фрактальных СМО. В работе Пономарева Д.Ю. [3] представлены возможные пути применения тензорного анализа при исследовании различных классов сетей массового обслуживания.
3.3. Проблемы комплексной автоматизации и информатизации процессов имитационного и комплексного моделирования сложных объектов и систем В настоящее время основным объектами имитационного и комплексного моделирования являются сложные процессы и системы, для которых характерно:
- комплексность и большая размерность (составных объектов и их параметров);
- иерархичность построения и наличие множества горизонтальных и вертикальных связей (в том числе и обратных);
- большая распределенность и удаленность объектов и систем в пространстве;
- наличие огромных потоков данных, информации и знаний, циркулирующих в контурах управления сложными объектами и системами;
В связи с этим, безусловно, возрастает роль и значение средств анализа функционирования и прогноза поведения сложных систем. В них подобно исследуемым объектам и системам должны использоваться наиболее результативные теоретические подходы, они должны быть технологически современны, понятны и доступны исследователям. Одними из наиболее эффективных методов исследования указанных объектов и систем являются методы имитационного и комплексного моделирования. Однако построение соответствующих моделей предполагает значительные трудозатраты.
Для их уменьшения разрабатывались и предлагались многочисленные инструментальные средства и среды автоматизации моделирования (ИССАМ), обсуждение достоинств и недостатков которых являлось одной из основных тем всех конференций ИММОД [1-5]. Среди ИССАМ наиболее часто упоминавшихся на прошедших конференциях и разработанных, модифицированных, поддерживаемых, распространяемых авторами соответствующих докладов, следует указать – GPSS, AnyLogic, BPsim, PowerSim, Simplex, Modul Vision, Triad.Net, CERT, ESimL, Simulab, NetStar, Pilgrim, МОСТ, КОГНИТРОН и т.д.
В результате коллективного детального обсуждения характеристик перечисленных программных средств был сформулирован ряд требований, предъявляемых к облику современных и перспективных ИССАМ. Среди них можно, в первую очередь выделить:
1. Универсальность и гибкость концепций структуризации и формализации моделируемых динамических процессов, заложенных в систему моделирования.
2. Возможность обмена между транзактами информацией об их параметрах и определения времени реализации критических событий - для непрерывных компонент процесса.
3. Наличие средств проблемной ориентации (система моделирования должна содержать наборы понятий, абстрактных элементов, языковые конструкции из предметной области исследования).
4. Применение объектно-ориентированных специализированных языков программирования, поддерживающих авторское моделирование и процедуры управления процессом моделирования.
5. Наличие удобного и легко интерпретируемого графического интерфейса, где схемы дискретных моделей и потоковые диаграммы реализуются на идеографическом уровне, а параметры моделей определяются через подменю.
6. Использование развитой анимации в реальном времени.
7. Возможность реализации нескольких иерархических уровней представления модели, средствами для создания стратифицированных описаний.
8. Наличие процедур: анализа входных данных; чувствительности к ним; планирования и организации статистического эксперимента; анализа поверхности отклика и процедур оптимизации и др.
Анализ показывает, что из современных инструментальных систем ИМ много докладчиков использовало GPSS и ее производные, которые по-прежнему остаются самыми популярными языками моделирования в преподавании и практическом испольоктября 2011. Санкт-Петербург ИММОД- зовании. Версиям GPSS/PC были посвящены доклады В. В. Афонина и С. А. Власова [2-3]. А. Г. Варжапетян использовал язык GPSS/H в процедуре бенчмаркинга, Д. В.
Турчановский применял GPSS/H-Proof со средствами анимации и поддержкой стратифицированных описаний. В докладе Р. Г. Гиниятуллина обсуждалась работа на GPSS World c широким использованием средств языка PLUS [2-3].
Один из докладов Ю. И. Рыжикова на ИММОД-2003 был посвящен тестированию и комплексной оценке самой популярной версии - GPSS World [1]. В качестве недостатков этой системы были отмечены:
1. Громоздкость системы и явная перегруженность встроенными возможностями (многообразие примитивов).
2. Медленная работа интерпретатора.
3. Отсутствие концептуального единства (достаточно указать, например, различия в обращении к элементам матрицы при простой ссылке и изменении значения;
круглые индексные скобки в основном тексте и квадратные - в PLUS-выражениях; обязательность приставки МХ при ссылке на глобальную матрицу в тексте модели и столь же обязательное ее отсутствие внутри процедур; контекстно зависимый вид ссылок на параметры активного транзакта).
4. Неудачные обозначения операторов отношения L, G, E (было бы лучше согласовать с фортрановскими); арифметическое SQR используется для квадратного корня (в Паскале так обозначается квадрат); состояние логических ключей указывается как SET или RESET (буквально -- установлен и установлен заново) вместо более естественных ON, OFF; операнд RE означает удаление (вместо общепринятого DEL).
5. Однократность прерываний устройств и недопустимость прерываний для памятей, которые могут быть использованы для моделирования многоканальных устройств обслуживания и, следовательно, окажутся подверженными прерываниям.
6. Отсутствие средств подбора параметров распределений по заданным моментам, что практически обесценивает включенные в систему генераторы.
7. Невозможность создания программы, имеющей комментарии с кириллическими символами.
8. Невозможность менять тип шкал графиков (только линейные) и их разметку;
цвет и структуру линий, что может сделать их неотличимыми друг от друга и/или от фона при черно-белом выводе.
9. Исключительно временной аргумент графиков, так что распределение вероятностей состояний системы автоматически построить нельзя. Кстати, для такого графика обязательна логарифмическая шкала.
В ряде докладов на последующих конференциях рассматривались возможные пути преодоления недостатков этой системы, погружая ее (точнее, заново реализуя некоторый аналог) в среде Delphi или используя Delphi-генератор GPSS-программы.
В пленарных и многочисленных секционных докладах, представленных на ИММОД-2011 (Власов С.А., Девятков В.В., Девятков Т.В, Александров В.В.), были показаны дальнейшие перспективные пути совершенствования GPSS World, базирующиеся на сервис-ориентированных подходах, облачных вычислениях, использовании 3D графики и технологий интеллектуального управления и моделирования.
В.Ф. Мацула [3] предложил для устранения части перечисленных и иных недостатков кроссплатформенную систему имитационного моделирования GPSS For All. В язык добавлены ранее не встречавшиеся блоки, позволяющие обращаться к параметрам не только текущего, но и любого присутствующего в модели транзакта. Рассматривался также транслятор исходного текста.
Д.Г. Диденко сообщает о разработке новой распределённой дискретнособытийной системы моделирования OpenGPSS. Приведен фрагмент программы моделирования одноканальной СМО, в которой средний интервал между заявками равен 10, а среднее время обслуживания – 15 (!?). Это соотношение вызывает ряд вопросов.
А. В. Габалин [3,4] описывает универсальную систему имитационного моделирования УСИМ, предлагая различные подходы к оптимизации проведения машинных экспериментов с ее помощью для решения задачи проектирования и коррекции структуры различных сложных систем. Сообщается, что «имитационные модели написаны на языке GPSS». Этот тезис порождает много вопросов к докладчику.
Используя возможности визуального моделирования и современные технологии дизайна и анимации, можно существенно ускорить имитационные исследования. В докладе С. В. Терентьева [2] дан полезный обзор и сопоставление применяемых в России зарубежных и отечественных пакетов моделирования. Материалы того же содержания распространялись и на подготовленном В. Л. Конюхом компакт-диске.
В многочисленных пленарных и секционных докладах А. В. Борщева и его коллег [2-5] представлен новый профессиональный инструмент -- AnyLogic, который объединяет объектно ориентированный подход, визуальное проектирование, дружественный графический интерфейс, язык Java, агентные технологии, теорию гибридных систем. Визуализация динамики процессов и статистическая обработка случайных параметров являются встроенными и выполняются автоматически. Следует отметить заметный рост числа докладов об исследованиях, выполненных на этой чрезвычайно мощной системе в последние четыре года.
Коммерческие симуляторы представлены и специализированы рядом докладчиков по отраслям промышленности: eMPlant (машиностроение), DELMIA (судостроение), NETRAC (телекоммуникации и связь). Ю. И. Толуев [3-4] отмечает, что решение задач с преобладанием логистических аспектов может быть получено с помощью любых коммерческих симуляторов; чаще всего это GPSS, Simula, Arena, AutoMod, eMPlant, Extend, Proсess Model, QUEST, SIMFACTORY, Taylor ED, WITNESS. Скольконибудь систематизированные сведения по большинству названных пакетов отсутствуют. По А. В. Борщеву, Arena, Extend, ProMоdel, SimProcess используют ту же концепцию транзакта, что и GPSS.
В многочисленных докладах К. А. Аксенова и его коллег [2-5] отмечается, что система BPsim обеспечивает поддержку всего жизненного цикла создания и применения имитационной модели и опирается на аппарат динамических экспертных систем, что в значительной степени освобождает ее от недостатков наиболее популярных симуляторов. В ней определены следующие классы объектов: операции, ресурсы, средства, процессы, источники и приемники ресурсов, перекрестки, параметры. Отдельно выделены информационные типы ресурсов: сообщения и заявки на выполнение операций. Параметры процесса задаются функцией от характеристик объектов и могут быть производными (свертка различного типа характеристик) и консолидированными (свертка одноименных характеристик нескольких операций процесса). Описание причинно-следственных связей задается специальными объектами.
Любой специализированный инструмент имитации обладает встроенным интерпретатором модели, который не может не иметь ограничений и логика которого, как правило, остается неизвестной пользователю в полном объеме. Кроме того, работа с такими инструментами не способствует уяснению принципов моделирования вообще и имитационного - в частности. Поэтому остается актуальным создание имитационных моделей на языках широкого применения. В этом контексте язык программирования С++ благодаря объектной ориентации и использованию его при написании ядра операоктября 2011. Санкт-Петербург ИММОД- ционных и моделирующих систем облегчает интеграцию с последними вновь разработанных расширений и надстроек.
В докладе К. В. Воронцова [2] модель решения финансовых задач была реализована на С++ в виде динамической библиотеки функций. Аналогичные решения для моделирования дискретных событиями в стиле Simula обсуждались в докладах В. В.
Окольнишникова о разработке АСУ технологическим процессом, Л. М. Местецкого и Д. В. Щетинина в связи с имитацией работы аэропорта Шереметево.
В докладе В. Н. Томашевского [2] пропагандируется язык SLX, представленный как объектно-ориентированный GPSS. Новым здесь является написанный на С++ лингвистический процессор, который по интерактивно формируемому заданию строит GPSS-программу. В другом своем докладе В. Н. Томашевский [2] отмечает, что современные программные средства благодаря использованию типовых компонент и графического интерфейса позволяют автоматизировать построение модели; однако средства имитации, в которых нет возможности ввести новые моделирующие конструкции, обязательно окажутся неподходящими для некоторых практических ситуаций. Далее он заявляет, что «данную проблему можно решить путем использования генератора программ, которые создаются на некотором языке моделирования. В этом случае квалифицированный пользователь сможет изменить код программы». Нетрудно видеть, что возможности такой системы не могут выйти за рамки таковых для ее нижнего уровня, и SLX сохранит все ограничения GPSS.
Недостатками С++ справедливо считаются неудобство программирования и трудность сопровождения программ. Корень этого и других недостатков данного языка лежащая в его основе статическая типизация. Те же недостатки присущи языкам Java, Object Pascal, Delphi. Поэтому альтернативой может явиться SmallTalk - объектно ориентированный язык с динамической типизацией. Другой причиной сложности программирования на С-подобных языках является их ориентация на проблемы системного, но не прикладного программирования.
Представленная С. Н. Ковалевым [2] система SIMPAS разработана в МГТУ им.
Баумана на языке Pascal. Она предназначена для имитационого моделирования дискретных и непрерывных систем и отличается простотой и компактностью записи моделей. Помимо паскалевских, в ней предусмотрены специфические типы скалярных и множественных данных. К типу «объекты» отнесены транзакты, приборы, очереди, накопители и др. Для действий над ними используются специальные процедуры. Форма записи моделей напоминает GPSS.
О. А. Савина [4] докладывала об Events Modeling Language (EML), построенном как отдельный программный модуль в Borland Delphi. Здесь имеется примерно такой же перечень видов объектов. Объекты организованы в динамические списки. С. А. Лазарев описывал построенную на EML имитационную модель единичного и мелкосерийного производства. Аналогично построена и используется система SMPL (доклады С. В. Терентьева и О. А. Савиной).
Ряд докладчиков предпочел моделирование на «универсальных» языках программирования. О работе на Фортране докладывал В. В. Миняев. На Фортране же Ю.
И. Рыжиков на ИММОД-2003 проводил сравнительное тестирование GPSS и ставил имитационные эксперименты при разработке аналитического метода расчета многоканальных приоритетных систем. В частности, оценивались издержки использования встроенных в GPSS средств визуализации: все окна закрыты - 4 с, выводится таймер с, открыты окно блоков и таймер - 5271 с (почти полтора часа). Реализация той же модели на Фортране потребовала 0.05 с.
Е. С. Ершов и Е. Б. Юдин [4] сообщают: «Имея достаточный опыт в разработке как имитационных моделей, так и библиотек для Anylogic 6 и проанализировав преимущества и недостатки существующим систем имитационного моделирования (СИМ), коллектив “Лаборатории имитационного моделирования imlab” принял решение о необходимости создания собственной СИМ». Хотелось бы, однако, ознакомиться с аргументацией.
Далее следует более подробное описание СИМ SimuLab и ее ключевых особенностей. Вызывает интерес сообщение о высокопроизводительном дискретно-событийном «движке»: сообщается, что оптимизация кода движка и использование специальных структур хранения данных позволило сократить временные затраты на проведение имитационных экспериментов в 4-5 раз.
Пользователю предоставляется возможность создания 3D анимации не только во время имитационного эксперимента, но и при пост-обработке, что значительно снижает нагрузку на компьютер. В докладах на конференциях ИММОД в качестве концептуальной основы ИМ часто предлагалось рассматривать сети Петри и агрегативные системы. Сети Петри были в большой моде лет 20 назад, когда с их помощью надеялись рассчитывать дискретные процессы без имитации. В подавляющем большинстве применений от обычных имитационных моделей они отличаются лишь большим наукообразием и специфической терминологией. В докладе Р. Г. Загидуллина [2] предложены метод синтеза сетей Петри на базе функциональных подсетей и реализующий его программный продукт. П. В. Гречишкин [3] для имитации процесса очистных работ в длинном забое использовал проблемно ориентированный имитатор сетей Петри.
По В. Л. Конюху, имитация шахтных робототехнических систем сетями Петри позволила выбрать структуры роботизированных технологий горных работ и обосновать требования к шахтным роботам, решить вопросы повышения степени использования оборудования, согласования работы единиц оборудования, появления и устранения отказов, обеспечения отказоустойчивости, распределения функций между оператором и компьютером, выбора тактики управления, проектирования системы управления. Он же докладывал об имитаторе сетей Петри, ориентированном на непрограммирующих пользователей и работающем как в тактированной системе, так и в схеме «от события к событию». Главным требованием было обеспечение работы с имитатором непрограммирующего пользователя, умеющего отображать поведение системы в виде сети Петри. Такого пользователя, однако, трудно себе представить. На базе этого имитатора предложен цикл лабораторных работ, ориентированных на различные задачи горного дела.
К сожалению, и в тексте пленарного доклада В. Л. Конюха на ИММОД-2009 не нашлось места для сравнения сетей Петри с другими технологиями моделирования.
В. Е. Парусов [4] занимался автоматизацией модельных исследований функционирования сложных информационных систем с помощью модифицированных сетей Петри (метод табличных вычислений). Приводится алгоритм определения возможности выборки маркеров из входных позиций для синхронной сети Петри. Предлагается алгоритм определения возможности перемещения маркеров в выходные позиции.
Описан алгоритм прогнозирования ближайшего времени срабатывания временной сети Петри. Рассмотренный алгоритм был успешно применен для оценки предельной пропускной способности подсистемы обмена информацией АСУ военного назначения, выявления компонент «риска» и выработки рекомендаций по совершенствованию программно-аппаратных средств АСУ.
Д. В. Кочкин [4] приводит модели коммутатора и небольшой сети, построенные с использованием нейронечетких сетей Петри. В докладе правильно оговорена специфиоктября 2011. Санкт-Петербург ИММОД- ка «нейро», о которой часто забывают – неопределенность имеет нестохастический или субъективный характер. Сообщается о построении моделей сетевого оборудования (рабочая станция, коммутатор, канал передачи данных), которые можно комплексировать. Общая модель записывается в виде сценария.
Говоря об агрегативном моделировании (кусочно-линейные агрегаты - КЛА) необходимо отметить, что данный подход по существу содержится в классическом событийно-ориентированном дискретном имитационном моделировании. Оно просто описывает процесс в иных терминах, и его применение в значительной степени является делом вкуса или привычки. КЛА использовались в докладе А. А. Молева [3] о полунатурном моделировании радиоэлектронных систем, причем для описания агрегатов, их состояний и операторов применялся объектно-ориентированный подход. В докладе В.
Г. Хлопяка [4] введение упрощеннных Х-агрегатов рассматривается как универсальный подход к созданию имитационных моделей. «Определение агрегата строится из общих представлений о характере функционирования объектов реального мира», однако сущность упрощения четко не прописана. Предлагаемые основной и оперативный «почтовые ящики», по сути, не отличаются от цепей GPSS будущих и текущих событий соответственно. Большое количество докладов на конференциях ИММОД было также посвящено рассмотрению других отечественных ИССАМ, среди которых следует, в первую очередь выделить BPsim, Modul Vision, Triad.Net, CERT, ESimL, Simulab, NetStar, Pilgrim, МОСТ, КОГНИТРОН [1-5].
3.4. Проблемы интеллектуализации и гибридизации инструментальных средств и сред имитационного и комплексного моделирования Анализ перечисленных ранее особенностей формального описания и исследования сложных объектов и систем, постоянно проводимый в ходе ИММОД, показал, что при моделировании и управлении данными объектами и системами следует базироваться на концепциях и принципах, положенных в основу современных технологий системного (комплексного) моделирования [6-10]. Более того, как показывает анализ, при решении актуальных в современных условиях проблем структурнофункционального синтеза облика гибридных интеллектуальных системы управления (ГИСУ) СОТО целесообразно рассматриваемые технологии системного моделирования, традиционно связанные с количественными вычислениями, дополнить интеллектуальными информационными технологиями (ИИТ), ориентированными на символьную обработку информации. К указанным информационным технологиям принято относить [7-10, 14-20]:
технологии экспертных систем (Expert Systems) или систем, основанных на знаниях (Knowledge-Based Systems);
технологии нечёткой логики (Fuzzy Logic);
технологии искусственных нейронных сетей (Artificial Neural Networks);
технологии вывода, основанного на прецедентах (Case Based Reasoning, CBR) CBR-технологии;
технологии естественно-языковых систем и онтологии;
технологии ассоциативной памяти;
технологии когнитивного картирования и операционного кодирования;
технологии эволюционного моделирования.
Наибольший интерес на последних трех конференциях ИММОД был связан с мультиагентными технологиями имитационного моделирования. Различным аспектам проведения исследований сложных объектов и систем с использованием данных технологий было посвящено более 50 докладов [3-5]. При этом в указанных докладах отмечалось, что главной чертой сложных социально-технических систем является наличие значительного числа субъектов, действующих относительно обособленно и имеющих возможность влиять на систему и другие субъекты путем принятия определенных субъективных решений. Эта ситуация идеально реализуется в технологиях объектноориентированного программирования (ООП). Оно основано на представлении программы в виде совокупности объектов, каждый из которых является экземпляром определенного класса, а классы образуют иерархию с наследованием свойств. Взаимодействие объектов в такой системе осуществляется путем передачи сообщений.
Модель интеллектуального агента включает: имя агента, его цели, приоритет, базу знаний, виды входящих и выходящих сообщений, сценарии поведения, множество управляемых объектов преобразования ресурсов; место агента в иерархии начальников и подчиненных. Основными объектами агентной модели процесса преобразования ресурсов являются: операции, ресурсы, команды управления, средства, процессы, источники и приемники ресурсов, перекрестки, параметры, агенты. Для придания им достаточной автономности распределенные интеллектуальные системы должны проходить обучение (самообучение).
А. В. Борщев пропагандировал для решения задач данного класса систему AnyLogic и демонстрировал разнообразные примеры ее использования – в частности, для исследования динамики употребления агентами алкоголя в России и ассимиляции испаноязычного населения США.
В докладе А.В. Шатрова обсуждалась агентная имитационная модель развития региональной экономики. «Массовые» агенты «Банк», «Производитель», «Собственник», «Население» представляют совокупности реальных субъектов экономики. Массовые агенты благодаря конкуренции, подражанию и специализации субъектов ведут себя более регулярно и рационально, чем каждый из составляющих его субъектов. Поэтому их совокупное поведение считается возможным описывать вариационным принципом – максимизацией целевого функционала в рамках наложенных ограничений.
И. Г. Поспелов (уже упоминавшийся доклад группы акад. А. А. Петрова) рассматривал объекты макроэкономической системной динамики как макроагентов, в процессе взаимодействия которых устанавливаются ключевые параметры модели (цены). В докладе А. И. Микова обсуждалось автоматическое доопределение имитационной модели агента. Процесс доопределения описывается в терминах формальных грамматик. Термин «рутина» в докладе не определен и к тому же цепляется за понятия подпрограммы (subroutine) и маршрута (route). По мнению автора доклада, его предложения «позволяют избавить исследователей от рутинной работы».
В докладе А. А. Емельянова обсуждаются агентные программы, используемые для управления вычислительным процессом, процессами в коммуникационных и потребительских узлах Интернет, в социальных сетях. Поскольку актор является одновременно агентной программой, он имеет уникальную способность выполнять особенные функции преобразования модели при её выполнении (которые в любой другой системе недопустимы). Приводится краткое описание конструктора моделей Actor Pilgrim.
И. В. Котенко, а также М. В. Степашкина, А. В. Уланова и О. В. Черватюк, рассматривали многоагентное моделирование для исследования механизмов защиты информации в сети Интернет от сетевых атак (таких, как «распределенный отказ в обслуживании», распространение сетевых червей и др.). Предлагается имитация антагооктября 2011. Санкт-Петербург ИММОД- нистического взаимодействия команд программных агентов, представляющих злоумышленников и компоненты систем защиты. Определена специфика ситуации (динамичное поведение; автономность, специализация, адаптация, способность вести переговоры и кооперироваться). Перечислены необходимые действия по защите. Выделены следующие классы агентов защиты: обработки информации, обнаружения атаки, фильтрации и балансировки нагрузки, расследования и деактивации агентов атак.
Детально обсуждается защита от распределенных атак. Строится абстрактная модель взаимодействия. Определены условия (например, степень информированности о своей и чужой команде). Описана среда ИМ (совокупность специфических модулей).
Не разъяснены, однако, некоторые ключевые моменты: кем командует «мастер», как составляется команда защитников, как учитывается «нормальный» трафик со смежными узлами, как определяются возможность и успех обезвреживания. Технология собственно моделирования, как и в GPSS, строится на основе цепи будущих событий. Ядра агентов выполнены на основе сопрограмм. Многие модули параметризуемы. Обсуждаются результаты проведенных экспериментов.
В. П. Романов предложил включить в модель экономики агента, выполняющего функции переподготовки и повышения квалификации работников. Kроме того, в модели имеются биржа труда, государство, предприятие, рынок. Учитывается зависимость доли занятого населения от инвестиционной стратегии предприятия, уровня налогообложения, стоимости обучения в университете. Модель реализована в AnyLogic.
Заметим, однако, что целевая функция (максимизация прибыли) записана в виде произведения – видимо, для одного продукта, тогда как предприятия предполагаются многопродуктовыми (пожалуй, даже слишком). По продуктам должна быть сумма!
Чрезвычайно интересным представляется доклад К. Ю. Шуляка. Он исследовал социально-экономических отношений, которые складываются в обществах с неевропейской экономической культурой, посредством имитационного моделирования взаимодействия агентов «с китайской спецификой».
Доклад Е. Л. Зайцевой посвящен созданию концепции построения имитационных моделей для исполняемых бизнес-процессов. Особый упор делается на систему RepastJ агентного класса. Сообщается о намерении построить набор программных продуктов.
В. К. Гулаков рассматривал распределенную координацию изменений графика проекта, работы по которому выполняют независимые субподрядчики, управляющие собственными ресурсами. Описана методология мультиагентных компенсационных переговоров, основанная на представлении полезности изменения времени как «перемещаемых денег» и использовании вариантов изменения графика для описания воздействий на график. Обосновывается необходимость коррекции оперативных планов и обеспечения их ресурсами усилиями субподрядчиков – без помощи генерального.
Возникает естественный вопрос о том, как это организовывать реально, сколько на это уйдет времени и зачем вообще нужен генеральный. А. С. Зраенко и К. А. Аксенов разработали математическую модель использования мультиагентного моделирования в системах поддержки принятия решений с учетом возможности создания коалиций агентов. Б. И. Клебанов предложил мультиагентную имитационную модель муниципального образования. В его докладе класс агентов «человек» моделирует поведение индивидов или групп граждан со сходными характеристиками. Агент-человек включает базовый класс «Потребитель», моделирующий расход человеком денежных средств на удовлетворение 12 видов собственных потребностей - в зависимости от уровня дохода человека и его состояния.
А. Ф. Берман предлагает применить агентный подход для имитационного моделировании динамики состояния механических систем, но предложение сводится к умным разговорам около проблемы - никаких подтверждений расчетами.
Е. О. Кринецкий предлагает действующий прототип имитационной модели, которая может использоваться в исследованиях коллективного поведения широкомасштабных социальных систем. Имитационная модель разработана в операционной среде агентной парадигмы системы AnyLogic.
Наряду с мультиагентными технологиями широкое обсуждение на последних трех конференциях ИММОД также получили вопросы использования при ИМ таких интеллектуальных информационных технологий как генетическое и эволюционное моделирование, нейросетевые технологии в сочетании с методами развиваемыми в современной теории нечетных и мультимножеств [3-5].
Принцип действия генетического алгоритма заимствован у живой природы.
Именно по такой схеме природа решает задачу формирования облика и свойств живых существ, максимально приспособленных для их среды обитания. Такое приспособление осуществляется от поколения к поколению и реализовано природой при помощи механизмов скрещивания особей (кроссинговер), их мутаций и наследования потомками признаков их родителей. Чем более приспособленной является особь, тем больше потомков она воспроизведет. А особи-потомки, в свою очередь, унаследуют характеристики приспособленности от своих родителей. Некоторые особи-потомки вследствие мутаций приобретут и новые признаки, не существовавшие у их родителей. Таким образом, суммарная приспособленность вида особей от поколения к поколению будет увеличиваться. Значение показателя качества возможного решения является мерой приспособленности особи.
Генетический алгоритм оптимизации формулируется следующим образом:
1. В пространстве поиска случайным образом задается популяция возможных решений (особей).
2. Вычисляются значения вектора функции цели для всех особей.
3. Из популяции отбираются и удаляются, например, 10% худших по значению целевой функции особей. Оставшиеся особи образуют родительскую группу.
4. Из родительской группы случайным образом выбираются пары особей в количестве тех же 10% от общего числа.
5. Новое поколение особей генерируется в результате обмена участками родительских хромосом (кроссинговер), а также мутаций.
6. Это поколение восполняет популяцию до исходной численности.
Далее этапы начиная со второго повторяются, пока во всех координатных точках значения оптимизируемой функции не станут отличаться друг от друга меньше, чем на заданное малое число. Предложена также комбинация генетического алгоритма с градиентным поиском локальных экстремумов и заменой ими «плохих» точек.
Таким образом, генетический алгоритм — это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путем последовательного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. Генетические алгоритмы служат, главным образом, для поиска решений в очень больших, сложных пространствах поиска.
В Генетическом Программировании каждый индивид является некоторой программой. Размер программы ограничен. Каждый индивид кодируется сходным с ДНК методом – в виде строки из символов одного типа. Длина строки (ДНК) постоянна.
Описанная методология генетического и эволюционного моделирования нашла свое отражение применительно к ИМ в ряде докладов на конференциях ИММОД [3-5].
В докладе Г. В. Пушкарева обсуждался гибридный генетический алгоритм для планирования движения резака при термической резке металла. Предложены модификации вышеупомянутых основных операций, в которых более четко прописаны вероятностные и имитационные элементы. Оператор разнообразия улучшает особь методом спуска. Оператор селекции уничтожает большую часть популяции, заменяя ее лучшим материалом. К.О. Боченина для оптимизации системы предлагает схему Беллмана (термин «динамическое программирование» не используется), дополненную генетическими алгоритмами пошаговой оптимизации. В докладах Аксенова К.А., Замятиной Е.Б., Микова А.И. и их коллег обсуждались вопросы использования генетических алгоритмов при формировании технологий гибридного моделирования сложных объектов и процессов. Важная роль в рамках указанных технологий отводится нейронным сетям.
Нейронная сеть (НС) есть набор связанных между собой нелинейных элементов – нейронов.
Работа нейросети состоит в преобразовании входного вектора в выходной.
Возможности сети возрастают с увеличением числа нейронов, количества связей между ними и числа внутренних слоев (каскадов). Настройка сети производится изменением интенсивностей связей между нейронами. Этот процесс называется обучением НС и выполняется по определенным правилам, определяемым исходной информацией относительно объекта управления. При отсутствии эталона обучение проводится «без учителя» - с помощью генетических алгоритмов, в ходе реализации которых меняются упомянутые интенсивности. Как генетические алгоритмы, так и нейронные сети в ряде докладов обсуждались применительно к оптимизации имитационных моделей. В связи со сказанным в докладах Ковтуна Л.И. и его коллег [4-5] обсуждались проблемы упреждающего имитационного моделирования, которое использовалось в сочетании с нечеткой логикой, алгеброй суждений и нейросетевыми технологиями применительно в сфере современного кораблестроения. Для указанной предметной области Осиповым В.Ю. также предложены оригинальные подходы к автоматизации процессов управления, базирующиеся на интеллектуальных геоинформационных технологиях.
3.5. Проблемы организации распределенного имитационного и комплексного моделирования, визуализации моделирования Несмотря на рост производительности современных компьютеров, их мощности не хватает для моделирования задач, связанных с самолето- и автомобилестроением, логистикой, сборочным производством и т. п., когда имитационные прогоны моделей могут длиться часами. Одним из вариантов решения этой проблемы является использование параллельного и распределенного дискретно-событийного моделирования. В этой области есть даже стандарт HLA – High Level Architecture.
Однако многие разработчики имитационных моделей отмечают сложность реализации этого стандарта, а также неприемлемость его для языков декларативного типа вроде GPSS из-за объектной ориентации HLA. В докладе Д. Г. Диденко [4] обсуждалась распределенная система имитационного моделирования OpenGPSS с использованием технологии взаимодействующих агентов и многосессионной клиент-серверной СУБД Oracle, позволяющей одновременно работать нескольким пользователям. В докладе А. И. Микова рассмотрена динамическая балансировка распределенной модели.
Предполагается выяснение дисбаланса во время выполнения эксперимента и перенос объектов имитационной модели с наиболее загруженных узлов на менее загруженные.
Распределенное моделирование (в смысле моделирования на многопроцессорных и многомашинных системах) в условиях России рассматривается как несколько преждевременное – главным образом в связи с недостатком заказов. В докладе А. И. Микова обсуждается его реализация в системе Triad.Net [3]. В. В. Окольнишников [2] представил систему распределенного имитационного моделирования «Мера», пригодную, в частности, для реализации на МВС-1000. «Мера» имеет многослойную структуру (ядро, последовательная машина, распределенная машина, коммуникационная машина) и допускает реализацию под операционными системами Linux, QNX-4, Windows – в частности, на однопроцессорных комплексах. В. В. Александров [4] рассматривает концепцию и реализацию распределенной инфраструктуры имитационного моделирования в среде GPSS World на основе SOA (сервис-ориентированной архитектуры).
Предложенная инфраструктура осуществляет обработку запросов на моделирование, как в асинхронном (по умолчанию), так и в синхронном режиме. В последнем случае предлагаются возможности для синхронизации модельного и реального времени, управления процессом моделирования и передача данных в реальном масштабе времени с целью их оперативной обработки. Тот же подход обсуждался в докладе Девяткова Т.В. [4]. [4] описывает архитектуру и возможности распределенной подсисВ. Л. Павлов темы управления моделями и обработки стандартных отчетов GPSS World. Компонента призвана помочь исследователям и аналитикам в области имитационного моделирования, в организации эффективного взаимодействия на основе корректного именования объектов совместно используемых отчетов.
В любой ИМ должны быть сохранены и легко узнаваемы такие черты моделируемого объекта, как структура, связи между компонентами, способ передачи информации. Поведение таких моделей иллюстрируется с помощью принятых в предметной области графических образов. Пакеты визуального моделирования позволяют пользователю вводить описание моделируемой системы преимущественно в графической форме, а также представлять результаты в виде диаграмм, графиков и таблиц, что упрощает их понимание исследователем. Это позволяет пользователю не заботиться о написании программы модели как последовательности выполняемых операторов, повысить интерес заказчиков и облегчить внедрение и применение системы. Ряд докладчиков отмечал как недостаток GPSS/W ее неспособность к «фотореалистичной» анимации. Из инструментов визуализации считается предпочтительным VRML по следующим причинам:
1. Язык является открытым, и для начального процесса обучения не нужно покупать дорогие пакеты по созданию анимации (достаточен стандартный Интернетбраузер).
2. VRML через Java Script допускает сопряжение с другими программными средствами.
3. Различные узлы VRML (LOD, SENSOR, INTERPOLATOR), а также методы прототипирования (PROTO) позволяют получать объекты различной степени детализации и повторно использовать объекты (метод порождения), что ускоряет разработку анимации.
4. VRML широко применяется в автоматизированном проектировании и, в частности, играет ведущую роль в концепции Virtual Factory.
Комплексная технология на его основе обсуждалась в докладе Р. Г. Гиниятуллина [3]. Наблюдается четкая тенденция перехода к графической среде разработки моделей:
сборке их из стандартных блоков (наподобие общеизвестной системы Visio) с их пооктября 2011. Санкт-Петербург ИММОД- следующим соединением, спецификацией параметров и взаимодействия. Такие модели обсуждались в докладе Ю. И. Толуева [3].
Т. В. Девятков [4] разрабатывал визуальную среду графического построения GPSS-моделей на основе библиотеки классов для основных понятий технологических понятий (графическое представление результатов пока оставлено в стороне). Модель генерируется из стандартных элементов среды и пользовательских GPSS-шаблонов;
генератор модели написан на языке PascalScript.
В системе Visual Imitak (К. М. Максимов) пользователь в главном окне модели строит модель из структурных элементов системной динамики – накопителей, темпов, констант, массивов. Затем он устанавливает связи между объектами и переменными, записывает уравнения и значения констант. В распоряжении пользователя имеется набор встроенных функций. Имитационная модель работает совместно с СУБД и допускает запросы на языке SQL.
А. В. Приступа [2] представил инструмент объектного моделирования ObjectSim.
Модель собирается из стандартных элементов, для каждого типа которых имеется окно настройки. Допускаются авторские компоненты пользователя. Каждая компонента имеет порты входа и выхода, переменные и константы. Пользователь может написать собственные обработчики для процессов входа и выхода в элемент и сбора нетипичной статистики. Языком написания кода служит PascalScript. Возможна интеграция системы с Microsoft Word и Excel, экспорт графики в популярные форматы BMP, JPEG, WMF.
3.6. Проблемы практического использования результатов имитационного и комплексного моделирования Вопросам практического использования результатов имитационного и комплексного моделирования сложных процессов и систем уделялось особое место на всех проведенных конференциях. Организационно данные вопросы рассматривались на отдельной секции. Интегрально на данной секции на пяти конференциях ИММОД было сделано более 230 докладов [1-5].
Если говорить о сценариях использования ИМ в практике, то наиболее типичные из них (по А. В. Борщеву) таковы:
1. Модель полностью встроена в производственный или бизнес-процесс и при выполнении соответствующих операций запускается автоматически.
2. Модель оформлена в виде утилиты, регулярно запускаемой вручную при принятии оперативных решений.
3. Модель оформлена в виде игры, используемой при обучении сотрудников.
4. Модель создается для оценки и сравнения вариантов предполагаемых изменений (модернизации) или для выработки оптимальной стратегии.
5. Модель создается ради динамической визуализации (демонстрации) проектируемого объекта – как дополнительный аргумент для руководства или потенциальных заказчиков.
Судя по продажам становящегося все более популярным отечественного пакета AnyLogic, активнее всего ИМ интересуются в металлургии, нефтегазовой отрасли, производстве стройматериалов, пищевых продуктов.
В этом подразделе обзора будут перечислены основные области применения разработанных докладчиками имитационных моделей. Сводный перечень применений выглядит следующим образом: предоставление услуг связи, сети передачи данных;
управление подвижными (космическими) объектами, воздушным и автотранспортным движением; организация промышленного производства (ГПС, обувное, мелкосерийное, сборка персональных компьютеров, разработка программного обеспечения); проектирование рыбообрабатывающих комплексов на судах промыслового флота; космическая сварка; информационное противоборство, блочное шифрование; динамика таймырской популяции северных оленей; региональные экономические системы; лечебноэвакуационные мероприятия в аиадивизии; налоговое и пенсионное законодательство, обращение граждан в органы государственного управления; бюджет домашних хозяек;
подготовка специалистов по управлению железнодорожным транспортом и магистральными трубопроводами. В нижеследующем обзоре они по возможности сгруппированы.
Государственное и корпоративное управление.
Из этого направления отметим доклад А. Р. Горбунова об имитационных моделях построения финансовых планов; А. В. Шатрова об имитационной модели развития региональной экономики; А. А. Громовой о моделировании баланса интересов в системах принятия решений по управлению научно-промышленным комплексом г. Москвы;
Б. И. Клебанова о мультиагентной имитационной модели муниципального образования (в последней класс агентов «человек» моделирует поведение индивидов или групп граждан со сходными характеристиками).
Н. Н. Лычкина докладывала об имитационном моделировании социальноэкономического развития регионов и о современных технологиях имитационного моделирования и их применении в информационных бизнес-системах и системах поддержки принятия решений.
В докладе И. Г. Поспелова рассмотрена система ЭКОМОД для разработки и исследования динамических моделей экономики. Система поддерживает все этапы работы с моделью: от написания соотношений до расчетов и анализа результатов, и реализована в среде компьютерной алгебры Maple. Разработанная технология моделирования была использована при создании модели для оценки теневого оборота в российской экономике по заказу Агентства по налогам и сборам РФ. В этой модели развитие экономики описывается как результат взаимодействия производителей, банков, домашних хозяйств, собственников, государства. Полное описание модели состоит из разнородных равенств, неравенств и условий дополнительности, связывающих 73 переменных и содержащих 34 параметра. Значения параметров были определены из различных соображений, в том числе воспроизведения показателей развития экономики за 2000-2003 гг. Приведены результаты расчетов по модели значений трех наблюдаемых величин: реального ВВП, темпа инфляции и объема кредитных вложений за кварталов в сопоставлении со статистическими данными. На будущее модель прогнозирует постепенное затухание экономического роста при сохранении достаточно высокой инфляции и усилении колебаний.
В докладе А. В. Горохова разработан комплекс имитационных моделей основных отраслей экономики Мурманской области. С помощью моделей отыскиваются внешние и внутренние параметры, наиболее влияющие на поведение региональной социально-экономической системы. В докладе М.С. Кобылкина сделан акцент на социальные сферы (здравоохранение, жилой фонд, социальное обеспечение, образование, культуру), a также описание демографических, экономических и финансовых процессов. Модель позволяет проводить прогнозирование социально-экономического развития региона, уровня жизни и выполнять комплексный анализ вариантов управленческих решений по перспективному социально-экономическому развитию регионов.
Е. В. Крысов анализировал бюджет домашних хозяйств на примере статистической выборки города Кирова. Выполненный анализ подтвердил существенное расслоение общества. Автор обращает внимание на прискорбную закрытость социальноэкономической информации.
С помощью системы КОГНИТРОН (два доклада В. Е. Марлея) решались задачи прогнозирования и балансирования планов в макроэкономике, разработаны модели годового и пятилетнего планирования для Госплана РСФСР, эколого-экономическая модель озера Севан, модель процесса производства стекла, модель энергоснабжения судна.
А.Н. Швецов моделировал эффективность рассмотрения обращений граждан в отделе писем и приема граждан правительства Вологодской области.
Ю. Морозова предлагает модель пенсионной системы, реализованную методами системной динамики и включающую следующие подсистемы: население, формирование пенсий, пенсионный фонд, инвестиционный портфель, финансовый рынок.
Организация промышленного производства Типичные модели обычно включают: детальные модели производства, позволяющие проводить анализ узких мест; комплексное управление логистическими процесами; выбор эффективных стратегий управления запасами; анализ финансовоэкономического состояния предприятия; оперативное и календарное планирование.
Большинство ответственных решений принимается в ходе диалога - с помощью интерактивных процедур, запускающих имитацию реальных процессов для различных альтернатив.
Отметим новые и уже ставшие общими тенденции в применении имитационных моделей. Помимо исследовательских и проектных работ, они используются (В. В.
Окольнишников):
· в отладочном стенде для комплексной отладки подсистем АСУ ТП;
· в тренажере для обучения и аттестации управляющего персонала;
· в оперативном контуре управления АСУ ТП для предсказания нежелательного поведения реальной системы, выдачи предупреждений и рекомендаций персоналу.
Данная модель разрабатывалась для АСУ работой тепловентиляционного оборудования Северо-Муйского тоннеля (трасса БАМ).
Е. А. Бессмертнова рассматривала методику пошагового гибридного моделирования стратегии взаимодействия промышленных предприятий при разработке и производстве высокотехнологичной продукции. Для формализации задачи на первом этапе применялись интеллект-карты. Функциональная модель организации взаимодействия предприятий записана в нотации стандарта IDEF0. Многокритериальная оптимизация проводилась средствами AnyLogic.
Горное дело По В. Л. Конюху, в данной сфере имитационное моделирование используется с 1958 г. В 1960-х гг. с помощью моделирования на Фортране анализировали работу шахтной транспортной сети, процессы камерной выемки, взаимодействие самосвалов и экскаваторов на разрезе, работу рельсового транспорта на поверхности. В последние годы модели горного дела чаще всего разрабатывают на GPSS/H. Имитационные эксперименты с моделью горных работ позволяют до реальных инвестиций в производство ответить на вопросы:
· какие изменения техники и технологии приведут к увеличению производительности?
· как согласовать работу участков технологической цепи?
· какое оборудование потребуется при переходе на другие участки добычи?
· какое расписание участков эффективнее?
· как продолжать работу при отказах оборудования?
Конкретными объектами моделирования послужили:
1. Сеть конвейеров шахты «Распадская».
2. Диспетчеризация конвейерно-локомотивного транспорта шахты «Комсомолец».
3. Взаимодействие экскаваторов и самосвалов на разрезе «Кедровский».
4. Технологии проведения выработок (комбайновый и буровзрывной способы).
5. Компоновка оборудования очистного забоя.
П. В. Гречишкин для имитации процесса очистных работ в длинном забое использовал проблемно ориентированный имитатор сетей Петри.
В докладе В.Л. Конюха отмечалось, что вынужденный переход к добыче полезных ископаемых на глубине более 1 км, где остались основные запасы полезных ископаемых, будет сопровождаться повышением температуры и изменением свойств горного массива. Это сделает невозможной работу подземных горнорабочих. Идея переноса на поверхность кабины машиниста, соединенной информационным каналом с подземной машиной, с 1993 г. реализуется на крупнейших рудниках. Для рудника будущего необходимо создать распределенную в выработках сеть для обмена аудио-, цифровой и видеоинформацией в реальном масштабе времени, оснастить подземные машины средствами навигации, позиционирования и автоматического управления, сформировать алгоритмы человеко-машинного управления добычей. Их поверка на рудниках будущего потребует крупных затрат; поэтому для формирования концепции рудника будущего применен метод дискретно-событийного ИМ. Модель разработана на GPSS/H и анимирована посредством Proof Animation.
Металлургия С. А. Власов и А. Л. Генкин докладывали, что в Институте проблем управления РАН для решения задач управления интегрированными АСУТП разработана имитационная система, охватывающая участки металлургического производства от выплавки и разливки стали до прокатки на листовых и сортовых станах с различными технологическими схемами и составом оборудования. Средством интегрированного проектирования являются человеко-машинные процедуры моделирования на ЭВМ, ориентированные на конкретный класс объектов и оснащенные необходимыми для этого класса моделями агрегатов, их взаимодействия, работы систем управления и т. п. Отмечен опыт использования имитационных систем для следующих объектов металлургического производства:
· кислородно-конвертерные цехи с отделениями разливки в слитки и с отделениями непрерывной разливки;
· электросталеплавильные цеха с непрерывной разливкой;
· миксерные отделения доменных цехов – конвертерные цеха;
· технологические комплексы (конвертеры – агрегаты внепечной обработки стали – разливочные агрегаты – склады – нагревательные агрегаты);
· технологические комплексы «печи – стан» различных типов;
· технологические комплексы заготовочных и сортовых станов со складским, транспортным и другим оборудованием.
С использованием ИМ разработана методика расчета управляющих воздействий, оптимальных по критерию минимума суммарных затрат на нагрев и прокатку металла для ПК «печи - стан».
В докладе В. А. Арашкевича имитационное моделирование используется для анализа работы технологического и подъемно-транспортного оборудования конвертерного производства ОАО «Северсталь». Промоделированы варианты реорганизации отделений первичной переработки шлака, работа загрузочного пролета цеха выплавки, совместная работа ряда пролетов (ковшевого, внепечной обработки стали, раздаточного) и участка непрерывной разливки стали. Учитывались реальные графики вывода основного оборудования на техническое обслуживание и ремонт. Результатом стали выданные заказчику оптимальные циклограммы.
В докладе А. В. Абросимова сообщается, что имитационное моделирование применялось при реконструкции металлургических заводов для анализа логистических задач:
· совместной работы технологического и подъемно-транспортного оборудования на уровне цеха;
«