Достоинства и недостатки имитационного моделирования

Все имитационные модели представляют собой модели типа так называемого "черного ящика". Это означает, что они обеспечивают выдачу выходного сигнала системы, если на ее взаимодействующие подсистемы поступает входной сигнал. Поэтому для получения необ­ходимой информации или результатов необходимо осуществлять "про­гон" имитационных моделей, а не "решать" их. Имитационные модели не способны формировать свое собственное решение в том виде, в каком это имеет место в аналитических моделях, а могут лишь слу­жить в качестве средства для анализа поведения системы в услови­ях, которые определяются экспериментатором. Следовательно, имита­ционное моделирование - не теория, а методология решения проблем. Более того, имитационное моделирование является только одним из нескольких имеющихся в распоряжении системного аналитика важней­ших методов решения проблем. Поскольку необходимо приспосабливать средство или метод к решению задачи, а не наоборот, то возникает естественный вопрос: в каких случаях имитационное моделирование полезно?

Мы определили имитационное моделирование как экспериментиро­вание с моделью реальной системы. Необходимость решения задачи путем экспериментирования становится очевидной, когда возникает потребность получить о системе специфическую информацию, которую нельзя найти в известных источниках. Непосредственное эксперимен­тирование на реальной системе устраняет много затруднений, если необходимо обеспечить соответствие между моделью и реальными ус­ловиями; однако недостатки такого экспериментирования иногда весьма значительны, поскольку:

1. Оно может нарушить установленный порядок работы объекта.

2. Если составной частью системы являются люди, то на ре­зультаты экспериментов может повлиять так называемый хауторнский эффект, проявляющийся в том, что люди, чувствуя, что за ними наб­людают, могут изменить свое поведение.

3. Может оказаться сложным поддержание одних и тех рабочих.

условий при каждом повторении эксперимента или в течение всего

времени проведения серии экспериментов.

4. Для получения одной и той же величины выборки (и, следо­вательно, статистической значимости результатов экспериментирова­ния) могут потребоваться чрезмерные затраты времени и средств.

5. При экспериментировании с реальными системами может ока­заться невозможным исследование множества альтернативных вариан­тов.

ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ

ЛЕКЦИЯ N 13

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ

По этим причинам исследователь должен рассмотреть целесооб­разность применения имитационного моделирования при наличии любо­го из следующих условий:

1. Не существует законченной математической постановки дан­ной задачи, либо еще не разработаны аналитические методы решения сформулированной математической модели. К этой категории относят­ся многие модели массового обслуживания, связанные с рассмотрени­ем очередей.

2. Аналитические методы имеются, но математические процедуры столь сложны и трудоемки, что имитационное моделирование даст бо­лее простой способ решения задачи.

3. Аналитические решения существуют, но их реализация невоз­можна вследствие недостаточной математической подготовки имеюще­гося персонала. В этом случае следует сопоставить затраты на про­ектирование, испытания и работу на имитационной модели с затрата­ми, связанными с приглашением специалистов со стороны.

4. Кроме оценки определенных параметров, желательно осущест­вить на имитационной модели наблюдение за ходом процесса в тече­ние определенного периода.

5. Имитационное моделирование может оказаться единственной возможностью вследствие трудностей постановки экспериментов и наблюдения явлений в реальных условиях; соответствующим примером может служить изучение поведения космических кораблей в условиях межпланетных полетов.

6. Для долговременно действующих систем или процессов может понадобиться сжатие временной шкалы. Имитационное моделирование дает возможность полностью контролировать время изучаемого про­цесса, поскольку явление может быть замедлено или ускоренно по желанию.

Дополнительным преимуществом имитационного моделирования можно считать широчайшие возможности его применения в сфере обра­зования и профессиональной подготовки. Разработка и использование имитационной модели позволяют экспериментатору видеть и "разыгры-

вать" на модели реальные процессы и ситуации. Это в свою очередь.

должно в значительной мере помочь ему понять и прочувствовать

проблему, что стимулирует процесс поиска нововведений.

Когда руководитель достигает подлинного понимания проблемы и начинает свободно управлять своей моделью, он обретает способ­ность видеть содержание своей работы с иных точек зрения. Он за­хочет проверить на модели множество альтернативных вариантов, чтобы оценить открывшиеся ему новые возможности По сути дола он использует модель для повышения своего мастерства управления, позволяющего ему на новом уровне четко установить все существен­ные последствия вносимых в систему изменений. Возможно, он мог бы проделать это и на реальной системе, но вследствие ее сложности это было бы очень утомительно и сопряжено с ошибками. Вот почему он обращается к модели как к средству оценки своих новых интуи­тивных предположений и умозаключений.

Идея имитационного моделирования интуитивно привлекательна и для руководителей, и для исследователей систем благодаря своей простоте. Поэтому метод имитационного моделирования стремятся применять для решения каждой задачи, с которой приходится сталки­ваться. И хотя людям с высокой математической подготовкой имита­ционный подход представляется грубым силовым приемом или послед­ним средством, к которому следует прибегать, факт заключается в том, что этот метод является распространенным инструментом в ру­ках ученых.

Несмотря на недостаточное математическое изящество, имитаци­онное моделирование является одним из наиболее широко распростра­ненных количественных методов, используемых при решении проблем управления. Большинство администраторов и исследователей заинте­ресованы главным образом в решении своих неотложных задач, руко­водствуясь девизом "цель оправдывает средства!". Но именно.забо­та о применимости конечных результатов побуждает нас задаться вопросом: можно ли вообще опираясь на имитационное моделирование, получить результаты также и наиболее эффективным способом? Ответ нередко будет отрицательным по следующим причинам:

1. Разработка хорошей имитационной модели часто обходится дорого и требует много времени, а также наличия высокоодаренных специалистов, которых а данной фирме может и не оказаться.

2. Может показаться, что имитационная модель отражает реаль­ное положение вещей, хотя в действительности это не так. Если этого не учитывать, то некоторые свойственные имитации особеннос­ти могут привести к неверному решению.

3. Имитационная модель в принципе не точна, и мы не в состо­янии измерить степень этой неточности. Это затруднение может быть преодолено лишь частично путем анализа чувствительности модели к изменению определенных параметров.

4. Результаты, которые дает имитационная модель, обычно яв­ляются численными, а их точность определяется количеством знаков после запятой, выбираемым экспериментатором. В связи с этим воз­никает опасность "обожествления чисел", т.е. приписывания им большей значимости, чем они на самом деле имеют.

Приведенные соображения показывают, что, хотя имитационное моделирование является чрезвычайно ценным и полезным методом ре­шения сложных задач, этот метод, конечно, не панацея для решения всех проблем управления. Разработка и применение имитационных мо­делей все еще в большей степени искусство, нежели наука. Следова­тельно, как и в других видах искусства, успех или неудача опреде­ляется не столько методом, сколько тем, как он применяется.

СТРУКТУРА ИМИТАЦИОННЫХ МОДЕЛЕЙ

Прежде чем начать разработку модели, необходимо понять, что собой представляют структурные элементы, из которых она строится. Хотя математическая или физическая структура модели может быть очень сложной, основы ее построения весьма просты. В общем случае структуру модели мы можем представить в виде

E = f(x_i,y_j),

где E - результат действия системы: x_i - переменные и параметры,

которыми мы можем управлять; y_j - переменные и параметры, которы­ми мы управлять не можем; f - функциональная зависимость между х_i и у_j, которая определяет величину Е.

Столь явное и чрезмерное упрощение полезно лишь тем, что оно

показывает зависимость функционирования системы как от контроли­руемых нами, так и от неконтролируемых переменных. Почти каждая модель представляет собой, вообще говоря, некоторую комбинацию таких составляющих, как

- структурные компоненты,

- переменные,

- параметры,

- функциональные зависимости,

- ограничения,

- целевые функции.

Под компонентами мы понимаем составные части, которые при соответствующем объединении образуют систему. Иногда мы считаем компонентами также элементы системы или ее подсистемы. Система определяется как группа или совокупность объектов, объединенных некоторой формой регулярного взаимодействия или взаимозависимости для выполнения заданной функции. Компоненты суть объекты, образу­ющие изучаемую систему.

Параметры суть величины, которые оператор, работающий на мо­дели, может выбирать произвольно, в отличие от переменных, кото­рые могут принимать только значения, определяемые видом данной функции. Смотря на это под другим углом зрения, мы можем сказать, что параметры, после того как они установлены, являются постоян­ными величинами, не подлежащими изменению. Например, в уравнении y=3x число 3 есть параметр.

В модели системы мы различаем переменные двух видов - экзо­генные и эндогенные. Экзогенные переменные называются также вход­ными, это значит, что они порождаются вне системы или являются результатом воздействия внешних причин. Эндогенными переменными называются переменные, возникающие в системе или в результате воздействия внутренних причин. Эндогенные переменные подразделя­ются на переменные состояния (когда они характеризуют состояние или условия, имеющие место в системе) и выходные переменные (ког­да речь идет о выходах системы). Статистики иногда называют экзо­генные переменные независимыми, а эндогенные - зависимыми.

Функциональные зависимости описывают поведение переменных и параметров в пределах компонента или выражают соотношения между компонентами системы. Эти соотношения, или операционные характе­ристики, по своей природе являются либо детерминистскими, либо стохастическими. Детерминистские соотношения - это тождества или определения, которые устанавливают зависимость между определенны­ми переменными или параметрами в тех случаях, когда процесс на выходе системы однозначно определяется заданной информацией на входе. В отличие от этого стохастические соотношения представляют собой такие зависимости, которые при заданной входной информации дают на выходе неопределенный результат. Оба типа соотношений обычно выражаются в форме математического уравнения, которое ус­танавливает зависимость между эндогенными переменными (переменны­ми состояния) и экзогенными переменными. Обычно эти соотношения можно строить лишь на основе гипотез или выводить с помощью ста­тистического или математического анализа.

Ограничения представляют собой устанавливаемые пределы изме­нения значений переменных или ограничивающие условия распределе­ния и расходования тех или иных средств (энергии, запасов, време­ни и т. п.). Они могут вводиться либо разработчиком (искусствен­ные ограничения), либо самой системой вследствие присущих ей свойств (естественные ограничения). Примерами искусственных огра­ничений могут быть заданные максимальный и минимальный уровни за­нятости рабочих или установленная максимальная сумма денежных средств, ассигнуемых на капиталовложения. В физической системе такого типа, как ракета, искусственным ограничением может быть заданный радиус действия или максимально допустимый вес. Боль­шинство технических требований к системам представляет собой на­бор искусственных ограничений. Естественные ограничения обуслов­лены самой природой системы. Например, нельзя продать больше из­делий, нем система может изготовить, и никто не может сконструи­ровать систему, нарушающую законы природы. Таким образом, ограни­чения одного типа обусловлены неизменными законами природы, в то время как ограничения другого типа, будучи делом рук человечес­ких, могут подвергаться изменению. Исследователю весьма важно помнить об этом, потому что в ходе своих исследований он должен постоянно оценивать привнесенные человеком ограничения, с тем чтобы ослабить или усилить их по мере необходимости.

Целевая функция, или функция критерия, - это точное отобра­жение целей или задач системы и необходимых правил оценки их вы­полнения. Обычно выделяют два типа целей: сохранение и приобрете­ние. Цели сохранения связаны с сохранением или поддержанием ка­ких-либо ресурсов (временных, энергетических, творческих и т. д.) или состояний (комфорта, безопасности, уровня занятости н т. д.). Цели приобретения связаны с приобретением новых ресурсов (прибы­ли, персонала, заказчиков и т. п.) или достижением определенных состояний, к которым стремится организация или руководитель (зах­ват части рынка и т.п.). Выражение для целевой функции должно быть однозначным определением целей и задач, с которыми должны соразмеряться принимаемые решения.

Критерий - это мерило оценки, правило или вид проверки, при помощи которых составляется правильное суждение о чем-либо. Изб­ранный критерий оказывает громадное влияние на процесс создания модели и манипулирования с ней. Неправильное определение критерия обычно ведет к неправильным заключениям. Функция критерия (целе­вая функция) обычно является органической составной частью моде­ли, и весь процесс манипулирования с моделью направлен на оптими­зацию или удовлетворение заданного критерия.

ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ

ЛЕКЦИЯ N 14

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ

АНАЛИЗ И СИНТЕЗ

Даже небольшие участки реального мира слишком сложны, чтобы человек смог их полностью понять и описать. Почти все проблемные ситуации чрезвычайно сложны и включают в себя почти бесконечное число элементов, переменных, параметров, соотношений, ограничений и т. д. Пытаясь построить модель, мы могли бы включить в нее бес­конечное число фактов и потратить уйму времени, собирая мельчай­шие факты, касающиеся любой ситуации, и устанавливая связи между ними. Рассмотрим, например, простое действие, состоящее в том, что вы берете лист бумаги и пишите на нем письмо. Ведь можно было бы определить точный химический состав бумаги, карандашного гри­феля и резинки, влияние атмосферных условий на влажность бумаги и влияние последней на силу трения, действующую на острие каранда­ша, движущегося по бумаге; исследовать статистическое распределе­ние букв во фразах текста и т. д. Однако если единственный ас­пект, который нас в данной ситуации интересует, это факт отправ­ления письма, то ни одна из упомянутых подробностей не относится к делу. Следовательно, мы должны отбросить большую часть реальных характеристик изучаемого события и абстрагировать из реальной си­туации только те особенности, которые воссоздают идеализированный вариант реального события. Все модели суть упрощенные представле­ния реального мира или абстракции. Если они выполнены корректно, то эти идеализации дают нам полезноё приближенное отображение ре­альной ситуации или по крайней мере ее определенных особенностей.

Сходство модели с объектом, который она отображает, называ­ется степенью изоморфизма. Для того чтобы быть изоморфной (т. е. идентичной или сходной по форме), модель должна удовлетворять двум условиям.

Во-первых, должно существовать взаимно однозначное соответс­твие между элементами модели и элементами представляемого объек­та. Во-вторых, должны быть сохранены точные соотношения или взаи­модействия между элементами. Степень изоморфизма модели относи-

тельна, и большинство моделей скорее гомоморфны, чем изоморфны.

Под гомоморфизмом мы понимаем сходство по форме при различии ос-

новных структур, причем имеет место лишь поверхностное подобие

между различными группами элементов модели и объекта. Гомоморфные

модели являются результатом процессов упрощения и абстракции.

Для разработки идеализированной гомоморфной модели мы обычно разбиваем систему на некоторое число более мелких частей. Это де­лается для того, чтобы должным образом интерпретировать их, т. е. произвести требуемый анализ задачи. Такой способ действий зависит от наличия частей или элементов, которые в первом приближении не зависят друг от друга или взаимодействуют между собой относитель­но простым образом. Так, мы можем проанализировать режим работы автомашины, проверяя последовательно двигатель, коробку передач, привод, систему подвески и т. д., хотя эти узлы не полностью не­зависимы.

С такого рода анализом при построении модели близко связан процесс упрощения реальной системы (под упрощением понимается пренебрежение несущественными деталями или принятие предположений о более простых соотношениях). Например, мы часто предполагаем, что между двумя переменными имеет место линейная зависимость, хо­тя можем подозревать или даже знать, что истинная зависимость между ними нелинейна. Мы предполагаем, что по крайней мере в ог­раниченном диапазоне значений переменных такое приближение будет удовлетворительным. Инженер-электрик работает с моделями цепей, предполагая, что резисторы, конденсаторы и т. д. не изменяют сво­их параметров; это упрощение, потому что мы знаем, что электри­ческие характеристики этих компонентов изменяются а зависимости от температуры, влажности, срока службы и т. д.

Ученый, изучающий проблемы управления, для построения полез­ных моделей также прибегает к упрощению. Он предполагает, что его переменные либо детерминированы (чрезвычайно упрощенная трактовка реальности), либо подчиняются законам случайных событий, описыва­емым известными вероятностными функциями распределений, таких, как нормальное, пуассоновское, экспоненциальное и т. д. Он также зачастую предполагает, что зависимости между переменными носят

линейный характер, зная, что такое допущение не совсем правомер­но.

Другим аспектом анализа является абстракция - понятие, кото­рое в отличие от упрощения не так легко объяснить и осмыслить. Абстракция содержит или сосредоточивает в себе существенные ка­чества или черты поведения объекта, но не обязательно в той же форме и столь детально, как это имеет место в оригинале. Боль­шинство моделей - это абстракции в том смысле, что они стремятся представить качества и поведение моделируемого объекта в форме или способом, отличающимся от их действительной реализации. Так, в схеме организации работ мы пытаемся в абстрактной форме отра­зить трудовые взаимоотношения между различными группами работаю­щих или отдельными членами таких групп. То обстоятельство, что подобная схема только поверхностно отображает реальные взаимоот­ношения, не умаляет ее полезности для определенных целей.

После того как мы проанализировали и промоделировали части или элементы системы, мы приступаем к их объединению в единое це­лое. Иными словами, мы можем путем синтеза относительно простых частей сконструировать некоторое приближение к сложной реальной ситуации. Здесь важно предусмотреть два момента. Во-первых, ис­пользуемые для синтеза части должны быть выбраны корректно, и, во-вторых, должно быть корректно предсказано их взаимодействие. Если все это выполнено должным образом, то эти процессы анализа, абстракции, упрощения и синтеза в итоге приведут к созданию моде­ли, которая аппроксимирует поведение изучаемой реальной системы. Необходимо помнить, однако, что модель является только приближе­нием, а поэтому не будет себя вести в точности как реальный объ­ект. Мы оптимизируем модель, но не реальную систему. Вопрос о том, существует ли действительно взаимосвязь между характеристи­ками нашей модели и реальностью, зависит от того, насколько пра­вильно и разумно мы провели наши процессы анализа, абстракции, упрощения и синтеза.

ИСКУССТВО МОДЕЛИРОВАНИЯ

Процесс, при помощи которого инженер, занимающийся системами, или ученый, исследующий вопросы управления, создает модель изуча­емой им системы, может быть лучше всего определен как интуитивное искусство. Любой набор правил для разработки моделей в лучшем случае имеет ограниченную полезность и может служить лишь предпо­ложительно в качестве каркаса будущей модели или отправного пунк­та в ее построении. При попытке выразить процесс моделирования в точных терминах мы стремимся систематизировать знания, основанные на интуиции и опыте тех, кто ранее занимался моделированием. К сожалению, результаты всех научных исследований излагаются и со­общаются нам в форме логической реконструкции событий, имеющей целью оправдать смысл полученных результатов. Эта логическая ре­конструкция имеет мало общего со способом, при помощи которого исследования проводились в действительности. Ни в одном научном отчете вы не найдете описаний фальстартов, ошибочных предположе­ний, принятых и затем отвергнутых, разочарований, вызванных ошиб­ками, и внезапных озарений. В таких отчетах или статьях приводит­ся только последовательность событий и объяснение того, как бы теперь поступил исследователь, пользуясь своими ретроспективными знаниями и знанием конечного результата.

Конечно, для неопытного разработчика моделей опасность зак­лючается в том, что, не находя в литературе ничего, за исключени­ем логически построенных ретроспективных описаний, он принимает их за описание процесса открытия. Затем, когда он видит, что дела идут вовсе не так, как говорится в книгах, он легко теряет уве­ренность в себе, и его охватывает разочарование. Опытный разра­ботчик моделей знает, что мыслительные процессы, связанные с раз­работкой модели, значительно отличаются от того, что написано об этом в учебниках и литературе.

По-видимому, основой успешной методики моделирования должна быть тщательная отработка моделей. Обычно, начав с очень простой модели, постепенно продвигаются к более совершенной ее форме, от­ражающей сложную ситуацию более точно. Аналогии и ассоциации с хорошо построенными структурами, по-видимому, играют важную роль в определении отправной точки процесса совершенствования и отра­ботки деталей. Этот процесс связан с учетом взаимодействия и об-

ратной связи между реальной ситуацией и моделью. Между процессом

модификации модели и процессом обработки данных, генерируемых ре­альным объектом, имеет место непрерывное взаимодействие. По мере проведения испытаний и оценки каждого варианта модели возникает новый вариант, который приводит к повторным испытаниям и перео­ценкам.

До тех пор пока модель поддается математическому описанию, аналитик может добиваться все больших ее улучшений или усложнять исходные предположения. Когда же модель становится "непослушной", т.е. неразрешимой, разработчик прибегает к ее упрощению и исполь­зованию более глубокой абстракции.

Таким образом, искусство моделирования состоит в способности анализировать проблему, выделять из нее путем абстракции ее су­щественные черты, выбирать и должным образом модифицировать ос­новные предположения, характеризующие систему, а затем отрабаты­вать и совершенствовать модель до тех пор, пока она не станет да­вать полезные для практики результаты. Разработчику модели надле­жит:

- разложить общую задачу исследования системы на ряд более простых задач,

- четко сформулировать цели,

- подыскать аналогии,

- рассмотреть специальный численный пример, соответствующий данной задаче,

- выбрать определенные обозначения,

- записать очевидные соотношения,

- если полученная модель поддается математическому описанию, расширить ее. В противном случае упростить.

Вообще говоря, упростить модель можно, выполнив одну из пе­речисленных ниже операций (в то время как для расширения модели требуется как раз обратное):

- превратить переменные величины в константы;

- исключить некоторые переменные или объединить их;

- предположить линейную зависимость между исследуемыми величи­нами;

- ввести более жесткие предположении и ограничения;

- наложить на систему более жесткие граничные условия.

Эволюционный характер процесса конструирования модели неиз­бежен и желателен, поэтому мы не должны думать, что этот процесс сводится к построению одного-единственного базового варианта мо­дели. По мере того как достигаются цели и решаются поставленные задачи, ставятся новые задачи либо возникает необходимость дости­жения большего соответствия между моделью и реальным объектом, что приводит к пересмотру модели и все лучшим ее реализациям. Этот процесс, при котором начинают с построения простой модели, а затем усложняют и отрабатывают ее, имеет ряд преимуществ с точки зрения успешного завершения разработки модели. Темп и направление эволюционного изменения модели зависят от двух главных факторов. Первый из них - это, очевидно, присущая модели гибкость, и второй

- взаимоотношения между создателем модели и ее пользователем. При их тесном сотрудничестве в течение всего процесса эволюции модели ее разработчик и пользователь могут создать атмосферу взаимного доверия и взаимоотношения, которые будут способствовать получению конечных результатов, удовлетворяющих поставленным целям, задачам и критериям.

Искусством моделирования могут овладеть те, кто обладает оригинальным мышлением, изобретательностью и находчивостью, равно как и глубокими знаниями систем и физических явлений, которые не­обходимо моделировать.

Не существует твердых и эффективных правил относительно то­го, как надо формулировать задачу в самом начале процесса модели­рования, т.е. сразу же после первого знакомства с ней. Не сущест­вует и магических формул для решения при построении модели таких вопросов, как выбор переменных и параметров, соотношений, описы­вающих поведение системы, и ограничений, а также критериев оценки эффективности модели. Помните, что никто не решает задачу в чис­том виде, каждый оперирует с моделью, которую он построил, исходя из поставленной задачи.

ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ

ЛЕКЦИЯ N 15

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ

ТРЕБОВАНИЯ К "ХОРОШЕЙ" МОДЕЛИ

Мы определили имитацию как процесс создания модели реальной системы и проведения с этой моделью экспериментов с целью осмыс­ления поведения системы или оценки различных стратегий, которые могут использоваться при управлении системой. Это определение подсказывает ряд существенных черт, которыми должна обладать хо­рошая имитационная модель, и устанавливает границы ее использова­ния. Согласно этому определению, модель должна быть

- связана с функционированием системы;

- ориентирована на решение проблем реального мира;

- построена так, чтобы служить подспорьем тем, кто управляет системами.

Имитация тесно связана с функционированием системы. Система

есть группа или совокупность объектов, объединенных какой-либо

формой регулярного взаимодействия или взаимозависимости с целью

выполнения определенной функции.

Примерами систем могут быть: система оружия, промышленное предприятие, организация, транспортная сеть, больница, проект застройки города, человек и машина, которой он управляет. Функци­онирование системы представляет собой совокупность координирован­ных действий, необходимых для выполнения определенной задачи. С этой точки зрения системам, которыми мы интересуемся, свойственна целенаправленность. Это обстоятельство требует от нас при модели­ровании системы обратить самое пристальное внимание на цели или задачи, которые должна решать данная система. Мы должны постоянно помнить о задачах системы и модели, чтобы достичь необходимого соответствия между ними.

Поскольку имитация связана с решением реальных задач, мы должны быть уверены, что конечные результаты точно отражают ис­тинное положение вещей. Следовательно, модель, которая может нам дать абсурдные результаты, должна быть немедленно взята под по­дозрение. Любая модель должна быть оценена по максимальным преде­лам изменений величины ее параметров и переменных. Модель также должна быть способна отвечать на вопросы типа "а что, если...", поскольку это именно те вопросы, которые для нас наиболее полез-

ны, так как они способствуют более глубокому пониманию проблемы и

поиску лучших способов оценки наших возможных действий.

Наконец, всегда следует помнить о потребителе информации, которую позволяет получить наша модель. Нельзя оправдать разра­ботку имитационной модели, если ее в конечном счете нельзя ис­пользовать или если она не приносит пользу лицу, принимающему ре­шения.

Потребителем результатов может быть лицо, ответственное за создание системы или за ее функционирование; другими словами, всегда должен существовать пользователь модели - в противном слу­чае мы попусту потратим время и силы. Поиски знания ради самого знания - дело весьма благородное, но мало найдется руководителей, которые будут в течение продолжительного времени оказывать под­держку группам ученых, занятых исследованием операций, теорией управления или системным анализом, если результаты их работы не смогут найти практического применения.

Приняв во внимание все это, мы можем сформулировать конкрет­ные критерии, которым должна удовлетворять хорошая модель. Такая модель должна быть:

- простой и понятной пользователю,

- целенаправленной,

- надежной в смысле гарантии от абсурдных ответов,

- удобной в управлении и обращении, т. е. общение с ней должно быть легким,

- полной с точки зрения возможностей решения главных задач,

- адаптивной, позволяющей легко переходить к другим модифи­кациям или обновлять данные,

- допускающей постепенные изменения в том смысле, что, буду­чи вначале простой, она может во взаимодействии с пользователем становиться все более сложной.

Необходимость большинства этих критериев совершенно очевид­на, но они будут рассмотрены более полно в последующих главах, посвященных вопросам организации и руководства работами по моде­лированию. Здесь же достаточно сказать следующее: для того чтобы моделью можно было пользоваться, при ее разработке должны быть тщательно продуманы и потребности, и психология ее конечного пот­ребителя. Имитационное моделирование должно быть процессом обуче­ния - как для создателя модели, так и для ее пользователя. И действительно, это может стать самой привлекательной стороной имитации при применении ее для решения сложных задач.

ПРОЦЕСС ИМИТАЦИИ

Исходя из того что имитация должна применяться для исследо­вания реальных систем, можно выделить следующие этапы этого про­цесса:

1. Определение системы - установление границ, ограничений и измерителей эффективности системы, подлежащей изучению.

2. Формулирование модели - переход от реальной системы к не­которой логической схеме (абстрагирование).

3. Подготовка данных-отбор данных, необходимых для построе­ния модели, и представление их в соответствующей форме.

4. Трансляция модели-описание модели на языке, приемлемом для используемой ЭВМ.

5. Оценка адекватности - повышение до приемлемого уровня степени уверенности, с которой можно судить относительно коррект­ности выводов о реальной системе, полученных на основании обраще­ния к модели.

6. Стратегическое планирование - планирование эксперимента, который должен дать необходимую информацию.

7. Тактическое планирование - определение способа проведения каждой серии испытаний, предусмотренных планом эксперимента.

8. Экспериментирование - процесс осуществления имитации с целью получения желаемых данных и анализа чувствительности.

9. Интерпретация - построение выводов по данным, полученным путем имитации.

10. Реализация - практическое использование модели и резуль­татов моделирования.

11. Документирование-регистрация хода осуществления проекта и его результатов, а также документирование процесса создания и использования модели.

Перечисленные этапы создания и использования модели опреде­лены в предположении, что задача может быть решена наилучшим об­разом с помощью имитационного моделирования. Однако, как мы уже отмечали, это может быть и не самый эффективный способ. Неоднок­ратно указывалось, что имитация представляет собой крайнее средс­тво или грубый силовой прием, применяемый для решения задачи. Не­сомненно, что в том случае, когда задача может быть сведена к

простой модели и решена аналитически, нет никакой нужды в имита­ции. Следует изыскивать все возможные средства, подходящие для решения данной конкретной задачи, стремясь при этом к оптимально­му сочетанию стоимости и желаемых результатов. Прежде чем присту­пать к оценке возможностей имитации, следует самому убедиться, что простая аналитическая модель для данного случая не пригодна.

Поскольку необходимо и желательно подобрать для решения за­дачи соответствующие средства, решение о выборе того или иного средства или метода должно следовать за формулированием задачи. Решение об использовании имитации не должно рассматриваться как окончательное. По мере накопления информации и углубления понима­ния задачи вопрос о правомерности применения имитации следует подвергать переоценке. Поскольку для этого часто требуются мощные ЭВМ и большие выборки данных, издержки, связанные с имитацией, почти всегда высоки по сравнению с расходами, необходимыми для решения задачи на небольшой аналитической модели. Во всех случаях следует сопоставлять возможные затраты средств и времени, потреб­ные для имитации, с ценностью информации, которую мы ожидаем по­лучить.

Проектирование модели начинается обычно с того, что какойли­бо сотрудник организации приходит к выводу о возникновении проб­лемы, которая нуждается в изучении. Для проведения предваритель­ных исследований выделяется соответствующий работник (обычно из группы, связанной с данной проблемой). На некотором этапе призна­ется, что для изучения проблемы могут быть полезны количественные методы исследования, и тогда на сцене появляется математик. Так начинается этап определения и постановки задачи.

ПОСТАНОВКА ЗАДАЧИ И ОПРЕДЕЛЕНИЕ ТИПА МОДЕЛИ

Эйнштейн как-то сказал, что правильная постановка задачи да­же более важна, чем ее решение. Для того чтобы найти приемлемое или оптимальное решение задачи, необходимо сначала знать, в чем она состоит. Как это ни покажется странным, слишком много ученых, занимающихся проблемами управления, полностью игнорируют очевид­ные факты. Ежегодно расходуются миллионы долларов, чтобы получить изящные и хитроумные ответы на некорректно поставленные вопросы.

В отличие от примеров, приводимых в учебниках, большинство практических задач сообщается руководителям научно-исследователь-

ских подразделений в недостаточно четкой, неточной форме. Во мно­гих случаях руководство не может или не способно правильно выра­зить суть своих проблем, 0но знает, что некая проблема существу­ет, но не может точно сформулировать, какая это проблема. Поэтому анализ системы обычно начинается с поискового изучения системы под руководством ответственного лица, уполномоченного принимать решения. Исследовательская группа должна понимать и четко форму­лировать ряд подходящих к данному случаю задач и целей. Опыт по­казывает, что постановка задачи есть непрерывный процесс, прони­зывающий весь ход исследования. Это исследование непрерывно по­рождает новую информацию, касающуюся ограничений, задач и возмож­ных альтернативных вариантов. Такая информация должна периодичес­ки использоваться в целях обновления формулировки и постановки задачи.

Важной частью постановки задачи является определение харак­теристик системы, подлежащей изучению. Все системы - это подсис­темы других более крупных систем. Поэтому мы должны определить цели и ограничения, которые нам надлежит учитывать в процессе абстрагирования или построения формальной модели. Любая проблема может быть определена как состояние неудовлетворенной потребнос­ти. Ситуация становится проблемной, когда действие какой-либо системы не дает желаемых результатов.

Если желаемые результаты не достигаются, возникает потреб­ность модифицировать систему или окружающие условия, в которых она функционирует. Математически мы можем определить проблему следующим образом:

P_t = | D_t-A_t |,

где P_t - состояние проблемы в момент времени t, D_t - желаемое

состояние в момент времени t, A_t - действительное состояние в мо­мент времени t.

Поэтому первый шаг в определении характеристик системы, под­лежащей изучению, состоит в проведении анализа потребностей той среды, для которой предназначается система. Этот анализ начинает­ся с определения целей и граничных условий (т. е. того, что явля­ется, а что не является частью системы, подлежащей изучению). Нас интересуют здесь две функциональные границы, или два интерфейса: граница, отделяющая нашу проблему от всего остального мира, и граница между системой и окружающей средой (т. е. что мы считаем

составной частью системы и что составляет среду, в которой эта

система работает). Мы можем описать, что происходит в пределах