21. Имитационное моделирование производственных систем и процессов. Языки, системы им.

Имитационное моделирование – это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация – это постижение сути явления, не прибегая к экспериментам на реальном объекте).

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами или другими словами – разработке симулятора исследуемой предметной области для проведения различных экспериментов.

В общем случае любой производственный процесс характеризуется отсутствием полной закономерности в функционировании с наличием множества случайных составляющих: время обработки единицы продукции, длительность безотказной работы агрегатов и механизмов, время простоев и восстановительных работ и т. д. Поэтому, при моделировании сложных производств возникает необходимость рассматривать статистические модели систем массового обслуживания разных классов.Системы массового обслуживания - это такие системы, в которые в случайные моменты времени поступают заявки на обслуживание, при этом поступившие заявки обслуживаются с помощью имеющихся в распоряжении системы каналов обслуживания.

Сущность метода имитационного моделирования применительно к задачам массового обслуживания состоит в следующем. Строятся алгоритмы, при помощи которых можно вырабатывать потоки требований заданной интенсивности, а также моделировать процессы функционирования обслуживающих систем. Эти алгоритмы используются для многократного воспроизведения при фиксированных условиях задачи, а получаемая при этом информация подвергается статистической обработке для оценки величин, являющихся показателями качества обслуживания.

Виды имитационного моделирования:

• Агентное моделирование – относительно новое (1990-е-2000-е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей – получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении её отдельных активных объектов и взаимодействии этих объектов в системе. Агент – некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

• Дискретно-событийное моделирование – подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие, как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений – от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960-х годах.

• Системная динамика – парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Джеем Форрестером в 1950 годах.

Существует целый ряд программных инструментов, ориен- тированных на эти подходы:

1. Динамические системы (Matlab).

2. Системная динамика (iThink, PowerSim).

3. Дискретно-событийное моделирование (Arena, GPSS World).

4. Мультиагентные системы (AnyLogic).

Современные интегрированные средства моделирования охватывают как динамические системы, так и системную динамику, дискретно-событийное моделирование и мультиагентные системы (например, AnyLogic).

В большинстве своем языки моделирования определяют поведение систем во времени с помощью модифицированного событийного алгоритма. Как правило, он включает в себя список текущих и будущих событий.Основа классификации – принцип формирования системного времени.

Непрерывное представление систем сводится к представлению дифференциальных уравнений, с помощью которых устанавливают связь между входной и выходной функциям. Если выходные переменные модели принимают дискретные значения, то уравнения являются разностными.

GASP – комбинированный, в основе лежит язык FORTRAN. Предполагается, что в системе могут наступать события двух типов:

• события, зависящие от состояния

• события, зависящие от времени

Состояние системы описывается набором переменных, причем некоторые из них меняются непрерывно. При таком подходе пользователь должен составлять процедуры, описывающие условия наступления событий.

Группы языков моделирования, ориентированные на дискретное время, используется при построении именно имитационных моделей, но при этом используются разные способы описания динамического поведения исследуемого объекта.

• Производственные процессы

Результатом производственных процессов является достаточно большое количество различных “продуктов”, разбитых на группы или же получаемых в непрерывном потоковом режиме. Типичными примерами служат выполнение заказов, работа отдела счетов к оплате или обработка заявок.

Такие операции, как разбиение на группы, объединение групп, сборка, разборка, монтаж, контроль качества и устранение брака, представляют собой типичные функции, реализуемые производственными процессами. Для того чтобы точно смоделировать эти функции, модель должна отслеживать информацию об отдельных объектах потока и их атрибутах. Кроме того, в ходе создания модели важно учитывать правила построения очередей, а также моделирование простоя.

Цель моделирования производственных процессов, как правило, состоит в получении устойчивой схемы, поскольку последовательность выпускаемой продукции повторяется. Важной процедурной концепцией анализа эффективности является определение периода неустойчивой работы и устранение искажения, вносимого статистическими данными, собранными за такой период.

СИМ Арена. Моделирование параллельных и последовательных систем рассмотрено в вопросах 25 и 26. В целом они различаются используемыми блоками (для параллельных систем необходимо использование блоков Separate и Batch).

СИМ Арена позволяет строить имитационные модели, проигрывать их и анализировать результаты такого проигрывания. Arena предоставляет полный набор инструментов для поддержки операций проекта моделирования на протяжении всего его жизненного цикла, в число которых входят:

• статистический анализ входных данных;

• обширная библиотека шаблонов и конструкций моделирования;

• средства анимации для визуализации работы процесса и обмена информацией о поведении системы с другими сотрудниками;

• инструменты анализа выходных данных для статистического сравнения результатов прогонов модели и принятия решения;

• средства оптимизации для автоматического определения оптимальных решений по выбранным сценариям;

• возможности распространения модели в процессе выполнения для её просмотра или исследования другими сотрудниками.

Часто целью имитационного моделирования является минимизация количества объектов в очередях.Тип очереди в имитационной модели может быть конкретизирован. Очередь может быть похожа на стек – пришедшиепоследними в очередь объекты первыми отправляются на дальнейшую обработку (LIFO: last-in-first-out). Альтернативой стеку может быть последовательная обработка, когда первыми на дальнейшую обработку отправляются объекты, пришедшие первыми (FIFO: first -in-first-out). Могут быть заданы и более сложные алгоритмы обработки очереди. Процессы – этоаналог работ в функциональной модели. В имитационной модели может быть задана производительность процессов.

Простейшая имитационная модель, созданная в Arena показана на рисунке 1.

Рисунок 1 ­– Простейшая имитационная модель

Модель в Arena может быть гораздо более сложной, чем представленная на рис 1. Она может включать сотни модулей различных типов. Модули, обрабатывающие сущности могут иметь различные состояния (Idle – момент простоя, Busy – занятость сервера, Inactivated – незадействованность сервера). Каждому состоянию можно поставить в соответствие определённое изображение и, тем самым, анимировать имитационную модель.

Интеграция с BPwin.Средство функционального моделирования BPwin 4.0 имеет возможность преобразования диаграмм IDEF3 в имитационную модель Arena.

По результатам моделирования автоматически формируются отчеты в формате CrystalReports. Фрагмент отчета представлен на рис. 1.1.9.

Имитационные эксперименты в Arena автоматически анимируются. Для этого каждой сущности ставится в соответствие некоторый зрительный образ. По умолчания для изображения любой сущности используется иконка, изображающая лист бумаги.

GPSSworld.Язык  GPSS – общецелевой язык, ориентированный на описание широкого класса систем массового обслуживания (СМО) в различных предметных областях.

В математических моделях (ММ) сложных объектов , представленных в виде систем массового обслуживания (СМО), фигурируют средства обслуживания, называемыеобслуживающими аппаратами(ОА), и обслуживаемые заявки, называемые транзактами. Так, в модели производственной линии ОА отображают рабочие места, а транзакты - поступающие на обработку датали, материалы, инструмент.

Для описания имитационной модели на языке GPSS полезно представить ее в виде схемы, на которой отображаются элементы СМО - устройства, накопители, узлы и источники. Описание на языке GPSS есть совокупность операторов (блоков), характеризующих процессы обработки заявок. Имеются операторы и для отображения возникновения заявок, задержки их в ОА, занятия памяти, выхода из СМО, изменения параметров заявок (например, приоритетов), вывода на печать накопленной информации, характеризующей загрузку устройств, заполненность очередей и т.п.

Каждый транзакт, присутствующий в модели, может иметь до 12 параметров. Существуют операторы, с помощью которых можно изменять значения любых параметров транзактов, и операторы, характер исполнения которых зависит от значений того или иного параметра обслуживаемого транзакта.

Пути продвижения заявок между обслуживающими аппаратами (ОА) отображаются последовательностью операторов в описании модели на языке GPSS  специальными операторами передачи управления (перехода). Для моделирования используется событийный метод. Соблюдение правильной временной последовательности имитации событий в СМО обеспечивается интерпретатором GPSSPC - программной системой, реализующий алгоритмы имитационного моделирования.

В системе GPSSworld имеется возможность распечатки выходных данных для моделирования работы в течение какого-либо времени, заданного в коде программы. На основании полученных данных можно сделать выводы о том, что необходимо модернизировать в системе: ввести новые аппараты или выяснить необходимый объём для оптимальной загрузки ОА.