1. Определение типа системы;

2. Описание рабочей нагрузки;

3. Декомпозиция системы.

2.3 Определение типа системы

На этом этапе осуществляется сбор фактических данных (на основе литературы, технической документации, натурных экспериментов, сбора экспертных данных и т.д.), а также выдвижение гипотез относительно значений параметров и переменных, для которых отсутствует возможность получения фактических данных. Если полученные результаты соответствуют принципам информационной достаточности и осуществимости, то они могут служить основой для отнесения моделируемой системы к одному из известных типов (классов).

Наиболее важные классификационные признаки:

1) мощность множества состояний моделируемой системы. По этому признаку системы делятся на два больших класса – статические и динамические. Система называется статической, если множество ее состояний содержит один элемент. Если состояний больше одного, и они могут изменяться во времени, система называется динамической. Процесс смены состояний называется движением системы.

2) тип состояний моделируемой системы. По этому признаку делятся только динамические системы, и здесь выделяются два класса – с дискретными состояниями и с непрерывными состояниями.

Системы с дискретными состояниями характеризуются тем, что в любой момент времени можно однозначно определить, в каком именно состоянии находится система. Для такой идентификации обязательно нужно знать тот признак, который отличает одно состояние от другого.

Пример 1. Некоторая система массового обслуживания (например, магазин). В качестве такого признака используют число заявок в системе (число покупателей в магазине). Изменение числа – переход в другое состояние.

Если такой идентификационный признак подобрать не удается или его текущее состояние невозможно зафиксировать, то систему относят к классу систем с непрерывным множеством состояний.

Пример 2. Форма падающей капли. Признак – форма капли, но текущее состояние невозможно зафиксировать.

На практике возможны смешанные случаи, когда некоторые состояния системы могут быть идентифицированы как дискретные, а другие – как непрерывные.

Пример 3. Падающая капля. Дискретные состояния (висит – летит – упала). непрерывные состояния – форма, когда капля висит, летит, разбивается.

3) третий классификационный признак – время перехода из одного состояния в другое. По данному признаку системы делятся на два класса – с дискретным временем переходов (смены состояния) и с непрерывным временем.

Пример 1. Любая система, работающая по расписанию (например, школа) – смена состояний (уроков) происходит в строго определенные моменты.

Пример 2. Изменение температуры тела при нагревании (непрерывное время).

4) наконец, последний классификационный признак – по условиям перехода из одного состояния в другое. По этому признаку системы делятся на детерминированные и стохастические.

В детерминированных системах новое состояние зависит только от времени и текущего состояния системы. Другими словами, если имеются условия, определяющие переход системы в новое состояние, то для детерминированной системы можно однозначно указать, в какое именно состояние она перейдет.

Пример 1. Падающее с высоты тело. Зная положение (текущее состояние) и время полета, можно однозначно определить высоту (новое состояние).

Для стохастических систем можно указать лишь множество возможных состояний перехода, и в некоторых случаях – вероятностные характеристики перехода в каждое из этих состояний.

Пример 2. Магазин. Изменение числа покупателей возможно как в большую, так и в меньшую сторону. В данном случае можно дать лишь какие-то вероятностные оценки перехода.

Классификация моделируемых систем по указанным признакам приведена в таблице 2.1. Фоном выделены классификационные признаки.

Рассмотренная схема важна не сама по себе. На этапе разработки концептуальной модели она:

позволяет уточнить цели и задачи моделирования;

облегчает переход к формализации модели.

Таблица 2.1. Классификация моделируемых систем

Моделируемая система
число состояний
статическая	динамическая
	по типу состояний		по времени перехода		по условию перехода
	дискретные состояния	непрерывные состояния	с дискретными переходами	с непрерывным временем переходов	детерминированные	стохастические

Кроме этого, на этапе оценки качества разработанной модели, знание классификационных признаков дает возможность оценить степень ее соответствия первоначальному замыслу разработчика.

Отметим, что перечисленные классификационные признаки применимы и для определения типа разрабатываемой модели. При этом исследуемая система и ее модель могут относиться как к одному, так и к разным классам.

Например, реальная система может быть подвержена воздействию случайных факторов, и, соответственно, относиться к классу стохастических систем. Но если разработчик модели считает, что влиянием этих факторов можно пренебречь, то создаваемая модель будет детерминированной.

Аналогично, возможно отображение системы с непрерывным временем смены состояний в модель с дискретными переходами.

Разумеется, принадлежность реальной системы и ее модели к одному классу говорит о корректности модели, однако с точки зрения интересов исследования такое зеркальное отображение далеко не всегда полезно (принцип множественности).