- •Б. Б. Желваков
- •Моделирование систем
- •Учебное пособие
- •Санкт-Петербург
- •Составитель
- •Подготовлено на кафедре
- •230201 – Информационные системы и технологии
- •1. Основные понятия теории моделирования систем 6
- •2. Классификация моделей и методов моделирования 21
- •3. Математические методы моделирования 35
- •4. Имитационное моделирование. 62
- •5. Моделирование организационных систем 116
- •6. Методика и стандарты функционального моделирования 140
- •7. Объектно-ориентированное моделирование 166
- •8. Моделирование бизнес-процессов 221
- •9. Моделирование систем с soa-архитектурой 226
- •10. Модели систем с «облачной» архитектурой 237
- •Введение
- •1. Основные понятия теории моделирования систем
- •1.1. Системный подход и понятие «система»
- •1.2. Системный анализ
- •1.3. Понятия «модель» и «моделирование»
- •1.4. Моделирование систем как процесс формирования знаний.
- •1.5. Моделирование больших и сложных систем.
- •2. Классификация моделей и методов моделирования
- •2.1. Основные типы системных моделей
- •2.2. Классификация методов моделирования сложных систем
- •3. Математические методы моделирования
- •3.1. Принципы и подходы к построению математических моделей
- •3.2. Этапы построения математической модели
- •3.3. Примеры математических моделей
- •3.3.1. Модель целенаправленной системы
- •3.3.2. Модель абстрактной системы с неопределённой структурой
- •3.3.3. Модель целенаправленной системы с управлением.
- •3.3.4. Модель оптимального планирования доставки товаров потребителям
- •3.3.5. Модель в контуре управления экономической системы
- •4. Имитационное моделирование.
- •4.1. Понятие имитационного моделирования
- •4.2. Автоматизация имитационного моделирования
- •4.3. Дискретно-событийное моделирование
- •4.3.1. Системы массового обслуживания
- •4.3.2. Механизмы продвижения времени
- •4.3.3. Обозначения смо-систем
- •4.3.4. Параметры систем массового обслуживания
- •4.3.5. Критерии оценки работы систем массового обслуживания
- •4.3.6. Компоненты дискретно-событийной имитационной модели и их программная организация
- •4.4 Этапы исследования системы с помощью имитационного моделирования
- •4.5. Преимущества, недостатки и ошибки имитационного моделирования
- •4.6. Моделирование по методу Монте-Карло
- •4.7. Программное обеспечение имитационного моделирования
- •4.7.1. Классификация программных средств имитационного моделирования
- •4.7.2. Общие элементы моделирования
- •4.7.3. Универсальные пакеты имитационного моделирования
- •4.7.4. Предметно-ориентированные пакеты имитационного моделирования
- •5. Моделирование организационных систем
- •5.1. Концепции и стандарты организационного моделирования
- •5.2. Метамоделирование
- •5.3. Метамодель общих хранилищ данных (cwm)
- •5.4. Моделирование организационных систем
- •6. Методика и стандарты функционального моделирования
- •6.1. Методика функционального моделирования sadt
- •6.2. Диаграммы «сущность-связь»
- •6.3.Стандарты idef
- •6.3. Система моделирования бизнес-процессов AllFusion Process Modeler
- •7. Объектно-ориентированное моделирование
- •7.1. Принципы и методология объектно-ориентированного подхода.
- •7.2. Унифицированный язык моделирования uml
- •7.2.1. Архитектура uml
- •7.2.2. Диаграммы uml
- •7.2.3. Использование uml при моделировании систем реального времени
- •7.2.4. Преимущества uml
- •7.2.5. Унифицированный Процесс разработки по компании Rational
- •7.3. Архитектура, управляемая моделями
- •7.4. Разработка, управляемая моделями (mdd)
- •7.5. Объектно-ориентированное программирование
- •7.6 Инструментальные средства поддержки оо‑технологий
- •8. Моделирование бизнес-процессов
- •9. Моделирование систем с soa-архитектурой
- •9.1. Композитная структура программ
- •9.2. Концепция soa
- •9.3. Сервис-ориентированное моделирование
- •10. Модели систем с «облачной» архитектурой
- •Заключение
- •Литература
4.5. Преимущества, недостатки и ошибки имитационного моделирования
Как уже говорилось выше, моделирование широко применяется для исследования сложных систем. Популярности моделирования в этой сфере способствуют его преимущества.
Большинство из сложных реальных систем со стохастическими элементами не могут быть точно описаны с помощью математических моделей, которые можно оценить аналитически, поэтому моделирование становится единственно возможным методом их исследования.
Моделирование позволяет оценить эксплуатационные показатели существующей системы при некоторых проектных условиях эксплуатации.
Путем моделирования можно сравнивать предлагаемые альтернативные варианты проектов системы (или альтернативные стратегии эксплуатации для конкретной системы), чтобы определить, какой из них больше соответствует указанным требованиям.
При моделировании мы можем обеспечить гораздо более эффективный контроль условий эксперимента, нежели при экспериментировании с самой системой.
Моделирование позволяет изучить длительный интервал функционирования системы (скажем, экономической) в сжатые сроки или, наоборот, изучить более подробно работу системы в развернутый интервал времени.
Конечно, моделирование имеет и свои недостатки:
Каждый из прогонов стохастической имитационной модели позволяет получить лишь оценки настоящих характеристик модели для определенного набора входных параметров6. Следовательно, для каждого изучаемого набора входных параметров понадобится несколько независимых прогонов модели. По этой причине имитационные модели не столь удобны при оптимизации, как при сравнении определенного числа альтернативных проектов системы. Однако с помощью аналитической модели, в случае, если она подходит для решения данной задачи, часто можно легко получить точные значения характеристик модели для различных наборов входных параметров. Поэтому, если доступна или может быть легко разработана аналитическая модель, адекватная системе, лучше использовать именно ее, а не обращаться к имитационному моделированию.
Обычно разработка имитационных моделей дорого стоит и занимает много времени.
Большое число данных, получаемых в результате исследования посредством моделирования, или убедительное влияние реалистичной анимации часто приводят к тому, что результатам такого исследования доверяют больше, чем это оправдано. Если модель не является адекватным представлением изучаемой системы, результаты моделирования (какими бы убедительными они ни казались) будут содержать мало полезной информации о действительной системе.
Принимая решение, подходит ли исследование с помощью моделирования к конкретной ситуации, следует учитывать все указанные преимущества и недостатки имитационного моделирования. Кроме того, в некоторых исследованиях можно использовать как аналитические модели, так и имитационное моделирование. В частности, моделирование может быть использовано для проверки обоснованности допущений, необходимых для аналитической модели. И наоборот, аналитическая модель может предложить рациональные альтернативы для исследования системы с помощью имитационного моделирования.
Предположим, что все-таки выбрано имитационное моделирование. Однако успешному исследованию с помощью модели могут помешать такие обстоятельства:
неподходящее программное обеспечение моделирования;
использование в явном виде программного обеспечения для моделирования, сложные макрооператоры которого не могут быть надлежащим образом подтверждены документально и не могут реализовать нужную модельную логику;
ошибочность убеждений в том, что для работы с простыми в употреблении пакетами программ для моделирования, почти не нуждающимися в программировании, достаточно более низкого уровня технической подготовки;
неправильное использование анимации;
неверное определение источников случайных величин в реальных системах;
использование произвольных распределений в качестве входных параметров моделирования;
анализ выходных данных, полученных в результате одного прогона имитационной модели, с помощью формул, допускающих независимость;
отношение к выходным статистическим данным, полученным на основании единственного прогона определенного проекта системы, как к единственно правильным ответам;
сравнение альтернативных проектов системы на основе одного прогона каждого проекта;
использование неправильных критериев оценки работы.