- •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
1.3. Понятия «модель» и «моделирование»
Особое место в методологии системного анализа социально-экономических систем занимают методы моделирования. Во-первых, потому, что любая система (реальная или идеальная) представляется в сознании её наблюдателя или исследователя в форме модели определённого типа ‑ формализованной или неформализованной. Во-вторых, в большинстве ситуаций по разным причинам (сложность, громоздкость, недоступность и т. д.) наблюдатель/исследователь вынужден рассматривать не всю систему, а лишь те ее части и параметры, которые ему доступны или существенны для целей исследования. Такое сокращённое представление (описание) системы, абстрагированное (отвлечённое) от многих её деталей, принято называть её моделью.
Моде́ль (фр. modèle, от лат. modulus — мера, образец) ‑ это объект (или система, если объект сложный, обдающий сложной внутренней структурой), в достаточной степени повторяющий свойства моделируемого объекта (прототипа), существенные для целей конкретного моделирования, и опускающий несущественные свойства, в которых он может отличаться от прототипа.
Главным свойством модели является её адекватность (максимальное соответствие) прототипу. Если модель не обладает этим свойством, то процесс их описания, исследования и синтеза теряют всякий смысл, так как приводят к неверным результатам.
Модели́рование – это процесс создания, изучения и использования моделей реально существующих или идеальных объектов или систем с целью их описания, исследования, прогнозирования поведения и синтеза.
В теории систем и системном анализе моделирование определяется как методика1 системного анализ и синтеза, особенно актуальная для больших и сложных динамических систем, которые трудно, а иногда и просто невозможно анализировать и синтезировать иными методами.
Подчеркнём особую роль моделирования для разработки таких сложных систем как Автоматизированные Системы Управления предприятиями и организациями АСУ[П] или, в западной терминологии, – Корпоративные Информационные Системы (КИС). Современный подход к разработке таких систем базируется на их объектных или процессных моделях, которые затем воплощаются в реальные системы и технологии.
С одной стороны, моделирование является инструментом исследователя, учёного, основная задача которых ‑ познание и объяснение окружающего мира, т.е. существующих систем. С другой ‑ это инструмент творческой инженерной деятельности имеющей целью создание новых искусственных систем (технических, информационных и др.).
Исследование систем можно проводить с помощью, так называемых, натурных экспериментов с самими системами. Однако, с ростом сложности системы возможности натурного эксперимента резко падают. Он становится дорогим, трудоемким, длительным по времени, в слабой степени вариативным. Тогда предпочтительнее становится работа не с самой системой, а с её моделью. В ряде же случаев мы вообще не имеем возможности наблюдать систему в интересующем нас состоянии. Например, разбор аварии на техническом объекте приходится вести по ее формальному (протокольному) описанию. Специалист по электронной технике будет изучать большинство типов ЭВМ по литературе, и только часть из них опробует на практике. Мы уже не говорим об экспериментах над природными или космическими системами, системами ядерных вооружений, проведение которых либо практически невозможно, либо смертельно опасно. В таких случаях для исследовательских экспериментов остаётся доступной лишь компьютерная (программная) модель системы и компьютеризованные методы её анализа и исследования.
Подчеркнём ещё раз, что рассмотрение вместо самой системы (явления, процесса, объекта) ее модели практически всегда несет идею упрощения, абстракции ‑ отбрасывание ненужных для целей моделирования деталей. Мы огрубляем представления о реальном мире, так как оперировать категорией модели экономичнее, чем действительностью. Но вопрос выделения и формальной фиксации тех особенностей, которые существенны для целей рассмотрения, весьма непрост. Известно большое количество удачных моделей, составляющих предмет гордости человеческой мысли, ‑ от конечной элементной модели в прикладных задачах математической физики до модели генетического кода. Однако велико количество процессов и явлений, для которых на настоящий момент нет удовлетворительного описания. Правда, в области техники положение с моделированием можно считать удовлетворительным, но и здесь имеются «узкие» места, связанные с плохо определяемыми параметрами, коэффициентами, а также слишком грубыми описаниями.
Процесс моделирования включает три элемента: субъект (исследователь), объект исследования, и модель, определяющую (отражающую) отношения познающего субъекта и познаваемого объекта.
Различают три этапа (стадии) процесса моделирования:
первый (основной) — построение модели;
второй — пробная работа с ней;
третью — корректировка и изменение знаний о прототипе (оригинале) по результатам пробной работы с моделью.
Наиболее сложной и ответственной является первая стадия. Зачастую это в сильной степени неформализованный процесс, длительный путь проб и ошибок в поиске основной идеи. Построение принципиально новой модели носит характер открытия. Первый этап построения модели предполагает наличие определённых знаний об объекте-оригинале. Вопрос о необходимой и достаточной мере сходства оригинала и модели (адекватности) требует конкретного анализа. Очевидно, модель утрачивает свой смысл как в случае полного тождества с оригиналом (тогда она перестает быть моделью), так и в случае чрезмерного во всех существенных отношениях отличия от оригинала. Таким образом, изучение одних сторон моделируемого объекта осуществляется ценой отказа от исследования других сторон. Поэтому любая модель замещает оригинал лишь в строго ограниченном смысле. Из этого следует, что для одного прототипного (оригинального) объекта может быть построено несколько «специализированных» моделей, концентрирующих внимание на определенных сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации.
На втором этапе модель выступает как самостоятельный объект исследования. Одной из форм такого исследования является проведение ряда экспериментов над моделью, при которых сознательно изменяются условия функционирования модели и анализируются и систематизируются данные о ее «поведении». Это так называемое имитационное моделирование. Конечным результатом этого этапа является множество (совокупность) знаний как о модели (если она адекватна), так и самой моделируемой системе.
На третьем этапе осуществляется перенос знаний с модели на оригинал — формирование множества знаний. Одновременно происходит переход с «языка» модели на «язык» оригинала. Процесс переноса знаний проводится по определенным правилам. Знания о модели должны быть скорректированы с учетом тех свойств объекта-оригинала, которые не нашли отражения или были изменены при построении модели. На этом этапе проводится практическая проверка получаемых с помощью моделей знаний и их использование для построения обобщающей теории исследуемого объекта (или системы), его преобразования или управления им.
Моделирование ‑ процесс циклический. Это означает, что за первым трехэтапным циклом может последовать второй, третий и т. д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта или ошибками в построении модели, можно исправить в последующих циклах.
Достаточно сложным является и вопрос о том, кто должен создавать модель: Специалисту в данной практической области часто не хватает математических знаний, сведений о моделировании вообще, для сложных задач — знания системного анализа. Прикладному математику трудно хорошо ориентироваться в предметной области. Поэтому так важна их совместная работа над моделью, которая будет иметь смысл лишь при полном понимании друг друга.