Имитационное моделирование что это

Имитационное моделирование

Имитационное моделирование является мощным инструментом исследования поведения реальных систем. Методы имитационного моделирования позволяют собрать необходимую информацию о поведении системы путем создания ее компьютерной модели. Эта информация используется затем для проектирования системы.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами в предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны.

К имитационному моделированию прибегают, когда:

1. Дорого или невозможно экспериментировать на реальном объекте.

2. Невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные.

3. Необходимо сымитировать поведение системы во времени.

Имитация, как метод решения нетривиальных задач, получила начальное развитие в связи с созданием ЭВМ в 1950х — 1960х годах.

Можно выделить две разновидности имитации:

1. Метод Монте-Карло (метод статистических испытаний);

2. Метод имитационного моделирования (статистическое моделирование).

В настоящее время выделяют три направления имитационных моделей:

1. Агентное моделирование — относительно новое (1990е-2000е 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 ее 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.

2. 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.

3. 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.

Основные понятия построения модели

Имитационное моделирование основано на воспроизведении с помощью компьютеров развернутого во времени процесса функционирования системы с учетом взаимодействия с внешней средой.

Основой всякой имитационной модели (ИМ) является:

· разработка модели исследуемой системы на основе частных имитационных моделей (модулей) подсистем, объединенных своими взаимодействиями в единое целое;

· выбор информативных (интегративных) характеристик объекта, способов их получения и анализа;

· построение модели воздействия внешней среды на систему в виде совокупности имитационных моделей внешних воздействующих факторов;

· выбор способа исследования имитационной модели в соответствии с методами планирования имитационных экспериментов (ИЭ).

Условно имитационную модель можно представить в виде действующих, программно (или аппаратно) реализованных блоков.

На рисунке показана структура имитационной модели. Блок имитации внешних воздействий (БИВВ) формирует реализации случайных или детерминированных процессов, имитирующих воздействия внешней среды на объект. Блок обработки результатов (БОР) предназначен для получения информативных характеристик исследуемого объекта. Необходимая для этого информация поступает из блока математической модели объекта (БМО). Блок управления (БУИМ) реализует способ исследования имитационной модели, основное его назначение – автоматизация процесса проведения ИЭ.

Целью имитационного моделирования является конструирование ИМ объекта и проведение ИЭ над ней для изучения закономерностей функционирования и поведения с учетом заданных ограничений и целевых функций в условиях имитации и взаимодействия с внешней средой.

Принципы и методы построения имитационных моделей

Процесс функционирования сложной системы можно рассматривать как смену ее состояний, описываемых ее фазовыми переменными

Z1(t), Z2(t), Zn(t) в n – мерном пространстве.

Задачей имитационного моделирования является получение траектории движения рассматриваемой системы в n – мерном пространстве (Z1, Z2, Zn), а также вычисление некоторых показателей, зависящих от выходных сигналов системы и характеризующих ее свойства.

В данном случае “движение” системы понимается в общем смысле – как любое изменение, происходящее в ней.

Известны два принципа построения модели процесса функционирования систем:

1. Принцип Δt для детерминированных систем

Предположим, что начальное состояние системы соответствует значениям Z1(t0), Z2(t0), Zn(t0). Принцип Δt предполагает преобразование модели системы к такому виду, чтобы значения Z1, Z2, Zn в момент времени t1 = t0 + Δt можно было вычислить через начальные значения, а в момент t2 = t1+ Δt через значения на предшествующем шаге и так для каждого i-ого шага ( t = const, i = 1 M).

Для систем, где случайность является определяющим фактором, принцип Δt заключается в следующем:

2. Вычисляются значения координат точки траектории движения системы (t1 = t0+ Δt), как значения координат случайного вектора, заданного распределением, найденным на предыдущем шаге.

3. Отыскиваются условное распределение вектора на втором шаге (t2 = t1 + Δ t), при условии получения соответствующих значений на первом шаге и т.д., пока ti = t0 + i Δ t не примет значения (tМ = t0 + М Δ t).

Принцип Δ t является универсальным, применим для широкого класса систем. Его недостатком является неэкономичность с точки зрения затрат машинного времени.

2. Принцип особых состояний (принцип δz).

При рассмотрении некоторых видов систем можно выделить два вида состояний δz:

1. Обычное, в котором система находится большую часть времени, при этом Zi(t), (i=1 n) изменяются плавно;

2. Особое, характерное для системы в некоторые моменты времени, причем состояние системы изменяется в эти моменты скачком.

Принцип особых состояний отличается от принципа Δt тем, что шаги по времени в этом случае не постоянны, является величиной случайной и вычисляется в соответствии с информацией о предыдущем особом состоянии.

Примерами систем, имеющих особые состояния, являются системы массового обслуживания. Особые состояния появляются в моменты поступления заявок, в моменты освобождения каналов и т.д.

Основные методы имитационного моделирования.

Основными методами имитационного моделирования являются: аналитический метод, метод статического моделирования и комбинированный метод (аналитико-статистический) метод.

Аналитический метод применяется для имитации процессов в основном для малых и простых систем, где отсутствует фактор случайности. Метод назван условно, так как он объединяет возможности имитации процесса, модель которого получена в виде аналитически замкнутого решения, или решения полученного методами вычислительной математики.

Метод статистического моделирования первоначально развивался как метод статистических испытаний (Монте-Карло). Это – численный метод, состоящий в получении оценок вероятностных характеристик, совпадающих с решением аналитических задач (например, с решением уравнений и вычислением определенного интеграла). В последствии этот метод стал применяться для имитации процессов, происходящих в системах, внутри которых есть источник случайности или которые подвержены случайным воздействиям. Он получил название метода статистического моделирования.

Комбинированный метод (аналитико-статистический) позволяет объединить достоинства аналитического и статистического методов моделирования. Он применяется в случае разработки модели, состоящей из различных модулей, представляющих набор как статистических так и аналитических моделей, которые взаимодействуют как единое целое. Причем в набор модулей могут входить не только модули соответствующие динамическим моделям, но и модули соответствующие статическим математическим моделям.

Вопросы для самопроверки

1. Определить, что такое оптимизационная математическую модель.

2. Для чего могут использоваться оптимизационные модели?

3. Определить особенности имитационного моделирования.

4. Дать характеристику метода статистического моделирования.

5. Что есть модель типа «черный ящик», модель состава, структуры, модель типа «белый ящик»?

Источник

Имитационное моделирование

Имитационное моделирование (ситуационное моделирование) — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

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).

Имитационное моделирование — это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

Содержание

Применение имитационного моделирования

К имитационному моделированию прибегают, когда :

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

Имитация, как метод решения нетривиальных задач, получила начальное развитие в связи с созданием ЭВМ в 1950-х — 1960-х годах.

Источник

Имитационное моделирование: создание терминов

История создания терминов

При создании методики по имитационному моделированию мне понадобилось разобраться с терминами. Проблема была в том, что общепринятые термины не годились для описания статистических данных, собранных в процессе имитации. Термины: процесс и экземпляры процесса были неприемлемы, потому что я не мог работать в парадигме Аристотеля. Парадигма Аристотеля не стыкуется с примененным мной матаппаратом. При этом практическое применение данной методики было простое – моделирование и имитация бизнес-объектов с целью принятия управленческих решений. В программе создавался виртуальный объект, описание которого состояло из описания сценариев и их взаимодействия. Сценарии прогонялись внутри программы, а также моделировались ресурсы и их взаимодействия.

Напомню, что:

Имитационное моделирование — метод исследования объектов, основанный на том, что изучаемый объект заменяется имитирующим объектом. С имитирующим объектом проводят эксперименты (не прибегая к экспериментам на реальном объекте) и в результате получают информацию об изучаемом объекте. Имитирующий объект при этом являет из себя информационный объект.

Цель имитационного моделирования — получение приближенных знаний о некотором параметре объекта, не производя непосредственное измерение его значений. Понятно, что это необходимо тогда и только тогда, когда измерение невозможно, или оно стоит дороже проведения имитации. При этом для изучения этого параметра мы можем пользоваться другими известными параметрами объекта и моделью его конструкции. Допуская, что модель конструкции достаточно точно описывает объект, предполагается, что полученные в ходе имитации статистические распределения значений параметра моделирующего объекта будут в той или иной степени совпадать с распределением значений параметра реального объекта.

Понятно, что матаппарат, который был применен, — это статистическая математика. Понятно, что матстатистика не использует термины экземпляры и типы. Она работает с объектами и множествами. В итоге для написания методики я был вынужден был использовать логическую парадигму на основе которой создан стандарт ИСО 15926. Основой его является наличие объектов, классов и классов классов.

Я хочу поделиться некоторыми определениями, которые мне пришлось ввести для объяснения механизмов моделирования и анализа результатов имитации. Этих примеров будет достаточно, чтобы понять, с чем я имел дело, когда строил модель предметной области.

Примеры определений:

Операция

Событие

Источник

Обсуждаем цифровые двойники и имитационное моделирование с основателем консалтинговой компании

Основатель NFP Сергей Ложкин рассказал мне, что такое имитационное моделирование, цифровые двойники, почему для Европы наши разработчики дешевые и крутые, и почему в России высокий уровень цифровизации.

Заходите, если хотите узнать, как это работает, кому нужны в России Digital Twin, сколько стоит проект и как этому научиться.

Цифровой двойник – это точная виртуальная копия реального объекта или процесса. Их давно активно используют во всем в мире для экономии денег и повышения безопасности. Россия тоже наконец начинает двигаться в этом направлении и тем приятнее, что у нас есть крутые компании, котирующиеся даже на зарубежном рынке.

Полную версию интервью (час с небольшим) смотрите на моем YouTube-канале, там все очень живо и интересно, а в первом комментарии есть тайм-коды.

Здесь же в очень сжатом виде приведу некоторые моменты, творчески переработанные под печатный формат.

Фаря:
— Сколько времени в вашей компании существует направление «Имитационное моделирование» и почему решили этим заниматься?

Сергей:
— У нас в 2016 году работал сотрудник, который знал, что такое Anylogic. Он сказал, тема прикольная, давайте делать. И мы начали, вообще не зная, что это такое. Начали туда вкладываться, обучать людей, искать лиды. А потом этот человек уволился… А поскольку мы уже прокопали какой-то путь, решили продолжать.

— Ну смотри, появилась какая-то новая штука, которую нужно развивать, а ведь вы прекрасно понимали, что большая часть рынка – это «госуха» с соответствующим менталитетом и разваливающиеся заводы, которые как-то придется моделировать. Вы действительно поверили в эту технологию или просто решили заняться чем-то модным?

— Я бы не сказал, что это тогда было модным, там идея очень интересная. На мой взгляд, цифровые эксперименты на моделях ждут нас во всех сферах, туда надо идти в любом случае. Американцы, например, целые военные сражения моделируют, расставляют танки, самолеты, пехоту и смотрят результат боя.

Ну это в военной сфере. В гражданской Америка, Европа тоже моделируют очень давно. Китай стремиться к моделированию семимильными шагами. Например, немецкая компания SimPlan на Anylogic моделировала работу самолета Airbus, Мерседес активно использует, да любая крупная компания играется с моделями. У нас есть передовые компании, которые это делают. И коммерческие, и государственные, для которых, кстати, цифровая трансформация – одна из основных тем сейчас.

— Ну мы знаем, как это проходит…

— Мы-то знаем… но они какой-то результат должны будут дать. Невозможно об этом только говорить постоянно, скоро ведь спрашивать начну. Так что им надо что-то делать.

— Кто ваши клиенты?

— Это в основном крупные компании. Условно, ТОП-1000 – наши целевые клиенты. В основном это коммерческие компании и коммерческие с государственным участием. Среди клиентов есть системообразующие компании в энергетике, газодобыче, авиаперевозках.

— Что им интересно моделировать?

— Им интересно моделировать процессы, которые экспериментально стоят дорого. Ну, например, есть плавильная печь размером с дом, и любая ошибка изменения техпроцесса, который был выбит на камне еще в 60-х годах, может стоить очень дорого. Поэтому, несмотря на то что эффективность процесса можно повысить, на эксперименты не идут.
В этом случае можно создать «цифровой двойник», в котором учесть процессы в печи и всю обвязку – склады, краны и т.д. и промоделировать все это дело. Например, посмотреть, что будет, если мы не будем понижать температуру в печи.

— Так, а чем цифровой двойник отличается от имитационного моделирования?

— Имитационное моделирование – это процесс создания и работы с цифровым двойником, т.е. с виртуальной копией физического объекта или процесса. Это может быть бизнес-процесс, например, маршрутизации звонков, движение ЖД транспорта, автомобили, что-нибудь, связанное с логистикой и т.д.

Вообще цифровой двойник – это хайповая тема, и под него можно подогнать очень много чего. Это может быть модель какого-нибудь утюга, а можно внедрение 1С назвать цифровым двойником бухгалтерии. Мы это понятие сужаем до каких-либо физических процессов.

— Почему ты считаешь, что имитационное моделирование это хайповая тема? Я вот о цифровых двойниках практически не слышу. Более того, когда я искала на hh вакансии по Anylogic, который вы как раз используете, то их было мало, а больше половины были связаны с вами.

— Весной мы были в Мюнхене на конференции по имитационному моделированию, знакомились с компаниями, которые это делают, и я могу сказать, что Россия в этом плане отстает. Крупный рынок имитационного моделирования в штатах, там все моделируют. А в Европе, например, ты не можешь строить инфраструктурные объекты без моделирования, они даже моделировали завод Фольксваген, который у нас в Калуге.

Даже если взять Anylogic – российский софт для имитационного моделирования, который активно используют во всем мире, то в России объем использования этого продукта менее 10% по их словам. То есть у нас моделирование, по сути, только зарождается. И сейчас у нас все больше и больше осознанных запросов от клиентов.

— Когда вы приходите в компании со своими идеями, часто встречаете сопротивление?

— Да, часто. Особенно в компаниях, где люди «старой закалки» держатся за свои места и говорят, что «эта штука» не позволит им повысить эффективность. При том бывает даже, что менеджмент хочет, но нам же приходится работать на уровень ниже, с мастерами, диспетчерами, с их стороны тоже бывает сопротивление.

Но, сейчас заметен тренд на смену, и он все явнее и явнее ощущается. Уходят «старички», а кто новые приходят, они по-другому уже мыслят. Кроме того, как я говорил, сейчас всех чуть ли не сапогом впихивают в цифровую трансформацию, проводят обучение и даже на предприятиях в глубинке все чаще встречаются продвинутые ребята. Бывает, туда отправляют в командировку москвичей, и они там все развивают.

— Вы чувствуете кадровый голод?

— Зависит от ситуации, мы же проектная организация. Если прибегает много проектов, то голод чувствуется, потому что разработчика нужно готовить от нескольких месяцев. Сейчас я бы не сказал, что есть голод, у нас идет набор примерно одного человека в месяц в связи с тем, что количество проектов увеличивается, но огромной гонки в этом плане нет.

— Сколько вы платите?

— Джуниор может зарабатывать около 50к рублей. Вообще у нас достаточно стандартные ставки. Нормальные зарплаты начинаются от 80к и дальше в потолок. Если человека любят клиенты, и он хорошо совершенствуется, то он быстро может выйти на хорошую зарплату от 120к.

— То есть человек попрограммировал несколько лет, изучил джаву, пришел к вам и у него есть перспективы дойти до 200к.

— (Многозначительный взгляд в камеру)

— Я обратила внимание, что на ютубе у вас часть видео на английском языке. Потом нахожу статью, что вы выходите на британский рынок. Почему?

— Мы действительно планируем выйти на британский рынок, у нас есть цель, чтобы половина выручки была зарубежной. Хочется работать по миру. Сейчас у нас единицы таких проектов, но хочется, чтобы это было на постоянной основе.

— Чувствуются перспективы и интерес к вам в Европе?

— Зависит от того, что мы предлагаем. Например, мы сейчас проводим обучение по имитационному моделированию и RPA для Европы и группы по 20–30 человек набираются, которые потом хотят с нами контактировать.

— Мне еще понравилось в статье, что там у них меньше проверок, лучше правовая и судебная системы, а затраты на разработчиков очень высокие. Я правильно понимаю, что разработчики будут сидеть здесь, а работать будут за рубеж?

— Да, ну это ж классика жанра.

— Просто я не в первый раз замечаю, что у нас появляются новые компании, которые делают хайповый бизнес, очень популярный за рубежом, но еще не набравший обороты в России. Соответственно, они начинают делать проекты для иностранного рынка и мне за наших разработчиков как-то даже обидно, что это, по сути, дешевая рабсила с мозгами, которую можно очень классно эксплуатировать и продавать крутые проекты за рубеж.

— Здесь не совсем согласен, что это эксплуатация, потому что такой разработчик получает очень хорошие премии. Да, он не будет получать, как человек, который живет в UK, но там и расходы на жизнь больше.

— То есть, по сути, вы просто берете ценой?

— Не стоит забывать, что мы не дешевле, чем индусы. Получается, что мы можем предложить только то, что индусы не умеют делать, где нужна действительно экспертиза, инженерия и всякие сложные вещи, которые мы делаем лучше.

— Сколько стоит ваша модель?

— От полумиллиона рублей и до бесконечности. Мы доходили до 10 миллионов.

— Сколько модель за 10 миллионов способна сэкономить вашему клиенту?

— Миллиарды. Инфраструктурные проекты очень дорогие.

— Как вы убеждаете клиентов, что им выгодно купить у вас модель?

— Самый простой для нас вариант – это когда компания в курсе, зачем нужно имитационное моделирование и просто занимает нас как исполнителей. Другой уровень, это когда мы можем сами предложить эффективность, это и есть консалтинг, по сути. В этом случае имитационное моделирование – это лишь один из инструментов, типа RPA, 1С или просто какого-нибудь технического регламента. За инструментом стоит идея, а за идеей – стратегия.

Так вот, когда мы общаемся на уровне идей, мы где-то можем продать, а где-то еще нет – не такие зрелые еще с этой точки зрения. И тут мы уходим в ту или иную индустрию, потому что невозможно быть экспертом во всем.

— Вы сами к ним приходите?

— Сейчас в основном к нам приходят.

Если вам понравилось, приглашаю к просмотру полной версии. Вы также узнаете, как создаются цифровые двойники и что они все-таки из себя представляют, как научиться их разрабатывать и при чем здесь машинное обучение и наука.

Пишите в комменты, что вы думаете об имитационном моделировании и словах Сергея.

Источник