Имя материала: Моделирование экономических процессов

Автор: Власов М. П.

Имитационное моделирование 13.1. имитационная модель и ее особенности

Имитационное моделирование — разновидность аналогового моделирования, реализуемого с помощью набора математических инструментальных средств, специальных имитирующих компьютерных программ и технологий программирования, позволяющих посредством процессов-аналогов провести целенаправленное исследование структуры и функций реального сложного процесса в памяти компьютера в режиме «имитации», выполнить оптимизацию некоторых его параметров. Имитационная модель является экономико-математической моделью, исследование которой проводится экспериментальными методами. Эксперимент состоит в наблюдении за результатами расчетов при различных задаваемых значениях вводимых экзогенных переменных. Имитационная модель является динамической моделью из-за того, что в ней присутствует такой параметр, как время. Имитационной моделью называют также специальный программный комплекс, который позволяет имитировать деятельность какого-либо сложного объекта. Он запускает в компьютере параллельные взаимодействующие вычислительные процессы, которые являются по своим временным параметрам (с точностью до масштабов времени и пространства) аналогами исследуемых процессов.

Появление имитационного моделирования было связано с «новой волной» в экономико-математическом моделировании. Проблемы экономической науки и практики в сфере управления и экономического образования, с одной стороны, и рост производительности компьютеров, с другой, вызвали стремление расширить рамки «классических» экономико-математических методов. Наступило некоторое разочарование в возможностях нормативных, балансовых, оптимизационных и теоретико-игровых моделей, поначалу заслуженно привлекавших тем, что они вносят во многие проблемы управления экономикой обстановку логической ясности и объективности, а также приводят к «разумному» (сбалансированному, опти-

 

мальному, компромиссному) решению. Выявился широкий класс проблем, в которых эти модели не улавливали существенных явлений реальности. Не всегда удавалось полностью осмыслить априорные цели и, тем более, формализовать критерий оптимальности и (или) ограничения на допустимые решения. Поэтому многие попытки все же применить такие методы стали приводить к получению неприемлемых, например, нереализуемых (хотя и оптимальных) решений. Преодоление возникших трудностей пошло по пути отказа от полной формализации (как это делается в нормативных моделях) процедур принятия социально-экономических решений. Предпочтение стало отдаваться разумному синтезу интеллектуальных возможностей эксперта и информационной мощи компьютера, что обычно реализуется в диалоговых системах. Одно течение в этом направлении — переход к «полунормативным» многокритериальным человеко-машинным моделям, второе — перенос центра тяжести с прескриптивных моделей, ориентированных на схему «условия — решение», на дескриптивные модели, дающие ответ на вопрос «что будет, если ...».

К машинному (имитационному) моделированию обычно прибегают в тех случаях, когда зависимости между элементами моделируемых систем настолько сложны и неопределенны, что они не поддаются формальному описанию на языке современной математики, т. е. с помощью аналитических моделей. Таким образом, имитационное моделирование исследователи сложных систем вынуждены использовать, когда чисто аналитические методы либо неприменимы, либо неприемлемы (из-за сложности соответствующих моделей).

При имитационном моделировании динамические процессы системы-оригинала подменяются процессами, имитируемыми моделирующим алгоритмом в абстрактной модели, но с соблюдением таких же соотношений длительностей, логических и временных последовательностей, как и в реальной системе. Поэтому метод имитационного моделирования мог бы называться алгоритмическим или операционным. Кстати, такое название было бы более удачным, поскольку имитация (в переводе с латинского — подражание) — это воспроизведение чего-либо искусственными средствами, т. е. моделирование. В связи с этим широко используемое в настоящее время название «имитационное моделирование» является тавтологическим. В процессе имитации функционирования исследуемой системы, как при эксперименте с самим оригиналом, фиксируются определенные события и состояния, по которым вычисляются затем необходимые характеристики качества функционирования изучаемой системы. Для систем, например, информационно-вычислительного обслуживания, в качестве таких динамических характеристик могут быть определены:

производительность устройств обработки данных;

длина очередей на обслуживание;

время ожидания обслуживания в очередях;

количество заявок, покинувших систему без обслуживания. При имитационном моделировании могут воспроизводиться

процессы любой степени сложности, если есть их описание, заданное в любой форме: формулами, таблицами, графиками или даже словесно. Основной особенностью имитационных моделей является то, что исследуемый процесс как бы «копируется» на вычислительной машине, поэтому имитационные модели, в отличие от моделей аналитических позволяют:

учитывать в моделях огромное количество факторов без грубых упрощений и допущений (а следовательно, повысить адекватность модели исследуемой системе);

достаточно просто учесть в модели фактор неопределенности, вызванный случайным характером многих переменных модели;

обеспечить независимость процесса моделирования от наличия методов решения того или иного класса задач, что, в свою очередь, позволяет сместить исследовательский акцент непосредственно на выяснение действительной (а не идеализируемой) природы взаимосвязей исследуемой сложной экономической системы.

Все это позволяет сделать естественный вывод о том, что имитационные модели могут быть созданы для более широкого класса объектов и процессов, чем аналитические и численные модели.

Преимущества имитационных моделей не умаляют в то же время значения моделей аналитических. Более того, очевидно, их надо считать взаимодополняющими инструментами экономико-математического анализа. Во-первых, имитационная модель может включать в себя в качестве оптимизационных блоков те элементы исследуемой системы, которые могут быть формализованы в виде соответствующих оптимизационных аналитических моделей. Во-вторых, построение имитационных моделей в ряде случаев предшествует построению оптимизационных аналитических моделей, поскольку прежде чем оптимизировать функционирование той или иной системы, необходимо понять особенности этого функционирования. В этих случаях предварительные исследования на имитационных моделях часто дают возможность построения достаточно простых и эффективных аналитических моделей.

Расширяя и уточняя с учетом вышесказанного определения «имитационная модель», «имитационное моделирование», отметим, что они строго не определены и допускают весьма широкую трактовку. Однако большинство определений, которые, кстати, близки друг другу, сходятся в том, что подчеркивают такие признаки имитационной модели, как:

постоянные взаимодействия лица, принимающего решение, и компьютера;

достаточно точное воспроизведение механизма функционирования исследуемой системы;

первичность моделирующего алгоритма по отношению к модели;

необходимость проведения вычислительных экспериментов на компьютере.

Сущность же имитационного моделирования состоит в целенаправленном экспериментировании с имитационной моделью путем «проигрывания» на ней различных вариантов функционирования системы с соответствующим экономическим их анализом. Сразу отметим, что результаты таких экспериментов и соответствующего им экономического анализа целесообразно оформлять в виде таблиц, графиков, номограмм и т. п., что значительно упрощает процесс принятия решения по результатам моделирования.

Перечислив выше целый ряд достоинств имитационных моделей и имитационного моделирования, отметим также и их недостатки, о которых необходимо помнить при практическом использовании имитационного моделирования. Это:

отсутствие хорошо структурированных принципов построения имитационных моделей, что требует значительной проработки каждого конкретного случая ее построения;

методологические трудности поиска оптимальных решений;

повышенные требования к быстродействию ЭВМ, на которых имитационные модели реализуются;

трудности, связанные со сбором и подготовкой репрезентативных статистических данных;

уникальность имитационных моделей, что не позволяет использовать готовые программные продукты;

сложность анализа и осмысления результатов, полученных в результате вычислительного эксперимента;

достаточно большие затраты времени и средств, особенно при поиске оптимальных траекторий поведения исследуемой системы.

Количество и суть перечисленных недостатков весьма внушительно. Однако, учитывая большой научный интерес к этим методам и их чрезвычайно интенсивную разработку в последние годы, можно уверенно предположить, что многие из перечисленных выше недостатков имитационного моделирования могут быть устранены как в концептуальном, так и в прикладном плане.

Имитационное моделирование контролируемого процесса или управляемого объекта — это высокоуровневая информационная технология, которая обеспечивает два вида действий, выполняемых с помощью компьютера:

работы по созданию или модификации имитационной модели;

эксплуатацию имитационной модели и интерпретацию результатов.

Имитационное моделирование экономических процессов обычно применяется в двух случаях:

для управления сложным бизнес-процессом, когда имитационная модель управляемого экономического объекта используется в качестве инструментального средствав контуре адаптивной системы управления, создаваемой на основе информационных технологий;

при проведении экспериментов с дискретно-непрерывными моделями сложных экономических объектов для получения и отслеживания их динамики в экстренных ситуациях, связанных с рисками, натурное моделирование которых нежелательно или невозможно. Можно выделить следующие типовые задачи, решаемые средствами имитационного моделирования при управлении экономическими объектами:

моделирование процессов логистики для определения временных и стоимостных параметров;

управление процессом реализации инвестиционного проекта на различных этапах его жизненного цикла с учетом возможных рисков и тактики выделения денежных сумм;

анализ клиринговых процессов в работе сети кредитных организаций (в том числе применение к процессам взаимозачетов в условиях российской банковской системы);

прогнозирование финансовых результатов деятельности предприятия на конкретный период времени (с анализом динамики сальдо на счетах);

бизнес-реинжиниринг несостоятельного предприятия (изменение структуры и ресурсов предприятия-банкрота, после чего с помощью имитационной модели можно сделать прогноз основных финансовых результатов и дать рекомендации о целесообразности того или иного варианта реконструкции, инвестиций или кредитования производственной деятельности);

анализ адаптивных свойств и живучести компьютерной региональной банковской информационной системы (например, частично вышедшая из строя в результате природной катастрофы система электронных расчетов и платежей после катастрофического землетрясения 1995 года на центральных островах Японии продемонстрировала высокую живучесть: операции возобновились через несколько Дней);

оценка параметров надежности и задержек в централизованной экономической информационной системе с коллективным доступом (на примере системы продажи авиабилетов с учетом несовершенства физической организации баз данных и отказов оборудования);

анализ эксплуатационных параметров распределенной многоуровневой ведомственной информационной управляющей системы с учетом неоднородной структуры, пропускной способности каналов связи и несовершенства физической организации распределенной базы данных в региональных центрах;

моделирование действий курьерской (фельдъегерской) вертолетной группы в регионе, пострадавшем в результате природной катастрофы или крупной промышленной аварии;

анализ сетевой модели PERT (Program Evaluation and Review Technique) для проектов замены и наладки производственного оборудования с учетом возникновения неисправностей;

анализ работы автотранспортного предприятия, занимающегося коммерческими перевозками грузов, с учетом специфики товарных и денежных потоков в регионе;

расчет параметров надежности и задержек обработки информации в банковской информационной системе.

Система имитационного моделирования, обеспечивающая создание моделей для решения перечисленных задач, должна обладать следующими свойствами:

возможностью применения имитационных программ совместно со специальными экономико-математическими моделями и методами, основанными на теории управления;

инструментальными методами проведения структурного анализа сложного экономического процесса;

способностью моделирования материальных, денежных и информационных процессов и потоков в рамках единой модели, в общем, модельном времени;

возможностью введения режима постоянного уточнения при получении выходных данных (основных финансовых показателей, временных и пространственных характеристик, параметров рисков и др.) и проведении экстремального эксперимента.

Многие экономические системы представляют собой по существу системы массового обслуживания (СМО), т. е. системы, в которых, с одной стороны, имеют место требования по выполнению каких-либо услуг, а с другой — происходит удовлетворение этих требований.

Учитывая вышесказанное, рассмотрим основные элементы и общие принципы имитационного моделирования на примере системы информационно-вычислительного обслуживания.

Каждая СМО в общем случае состоит из следующих основных элементов:

блок обслуживания;

поток заявок на обслуживание;

очередь в ожидании обслуживания.

Блоки обслуживания могут различаться между собой по нескольким параметрам.

Во-первых, блоки обслуживания могут быть одноканальными или многоканальными. Под каналом обслуживания здесь понимаются обслуживающие устройства (устройства связи, обработки данных, печатающие устройства, устройства памяти и т. п.). Во-вторых, каждый канал может обслуживать одну или несколько заявок одновременно. В-третьих, заявка после обслуживания может либо покидать систему (однофазная система обслуживания), либо проходить некоторую последовательность обслуживающих каналов (многофазная система обслуживания). В-четвертых, каждый канал может обслуживать заявки либо в течение одинаковых промежутков времени, либо время обслуживания заявок является случайной величиной с соответствующим заданным законом распределения.

Поток заявок, как правило, описывается вероятностным законом их поступления в СМО, определяющим длительности интервалов между двумя последовательно поступающими заявками. Эти длительности часто являются статистически независимыми, и их распределение не изменяется в течение некоторого достаточно продолжительного промежутка времени.

Очередь возникает в момент поступления в систему очередной заявки, если канал занят обслуживанием ранее поступившего требования. По характеру реакции на такие ситуации системы массового обслуживания делятся на две группы: системы с отказами в обслуживании и системы с ожиданием, или очередью. Классическим примером системы с отказами может служить, например, система телефонной автоматической связи.

В системах с ожиданием заявка, пришедшая в момент, когда все каналы заняты, не покидает систему, а становится в очередь и ждет освобождения соответствующего канала обслуживания.

Правила постановки заявок в очередь на обслуживание называют дисциплинами буферизации. Речь идет о том, что очередь в общем случае не может быть неограниченной. В реальных системах очереди чаще всего имеют конечную длину, т. е. в очередь может быть поставлено только определенное количество заявок. Дисциплиной буферизации в таких случаях должно быть предусмотрено, что при заполнении очереди вновь пришедшая заявка либо теряется, т. е. покидает систему без обслуживания, либо замещает какую-нибудь заявку из очереди. В последнем случае выбор замещаемой заявки может происходить по тому или иному критерию (приоритету). Например, выбор исключаемой заявки может быть осуществлен по критерию времени ожидания в очереди: исключается самая «старая» или самая «свежая» заявка.

Правила выбора заявок из очереди для обслуживания называют дисциплинами диспетчеризации. Дисциплины диспетчеризации подразделяются на бесприоритетные и приоритетные. К бесприоритетным дисциплинам относятся:

обслуживание в порядке поступления заявок: «первый пришел — первым обслужен»;

обслуживание заявок в инверсном порядке: «последним пришел — первым обслужен»;

обслуживание со случайным выбором из очереди.

Второй и третий вариант дисциплин диспетчеризации используются, как правило, в «безлюдных» (или, как их еще называют, «беззащитных») системах, в основном, технического характера.

Для приоритетных дисциплин диспетчеризации, естественно, должен быть задан приоритет обслуживания, например, чем короче реализуемая на компьютере программа, тем выше ее приоритет.

Развитие имитационного моделирования и увеличение возможностей компьютеров привело к появлению систем поддержки принятия решений. Системы поддержки принятия решений представляют комплекс математических моделей и методов, объединенных общей методикой формирования альтернатив управленческих решений в организационных системах, определения последствий реализации каждой альтернативы и обоснования выбора наиболее приемлемого решения.

Каждая система поддержки принятия решения носит сугубо индивидуальный характер, поскольку определяется конкретным содержанием решаемой управленческой проблемы и особенностями процедуры принятия решений в той или иной организации. Если процедуры принятия решений регулярны, устойчивы, то состав и последовательность функционирования рассматриваемой системы закрепляются в качестве нормативных методик, использующих преимущественно формальные модели и методы при незначительном использовании диалоговых процедур. Например, периодическое планирование производственной деятельности. Системы поддержки принятия решений эффективны при решении периодически возникающих проблемных ситуаций с высокой степенью неопределенности и, как правило, не имеющих полных аналогов в прошлом. Системы поддержки приятия решений разрабатываются индивидуально под каждую проблему. В их состав включают преимущественно логико-эвристические и экспертные методы и модели, а главную роль начинают играть диалоговые процедуры. В этих условиях для оценки последствий принимаемых в условиях неопределенности и используются имитационные модели.

Первый признак имитационной модели — ориентированность на такую схему. В ходе экспериментов с имитационной моделью эксперты задают ей вопросы, модель доставляет ответы, эксперты их анализируют и формируют знания, суждения, решения.

Вторая особенность имитационной модели — более подробное, чем в классических моделях, отображение структуры прототипа в структуру модели, использующее богатые и гибкие возможности современных средств организации и обработки данных. В этом отличие современных имитационных моделей от дескриптивных эконометрических моделей, хотя последние можно рассматривать как частный случай имитационной модели. Эконометрическая модель устроена как «черный ящик» и не отображает внутренних связей в прототипе. Ее параметры оцениваются в результате статистической обработки наблюдений за действительностью. Может показаться, что эти оценки верны только в условиях действующего экономического механизма. Модель становится непригодной для анализа явлений, которые могут возникнуть в условиях проектируемого экономического механизма, более или менее существенно отличающегося от действующего. Особенно актуально изучение свойств экономических механизмов, радикально отличных от прежних. Если конструктор модели вынужден по такой причине отказаться от моделирования «в лоб», он пытается понять и отобразить внутренние причинно-следственные связи и механизмы. Для этого модель представляется в виде совокупности компонентов. Для каждого компонента конструктор должен быть способен построить правдоподобную модель, в которой необходимо отобразить все существенные отношения. Такой способ приводит к правдоподобной модели — особенно если в качестве компонентов модели выбирать модели компонентов системы прототипа: предприятия, цеха, банки, регионы, транспортные сети, органы управления, группы населения. Усложнение структуры имитационной модели вызывается стремлением использовать ее в качестве средства доброкачественности решений, формируемых экспертом или нормативной (т. е. более простой) моделью. Для моделирования первичных структурных единиц иногда удается привлекать и классические подходы. Так, для отображения технологических процессов уместно использовать эконометрические промышленные и сельскохозяйственные производственные функции, явно не зависящие от механизма управления производством. Для построения функций спроса могут быть использованы оптимизационные модели, т. к. здесь критерий оптимальности и ограничения можно иногда формулировать обоснованно.

Третья особенность имитационных моделей состоит в том, что модель, как правило, не «картинка» как, скажем, статическая модель межотраслевого баланса. В статической модели межотраслевого баланса разновременные события «склеены» в одномоментные. Имитационную модель скорее можно рассматривать как «фильм», отображающий функционирование прототипа в виде смен состояний модели в последовательные моменты и — в этой связи — появление разных способов моделирования времени. Эта особенность родилась из отмеченной выше потребности не только получить подходящие решения (роль нормативной модели на этом завершается), но и включить в модель компоненты, отображающие отклик системы на принятые решения — в виде показателей ее функционирования. Классическую Динамическую балансовую модель и ее разновидности можно рассматривать как частный, «вырожденный» случай имитационной модели. Хотя функционирование и моделируется в этой модели, но моменты производства, распределения и потребления ресурсов сводятся в один. В результате модель слишком жестко описывает важные явления, связанные с разными ритмами производств поставщиков и потребителей, последствия срывов договоров поставки и т. п. В «невырожденных» имитационных моделях получает отражение то реальное обстоятельство, что процессу потребления ресурсов предшествуют процессы производства и распределения.

Четвертая особенность имитационной модели — свободный выбор средств для моделирования процессов. В то время как классические модели используют сравнительно узкий круг математических конструкций: линейные уравнения и неравенства, оптимизация линейных и дробно-линейных функций, регрессионный анализ, методы теории массового обслуживания. Модели процессов — это компьютерные и человеко-компьютерные алгоритмы. Они:

вычисляют значения «модельного» времени;

изменяют значения переменных, представляющих состояния компонентов модели;

генерируют по ходу моделирования новые компоненты (например, сдаваемые в эксплуатацию строящиеся промышленные предприятия (жилые кварталы) или выставляемые платежные требования);

уничтожают .компоненты (разорившиеся предприятия, сносимое ветхое жилье, оплаченные платежи).

В алгоритмы моделирования процессов включают процедуры, генерирующие случайные значения некоторых переменных (представляющих, например, текущие погодные условия или отклонения объемов поставки от договорных).

Пятая особенность — широкие возможности диалога экспериментатора с моделью в ходе ее выполнения, в то время как с выполняемой на компьютере классической моделью экспериментатор контактирует лишь перед ее запуском (задавая значения ее изменяемых параметров) и после ее завершения (интерпретируя полученные результаты).

Перечисленные особенности не исчерпывают, возможно, всех свойств моделей, которые разные авторы склонны называть имитационными. С другой стороны, некоторые авторы называют имитационными модели, обладающие лишь частью этих свойств. Наконец, некоторыми из перечисленных свойств могут в той или иной степени обладать и классические модели, особенно их модификации.

Для представления структур и процессов имитационного моделирования используются универсальные и специализированные языки программирования, проблемно-ориентированные пакеты прикладных программ, различные универсальные и специализированные системы управления базами данных. Все эти средства позволяют моделировать разнообразные структуры и различные отношения между их компонентами: подчиненность, собственность, договоренность и т. п. Моделирование процессов может наталкиваться на методологические трудности. В первую очередь это относится к моделированию человеческого поведения, в частности, процессов принятия решений. Это одна из причин, по которой модели процессов реализуются иногда в виде человеко-машинных алгоритмов. Некоторые элементы человеческого поведения моделируются специально привлеченными людьми. Такое участие людей в эксперименте с имитационной моделью приобретают иногда форму имитационной управленческой игры. Точность отображения прототипа определяется структурой модели, свойствами алгоритмов, моделирующих процессы, и реальностью числовой информации, используемой в модели.

Основное отличие имитационной экономико-математической модели заключается в том, что ее отдельные фрагменты могут быть представлены в виде аналитических выражений, т. е. отдельных формул, неравенств и равенств, систем уравнений, рекуррентных соотношений, которые объединяются в единое целое с помощью логических операторов (логических высказываний).

Сложность имитационных моделей и их прототипов, сложность проведения и интерпретации экспериментов с ними приводят к тому, что в данной сфере затруднительно, а иногда и принципиально невозможно применить формализованные (например, статистические) методы оценки адекватности модели, используемые в естественных науках и технике. Здесь зачастую приходится оперировать субъективными понятиями, принятыми в гуманитарных областях: доверие к модели, правдоподобие модели, убежденность в ее применимости. Имитационное моделирование является подходящим инструментом для системных исследований.

 

Страница: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 |