CC BY
18
УДК 658.012.2
МОДЕЛ1 РИНКОБОТ ЕКОНОМ1КИ НА СУЧАСНИХ ТЕХНОЛОПННИХ ПЛАТФОРМАХ
© 2017 СОКОЛОВСЬКА з. М.
УДК 658.012.2
Соколовська З. М. Моделi ринковоТ економши на сучасних технологiчних платформах
Метою cmammi е анал'в стану програмного забезпечення ¡мтацшого моделювання економ1чних систем i розкриття можливостей застосу-вання ттегрованих програмно-технологчних платформ у побудовi моделей ринку. Визначено проблеми у сферi прикладного впровадження методу 'мтацшного моделювання; проанал'вовано стан програмно-технологiчного забезпечення iмiтацiйного моделювання економiчних систем. Запропоновано використання iнтегрованоi системи багатопiдхiдного iмiтацiйного моделювання AnyLogic як одне з найпотужнших сучасних програмних платформ. Розглянуто вар'шнт модел'> конкурентного багатопродуктового ринку, адаптованоi до специфiки тдприемств фарма-цевтичноi галу^. Робота модел'> шюструеться результатами ситуа^йних iмiтацiйних експеримент'в на прикладi фармацевтичноi компани «Фармак». Продемонстровано можливостi параметрично!' настройки iмiтацiйних експеримент'в та спектр 1х використання у практичнш дi-яльностi фармацевтичних тдприемств.
Ключов'! слова: модел'> ринково:' економки, iмiтацiйнемоделювання, програмно-технологiчнi платформи iмiтацii, багатопiдхiднемоделювання, системна динамiка, агентний тдЩ iмiтацiйний експеримент, фармацевтичне тдприемство. Рис.: 11. Табл.: 1. Ббл.: 26.
Соколовська Зоя Миколавна - доктор економiчних наук, професор, зав'дувачка кафедри економiчноiюбернетики та '¡нформацшних технологй, Одеський нацональний полтехтчний ушверситет (пр. Шевченка, 1, Одеса, 65044, Украна) E-mail: nadin_zs@te.net.ua
УДК 658.012.2
Соколовская З. Н. Модели рыночной экономики на современных технологических платформах
Целью статьи является анализ состояния программного обеспечения имитационного моделирования экономических систем и раскрытие возможностей применения интегрированных программно-технологических платформ при построении моделей рынка. Определены проблемы в области прикладного внедрения метода имитационного моделирования; проанализировано состояние программно-технологического обеспечения имитационного моделирования экономических систем. Предложено использование интегрированной системы многоподходного имитационного моделирования AnyLogic в качестве одной из наиболее мощных современных программных платформ. Рассмотрен вариант модели конкурентного многопродуктового рынка, адаптированной к специфике предприятий фармацевтической отрасли. Работа модели иллюстрируется результатами ситуационных имитационных экспериментов на примере фармацевтической компании «Фармак». Продемонстрированы возможности параметрической настройки имитационных экспериментов и спектр их применения в практической деятельности фармацевтических предприятий. Ключевые слова: модели рыночной экономики, имитационное моделирование, программно-технологические платформы имитации, многоподходное моделирование, системная динамика, агентный подход, имитационный эксперимент, фармацевтическое предприятие. Рис.: 11. Табл.: 1. Библ.: 26.
Соколовская Зоя Николаевна - доктор экономических наук, профессор, заведующая кафедрой экономической кибернетики и информационных технологий, Одесский национальный политехнический университет (пр. Шевченко, 1, Одесса, 65044, Украина) E-mail: nadin_zs@te.net.ua
UDC 658.012.2
Sokolovska Z. M. The Models of Market Economy on the Modern Technological Platforms
The article is aimed at analyzing the status of software provision of simulation modeling of economic systems and disclosing the possibilities of application of the integrated software-technological platforms in the building of market models. Problems in the field of applied introduction of the method of simulation modeling have been defined; the status of the software-technological provision of the simulation modeling of economic systems has been analyzed. It has been suggested to use the integrated system of multi-approach simulation modeling AnyLogic as one of the most powerful modern software platforms. The variant of the model of competitive multi-product market adapted to the specifics of pharmaceutical industry enterprises has been considered. The work of the model can be illustrated by results of the situational simulation experiments on the example of the pharmaceutical company «Farmak». The possibilities of parametric adjustment of imitation experiments together with the spectrum of their application in practical activity of pharmaceutical enterprises have been demonstrated.
Keywords: models of market economy, simulation modeling, software-technological platforms of simulation, multi-approach modeling, system dynamics, agent approach, simulation experiment, pharmaceutical enterprise. Fig.: 11. Tbl.: 1. Bibl.: 26.
Sokolovska Zoia M. - D. Sc. (Economics), Professor, Head of the Department of Economic Cybernetics and Information Technologies, Odesa National Polytechnic University (1 Shevchenka Ave., Odesa, 65044, Ukraine) E-mail: nadin_zs@te.net.ua
Сучасний стан розвитку ринково! економжи приводить до появи нових напрямюв дослцжень феномешв И трансформацш, що базуються не ткьки на знаннях iз конкретно! галуз^ але використо-вують знання iз сушжних галузей. Одним iз прикладiв е поява на стику економжи, маркетингу та психологи по-ведшково! економжи.
Необхцшсть аналiзу поведшки користувачiв; ви-значення кола факторiв, яю впливають на !х вибiр i впо-добання; вивчення реакцГ! користувачiв на змши мар-кетингових стратегш шдприемств-виробниюв i про-сування на ринку нових продукпв, послуг, шновацш;
прогнозування можливих дш конкуренпв; тенденци динамжи товарних ринюв - усе це приводить до необ-хцност створення прогностичних моделей ринку. Таю моделi стали реальшстю завдяки розвитку поведшково! економжи та нових методологш в галузi економжо-математичного й iмiтацiйного моделювання.
Водночас велика розмiрнiсть дослджуваних рин-кових систем, складна лопка !х роботи та стохастичний характер багатьох параметрiв часто роблять неможли-вим побудову адекватних аналггичних моделей. За на-явност нелшшносп, рекурсивност формул або через нестачу вцповцних рiвнянь однозначне аналиичне
ршення е недосяжним. Але в багатьох ситуацiях до-статньо надання чисельного ршення та вiзуального представлення результайв на базi проведення сери мо-дельних експериментiв. Урахування динамiки процейв, що протiкають у системi, зворотних зв'язкiв, впливiв стохастичних факторiв найчастше потребують розроб-ки моделi-тренажера для вцпрацювання управлiнських рiшень з гнучкою часовою перспективою та рiзним сту-пенем агрегування. Таким вимогам вцповцае метод iмiтацiйного моделювання.
Тенденцiям розвитку поведшково! економiки на сьогоднi присвячено певну ккьюсть праць вiтчизняних i зарубiжних авторiв - науковцiв i практикiв. Серед них такi фундаментальш роботи, як [1-9] та ш.
Водночас в останнi десятилiття дктало значного розвитку iмiтацiйне моделювання. Теоретичш та при-кладнi питання цього математичного напрямку розгля-даються в численних лiтературних джерелах, наприклад [10-14]. Зокрема, цiкавi результати дослiджень у галузi поведiнки користувачiв наведенi в [1]. ¡штацшне моделювання пройшло значний еволюцiйний перiод - вц мистецтва до масового використання [15].
Широкий спектр моделей ринково! економки наведено в матерiалах таких значних мiжнародних кон-ференцiй розробниюв iмiтацiйних моделей, як Winter Simulation Conference (WSC) [16], International System Dynamics Conference [17], ASIM [18] (шмецькомовно! спкьноти iмiтацiйного моделювання), ИММОД [19] («Имитационное моделирование. Теория и практика»), европейського конгресу EUROSIM [20]; вебшарах i публь кацiях одше! з провiдних корпорацiй свiту у цш галузi -The AnyLogic Company [21].
Незважаючи на наявш розробки, рiзноманiття систем i задач, як потребують практичних iмi-тацшних дослiджень, залишаеться значним i продовжуе збкьшуватися. Висновки експертiв галузi тд-тверджують величезний потенцiал ринку iмiтацiйного моделювання [11]. Регулярний огляд публкацш та аналiз матерiалiв конференцiй доводить, що у в^чизнянш прак-тищ створюеться не бiльше сотнi промислових модель-них додаткiв на рк (навчальнi моделi не врахованi), тобто менше одного вiдсотка прогнозного потенщалу методу.
Об'ективнi змiни вiдбуваються i з самим методом. Зокрема, потребують удосконалення засоби постановки та реалiзацii моделей i планування iмiтацiйних експери-ментiв. Розвиваються програмнi платформи здшснення iмiтацii.
Базуючись на висновках експерйв, узагальнюю-чих ситуацiю на ринку iмiтацiйних моделей, основними причинами гальмування появи iмiтацiйних додаткiв е таю [11; 22]:
• значна тривалiсть дослiджень; f значнi вимоги до дослцниюв; f висока вартiсть;
f вiдсутнiсть у замовника iнформацii стосовно методу;
f неможливiсть розв'язання задачi наявними ш-
струментами; f законодавчi й адмшстративш бар'ери.
Окремо наголошуеться на використанш заста-piAo'i класично! концепцГ! оргашзаци i проведення iмiтацiйного моделювання, а також на вГдсутност системного шдходу реалiзацii iмiтацiйних дослiджень на бкьшост програмних платформ. Тобто у процеа дослiдження виникають iнформацiйнi та техно-логiчнi розриви («вузькi мксця»).
Таким чином, необхiдна побудова единого до-слiдницького простору у межах конкретних програмно-технологiчних платформ - штегрованих систем.
Метою статтi е аналiз стану програмного забез-печення iмiтацiйного моделювання економiчних систем i розкриття можливостей застосування штегрованих програмно-технолопчних платформ у побудовi моделей ринку.
Програмне забезпечення iмiтацiйного моделювання економiчних систем умовно класифiкуеться фа-хiвцями за чотирма групами [11; 23]:
1. 1нтегроваш програмнi середовища й окремi уш-версальнi мови програмування високого рiвня (Pascal, Basic, C, C++ та ш.). В ходi !х використання будуеться ал-горитмГчна модель, а потiм алгоритм кодуеться засобами стандартного синтаксису обрано! мови програмування.
2. Спецiалiзованi мови моделювання (GPSS, SIMULA, SIMSCRIPT, CSL, SOL, GASP, SLAM та ш.), що базуються на унiверсальних мовах програмування. У межах таких програмних середовищ реалiзованi спо-соби взаемоди та динамка систем через сшввГдношення складових елементiв у часi та просторЬ У ходi побудови моделi використовуються термiни та концепцГ! конкретно! спещально! мови. Програмне забезпечення, зазвичай, компактне та мае на сьогодш значш прикладнi додатки.
3. Стандарты спецiалiзованi математичнi середовища з включенням пакета iмiтацiйного моделювання (пакет Simulink системи Matlab, Mathcad, Mathematica, SPSS, Statistica). У ц1й конфкураци iнструмент iмiтацiй-ного моделювання виступае як окрема надбудова та на-даеться користувачам як шсталяцшний пакет, що роз-вивае стандарты функци. Така специфiчна надбудова надае можливостГ вводу, виводу та розрахунку функцш, графiчнi можливостГ тощо.
4. Спецiалiзованi програмнi середовища з включенням усього циклу створення Тмггащйно! моделi вГд розробки вiзуальноi схеми функцiонування до вГзу-ального виводу процесу та результатiв моделювання (AnyLogic, Arena, GPSS World, VisSim). Таю системи мають дружнш штерфейс стосовно користувача, можливостГ вводу численних параметрГв налаштування та керування експериментами, можливостГ отримання оптимальних значень цГльових критерив, проведення рГзних тишв ГмГтацГйних експериментГв й Гн.
Одшею з найбГльш технологГчних програмних платформ на сьогодш е система багатошдходного ГмЬ-тацГйного моделювання AnyLogic. Система спираеться на парадигму об'ектно-орГентованого моделювання з використанням активних об'ектГв i можливГстю вза-емоди Гз зовншшми сутностями; передбачае реалГзацГю трьох головних методологГчних пГдходГв до Гмиаци -дискретно-подГевого, системно! динамГки й агентного. За необхГдшстю в моделях може використовуватися
змшана (комбшована) парадигма. Завдяки гнучкостi та потужност платформи реалiзуються моделi будь-яко! складностi з пiдтримкою рiзноманiтних рiвнiв деталiзацii. Використання як базово! мови об'ектно-орiентованого програмування Java значно розширюе ш-струментарiй системи. Модель AnyLogic може викори-стовуватися також як окремий Java-додаток незалежно вiд середовища розробки.
Наявнi шструменти та бiблiотеки системи, а також 11 розвинутий графiчний iнтерфейс забезпечують реаль зацiю широкого спектра задач, зокрема, пов'язаних iз дослiдженням ринкових процесiв.
Oднiею з класичних моделей ринку е модель Баса -розповсюдження продукту (шновацш) в ринкових умовах. У моделi вГдтворюються елементи поведшки споживачiв пiд час отримання знань стосовно конкретних продукпв/шноващй та здiйснення реальних покупок. Модель добре описана в рядi джерел [24; 25].
На платформi AnyLogic реалiзованi 11 рiзнi моди-фгкацГ! з використанням системно-динамiчноi та агент-но! парадигми [26]. Обидвi версГ! моделi розглядають однопродуктовий ринок.
Cистемно-динамiчний варiант моделi Баса надае уяву про поведшку споживачiв товару / послуги, але з високим ступенем агрегацГ!, що притаманно методологГ! системно! динамiки. На базi системно-динамiчноi моде-лГ неможливо вГдтворення та дослiдження «виникаю-чо!» поведГнки споживачГв, що е найбГльш наближеним до реальних ситуацГй.
В агентнш версГ! моделГ головним елементом е агент, тобто споживач продукту. Агент, як деяка сут-шсть, е активним елементом; мае автономну поведшку, а головне - може приймати власш ршення зпдно з за-даним алгоритмом. КрГм того, вГн може взаемодшти з оточенням та Гншими агентами, а також змшюватися (еволюцГонГзуватися).
Мета агентно! моделГ за Басом - скласти уявлен-ня про загальну поведГнку системи (ринкове розповсюдження товарГв / послуг) виходячи з дослГдження поведГнки i! окремих активних об'ектГв (споживачГв-агентГв) та взаемодГ! цих об'ектГв у системГ.
Розглянемо варГант моделГ конкурентного багато-продуктового ринку: для простоти - двопродуктового. Модель адаптовано до специфжи пГдприемств фарма-цевтично! галузГ.
ВибГр платформи AnyLogic обгрунтований осо-бливостями функцГонування фармацевтичних пГдприемств в умовах невизначеного висококонкурентного середовища - штенсивними змшами у пропозицГ! ново! продукцГ! та мшливим ринковим попитом, сезонною складовою, особливостями зберГгання та транспорту-вання лжарських препаратГв тощо.
У спрощеному виглядГ загальна постановка задачГ полягае у такому.
ДослГджуеться ринок фармацевтично! продукцГ!, який насичуеться двома ланцюгами постачання одного фармацевтичного пГдприемства або ланцюгами постачання двох фармацевтичних шдприемств-конкуренпв. Умовш номенклатуры позицГ! - препарат 1 i препарат 2.
f
Замовлення в1д аптечно! мережi формують обсяг замовлень на виробництво продукцГ! фармацевтичним шдприемством (шдприемствами). Дослiджуються замовлення трьох тишв: + на препарат 1; + на препарат 2; + на препарат 1 або препарат 2. Прогнозний випуск продукцГ! обмежуеться лише виробничими потужностями пiдприемства (шдпри-емств). Готова продукцiя постачаеться на аптечш скла-ди у встановлений термш. Враховуеться тривалiсть про-цейв постачання.
Замовлення на виробництво препарайв форму-ються внаслiдок дослiдження ринкового попиту в аптечних мережах. Iмiтацiя попиту можлива за рГзними сценарiями:
+ згiдно з конкретною штенсившстю; + випадково (за вказаним законом розподку ви-падково! змiнно!);
в результат спГлкування клiентiв аптечних мереж (внаслцок отримання вербально! шформа-цГ!);
в результатi рекламних акцш; з урахуванням сезонностi користування кон-кретними фармацевтичними препаратами; з урахуванням штенсивност конкретних за-хворювань у конкретних регiонах дослцження, пов'язаних, наприклад, iз негативними еколо-гiчними умовами тощо. Варiативними параметрами моделi е такi: + потужност виробництва фармацевтичного пiдприемства (пiдприемств) стосовно випуску дослцжуваних типiв препаратiв; + тривалiсть постачання рiзних препаратiв (одного або рiзних виробникiв) на аптечш склади (в аптечну мережу); + параметри формування ринкового попиту на
конкретнi препарати; + коефiцiенти коректування обсягiв запуску продукцГ! у виробництво (задан прогнознi коефь цiенти призначенi для коректування отрима-ного обсягу замовлень вц аптечно! мережi). Коефiцiенти можуть формуватися з погляду на можливост виникнення рiзноманiтних вироб-ничих ситуацш - вiдхилення замовлень деяких аптечних мереж внаслцок недотримання ними фшансово! дисциплiни; в результатi передба-чуваного у найближчш перспективi виходу на ринок препарату-аналогу та прогнозованого зниження ринкового попиту на кнуючий препарат; внаслiдок необхiдностi створення додат-кових страхових запасiв препараив (у межах термiнiв !х придатносп) та внаслiдок будь-яких iнших ситуацш, продиктованих конкретними обставинами. Згiдно з наведеною постановкою задачi для реа-лшаци обрано багатопiдходну парадигму iмiтацiйного моделювання - комбiнацiю агентного та системно-динамiчного пiдходiв. За допомогою системно! дина-
мши здшснюеться iMh^ia безпосередньо виробничо-збутових ланцюпв. На 6a3i агентно! парадигми реалiзу-еться iмiтацiя ринкового попиту на фармацевтичну про-дукцiю шдприемства (пiдприeмств). Агентна iмiтацiя формування потреби та регшзаци фармацевтичних пре-паратiв у аптечнiй мережi обрана завдяки можливосп моделювання виникаючо! поведiнки агенпв-покупщв.
Загальний вид моделi у графiчному редакторi сис-теми AnyLogic наведено на рис. 1. Призначення голо-вних елементш моделi наведено в табл. 1.
У'модел1 створена популяцш агент1в - клас myAgent. Агентами виступають покупц1 л1карських пре-парапв в аптечн1й мереж1. Початкова ккьшсть агент1в у популяци дор1внюе 1000. Мкце знаходжен-ня агент1в у вжш граф1чного редактора задано за до-помогою елементу пал1три «Разметка пространства» «Прямоугольный узел».
Моделювання ринкового попиту на препарати здшснюеться на баз1 класу myAgent за допомогою д1а-грами стану - statechart, наведено! на рис. 2.
Рис. 1. Загальний вигляд модел1 у граф1чному редактор! системи AnyLogic
Елементи модел1 в AnyLogic
Таблиця 1
Найменування елементу Тип елементу Призначення елементу
2 3 4
склад ГП_п1 Резервуар Склад готово! продукцп - препарату 1
склад ГП_п2 Резервуар Склад готово! продукцп - препарату 2
аптечний_склад_п1 Резервуар Аптечний склад препарату 1
аптечний_склад_п2 Резервуар Аптечний склад препарату 2
виробництво_п1 Потт 1нтенсившсть процесу виробництва препарату 1
виробництво_п2 Потт 1нтенсившсть процесу виробництва препарату 2
постачання_п1 Потiк 1нтенсившсть процесу постачання препарату 1
постачання_п2 Потiк 1нтенсившсть процесу постачання препарату 2
прогноз_п1 Параметр Коефщ^нт коректування обсягу запуску у виробництво препарату 1
прогноз_п2 Параметр Коефщ^нт коректування обсягу запуску у виробництво препарату 2
доставка_п1 Параметр Тривалкть процесу постачання препарату 1 зi складу готово! продукцп на аптечний склад
доставка_п2 Параметр Тривалкть процесу постачання препарату 2 зi складу готово! продукцп на аптечний склад
попит_п1 Динамiчна змiнна Обсяг замовлень на виробництво препарату 1
попит_п2 Динамiчна змiнна Обсяг замовлень на виробництво препарату 2
попит_п1п2 Динамiчна змiнна Обсяг замовлень на виробництво препарату 1 або препарату 2
О ш CQ
О О X
сь о
е
<
ш
statechart
( Потенфйнл клieнти )
( Клieнти_п1 )—Q—»-(Кженти_п1п2^^5—QK^£H™_n2J
^ Покупф_п^^
Рис. 2 AiarpaMa стану
За допомогою дГаграми стану здГйснюеться ГмГта-цш поведГнки агенпв-покупщв препаратГв п1, п2, п1 або п2. ПоведГнку агентГв наведено такими станами: f потенцшш_клГенти; f клГенти_п1; f клГенти_п2; f клГентип1п2; f покупцГ_п1; f покупцГ_п2.
ПерехГд потенцшних клГентГв у стан «клГенти_п1» або у стан «клГенти_п2» здГйснюеться за двома алгоритмами:
f у результат отримання повГдомлення (напри-клад, отримання текстово! константи «купуй п1!» або «купуй п2!»); f Гз заданою штенсившстю, яка може змшювати-ся вГдповГдно до конкретних серГй експеримен-тГв на моделГ та вГдрГзнятися для препарату 1 та препарату 2.
ПерехГд до стану «клГенти п1п2» здГйснюеться зГ станГв «клГенти_п1» або «клГенти_п2» за таймаутом, який може визначатися як константа (наприклад, 2 дш) або випадково (задаеться вГдповГдним законом розподГ-лу ймовГршсно! змшно'!: наприклад, рГвномГрний розпо-дк - uniform (2,5)).
ПерехГд зГ станГв «клГенти_п1» або «клГенти_п2» до станГв, вГдповГдно, «покупцГ_п1» або «покупцГ_п2» здГйснюеться при виконанш заданих умов, а саме: main. аптечний_склад_п1 > 1; main.аптечний_склад_п2 > 1.
При цьому алгоритми дГй при виходГ е такими: main.аптечний_склад_п1--; main.аптечний_склад_п2--.
У результатГ спккування покупцГв-агентГв у модельному середовищГ формуеться повГдомлення про не-обхГдшсть купГвлГ товару, що знаходить сво!х адресатГв у популяцГ! агентГв за випадковим розподком. Ьштацш наведено! дГ! здГйснюеться в межах станГв «покупщ_п1» та «покупцГ_п2».
Штацш вГдмови вГд покупки препаратГв 1 та 2 здГйснюеться за допомогою переходГв зГ станГв «покуп-цГ_п1» та «покупцГ_п2» до станГв «клГенти_п1» та «кль енти_п2» вГдповГдно.
Переходи здГйснюються за таймаутом - наприклад, випадкова змшна з рГвномГрним законом розподГ-лу (розмГршсть - у днях): uniform (17, 23)
Переходи зГ стану «клГентип1п2» до станГв «по-купцГ_п1» або «покупцГ_п2» здГйснюються при виконанш заданих умов, а саме:
таш.аптечний_склад_п1 > 1; таш.аптечний_склад_п2 > 1.
При цьому дГ! визначаються за такими алгоритмами: таш.аптечний_склад_п1--; таш.аптечний_склад_п2--.
Tехнологiю проведення iмiтацiйних експериментiв на моделi прокюструемо на прикладi ряду ситу-ацiй, що виникають шд час виробничо-збутово! дiяльностi фармацевтично! компани. В експеримантах використано матерiали ВАТ «ФАРМАК». Результати експериментiв продемонстрованi на умовних даних1.
Ситуацiя 1.
Шдприемство аналiзуе доцiльнiсть випуску двох альтернативних препаратiв однiе! фармакологiчно! групи - умовно препарат 1 та препарат 2. Береться до уваги, що тривалкть виробничих ци^в обох препа-ратiв приблизно однакова; час постачання до аптечних складiв - також. Водночас параметрами налаштування можуть бути штенсившсть реклами, iнтенсивнiсть переходу потенцшних ^енпв до розряду ^енпв (тобто користувачiв, якi зацiкавилися покупкою препарату) й штенсившсть покупок препарапв у аптечнш мережi. Препарат 1 вже присутнш на ринку деякий час, препарат 2 ткьки що почав випускатися. Розглядаеться си-туацш двох продуктового ринку в одному регюш до-слiдження. Начальна популяцш агентiв - 1000 (ось У). Результати експерименту з тривалкстю перюду iмiтацi! -30 дшв, з кроком - 1 день наведеш на рис. 3а. Як видно з рисунку, найбкьшим попитом користуеться препарат 1: 45,3% в1д загального обсягу попиту; попит на препарат 2 - 22,7%; попит на препарат 1 або 2 - 32%.
При збкьшенш перюду iмiтацi! до 100 дшв наведена тенденцш збериаеться - рис. 3б. Ситуацш значно полiпшуеться з посиленням iнтенсивностi реклами i продовженням термшу знаходження препарату на фар-мацевтичному ринку - рис. 3в.
Як видно з рисунку, попит на препарат 1 стано-вить 40% вiд загального обсягу попиту; попит на новий препарат-аналог зростае та наближуеться до наведено-
1 За припущенням, один агент здшснюе покупку одша упаковки препарату. На вах часових дiаграмах з накопиченням ось Х -чао^ штервали моделювання за обраним термiном; ось У -кшьккы показники у натуральних одиницях вимiру (кiлькiсть упаковок препарате, кiлькiсть покупцiв тощо)
1покупщп2 ■ попит_п2 попит_п1п2 Ипопит_п1 ■ покупц) п1
а) терм1н ¡м1тац1! - зо дн1в; крок - 1 день
б) терм1н ¡м1тац1! - 100 дн1в, крок - день
О ш со
о о
X
в) посилення ¡нтенсивносп реклами Рис. 3. Експеримент 1: запуск у виробництво альтернативних товарiв одшё' фармаколопчноУ групи
го значення - 37,6%.Ситуащя ще бiльше полiпшуеться зi збмьшенням тривалостi часу моделювання.
Ситуацiя 2.
ДоЫджуеться стан двох продуктового ринку -препарати-аналоги - в умовах рiзних реиошв.
Проведенi експерименти довели, що доцiльнiсть запуску у виробництво й ефективне сшвшнування на одному регюнальному ринку препаратiв-аналогiв зале-жить в^д групи препаратiв i розповсюдження захворю-вань, притаманних конкретному регюну.
За матерiалами компани «Фармак» здшснювалася оцiнка iнтенсивностi фармацевтичного ринку в рiзних
регiонах Укра!ни шляхом iмiтацГf попиту на препарати рiзних фармаколопчних груп. Дослiдженню пiдлягали засоби для лкування iнфекцiйних захворювань та за-хворювань кровi. Аналiзувалася ситуацiя в Кшвськш, Одеськiй, Львiвськiй та 1вано-Франювськш областях. Варiативними параметрами моделi були штенсивност звернення покупцiв (iнтенсивнiсть генераци агентiв), надходження замовлень з аптечно! мережi; термiн поставки готових препарат iз виробничих складiв у ап-течну мережу. Змiнною був також загальний термiн iмi-таци. Крок iмiтацГl' - один день.
Експерименти дали таю результати.
о_
о
е
<
з
Ш
В Одеськш област препарати для лкування ш-фекцiйних захворювань користуються значним попитом постшно. Ця тенденщя спостерiгаeться протягом всього iмiтацiйного штервалу - рис. 4.
Як видно з рис. 4, незважаючи на те, що бкьша питома вага в загальному обсязi закупок належить препарату 1 (який вже деякий час присутнш на ринку), най-бкьший вiдсоток попиту притаманний ситуаци, коли ко-ристувачам байдуже, який препарат купувати (1 або 2).
Водночас попит на доЫджуваш препарати-аналоги у Львiвськiй обласп носить непостiйний (тим-часовий) характер i е конкретним, адресним - або препарат 1, або препарат 2. Майже в^сутнш попит типу «препарат 1 або препарат 2».
Що стосуеться ринку фармацевтичних препарапв в1д шфекцшних захворювань Кшвсько'! областi, то ре-зультати дослкження цього ринку наведенi на рис. 5.
Як видно з рис. 5, попит на наведен препарати значно менший, шжв Одеськiй область Покупщ зде-б1льшого зорiентованi на кушвлю препарату 1 (64,5%), сектор препарату п2 значно менший (32,2%). Сектор «байдужостЬ до конкретного препарату достатньо не-значний (3,3%).
Що стосуеться препарапв лiкування захворювань кровi, то у цьому випадку по регюнах спостеркаеться зворотна картина.
Найб1льший рiвень захворювань кровi спостерта-еться в Iвано-Франкiвськiй областi. Хоча результати про-дажiв свiдчать про бкьший обсяг продажiв препарату 1, продажi нового препарату-аналога 2 достатньо стабкьш. Сектори попиту на препарати 1 та 2 приблизно однаковi за питомою вагою. Достатньо великим е сектор «байду-жостЬ> - бажаючих купити препарат 1 або препарат 2. Отримаш результати дослкжень наведеш на рис. 6.
Що стосуеться Одесько'! та Кишсько! областей, отриманi результати приблизно однаковi - порiвняно з Iвано-Франкiвською областю питома вага захворювань та попиту на вкповкш препарати значно менша - рис. 7.
Ситуащя 3.
Дослкження впливу скорочення часу постачання фармацевтичних препарайв до аптечно'! мережi на об-сяги !х продажiв.
З попередшх експериментiв видно, що випуск на ринок препаратш-аналопв супроводжуеться перюдом
Рис. 4. Експеримент 2: дослщження фармацевтичного ринку Одеського регiону стосовно препаратiв-аналогiв лiкування
iнфекцiйних захворювань
Рис. 5. Експеримент 2: дослщження фармацевтичного ринку КиУвськоУ областi стосовно препаралв-аналопв лiкування
iнфекцiйних захворювань
Рис. 6. Експеримент 2: дослщження фармацевтичного ринку 1вано-ФранмвськоУ областi по препаратах-аналогах
лшування захворювань кровi
Рис. 7. Експеримент 2: дослщження фармацевтичного ринку КиУвськоУ областi по препаратах-аналогах лшування
захворювань кровi
1х «адаптаци» та згодом, за сприятливими умовами (до-^ддувався вплив iнтенсифiкацГí реклами препарапв), спостерiгаeться поступове зб1льшення 1х продажiв. Од-нак на зб1льшення питомо'í ваги продажiв нових препа-рапв впливае також оперативне та рт^чне 1х поста-чання до аптечно'' мережi, що довели результати прове-дених iмiтацiйних експериментiв, як показано на рис. 8 (штенсившсть реклами однакова для обох препарапв).
Ситуацiя 4.
Дослiдження впливу рiвня запайв препаратiв у ап-течнiй мережi на обсяги продажiв (рис. 9).
Експерименти проведет з урахуванням таких припущень:
+ начальнi рiвнi запасiв обох препаратiв у аптеч-нш мережi однаковi; iнтенсивнiсть реклами та час постачання зi складiв готово'' продукци до аптечно'' мережi однаковий; + при рiвностi 1нших параметрш значно збкьшуеть-ся рiвень запасш препарату 2 в аптечнiй мережь Як видно з наведених результапв iмiтацiйних екс-периментiв, пiдвищення рiвня запасiв препарату, що виводиться на ринок, вщграе позитивну роль. Конку-рентоспроможнiсть (з погляду на обсяги продажiв) препарату пiдвищуеться. Якщо пiдприемство паралельно посилить iнтенсивнiсть реклами, можна очшувати зна-чне скорочення термшу «адаптаци» нового препарату-аналога на ринку.
(час постачання в аптечну мережу однаковий для обох препарате)
(скорочений час постачання в аптечну мережу препарату 2)
Рис. 8. Експеримент 3: дослщження впливу часу доставки продукцГГ в аптечну мережу на обсяги продажiв препаралв
готп_п2 ■ погот_п1п2 ■ покути п1 ■ псмсупщ п2
^вень запасiв однаковий)(рiвень запасiв препарату 2 збтьшений у 1,5 разу) Рис. 9. Експеримент 4: дослщження впливу р1вня запас1в препарат1в у аптечн1й мереж1 на обсяги продаж1в
Ситуац1я 5.
Досл1дження д1й конкурент1в фармацевтичного п1дприемства.
П1дприемство випускае фармацевтичний препарат вже достатн1й час, мае налагоджену рекламу, визна-чилося ¡з необх1дним р1внем запас1в у аптечнш мереж1. Однак п1дприемство-конкурент запускае на ринок препарат, який може стати б1льш привабливим для покуп-щв. Зг1дно з цим можлив1 так1 ситуаци:
+ препарат за якостями вищий за кнуючий. + препарат е повним аналогом, однак у конкурен-т1в вш мае нижчу ц1ну.
У модел1 под1бн1 ситуаци можуть бути 1мгтоват за допомогою вар1аци параметр1в «прогноз_п1» та «про-гноз_п2». Ринкову ситуацш наведено на рис. 10.
З рис. 10 видно, що препарат конкурента мае зна-чно б1льшу питому вагу у загальному обсяз1 продаж1в пор1вняно з препаратом досл1джуваного п1дприемства (препаратом 1). Ситуац1ю, що може скластися на вироб-ництв1 без урахування та з урахуванням ринкових умов, наведено на рис. 11.
Якщо п1дприемство продовжуе виготовлення препарату в тому ж обсяз1, без урахування дш конкурент1в, це призводить до затоварювання його склад1в, а також, враховуючи специфшу продукци (строки придатност1 препарата), до можливост1 значних ф1нансових втрат. Враховуючи ди конкурент1в за допомогою параметр1в 1м1тацшно1 модел1 «прогноз_п1» та «прогноз_п2», отри-муемо 1ншу картину.
1,500 1,000 500 0
111111111 111111111 111111111 111111111 111111111 111111111 111111111
ш
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 ■ погит_п1 ■ попит_п2 ■ попит_п1п2 ■ покупщп1 Шпокупщп2
Рис. 10. Експеримент 5: досл1дження двопродуктового ринку фармацевтичних препарат1в в умовах конкуренцГГ
еиробництво_л1 в виробництво.
(без корекцп iнтенсивностi виробництва) (в умовах корекцп iнтенсивностi виробництва)
Рис. 11. Експеримент 5: досл1дження двопродуктового ринку фармацевтичних препаралв в умовах конкуренцГГ
Таким чином, за умов урахування дгй конкурент1в шдприемство мае можливкть своечасно коректувати плани виробництва. У цьому приклад1 - доцГльно ско-рочувати виробництво зайво'' продукцЦ (препарат 1), водночас перерозподГливши звГльнеш потужност на випуск бГльш затребувано'' продукцЦ.
ВИСНОВКИ
Зпдно з отриманими результатами можна дшти висновюв, що найважлившими вар1ативними параметрами модел1, якг визначають вплив на кшцев1 резуль-тати функцюнування шдприемства, е штенсившсть реклами конкретного препарату, ритм1чна й оперативна поставка препарапв в аптечну мережу, шдтримка аптеч-них запайв на в1дпов1дному р1вш, а також урахування й оперативне реагування на да конкуренпв.
Окр1м стандартних, на модел1 можливо проведен-ня оптим1зацшних експеримент1в, наприклад, оптим1за-цЦ обсягш продаж1в фармацевтичних препарат1в. Зага-лом система AnyLogic шдтримуе серш експеримент1в -вгд стандартного й оптим1зацшного до експерименту Монте-Карло, оцшки ризиюв, оцшки чутливост1, вар1-ацЦ параметр1в тощо.
Таким чином, на баз1 наведено'' модел1 можна про-водити р1зномаштш ГмГгацшш експерименти, якг вгдпо-вГдають ситуацГям, що виникають на фармацевтичному ринку.
Спектр прикладного використання високотехно-логГчних платформ ГмГтацГйного моделювання, зокре-ма системи багатопГдходного моделювання AnyLogic, е практично необмеженим. 1мГтацГйнГ експерименти на моделях, створених на цГй платформГ, надають дослГд-никам систем ринку такГ можливостГ:
+ ГмГтацГю рГзних сценарГ'в розвитку подГй з по-шуком найбГльш ефективного (оптимального) ршення для ун1ф1кацЦ складних б1знес-систем; + створення моделей-тренажер1в для визначення обгрунтованих управлшських р1шень з подаль-шим анал1зом 'и насл1дк1в. + функцюнування складних б1знес-систем може бути наведено у вигляд1 наглядних процейв зм1н стан1в елеменпв системи та 'х зв'язюв. За-вдяки цьому вГдтворюеться поведшка складно'' системи оперативного анал1зу тих ситуацш, що виникають;
+ пор1вняння реальних процейв з 'и модельним представленням з метою виявлення причин Г джерел порушення нормального функцюну-вання б1знес-систем. ■
Л1ТЕРАТУРА
1. Каталевский Д. Ю. Солодов В. В., Кравченко К. К., Панов Р. А. Моделирование поведения потребителей. 1Ж1_: http://www.anylogic.ru/upload/iblock/cc3/ cc3ef664905f3a5cbcaac4f6b5956 a75.pdf
2. Павлов И. А. Поведенческая экономическая теория -позитивный подход к исследованию человеческого поведения (научный доклад). М.: ИЭ РАН, 2007. 62 с.
3. Хэндс У. Нормативная теория рационального выбора: прошлое, настоящее и будуще. Вопросы экономики. 2012. № 10. С. 52-74.
4. Kahneman, D. Maps of Bounded Rationality: a Perspective on Intuitive Judgement and Choice. Nobel Prize lecture, December 8, 2002. URL: https://www.nobelprize.org/nobel_prizes/ economic-sciences/laureates/2002/kahnemann-lecture.pdf
5. Kahneman, D., Tversky, A. Prospect theory: An analysis of decisions under risk. Econometrica. 1979. Vol. 47. No. 2. P. 263-292.
6. Kahneman, D. Maps of Bounded Rationality: Psychology of Behavioral Economics. The American Economic Review. 2003. Vol. 93. No. 5. P. 1449-1475.
7. Rubinstein, A. Modelling Bounded Rationality. Cambridge, MA, MIT Press. 1998. 220 p.
8. Simon, Н. A. Reason in Human Affairs. Stanford: Stanford University Press, 1983. 128 p.
9. Thaler, R. H. Mental accounting matters. Journal of Behavioral Decision Making. 1999. Vol. 12. Issue 3. P. 183-206.
10. Борщев А. В. Как построить простые, красивые и полезные модели сложных систем // Имитационное моделирование. Теория и практика: материалы конф. ИММ0Д-2013. URL: http://simulation.su/static/ru-immod-2013.html
11. Борщев А. Имитационное моделирование: состояние области на 2015 год, тенденции и прогноз // Имитационное моделирование. Теория и практика: материалы конф. ИММОД-
2015. URL: http://www.anylogic.ru/upload/pdf/immod15_ borshchev_statia.pdf
12. Девятков В. В. Методология и технология имитационных исследований сложных систем: современное состояние и перспективы развития: монография. М.: ИНФРА-М, 2013. 418 с.
13. Ивашкин Ю. А. Мультиагентное имитационное моделирование больших систем. М.: МГУПБ, 2015. 238 с.
14. Лычкина Н. Н. Динамическое имитационное моделирование развития социально-экономических систем и его применение в информационно-аналитических решениях для стратегического управления. Стратегии бизнеса. 2013. № 2 (2). С. 44-49.
15. Шеннон Р. Имитационное моделирование систем -искусство и наука. М.: Мир, 1978. 418 с.
16. Winter Simulation Conference (WSC). URL: www.winter-sim.org
17. International System Dynamics Conference. URL: confer-ence.systemdynamics.org
18. Материалы ASIM. URL: www.asim-gi.org
19. Материалы научно-практической конференции по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика». (ИММ0Д-2011, 2013, 2015, 2017). URL: http:// simulation.su/static/ru-immod-2017(2015,2013,2011).html
20. Матерiали свропейського конгресу EUROSIM. URL: www.eurosim.info
21. Сайт The AnyLogic company. URL: http://www.anylogic.ru/
22. Девятков В. В. Эволюция имитационного моделирования - от «искусства и науки» до к массовому применению // Имитационное моделирование. Теория и практика: материалы конф. ИММ0Д-2017. URL: http://simulation.su/static/ru-articles-2017.html
23. Назаров А. А. Характеристика современных инструментов для имитационного моделирования при исследовании механизмов управления социально-экономическими процессами и системами // Имитационное моделирование. Теория и практика: материалы конф. ИММ0Д-2017. URL: http://simulation. su/static/ru-articles-2017.html
24. Боев В. Д. Моделирование в AnyLogic. СПб.: ВАС,
2016. 412 с.
25. Григорьев И. Anylogic за три дня. Практическое пособие по имитационному моделированию, 2016. 202 с.
26. Портал моделей системы AnyLogic. URL: https:// runthemodel.com/
REFERENCES
Borshchev, A. "Imitatsionnoye modelirovaniye: sostoyaniye oblasti na 2015 god, tendentsii i prognoz" [Simulation modeling: the state of the region for 2015, trends and forecast]. Imitatsionnoye modelirovaniye. Teoriia i praktika. http://www.anylogic.ru/ upload/pdf/immod15_borshchev_statia.pdf
Borshchev, A. V. "Kak postroit prostyye, krasivyye i poleznyye modeli slozhnykh sistem" [How to build simple, beautiful and useful models of complex systems]. Imitatsionnoye modelirovaniye. Teoriya i praktika. http://simulation.su/static/ru-immod-2013.html Boyev, V. D. Modelirovaniye v AnyLogic [Modeling in AnyLogic]. St. Petersburg: VAS, 2016.
Devyatkov,V.V."Evolyutsiyaimitatsionnogomodelirovaniya-ot «iskusstva i nauki» k massovomu primeneniyu" [The evolution of simulation modeling - from "art and science" to mass application]. Imitatsionnoye modelirovaniye. Teoriia i praktika. http://simula-tion.su/static/ru-articles-2017.html
Devyatkov, V. V. Metodologiya i tekhnologiya imitatsionnykh issledovaniy slozhnykh sistem: sovremennoye sostoyaniye i perspek-tivy razvitiya [Methodology and technology of simulation studies of complex systems: the current state and development prospects]. Moscow: INFRA-M, 2013.
Grigorev, I. Anylogic za tri dnya. Prakticheskoye posobiye po imitatsionnomu modelirovaniyu [Anylogic for three days. Practical manual on simulation], 2016.
International System Dynamics Conference. conference.sys-temdynamics.org
Ivashkin, Yu. A. Multiagentnoye imitatsionnoye modelirovani-ye bolshikh sistem [Multiagent simulation of large systems]. Moscow: MGUPB, 2015.
Kahneman, D. "Maps of Bounded Rationality: a Perspective on Intuitive Judgement and Choice" Nobel Prize lecture, December 8, 2002. https://www.nobelprize.org/nobel_prizes/economic-sciences/laureates/2002/kahnemann-lecture.pdf
Kahneman, D. "Maps of Bounded Rationality: Psychology of Behavioral Economics". The American Economic Review. Vol. 93, no. 5 (2003): 1449-1475.
Kahneman, D., and Tversky, A. "Prospect theory: An analysis of decisions under risk". Econometrica. Vol. 47, no. 2 (1979): 263-292.
Katalevskiy, D.Yu. et al."Modelirovaniye povedeniya potrebite-ley" [Modeling of consumer behavior]. http://www.anylogic.ru/up-load/iblock/cc3/cc3ef664905f3a5cbcaac4f6b5956 a75.pdf
Khends, U. "Normativnaya teoriya ratsionalnogo vybora: proshloye, nastoyashcheye i budushcheye" [Normative theory of rational choice: past, present and future]. Voprosy ekonomiki, no. 10 (2012): 52-74.
Lychkina, N. N. "Dinamicheskoye imitatsionnoye modeliro-vaniye razvitiya sotsialno-ekonomicheskikh sistem i yego prime-neniye v informatsionno-analiticheskikh resheniyakh dlya strate-gicheskogo upravleniya" [Dynamic simulation of the development of socio-economic systems and its application in information and analytical solutions for strategic management]. Strategii biznesa, no. 2 (2) (2013): 44-49.
"Materialy ASIM" [Materials ASIM]. http://www.asim-gi.org "Materialy nauchno-prakticheskoy konferentsii po imitatsionnomu modelirovaniyu i yego primeneniyu v nauke i promyshlennosti «Imitatsionnoye modelirovaniye. Teoriya i praktika». (IMM0D-2011, 2013, 2015, 2017)" [Materials of the scientific-practical conference on simulation and its application in science and industry "Simulation
modeling. Theory and practice". (IMMOD-2011, 2013, 2015, 2017)]. http://simulation.su/static/ru-immod-2017 (2015, 2013, 2011).html
"Materialy yevropeiskoho konhresu EUROSIM" [Materials of the European Congress of EUROSIM]. http://www.eurosim.info
Nazarov, A. A. "Kharakteristika sovremennykh instrumentov dlya imitatsionnogo modelirovaniya pri issledovanii mekhanizmov upravleniya sotsialno-ekonomicheskimi protsessami i sistemami" [Characteristics of modern tools for simulation in the study of mechanisms for managing socio-economic processes and systems]. Imitatsionnoye modelirovaniye. Teoriya i praktika. http:// simulation.su/static/ru-articles-2017.html
Pavlov, I. A. Povedencheskaya ekonomicheskaya teoriya - pozi-tivnyy podkhod k issledovaniyu chelovecheskogo povedeniya (nauch-nyy doklad) [Behavioral economic theory - a positive approach to the study of human behavior (scientific report)]. Moscow: IE RAN, 2007.
Portal modeley sistemy AnyLogic. https://runthemodel.
com/
Rubinstein, A. Modelling Bounded Rationality. Cambridge, MA: MIT Press, 1998.
Sayt The AnyLogic company. http://www.anylogic.ru/ Shennon, R. Imitatsionnoye modelirovaniye sistem - iskusstvo i nauka [Simulation of systems is an art and a science]. Moscow: Mir, 1978.
Simon, N. A. Reason in Human Affairs. Stanford: Stanford University Press, 1983.
Thaler, R. H. "Mental accounting matters". Journal of Behavioral Decision Making. Vol. 12, no. 3 (1999): 183-206.
Winter Simulation Conference (WSC). http://www.winter-sim.org
