CC BY
6УДК 004.94 КозловИ.А., СмирновД.С.
Козлов И.А.
студент 2 курса магистратуры «ФБИУКС»
Национальный исследовательский ядерный университет «МИФИ»
(г. Москва, Россия)
Научный руководитель: Смирнов Д.С.
кандидат экономических наук доцент кафедры «Региональной и инновационной экономики»
Национальный исследовательский ядерный университет «МИФИ»
(г. Москва, Россия)
СУЩНОСТЬ ИМИТАЦИОННОГО
МОДЕЛИРОВАНИЯ И ПЕРСПЕКТИВЫ ЕГО РАЗВИТИЯ
Аннотация: актуальность темы состоит в том, что имитационное моделирование является мощным инструментом исследования сложных бизнес-процессов и систем и позволяет решать трудно формализуемые задачи в условиях неопределенности. Поэтому данный метод позволяет совершенствовать системы поддержки принятия решений, улучшая тем самым экономические показатели организаций, уменьшая риск от реализации решений и экономя средства для достижения той или иной цели. Применение имитационных моделей дает множество преимуществ по сравнению с выполнением экспериментов над реальной системой и использованием других методов.
Эффективность управленческих решений значительно повышается, если используется имитационное моделирование производственной деятельности, позволяющее, с одной стороны, оценить на модели качество принятого решения, а с другой, является средством обучения сотрудников.
Ключевые слова: модель, имитационное моделирование, перспективы развития, компьютерное моделирование, параметры модели.
Имитационное моделирование и его применение в экономике.
Применение моделирования в научных исследованиях началось ещё в древние времена и постепенно распространилось на различные области знаний, включая технику, строительство, архитектуру, астрономию, физику, химию, биологию и социальные науки. XX век принёс методу моделирования значительный успех и признание во многих областях современной науки.
Понятие «модель» используется в разных сферах человеческой деятельности и имеет множество значений. Рассмотрим только те «модели», которые служат инструментом для получения знаний [1].
Модель представляет собой материальный или мысленный объект, который в ходе исследования заменяет оригинальный объект таким образом, что изучение первого позволяет получить новые знания об оригинале.
Моделирование подразумевает создание, анализ и использование моделей. Этот процесс связан с абстракцией, аналогией, гипотезой и другими категориями. Моделирование включает в себя создание абстракций, умозаключений по аналогии и разработку научных гипотез.
Главная особенность моделирования заключается в том, что это метод опосредованного познания через использование заместителей объектов. Модель является одним из инструментов познания, который исследователь размещает между собой и объектом и использует для изучения интересующего его объекта. Эта особенность метода моделирования определяет специфические формы применения абстракций, аналогий, гипотез и других категорий, и методов познания.
Процесс моделирования состоит из трёх элементов:
- Исследователь (субъект).
- Объект исследования.
- Модель, которая опосредует отношения между познающим субъектом и познаваемым объектом.
Сложность экономики иногда рассматривается как причина невозможности её моделирования и изучения с помощью математики. Однако
это мнение неверно. Моделировать можно объекты любой природы и сложности. Именно сложные объекты представляют наибольший интерес для моделирования, где оно может привести к результатам, недостижимым другими методами исследования.
Длительное время основным препятствием для практического применения математического моделирования в экономике было обеспечение разработанных моделей конкретными и качественными данными. Точность и полнота исходных данных, а также реальные возможности их сбора и обработки, существенно влияют на выбор типа прикладных моделей. Кроме того, исследования в области моделирования экономики предъявляют новые требования к информационной системе.
В зависимости от специфики моделируемых объектов и целей моделирования исходная информация может иметь разную природу и происхождение. Она делится на две категории: данные о прошлом развитии и текущем состоянии объектов (экономические наблюдения и их обработка) и сведения о будущем развитии объектов, включающие прогнозы изменений их внутренних параметров и внешних условий. Вторая категория информации является результатом отдельных исследований, которые также могут проводиться с использованием моделирования [2].
За последние десятилетия методы имитационного моделирования значительно усовершенствовались. Агентное моделирование стало последним достижением в этой области. Благодаря ему появилась возможность описывать социально-экономические взаимодействия и связанные с ними процессы без значительных упрощений, в их реалистичном виде.
В настоящее время АО-модели не имеют чёткого и общепринятого определения. Согласно Э. Бонабо, АО-модель представляет собой скорее образ мышления, чем конкретную технологию. В. Л. Макаров считает, что определяющим фактором является схожесть агентов: «агенты должны быть похожи друг на друга и воспринимать друг друга как подобных себе при взаимодействии». По мнению Л. Тесфэтсон, АО-модели являются
компьютерными вычислимыми моделями процессов, возникающих в результате взаимодействия множества агентов (точнее говоря).
Существует четыре классификации АО-моделей. Первую предложил П. Уиндрем, который разделяет модели по следующим признакам:
- Характеристика исследуемого объекта,
- Цель исследования,
- Предпосылки создания модели,
- Методика анализа чувствительности модели.
Классификация, предложенная Марьетто и соавторами, включает три типа моделей: искусственные модельные общества, общественно-научные модели и прикладные модели-прототипы. Каждый тип модели характеризуется тремя измерениями: уровень абстракции, вид критерия и сфера применения.
Классификация, разработанная Х. Куклелис, основывается на оценке агентов и окружения с использованием шкалы «абстрактный (объяснительный) — реалистичный (описательный)» [4].
Последняя изученная классификация предложена Д. Паркером и его коллегами. Они рассматривают АО-модели через три аспекта:
1) Степень теоретической и эмпирической основы модели.
2) Нормативно-позитивный характер модели.
3) Сложность модели.
Однако следует отметить, что у всех этих классификаций есть один недостаток: критерии отнесения модели к одной из категорий недостаточно чётко определены, чтобы однозначно отнести её к той или иной группе.
Агент-ориентированные модели (АОМ), относящиеся к классу моделей, основанных на индивидуальном поведении агентов и создаваемых для компьютерных симуляций. Основная идея, лежащая в основе АОМ, заключается в создании вычислительного инструмента, состоящего из совокупности агентов с определёнными свойствами, который позволяет проводить симуляции реальных явлений. При этом модели, использующие простые правила поведения
агентов, могут давать интересные результаты. Существует множество определений АОМ.
АОМ — это модель, характеризующаяся следующими основными свойствами:
- Автономия. Агенты действуют независимо друг от друга, и в моделях отсутствует единая регулирующая структура, контролирующая поведение каждого агента отдельно.
- Неоднородность. Агенты отличаются друг от друга, что отличает АОМ от моделей с агентами-представителями. Различия между агентами могут проявляться по разным параметрам (например, уровень здоровья, доход, культурный уровень и правила принятия решений).
- Ограниченная интеллектуальность агентов (ограниченная рациональность). Агенты модели не могут познать то, что выходит за рамки макросреды модели.
- Расположение в пространстве. Имеется «среда обитания», представленная решёткой (как в игре «Жизнь») или более сложной структурой. Это свойство необязательно для всех АОМ, но их главная особенность — наличие множества взаимодействующих агентов (существуют модели с миллионами агентов).
- Агенты способны общаться друг с другом и с окружающей средой (возможно, с людьми) с использованием определённого коммуникационного языка.
- Агенты обладают способностью воспринимать и реагировать на изменения в окружающей среде в определённые временные рамки.
- Агенты не только реагируют на изменения среды, но и проявляют целенаправленное поведение и инициативу.
- Каждый агент имеет свою индивидуальную картину мира, описывающую его восприятие окружающей среды. Эта картина формируется на основе информации, получаемой из внешней среды.
- Поведение агентов включает способность к обучению, логическому выводу или созданию модели окружающей среды для поиска оптимальных способов поведения. В моделях социально-экономических систем часто используются агрегированные агенты, представляющие отрасли, регионы или совокупные домохозяйства.
Агенты в АОМ представляют собой автономные сущности, обычно имеющие графическое представление, с определённой целью функционирования и возможностью обучаться в процессе своего существования до определённого уровня, заданного разработчиками соответствующей модели [1]. Примеры агентов включают:
1) Людей и другие живые организмы.
2) Роботов, автомобили и другие подвижные объекты.
3) Недвижимые объекты.
4) Совокупности однотипных объектов.
АОМ позволяют моделировать системы, максимально приближенные к реальности, причём степень детализации ограничивается только возможностями компьютеров. В некоторых АОМ передвижение агентов задаётся не с помощью сложных формул, а заранее определёнными маршрутами и простыми правилами, которые имитируют адаптивное мышление в процессе принятия решений и позволяют получать неочевидные результаты на уровне агрегированных параметров.
Одним из ключевых преимуществ имитационного моделирования является возможность создания моделей с учётом отсутствия информации о глобальных зависимостях в рамках моделирования соответствующей предметной области. Важно понимать логику поведения отдельных агентов, что, в свою очередь, может способствовать получению более общих знаний об исследуемом процессе. АОМ представляет собой гибкий инструмент, позволяющий легко добавлять и удалять агентов в модели, а также изменять параметры и правила их поведения.
Основная цель имитационного компьютерного моделирования деятельности человека заключается в поиске возможностей для улучшения функционирования социально-экономических систем. Компьютерное имитационное моделирование наиболее эффективно в тех сферах, где участники социально-экономической деятельности затрачивают значительные усилия и значительное количество времени на мысленное проигрывание и анализ возможных сценариев развития событий [2].
В условиях растущей корреляции между процессами и различными сферами деятельности людей, которые ранее не влияли друг на друга, существует ещё одна ключевая задача современного компьютерного имитационного или математического моделирования — создание инструментов, методов, средств и механизмов для координации деятельности людей. Нетривиальность этой задачи определяется двумя важными факторами:
- большое количество и/или быстрое увеличение количества взаимодействующих участников,
- увеличение интенсивности изменений в возможностях/намерениях участников и в общих условиях деятельности, которые необходимо согласовывать в режиме реального времени.
Применение имитационного моделирования к действующим управленческим, бизнес- и технологическим системам даёт положительные результаты в оперативном и стратегическом управлении деятельности компании, производством, логистикой и заданными цепочками поставок. Это особенно важно и полезно в ситуациях с огромным количеством элементов, сложными связями между ними и непредсказуемым развитием событий.
Широкие возможности компьютерного имитационного моделирования способствуют разработке всё более сложных моделей. Это создаёт дополнительные трудности не только для разработчиков, но и для пользователей. Определение количественных параметров модели, таких как эластичность цен и рекламы, становится всё сложнее. Поэтому часто приходится обращаться за дополнительной информацией к экспертам, что при работе с
масштабными моделями с множеством параметров усиливает спекулятивный характер практических рекомендаций.
Недостатком математических моделей принятия решений является не только сложность определения параметров, но и несовершенство оценочных теорий, лежащих в основе их структуры. Например, при использовании диффузионной модели более совершенные теории могли бы объяснить взаимодействие цены и рекламы.
Модели принятия решений могут лишь частично отражать реальность из-за недостатка данных и несовершенства теорий, но главным образом из-за многообразия явлений и связей в реальной экономической жизни. Многие учёные считают это существенным недостатком и поводом для критики. Для них предпосылки моделирования соответствуют далёкой от практики науке [5].
Принцип конструирования, то есть возможность абстрагироваться от «помех», существующих в реальности, для более точного анализа, делает модели принятия решений открытыми для совершенствования. Они не ограничивают инициативу лиц, ответственных за принятие решений. Математические модели усиливают интеллект, но не заменяют его.
Математические модели также выполняют дидактическую задачу. Разработчики совершенствуют своё мышление, так как модели помогают понять структуру и логику решаемых проблем и оттачивают аналитические способности. Таким образом, интуитивная умозрительная модель получает твёрдую основу. При поиске проблемных решений можно научиться более целенаправленно и систематически двигаться вперёд, и подвергать сомнению кажущиеся надёжными наблюдения.
Основные направления и перспективы развития имитационного моделирования.
Проведение анализа упомянутых ранее аспектов формальной характеристики и изучения сложных объектов и систем указывает на необходимость использования концепций и принципов, лежащих в основе
нынешних методик системного моделирования, при моделировании и управлении этими объектами и системами. Более того, данный анализ показывает, что при решении наиболее актуальных проблем структурно-функционального синтеза облика гибридных интеллектуальных систем управления (ГИСУ) СОТО целесообразно дополнить традиционные технологии системного моделирования, связанные с количественными расчётами, интеллектуальными информационными технологиями, ориентированными преимущественно на символьные операции с информацией [3]. К таким информационным технологиям относятся: технологии мультиагентного моделирования, экспертных систем, нечеткой логики, искусственных нейронных сетей, вывода на основе прецедентов, естественно-языковых систем, онтологий, ассоциативной памяти, когнитивного картирования и эволюционного моделирования.
В связи с увеличением производительности современных компьютеров, их возможностей всё ещё недостаточно для решения задач, связанных с авиацией, автомобилестроением, логистикой и сборкой, когда симуляция моделей может занимать несколько часов. Один из способов решения этой проблемы — применение параллельного и распределённого дискретно-событийного моделирования. В этой сфере существует стандарт HLA — High Level Architecture.
Что касается разработки и применения имитационных моделей, то они включают:
1) Модели, предназначенные для определения функциональных соотношений между факторами и откликом системы.
2) Модели для прогнозирования поведения системы при различных условиях и временных рамках.
3) Модели для экспертной оценки структуры и конфигурации системы на основе критериев и аксиом, разработанных экспертами.
4) Модели для сравнения конкурирующих систем и рабочих методик для принятия решений.
5) Модели для оптимизации сочетания действующих факторов и величин для достижения наилучшего отклика системы.
6) Модели виртуальных игр для обучения студентов, управленческого персонала и сотрудников.
7) Модели для анализа чувствительности к факторам, влияющим на общее поведение системы.
8) Модели, которые встроены в производственные процессы и различные технические установки, запускаемые автоматически для выполнения различных соответствующих операций.
9) Модели для динамической визуализации проектируемого объекта и демонстрации его руководству и потенциальным заказчикам.
Рассматривая моделирование как исследовательский метод и имитационное (компьютерное) моделирование как его разновидность, важно отметить основные области применения, где с помощью этого метода решаются отраслевые задачи, а также преимущества и ограничения.
Наиболее активно имитационное моделирование используется в металлургии, нефтегазовой промышленности, производстве строительных материалов, пищевой продукции, а также в различных сферах массового обслуживания, таких как аэропорты, транспорт, медицина, торговые предприятия и сфера услуг [1].
Согласно анализу результатов конференций ИММОД, основные области применения включают:
- Оказание услуг связи и передача данных.
- Управление передвижными (космическими) объектами, воздушным и автомобильным движением.
- Создание ситуационных имитационных моделей полёта военной авиации.
- Организация промышленного производства (гибкие производственные системы, обувное, мелкосерийное, сборка персональных компьютеров, разработка программного обеспечения).
- Информационная борьба, блочное шифрование.
- Региональные экономические системы.
- Лечебно-эвакуационные мероприятия в авиадивизии.
- Подготовка высококвалифицированных специалистов по управлению железнодорожным транспортом и магистральными трубопроводами.
- Налоговое и пенсионное законодательство, обращение граждан в государственные органы управления.
- Исследования водных, морских, лесных, степных экосистем.
Рисунок 1. Разновидности имитационного моделирования.
Основные направления имитационных исследований формируются на основе применения имитационного моделирования [2]:
- Теоретические основы и методология имитационного и комплексного моделирования.
- Методы развития и оценки качества и достоверности моделей и полимодельных комплексов.
- Методы и системы обмена данными (распределенного моделирования).
- Имитация процессов глобального уровня.
- Разработка систем визуализации и автоматизации имитационного моделирования.
- Исследование сложных систем с «вшитой» имитационной составляющей.
- Применение на практике моделирования и инструментальных средств автоматизации моделирования, принятие соответствующих решений на основе полученных результатов моделирования.
- Виртуальное и цифровое производство — промышленное моделирование.
- Использование имитационных моделей в образовании и при обучении.
Таблица 1. Основные инструментальные средства имитационного
моделирования.
Наимено вание Разработчик Область применения Класс реализуемы х моделей Использование графических компонентов для визуального конструирования Интеграция с CASE-средствами
ARENA System Modeling Corporation Пакет для создания моделей производственных и бизнес-процессов. Дискретные модели Есть палитра стандартных блоков и процессов Импорт функциональных моделей из AllFusion Process Modeler (BPwin)
EXTEN D Imagine That., Inc. Пакет для экономического моделирования и планирования стратегии развития. Дискретные модели Есть палитра стандартных блоков и процессов -
AnyLogi c XJ Technologies Пакет для моделирования систем массового обслуживания, производства и транспортировки. Дискретные и непрерывны е модели, агентные модели Есть палитра стандартных блоков и процессов -
Наимено вание Разработчик Область применения Класс реализуемы х моделей Использование графических компонентов для визуального конструирования Интеграция с СЛ8Б-средствами
MATLA B + Simulink MathWorks, Inc. Универсальная платформа для создания моделей радиоэлектронных, информационных и управляющих систем. Непрерывны е и дискретные модели Блоки функциональных преобразований, карты состояний Применение нотаций иМЬ при описании системной динамики
GPSS WORLD Minuteman Corporation Язык для моделирования систем массового обслуживания, производства и транспортировки. Дискретные модели - -
Развитие имитационного моделирования происходит медленно из-за сложности изучаемых объектов и трудоёмкости создания моделей, а также из-за недостатка специалистов в этой области. Особые трудности возникают в социальных и гуманитарных науках, где ограниченное использование имитационного моделирования может быть связано со следующими факторами: нелинейностью и многофакторностью социальных процессов, сложностью взаимодействий между ними, а также нереалистичными ожиданиями от моделей. Несмотря на это, работа над формализацией социальных систем продолжается, разрабатываются математические подходы и достигаются определённые успехи.
СПИСОК ЛИТЕРАТУРЫ:
1. Актуальные финансовые и управленческие проблемы развития отраслей, агломераций и предприятий РФ в условиях цифровизации экономики : монография / Л. С. Артамонова, Р. Р. Бигеев, О. В. Борисова [и др.] , под ред. И.
В. Политковской [и др.]. - Москва : РУСАЙНС, 2024;
2. Алиева Э.Ф., Алексеева А.С., Ванданова Э.Л., Карташова Е.В., Резапкина Г.В. Цифровая переподготовка: обучение руководителей образовательных организаций // Образовательная политика. 2020. № 1 (81). С. 54-61;
3. Андреева, Г.Н. Развитие цифровой экономики в России как ключевой фактор экономического роста и повышения качества жизни населения : монография / Г.Н. Андреева, С.В. Бадальянц, М.Л. Шер [и др.]. - Нижний Новгород : Издательство «Профессиональная наука», 2020;
4. Бесхмельнов М. И. Применение алгоритмов машинного обучения для исследования конкурентоспособности организаций в условиях цифровой экономики : монография / М. И. Бесхмельнов. - Москва : СОЛОН-Пресс, 2023;
5. Будущее цифровой трансформации: перспективы и вызовы, IEEE Technology and Society, 2022;
6. Бусленко, В. Н. Автоматизация имитационного моделирования сложных систем / В.Н. Бусленко. - М.: Главная редакция физико-математической литературы издательства "Наука", 2020. - 260 c
Kozlov I.A., Smirnov D.S.
Kozlov I.A.
National Research Nuclear University «MEPhI» (Moscow, Russia)
Scientific advisor: Smirnov D.S.
National Research Nuclear University «MEPhI» (Moscow, Russia)
ESSENCE OF SIMULATION MODELING AND PROSPECTS FOR ITS DEVELOPMENT
Abstract: the relevance of the topic lies in the fact that simulation modeling is a powerful tool for the study of complex business processes and systems and allows you to solve difficult to formalize tasks in conditions of uncertainty. Therefore, this method allows you to improve decision support systems, thereby improving the economic performance of organizations, reducing the risk of implementing decisions and saving money to achieve a particular goal. The use of simulation models provides many advantages over performing experiments on a real system and using other methods.
The effectiveness of management decisions is significantly increased if simulation modeling ofproduction activities is used, which allows, on the one hand, to evaluate the quality of the decision made on the model, and on the other, is a means of training employees.
Keywords: model, simulation modeling, development prospects, computer modeling, model parameters.
