Имитационное моделирование как метод исследования операций и оптимизации

Из аналитических методов, которые включают исследование операций, имитационное моделирование резко контрастируют с алгоритмами математического программирования и стохастическими моделями. При моделировании, аналитик создает модель такой системы, которая описывает некоторый процесс, используя отдельные объекты, такие как люди, продукция или сообщения. Компоненты модели пытаются воспроизводить, с различными степенями точности, фактические действия реальных компонентов процесса. Обычно система имеет изменяющиеся во времени входы и выходы из-за случайных событий. Компоненты моделирования связаны и могут часто рассматриваться как сеть со сложными взаимосвязями входа-выхода. Кроме того, потоком объектов через систему управляют логические правила, которые вытекают из операционных правил и стратегии, связанной с моделируемым процессом.

Поскольку модель принимает вид компьютерной программы, которая работает как копия системы из реального мира, она намного менее ограничена, чем аналитические модели. В пределах ограничений взаимодействия входа и выхода, квалифицированный программист может воспроизвести с высокой точностью, большинство систем, которые требуется изучать и рационализировать. Из-за этой способности к детализации, моделирование стало очень популярным методом анализа. Особенно привлекательна возможность моделировать случайные переменные с произвольными вероятностными распределениями и системы, которые имеют множество взаимодействующих вероятностных процессов. Современные системы моделирования - инструменты, позволяющие даже начинающим создавать модели сложных систем.

Необходимость использования моделирования следует из множества причин.

1. Моделирование может быть единственной возможностью обеспечить решения проблемы при исследовании. Например, невозможно получить переходные (с временной зависимостью) решения для сложных моделей очередей в замкнутой форме за счет решения систем уравнений, но они могут быть получены с помощью методов имитационного моделирования.

2. Имитационные модели могут представить процесс более реалистично, потому что требуется меньше дополнительных предположений. Примеры включают использование недетерминированного времени в модели управления запасами, непуассоновские входные потоки или интервалы времени обслуживания в системах массового обслуживания (очереди), и недетерминированные параметры в задаче управления запасами и составление графиков многоступенчатого производства. Каждая из этих ситуаций приводит к аналитическим моделям, которые являются очень сложными.

3. Изменения в конфигурации или структуре могут быть легко осуществлены, чтобы ответить, на вопрос "Что будет, если...?". Например, различные решения могут быть проверены на изменение числа каналов обслуживания в сети очередей.

4. В большинстве случаев, моделирование является менее дорогостоящим, чем фактические эксперименты; в других случаях, это может быть единственный разумный начальный подход, когда система еще не существует, но теоретические отношения известны. Например, солнечная энергия тепловой системы для домов была проверена моделированием до того, как была построена. Моделирование может помочь решать определенные части проблемы или исследовать новые проблемы проектирования.

5. Моделирование может использоваться в педагогических (обучающих) целях или иллюстрировать модель, помогает лучше понимать такие процессы, как политика управления доходом используемая авиалиниями при долгосрочном управлении ценами на билеты.

6. Для многих динамических процессов, моделирование обеспечивает единственные средства для прямого и детального наблюдения в пределах указанных сроков. Подход также обеспечивает сжатие времени, благодаря чему процесс моделируется за минуты, хотя, возможно, в реальности требовало бы годы фактического экспериментирования.

При этих и других преимуществах возникает вопрос "Почему бы не свести все моделирование к имитационному моделированию?" Во-первых, имитационное моделирование является продолжительным и дорогостоящим по сравнению с многими аналитическими подходами. Например, моделирование оценки оптимального уровня перезаказа и количества материально-производственных запасов, требует обширного поиска оптимальных значений управляемых переменных, тогда как аналитическое решение этого не требует. Во-вторых, определенные проблемы, связанные с разработкой, проверкой, и оценкой могут быть сложны в лучшем случае и неразрешимы в худшем случае.

Поскольку предпринимается попытка воспроизвести значительное количество деталей, имитационная модель может потребовать большого программного обеспечения, его точность будет трудно проверить, и вычислительное мощности, которые потребуются, могут быть больше по сравнению с другими подходами. Как и анализ очередей, имитационное моделирование - это инструмент, который требует многочисленных альтернатив для определения оптимального варианта. В отличие от анализа очередей, моделирование не вычисляет математические ожидания. Скорее запуски имитационных моделей походят на выполнение наблюдений за системой в реальном мире и регистрацию соответствующей статистики. Так как статистические данные сами являются случайными переменными, интерпретация результатов должна быть сделана тщательно, с процедурами, основанными на соответствующей теории. Этим требованием часто пренебрегают на практике, давая тем самым начало тому, что результаты будут или неправильно интерпретированы или неправильно использованы.

Дата добавления: 2015-07-15