Введение.

1. Основные принципы моделирования систем управления.

1.1. Принципы системного подхода в моделировании систем управления.

1.2. Подходы к исследованию систем управления.

1.3. Стадии разработки моделей.

2. Общая характеристика проблемы моделирования систем управления.

2.1. Цели моделирования систем управления.

3. Классификация видов моделирования систем.

Заключение.

Список литературы.

1.1. ВВЕДЕНИЕ

В данной курсовой работе по теме “Применение моделирования при исследовании систем управления” я попытаюсь раскрыть основные методы и принципы моделирования в разрезе исследования систем управления.

Моделирование (в широком смысле) является основным методом иссле­дований во всех областях знаний и научно обоснованным методом оценок характеристик сложных систем, используемым для принятия решений в раз­личных сферах инженерной деятельности. Существующие и проектируемые системы можно эффективно исследовать с помощью математических моделей (аналитических и имитационных), реализуемых на современных ЭВМ, которые в этом случае выступают в качестве инструмента экспериментатора с моделью системы.

В настоящее время нельзя назвать область человеческой деятель­ности, в которой в той или иной степени не использовались бы методы моделирования. Особенно это относится к сфере управле­ния различными системами, где основными являются процессы принятия решений на основе получаемой информации. Остановим­ся на философских аспектах моделирования, а точнее общей теории моделирования.

Методологическая основа моделирования. Все то, на что направ­лена человеческая деятельность, называется объектом (лат. objection - предмет). Выработка методологии направлена на упо­рядочение получения и обработки информации об объектах, кото­рые существуют вне нашего сознания и взаимодействуют между собой и внешней средой.

В научных исследованиях большую роль играют гипотезы, т. е. определенные предсказания, основывающиеся на небольшом коли­честве опытных данных, наблюдений, догадок. Быстрая и полная проверка выдвигаемых гипотез может быть проведена в ходе специ­ально поставленного эксперимента. При формулировании и провер­ке правильности гипотез большое значение в качестве метода сужде­ния имеет аналогия.

Обобщенно моделирование можно определить как метод опос­редованного познания, при котором изучаемый объект-оригинал находится в некотором соответствии с другим объектом-моделью, причем модель способна в том или ином отношении замещать оригинал на некоторых стадиях познавательного процесса. Стадии познания, на которых происходит такая замена, а также формы соответствия модели и оригинала могут быть различными:

1) моделирование как познавательный процесс, содержащий пе­реработку информации, поступающей из внешней среды, о проис­ходящих в ней явлениях, в результате чего в сознании появляются образы, соответствующие объектам;

2) моделирование, заключающееся в построении некоторой си­стемы-модели (второй системы), связанной определенными соот­ношениями подобия с системой-оригиналом (первой системой), причем в этом случае отображение одной системы в другую являет­ся средством выявления зависимостей между двумя системами, отраженными в соотношениях подобия, а не результатом непосред­ственного изучения поступающей информации.

1. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ СИСТЕМ

Моделирование начинается с формирования предмета исследований - сис­темы понятий, отражающей существенные для моделирования характеристи­ки объекта. Эта задача является достаточно сложной, что подтверждается различной интерпретацией в научно-технической литературе таких фундамен­тальных понятий, как система, модель, моделирование. Подобная неоднознач­ность не говорит об ошибочности одних и правильности других терминов, а отражает зависимость предмета исследований (моделирования) как от рас­сматриваемого объекта, так и от целей исследователя. Отличительной особен­ностью моделирования сложных систем является его многофункциональность и многообразие способов использования; оно становится неотъемлемой частью всего жизненного цикла системы. Объясняется это в первую очередь технологи­чностью моделей, реализованных на базе средств вычислительной техники: достаточно высокой скоростью получения результатов моделирования и их сравнительно невысокой себестоимостью.

1.1. Принципы системного подхода в моделировании систем.

В настоящее время при анализе и синтезе сложных (больших) систем получил развитие системный подход, который отличается от классического (или индуктивного) подхода. Последний рассматри­вает систему путем перехода от частного к общему и синтезирует (конструирует) систему путем слияния ее компонент, разрабатыва­емых раздельно. В отличие от этого системный подход предполага­ет последовательный переход от общего к частному, когда в основе рассмотрения лежит цель, причем исследуемый объект выделяется из окружающей среды.

Объект моделирования. Специалисты по проектированию и эксплуатации сложных систем имеют дело с системами управления различных уровней, обладающими общим свойством - стремлением достичь некоторой цели. Эту особенность учтем в следующих определениях системы. Система S - целенаправленное множество! взаимосвязанных элементов любой природы. Внешняя среда Е- множество существующих вне системы элементов любой природы, оказывающих влияние на систему или находящихся под ее воздействием. "

В зависимости от цели исследования могут рассматриваться разные соотношения между самим объектом S и внешней средой Е. Таким образом, в зависимости от уровня, на котором находится наблюдатель, объект исследования может выделяться по-разному и могут иметь место различные взаимодействия этого объекта с внешней средой.

С развитием науки и техники сам объект непрерывно усложняет­ся, и уже сейчас говорят об объекте исследования как о некоторой сложной системе, которая состоит из различных компонент, вза­имосвязанных друг с другом. Поэтому, рассматривая системный подход как основу для построения больших систем и как базу создания методики их анализа и синтеза, прежде всего необходимо определить само понятие системного подхода.

Системный подход - это элемент учения об общих законах развития природы и одно из выражений диалектического учения. Можно привести разные определения системного подхода, но на­иболее правильно то, которое позволяет оценить познавательную сущность этого подхода при таком методе исследования систем, как моделирование. Поэтому весьма важны выделение самой системы S и внешней среды Е из объективно существующей реальности и описание системы исходя из общесистемных позиций.

При системном подходе к моделированию систем необходимо прежде всего четко определить цель моделирования. Поскольку невозможно полностью смоделировать реально функционирующую систему (систему-оригинал, или первую систему), создается модель (система-модель, или вторая система) под поставленную проблему. Таким образом, применительно к вопросам моделирования цель возникает из требуемых задач моделирования, что позволяет по­дойти к выбору критерия и оценить, какие элементы войдут в со­здаваемую модель М. Поэтому необходимо иметь критерий отбора отдельных элементов в создаваемую модель.

1.2. Подходы к исследованию систем.

Важным для системного под­хода является определение структуры системы - совокупности связей между элементами системы, отражающих их взаимодейст­вие. Структура системы может изучаться извне с точки зрения состава отдельных подсистем и отношений между ними, а также изнутри, когда анализируются отдельные свойства, позволяющие системе достигать заданной цели, т. е. когда изучаются функции системы. В соответствии с этим наметился ряд подходов к ис­следованию структуры системы с ее свойствами, к которым следует прежде всего отнести структурный и функциональный.

При структурном подходе выявляются состав выделенных эле­ментов системы S и связи между ними. Совокупность элементов и связей между ними позволяет судить о структуре системы. После­дняя в зависимости от цели исследования может быть описана на разных уровнях рассмотрения. Наиболее общее описание струк­туры - это топологическое описание, позволяющее определить в самых общих понятиях составные части системы и хорошо фор­мализуемое на базе теории графов.

Менее общим является функциональное описание, когда рас­сматриваются отдельные функции, т. е. алгоритмы поведения систе­мы, и реализуется функциональный подход, оценивающий функции, которые выполняет система, причем под функцией понимается свойство, приводящее к достижению цели. Поскольку функция от­ображает свойство, а свойство отображает взаимодействие системы S с внешней средой Е, то свойства могут быть выражены в виде либо некоторых характеристик элементов S iV) и подсистем Si систе­мы, либо системы S в целом.

При наличии некоторого эталона сравнения можно ввести коли­чественные и качественные характеристики систем. Для количест­венной характеристики вводятся числа, выражающие отношения между данной характеристикой и эталоном. Качественные харак­теристики системы находятся, например, с помощью метода экс­пертных оценок.

Проявление функций системы во времени S(t), т. е. функци­онирование системы, означает переход системы из одного состояния в другое, т. е. движение в пространстве состояний Z. При эксплу­атации системы S весьма важно качество ее функционирования, определяемое показателем эффективности и являющееся значением критерия оценки эффективности. Существуют различные подходы к выбору критериев оценки эффективности. Система S может оце­ниваться либо совокупностью частных критериев, либо некоторым общим интегральным критерием.

Следует отметить, что создаваемая модель М с точки зрения системного подхода также является системой, т. е. S"=S"(M), и мо­жет рассматриваться по отношению к внешней среде Е. Наиболее просты по представлению модели, в которых сохраняется прямая аналогия явления. Применяют также модели, в которых нет прямой аналогии, а сохраняются лишь законы и общие закономерности поведения элементов системы S. Правильное понимание взаимосвя­зей как внутри самой модели М, так и взаимодействия ее с внешней средой Е в значительной степени определяется тем, на каком уровне находится наблюдатель.

Простой подход к изучению взаимосвязей между отдельными частями модели предусматривает рассмотрение их как отражение связей между отдельными подсистемами объекта. Такой классичес­кий подход может быть использован при создании достаточно простых моделей. Процесс синтеза модели М на основе классичес­кого (индуктивного) подхода представлен на рис. 1.1, а. Реальный объект, подлежащий моделированию, разбивается на отдель­ные подсистемы, т. е. выбираются исходные данные Д для моделирования и ставятся цели Ц, отображающие отдельные сто­роны процесса моделирования. По отдельной совокупности исход­ных данных Д ставится цель моделирования отдельной стороны функционирования системы, на базе этой цели формируется некото­рая компонента К будущей модели. Совокупность компонент объ­единяется в модель М.

Таким образом, разработка модели М на базе классического подхода означает суммирование отдельных компонент в единую модель, причем каждая из компонент решает свои собственные задачи и изолирована от других частей модели. Поэтому классичес­кий подход может быть использован для реализации сравнительно простых моделей, в которых возможно разделение и взаимно неза­висимое рассмотрение отдельных сторон функционирования реаль­ного объекта. Для модели сложного объекта такая разобщенность решаемых задач недопустима, так как приводит к значительным затратам ресурсов при реализации модели на базе конкретных программно-технических средств. Можно отметить две отличитель­ные стороны классического подхода: наблюдается движение от частного к общему, создаваемая модель (система) образуется путем суммирования отдельных ее компонент и не учитывается возник­новение нового системного эффекта.

С усложнением объектов моделирования возникла необхо­димость наблюдения их с более высокого уровня. В этом случае наблюдатель (разработчик) рассматривает данную систему S как некоторую подсистему какой-то метасистемы, т. е. систе­мы более высокого ранга, и вынужден перейти на позиции но­вого системного подхода, который позволит ему построить не только исследуемую систему, решающую совокупность задач, но и создавать систему, являющуюся составной частью метасисте­мы.

Системный подход получил применение в системотехнике в связи с необходимостью исследования больших реальных систем, ког­да сказалась недостаточность, а иногда ошибочность принятия каких-либо частных решений. На возникновение системного подхо­да повлияли увеличивающееся количество исходных данных при разработке, необходимость учета сложных стохастических связей в системе и воздействий внешней среды Е. Все это заставило ис­следователей изучать сложный объект не изолированно, а во вза­имодействии с внешней средой, а также в совокупности с другими системами некоторой метасистемы.

Системный подход позволяет решить проблему построения сложной системы с учетом всех факторов и возможностей, пропорци-1 овальных их значимости, на всех этапах исследования системы 5" и построения модели М". Системный подход означает, что каждая система S является интегрированным целым даже тогда, когда она состоит из отдельных разобщенных подсистем. Таким образом, в основе системного подхода лежит рассмотрение системы как интегрированного целого, причем это рассмотрение при разработке начинается с главного - формулировки цели функционирования. На основе исходных данных Д, которые известны из анализа внешней системы, тех ограничений, которые накладываются на систему сверху либо исходя из возможностей ее реализации, и на основе цели функционирования формулируются исходные требования Т к модели системы S. На базе этих требований формируются ориентировочно некоторые подсистемы П, эле­менты Э и осуществляется наиболее сложный этап синтеза - вы-< бор В составляющих системы, для чего используются специальные критерии выбора КВ.

При моделировании необходимо обеспечить максимальную эффективность модели системы, которая определяется как некоторая разность между какими-то показателями результатов, полученных в итоге эксплуатации модели, и теми затратами, которые были вложены в ее разработку и создание.

1.3. Стадии разработки моделей.

На базе системного подхода может быть предложена и некоторая последовательность разработки мо­делей, когда выделяют две основные стадии проектирования: мак­ропроектирование и микропроектирование.

На стадии макропроектирования на основе данных о ре­альной системе S и внешней среде Е строится модель внешней среды, выявляются ресурсы и ограничения для построения моде­ли системы, выбирается модель системы и критерии, позволяющие оценить адекватность модели М реальной системы S. Постро­ив модель системы и модель внешней среды, на основе критерия эффективности функционирования системы в процессе моделирования выбирают оптимальную стратегию управления, что позво­ляет реализовать возможности модели по воспроизведению отдель­ных сторон функционирования реальной системы S.

Стадия микропроектирования в значительной степени зави­сит от конкретного типа выбранной модели. В случае имитацион­ной модели необходимо обеспечить создание информационного, математического, технического и программного обеспечении систе­мы моделирования. На этой стадии можно установить основные характеристики созданной модели, оценить время работы с ней и затраты ресурсов для получения заданного качества соответствия модели процессу функционирования системы S.

Независимо от типа используемой модели М при ее построении необходимо руководствоваться рядом принципов системного под­хода: 1) пропорционально-последовательное продвижение по эта­пам и направлениям создания модели; 2) согласование информаци­онных, ресурсных, надежностных и других характеристик; 3) пра­вильное соотношение отдельных уровней иерархии в системе моде­лирования; 4) целостность отдельных обособленных стадий постро­ения модели.

Модель М должна отвечать заданной цели ее создания, поэтому отдельные части должны компоноваться взаимно, исходя из единой системной задачи. Цель может быть сформулирована качественно, тогда она будет обладать большей содержательностью и длитель­ное время может отображать объективные возможности данной системы моделирования. При количественной формулировке цели возникает целевая функция, которая точно отображает наиболее существенные факторы, влияющие на достижение цели.

Построение модели относится к числу системных задач, при решении которых синтезируют решения на базе огромного числа исходных данных, на основе предложений больших коллективов специалистов. Использование системного подхода в этих условиях позволяет не только построить модель реального объекта, но и на базе этой модели выбрать необходимое количество управляющей информации в реальной системе, оценить показатели ее функци­онирования и тем самым на базе моделирования найти наиболее эффективный вариант построения и выгодный режим функциониро­вания реальной системы S.

2. ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ МОДЕЛИРОВАНИЯ СИСТЕМ

С развитием системных исследований, с расширением экспери­ментальных методов изучения реальных явлений все большее значе­ние приобретают абстрактные методы, появляются новые научные Дисциплины, автоматизируются элементы умственного труда. Важное значение при создании реальных систем S имеют математические методы анализа и синтеза, целый ряд открытий базируется на! чисто теоретических изысканиях. Однако было бы неправильно забывать о том, что основным критерием любой теории является практика, и даже сугубо математические, отвлеченные науки базируются в своей основе на фундаменте практических знаний.

Экспериментальные исследования систем. Одновременно с развитием теоретических методов анализа и синтеза совершенствуются и методы экспериментального изучения реальных объектов, появляются новые средства исследования. Однако эксперимент был и остается одним из основных и существенных инструментов познания. Подобие и моделирование позволяют по-новому описать реальный! процесс и упростить экспериментальное его изучение. Совершенствуется и само понятие моделирования. Если раньше моделирование! означало реальный физический эксперимент либо построение макета, имитирующего реальный процесс, то в настоящее время появились новые виды моделирования, в основе которых лежит постановка не только физических, но также и математических эксперимен­тов.

Познание реальной действительности является длительным и сложным процессом. Определение качества функционирования большой системы, выбор оптимальной структуры и алгоритмов! поведения, построение системы S в соответствии с поставленной! перед нею целью - основная проблема при проектировании современных систем, поэтому моделирование можно рассматривать как один из методов, используемых при проектировании и исследовании больших систем.

Моделирование базируется на некоторой аналогии реального и мысленного эксперимента. Аналогия - основа для объяснения изучаемого явления, однако критерием истины может служить только практика, только опыт. Хотя современные научные гипотезы могут создаться чисто теоретическим путем, но, по сути, базируются на широких практических знаниях. Для объяснения реальных; процессов выдвигаются гипотезы, для подтверждения которых ставится эксперимент либо проводятся такие теоретические рассуждения, которые логически подтверждают их правильность. В широком смысле под экспериментом можно понимать некоторую процедур организации и наблюдения каких-то явлений, которые осуществляв ют в условиях, близких к естественным, либо имитируют их. 3

Различают пассивный эксперимент, когда исследователь наблюдает протекающий процесс, и активный, когда наблюдатель вмешивается и организует протекание процесса. В последнее время распространен активный эксперимент, поскольку именно на его основе) удается выявить критические ситуации, получить наиболее интересные закономерности, обеспечить возможность повторения эксперимента в различных точках и т. д.

В основе любого вида моделирования лежит некоторая модель, имеющая соответствие, базирующееся на некотором общем качест­ве, которое характеризует реальный объект. Объективно реальный объект обладает некоторой формальной структурой, поэтому для любой модели характерно наличие некоторой структуры, соответ­ствующей формальной структуре реального объекта, либо изуча­емой стороне этого объекта.

В основе моделирования лежат информационные провесы, по­скольку само создание модели М базируется на информации о ре­альном объекте. В процессе реализации модели получается инфор­мация о данном объекте, одновременно в процессе эксперимента с моделью вводится управляющая информация, существенное ме­сто занимает обработка полученных результатов, т. е. информация лежит в основе всего процесса моделирования.

Характеристики моделей систем. В качестве объекта моделирова­ния выступают сложные организационно-технические системы, ко­торые можно отнести к классу больших систем. Более того, по своему содержанию и созданная модель М также становится систе­мой S(M) и тоже может быть отнесена к классу больших систем, для которых характерно следующее.

1. Цель функционирования, которая определяет степень целена­правленности поведения модели М. В этом случае модели могут быть разделены на одноцелевые, предназначенные для решения одной задачи, и многоцелевые, позволяющие разрешить или рас­смотреть ряд сторон функционирования реального объекта.

2. Сложность, которую, учитывая, что модель М является сово­купностью отдельных элементов и связей между ними, можно оценить по общему числу элементов в системе и связей между ними. По разнообразию элементов можно выделить ряд уровней иерар­хии, отдельные функциональные подсистемы в модели М, ряд входов и выходов и т. д., т. е. понятие сложности может быть идентифицировано по целому ряду признаков.

3. Целостность, указывающая на то, что создаваемая модель М является одной целостной системой S(M), включает в себя большое количество составных частей (элементов), находящихся в сложной взаимосвязи друг с другом.

4. Неопределенность, которая проявляется в системе: по состоянию системы, возможности достижения поставленной цели, методам. решения задач, достоверности исходной информации и т. д. Основной характеристикой неопределенности служит такая ме­ра информации, как энтропия, позволяющая в ряде случаев оценить количество управляющей информации, необходимой для достиже­ния заданного состояния системы. При моделировании основная цель - получение требуемого соответствия модели реальному объекту и в этом смысле количество управляющей информации в модели можно также оценить с помощью энтропии и найти то предельное минимальное количество, которое необходимо для получения требуемого результата с заданной достоверностью. Та­ким образом, понятие неопределенности, характеризующее боль­шую систему, применимо к модели М и является одним из ее основных признаков .

5. Поведенческая страта, которая позволяет оценить эффектив­ность достижения системой поставленной цели. В зависимости от наличия случайных воздействий можно различать детерминирован­ные и стохастические системы, по своему поведению - непрерыв­ные и дискретные и т. д. Поведенческая страта рассмотрения систе­мы ^позволяет применительно к модели М оценить эффективность построенной модели, а также точность и достоверность полученных при этом результатов. Очевидно, что поведение модели М не обя­зательно совпадает с поведением реального объекта, причем часто моделирование может быть реализовано на базе иного материаль­ного носителя.

6. Адаптивность, которая является свойством высокоорганизо­ванной системы. Благодаря адаптивности удается приспособиться к различным внешним возмущающим факторам в широком диапа­зоне изменения воздействий внешней среды. Применительно в мо­дели существенна возможность ее адаптации в широком спектре возмущающих воздействий, а также изучение поведения модели в изменяющихся условиях, близких к реальным. Надо отметить, что существенным может оказаться вопрос устойчивости модели к раз­личным возмущающим воздействиям. Поскольку модель М - сложная система, весьма важны вопросы, связанные с ее сущест­вованием, т. е. вопросы живучести, надежности и т. д..

7. Организационная структура системы моделирования, кото­рая во многом зависит от сложности модели и степени совершенст­ва средств моделирования. Одним из последних достижений в об­ласти моделирования можно считать возможность использования имитационных моделей для проведения машинных экспериментов. Необходимы оптимальная организационная структура комплекса технических средств, информационного, математического и про­граммного обеспечении системы моделирования S"(M), оптималь­ная организация процесса моделирования, поскольку следует об­ращать особое внимание на время моделирования и точность полу­чаемых результатов.

8. Управляемость модели, вытекающая из необходимости обес­печивать управление со стороны экспериментаторов для получения возможности рассмотрения протекания процесса в различных усло­виях, имитирующих реальные. В этом смысле наличие многих управляемых параметров и переменных модели в реализованной системе моделирования дает возможность поставить широкий экс­перимент и получить обширный спектр результатов.

9. Возможность развития модели, которая исходя из современ­ного уровня науки и техники позволяет создавать мощные системы моделирования S(M) исследования многих сторон функциони­рования реального объекта. Однако нельзя при создании системы моделирования ограничиваться только задачами сегодняшнего дня. Необходимо предусматривать возможность развития системы мо­делирования как по горизонтали в смысле расширения спектра изучаемых функций, так и по вертикали в смысле расширения числа подсистем, т. е. созданная система моделирования должна позво­лять применять новые современные методы и средства. Естествен­но, что интеллектуальная система моделирования может функци­онировать только совместно с коллективом людей, поэтому к ней предъявляют эргономические требования.

2.1. Цели моделирования систем управления.

Одним из наиболее важных аспек­тов построения систем моделирования является проблема цели. Любую модель строят в зависимости от цели, которую ставит перед ней исследователь, поэтому одна из основных проблем при моделировании - это проблема целевого назначения. Подобие процесса, протекающего в модели М, реальному процессу является не целью, а условием правильного функционирования модели, и по­этому в качестве цели должна быть поставлена задача изучения какой-либо стороны функционирования объекта.

Для упрощения модели М цели делят на подцели и создают более эффективные виды моделей в зависимости от полученных подцелей моделирования. Можно указать целый ряд примеров це­лей моделирования в области сложных систем. Например, для предприятием весьма существенно изучение процессов оператив­ного управления производством, оперативно-календарного плани­рования, перспективного планирования и здесь также могут быть успешно использованы методы моделирования.

Если цель моделирования ясна, то возникает следующая пробле­ма, а именно проблема построения модели М. Построение модели оказывается возможным, если имеется информация или выдвинуты гипотезы относительно структуры, алгоритмов и параметров ис­следуемого объекта. На основании их изучения осуществляется идентификация объекта. В настоящее время широко применяют различные способы оценки параметров: по методу наименьших квадратов, по методу максимального правдоподобия, байесовские, марковские оценки.

Если модель М построена, то следующей проблемой можно считать проблему работы с ней, т. е. реализацию модели, основные задачи которой - минимизация времени получения конечных peзультатов и обеспечение их достоверности.

Для правильно построенной модели М характерным является то, что она выявляет лишь те закономерности, которые нужны исследователю, и не рассматривает свойства системы S, не существенные для данного исследования. Следует отметить, что оригинал и модель должны быть одновременно сходны по одним признакам и различны по другим, что позволяет выделить наиболее важные изучаемые свойства. В этом смысле модель выступает как некоторый “заместитель” оригинала, обеспечивающий фиксацию и изучение лишь некоторых свойств реального объекта.

В одних случаях наиболее сложной оказывается идентификация в других - проблема построения формальной структуры объекта. Возможны трудности и при реализации модели, особенно в случай имитационного моделирования больших систем. При этом следует подчеркнуть роль исследователя в процессе моделирования. Постановка задачи, построение содержательной модели реального объекта во многом представляют собой творческий процесс и базируются на эвристике. И в этом смысле нет формальных путей выбора оптимального вида модели. Часто отсутствуют формальные методы, позволяющие достаточно точно описать реальный процесс. Поэтому выбор той или иной аналогии, выбор того или иного математического аппарата моделирования полностью основывается на имеющемся опыте исследователя и ошибка исследовав теля может привести к ошибочным результатам моделирований.

Средства вычислительной техники, которые в настоящее время широко используются либо для вычислений при аналитическом моделировании, либо для реализации имитационной модели системы, могут лишь помочь с точки зрения эффективности реализации сложной модели, но не позволяют подтвердить правильность тон или иной модели. Только на основе обработанных данных, опыта исследователя можно с достоверностью оценить адекватность модели по отношению к реальному процессу.

Если в ходе моделирования существенное место занимает реаль­ный физический эксперимент, то здесь весьма важна и надежность используемых инструментальных средств, поскольку сбои и отказы программно-технических средств могут приводить к искаженным значениям выходных данных, отображающих протекание процесса. И в этом смысле при проведении физических экспериментов необ­ходимы специальная аппаратура, специально разработанное мате­матическое и информационное обеспечение, которые позволяют реализовать диагностику средств моделирования, чтобы отсеять те ошибки в выходной информации, которые вызваны неисправностя­ми функционирующей аппаратуры. В ходе машинного эксперимен­та могут иметь место и ошибочные действия человека-оператора. В этих условиях серьезные задачи стоят в области эргономического обеспечения процесса моделирования.

3. КЛАССИФИКАЦИЯ ВИДОВ МОДЕЛИРОВАНИЯ СИСТЕМ.

В основе моделирования лежит теория подобия, которая утвер­ждает, что абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделирова­нии абсолютное подобие не имеет места и стремятся к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функ­ционирования объекта.

Классификационные признаки. В качестве одного из первых при­знаков классификации видов моделирования можно выбрать сте­пень полноты модели и разделить модели в соответствии с этим признаком на полные, неполные и приближенные. В основе полного моделирования лежит полное подобие, которое проявляется как во времени, так и в пространстве. Для неполного моделирования характерно неполное подобие модели изучаемому объекту. В основе приближенного моделирования лежит приближенное подобие, при котором некоторые стороны функционирования реального объекта не моделируются совсем.

В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на детерми­нированные и стохастические, статические и динамические, диск­ретные, непрерывные и дискретно-непрерывные. Детерминирован­ное моделирование отображает детерминированные процессы, т. е. процессы, в которых предполагается отсутствие всяких случайных воздействий; стохастическое моделирование отображает вероят­ностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характе­ристики, т. е. набор однородных реализаций. Статическое моде­лирование служит для описания поведения объекта в какой-либо момент времени, а динамическое моделирование отражает поведение объекта во времени. Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерывное моделирование позволяет отразить непрерывные процессы в системах, а дискретно-непрерывное моделировании используется для случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.

В зависимости от формы представления объекта (системы J можно выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным способом моделирования объектов, которые либо практически нереализуемы в заданном интервале времени, либо существуют вне условий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому эксперименту. Мысленное моделирование может быть реализовано в вид наглядного, символического и математического.

Аналоговое моделирование основывается на применении анало­гий различных уровней. Наивысшим уровнем является полная ана­логия, имеющая место только для достаточно простых объектов. С усложнением объекта используют аналогии последующих уров­ней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта.

Существенное место при мысленном наглядном моделировании занимает макетирование. Мысленный макет может применяться в случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшество­вать проведению других видов моделирования. В основе постро­ения мысленных макетов также лежат аналогии, однако обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте. Если ввести условное обозначение отдель­ных понятий, т. е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий - составлять от­дельные цепочки из слов и предложений. Используя операции объ­единения, пересечения и дополнения теории множеств, можно в от­дельных символах дать описание какого-то реального объекта.

В основе языкового моделирования лежит некоторый тезаурус. Последний образуется из набора входящих понятий, причем этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарем имеются принципиальные раз­личия. Тезаурус - словарь, который очищен от неоднозначности, т. е. в нем каждому слову может соответствовать лишь единствен­ное понятие, хотя в обычном словаре одному слову могут соответ­ствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью опреде­ленной системы знаков или символов.

Математическое моделирование. Для исследования характерис­тик процесса функционирования любой системы S математичес­кими методами, включая и машинные, должна быть проведена формализация этого процесса, т. е. построена математическая мо­дель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристи­ки рассматриваемого реального объекта. Вид математической мо­дели зависит как от природы реального объекта, так и задач ис­следования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая,

Рис 1. Классификация видов моделирования систем.

описывает реальный объект лишь с некоторой степенью приближе­ния к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем можно разделить на аналитическое, имитационное и комбинирован­ное.

Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде неко­торых функциональных соотношений (алгебраических, интегродиф-ференциальных, конечно-разностных и т. п.) или логических усло­вий. Аналитическая модель может быть исследована следующими методами: а) аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик; б) численным, когда, не умея решать уравнений в общем виде, стремятся получить числовые результаты при конкретных начальных данных; в) качест­венным, когда, не имея решения в явном виде, можно найти неко­торые свойства решения (например, оценить устойчивость реше­ния).

В отдельных случаях исследования системы могут удовлетво­рить и те выводы, которые можно сделать при использовании качественного метода анализа математической модели. Такие каче­ственные методы широко используются, например, в теории авто­матического управления для оценки эффективности различных ва­риантов систем управления.

Заключение.

В заключении данной курсовой работы хочу сделать несколько выводов из вышеизложенного материала о моделировании в исследовании систем управления. Итак определим гносеологическую природу моделирования.

Определяя гносеологическую роль теории моделирования, т.е. ее значение в процессе познания, необходимо прежде всего отвлечь­ся от имеющегося в науке и технике многообразия моделей и выде­лить то общее, что присуще моделям различных по своей природе объектов реального мира. Это общее заключается в наличии неко­торой структуры (статической или динамической, материальной или мысленной), которая подобна структуре данного объекта. В процессе изучения модель выступает в роли относительного самостоятельного квазиобъекта, позволяющего получить при ис­следовании некоторые знания о самом объекте.

В современной России управление и ее исследование идет по пути усложнения. Применяя методы моделирования такие, как аналогия, можно добиться впечатляющих результатов в хозяйственной деятельности предприятия. Аналогией называют суждение о каком-либо частном сходстве двух объектов, причем такое сходство может быть существенным и несущественным. Необходимо отметить, что понятия существен­ности и несущественности сходства или различия объектов условны и относительны. Существенность сходства (различия) зависит от уровня абстрагирования и в общем случае определяется конечной целью проводимого исследования. Современная научная гипотеза создается, как правило, по аналогии с проверенными на практике научными положениями.

В заключении вышесказанному можно подвести итог, что моделирование это основной путь в системе исследования систем управления и имеет чрезвычайную важность для менеджера любого уровня.

Список литературы.

1. Игнатьева А. В., Максимцов М. М. ИССЛЕДОВАНИЕ СИСТЕМ УПРАВЛЕНИЯ, Москва, 2000

2. Патерсон Дж. Теория сетей Петри и моделирование систем. - М.: Мир, 1984.

3. Приикер А. Введение в имитационное моделирование и язык СЛАМП. - М.: Мир, 1987.

4.Советов Б. Я.. Яковлев С. А. Моделирование систем. - М.: Высшая школа, 1985.

5. Советов Б. Я., Яковлев С. А. Моделирование систем (2-е изд.). - М.: Высшая школа, 1998.

6.Советов Б. Я.. Яковлев С. А. Моделирование систем: Курсовое проек­тирование. - М.: Высшая школа, 1988.

7. Короткое Э.М. Исследование систем управления. - М.: “ДеКА”, 2000.

Репетиторство

Нужна помощь по изучению какой-либы темы?

Наши специалисты проконсультируют или окажут репетиторские услуги по интересующей вас тематике.
Отправь заявку с указанием темы прямо сейчас, чтобы узнать о возможности получения консультации.

Актуальность проблемы. Для успешного осуществления управленческой деятельности необходимо составить четкое представление о структуре организации, взаимодействии ее составных частей и связях организации с внешней средой.

Существующие в настоящее время организации отличаются огромным разнообразием как по направлениям деятельности, так и по форме собственности, масштабам, другим параметрам. При этом каждая организация по-своему уникальна. Однако для управления всеми организациями применяются одинаковые принципы, методы и спосо­бы. Чтобы приспособить их к особенностям конкретного предприятия, четко определить место управляющих структур в общей структуре предприятия, а также их взаимодействие между собой и с другими подразделениями, широко применяется моделирование. Поэтому изучение моделирования в управленческой деятельности является актуальной проблемой.

Степень изученности проблемы. Проблемам моделирования управленческих процессов посвящены также работы зарубежных ученых А. Демодорана, М.Х. Мескона, Дж. Неймана, Л. Планкетта, Г. Хейла, О. Моргентейна, П. Скотта, М. Эддоуса, Р. Стэнсфилда, К.Г. Корли, С. Уолли и Дж. Р. Баума.

Из отечественных специалистов, занимавшихся изучением моделирования в управлении можно отметить работы К.А. Багриновского, Е.В. Бережной, В.И. Бережного, В.Г. Болтянского, А.С. Большакова, В.П. Бусыгина, Г.К.Ждановой, Я.Г. Неуймина, А.И. Орлова, Г.П.Фомина и др.

Целью курсовой работы является изучение моделирования в управлении. Для достижения поставленной цели нам необходимо решить следующие задачи :

1. изучить литературу по данной проблеме;

2. определить сущность понятия процесса моделирования и классификацию моделей;

3. проанализировать модель организации как объекта управления;

4. рассмотреть особенности моделирования процессов управления:

· словесной модели;

· математического моделирования;

· практическую модель управления.

Структура курсовой работы состоит из введения, двух глав, пяти параграфов, заключения, списка использованной литературы.

Глава 1. Сущность моделирования в управленческой деятельности

1.1. Понятие процесса моделирования. Классификация моделей

Моделирование - это создание модели, т. е. образа объекта, заменяющего его, для получения информации об этом объекте путем проведения экспериментов с его моделью .

Модель в общем смысле (обобщенная модель) есть создаваемый с целью получения и (или) хранения информации специфический объект (в форме мысленного образа, описания знаковыми средствами либо материальной системы), отражающий свойства, характеристики и связи объекта-оригинала произвольной природы, существенные для задачи, решаемой субъектом.

Модели объектов являются более простыми системами, с четкой; структурой, точно определенными взаимосвязями между составными частями, позволяющими более детально проанализировать свойства реальных объектов и их поведение в различных ситуациях . Таким образом, моделирование представляет собой инструмент анали­за сложных систем и объектов.

К моделям выдвигается ряд обязательных требований. Во-первых, модель должна быть адекватной объекту, т. е. как можно более полно соответствовать ему с точки зрения выбранных для изучения свойств.

Во-вторых, модель должна быть полной. Это означает, что она дол­жна давать возможность с помощью соответствующих способов и методов изучения модели исследовать и сам объект, т. е. получить некоторые утверждения относительно его свойств, принципов работы, поведения в заданных условиях.

Множество применяющихся моделей можно классифицировать по следующим критериям:

· способ моделирования;

· характер моделируемой системы;

· масштаб моделирования.

По способу моделирования различают следующие типы моделей:

· аналитические, когда поведение объекта моделирования описывается в виде функциональных зависимостей и логических условий;

· имитационные, в которых реальные процессы описываются набором алгоритмов, реализуемых на ЭВМ.

По характеру моделируемой системы модели делятся :

· на детерминированные, в которых все элементы объекта моделирования постоянно четко определены;

· на стохастические, когда модели включают в себя случайные элементы управления.

В зависимости от фактора времени модели делятся на статичес­кие и динамические. Статические модели (схемы, графики, диаграм­мы потоков данных) позволяют описывать структуру моделируемой системы, но не дают информации о ее текущем состоянии, которое изменяется во времени. Динамические модели позволяют описывать развитие во времени процессов, протекающих в системе. В отличие от статических, динамические модели позволяют обновлять значения переменных, сами модели, динамически вычислять различные пара­метры процессов и результаты воздействий на систему.

Модели можно делить на следующие виды :

1) Функциональные модели - выражают прямые зависимости между эндогенными и экзогенными переменными.

2) Модели, выраженные с помощью систем уравнений относительно эндогенных величин. Выражают балансовые соотношения между различными экономическими показателями (например, модель межотраслевого баланса).

3) Модели оптимизационного типа. Основная часть модели - система уравнений относительно эндогенных переменных. Но цель - найти оптимальное решение для некоторого экономического показателя (например, найти такие величины ставок налогов, чтобы обеспечить максимальный приток средств в бюджет за заданный промежуток времени).

4) Имитационные модели - весьма точное отображение экономического явления. Имитационная модель позволяет отвечать на вопрос: «Что будет, если…». Имитационная система - это совокупность моделей, имитирующих протекание изучаемого процесса, объединенная со специальной системой вспомогательных программ и информационной базой, позволяющих достаточно просто и оперативно реализовать вариантные расчеты.

Математические уравнения при этом могут содержать сложные, нелинейные, стохастические зависимости.

С другой стороны, модели можно делить на управляемые и прогнозные. Управляемые модели отвечают на вопрос: «Что будет, если...?»; «Как достичь желаемого?», и содержат три группы переменных: 1) переменные, характеризующие текущее состояние объекта; 2) управляющие воздействия - переменные, влияющие на изменение этого состояния и поддающиеся целенаправленному выбору; 3) исходные данные и внешние воздействия, т.е. параметры, задаваемые извне, и начальные параметры.

В прогнозных моделях управление не выделено явно. Они отвечают на вопросы: «Что будет, если все останется по-старому?».

Далее, модели можно делить по способу измерения времени на непрерывные и дискретные. В любом случае, если в модели присутствует время, то модель называется динамической. Чаще всего в моделях используется дискретное время, т.к. информация поступает дискретно: отчеты, балансы и иные документы составляются периодически. Но с формальной точки зрения непрерывная модель может оказаться более простой для изучения. Отметим, что в физической науке продолжается дискуссия о том, является ли реальное физическое время непрерывным или дискретным.

Обычно в достаточно крупные социально-экономические модели входят материальный, финансовый и социальный разделы. Материальный раздел - балансы продуктов, производственных мощностей, трудовых, природных ресурсов. Это раздел, описывающий основополагающие процессы, это уровень, обычно слабо подвластный управлению, особенно быстрому, поскольку весьма инерционен.

Финансовый раздел содержит балансы денежных потоков, правила формирования и использования фондов, правила ценообразования и.т.п. На этом уровне можно выделить много управляемых переменных. Они могут быть регуляторами. Социальный раздел содержит сведения о поведении людей. Этот раздел вносит в модели принятия решений много неопределенностей, поскольку трудно точно правильно учесть такие факторы как трудоотдача, структура потребления, мотивация и.т.п.

При построении моделей, использующих дискретное время, часто применяют методы эконометрики. Среди них популярны регрессионные уравнения и их системы. Часто используют лаги (запаздывания в реакции). Для систем, нелинейных по параметрам, применение метода наименьших квадратов встречает трудности.

Популярные в настоящее время подходы к процессам бизнес-реинжиниринга основаны на активном использовании математических и информационных моделей.

При построении любой модели процесса управления желательно придерживаться следующего плана действий :

1) Сформулировать цели изучения системы;

2) Выбрать те факторы, компоненты и переменные, которые являются наиболее существенными для данной задачи;

3) Учесть тем или иным способом посторонние, не включенные в модель факторы;

Использование современных ЭВМ, вычислительных комплексов и сетей является мощным средством реализации имитационных моделей и исследования с их помощью характеристик процесса функционирования систем S. В ряде случаев в зависимости от сложности объекта моделирования, т. е. системы S, рационально использование персональных ЭВМ (ПЭВМ) или локальных вычислительных сетей (ЛВС). В любом случае эффективность исследования системы S на программно-реализуемой модели М ы прежде всего зависит от правильности схемы моделирующего алгоритма, совершенства программы и только косвенным образом зависит от технических характеристик ЭВМ, применяемой для моделирования. Большое значение при реализации модели на ЭВМ имеет вопрос правильного выбора языка моделирования.

Моделирование систем и языки программирования. Алгоритмические языки при моделировании систем служат вспомогательным аппаратом разработки, машинной реализации и анализа характеристик моделей. Каждый язык моделирования должен отражать определенную структуру понятий для описания широкого класса явлений. Выбрав для решения задачи моделирования процесса функционирования системы конкретный язык, исследователь получает в распоряжение тщательно разработанную систему абстракций, предоставляющих ему основу для формализации процесса функционирования исследуемой системы 5. Высокий уровень проблемной ориентации языка моделирования значительно упрощает программирование моделей, а специально предусмотренные в нем возможности сбора, обработки и вывода результатов моделирования позволяют быстро и подробно анализировать возможные исходы имитационного эксперимента с моделью М м.

Основными моментами, характеризующими качество языков моделирования, являются: удобство описания процесса функционирования системы S, удобство ввода исходных данных моделирования и варьирования структуры, алгоритмов и параметров модели, реализуемость статистического моделирования, эффективность анализа и вывода результатов моделирования, простота отладки и контроля работы моделирующей программы, доступность восприятия и использования языка. Будущее языков моделирования определяется прогрессом в области создания мультимедийных систем машинной имитации, а также проблемно-ориентированных на цели моделирования информационно-вычислительных систем .

Рассмотрим основные понятия, связанные с алгоритмическими языками и их реализацией на ЭВМ вообще и языками моделирования в частности.

Язык программирования представляет собой набор символов, распознаваемых ЭВМ и обозначающих операции, которые можно реализовать на ЭВМ. На низшем уровне находится основной язык машины, программа на котором пишется в кодах, непосредственно соответствующих элементарным машинным действиям (сложение, запоминание, пересылка по заданному адресу и т. д.). Следующий уровень занимает автокод (язык АССЕМБЛЕРА) вычислительной машины. Программа на автокоде составляется из мнемонических символов, преобразуемых в машинные коды специальной программой - ассемблером.

Компилятором называется программа, принимающая инструкции, написанные на алгоритмическом языке высокого уровня, и преобразующая их в программы на основном языке машины или на автокоде, которые в последнем случае транслируются еще раз с помощью ассемблера.

Интерпретатором называется программа, которая, принимая инструкции входного языка, сразу выполняет соответствующие операции в отличие от компилятора, преобразующего эти инструкции в запоминающиеся цепочки команд. Трансляция происходит в течение всего времени работы программы, написанной на языке интерпретатора. В отличие от этого компиляция и ассемблирование представляют собой однократные акты перевода текста с входного языка на объектный язык машины после чего полученные программы выполняются без повторных обращений к транслятору.

Программа, составленная в машинных кодах или на языке АССЕМБЛЕРА, всегда отражает специфику конкретной ЭВМ. Инструкции такой программы соответствуют определенным машинным операциям и, следовательно, имеют смысл только в той ЭВМ, для которой они предназначены, поэтому такие языки называются машинно-ориентированными языками.

Большинство языков интерпретаторов и компиляторов можно классифицировать как процедурно-ориентированные языки. Эти языки качественно отличаются от машинно-ориентированных языков, описывающих элементарные действия ЭВМ и не обладающих проблемной ориентацией. Все процедурно-ориентированные языки предназначены для определенного класса задач, включают в себя инструкции, удобные для формулировки способов решения типичных задач этого класса. Соответствующие алгоритмы программируются в обозначениях, не связанных ни с какой ЭВМ.

Язык моделирования представляет собой процедурно-ориентированный язык, обладающий специфическими чертами. Основные языки моделирования разрабатывались в качестве программного обеспечения имитационного подхода к изучению процесса функционирования определенного класса систем .

Особенности использования алгоритмических языков. Рассмотрим преимущества и недостатки использования для моделирования процесса функционирования систем языков имитационного моделирования (ЯИМ) и языков общего назначения (ЯОН), т. е. универсальных и процедурно-ориентированных алгоритмических языков. Целесообразность использования ЯИМ вытекает из двух основных причин: 1) удобство программирования модели системы, играющее существенную роль при машинной реализации моделирующих алгоритмов; 2) концептуальная направленность языка на класс систем, необходимая на этапе построения модели системы и выборе общего направления исследований в планируемом машинном эксперименте. Практика моделирования систем показывает, что именно использование ЯИМ во многом определило успех имитации как метода экспериментального исследования сложных реальных объектов.

Языки моделирования позволяют описывать моделируемые системы в терминах, разработанных на базе основных понятий имитации. До того, как эти понятия были четко определены и формализованы в ЯИМ, не существовало единых способов описания имитационных задач, а без них не было связи между различными- разработками в области постановки имитационных экспериментов. Высокоуровневые языки моделирования являются удобным средством общения заказчика и разработчика машинной модели М м .

Несмотря на перечисленные преимущества ЯИМ, в настоящее время выдвигаются основательные аргументы как технического, так и эксплуатационного характера против полного отказа при моделировании от универсальных и процедурно-ориентированных языков. Технические возражения против использования ЯИМ: вопросы эффективности рабочих программ, возможности их отладки и т. п. В качестве эксплуатационных недостатков упоминается нехватка документации по существующим ЯИМ, сугубо индивидуальный характер соответствующих трансляторов, усложняющий их реализацию на различных ЭВМ, и трудности исправления ошибок. Снижение эффективности ЯИМ проявляется при моделировании задач более разнообразных, чем те, на которые рассчитан конкретный язык моделирования. Но здесь следует отметить, что в настоящее время не существует и ЯОН, который был бы эффективен при решении задач любого класса.

Серьезные недостатки ЯИМ проявляются в том, что в отличие от широко применяемых ЯОН, трансляторы с которых включены в поставляемое изготовителем математическое обеспечение всех современных ЭВМ, языки моделирования, за небольшим исключением, разрабатывались отдельными организациями для своих достаточно узко специализированных потребностей. Соответствующие трансляторы плохо описаны и приспособлены для эксплуатации при решении задач моделирования систем, поэтому, несмотря на достоинства ЯИМ, приходится отказываться от их практического применения в ряде конкретных случаев.

При создании системы моделирования на базе любого языка необходимо решить вопрос о синхронизации процессов в модели, так как в каждый момент времени, протекающего в системе (системного времени), может потребоваться обработка нескольких событий, т. е. требуется псевдопараллельная организация имитируемых процессов в машинной модели М м . Это является основной задачей монитора моделирования, который выполняет следующие функции: управление процессами (согласование системного и машинного времени) и управление ресурсами (выбор и распределение в модели ограниченных средств моделирующей системы).

Подходы к разработке языков моделирования. К настоящему времени сложились два различных подхода к разработке языков моделирования: непрерывный и дискретный - отражающие основные особенности исследуемых методом моделирования систем . Поэтому ЯИМ делятся на две самостоятельные группы, которые соответствуют двум видам имитации, развивавшимся независимо друг от друга: для имитации непрерывных и дискретных процессов.

Для моделирования непрерывных процессов могут быть использованы не только АВМ, но и ЭВМ, последние при соответствующем программировании имитируют различные непрерывные процессы. При этом ЭВМ обладают большей надежностью в эксплуатации и позволяют получить высокую точность результатов, что привело к разработке языков моделирований, отображающих модель в виде блоков таких типов, которые играют роль стандартных блоков АВМ (усилителей, интеграторов, генераторов функций и т. п.). Заданная схема моделирующего алгоритма преобразуется в систему совместно рассматриваемых дифференциальных уравнений. Моделирование в этом случае сводится, по сути дела, к отысканию численных решений этих уравнений при использовании некоторого стандартного пошагового метода.

Примером языка моделирования непрерывных систем на ЭВМ путем представления моделируемой системы в виде уравнений в конечных разностях является язык DYNAMO, для которого уравнения устанавливают соотношения между значениями функций в моменты времениt и t+dt и между значениями их производных в момент времени t+dt/2. И в этом случае моделирование, по существу, представляет собой пошаговое решение заданной системы дифференциальных уравнений .

Универсальная ЭВМ - устройство дискретного типа, а поэтому должна обеспечивать дискретную аппроксимацию процесса функционирования исследуемой системы S. Непрерывные изменения в процессе функционирования реальной системы отображаются в дискретной модели М м, реализуемой на ЭВМ, некоторой последовательностью дискретных событий, и такие модели называются моделями дискретных событий. Отдельные события, отражаемые в дискретной модели, могут определяться с большой степенью приближения к действительности, что обеспечивает адекватность таких дискретных моделей реальным процессам, протекающим в системах S.

Архитектура языков моделирования. Архитектуру ЯИМ, т. е. концепцию взаимосвязей элементов языка как сложной системы, и технологию перехода от системы S к ее машинной модели М ы можно представить следующим образом: 1) объекты моделирования (системы S) описываются (отображаются в языке) с помощью некоторых атрибутов языка; 2) атрибуты взаимодействуют с процессами, адекватными реально протекающим явлениям в моделируемой системе S; 3) процессы требуют конкретных условий, определяющих логическую основу и последовательность взаимодействия этих процессов во времени; 4) условия влияют на события, имеющие место внутри объекта моделирования (системы 5) и при взаимодействии с внешней средой Е; 5) события изменяют состояния модели системы М в пространстве и во времени.

Типовая схема архитектуры ЯИМ и технология его использования при моделировании систем показана на рис. 5.1.

В большинстве случаев с помощью машинных моделей исследуются характеристики и поведение системы S на определенном отрезке времени, поэтому одной из наиболее важных задач при создании модели системы и выборе языка программирования модели является реализация двух функций: 1) корректировка временной координаты состояния системы ("продвижение" времени, организация "часов"); 2) обеспечение согласованности различных блоков и событий в системе (синхронизация во времени, координация с другими блоками).

Таким образом, функционирование модели М м должно протекать в искусственном (не в реальном и не в машинном) времени, обеспечивая появление событий в требуемом логикой работы исследуемой системы порядке и с надлежащими временными интервалами между ними. При этом надо учитывать, что элементы реальной системы S функционируют одновременно (параллельно), а компоненты машинной модели М м действуют последовательно, так как реализуются с помощью ЭВМ последовательного действия. Поскольку в различных частях объекта моделирования события могут возникать одновременно, то для сохранения адекватности причинно-следственных временных связей необходимо в ЯИМ создать "механизм" задания времени для синхронизации действий элементов модели системы .

Задание времени в машинной модели . Как уже отмечалось в гл. 3, существует два основных подхода к заданию времени: с помощью постоянных и переменных интервалов времени, которым соответствуют два принципа реализации моделирующих алгоритмов, т. е. "принцип Дt " и "принцип дz ".

Рассмотрим соответствующие способы управления временем в модели системы M(S) на примере, показанном на рис. 5.2, где по оси реального времени отложена последовательность событий в системе {s i } во времени, причем события s 4 и s 5 происходят одновременно (рис. 5.2, а ). Под действием событий s i изменяются состояния модели z i в момент времени t zi , причем такое изменение происходит скачком дz .

В модели, построенной по "принципу Дt " (рис. 5.2, б ), моменты системного времени будут последовательно принимать значения:

t " 1 = Дt , t " 2 = 2Дt , t " 3 = 3Дt , t " 4 = 4Дt , t " 5 = 5Дt .

Эти моменты системного времени t " j (Дt ) никак не связаны с моментами появления событий s i , которые имитируются в модели системы. Системное время при этом получает постоянное приращение, выбираемое в задаваемое перед началом имитационного эксперимента.

В модели, построенной по "принципу дz " (рис. 5.2, в ), изменение времени наступает в момент смены состояния системы, и последовательность моментов системного времени имеет вид t "" 1 = t z 1 , t "" 2 = t z 2 , t "" 3 = t z 3 , t "" 4 = t z 4 , t "" 5 = t z 5 , т. е. моменты системного времени t "" k (дz ), непосредственно связаны с моментами появления событий в системе s i .

У каждого из этих методов есть свои преимущества с точки зрения адекватного отражения реальных событий в системе S и затрат машинных ресурсов на моделирование.

При использовании "принципа дz" события обрабатываются последовательно и время смещается каждый раз вперед до начала следующего события. В модели, построенной по "принципу Дt", обработка событий происходит по группам, пакетам или множествам событий. При этом выбор Дt оказывает существенное влияние на ход процесса и результаты моделирования, и если Дt задана неправильно, то результаты могут получиться недостоверными, так как все события появляются в точке, соответствующей верхней границе каждого интервала моделирования. При применении "принципа дz" одновременная обработка событий в модели имеет место только тогда, когда эти события появляются одновременно и в реальной системе. Это позволяет избежать необходимости искусственного введения ранжирования событий при их обработке в конце интервала At.

При моделировании по "принципу Дt" можно добиться хорошей аппроксимации: для этого Дt должно быть малым, чтобы два неодновременных события не попали в один и тот же временной интервал. Но уменьшение Дt приводит к увеличению затрат машинного времени на моделирование, так как значительная часть тратится на корректировку "часов" и отслеживание событий, которых в большинстве интервалов может и не быть. При этом даже при сильном "сжатии" Дt два неодновременных события могут попасть в один и тот же временной интервал Дt, что создает ложное представление об их одновременности.

Для выбора принципа построения машинной модели М м и соответственно ЯИМ необходимо знать: цель и назначение модели; требуемую точность результатов моделирования; затраты машинного времени при использовании того или иного принципа; необходимый объем машинной памяти для реализации модели, построенной по принципу Дt и дz; трудоемкость программирования модели и ее отладки.

Требования к языкам имитационного моделирования . Таким образом, при разработке моделей систем возникает целый ряд специфических трудностей, поэтому в ЯИМ должен быть предусмотрен набор таких программных средств и понятий, которые не встречаются в обычных ЯОН.

Совмещение. Параллельно протекающие в реальных системах S процессы представляются с помощью последовательно работающей ЭВМ. Языки моделирования позволяют обойти эту трудность путем введения понятия системного времени, используемого для представления упорядоченных во времени событий.

Размер . Большинство моделируемых систем имеет сложную структуру и алгоритмы поведения, а их модели велики по объему. Поэтому используют динамическое распределение памяти, когда компоненты модели системы М м появляются в оперативной памяти ЭВМ или покидают ее в зависимости от текущего состояния. Важным аспектом реализуемости модели М м на ЭВМ в этом случае является блочность ее конструкции, т. е. возможность разбиения модели на блоки, подблоки и т. д.

Изменения. Динамические системы связаны с движением и характеризуются развитием процесса, вследствие чего пространственная конфигурация этих систем претерпевает изменения по времени. Поэтому во всех ЯИМ предусматривают обработку списков, отражающих изменения состояний процесса функционирования моделируемой системы S.

Взаимосвязанность. Условия, необходимые для свершения различных событий в модели М м процесса функционирования системы S, могут оказаться весьма сложными из-за наличия большого количества взаимных связей между компонентами модели. Для разрешения связанных с этим вопросом трудностей в большинство ЯИМ включают соответствующие логические возможности и понятия теории множеств.

Стохастичность. Для моделирования случайных событий и процессов используют специальные программы генерации последовательностей псевдослучайных чисел, квазиравномерно распределенных на заданном интервале, на основе которых можно получить стохастические воздействия на модель М м, имитируемые случайными величинами с соответствующим законом распределения.

Анализ . Для получения наглядного и удобного в практическом отношении ответа на вопросы, решаемые методом машинного моделирования, необходимо получать статистические характеристики процесса функционирования модели системы M(S). Поэтому предусматривают в языках моделирования способы статистической обработки и анализа результатов моделирования.

Перечисленным требованиям при исследовании и проектировании различных систем S отвечают такие наиболее известные языка моделирования дискретных событий, как SIMULA, SIMSCRIPT, GPSS, SOL, CSL и др.

В общем, тесты с подвохами - в контроле может попасться вопрос, которого не было в 2 (отличающихся на 2-4 вопросы) тренингах.

Модуль 2.
01. На основе каких факторов можно отбирать процессы для более подробного анализа и оптимизации? стратегические интересы \ большая продолжительность выполнения операций \ высокая стоимость процесса \ проблемы и претензии со стороны клиентов

02. Для чего можно использовать Технику структурного анализа и проектирования (SADT)? для анализа взаимосвязей между бизнес-процессами и системой целей организации (-) (? для построения иерархических моделей бизнес-процессов)

03. Какие документы не представляют особого интереса при сборе первичной информации для анализа бизнес-процессов? проектно-сметная документация \ бухгалтерская документация

04. Методы, которые применяются при анализе организационной структуры, включают в себя: экспертные оценки \ графическое моделирование

05. Выберите правильно сформулированные закономерности при формировании организационных структур управления: организационная структура отражает системы целей организации

06. В качестве кого могут выступать клиенты бизнес-процесса? Входов \ выходов

07. На какие проблемные цели следует обращать внимание в ходе анализа целей компании? какие цели не понимаются сотрудниками \ какие цели не имеют мероприятий по их достижению \ какие цели не могут быть максимизированы одновременно \ какие цели конфликтуют друг с другом

08. Для чего используется методология Йордана-Кода? для моделирования потоков данных в рамках бизнес-процесса \ для того же, что и модель Гейна-Сарсона

09. Внутренний бизнес-процесс: находится полностью в рамках одной организации

10. Что можно отнести к основным характеристикам бизнес-процесса? Эффективность \ адаптивность \ результативность

11. Систему управления можно рассматривать как совокупность следующих элементов: организационная культура \ система целей организации \ организационная структура управления

12. Какими могут быть клиенты бизнес-процессов? Внешние \ первичные \ вторичные

13. Какие методы используются для информационного моделирования? методология Гейна-Сарсона \ модели Чена \ IDEF1X

14. Как называется документальная форма, используемая для сбора и анализа информации об управленческих процессах? информационная таблица

15. К какому типу связей можно отнести связь «начальник – подчиненный»? к вертикальным связям

16. Что такое нормаль управления? вертикальные линии, соединяющие в информационно-технологических моделях операции с их исполнителями, с поставщиками и получателями результирующих документов (? Или понятие, отражающее среднее количество подчиненных у руководителя)

17. Назовите методы и средства моделирования процессов управления: межфункциональная схема \ блок-схема процесса

18. Основные правила построения дерева целей включают в себя: ясность и четкость формулировки каждой цели \ цели каждого уровня должны быть сопоставимы по масштабу и значению \ по мере перехода к низшим уровням цели конкретизируются

19. К числу инструментов моделирования бизнес-процессов можно отнести: блок-схема \ модель SADT \ межфункциональная схема \ модель Гейна-Сарсона

20. Для чего используются модели Гейна-Сарсона? для моделирования потоков информации в рамках бизнес-процессов

21. Диаграммы взаимодействия можно использовать для: моделирования бизнес-процессов (? Или моделирования структуры информации)

22. Допустима ли ситуация, когда некоторые цели организации не согласуются друг с другом? Или такая ситуация допустима в известных пределах (такая ситуация показывает ошибки в стратегическом планировании (-))

23. Чем отличаются потребности от ожиданий? ожидания, в отличие от потребностей, менее жесткие для их соблюдения (+ может быть «потребности, в отличие от ожиданий, сложно количественно измерить»)

24. При сборе первичной информации по бизнес-процессам исследователь должен обратить внимание на: внутреннюю организацию рабочего пространства \ рабочие взаимоотношения между сотрудниками \ чистоту помещений

25. Перечислите типовые недостатки неудачно сформулированной миссии организации: миссия является легкодостижимой \ миссия мыслится в финансовых категориях \ миссия является функциональной целью организации \ миссия четка сформулирована

26. Какой инструмент позволяет проанализировать закрепление ответственности за достижение целей? матрица распределения ответственности

27. Какие направления выделяют в организационно-управленческом анализе? анализ организационной структуры \ анализ процессов управления

28. Что образует нижнюю границу процесса? вторичные выходы

29. Что образует начальную границу процесса? первичные входы

Тренинг и контроль будут на 4-5, как повезет.

Добавлено через 19 часов 13 минут
Итого 3 модуля + итоговое
оценки 4-5, как повезет - в разных попытках разные вопросы