Выпуск № 2 (36), 2020
ТРИБУНУ - МОЛОДЫМ УЧЁНЫМ!
КАСЫМОВ А.А.

МЕТОДИКА РАЗРАБОТКИ ИНТЕГРАЛЬНОГО ПОКАЗАТЕЛЯ СРАВНИТЕЛЬНОЙ ОЦЕНКИ СИСТЕМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

Касымов Алексей Алексеевич – магистрант, кафедра прикладной информатики, Институт экономики и управления АПК,
РГАУ-МСХА имени К.А. Тимирязева, Москва, Россия.
E-mail: kasimlele@live.ru
SPIN-код: 5612-4050

Аннотация

В статье рассмотрены системы имитационного моделирования, реализующие дискретно-событийный метод. Проведен сравнительный анализ систем. Изучены такие программные продукты как: Anylogic, Аrena, Extendsim pro, SAS simulation studio, Plant simulation, Witness. Для наглядного отображения была создана аналитическая таблица со всеми характеристиками программных продуктов. Для объективного сравнения был проведён анализ систем имитационного моделирования при помощи интегрального показателя.

Ключевые слова

Интегральные показатели, имитационное моделирование, дискретно-событийный метод, система поддержки принятия решений, СППР

Для цитирования контента статьи, пожалуйста, используйте следующее описание

Касымов А.А. Методика разработки интегрального показателя сравнительной оценки систем имитационного моделирования // Управление рисками в АПК. 2020. № 2. С. 73-83. URL: http://www.agrorisk.ru/

Текст статьи

Особенностью решения задач планирования и управления производством является необходимость учета при их решении множества переменных величин, характеризующих постоянно изменяющиеся рыночные условия, в особенности в такой турбулентной среде, когда идет системная трансформация АПК на цифровой основе, которую мы наблюдаем в наше время [6].

Одним из наиболее перспективных направлений решаемых задач – имитационное моделирование, которое позволяет получить качественные и количественные оценки возможных последствий управляемых решений. В работах многих авторов указывается, что имитационные методы – наиболее распространенные средства теории управления и исследования операций в управлении промышленными предприятиями и организациями.


Это объясняется тем, что они дают инструментальную поддержку для анализа функционирования хозяйствующих субъектов в целях совершенствования производственных и управленческих процессов, скоординированной и контролируемой работы всех подсистем на предприятии АПК или АПК в целом. За последние 15–20 лет имитационное моделирование стало одним из самых распространенных инструментов исследования сложных систем и процессов с целью выработки рациональных стратегий управления ими.

Имитационное моделирование на сегодня являемся одним из наиболее мощных методов система поддержки принятия решений (далее - СППР). На рынке существует множество различных систем имитационного моделирования. На практике часто встает вопрос о рациональном выборе инструмента для моделирования той или иной системы. Специфика такой системы определяется технологией работы, набором языковых средств, сервисных программ и приемов моделирования.

1/1



Имитационное моделирование контролируемого процесса или управляемого объекта – это высокоуровневая информационная технология, которая обеспечивает работы по созданию или модификации имитационной модели, а также эксплуатацию имитационной модели и интерпретацию результатов. Сложность реальных социально-экономических процессов приводит к тому, что для имитационного моделирования этих процессов применяются достаточно технологичные инструментальные средства имитационного моделирования, обладающие собственными языковыми средствами [3].

Современные бизнес-процессы имеют сложные связи, для реинжиниринга которых приходится использовать не только аналитику, но и результаты имитационного моделирования. Для принятия наиболее адекватных решений по управлению системой и оценки рисков [4] необходимо работать с ее моделью, и именно на модели исследовать поведение системы в разных ситуациях [1]. Для этого существует много программных комплексов. Чтобы понять специфику такого программного обеспечения, была собрана аналитическая информацию о системах, наиболее распространённых и популярных в мире.



Главными достоинствами применения имитационного моделирования являются то, что имитационная модель позволяет более детально понять логику, структуру и поведение системы, а также даёт возможность более эффективно выполнить исследование, проектирование и оптимизацию технологического процесса. Поскольку работа с моделью учитывает влияние множества различных параметров, бизнес аналитик сможет найти те качественные и количественные характеристики, которые сэкономят время и средства на изменения, а также снизят вероятность ошибок. Ниже приведено короткое описание основных имеющихся на рынке программных средств имитационного моделирования.

Рассмотрим один из продуктов - программное обеспечение ANYLOGIC. Этот продукт – это мультимедийный инструмент моделирования общего назначения. Позволяет реализовывать следующие подходы к моделированию: дискретно-событийное, агентное и системное моделирование динамики. Сферы, где используют данный продукт: цепочка поставок, перевозка, складские операции, железнодорожная логистика, горный, нефть и газ, дорожное движение, пассажиропоток, производство и погрузо-разгрузочные работы, здравоохранение, коммерческие процессы, управление активами, маркетинг, социальный процесс, оборона.

Другой продукт - программное обеспечение ARENA используется для моделирования и анализа существующих и предлагаемых систем, а также для оперативного анализа. Сферы, где используют данный продукт: производство, цепочка поставок, правительство, здравоохранение, логистика, еда и напитки упаковка, горный центр, обработки вызовов.

Следующий претендент - EXTENDSIM PRO – инструмент профессионального уровня для моделирования и анализа сложных дискретных, непрерывных, агент-ных и гибридных систем. Сферы, где используется данный программный продукт: производство потребительских товаров, здравоохранение, энергия, целлюлозы и перевозка фармацевтический, полупроводниковые компонентов, военная и правительство. ExtendSim DE – инструмент начального уровня общего назначения, дискретного события и непрерывного моделирования. Унифицированная архитектура моделирования с мощной внутренней реляционной базой данных и гибкой структурой для представления различных систем.

1/3



Один из мировых лидеров, продукт - SAS simulation studio. Это программный продукт для моделирование дискретных событий: цепочки поставок, управление ресурсами, планирование мощностей, анализ рабочих процессов и анализ затрат. Сферы, где используется программный продукт: производство, банковское дело, фармацевтика и здравоохранение, энергия, властные структуры, розничный, образование, перевозка. Входит в состав SAS/OR. Интегрирован с аналитическими возможностями SAS и JMP. Модели могут включать любой код SAS или JMP.

Plant simulation – это программный продукт, который используется для дискретно-событийное моделирования, визуализации, анализа и оптимизации производственных мощностей, материальных потоков и логистики. Сферы, где используются инструмент: автомобильный производитель и поставщик, воздушно-космическая и оборонная промышленность, производство потребительских товаров, логистика, электроника, механизм, здравоохранение, консультирующий

Witness – это настольное программное обеспечение для профессионального моделирования и разработки приложений. Сферы, где используется данный программный продукт: бизнес-планирование, оптимизация процесса, принятие решений.

Был осуществлен сравнительный анализ систем имитационного моделирования, реализующих дискретно-событийный метод.

Сравнительная характеристика систем имитационного дискретно-событийного моделирования представлена в таблице 1 (выше). Как видно, существует множество различных критериев оценки систем имитационного моделирования. Поэтому возникает необходимость расчета некоего интегрального показателя, который бы позволял исследователю ориентироваться в выборе наиболее эффективного продукта [2].




1/1

Так как приведенные выше показатели различны по своей природе и степени влияния на решение о выборе того или иного продукта, использовались экспертные оценки 20 экспертов в данной области по вопросу степени важности (существенности) каждой характеристики (Таблица 2). Максимальная степень – 1,0 балла. Эти же эксперты оценили по 5-балльной системе каждую из предложенных систем.

Экспертная оценка систем имитационного моделирования представлена в таблице 2.

1/2

Интегральный показатель (I) определялся по следующей формуле:

I = Bij* vi

где Bij – балл,
i-й характеристики по j-й системе имитационного моделирования,
vi – вес i-й характеристики.

Таким образом, наибольший балл набрала система имитационного моделирования ANYLOGIC. Выбор этой системы позволяет исследователю или практику разработать наиболее качественную имитационную модель, что будет способствовать наиболее адекватной выработке управленческих решений.

1/1



Выбор того или иного пакета имитационного моделирования на практике зависит от многих условий. Часто решающую роль оказывает удобство программирования, наличие проверенных математических методов, легкость представления результатов моделирования, а также цена лицензии.

Множество различных пакетов сравнивается между собой по множеству (десяткам) различных характеристик. В этом случае использование приведенного интегрального сравнительного показателя качества и функциональности системы имитационного моделирования позволит принимать более рациональные управленческие решения.

1/1

Источники:

1. Горбачев М.И., Моторин О.А., Петренко А.П., Суворов Г.А. О внедрении современных информационно-технологических решений в сельское хозяйство // Управление рисками в АПК. 2019. № 4. С. 105-122.
2. Худякова Е.В., Кушнарёва М.Н., Горбачев М.И. Эффективность внедрения цифровых технологий в соответствии с концепцией «Сельское хозяйство 4.0» // Международный научный журнал. 2020. №1. С. 80-88.
3. Худякова Е.В. Оптимизация технико-экономических параметров организации процесса уборки зерновых культур на основе имитационного моделирования // Вестник МГАУ имени В.П. Горячкина. 2015. № 5 (69). С. 60-64.
4. Рагулина Ю.В., Горбачев М.И., Моторин О.А., Суворов Г.А., Семенова Е.И., Дудин М.Н., Худякова Е.В. Управление рисками в сельском хозяйстве в условиях цифровой трансформации: монография. М.: КноРус, 2019.
5. Архипов А.Г. , Горбачев М.И., Косогор С.Н., Моторин О.А., Суворов Г.А., Труфляк Е.В. Цифровая трансформация сельского хозяйства России: офиц. изд. М.: ФГБНУ «Росинформагротех», 2019. 80 с.

Все иллюстрации статьи:

© 2015-2021. СМИ сетевое издание «Управление рисками в АПК» зарегистрировано в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций. Свидетельство о регистрации средства массовой информации Эл № ФС77-62125 от 19 июня 2015 г.