Имитационное моделирование как средство решения проблем бизнеса

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

Московский государственный университет пищевых производств

Кафедра «Информатика и управление»

Курсовая работа по курсу «Имитационное моделирование»

Имитационное моделирование как средство решения проблем бизнеса

Выполнила студентка группы 10-Э-5

Щепетова М.А.

Москва 2014

Введение

Моделирование -- исследование объектов познания на их моделях; построение и изучение моделей реально существующих предметов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователя.

В силу многозначности понятия «модель» в науке и технике не существует единой классификации видов моделирования. Классификацию можно проводить:

· по характеру моделей;

· по характеру моделируемых объектов;

· по сферам приложения моделирования (физика, экономика, кибернетика).

Например, можно выделить следующие виды моделирования: информационное моделирование, компьютерное моделирование, математическое моделирование, структурное моделирование, физическое моделирование, экономико-математическое моделирование, имитационное моделирование, эволюционное моделирование и т. д.

Ниже пройдет речь об одном из этих видов -- об имитационном моделировании.

В работе будут рассмотрены различные парадигмы имитационного моделирования: агентная, дискретно-событийная и системно-динамическая, основные принципы системной динамики, достоинства и недостатки этого подхода.

Для реализации моделей существует большое число средств разработки (MATLAB, Arena, SimuLab, iThink, ИМИТАК. В практической части будет построена модель «Дрейфующая цель» в двух программных продуктах: «PowerSim» и «AnyLogic».

1. Определения. История появления. Сферы применения

Имитационное моделирование -- метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Имитационное моделирование -- это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация -- это постижение сути явления, не прибегая к экспериментам на реальном объекте).

Имитационное моделирование позволяет имитировать поведение системы во времени. Причем плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью.

Сегодня концепция имитационного моделирования становится все более популярной как для решения тактических задач анализа поведения бизнес-процессов, так и при стратегическом планировании самых разнообразных управленческих ситуаций. Особое значение этот подход приобретает в широкомасштабных проектах, требующих предварительных оценок на самых ранних стадиях реализации н характеризующихся чрезвычайно большим числом параметров при высокой степени их неопределенности, когда классические математические методы оказываются бессильны.

Серия интересных имитационных моделей была предложена создателем системной динамики Дж. Форрестером. Он создал первый черновой вариант модели системной динамики мировой социально-экономической системы. Форрестер назвал эту модель «World 1». Позже была разработана модель «World 2» которую Форрестер опубликовал в свой книге. После выхода книги «Мировая динамика», она привлекла огромное внимание аудитории.

Модель «World 2» отображала важные взаимосвязи между населением, промышленностью, загрязнением, ресурсами и пищей. Модель показывала коллапс мировой социально-экономической системы в XXI веке, если не будут приняты определенные шаги по снижению потребления природных ресурсов. Модель была также использована для определения изменений в политике, способных стабилизировать развитие мировой экономики в будущем. Общепризнано, что работы Дж. Форрестера положили начало системной динамике как совокупность принципов и методов анализа динамических управляемых систем с обратной связью (как положительной, так и отрицательной) и их применения для решения производственных, организационных и социально-экономических задач.

Три достижения, обеспеченные в основном благодаря разработкам в области вооружений, сделали возможным применение системной динамики:

· успехи в проектировании и анализе систем управления с обратной связью;

· прогресс в методах компьютерного моделирования и развитие вычислительной техники;

· накопленный опыт в моделировании процессов принятия решений.

Если говорить о моделировании вообще, то можно выделить две крайние позиции, выражающие основные парадигмы компьютерного моделирования (метод решения задач анализа или синтеза сложной системы на основе использования ее компьютерной модели.)

· аналитическое -- «дедуктивное»;

· имитационное -- «индуктивное».

Аналитическое моделирование сложных систем, очевидно, имеет ограниченные возможности, что и вызвало к жизни имитационные модели (реализуемые в форме аппаратурных комплексов и программ для ЭВМ).

Сегодня имитационное моделирование можно использовать при решении самых разнообразных задач, например: управление активами, бизнес-процессы, динамика экосистем здравоохранение, логистика, производство, рынок и конкуренция, социальная динамика, телекоммуникации.

2. Подходы к имитационному моделированию

Рассматривая имитационное моделирование как средство решения проблем бизнеса, можно выделить три основных подхода:

· системная динамика;

· дискретно-событийное моделирование (процессно-ориентированное);

· aгентное моделирование.

Первые два подхода являются «традиционными» методами имитационного моделирования, появившимися в 50-60х годах. Системная динамика предполагает высокий уровень абстракции и используется в основном для задач стратегического уровня. Процессно-ориентированный подход используется в основном на операционном и тактическом уровне.

Спектр применения агентных моделей включает задачи любого уровня абстракции: агент может представлять компанию на рынке, покупателя, проект, идею, транспортное средство, пешехода, робота и т.д. Рассмотрим эти подходы подробнее.

2.1 Системная динамика

Системная динамика -- парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии.

О системной динамике пойдет речь в следующем разделе.

2.2 Дискретно-событийное моделирование

Дискретно-событийное моделирование -- подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений -- от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов.

2.3 Агентное моделирование

Агентное моделирование -- относительно новое направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Агентное моделирование получило широкое практическое распространение только после 2000 года, но уже зарекомендовало себя множеством «success stories». Цель агентных моделей -- получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент -- некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

имитационный моделирование дрейфующий дискретный

3. Системная динамика

Системная динамика -- это мощная методология и техника компьютерного имитационного моделирования для обозначения, понимания и обсуждения сложных вопросов и проблем. Системная динамика была создана в конце 1950-х гг. Дж. Форрестером в Массачусетсом технологическом институте (МТИ).

Методология системной динамики базируется на предположении, что поведение (или история развития во времени) организации главным образом определяется ее информационно-логической структурой. Она отражает не только физические и технологические аспекты производственных процессов, но, что гораздо важнее, политику и традиции, которые явно или неявно определяют процесс принятия решений в организации. Такая структурная схема содержит источники усиления временных задержек и информационных обратных связей, подобных тем, которые встречаются в сложных инженерных системах. Другой аспект системной динамики заключается в предположении, что организация более эффективно представляется в терминах лежащих в ее основе потоков, нежели в терминах отдельных функций. Потоки людей, денег, материалов, заявок и оборудования, а также интегрированные потоки информации могут быть выявлены во всех организациях. Направленность на потоковую структуру заставляет аналитика естественным образом преодолевать внутриорганизационные границы.

3.1 Принципы системной динамики

В основе системной динамики лежат четыре принципа, сформулированные впервые Дж. Форрестером.

Первый принцип гласит, что исследование динамики поведения сколь угодно сложного бизнес-процесса можно свести к исследованию изменений уровней некоторых операционных «фондов», регулируемых темпами пополнения или исчерпывания этих фондов входными или выходными «потоками» модельных единиц. Уровень фонда подобен уровню воды в бассейне, а регулирование -- усилиям, прилагаемым к «вентилю», установлен- ному на «трубе», через которую осуществляется протекание.

В основе второго принципа лежит предположение, что нетривиальное поведение любого интегрированного бизнес-процесса связано с регулированием контуров положительных и отрицательных обратных связей. Регулируемый контур (цикл) обратной связи позволяет в динамике учитывать текущий и предыдущий опыт развития поведения. В связи с этим появляется привлекательная возможность формировать дисциплину нового управления на базе накопленного опыта. Третьим принципом системной динамики допускается сохранение неопределенностей и непредсказуемости поведения концептуальных моделей из-за возможности возникновения (в нетривиальных конструкциях с циклами обратных связей) композиций нелинейных пар, которые недоступны строгому описанию в рамках имитационного подхода. Это означает, что поведение фрагментов бизнес-процесса через обратные связи воздействует на другие фрагменты в непропорциональном режиме. И тогда построение концептуальной модели правдоподобного поведения может оказаться весьма затруднительным. Четвертый принцип утверждает, что системная динамика -- сугубо прагматический аппарат, который способен наиболее адекватно отразить нетривиальное поведение сети взаимодействующих фрагментов, обратных связей и нелинейных пар. Его целесообразно применять при анализе сложных ситуаций для бизнес-процессов, поведение которых не поддается точному математическому описанию.

3.2 Фондовые потоки

Концепция взаимодействующих фондовых потоков (ВФП), следуя базовым принципам системной динамики, позволяет выдвинуть смелое предположение, что поведение практически любого бизнес-процесса может быть описано в терминах перемещаемых ресурсов, то есть анализ его поведения может быть сведен к анализу взаимодействующих «фондовых потоков». ВФП как концепция идет еще дальше и стремится практически всю деятельность по концептуальному проектированию бизнес-процессов вывести на изобразительный и понятийный уровень потоковых моделей, которые:

· способны отображать причинно-следственные связи;

· графически достаточно просты и прозрачны;

· пригодны для интерпретации не только непрерывных, но и дискретных взаимодействий.

Нотация ВФП достаточно проста и строится на основе следующих четырех базовых графических элементов:

· время;

· прямоугольник -- фонд;

· стилизованная стрелка с кружочком -- поток (с конвертором);

· изолированный кружочек -- конвертор;

· простая стрелка -- коннектор.

3.2.1 Время

Время является первичной переменной для имитационной модели динамической системы: ее значение генерируется системным таймером и изменяется дискретно, т. е., начиная с некоторого начального значения, время за каждый такт увеличивается на заранее заданную величину, которая служит единицей модельного времени. Число тактов и единица времени являются параметрами «прогона» модели и определяются заранее.3.2.2. Фонд

Фонд -- переменная, равная объему (количеству) некоторого «продукта», накопленного в некотором хранилище за время «жизни» модели с начального по текущий момент. Так, фонд может накапливать модельные единицы денежной наличности, материальных запасов, инвентаря, служащих и т. д. Фонды можно использовать для накопления и нематериальных модельных единиц, таких как уровень квалификации, производительность, мотивация, инфляционные ожидания, качество и т. д. И хотя эти нематериальные накопления можно оценивать, как правило, лишь в качественных категориях («высокая» производительность, «слабая» мотивация, «низкое» качество и т. д.), они часто оказываются существенными факторами, воздействующими. Продукт может поступать в фонд и/или извлекаться из него. Поэтому значение фонда в текущий момент времени можно вычислить как сумму его значения в предыдущий момент и величины, равной разности величин входящего и исходящего потоков продукта за единицу модельного времени.

3.2.3 Поток

Поток -- переменная, равная объему (количеству) продукта, который поступает или извлекается из соответствующего фонда в единицу модельного времени. Значение этой переменной может изменяться в зависимости от внешних воздействий на нее. В частности, поток можно представить как функцию от значений других потоков и фондов. Примеры потоков: наем сотрудников, поступление заказов, выплаты зарплаты и т. д. Действия изменяют текущие уровни фондов, пополняют их или исчерпывают. Труднее отобразить действия, накапливающие или исчерпывающие нематериальные фонды, такие как изучение, формирование или падение. Поток удобно ассоциировать с трубопроводом, который наполняет модельными единицами некоторый резервуар-фонд, или его опорожняет. Поток снабжается регулятором, управляющим с помощью значения вычисляемого алгебраического выражения интенсивностью наполнения или опорожнения фонда.

Фонды характеризуют статическое состояние системы, а потоки -- ее динамику. Если, например, представить себе, что в какой-то момент времени все процессы в системе остановятся, то фонды будут иметь те значения, которые были на момент остановки, а потоки будут равны нулю. С другой стороны, о величине потока можно судить только за определенный промежуток времени.

3.2.4 Конвертор

Конвертор -- преобразователь проще всего ассоциировать с переменной, формирующей текущее значение при вычислении алгебраического выражения (подобно выражению, формируемому при регулировании интенсивности потока). Конверторы, в частности, используются для задания и хранения постоянных значений. Так, конвертор мог бы использоваться для хранения значения необходимого количества служащих компании и выступать в качестве регулятора интенсивности потока найма.

3.2.5 Коннектор

Коннектор (соединитель) можно ассоциировать с проводом, передающим информацию с целью регулирования интенсивности потоков. Коннекторы могут воздействовать на потоки или конверторы, но никогда на фонды. Однако уровень фондов зачастую косвенно все же регулируется информацией, передаваемой коннекторами и управляющей интенсивностью входных или выходных потоков. Например, коннектор может использовать информацию относительно текущего числа служащих в компании и, передавая ее потоку найма, контролировать норму приема.

4. Достоинства и недостатки ИМ

4.1 Достоинства

Сегодня успех имитационного моделирования определяется, прежде всего вычислительными возможностями современных информационных технологий, предоставляющих пользователю широкий набор инструментов моделирования, удобный интерфейс и, главное, берущих на себя практически всю нагрузку по ординарным вычислениям. Моделируя протекание различных бизнес-процессов с учетом их взаимодействия и влияния факторов внешней среды, можно использовать полученные результаты для оценки текущего состояния, а также с достаточно высокой точностью предсказывать будущие состояния и тенденции развития.

4.2 Недостатки

Наряду с достоинствами, имитационное моделирование обладает и существенными недостатками, затрудняющими повсеместное внедрение этого, казалось бы универсального подхода.

1) Построение имитационных моделей, действительно адекватных реальным бизнес-процессам, представляет собой довольно трудоемкий процесс, требующий зачатую существенного времени, а их детальный разносторонний анализ порой требует от бизнес-аналитика и специальной дополнительной подготовки. Дж. Форрестер указывает, что для создания хорошей модели внутрифирменного планирования может понадобиться от 3 до 11 лет.

2) Имитационные модели не обеспечивают нахождения оптимального решения и тем более не могут применяться для доказательства оптимальности того или иного пути решения. Хотя, с этим утверждением можно поспорить. Для доказательства абсурдности некоторых очевидных решений, имитационные модели очень удобны.

3) Применение имитационного моделирования часто оказывается единственно возможным для решения задачи в связи с ее чрезмерной сложностью или в ситуации когда о бизнес-процессе известно очень мало. Результаты, которые дает имитационная модель, обычно являются численными, а их точность определяется количеством знаков после запятой, выбираемым экспериментатором. В связи с этим возникает опасность «обожествления чисел», т. е. приписывания им большей значимости, чем они на самом деле имеют.

Тем не менее, несмотря на перечисленные недостатки, имитационное моделирование остается единственным и действенным инструментом исследования нетривиального поведения. Далее мы познакомимся с плодотворными подходами, которые, на наш взгляд, наиболее показательно воплощают как достоинства, так и возможные недостатки современных идей аналитической поддержки моделирования поведения.

5. Контур «дрейфующая цель»

В 1948 году Винер опубликовал работу с описанием принципов кибернетики -- науки о контроле и обмене информацией у животных и машин. Два основных понятия кибернетики -- это контроль и обмен информацией. Винер подчеркивал, что особое значение в деятельности систем имеют негативные петли обратной связи. Система получает негативную информацию от внешней среды, перерабатывает ее, производит внутренние изменения, сравнивает результат с новой информацией от среды и вновь изменяется пока не достигнет поставленной цели. Примером такой системы может служить термостат, запрограммированный на поддержании определенной температуры в помещении. Как только температура изменится, термостат получает негативную информацию, включается, чтобы изменить температуру до нужной и будет продолжать работать до тех пор, пока вместо негативной получит позитивную информацию -- заданная температура достигнута. Для того, чтобы понимать природу системы, вовсе необязательно знать ее внутреннее строение. Вполне достаточно того, чтобы знать, как она реагирует на петли негативной обратной связи, т.е. какова ее цель и что она пытается достигнуть. Внутреннее содержание такого «черного ящика» может быть невероятно сложным, но поведение системы может быть хорошо прогнозируемо. Приведенные пример с термостатов есть контур «уравновешивание». Этот контур можно уподобить бизнес-ситуации продвижения деловой активности некоторого экономического агента от текущего состояния «как есть» (as is) к желаемому (плановому, стратегическому) состоянию «как должно быть» (to be). Значение состояния «как есть» соотносится с состоянием «как должно быть» через величину некоторого «разрыва» (gap), который сокращается по мере реализации решений, ведущих к увеличению (или уменьшению) уровня операционного фонда. Подобная бизнес-ситуация иллюстрирует использование в практике менеджмента широко известной модели анализа разрыва (gap analysis) простого, но достаточно эффективного метода анализа стратегии, где в динамике автоматически определяется текущая разница между наиболее оптимистическими ожиданиями и самыми скромными прогнозами деятельности. Текущая величина разрыва может служить индикатором интенсивности организационной активности по сокращению и возможной ликвидации разрыва.Контур «дрейфующая цель» -- это концептуальное развитие и уточнение рефлексивного контура «уравновешивание». Контур «дрейфующая цель» способствует организации оперативного контроля при решении следующих задач:

· выявление приоритетного показателя деятельности компании, такого как показатель интенсивности числа продаж;

· определение реальных возможностей компании с точки зрения текущих и будущих доходов от продаж;

· уточнение конкретных показателей стратегического плана, соответствующих основному интересу компании;

· определение тенденции изменения конкретного показателя стратегического плана;

· установление разницы между показателями стратегического плана и возможностями, обусловленными реальным положением компании;

· разработка необходимых мероприятий по ликвидации разрыва.

6. PowerSim

Заданная модель «Дрейфующая цель» описывается с помощью трех диаграмм:Control Panel,

· Model,

· Causal Loop Diagram.

6.1 Control Panel

Эта диаграмма предназначена для конечного пользователя: здесь отображаются результаты эксперимента в виде графиков, таблиц и прочих информационных дисплеев, а также есть инструменты для изменения пользователем параметров модели. Ввиду особенностей системы изменять параметры необходимо во время симуляции. Когда эксперимент закончится, можно начать следующий уже с измененными параметрами. В данной модели изменяемыми параметрами являются стартовый планируемый доход и стартовый реальный доход. Эти параметры влияют на то, с каких значений фонды как должно быть и как есть начнут сближаться друг к другу. Изменить параметры можно с помощью соответствующих бегунков (выделены серой рамкой). На графиках отражается зависимость фондов как должно быть, как есть и конвектора разрыв от времени на протяжении всего периода симуляции -- 53 дня. Ниже в таблице приведены значения всех элементов модели в конкретный момент времени. Спидометр «разрыв» дублирует значение соответствующего конвектора, спидометр «время» отражает текущее значение модельного времени; оба спидометра позволяют следить за динамикой процесса. На модели так же есть однострочные таблички, которые показывают последнее значение соответствующего элемента

 

6.2 Model

На данной диаграмме представлены схематические описания модели в соответствии с нотацией ВФП. Внесение сюда каких-либо поправок влечет изменения в самой модели. С помощью потоковой метафоры, модель «дрейфующая цель» демонстрирует «офизиченную» динамическую ситуацию, когда баланс между желаемым и текущим уровнем жидкости в резервуаре обеспечивается авторегулированием (корректировкой) желаемого уровня. Этот желаемый уровень и есть та «дрейфующая цель», достижению которой добивается в динамике текущий уровень. Бизнес-метафора же демонстрирует уже деятельность некоторой торговой компании. В начале года компания устанавливает планируемый доход на конец прошлого года и в течение года текущего, осуществляя продажи, формирует реальный доход. Если есть отклонения и они весьма существенны, то план «как должно быть» корректируется, исполняя роль «дрейфующей цели» в стратегическом анализе деятельности компании методом анализа разрывов (gap analysis). После выявления стратегического разрыва, возможно, потребуется разрабатывать новую стратегию или модифицировать имеющуюся с целью обеспечения конкурентного преимущества компании.

6.3 Causal Loop Diagram

Эта диаграмма отображает причинно-следственные связи и нужна исключительно для иллюстрации процесса.

Используя нотацию диаграмм причинно-следственных связей, можно попытаться свести простейшие взаимодействия между концептами бизнеса лишь к двум типам: позитивным взаимодействиям и взаимодействиям негативным. Позитивное взаимодействие обычно изображают стрелкой со знаком «плюс». Это выражает ситуацию увеличения значения пассивного концепта под воздействием увеличивающегося значения концепта активного. Негативное взаимодействие обычно изображают стрелкой со знаком «минус».

Например, на приведенной диаграмме концепт «сокращение разрыва» отрицательно воздействует на концепт «как должно быть». Но сам концепт «как должно быть» положительно воздействует на концепт «разрыв».

7. AnyLogic

Реализация модели «Дрейфующая цель» имеет два окна:

· главное окно;

· окно симуляции.

7.1 Главное окно

Главное окно открывается первым и здесь представлены элементы правки параметров стартовый планируемый доход и стартовый реальный доход.

7.2 Окно симуляции

Если все значения удовлетворяют начальным условиям, то после нажатия на кнопку «Запустить модель и открыть презентацию класса Main», открывается окно симуляции.



Здесь пользователь может наблюдать за ходом процесса. Возле каждого элемента модели указывается его текущее значение. На графиках отображаются те же зависимости, что в PowerSim, т.е. значения «разрыва», «как должно быть» и «как есть» в зависимости от времени. Под графиками расположены имена элементов модели с буквой D в кружочке -- при нажатии на этот значок появляется таблица -- значения для соответствующего элемента в каждый момент времени.7.3. Повтор эксперимента

После того, как эксперимент закончится, можно вернуться на главное окно, нажав на кнопку «Сохранить результат и выйти», установить новые параметры и заново повторить эксперимент. Результаты каждого эксперимента отображаются на графике на главном окне, поэтому пользователь может наглядно оценить, как меняется результат в зависимости от входных параметров.



8. Системная динамика

Сегодня системную динамику и методологию ВФП можно использовать при решении самых разнообразных задач. Область применения весьма широкая: от представителей малого бизнеса, желающих увидеть как за год вырастут их доходы, если сократить издержки на второстепенные нужды, до крупных предприятий, где существует огромное число факторов влияния, сложно связанных друг с другом.

Однако наиболее эффектные результаты от подхода следует ожидать при решении слабоструктурированных проблем бизнеса, когда возрастает роль интуиции и опыта. Именно в этих случаях характерно возникновение неопределенностей, делающих практически невозможным отыскание единственной наилучшей альтернативы принятия решения.

Тогда остается лишь воспользоваться имитационным моделированием, с целью хоть как-то наметить пути получения правдоподобных оценок, выделить среди них наиболее перспективные.

Можно согласиться с утверждением, что любой бизнес декомпозируется в соответствии со следующими взаимосвязанными сферами принятия управленческих решений:

· инвестированием;

· основной деятельностью (включающей производство и дистрибьюцию);

· финансированием.

Концепция ВФП органично воссоединяется с теми идеями и подходами, которые сегодня связывают с термином визуальное моделирование.

9. PowerSim и AnyLogic

В данной работе предлагалось реализовать модель «дрейфующая цель» с помощью двух систем: PowerSim и AnyLogic. Оба продукта имеют все инструменты для решения поставленой задачи, однако, возможности PowerSim, пожалуй, на этом и заканчиваются.

AnyLogic же предоставляет инструментарий не только для моделирования процесса, но и для создания презентационной части, немаловажно в современном обществе. AnyLogic больше понравился и в плане интерфейса по созданию модели: он более удобный и понятный, чем в PowerSim. Стоит отметить еще и то, что платформа Java в AnyLogic предоставляет безграничную расширяемость моделей за счет программирования на Java. Модели созданные в этой среде разработки являются кросс-платформенными. Пожалуй последним аргументом в пользу AnyLogic будет то, что справочную литературу (в том числе форумы) по всем интересующим вопросам удалось найти лишь для AnyLogic.

10. Перспективы

В ходе изучения теоретической базы для данной работы мы убедились, что имитационное моделирование можно использовать не только как отдельное средство для решения задач, а в сочетании с другими направлениями, например с интеллектуальными много-агентными системами в искусственном интеллекте. В обоих направления используется агентный подход, следовательно можно написать программу, где агенты из ИИ будут выполнять функции по взаимодействию с окружающей средой и определению дальнейшего поведения, а агенты из ИМ на основе полученных данных смогут выполнять функции вычислительного характера и отображения статистической информации.

11. Примеры использования

В завершении, приведем список крупнейших отечественных и зарубежных компаний оценивших и использующих возможности имитационного моделирования в среде AnyLogic: «Русский алюминий», «Газпром», «СберБанк», «Билайн», «Boeing», «Hewlett Packard», «IBM», «Panasonic», «Mitsubishi», «NASA», «Volvo», «McDonald's».

Список литературы

[1] Каплан Роберт С., Нортон Дейвид П. «Сбалансированная система показателей. От стратегии к действию» 2-е изд., испр. и доп. Пер. с англ. -- М.: ЗАО «Олимп-Бизнес», 2003,

[2] Карпов Ю. «Имитационное моделирование систем. Введение в моделирование с AnyLogic 5» -- СПб.: БХВ-Петербург, 2005.

[3] Масалович А.И., Шебеко Ю.А. «Моделирование и анализ поведения бизнес-процессов (конспект лекций)» -- M.: Тора-Инфо Центр, 2002.

[4] Питеркин С.В. «Точно вовремя для России. Практика применения ERP-систем» -- М.: Альпина Бизнес Букс, 2005.

[5] Форрестер Д.У. «Мировая динамика» -- М.: Наука, 1978.

[6] Форрестер Д.У. «Основы кибернетики предприятия» -- Москва: Прогресс, 1971.

[7] Хелферт Э. «Техника финансового анализа» Пер. с англ. под ред. Л.П. Белых. -- М.: Аудит, ЮНИТИ, 1996.

[8] Шебеко Ю.А. «Имитационное моделирование и ситуационный анализ бизнес- процессов принятия управленческих решений (учебное и практическое пособие)» -- M.: Диаграмма, 1999.

[9] Шеннон Р. «Имитационное моделирование систем: искусство и наука» -- М.: Мир, 1978.

[10] Лычкина Н.Н. «Имитационное моделирование экономических процессов (Учебное пособие для слушателей программы eMBI)» -- М: Академия АйТи, 2005.

[11] Кельтон В., Лоу А. «Имитационное моделирование» -- СПб.: БХВ-Петербург, 2004.

[12] Емельянов А.А., Власова Е.А., Дума Е.А. «Имитационное моделирование экономических процессов» -- М.: Финансы и статистика, 2002.

[13] Прицкер А. «Введение в имитационное моделирование и язык СЛАМ II» -- М.: Мир, 1987.

[14] Гультяев А.К. «Имитационное моделирование в среде Windows» Практическое пособие.

[15] Нохрина Г.Л. «Имитационное моделирование экономических процессов (Курс лекций)»

[16] Казаков С.А. «Технология имитационного моделирования взаимодействующих фондовых потоков в задачах концептуального проектирования систем прикладного программного обеспечения» Диссертация.

Размещено на Allbest.ru