6.5.имитационное моделирование

Исторически к его истокам  можно отнести так называемую «системную динамику»  Д.Форрестера, методология которой позволила разработать технологию построения моделей сложных объектов (систем) в очень большом масштабном диапазоне – от отдельных производственных или управленческих процессов предприятия до городской инфраструктуры и даже совокупности стран (известные работы «Римского клуба» по мировой динамике).

Уровень точности и сложности имитационных моделей может быть очень различным, соответственно существенно различаются затраты на их разработку и проведение моделирования. Поэтому для рационального выбора способа имитационного моделирования необходимо ясное понимание его принципов, преимуществ и уязвимых мест.

Назначение имитационного моделирования – разработка функциональной модели жизнедеятельности реальной системы, с имитацией ключевых входных факторов, выходных показателей, возможных возмущений и других условий (с учетом их неопределенности), постановка на ней экспериментов для лучшего понимания и прогнозирования поведения системы, оценки относительной значимости влияния факторов и их взаимодействия, с целью оптимизации параметров системы и выбора наиболее рациональных управляющих решений. В отличие от испытаний над реальной системой, при имитационном моделировании можно контролировать весь ход процесса, варьировать любой параметр, управлять всеми условиями эксперимента, исследуя также кризисные и аварийные ситуации.

Имитационная модель должна быть целевой, т.е. её надо строить в зависимости от вопросов, на которые ищем ответы, и от оцениваемых решений (распространенная ошибка: попытка имитировать реальную систему во всех ее подробностях); в соответствии с известным принципом Парето в большинстве систем ~ 80\% свойств её поведения определяется действием лишь ~20\% ключевых факторов.

Выбор более сложной, полной имитационной модели далеко не всегда целесообразен, ибо возрастание затрат может оказаться несоразмерно ценности дополнительной информации. Соразмерность погрешностей (вызываемых различными причинами – неполным соответствием модели и объекта, случайным характером результатов моделирования, неточностью задания исходных данных) и компромисс между сложностью модели, полнотой и точностью получаемой информации – обязательные, принципиальные требования.

Ключевая задача имитационного моделирования – анализ чувствительности результатов моделирования к изменению исходных данных, он важен и для управления реальным объектом, и для поиска более рациональных вариантов модели и моделирования. Известно, что результаты сравнения вариантов системы менее чувствительны (более устойчивы) к ошибкам исходных данных, чем абсолютные цифры каждого из вариантов.

Необходима серия рабочих проверок правильности (приемлемости) модели, в частности – реалистичны ли ответы при предельных значениях параметров, правомочны ли исходные предпосылки и промежуточные преобразования информации от входа к выходу.

Имитационная модель должна быть понятной пользователю, ответственному за разработку и функционирование реальной системы.

Для получения требуемой статистической достоверности выводов необходимо достаточно большое число реализаций, которое на практике можно уменьшить, если ввести текущий контроль сходимости вероятностно – статистических оценок по мере роста числа прогонов модели.