Теоретические основы. 
Имитационное моделирование предприятия быстрого обслуживания

Имитационное моделирование

Имитационное моделирование — наиболее мощный и универсальный метод исследования и оценки эффективности систем, поведение которых зависит от воздействия случайных факторов. К таким системам можно отнести и летательный аппарат, и популяцию животных, и предприятие, работающее в условиях слабо регулируемых рыночных отношений.

В основе имитационного моделирования лежит статистический эксперимент (метод Монте-Карло), реализация которого практически невозможна без применения средств вычислительной техники. Поэтому любая имитационная модель представляет собой, в конечном счете, более или менее сложный программный продукт.

В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Между тем общепризнанного определения понятия модели не существует.

На наш взгляд, заслуживает предпочтения следующее определение: модель — объект любой природы, который создается исследователем с целью получения новых знаний об объекте — оригинале и отражает только существенные (с точки зрения разработчика) свойства оригинала.

Анализируя содержание этого определения, можно сделать следующие выводы:

• 1) любая модель субъективна, она несет на себе печать индивидуальности исследователя;
• 2) любая модель гомоморфна, т. е. в ней отражаются не все, а только существенные свойства объекта-оригинала;
• 3) возможно существование множества моделей одного и того же объекта-оригинала, отличающихся целями исследования и степенью адекватности.

Модель считается адекватной объекту-оригиналу, если она с достаточной степенью приближения на уровне понимания моделируемого процесса исследователем отражает закономерности процесса функционирования реальной системы во внешней среде.

По форме представления объектов модели можно разделить на две группы: материальные и идеальные.

Материальные модели, в свою очередь, делятся на физические и аналоговые. В физических моделях обеспечивается аналогия физической природы и модели (примером может служить аэродинамическая труба). В аналоговых моделях добиваются сходства процессов, протекающих в оригинале и модели (так, с помощью гидроинтегратора моделируется передача тепла).

Идеальные модели можно разделить на знаковые (семиотические) и интуитивные (мысленные). Интуитивные модели используются для прогнозирования на основе анализа наблюдений прошлого периода: объема продаж, прибыли и денежного потока. При этом не предпринимаются попытки объяснить причинные взаимосвязи, которые лежат в основе интуитивной модели.

Знаковые модели делятся на логические, геометрические и математические. Логические модели — модели, в которых представлены различные варианты выбора действий на основе умозаключений и анализа условий. Геометрические — это графические формы и объемные конструкции. Например: рису-нок, пиктограмма, чертеж, карта, план, объемное изображение и т. д.

Математические модели можно разделить на аналитические, алгоритмические (имитационные) и комбинированные.

Для аналитического моделирования характерно то, что для описания процессов функционирования системы используются системы алгебраических, дифференциальных, интегральных или конечно-разностных уравнений. 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 уравнения 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).

Конечно, как и любая другая программа, имитационная модель может быть разработана на любом универсальном языке программирования, даже на языке Ассемблера. Однако на пути разработчика в этом случае возникают следующие проблемы:

• * требуется знание не только той предметной области, к которой относится исследуемая система, но и языка программирования, причем на достаточно высоком уровне;
• * на разработку специфических процедур обеспечения статистического эксперимента (генерация случайных воздействий, планирование эксперимента, обработка результатов) может уйти времени и сил не меньше, чем на разработку собственно модели системы.

И, наконец, еще одна, пожалуй, важнейшая проблема. Во многих практических задачах интерес представляет не только (и не столько) количественная оценка эффективности системы, сколько ее поведение в той или иной ситуации. Для такого наблюдения исследователь должен располагать соответствующими «смотровыми окнами», которые можно было бы при необходимости закрыть, перенести на другое место, изменить масштаб и форму представления наблюдаемых характеристик и т. д., причем не дожидаясь окончания текущего модельного эксперимента. Имитационная модель в этом случае выступает как источник ответа на вопрос: «что будет, если…».

Реализация таких возможностей на универсальном языке программирования — дело очень непростое. В настоящее время существует довольно много программных продуктов, позволяющих моделировать процессы. К таким пакетам относятся: Pilgrim, GPSS, Simplex и ряд других.

Данный курсовой проект выполнен с помощью программного пакета C++, который позволяет создавать динамические модели процессов реального времени в различных прикладных областях.