12. Метод статистического моделирования как аппарат анализа сложных систем

Моделирование процесса функционирования сложной системы на ЭВМ позволяет провести ряд количественных и качественных исследований системы, представляющих значительный интерес как с теоретической, так и с практической точек зрения. По ценности результаты моделирования в ряде случаев не уступают результатам эксперимента, вместе с тем, они могут быть получены при заведомо меньших затрат времени и средств. Иногда метод моделирования оказывается более эффективным инструментом анализа систем, чем эксперимент. Для примера достаточно привести задачи, связанные с изучением поведения системы при условиях или значениях параметров, которые еще не могут быть созданы в натуре.

Как показывает опыт применения метода статистического моделирования, полезные результаты, относящиеся к исследуемой системе, иногда удается получить уже на этапе построения модели. Необходимость четкого формального описания процесса функционирования системы и строгой постановки задач исследования зачастую являются причиной более глубокого осмысливания закономерностей, свойственных, системе, и вскрытия таких подходов к возникающим задачам, которые были недоступными ранее.

Однако наиболее существенные результаты можно получить путем реализации модели на ЭВМ. Даже общий обзор результатов моделирования позволяет оценить правильность функционирования системы в различных условиях, вскрыть непредвиденные особенности в ее поведении.

Богатство сведений, получаемых методом моделирования об исследуемой системе, можно подтвердить примером. Если речь идет о моделировании производственного процесса предприятия, выпускающего штучные изделия (трубы, автомобили, часы и т. д.), то величинами, которые фигурируют в качестве результатов моделирования, обычно считают:

среднее количество готовых изделий, выпускаемых за смену;

среднюю долю бракованных изделий; относительное время производительной работы и простоев каждого станка, агрегата или технологической линии;

среднее количество нарушений нормального режима процесса, определяемое для каждой из причин, вызывающих нарушения;

среднее количество бракованных изделий, определяемое для каждой из причин, порождающих брак;

среднее время отклонения от графика и нарушения синхронности процесса для каждой единицы производственного оборудования;

среднюю продолжительность работы каждого из видов инструмента;

среднее снижение производительности, определяемое для каждой из причин, способной снизить производительность, и т. д.

Аналогичные характеристики можно получить и в результате моделирования других сложных систем.

Для того чтобы сделать анализ системы методом моделирования более целенаправленным и четко сформулировать задачи анализа, обычно выбирают специальные показатели, характеризующие качество функционирования системы. В первую очередь речь идет, как правило, о выборе показателя эффективности системы— такой числовой характеристики, которая оценивает степень приспособленности системы к выполнению стоящих перед ней задач.

Примерами показателей эффективности могут служить: для производственных процессов — рентабельность, объем выпуска продукции, степень загруженности оборудования; для городского транспорта — длительность поездки пассажиров, время ожидания на остановке, рентабельность транспортных предприятий; для информационной системы — скорость выдачи ответов на поступающие вопросы, экономический эффект и т. д.

Метод статистического моделирования позволяет не только вычислить показатель эффективности системы для заданных условий, но и изучить тенденции в поведении показателя эффективности в зависимости от изменения условий в интересующих исследователя пределах. Путем варьирования различных параметров системы и ее структуры могут быть оценены зависимости, полезные для проектирования систем данного класса, выбора режимов их эксплуатации, или найдены конкретные пути улучшения эффективности существующей системы.

Исключительное значение приобретает метод статистического моделирования сложных систем в связи с проблемами автоматизации управления, планирования и обработки информации.

Для расчета систем управления большого масштаба необходимо решать задачи, связанные с анализом процессов функционирования сложного оборудования, раскрытием строения информационных потоков и законов управления, синтезом алгоритмов обработки информации и оптимального планирования и т. д. В частности, одна из подобных задач — задача выделения информации, существенной для управления. По результатам моделирования оценивается значимость тех или других потоков информации, тех или других параметров управления; таким образом, удается сократить объем перерабатываемой информации без сколько-нибудь заметного ухудшения качества управления. Другой типичной задачей, требующей использования методов моделирования, является задача выбора оптимальной степени централизации управления. Высокая степень централизации может привести к чрезмерной загрузке каналов передачи информации и средств ее переработки в центральных звеньях управления; необоснованная децентрализация

угрожает снижением качества управления. Для решения упомянутой задачи по результатам моделирования производится сравнительная оценка качества и стоимости различных вариантов структуры управления.

Наконец, нельзя не указать задачу сравнительной оценки качества алгоритмов планирования и обработки информации. В настоящее время наряду с экспериментом, весьма эффективно используется для этой цели метод статистического моделирования. Помимо сравнения вариантов алгоритмов, моделирование позволяет вскрыть недостатки их, обнаружить случаи некачественной работы алгоритма и накопить сведения для их усовершенствования.

Естественно, что, наряду с решением частных задач, метод статистического моделирования используется также для комплексной оценки тех или других вариантов автоматизации управления.