Техническая документация

Основной формой системного анализа эффективности сложных технических систем является имитационное исследование, проводимое в рамках имитационных моделей. Обычно имитация реализуется на ЭВМ. При этом стремятся к наиболее полному учету всех существенных факторов. События при имитации разворачиваются во времени, как правило, в том порядке, в каком они следуют в реальной системе, но в измененной временной шкале. Действие случайных факторов учитывается с помощью специальных датчиков случайных чисел (имитаторов), настроенных на соответствующие вероятностные распределения. В определенном месте процесс имитации на ЭВМ может быть приостановлен для проведения, например, операционной игры, экспертного опроса или натурного эксперимента с использованием промежуточных данных, полученных при машинной имитации. Результаты игры, экспертизы или эксперимента могут быть использованы для продолжения имитации на ЭВМ.
Имитационное моделирование, являясь своеобразным экспериментированием с моделью реальной системы, открывает широкие возможности адекватного отображения исследуемых явлений. Оно синтезирует знаковое и интуитивное (иногда и материальное) моделирование. Таким образом, в имитационном моделировании используются практически все методы моделирования, отображенные на рис. 2.
Имитационное моделирование объединяет имитацию исследуемого явления и планирование имитационного эксперимента. Теория планирования эксперимента позволяет организовать имитационный эксперимент рациональным применительно к целенаправленному получению информации образом.
Имитационное моделирование обычно противопоставляют методам математического программирования. При исследовании операций типичным является следующий подход. Путем различного рода допущений реальную задачу идентифицируют с одной из стандартного класса задач математического программирования (линейного программирования, динамического программирования и т. п.). Для каждого класса задач разработаны алгоритмы решения, воспользовавшись которыми исследователь (при интересующих его исходных данных) может получить решение своей задачи. Этот путь решения оптимизационных задач хорошо зарекомендовал себя в практике исследования систем на уровне «структура—функция». Однако такой подход не всегда приводит к успеху при исследовании сложных систем уровня «организация-поведение». Упрощенное описание сложной системы, выполненное с целью сведения ее к одному из классов моделей математического программирования, часто приводит к утрате адекватности модели и, как следствие этого, к обесцениванию получаемых результатов.
При имитационном моделировании сложных систем во главу угла ставится требование адекватности модели. При имитационном подходе стремятся получить «портретную» модель сложной системы. Однако при высокой сложности реальной системы ее адекватная имитационная модель также становится в значительной мере сложной. Одна реализация имитируемого явления (прогон модели) может быть весьма продолжительной, а по одной реализации сделать какие-либо содержательные выводы о свойствах системы, как правило, не удается. Проведение статистических имитаций в рамках модели при различных исходных данных может оказаться неприемлемым по времени. В этих условиях эффективными являются методы планирования эксперимента.
Имитационный эксперимент можно планировать либо с целью получения оптимальных значений факторов (задача оптимизации), либо с целью получения аналитической зависимости выходной переменной (отклика) от контролируемых переменных (факторов) в достаточно широкой области изменения последних (задача аппроксимации). Важным достоинством имитационного моделирования является возможность фиксации промежуточных значений различных показателей в процессе имитации подобно тому, как это имеет место при съеме данных в процессе функционирования реальной системы.