Какие преимущества у имитационного моделирования на компьютере
Имитационное моделирование, в частности машинная имитация, достаточно распространено при исследовании сложных систем благодаря ряду преимуществ. Вот некоторые из них.
1. На ранних стадиях предварительного проектирования систем можно быстро получить нужную информацию, пусть и с некоторыми допущениями, о возможном функционировании проектируемой системы. Это дает возможность с достаточной точностью определить эффективность функционирования системы и избежать лишних материальных затрат.
2. Можно исследовать особенности функционирования системы при любых условиях, в частности тех, которые не могут быть реализованы в натурных экспериментах. При этом параметры системы и окружающей среды можно варьировать в как угодно широких границах, воссоздавая произвольные, как реальные, так и гипотетические, ситуации. Благодаря такому подходу резко уменьшается потребность в сложном лабораторном оснащении и эксплуатационных испытаниях системы.
3. Можно прогнозировать поведение системы в близком и отдаленном будущем, основываясь на результатах натурных испытаний и фактического использования. В этом случае полученные ранее данные пополняются благодаря применению статистического подхода.
4. Можно во много раз сократить время испытания технических и технико-экономических систем с помощью их имитационных моделей. Дни и месяцы реальных условий могут быть «сжаты » к секундам и минутам при «прогоне » модели.
5. Можно искусственным путем быстро и в большом объеме получить отражающую ход реальных процессов информацию, избежав дорогих, а часто и невозможных натурных испытаний этих процессов.
6. Исследование и оптимизацию некоторых сложных экономических систем нельзя выполнить ни с помощью лабораторных или натурных экспериментов, ни аналитическими методами. Имитационное моделирование на ЭВМ часто бывает единственным реализуемым способом решения таких задач.
7. Машинную имитацию как численный машинный метод решения сложных задач целесообразно применять при следующих условиях:
· непригодность или отсутствие аналитических методов решения задач;
· полная уверенность в успешном создании имитационной модели, которая адекватно описывает исследуемую систему (процесс). Разрабатывать имитационную модель стохастических процессов при невозможности получить описание нужных характеристик случайных величин и событий ― не имеет смысла;
· возможность использовать сам процесс построения имитационной модели для предварительного исследования моделируемой системы с целью выработки рекомендаций относительно улучшения условий её функционирования.
Главными недостатками метода машинной имитации являются довольно большие затраты времени и средств на построение адекватной модели, а также трудность и даже невозможность учета в модели некоторых важных особенностей реальной системы.
Выполнение расчетов по имитационным моделям требует значительных затрат времени исследователей, программистов и ЭВМ. Опыт использования машинной имитации в США показывает, что затраты времени на разработку даже относительно простой модели достигают, как правило, 5-6 человеко-месяцев и оцениваются в десятки тысяч долларов.
При принятии решения относительно использования машинной имитации нужно обязательно сравнить ожидаемый экономический эффект с соответствующими расчетными затратами. Существуют рекомендации, что создавать имитационную модель целесообразно лишь в том случае, если ожидаемый выигрыш в денежном эквиваленте перекрывает объем затрат более чем в 10 раз. Как показывает практика, стоимость работ занижается втрое, тогда как ожидаемый эффект во столько же раз завышается.
Современные химико-технологические процессы столь сложны, что для их изменения приходится использовать не только аналитику, но и результаты имитационного моделирования. В данном случае необходимо работать с моделью физического объекта и именно на модели исследовать его свойства и поведение в любых ситуациях. Для этого существует много программных комплексов. Чтобы понять специфику такого программного обеспечения я собрал аналитическую информацию о системах, наиболее распространённых в мире и популярных по запросам в интернет-поисковиках. Результаты исследования – в этом обзоре. Он будет полезен проектировщикам, технологам и автоматчикам – всем тем, кто анализирует технологические процессы, строит системы управления ими, выполняет инженерные расчеты технологических аппаратов.
Краткие описания решений
Программное обеспечение Hysys предназначено для моделирования ХТП для оптимизации проектирования схемотехнических решений технологического процесса. Помимо статического моделирования технологических схем программа позволяет в той же среде производить динамическое моделирование отдельных процессов и всей технологической цепочки, а также разрабатывать и отлаживать схемы регулирования процессов. Есть возможность выполнять расчеты основных конструктивных характеристик оборудования.
В 2002 году компанию Hyprotech Ltd приобрела Aspen Technologies. Hysys вошел состав пакета инженерного модуля AspenONE Engineering пакета AspenONE под наименованием Aspen Hysys.
Программный пакет Aspen Plus (разработка Aspen Technologies) предназначен для моделирования в стационарном режиме, проектирования химико-технологических производств, контроля производительности оборудования, оптимизации и бизнес-планирования в области добычи и переработки углеводородов и нефтехимии.
gPROMS ModelBuilder является средой моделирования для стационарных и динамических систем, которая ориентирована на применение в перерабатывающей промышленности.
Программный комплекс CHEMCAD ориентирован на моделирование ХТП. Пакет включает средства статического моделирования основных процессов, основанных на фазовых и химических превращениях, а также средства для расчета геометрических размеров и конструктивных характеристик основных аппаратов.
Design II – программный продукт компании WinSim Inc. – имеет все инструменты для полноценного моделирования в газонефтепереработке и включает набор из 880 различных компонентов.
Программное обеспечение для моделирования технологических процессов PRO/II – это симулятор стационарного режима, улучшающий процессы проектирования и операционного анализа. Симулятор PRO/II разработан для точных расчетов массового и энергетического баланса для широкого спектра производственных процессов. Отрасли применения: нефтепереработка, газопереработка, нефтехимия, химия.
ProMax представляет собой мощный и универсальный пакет программного обеспечения для проектирования и оптимизации газоперерабатывающих, нефтеперерабатывающих и химических производств.
Программный продукт GIBBS обладает средствами для моделирования процессов промысловой подготовки природных газов, включая обычные установки низкотемпературной сепарации, низкотемпературные детандерные установки с частичным или полным фракционированием жидких углеводородов, процессы выделения этана и СУГ, процессы обработки газа с впрыском, сбором и регенерацией ингибиторов гидратообразования, промысловой и заводской подготовки и переработки газоконденсата и нефти, в том числе деэтанизацию, стабилизацию и фракционирование по топливному варианту, газофракционирование, установки сжижения природного газа, выделения и очистки гелия.
Система моделирования “Комфорт” – это инструмент для поверочных и проектных расчетов материально-тепловых балансов различных химических производств. “Комфорт” состоит из управляющей программы и модулей расчета аппаратов. Управляющая программа с конкретным набором технологических модулей образует предметно-ориентированную моделирующую программу, позволяющую выполнять расчеты для конкретного класса химико-технологических схем. Программа имеет средства для расчета всех основных процессов фракционирования для газопереработки.
* Программные комплексы в таблице имеют различные формы лицензирования: локальные, сетевые и бесплатные. Локальная лицензия предусматривает установку программы на конкретный компьютер, авторизуется и работает только на нем. Сетевая лицензия предназначена на установку продукта на несколько компьютеров, но при этом количество одновременных пользователей не должно превышать количество купленных лицензий. Бесплатная лицензия распространяется для «ознакомления» с возможностями ПО, которые имеют временные или функциональные ограничения.
Характеристики программных комплексов
На российском и зарубежном рынке немало средств имитационного моделирования ХТП с различным функционалом и назначением. Для оценки потенциала программного продукта было выделено несколько ключевых характеристик. Сразу стали очевидны ограничения возможностей ПО: небольшой функционал интерактивных отладчиков, небольшое количество типовых моделей, отсутствие структурного моделирования, большая погрешность при расчетах и другие.
Эти ограничения требуют от пользователя ПО специальных знаний в области математического описания процессов и в программировании.
Невозможность моделирования в реальном времени и невозможность оптимизации ПО с учетом различных факторов – это серьезный сдерживающий момент для применения его в системах автоматического управления сложными и быстро протекающими процессами.
Малоперспективны те программные продукты, которые не дают точную и оперативную информацию, что особенно важно в условиях жесткой конкуренции по цене/качеству/количеству, энергозатратам и эффективности работы производственного оборудования.
Системные требования
Каждый из представленных программных продуктов предполагает минимальные системные требования для его полноценной работы – наличие ОС Microsoft и лицензии.
Событие
-
Моделируемое событие: Реальное, или проектируемое событие. Пример:
- Для операции: технологическое ожидание в рамках операции по покраске корпуса машины, закончилось в 09-20.
- Для процесса: событие заявка оформлена, произошедшее в 09-30, произошло в рамках процесса «прием заявки».
- Для операции: множество всех событий, знаменующих собой начала операций по оформлению заявок.
- Для процесса: множество всех событий, которые привели к стартам процессов приема заявок.
- классе моделируемых событий, например, закон распределения момента возникновения стартового события есть параметр класса,
- объектах класса моделируемых событий, например название события.
Примеры определений:
Ведущие системы для моделирования ХТП
В рамках построения системы автоматического управления теплоснабжением предприятия (одного из его сложных процессов) специалистам нашей компании “Первый инженер” потребовалось исследовать технологический процесс: проанализировать переходные процессы и выявить критические технологические участки, а также проанализировать возможности применения программного продукта в системе управления (для выработки оптимальных режимов работы системы теплоснабжения в автоматическом режиме). Так мне и пришлось изучать рынок в поиске готового программного инструмента. Результатами анализа ПО делюсь с вами. Ниже будет много таблиц.
При подготовке статьи для Хабра я пытался связаться со всеми производителями указанного ПО и уточнить данные, ведь за прошедшее время они могли усовершенствовать свои продукты. Но ответ пришел только от GIBBS. Поэтому буду рад вашим уточнениям в комментариях.
Модули в составе программного комплекса
В состав программных продуктов входят готовые модули, описывающие технологические аппараты, физико-химические свойства компонентов, позволяющие упростить построение технических решений технологического процесса для их расчетов.
Если число модулей ограничено, ПО не позволит моделировать сложные технические решения, поскольку это требует постоянного совершенствования программ.
Заключение
Спасибо за внимание. Я искренне надеюсь, что мой опыт будет полезен тем, кто желает различать приведенные выше объекты. Проблема современного состояния отрасли такова, что сущности, именованные одним термином, перестают различаться в сознании аналитиков. Я постарался дать вам пример, как можно мыслить, и как можно вводить термины, чтобы различать разные сущности. Надеюсь, чтение было интересным.
Вопрос целесообразности использования имитационного моделирования рассматривалось на протяжении многих лет многими исследователями – от Ф. Мартина до В. Келтона и др. Проанализировав ряд трудов, можно сделать такие выводы:
1. Имитационное моделирование даёт возможность исследовать внутренние взаимодействия в сложных системах или подсистемах в границах сложной системы, а также экспериментировать с ними.
2. Моделируя информационные, организационные влияния и влияния внешней среды, можно оценить эффекты этих влияний на поведение (функционирование) системы.
3. На основе знаний, полученных во время проектирования имитационной модели, можно определить способы усовершенствования системы, которая моделируется.
4. Изменяя входные данные во время моделирования, и наблюдая за выходными данными, можно выявить, какие переменные наиболее важны и как они взаимодействуют.
5. Имитационное моделирование можно использовать как метод для улучшения решений, полученных во время аналитического анализа, а также для проверки аналитических решений.
6. Имитационное моделирование можно использовать для проведения экспериментов с новыми проектами или стратегиями их внедрения, чтобы загодя спрогнозировать результаты.
7. Имитационное моделирование можно использовать для определения требований, которым должен соответствовать устройство или система.
8. Имитационные модели можно использовать для обучения операторов сложных технологических процессов без лишних затрат на приобретение оборудования, которое может выйти из строя, предотвращая несчастные случаи.
9. Для имитационного моделирования можно использовать средства анимации, которые дают возможность наблюдать за операциями, которые моделируются.
10. Современное производство настолько сложное, что взаимосвязи в нём можно интерпретировать только путём проведения имитационного моделирования.
Анализируя работы Р. Шенона и Дж. Банкса, можно определить ситуации, когда проводить имитационное моделирование не стоит, а именно:
- проблему можно решить путём логического анализа ситуации;
- проблему можно решить аналитическими методами, например, с помощью теории СМО;
- результаты можно получить путём проведения прямых экспериментов с объектом без вмешательства в технологический процесс, например, с помощью хронометража на рабочих местах;
- для разработки имитационного проекта за определенный срок нет достаточного количества ресурсов;
- нет возможности получить необходимые входные данные;
- поведение (режимы функционирования) моделируемой системы очень сложное или неопределенное.
Методы проектирования имитационных моделей
Прежде, чем начать проектирование имитационной модели, необходимо выбрать средства программирования. Однако существуют общие методы построения программных реализаций имитационных моделей, которые не зависят от выбранных программных средств.
Вариантный метод
При проектировании имитационной модели вариантный метод является наипростейшим и широко применимым. Он предусматривает выполнение итерационной процедуры, во время которой проектировщик корректирует уже разработанные части имитационной модели, пока не будет уверенным, что модель соответствует целям моделирования, или не откажется от неё.
Это так называемая последовательная схема проектирования, согласно с которой выбор варианта имитационной модели является субъективным и зависит от уровня знаний проектировщика о системе.
Итерационный метод
Суть этого метода заключается в том, что спроектированная модель путём многих итераций превращается в такую модель, которая соответствует целям моделирования. Этот метод предусматривает последовательные циклические изменения, в результате чего получают модель, которая удовлетворяет требованиям точности и адекватности. Циклический итерационный метод проектирования требует рассмотрение последовательности процедур принятия решений в процессе проектирования. Кроме того, весь ход проектирования и остаточный результат в значительной мере зависит от выбора начальной имитационной модели.
Методы внесения изменений в модель базируются на принципе направленного исследования. Для его применения можно построить в пространстве параметров имитационной модели гиперповерхность её показателей точности и оптимизировать или хотя бы улучшить эти показатели. Сама ж процедура внесения изменений в вариант модели обычно требует проверки гипотез, которые формулируют с учетом результатов проектирования предыдущих моделей.
Если результаты сравнения модели и реальной системы неудовлетворительны, то прежде чем вносить изменения в модель, необходимо сформулировать ряд гипотез, с помощью которых можно определить причину несоответствия. Гипотезы целесообразно формулировать для нескольких уровней представления имитационной модели:
♦ параметров и входных данных.
Поиск причин несоответствия нужно начинать на уровне входных данных, для чего оценивают чувствительность модели к их изменениям. Если выявилось, что незначительное изменение входных данных влечет значительное изменение выходных, то необходимо уточнить входные данные для модели и (или) локализировать блоки модели, на которые наиболее влияют эти входные данные. Выявление причин такой сильной зависимости может потребовать изменение структуры имитационной модели путём замены отдельных блоков модели на более детализированные, что, в свою очередь, повлечет изменение внутренних параметров модели и алгоритмов функционирования.
Параметрическая настройка имитационной модели требует поиска оптимальных параметров, при которых степень несоответствия между моделью и системой будет минимальной. Это типовое задание оптимизации параметров модели.
Алгоритмы поведения модели могут изменяться локально, для отдельных блоков модели, или для модели в целом. Такие изменения требуют более детального изучения поведения моделируемой системы и могут изменить уровень детализации в модели.
Изменить структуру модели сложнее, чем наладить параметры модели, т.к. это может привести к изменению алгоритмов поведения, параметров и входных данных модели. Такую перестройку модели можно начинать только тогда, когда все другие возможности вычерпаны. Перестройка структуры модели может привести к глобальным изменениям имитационной модели и её замене новой. Поэтому прежде чем изменять структуру модели, необходимо проверить все гипотезы касательно затрат, которые необходимы для изменения модели. Начинать проверку следует с гипотезы, которая требует минимальных затрат, а следовательно, и минимальных изменений имитационной модели.
Иерархические методы
Независимо от того, какой метод используется – вариантный или итерационный существуют два принципиально отличных подхода к проектированию имитационных моделей. Согласно первому подходу проектирование происходит по схеме сверху вниз (так называемое иерархическое или нисходящее проектирование), согласно другому – снизу вверх (восходящее проектирование).
Нисходящеепроектирование
В основе методов нисходящего проектирования имитационных моделей лежит принцип последовательной детализации, рекомбинации. Он заключается в поступательном уточнении абстрактного описания системы, в процессе которого на каждом этапе построения модели задаётся определенный уровень детализации отображения системы. Во время перехода от одного уровня детализации к другому нужно обязательно проверять, удовлетворяет ли модель функциональным требованиям.
На первом этапе проектирования строится общая одноуровневая имитационная модель системы, с помощью которой оцениваются лишь основные показатели её работы. На следующем этапе некоторые блоки модели описывают более детально. Во время перехода от высшего уровня описания каждого из блоков модели к низшему уровню можно достичь большей точности и адекватности модели системы в целом. Данный подход позволяет на каждом этапе проектирования сравнивать разные варианты модели и оценивать влияние результатов декомпозиции на выходные параметры системы.
В процессе построения имитационной модели во время перехода от одного уровня описания к другому следует придерживаться одного из главных принципов декомпозиции иерархических систем, который заключается в необходимости уплотнения информации и уменьшении продолжительности работы блоков модели в случае перехода от одного уровня детализации к другому. Согласно этому принципу объём информации, которая передаётся с уровня более детализированного описания модели, на уровень менее детализированного описания, должен быть меньшим. Кроме того, время работы блока на уровне с большей детализацией должно быть меньшим, чем время работы блока на уровне с меньшей детализацией.
Во время перехода от одного уровня детализации к другому нужно обязательно проверять, удовлетворяет ли модель функциональным требованиям, которые связаны с принципами проектирования иерархических систем. Необходимо провести анализ каждой функции модели и убедиться в том, что она нашла своё отображение в формальном описании системы. Анализ функций модели проводится с учетом целей моделирования и требует детального описания работы всех её элементов на каждом уровне детализации.
Современное общество, несомненно, хочет получить всё и сразу. Зачастую так не бывает. Например, руководители различных компаний хотят выйти на первые места на рынке. Для этого необходимо наладить производство, отрегулировать до нужного состояния отдел кадров и их работу, принимать быстрые и правильные решения, следить за всеми изменениями на рынке и соответствовать им. Порой это бывает сделать очень тяжело. Чтобы отладить свою работу, компании тратили много времени на реальные эксперименты, на оценку того или иного решения (и не всегда после одно из них компания могла продолжать своё существование). Поэтому со временем люди пришли к решению подобных проблем с научной точки зрения: они научились моделировать процессы работы той или иной системы. В своей работе мне хотелось бы рассказать о плюсах и минусах имитационного моделирования в экономических исследованиях.
Моделирование – метод решения задач, при котором исследуемая система заменяется более простым объектом, который в свою очередь описывает реальную модель и называется моделью.
Бывают случаи, когда недопустимо или бессмысленно проводить эксперимент над реальной моделью в силу хрупкости, или дороговизны создания прототипа, или долгого времени проведения эксперимента. Именно в таких ситуациях применяется моделирование.
Для предоставления максимальной гибкости моделирования существует имитационное моделирование. Однако сам процесс разработки таких моделей может занять много времени, и их труднее модифицировать и использовать.
Имитационная модель – это компьютерная программа, описывающая конструкцию и воссоздающая поведение реальной системы на протяжении какого-то времени. Она даёт возможность получить детальную Имитационная модель позволяет получать подробную статистику о разных сторонах работы системы, что обусловлено различными входными данными.
Применение имитационных моделей дает множество преимуществ:
Стоимость. Например, сокращение числа рабочих мест в некой организации может привести к снижению качества обслуживания, а затем и к потере клиентов. Чтобы принять верное решение в подобной ситуации можно применить имитационное моделирование, что позволило бы спрогнозировать результаты каких-либо действий в компании. При этом затратами будут являться только стоимости программного обеспечения и некоторых специальных услуг.
Время. В реальном времени эффективность использования какого-либо оборудования или открытие, например, каких-нибудь новых дочерних предприятий может занять очень много времени (месяцы, годы). Имитационная модель же способна вывести наиболее вероятный исход таких действий за несколько минут (возможно, часов).
Повторяемость. В настоящее время организации различных типов должны очень быстро реагировать на всяческие, даже незначительные изменения на рынке. От этого может зависеть их дальнейшее развитие, а может даже и существование в принципе. Например, спрос на какую-либо продукцию. Организация может вложить слишком много средств в продукт, который затем никто не будет покупать. Это может привести к разорению фирмы. Имитационная модель, несомненно, может помочь избежать этого путём проведения огромного количества экспериментов с различными параметрами, чтобы выяснить, что лучше сделать, чтобы избежать неблагоприятных моментов и принять верное решение.
Точность. Имитационное моделирование даёт возможность изобразить конструкцию системы и её процессы в непосредственном виде, избегая применения форму и математических зависимостей.
Наглядность. Она способна визуализировать процессы работы системы, схематично изобразить её структуру и преподнести в графическом виде результаты. С помощью таких возможностей гораздо проще показать полученный вариант решения какой-нибудь задачи и разъяснить его клиенту или коллегам.
Как и всё на земле, имитационное моделирование имеет ряд недостатков:
Даже если не обращать внимания на то, что на создание имитационной модели может потребоваться много времени и сил, никто не может гарантировать, что полученная модель даст ответы на все вопросы.
Не существует никакого метода для доказательства того, что модель работает точно так же как и реальная модель. Моделирование, можно сказать, основано на многократных повторениях последовательностей, которые в свою очередь основаны на генерации случайных чисел, воссоздающих наступление разных ситуаций. Стабильно работающая система при соединении неудачных событий может выйти из-под контроля.
Создание моделей может занять от часа до нескольких лет: всё зависит от того, какую систему мы хотим промоделировать.
Моделирование не может с такой точностью как математический анализ воссоздать систему, так как оно основано на генерации случайных чисел. Если есть возможность представить систему с помощью математической модели, то лучше сделать так.
Сложная модель может потребовать много компьютерного времени для проведения «прогонов».
Недостатком имитационного моделирования до сих пор является то, что нет каких-то определённых стандартов. Поэтому может получиться так, что если одну и ту же реальную модель воссоздают разные аналитики, то результатом могут оказаться абсолютно разные модели.
Эксперимент vs имитация
Работа с имитационной моделью помогает, во-первых, более полно изучить объекты, чем во время реального эксперимента (на практике мы в принципе не сможем создать все ситуации, чтобы исследовать свойства и поведение объекта).
А во-вторых, имитационное моделирование даёт возможность более эффективно выполнить исследование, проектирование и оптимизацию технологического процесса: поскольку работа с моделью учитывает влияние множества различных параметров на химико-технологический процесс (ХТП), технолог сможет найти те качественные и количественные характеристики, которые сэкономят время и деньги на изменение ХТП, а также снизят вероятность ошибок.
Например, в топливной промышленности программные продукты для имитационного моделирования используют для переработки тяжелой сернистой нефти, нефтеподготовки. Применение в фармацевтической промышленности предназначено для моделирования реакционных и периодических дистилляций углеводородов.
Процесс
- Моделируемый процесс: Последовательность моделируемых операций. Описание этой последовательности удобно представить в виде диаграммы Ганта. Описание содержит события. Например, события: «старт процесса» и «завершение процесса».
- Имитирующий процесс: Объект, созданный для имитации моделируемого процесса. Этот объект создается в памяти компьютера в ходе выполнения имитации.
- Класс моделируемых процессов: Множество моделируемых процессов, объединенных по какому-либо признаку. Самым распространенным объединением является объединение процессов, имеющих общую модель. В качестве модели может быть использована диаграмма процессов, выполненная в любой нотации моделирования: Процесс, Процедура, EPC, BPMN.
- Класс имитирующих процессов: Множество имитирующих процессов, созданных в рамках имитации, для имитации активности.
- Процесс (как объект в справочнике): Объект справочника «Процессы.
- Процесс (диаграмма процессов): Модель процессов одного класса, выполненная в виде диаграммы. На основе этой модели создаются имитирующие процессы.
Операция
-
Моделируемая операция: Реальная или проектируемая операция. Описание ее может содержать следующие атрибуты:
- участвующие в операции объекты и субъекты,
- события, возникающие в процессе выполнения операции.
- участвовали в операции: доска, молоток, гвоздь, исполнитель — Хруничев Геннадий Петрович
- события: начало операции в 9-00, окончание — в 9-01.
- начало операции,
- завершение операции,
- завершение времени технологического ожидания,
- постановка операции в очередь к ресурсам,
- прерывание выполнения операции,
- возобновление выполнения операции,
- действие с переменной и тд.
- классе моделируемых операций. Например, закон распределения времени выполнения операции моделируемого класса есть параметр класса.
- любой моделируемой операции класса. Например, нормативно-правовой акт, в соответствии с которым выполняется каждая моделируемая операция.
Интерфейс программных комплексов
Ключевая особенность любого программного обеспечения – удобный графический интерфейс, который уменьшает трудозатраты на выполнение определенных функций и предоставляет результат в интуитивно понятном для пользователя виде. Наличие в программе таких возможностей, как графическое построение, интерактивный отладчик, документирование, позволяет сократить время на разработку схем.
Проведенный анализ позволил выявить лидеров в рамках поставленной задачи: в этих продуктах совмещены функции моделирования технологического процесса и оптимизация протекания процессов в режиме реального времени.
Поставленная задача пока решена не полностью. Программный продукт позволил найти некоторые оптимальные условия для текущих процессов и определить основные критические участки в технологическом процессе. Чтобы более глубоко исследовать протекание технологических процессов в системе теплоснабжения, нужно разработать математическое описание процессов в отдельных участках технологического решения, а также найти возможность для интеграции программного продукта в систему автоматического управления.
Какое бы решение вы ни выбрали, исходя из своих задач и возможностей, в заключение отмечу: любое ПО призвано минимизировать финансовые и временные затраты на построение ХТП, но ни один программный инструмент не даст гарантированных результатов без специалистов, обладающих знаниями в области технологии, математики, физики и химии.
При создании методики по имитационному моделированию мне понадобилось разобраться с терминами. Проблема была в том, что общепринятые термины не годились для описания статистических данных, собранных в процессе имитации. Термины: процесс и экземпляры процесса были неприемлемы, потому что я не мог работать в парадигме Аристотеля. Парадигма Аристотеля не стыкуется с примененным мной матаппаратом. При этом практическое применение данной методики было простое – моделирование и имитация бизнес-объектов с целью принятия управленческих решений. В программе создавался виртуальный объект, описание которого состояло из описания сценариев и их взаимодействия. Сценарии прогонялись внутри программы, а также моделировались ресурсы и их взаимодействия.
Напомню, что:
Имитационное моделирование — метод исследования объектов, основанный на том, что изучаемый объект заменяется имитирующим объектом. С имитирующим объектом проводят эксперименты (не прибегая к экспериментам на реальном объекте) и в результате получают информацию об изучаемом объекте. Имитирующий объект при этом являет из себя информационный объект.
Цель имитационного моделирования — получение приближенных знаний о некотором параметре объекта, не производя непосредственное измерение его значений. Понятно, что это необходимо тогда и только тогда, когда измерение невозможно, или оно стоит дороже проведения имитации. При этом для изучения этого параметра мы можем пользоваться другими известными параметрами объекта и моделью его конструкции. Допуская, что модель конструкции достаточно точно описывает объект, предполагается, что полученные в ходе имитации статистические распределения значений параметра моделирующего объекта будут в той или иной степени совпадать с распределением значений параметра реального объекта.
Понятно, что матаппарат, который был применен, — это статистическая математика. Понятно, что матстатистика не использует термины экземпляры и типы. Она работает с объектами и множествами. В итоге для написания методики я был вынужден был использовать логическую парадигму на основе которой создан стандарт ИСО 15926. Основой его является наличие объектов, классов и классов классов.
Я хочу поделиться некоторыми определениями, которые мне пришлось ввести для объяснения механизмов моделирования и анализа результатов имитации. Этих примеров будет достаточно, чтобы понять, с чем я имел дело, когда строил модель предметной области.
Читайте также: