Проверять достоверность концептуальной модели достаточно сложно, так как процесс ее построения является эвристическим и такая модель описывается в абстрактных терминах и понятиях.

       Результат моделирования в значительной степени  зависит от адекватности исходной концептуальной модели, от полученной степени подобия  описания реального объекта, числа  реализаций модели и многих других факторов.

       В ряде случаев сложность объекта  позволяет не только построить математическую модель объекта, но и дать достаточно близкое кибернетическое описание, и перспективным здесь является выделение наиболее трудно поддающейся математическому описанию части объекта и включение этой реальной части физического объекта в имитационную модель. Тогда модель реализуется, с одной стороны, на базе средств вычислительной техники, а с другой — имеется реальная часть объекта. Это значительно расширяет возможности и повышает достоверность результатов моделирования.

     1.4 Получение структурной модели

     1.4.1 Формирование структуры системы

       При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы.

       Основным  преимуществом имитационного моделирования по сравнению с аналитическим, является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия, которые часто создают трудности при аналитических исследованиях.

       После перехода от описания моделируемой системы к ее модели построенной по блочному принципу, необходимо построить математические модели процессов. Математическая модель представляет собой совокупность соотношений, определяющих характеристики процесса функционирования системы в зависимости от структуры системы, алгоритмов поведения, параметров системы, воздействий внешней среды, начальных условий и времени. Математическая модель является результатом формализации процесса функционирования исследуемой системы, т. е. построения математического описания процесса с необходимой в рамках проводимого исследования степенью приближения к действительности.

       На  этой стадии получения структурной  модели сущность формализации процессов будет состоять в составлении схемы массового обслуживания (Q-схемы), которая достаточно точно описывают основные особенности реальных явлений, составляющих процессы, с точки зрения решаемых прикладных задач.

     1.4.2 Построение модели

       В соответствии с концептуальной моделью, используя символику Q-схем, структурная  схема модели может быть представлена в виде, показанном на рисунке 1.2, где  И – источник; Н1, Н2 – накопители; К – канал. При этом источник И имитирует процесс поступления деталей в цех. Накопитель Н1 имитирует заполнение деталями цехового склада, а накопитель Н2 – заполнение деталями центрального склада. Канал К имитирует процесс поступления деталей для работы цеха. Клапаны 1...4 с соответствующими управляющими связями посредством блокировок входов и выходов накопителей отражают управление заполнением и использованием деталей на центральном и цеховом складах. 

       

       Рисунок 1.2 - Q – схема моделируемой системы 

       Принцип работы данной Q-схемы следующий. Клапан 1 на входе накопителя Н2 открыт, если накопитель Н2 имеет больше 3 комплектов деталей, в противном случае он закрыт. Клапан 2 открыт, если клапан 1 на входе накопителя Н2 закрыт, в противном случае он закрыт. Клапан 3 на выходе накопителя Н1 открыт, если в накопителе Н1 есть заявки, в противном случае он закрыт. Клапан 4 открыт. Детали, прошедшие через канал К, считаются обслуженными.

     1.4.3 Оценка качества модели

       Метод имитационного моделирования позволяет  решать задачи анализа больших систем, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы.

       Имитационное  моделирование на ЭВМ, как и любой  метод исследований, имеет достоинства и недостатки. К числу основных достоинств метода имитационного моделирования при исследовании сложных систем можно отнести следующие: машинный эксперимент с имитационной моделью дает возможность исследовать особенности процесса функционирования системы в любых условиях; применение ЭВМ в имитационном эксперименте существенно сокращает продолжительность испытаний по сравнению с натурным экспериментом; имитационная модель позволяет включать результаты натурных испытаний реальной системы или ее частей для проведения дальнейших исследований; имитационная модель обладает известной гибкостью варьирования структуры, алгоритмов и параметров моделируемой системы; имитационное моделирование сложных систем часто является единственным практически реализуемым методом исследования процесса функционирования таких систем на этапе их проектирования.

       Основным  недостатком, проявляющимся при  машинной реализации метода имитационного моделирования, является то, что решение, полученное при анализе имитационной модели, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгоритмам поведения и значениям параметров системы, начальных условий и воздействий внешней среды.

       Поэтому для полного анализа характеристик  процесса функционирования систем, а не получения только отдельной точки приходится многократно воспроизводить имитационный эксперимент, варьируя исходные данные задачи. При этом, как следствие, возникает увеличение затрат машинного времени на проведение эксперимента с имитационной моделью процесса функционирования исследуемой системы.

       Проверка  достоверности модели системы является первой из проверок, выполняемых на этапе реализации модели. Так как модель представляет собой приближенное описание процесса функционирования реальной системы, то до тех пор, пока не доказана достоверность модели, нельзя утверждать, что с ее помощью будут получены результаты, совпадающие с теми, которые могли бы быть получены при проведении натурного эксперимента с реальной системой. Поэтому определение достоверности модели можно считать наиболее важной проблемой при моделировании систем. От решения этой проблемы зависит степень доверия к результатам, полученным методом моделирования.

     1.5 Разработка алгоритма моделирования

       На этапе алгоритмизации модели и ее машинной реализации — математическая модель, сформированная воплощается в конкретную машинную модель. Этот этап представляет собой этап практической деятельности, направленной на реализацию идей и математических схем в виде машинной модели процесса функционирования системы.

       Выбираем  для построения обобщенного алгоритма  «принцип dZ», поскольку этот принцип построения является наиболее простым для данной системы из-за того, что позволяет рассматривать состояния элементов системы только в моменты особых событий. Этот метод также обеспечивает экономию машинного времени относительно «принципа Dt».

       Выбираем  синхронный моделирующий алгоритм и  принимаем за особые события поступление  в систему заявок. В соответствии с выбранным принципом составим обобщенный алгоритм, показанный на рисунке 1.3.

   

     

   

   

   

   

   

   

     

   

   

   

     

   

     

   

   

       Рисунок 1.3 – Обобщенная схема моделирующего алгоритма

 

     2 Исследование модели  системы

     2.1 Программная реализация модели

     Успех или неудача проведения имитационных экспериментов с моделями сложных систем существенным образом зависит от инструментальных средств, используемых для моделирования, т. е. набора аппаратно-программных средств, представляемых пользователю-разработчику или пользователю-исследователю машинной модели.

       Использование современных ЭВМ и вычислительных комплексов и сетей является мощным средством реализации имитационных моделей и исследования с их помощью характеристик процесса функционирования систем. В ряде случаев в зависимости от сложности объекта моделирования, т. е. системы, рационально использование персональных компьютеров. В любом случае эффективность исследования системы на программно-реализуемой модели прежде всего зависит от правильности схемы моделирующего алгоритма, совершенства программы и только косвенным образом зависит от технических характеристик ЭВМ, применяемой для моделирования. Большое значение при реализации модели на ЭВМ имеет вопрос правильного выбора языка моделирования.

     2.2 Определение конфигурации технических  средств

       Разработанный моделирующий алгоритм можно реализовать с помощью разных языков программирования, например, C++, Pascal, Delphi, MathCad.

       Средой  разработки для решения поставленной задачи был выбран пакет MathCad 2000 от компании MathSoft Inc. Выбор данного пакета основан  на большом количестве его достоинств, среди которых можно отметить следующие:

• все вычисления ведутся в традиционных математических нотациях;
• имеет большое количество встроенных функций;
• все расчеты проводятся в режиме реального времени и не требуют от пользователя никаких дополнительных команд.

       Реализацией разработанного моделирующего алгоритма  проведения одной имитации является написанная в среде MathCad функция  One, которая моделирует процесс работы цеха в течение 400 часов. Результатом вызова данной функции является определение вероятности простоя цеха из-за отсутствия деталей и загрузку цехового склада.

       Реализацией разработанного моделирующего алгоритма  проведения  k имитаций является написанная в среде MathCad функция IMIT, которая моделирует процесс обработки средней загрузки цехового склада 400 ч. k раз. Результатом вызова данной функции является среднее значение загрузки цехового склада и среднее время работы, при котором вероятность простоя цеха будет равна нулю.

       Листинг функций  One и IMIT приведен в приложении А.

     2.3 Исследование модели

     2.3.1 Проведение вычислительного эксперимента

       При написании функций One и IMIT были приняты следующие переменные:

       TIME – время работы

       DET – количество комплектов деталей

       ZAV – заявка на центральный склад

       KOM – комплектование деталей

       DOS – доставка деталей на цеховой склад

       PR – общее время простоя цеха из-за отсутствия деталей

       TIME_PR – время простоя

       SR_Z – загрузка цехового склада

       Входными  параметрами для функции One являются переменные TIME, DET, а выходными – переменные PR и SR_Z. Функция IMIT не имеет в явном виде входных параметров, однако, количество проводимых имитаций k задается в теле функции. Выходными параметрами функции IMIT являются переменные PR и SR_Z.

     2.3.2 Анализ и интерпретация результатов  моделирования

       Результат проведения одной имитации:

       

       Результат проведения 10 имитаций: