Разработка средств синтеза имитационных моделей и их применения для исследования сложных производств

• Автор: Бурцев, Виталий Дмитриевич
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Липецк
• Количество страниц: 168 с. : ил

СОДЕРЖАНИЕ
Введение
1. СОВРЕМЕННЫЕ МЕТОДЫ МОДЕЛИРОВАНИЯ И ПРОЕКТИРО 9 ВАНИЯ ИМИТАЦИОННЫХ МОДЕЛЕЙ СЛОЖНЫХ СИСТЕМ.

1.1. МОДЕЛИРОВАНИЕ СЛОЖТЫХ СИСТЕМ

1.1.1. Сложная система

1.1.2. Характеристика методов системного моделирования

1.1.3. Имитационное моделирование сложных систем

1.2. ПРОБЛЕМЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ПРОИЗ ВОДСТВЕННЫХ СИСТЕМ И ПРОЦЕССОВ

1.3. УПРАВЛЕНИЕ ИНФОРМАЦИЕЙ В СИСТЕМАХ МОДЕЛИРОВА

1.3.1. Информационная поддержка систем моделирования

1.3.2. Обзор информационных моделей и БД

1.3.3. Модели данных в системах моделирования
1.4. ПОСТАНОВКА ЗАДАЧ АВТОМАТИЗАЦИИ ИМИТАЦИОННОГО
МОДЕЛИРОВА ИЯ С ЛОЖ 1ЫХ ПРОИЗВОДСТВ
2. РАЗРАБОТКА ОБЩЕЙ КОНЦЕПЦИИ СИСТЕМЫ ИМИТАЦИОН НОГО МОДЕЛИРОВАНИЯ СЛОЖНЫХ ПРОИЗВОДСТВ СИМС1
2.1. ПРОИЗВОДСТВЕННЫЕ РОЦЕССЫ В СИМСП
2.1.1. Общие сведения
2.1.2. Представление производственных процессов в системе
2.2. РАЗРАБОТКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ МОДЕЛИРО ВАНИЯ И ПРОЕКТИРОВАНИЯ
2.2.1. Синтез базовых принципов моделирования и проектирования
2.2.2. Разработка программного инструментария СИМСП
2.3. ВЫВОДЫ
3. РАЗРАБОТКА М ЕТОЛОГИ И СТРУКТУРНОГО МОДЕЛИРОВАНИЯ ПРОИЗВОДСТВЕН БХ СИСТЕМ
3.1. ВОЗМОЖНОСТИ СТРУКТУРНОГО МОДЕЛИРОВАНИЯ
3.2. ОБЕСПЕЧЕНИЕ ИЕРАРХИИ ПРЕДСТАВЛЕНИЯ СЛОЖНЫХ ПРОИЗВОДСТВ
3.3. ФОРМАЛИЗАЦИЯ ОБЪЕКТОВ СТРУКТУРНОЙ МОДЕЛИ ПРО ИЗВОДСТВЕННОЙ СИСТЕМЫ
3.4. СТРУКТУРНАЯ МОДЕЛЬ ПРОИЗВОДСТВЕННОЙ СИСТЕМЫ
3.5. ВЫВОДЫ
4. ТЕХНОЛОГИЯ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ ПРО ИЗВОДСТВЕННЫХ СИСТЕМ
4.1. ТЕХНОЛОГИЯ МОДЕЛИРОВАНИЯ ПРОИЗВОДСТВЕННОЙ СИСТЕМЫ
4.1.1. Учет особенностей моделируемого технолог ического процесса
4.1.2. Введение характеристик моделируемого процесса
4.1.3. Технология моделирования производственных операций
4.1.4. Возможности моделирования отклонений в производственном 0 процессе
4.1.5. Моделирование производственной сети
4.2. РЕШЕНИЕ ЗАДАЧ ОПТИМИЗА ЩИ В СИМСП
4.3. ВЫВОДЫ
5. РАЗРАБОТКА ТЕХНОЛОГИИ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ 7 ВСИМСП
5.1. АНАЛИЗ СТРУКТУРЫ ДАННЫХ
5.2. ВЫБОР РАЦИОНАЛЬНОЙ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ДАН
5.2.1. Отображение объектов в реляционной базе данных
5.2.2. Проектирование среды хранения информации о классах объектов
5.2.3. Технология отображения объектов предметной области в базе дан 6 ных
5.3. ВЫВОДЫ
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СИСОК
ПРИЛОЖЕНИЯ
ВВЕДЕНИЕ
Актуальность


Широко признанным методом анализа, оптимизации и проектирования систем управления различными техническими, технологическими, социальными, экономическими, и другими процессами является имитационное моделирование (ИМ). Особенно возрастает роль имитационного подхода при выполнении исследовательских и проектных работ по созданию эффективных систем большой сложности, гибких автоматических комплексов, и ускорению поиска рациональных решений в различных областях науки и техники. По определению Р. Шеннона [], имитационное моделирование есть процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых некоторым критерием или совокупностью критериев) различные стратегии, обеспечивающие функционирование данной системы. По сравнению с другими методами ИМ позволяет рассматривать большее число альтернатив, улучшать качество управленческих решений и точнее прогнозировать их последствия. Оно дает возможность экспериментировать с системами, существующими и предполагаемыми, в тех случаях, когда делать это на реальном объекте по различным причинам (временные рамки, опасность необратимых изменений, стоимость и др. Процесс исследования организовывается по образу и подобию лабораторных испытаний, но в соответствии с любой, представляющей интерес программой. Отличительной особенностью таких испытаний является замена реального объекта его математической имитационной моделью и получение путем исследований с помощью программного плана эксперимента новых знаний об объекте [-]. Методология имитационного моделирования широко начала развиваться в составе теории системного анализа во второй половине XX столетия. За почти полувековую историю существования, огромный вклад в се развитие внесли такие западные ученые, как Дж. Клейнен и Р. Шеннон [,], а также отечественные представители этого направления Н. П. Бусленко, В. Н. Бусленко, В. В. Калашников, A. A. Вавилов и др. Как мощный инструмент исследования сложных систем, имитационное моделирование опирается и использует в своей основе различные теории и методологии построения моделей, алгоритмизации объектов, моделирования элементов системы и межэлементных отношений. Среди них можно выделить: конечные и вероятностные автоматы, системы массового обслуживания (CMU), агрегативные системы, планирование экспериментов, нейронные сети, методы анализа результатов моделирования, теорию вероятностей и математической статистики, математическое программирование, системы искусственного интеллекта, методы автоматизированной обработки данных, средства программирования реализаций имитаторов [1,4,8,-] и др. Популярность имитационного исследования значительно возросла в конце -х с появлением мощных ЭВМ третьего поколения, а также развитием высокоуровневых языков программирования и специальных языков моделирования. Эти новые возможности открыли путь к повсеместной реализации и широкому использованию машинных моделей в различных отраслях научной и практической деятельности. Сфера применения машинных ИМ настолько обширна, что даже выборочный обзор литературы не позволяет оценить ее масштабы. Машинное моделирование с успехом применено в решении различных задач на моделях турбоустановок тепловых и атомных электростанций, при исследовании различных процессов управления в экономике и бизнесе, в процессе образования, при исследовании и анализе информационных сетей передачи данных, моделировании технологических процессов [-] и т. Большинство создаваемых и функционирующих имитационных моделей характеризуются весьма трудоемким процессом разработки и прикладной практической направленностью. Применение их возможно лишь в конкретной узкой предметной области, а разработка требует огромной работы целого коллектива специалистов. ЭВМ. Каждое из этих направлений не лишено недостатков. В первом случае, как это уже было отмечено, разработка алгоритмов сопровождается длительным изучением объектов исследования и сводится к прикладной задаче моделирования конкретного процесса.