Моделирование в логистике

Моделирование основывается на подобии систем или про­цессов, которое может быть полным или частичным. Основная цель моделирования - прогноз поведения процесса или системы. Ключевой вопрос моделирования — "ЧТО БУДЕТ, ЕСЛИ...?"
Существенной характеристикой любой модели является степень полноты подобия модели моделируемому объекту. По этому признаку все модели можно подразделить на изоморфные и гомоморфные (рис. 21).
Изоморфные модели — это модели, включающие все харак­теристики объекта-оригинала, способные, по существу, заменить его. Если создать и наблюдать изоморфную модель, то наши знания о реальном объекте будут точными. В этом случае мы сможем точно предсказать поведение объекта.
Гомоморфные модели. В их основе лежит неполное, частичное подобиемодели изучаемому объекту. При этом некоторые стороны функционирования реального объекта не моделируются совсем. В результате упрощаются построение модели и интерпретация результатов исследования. При моделировании логистических систем абсолютное подобие не имеет места. По­этому в дальнейшем мы будем рассматривать лишь гомоморф­ные модели, не забывая, однако, что степень подобия у них может быть различной.



Рис.21. Классификация моделей логистических систем
Следующим признаком классификации является матери­альность модели. В соответствии с этим признаком выделяют материальные и абстрактные модели.
Материальные модели воспроизводят основные геометри­ческие физические, динамические и функциональные характе­ристики изучаемого явления или объекта. К этой категории от­носятся в частности, уменьшенные макеты производственных предприятий или предприятий оптовой торговли, позволяющие решать вопросы оптимального размещения оборудования и ор­ганизации грузовых потоков.
Абстрактное моделирование часто является единствен­ным способом моделирования в логистике. Его подразделяют на символическое и математическое.
К символическим моделям относят языковые и знаковые.
Языковые модели — это словесные модели, в основе которых лежит набор слов (словарь), очищенных от неоднозначности. Этот словарь называется "тезаурус". В нем каждому слову может соот­ветствовать лишь единственное понятие, в то время как в обычном словаре одному слову могут соответствовать несколько понятии.
Знаковые модели. Если ввести условное обозначение отдель­ных понятий, т. е. знаки, а также договориться об операциях между этими знаками, то можно дать символическое описание объекта.
Математическим моделированием называется про­цесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математи­ческой моделью. В логистике широко применяются два вида ма­тематического моделирования: аналитическое и имитационное.
Аналитическое моделирование — это математический при­ем исследования логистических систем, позволяющий получать точные решения. Аналитическое моделирование осуществляет­ся в следующем порядке.
Первый этап. Формулируются математические законы, связывающие объекты системы. Эти законы записываются в виде некоторых функциональных соотношений (алгебраиче­ских, дифференциальных и т. п.).
Второй этап. Решение уравнений, получение теоретиче­ских результатов.
Третий этап. Сопоставление полученных теоретических результатов с практикой (проверка на адекватность).
Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, свя­зывающие искомые характеристики с начальными условиями, параметрами и переменными системами. Однако такие зависи­мости удается получить только для сравнительно простых си­стем. При усложнении систем исследование их аналитическими методами наталкивается на определенные трудности, что явля­ется существенным недостатком метода. В этом случае, чтобы использовать аналитический метод, необходимо существенно упростить первоначальную модель, чтобы иметь возможность изучить хотя бы общие свойства системы.
К достоинствам аналитического моделирования относят большую силу обобщения и многократность использования.
Другим видом математического моделирования является имитационное моделирование.
Как уже отмечалось, логистические системы функциони­руют в условиях неопределенности окружающей среды. При управлении материальными потоками должны учитываться факторы, многие из которых носят случайностный характер. В этих условиях создание аналитической модели, устанавливаю­щей четкие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком дорогим.
При имитационном моделировании закономерности, опре­деляющие характер количественных отношений внутри логи­стических процессов, остаются непознанными. В этом плане ло­гистический процесс остается для экспериментатора "черным ящиком".
Процесс работы с имитационной моделью в первом прибли­жении можно сравнить с настройкой телевизора рядовым теле­зрителем, не имеющим представления о принципах работы этого аппарата. Телезритель просто вращает разные ручки, доби­ваясь четкого изображения, не имея при этом представления о том, что происходит внутри "черного ящика".
Точно так же экспериментатор "вращает ручки" имитаци­онной модели, меняя при этом условия протекания процесса и наблюдая получаемый результат. Определение условий, при которых результат удовлетворяет требованиям, является целью работы с имитационной моделью.
Имитационное моделирование включает в себя два основных процесса: первый — конструирование модели реальной системы, второй — постановка экспериментов на этой модели. При этом могут преследоваться следующие цели: а) понять поведение логи­стической системы; б) выбрать стратегию, обеспечивающую наи­более эффективное функционирование логистической системы.
Имитационное моделирование осуществляется с помощью компьютеров. Условия, при которых рекомендуется применять имитационное моделирование, приведены в работе Р. Шеннона "Имитационное моделирование систем — наука и искусство". Перечислим основные из них.
1. Не существует законченной математической постановки данной задачи, либо еще не разработаны аналитические методы решения сформулированной математической модели.
2.Аналитические модели имеются, но процедуры столь сложны и трудоемки, что имитационное моделирование дает более простой способ решения задачи.
3. Аналитические решения существуют, но их реализация невозможна вследствие недостаточной математической подго­товки имеющегося персонала.
Таким образом, основным достоинством имитационного мо­делирования является то, что этим методом можно решать более сложные задачи. Имитационные модели позволяют достаточно просто учитывать случайные воздействия и другие факторы, которые создают трудности при аналитическом исследовании.
При имитационном моделировании воспроизводится про­цесс функционирования системы во времени. Причем ими­тируются элементарные явления, составляющие процесс с сохранением их логической структуры и последовательности протекания во времени. Модели не решают, а осуществляют прогон программы с заданными параметрами, меняя параметры, Осуществляя прогон за прогоном.
Имитационное моделирование имеет ряд существенных недостатков, которые также необходимо учитывать.
1. Исследования с помощью этого метода обходятся дорого.
Причины:
• для построения модели и экспериментирования на ней необходим высококвалифицированный специалист-программист;
• необходимо большое количество вычислительных ресур­сов, поскольку метод основывается на статистических испыта­ниях и требует многочисленных прогонов программ;
• модели разрабатываются для конкретных условий и, как правило, не тиражируются.
2. Велика вероятность ложной имитации. Процессы в логистических системах носят вероятностный характер и под­даются моделированию только при введении определенного рода допущений. Например, разрабатывая имитационную модель товароснабжения района и принимая среднюю скорость дви­жения автомобиля на маршруте, равную 25 км/ч, мы исходим из допущения, что дорожные условия хорошие. В действитель­ности погода может испортиться и, в результате наступившего гололеда, скорость на маршруте упадет до 15 км/ч. Реальный процесс пойдет иначе.
Описание достоинств и недостатков имитационного модели­рования можно завершить словами Р. Шеннона: "Разработка и применение имитационных моделей в большей степени искус­ство, чем наука. Следовательно, успех или неудача в большей степени зависит не от метода, а от того, как он применяется"[17].