Содержание к диссертации
Введение
1. Состояние проблемы, цель и задачи исследований 6
1.1. Современное состояние проблемы управления запасами 6
1.2. Проблемы управления запасами в лесопромышленных холдингах ... 17
1.3 Современное состояние проблемы автоматизации технологических и управленческих процессов в лесопромышленном комплексе Свердловской области 22
1.,4 Цели и задачи исследования 33
2. Теоретические основы моделирования системы управления запасами лесопромышленного холдинга с учетом случайного спроса на продукцию 36
2.1. Разработка оптимизационной математической модели системы 36
2.2. Описание метода моделирования 45
3. Основные результаты вычислительного эксперимента 51
3.1. Общие задачи и методика выполнения вычислительных экспериментов 51
3.2. Обоснование основных параметров имитационной модели управления запасами 57
3.3. Исследование изменений целевой функции прибыли от основных входящих факторов 60
3.4 Методика эксперимента 65
Заключение и выводы по работе 72
Список использованных источников 77
Приложение 1 83
Приложение 2 115
- Современное состояние проблемы управления запасами
- Проблемы управления запасами в лесопромышленных холдингах
- Разработка оптимизационной математической модели системы
- Общие задачи и методика выполнения вычислительных экспериментов
Введение к работе
В настоящее время лесопромышленный комплекс Свердловской области представляет собой совокупность предприятий и организаций различных форм собственности. В состав ЛПК входят 4 отрасли промышленности: лесозаготовительная, деревообрабатывающая, целлюлозно-бумажная и лесохимическая. Имеющийся у Свердловской области потенциал для восстановления позиций на внутреннем и мировом лесных рынках значителен. Проведенная в лесопромышленном комплексе приватизация предприятий привела к разрушению административной системы управления и помимо положительных моментов в части расширения самостоятельности предприятий, повышения ответственности менеджеров, диверсификации производства, выявила ряд негативных последствий. В первую очередь, это нарушение сложившихся технологических, производственных и кооперационных связей между предприятиями, производителями и переработчиками древесного сырья. В России в настоящее время более 2000 лесопромышленных предприятий, причем свыше 70% из них убыточны1. Практика показывает, что рентабельными остаются те из них, которые входят в состав вертикально-интергрированных структур, имеющих возможность перераспределить прибыль внутри корпорации, авансировать лесозаготовку, закупать современную технику для лесосек и др.
К настоящему моменту в области сформировано несколько лесопромышленных групп. На уровне областной власти разработана долгосрочная программа развития комплекса, предполагающая объединение лесозаготовительных и перерабатывающих предприятий вокруг нескольких территориальных «уз-лов»[59]. Головные предприятия в результате образования интегрированной структуры обеспечат себя устойчивыми поставками древесного сырья по прогнозируемым ценам. Лесозаготовительные предприятия получат возможность иметь постоянный рынок сбыта. В то же время головные предприятия для получения сырья в требуемых объемах оказывают поддержку лесозаготовительным предприятиям.
В последнее время вопросами исследования организации лесопромышленных холдингов наряду с другими занимался к.т.н. Гершеев А.С. [21]. Он показал, что прибыль предприятия, входящего в вертикально-интегрированную структуру, больше прибыли самостоятельного аналогичного предприятия. А.С. Гершеевым разработана модель максимизации прибыли холдинга, в которой учитывается объем реализации и цены на каждый вид продукции.
При организации холдинга неизбежно встает вопрос о системе управления запасами.
В данной работе подтверждается эффективность функционирования холдингов с учетом фактора случайного спроса на продукцию. Именно учет случайного характера величины спроса позволяет определить достоверный и объективный уровень запасов для получения холдингом максимальной прибыли.
Основная цель диссертации - разработка методов математического моделирования организационно-технологической системы, позволяющих автоматизировать процесс управления запасами лесопромышленного холдинга с учетом случайного спроса на продукцию. Достижение цели методики эксперимента; апробация диссертационного исследования осуществляется путем решения следующих задач: изучение современного состояния проблемы управления запасами лесопромышленного холдинга с учетом случайного спроса на продукцию; разработка оптимизационной математической модели системы, выбор метода моделирования; разработка методов моделирования системы управления запасами с учетом случайного спроса на продукцию; обоснование основных параметров имитационной модели управления запасами; разработка программного обеспечения, реализующего разработан ную систему управления запасами лесопромышленного холдинга с учетом случайного спроса на продукцию; разработка модели в условиях вычислительного эксперимента; w - исследование параметров случайного спроса на действующих лес ных предприятиях.
- Положения, выносимые на защиту:
1. Концепция задачи оптимизации системы управления запасами лесопромышленного холдинга с учетом случайного спроса на продукцию.
2. Обоснование выбора метода моделирования.
3. Оптимизационная математическая модель системы управления запасами лесопромышленного холдинга с учетом случайного спроса на продукцию.
4. Система зависимостей значений целевой функции прибыли от ос новных влияющих факторов (Цена ресурсов, Цена реализации, Затраты на хранение, Издержки от неудовлетворенного спроса, Величина дисперсии спроса).
Современное состояние проблемы управления запасами
Одним из основных параметров, требующих изменения при преобразовании отдельных предприятий в вертикально-интегрированную структуру, является система управления запасами. Задача управления запасами возникает, когда необходимо создать запас материальных ресурсов или предметов потребления с целью удовлетворения спроса на заданном интервале времени. Для обеспечения непрерывного и эффективного функционирования практически любой организации необходимо создание запасов.
В любой задаче управления запасами требуется определять количество заказываемой продукции и сроки размещения заказа. Спрос можно удовлетворить путем однократного создания запаса на весь рассматриваемый период времени или посредством создания запаса для каждой единицы времени этого периода. Эти два случая соответствуют избыточному запасу (по отношению к единице времени) и недостаточному запасу (по отношению к полному периоду времени). При избыточном запасе требуются более высокие удельные (отнесенные к единице времени) капитальные вложения, но дефицит возникает реже и частота размещения заказов меньше. С другой стороны, при недостаточном запасе капитальные удельные вложения снижаются, но частота размещения заказов и риск дефицита возрастает. Для любого из указанных крайних случаев характерны значительные экономические потери. Таким образом, решения относительно размера заказа и момента его размещения могут основываться на минимизации соответствующей функции общих затрат, включающих затраты, обусловленные потерями от избыточного запаса и дефицита.
Решением данной проблемы занимались многие ученые как у нас в стране, так и за рубежом. Ими разработано большое количество моделей управления запасами и методов решения соответствующих задач, базирующихся на различном математическом аппарате: от простых схем дифференциального и интегрального исчисления до сложных алгоритмов динамического и других видов математического программирования. Объясняется это характером спроса, который может быть детерминированным (достоверно известным) или вероятностным (задаваемым плотностью вероятности). На рисунке 1.1.1 приведена одна из классификаций спроса, обычно принимаемая в моделях управления запасами. Детерминированный спрос может быть статическим, в том смысле, что интенсивность потребления остается неизменной во времени, или динамическим, когда спрос известен достоверно, но изменяется в зависимости от времени. Вероятностный спрос может быть стационарным, когда функция вероятности спроса неизменна во времени, и нестационарным, когда функция плотности вероятности спроса меняется во времени. В реальных условиях случай детерминированного статического спроса встречаются редко. Такой случай можно рассматривать как простейший. может быть описан посредством вероятностных нестационарных распределений. Однако с математической точки зрения модель значительно усложняется, особенно при увеличении рассматриваемого периода времени. Рисунок 1.1.1. иллюстрирует возрастание математиче ской сложности модели управления запасами при переходе от детерминированного статического спроса к вероятностному стационарному спросу. По существу, классификацию, представленную на рис. 1.1.1. можно считать представлением различных уровней абстракции описания спроса.
На первом уровне предполагается, что распределение вероятности спроса стационарно во времени. Это означает, что для описания спроса в течение всех исследуемых периодов времени используется одна и та же функция распределения вероятностей. При таком предположении влияние сезонных колебаний спроса в модели не учитывается. На втором уровне абстракции учитывается изменение спроса от одного периода к другому. Однако при этом функции распределения не меняются, а потребности в каждом периоде времени описываются средней величиной спроса. Это упрощение означает, что элемент риска в управлении запасами не учитывается. Однако оно позволяет исследовать сезонные колебания спроса, которые вследствие аналитических и вычислительных трудностей нельзя учесть в вероятностной модели. Другими словами, здесь возникает определенный компромисс: можно использовать, с одной стороны, стационарные распределения вероятностей, а с другой - переменную, но известную функцию спроса при допущении «определенности». На третьем уровне упрощения исключаются как элементы риска, так и изменения спроса. Тем самым спрос в течение любого периода предполагается равным среднему значению известного (по предположению) спроса по всем рассматриваемым периодам. В результате этого упрощения спрос можно оценить его постоянной интенсивностью.
Хотя характер спроса является одним из основных факторов при построении модели управления запасами, имеются другие факторы, влияющие на выбор типа модели. К их числу относятся [46]:
1. Запаздывание поставок или сроки выполнения заказов. После размещения заказов он может быть поставлен немедленно или потребуется некоторое время на его выполнение. Интервал времени между моментом размеще ния заказа и его поставкой называется запаздыванием поставки, или сроком выполнения заказа. Эта величина может быть детерминированной или случайной.
2. Пополнение запаса. Хотя система управления запасами может функционировать при запаздывании поставок, процесс пополнения запаса может осуществляться мгновенно или равномерно во времени. Мгновенное пополнение запаса может происходить при условии, когда заказы поступают от внешнего источника. Равномерное пополнение может быть тогда, когда запасаемая продукция производится самой организацией. В общем случае система может функционировать при положительном запаздывании поставки и равномерном пополнении запаса.
3. Период времени определяет интервал, в течение которого осуществляется регулирование уровня запаса. В зависимости от отрезка времени, на котором можно надежно прогнозировать рассматриваемый период может приниматься конечным и бесконечным.
4. Число пунктов накопления запаса. В систему управления запасами может входить несколько пунктов хранения запаса. В некоторых случаях эти пункты организованы таким образом, что один выступает в качестве поставщика для другого. Эта схема иногда реализуется на различных уровнях так, что пункт-потребитель одного уровня может стать пунктом-поставщиком на другом. В таком случае принято говорить о системе управления запасами с разветвленной структурой.
5. Число видов продукции. В системе управления запасами может фигурировать более одного вида продукции. Этот фактор учитывается при условии наличия некоторой зависимости между различными видами продукции. Так, для различных изделий может использоваться одно и то же складское помещение или же их производство может осуществляться при ограничениях на общие производственные фонды.
Проблемы управления запасами в лесопромышленных холдингах
Всего в отрасли страны около 2000 субъектов лесного рынка. По данным Минпромнауки, лишь около сотни из них и создают позитивную статистику в отрасли. Речь идет в первую очередь о крупнейших предприятиях ЦБК - костяке и опоре лесопромышленного комплекса. Мелкий независимый бизнес в сфере лесозаготовки на порядок менее прозрачен. Они создают отрасли не лучшую репутацию. В леспромхозах, которые интегрированы с крупными лесохимическими производствами, осуществляется гораздо более цивилизованное лесопользование: проводится сертификация лесов, осуществляются лесовосстано-вительные работы. Это, так называемый, «белый» бизнес, его экономика прозрачна, планы долгосрочны, а значит, выгодны и государству, и муниципальным образованиям. Крупные лесохимические предприятия могут реально увеличить валовой продукт в лесном секторе. Если взять холдинги, существующие в сфере заготовки и переработки леса, то на общем фоне выделяются Сыктывкарский ЛПК, производящий около 700 тысяч тонн бумажной продукции в год, и Архангельский ЦБК с производственными мощностями порядка 600 тысяч тонн. Перспективы Сыктывкарского ЛПК, недавно вошедшего в международную корпорацию Anglo-American, его нынешнее руководство напрямую связывает с возможностями иностранного стратегического инвестора. С его помощью предприятие сможет улучшить свой бизнес - довести качество основного продукта до мирового уровня, а впоследствии, используя ту сеть продаж, которая уже существует в Европе у этой корпорации, продвинуть свою продукцию на внешний рынок. В этой связи следует отметить еще одно успешное предприятие - ОАО «Светогорск», ставшее частью международного концерна International Paper.
Особое место в ЦБП и лесном бизнесе по объемам, обороту и по величине активов занимает корпорация «ИЛИМ ПАЛП Энтерпрайз» (Санкт-Петербург) - крупнейшая российская лесопромышленная компания. В ее состав входят два гигантских целлюлозно-бумажных комбината в Сибири - Братский (600 тыс. тонн) и Усть-Илимский (560 тыс. тонн), Котласский комбинат (950 тыс. тонн) в Архангельской области, Санкт-Петербургский КПК (150 тыс. тонн) в Ленинградской области и около 50 леспромхозов. Холдинг с оборотом свыше 1 млрд. долларов в год входит в десятку крупнейших мировых компаний по запасам леса и объемам лесозаготовок, занимает лидирующие позиции в Европе по объемам производства целлюлозы. Совокупные производственные мощности ИЛИМ ПАЛП вырабатывают уже сегодня 2,3 млн. тонн продукции в год. В компании работает около 50 тыс. человек, которые имеют достойную оплату труда и твердые социальные гарантии.
Но главное отличие ИЛИМ ПАЛП от других отраслевых холдингов заключается в том, что у этой компании есть успешный опыт управления не одним, а несколькими крупными лесопромышленными предприятиями в разных регионах России в течение последних 8 лет. Эта компания - наиболее показательный пример стратегического инвестора, который приобретал активы на вторичном рынке, планомерно занимался их финансовым оздоровлением, модернизацией, наращиванием объемов производства, расширением рынков сбыта. Например, Братский лесопромышленный комбинат, который перешел под контроль ИЛИМ ПАЛП в 1997 году, находился в весьма плачевном состоянии. После вхождения в холдинг Братский комбинат более чем втрое увеличил объемы производства со 170 до 600 тыс. тонн, к 2005 году комбинат планирует сварить 1 млн. тонн продукции.
В мире накоплен существенный опыт создания и управления крупных лесопромышленных компаний. По данным ООН, сегодня в мире насчитывается более 40 тыс. материнских транснациональных компаний (ТНК), которые контролируют около 250 тыс. дочерних компаний и отделений за рубежом. На них работают 73 млн. сотрудников, то есть каждый десятый занятый в мире, за исключением сельского хозяйства. В компании «Дженерал моторе» - 647 тыс. чел., «Форд мотор» - 372 тыс. чел., «Сименс» - 379 тыс. чел. Более 40 % активов 100 крупнейших компаний мира размещены вне страны расположения материнских компаний. На транснациональные корпорации приходится свыше 1/4 мирового валового продукта. Годовой оборот этих компаний составляет около 6 трлн. долл.
Доля ТНК в мировом ВВП повысилась за последние 25 лет с 17 до 30 %, а количество транснациональных корпораций возросло более чем в пять раз. 500 самых мощных ТНК реализуют 80 % всей продукции электроники и химии, 95 -фармацевтики, 76 % - продукции машиностроения, 85 их них контролируют 70 % всех заграничных инвестиций.
Крупнейшим в США производителем бумаги и другой продукции из древесины является International Paper (IP). По сумме активов она занимает 93-е место в США. Объем продаж с начала 1997 г. составил 20 млрд. долл. США. Компания ведет коммерческую деятельность на мировых рынках и имеет широкую дистрибьюторскую сеть.
В России летом 1998 г. компания IP перекупила контрольный пакет акций (80%) Светогорского ЦБК (Ленинградская область). Теперь из 11 директоров 6 представляют интересы IP. Цель IP - создать производство высококачественной бумаги и укрепить лидирующую позицию IP в Европе и в России.
Слияние шведской компании «Стора» (5-е место в мировом рейтинге) и финской «Энсо Ой» (4-е место) способствовало появлению мирового лидера по производству бумаги и целлюлозы.
Осуществляя подобные сделки, компании не преследуют получение сиюминутных прибылей, а решают стратегические задачи закрепления своих пози 20 ций на мировом рынке лесобумажной продукции. Основные цели интеграции лесопромышленных компаний состоят в преодолении кризиса перепроизводства, снижении затрат, укреплении позиций на перспективных рынках, в расширение географических границ экономической эффективности высоких технологий и новой техники, в повышении конкурентоспособности продукции, в создании новых рабочих мест и привлечения инвестиций в страны третьего мира, а также реализации на практике принципов стратегического долгосрочного планирования и прогнозирования.
Однако специфика текущей экономической ситуации в России накладывает определенные ограничения на процессы интеграции лесопромышленных компаний. Этому противодействуют следующие факторы: - политическая и экономическая нестабильность; - недостаточно отлаженные механизмы государственного регулирования экономики; - высокий уровень криминализации экономики; - низкий уровень жизни населения и огромные различия в доходах между различными социальными группами населения; - недостаток соответствующих поставленной задаче квалифицированных управленческих кадров и неполное осознание владельцами интегрированных структур проблем управления; - несовершенное антимонопольное законодательство, препятствующее созданию крупных структур,
Разработка оптимизационной математической модели системы
Предлагаемая математическая модель системы управления запасами лесопромышленного холдинга основывается на следующих представлениях.
1. Заготовительные предприятия холдинга распределены географически. Каждое из них имеет в составе своего лесного фонда вполне определенные запасы древесины разных пород в возрасте рубки. Будем считать, что величина этих запасов определена к началу текущего года, а к концу его должна быть заготовлена, переработана и реализована.
2. Эти предприятия обладают какими-то мощностями, загрузка которых может варьироваться по нескольким параметрам, например, по времени загрузки оборудования или рабочей силы. Желательно, чтобы вариации этих параметров были не очень большими. Очевидно, что количество произведенной продукции существенно зависит от интенсивности работы упомянутых перерабатывающих мощностей оборудования, поэтому эти интенсивности можно принять в качестве управляющих переменных в задаче.
3. Примем для упрощения алгоритма расчета предположение, что все предприятия холдинга могут производить полный набор товарной продукции. Если же на практике это не так, и какое-то предприятие не производит определенный вид продукции, то просто в соответствующем месте необходимая переменная примет значение, равное нулю.
4. Каждое отдельное предприятие производит и отгружает проданную продукцию, но при этом план производства для него формируется на каждый временной период и на год «в центре», и приказы на отгрузки тоже поступают из «центра». Таким образом, «центр» полностью контролирует производственную деятельность предприятий и сбыт, обладая холдинговой властью. Сам же «центр» руководствуется в своей деятельности «высшими» соображениями, оптимизируя критерии «холдингового» ранга.
5. Временным экономическим горизонтом является календарный год. Это связано, например, с ежегодными аукционами на продажу древесины. Конечно, в течение этого года продукция производится и продается непрерывно, но мы выберем дискретную модель, приняв за «квант времени» меньшую единицу, например, полгода, квартал, месяц и т.д. В течение этого периода на каждом предприятии образуются некоторые запасы готовой продукции, оставшейся от прошлого периода плюс произведенные к концу рассматриваемого (текущего). Причем величина последних зависит от интенсивности использования оборудования в этот период, а первые могут быть равными и нулю. Такое рассмотрение сближает эту модель с динамическими задачами.
6. Важнейшее предположение в модели заключается в том, что мы принимаем величину спроса на продукцию случайной величиной, имеющей какое-либо известное распределение (во времени). Это предположение вполне реально - именно так и обстоит дело в любой экономической деятельности, привнося в нее элемент риска и делая ее привлекательной для деловых кругов.
Это предположение о случайном спросе на продукцию вносит в модель черты классической задачи о запасах. С другой стороны, изложенное в п. 4 делает модель похожей на японскую систему «Канбан», где запасов стараются вообще не делать.
Данная "постановка задачи обладает следующими характерными чертами. Это задача: — планирования на некоторый период времени, например год; — управления запасами; — динамическая; — вероятностная; — оптимизации. Рассмотрим отдельное а - е производство холдинга, в котором участвуют п ингредиентов (это могут быть различного вида производственные факторы, виды исходного сырья, промежуточных и конечных продуктов).
Пусть имеется m технологических способов организации этого производства. Каждый из этих способов в моменты времени t (t=0.1, ..., п-1) характеризуется матрицей В «затраты - выпуск» с матричными элементами bij, i=l,...,n, j=l,m. Если bij (t) 0, то будем считать, что i-ый ингредиент при j-ом способе производства «затрачивается» в размере bij в каких-либо единицах. Если bij О, то bij определяет «выпуск» і-того ингредиента в j-том способе производства. Обозначим интенсивность использования j-того способа производства в период (t) через Uj (t). Обозначим через Xai (t+1) количество продукции, образовавшейся на складе к концу (t+l)-ro периода (точнее, это количество j-того ингредиента). Эта величина складывается из остатков (запасов) предыдущего t-ro периода и продукции, произведенной в этот (t+І) период.
Общие задачи и методика выполнения вычислительных экспериментов
Достижения в области вычислительной техники способствовали интенсивному развитию нового направления в исследовании сложных систем - имитационного моделирования и вычислительного эксперимента. Каждый вычислительный эксперимент основывается как на математической модели, так и на приемах вычислительной математики. Классически под имитационным моделированием понимается численный метод проведения на цифровых ЭВМ экспериментов с математическими моделями, описывающих поведение сложных систем в течение продолжительных периодов времени.
Структурно имитационная система - это совокупность имитационной модели, системы внешнего и внутреннего обеспечения. Имитационная модель -формализованное описание в ЭВМ исследуемого объекта по возможности во всей его полноте. Внешнее математическое обеспечение призвано обеспечить исследователю работу с имитационной моделью, оно ориентирует его при выборе тех или иных решений. Проверка этих решений на имитационной модели дает возможность совершенствовать внешнее математическое обеспечение. Внутреннее обеспечение системы — набор программ и устройств, реализующий эффективный диалог человека и машины.
Имитация - численный метод, она используется в случае, когда нет ана-литических способов исследования данной модели. В данном случае вычислительный эксперимент оказывается единственно возможным при исследовании такой сложной и материале емкой системы как управление ресурсами лесопромышленного холдинга, на совершенствование которой в реальных условиях требуются длительное время и большие финансово-материальные ресурсы. Для реальных процессов функционирования лесопромышленного холдинга характерна нелинейность, что означает возможность качественных изменений решений при непрерывном изменении параметров. В этом случае приходится полагаться лишь на численные методы, реализуемые на ЭВМ.
Методом проверки модели может быть сравнение текущих результатов использования некоторой стратегии с соответствующим прогнозом имитационной модели.
Имитационный эксперимент по существу представляет собой некоторую вычислительную процедуру. К нему обращаются, когда не удается сформулировать задачу в виде математической модели, которую можно было бы решать известными математическими методами. В отличие от этих методов для имитационного эксперимента не требуется приводить модель к специальной форме. Такой подход обладает значительной гибкостью, и отработанную в результате имитационного моделирования модель можно привести в соответствие с исследуемой системой. Исследователь оказывается фактически в положении экспериментатора и оперирует с моделью так, как ему хотелось бы оперировать с самой системой.
В имитационном моделировании предполагается, что систему можно описать в терминах, принятых в вычислительной системе. Система характеризуется набором параметров, каждая комбинация значений которых описывает ее конкретное состояние. Следовательно, путем изменения значения параметров можно имитировать переход системы из одного состояния в другое. Таким образом, имитационное моделирование - это представление динамического поведения системы посредством продвижения ее от одного состояния к другому в соответствии с определенными правилами.
Имитационное моделирование есть процесс конструирования модели реальной системы и постановки экспериментов на этой модели. Оно является экспериментальной и прикладной методологией, имеющей целью описать поведение системы, построить теории и гипотезы, объясняющие наблюдаемое поведение системы, использовать эти теории для предсказания будущего поведения системы.
Итак, можно сказать, что предметом имитационного моделирования является изучение сложных процессов и систем, подверженных, как правило, воздействию случайных факторов, путем проведения экспериментов с их имитационными моделями.
Метод машинного эксперимента, основанный на использовании имитационных моделей, превратился в настоящее время в мощный универсальный метод научного исследования сложных систем кибернетики, и, в частности, информационных процессов и систем. Имитационные модели являются по существу простым переложением на машинный язык описаний моделируемой системы. Специальные программы, обслуживающие модель, генерируют конкретные различные реализации входного сигнала x(t) моделируемой системы и строят в соответствии с введенным в ЭВМ описанием системы выходной сигнал y(t). Далее, как в обычном (натурном) эксперименте, полученные результаты обрабатываются с помощью специальных программ, строящих, например, гистограммы распределений тех или иных величин, характеризующих поведение исследуемой системы. Таким образом, прежде всего решаются задачи анализа кибернетических систем. Для решения задач синтеза оптимизации методом машинного эксперимента, обслуживающая эксперимент система машинных программ дополняется средствами, обеспечивающими диалог ЭВМ с человеком - исследователем, внесение изменений в описание моделируемой системы по подсказке человека, а так же процедуры направленного перебора для организации подобных изменений в автоматическом режиме.
Для имитационного моделирования разработано большое число систем программирования, включающих специальные языки программирования для описания моделей. Одни из них универсальны, другие служат для описания специальных типов систем.
Имитационная модель представляет собой абстрактное описание системы. Она позволяет свободно менять параметры входных переменных и внешних условий и находить решения весьма сложных задач без больших затрат. Логика построения модели должна быть простой и понятной всем участникам имитационного исследования. В случае необходимости имитационная модель должна легко модифицироваться.
Имитационной будем называть логико-математическое описание системы, которая может быть исследована в ходе проведения экспериментов на ЭВМ и, следовательно, может считаться лабораторной версией системы. После окончания разработки имитационной модели с ней проводятся эксперименты на ЭВМ, которые позволяют сделать выводы о поведении системы: 1) без ее построения, если это проектируемая система; 2) без вмешательства в ее функционирование, если это действующая система, непосредственное экспериментирование с которой или слишком дорого или небезопасно; 3) без ее разрушения, если цель эксперимента состоит в определении пределов воздействия на систему. Таким образом, имитационные модели могут использоваться для проектирования, анализа и оценке систем. Идея представления некоторого объекта, системы или понятия в виде модели носит СТОЛБ общий характер, что дать полную квалификацию всех функций модели затруднительно. Укажем, по крайней мере, пять ставших привычными случаев применения имитационных моделей в качестве: средства осмысления действительности; средства общения; средства обучения и тренажа; средства постановки и проведения экспериментов; инструмента прогнозирования.
