Имитационная модель автоматизированного участка обработки деталей
МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ
Учреждение образования
Гомельский государственный университет имени Франциска Скорины
Математический факультет
Кафедра математических проблем управления
Имитационная модель автоматизированного участка обработки деталей
ДИПЛОМНАЯ РАБОТА
Гомель 2007
Оглавление
1. Имитационное моделирование
1.1 Понятие сложной системы
1.2 Понятие математической модели сложной системы
1.3 Классификация математических моделей сложной системы
1.4 Предпосылки для имитационного моделирования сложной системы
1.5 Технологические этапы машинного моделирования сложной системы
1.6 Представление динамики модели при имитационном моделировании
2 СРЕДСТВА РЕАЛИЗАЦИИ ИМИТАЦИОННОЙ МОДЕЛИ
2.1 Табличный процессор Excel
2.2 Visual Basic for Application
3 РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ автоматизированного участка обработки деталей
3.1 Концептуальная модель
3.2 Формальное описание модели
Алгоритм активностей
4 ВЕРИФИКАЦИЯ ИМИТАЦИОННОЙ МОДЕЛИ
4.1 Контроль за выполнением порядка активностей
1. Имитационное моделирование
1.1 Понятие сложной системы
Решение современных задач управления, проектирования и исследования технических, экономических, организационных и других систем требует привлечения специалистов разных профилей. Их эффективное сотрудничество возможно лишь при условии наличия общей методологии, в рамках которой проводится исследование. Такая методология носит звание «системный анализ». Объектом его изучения является «сложная система», а один из важнейших его инструментов есть моделирование на ЭВМ.
Термин «система» появился в научной литературе давно и является фактически таким же неопределенным, как «множество» или «совокупность». Определим понятие система, как множество компонентов, объединенных в единое целое некоторой формой регулярного взаимодействия или взаимозависимости для выполнения определенной функции. При этом компоненты будем подразделять на подсистемы, также имеющие внутреннюю структуру, как и сама система, и элементы, которые являются неделимыми с точки зрения исследователя сложной системы. Компоненты имеют определенные характеристики (признаки), которые могут принимать дискретные или непрерывные значения в процессе функционирования системы и ее взаимодействия с внешней средой. Воздействие внешней среды выражается через входные (экзогенные) переменные. С другой стороны, результат работы системы фиксируется через выходные (эндогенные) переменные. Если они характеризуют внутреннюю динамику функционирования системы, то это переменные состояния. Выходные воздействия работы системы на внешнюю среду отражаются через переменные, называемые откликами.
Системой вследствие присущих ей свойств могут устанавливаться ограничения, представляющие собой пределы изменения значений входных переменных или условия, при которых наблюдаются определенные значения. Ограничения могут также вводиться разработчиком сложной системы. Ни одна задача изучения сложной системы не может быть решена без введения целевой функции (критерия эффективности), которая представляет собой точное отображение целей или задач системы и необходимых правил оценки их выполнения.
Наиболее широко термин «система» первоначально использовался в механике, где обозначал материальную систему, т. е. совокупность материальных точек, подчиненных определенным связям. Подобные системы рассматриваются в основном в задачах динамики. Законы динамики были получены длительным индуктивным путем. Выдвигаемые гипотезы проверялись на многочисленных опытах. Проверялись также и многочисленные следствия выдвигаемых гипотез. Все это было реализовано благодаря возможности ставить «чистые опыты», т.е. устранять многочисленные мешающие факторы – сводить трение к минимуму, ставить опыты в вакууме, проводить достаточно точные измерения и т. п. Кроме того, условия опытов могли быть воспроизведены с весьма большой точностью в другое время и в другом месте.
Новый этап начался с момента, когда ученые приступили к исследованию систем, названных впоследствии «сложными», динамика которых во многом зависит от человека и принимаемых им решений. Перечислим наиболее характерные особенности сложных систем (СС).
1. Уникальность. Аналогичные по назначению системы имеют ярко выраженные специфические свойства, во многом определяющие их поведение.
2. Слабая структурированность теоретических и фактических знаний о системе. Так как изучаемые системы уникальны, то процесс накопления и систематизации знаний о них затруднен. Сюда же следует отнести слабую изученность ряда процессов, связанную с обычными для сложных систем изменениями их технической и технологической баз, значительным влиянием человеческого фактора, невозможностью или ограниченностью «натурного эксперимента».
Следствием этого, в частности, является необходимость использования ансамбля моделей при анализе системы. Различные модели могут отражать как разные стороны функционирования системы, так и разные уровни отображения исследователем одних и тех же процессов.
3. Составной характер системы. Уже на самом первом этапе изучения системы исследователь вынужден использовать понятие подсистемы как некоторой достаточно автономной части всей системы. Разделение СС на подсистемы, т.е. ее декомпозиция, как правило, зависит от принятых технических решений, целей создания системы и взглядов исследователя на нее. При декомпозиции существенны следующие факторы:
- рассматриваемая система может быть разделена (не обязательно единственным образом) на конечное число подсистем; каждая подсистема в свою очередь может быть разделена на конечное число более мелких подсистем и т.д. - до получения, в результате конечного числа шагов, таких частей, называемых элементами сложной системы, относительно которых имеется договоренность, что в условиях данной задачи они не подлежат дальнейшему разделению на части;
- элементы СС функционируют не изолированно друг от друга, а во взаимодействии, при котором свойства одного в общем случае зависят от условий, определяемых поведением других элементов, и влияния внешней среды;
- свойства СС в целом определяются не только свойствами элементов, но и характером взаимодействия между элементами.
4. Разнородность подсистем и элементов, составляющих систему. Составляющие систему элементы и подсистемы разнородны в самых различных смыслах. Во-первых, это – физическая разнородность. Во-вторых, это – разнородность математических схем, описывающих функционирование различных элементов.
Удобно разделить модели подсистем и элементов на две категории: внешние и внутренние. Названия эти условны и имеют следующий смысл.
Вследствие недостатка знаний о функционировании элемента, из-за необходимости понизить размерность модели, а также по другим причинам часто используют модели типа «вход-выход». При этом не интересуются динамикой состояний элементов, а лишь описывают их внешнее поведение. Примерами моделей подобного типа служат различные регрессионные модели, поверхности отклика, функциональные зависимости и т. п. Такие модели назовем внешними (черный ящик).
В отличие от внешних для внутренних моделей характерным является описание механизмов, управляющих динамикой их состояний, которое может базироваться на нашем представлении и гипотезах относительно истинного поведения моделей. В известном смысле идеальным случаем является формирование указанного механизма на базе уже выявленных и экспериментально проверенных закономерностей. Примерами могут служить модели, описываемые дифференциальными уравнениями, марковскими процессами и др.
5. Случайность и неопределенность факторов, действующих в системе. Примерами подобных факторов могут служить погодные условия, случайные отказы оборудования, транспорта и т. д. Учет этих факторов приводит к резкому усложнению задач и увеличивает трудоемкость исследований (необходимость получения представительных наборов данных).
6. Многокритериальность оценок процессов, протекающих в системе. Невозможность однозначной оценки диктуется следующими обстоятельствами: наличием множества подсистем, каждая из которых, вообще говоря, оценивается по своим критериям; множественностью показателей (иногда противоречивых), характеризующих работу всей системы (например, форсирование темпов, как правило, приводит к ухудшению качества работ); наличием неформализуемых критериев, используемых при принятии решений (в случае, когда решения основаны, например, на практическом опыте лиц, принимающих решения).
7. Большая размерность системы. Эта особенность системы обусловливает потребность в специальных способах построения и анализа моделей.
1.2 Понятие математической модели сложной системы
Составной характер сложной системы диктует представление ее модели в виде тройки <A, S, Т>, где А – множество элементов (в их число включается также внешняя среда); S – множество допустимых связей между элементами (структура модели); Т — множество рассматриваемых моментов времени. Эти понятия могут быть формализованы разными способами. В качестве Т обычно выбирают множество [0, Т0) или [t0; T0), T0<∞. В каждый момент tÎТ в множестве А выделяется конечное подмножество Аt = (A1t, A2t, ..., Akt)ÎA элементов, из которых в этот момент состоит модель, а в множестве S – подмножество StÌS, указывающее на то, какие именно связи реализованы в момент t. Следовательно, допускается как переменность состава сложной системы, так и переменность ее структуры.
Основной задачей теории СС считается разработка методов, позволяющих на основе изучения особенностей функционирования и свойств отдельных элементов, анализа взаимодействия между ними получить характеристики системы в целом. Приведенная выше общая модель отвечает данной задаче – она построена в виде совокупности моделей элементов и связей между ними. Рассмотрение объекта материального мира как системы, состоящей из взаимодействующих элементов, построение математической модели для нее и исследование ее свойств методом моделирования составляет сущность системного подхода. Таким образом, системный анализ представляет собой научную дисциплину, содержащую совокупность методов и приемов построения, исследования и эксплуатации математических моделей СС.
В области естественных наук наиболее распространенными являются два вида моделирования – физическое и математическое.
Процесс физического (аналогового) моделирования состоит в изучении системы посредством анализа некоторого макета, сохраняющего физическую природу системы. Примером является модель летательного аппарата, исследуемая в аэродинамической трубе. Параметры эксперимента при этом выбирают из соотношений подобия. Аналоговое моделирование основано на указанных выше возможностях описывать разнородные явления и процессы одними и теми же уравнениями. Эти уравнения воспроизводятся обычно с помощью специально подобранных (в соответствии с уравнениями) схем, чаще всего, электрических. Искомые характеристики для исследуемой системы получаются путем измерения на модели соответствующих величин. Переработка информации в такой модели носит параллельный характер и реализуется в форме процесса, происходящего в собранной схеме.
Однако модели физического типа имеют ограниченную сферу применения. Не для всяких явлений и объектов могут быть построены физические аналоги. Достаточно указать на радиолокационные станции, вычислительные центры, организационные системы, производственные процессы и т. п.
Математическое моделирование основано на том факте, что различные изучаемые явления могут иметь одинаковое математическое описание. Хорошо известным примером служит описание одними и теми же уравнениями электрического колебательного контура и пружинного маятника. Математическая модель концентрирует в себе записанную в форме математических соотношений совокупность наших знаний, представлений и гипотез о соответствующем объекте или явлении. Поскольку знания эти никогда не бывают абсолютными, а в гипотезах иногда намеренно не учитывают некоторые эффекты (например, влияние силы трения в механике, потери на тепло в электротехнике и т. п.), модель лишь приближенно описывает поведение реальной системы.
Основное назначение модели – сделать возможными некоторые выводы о поведении реальной системы. Наблюдения над реальной системой (натурные эксперименты) в лучшем случае могут дать материал лишь для проверки той или иной гипотезы, той или иной модели, поскольку они представляют собой источник информации ограниченного объема о прошлом этой системы. Модель допускает значительно более широкие исследования, результаты которых дают нам информацию для прогнозирования поведения системы, характера ее траектории. Правда, чтобы обеспечить эти и другие возможности, приходится решать проблему соответствия (адекватности) модели и системы, т. е. проводить дополнительное исследование согласованности результатов моделирования с реальной ситуацией.
Математические модели строят на основе законов и закономерностей, выявленных фундаментальными науками: физикой, химией, экономикой, биологией и т. д. В конечном счете, ту или иную математическую модель выбирают на основе критерия практики, понимаемого в широком смысле. Математическая модель отображает записанную на языке математических отношений совокупность наших знаний, представлений и гипотез о соответствующем объекте или явлении. Для сложных систем нельзя получить абсолютно подобных математических моделей. Путем формализации системы получается упрощенная модель, отражающая основные ее свойства и не учитывающая второстепенных факторов.
Таким образом, математическая модель CC – это совокупность соотношений (формул, неравенств, уравнений, алгоритмов), определяющих выходные характеристики состояний системы в зависимости от ее входных параметров и начальных условий. Другими словами, ее можно рассматривать как некоторый оператор, ставящий в соответствие внутренним параметрам системы совокупность внешних откликов. После того, как модель построена, необходимо исследовать ее поведение.
С усложнением изучаемых объектов использование аналитических методов для построения и анализа моделей возможно лишь в мало интересных для практики случаях. Выход состоит в переходе к машинным реализациям математических моделей (машинным моделям). При этом на компьютер возлагается как работа по воспроизведению динамики изучаемой модели (имитация ее траекторий), так и по проведению экспериментов с ней.
Таким образом, в процессе моделирования исследователь имеет дело с тремя объектами: системой (реальной, проектируемой, воображаемой); математической моделью системы; машинной (алгоритмической) моделью. В соответствии с этим возникают задачи построения математической модели, преобразования ее в машинную и программной реализации машинной модели. В процессе решения этих задач исследователь получает белее полное и структурированное представление об изучаемой системе, разрабатывает различные варианты модели, отвечающие разным сторонам функционирования системы и их структурных преобразований. Однако основные проблемы исследования систем на машинных моделях сводятся к получению качественной картины поведения модели, а также необходимых количественных характеристик. При этом исследователь вправе использовать не только информацию, содержащуюся в машинной модели, но и информацию, полученную им на этапе создания модели.
1.3 Классификация математических моделей сложной системы
Математические модели можно классифицировать по различным признакам. Если исходить из соотношений, которые выражают зависимости между состояниями и параметрами СС, то различают следующие модели:
- детерминированные, когда при совместном рассмотрении этих соотношений состояние системы в заданный момент времени однозначно определяется через ее параметры, входную информацию и начальные условия;
- стохастические, когда с помощью упомянутых соотношений можно определить распределения вероятностей для состояний системы, если заданы распределения вероятностей для начальных условий, ее параметров и входной информации.
По характеру изменения внутренних процессов выделяют
- непрерывные модели, в которых состояние СС изменяется в каждый момент времени моделирования;
- дискретные модели, когда СС переходит из одного состояния в другое в фиксированные моменты времени, а на (непустых) интервалах между ними состояние не изменяется.
По возможности изменения во времени своих свойств различают
- динамические модели, свойства которых изменяются во времени;
- статические модели, не изменяющие своих свойств во времени.
Если при классификации исходить из способа представления внутренних процессов для изучения СС, то модели разделяются на аналитические и имитационные.
Для аналитических моделей характерно, что процессы функционирования элементов СС записываются в виде некоторых математических схем (алгебраических, дифференциальных, конечно-разностных, предикатных и т.д.). Аналитическая модель может исследоваться одним из следующих способов: аналитическим, когда стремятся получить в общем виде явные зависимости для искомых величин; численным, когда, не имея общего решения, удается найти частное решения или некоторые свойства общего решения, например, оценить устойчивость, периодичность, и т.п.
В имитационных моделях (ИМ) моделирующий алгоритм приближенно воспроизводит функционирование элементов СС во времени, причем элементарные явления, составляющие динамический процесс, имитируются с сохранением логической структуры и последовательности протекания во времени. Сущность этого метода моделирования обеспечивается реализацией на ЭВМ следующих видов алгоритмов: отображения динамики функционирования элементов СС, обеспечения взаимодействия элементов СС и объединения их в единый процесс; генерация случайных факторов с требующимися вероятностными характеристиками; статистической обработки и графической презентации результатов реализации имитационного эксперимента (ИЭ). Моделирующий алгоритм позволяет по исходным данным, содержащим сведения о начальном состоянии процесса и его параметрах, получать информацию о состоянии СС в произвольный момент времени.
Имитационные модели в большинстве случаев – это динамические (обязательно), стохастические, дискретные модели.
1.4 Предпосылки для имитационного моделирования сложной системы
Большинство исследователей считает, что следует выбрать имитационный метод для изучения сложных систем по следующим причинам.
Не существует законченной постановки задачи исследования. Каждый коллектив разработчиков математической модели определяет объект собственных исследований. Каждый раз по-новому вносятся предположения о природе взаимодействующих процессов, обсуждаются факторы, не учитываемые в модели, строится критерий качества функционирования. Как правило, для ИМ задача ставится значительно шире.
Сложность и трудоемкость аналитического аппарата. Для описания отдельных элементов системы подходит различный математический аппарат: теория массового обслуживания, конечно-разностные схемы, булева алгебра в контексте теории графов. Однако возможное количество исходных уравнений и неравенств представляется чрезмерно большим для удовлетворительного решения. Кроме того, известно мало случаев одновременного использования нескольких математических методов в рамках одной задачи.
Необходимость наблюдения за поведением компонентов системы в динамике. Специалистам недостаточно иметь усредненные оценки характеристик функционирования системы. Представляет также интерес временная последовательность возникновения узких мест, эффективность мероприятий по их ликвидации, внесение различных управлений в работу системы и т.д.
Экономическая нецелесообразность постановки натурных экспериментов. Любое исследование сложной системы является дорогостоящим мероприятием. При внесении неудачных изменений в работу