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].