CC BY
84
УДК 004.942
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ РАБОТЫ ИНФОРМАЦИОННЫХ СИСТЕМ С ПОМОЩЬЮ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ
Хлудов О.Н., студент,
ФГОУВПО «Российский государственный университет туризма и сервиса»,
г. Москва
В статье рассматриваются возможности и перспективы современного компьютерного моделирования. В современном мире ежедневно мы сталкиваемся с ситуациями, которые хотели бы научиться решать с максимальной эффективностью. Кроме того, иногда у нас может возникнуть задача создания модели ситуации, при которой реальная система выйдет (или может выйти) из строя. Компьютерное моделирование помогает рассмотреть различные варианты развития событий и принимать правильные решения.
Ключевые слова: надежность систем, отдача капиталовложений, доходность, безопасность.
Компьютерное моделирование нашло практическое применение во всех сферах деятельности человека, начиная от моделей технических, технологических и организационных систем и заканчивая проблемами развития человечества и Вселенной. Вместо того чтобы учиться на своих ошибках или на ошибках других людей, целесообразно закреплять и проверять познание реальной действительности полученными результатами на компьютерной модели. В этом случае есть возможность «проигрывать» на модели любые ситуации, включая те, при которых реальная система вышла бы из строя. Это позволяет моделировать катастрофы, редкие события и т.п.[1].
Одно из преимуществ компьютерного моделирования - это моделирование того, что не существует на самом деле, т.е. моделирование виртуальной реальности (ВР). Популярный ныне термин «виртуальная реальность» ввел в обиход в 1989 году основатель компании VPL Research и изобретатель сенсорных перчаток Джарон Ланьер [2].
ВР еще не вышла из младенческого возраста. Однако она сделала начальные шаги в таких технологиях, как имитаторы условий полета и пилотажные тренажеры (использовавшиеся для тренировок пилотов и космонавтов); определенные успехи были достигнуты и в имитационном моделировании боевых операций. Но для ВР
существуют и другие, более широкие области применений: ее можно использовать в играх, медицинских исследованиях и обучении медперсонала, а также в архитектуре.[3]
Компьютерная модель — это модель реального процесса или явления, реализованная компьютерными средствами. Если состояние системы меняется со временем, то модели называют динамическими, в противном случае — статическими
[4].
Надежность (англ. reliability) — свойство объекта сохранять во времени в установленных пределах значения всех параметров, характеризующих способность выполнять требуемые функции в заданных режимах и условиях применения, технического обслуживания и транспортирования (ГОСТ 27.002—89).
Интуитивно надежность объектов связывают с недопустимостью отказов в работе. Это есть понимание надежности в «узком» смысле — свойство объекта сохранять работоспособное состояние в течение некоторого времени или некоторой наработки.
Когда же необходимо использовать компьютерное моделирование? Всегда, когда можно поставить вопрос «что будет, если...?». Следовательно, компьютерное моделирование используют, прежде всего, для принятия решений. Модель позволяет «проигрывать» любые ситуации и получать наиболее эффективные решения заданной проблемы.
Имитационное моделирование является едва ли не самым популярным средством, используемых на практике для этих целей. Основная его ценность состоит в применении методологии системного анализа.
Имитационное моделирование позволяет осуществить исследование анализируемой или проектируемой системы по схеме операционного исследования, которое содержит взаимосвязанные этапы:
• содержательная постановка задачи;
• разработка концептуальной модели;
• разработка и программная реализация имитационной модели, проверка правильности и достоверности модели;
• оценка точности результатов моделирования;
• планирование и проведение экспериментов;
• принятие решений.
Это позволяет использовать имитационное моделирование как универсальный подход для принятия решений в условиях неопределенности с учетом в моделях трудно
формализуемых факторов, а также применять основные принципы системного подхода для решения практических задач.
Широкому внедрению этого метода на практике препятствует необходимость создания программных реализаций имитационных моделей, которые воссоздают в модельном времени динамику функционирования моделируемой системы. Усилия разработчиков программных средств имитации направлены на упрощение программных реализаций имитационных моделей: для этих целей создаются специализированные языки и системы. Основное назначение всех этих средств — уменьшение трудоемкости создания программных реализаций имитационных моделей и экспериментирования с моделями.
Одним из первых языков моделирования, который смог облегчить процесс написания имитационных программ, был язык GPSS. Этот язык был создан в виде конечного продукта Джеффри Гордоном в фирме IBM в 1962 г. и в свое время входил в первую десятку лучших языков программирования, опережая транслятор с языка АЛГОЛ, и был реализован практически на всех типах ЭВМ. В настоящее время есть трансляторы для операционных систем DOS — GPSS/PC, для OS/2 и DOS — GPSS/H и для Windows — GPSS World. Изучение этого языка и создания моделей позволяет понять принципы разработки имитационных программ и научиться работать с имитационными моделями.
GPSS (General Purpose Simulation System — система моделирования общего назначения) — язык моделирования, который используется для построения событийных дискретных имитационных моделей и проведения экспериментов на ЭВМ.
Модели систем на GPSS могут быть записаны в виде блок-схем или представлены в виде последовательности строк программы, эквивалентных блок-схеме. Блок-схема — это набор фигур с характерными контурами блоков языка GPSS, соединенных между собою линиями. Блоки — это подпрограммы, реализованные средствами макроассемблера. В разных версиях языка количество блоков для создания имитационных программ разное и составляет около 40. В язык моделирования GPSS входят специальные средства для описания динамического поведения систем через изменение состояний в дискретные моменты времени, то есть время моделирования изменяется случайно от события к событию [1].
Одним из направлений компьютерного моделирования являются системы массового обслуживания, с которыми мы встречаемся повседневно. Любому из нас приходилось когда-то ждать обслуживания в очереди. Аналогичные ситуации
возникают при потребности воспользоваться телефонной связью или выполнить свою программу на ПК. К типичным системам обслуживания относятся: ремонтные и медицинские службы, транспортные системы, аэропорты, вокзалы, магазины и др.
Рассмотрим теорию массового обслуживания. Она опирается на теорию вероятностей и математическую статистику. На первичное развитие теории массового обслуживания оказали особое влияние работы датского ученого А.К. Эрланга (18781929).
Теория массового обслуживания — область прикладной математики, занимающаяся анализом процессов в системах производства, обслуживания, управления, в которых однородные события повторяются многократно, например, на предприятиях бытового обслуживания; в системах приема, переработки и передачи информации; автоматических линиях производства и др.
Предметом теории массового обслуживания является установление зависимостей между характером потока заявок, числом каналов обслуживания, производительностью отдельного канала и эффективным обслуживанием с целью нахождения наилучших путей управления этими процессами.
Задача теории массового обслуживания — установить зависимость результирующих показателей работы системы массового обслуживания (вероятности того, что заявка будет обслужена; математического ожидания числа обслуженных заявок и т.д.) от входных показателей (количества каналов в системе, параметров входящего потока заявок и т.д.). Результирующими показателями или интересующими нас характеристиками системы массового обслуживания (СМО) являются показатели эффективности СМО, которые описывают, способна ли данная система справляться с потоком заявок. Задачи теории массового обслуживания носят оптимизационный характер и в конечном итоге включают экономический аспект по определению такого варианта системы, при котором будет обеспечен минимум суммарных затрат от ожидания обслуживания, потерь времени и ресурсов на обслуживание и простоев каналов обслуживания.
Система обслуживания считается заданной, если известны:
1) входящий поток требований или заявок, которые поступают на обслуживание;
2) дисциплина постановки в очередь и выбор из нее;
3) правило, по которому осуществляется обслуживание;
4) выходящий поток требований;
5) режимы работы
Каждая СМО состоит из какого-то числа обслуживающих единиц, которые называются каналами обслуживания. В качестве каналов могут фигурировать: линии связи, различные приборы, лица, выполняющие те или иные операции и т.п.
Всякая СМО предназначена для обслуживания какого-либо потока заявок, поступающих в случайные моменты времени. Обслуживание заявок продолжается случайное время, после чего канал освобождается и готов к приему следующей заявки. Случайный характер потока заявок и времен обслуживания приводит к тому, что в какие-то периоды времени на входе СМО скапливается излишне большое число заявок (они либо становятся в очередь, либо покидают СМО не обслуженными); в другие же периоды СМО будет работать с небольшой нагрузкой или вообще простаивать.
Процесс работы СМО представляет собой случайный процесс с дискретными состояниями и непрерывным временем; состояние СМО меняется скачком в моменты появления каких-то событий (или прихода новой заявки, или окончания обслуживания, или момента, когда заявка, которой надоело ждать, покидает очередь).
Перечень характеристик СМО можно представить следующим образом:
• среднее время обслуживания;
• среднее время ожидания в очереди;
• среднее время пребывания в СМО;
• средняя длина очереди;
• среднее число заявок в СМО;
• количество каналов обслуживания;
• интенсивность входного потока заявок;
• интенсивность обслуживания;
• интенсивность нагрузки;
• коэффициент нагрузки;
• относительная пропускная способность;
• абсолютная пропускная способность;
• доля времени простоя СМО;
• доля обслуженных заявок;
• доля потерянных заявок;
• среднее число занятых каналов;
• среднее число свободных каналов;
• коэффициент загрузки каналов;
• среднее время простоя каналов[5].
Проведем реализацию конкретной СМО. Смоделируем работу организации, которая занимается сборкой и продажей персональных компьютеров. Сборка компьютера состоит из нескольких этапов: сборка «железа», проверка, установка программного обеспечения, упаковка и хранение готового компьютера в течение некоторого времени на складе организации. Исходные данные для программы должны браться из результатов наблюдений, замеров и т.д. Для упрощения программы в данном примере рассматривается случай, когда все исходные данные усреднены для одного рабочего дня (рис. 1).
SEORKA STORAGE 10 ^ Сборка ПК
PROV STORAGE 2 ;г Проверка ПК
PROGR STORAGE Э - Установка программ на ПК
ERAK STORAGE 2 г Бракованные ПК
UPAC STORAGE 2. г Упаковка ПК
SKLAD STORAGE 2. b г Складирование готовші ПК
GENERATE (EXPONENTIAL (1, 0, 12) ) т Поступление деталей
QUEUE ALL_ ; Сбор статистики о времени
г общей сборки ПК
QUEUE SE_ г Занятие очереди
ENTER SBORKA г Поступление на сборку
DEPART SB_ Т Выход из очереди
ADVANCE 60, 10 г Сборка
LEAVE SBORKA г Покидание данного участка
QUEUE P_ г Занятие очереди
ENTER PROV г Поступление на проверку
DEPART P_ Т Выход из очереди
ADVANCE (EXPONENTIAL(1,0,20)) т Проверка
LEAVE PROV г Покидание данного участка
TRANSFER .12,,ERAKOV г 12% ПК оказываются бракованными.
г они отправляются в другой отдел
г для устранения неисправностей
RAB QUEUE PR_ ; Занятие очереди
ENTER PROGR г Поступление на установку программ
DEPART PR Г Выход ив очереди
ADVANCE SO, 10 г Установка программ
LEAVE PROGR г Покидание данного участка
TRANSFER _ 06, , ERAKOV т 6% ПК оказываются бракованными.
г они отправляются в другой отдел
г для устранения неисправностей
QUEUE UP_ г Занятие очереди
ENTER UPAC г Поступление на упаковку
DEPART UP г Выход ив очереди
ADVANCE 7,2 т Упаковка
LEAVE UPAC г Покидание данного участка
QUEUE SK_ г Занятие очереди
ENTER SKLAD г Поступление на склад
DEPART SK_ г Выход из очереди
ADVANCE (EXPONENTIAL (1, 0, 100)) т Хранение на складе
LEAVE SKLAD г Покидание данного участка
DEPART ALL_ г Заканчиваем собирать общую статистику
TERMINATE Г Выход готового ПК из системы
ВRAKOV QUEUE BR_ г Занятие очереди
ENTER ERAK Т Поступление
DEPART ER_ Г Выход из очереди
ADVANCE SO, 20 г Поиск и устранение неисправностей
LEAVE BRAK г Покидание данного участка
TRANSFER , RAB - Отремонтированный ПК отправляется
т на установку программ
GENERATE 720 г 12 часов (720 минут)
TERMINATE 1 г рабочего времени
START 1 г Запуск модели
Рис. 1. Программа на языке GPSS World
Посмотрим на результаты при заданных условиях (рис. 2). Они выводятся в отчете программы сразу после окончания моделирования. В первой его части показаны статистические данные о длине каждой из очередей и о времени пребывания в ней. Во второй — количество сотрудников, занятых в процессе работы, а также среднее время нахождения компьютеров на каждом из участков.
QUEUE MAX CONT. ENTRY ENTRYJO) AVE.CONT. AVE.TIME AVE.{-0) RETRY
ALL_ 35 31 69 0 25.180 262.750 262.750 0
SB_ 2 0 69 62 0.075 0.780 7.685 0
Р_ 14 2 65 11 4.781 52.961 63.750 0
PR 4 1 60 41 0.475 5.705 18.016 0
BR 1 0 14 11 0.056 2.905 13.554 0
UP_ 2 0 49 42 0.036 0.530 3.710 0
SK_ 1 0 49 49 0.000 0.000 0.000 0
STORAGE CAP REM. min. мах. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY
SBORKA 10 6 0 10 69 1 5.484 0.548 0 O'
PROV 2 0 0 2 63 1 1.632 0.816 0 2
PROGR 9 0 0 9 59 1 6.077 0.675 0 1
BRAK 2 0 0 2 14 1 0.996 0.498 0 0
UPAC 2 2 0 2 49 1 0.480 0.240 0 O'
SKLAD 25 14 0 13 49 1 5.088 0.204 0 0
Рис. 2. Результаты моделирования
Заключение
В данной статье мы познакомились с возможностями и перспективами компьютерного моделирования, программой GPSS World Student Version, которая предоставляет очень широкие возможности для имитационного моделирования СМО. Мы смогли увидеть один из примеров имитационной модели. Система обладает большой гибкостью. С помощью компьютерного моделирования можно решать очень многие задачи, которые иным способом решить невозможно или слишком затруднительно.
Литература
1. Томашевский В.Н., Жданова Е.Г. Имитационное моделирование в среде GPSS. М: Бестселлер, 2003.
2. Академик.ру [Электронный ресурс]: толковый словарь — описание термина «виртуальная реальность».
3. Энциклопедия «Кругосвет» [Электронный ресурс]: статья «виртуальная
реальность».
4. Материалы центра компьютерных технологий (ЦКТ) Московского
государственного индустриального университета [Электронный ресурс]: статья
«компьютерное моделирование», 1998.
5. Советов Б.А., Яковлев С.А. Моделирование систем. М: Высшая школа, 1985. УДК 662.75
ОСОБЕННОСТИ ФУНКЦИОНИРОВАНИЯ АЛГОРИТМОВ РЕГУЛИРОВАНИЯ
Чекмаев С.Ю., аспирант,
ФГОУВПО «Российский государственный университет туризма и сервиса»,
г. Москва
Рассмотрены особенности функционирования регулирующих алгоритмов. Представлены схемы реализации импульсного и аналогового регуляторов в Программно-техническом комплексе (ПТК) «Квинт»; исследованы динамические характеристики алгоритмов регулирования контроллеров Ремиконт Р-210 ПТК "Квинт” и получены реальные частотные характеристики регулирующих алгоритмов при различных значениях локальных факторов и факторов контроллера.
Ключевые слова: регулятор аналоговый, регулятор импульсный, преобразование сигнала.
Введение
Алгоритмы аналогового и импульсного регулирования предназначены для преобразования сигнала рассогласования в регулирующее воздействие.
Регулятор аналоговый (РАН) служит для управления по пропорционально-интегрально-дифференциальному (ПИД) закону регулирования пропорциональным исполнительным механизмом. Он может выполнять также функции корректирующего регулятора в каскадных схемах регулирования, формируя задание подчиненному аналоговому или импульсному регулятору.
РАН относится к категории каскадных алгоритмов. С помощью специального входа Хкск и выхода 7вых присоединяется к цепочке каскадных алгоритмов, которая может синхронно и безударно включаться и отключаться путем перехода в режим слежения.
Все выходные сигналы алгоритма могут запрашиваться по объектным командам оперативного управления. С помощью этих команд могут также изменяться оперативные параметры регулятора.
Схемы автоматических регуляторов с исполнительными механизмами постоянной скорости (МПС) реализуются через регулятор импульсный (РИМ). Совместно с этим механизмом регулятор реализует пропорционально-интегрально-дифференциальный (ПИД) закон регулирования.
