Жизненный цикл проекта

Однако  ИМ наряду с достоинствами  имеет и недостатки:

1. Разработка хорошей ИМ часто обходится дороже создания аналитической модели и требует больших временных затрат.
2. Может оказаться, что ИМ неточна (что бывает часто), и мы не в состоянии измерить степень этой неточности.
3. Зачастую исследователи обращаются к ИМ, не представляя тех трудностей , с которыми они встретятся и совершают при этом ряд ошибок методологического характера.

И тем  не менее ИМ является одним из наиболее широко используемых методов при решении задач синтеза и анализа сложных процессов и систем.

     Одним из видов имитационного моделирования является статистическое имитационное моделирование, позволяющее воспроизводить на ЭВМ функционирование сложных случайных процессов.

     При исследовании сложных систем, подверженных случайным возмущениям используются вероятностные аналитические модели и вероятностные имитационные модели.

     В вероятностных аналитических моделях  влияние случайных факторов учитывается  с помощью задания вероятностных характеристик случайных процессов (законы распределения вероятностей, спектральные плотности или корреляционные функции). При этом построение вероятностных аналитических моделей представляет собой сложную вычислительную задачу. Поэтому вероятностное аналитическое моделирование используют для изучения сравнительно простых систем.

     Подмечено, что введение случайных возмущений в имитационные модели не вносит принципиальных усложнений, поэтому исследование сложных случайных процессов проводится в настоящее время, как правило, на имитационных моделях.

     В вероятностном имитационном моделировании оперируют не с характеристиками случайных процессов, а с конкретными случайными числовыми значениями параметров ПС. При этом результаты, полученные при воспроизведении на имитационной модели рассматриваемого процесса, являются случайными реализациями. Поэтому для нахождения объективных и устойчивых характеристик процесса требуется его многократное воспроизведение, с последующей статистической обработкой полученных данных. Именно поэтому исследование сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационного моделирования принято называть статистическим моделированием.

     Статистическая  модель случайного процесса - это алгоритм, с помощью которого имитируют работу сложной системы, подверженной случайным возмущениям; имитируют взаимодействие элементов системы, носящих вероятностный характер.

     При реализации на ЭВМ статистического имитационного моделирования возникает задача получения на ЭВМ случайных числовых последовательностей с заданными вероятностными характеристиками. Численный метод, решающий задачу генерирования последовательности случайных чисел с заданными законами распределения, получил название "метод статистических испытаний" или "метод Монте-Карло".

     Так как метод Монте-Карло кроме  статистического моделирования  имеет приложение к ряду численных  методов (взятие интегралов, решение  уравнений), то целесообразно иметь  различные термины.

     Итак, статистическое моделирование - это  способ изучения сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационных моделей.

     Метод Монте-Карло - это численный метод, моделирующий на ЭВМ псевдослучайные  числовые последовательности с заданными  вероятностными характеристиками.

Методика  статистического  моделирования состоит  из следующих этапов:

1. Моделирование на ЭВМ псевдослучайных последовательностей с заданной корреляцией и законом распределения вероятностей (метод Монте-Карло), имитирующих на ЭВМ случайные значения параметров при каждом испытании;
2. Преобразование полученных числовых последовательностей на имитационных математических моделях.
3. Статистическая обработка результатов моделирования.

Обобщенный  алгоритм метода статистических испытаний  представлен на рисунке.

 
Рис. 5.1.  Обобщенный алгоритм метода статистических испытаний 
 
 
 
 
 
 

Имитационная  модель жизненного цикла  проекта. 

       На основе имитационной модели можно построить самые точные и действенные методы анализа и прогнозирования показателей эффективности бизнес-процессов.

     Для дальнейшего рассмотрения методики имитационного моделирования выделим  четыре главные категории бизнес-процессов: процессы, связанные с работой  над проектом, производственные процессы, распределительные процессы и процессы обслуживания клиентов.

     Такая классификация, разумеется, не означает, что все бизнес-процессы четко попадают в одну из этих категорий. Например, обслуживание клиентов может включать в себя реализацию как функций приема заказов, так и функций их выполнения. В этом случае прием заказов является процессом обслуживания клиентов, а выполнение заказов - производственным процессом.

     Процессы, связанные с работой  над проектом.

     Подобные  процессы, как правило, выполняются  одним человеком или группой  людей. Типичными примерами служат разработка нового продукта и административные процессы. Обычно анализ подобных процессов проводится с использованием инструментария управления проектом. Тем не менее, оценки времени полного цикла процесса и требований к ресурсам, получаемые в результате анализа, основанного на методике имитационного моделирования, являются более точными, так как временные параметры выполнения проекта крайне неустойчивы, а совместное использование ресурсов приводит к появлению множества взаимосвязей.

     При создании корректной имитационной модели проекта в первую очередь рассматривается моделирование следующих элементов: приоритеты, выполнение срочных работ, разбиение на смены, простой, сверхурочные работы и кривые обучения.

     Одним из самых важных моментов, на который  следует обратить внимание при имитационном моделировании работ над проектом, является процедура повторения измерений. Поскольку временные параметры крайне неустойчивы, один прогон модели даст только один вариант развития бизнес-процессов. На основе множества повторов измерений можно получить несколько вариантов сценария, что позволит получить более точные оценки и выделить наиболее уместные интервалы для фиксации показателей эффективности.

     Производственные  процессы

     Результатом производственных процессов является достаточно большое количество различных “продуктов”, разбитых на группы или же получаемых в непрерывном потоковом режиме. Типичными примерами служат выполнение заказов, работа отдела счетов к оплате или обработка заявок.

     Такие операции, как разбиение на группы, объединение групп, сборка, разборка, монтаж, контроль качества и устранение брака, представляют собой типичные функции, реализуемые производственными процессами. Для того чтобы точно смоделировать эти функции, модель должна отслеживать информацию об отдельных объектах потока и их атрибутах. Кроме того, в ходе создания модели важно учитывать правила построения очередей, а также моделирование простоя.

     Цель  моделирования производственных процессов, как правило, состоит в получении  устойчивой схемы, поскольку последовательность выпускаемой продукции повторяется. Важной процедурной концепцией анализа эффективности является определение периода неустойчивой работы и устранение искажения, вносимого статистическими данными, собранными за такой период.

     Распределительные процессы

     Распределительные процессы включают в себя транспортировку  и доставку, в ходе которых происходит перемещение продукции или людей  между различными точками в сети распределения. Фундаментальным отличием транспортировки от доставки является то, что потоковые объекты при транспортировке - это люди, а не товары.

     Типичные  процессы транспортировки можно  найти в системах общественного  транспорта. На типичных процессах  доставки основаны сбыт произведенной  продукции, доставка почты и товаров  покупателю.

При моделировании распределительных процессов, для отслеживания таких характеристик, как место назначения, размер или затраты, важно описать свойства потоковых объектов. При моделировании перемещения иногда будет более правильным представлять ресурсы транспортировки как потоковые объекты.

     Большинство распределительных процессов носит  переходный характер. Поэтому длительность моделирования должна быть достаточной, чтобы охватить весь цикл процесса. Кроме того, чтобы провести анализ показателей эффективности, прогон необходимо выполнить несколько раз.

     Процессы  обслуживания клиентов

     Процессы  обслуживания клиентов представляют собой  одну из важнейших областей применения имитационного моделирования, поскольку  в типичном процессе обслуживания суммарное  время ожидания может достигать 95 % общего времени обработки.

     Процессами  обслуживания клиентов могут являться: оказание услуг по телефону (справочные центры), работа «фабрик» услуг (рестораны, центры копирования), «магазинов» услуг (госпитали, ремонтные мастерские) и  универмагов.

     Имитационное  моделирование процессов обслуживания клиентов считается исключительно  сложной задачей, так как в  данном случае как потоковые объекты, так и ресурсы - это люди. Люди обладают гораздо более сложным  и непредсказуемым поведением по сравнению с продуктами, документами, оборудованием или транспортными средствами. Например, клиенты, стоящие в очереди, могут вступать в пререкания, схитрить тем или иным способом или вообще уйти. Чтобы смоделировать подобные ситуации требуется значительная гибкость программирования.

     Как правило, время обслуживания непостоянно, а моменты появления клиентов случайны. Поэтому для корректного  представления необходимо использовать вероятностные распределения.

     Поскольку поступление в систему носит  циклический и случайный характер, системы обслуживания редко находятся в устойчивом положении. Поэтому было бы правильным представлять осуществление операций в такой системе в рамках временных окон (периодов) и соответствующим образом описывать элементы модели.

     Виды  инструментария для имитационного моделирования.

     За  последние несколько лет был  разработан целый ряд новых программных  инструментов, непосредственно предназначенных  для моделирования бизнес-процессов. В большинстве этих продуктов  бизнес-процессы описываются с использованием графических символов или объектов. Отдельные функции процесса изображаются в виде последовательности прямоугольников и стрелок. Специальные характеристики каждого процесса или функции могут быть затем отображены как атрибуты процесса.

     Многие  из таких программных инструментов позволяют также проводить некоторый анализ, глубина которого зависит от степени сложности методологии, лежащей в основе программы. Программные инструменты имитационного моделирования бизнес-процессов можно разбить на три категории:

     Инструментарий  имитационного моделирования, основанного  на потоковых диаграммах. Подобный - самый простой - инструментарий построения потоковых диаграмм помогает описывать  выполняемые функции и определять их последовательность. Модели, основанные на потоковых диаграммах, не зависят от методологии и наиболее просты в изучении. К сожалению, следствием легкости использования является ограниченность возможностей моделирования и анализа. Примерами инструментария имитационного моделирования подобного рода служат Process Charter и Optima.

     Инструментарий  динамического моделирования. На следующем  уровне располагаются программные  продукты аналогового моделирования, которые позволяют отображать динамику системы. Модели, созданные подобными  продуктами, состоят из таких специфических для выбранной методологии логических структур, как уровни, стеки, потоки, преобразователи и соединители. Примеры: ithink и PowerSim.

     Инструментарий  дискретно-событийного имитационного  моделирования. Наиболее развитым и  мощным инструментарием имитационного моделирования бизнес-процессов являются программные продукты дискретно-событийного моделирования. Эти инструменты поддерживают моделирование потока объектов (продуктов) и предоставляют возможности анимации, что позволяет пользователю производить наблюдение за движением в системе потоковых объектов. Некоторые из подобных технологий обеспечивают даже возможности объектно-ориентированного моделирования, упрощающего разработку больших моделей бизнес-процессов. Примеры: ServiceModel и SIMPROCESS.