Разработка имитационной модели процессов в Департаменте стратегического планирования

Разработка имитационной модели процессов в Департаменте стратегического планирования

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

.        ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКОЕ ОБОСНОВАНИЕ

.        ОПИСАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ И ПРЕДМЕТНОЙ ОБЛАСТИ

.        ЛОГИКО-МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ МОДЕЛИРУЕМОЙ СИСТЕМЫ

.1      Значение и актуальность теории массового обслуживания

.2      Значение и актуальность теории временных рядов

.3      Логико-математическое описание моделируемой системы

.        РАЗРАБОТКА ВРЕМЕННОЙ ДИАГРАММЫ ПРОЦЕССОВ

.        РАЗРАБОТКА ФОРМАЛИЗОВАННОЙ СХЕМЫ ОБЪЕКТА МОДЕЛИРОВАНИЯ

.        РАЗРАБОТКА БЛОК-СХЕМ ПРОГРАММНЫХ БЛОКОВ И ОСНОВНОЙ ПРОГРАММЫ

.1      Блок-схема имитационной модели

.2      Структурная схема имитационной модели

.3      Блок-схема GPSS

.        РАЗРАБОТКА И АНАЛИЗ РАБОТЫ МОДЕЛИ С ИСПОЛЬЗОВАНИЕМ ЯЗЫКА МОДЕЛИРОВАНИЯ

.1      Применение аналитического метода

.2      Разработка модели на языке моделирования GPSS

.3      Разработка модели в среде AnyLogic

.4      Анализ результатов работы модели

. ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ ПРОЕКТА

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Приложение А. Научная статья из сборника материалов конференции

Приложение Б. Листинг модели (программный код на Java)

ВВЕДЕНИЕ

Актуальность темы.

Стратегическое планирование - это процесс создания и воплощения в жизнь программ, планов действий и мероприятий, взаимоувязанных в пространстве (по конкретным исполнителям) и во времени (по конкретным срокам), нацеленных на выполнение стратегических задач, а также основной миссии. В процессе стратегического планирования важнейшую роль играет как влияние внешней, так и внутренней среды исследуемого объекта. Категорически нельзя упускать ни один параметр, который может сформировать существенные связи между объектом и исполнителем, а также необходимо учесть значимость логико-математического и вероятностно-статистического аппарата в разработке самой стратегии.

На территории всех 83 субъектов Российской Федерации органами исполнительной государственной власти реализуется множественное количество государственных программ и стратегий социально-экономического развития, которые, в свою очередь, отражают процесс реализации поставленных целей (уровень жизни населения, трудовые ресурсы, финансово-бюджетный потенциал, сфера ЖКХ и др.), достижений ключевых показателей эффективности и стабилизируют ситуацию в конкретном исследуемом объекте. Для оперативной и мобильной работы, более качественного анализа и синтеза, обработки огромного количества данных необходимо применять специализированные программные комплексы, которые способны максимально точно отразить все параметры (теоретико-методологический подход) и с минимальной погрешностью дать оценку получившимся результатам (практико-ориентированный подход). С этой целью разрабатываются программные средства, но при этом, каждое из них преследует свои цели и задачи по реализации стратегии.

Цель данной работы:

Разработка имитационной модели процессов для исследуемого объекта «Департамент стратегического планирования Вологодской области».

Задачи работы:

1)      анализ и синтез необходимой информации с целью постановки задачи, описание предметной области;

)        разработка логико-математического описания моделируемой системы;

)        разработка временной диаграммы процессов;

)        разработка формализованной схемы объекта моделирования;

)        разработка блок-схем программных блоков;

)        разработка и анализ работы модели;

)        экономическое обоснование проекта.

Научная новизна работы:

Научная новизна работы заключается в том, что в процессе выполнения работы впервые были определены и описаны некоторые параметры, которые оказывают существенное влияние на разработку стратегии и обработку данных в процессе её разработки. В процессе исследования был изучен и применен вероятностно-статистический метод и теория СМО.

Практическая значимость работы:

Практическая значимость разработки имитационной модели процессов объекта «Департамент стратегического планирования области» заключается в дальнейшей возможности внедрения её в конкретных структурных подразделениях (управление макроэкономики и стратегического планирования, управление государственных программ).

Апробация работы.

По содержанию выпускной квалификационной работы были сделаны доклады на внутривузовской (Дни студенческой науки ВоГУ), региональной (Ежегодная научная сессия молодых ученых и аспирантов), всероссийской (Всероссийский конкурс «Лучшая студенческая статья - 2017») и международной студенческой конференции (Молодежный научный форум «Молодые исследователи регионам - 2017»), имеется ряд выступлений на круглых столах и научных семинарах, а также в процессе исследования состоялись обсуждения с представителями Департамента в форме консультаций. Помимо основных результатов работы, которые будет применены в организационном процессе исследуемого объекта, планируется изучение дополнительных возможностей имеющихся ресурсов (ГАС «Планирование»).

Публикации. Основные результаты изложены в трех работах:

.        Кузнецов И.А. «Разработка имитационной модели процессов Департамента стратегического планирования» (Сборник статей VII Международного научно-практического конкурса, 27 апреля 2017 г. / МЦНС «Наука и Просвещение», г.Пенза);

.        Кузнецов И.А. «Разработка имитационной модели процессов в Департаменте стратегического планирования» (Материалы Межрегиональной научной конференции X Ежегодной научной сессии аспирантов и молодых ученых, ВоГУ, г. Вологда);

.        Кузнецов И.А. «Применение имитационного моделирования для автоматизации процессов Департамента стратегического планирования» (Сборник материалов Международной научной конференции «Молодые исследователи регионам - 2016», ВоГУ, г.Вологда).

Выпускная квалификационная работа состоит из восьми разделов.

В первом разделе приведены результаты анализа и синтеза необходимой информации с целью постановки задачи.

Во втором разделе сформирован метод решения поставленной задачи и приведено полное описание предметной области.

В третьем разделе приведено логико-математическое описание моделируемой системы.

В четвертом разделе описаны этапы и результат разработки временной диаграммы процессов.

В пятом разделе приведены формализованная схема объекта моделирования и её подробное описание.

В шестом разделе приведены блок-схемы программных блоков и основной программы, а также их описание.

В седьмом разделе описаны этапы разработки модели и её процедур.

В восьмом разделе приведено экономическое обоснование проекта.

1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКОЕ ОБОСНОВАНИЕ

Стратегическое планирование является одним из эффективных методов воздействия на инновационное развитие региона, однако применение его на региональном уровне сдерживается недостаточным теоретическим и методологическим обоснованием, что вызывает сложности у органов местной исполнительной власти и требует выработки практических рекомендаций. Ввиду этого необходимо учесть использование дополнительных ресурсов, таких как, человеческие, временные, производственные, информационные, организационные, правовые и др. Далеко не всегда применение их в конкретной ситуации позволяет достичь желаемых результатов, например, в процессе построения социально-экономических прогнозов и планирование бюджетного процесса изучаемого субъекта.

В настоящее время значимость стратегического управления (менеджмента) крайне необходима не только в деятельности конкретных организаций и предприятий (микроуровень), но и на территории муниципалитета, субъекта и страны в целом (макроуровень). Большое количество ученых-экономистов, социологов, математиков и политологов доказали в своих трудах существенное влияние стратегического планирования на динамику внутренних и внешних процессов макросреды. Например, Дж.Пирс и Р.Робертсон определяли это понятие как «набор решений и действий по формулированию и выполнению стратегий, разработанных для того, чтобы достичь целей организации», а А.Томпсон и А.Стрикленд как «план управления фирмой, направленный на укрепление ее позиций, удовлетворение потребителей и достижение поставленных целей» [1].

Определяя стратегические приоритеты, направления и проекты как инструментальные средства реализации стратегии, необходимо понимать каким образом это позволит перевести исследуемый объект из его настоящего состояния в желаемое, т.е. первичное прогнозирование, анализ и синтез имеющейся информации [2]. В этом и состоит сложность постановки задачи по разработке стратегических программ и самой стратегии развития. На плечах сотрудников органов исполнительной власти, курирующих данное направление, возложена огромная ответственность за точность и корректность принятых решений, поэтапность выполнения конкретных шагов и мониторинг каждой «точки роста». Такими этапами могут быть:

)        анализ окружения (внешняя среда и внутреннее состояние);

)        постановка целей и средств (изучение рынка, сбор информации, эмпирические исследования);

)        применение деятельностного подхода (конкурентный анализ, стратегический выбор, стратегическое осуществление);

)        анализ изменений и новаций и др.

Рассмотрев ряд литературных источников по стратегическому менеджменту, планированию и управлению можно сделать вывод, что абсолютно каждое стратегическое решение должно быть принято на основании первичного стратегического анализа и синтеза, подтвержденного конкретными данными и обработанной информацией, которая может быть применена как первичный источник. В этом случае прибегают к использованию специализированных программных средств и приложений, основная цель которых способствовать выработке оперативных и адекватных результатов. В редких случаях проводится моделирование всей системы в целом, т.к. исполнителю важно влияние каждого объекта и количество связей между ними.

Вологодская область, как и любой другой субъект Российской Федерации, наделена полномочиями самостоятельно определять стратегические цели и направления развития (в соответствии с Уставом Вологодской области, принятым Постановлением Законодательного собрания Вологодской области от 03.10.2001 №481). Основу этого составляет социально-экономическое положение региона на федеральном уровне. В этом случае органами власти (Минэкономразвития РФ, Минфин РФ) в соответствии с методическими рекомендациями предлагается разработка стратегии социально-экономического развития на краткосрочный и долгосрочный период, а также формирование бюджетного прогноза на плановый период. В октябре 2016 года была принята Стратегия социально-экономического развития Вологодской области до 2030 года (в соответствии с Постановлением Правительства Вологодской области от 17.10.2016 №920), основными приоритетами которой стали:

)        формирование пространства для жизни;

)        формирование пространства для развития;

)        формирование пространства эффективности.

Основной целью социально-экономической политики Вологодской области на период до 2030 года является сохранение демографического потенциала и накопление человеческого капитала за счет конкурентоспособности области и формирования пространства развития, а также стабилизация основных условий для повышения качества жизни [3]. В Стратегии-2030 указано, что к 2030 году необходимо выполнить ряд приоритетных (ключевых) показателей, которые позволят не только стабилизировать социально-экономическое положение региона, но и улучшить ситуацию в демографии, социальной политике, жилищно-коммунальной сфере, малое и среднее предпринимательство и др. Мониторинг и контроль реализации Стратегии-2030 осуществляется Департаментом стратегического планирования области, в структуре которого находятся три основных управления - макроэкономики и стратегического планирования, государственных программ и организационной, кадровой и правовой работы и оценки регулирующего воздействия.

В ходе выполнения поставленных задач во время производственной, научно-исследовательской и преддипломной практики в Департаменте стратегического планирования области автором работы были изучены организационная структура, нормативно-правовая база кадровая документация и внутренний (внешний) документооборот, процессы обработки социально-экономической информации, принципы использования программных средств и взаимодействия с другими структурными подразделениями. Помимо этого были исследованы основные возможности оперативного принятия управленческих решений. Также в ходе выявления причин необходимости разработки имитационной модели проводилась постоянная корректировка основных элементов системы, уточнение статистических и вероятностных показателей и информационной базы [4]. На основании вышеперечисленного был сделан вывод о необходимости разработки имитационной модели процессов для увеличения эффективности деятельности и достижения поставленных целей (ключевых показателей эффективности - KPI), что послужило основной задачей выполнения данной работы.

Имитационное моделирование позволяет с высокой точностью оценить адекватность и системность реализации процессов, вспомогательных процедур, выполняет сложные и алгоритмические расчеты с использованием общеизвестных математических методов, а также определеть поведение объекта в определенный (случайный) момент времени, спрогнозировать его жизненный цикл и смоделировать «каркас» с целью глубокого изучения.

Этот метод позволяет строить модели, которые описывают процессы так, как они проходили бы в действительности и в реальном отображении. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику. В процессе имитационного моделирования определяются наиболее важные и заметные по уровню чувствительности факторы, которые в дальнейшем становятся параметрами-приоритетами и накладывают ряд ограничений, определяющих насколько будут «срезаны» наименее важные характеристики исследуемого объекта и как быстро будут протекать процессы, если менять их значения.

2. ОПИСАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ И ПРЕДМЕТНОЙ ОБЛАСТИ

В экономических исследованиях довольно часто применяются методы вычисления какой-либо интегральной характеристики или отдельных показателей, которые определяются на основе других социально-экономических показателей, который основывается на оперировании усредненными значениями либо экспертными оценками (отдельными числами). Вопрос о выборе тех или иных значений остается открытым и требует дополнительного обоснования [5].

Следует отметить, что такой подход обусловлен стремлением человека к снижению неопределенности в анализе и синтезе сложных явлений, получению обоснованных в определенной мере выводов. По факту реальные социально-экономические системы являются совокупностью взаимодействующих и взаимовлияющих объектов и субъектов. Структура системы определена факторными условиями взаимодействия ее элементов, что в конечном итоге определяет цель и потенциал развития системы. При построении модели региона, муниципалитета или какой-либо территории необходимо также учитывать некоторые особенности функционирования данного объекта как структуры, непосредственно интегрированной в экономику страны.

При исследовании социально-экономического объекта для начала выявляют и описывают модель исследуемой структуры, определяют способы и форматы взаимодействия элементов системы на основе обратных связей, а затем строят систему нелинейных одновременных уравнений, которые описывают математическую модель исследуемого объекта [6].

На рисунке 2.1 приведем схему, которая отражает работу модели региона в общем виде.

Рисунок 2.1 - Модель экономики региона в общем виде

Цель работы - разработать имитационную модель процессов в Департаменте стратегического планирования и поведение в условиях имитации и взаимодействия с внешней средой, которая максимально точно могла бы отражать специфику основных действий и задач.

Для достижения указанной цели были определены основные задачи исследования:

)        рассмотрение и анализ исследуемой системы;

)        разработка концептуальной модели;

)        представление модели в виде системы массового обслуживания;

)        моделирование системы.

Тема, поднимаемая в работе, является актуальной, так как в настоящее время идёт интенсивное развитие и внедрение информационных технологий для более эффективного функционирования конкретной организации, либо предприятия [7].

Построение имитационной модели значительно упрощает работу пользователя с любым количеством информации, что повышает скорость работы и, соответственно, производительность труда, уменьшая количество трудозатрат и привлекаемых ресурсов.

Департамент стратегического планирования Вологодской области подчиняется Губернатору Вологодской области и Заместителю Губернатора Вологодской области, курирующему вопросы социально-экономической политики региона. Департамент сотрудничает и координирует со всеми органами исполнительной государственной власти (наиболее близко - Департамент финансов, Государственно-правовой Департамент), органами государственной законодательной власти (Законодательное Собрание области), Торгово-промышленной палатой, Корпорацией развития, Счетной палатой и др.

Основным документом, который регламентирует и регулирует функционал Департамента стратегического планирования Вологодской является Положение о Департаменте стратегического планирования Вологодской области [8].

Основными задачами деятельности Департамента являются:

-       реализация стратегического планирования социально-экономического развития области;

-       формирование сводных прогнозных и аналитических материалов по социально-экономическому развитию области;

-       осуществление оценки регулирующего воздействия и экспертизы проектов нормативных правовых актов области в целях выявления положений, необоснованно затрудняющих осуществление предпринимательской и инвестиционной деятельности;

-       проведение мониторинга достижения целевых показателей, содержащихся в указах Президента Российской Федерации ;

-       организация на территории области мероприятий по противодействию предпринимательской деятельности, включающей производство товаров (работ и услуг), которая осуществляется без необходимой законодательством государственной регистрации, укрываемой от статистического учета и налогообложения, а также неформальной занятости граждан (теневой сектор экономики);

-       обеспечение системы выработки мер оперативного реагирования на риски социально-экономической нестабильности, возникающие на территории региона.

Используемые программные средства:

)        ПС «Консультант-Плюс: сводное региональное законодательство» - база нормативно-правовых актов по округам (регионам) - представлено на рисунке 2.2;

Рисунок 2.2 - Интерфейс КонсультантПлюс

2)      ПС Microsoft Office 2007 - пакет программ для управления документооборотом (чаще всего используется Word, Excel, Outlook и PowerPoint), создания текстовых и табличных информационных бюллетеней, презентации и с целью использования шаблонов для более быстрого создания документов;

)        ПС «Директум» - внутренняя программа для обмена документацией и информацией между сотрудниками Департамента (представлено на рисунке 2.3);

Рисунок 2.3 - Интерфейс ПС «Директум»

4)      Государственная автоматизированная система «Управление» (ГАС «Управление») - информационная система, которая обеспечивает загрузку и централизованное хранение социально-экономических показателей Вологодской области и иной отчетной информации, оперативный доступ потребителей информации к показателям ГАС «Управление» Вологодской области, сводное графическое представление данных различных видов. В настоящее время в Департаменте стратегического планирования активно внедряется ГАС «Планирование». ГАС «Управление» представлена на рисунке 2.4.

Рисунок 2.4 - Интерфейс ГАС «Управление»

5)      Прочие программные средства, с целью более оперативной обработки информации, хранения, передачи, блокировки и ограничения доступа к данным.

В большей степени используется программные средства «Директум» и ГАС «Управление» как приоритетные - для выполнения основных задач и функций. Опишем функционал каждой структурной единицы более подробно в таблице 2.1.

Таблица 2.1 - Функционал Департамента стратегического планирования области

управление организационной, кадровой, правовой работы и оценки регулирующего воздействия     - кадровое обеспечение, включая обеспечение соблюдения законодательства о государственной гражданской службе, противодействии коррупции; - правовое обеспечение деятельности Департамента, в том числе обеспечение соблюдения законности при осуществлении его функций, защиту его интересов; - подготовку заключений об оценке регулирующего воздействия проектов нормативных правовых актов области; - проведение экспертизы нормативных правовых актов области в соответствии с законом <consultantplus://offline/ref=26E5C71414A4CE1186E5E410ABD68969A4B5365C22BEF11EEA0F4F37247BE14CD5yCRCJ> области от 11 декабря 2013 года N 3225-ОЗ;

Определив источники поступления информации, поступаемые от отделов (управлений) изучаемого организационно-управленческого объекта, изобразим схематично на рисунке 2.5. Формы представления определяются внутренними регламентами и локальными нормативно-правовыми документами, указанными в общем перечне законодательства.

Рисунок 2.5 - Организационная структура Департамента

Для повышения эффективности деятельности исследуемого объекта проводится неоднократное (ежегодное) обучение и повышение квалификации государственных служащих, а также их аттестация. Сотрудники управлений также являются объектами исследования, но особого вида - их поведение объясняется регламентом исполнения задач. Каждый сотрудник может выполнять не менее одной задачи за один этап, если это не оговорено иными требованиями регламента.

Каждое управление Департамента является структурной единицей со своими целями и задачами, которые, в свою очередь, разделены по приоритету и темпам исполнения задач (время обработки одного запроса одним сотрудником без учета очереди, порядок выполнения функций и др.). Каждая задача предполагает собой конкретный алгоритм, который следует реализовать в формальном виде.

Изобразим схему функционирования Департамента на рисунке 2.6.

Рисунок 2.6 - Схема функционирования Департамента

Объясним суть алгоритма, который представлен на рисунке:

.        заявители (исполнители) могут отправлять сразу несколько заявок за один этап;

.        поток заявок имеет дискретный (непрерывный) характер;

.        наиболее уязвимым звеном по обработке заявок (запросов) является объект «Приемная Департамента»;

.        ряд запросов-обращений могут рассматриваться неоднократно и возвращаться заявителям с целью обоснования их дополнительной документацией.

Отметим, что основные процессы по внутреннему документообороту, взаимодействию между структурными подразделениями и их сотрудниками происходит как в очном режиме (плановые совещания, индивидуальные беседы), так и в удаленном формате (ВКС, электронная почта). Департаментом стратегического планирования также используются и ряд других программных средств, которые дополняют обмен информацией и обработку документов в более ускоренном режиме.

3. РАЗРАБОТКА ЛОГИКО-МАТЕМАТИЧЕСКОГО ОПИСАНИЯ МОДЕЛИРУЕМОЙ СИСТЕМЫ

.1 Значение и актуальность теории массового обслуживания

Теория массового обслуживания - область прикладного математического знания, которая занимается анализом и синтезом процессов в системах производства, обслуживания, управления и домашнего хозяйства. Однородные события повторяются многократно, к примеру, на предприятиях и других структурах различных организационно-правовых форм (товариществах, консорциумах, холдингах); в системах приема, обработки и передачи информации; автоматических линиях производства и др. [9].

Объектом изучения теории массового обслуживания являются системы массового обслуживания (СМО) и входящее в них окружение, включая внешнее взаимодействие.

Цель теории массового обслуживания - разработка методов и рекомендаций по рациональному построению СМО, адекватной организации их работы и контроля потока заявок для обеспечения высокой эффективности работы СМО.

В большинстве сферах производства, хозяйственного обслуживания, экономики и финансов важную роль играют автоматизированные и распределенные системы специального вида, которые реализуют многократное выполнение однотипных операций, специфических процедур. Такие системы являются системами массового обслуживания (СМО) [10]. В качестве примеров СМО можно привести следующие системы: банки, страховые организации, налоговые инспекции, службы автоконтроллинга и мн.др. В сфере производства и обслуживания - различные системы связи (в т.ч. АТС), погрузочно-разгрузочные комплексы, автозаправочные станции, магазины, парикмахерские, билетные кассы, пункты обмена валюты, ремонтные мастерские, больницы и т.д. Такие системы как компьютерные сети, системы сбора, хранения и обработки информации, распределенные автоматизированные информационные системы, транспортные системы, автоматизированные производственные участки и, в военной области, системы противовоздушной или противоракетной обороны также могут рассматриваться как специфические СМО [11].

Каждая СМО включает в себя некоторое число обслуживающих устройств, которые называются каналами обслуживания. Роль каналов могут играть лица, которые выполняют те или иные операции (кассиры, операторы, продавцы, парикмахеры и т.д.), линии связи, автомашины, краны, ремонтные бригады, железнодорожные пути, бензоколонки и т.д. Пример СМО с некоторыми ее элементами приведен на рисунке 3.1.

Рисунок 3.1 - Схема СМО с элементами

Каждая СМО необходима для обслуживания определенно заданного потока заявок, поступающих на вход системы непостоянно, а в случайные моменты времени. Обслуживание заявок также длится в случайные промежутки времени, которые иногда невозможно определить. После обслуживания заявки канал освобождается и принимает следующую заявку. Такое поведение потока и время выполнения может привести к неравномерной загрузке СМО: на входе СМО могут оставаться необслуженные заявки (они либо становятся в очередь, либо покидают СМО), в другие же периоды времени при свободных каналах на входе СМО заявок не будет, что приводит к недогрузке СМО (простаивание каналов) [12].

График вероятности блокировки в зависимости от нормированной загрузки (перегрузки канала) представлен на рисунке 3.2.

Рисунок 3.2 - Вероятность блокировки от нормированной загрузки

Отсюда, в каждой СМО можно выделить следующие элементы, которые представлены на рисунке 3.3.

Рисунок 3.3 - Основные элементы системы массового обслуживания

Каждая система в зависимости от различных параметров: характера потока заявок, числа каналов обслуживания и их производительности, а также от правил организации процессов, обладает определенной эффективностью (пропускной способностью), позволяющей ей более или менее успешно справляться с потоком заявок.

Основная часть СМО является объектом исследования с целью определения ключевых показателей работы системы. В этом случае прибегают к прямому имитационному моделированию и определяют ее окружение. В качестве характеристик эффективности СМО можно выбрать две основные группы показателей, представленные на рисунке 3.4.

Рисунок 3.4 - Характеристика показателей СМО

Системы массового обслуживания делятся на типы по определенным признакам. По числу каналов СМО подразделяют на одноканальные и многоканальные. Предполагается, что каждый канал одновременно может обслуживать только одну заявку и, если не оговорено, каждая находящаяся под обслуживанием заявка обрабатывается только одним каналом.

Многоканальные СМО могут состоять из однородных каналов, либо из разнородных, которые отличаются длительностью обслуживания одной заявки. Практически время обработки каналом одной заявки является непрерывной (дискретной) случайной величиной. Однако при условии абсолютной однородности поступающих заявок и каналов время обслуживания может быть и величиной постоянной, что на практике бывает довольно редко.

Каждая СМО способна помимо выполнения основных функций моделирования системы выполнять дополнительные процедуры, которые не оговорены изначально. Например, визуализация комплексной работы аэропортов или системы транспортных перевозок.

.2 Значение и актуальность теории временных рядов

В настоящее время решения в аспекте управления и стратегического планирования должны приниматься на базе глубокого изучения и анализа имеющейся информации. При решении такого рода задач необходим профильный аппарат прикладной статистики и экономико-математического моделирования. Составными частями данных направлений являются как статистический методы прогнозирования, так и тщательный анализ случайных процессов, временных рядов. Данные методы позволяют установить закономерности в рамках рассмотрения случайностей, обосновать прогнозы и найти вероятность их выполнения.

При изучении классической модели регрессии и корреляции род исходных данных не имеет принципиального значения. Способы исследования моделей, разработанных на основе данных пространственных выборок и временных рядов, могут существенно различаться. Такое поведение можно объяснить тем, что наблюдение в аспекте изучения временных рядов нельзя считать независимыми.

Под временным рядом понимается последовательность наблюдений некоторой случайной величины в последовательные моменты времени. Отдельные наблюдения называются уровнями ряда. В традиционном виде при исследовании временного ряда выделяют несколько составляющих:

 - аддитивная модель

 - мультипликативная модель

где  - тренд, плавно меняющаяся компонента, описывающая чистое влияние долговременных факторов, то есть длительную тенденцию изменения признака;

 - сезонная компонента, отражающая повторяемость экономических процессов в течение не очень длительного периода;

 - циклическая компонента, отражающая повторяемость экономических процессов в течение длительных периодов;

 - случайная компонента, отражающая влияние неподдающихся учету и регистрации случайных факторов.

Отметим, что в отличие от случайной компоненты первые три составляющие являются закономерными, неслучайными.

Основными целями анализа временных рядов является выявление присущих им закономерностей и прогнозирование на будущее (с учётом этих закономерностей).

Существует великое множество методов анализа временных рядов, которым посвящена обширная литература. Эти методы могут применяться каждый в отдельности, в различных комбинациях и в разной последовательности. В зависимости от этого могут получаться различные результаты. Однако для «хороших» временных рядов они буду не очень сильно различаться между собой.

Предполагается, что временной ряд можно разделить на три составляющие:

1)      тренд, т.е. некая общая закономерность роста или убывания;

2)      сезонная (или циклическая) компонента;

3)      случайная компонента (шум).

Одной из важнейших задач исследования экономического временного ряда является выявление основной тенденции изучаемого процесса, выраженной неслучайной составляющей f(t) (тренда с циклической или (и) сезонной составляющей). Для решения этих задачи необходимо выбрать вид функции f(t).

Наиболее часто используется следующие функции:

1)      линейная - f(t) = b₀+b₁t;

2)      полиномиальная - f(t) = b₀+b₁t+…+b_ntⁿ;

3)      экспоненциальная - f(t) = e^b0+b1t;

4)      логистическая - f(t) = a/1+be^-ct;

5)      Гомперца - log_cf(t) = a - br^t, где 0 < r < t.

Это весьма ответственный этап исследования. При выборе соответствующей функции f(t) используют содержательный анализ (который может установить характер динамики процесса), визуальные наблюдения (на основе графического представления временного ряда). При выборе полиномиальной функции может быть применён метод последовательных разностей (состоящий в вычислении разностей первого порядка Δ_t = x_t - x_t-1, второго порядка - Δ_t⁽²⁾ = Δ_t - Δ_t-1 и т.д., и порядок разностей, при котором они будут примерно одинаковыми, принимается за степень полинома).

Из двух функций предпочтение обычно отдаётся той, при которой меньше сумма квадратов отклонений фактических данных от расчётных на основе этих функций. Но этот принцип нельзя доводить до абсурда: так, для любого ряда из n точек можно подобрать полином (n-1) степени, проходящий через все точки, и соответственно с минимальной - нулевой - суммой квадратов отклонений, но в этом случае, очевидно, не следует говорить о выделении основной тенденции, учитывая случайный характер этих точек. Поэтому при прочих равных условиях предпочтение следует отдавать более простым функциям.

Для выявления основной тенденции чаще всего используется метод наименьших квадратов. Значения временного ряда x_t или y_t рассматриваются как зависимая переменная, а время t - как объясняющая:

y(t) = f(t) + ε_t,

где ε_t - возмущения, удовлетворяющие основным предпосылкам регрессионного анализа, т.е. представляющие независимые и одинаково распределённые случайные величины, распределение которых предполагаем нормальным.

Распространенным приемом при выявлении тенденции развития является сглаживание временного ряда. Суть различных приемов сглаживания сводится к замене фактических уровней временного ряда расчетными, обладающими меньшей колеблемостью. Это способствует более четкому проявлению тенденции развития. Иногда сглаживание применяют как предварительный этап перед использованием других методов выделения тенденции.

Скользящие средние позволяют сгладить как случайные, так и периодические колебания, выявить имеющуюся тенденцию в развитии процесса, и поэтому, являются важным инструментом при фильтрации компонент временного ряда. Представим блок-схему алгоритма анализа временных рядов в общем виде на рисунке 3.5.

Рисунок 3.5 - Блок-схема алгоритма анализа временного ряда

Алгоритм сглаживания по простой скользящей средней может быть представлен в виде следующей последовательности шагов:

. Определяют длину интервала сглаживания g, включающего в себя g последовательных уровней ряда (g<n). При этом надо иметь в виду, что чем шире интервал сглаживания, тем в большей степени взаимопогашаются колебания, и тенденция развития носит более плавный, сглаженный характер. Чем выше колеблемость, тем шире должен быть интервал сглаживания.

. Разбивают весь период наблюдений на участки, при этом интервал сглаживания как бы скользит по ряду с шагом, равным 1.

. Рассчитывают арифметические средние из уровней ряда, образующих каждый участок.

. Заменяют фактические значения ряда, стоящие в центре каждого участка, на соответствующие средние значения.

При этом удобно брать длину интервала сглаживания g в виде нечетного числа: g=2p+1, т.к. в этом случае полученные значения скользящей средней приходятся на средний член интервала. Наблюдения, которые берутся для расчета среднего значения, называются активным участком сглаживания.

Процедура сглаживания приводит к полному устранению периодических колебаний во временном ряду, если длина интервала сглаживания берется равной или кратной циклу, периоду колебаний.

Для устранения сезонных колебаний желательно было бы использовать четырех- и двенадцатичленную скользящие средние, но при этом не будет выполняться условие нечетности длины интервала сглаживания.

При использовании скользящей средней с длиной активного участка g=2p+1 первые и последние p уровней ряда сгладить нельзя, их значения теряются. Очевидно, что потеря значений последних точек является существенным недостатком, т.к. для исследователя последние "свежие" данные обладают наибольшей информационной ценностью.

Идентификация моделей. Под идентификацией моделей обычно понимают выявление их структуры и оценивание параметров. Поскольку структура - это тоже параметр, хотя и нечисловой, то речь идет об одной из типовых задач прикладной статистики - оценивании параметров.

Проще всего задача оценивания решается для линейных (по параметрам) моделей с гомоскедастичными независимыми остатками. Восстановление зависимостей во временных рядах может быть проведено на основе методов наименьших квадратов и наименьших модулей оценивания параметров в моделях линейной (по параметрам) регрессии. На случай временных рядов переносятся результаты, связанные с оцениванием необходимого набора регрессоров, в частности, легко получить предельное геометрическое распределение оценки степени тригонометрического полинома.

Однако на более общую ситуацию такого простого переноса сделать нельзя. Так, например, в случае временного ряда с гетероскедастичными и автокоррелированными остатками снова можно воспользоваться общим подходом метода наименьших квадратов, однако система уравнений метода наименьших квадратов и, естественно, ее решение будут иными.

Двухшаговый метод наименьших квадратов состоит в том, что оценивают параметры отдельного уравнения системы, а не рассматривают систему в целом. В то же время трехшаговый метод наименьших квадратов применяется для оценки параметров системы одновременных уравнений в целом. Сначала к каждому уравнению применяется двухшаговый метод с целью оценить коэффициенты и погрешности каждого уравнения, а затем построить оценку для ковариационной матрицы погрешностей. После этого для оценивания коэффициентов всей системы применяется обобщенный метод наименьших квадратов. Применение метода наименших квадратов представлен на рисунке 3.6.

Рисунок 3.6 - Метод наименьших квадратов (визуализация)

Менеджеру и экономисту не следует становиться специалистом по составлению и решению систем эконометрических уравнений, даже с помощью тех или иных программных систем, но он должен быть осведомлен о возможностях этого направления эконометрики, чтобы в случае производственной необходимости квалифицированно сформулировать задание для специалистов по прикладной статистике.

Аналитический метод в данном случае требует большого объема ресурсов (как временных, так и технических). Исполнителю требуется применение специфических математических методов и потратить время на первичную обработку данных (ранжирование, сортировка, разделение по рангам и др.). Техническое решение задач, связанных с использованием временных рядом, является весьма актуальным и несёт собой практическое значение в проведении социально-экономических и научных исследованиях, прогнозирования, стратегического и бизнес-планирования. Правильный (системный) подход к выполнению таких целей позволит с наиболее высокой точностью и большей вероятностью определить исход событий, а также изучить наблюдаемую величину, определить основные характеристики и компоненты.

.3 Логико-математическое описание моделируемой системы

Суть логико-математического подхода - моделирование СМО с помощью описания изменений состояния системы, происходящих в конкретные периоды времени. Момент времени, в который может измениться состояние системы, называется моментом наступления события, а соответствующая ему логическая процедура обработки изменений состояния системы называется событием. Для построения логико-математической (дискретно-событийной) модели системы определяют события, при которых изменяется состояние системы, а затем моделируют процедуры, которые соответствуют каждому типу событий.

Состояние системы в этой модели аналогично состоянию в сетевой модели, определяемое значениями переменных и атрибутов компонентов, принадлежащих различным классам. Первичное состояние системы устанавливается с помощью определения начальных значений переменных модели, генерации компонентов в системе, а также с помощью планирования событий в модели.

На рисунке 3.7 представлена связь между понятиями «действие» и «событие», которая указывает на факт прямого влияния действия в начале события (реакции после его наступления) в ходе самого процесса.

Рисунок 3.7 - Связь между понятиями «действие» и «событие»

В данной работе применяются следующие распределения: равномерное, нормальное, логнормальное, пуассоновское распределение.

Нормальное распределение - функция плотности вероятности нормального закона имеет вид:

 (3.1)

где m, s - параметры нормального закона (m - среднее значение, s - дисперсия нормального распределения).

Генератор нормально распределенной случайной величины X можно получить по формуле:

 (3.2)

где T_j - значения независимых случайных величин, равномерно распределенных на интервале (0,1).

Равномерное распределение - это функция плотности вероятности равномерного распределения задает одинаковую вероятность для всех значений, которые лежат между минимальным и максимальным значениями переменной. Иначе, вероятность того, что значение попадает в указанный интервал, пропорциональна длине этого интервала.

 (3.3)

Среднее значение распределения равно

 (3.4)

А дисперсия равна

 (3.5)

Равномерно распределенная случайная величина X на отрезке [a,b] выражается через равномерно распределенную на отрезке [0,1] случайную величину R формулой (3.6):

 (3.6)

Логнормальное распределение - метод получения случайного выборочного значения Y=eX, где X - нормальное распределение случайной величины с дисперсией

 (3.7)

и средним значением

 (3.8)

Распределение Пуассона - для получения пуассоновски распределенной случайной величины Y можно воспользоваться следующим методом:

 (3.9)

где R_n - псевдослучайное число.

В данном случае необходимо отметить, что применяемые методы не в полном объёме реализованы на практике, а лишь внедрены уже в имеющуюся систему обработки и имитационного моделирования организационных процессов. Это позволяет разработчику тратить гораздо меньше времени на первичный анализ и синтез исходящей информации, а также привлекать специалистов по разработке программного обеспечения.

4. РАЗРАБОТКА ВРЕМЕННОЙ ДИАГРАММЫ ПРОЦЕССОВ

Имитационное моделирование в большинстве случаев проводится в соответствии с программой, которая способна реализовать заданное конкретное логико-алгоритмическое описание. При этом определенный объем работы исследуемой системы может быть выполнен на ЭВМ за несколько минут или секунд. Отметим, что модель является не точным аналогом системы, а скорее её отображением или формальным представлением, однако, она позволяет производить измерения, которые невозможно произвести каким-либо другим методом. Также имитационное моделирование обеспечивает возможность испытания, оценки и проведения экспериментов с исследуемой системой без каких-либо возникающих воздействий на нее.

Первым этапом при анализе и синтезе любой системы является определение элементов и формулирование логических правил, которые управляют взаимодействием этих элементов. Полученное в результате этого описание называется моделью исследуемой системы. Модель обычно включает в себя те ключевые стороны системы, которые представляют особый интерес или нуждаются в более глубоком изучении. Поскольку целью построения любой модели является исследование характеристик моделируемой системы, то в имитационную модель должны быть включены методы, алгоритмы сбора и обработки статистической (стохастической) информации по всем интересующим характеристикам, которые базируются на математическом аппарате.

Приоритетное значение в имитационном моделировании имеют и временные диаграммы процессов. Временная диаграмма - это графическое представление последовательности событий, происходящих в системе или исследуемом объекте. Для построения временных диаграмм необходимо достаточно четко представлять взаимосвязь событий внутри системы. Степень детализации при составлении диаграмм зависит от свойств моделируемой системы и от целей моделирования [13]. Поскольку функционирование любой системы достаточно полно отображается в виде временной диаграммы, имитационное моделирование можно рассматривать как процесс реализации диаграммы функционирования исследуемой системы на основе сведений о характере функционирования отдельных элементов и их взаимосвязи.

На рисунке 4.1 представлена временная диаграмма процессов, которая отображает конкретную выполняемую задачу в Департаменте стратегического планирования - разработка государственной программы (построение диаграммы выполнено в Microsoft Excel 2007). В качестве примера была выбрана «точка отсчета» 10.03.2017 - начало первого этапа, когда в одно из управлений (управление государственных программ) поступил запрос на разработку государственной программы для включения ее в состав стратегии социально-экономического развития (перечень государственных программ области). Важными «точками отсчета» также являются этапы: подготовка перечня государственных программ для разработки, разработка государственной программы ответственными исполнителями, общественное обсуждение проекта государственной программы при Законодательном собрании и согласование государственной программы с Государственно-правовым Департаментом и Департаментом финансов области.

Рисунок 4.1 - Временная диаграмма процессов «Разработка государственной программы»

Для определения трудоемкости процесса и расчета нагрузки на каждый этап представим статистические данные в таблице 4.1.

Таблица 4.1 - Нагрузка и трудоемкость процессов

Из таблицы можно сделать вывод, что наиболее трудоемким и длительным являются процессы по согласованию государственных программ с Государственно-правовым департаментов (50,2% от всей нагрузки), обработке поступившего запроса на разработку государственной программы и подготовке перечня государственных программ для разработки ответственными исполнителями (49,7% от всей нагрузки). Наименее длительными процессами являются подготовка предложения по разработке государственной программы Проектным комитетом (2,56%) и общественно обсуждение проекта государственной программы совместно с Законодательным собранием области (2,56%).

В соответствии с рассчитанными данными трудоемкости и загрузки определим приоритеты. Наивысший приоритет «1» определяет процесс наиболее длительного и трудоемкого процесса, наименьший приоритет «9», наоборот, отражает процесс, который занял меньше всего времени и ресурсов.

Применение временных диаграмм процессов в деятельности исследуемого объекта позволяет определить конкретные промежутки времени («точки отсчета») и длительность выполнения задач. В имитационном моделировании они играют важную роль с целью определения ключевых этапов и логико-математических правил, степени формализации данных и режима сбора, обработки и хранения служебных данных.

На рисунке 4.2 представлена временная диаграмма процессов с целью исследования основных этапов обработки обращения граждан в Департаменте стратегического планирования области. Наиболее трудоемким этапом является «анализ обращения, сбор информации». В действительности, этот этап может и затянуться ввиду применения комплексного (системного) подхода к решению проблемы, описанной в обращении, а также привлечению дополнительных ресурсов (сотрудники из других управлений, департаментов, нормативно-правовая база и др.).

Отмечается также, что цель временных диаграмм направлена на обеспечение сотрудниками дополнительным временным ресурсом с целью реализации вспомогательных функций.

Рисунок 4.2 - Временная диаграмма «Обработка обращения граждан в ДСП»

В свою очередь на рисунке 4.3 представлена аналогичная временная диаграмма процессов объекта «Департамент стратегического планирования», но уже с подробным описанием каждого этапа и процесса выполненя конкретной задачи. В данном случае описан метод формирования и утверждения государственных программ, реализуемых на территории каждого субъекта Российской Федерации.

Рисунок 4.3 - Временная диаграмма процессов объекта «ДСП» в Visio

В ходе разработки временной диаграммы для специфических процессов моделируемого объекта использовался Microsoft Excel и Microsoft Visio (схема моделирования объекта, временные шкалы). В настоящий момент времени необходимость создания временных диаграмм усиливается, т.к. в процессе создания имитационной модели процессов могут возникать ситуации, когда какой-либо интервал времени сдвигается по неопределенным причинам, что позволяет разработчику скорректировать свое время и сбалансировать нагрузку по каждому этапу. Такой подход может помочь не только администратору, но и пользователю уменьшить время ожидания и обработки полученного запроса на уровне каждого рассматриваемого элемента.

Временные диаграммы процессов активно испольузются и в производственной сфере, когда необходимо принять решение о более оперативном запуске новой линии мощностей, модификации каналов сбыта, выборе нового рынка или вида продукции, а также кадровых перестановок. В этом случае прибегают к дополнительному описанию предметной области и анализу окружения, что позволяет сократить количественный состав привлекаемых специалистов, уменьшить трудозатраты.

5. РАЗРАБОТКА ФОРМАЛИЗОВАННОЙ СХЕМЫ ОБЪЕКТА МОДЕЛИРОВАНИЯ

Формализованная схема объекта моделирования представляет собой формальное представление организационных процессов моделируемого объекта. Чаще всего она используется, когда необходимо определить основные структуры (элементы), в которых происходят наиболее важные операции и с определенной периодичностью. Каждый объект формализованный схемы - это либо конкретный сотрудник, либо отдел, либо источник (носитель) информации и др.

Возможность представления конкретного моделируемого объекта в виде связанных между собой содержательных частей позволяет увидеть каким образом происходят следующие процессы: анализ, синтез информации, обработка запроса, вход и выход из состояния «загрузка», детерминация, интеграция, дифференциация и др.

Представим на рисунке 5.1 формализованную схему объекта «Департамент стратегического планирования» и опишем ее особенности более подробно.

Рисунок 5.1 - Формализованная схема объекта «Департамент»

Алгоритм обработки запроса-обращения управлениями Департамента стратегического планирования в «ручном режиме» имеет следующие этапы:

.        Физическим или юридическим лицом подается запрос-обращение в приемную Департамента. В течение 10 рабочих дней происходит обработка и формирование структуры запроса для получение ответа на обращение. Приемной Департамента согласуется и дополняется (по необходимости) полученная информация, что, в свою очередь, позволяется ускорить время исполнения задачи на следующих этапах.

.        После получения структуры запроса происходит его распределение - Начальником Департамента формируется распоряжение и ряд информационных материалов-приложений для дальнейшей работы (процесс длится не более 30 дней со дня получения).

.        Запрос попадает в нужный отдел (в зависимости от содержания) и обрабатывается компетентными сотрудниками управления в течение 3-5 рабочих дней (анализ, синтез, обработка, сравнение и исследование ситуации).

.        Обработанный запрос согласуется с другими отделами и Департаментами, если это необходимо для уточнения данных;

.        Формирование ответа на запрос-обращение происходит на основании распоряжения и внутреннего нормативно-правового регламента, правилам делопроизводства в течение 3-5 рабочих дней.

.        Ответ поступает в Приемную Департамента и отправляется физическому (юридическому) лицу почтовым или электронным отправлением.

Большинство процессов, которые необходимо формализовать для дальнейшего обследования, разбиваются на подпроцессы и интегрируются в подсистему процессов моделируемого объекта. Так, к примеру, этап №3 можно дополнить следующим:

-       если запрос получен управлением макроэкономики и стратегического планирования, то используется статистическая информация и внутренний нормативно-правовой регламент работы управления;

-       если запрос получен управлением государственных программ, то используются методические рекомендации по разработке государственных программ и оценке их эффективности, а также внутренний нормативно-правовой регламент работы управления;

-       если запрос получен управлением организационной, правовой, кадровой работы и оценки регулирующего воздействия, то используется документация по кадровому и правовому обеспечению, а также методика оценки регулирующего воздействия, противодействия коррупции.

Отметим, что эти процессы являются замкнутыми и происходят циклично, по факту поступления других запросов-обращений и необходимости пересмотра информационной базы. Формализованная схема подпроцессов представлена на рисунке 5.2.

Рисунок 5.2 - Формализованная схема подпроцессов

В таблице 5.1 представлены основные показатели по продолжительности каждого процесса в отдельности, а также расчет трудоемкости по каждому этапу. Это позволяет оценить период ожидания и обработки каждой заявки с целью построения имитационной модели к максимально реальным условиям.

Таблица 5.1 - Показатели продолжительности процессов

Исходя из данных таблицы 5.1 можно сделать вывод, что наиболее приоритетными процессами являются «обработка запроса» и «подача запроса» в Департамент. Действительно, с целью дальнейшего формирования ответа на запрос-обращение необходимо привлечь определенное количество временных, информационных и интеллектуальных ресурсов.

Специалисты управлений периодически заняты другими задачами в порядке приоритета, а также находятся на совещаниях, оперативных заседаниях и планерках, что увеличивает продолжительность временного интервала каждой операции, и, как следствие, увеличивает вероятность загрузки канала (имитационная модель процессов).

Простаивание (перегрузка) каналов также может произойти, если в одно и то же время будет поступать определенное количество запросов-обращений без указания ранга (приоритета).

6. РАЗРАБОТКА БЛОК-СХЕМ ПРОГРАММНЫХ БЛОКОВ И ОСНОВНОЙ ПРОГРАММЫ

6.1    Блок-схема имитационной модели

Прежде чем перейти к непосредственному моделированию и разработке имитационной модели процессов исследуемого объекта следует определить основные элементы (блоки), входящие в ее состав и разбить на отдельные части. Моделируемая система может быть представлена в общем виде, как показано на рисунке. 6.1.

Рисунок 6.1 - Основная блок-схема процессов объекта

На блок-схеме основными объектами представлены:

.        объект-управление 1 - управление макроэкономики и стратегического планирования;

.        объект-управление 2 - управление государственных программ;

.        объект-управление 3 - управление организационной, кадровой, правовой работы и оценки регулирующего воздействия;

.        объект-управление 4 - приемная Департамента;

управляющий механизм - Начальник Департамента;

.        объект-управление 5 - заместитель Начальника Департамента.

Каждый объект выполняет определенный ряд функций, взаимоувязанных между собой.

6.2    Структурная схема имитационной модели

Для описания системы на первом этапе проведения моделирования необходимо ее упростить и отделить собственно систему от внешней среды, а также выбрать основное содержание модели путём исключения всего косвенного с точки зрения поставленной цели моделирования. Рассматриваемые модели должны соответствовать ряду требований по представлению их структуры, что позволяет понять принцип работы системы на каждом этапе [14].

Структурная схема представлена на рисунке 6.2.

Рисунок 6.2 - Структурная схема

Помимо основных объектов (блоков) в данной модели представлены очереди, которые могут возникать вследствие непрерывной обработки большого количества заявок или увеличения количества «занятых» сотрудников. Также играет важную роль и приоритет задач. Управляющим механизмом может выступать сама информационная система, которая контролирует ряд процессов и является «посредником» между звеньями (управлениями) исследуемого объекта.

6.3    Блок схема GPSS

Представим логическую структуру моделей процессов функционирования систем и программных средств. Различие между схемами заключается в том, что логическая схема отражает логическую структуру модели процесса функционирования системы, а схема программы - логику модели с использованием средств ее программной реализации [15]. Отметим, что блок-схемы GPSS дают наиболее полное представление о последовательности выполнения команд и формате их взаимодействия между собой. Блок - диаграмма структурной схемы модели процессов представлена на рисунке 6.3.

При построении блок-диаграммы модели проводится разбиение процессов модели системы на отдельные автономные независимые подпроцессы. Блоки такой модели могут быть основными и вспомогательными. Каждый основной блок соответствует некоторому подпроцессу моделируемой системы, а вспомогательные блоки лишь представляют составную часть модели. Последним шагом перед началом машинной реализацией модели является проверка достоверности схемы модели.

В данном примере проверка достоверности проводится как блок - диаграмма GPSS в виде Q-схемы. Для этого достаточно ещё раз сопоставить блок - диаграмму с q-схемой модели с учётом расширения описания элементов Q-схемы (источников, накопителей и каналов) блоками различных категорий языка моделирования GPSS.

Образец СМО с несколькими приборами и очередями, которая представляет собой систему обслуживания с несколькими каналами, с образующимися отдельными очередями, приведен на рисунке 6.4.

Рисунок 6.4 - Схема СМО с несколькими приборами и очередями

7. РАЗРАБОТКА И АНАЛИЗ РАБОТЫ МОДЕЛИ С ИСПОЛЬЗОВАНИЕМ ЯЗЫКА МОДЕЛИРОВАНИЯ

Компьютерное моделирование считается технологий предсказания или прогнозирования того, как будет себя вести новая или скорректированная система. Оно имеет более широкий спектр применения, нежели чисто математические подходы. На протяжении многих лет оно помогало своим пользователям сэкономить огромное количество ресурсов.

Отметим, что имитационные среды моделирования не требуют программирования в виде последовательности команд. Вместо составления программы разработчику требуется создать модель, выбирая из библиотеки графические модули или заполнять специальные бланки.

В современных средах имитационного моделирования автоматизированы процессы статистической обработки данных, управления проведением экспериментов, оптимизации поведения системы, сравнения различных вариантов использования. Также присутствует возможность разработки своих собственных модулей на внедренных универсальных языках.

Как правило, имитационная среда обеспечивает возможность визуализации процесса имитации и связи с инструментами компьютерного проектирования информационных систем.

В отличие от специализированных языков имитационное моделирование ведется быстрее, но область приложения большинства систем имитации ограничена [16].

Определим основные требования, которые предъявляются к программным средам имитационного моделирования и отметим, выполняются или не выполняются ли они и в какой степени. Представим это в таблице 7.1, где 0 - требование не выполнено, 1 - требование выполнено частично, 2 - требование выполнено.

Таблица 7.1 - Преимущества и недостатки

Рассмотрим конкретный пример. Для приѐма и обработки документов в исследуемом объекте (каждом управлении) назначена группа в составе пяти сотрудников. Ожидаемая интенсивность потока документов - 10 документов в час. Среднее время обработки одного документа одним сотрудником - T_обс = 10 мин . Каждый сотрудник может принимать документы из любой организации. Освободившийся сотрудник обрабатывает последний из поступивших документов. Поступающие документы должны обрабатываться с вероятностью не менее 70 %. Определить, достаточно ли назначенной группы из пяти сотрудников для выполнения поставленной задачи.

.1 Применение аналитического метода

Группа сотрудников работает как СМО с отказами, состоящая из пяти каналов. Поток документов с интенсивностью λ = 10  можно считать простейшим, так как он является суммарным из всех организаций и подразделений. Интенсивность обслуживания m =  =  = 5  . Закон распределения неизвестен, но это непринципиально, т.к. показано, что для систем с отказами он может быть и произвольным.

Рассчитаем приведенную интенсивность потока документов (заявок) по формуле 7.1:

 (7.1)

В рассматриваемой СМО отказ наступит тогда, когда будут заняты все сотрудники, т.е. каналы P_отк = P₅. Тогда используем формулу 7.2:

 (7.2)

Можно сделать вывод, что группа из пяти сотрудников сможет обрабатывать поступающие документы с вероятностью 71,5%, незначительно превышает поставленное значение 70%.

Увеличим количество сотрудников управления до фактического (планового) - 7 человек (управление государственных программ). При выполнении аналогичных расчетов получим, что вероятность обработки заявок составит 75,1%, что заметно превышает допустимое значение. Рассчитаем данные показатели для всех управлений исследуемого объекта «Департамент стратегического планирования» и представим их в таблице 7.2.

Таблица 7.2 - Расчет вероятности обработки документов

Исходя из полученных результатов следует сделать вывод, что в целом сотрудники всего Департамента справляются с нагрузкой и процессом обработки документов, а также могут помимо выполнения основных задач выполнять менее приоритетные функции, требующие минимальных ресурсов и трудозатрат.

.2 Разработка модели на языке моделирования GPSS

Ниже приведем GPSS-модель ( программный код) обработки документов с комментариями для всех управлений исследуемого объекта «Департамент стратегического планирования».

В таблице 7.3 приведем описание и комментарии основных блоков GPSS-модели.

Таблица 7.3 - Основные блоки GPSS-модели

Под описанием основных блоков модели каждого управления имеется ввиду ряд процедур, которые описаны ниже:

)        Управление государственных программ (7 сотрудников):

; Модель обработки документовEQU 5 ; Среднее время поступления документовEQU 10 ; Среднее время обработки одного документаSTORAGE 6 ; Количество сотрудниковEQU 60 ; Время моделирования

; Сегмент имитации обработки документов(Exponential(1056,0,T1)); Источники документовGATE SNF Sotr,Met2 ; Не заняты ли сотрудники?Sotr ; Нет, тогда занять(Exponential(1056,0,T2)) ; обработкаSotr ; Освободить сотрудникаTERMINATE ; Учѐт обработанных документовTERMINATE ; Учѐт необработанных документов

; Сегмент задания времени моделирования и расчёта результатовVrModE TG1,1,Met4 ; Если TG1=1, то расчет

; ВероятностейVerObr,(N$Met3/N$Met1); обработкиVerOtk,(1-X$VerObr) ; необработкиTERMINATE 1

START 20000 ; задание количества прогонов.

)        Управление макроэкономики и стратегического планирования (13 сотрудников):

; Модель обработки документовEQU 5 ; Среднее время поступления документовEQU 10 ; Среднее время обработки одного документаSTORAGE 13 ; Количество сотрудниковEQU 60 ; Время моделирования

; Сегмент имитации обработки документов(Exponential(1056,0,T1)); Источники документовGATE SNF Sotr,Met2 ; Не заняты ли сотрудники?Sotr ; Нет, тогда занять(Exponential(1056,0,T2)) ; обработкаSotr ; Освободить сотрудникаTERMINATE ; Учѐт обработанных документовTERMINATE ; Учѐт необработанных документов

; Сегмент задания времени моделирования и расчёта результатовVrModE TG1,1,Met4 ; Если TG1=1, то расчет

; ВероятностейVerObr,(N$Met3/N$Met1); обработкиVerOtk,(1-X$VerObr) ; необработкиTERMINATE 1

START 20000 ; задание количества прогонов

)        Управление организационной, кадровой, правовой работы и оценки регулирующего воздействия (6 сотрудников):

; Модель обработки документовEQU 5 ; Среднее время поступления документовEQU 10 ; Среднее время обработки одного документаSTORAGE 6 ; Количество сотрудниковEQU 60 ; Время моделирования

; Сегмент имитации обработки документов(Exponential(1056,0,T1)); Источники документовGATE SNF Sotr,Met2 ; Не заняты ли сотрудники?Sotr ; Нет, тогда занять(Exponential(1056,0,T2)) ; обработкаSotr ; Освободить сотрудникаTERMINATE ; Учѐт обработанных документовTERMINATE ; Учѐт необработанных документов

; Сегмент задания времени моделирования и расчёта результатовVrModE TG1,1,Met4 ; Если TG1=1, то расчет

; ВероятностейVerObr,(N$Met3/N$Met1); обработкиVerOtk,(1-X$VerObr) ; необработкиTERMINATE 1

START 20000 ; задание количества прогонов

При шести сотрудниках вероятность в группе обработки документов вероятность необработки (VEROTK) принимает значение чуть меньше, чем при аналитическом решении задачи, что видно из рисунка 7.1.

Рисунок 7.1 - Результат работы GPSS-модели

Результат работы модели выводится в форме текстового документа-отчета, каждый сегмент которого определяет приоритетное значение параметра. Каждый параметр характеризует определенный фактор или элемент процесса (загрузка, перегрузка, занятость, запаздывание, количество запросов и др.).

При семи сотрудниках вероятность в группе обработки документов вероятность необработки (VEROTK) принимает значение в три раза меньше, чем при шести сотрудниках, что видно из рисунка 7.2.

Рисунок 7.2 - Результат работы GPSS-модели

При тринадцати сотрудниках вероятность в группе обработки документов вероятность необработки (VEROTK) почти не ощутима, что доказывает и аналитический подход решения задачи. Представим это на рисунке 7.3.

Рисунок 7.3 - Результат работы GPSS-модели

7.3    Разработка модели в среде AnyLogic

- программное обеспечение для имитационного моделирования, разработанное российской компанией The AnyLogic Company (бывшая «Экс Джей Текнолоджис», англ. XJ Technologies).

Среда AnyLogic основана на результатах, которые были получены в теории моделирования и в информационных технологиях за последнее десятилетие. По сравнению с традиционными инструментами AnyLogic предоставляет более значимые возможности при меньших трудозатратах, поскольку позволяет:

.        Моделировать быстрее при помощи визуальных, гибких, расширяемых, повторно-используемых объектов, а также языка Java.

.        Моделировать точнее, применяя разные подходы, комбинируя и модифицируя их для конкретной цели.

.        Увеличить жизненный цикл модели, быстро подстраивая её к меняющимся условиям, при решении которых необходимы как высокий, так низкий уровни абстракции.

.        Использовать мощный арсенал средств анализа и оптимизации непосредственно из среды разработки модели.

.        Просто и эффективно интегрировать модель открытой архитектуры с офисным и корпоративным ПО, включая электронные таблицы, БД, ERP и CRM системы.

.        Эффектно представить свои результаты, сопровождая модель интерактивной анимацией любой сложности, а также давая возможность доступа к модели-аплету через Интернет.

Инструмент обладает современным графическим интерфейсом и позволяет использовать язык Java для разработки моделей, который представлен на рисунке 7.4.

Рисунок 7.4 - Графический интерфейс AnyLogic

Построим модель, используя программное средство AnyLogic, для управления государственных программ, управления макроэкономики и стратегического планирования и управления организационной, правовой, кадровой работы и оценки регулирующего воздействия, опираясь на вышеприведенные данные и правила построения имитационой модели в среде AnyLogic. Полученная модель представлена на рисунке 7.5.

Рисунок 7.5 - Модель в ПС AnyLogic

В данном случае:

)        объект «source» генерирует запросы и заявки, которые поступают каждому сотруднику управления с определенной периодичностью;

)        объект «queue» создает очередь заявок и запросов, ожидающих приема объектами, следующими за данным в процессе обработки;

)        объект «selectOutput» разделяет процесс обработки заявок и запросов на подпроцессы;

)        объект «delay» задерживает заявки на заданный период времени;

)        объект «sink» уничтожает поступившие заявки и запросы.

При запуске модели может возникнуть логическая ошибка, которая отмечает факт переполнения ёмкости объекта «source» заявками, что не позволяет им войти в блок «queue». Обычно такое происходит при увеличении интервала емкости от 6 до 14 - модель будет по-прежнему останавливаться с ошибкой. Покажем это на рисунке 7.6.

Рисунок 7.6 - Запуск модели

Построим аналогичную модель, но уже для процесса обработки заявок и запросов управлением макроэкономики и стратегического планирования. Представим результат моделирования на рисунке 7.7.

Рисунок 7.7 - Результат моделирования

В данном случае был изменен период обработки заявок, вместимость заявок (с 5 до 15), время между прибытиями заявок и время моделирования. Также отметим, что с целью уничтожения заявок и запросов необходим лишь один объект «sink», т.к. в момент их входа в объект «queue» затрачивается меньшее время для обработки, которое позволяет организовать работу управления в оперативном режиме и не пропускать необработанные запросы.

Для применения визуализации модели и более детального подхода воспользуемся анимационной составляющей. Представим процесс получения и обработки заявок на рисунке 7.8.

Рисунок 7.8 - Визуализация модели

Из рисунка видно (сервер окрашен в зеленый цвет), что заявки обрабатываются на всем периоде моделирования без возникновения ошибок и очередей. При увеличении вместимости заявок с 15 до 50 процесс обработки может «затормаживаться» и создавать очереди, а также увеличить время задержки. Представим это на рисунке 7.9., где сервер уже окрашен в красный цвет.

Рисунок 7.9 - Результат работы модели при увеличении вместимости до 50

В большей степени отмечается влияние количества обработанных заявок каждым объектом в период их поступления на общее время обработки всеми объектами в системе. Полный листинг программного кода модели, построенной в среде имитационного моделирования AnyLogic (язык Java) приведен в Приложении Б.

7.4 Анализ результатов работы модели

предоставляет пользователю удобные средства для сбора статистики по работе блоков диаграммы процесса. Объекты Enterprise Library самостоятельно производят сбор основной статистики. Все, что нужно сделать - это включить сбор статистики для объекта [17]. Для определения и анализа результатов работы модели используем программное средство имитационного моделирования AnyLogic. С этой целью применим методы сбора статистических данных и автоматизированный подход Образец отчета о работе модели в AnyLogic представлен на рисунке 7.10.

Рисунок 7.10 - Отчет о работе модели

Установим модельное время равное 3600 секундам и построим две столбиковые диаграммы, с целью определения статистики занятости сервера и длины очереди для объектов «delay» и «queue». Покажем результат моделирования на рисунке 7.11.

Рисунок 7.11 - Результат применения визуализации к модели (статистика)

Из рисунка видно, что при вместимости заявок равной 50 длина очереди при обработке одной заявки в среднем занимает 11,894 секунды, а сервер является «занятым» через интервал 0,988 секунды на каждую обработанную заявку.

Отмечается, что AnyLogic позволяет получить результат в следствие перенасыщения запросами или возникновения излишних очередей. В данном случае количество обращений-запросов в управления поступают непрерывно, но вместимость (занятость каналов) не позволяет достичь желаемого результата, что увеличивает размер очереди. Возникновение такой ошибки представлено на рисунке 7.12.

Рисунок 7.12 - Логическая ошибка модели

Такая ошибка возникает в случае, если количество обращений на входе (в нашем случае - 65) превышает вместимость очереди (указана в настройках модели - 60). При этом задержка на выходе составляет порядка 26,678 секунд.

Таким образом, в обеих системах имитационного моделирования (GPSS и AnyLogic) получены схожие результаты, которые совпадают (с достаточно высоким уровнем точности) с результатами аналитического решения поставленной задачи и реальными ситуациями. Процессы не являются циклическими, но позволяют понять основную суть работы каждого исследуемого объекта.

Теперь приведем решение конкретной задачи для вышеприведенного примера, когда в работе находятся пять каналов (5 сотрудников), время обработки одного документа одним сотрудником составляет 10 минут. Построенная модель представлена на рисунке 7.13.

Рисунок 7.13 - Модель для задачи

В данном случае использованы четыре переменные: постДокументов - количество пооступивших документов, обрДокументов - количество обработанных документов, верОбработки - вероятность обработки документов, верОтказа - вероятность отказа; три параметра - средний интервал поступления документов (срИнтПост), среднее время обработки одного документа одним сотрудником объекта (срВрОбработки) и количество сотрудников (колСотрудников).

Используя конкретные значения из реальной ситуации построим модель и получим результат, который изображен на рисунке 7.14.

Рисунок 7.14 - Результаты работы модели для задачи

Теперь представим на рисунке 7.15 результаты работы модели при увеличении количества сотрудников до 7 человек.

Рисунок 7.15 - Результаты работы модели при увеличении количества сотрудников

Вероятность обработки документов будет на порядок выше, если будет увеличено количество сотрудников. На рисунке 7.16 представлены результаты работы модели для количества сотрудников равного 13 специалистам (управление макроэкономики и стратегического планирования).

Рисунок 7.16 - Результат работы модели при 13 сотрудниках

Как видим из рисунка, результаты аналитического решения и применения имитационной модели, построенной в среде AnyLogic отличаются незначительно, но при этом параметр «вероятность обработки» достигает практически 100%-го значения, что в идеале не всегда явлется возможным.

8. ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ ПРОЕКТА

Для расчета основных экономических показателей по внедрению проекта (имитационная модель процессов Департамента стратегического планирования) воспользуемся следующими уточнениями:

)        экономические показатели будут соответствовать плановым значениям и ожиданиям специалистов - сотрудников Департамента;

)        расчет экономической эффективности будет произведен исходя из традиционного метода (расчет показателя качества, основных затрат на внедрение, фонд оплаты труда сотрудников, затраты на сырье и др.);

)        в качестве оценки экономической эффективности внедрения разработки используем конкретные показатели с определяемыми значениями в настоящих ценах;

Технико-экономическое обоснование проекта проводится с целью:

доказать целесообразность инвестиционного проекта по внедрению системы;

рассчитать и проанализировать составляющие денежного потока для рассматриваемого срока службы системы;

сопоставить затраты на создание и функционирование системы с результатами, получаемыми от ее внедрения, оценить прибыль, определить условия и сроки окупаемости затрат.

В процессе проектирования проектировщик может ориентироваться на несколько вариантов аппаратной платформы и разработать несколько вариантов технологических процессов, среди которых ему необходимо выбрать наилучший. К основным требованиям, предъявляемым к выбираемому технологическому процессу, относятся:

обеспечение пользователя своевременной информацией;

обеспечение высокой степени достоверности полученной информации;

обеспечение минимальности трудовых и стоимостных затрат, связанных с обработкой данных.

Экономический показатель №1 - Оценка показателей качества и расчет коэффициента технического уровня A_k.

В соответствии с необходимостью разработки имитационной модели и внедрением ее в конкретную АИС определяем основные показатели качества, устанавливаем каждому в соответствие коэффициент весомости B_j и рассчитываем значения по каждому критерию в отдельности. Подробный расчет приведен в таблице 8.1.

Таблица 8.1 - Расчет показателей качества модели

Коэффициент технического уровня A_k необходим с целью определения инновационности и эффективности внедрения разработки проекта по сравнению уже с работающим аналогом. Определяется по формуле (8.1):

 (8.1)

где X_j - значение параметра по показателю качества, B_j - коэффициент весомости.

Исходя из рисунка 10.1 сделаем вывод, что разработка проекта (внедрение имитационной модели процессов) оправдана, т.к. значение коэффициента больше единицы.

Экономический показатель №2 - Расчет комплексного показателя по разработке проекта (внедрение в АИС). Данный показатель используется для расчета технико-экономической эффективности системы в целом.

Основные этапы были определены в ходе исследования объекта и описаны на рисунке 8.2 и 8.3.

Рисунок 8.2 - Расчет комплексного показателя по разработке проекта

Рисунок 8.3 - Расчет комплексного показателя по разработке проекта

Экономический показатель №3 - Прямые затраты (капиталовложения).

В перечень основных параметров для расчета прямых затрат входят: фонд оплаты труда сотрудников, работающих над проектом; затраты на материалы; затраты на разработку; заработная плата специалистов; общие прямые и косвенные затраты по проекту. Расчет каждого из них сравнивается с показателями по проекту-аналогу.

Расчет фонда оплаты труда сотрудников и привлеченных специалистов представлен на рисунке 8.4 и 8.5.

Рисунок 8.4 - Фонд оплаты труда основных сотрудников по проекту

Рисунок 8.5 - Фонд оплаты труда привлеченных специалистов по проекту и аналогу

Затраты на привлечение дополнительных материалов и ресурсов, а также расширение инфраструктуры позволит не только разработчикам, но и специалистам управлений добавить ряд специальных возможностей, а также использовать их как добавочные мощности. Специфика применения такого метода состоит в том, что необходимо заранее запланировать объем средств и материалов, рассчитав расходы в соответствии с рыночными ценами.

Расчет затрат на необходимые материалы (инфраструктуру) и по разработке проекта приведен на рисунках 8.6 и 8.7.

Рисунок 8.6 - Затраты на материалы

Рисунок 8.7 - Затраты на разработку и внедрение проекта

В соответствии с рассчитанными коэффициентами определим основные статьи затрат, применив традиционный метод расчета и сравним их с показателями для проекта-аналога. Результаты представим на рисунке 8.8.

Рисунок 8.8 - Расчет по основным статьям затрат

Амортизационные отчисления составляют менее 1% от всех затрат на проект, что говорит об отказе разработчика в дальнейшей модернизации проекта на перспективу. Затраты на текущий ремонт и затраты на материалы взаимоувязаны между собой с целью определения накладных расходов.

Расчет экономической эффективности внедрения проекта и срока окупаемости представим на рисунке 8.9.

Расчет коэффициента экономической эффективности производится по формуле (8.2):

 (8.2)

где T_окуп - срок окупаемости проекта (определяется из расчета начальных инвестиций в проект и полученных доходов от его внедрения).

Окупаемость внедрения модели также влияет на саму экономическую эффективность системы управления процессами в объекте в целом. Такой подход позволяет определить методику расчета финансово-бюджетных показателей и целевых параметров. Помимо этого управляющим структурам необходимо учесть моменты по планированию необходимого объема средств на последующий период, если в плане техническо-эксплуатационных работ указано о внедрении системы или модернизации ее в целом.

Рисунок 8.9 - Расчет экономической эффективности проекта

Внедрение имитационной модели процессов исследуемого объекта для разработки АИС окупится в течение трех лет, что даст собой экономический эффект в сумме 68 260,60 руб. Коэффициент экономической эффективности получился больше, чем нормативный, что говорит о целесообразности внедрения проекта и необходимости отказаться от имеющихся аналогов системы. В дальнейшем руководителю совместно с разработчиками необходимо на каждом этапе определять объем вложений для постоянной модернизации и усовершенствования конкретных модулей, чтобы избежать непредвиденных обстоятельств в режиме оперативной работы системы.

Используя формулу (8.3) расчета чистого дисконтированного дохода по внедрению проекта получим, что через 5 лет прибыль может составить порядка 125186,65 руб.:

 (8.3)

где P - чистая прибыль на начало периода внедрения, D_p - суммарные затраты по внедрению проекта, i - дисконт.

Расчет чистого дисконтированного дохода (ЧДД) в течение пяти лет на перспективу изображен на рисунке 8.10.

Рисунок 8.10 - График роста ЧДД проекта

Метод расчета чистого дисконтированного дохода по внедрению системы или модернизации ее в целом в данном случае позволяет оценить возможноости организационной структуры, т.к. для полного функционирования и работы в бесперебойном режиме необходимо использовать дополнительные материальные, человеческие и информационно-программные ресурсы, что, соответственно, является затратным.

Отметим, что применение традиционного метода оценки рентабельности проекта при использовании ставки дисконтирования не является единственным, т.к. возможно использование других, более усовершенствованных методик и подходов к расчету чистой прибыли от внедрения разработки. На практике данным способом можно уточнять изменение основных экономических показателей и планировать закупку необходимого оборудования, программного обеспечения под каждый запрос в отдельности.

ЗАКЛЮЧЕНИЕ

В ходе выполнения ВКР были изучены и описаны следующие вопросы: постановка задачи и выполнен литературный обзор, подбор метода решения основной задачи, разработка логико-математического описания моделируемой системы, разработка временной диаграммы процессов, разработка формализованной схемы объекта моделирования, разработка блок-схем программных блоков и основной программы, разработка программы на языке программирования, верификация и анализ результатов работы программы, разработка руководства администратора и пользователя, экономическое обоснование проекта.

Для разработки программы были использованы программные средства Microsoft Excel, Microsoft Visio, BPWin, ERWin, Rational Rose (для построения блок-схем, организационных диаграмм, временных диаграмм и др.), GPSS World (моделирование процессов) и среда AnyLogic.

Техническое решение задач, связанных с использованием имитационной модели, является весьма актуальным и несёт собой практическое значение в проведении социально-экономических и научных исследованиях, прогнозирования, стратегического и бизнес-планирования. Грамотный системный подход к реализации поставленных целей позволит с наиболее высокой точностью и большей вероятностью определить исход событий, а также изучить наблюдаемые величины и показатели, определить основные характеристики и компоненты, помочь специалистам изучаемого объекта в разработке важных документов государственного и специфического (многопланового) назначения [19].

На основе наиболее вероятных значений полученных результатов появляется возможность судить об эффективности полученной модели. Это касается также оценки успешности модернизационной политики [20]. Конкретная количественная оценка степени эффективности модернизационной политики и факторов, влияющих на основные показатели с определенными весами, является отдельно разрабатываемой научной проблемой. При этом оперирование при вычислении неопределенными факторами позволяет оценить не только наиболее вероятные проявления в будущем, но и не отбрасывать из рассмотрения наименее вероятные его значения. моделирование стратегический имитационный планирование

Стоит отметить, что применение нестандартного системного подхода к разработке имитационных моделей является стратегическим важным для глубокого исследования объекта, состоящего из многих взаимоувязанных между собой элементов. Автоматизация математических функций и «оцифрование» теории вероятности в данном случае позволяет увеличить количество обрабатываемых операций в единицу времени, повысить производительность ЭВМ, уменьшить трудозатраты и достичь плановых показателей эффективности.

Актуальность применения методов имитационного моделирования достаточно высока в настоящее время. Ввиду быстрых и глобальных изменений в окружающей среде, появлению новых технологий и способов обработки данных, а также модернизации имеющихся методик человечеству крайне необходимо разрабатывать сверхчувствительные модели, которые позволят не только определить причину возникновения, но и будут способствовать принятию оперативного решения и рациональному распределению ресурсов.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1.      Лоу, Аверилл М. Имитационное моделирование. Классика CS / Аверилл М. Лоу, Дэвид В. Кельтон - СПб: Питер, 2010. - 848 c.

2.      Павловский, Ю. Н. Имитационное моделирование / Ю.Н.Павловский, Н. В. Белотелов, Ю. И. Бродский - Москва: Академия, 2008. - 240 c.

3.      Самойлов, В. Д. Государственно-правовое регулирование социально-экономических и политических процессов / В.Д. Самойлов. - Москва: Юнити, 2013. - 272 c.

4.      Бусленко, Н.П. Моделирование сложных систем / Н.П.Бусленко. - Москва: Москва, 1978. - 400 с.

5.      Девятков, В.В. Практическое применение имитационного моделирования в России и странах СНГ: обзор, анализ перспектив, методика / В.В.Девятков. - Математическое моделирование. - 2009. - №5 - с.5-12.

6.      Кобелев, Н.Б. Основы имитационного моделирования сложных экономических систем / Н.Б.Кобелев. - Москва: Дело, 2003. - 335 с.

7.      Шеннон, Р. Имитационное моделирование систем - искусство и наука / Р.Шеннон. - Москва: Мир, 1978. - 418 с.

8.      Томашевский, В.М. Имитационное моделирование в среде GPSS / В.М.Томашевский. - Москва: Бестселлер, 2003. - 416 с.

9.      Шрайбер, Т.Дж. Моделирование на GPSS / Т.Дж.Шрайбер. - Москва: Машиностроение, 1980. - 592 с.

10.    Кузнецов, И.А. Разработка имитационной модели процессов Департамента стратегического планирования / И.А.Кузнецов // Сборник статей VII Международного научно-практического конкурса, 27 апреля 2017 г. / МЦНС «Наука и Просвещение». - Пенза, 2017. - с.42-47.

11.    Кузнецов, И.А. Разработка имитационной модели процессов в Департаменте стратегического планирования / И.А.Кузнецов // Материалы Межрегиональной научной конференции X Ежегодной научной сессии аспирантов и молодых ученых, 23-25 ноября 2016 г. / ВоГУ. - Вологда, 2016. - с.158-161.

12.    Вуколов, Э.А. Основы статистического анализа. Практикум по татистическим методам и исследованию операций с использованием пакетов STATISTICA и EXCEL: учеб.пособие / Э.А.Вуколов. - Москва: ФОРУМ, 2008. - 464 с.

13.    Чикуров, Н.Г. Моделирование систем и процессов / Н.Г.Чикуров. - Москва: Инфра-М, 2013. - 400 с.

14.    Максимей, И.В. Имитационное моделирование сложных систем / И.В.Максимей. - Москва: БГУ, 2009. - 264 с.

15.    Карпов, Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic5 / Ю.Г.Карпов. - Москва: БХВ - Петербург, 2010. - 400 с.

16.    Тавокин, Е.П. Исследование социально-экономических и политических процессов / Е.П.Тавокин. - Москва: Инфра-М, 2010. - 224 с.

17.    Кудрявцев, Е.М. GPSS World. Основы имитационного моделирования различных систем / Е.М.Кудрявцев. - Москва: Маркет Д, 2009. - 281 с.

18.    Рыжиков, Ю.И. Имитационное моделирование. Теория и технология / Ю.И.Рыжиков. - СПб.: Корона-принт, 2004. - 367 с.

19.    Бражик, А.Н. Имитационное моделирование: возможности GPSS World / А.Н.Бражик. - СПб.: РЕНОМЕ, 2006. - 439 с.

20.    О стратегии социально-экономического развития Вологодской области на период до 2030 года: постановление Правительства Вологодской области от 17.10.2016 №920 // Вестник Вологодской области. - 2016. - 17 октября - с.2-95.

ПРИЛОЖЕНИЕ А

Научная статья из сборника материалов межрегиональной конференции

При изучении реальных объектов необходимо работать не с конкретными их функциями, а с формальным представлением (моделями), получившимся после упрощения свойств в той или иной сущности. При моделировании технических объектов чаще всего используется математический аппарат алгебраических и дифференциальных уравнений, алгебра логики, теория автоматов и др. При обследовании организационно-управленческих объектов эти подходы неприменимы, так как в этих объектах важную роль играют критерии неопределенности и способность изменения характеристик различными путями, не всегда прогнозируемыми заранее. В этом случае можно применить имитационное моделирование с помощью специализированных программных средств и приложений.

В данной работе была поставлена задача по реализации и соблюдению основных процессов в имитационной модели управленческого объекта «Департамент стратегического планирования области» на первоначальном этапе его исследования.

Имитационная модель организационно-управленческого объекта (в данном случае конкретного структурного подразделения) должна полностью соответствовать поставленным задачам и процессам, которые происходят как внутри его, так и вне. Модель должна позволить осуществить автоматизацию ряда функций (обработка входящего и исходящего документооборота, анализ времени и формы поступаемой информации, регламентирующие и нормативные факторы, представление ключевых показателей эффективности - KPI и др.), а также получить и визуализировать обобщенный результат.

Определив источники поступления информации от отделов (управлений) изучаемого организационно-управленческого объекта, изобразим их схематично. Формы представления определяются внутренними регламентами и локальными нормативно-правовыми документами, указанными в общем перечне регионального и федерального законодательства.

В данной ситуации необходимо определить основные процессы и задачи, исполняемые внутри каждого управления, а также определить их приоритеты.

Для выполнения автоматизации и определения временных (вероятностных) характеристик исследуемого объекта было выбрано программное средство GPSS - программу имитационного моделирования, получившую своё распространение в 1961 году. Она оказалась наиболее удачной и продолжает своё существование в настоящее время, используется под современными операционными системами на персональных компьютерах. В ходе своей модернизации она получила обновленное название - GPSS World (рис.1).

Окно программы GPSS World в процессе моделирования

В ходе анализа и синтеза изучаемого объекта были определены основные характеристики и критерии для реализации имитационной модели:

)        количество сотрудников Департамента;

)        размер бюджета и финансовых средства Департамента;

)        время исполнения одной задачи в каждом управлении;

)        количество задач, выполняемых каждым управлением, в течение рабочего дня;

)        количество и частота поступаемых обращений от граждан в приемную Департамента;

)        исполнение регламентирующих документов по оценке регулирующего воздействия.

Основными блоками, используемыми в построении модели, являются GENERATE, TERMINATE, TRANSFER, ADVANCE, QUEUE и RETURN.

Каждый блок содержит в себе конкретные цифровые показатели и средние величины по выполнению одного процесса в единицу времени. Таким образом это упростит представление модели и позволит сократить время на обработку «очередей» в информационном потоке. В данном случае построение модели также можно сравнить с построением системы массового обслуживания с очередями (СМО). В данном методе исследования также необходимо отметить, что полученная визуализация может корректироваться на любом этапе её обработки.

В общем итоге имитационная модель позволит увидеть конкретные результаты деятельности организационно-управленческого объекта, повысить основные (ключевые) показатели эффективности (KPI), избавить от «очередей» в процессе обработки поступивших обращений и постоянного потока документации, а также сэкономить время по реализации параллельных задач и операций более высокого приоритета.

ПРИЛОЖЕНИЕ Б

Листинг модели (программный код)документооборотдсп;

import java.io.Serializable;java.sql.Connection;java.sql.SQLException;java.util.ArrayDeque;java.util.ArrayList;java.util.Arrays;java.util.Calendar;java.util.Collection;java.util.Collections;java.util.Comparator;java.util.Currency;java.util.Date;java.util.Enumeration;java.util.HashMap;java.util.HashSet;java.util.Hashtable;java.util.Iterator;java.util.LinkedHashMap;java.util.LinkedHashSet;java.util.LinkedList;java.util.List;java.util.ListIterator;java.util.Locale;java.util.Map;java.util.PriorityQueue;java.util.Random;java.util.Set;java.util.SortedMap;java.util.SortedSet;java.util.Stack;java.util.Timer;java.util.TreeMap;java.util.TreeSet;java.util.Vector;java.awt.Color;java.awt.Font;java.awt.Graphics2D;java.awt.geom.AffineTransform;com.anylogic.engine.connectivity.ResultSet;com.anylogic.engine.connectivity.Statement;com.anylogic.engine.elements.*;com.anylogic.engine.markup.Network;com.anylogic.engine.Position;com.anylogic.engine.markup.PedFlowStatistics;com.anylogic.engine.markup.DensityMap;static java.lang.Math.*;static com.anylogic.engine.UtilitiesArray.*;static com.anylogic.engine.UtilitiesCollection.*;static com.anylogic.engine.presentation.UtilitiesColor.*;static com.anylogic.engine.presentation.UtilitiesDrawing.*;static com.anylogic.engine.HyperArray.*;com.anylogic.engine.*;com.anylogic.engine.analysis.*;com.anylogic.engine.connectivity.*;com.anylogic.engine.database.*;com.anylogic.engine.gis.*;com.anylogic.engine.markup.*;com.anylogic.engine.presentation.*;com.anylogic.libraries.processmodeling.*;java.awt.geom.Arc2D;class Main extends Agent

{

// Параметры

@AnyLogicInternalCodegenAPIstatic Map<String, IElementDescriptor> elementDesciptors_xjal = null;

@AnyLogicInternalCodegenAPI

@OverrideMap<String, IElementDescriptor> getElementDesciptors() {(elementDesciptors_xjal == null) {_xjal = createElementDescriptors(super.getElementDesciptors(), Main.class);

}elementDesciptors_xjal;

}

@AnyLogicCustomProposalPriority(type = AnyLogicCustomProposalPriority.Type.STATIC_ELEMENT)static final Scale scale = new Scale( 10.0 );

@OverrideScale getScale() {scale;

}

// События

@AnyLogicInternalCodegenAPIEventTimeout _chart_autoUpdateEvent_xjal = new EventTimeout(this);

@AnyLogicInternalCodegenAPIEventTimeout _chart1_autoUpdateEvent_xjal = new EventTimeout(this);

@Override

@AnyLogicInternalCodegenAPIString getNameOf( EventTimeout _e ) {( _e == _chart_autoUpdateEvent_xjal ) return "chart auto update event";( _e == _chart1_autoUpdateEvent_xjal ) return "chart1 auto update event";super.getNameOf( _e );

}

@Override

@AnyLogicInternalCodegenAPIEventTimeout.Mode getModeOf( EventTimeout _e ) {( _e == _chart_autoUpdateEvent_xjal ) return EVENT_TIMEOUT_MODE_CYCLIC;( _e == _chart1_autoUpdateEvent_xjal ) return EVENT_TIMEOUT_MODE_CYCLIC;super.getModeOf( _e );

}

@Override

@AnyLogicInternalCodegenAPIdouble getFirstOccurrenceTime( EventTimeout _e ) {_t;( _e == _chart_autoUpdateEvent_xjal ) {

_t =

;

_t = toModelTime( _t, SECOND );_t;

}( _e == _chart1_autoUpdateEvent_xjal ) {

_t =

;

_t = toModelTime( _t, SECOND );_t;

}super.getFirstOccurrenceTime( _e );

}

@Override

@AnyLogicInternalCodegenAPIdouble evaluateTimeoutOf( EventTimeout _e ) {_t;( _e == _chart_autoUpdateEvent_xjal) {

_t =

;

_t = toModelTime( _t, SECOND );_t;

}( _e == _chart1_autoUpdateEvent_xjal) {

_t =

;

_t = toModelTime( _t, SECOND );_t;

}super.evaluateTimeoutOf( _e );

}

@Override

@AnyLogicInternalCodegenAPIvoid executeActionOf( EventTimeout _e ) {( _e == _chart_autoUpdateEvent_xjal ) {.updateData();;

}( _e == _chart1_autoUpdateEvent_xjal ) {.updateData();;

}.executeActionOf( _e );

}AgentAnimationSettings getAnimationSettingsOf( Agent ao ) {super.getAnimationSettingsOf( ao );

}String getNameOf( AgentList<?> aolist ) {super.getNameOf( aolist );

}AgentAnimationSettings getAnimationSettingsOf( AgentList<?> aolist ) {super.getAnimationSettingsOf( aolist );

}

/**

* Создает экземпляр вложенного объекта<br>

* <i>Пользователь не должен вызывать этот метод</i>

*/com.anylogic.libraries.processmodeling.Source<Inquiry> instantiate_source_xjal() {.anylogic.libraries.processmodeling.Source<Inquiry> _result_xjal = new com.anylogic.libraries.processmodeling.Source<Inquiry>( getEngine(), this, null ) {

@Overridedouble interarrivalTime( ) {_source_interarrivalTime_xjal( this );

}

@AnyLogicInternalCodegenAPITimeUnits getUnitsForCodeOf_interarrivalTime() {SECOND;

}

@OverrideAgent newEntity( ) {_source_newEntity_xjal( this );

}

@Overridevoid onExit( Inquiry agent ) {

_source_onExit_xjal( this, agent );

}

};_result_xjal;

}

/**void setupParameters_source_xjal( final com.anylogic.libraries.processmodeling.Source<Inquiry> self ) {_source_xjal( self, null );

}

/**

* Инициализация экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/

@AnyLogicInternalCodegenAPIvoid create_source_xjal( com.anylogic.libraries.processmodeling.Source<Inquiry> self ) {_source_xjal(self, null );

}

*/void setupParameters_source_xjal( final com.anylogic.libraries.processmodeling.Source<Inquiry> self, TableInput _t ) {.arrivalType =.INTERARRIVAL_TIME

;.rate = self._rate_DefaultValue_xjal();.rateSchedule = self._rateSchedule_DefaultValue_xjal();.modifyRate = self._modifyRate_DefaultValue_xjal();.arrivalSchedule = self._arrivalSchedule_DefaultValue_xjal();.setAgentParametersFromDB = self._setAgentParametersFromDB_DefaultValue_xjal();.databaseTable = self._databaseTable_DefaultValue_xjal();.multipleEntitiesPerArrival = self._multipleEntitiesPerArrival_DefaultValue_xjal();.limitArrivals = self._limitArrivals_DefaultValue_xjal();.maxArrivals = self._maxArrivals_DefaultValue_xjal();.locationType = self._locationType_DefaultValue_xjal();.locationXYZInNetwork = self._locationXYZInNetwork_DefaultValue_xjal();.enableCustomStartTime = self._enableCustomStartTime_DefaultValue_xjal();.startTime = self._startTime_DefaultValue_xjal();.addToCustomPopulation = self._addToCustomPopulation_DefaultValue_xjal();.pushProtocol = self._pushProtocol_DefaultValue_xjal();.discardHangingEntities = self._discardHangingEntities_DefaultValue_xjal();

}

/**

* Инициализация экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/

@AnyLogicInternalCodegenAPIvoid create_source_xjal( com.anylogic.libraries.processmodeling.Source<Inquiry> self, TableInput _t ) {.create();

}

/**

* Создает экземпляр вложенного объекта<br>

* <i>Пользователь не должен вызывать этот метод</i>

*/com.anylogic.libraries.processmodeling.Delay<Inquiry> instantiate_delay_xjal() {.anylogic.libraries.processmodeling.Delay<Inquiry> _result_xjal = new com.anylogic.libraries.processmodeling.Delay<Inquiry>( getEngine(), this, null ) {

@Overridedouble delayTime( Inquiry agent ) {_delay_delayTime_xjal( this, agent );

}

@AnyLogicInternalCodegenAPITimeUnits getUnitsForCodeOf_delayTime() {SECOND;

}

};_result_xjal;

}

/**void setupParameters_delay_xjal( final com.anylogic.libraries.processmodeling.Delay<Inquiry> self ) {_delay_xjal( self, null );

}

/**

* Инициализация экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/

@AnyLogicInternalCodegenAPIvoid create_delay_xjal( com.anylogic.libraries.processmodeling.Delay<Inquiry> self ) {_delay_xjal(self, null );

}

* Инициализация параметров экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/void setupParameters_delay_xjal( final com.anylogic.libraries.processmodeling.Delay<Inquiry> self, TableInput _t ) {.type = self._type_DefaultValue_xjal();.capacity = self._capacity_DefaultValue_xjal();.maximumCapacity = self._maximumCapacity_DefaultValue_xjal();.entityLocation =

;.pushProtocol = self._pushProtocol_DefaultValue_xjal();.restoreEntityLocationOnExit = self._restoreEntityLocationOnExit_DefaultValue_xjal();.forceStatisticsCollection = self._forceStatisticsCollection_DefaultValue_xjal();

}

/**

@AnyLogicInternalCodegenAPIvoid create_delay_xjal( com.anylogic.libraries.processmodeling.Delay<Inquiry> self, TableInput _t ) {.create();

}

/**

* Создает экземпляр вложенного объекта<br>

* <i>Пользователь не должен вызывать этот метод</i>

*/com.anylogic.libraries.processmodeling.Sink<Inquiry> instantiate_sink_xjal() {.anylogic.libraries.processmodeling.Sink<Inquiry> _result_xjal = new com.anylogic.libraries.processmodeling.Sink<Inquiry>( getEngine(), this, null ) {

@Overridevoid onEnter( Inquiry agent ) {

_sink_onEnter_xjal( this, agent );

}

};_result_xjal;

}

/**

* Инициализация параметров экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/void setupParameters_sink_xjal( final com.anylogic.libraries.processmodeling.Sink<Inquiry> self ) {_sink_xjal( self, null );

}

/**

* Инициализация экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/

@AnyLogicInternalCodegenAPIvoid create_sink_xjal( com.anylogic.libraries.processmodeling.Sink<Inquiry> self ) {_sink_xjal(self, null );

}

/**

* Инициализация параметров экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/void setupParameters_sink_xjal( final com.anylogic.libraries.processmodeling.Sink<Inquiry> self, TableInput _t ) {

}

/**

* Инициализация экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/

@AnyLogicInternalCodegenAPIvoid create_sink_xjal( com.anylogic.libraries.processmodeling.Sink<Inquiry> self, TableInput _t ) {.create();

}

/**

* Создает экземпляр вложенного объекта<br>

* <i>Пользователь не должен вызывать этот метод</i>

*/com.anylogic.libraries.processmodeling.Queue<Inquiry> instantiate_queue_xjal() {.anylogic.libraries.processmodeling.Queue<Inquiry> _result_xjal = new com.anylogic.libraries.processmodeling.Queue<Inquiry>( getEngine(), this, null );_result_xjal;

}

/**

* Инициализация параметров экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/void setupParameters_queue_xjal( final com.anylogic.libraries.processmodeling.Queue<Inquiry> self ) {_queue_xjal( self, null );

}

/**

* Инициализация экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/

@AnyLogicInternalCodegenAPIvoid create_queue_xjal( com.anylogic.libraries.processmodeling.Queue<Inquiry> self ) {_queue_xjal(self, null );

}

/**

* Инициализация параметров экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/void setupParameters_queue_xjal( final com.anylogic.libraries.processmodeling.Queue<Inquiry> self, TableInput _t ) {.capacity =

;.maximumCapacity = self._maximumCapacity_DefaultValue_xjal();.entityLocation =

;.queuing = self._queuing_DefaultValue_xjal();.enableTimeout = self._enableTimeout_DefaultValue_xjal();.enablePreemption = self._enablePreemption_DefaultValue_xjal();.restoreEntityLocationOnExit = self._restoreEntityLocationOnExit_DefaultValue_xjal();.forceStatisticsCollection =

;

}

@AnyLogicInternalCodegenAPIvoid drawModelElements_Connectors_xjal(Panel _panel, Graphics2D _g, boolean _publicOnly, boolean _isSuperClass ) {(!_publicOnly) {( _panel, _g, _connector2_pointsX_xjal, _connector2_pointsY_xjal, false );

}(!_publicOnly) {( _panel, _g, _connector_pointsX_xjal, _connector_pointsY_xjal, false );

}(!_publicOnly) {( _panel, _g, _connector4_pointsX_xjal, _connector4_pointsY_xjal, false );

}

}

/**

* Инициализация экземпляра вложенного объекта<br>

* Пользователь не должен вызывать этот метод

*/

@AnyLogicInternalCodegenAPIvoid create_queue_xjal( com.anylogic.libraries.processmodeling.Queue<Inquiry> self, TableInput _t ) {.create();

}double _source_interarrivalTime_xjal( final com.anylogic.libraries.processmodeling.Source<Inquiry> self ) {_value;

_value =( 1/120.0 )

;_value;

}Agent _source_newEntity_xjal( final com.anylogic.libraries.processmodeling.Source<Inquiry> self ) {_value;

_value =документооборотдсп.Inquiry()

;_value;

}void _source_onExit_xjal( final com.anylogic.libraries.processmodeling.Source<Inquiry> self, Inquiry agent ) {.time_vxod=time()

;

}double _delay_delayTime_xjal( final com.anylogic.libraries.processmodeling.Delay<Inquiry> self, Inquiry agent ) {_value;

_value =(1/600.0 )

;_value;

}void _sink_onEnter_xjal( final com.anylogic.libraries.processmodeling.Sink<Inquiry> self, Inquiry agent ) {_obrabotki.add(time()-entity.time_vxod);

;

}

// ОбластиViewArea _origin_VA = new ViewArea( this, "[Нач. координат]", 0, 0, 1000.0, 600.0 );

@Override

@AnyLogicInternalCodegenAPIint getViewAreas(Map<String, ViewArea> _output) {( _output != null ) {

_output.put( "_origin_VA", this._origin_VA );

}1 + super.getViewAreas( _output );

}

@AnyLogicInternalCodegenAPIstatic final int _chart = 1;

@AnyLogicInternalCodegenAPIstatic final int _chart1 = 2;

@AnyLogicInternalCodegenAPIstatic final int _path = 3;

@AnyLogicInternalCodegenAPIstatic final int _node = 4;

/** Internal constant, shouldn't be accessed by user */

@AnyLogicInternalCodegenAPIstatic final int _SHAPE_NEXT_ID_xjal = 5;

/**

* Идентификатор группы presentation верхнего уровня

*/

@AnyLogicInternalCodegenAPIstatic final int _presentation = 0;

@AnyLogicInternalCodegenAPIboolean isPublicPresentationDefined() {true;

}

/**

* Идентификатор группы icon верхнего уровня

*/

@AnyLogicInternalCodegenAPIstatic final int _icon = -1;

@AnyLogicInternalCodegenAPIvoid _initialize_network_xjal() {.addAll(path, node);.initialize();

}

@AnyLogicInternalCodegenAPIstatic MarkupSegment[] _path_segments_xjal() {new MarkupSegment[] {MarkupSegmentLine( 30.0, 140.0, 0.0, 80.0, 140.0, 0.0 ),MarkupSegmentArc( 80.0, 140.0, 0.0, 60.0, 200.0, 0.0, 1.5707963267948966, 4.71238898038469, 1.0000000000000002,

.0, 156.66666666666666, 16.666666666666668, -1.5707963267948966, 3.7850937623830783,

.0, 183.33333333333334, 16.666666666666668, -0.9272952180016125, -3.785093762383077 ),MarkupSegmentLine( 60.0, 200.0, 0.0, 260.0, 170.0, 0.0 ), };

}

/**

* <i>Пользователь не должен вызывать этот метод</i>

*/

@AnyLogicInternalCodegenAPIdouble _chart_DataItem0Value() {.statsUtilization.mean()

;

}

/**

* <i>Пользователь не должен вызывать этот метод</i>

*/

@AnyLogicInternalCodegenAPIdouble _chart1_DataItem0Value() {.statsSize.mean()

;

}

@AnyLogicInternalCodegenAPIvoid _node_SetDynamicParams_xjal( RectangularNode shape ) {.setFillColor(.size()>0?red:green

);

}

};= new Path( this, SHAPE_DRAW_2D3D, true, true, PATH_DASHEDLINE, dodgerBlue, 2.0, null, node, _path_segments_xjal() );

}

@AnyLogicInternalCodegenAPIvoid _createPersistentElementsAP0_xjal() {

{<DataItem> _items = new ArrayList<DataItem>( 1 );

_items.add( new DataItem() {

@Overridevoid update() {( _chart_DataItem0Value() );

}

});<String> _titles = new ArrayList<String>( 1 );

_titles.add( "SERVERdepartament" );<Color> _colors = new ArrayList<Color>( 1 );

_colors.add( lime );= new BarChart(

{<DataItem> _items = new ArrayList<DataItem>( 1 );

_items.add( new DataItem() {

@Overridevoid update() {( _chart1_DataItem0Value() );

}

});<String> _titles = new ArrayList<String>( 1 );

_titles.add( "queue Length" );<Color> _colors = new ArrayList<Color>( 1 );

_colors.add( maroon );= new BarChart(

}

}super.getNameOfShape_xjal( _shape );

}

@AnyLogicInternalCodegenAPIstatic final int[] _connector2_pointsX_xjal = {

, 340 };

@AnyLogicInternalCodegenAPIstatic final int[] _connector2_pointsY_xjal = {

,90 };

@AnyLogicInternalCodegenAPIstatic final int[] _connector_pointsX_xjal = {

, 50 };

@AnyLogicInternalCodegenAPIstatic final int[] _connector_pointsY_xjal = {

,90 };

@AnyLogicInternalCodegenAPIstatic final int[] _connector4_pointsX_xjal = {

, 200 };

@AnyLogicInternalCodegenAPIstatic final int[] _connector4_pointsY_xjal = {

,90 };

@AnyLogicInternalCodegenAPIvoid drawModelElements_EmbeddeObjects_xjal(Panel _panel, Graphics2D _g, boolean _publicOnly, boolean _isSuperClass ) {

// Embedded object "source"(!_publicOnly) {( _panel, _g, 0 , 40 , 15, 20, "source", this.source );

}

// Embedded object "delay"(!_publicOnly) {( _panel, _g, 140 , 40 , 60, 20, "delay", this.delay );

}

// Embedded object "sink"(!_publicOnly) {( _panel, _g, 290 , 40 , 45, 20, "sink", this.sink );

}

// Embedded object "queue"(!_publicOnly) {( _panel, _g, 20 , 40 , 65, 20, "queue", this.queue );

}

}

@AnyLogicInternalCodegenAPIvoid drawModelElements_Connectors_xjal(Panel _panel, Graphics2D _g, boolean _publicOnly, boolean _isSuperClass ) {(!_publicOnly) {( _panel, _g, _connector2_pointsX_xjal, _connector2_pointsY_xjal, false );

}(!_publicOnly) {( _panel, _g, _connector_pointsX_xjal, _connector_pointsY_xjal, false );

}(!_publicOnly) {( _panel, _g, _connector4_pointsX_xjal, _connector4_pointsY_xjal, false );

}

@Override

@AnyLogicInternalCodegenAPIvoid drawModelElements( Panel _panel, Graphics2D _g, boolean _publicOnly, boolean _isSuperClass ) {.drawModelElements( _panel, _g, _publicOnly, true );_EmbeddeObjects_xjal( _panel, _g, _publicOnly, _isSuperClass );_Connectors_xjal( _panel, _g, _publicOnly, _isSuperClass );_AgentLinks_xjal( _panel, _g, _publicOnly, _isSuperClass );

}

@AnyLogicInternalCodegenAPIboolean onClickModelAt_EmbeddedObjects_xjal( Panel _panel, double _x, double _y, int _clickCount, boolean _publicOnly, boolean _isSuperClass ) {( source.onClickIconAt( _x - 0, _y - 40, true ) ) {( _clickCount == 2 ) {

_panel.browseAgent_xjal( _x, _y, this, "source" );

} else {

_panel.addInspect( _x, _y, this, "source" );

}true;

}( delay.onClickIconAt( _x - 140, _y - 40, true ) ) {( _clickCount == 2 ) {

_panel.browseAgent_xjal( _x, _y, this, "delay" );

} else {

_panel.addInspect( _x, _y, this, "delay" );

}true;

}( sink.onClickIconAt( _x - 290, _y - 40, true ) ) {( _clickCount == 2 ) {

_panel.browseAgent_xjal( _x, _y, this, "sink" );

} else {

_panel.addInspect( _x, _y, this, "sink" );

}true;

@AnyLogicInternalCodegenAPIboolean onClickModelAt_AgentLinks_xjal( Panel _panel, double _x, double _y, int _clickCount, boolean _publicOnly, boolean _isSuperClass ) {( modelElementContains(_x, _y, 50, -50) ) {

_panel.addInspect_xjal( 50, -50, this, "connections", Panel.INSPECT_CONNECTIONS_xjal );true;

}false;

}

@Override

@AnyLogicInternalCodegenAPIboolean onClickModelAt( Panel _panel, double _x, double _y, int _clickCount, boolean _publicOnly, boolean _isSuperClass ) {( onClickModelAt_EmbeddedObjects_xjal( _panel, _x, _y, _clickCount, _publicOnly, _isSuperClass ) ) { return true; }( onClickModelAt_AgentLinks_xjal( _panel, _x, _y, _clickCount, _publicOnly, _isSuperClass ) ) { return true; }super.onClickModelAt( _panel, _x, _y, _clickCount, _publicOnly, true );

}

@AnyLogicInternalCodegenAPIvoid setupReferences_xjal() {

}

@Override

@AnyLogicInternalCodegenAPIvoid doCreate() {.doCreate();_xjal();_Main_xjal();

_createPersistentElementsAP0_xjal();= new ShapeTopLevelPresentationGroup( Main.this, true, 0, 0, 0, 0 , path, node, chart, chart1 );= new ShapeGroup( Main.this, true, 0, 0, 0 );

_initialize_network_xjal();_xjal();_source_xjal( source );_source_xjal( source );_delay_xjal( delay );_delay_xjal( delay );_sink_xjal( sink );_sink_xjal( sink );_queue_xjal( queue );_queue_xjal( queue );.out.connect( sink.in ); // connector2.in.connect( source.out ); // connector.out.connect( delay.in ); // connector4_xjal( Main.class );

}

@Override

@AnyLogicInternalCodegenAPIvoid doStart() {.doStart();

_chart_autoUpdateEvent_xjal.start();

_chart1_autoUpdateEvent_xjal.start();.start();.start();.start();.start();

* <em>This method isn't designed to be called by user and may be removed in future releases.</em>

@AnyLogicInternalCodegenAPIvoid setupPlainVariables_Main_xjal() {

}

@AnyLogicInternalCodegenAPILinkToAgentAnimationSettings _connections_commonAnimationSettings_xjal = new LinkToAgentAnimationSettingsImpl( false, black, 1.0, LINE_STYLE_SOLID, ARROW_NONE, 0.0 );LinkToAgentCollection<Agent, Agent> connections = new LinkToAgentStandardImpl<Agent, Agent>(this, _connections_commonAnimationSettings_xjal);

@OverrideLinkToAgentCollection<? extends Agent, ? extends Agent> getLinkToAgentStandard_xjal() {connections;

}

@Override

@AnyLogicInternalCodegenAPIboolean isLoggingToDB(EventOriginator _e) {( _e == _chart_autoUpdateEvent_xjal ) return false;( _e == _chart1_autoUpdateEvent_xjal ) return false;super.isLoggingToDB( _e );

_createPersistentElementsAP0_xjal();= new ShapeTopLevelPresentationGroup( Inquiry.this, true, 0, 0, 0,.out.connect( sink.in ); // connector2.in.connect( source.out ); // connector.out.connect( delay.in ); // connector4_xjal( Inquiry.class );

}

@AnyLogicInternalCodegenAPIvoid setupExt_xjal(AgentExtension _ext) {

// Инициализация свойств агентов( _ext instanceof ExtAgentWithSpatialMetrics && _ext instanceof ExtWithSpaceType ) {_value;

_value =

;

@AnyLogicInternalCodegenAPI

@Overridevoid doFinish() {.doFinish();.doFinish();.doFinish();.doFinish();.doFinish();.doFinish();.doFinish();.doFinish();

}

}