Разработка имитационной модели программного обеспечения информационной системы "Центр обслуживания абонентов"

ВВЕДЕНИЕ

Беспроводная радиотелефония на сегодняшний день развивается очень  быстро, а особенно сотовая связь, обслуживающая подвижных пользователей. Число таких пользователей ежегодно увеличивается где-то на 40% и недавно уверенно перешагнуло 350-миллионный рубеж. Следует заметить, что отдельные разновидности сотовых сетей подвижной связи показывают еще более впечатляющие темпы роста.

С момента, когда сотовые  сети вышли из стадии научно-технических  разработок на коммерческий рынок, прошло не так уж много времени, сотовый телефон ныне перестал быть символом престижа и стал инструментом, позволяющим более эффективно использовать рабочее время, оперативно управлять технологическими, экономическими и другими процессами. Сотовые сети при этом не только растут вширь, но и неуклонно наращивают количество предоставляемых дополнительных услуг.

Сотовая связь - это разновидность  высокоподвижной радиосвязи, отличающаяся прежде всего массовостью обслуживания абонентов на ограниченной территории. При этом исторически сложилось так, что сотовая связь постепенно расширяла сферу обслуживания телефонной сети общего пользования (ТфОП). Вообще-то, сам термин "сотовая связь - это общепринятое сокращенное наименование услуги, получаемой с помощью развернутых сотовых сетей подвижной связи, выполненных на базе соответствующих систем. Таким образом, этот термин характеризует именно подвижную связь.

Бурно развивающийся  мировой рынок услуг сотовой  связи привлекает внимание многих компаний. Например, только в России в этот бизнес вовлечено около двухсот компаний - операторов.

Целью дипломной работы является разработка имитационной модели программного обеспечения информационной системы "Центр обслуживания абонентов".

Достижение поставленной цели осуществляется благодаря использованию следующих задач:

• анализ показателей имитационного моделирования;
• разработка этапов создания имитационной модели;
• анализ деятельности «Центра обслуживания абонентов»;
• моделирование системы и ее проектирование;
• определение прибыли, цены и срока окупаемости продукта;
• выявление возможного негативного влияния имитационной модели «Центра обслуживания абонентов».

Объект  исследования – имитационная модель «Центр обслуживания абонентов».

Предмет исследования –  проектирование  имитационной модели «Центр обслуживания абонентов».

Практическая значимость – имитационная модель «Центр обслуживания абонентов» предназначена для предоставления новых услуг абонентам, призванных облегчить процесс эксплуатации, методы ведения связи, предоставить дополнительный информационный сервис, упростить процедуру оповещения и взаиморасчетов.

Актуальность работы – заключается в необходимости повышения уровня обслуживания клиентов за счет разработки системы «Центр обслуживания абонентов».

В первой главе дипломного проекта рассматриваются: понятие, средства и методы, критерии эффективности, анализ показателей имитационного моделирования, этапы разработки имитационной модели, анализ деятельности «Центра обслуживания абонентов», а так же диаграммы потоков данных имитационной модели «Центр обслуживания абонентов», создание модели при помощи DFD диаграмм.

Модель, построенная с  применением структурных методов  представляет собой иерархический  набор диаграмм, графически изображающих выполняемые системой функции и  взаимосвязи между ними.

Во второй главе показана поэтапная разработка имитационной модели «Центра обслуживания абонентов»: выявление вариантов использования, выявление классов – сущностей, моделирование видов деятельности, моделирование взаимодействий, моделирование состояний, проектирование статической структуры, проектирование пользовательского интерфейса, диаграмма компонентов, проектирование архитектуры приложения.

В третьей главе дипломного проекта приводиться экономическое обоснование использования имитационной модели «Центра обслуживания абонентов», которое заключается в расчете трудоёмкости, стоимости основных материалов и энергоресурсов, затрат на заработную плату и в Анализ конкурентоспособности программного обеспечения.

В четвертой главе представлены рекомендации соблюдения производственно-экологической безопасности и охране труда при использовании имитационной модели «Центр обслуживания абонентов». В этой главе проводится анализ потенциальных опасностей и вредностей имитационной модели «Центра обслуживания абонентов» и выявляется оценка возможного негативного влияния имитационной модели «Центра обслуживания абонентов».

ГЛАВА 1 АНАЛИЗ ТЕХНОЛОГИЙ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

1. Понятие имитационного моделирования

Моделирование — метод  решения задач, при использовании которого исследуемая система заменяется более простым объектом, описывающим реальную систему и называемым моделью.

Моделирование применяется  в случаях, когда проведение экспериментов  над реальной системой невозможно или  нецелесообразно: например, по причине хрупкости или дороговизны создания прототипа либо из-за длительности проведения эксперимента в реальном масштабе времени [5, С. 15-16].

Перед современными предприятиями  часто встает задача оптимизации  технологических процессов. Широко известный метод функционального моделирования позволяет обследовать существующие бизнес-процессы, выявить их недостатки и построить идеальную модель деятельности предприятия. Построение функциональной модели осуществляется от общего к частному - сначала описывается общая схема деятельности предприятия, затем шаг за шагом все более и более подробно описываются конкретные технологические процессы. Такой подход весьма эффективен, однако на уровне наибольшей детализации, когда рассматриваются конкретные технологические операции, для оптимизации этих операций функциональной модели может оказаться недостаточно. В этом случае целесообразно использовать имитационное моделирование.

Имитационное моделирование - это метод моделирования, представляющий систему в виде программы, работа которой имитирует существенные в данном исследовании свойства системы и выполняет оптимизацию некоторых её параметров [5, С. 28-35].

Имитационная модель – специальный программный комплекс, который позволяет имитировать деятельность какого-либо сложного объекта.

Имитационное моделирование  применяется для исследования и  проектирования таких сложных систем и процессов, как предприятия, информационные сети, мировые динамики в экономике  или экологии и т.д.

Имитационная модель системы - это программа, в которой  определяются все наиболее существенные элементы и связи в системе и задаются начальные значения параметров, соответствующие некоторому «нулевому» моменту времени, а все последующие изменения, происходящие в системе по закону причин и следствий, вычисляются на ЭВМ автоматически при выполнении программы [5, С. 40-44].

Имитационные модели используются в таких областях, как:

• транспорт, логистика, цепочки поставок;
• здравоохранение (зарубежное использование, США в частности);
• производство (металлургия, стройматериалы, пищепром);
• бизнеспроцессы;
• оборонные приложения (Европа: Англия);
• управление активами (проектами, финансами);
• IT-системы, телекоммуникации.

К имитационному моделированию  прибегают, когда:

• дорого или невозможно экспериментировать на реальном объекте;
• невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;
• необходимо сымитировать поведение системы во времени.

 Такой метод моделирования  не требует составления уравнений и, тем более, не требует их решения. При этом он позволяет отображать и исследовать поведение системы с любой детальностью и точностью [15, С. 424-428].

 Выполнение имитационной  модели называется имитационным  экспериментом (ИЭ). В ходе ИЭ  компьютер имитирует функционирование системы и вычисляет все необходимые характеристики свойств, проявляемых системой [5, С. 61-66].

 ИЭ подобен натурному  эксперименту. Однако он позволяет,  в отличие от натурного метода, экспериментировать с системами,  которых еще или уже нет, позволяет предсказывать поведение существующих систем в будущем, изучать их поведение в чрезвычайных условиях. Он дешевле и быстрее натурных экспериментов [5, С. 83-86].

2. Методы и виды имитационного моделирования

Существует четыре основных подхода ИМ: динамическое моделирование, системная динамика, дискретно-событийный и агентное моделирование. Также следует отметить метод статистических испытаний - метод Монте-Карло.

1. Динамические системы (механические или физические процессы, системы управления) описываются алгебраическими уравнениями, дифференциальными уравнениями и блок-схемами.

Агентное моделирование  — относительно новое (1990-е-2000-е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении её отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться [13, С. 43-46].

2. Дискретно-событийное моделирование — подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие, как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960-х годах.
3. Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Джеем Форрестером в 1950 годах [5, С. 75-80].
4. Метод Монте-Карло - численный метод решения математических задач с помощью моделирования случайных величин, разработанный в 1949 г. Дж. Нейманом и С. Улама. Метод статистических испытаний позволяет моделировать любой процесс, на протекание которого оказывают влияние случайные факторы. Метод используется во многих областях науки (математике, физике и др.). Сущностью метода Монте-Карло является применение какого-либо генератора равномерно распределенных случайных чисел в связи с функцией распределения вероятностей изучаемого процесса. После определения функции на основе теоретического, эмпирического или другого распределения, соответствующего характеру изучаемого процесса, производятся случайные выборки, представляющие значения входных данных. С помощью множественных прогонов имитационной модели получается соответствие множеств значений входных и выходных параметров. На заключительном этапе осуществляется принятие решений с помощью статистического анализа выходных данных  [13, С. 32-37].

Дискретно-событийное моделирование и системная динамика являются "традиционными" методами имитационного моделирования, появившимися в 50-60х годах. Агентное моделирование – относительно новый метод, получивший широкое практическое распространение только после 2000 года, но уже зарекомендовавший себя множеством "success stories". Системная динамика и дискретно-событийное моделирование рассматривают систему сверху вниз, работая на так называемом системном уровне. Агентное моделирование – это подход снизу-вверх: создатель модели фокусируется на поведении индивидуальных объектов [13, С. 40-42].

Системная динамика предполагает высокий  уровень абстракции и используется в основном для задач стратегического уровня. Процессно-ориентированный (дискретно-событийный) подход используется в основном на операционном и тактическом уровне. Спектр применения агентных моделей включает задачи любого уровня абстракции: агент может представлять компанию на рынке, покупателя, проект, идею, транспортное средство, пешехода, робота и т.д [13, С. 45].

Методика создания имитационных моделей и этапы ИМ. После выбора подхода ИМ производится разработка имитационной модели. Описание процесса моделирования приведено в работах А. М. Лоу и В. Л. Конюха. Данный процесс включает следующие этапы:

1. Точная формулировка цели исследования.
2. Сбор информации и данных.
3. Разработка концептуальной модели. Для проверки компонентов модели применяются количественные методы - графики, критерии согласия, тест Крускал-Уолиса (Kruskal-Wallis).
4. Проверка концептуальной модели на адекватность поставленной задаче и выполнение структурного критического анализа.
5. Перевод концептуальной модели с помощью программных средств в машинное представление.
6. Верификация запрограммированной модели. На этом этапе выполняются анализ чувствительности и валидация выходных данных имитационной модели (если реальная система существует, для сравнения выходных данных модели и реальной системы применяются статистические методы).
7. Если адекватность модели не подтверждается, в зависимости от обнаруженной ошибки необходимо вернуться к первому, второму или третьему шагу.
8. Разработка, выполнение и анализ экспериментов.
9. Документирование и представление полученных результатов.

Для того чтобы достигнуть наибольшей адекватности модели, при  сс разработке необходимо взаимодействовать  с предметными экспертами и заказчиками  проекта. Также для обеспечения  более простой валидации и  верификации применяется анимация модели [13, С. 62-65]

Необходимо отметить, что верификация и валидация являются одними из важных аспектов моделирования. Существует два основных подхода выполнения верификации и валидации, обеспечивающих наибольшую адекватность модели: пользователем, полностью вовлеченным в группу разработчиков (увеличивает правдоподобность); независимая верификация и валидация, выполняемая другой группой (применяется для больших моделей).

Методы валидации могут  быть различными: анимация, сравнение  с другими моделями, дегенеративные тесты, событийная адекватность, тссты на экстремальные условия, историческая валидация данных, операционные графики. вариация параметров (анализ чувствительности) и др.

Однако следует учитывать, что при увеличении достоверности  модели возрастает сс стоимость, а при превышении определенного порога достоверности затраты становятся неоправданно большими [13, С. 70]

Краткий обзор сред ИМ для имитации производственных систем. Имитационное моделирование может успешно применяться в исследовании производственных систем. Например, имеется опыт использования программных продуктов имитационного моделирования в горном деле, машиностроении, теплофизике и энергосберегающих технологиях.

Задачи, решаемые ИМ для  исследования производственных систем, можно разделить на три основные группы: определение потребности в оборудовании, оценка производительности, оценка технологических операций [13, С. 91-92]

В работе приведены характеристики более 50 современных сред ИМ. С использованием материалов конференции Winter Simulation Conference за 2005,2008 гг. проведено сравнение количества и общего объема публикаций о средах ИМ. На основе данных этих источников можно считать, что одними из наиболее распространенных сред являются Arena, Extend, AnyLogic, AutoMod, Promodel.

3. Критерии эффективности имитационного моделирования

Эффективность имитационного  моделирования может оцениваться  рядом критериев, в том числе  точностью и достоверностью результатов  моделирования, временем построения и  работы с моделью М, затратами  машинных ресурсов (времени и памяти), стоимостью разработки и эксплуатации модели. Очевидно, наилучшей оценкой эффективности является сравнение получаемых результатов с реальным исследованием, т. е. с моделированием на реальном объекте при проведении натурного эксперимента. Поскольку это не всегда удается сделать, статистический подход позволяет с определенной степенью точности при повторяемости машинного эксперимента получить какие-то усредненные характеристики поведения системы. Существенное влияние на точность моделирования оказывает число реализаций, и в зависимости от требуемой достоверности можно оценить необходимое число реализаций воспроизводимого случайного процесса [4, С. 94-98]

Существенным показателем  эффективности являются затраты  машинного времени. В связи с  использованием ЭВМ различного типа суммарные затраты складываются из времени по вводу и выводу данных по каждому алгоритму моделирования, времени на проведение вычислительных операций, с учетом обращения к оперативной памяти и внешним устройствам, а также сложности каждого моделирующего алгоритма. Расчеты затрат машинного времени являются приближенными и могут уточняться по мере отладки программ и накопления опыта у исследователя при работе с имитационной моделью. Большое влияние на затраты машинного времени при проведении имитационных экспериментов оказывает рациональное планирование таких экспериментов. Определенное влияние на затраты машинного времени могут оказать процедуры обработки результатов моделирования, а также форма их представления [4, С. 100-102]

Построение имитационных моделей больших систем и проведение машинных экспериментов с этими моделями представляют собой достаточно трудоемкий процесс, в котором в настоящее время много неизученного. Однако специалисты в области проектирования, исследования и эксплуатации больших систем должны в совершенстве знать методологию машинного моделирования, сложившуюся к настоящему времени, чтобы быть готовыми к появлению ЭВМ следующих поколений, которые позволят сделать еще один существенный шаг в автоматизации построения моделей и использования имитационного моделирования систем.

В описание системы должны быть включены критерии эффективности  функционирования системы и оцениваемые  альтернативные решения.

Каждая модель представляет собой некоторую комбинацию таких  составляющих, как компоненты, переменные, параметры, функциональные зависимости, ограничения, целевые функции.

Под компонентами понимают составные части, которые при  соответствующем объединении образуют систему. Иногда компонентами считают  также элементы системы или ее подсистемы. Система определяется как группа или совокупность объектов, объединенных некоторой формой регулярного взаимодействия или взаимозависимости для выполнения заданной функции. Изучаемая система состоит из компонентов [4, С. 10-12].

Параметрами являются величины, которые исследователь может выбирать произвольно, в отличие от переменных модели, которые могут принимать значения, определяемые видом заданной функции. В модели будем различать переменные двух видов: экзогенные и эндогенные. Экзогенные переменные называются также входными. Это означает, что они порождаются вне системы или являются результатом взаимодействия внешних причин. Эндогенными переменными называются переменные, возникающие в системе в результате воздействия внутренних причин. В тех случаях, когда эндогенные переменные характеризуют состояние или условия, имеющие место в системе, назовем их переменными состояния. Когда же необходимо описать входы и выходы системы, то имеем дело с входными и выходными переменными[6, С. 21].

Функциональные зависимости описывают поведение переменных и параметров в пределах компоненты или же выражают соотношения между компонентами системы. Эти соотношения по природе являются либо детерминистскими, либо стохастическими.

Ограничения представляют собой устанавливаемые пределы изменения значений переменных или ограничивающие условия их изменений. Они могут вводиться либо разработчиком, либо устанавливаться самой системой вследствие присущих ей свойств.

Целевая функция (функция  критерия) представляет собой точное отображение целей или задач системы и необходимых правил оценки их выполнения. Выражение для целевой функции должно быть однозначным определением   целей   и   задач,   с   которыми   должны   соизмеряться принимаемые решения [6, С. 22-24].

Процесс формализации сложной системы включает:

• выбор способа формализации;
• составление формального описания системы.

В процессе построения модели можно выделить три уровня ее представления:

• неформализованный (этап 2) – концептуальная модель;
• формализованный (этап 3) – формальная модель;
• программный (этап 4) – имитационная модель.

Каждый уровень отличается от предыдущего степенью детализации  моделируемой системы и способами  описания ее структуры и процесса функционирования [6, С. 30].

4. Анализ показателей имитационного моделирования

В основе многих современных  методов оценки эффективности защиты информации, обрабатываемой в технических  средствах или передаваемой по линиям связи, лежат результаты имитационного  моделирования процессов, связанных  с реализацией этапов процедуры  несанкционированного доступа к информации по различным техническим каналам. При всех неоспоримых достоинствах имитационное моделирование имеет один существенный недостаток — наличие погрешностей получаемых оценок, связанных с точностью реализованных алгоритмов моделирования и ограниченностью объема выборки. В результате для корректного использования имитационных моделей при оценке эффективности защиты информации или проектировании систем защиты информации возникает необходимость в исследовании зависимостей погрешностей моделирования от количества прогонов имитационной модели.

Для проведения данного  исследования в качестве результата имитационного моделирования рассматривалась  случайная величина длительности интервала  времени обнаружения информативных  побочных электромагнитных излучений средствами контроля.

В качестве закона распределения  данной СВ выбран нормальный, в наибольшей степени соответствующий содержанию вероятностных преобразований в имитационной модели [6, С. 8-23].

Испытания и исследования имитационной модели. После реализации  имитационной модели на ЭВМ, необходимо провести испытания для  оценки достоверности модели. На этапе испытания и исследования разработанной имитационной модели организуется комплексное тестирование модели (testing) – планируемый итеративный процесс, направленный на поддержку процедур верификации и валидации имитационных моделей и данных.

Если в результате проведенных процедур модель окажется недостаточно достоверной, то может  быть выполнена калибровка имитационной модели (в моделирующий алгоритм встраиваются калибровочные коэффициенты) с целью  обеспечения адекватности модели. В  более сложных случаях возможны многочисленные итерации на ранние этапы с целью получения дополнительной информации о моделируемом объекте или доработки имитационной модели. Наличие ошибок во взаимодействии компонентов модели возвращает исследователя на этап создания имитационной модели. Причиной этого может быть изначально упрощенная модель процесса или явления, что приводит к неадекватности модели объекту. В случае, если выбор способа формализации оказался неудачным, то необходимо повторить этап составления концептуальной модели с учетом новой информации и приобретенного опыта. Наконец, когда оказалось недостаточно информации об объекте, необходимо вернуться к этапу составления содержательного описания системы и уточнить его с учетом результатов испытания.

 Направленный вычислительный эксперимент на имитационной модели. Анализ результатов моделирования и принятие решений. На заключительных этапах имитационного моделирования необходимо проводить стратегическое и тактическое планирование имитационного эксперимента. Организация направленного вычислительного эксперимента на имитационной модели предполагает выбор и применение различных аналитических методов для обработки результатов имитационного исследования. Для этого применяются методы планирования вычислительного эксперимента, регрессионный и дисперсионный анализ, методы оптимизации. Организация и проведение эксперимента требует корректного применения аналитических методов. По полученным результатам проведенное исследование должно позволить сделать выводы, достаточные для принятия решений по обозначенным на ранних этапах проблемам и задачам.

5. Этапы разработки имитационной модели

Функционирование объекта  характеризуется значительным числом параметров. Особое место среди них  занимает временной фактор. В большинстве  моделей имеется возможность масштабирования или введения машинного времени, т.е. интервала, в котором остальные параметры системы сохраняют свои значения или заменяются некоторыми обобщенными величинами. Таким образом, за счет этих двух процессов - укрупнения единицы временного интервала и расчета событий этого интервала за зависящий от мощности ПЭВМ временной промежуток и создается возможность прогноза и расчета вариантов управленческих действий [6, С. 37-43].

Процесс получения оптимального управленческого решения методами адаптивно-имитационного моделирования состоит из нескольких этапов:

1. Формулировка комплекса задач исследования. Особенностью имитационного моделирования является снятие требования единственности целевого функционала и возможность присоединить к главной цели, например, достижению наименьшей себестоимости или производства продукции, дополнительные требования, которые будут обязательно учитываться при поиске оптимального плана управления производством, такие как надежность этого плана.
2. Построение концептуальной модели объекта предполагает изучение системных свойств объекта, взаимосвязей между его элементами и средой, структуризацию и выделение подсистем. Концептуальная модель очень важна для исследовательских задач, в ней должно содержаться гипотетическое представление о природе взаимосвязей в объекте, которое должно быть либо подтверждено, либо опровергнуто с четким разграничением бесспорных моментов и исследовательских гипотез, которые могут быть уточнены в процессе экспериментов [6, С. 45-46].
3. Определение структуры и требований к моделируемой программе. Структура и требования к программе определяют ход и выполнение последующих этапов реализации исследований. В основном эти требования могут быть разбиты на 3 группы в соответствии с тремя целеполагающими установками.

Первая вытекает из целей  исследования и направлена на результаты работы программ. Она устанавливает  перечень характеристик состояния  системы или их производных интегральных параметров, которые должны контролироваться экспериментатором в процессе моделирования при различных режимах. При первом прогоне - расширенный набор характеристик, позволяющий проконтролировать правильность хода эксперимента, убедиться в адаптивности моделируемого процесса, пусть даже с потерей времени на осуществление контроля. В дальнейшем данный вид контроля должен быть отключен для увеличения быстродействия [6, С. 50-53].