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

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].