Министерство образования и науки Российской Федерации
Министерство образования Саратовской области
Национальный исследовательский Саратовский государственный университет имени Н.Г. Чернышевского
Саратовский областной институт развития образования
Комитет по информатизации Саратовской области
Комитет по образованию администрации муниципального образования «Город Саратов»
Автономная некоммерческая организация «Информационные технологии в образовании»
Автономная некоммерческая организация «Научно-исследовательский центр «Образование. Качество. Отрасль»»
IX Всероссийская (с международным участием) научно-практическая конференция
«Информационные технологии в образовании»
«ИТО-Саратов-2017»
2-3 ноября 2017 года, г. Саратов

ОБУЧЕНИЕ СТУДЕНТОВ ИМИТАЦИОННОМУ МОДЕЛИРОВАНИЮ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ

Автор: Тананко Игорь Евстафьевич, Кандидат физико-математических наук, Доцент
ФГБОУ ВО "Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского"

Имитационное моделирование является одним из эффективных и универсальных методов исследования сложных систем с управлением в условиях некоторой неопределенности [1-3]. К ним относятся технические, информационные, экономические, организационные, экологические и многие другие системы, которые характеризуются большим числом взаимодействующих элементов и наличием, как правило, многоуровневой системы управления. Аналитические методы анализа дают только общее представление о функционировании систем [4-7]. Использование имитационного моделирования оправдано, когда невозможно построить аналитическую модель системы или существующие аналитические методы являются слишком грубыми, не учитывающими существенные для исследователя стороны системы. Другая причина – если построение имитационной модели и проведение с ней эксперимента занимает меньше критически важных ресурсов (например, время, материальные, финансовые ресурсы) по сравнению с разработкой и использованием аналитической модели.

Несмотря на большое значение и востребованность имитационного моделирования для решения многих практических задач анализа и проектирования систем, обучению студентов методам имитационного моделирования уделяется недостаточно внимания. Отчасти это связано с тем, что студент будет готов к восприятию курса по имитационному моделированию только после получения знаний по системному анализу, теории принятия решений, высшей математике, математическому моделированию, теории вероятностей и математической статистике, информатике и программировании. Желательно также иметь хорошие представления в предметной области.

Часто в рамках курса по имитационному моделированию изучаются возможности и конструкции одного из современных языков имитационного моделирования систем (чаще всего это современная реализация языка GPSSили язык AnyLogic), создаются компьютерные модели гипотетических систем и проводится их анализ. Однако известно, что все огромное число разработанных для первых ЭВМ и современных систем и языков моделирования можно разделить на несколько групп. В каждой группе языков реализована определенная концепция представления взаимодействующих процессов подсистем реальной системы в имитационной модели. Поэтому изучение конкретного языка моделирования создает у студента ограниченное представление об имитационном моделировании. Отсутствие у студента методологической базы по методам изучения реальной системы, методам формализации, методам построения структуры и алгоритмов модели, методам сбора и обработки статистических данных, в дальнейшем, при выполнении профессиональных обязанностей, возможно, создаст трудности с построением модели. Это может случиться, если, например, потребуется реализовать модель другого класса систем.

Поэтому представляется важным уделять большую часть времени, отведенную на дисциплину, изучению методологии имитационного моделирования. На лабораторных занятиях студенты должны научиться строить сначала модели случайных величин, модели потоков случайных событий, устанавливать логические и функциональные связи между событиями, отображать в модели продвижение времени и другие простейшие модели.

Следующий этап обучения связан с построением имитационной модели системы массового обслуживания. Здесь важно научить студентов представлять в компьютерной модели: требования различных классов, очереди требований, обслуживающие приборы, связи между очередями требований и обслуживающими приборами, один или несколько источников требований, дисциплины выбора требований из очереди, алгоритмы функционирования приборов системы массового обслуживания.

На заключительном этапе необходимо организовать сбор и обработку статистических данных.

Полученные знания и умения могут быть использованы выпускниками в своей профессиональной деятельности для имитационного моделирования не только систем, но и сетей массового обслуживания. Выпускник способен будет изменять внешние и внутренние условия функционирования модели, изменять уровень детализации модели, организовывать наблюдение за ходом эксперимента с моделью, оценивать качественные и количественные характеристики модели.

Список использованных источников
  1. Шеннон Р. Имитационное моделирование систем – искусство и наука. - М.: Мир, 1978. - 420 с.
  2. Кельтон В., Лоу А. Имитационное моделирование. - СПб.: Питер: Киев: Издательская группа BHV, 2004, - 847 с.
  3. Тананко И. Е., Долгов В. И. Моделирование систем. Лабораторный практикум: Учебно-методическое пособие. Саратов: ООО Издат. центр «Наука», 2014. - 68 с.
  4. Митрофанов Ю. И., Рогачко Е. С., Фокина Н. П. Анализ систем массового обслуживания: Учебно-методическое пособие. - Саратов: Научная книга, 2009. - 59 с.
  5. Станкевич Е.П. Использование программного комплекса анализа сетей массового обслуживания в процессе обучения бакалавров по направлению подготовки «Системный анализ и управление». – Информационные технологии в образовании: Материалы VII Всерос. научно-практ. конф. Саратов: ООО «Издательский центр «Наука»», 2015. - 316-319.
  6. Фокина Н. П. Использование комплекса компьютерных программ по оптимизации сетевых систем в процессе обучения бакалавров по направлению подготовки «Системный анализ и управление». – Информационные технологии в образовании: Материалы VII Всерос. научно-практ. конф. Саратов: ООО «Издательский центр «Наука»», 2015. - 117–119.
  7. Фокина Н. П. Применение математической модели информационной системы при проведении занятий по дисциплине «Теория систем и системный анализ». – Информационные технологии в образовании: Материалы VIII Международ. научно-практ. конф. Саратов: ООО «Издательский центр «Наука»», 2016. - 321-324.
Уровень  Компьютерные науки (информационные технологии и микроэлектроника)

В статусе «Черновик» Вы можете производить с тезисами любые действия.

В статусе «Отправлено в Оргкомитет» тезисы проходят проверку в Оргкомитете. Статус «Черновик» может быть возвращен тезисам либо если есть замечания рецензента, либо тезисы превышают требуемый объем, либо по запросу участника.

В статусе «Рекомендован к публикации» тезис публикуется на сайте. Статус «Черновик» может быть возвращен либо по запросу участника, либо при неоплате публикации, если она предусмотрена, либо если тезисы превышают требуемый объем.

Статус «Опубликован» означает, что издана бумажная версия тезиса и тезис изменить нельзя. В некоторых крайне редких ситуацих участник может договориться с Оргкомитетом о переводе тезисов в статус «Черновик».

Статус «Отклонен» означает, что по ряду причин, которые указаны в комментариях к тезису, Оргкомитет не может принять тезисы к публикации. Из отклоненных тезис в «Черновики» может вернуть только Председатель программного или председатель оргкомитета.