Научный журнал

Вестник Алтайской академии экономики и права

Print ISSN 1818-4057

Online ISSN 2226-3977

Перечень ВАК

Рис. 1. Классификация рисков при строительстве АЭС

Таблица 1

Анализ факторов сдвига сроков строительства АЭС

Классификация рисков при проектировании и сооружении АЭС исходя из анализа факторов сдвига их сроков представлена на рис. 2

Таким образом, мы видим, что проектирование и строительство многих АЭС не проходит без сдвигов графиков. Причины данных сдвигов могут быть как следствием влияния нескольких факторов, так и единичные случаи влияния одного из факторов. К сожалению, мы не можем предугадать политическую обстановку в мире также, как и не в состоянии определить экономическую ситуацию на мировом рынке. Несмотря на это мы можем повлиять на срок строительства посредством управления техническими, технологическими и эксплуатационными рисками за счет контроля стадий проектирования, изготовления оборудования, техники безопасности на строительных площадках. Все эти действия помогают избежать нежелательного увеличения срока строительства АЭС. Чтобы это происходило эффективнее, необходимо понимать, как должны взаимодействовать заинтересованные стороны проекта (проектировщики, поставщики оборудования, строители и т. д.). В этом может помочь, как один из инструментов, агентное моделирование взаимодействия заинтересованных сторон при проектировании и сооружение АЭС.

2. Агентное моделирование взаимодействия заинтересованных сторон при проектировании и сооружении АЭС

2.1. Общие понятия

Моделирование – метод исследования объекта познания (оригинала) путем его замещения другим объектом – моделью. Моделирование применяется, когда проведение экспериментов над реальной системой невозможно или нецелесообразно, например, из-за высокой стоимости или длительности проведения эксперимента в реальном масштабе времени. Моделирование включает в себя отображение проблемы из реального мира в мир моделей, анализ модели, нахождения решения, и отображение решения обратно в реальный мир.

Имитационное моделирование (ситуационное моделирование) – метод, позволяющий создавать модели, который описывают процессы так, как они проходили бы в действительности. Целью данного моделирования, в конечном счете, является принятие обоснованных, целесообразных управленческих решений. Знание принципов и возможностей имитационного моделирования, умение создавать и применять модели являются необходимыми требованиями к инженеру, менеджеру, бизнес-аналитику.

Агентное моделирование – метод имитационного моделирования, исследующий поведение децентрализованных агентов и то, как такое поведение определяет поведение всей системы в целом. Агентные модели состоят из агентов, которые взаимодействуют в среде. Агентами могут быть различные по своей природе элементы. Одна из классификаций представлена на рис. 3.

Агенты запрограммированы реагировать на окружающую среду, в которой они находятся, и эта среда является моделью реальной среды, в которой действуют субъекты. Ключевая особенность агентных моделей заключается в том, что агенты могут взаимодействовать, т. е. они могут передавать информационные сообщения друг другу и действовать на основе информации, получаемой из этих сообщений. Сообщения могут представлять собой как непосредственный диалог между людьми, так и косвенные средства информационного взаимодействия, такие как наблюдение за взаимодействием других агентов или обнаружение последствий действий другого агента. Возможность моделирования таких взаимодействий между агентами является ключевым отличием агентного моделирования от других типов моделей.

Типичными свойствами агента являются:

● адаптивность (способность обучаться);

● автономность (агент работает как самостоятельная программа, которая ставит себе цели и предпринимает действия для их достижения);

● коллаборативность (взаимодействие с другими агентами, причем агент может играть разные роли при взаимодействии с одним и тем же агентом);

● интеллектуальность (агенты могут обладать знаниями или механизмами вывода на основе обобщения, например иметь встроенную искусственную нейронную сеть);

● коммуникативность (способность общаться с другими агентами);

● мобильность (способность к пространственному перемещению агента либо миграции агента из одной агентской группы в другую).

Агентное моделирование зародилось в 1990-х гг. в стенах Университета Карнеги-Меллон. Сегодня это, пожалуй, наиболее передовой метод имитационного моделирования, который используется учеными и исследователями в области экономики и управления, позволяющий смоделировать обстановку практически неограниченной сложности. Агентное моделирование позволяет сделать историческую науку экспериментальной и вводить в нее сослагательное наклонение, которое порой может дать богатую пищу для размышлений современному поколению.

2.2. Процесс агентного моделирования

Агентное моделирование является инструментом, при помощи которого возможно успешное моделирование сложных адаптивных систем. В основе модели лежит набор основных элементов, из взаимодействия которых рождается обобщенное поведение системы.

Возможности агентного моделирования:

● оптимизация сети поставщиков и планирование перевозок;

● планирование развития производства;

● прогнозирование спроса на продукцию и объемы продаж;

● оптимизация численности персонала;

● прогнозирование развития социально-экономических систем (городов, регионов);

● моделирование миграционных процессов;

● имитация и оптимизация пешеходного движения;

● моделирование транспортных систем;

● прогнозирование экологического состояния окружающей среды и т. д.

Мультиагентные системы представляют собой совокупность интеллектуальных агентов. Агентное моделирование включает в себя элементы теории игр, сложных систем, мультиагентных систем и эволюционного программирования, методы Монте-Карло, использует случайные числа и др.

Поведение агента задается так называемой картой состояний (statechart), программируемой на индивидуальном уровне. Агентно- ориентированный подход позволяет учесть индивидуальные особенности активных элементов социально-экономической системы: людей, субъектов неживой материи (предприятий, транспортных средств и др.) и живой природы (в частности, экологических систем).

Карты состояний позволяют графически определить возможные состояния агента, переходы между ними, события, вызывающие эти переходы, временные задержки и действия, совершаемые агентом на протяжении своего жизненного цикла. Такие конструкции, как вложенные состояния, позволяют задавать режимы функционирования агента.

Агент может иметь несколько параллельно активных и взаимодействующих карт состояний, каждая из которых отвечает за какой- либо аспект его деятельности: например, за производство, финансы и т. д. Помимо внешнего управления, реализуемого в организационных структурах, как правило, корпоративным центром, возможно и внутреннее управление, реализуемое самим агентом при выборе определенной стратегии поведения.

Между агентами также имеются двунаправленные связи, так как поведение одного агента может зависеть от поведения других агентов. Типичным примером является поведение отдельных покупателей, обращающих внимание на выбор других покупателей (эффект большинства). В реальных организационных структурах связи между агентами, как правило, ограничены. К примеру, связи между предприятиями могут быть ограничены по географическому признаку (в пределах одного региона), связи между покупателями ограничены одним локальным рынком (в пределах возможной информированности о покупках) и т. д. Этот фактор оказывает существенное влияние на состояние системы в целом и приводит к появлению устойчивых структур-объединений агентов в группы с общими признаками или целями. Примерами таких структур являются искусственные общества – компьютерные модели, описывающие групповое поведение агентов-членов искусственных обществ.

В сложных организационных системах агенты могут иметь вложенную структуру. Между элементами вложенной структуры также могут быть установлены определенные связи. При этом степень вложенности практически неограничена (например, начиная от отдельного сотрудника, заканчивая организацией в целом). Характер связей (прямые, обратные и т. п.) существенно зависит от агентной специфики.

При проектировании мультиагентных систем управления важно учесть взаимовлияние агентов различной природы с учетом их подчиненности и в зависимости от центральной задачи. В частности, для систем оперативного управления производством первостепенное значение имеет взаимодействие технических агентов (например, оборудования в цехе), а роль социальных агентов учитывается при моделировании потребительского спроса. Разделение агентов в различных системах весьма условно и зависит от задачи. Вместе с тем выбор эффективного метода моделирования поведения агентов зависит от их природы.

Следует отметить, что между мультиагентным моделированием и методами системной динамики имеется определенная связь. Многие простые агентные модели могут быть легко конвертированы в соответствующие агентные версии. Однако с ростом числа агентов со своими характеристиками в системно-динамических моделях возникает известная проблема так называемого комбинаторного взрыва, обусловленная ростом размерности переменных модели. При агентном подходе можно добиться существенно большей степени детализации модели и учесть влияние активных участников системы.

2.3. Применение агентного моделирования

Агентное моделирование доказало свою успешность во многих областях применения. Появление новых методов моделирования и рост вычислительной мощности компьютеров позволяет утверждать, что количество этих областей будет только расти.

Агентные модели могут быть как очень детализированными, когда агенты представляют физические объекты, так и предельно абстрактными, когда с помощью агентов моделируются конкурирующие компании или правительства государств [2].

На рис. 4 представлено распределение областей применения агентного моделирования в соответствии с используемыми в моделях уровнями абстракции.

В нижней части рисунка располагаются модели физического уровня, в которых объекты реального мира моделируются максимально подробно. На этом уровне мы учитываем физическое взаимодействие, размеры, скорости, расстояния. Антиблокировочная система тормозов автомобиля, эвакуация болельщиков со стадиона, движение на регулируемом перекрестке, взаимодействие солдат на поле боя – все эти примеры требуют низкого уровня абстракции при их моделировании.

Модели, расположенные в верхней части схемы, более абстрактны и чаще всего оперируют обобщенными понятиями, такими как совокупность потребителей или статистика уровня занятости, а не отдельными объектами. Так как взаимодействие между объектами происходит на высоком уровне, такие модели помогают понять взаимосвязи в системе без необходимости моделировать промежуточные шаги, например, изучить влияние вложений в рекламу на продажи продукта компании.

Другие модели имеют средний уровень абстракции. Например, при моделировании отделения скорой помощи необходимо учитывать реальные размеры помещения, чтобы узнать, как долго пациент будет идти от приемной до рентгеновского кабинета. При этом, предположив, что помещение не переполнено, мы можем исключить из рассмотрения физическое взаимодействие между людьми.

Разрабатывая модель бизнес-процесса или работы центра обработки звонков, мы моделируем последовательность и длительность операций, а не место, в котором они происходят. В модели грузоперевозок мы учитываем скорость грузовика или поезда, но в модели цепочки поставок на более высоком уровне мы просто считаем, что доставка заказа занимает от семи до десяти дней.

В настоящее время применение агентного моделирования наиболее развито в таких областях, как логистика (грузоперевозки, такси, каршеринг), отношения на потребительских рынках (особенно развито в применение CRM-систем), организационные процессы и в других активно развивающихся сферах.

В нашей же отрасли агентное моделирование может примениться в следующих процессах:

● Контроль соблюдения норм проектирования.

● Взаимодействия между поставщиками материалов и строителями.

● Совершенствование технологий строительства.

● Соблюдение технологий строительства и техники безопасности на строительных площадках.

● Календарно-сетевое планирование.

● Создание цифрового профиля компетенций сотрудника.

● Деятельность сотрудников ПСР.

2.4. Агентное моделирование как способ выбора наиболее компетентного сотрудника

Агентное моделирование может широко применяться не только для оптимизации технологических процессов, но также и для подбора персонала в организации. Данный подход нацелен на определение целевых компетенций, которыми должен обладать потенциальный сотрудник компании, и выбор на его место самого «подходящего» из всех кандидатов. Рассмотрим более подробно, как это можно реализовать.

У каждой компании есть различные задачи, которые необходимо решать. Для решения этих задач руководство старается найти наиболее образованных сотрудников, но не все кандидаты могут решать поставленные задачи из-за недостатка нужных навыков. С помощью агентного моделирования мы можем создать модель той задачи, которую необходимо решить. Для более подробного описания задачи в модели нужно задать ограничения (это, как правило, время и качество выполнения задания) и набор компетенций, необходимых для решения задачи. Также важно отметить в модели такие ограничения, как уровень заработной платы, которую компания готова платить сотруднику, и какие условия труда может предоставить. После создания модели мы можем сымитировать, как будет выполняться задача, если над ней будут работать различные сотрудники. Например, при работе сотрудника, который обладает всеми необходимыми компетенциями, в процессе моделирования мы увидим, что задача будет выполнена вовремя и должного качества. В случае же, если решение задачи не будет удовлетворено заданным ограничениям, модель покажет нам, какие есть слабые стороны у сотрудника, которых не хватает для решения поставленных задач. Также помимо компетенций в модели можно указать дополнительные навыки, которые необходимы для более продуктивной организации работы компании. Данное действие может стать шагом, для создания виртуального рынка сотрудников, в котором будет учитываться креативность и инициативность в работе. Модель виртуального рынка показана на рис. 5.

Таким образом, агентное моделирование может быть использовано не только для выбора более подходящего кандидата на работу в компанию, но также и для нахождения слабых сторон у действующих сотрудников. Это поможет для создания программ развития и повышения квалификации работников компании. Все этим действия в итоге приведут к тому, что компания будет выполнять все поставленные задачи в срок без ущерба для качества продукции. Это очень важно, так как от качества выполнения работы зависит ее стоимость и итоговая прибыль компании.

2.5. Обзор ПО для агентного моделирования

Агентное моделирование основывается на двух основных типах построения агентских моделей:

● на основе программного кода (пример может служить программа NetLogo).

● на основе карты состояний («стейтчарта») и переходов между состояниями (пример такого руководства служит программа AnyLogic).

Для моделирования необходимых нам процессов мы будем пользоваться вторым типом агентских моделей, которые строятся на основе карт состояний. За основу возьмем программу AnyLogic.

AnyLogic – программное обеспечение для имитационного моделирования. AnyLogic используется для разработки имитационных исполняемых моделей и последующего их прогона для анализа. Разработка модели выполняется в графическом редакторе AnyLogic с использованием многочисленных средств поддержки, упрощающих работу. Построенная модель затем компилируется встроенным компилятором AnyLogic и запускается на выполнение. В процессе выполнения модели пользователь может наблюдать ее поведение, изменять параметры модели, выводить результаты моделирования в различных формах и выполнять разного рода компьютерные эксперименты с моделью.

AnyLogic является надстройкой над языком Java – одним из самых мощных и в то же время самых простых современных объектно- ориентированных языков. Также данное ПО обладает специальным веб- сервисом AnyLogic Cloud, который позволяет хранить, запускать и делиться имитационными моделями, а также анализировать результаты экспериментов. Модели, загруженные в AnyLogic Cloud, можно запускать в веб-браузерах на компьютерах и мобильных устройствах. Сами модели при этом выполняются на стороне сервера.

Библиотеки AnyLogic – это коллекции элементов, созданных для решения какой-то определенной задачи моделирования или описывающих какую-то прикладную область. AnyLogic включает в себя набор следующих стандартных библиотек:

● Process Modeling Library (Библиотека моделирования процессов) – моделирование системы реального мира с точки зрения заявок, процессов и ресурсов. Процессы задаются в виде потоковых диаграмм (блок-схем).

● Pedestrian Library (Пешеходная библиотека) – моделирование пешеходных потоков в «физической» окружающей среде, помогает создавать модели станций метро, стадионов, музеев.

● Rail Library (Железнодорожная библиотека) – моделирование, имитация и визуализация операций сортировочной станции любой сложности и масштаба.

● Fluid Library (Библиотека моделирования потоков) – моделирование процессов хранения и транспортировки насыпных и жидких грузов или большого количества предметов, которые нет смысла моделировать как отдельные объекты.

● Road Traffic Library (Библиотека дорожного движения) – моделирование движения потоков машин на дорогах.

● Material Handling Library (Библиотека производственных систем) – моделирование промышленных процессов, создание модели производственных и складских объектов и управление материальными потоками на предприятии.

Помимо стандартных библиотек пользователи могут создавать свои собственные и использовать их для создания моделей.

Таким образом, программное обеспечение AnyLogic является наиболее предпочтительным продуктом для наших задач, который обладает рядом преимуществ:

● адаптивность для любой отрасли;

● большое количество встроенных библиотек и возможность создания новых;

● возможность анимации и визуализации моделируемых процессов;

● использование big data для наполнения моделей входными данными из реального мира;

● возможность изменения программного кода;

● наличие приватного облачного хранилища.

2.6. Пример процесса, реализованного при помощи агентного моделирования и ПО AnyLogic

Для демонстрации реализации агентного моделирования в ПО AnyLogic создадим модель процесса пескоструйной обработки металла. Для создания данной модели нам необходимо использовать 2 основные библиотеки – библиотека производственных систем и библиотека моделирования процессов.

Пескоструйная обработка металла включает в себя 2 основные операции:

1) Пескоструйная обработка металла – удаление загрязнений (ржавчины, старой краски).

2) Антикоррозионное покрытие металла.

Данная модель представляет собой совокупность взаимодействий материальных объектов (заготовок металла и партий металла) и агентов (погрузчик и оператор) в зависимости от определенных внешних ограничений и критериев. Внешние ограничения – работа конвейеров обработки металла и антикоррозионного покрытия. В зависимости от скорости их работы модель показывает, насколько хорошо агенты справляются с работой. В случае невыполнения поставленной задачи перед агентами программа помогает определить слабые места в данном процессе и оптимизировать его. Например, мы можем увеличить скорость погрузчика для увеличения скорости процесса, но нужно понимать, что его скорость также ограничена его техническими характеристиками, поэтому в некоторых ситуациях придется добавить второй погрузчик.

Модель позволяет смоделировать процесс в исходном состоянии, показав сколько времени он будет длиться. Далее, если время выполнения работы не устраивает компанию, происходит оптимизация процесса за счет изменения параметров агентов процесса. Процесс оптимизации может состоять из нескольких итераций, пока время выполнения работы не достигнет целевого, которое удовлетворит заинтересованные стороны процесса.

Более подробная последовательность действий в модели представлена на рис. 6, блок-схема процесса в ПО AnyLogic представлена на рис. 7, готовая модель представлена на рис. 8 и 9.

Значения блоков (рис. 7):

● Source – формирование заготовок металла;

● Блоки batch и unbatch – формирование партий заготовок и места их выгрузки/погрузки

● Блоки to(…) – транспортировка партий заготовок к назначенному месту;

● Блоки convey – работа конвейеров;

● Блок sink – блок завершение процесса.

Заключение

В ходе выполнения работы была доказана актуальность рассматриваемой темы, её важность для компании.

В первой части работы был проведен анализ строительства существующих АЭС, и на основе одной из классификаций рисков при строительстве были выявлены основные факторы, влияющие на сдвиг сроков сооружения АЭС. Результаты анализа представлены в табл. 1. В ходе анализа был сделан вывод, что большинство случаев сдвига сроков сооружения АЭС происходят из-за политических, экономических, технических, технологических и эксплуатационных рисков. Большинство этих рисков можно было исключить, если бы были верно выстроены взаимоотношения между заинтересованными сторонами проектов. Далее, на основании полученного анализа, было выдвинуто предложение использовать агентное моделирование для управления рисками. Однако данный подход не применим для управления всеми рисками. Целевое применение данного подхода распространяется в большинстве случаев для управления техническими, технологическими и эксплуатационными рисками.

Во второй части работы представлены основные понятия об агентном моделировании, его применении в других отраслях, об основном программном обеспечении, которое используется для моделирования процессов. Также была создана модель процесса пескоструйной обработки металла в ПО AnyLogic. Данная модель показала основные возможности агентного моделирования и доказала эффективность применения этого метода управления рисками.