close

Вход

Забыли?

вход по аккаунту

?

4944

код для вставкиСкачать
предприЯтиЯ апк В рынОЧНОЙ ЭКОНОМИКЕ
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
К 100-летию Воронежского госагроуниверситета
УДК 004.94:338.43
ИМИТАЦИОННОЕ
МОДЕЛИРОВАНИЕ
КАК ИНСТРУМЕНТ
ИССЛЕДОВАНИЯ
АГРОЭКОНОМИЧЕСКИХ СИСТЕМ
А.В. УЛЕЗЬКО, доктор экономических наук, профессор, заведующий кафедрой
А.П. КУРНОСОВ, доктор экономических наук, профессор
А.А. ТЮТЮНИКОВ, кандидат экономических наук, доцент
(Воронежский государственный аграрный университет имени императора Петра I)
Экономико-математическое моделирование как надежный метод
исследования экономических процессов и систем зарекомендовало
себя уже давно и традиционно используется для решения широкого круга экономических задач, связанных с оптимальным распределением и перераспределением ресурсов, с расчетами рациональных параметров и оценкой альтернативных вариантов развития хозяйствующих субъектов, с научно обоснованным территориальным размещением
производства, с обоснованием оптимальных пропорций производственных систем и т.д.
Традиционно сложилось, что в системе информационного обеспечения управления приоритет отдавался выбору оптимальных решений, а
основным инструментом реализации
данного типа задач стали оптимизационные экономико-математические
модели, позволяющие из области
допустимых решений выбрать одно
наилучшее по заранее заданному
критерию. Дополнительным толчком
к широкому использованию моделей
данного типа стали относительная
простота математического аппарата
и наличие стандартных программных
средств реализации данных моделей
на персональных компьютерах.
На сегодняшний день существует множество апробированных
экономико-математических моделей, позволяющих решать самые
разнообразные задачи, связанные с
развитием хозяйствующих субъектов аграрной сферы. Это модели по
оптимизации отраслевой структуры производства, структуры посевных площадей, формирования севооборотов, рационов кормления сель28
скохозяйственных животных, состава и структуры машинно-тракторного
парка, распределения и использования минеральных удобрений и т.д.
Но оптимизационные модели, как
правило, ориентированы на поиск
параметров системы, характеризующих ее состояние в конкретный момент времени, тогда как процесс достижения данных параметров остается вне пределов их компетенции (за
исключением динамических оптимизационных моделей, использующихся для решения некоторых задач развития, но отличающихся довольно
высоким уровнем научной абстракции). Наиболее эффективным методом исследования процессов функционирования агроэкономических
систем является имитационное моделирование.
Для раскрытия сущности имитационного моделирования предлагаем
использовать определение, данное
Робертом Шенноном в книге «Имитационное моделирование систем
– искусство и наука» [1]. Он трактует имитационное моделирование как
процесс конструирования модели
реальной системы и постановки экспериментов на ней с целью либо понять поведение системы, либо оценить последствия реализации различных стратегий развития системы. Имитационную модель Шеннон
рассматривает как инструмент анализа поведения системы в условиях,
определяемых экспериментатором.
В последнее время с развитием
инструментальных и программных
средств метод имитационного моделирования все чаще сводится к
«многократному испытанию модели
с нужными входными данными для
определения их влияния на выход-
ные критерии оценки работы системы» [2]. Причем изменение входных
данных, как правило, задается с помощью стохастически изменяющихся параметров.
Первый машинный язык для имитационного моделирования DYNAMO
(DYNAmic MOdels) разработали в
конце 1950-х гг. ученые Массачусетского технологического института
Ф. Фокс, А. Пью и Г. Дюрен под руководством «отца» системной динамики Дж. Форрестера. В дальнейшем
этот язык развивался, и его новые
версии выходили вплоть до 1983 г.
Вторым широко распространенным
машинным языком имитационного
моделирования стал GPSS (General
Purpose Simulation System), разработанный сотрудником IBM Дж. Гордоном. Последняя версия данного языка – GPSS World – была выпущена в
1993 г., однако до сих пор GPSS широко используется во многих учебных
и научных учреждениях в России и за
рубежом ввиду того, что его академическая версия бесплатна.
Совершенствование вычислительных средств и информационных технологий инициировало появление не
только новых языков, но и специализированных программных средств
для имитационного моделирования,
основанных на идеологии объектноориентированного программирования, позволяющей визуализировать
и существенно упростить процесс
создания моделей. Одним из первых
объектно-ориентированных пакетов
имитационного моделирования стал
SIMPLE Mac for Apple Macintosh, разработанный в 1986 г. объединением
институтов прикладных исследований Германии «Общество Фраунгофера». В дальнейшем данный программный продукт разрабатывался
под эгидой компании Siemens PLM
Software и получил в 2006 г. название
Plant Simulation, под которым в настоящее время широко используется во
многих отраслях промышленности, а
также образовательными и научными учреждениями. В настоящее время широко распространены около 50
программных сред для имитационного моделирования, использующие в
качестве базиса языки программирования C++, VisualBasic, Delphi и Java.
Самыми известными из них являются PowerSim, VisSim, Simulink, Plant
Simulation, Mathematica, Mathcad,
Flexsim, Modelica, GoldSim, Ecolego,
Enterprise Dynamic и AnyLogic.
Наиболее популярным российским программным обеспечением имитационного моделирования является AnyLogic, первая версия которого была выпущена в 2000
г. ООО «Экс Джей Текнолоджис»
(Санкт-Петербург). В настоящее
время средства AnyLogic позволяют реализовать все три основных
подхода имитационного моделирования: использование методов
системной динамики, дискретнособытийное (процессное) моделирование и мультиагентное моделирование. Основными элементами
графической среды моделирования
AnyLogic являются диаграммы потоков и накопителей, процессные диаграммы, карты состояний объектов и блок-схемы. Среда моделирования также включает в себя низкоуровневые конструкции моделирования (переменные, уравнения,
параметры, события и т.п.), формы
представления (линии и геометрические фигуры), элементы анализа
(базы данных, гистограммы, графики), стандартные картинки и формы
экспериментов, в том числе оптимизационных.
Разнообразие моделирующих
средств и методов, удобный русско­
язычный графический интерфейс,
возможность симуляции случайных
событий и проведения многовариантных экспериментов (в том числе по методу Монте-Карло) – все
вышеперечисленное характеризует AnyLogic в качестве чрезвычайно
полезного инструмента для моделирования агроэкономических систем
в научных и образовательных целях.
На наш взгляд, всю совокупность
имитационных моделей, используемых для исследования агроэкономических систем, можно представить в виде моделей трех уровней.
Модели первого уровня предполагают имитацию изменений параметров системы или процесса без учета
элементов случайности, модели второго уровня – имитацию изменения
случайных факторов, третьего уровня – имитацию процесса развития
системы во времени с учетом изменения случайных факторов. С помощью моделей первого уровня можно, например, провести сравнительную оценку эффективности технологий возделывания отдельных сельскохозяйственных культур, имитируя использование различных агрегатов и различных технологических
операций. Примером использования моделей второго уровня является оценка возможной урожайности сельскохозяйственных культур
при различном уровне осадков по
периодам. Модели третьего уровня
наиболее часто используются для
оценки эффективности инвестиционных проектов на заданном горизонте планирования с учетом стоха-
стического изменения определенной
заранее группы факторов.
Сотрудниками кафедры информационного обеспечения и моделирования агроэкономических систем
ФГБОУ ВПО Воронежский ГАУ разработан и реализован в программной среде AnyLogic ряд имитационных моделей, отражающих поведение как микроэкономических систем
(хозяйствующих субъектов аграрной сферы и их подразделений), так
и социально-экономических систем
районного и областного уровней.
В качестве одного из примеров
можно привести разработанную на
кафедре стохастическую модель
прогнозирования урожайности полевых культур. Данная модель является статичной, прогнозируемая
урожайность каждой культуры определяется путем вычислений совокупного воздействия ряда факторов, таких, как наличие в почве питательных веществ, макро- и микроэлементов, объемы внесения минеральных и органических удобрений,
последействие удобрений, внесенных под культуры-предшественники,
количество выпавших атмосферных
осадков и полученных доз солнечной радиации. Часть исходной информации данной модели представлена константами, часть – переменными, формируемыми на основе использования законов распределения
случайных величин, определенных
на основе статистических наблюдений и экспертных оценок. Основной
результирующей переменной данной модели является случайная величина, представляющая собой показатель уровня урожайности полевой культуры (ц/га). В процессе проведения эксперимента Монте-Карло
находится гистограмма частот значений результирующей переменной, устанавливается вид распределения вероятностей этой величины, на основании чего вырабатывается прогноз урожайности для каждой конкретной культуры на отдельно
взятом поле. Также данное исследование предполагает проведение экспериментов по анализу чувствительности урожайности к воздействию
факторов, которые могут быть изменены в технологическом процессе, например, доз внесения минеральных и органических удобрений.
На основе прогноза урожайности и
анализа чувствительности для каждого вида посевов вырабатываются
рекомендации по целесообразности
проведения мероприятий, направленных на повышение урожайности
или адаптацию к воздействию факторов внешней среды.
Примером более сложной имитационной модели, построенной
на принципах моделирования систем массового обслуживания при
помощи объектов встроенной библиотеки Enterprise Library, является модель функционирования
машинно-тракторного парка сельскохозяйственного предприятия. В
каждый момент времени, представляющий собой день года или день
рабочего периода (в зависимости
от масштаба варианта модели), под
воздействием стохастического коэффициента технической готовности формируется некоторое количество заявок, каждая из которых
представляет собой работоспособную сельскохозяйственную машину или трактор. На основании алгоритмов приоритетности, заданных
для различных периодов года, заявки тракторов и сельскохозяйственных машин соединяются между собой в заявки-агрегаты таким образом, что излишние заявки-машины
и заявки-тракторы передаются в
другие агрегаты на иерархическом
принципе. Каждая заявка-агрегат по
сути моделирует конкретный почвообрабатывающий агрегат, обладающий определенной нормой выработки и несущий определенные затраты материально-денежных средств.
Фактическая совокупная выработка агрегатов по каждой технологической операции рассчитывается
с учетом их норм выработки, а также стохастических коэффициентов
продолжительности рабочего дня,
моделирующих погодные условия.
Эксперименты, проводимые с данной моделью, позволяют получать
графики технологических операций,
графики загрузки тракторов и сельскохозяйственной техники по производственным периодам, определять узкие места в составе операций и машинно-тракторного парка,
а также вырабатывать мероприятия
по их расшивке.
На базе использования идеологии и средств системной динамики были также разработаны две модели регионального уровня для Воронежской области. Модель формирования человеческого капитала
сельских территорий, основанная
на имитации взаимосвязи демографических процессов, процессов использования трудовых ресурсов и
занятости, а также формирования
и распределения доходов населения, была использована для получения прогноза таких показателей, как
численность и возрастная структура
сельского населения и его трудоспособной части, численность трудовых
29
предприЯтиЯ апк В рынОЧНОЙ ЭКОНОМИКЕ
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
предприЯтиЯ апк В рынОЧНОЙ ЭКОНОМИКЕ
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
ресурсов, в том числе занятых и безработных, отраслевая структура занятого населения, размер реального совокупного дохода сельского населения и структура его использования, объемы инвестиций в человеческий капитал. На основе использования данной модели были выработаны рекомендации по повышению эффективности использования
человеческого капитала отдельных
сельских территорий Воронежской
области [3].
Модель развития мясного скотоводства в Воронежской области
была разработана для оценки возможных вариантов реализации ведомственной целевой программы
«Развитие мясного скотоводства
Воронежской области на 20112013 гг.» на длительном временном
горизонте (до 2030 г.). В основу данной модели было положено детальное имитирование оборота стада
мясного и помесного скота в масштабе области с учетом приобретения племенных животных. Моделирование производства и реализации скота в живом весе, основанное на имитации оборота стада, позволило разработать несколько вариантов перспективных показателей
областного рынка говядины и сравнить их с индикаторами, заложенными в ВЦП. Кроме этого с помощью
данной модели были определены
параметры формирования кормовой базы отрасли мясного скотоводства с учетом улучшения естественных кормовых угодий и вовлечения
в хозяйственный оборот неиспользуемой пашни, объемы инвестиций
на приобретение племенных животных, основных средств, освоение
залежей и т.д.
По нашему мнению, имитационное моделирование позволяет существенно повысить качество как
стратегического, так и тактическо-
ТЕРРИТОРИАЛЬНО-ОТРАСЛЕВОЕ
РАЗМЕЩЕНИЕ ПРОИЗВОДСТВА
В СЕЛЬСКОМ ХОЗЯЙСТВЕ
ВОЛГОГРАДСКОЙ ОБЛАСТИ
Н.И. ОКСАНИЧ, доктор экономических наук, руководитель отдела экономики и организации отраслей сельского хозяйства
А.С. РОГАЧЕВ, аспирант
(ВНИОПТУСХ РАСХН)
30
Литература
1. Шеннон Р. Имитационное моделирование систем: искусство и наука: пер. с англ.
/ Р. Шеннон. – М.: Мир, 1978. – 421с.
2. Кельтон В. Имитационное моделирование систем. Классика CS. 3-е изд. – СПб.:
Питер; Киев: Издательская группа BHV,
2004. – 847с.
3. Улезько А.В. Оптимизация процессов
формирования и использования человеческого потенциала аграрной сферы /
А.В. Улезько, С.В. Мистюкова, А.А. Тютюников. – Воронеж: ВГАУ, 2011. – 175с.
Аннотация. Статья посвящена вопросам использования имитационного моделирования при исследовании агроэкономических систем. Раскрыта сущность имитационного моделирования, приведен обзор его программного обеспечения и примеры применения имитационных моделей, в том числе разработанных в Воронежском госагроуниверситете.
Ключевые слова: аграрная экономика; агроэкономические системы; имитационное моделирование; имитационные модели аграрной экономики.
Abstract. The article is devoted to issues of using simulation modeling for the study of agroeconomic systems. The essence of simulation has been described, surveying simulation
software, and examples of using simulation models including those developed in Voronezh
state agrarian university.
Keywords: agricultural economics; agro-economic systems; simulation modeling; simulation
models of agrarian economy.
Контактная информация: Улезько Андрей Валерьевич (тел. (473) 253-80-87; эл. почта: iomas@vsau.ru, arle187@rambler.ru); Курносов Андрей Павлович (тел. (473) 25380-87; эл. почта: iomas@vsau.ru); Тютюников Александр Александрович (тел. (473)
253-86-85; эл. почта: iomas@vsau.ru).
УДК 338.432
По прогнозам ведущих экономистов, в ближайшие 25-30 лет в
мире ожидается интенсивное развитие всех отраслей аграрного сектора экономики. Темпы производства
продовольствия возрастут в связи
с увеличением спроса на продукты питания населением стран Азии
и Африки. Россия, располагающая
большими резервами неиспользуемых земельных угодий, должна воспользоваться сложившейся ситуацией и наметившимися перспективами роста спроса на сельскохозяйственную продукцию, и занять
го, и оперативного планирования,
а также учесть влияние на параметры развития систем прогнозируемых изменений условий хозяйствования.
достойное место в международном
разделении труда. Способствующим этому фактором является вступление России в ВТО.
Проблема рационального размещения отраслей сельского хозяйства приобретает особую значимость для Волгоградской области,
входящей в состав Южного федерального округа, имеющий огромный ресурсный (но используемый
лишь наполовину) потенциал для
наращивания производства зерна,
плодоовощной продукции, а также
мяса и молока.
В результате проводимых реформ и под воздействием рынка в
регионе сложилась следующая специализация хозяйств различных категорий (табл. 1-2). Сельскохозяйственные организации производят около 72,6% зерна и 70,1 семян
подсолнечника, около трети овощей и только десятую часть плодов
и ягод, картофеля – не более 3%.
Фермерские хозяйства производят
27,4% зерна, 29,9% семян подсолнечника, 29,4% овощей от общего
их производства в регионе. В личных хозяйствах населения производится 96% картофеля, 90% плодов
и ягод, 42,2% овощей. Причем доля
хозяйств населения в производстве
овощей, плодов и ягод снижается, а
доля СХО и КФХ в их производстве
повышается.
Такая динамика свидетельствует
о восстановлении плодоовощных хозяйств, а также о верности прогноза
того, что с ростом доходов населения, его участие в товарном производстве уменьшится.
Волгоградская область расположена на территории, равной европейской стране, включает в себя 33
муниципальных района, каждый из
которых имеет свои конкурентные
преимущества. Регион специализи-
Документ
Категория
Без категории
Просмотров
9
Размер файла
91 Кб
Теги
4944
1/--страниц
Пожаловаться на содержимое документа