Возможности применения гибридного подхода в моделировании социально-экономических и социотехнических систем

  • Марина Владимировна Болсуновская Санкт-Петербургский политехнический университет Петра Великого https://orcid.org/0000-0001-6650-6491
  • Алексей Михайлович Гинцяк Санкт-Петербургский политехнический университет Петра Великого https://orcid.org/0000-0002-9703-5079
  • Жанна Владиславовна Бурлуцкая Санкт-Петербургский политехнический университет Петра Великого https://orcid.org/0000-0002-5680-1937
  • Александра Андреевна Петряева Санкт-Петербургский политехнический университет Петра Великого https://orcid.org/0000-0001-6650-6491
  • Дарья Андреевна Зубкова Санкт-Петербургский политехнический университет Петра Великого https://orcid.org/0000-0003-1106-5080
  • Михаил Борисович Успенский Санкт-Петербургский политехнический университет Петра Великого https://orcid.org/0000-0003-3417-7376
  • Инна Алексеевна Селедцова Санкт-Петербургский политехнический университет Петра Великого https://orcid.org/0000-0002-4423-4162
Ключевые слова: социально-экономические системы, моделирование социально-экономических систем, гибридное моделирование, инструменты моделирования, цифровое моделирование, типы гибридизации, применение гибридных моделей

Аннотация

Данная работа направлена на подготовку методологической базы для моделирования социально-экономических и социотехнических систем. Рассмотрены виды имитационного моделирования с точки зрения подбора оптимального решения в зависимости от особенностей объекта исследования и цели моделирования. Среди рассмотренных моделей, как инструмент для моделирования социально-экономических и социотехнических систем, наибольшее внимание уделяется гибридным моделям, позволяющим изучить анализируемый объект с разных сторон и на разных уровнях абстракции, комбинируя известные подходы имитационного моделирования. В дополнение, гибридные модели используются во многих сферах, таких как здравоохранение, экономика, экология, маркетинг, промышленные предприятия и производственные системы, что обеспечивает их универсальность, востребованность и эффективность данного подхода. В рамках исследования были проанализированы статьи базы научных публикаций Scopus, посвященные моделированию социально-экономических и социотехнических систем, имитационному моделированию и гибридным моделям. В данной статье рассмотрены базовые парадигмы имитационного моделирования и используемые методы для моделирования социально-экономических и социотехнических систем, произведена классификация по типу модели и гибридизации, освещены возможные комбинации типов гибридизации и применимость рассмотренных видов. Также выявлена тенденция к использованию гибридного моделирования в последние десятилетия, как средство для описания сложных социальных систем с различных точек зрения, где результаты подходов дополняют друг друга. В статье представлены предложения по интеграции инструментов технического моделирования в социально-экономические и социотехнические системы для обеспечения детерминированности системы. Результаты данного исследования могут быть использованы при выборе инструмента проектирования и прогнозирования поведения различных социально-экономических и социотехнических систем.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Марина Владимировна Болсуновская, Санкт-Петербургский политехнический университет Петра Великого

канд. техн. наук, заведующий лабораторией «Промышленные системы потоковой обработки данных» Санкт-Петербургского политехнического университета Петра Великого

Алексей Михайлович Гинцяк, Санкт-Петербургский политехнический университет Петра Великого

заведующий лабораторией «Цифровое моделирование индустриальных систем» Санкт-Петербургского политехнического университета Петра Великого

Жанна Владиславовна Бурлуцкая, Санкт-Петербургский политехнический университет Петра Великого

мл. науч. сотр. лаборатории «Цифровое моделирование индустриальных систем» Санкт-Петербургского политехнического университета Петра Великого

Александра Андреевна Петряева, Санкт-Петербургский политехнический университет Петра Великого

мл. науч. сотр. лаборатории «Цифровое моделирование индустриальных систем» Санкт-Петербургского политехнического университета Петра Великого

Дарья Андреевна Зубкова, Санкт-Петербургский политехнический университет Петра Великого

мл. науч. сотр. лаборатории «Цифровое моделирование индустриальных систем» Санкт-Петербургского политехнического университета Петра Великого

Михаил Борисович Успенский, Санкт-Петербургский политехнический университет Петра Великого

ведущ. науч. сотр. лаборатории «Цифровое моделирование индустриальных систем» Санкт-Петербургского политехнического университета Петра Великого

Инна Алексеевна Селедцова, Санкт-Петербургский политехнический университет Петра Великого

старший преподаватель Высшей школы киберфизических систем и управления ИКНТ Санкт-Петербургского политехнического университета Петра Великого

Литература

1. Its A. E. and Redko S. G. (2017) Matematicheskaja model’ dlja ocenki jeffektivnosti raboty rukovoditelja proekta pri realizacii innovacionnoj dejatel’nosti [Mathematical model for evaluating the effectiveness of the project manager in the implementation of innovative activities]. Innovacii. 11(229). P. 77–82 (In Russian).
2. Jahangirian M. et al. (2010) Simulation in manufacturing and business: A review. European Journal of Operational Research. 201 (1). P. 1–13. DOI
3. Maidstone R. (2012) Discrete Event Simulation, System Dynamics and Agent Based Simulation: Discussion and Comparison. Researcher Gate. P. 1-6.
4. Castanon Guimaraes A. M., Leal J. E. and Mendes P. (2018) Discrete-event simulation software selection for manufacturing based on the maturity model. Computers in Industry. 103. P. 14–27. DOI
5. Coelho P. et al. (2018) Operational improvement of an industrial equipment rental system using discrete event simulation. IFA. PapersOnLine. 51 (11). P. 478–483. DOI
6. Rebs T., Brandenburg M. and Seuring S. (2019) System dynamics modeling for sustainable supply chain management: A literature review and systems thinking approach. Journal of Cleaner Production. 208. P. 1265–1280. DOI
7. Tsvetkova N. A. (2017) Simulation modeling the spread of innovations Saint Petersburg, Russia. In: N. A. Tsvetkova, I. L. Tukkel, V. I. Ablyazov. International Conference on Soft Computing and Measurements (SCM). IEEE. P. 675–677.
8. Hansen P., Liu X. and Morrison G. M. (2019) Agent-based modelling and socio-technical energy transitions: A systematic literature review. Energy Research & Social Science. 49. P. 41–52. DOI
9. Utomo D. S., Onggo B. S. and Eldridge S. (2018) Applications of agent-based modelling and simulation in the agri-food supply chains. European Journal of Operational Research. 269 (3). P. 794–805. DOI
10. Brailsford C. et al. (2018) Hybrid simulation modelling in operational research: A stateof-the-art review. European Journal of Operational Research.
11. Burger K., White L. and Yearworth M. (2019) Developing a smart operational research with hybrid practice theories. European Journal of Operational Research. 277 (3). P. 1137–1150. DOI
12. Jamalnia A. and Feili A. (2013) A simulation testing and analysis of aggregate production planning strategies. Production Planning and Control. 24 (6). P. 423–448. DOI
13. Barbosa C. and Azevedo A. (2017) Hybrid simulation for complex manufacturing value-chain environments. Procedia Manufacturing. 11. P. 1404–1412. DOI
14. Scholl H. J. (2004) Using integrated topdown and bottom-up dynamic modeling for triangulation and interdisciplinary theory integration. In: Scholl H. J., Phelan H. J. XXII International Conference of the System Dynamics Society. Oxford, England.
15. Jain S. et al. (2013) A hierarchical approach for evaluating energy trade-offs in supply chains. International Journal of Production Economics. 146 (2). P. 411–422. DOI
16. Pawlewski P. (2015) DES/ABS approach to simulate warehouse operations. Communications in Computer and Information Science. 524. P. 115–125. DOI
17. Abdelghany M. (2014) Individual versus integrated simulation techniques in healthcare applications. In: Abdelghany M., Eltawil A. B. International Conference on Industrial Engineering and Engineering Management. Selangor, IEEE. P. 1214–1218. DOI
18. Tako A. A. (2009) Comparing model development in discrete event simulation and system dynamics. In: Tako, A. A., Robinson, S. Proceedings of the 2009 Winter Simulation Conference (WSC). IEEE. P. 979–991. DOI
19. Borshchev A. et al. (2014) Multi-method modelling: AnyLogic. Discrete-event simulation and system dynamics for management decision making. 9781118349021. P. 248–279. DOI
20. Brailsford S. C. et al. (2018) Hybrid simulation modelling in operational research: A stateof-the-art review. European Journal of Operational Research. 278 (No 3). P. 721–737.
21. Barbosa C. and Azevedo A. (2017) Hybrid simulation for complex manufacturing value-chain environments. Procedia Manufacturing. 11. P. 1404–1412. DOI
22. Jamalnia A. and Feili A. (2013) A simulation testing and analysis of aggregate production planning strategies. Production Planning & Control. 6. P. 423–448. DOI
23. Brailsford S., Churilov L. and Dangerfield B. (ed.). (2014) Discrete-event simulation and system dynamics for management decision making. Chichester, John Wiley & Sons. DOI
24. Dangerfield B. (2014) Systems thinking and system dynamics: A primer. Discrete-event simulation and system dynamics for management decision making. 9781118349021, 26-51.
25. dos Santos V. H. (2020) A review of hybrid simulation in healthcare. In: dos Santos V. H., Kotiadis K., Scaparra M. P. 2020 Winter Simulation Conference (WSC). Orlando, IEEE. P. 1004–1015. DOI
Опубликован
2022-11-09
Как цитировать
Болсуновская, М. В., Гинцяк, А. М., Бурлуцкая, Ж. В., Петряева, А. А., Зубкова, Д. А., Успенский, М. Б., & Селедцова, И. А. (2022). Возможности применения гибридного подхода в моделировании социально-экономических и социотехнических систем. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (3), 73-86. https://doi.org/10.17308/sait/1995-5499/2022/3/73-86
Раздел
Системный анализ социально-экономических процессов