5. Скорость анализа. После того, как модель была разработана, можно запускать моделируемую систему со скоростями, намного превышающими те, которых можно было бы достичь в реальном мире. Процесс моделирования может занять от нескольких секунд до нескольких часов для получения итоговых результатов. Но эти результаты могут представлять минуты, часы, дни или даже годы системного времени.

6. Определение параметров системы. Чтобы создать действующую модель, важно знать все аспекты моделируемой системы. Если существуют неправильные или неполные представления о системе, модель будет неточной, и ее нельзя будет использовать в качестве инструмента анализа и прогнозирования. Поэтому разработка имитационной модели заканчивается тем, что аналитик полностью определяет все параметры, относящиеся к работе системы. Если отдельные параметры не могут быть определены с достаточной точностью, следует предусмотреть возможные последствия их изменения, что и позволяет сделать работа с имитационной моделью.

7. Рост креативности. Наличие имитационной модели может повысить уровень креативности при проектировании системы. Например, инженер может представить два возможных решения конкретной проблемы на заводе. Одно из решений гарантированно работает, но стоит дороже. Второе решение включает в себя новую технологию, которая является менее дорогостоящей, но несколько более рискованной. Без применения каких-либо средств анализа двух возможных направлений действий скорее всего будет выбрано более консервативное решение. Если же существует модель системы, можно попробовать реализовать и сравнить оба потенциальных решения. В этом случае творческий потенциал инженера может быть реализован без риска неудачи и финансовых потерь.

Все эти преимущества имитационного моделирования имеют в основе общую идею: снижение риска. Моделирование – это один из основных методов снижения риска. В результате применения имитационного моделирования неопределенность относительно ожидаемых результатов работы новой системы или влияния вносимых изменений в существующую систему значительно снижается.

Моделирование – не идеальное лекарство, которое работает в каждом случае, помогая устранить любой риск от принятия решений в условиях неопределенности.

Можно отметить следующие слабые стороны имитационного моделирования:

1. Относительно большие финансовые затраты. Создание компьютерной модели часто может быть достаточно дорогостоящим методом анализа систем. Хотя сейчас доступны относительно недорогие программные пакеты для имитационного моделирования, большинство проектов моделирования сложных систем связаны с большими инвестициями в обучение персонала, приобретение программного обеспечения, совершенствование аппаратного обеспечения и т.п.

2. Большие временные затраты. Моделирование не всегда позволяет получить быстрые ответы на вопросы. В большинстве случаев этапы имитационного моделирования, такие как сбор данных, разработка модели, анализ результатов моделирования и создание отчетов, потребуют значительных затрат времени. Процесс моделирования можно ускорить двумя основными способами: уменьшение детализации модели и использование общей библиотеки кода (шаблонов). Снижая уровень детализации, ответы на общие вопросы можно получить гораздо быстрее. Однако при использовании этого подхода следует соблюдать осторожность. Устранение ключевых деталей может серьезно повлиять на качество модели. В ситуациях, когда будет выполняться много подобных проектов моделирования, может быть создана общая библиотека кода. Этот повторно используемый ресурс позволит не изобретать заново колесо для реализации каждого нового проекта моделирования.

3. Часто дает только приблизительные ответы. Моделирование дискретных событий основывается на использовании генераторов случайных чисел для обеспечения работы модели. Поскольку на входе имеем случайный элемент, некоторая неопределенность также будет связана с выходом модели. Для получения значимых результатов нужно будет использовать методы статистики, как инструмент для интерпретации результатов. Все выходы имитационной модели являются только оценками истинного поведения системы. Важно признать этот факт и трактовать результаты моделирования как приблизительные, и использовать статистическое тестирование для получения адекватных выводов.

4. Не всегда можно проверить модель на адекватность. Процесс проверки на адекватность позволяет сделать вывод, что компьютерная модель довольно точно представляет реальную систему. Когда система еще не существует, это может стать серьезной проблемой.

5. Излишнее доверие. Еще одна проблема, которая может возникнуть в ходе имитационного моделирования, – это стремление пользователей воспринимать результаты моделирования как истину в последней инстанции. Моделирование – это инструмент, используемый людьми, подверженный любым ошибкам, которые может совершить человек. Отчеты о результатах должны всегда подвергаться строгому контролю со стороны конечного пользователя. Следует использовать не только статистическое тестирование, но и здравый смысл в качестве механизма для принятия окончательного решения. Если выходные данные не соответствуют ожиданиям экспертов и здравому смыслу, их нужно проанализировать более внимательно.

Обычно для изучения инженерной и бизнес-среды используются несколько видов имитационного моделирования (ИМ). К ним относятся: непрерывное ИМ, метод Монте-Карло, дискретно-событийное ИМ и агентное моделирование.

Непрерывное имитационное моделирование связано с использованием набора уравнений, представляющих реальную систему непрерывно с течением времени. Эта система может состоять из алгебраических уравнений, теоретико-игровых моделей, статистических или дифференциальных уравнений, настроенных таким образом, чтобы непрерывно меняться. Примером непрерывного моделирования является модель системы газопровода.