Примеры моделей для проектов в сфере экологии

Это перевод статьи, написанной Клеменсом Демперсом, генеральным директором компании Polar Analytics, и Яном Хендриком Рудтом, руководителем Polar Analytics. Оригинал статьи на английском языке – в нашем блоге.

Внимание: во время моделирования ни одно животное не пострадало.


Даже если ваш бизнес не имеет отношения к сельскому хозяйству или экологии, мы считаем, что наш подход к моделированию может вам пригодиться: посмотрите, как можно использовать интерактивную имитационную модель для более эффективного принятия решений.

Начнем с вопроса: «Зачем строить имитационную модель?» Среди множества разных ответов могут быть следующие:

  • чтобы создать точную операционную модель бизнес-процессов (т.е. цифрового двойника);
  • для стратегической поддержки принятия решений: где построить склад, каким должен быть страховой запас и т.д.;
  • чтобы лучше понимать проблему и находить решение;
  • чтобы подкреплять идеи понятной и интерактивной моделью.

Мы считаем, что основная роль имитационного моделирования в поддержке принятия решений. С его помощью менеджеры могут тестировать разные сценарии и находить решения для своих задач в виртуальной среде.

Чаще всего люди отказываются от моделирования, говоря: «у нас недостаточно данных» или «сбор данных займет очень много времени». Поэтому мы выступаем за гибкий подход к построению моделей. Он позволяет в процессе моделирования выявить, какие данные и в каком количестве нужны. И зачастую оказывается, что тех данных, что мы собрали для проекта, будет достаточно.

Давайте рассмотрим модель на основе агрегированных данных. В ней мы делали упор на взаимодействии между процессами.

Модель фермы

Модель экофермы

Изначально мы разработали эту модель экофермы как интерактивное пособие для сельскохозяйственных выставок. Мы хотели привлечь посетителей и их внимание к проблеме устойчивого развития фермерских хозяйств, занимающихся производством молока.

Описание модели

Мы построили модель молочной фермы, где в сарае содержится от 150 до 450 животных. Они потребляют воду и пищу. Вода накапливается после дождя в водохранилище. Водохранилищем может быть как небольшая плотина, так и река, тем самым давая неограниченный запас воды. На ферме также выращиваются зерновые культуры для коров, а при необходимости фермер может добавить в их рацион дополнительный корм. Произведенное молоко продается на рынке по фиксированной цене в течение года.

Эта модель помогает изучить, какие возможности открывает использование биореактора. В биореактор поступают продукты жизнедеятельности животных и жидкие отходы из сарая. Далее отходы перерабатываются в богатую питательными веществами воду, которой можно удобрять сельскохозяйственные культуры. Эта вода также может пригодиться для разведения рыбы на ферме в будущем, а естественное тепло, вырабатываемое биореактором, поможет поддерживать идеальную для рыбы температуру. Потенциально можно разводить 2 вида рыб: первый – на продажу из-за его высокой коммерческой ценности, а второй – в качестве корма для животных.

Кроме воды в процессе переработки отходов выделяется метан, энергию которого можно использовать для выработки электричества. Это электричество снабжает ферму, а его излишки можно продать в общую сеть.

Работа модели фермы.

Работа модели фермы.

Изучение модели

Сначала запустим модель с настройками по умолчанию, чтобы рассчитать базовый доход за год для среднестатистической молочной фермы. Модель проработает 365 виртуальных дней и остановится.

Теперь посмотрим, что произойдет, если на ферме появится биореактор. Для этого запустите модель еще на один виртуальный год, нажав на значок запуска в левом нижнем углу экрана запуска.

При каждом повторном запуске модели вы увидите сводку и график предыдущего запуска, а также настройки параметров. Так вы сможете сравнивать разные сценарии.

Результаты запусков модели фермы.

Результаты запусков модели фермы.
Выбросы парниковых газов

Обратите внимание, что после внедрения биореактора чистый доход фермы почти удвоился, а выбросы парниковых газов (как CO2, так и NO2) резко сократились.

Во время работы модели на главном экране можно видеть график доступности воды и корма.

Любой период, в течение которого не хватает воды или корма, выделяется красным цветом. С помощью этого графика можно определить, сколько животных можно содержать при определенных количествах корма и воды.

Доступность воды и корма на графике в модели фермы.

Доступность воды и корма на графике в модели фермы.

Следует также отметить, что в модели пока не учитываются расходы на строительство и эксплуатацию реактора. Основная причина – разнообразие возможных конструкций реакторов. Чтобы решить эту проблему, в будущей версии модели можно будет добавить возможность расчета себестоимости для универсальной масштабируемой конструкции.

Готовы попробовать вести фермерское хозяйство? Запустите модель фермы на AnyLogic Cloud с разными настройками параметров и посмотрите:

  • как количество коров на ферме зависит от запасов воды;
  • как изменятся данные на графиках, если включить или выключить биореактор во время работы модели;
  • что произойдет, если улучшить качество злаковых культур для корма;
  • как продажа электричества в общую сеть повлияет на ваш доход.

Как мы строили модель

В модели мы хотели отразить механизмы работы типичной молочной фермы, чтобы пользователь мог менять параметры и наблюдать, как это отразится на годовом доходе предприятия.

Мы хотели построить упрощенную модель фермы и при этом не потерять связи между ее внутренними процессами. Очень важно было использовать параметры, которые понятны фермерам, и настройки, приводящие к реалистичным результатам.

В данном случае мы работаем с агрегированными данными, поэтому системно-динамический подход к моделированию был очевидным выбором. Но мы также использовали агентное моделирование для других моделей, изучающих проблемы чрезмерного выпаса скота и биогенной нагрузки. Нам нужна была программа, которая поддерживала бы разные подходы к моделированию и нужный уровень абстракции. Мы нашли всё это в AnyLogic.

На наш взгляд, у системно-динамического подхода есть полезная особенность – он помогает строить реалистичные модели, когда у вас есть лишь несвязанные между собой массивы данных. Но в данном случае для моделирования системы мы использовали национальные и международные базы данных.

Диаграма действий для производства молока

В работе мы использовали одну из теперь уже скрытых функций AnyLogic, диаграмму действий, чтобы визуально описать производство молока. Всё просто: если у коровы достаточно воды и корма, то в среднем она будет производить 1,47 килограмма сухого молока в день.

Каждое животное также потребляет определенное количество воды и пищи в день, поэтому количество коров, которых вы можете держать в загоне, ограничено.

Мы также предположили в модели, что коровы перестанут производить молоко, когда пища и вода будут ниже определенного уровня. Как только они снова станут доступны, производство молока возобновится. Хотя в реальной жизни все происходит не совсем так, в данном случае такое упрощение допустимо. Если ресурсов недостаточно, фермер будет продавать животных, но в нашей модели он может просто добавить корм.

Диаграма системной динамики
Нажмите, чтобы увеличить.

На диаграмме справа вы видите наш механизм системной динамики, который управляет моделью. Элементы диаграмм потоков и накопителей визуально разделены на блоки: для моделирования производства молока, энергии и сельскохозяйственных культур, работы биореактора, разведения рыбы, получения прибыли и выброса парниковых газов.

Фиолетовые линии указывают на зависимость от количества крупного рогатого скота, а зеленые линии – на элементы модели, на которые влияет включение биореактора.

В модели в AnyLogic Cloud можно настроить эксперименты варьирования параметров или Монте-Карло.

Если AnyLogic установлен на вашем компьютере, вы можете запустить оптимизационный эксперимент с помощью встроенного оптимизатора OptQuest. С помощью этого эксперимента вы можете найти количество коров, необходимое для получения максимальной прибыли при заданных ограничениях на ресурсы.

Для проекта клиента мы бы использовали эти эксперименты и оптимизаторы, но в нашем случае мы сделали модель более интерактивной. Мы хотели, чтобы вы могли моделировать несколько лет в рамках одной модели и вручную настраивать параметры.

Взаимодействуя с моделью, вы научитесь понимать работу фермы. Это, в свою очередь, поможет вам принимать обоснованные решения для управления бизнесом в сельскохозяйственной отрасли. Наконец, интерактивность модели помогает выявлять проблемы в работе реальной системы и находить подходящие решения.

Как видите, моделирование – ключевой инструмент для понимания работы системы.


Другие наши работы по моделированию в сфере экологии

Модель экономики замкнутого цикла

Модель экономики замкнутого цикла

Мы разработали экспериментальную модель «Экономика замкнутого цикла» для проекта регионального развития на примере одного посёлка.

Посёлок, с одной стороны, зависит от местных промышленных предприятий, из-за которых может загрязняться водоем, с другой – привлекает туристов, которые приезжают, чтобы отдохнуть у этого водоема. Туристы приносят доход городу, но также производят отходы, которые попадают на свалку.

Посмотрите работу системы в динамике или прочитайте статью (на англ.).


Обратная логистика с биореактором

Обратная логистика с биореактором

В основе этой модели – наш совместный проект с Университетом прикладных наук Хяме (HАМК). Отходы с разных ферм и производств свозятся на переработку в биореакторе. В результате из отходов получаются продукты, представляющие коммерческую ценность.

Расположение ферм и производств, а также тип отходов в модели можно менять, загрузив файл с новыми входными данными. Модель помогает определить, сколько источников отходов нужно, чтобы перерабатывающий завод окупался.

Попробуйте запустить модель или прочитайте о ней статью (на англ.).


Использование земли и пастбищ

Land use and Grazing management cloud simulation model

Когда животные пасутся на пастбище, они истощают траву и удобряют землю. В зависимости от рельефа местности продукты жизнедеятельности животных могут попадать в реку и увеличивать уровень загрязнения окружающей среды.

В модели животные представлены в виде агентов, которые в течение дня выполняют различные действия. Для перемещения животных в загон и из него, а также для моделирования их поведения в нём используется пешеходная динамика.

В компании Polar Analytics мы разрабатываем модели, которые помогают понять сложные процессы.

AnyLogic позволяет нам работать с тремя основными подходами к моделированию по-отдельности и сочетать их друг с другом. Благодаря такой гибкости мы можем создавать модели, которые:

  • отражают знания и ожидания клиента;
  • сохраняют научную прозрачность и надежные исследовательские подходы.

Похожие материалы