Хасанов Д. С., Косторнова А. С.

РАЗВИТИЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ В РАМКАХ СОВРЕМЕННЫХ ПОДХОДОВ МАШИННОГО ОБУЧЕНИЯ И ИНТЕРНЕТА ВЕЩЕЙ

Резюме: Статья посвящена систематизации современных методов имитационного моделирования как ядра цифровых двойников промышленных систем в контексте задач цифровой трансформации и повышения жизнеспособности предприятий. Рассмотрена эволюция ключевых парадигм с позиции системного анализа: дискретно-событийного, агент-ориентированного моделирования и системной динамики, с акцентом на перспективность гибридных подходов, комбинирующих их преимущества. Цель работы — обосновать эффективность данных методов для решения практических задач оптимизации, импортозамещения и повышения конкурентоспособности. Проведен сравнительный анализ ведущих коммерческих и открытых программных продуктов для имитационного моделирования (AnyLogic, FlexSim, Arena, Simulink, NetLogo), а также детально охарактеризована экосистема библиотек Python (SimPy, Mesa, PySD, Salabim) с точки зрения их математического аппарата, гибкости и интеграции с технологиями ИИ и IoT. В заключении обоснован стратегический выбор платформы моделирования в зависимости от целей проекта и стадии жизненного цикла моделируемой системы, а также сформулированы перспективные направления для будущих исследований.

Ключевые слова: имитационное моделирование, системный анализ, цифровой двойник, оптимизация, жизнеспособность, гибридное моделирование, дискретно-событийное моделирование (DES),
агент-ориентированное моделирование (ABM), системная динамика (SD), Python, AnyLogic, оптимизация производства.

D.S. Khasanov, A.S. Kostornova

ADVANCEMENT OF SIMULATION MODELING WITHIN THE FRAMEWORK OF MODERN MACHINE LEARNING AND INTERNET OF THINGS APPROACHES

Summary: This article presents a systematic overview of contemporary simulation modeling techniques that constitute the core of digital twins for industrial systems, within the framework of digital transformation and enterprise viability enhancement. The evolution of key paradigms is examined from a systems analysis perspective, including discrete-event, agent-based, and system dynamics modeling, with a focus on the promising potential of hybrid approaches that combine their advantages. The primary objective is to validate the efficacy of these methods for addressing practical challenges in optimization, import substitution, and competitive strength improvement. A comparative analysis of leading commercial and open-source simulation software (AnyLogic, FlexSim, Arena, Simulink, NetLogo) is conducted. Furthermore, the Python library ecosystem (SimPy, Mesa, PySD, Salabim) is characterized in detail, with an assessment of its mathematical foundations, flexibility, and integration capabilities with AI and IoT technologies. The conclusion substantiates strategic criteria for selecting a modeling platform based on project objectives and the lifecycle stage of the system under study, and outlines promising avenues for future research.

Keywords: simulation modeling, systems analysis, digital twin, optimization, enterprise resilience, hybrid modeling, discrete-event simulation (DES), agent-based modeling (ABM), system dynamics (SD), Python, AnyLogic, production optimization.

DOI: 10.34219/2078-8320-2025-16-4-90-97