Основы системного анализа

1. Цель курса «Основы системного анализа». Определения терминов «Системный анализ, системность». Назначение системного анализа (СА)

Существуют различные точки зрения на содержание понятия «системный анализ» и область его применения. Изучение различных определений системного анализа позволяет выделить четыре его трактовки.

Первая трактовка рассматривает системный анализ как один из конкретных методов выбора лучшего решения возникшей проблемы, отождествляя его, например, с анализом по критерию стоимость — эффективность.

Такая трактовка системного анализа характеризует попытки обобщить наиболее разумные приемы любого анализа (например, военного или экономического), определить общие закономерности его проведения.

В первой трактовке системный анализ — это, скорее, «анализ систем», так как акцент делается на объекте изучения (системе), а не на системности рассмотрения (учете всех важнейших факторов и взаимосвязей, влияющих на решение проблемы, использование определенной логики поиска лучшего решения и т. д.)

В ряде работ, освещающих те или иные проблемы системного анализа, слово «анализ» употребляется с такими прилагательными, как количественный, экономический, ресурсный, а термин «системный анализ» применяется значительно реже.

Согласно второй трактовке системный анализ — это конкретный метод познания (противоположность синтезу).

Третья трактовка рассматривает системный анализ как любой анализ любых систем (иногда добавляется, что анализ на основе системной методологии) без каких-либо дополнительных ограничений на область его применения и используемые методы.

Согласно четвертой трактовке системный анализ — это вполне конкретное теоретико-прикладное направление исследований, основанное на системной методологии и характеризующееся определенными принципами, методами и областью применения. Он включает в свой состав как методы анализа, так и методы синтеза, кратко охарактеризованные нами ранее.

Итак, системный анализ — это совокупность определенных научных методов и практических приемов решения разнообразных проблем, возникающих во всех сферах целенаправленной деятельности общества, на основе системного подхода и представления объекта исследования в виде системы. Характерным для системного анализа является то, что поиск лучшего решения проблемы начинается с определения и упорядочения целей деятельности системы, при функционировании которой возникла данная проблема. При этом устанавливается соответствие между этими целями, возможными путями решения возникшей проблемы и потребными для этого ресурсами.

Целью системного анализа является полная и всесторонняя проверка различных вариантов действий с точки зрения количественного и качественного сопоставления затраченных ресурсов с получаемым эффектом.

Системный анализ предназначен для решения в первую очередь слабоструктуризованных проблем, т. е. проблем, состав элементов и взаимосвязей которых установлен только частично, задач, возникающих, как правило, в ситуациях, характеризуемых наличием фактора неопределенности и содержащих неформализуемые элементы, непереводимые на язык математики.

Системный анализ помогает ответственному за принятие решения лицу более строго подойти к оценке возможных вариантов действий и выбрать наилучший из них с учетом дополнительных, неформализуемых факторов и моментов, которые могут быть неизвестны специалистам, готовящим решение.

2. Причины возникновения СА. Особенности совершенного СА

Системный анализ возник в США и прежде всего в недрах ВПК. Кроме того, в США системный анализ изучался во многих государственных организациях. Он считался наиболее ценным побочным достижением в области обороны и изучения космического пространства. В обеих палатах конгресса США в 60-е гг. прошлого века были внесены законопроекты «о мобилизации и использовании научно-технических сил страны для применения системного анализа и системотехники в целях наиболее полного использования людских ресурсов для решения национальных проблем».

Системный анализа использовался также руководителями и инженерами в крупных предприятиях промышленности. Цель применения методов системного анализа в промышленности и в коммерческой области — изыскание путей получения высокой прибыли.

Примером использования методов системного анализа в США может служить система программного планирования, известная под названием «планирование — программирование — разработка бюджета» (ППБ), или сокращенно «программное финансирование».

Помимо применения системы ППБ в США используется целый ряд систем прогнозирования и планирования, в основе которых лежат методы системного анализа. В частности, для прогнозирования и планирования НИОКР применялась информационная система «ПАТТЕРН», для руководства космическим проектом «Аполлон» на всех этапах его разработки использовалась автоматизированная информационная система «ФЕЙМ», с помощью системы «КВЕСТ» достигалась количественная взаимосвязь между военными задачами и целями и научно-техническими средствами, необходимыми для их реализации, для тех же целей в промышленности служила система «СКОР».

Главной методической особенностью этих систем являлся принцип последовательного расчленения каждой проблемы на несколько задач более низкого уровня с целью построения «дерева целей».

Рассматриваемые системы позволяли определить сроки решения научных и технических проблем и взаимную полезность работ, способствовали повышению качества принимаемых решений за счет преодоления узковедомственного подхода к их принятию, отказа от интуитивных и волевых решений, а также от работ, которые не могут быть выполнены в установленные сроки.

Вместе с тем практика управления в США последних десятилетий показывает, что термин «системный анализ» не так часто применяется, как это имело место ранее. Многие подходы к обоснованию сложных решений, которые с ним связывались, продолжали использоваться и развиваться достаточно интенсивно уже под новыми названиями — «программный анализ», «анализ политики», «анализ последствий» и т. д. В то же время «новизна» названных видов анализа заключается скорее в их названиях. Методологической и методической их основой продолжает оставаться системный анализ, идеология системного подхода.

Системный анализ — это научный, всесторонний подход к принятию решений. Вся проблема изучается в целом, определяются цели развития объекта управления и различные пути их реализации в свете возможных последствий. При этом возникает необходимость согласования работы различных частей объекта управления, отдельных исполнителей, с тем чтобы направить их на достижение общей цели.

Никакая наука не рождается в один день, а появляется в результате совпадения всевозрастающего интереса к определенному классу задач и уровня развития научных принципов, методов и средств, с помощью которых оказывается возможным решать эти задачи. Системный анализ не является исключением. Его исторические корни так же глубоки, как и корни цивилизации. Еще первобытный человек, выбирая себе место для постройки жилища, подсознательно мыслил системно. Но как научная дисциплина системный анализ оформился во время Второй мировой войны, вначале применительно к военным задачам, а уже после войны — к задачам различных сфер гражданской деятельности, где он стал эффективным средством решения широкого круга практических задач.

Именно в это время общие основы системного анализа созрели настолько, что их стали оформлять в виде самостоятельной отрасли знаний. Можно с полным основанием сказать, что разработка методов системного анализа в значительной степени способствовала тому, что управление во всех сферах человеческой деятельности поднялось от стадии ремесла или чистого искусства, которое в преобладающей степени зависело от способности отдельных людей и накопленного ими опыта, до стадии науки.

3. Возникновение и развитие системных представлений. Признаки системности

В наше время происходит невиданный прогресс знания, который, с одной стороны, привел к открытию и накоплению множества новых фактов, сведений из различных областей жизни, и тем самым поставил человечество перед необходимостью их систематизации, отыскания общего в частном, постоянного в изменяющемся. С другой стороны, рост знания порождает трудности его освоения, обнаруживает неэффективность ряда методов используемых в науке и практике. Кроме того, проникновение в глубины Вселенной и субатомный мир, качественно отличный от мира соизмеримого с уже устоявшимися понятиями и представлениями, вызвало в сознании отдельных ученых сомнение во всеобщей фундаментальности законов существования и развития материи. Наконец, сам процесс познания, все более приобретающий форму преобразующей деятельности, обостряет вопрос о роли человека как субъекта в развитии природы, о сущности взаимодействия человека и природы, и в связи с этим, о выработке нового понимания законов развития природы и их действия. Дело в том, что преобразующая деятельность человека изменяет условия развития естественных систем, и тем самым способствует возникновению новых законов, тенденций движения. В ряду исследований в области методологии особое место занимает системный подход и в целом «системное движение». Само системное движение дифференцировалось, разделялось на различные направления: общая теория систем, системный подход, системный анализ, философское осмысление системности мира. Существует ряд аспектов внутри методологии системного исследования: онтологический (системен ли в своей сущности мир, в котором мы живем?); онтологически-гносеологический (системно ли наше знание и адекватна ли его системность системности мира?); гносеологический (системен ли процесс познания и есть ли пределы системному познанию мира?); практический (системна ли преобразующая деятельность человека?)

Под термином система понимается объект, который одновременно рассматривается и как единое целое, и как объединенная в интересах достижения поставленных целей совокупность взаимосвязанных разнородных элементов работающих как единое целое. Системы значительно отличаются между собой как по составу, так и по главным целям. Это целое приобретает некоторое свойство, отсутствующее у элементов в отдельности.

Признаки системности описываются тремя принципами.

Признаки системности:

· Внешней целостности — обособленность или относительная обособленность системы в окружающем мире;

· Внутренней целостности — свойства системы зависят от свойств её элементов и взаимосвязей между ними. Нарушение этих взаимосвязей может привести к тому, что система не сможет выполнять свои функции;

· Иерархичности — системе можно выделить различные подсистемы, с другой стороны сама система тоже является подсистемой другой более крупной подсистемы;

4. Системные представления и практика. Способы повышения производительности труда

Попытаемся показать, что системность является всеобщим свойством материи и человеческой практики. Начнем с рассмотрения человеческой практической деятельности, т. е. ее активного и целенаправленного воздействия на природу. Для этого сформулируем только самые очевидные и обязательные признаки системности: ее целостность и структурированность, взаимосвязанность составляющих ее элементов и подчиненность организации всей системы определенной цели.

Другое название для такого построения деятельности — алгоритмичность. Понятие алгоритма возникло вначале в математике и означало задание точно определенной последовательности однозначно понимаемых операций над числами или другими математическими объектами.

Сегодня становится очевидным, что роль системных представлений в практике постоянно увеличивается, что растет сама системность человеческой практики.

Последний тезис можно проиллюстрировать многими примерами, поучительно сделать это на несколько схематизированном примере проблемы повышения производительности труда.

Одна из важнейших особенность общественного производств, а состоит в непрерывном росте его эффективности, и прежде всего в повышении производительности труда. Обеспечение роста производительности труда — это очень сложный и многогранный процесс, но его итог выражается, овеществляется в развитии средств труда и методов его организации.

Академиком В. М. Глушковым показано, что сложность R объективно необходимых задач управления растет быстрее, чем квадрат m людей, занятых управленческой деятельностью: R > b m?, где b = Const. Известно, что для успешного управления отраслью, где занято n человек и имеется m управляемых объектов, суммарная сложность задач управления определяется соотношением R = c (n + m)? (как правило, c = 1). Объективная тенденция увеличения сложности управления, имеющая место в современном мире, имеет место и в России (где n = 2731, m = 107). Это приводит к росту необходимых затрат живого труда, т. е. ресурсов R на управление, а возможности человеческого мозга по запоминанию и переработке информации ограничены. В среднем объем памяти человека S = 10 16 бит, а средняя производительность вычислений V = 1/3 106 опер/с.

Следовательно, при решении сложных информационных задач только административными органами муниципального и федерального уровня получим R = 1 (2731 + 10 000 000)? = 10 002 731? = 100 054 627 458 000 опер./год, а для удовлетворительного управления страной при ручной технологии требуется, как минимум, N = R/V = 3×100 054 627 458 000/1000000 = 3 001 636 882 чел., т. е. 300 миллионов. Это более чем в 2 раза превышает численность населения страны. Для ликвидации дефицита живого труда в управлении страной необходимо существенно повысить (в N/m = 300 раз) эффективность работы каждого сотрудника аппарата управления страны. Этого не потребовалось благодаря автоматизации информационно-аналитической работы органов управления страны с помощью ЭВМ.

Здесь очень важно понять, что автоматизировать, т. е. полностью возложить на машину, можно только те работы, которые детально изучены, подробно и полно описаны, в которых точно известно, что, в каком порядке и как надо делать в каждом случае, и точно известны все возможные случаи и обстоятельства, в которых может оказаться автомат. Только при таких условиях можно сконструировать соответствующий автомат, и только в этих условиях он может успешно выполнять работу для которой он предназначен.

Итак, автоматизация является мощным средством повышения производительности труда.

5. Отличие возможностей решения проблемы производительности труда в сложных системах от предыдущих этапов. Как и предлагается использование интеллекта человека

Одна из важнейших особенность общественного производств, а состоит в непрерывном росте его эффективности, и прежде всего в повышении производительности труда. Обеспечение роста производительности труда — это очень сложный и многогранный процесс, но его итог выражается, овеществляется в развитии средств труда и методов его организации.

Академиком В. М. Глушковым показано, что сложность R объективно необходимых задач управления растет быстрее, чем квадрат m людей, занятых управленческой деятельностью: R > b m?, где b = Const. Известно, что для успешного управления отраслью, где занято n человек и имеется m управляемых объектов, суммарная сложность задач управления определяется соотношением R = c (n + m)? (как правило, c = 1). Объективная тенденция увеличения сложности управления, имеющая место в современном мире, имеет место и в России (где n = 2731, m = 107). Это приводит к росту необходимых затрат живого труда, т. е. ресурсов R на управление, а возможности человеческого мозга по запоминанию и переработке информации ограничены. В среднем объем памяти человека S = 10 16 бит, а средняя производительность вычислений V = 1/3 106 опер/с.

Следовательно, при решении сложных информационных задач только административными органами муниципального и федерального уровня получим R = 1 (2731 + 10 000 000)? = 10 002 731? = 100 054 627 458 000 опер./год, а для удовлетворительного управления страной при ручной технологии требуется, как минимум, N = R/V = 3×100 054 627 458 000/1000000 = 3 001 636 882 чел., т. е. 300 миллионов. Это более чем в 2 раза превышает численность населения страны. Для ликвидации дефицита живого труда в управлении страной необходимо существенно повысить (в N/m = 300 раз) эффективность работы каждого сотрудника аппарата управления страны. Этого не потребовалось благодаря автоматизации информационно-аналитической работы органов управления страны с помощью ЭВМ.

Здесь очень важно понять, что автоматизировать, т. е. полностью возложить на машину, можно только те работы, которые детально изучены, подробно и полно описаны, в которых точно известно, что, в каком порядке и как надо делать в каждом случае, и точно известны все возможные случаи и обстоятельства, в которых может оказаться автомат. Только при таких условиях можно сконструировать соответствующий автомат, и только в этих условиях он может успешно выполнять работу для которой он предназначен.

Итак, автоматизация является мощным средством повышения производительности труда.

Таким образом, решение проблемы производительности труда в сложных системах достигается путем автоматизации. Роль интеллекта человека при этом состоит в разработке автоматизирующих устройств.

6. Процессы познания и системность

Известно, что человек осваивает мир различными способами, Прежде всего он осваивает его чувственно, т. е. непосредственно воспринимая его через органы чувств. Характер такого познания, заключающийся в памяти и определяемый эмоциональным состоянием субъекта, является нам как целостным так и дробным — представляющим картину целиком или дробно, выделяя какие либо моменты. На основе эмоциональных состояний в человеке складывается представление об окружающем мире. Но чувственное восприятие есть свойство так же всех животных, а не только человека. Спецификой человека является более высокая ступень познания — рациональное познание, позволяющее обнаруживать и закреплять в памяти законы движения материи.

Рациональное познание системно. Оно состоит из последовательных мыслительных операций и формирует мыслительную систему, более или менее адекватную системе объективной реальности. Системна и практическая деятельность человека, причем уровень системности практики повышается с ростом знания и накопления опыта. Системность различных видов отражения и преобразования действительности человеком есть в конечном счете проявление всеобщей системности материи и ее свойств.

Системное познание и преобразование мира предполагает: рассмотрение объекта деятельности (теоретической и практической) как системы, т. е. как ограниченного множества взаимодействующих элементов, определение состава, структуры и организации элементов и частей системы, обнаружения главных связей между ними, выявление внешних связей системы, выделения из них главных, определение функции системы и ее роли среди других систем, анализ диалектики структуры и функции системы, обнаружение на этой основе закономерностей и тенденций развития системы.

Познание мира, а «научное познание» в частности, не может осуществляться хаотически, беспорядочно; оно имеет определенную систему и подчиняется определенным закономерностям. Эти закономерности познания определяются закономерностями развития и функционирования объективного мира.

7. Развитие системных представлений

Рассматривая исторические этапы развития системных представлений, важно прослеживать единство и борьбу двух противоположных подходов к познанию аналитического и синтетического. На ранних этапах развития человечества преобладал синтетический подход. Ф. Энгельс отмечал, что в древней Греции преобладало нерасчлененное знание: природа рассматривается в общем, как одно целое. Всеобщая связь явлений природы не доказывается в подробностях: она является результатом непосредственного созерцания.

Для последующего этапа метафизического способа мышления характерно преобладание анализа: Разложение природы на ее отдельные части, разделение различных процессов и предметов природы на определенные классы, исследование внутреннего строения органических тел по их анатомическим формам все это было основным условием тех исполинских успехов, которые были достигнуты в области познания природы за последние четыреста лет.

Новый, более высокий уровень системности познания представляет собой диалектический способ мышления. В развитие диалектики внесли значительный вклад представители немецкой классической философии: И. Кант, И. Фихте, Ф. Шеллинг. Кант наиболее точно выражал суждения о системности: Достигаемое разумом единство есть единство системы

Своей вершины идеалистическое понимание системы нашло у Гегеля. И только освобождение от идеализма привело к современному пониманию системности. Многое в философском понимании системы развили Маркс и Ленин.

Первым в явной форме вопрос о научном подходе к управлению сложными системами, какими является общество, поставил М. А. Ампер. При построении классификации всевозможных наук (Опыт философии наук, или аналитическое изложение классификации всех человеческих знаний ч. 1 1834 г., ч. 2 1843 г.), он выделил специальную науку об управлении государством и назвал ее кибернетикой. При этом он подчеркнул ее системные особенности: «Беспрестанно правительству приходится выбирать из различных мер ту, которая более всего пригодна к достижению цели и лишь благодаря углубленному и сравнительному изучению различных элементов, доставляемых ему для этого выбора (…) оно может составить себе общие правила поведения.

Следующая ступень развития связана с именем А. А. Богданова (настоящая фамилия Малиновский). Первый том его книги Всеобщая организационная наука (тектология) вышел в 1911 г., а в 1925 г. третий том. Идея Богданова состояла в том, что все объекты и процессы имеют определенный уровень организованности. Тектология должна изучать общие закономерности организаций для всех уровней. Он отмечает, что уровень организации тем выше, чем больше свойства целого отличаются от простой суммы свойств его частей.

По настоящему изучение теории систем началось под влиянием необходимости построение сложных технических систем преимущественно военного назначения. Были выделены достаточные средства и получены существенные результаты.

Следующий этап в развитии системных представлений связан с именем австрийского биолога Л. Берталанфи. Он пытался создать общую теорию систем любой природы на основе структурного сходства законов различных дисциплин.

Современное состояние теории систем связано с исследованиями известного бельгийского ученого Ильи Романовича Пригожина лауреата Нобелевской премии 1977 года. Исследуя термодинамику неравновесных физических систем, он понял, что обнаруженные им закономерности относятся к системам любой природы. Его основные результаты связаны с самоорганизацией систем. В переломные моменты или точки бифуркации принципиально невозможно предсказать станет система более или менее организованной.

8. Модели и моделирование

Моделирование представляет собой один из основных методов познания, является формой отражения действительности и заключается в выяснении или воспроизведении тех или иных свойств реальных объектов, предметов и явлений с помощью других объектов, процессов, явлений, либо с помощью абстрактного описания в виде изображения, плана, карты, совокупности уравнений, алгоритмов и программ.

Возможности моделирования, то есть перенос результатов, полученных в ходе построения и исследования модели, на оригинал основаны на том, что модель в определенном смысле отображает (воспроизводит, моделирует, описывает, имитирует) некоторые интересующие исследователя черты объекта.

Замена одного объекта (процесса или явления) другим, но сохраняющим все существенные свойства исходного объекта (процесса или явления), называется моделированием, а сам заменяющий объект называется моделью исходного объекта

Можно выделить следующие классы моделей.

Материальные модели

Общая черта, присущая этим моделям, состоит в том, что они копируют исходный объект. Они, как правило, делаются из совсем иного, зачастую более дешевого, материала, чем исходный объект. Размеры моделей также могут сильно отличаться от исходного объекта в ту или другую сторону.

Информационные модели

Модель, представляющая объект, процесс или явление набором параметров и связей между ними, называется информационной моделью. Вскрыть связи между параметрами информационной модели — это зачастую едва ли не самая сложная часть в построении модели, возникающая после того, как определены ее параметры. Информационные модели одного и того же объекта, предназначенные для разных целей, могут быть совершенно различными. Например, информационная модель человека может быть представлена в виде словесного портрета, фотографии, сведениями, занесенными в медицинскую карточку или картотеку отдела кадров по месту его работы. Класс информационных моделей широк. Сюда входят словесные (вербальные) модели, базы данных, диаграммы и схемы, чертежи и рисунки, математические модели и др. Информационная модель, в которой параметры и зависимости между ними выражены в математической форме, называется математической моделью.

Например, известное уравнение S=vt, где S — расстояние, а v и t — соответственно скорость и время, представляет собой модель равномерного движения, выраженную в математической форме. (Привести другие примеры математических моделей)

Быстрое развитие компьютерных технологий способствует и быстрому развитию и совершенствованию средств и способов информационного моделирования; решение задач на основе информационных моделей (компьютерное моделирование) — одна из важнейших сфер применения современных компьютеров. Предметом компьютерного моделирования могут быть: экономическая деятельность фирмы или банка, промышленное предприятие, информационно-вычислительная сеть, технологический процесс, любой реальный объект или процесс, например процесс инфляции, и вообще — любая Сложная Система.

Можно с уверенностью сказать, что большая часть моделей, которыми пользуется человек для решения жизненных задач, представляет собой некоторую совокупность элементов и связей между ними. Такие модели принято называть системами, а общие методы построения системных моделей — системным подходом. Основы системного подхода и заложил в своих трудах Л. фон Берталанфи. В системах элементы, ее составляющие, нельзя рассматривать изолированно. Их суммарный вклад в функционирование системы в целом обусловлен взаимодействием элементов между собой.

9. Моделирование — составляющие целенаправленной деятельности

Одной из проблем, с которой сталкиваются почти всегда при проведении системного анализа, является проблема эксперимента в системе или над системой. Очень редко это разрешено моральными законами или законами безопасности, но сплошь и рядом связано с материальными затратами и (или) значительными потерями информации.

Опыт всей человеческой деятельности учит — в таких ситуациях надо экспериментировать не над объектом, интересующим нас предметом или системой, а над их моделями. Под этим термином надо понимать не обязательно модель физическую, т. е. копию объекта в уменьшенном или увеличенном виде. Физическое моделирование очень редко применимо в системах, хоть как-то связанных с людьми. В частности в социальных системах (в том числе — экономических) приходится прибегать к математическому моделированию.

Еще одно важное обстоятельство приходится учитывать при математическом моделировании. Стремление к простым, элементарным моделям и вызванное этим игнорирование ряда факторов может сделать модель неадекватной реальному объекту, грубо говоря — сделать ее неправдивой. Снова таки, без активного взаимодействия с технологами, специалистами в области законов функционирования систем данного типа, при системном анализе не обойтись.

В системах экономических приходится прибегать большей частью к математическому моделированию, правда в специфическом виде — с использованием не только количественных, но и качественных, а также логических показателей.

Из хорошо себя зарекомендовавших на практике можно упомянуть модели: межотраслевого баланса; роста; планирования экономики; прогностические; равновесия и ряд других.

Завершая вопрос о моделировании при выполнении системного анализа, резонно поставить вопрос о соответствии используемых моделей реальности.

Это соответствие или адекватность могут быть очевидными или даже экспериментально проверенными для отдельных элементов системы. Но уже для подсистем, а тем более системы в целом существует возможность серьезной методической ошибки, связанная с объективной невозможность оценить адекватность модели большой системы на логическом уровне.

Иными словами — в реальных системах вполне возможно логическое обоснование моделей элементов. Эти модели как раз и стремятся строить минимально достаточными, простыми настолько, насколько это возможно без потери сущности процессов. Но логически осмыслить взаимодействие десятков, сотен элементов человек уже не в состоянии. И именно здесь может «сработать» известное в математике следствие из знаменитой теоремы Гёделя — в сложной системе, полностью изолированной от внешнего мира, могут существовать истины, положения, выводы вполне «допустимые» с позиций самой системы, но не имеющие никакого смысла вне этой системы.

То есть, можно построить логически безупречную модель реальной системы с использованием моделей элементов и производить анализ такой модели. Выводы этого анализа будут справедливы для каждого элемента, но ведь система — это не простая сумма элементов, и ее свойства не просто сумма свойств элементов.

Отсюда следует вывод — без учета внешней среды выводы о поведении системы, полученные на основе моделирования, могут быть вполне обоснованными при взгляде изнутри системы. Но не исключена и ситуация, когда эти выводы не имеют никакого отношения к системе — при взгляде на нее со стороны внешнего мира.

10. Способы воплощения модели. Абстрактные материальные модели

При создании моделей человеком, в его распоряжении два типа средств: средства самого сознания и средства окружающего материального мира; соответственно, модели делятся на абстрактные (идеальные) и материальные (реальные).

Абстрактные модели.

К ним относятся языковые конструкции, т. е. языковые модели. Естественный язык является универсальным средством построения любых абстрактных моделей. Универсальность обеспечивается возможностью введения в язык новых слов, а также возможностью иерархического построения все более развитых языковых моделей. Универсальность языка достигается, кроме прочего, еще и тем, что языковые модели обладают неоднозначностью, точностью, расплывчатостью. Это проявляется уже на уровне слов (многозначность или неопределенность). Плюс многовариантность соединения слов во фразы. Это порождает приблизительность — неотъемлемое свойство языковых моделей.

Материальные модели.

Чтобы некоторый материальный объект являлся моделью, замещением некоторого оригинала, между ними должно быть установлено отношение подобия. Существуют разные способы этого:

1). Прямое подобие, полученное в результате физического взаимодействия в процессе создания модели (фотография, масштабные модели самолетов, кораблей, зданий, куклы, шаблоны, выкройки и т. п.). Даже для прямого подобия модели существует проблема переноса результатов моделирования на оригинал (результат гидродинамических испытаний модели корабля, при которых можно масштабировать скорость движения, по характеристике воды (вязкость, плотность, сила тяготения — не масштабируется)). Существует теория подобия, относящаяся к моделям прямого подобия.

2). Косвенное подобие устанавливается между оригиналом и моделью не в результате физического взаимодействия, а существует объективно в природе, обнаруживаясь в виде совпадения или близости их абстрактных моделей. Например, электромеханическая аналогия. Некоторые закономерности механических и электрических процессов описываются одинаковыми управлениями, различие только в разной физической интерпретации переменных, входящих в эти управления. Поэтому экспериментирование с механической конструкцией можно заменить на опыт с электрической схемой, что проще и эффективнее. Подопытные животные у медиков — аналоги человеческого организма, автопилот — аналог летчика и т. д.

3) Условное подобие. Подобие модели оригиналу устанавливается в результате соглашения. Примеры: удостоверение личности — модель его владельца, карта — модель местности, деньги — модель стоимости, сигналы — модели сообщений. Модели условного подобия являются способом материального воплощения абстрактных моделей, формой, в которой эти абстрактные модели хранятся и передаются от одного человека — другому, сохраняя при этом возможность возвращения в абстрактную форму. Это достигается соглашением о том, какое состояние реального объекта ставится в соответствие данному элементу абстрактной модели.

Конкретизация и углубление общей схемы моделей условного подобия происходит в двух направлениях: — модели условного подобия в технических устройствах, где они применяются без участия человека; сигналы — правила построения и способы использования сигналов называются кодом, кодированием, декодированием — изучаются специальными дисциплинами; модели условного подобия, создаваемые самим человеком — знаковые системы. Занимающаяся этим область знаний называется семиотикой.

11. Установление подобия материальных моделей

Подобие есть определенное отношение между значениями показателей свойств различных объектов, наблюдаемое и измеряемое исследователем в процессе познания. Под подобием понимается такое взаимно однозначное соответствие (отношение) между свойствами объектов, при котором существует функция или правило приведения значений показателей данных свойств одного объекта к значениям тех же показателей другого объекта.

Математические (формальные) описания подобных объектов допускают приведение их к тождественному виду.

Другими словами, подобие есть отношение взаимно однозначного соответствия между значениями показателей однородных свойств различных объектов. Однородными называются свойства, имеющие одинаковую размерность показателей.

Известно несколько видов подобия объектов.

1. В зависимости от полноты учета параметров различают:

· абсолютное (теоретическое) подобие, которое предполагает пропорциональное соответствие значений всех параметров данных объектов, т. е.

pj (t) / rj (t) = mj (t), где j=1,n;

· практическое подобие — определенное функциональное взаимно однозначное соответствие параметров и показателей определенного подмножества свойств, существенных для данного исследования;

· практическое полное подобие — соответствие показателей и параметров выделенных свойств во времени и пространстве;

· практически не полное подобие — соответствие параметров и выделенных свойств показателей только во времени, или только в пространстве;

практическое приближенное подобие — соответствие выделенных параметров и показателей с определенными допущениями и приближениями.

2. По адекватности природы объектов различают:

· физическое подобие, предполагающее адекватность физической природы объектов (частными случаями физического подобия являются механическое, электрическое и химическое подобия объектов);

· математическое подобие, предполагающее адекватность формального описания свойств объектов (частными случаями математического подобия являются статистическое, алгоритмическое, структурное и графическое подобие показателей свойств объектов).

Проблема определения подобных объектов состоит в выборе научно обоснованных критериев подобия и в разработке методов расчета этих критериев.

12. Условия реализации свойств модели

Согласно логике системного анализа, когда определена и выстроена взаимосвязанная совокупность задач реализации проекта (можно сказать, и это будет достаточно строго — система задач), начинается следующий этап конструирования системы — исследование условий реализации модели.

Естественно, любая модель системы может быть реализована в практике лишь при наличии определенных условий.

Покажем на примере системы образования.

Естественно, любая модель образовательной системы может быть реализована в практике лишь при наличии определенных условий: кадровых, мотивационных, материально-технических, научно-методических, финансовых, организационных, нормативно-правовых, информационных.

К чести директивных органов следует отметить, что в последние годы вопросам условий реализации образовательных реформ и их подобий стало уделяться гораздо больше внимания, точно также как и технологической подготовке реализации образовательных проектов: созданию необходимых учебников, методических разработок переподготовке учителей и т. д. В былые же времена уже через полгода после выхода очередного постановления необходимо было отчитаться перед ЦК КПСС, что школы, ПТУ и т. п. «перешли на новое содержание образования».

13. Модель и оригинал. Различия. Конечность, упрощенность, приближенность

Соответствие между моделью и действительностью можно выразить следующими принципами:

1. Конечность.

Всякие реальные объекты как часть реального мира бесконечны по своим свойствам и связям с другими объектами. Однако, если иметь в виду наши возможности по познанию, то здесь мы ограничены своими собственными ресурсами — число нервных клеток мозга, число действий, которые можем выполнить в единицу времени, само время, в течение которого мы можем решать какую-то задачу; ограничены внешние ресурсы, которые мы можем вовлечь в процесс своей деятельности, т. е. необходимо познавать бесконечный мир конечными средствами. Все модели конечны. Абстрактные модели конечны изначально — они сразу наделяются фиксированным числом свойств. Реальные модели конечны в том смысле, что из бесконечного множества их свойств выбираются и используются лишь некоторые, подобные интересующим нас свойствами объекта-оригинала. Модель подобна оригиналу в конечном числе отношений.

2. Упрощенность.

Конечность моделей делает их упрощенность неизбежной, но в человеческой практике эта упрощенность является допустимой, т.к. для любой цели оказывается достаточным, неполное, упрощенное отображение действительности. Для конкретных целей такое упрощение является и необходимым, т.к. позволяет выявить главные эффекты и свойства оригинала (физические абстракции — идеальный газ, абсолютное черное тело, …).

Вынужденное упрощение модели — необходимость оперирования с ней — ресурсное упрощение.

Еще один аспект: из двух моделей, описывающих с одинаковой точностью некоторый объект, ближе к оригиналу (к истинной его природе) оказывается та, которая проще.

3. Приближенность моделей.

С этим термином связывается количественное различие модели и оригинала (качественные различия связаны с терминами конечность и упрощенность). Это количественное различие есть всегда и само по себе не является ни большим, ни малым, его мера вводится соотнесением этого различия с целью моделирования (часы — модель времени).

4. Адекватность.

Адекватна та модель, с помощью которой успешно достигается поставленная цель. Это не равносильно понятию полноты, точности, правильности точности модели. Модель Птолемея адекватна (в смысле точности описания движения планет). Адекватная, но ложная модель (успешное врачевание с помощью заклинаний духов). Иногда удается ввести некоторую меру адекватности. Тогда можно рассматривать вопросы об идентификации модели (т.е. нахождение в данном классе наиболее адекватной) об устойчивости моделей, об их адаптации.

14. Сходство модели и оригинала. Адекватность модели. Истинность моделей. Сочетание истинности и ложности

Важнейшим понятием при экономико-математическом моделировании, как и при всяком моделировании, является понятие адекватности модели, т. е. соответствия модели моделируемому объекту или процессу. Адекватность модели — в какой-то мере условное понятие, так как полного соответствия модели реальному объекту быть не может, что характерно и для экономико-математического моделирования. При моделировании имеется в виду не просто адекватность, но соответствие по тем свойствам, которые считаются существенными для исследования. Проверка адекватности экономико-математических моделей является весьма серьезной проблемой, тем более, что ее осложняет трудность измерения экономических величин. Однако без такой проверки применение результатов моделирования в управленческих решениях может не только оказаться мало полезным, но и принести существенный вред.

Имея в виду именно теоретические соображения и методы, лежащие в основе построения модели, можно ставить вопросы о том, на сколько веpно данная модель отражает объект и насколько полно она его отpажает. (В процессе моделирования выделяются специальные этапы — этап верификации модели и оценка ее адекватности). В таком случае возникает мысль о сравнимости любого созданного человеком предмета с аналогичными пpиpодными объектами и об истинности этого предмета. Но это имеет смысл лишь в том случае, если подобные пpедметы создаются со специальной целью изобpазить, скопиpовать, воспpоизвести опpеделенные чеpты естественного пpедмета.

Таким обpазом, можно говоpить о том, истинность пpисуща матеpиальным моделям: — в силу связи их с опpеделенными знаниями;- в силу наличия (или отсутствия) изомоpфизма ее стpуктуpы со стpуктуpой моделиpуемого пpоцесса или явления; в силу отношения модели к моделируемому объекту, которое делает ее частью познавательного процесса и позволяет решать определенные познавательные задачи.

И в этом отношении материальная модель является гносеологически вторичной, выступает как элемент гносеологического отражения.

15. Динамика модели. Процесс моделирования. Причины невозможности полной алгоритмизации процесса моделирования

На входе и выходе имеем зависимости параметров X и Y от времени t. Задача состоит в определении черного ящика.

Допустим, что на вход системы, до этого находившейся в нулевых начальных условиях, подали единичный сигнал X (t). Если на выходе будет наблюдаться экспоненциальный сигнал, то это система первого порядка. Для ее описания достаточно одной производной, а в решении модели будет присутствовать один интеграл. Так как один интеграл «всегда порождает» одну экспоненту, два интеграла — две экспоненты. Чтобы определить, является ли кривая экспонентой, в каждой точке проводится касательная до пересечения с линией установившегося уровня. В любой точке T должна быть постоянной величиной. Величина T характеризует инерционность системы (память). При малой величине T система слабо зависит от предыстории и вход мгновенно заставляет измениться выход. При большой величине T система, медленно реагирует на входной сигнал, а при очень большой T — система неизменна.

Звено первого порядка обладает двумя параметрами:

1) инерционность — T

2) коэффициент усиления

Введем понятие передаточной функции как модели динамической системы. По определению передаточная функция — это отношение выхода ко входу

Передаточная функция звена первого порядка имеет вид .

Тогда, используя определение передаточной функции, имеем, где «p» — значок производной ().

Далее получим:

В разностном виде уравнение можно записать как (Yi+1 — Yi)*T+Yi*dt = k*Xi*dt. Или выразив настоящее через прошедшее Yi+1 = А* Xi +В* Yi. Здесь, А и В весовые коэффициенты. А указывает на вес компоненты Х, определяющей влияние внешнего мира на систему, В указывает на вес Y, определяющей память системы, влияние на ее поведение истории.

В частности, если В=0, то Yi+1 = А* Xi и мы имеем дело с безинерционной системой, мгновенно реагирующей на входной сигнал Y=k*X и увеличивающей его в k раз. Если В=0.5, то нетрудно получить, что при постоянном входном сигнале Х, Yi+1 = А* Xi +0.5* Yi = А* Xi +0.5(А* Xi-1 +В* Yi-1) = … = А*(1+0.5+0.52+…+0.5n)*Хi-n+0.5n+1*Yi-n = 2*A*Xi-n = k*Xi-n или, изображая на графике, получим затухающую экспоненту. Y стремится к значению входного сигнала X, умноженному на коэффициент усиления k.

Если еще усилить влияние прошлого B=1, то система начнет интегрировать саму себя (выход подан на вход системы)

Yi+1 = А* Xi + Yi добавляя все время входной сигнал, что соответствует экспоненциальному неограниченному росту выходного сигнала. По смыслу это соответствует положительной обратной связи. При B=-1, имеем модель Yi+1 = А* Xi — Yi по смыслу соответствующую отрицательной обратной связи. При определении модели требуется найти неизвестные коэффициенты k и T.

Рассмотрим звено второго порядка.

Звено второго порядка имеет три параметра.

Характеристика: плавный выход из нуля, точка перегиба и бесконечное продвижение к установившемуся состоянию.

Модель — это материальный или мысленно представляемый объект, замещающий в процессе изучения объект-оригинал, и сохраняющий значимые для данного исследования типичные его черты. Процесс построения модели называется моделированием.

Процесс моделирования состоит из трех стадий — формализации (переход от реального объекта к модели), моделирования (исследование и преобразования модели), интерпретации (перевод результатов моделирования в область реальности).

16. Модель модели. Первое определение модели. Второе определение модели

Модель — объект или описание объекта, системы для замещения (при определенных условиях предложениях, гипотезах) одной системы (т.е. оригинала) другой системы для изучения оригинала или воспроизведения его каких — либо свойств. Модель — результат отображения одной структуры на другую.

Модели, если отвлечься от областей, сфер их применения, бывают трех типов: познавательные, прагматические и инструментальные.

Познавательная модель — форма организации и представления знаний, средство соединение новых и старых знаний. Познавательная модель, как правило, подгоняется под реальность и является теоретической моделью.

Прагматическая модель — средство организации практических действий, рабочего представления целей системы для ее управления. Реальность в них подгоняется под некоторую прагматическую модель. Это, как правило, прикладные модели.

Инструментальная модель — является средством построения, исследования и/или использования прагматических и/или познавательных моделей.

Познавательные отражают существующие, а прагматические — хоть и не существующие, но желаемые и, возможно, исполнимые отношения и связи.

По уровню, «глубине» моделирования модели бывают эмпирические — на основе эмпирических фактов, зависимостей, теоретические — на основе математических описаний и смешанные, полуэмпирические — использующие эмпирические зависимости и математические описания.

Математическая модель М описывающая ситему S (x1,x2,…, xn; R), имеет вид: М=(z1,z2,…, zm; Q), где ziIZ, i=1,2,…, n, Q, R — множества отношений над X — множеством входных, выходных сигналов и состояний системы и Z — множеством описаний, представлений элементов и подмножеств X, соответственно.

Основные требования к модели: наглядность построения; обозримость основных его свойств и отношений; доступность ее для исследования или воспроизведения; простота исследования, воспроизведения; сохранение информации, содержавшиеся в оригинале (с точностью рассматриваемых при построении модели гипотез) и получение новой информации.

Проблема моделирования состоит из трех задач: построение модели (эта задача менее формализуема и конструктивна, в том смысле, что нет алгоритма для построения моделей); исследование модели (эта задача более формализуема, имеются методы исследования различных классов моделей); использование модели (конструктивная и конкретизируемая задача).

Модель М называется статической, если среди xi нет временного параметра t. Статическая модель в каждый момент времени дает лишь «фотографию» сиcтемы, ее срез.

Модель — динамическая, если среди xi есть временной параметр, т. е. она отображает систему (процессы в системе) во времени.

Модель — дискретная, если она описывает поведение системы только в дискретные моменты времени.

Модель — непрерывная, если она описывает поведение системы для всех моментов времени из некоторого промежутка времени.

Модель — имитационная, если она предназначена для испытания или изучения, проигрывания возможных путей развития и поведения объекта путем варьирования некоторых или всех параметров xi модели М.

Модель — детерминированная, если каждому входному набору параметров соответствует вполне определенный и однозначно определяемый набор выходных параметров; в противном случае — модель недетерминированная, стохастическая (вероятностная).

Можно говорить о различных режимах использования моделей — об имитационном режиме, о стохастическом режиме и т. д.

Модель включает в себя: объект О, субъект (не обязательный) А, задачу Z, ресурсы B, среду моделирования С: М=.

Свойства любой модели таковы:

конечность: модель отображает оригинал лишь в конечном числе его отношений и, кроме того, ресурсы моделирования конечны; упрощенность: модель отображает только существенные стороны объекта; приблизительность: действительность отображается моделью грубо или приблизительно; адекватность: модель успешно описывает моделируемую систему; информативность: модель должна содержать достаточную информацию о системе — в рамках гипотез, принятых при построении модели.

Жизненный цикл моделируемой системы:

· Сбор информации об объекте, выдвижение гипотез, предмодельный анализ;

· Проектирование структуры и состава моделей (подмоделей);

· Построение спецификаций модели, разработка и отладка отдельных подмоделей, сборка модели в целом, идентификация (если это нужно) параметров моделей;

· Исследование модели — выбор метода исследования и разработка алгоритма (программы) моделирования;

· Исследование адекватности, устойчивости, чувствительности модели;

· Оценка средств моделирования (затраченных ресурсов);

· Интерпретация, анализ результатов моделирования и установление некоторых причинно — следственных связей в исследуемой системе;

· Генерация отчетов и проектных (народно — хозяйственных) решений;

· Уточнение, модификация модели, если это необходимо, и возврат к исследуемой системе с новыми знаниями, полученными с помощью моделирования.

17. Множественность моделей систем. Определение понятия «проблема», «цель», «система»

Одним из основополагающих принципов моделирования сложных систем является принцип множественности моделей, заключающийся, с одной стороны, в возможности отображения многих различных систем и процессов с помощью одной и той же модели и, с другой стороны, в возможности представления одной и той же системы множеством различных моделей в зависимости от целей исследования. Использование этого принципа позволяет отказаться от подхода, когда для каждой исследуемой системы разрабатывается своя модель, и предложить новый подход, при котором разрабатываются абстрактные математические модели разного уровня (в основном базовые и локальные), используемые для исследования систем различных классов. При этом задача моделирования сводится к грамотной параметризации моделей и интерпретации полученных результатов.