Классификация объектов

Код признака	Классификационные признаки объекта прогнозирования
	Природа	Масштабность	Сложность	Детерминированность	Тренд	Информационная обеспеченность
1.	научно-техническая	сублокальный	сверхпростой	детерминированный	дискретный	полная количественная
2.	технико-экономическая	локальный	простой	стохастический	апериодический	неполная количественная
3.	социально-экономическая	субглобальный	сложный	смешанный	циклический	качественная
4.	военно-политическая	глобальный	сверхсложный			отсутствие информации
5.	естественно-природная	суперглобальный

Рассмотрим проблему моделирования объекта. Основной целью системного анализа объекта является разработка его модели. В литературе понятие модели трактуется весьма широко. Этим термином называют такие понятия, как математическое описание процесса или объекта, алгоритмическое описание объекта, формулу, определяющую закон функционирования, графическое представление объекта (процесса) в виде графа, или блок-схемы, или в виде кривой, представляющей процесс, и ряд других форм и понятий. В строгом смысле модель определяется как «явление, предмет, установка, знаковое образование или условный образ (описание, схема и т. д.), находящиеся в некотором соответствии с изучаемым объектом и способные замещать его в процессе исследования, давая информацию об объекте». Цель созданной модели - получение информации не об объекте вообще, а о его будущих состояниях. Это определяет особенности построения и проверки адекватности моделей. При их построении и оценке невозможно осуществить прямую проверку соответствия модели и оригинала в связи с тем, что она должна относиться к будущим состояниям объекта. При этом либо самого объекта в настоящий момент не существует (проектируемый объект), либо он существует, но неизвестно, какие изменения могут с ним произойти в будущем. В наиболее общем виде можно рассматривать модель как некоторую производную от используемого метода. В соответствии с этим и можно классифицировать модели. Теория моделирования и подобия имеет собственный методологический и понятийный аппарат, свои способы построения и классификации моделей, которые необходимо знать любому специалисту, работающему в области системного анализа или использующего его. Из множества возможных классов моделей наибольший интерес, на наш взгляд, представляют модели, описывающие технологические процессы, процессы производства, экономические закономерности, процессы развития научных исследований.

Известна следующая классификация моделей управления, наиболее типичных в указанных выше областях: функциональные модели; модели физических процессов; экономические модели; процедурные модели.

Функциональные модели описывают функции, выполняемые основными составными частями системы или управляемого процесса. Эти модели обычно составляются в начале проведения исследования системы или модельного эксперимента. Более правильным названием, отражающим сущность такого рода моделей, является структурно-функциональная модель. Прежде чем описывать функции составных частей системы, надо иметь их перечень. Строится структурно-функциональная модель в виде укрупненного описания технологической схемы, представляемой либо в графической форме, либо в форме уравнений. Функции чаще всего описываются дополнительно в словесной форме.

Модель физического процесса определяет математические зависимости между переменными физического процесса производства. Это могут быть технологические параметры процесса: температура, давление, расход топлива, скорость проката, усилие прессования, процентное содержание вещества в смеси и т. д. В соответствии с характером изучаемого процесса такие модели могут быть непрерывными и дискретными во времени, детерминированными и статистическими, а по способу получения - аналитическими и экспериментальными.

Экономические модели определяют зависимость между различными экономическими показателями изучаемого процесса или системы, различного рода ограничения, накладываемые на экономические показатели, критерии, позволяющие оптимизировать процесс в экономическом плане. Они могут, как и модели физических процессов, иметь вид формул, уравнений, а также алгоритмической записи, если аналитическое представление процесса затруднительно. Этот класс моделей можно в свою очередь подразделить на плановые модели и производственные модели. Плановые модели служат целям оптимизации разрабатываемых планов развития системы. К ним относятся и модели прогнозирования, которые направлены на формулирование вероятных альтернатив развития системы с целью выбора оптимального планового решения. Плановые экономические модели призваны обеспечить количественную оценку различных вариантов плана в соответствии с заложенным в модель критерием оптимальности. Производственные модели определяют взаимосвязи экономических показателей с параметрами процесса в ходе его развития. Они предназначаются для оперативного управления функционированием системы. При этом, как правило, формулируется математическое или алгоритмическое описание целевой функции, определяются способы ее оперативного расчета и оптимизации в различных внешних условиях. Существенным для классификации является деление экономических моделей в зависимости от масштабов моделируемого процесса на макро- и микроэкономические. Макроэкономические модели относятся к процессам на уровне общегосударственной экономики, к задачам планирования и управления отраслями и к решению межотраслевых проблем. Наиболее распространенной формой макроэкономических моделей являются балансовые модели планирования. Микроэкономические модели касаются проблем планирования и управления на уровне предприятия или этапов процесса создания больших технических систем.

Процедурные модели описывают операционные характеристики систем, т. е. порядок и содержание управленческих воздействий. Наиболее важным в этом классе моделей, представляющим особый интерес для системы оптимизации процессов и автоматизации управления, являются информационные модели. Кроме них к этому классу можно отнести модели режимов и обеспечения безопасности работы. Информационные модели определяют: структуру информационных потоков в системе, содержание, формат, скорость обработки информации, точки возникновения и потребления информации, основные этапы ее прохождения и контроля за ней. Процедурные модели режимов и обеспечения безопасности работы описывают действие, изменяющее состояние системы (пуск, остановка, изменение нагрузки и т. д.), а также совокупность правил и ограничений, налагаемых на функционирование систем по условиям безопасности. Характерным для последнего типа моделей является включение в схему модели человека-оператора. Он выполняет функции контроля режимов работы и принятия решений, предупреждающих срыв или аварийную ситуацию.

Другим аспектом классификации моделей помимо сущности моделируемого процесса служит методический аппарат, который положен в основу модели. Очевидно, что в данном аспекте классификация моделей будет совпадать с классификацией методов. В этой связи можно отметить специфический вид моделей - экспертные модели. Они предполагают формальное описание процедур функционирования, представление объекта моделирования в виде процесса, специальные формулы и алгоритмы для обработки экспертных оценок. Однако сама процедура генерации этих оценок является творческой, неформальной.

Принципиально неформализуемыми являются способы анализа на базе методов коллективной генерации идей («мозговых атак»). Тем не менее, и в этом случае их можно представить как модели реальных объектов, процессов, проблем, которые имитируются в ходе коллективной генерации идей при помощи коллектива специалистов - экспертов, работающих творчески, неформально, но в рамках определенных правил. Эта модель имеет свои «входы» и «выходы», внутренние элементы и взаимосвязи.

Таким образом, упомянутые по форме модели перекрывают весь диапазон современных видов моделей - от формальных математических до имитационных, экспертных, человеко-машинных, в основе которых лежит использование творческого (интеллектуального) потенциала человека.

Несколько слов о языке современных моделей. Основными средствами выражения в нем являются следующие формы: словесное описание - наиболее простой неформальный способ задания моделей. Он легко доступен для понимания, однако неоднозначен и имеет ограниченное применение лишь на самых ранних этапах разработки модели; графическое представление в виде кривых, номограмм, чертежей - самостоятельное значение весьма ограничено. Главным образом используется в качестве дополнений, иллюстраций к другим способам задания моделей; блок-схемы, матрицы решений - один из наиболее распространенных способов описания моделей. Как правило, используется на промежуточном этапе создания модели - между ее словесным и математическим описаниями; математическое описание - в виде формул и математических операций над переменными. К этому же виду относится алгоритмическое описание, которое может использоваться для представления модели объекта, не имеющего аналитического описания, либо в случае, когда аналитический способ решения задачи слишком сложен, либо, наконец, для подготовки описания модели с целью программирования на ЭВМ; программное описание - пригодное непосредственно для ввода в вычислительную машину. Оно может представляться как непосредственно в кодах машины, так и в одном из алгоритмических языков. В последнем случае алгоритмическая форма математического описания и программное описание могут совпадать.

В моделях большее значение играют графические представления и математическое описание. Это связано с широким распространением методов экстраполяции и интерполяции в системных исследованиях, причем в экстраполяции процедура выбора вида кривой зачастую обосновывается видом эмпирического распределения точек. Поэтому графическая интерпретация моделей экстраполяции в большинстве случаев служит обоснованием выбора математического описания. Специальным графическим представлением, имеющим большое значение, являются графы, особенно вида деревьев. Словесное описание модели имеет также особо важное значение в связи с широким его использованием в экспертных методах. Оно служит средством постановки проблемы, целей и задач, а также средством регламентации процедур опроса.

В процессе анализа объекта и подготовки его модели следует иметь в виду ряд требований, которые предъявляются к моделям вообще. Модель должна:

1) удовлетворять требованиям полноты, адаптивности и эволюционности и обеспечивать возможность включения достаточно широкого диапазона изменений и добавлений в целях последовательного приближения к модели, удовле­творяющей исследователя по точности воспроизведения объекта;

2) быть достаточно абстрактной, чтобы допускать варьирование большим числом переменных, но не настолько абстрактной, чтобы возникали сомнения в надежности и практической полезности полученных на ней результатов;

3) удовлетворять условиям, ограничивающим время решения задачи.

4) быть ориентирована на реализацию с помощью существующих технических средств, т.е. быть физически осуществимой на данном уровне развития техники;

5) обеспечивать получение полезной информации об объекте в плане поставленной задачи исследования. В связи с тем, что в большинстве случаев экономико-математические модели строятся с целью оптимизации моделируемых процессов, это требование можно понимать как требование оптимизируемости модели. Информация, получаемая с помощью модели, должна обеспечивать расчет значений целевой функции и позволяет определять шаги поиска ее экстремального значения. В качестве целевой функции в моде­лях может выступать функция достоверности, точности прогноза либо минимизации затрат на его разработку;

6) строиться с использованием установившейся терминологии;

7) предусматривать возможность проверки истинности, соответствия ее оригиналу. Формальная проверка заключается в сравнении определенных свойств оригинала и модели. Это моделирование может проводится в нескольких вариантах с учетом упрощений модели. При упрощении модели следует учитывать не только прямые воздействия блоков на исследуемую часть, но и обратные воздействия (обратные связи) в системе. Это вынуждает подчас многократно проводить моделирование, перебирая варианты воздействия, для имитации двухстороннего взаимодействия. В большинстве случаев при таком переборе вариантов используют случайный эквивалент выбрасываемого блока.

При упрощении блока, воздействующего на исследуемую часть системы, следует сопоставить возможности: прямого упрощения замкнутого контура без разрыва обратной связи; построения вероятностного эквивалента с оценкой его статистических характеристик путем автономного исследования (частичного моделирования) упрощаемого блока; замены блока: воздействиями, наихудшими по отношению к исследуемой части системы. Последний вариант можно проиллюстрировать какой-либо моделью исследования надежности, когда систему моделируют с целью определения отказов в самых неблагоприятных условиях.

Выше были рассмотрены некоторые правила и принципы блочного представ­ления моделей, реализующие структурное разделение полной модели на непересекающиеся части (блоки), в каждую из которых входят различные элементы этой модели. В ряде случаев целесообразно выделять для автономного исследования пересекающиеся части исследуемой системы, которые функционируют на различных этапах или в различных режимах работы. В первом случае моделируемый процесс рассекается во времени. Так, при ис­следовании некоторой системы можно рассматривать ее отдельные модели на различных этапах обработки информации. При этом можно считать, что одна модель обеспечивает входными воздействиями последующую. Например, жизненный цикл технической системы можно представить совокупностью самостоятельных моделей: модель научно-исследовательских работ, модель опытно - конструкторских разработок, модель серийного производства, модель эксплуатации. Эти модели представ­ляют стадии развития во времени одного и того же объекта.

При выделении блоков по принципу различных режимов работы рассматриваются частичные модели, отражающие работу системы при различных возмущающих и управляющих воздействиях. В этом случае стремятся выделить наиболее различ­ные и важные режимы с точки зрения критерия интерпретации результатов. В пределах модели одного режима это упрощает программную реализацию, сужает разброс результатов и позволяет уменьшить количество экспериментов с моделью. Такие подмодели режимов называют «условными подмоделями». Относительно их можно сформулировать следующий принцип: специализация моделей - принцип, утверждающий целесообразность использования относительно малых условных подмоделей, предназначенных для анализа функционирования системы в узком диапазоне условий; возможность неформального суждения о системе в целом по совокупности частных показателей, полученных на условных моделях.

Эвристическое правило проверки соответствия модели и описания объекта. Для проверки соответствия частичной модели и полной модели следует пытаться построить условные подмодели, эквивалентные полной модели в типовых для проектируемой системы ситуациях, выполнить сравнительное исследование подмоделей и частичной модели в этих ситуациях. Близость полученных результатов считается основанием для суждения о близости обеих моделей в остальных ситуациях. В связи с тем, что условные модели можно строить и испытывать независимо друг от друга, следует выполнять эксперименты параллельно со всеми моделями сразу и тем сокращать время исследования.

Рассмотрим детальнее две стороны процесса создания моделей сложных систем - последовательное упрощение и последовательное усложнение моделей. Последовательное объединение элементов описания в блоки создает модель, удобную для программой реализации и экспериментов. Это упрощение должно ограничиваться максимально допустимой величиной различия между описанием и моделью, определяемой с точки зрения критерии интерпретации результатов моделирования. Используя понятие полной модели на основании последовательного усложнения можно считать, что различие будет несущественным, если оно лежит в не­котором поле допуска, определяемом как статистическими разбросами результатов, так и ошибками при задании исходных данных (параметров описания), которые преобразуются в соответствующие отклонения показателей, оцениваемые при моделировании. Уменьшение этих составляющих допуска в реальных условиях весьма сложно и делает моделирование трудоемким. Поэтому путь последовательного упрощения модели с непосредственной проверкой точности годится лишь для простейших случаев.

Проверку соответствия частичной модели и полной модели можно также вести по сходимости результатов, получаемых на моделях возрастающей сложности. По этому правилу сначала следует максимально упростить модель до вида, заведомо допускающего экспериментальное исследование. Это упрощение по сложности не сопровождается экспериментами. Далее от этого уровня производится после­довательное усложнение модели в пределах допустимых вычислительных ограниче­ний, сопровождающееся экспериментальным исследованием различия на каждой ступени усложнения. Перед выполнением каждого шага решается, в каком направлении проводить усложнение, каково условие окончания процесса усложнения, какова рациональная величина прироста усложнения на каждом шаге. Первая проблема обычно решается путем повторения траектории движения модели, описанной при упрощении, т. е. сверху вниз. При этом исследуются те состояния модели, которые являлись этапами ее последовательного упрощения. Вторая проблема решается путем оценки существенности различия между двумя последовательными вариантами усложняемой модели. Какое же отличие считать существенным? Уместно считать различие двух последовательных моделей несущественным, если оно лежит в поле допуска, определяемом погрешностями в исходных данных. Для пересчета этих погрешностей в допуск на каждом шаге приходится произ­водить многократную оценку влияния погрешностей параметров на показатель оценки результата моделирования. Чем сложнее модель, тем более сложна эта оценка.

Существуют также эвристические мнемонические экспресс-методы системного анализа, используемые в процессе нейролингвистического программирования (НЛП). Рассмотрим кратко методы, используемые в ходе тренингов технологии НЛП.

Цели экспресс-методов:

-научить пользоваться моделями планирования как инструментом эффективной творческой деятельности;

- развить способность видеть проблему в многообразии подходов. В НЛП и других методах психологической работы и коррекции успешно применяются несколько моделей, часть из которых для удобства и простоты запоминания названы мнемоническими аббревиатурами - сокращениями, каждая буква которых является напоминанием о базовом принципе, идее.

Классической и одной из наиболее известных моделей постановки целей, прогнозирования изменений и планирования является модель SMART:

S (specific) – конкретный; М (measurable) – измеримый; А (attainable) – достижимый; R (realistic) – реалистичный; Т (timebound) - определенный по времени.

Если проверить свои планы по этой модели, то можно избежать многих ошибок, промахов и проблем, таких как невнятность и неконкретность планов, невозможность определить успешность выполненных действий, спланировать количество материальных ресурсов, рабочих рук, необходимых для осуществления планов. Знать, что ваше планирование реально и цели достижимы, - это значит иметь мощную эмоциональную поддержку, которая обеспечит Вам целостность восприятия и готовность стойко перенести трудности и кризисы на пути к поставленной задаче. Определяя время реализации всего проекта и каждого из его этапов, мы струк­турируем задачу, делаем возможной коррекцию и проверку успешности на каждом из этапов.

Другая мнемоническая техника – «Закон десяти W». Почему десять «w»? Потому что именно с этой буквы в английском языке начинаются вопрос «зачем?» и «почему?» Решая какую-то проблему, запишем в два столбика 10 ответов на вопрос «зачем?» и 10 - на вопрос «почему?» Формулировка ответов на поставленные во­просы займет ваш мозг концентрированным обдумыванием разнообразных (вот почему не один ответ, а целых 10!) подходов к проблеме.

Следующая модель SWOT- техника анализа проблемы. В этой аббревиатуре тоже заложены слова-коды, определяющие ход размышления и разработки процесса:

S (strong) - сильные стороны; W weak) – слабости; О (opportunity) – возможности; Т (threat) – угрозы.

Проанализируйте свою проблему в этой модели и Вы получите ответы на вопросы, что является сильными сторонами вашего проекта, каковы его слабости и как минимизировать ущерб или устранить его, какие новые возможности откроет перед Вами успешная реализация идей, чего Вы лишитесь, если процесс решения задачи окажется неудачным.

Есть еще одна модель, являющаяся эффективной техникой планирования и анализа проблем. Модель СПИН заключается в творческом обдумывании следующих элементов плана/идеи:

С - ситуация... Какова она? Максимально реалистическое описание исходных позиций.

П – проблема. В чем заключается проблема? Где нарушен баланс сил, равновесие? Что не устраивает нас в нынешней ситуации? Каких изменений мы хотим добиться?

И – инструменты, которыми мы располагаем или должны располагать для эффективного решения проблемы (материальная, финансовая, интеллектуальная базы, методический инструментарий).

Н – новая реальность. Формулировка новой ситуации, которая должна сложиться в результате решения проблемы, успешно реализованного плана.

Рассмотрим в следующей теме применение системного анализа к обоснованию путей создания высокоэргономичных систем.