Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Методология и практика планирования эксперимента в России. Монография
.pdf
сячной коллективной стажировки) – 124 часа. Программа курса состояла из двух частей: 1) вычислительная техника и программирование; 2) планирование и автоматизация эксперимента. В программу
входят требуемые сведения из теории вероятностей и математической статистики; описание пакета прикладных программ (ППП) для
обработки биомедицинской информации; использование ППП для
элементарных статистических выводов; использование ППП для
анализа
таблиц сопряженности и регрессионного анализа; планирование эксперимента; использование ППП для дисперсионного и многомерного статистического анализа; методологические проблемы
построения математических моделей в биологии.
Курс был рассчитан на широкий круг слушателей, в том числе и
тех, кто не имел специальной математической подготовки и опыта
работы с ЭВМ, не знал языков
программирования. Требуемые сведения из теории вероятностей и математической статистики излагались
в процессе чтения курса. Отличительная его особенность – ориентация на широкое использование ЭВМ, диалоговых систем и ППП,
направленных на биологические задачи. Усвоению курса способствовало включение большого числа примеров из разных областей биологии.
Преподаватели курса – профессиональные математики, около 10 лет
работавшие на биофаке МГУ в лаборатории математической теории
эксперимента. Накопленный ими опыт позволил строить курс на основе
обсуждения результатов анализа реальных биологических экспериментов с применением стандартного математического обеспечения ЭВМ.
Преподавание курса существенно отличалось от традиционного
преподавания программирования и методов анализа данных (например, в курсе математической статистики) тем, что
раскрытие содержание предмета велось не путем доказательства теорем и связанных
с ними упражнений, а путем решения конкретных биологических
задач на основе экспериментальных данных, собранных самим слушателем или его сотрудниками. Объяснение существа используемых
методов проводилось в процессе непосредственного использования
ЭВМ. Обучение собственно программированию сводилось к минимуму, так как главным
считалось умение пользоваться готовыми
программами, в частности ППП по статистической обработке биомедицинской информации.
51
В 1987 г. на биологическом факультете появились первые персональные компьютеры для учебных целей и был оборудован на кафедре биофизики новый компьютерный класс. Преподавание математико-статистических методов, информатики и программирования
проводилось совместно с сотрудниками сектора информатики кафедры биофизики. В этот период осваивалась новая техника, пересматривались методики обучения, учебные
программы, учебные задания,
разрабатывались новые учебные пособия. Контингент обучаемых
включал студентов и аспирантов, преподавателей разных кафедр биофака, слушателей факультета повышения квалификации из других
университетов и научно-исследовательских институтов, слушателей
специального отделения «Экология» и специалистов агропрома.
В нашей стране назрела потребность в организации специально-
сти «биометрика» (или, шире, «биоматематика»). По
современным
представлениям постановке экспериментов должно предшествовать
их планирование. Математическая теория построения оптимальных
планов хорошо разработана. Из-за наличия множества критериев оптимальности встает задача выбора компромиссного решения. Это
достаточно сложная задача, но при использовании компьютера она
облегчается. Компьютеру можно передать не только вычислительные, но и консультационные, и контрольные задачи [57, 93].
Развивая
эту тему, В. В. Налимов еще ранее предложил ввести новую междисциплинарную специализацию – готовить в университете
выпускников смешанного профиля, математически ориентированных
биологов, психологов и пр. Соотношение изучаемых дисциплин, математических и предметных, могло бы быть 1:1. Специалисты такого
профиля могли бы выступать в роли консультантов, поддерживая на
должном уровне процесс математизации
таких научных дисциплин,
которые традиционно развивались, не опираясь на математические
знания. Специалисты такого профиля могли бы выступать не только
в роли консультантов, но и в роли организаторов больших межклинических и межлабораторных исследований. Академик А. Н. Колмогоров поддержал это предложение, но реализовать этот замысел все
же не удалось [64].
В заключение
этого раздела приведем соображения В. В. Налимо-
ва о преподавании математики:
«Нематематика надо учить математике как языку. Это значит,
что надо учить его говорить на этом языке, обсуждая явления
52
внешнего мира. Однако сейчас, в силу установившейся традиции, мы
учим студентов только грамматике этого языка. Представьте себе, что кто-то из нас захотел бы освоить какой-нибудь новый язык,
скажем, японский, изучая только его грамматику, – нелепость этого всем была бы очевидна; но вот никто не замечает, что именно
так
мы поступаем при обучении экспериментатора языку математики. И вот, что интересно – чистый математик, как правило,
также не умеет говорить о внешнем мире на языке математики. И
причина этого ясна: он обучен иметь дело с математикой как с замкнутой системой. Его интересует только отношение знака к знакам, но
не отношение языка к внешнему миру. Как только мы переходим к описанию явлений внешнего мира на языке абстрактных
символов, логика построения наших суждений оказывается отличной от логических структур чистой математики, хотя при этом
мы используем математику как язык. И здесь опять уместна аналогия: в нашем повседневном речевом поведении
мы используем формальную логику, строя грамматически правильные предложения, но
структура наших высказываний никогда не бывает построенной
так, как строятся исчисления, – постулаты часто сознательно
формулируются расплывчато, разным постулатам мы склонны приписывать подчас разные веса и часто вводим совсем алогичные элементы – метафоры» [94, c. 121].
2.4. Организационные вопросы
Через три года после кончины председателя Совета по кибернетике академика А. И. Берга (1979) в Совете была образована секция
«Теоретические проблемы автоматизации научных исследований»
под руководством д-ра техн. наук А. Д. Смирнова. Существовавшая
ранее секция «Математическая теория эксперимента» была преобразована в комиссию «Планирование и анализ эксперимента» в составе
этой новой секции. Исследования комиссии в основном были связаны с использованием теоретико-методических результатов в автоматизированных системах научных исследований и с созданием соответствующего программного обеспечения.
На начало 1990-х годов было проведено более 10 конференций по
планированию эксперимента и несколько научных школ. В рамках
секции Совета по кибернетике работали 18 постоянно
семинаров [62, 64].
действующих
53
Продолжались всесоюзные конференции по планированию и автоматизации эксперимента в научных исследованиях (1983 г. – седьмая, 1986 г. – восьмая, 1989 г. – девятая). На IX конференции отмечалось, что за последние 25 лет произошло существенное изменение
тематической структуры исследований. Вместе с планированием
эксперимента получили развитие новые методы, основанные на нетрадиционных концепциях анализа данных, структурной идентифицируемости
моделей, интервальных и робастных процедурах, методах машинного эксперимента и др. Привлекли внимание вопросы
планирования эксперимента на случайных полях, в задачах идентификации моделей и методов оценивания с использованием интервальной арифметики. Отмечено существование разрыва между достаточно глубокой проработкой теоретических вопросов планирования эксперимента и их практическим использованием [95].
Коллектив
МЭИ (руководитель Г. К. Круг) с 1983 г. начал проводить конференции «Перспективные методы планирования и анализа
эксперимента при исследовании случайных полей и процессов».
С изменением структуры секции Совета по кибернетике начался
распад огромного отечественного «незримого» коллектива на ряд
мелких, в основном формальных коллективов, связанных ведомственной тематикой. Ранее Совет поддерживал повседневную
деятельность секции: издательскую, мониторинг проблематики (например, ежегодный выпуск аналитических обзоров), проведение научных семинаров, школ и пр. Эта деятельность Совета постепенно прекратилась. Тем не менее, на рассматриваемом этапе удалось провести ряд мероприятий. В 1981 г. на базе Тихоокеанского океанологического института Дальневосточного научного центра во Владивостоке
был проведен научный семинар «Математические методы проведения эксперимента» вместе с лекционным циклом. Цикл состоял
из двух частей: 1) для слушателей, не знакомых с математической
теорией эксперимента; 2) для подготовленных слушателей.
В 1985 г. постоянно действующий семинар по планированию эксперимента под руководством В. В. Налимова прекратил свою деятельность. Его лаборатория математической теории
эксперимента в
1988 г. перешла на кафедру зоологии позвоночных животных и общей экологии биологического факультета Московского университета
(заведующий кафедрой академик В. Е. Соколов). В лаборатории в
1986–1988 гг. изучалась тема «Применение методов математического
54
планирования эксперимента и многомерного статистического анализа для разработки эффективных схем лечения туберкулеза в эксперименте» (Л. А. Панченко, Т. М. Ширяева) [90].
Продолжали действовать малые научные коллективы, ориентированные на применение методов планирования эксперимента. Например, научный коллектив во Всесоюзном институте авиационных материалов занимался вопросами планирования эксперимента при термической
обработке металлов. Исследователи разработали стандартные технологические инструкции по планированию эксперимента
при выборе режимов термической обработки. Ряд режимов был
внедрен в производство и принес экономический эффект (Ю. М.
Должанский). Лаборатория биокибернетики Института полиомиелита и вирусных энцефалитов Академии медицинских наук СССР стала
консультационным центром Академии по планированию эксперимента в
медико-биологических исследованиях (А. Н. Лисенков). В
лаборатории разрабатывались и применялись специальные методы
планирования эксперимента, учитывающие специфику решаемых
задач. До 1990 г. работал семинар «Планирование эксперимента в
задачах медицины, биотехнологии и смежных областях» (руководители А. Н. Лисенков, Е. В. Маркова).
В этой же области работал коллектив по планированию экспери-
мента Всесоюзного
научно-исследовательского и технологического
института биологической промышленности (А. А. Маслак) [90, 96].
В 1990 г. в Московском энергетическом институте была проведена
учредительная конференция по статистическим методам и их применению, где было принято решение о создании Всесоюзной ассоциации, президиум которой был избран в конце года. В составе ассоциации был образован Всесоюзный
центр статистических методов и информатики (директор д-р техн. наук А. И. Орлов). В этом центре была
создана секция «Планирование эксперимента» [97]. В дальнейшем ему
не удалось сыграть важной роли в развитии данного направления.
Отметим, что в 1985 г. Государственный комитет по науке и тех-
нике и Академия наук СССР утвердили программу
по развитию ав-
томатизированных систем научных исследований.
Между тем в 1987 г. Международная организация по стандартизации (ИСО) ввела в практику международные стандарты в области
менеджмента качества ИСО 9000, которые содержали в себе пункт,
советующий руководителям промышленных предприятий использо-
55
вать статистические методы в рамках систем менеджмента качества
для достижения потребителями продукции и/или услуг максимального удовлетворения. В мире уже шла широкая кампания за качество
как ключевое условие успеха на рынке. Приблизительно в 1990 г. и
наша страна включалась в этот процесс. Мы вернемся к нему при
описании третьего этапа развития
планирования эксперимента.
2.5. Наукометрические исследования
На втором этапе масштаб наукометрических исследований по
планированию эксперимента заметно сократился. Одна из оставшихся тем – изучение цитируемости работ профессора В. В. Налимова,
важная для оценки уровня развития исследований в стране. По указателю Science Citation Index суммарная цитируемость за 1966–1986 гг.
составила 2177 ссылок, причем около 30 % ссылок получила монография по планированию экстремального эксперимента (в
стве с Н. А. Черновой) [18]. Прослежена и цитируемость в гуманитарных науках. По указателю Social Science Citation Index за тот же
период было получено 320 ссылок [90, c. 47].
В этот период В. В. Налимов в обращении к администрации биологического факультета МГУ предложил использовать наукометрию
для управления развитием науки на факультете. В составе руководимой им
лаборатории математической теории эксперимента была совсем небольшая наукометрическая группа, которая не имела возможностей решать масштабные наукометрические задачи. В обращении обоснован тезис: математизация биологического знания невозможна без систематического наукометрического анализа.
В. В. Налимов утверждал, что обращение к наукометрии становится возможным после выяснения структуры науки. Считая науку
самоорганизующейся
информационной системой, можно полагать,
что структура науки задается системой библиографических ссылок.
Ссылки связывают публикации между собой и таким образом структурируют информационный поток. Поэтому в наукометрии анализ
структуры библиографических ссылок занимает важное место. Так
как наука погружена в социальные структуры, на систему библиографических ссылок заметно воздействуют такие искажающие ее
факторы, как языковые, идеологические и политические барьеры. Но
эти факторы все же не разрушают систему внутренних связей между
публикациями.
соавтор-
56
Проводя наукометрический анализ, важно учитывать, что научные информационные потоки отчетливо разделились на англоязычный и русскоязычный. Широко используемая база данных WoS слабо охватывает русскоязычные публикации. Поэтому целесообразно
организовать систематическое накопление наукометрических данных
с анализом русскоязычного потока [90, c. 71–73].
Из других исследований по наукометрической тематике отметим
работу [98], в которой выдвинута идея рассмотрения научной
работы
как эксперимента, направленного на поиск оптимальных условий. В
этом случае имеет смысл использование методов планирования экстремального эксперимента. Тогда можно выделить этапы отбора зависимых переменных и факторов, изменения факторов с целью повышения эффективности научных исследований, интерпретации результатов и продолжение поиска оптимальных условий. Из параметров оптимизации –
индикаторов эффективности научной работы –
возможно использование количества ссылок на работы исследователя, членство в редакционных коллегиях периодических изданий,
премии, научные награды и пр. Из факторов выделены число различного вида публикаций (статьи, обзоры, монографии.), число докладов на конференциях разного ранга и т.д. Идейно процесс научного
исследования близок к производственному
процессу – по сложности,
большому числу факторов и параметров оптимизации, трудности
построения математической модели. Поэтому рекомендовано на стадии оптимизации использование представлений метода эволюционного планирования эксперимента. Исследования по оптимизации
научной работы целесообразно проводить в центрах анализа информации, накапливающих данные о публикациях, социальных, экономических и прочих достижениях в научных
направлениях.
57
3. ТРЕТИЙ ЭТАП РАЗВИТИЯ
ИССЛЕДОВАНИЙ ПО ПЛАНИРОВАНИЮ
ЭКСПЕРИМЕНТА В РОССИИ (1992–2010)
3.1. Методологические исследования
Последний этап нашего анализа совпал с началом перестройки,
которая радикально изменила жизнь страны и судьбы многих людей.
Некоторые работы продолжались по инерции и в силу необходимости, но начали «прорастать» и новые подходы. На этом этапе продолжались работы по новым методам обработки экспериментальных
данных как части исследований по планированию эксперимента
регрессионному анализу. К ним относятся, например, такие научные
направления, как анализ интервальных данных, статистика объектов
нечисловой природы, непараметрическая и робастная статистика,
бутстреп и др. В первом из них исходные данные задаются интервалами, а ограничения на погрешности реализуются разными способами. По сути дела, имеет место новый тип модели
личной от модели, принятой в классическом планировании эксперимента. Переход к интервалам привел к созданию новой теории, в которой показано отсутствие состоятельных оценок, не надо увеличивать объем выборки сверх некоторого предела и пр. Здесь разработаны
процедуры получения моделей и аппроксимации функций с заданной
точностью, критерии оптимальности планирования
Другое направление – статистика объектов нечисловой природы
(нечисловая статистика, статистика нечисловых данных). В этом
направлении прикладной статистики изучаются объекты, не описываемые числами, а служащие элементами пространств, не имеющих
векторной структуры. Это, например, бинарные отношения (разбиения, ранжировки и пр.), результаты парных и множественных сравнений, измерения в
часто нельзя складывать и умножать на числа без потери содержательного смысла при использовании этих операций. Например, средние значения вводятся как решения экстремальных задач. В этой области исследований выделились направления: 1) статистика конкретных видов объектов нечисловой природы; 2) статистика в пространствах общей (произвольной) структуры; 3) применение идей, мето-
шкалах, отличных от шкалы отношений и пр. Их
наблюдений, от-
и т.д. [99–103].
и
58
дов и подходов статистики объектов нечисловой природы в традиционных областях математической статистики.
Статистика в пространствах общей природы позволила с единых
позиций рассмотреть многие положения прикладной статистики. Это
показало, например, что регрессионный, дисперсионный и дискриминантный анализ служат частными случаями общей схемы регрессионного анализа, что вполне соответствовало сложившимся представлениям
, о которых уже говорилось выше. Структура математической модели – это также объект нечисловой природы (как вариант –
оценивание степени полинома в регрессии). Вообще, такие объекты
встречаются повсеместно и некоторые примеры давно и хорошо знакомы (например, дискретные уровни факторов в моделях дисперсионного анализа).
Теория объектов нечисловой природы отчасти пересекается с
теорией нечетких множеств, развитой Л. Заде и его последователями. А
результаты измерений всегда имеют погрешности и их можно рассматривать как нечеткие множества. В этом состоит еще одна возможность пересмотра ряда выводов теоретической статистики [104–106].
Продолжали развиваться непараметрическая, робастная и байесовская статистика. В непараметрической статистике, где не требуется
предположений о принадлежности функции распределения параметрическому семейству, постулируется только непрерывность
функции распределения. В робастной статистике создаются процедуры, малочувствительные к присутствию засоряющих наблюдений.
Здесь используется некоторая информация о законах распределения.
Разработан подход, в котором каждой процедуре параметрической
статистики соответствует одна или несколько процедур непараметрической статистики. Развита идея изучения
процедур параметрической статистики как непараметрических. Предложены множество
непараметрических критериев, оценок плотности вероятности, аналогов задач регрессионного и дисперсионного анализа и пр. [89].
Начавшийся в конце прошлого века процесс создания систем менеджмента качества продолжался и в это время. На всех этапах он
был связан со статистическими методами и с планированием экспе
риментов. Интересно, что современный этап развития систем менеджмента качества принято отсчитывать от работы У. Шухарта,
опубликованной в 1924 г. В этой работе была предложена контрольная карта, названная позже контрольной картой Шухарта. Таким об-
-
59
разом, начало этого направления было статистическим. Позднее
Додж и Ромиг предложили строить планы выборок, и это тоже была
статистическая работа, воплотившаяся сначала в американский военный стандарт MS 105D, а затем протиражированная в стандартах
большинства стран мира, в том числе и нашей страны. Однако дальше дело взяли в свои руки специалисты, далекие
от какой бы то ни
было математики (а мы знаем, что большинство живущих в западной
части земли людей чувствует внезапный приступ зубной боли, как
только им приходится иметь дело со статистикой). Они начали строить систему менеджмента качества, опираясь на опыт бывалых людей, достигших успехов в бизнесе. А эти
люди, как правило, никогда
систематически не учились, тем более каким-то туманным статистическим материям. Зато они понимали в жизни. Поэтому, когда после
Второй мировой войны была создана Международная организация
стандартизации (ИСО), она приступила к разработке международного стандарта ИСО 9000:1987, ставшего первым документом этой серии, в котором статистика вовсе не
доминировала. Правда, совсем от
нее избавиться было как-то неудобно, поэтому последним, двадцатым, пунктом, все же значилось, что менеджмент должен применять
статистические методы, если он не сможет доказать, что у него
именно такой случай, когда статистика совершенно неуместна. В
следующих версиях стандарта ИСО 9000 этот пункт был исключен,
поскольку стандарт
перешел от функционального к процессному
описанию организации. Правда, вскоре появился отдельный документ о применении статистических методов. В судьбе этого стандарта триумф сменился разочарованием. Это было связано не с содержанием самого документа, а со способом его внедрения через сертификации третьей стороной, т.е. специальным уполномоченным органом, предназначенным
для аудита и выдачи сертификатов соответствия.
Трагедия заключалась в том, что новая парадигма бизнеса, связанная с
очередной научно-технической революцией, строилась на доверии
между партнерами в бизнесе, а механизм сертификации, напротив,
предполагал в партнерах стремление «объегорить» друг друга. В результате механизм сертификации такого рода оказался коррупционным,
и теперь у
нас сколько хочешь сертифицированных организаций, малая
доля которых имеет не только сертификат, но и саму систему.
Тем не менее развитие продолжалось. Статистический реванш
пришел с неожиданной стороны. После Второй мировой войны в
60
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]