Для поиска темы - пользуйтесь СИСТЕМОЙ ПОИСКА


Стоимость дипломной работы


Home Материалы для работы Моделирование как метод системного анализа

Моделирование как метод системного анализа
загрузка...
Рейтинг пользователей: / 0
ХудшийЛучший 

Моделирование как метод системного анализа


Одной из проблем, с которой сталкиваются почти всегда при проведении системного анализа, является проблема эксперимента в системе или над систе-мой. Очень редко это разрешено моральными законами или законами безопас-ности, но сплошь и рядом связано с материальными затратами и (или) значи-тельными потерями информации.
Опыт всей человеческой деятельности учит - в таких ситуациях надо экс-периментировать не над объектом, интересующим нас предметом или систе-мой, а над их моделями. Под этим термином надо понимать не обязательно мо-дель 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 - эконо-мических) приходится прибегать к математическому моделированию.
Буквально через минуту станет ясно, что математическим моделировани-ем мы овладеваем еще на школьной скамье. В самом деле, пусть требуется най-ти площадь прямоугольника со сторонами 2 и 8 метров. Измерение сторон про-изведено приближенно - других измерений расстояний не бывает! Как решить эту задачу? Конечно же - не путем рисования прямоугольника (даже в умень-шенном масштабе) и последующем разбиении его на квадратики с окончатель-ным подсчетом их числа. Да, безусловно, мы знаем формулу S = B•H и вос-пользуемся ею - применим математическую модель процесса определения площади.
Возвращаясь к начатому ранее примеру системного анализа обучения, можно заметить, что там собственно нечего вычислять по формулам - где же их взять. Это так и есть, не существует методов расчета в такой сфере как “прием-передача” знаний и сомнительно, чтобы эти методы когда-либо появились.
Но ведь не существует формулы пищеварения, а люди все-таки едят, пла-нируют процесс питания, управляют им и иногда даже успешно.
Так что же? Если нет математических моделей - не выдумывать же их са-мому? Ответ на этот вопрос самый простой: всем это уметь и делать - не обяза-тельно, а вот тому, кто взялся решать задачи системного анализа - приходится и очень часто. Иногда здесь возможна подсказка природы, знание технологии системы; в ряде случаев может выручить эксперимент над реальной системой или ее элементами (т. н. методы планирования экспериментов) и, наконец, иногда приходится прибегать к методу “черного ящика”, предполагая некото-рую статистическую связь между его входом и выходом.
Таким “ящиком” в рассматриваемом примере считался не только студент (с вероятностью такой-то получивший знания), но и все остальные элементы системы - преподаватели и лица, организующие обучение.
Конечно, возможны ситуации, когда все процессы в большой системе описываются известными законами природы и когда можно надеяться, что за-пись уравнений этих законов даст нам математическую модель хотя бы отдель-ных элементов или подсистем. Но и в этих, редких, случаях возникают пробле-мы не только в плане сложности уравнений, невозможности их аналитического решения (расчета по формулам). Дело в том, что в природе трудно обнаружить примеры “чистого” проявления ее отдельных законов - чаще всего сопутст-вующие явление факторы “смазывают” теоретическую картину.
Еще одно важное обстоятельство приходится учитывать при математиче-ском моделировании. Стремление к простым, элементарным моделям и вы-званное этим игнорирование ряда факторов может сделать модель неадекват-ной 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, представляющих для вас основной интерес, 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 моде-ли: межотраслевого баланса; роста; планирования экономики; прогности-ческие; 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 серьез-ной 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 мы как раз и стремимся строить минимально достаточными, простыми настолько, насколько это возможно без потери сущности процессов. Но логически осмыслить взаимодействие десят-ков, сотен элементов человек уже не в состоянии. И именно здесь может “сра-ботать” известное в математике следствие из знаменитой теоремы Гёделя - в сложной системе, полностью изолированной от внешнего мира, могут сущест-вовать истины, положения, выводы вполне “допустимые” с позиций самой сис-темы, но не имеющие никакого смысла вне этой системы.
То есть, можно построить логически безупречную модель реальной сис-темы с использованием моделей элементов и производить анализ такой модели. Выводы этого анализа будут справедливы для каждого элемента, но ведь сис-тема - 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 обоснован-ными при взгляде изнутри системы. Но не исключена и ситуация, когда эти вы-воды не имеют никакого отношения к системе - при взгляде на нее со стороны внешнего мира.
Для пояснения рассмотрим пример. В нем почти все элементы были по-строены на вполне оправданных логических постулатах (допущениях) типа: если студент Иванов получил оценку “знает” по некоторому предмету, и посе-тил все занятия по этому предмету, и управление его обучением было на уровне “Да” - то вероятность получения им оценки “знает” будет выше, чем при от-сутствии хотя бы одного из этих условий.
Но как на основании системного анализа такой модели ответить на про-стейший вопрос: каков вклад (хотя бы по шкале “больше-меньше”) каждой из подсистем в полученные фактические результаты сессии? А если есть числовые описания этих вкладов, то каково доверие к ним? Ведь управляющие воздейст-вия на систему обучения часто можно производить только через семестр или год.
Здесь приходит на помощь особый способ моделирования - метод стати-стических испытаний (Монте Карло). Суть этого метода проста - имитируется достаточно долгая “жизнь” модели, несколько сотен семестров для нашего примера. При этом моделируются и регистрируются случайно меняющиеся внешние (входные) воздействия на систему. Для каждой из ситуации по уравне-ниям модели просчитываются выходные (системные) показатели. Затем произ-водится обратный расчет - по заданным выходным показателям производится расчет входных. Конечно, никаких совпадений мы не должны ожидать - каж-дый элемент системы при входе “Да” вовсе не обязательно будет “Да” на выхо-де.
Но существующие современные методы математической статистики по-зволяют ответить на вопрос - а можно ли и, с каким доверием, использовать данные моделирования. Если эти показатели доверия для нас достаточны, мы можем использовать модель для ответа на поставленные выше вопросы.


 
загрузка...

Добавить комментарий


Защитный код
Обновить