<<
>>

5.9. Этап девятый. Построение и усовершенствование моделей

Как уже было отмечено в главе 3, без моделирования невозмож­на вообще никакая деятельность. В системном анализе модель про­блемной ситуации нужна для того, чтобы на ней «проиграть»возмож- ные варианты вмешательств, чтобы отсечь не только те, которые окажутся неулучшающими, но и выбрать среди улучшающих наибо­лее (по нашим критериям) улучшающие.

Надо подчеркнуть, что вклад в построение модели ситуации де­лается на каждом предыдущем и на всех последующих этапах (и соб­ственным вкладом, и решением о возврате на какой-то ранний этап для пополнения модели информацией). Поэтому на самом деле нет отдельного, особого «этапа построения модели». И все-таки стоит сосредоточить внимание на особенностях построения моделей, а точ­нее — их «достраивания» (т.е. присоединения новых элементов или изъятия лишних). Вот и сделаем это в виде обособления данных опе­раций как бы в отдельный этап анализа.

Многое важное для этой работы мы уже обсудили ранее.

Во-первых, в главе 2 мы обозначили тот факт, что типов моде­лей всего три: черного ящика, состава и структуры (и их нужные ком­бинации). Там же были обсуждены трудности, с которыми столкнет­ся тот, кому придется строить эти модели; не будем повторяться.

Во-вторых, в главе 3 были обсуждены способы построения мо­делей — анализ и синтез.

В-третьих, в главе 4 мы рассмотрели метод проб и ошибок, в ходе которого и осуществляется «достроение», модификация, коррекция моделей путем включения в нее новой информации, полученной при очередном эксперименте с системой.

В-четвертых, в разделе о языковых моделях мы подчеркнули, что по мере повышения степени изученности системы модель системы проходит путь от ее «мягкого», «рыхлого» оформления в вербальной, качественной форме, через наполнение новой информацией (и выра­жение в «профессиональных» языках), до (в случае необходимости, т.е. если проблема не решилась ранее) ее все более «жесткого», форма­лизованного описания, в конце концов — математического.

Пожалуй, самым удивительным при попытках понять, как уст­роен мир, является то, что учтя лишь конечные совокупности отно­шений в бесконечном мире, мы часто добиваемся успехов в достиже­нии наших целей. То ли мир устроен «просто», то ли мы сами весьма «ограниченны», то ли наше взаимодействие с миром «заужено» — это философские вопросы, а факт состоит в том, что конечные, упрощен­ные модели позволяют нам успешно познавать и преобразовывать (!) бесконечный мир. Но выяснилось, что для этого годятся не любые модели, а отвечающие ряду требований, обобщенных нами в поня­тии адекватности (глава 3).

О качественных моделях. Построение «мягких», «рыхлых» ка­чественных моделей — больше искусство, чем наука. Но есть несколь­ко полезных советов.

1. Следует разделить все входные факторы задачи на управляе­мые и неуправляемые. Управляемые переменные подвластны нам, неуправляемые характеризуют условия, ограничения задачи.

2. При выделении управляемых переменных надо иметь в виду, что связь между переменными может ошибочно приниматься за причинно- следственную. Приведем пример. В одном городе в США было обнару­жено, что в тех районах, где загрязненность воздуха сажей больше, там и заболеваемость туберкулезом выше. Были приняты эффективные меры по борьбе с выбросами сажи в атмосферу. Через несколько лет заг­рязненность воздуха существенно уменьшилась, а заболеваемость тубер­кулезом — нет. Оказалось, что главной причиной болезни было недоста­точное питание. А связь с загрязнением воздуха была косвенной: в районах с плохой экологией квартплата была ниже и там селились в ос­новном бедные семьи, плохо питающиеся. Итак, ловушка в этом случае состоит в том, что мы относим к числу управляемых только известные, знакомые нам по опыту факторы. Обойти эту опасность можно, созда­вая междисциплинарные группы разработчиков, с разных сторон смот­рящих на проблему.

3. При рассмотрении неуправляемых факторов очень перспек­тивным для решения проблемы является превращение неуправляе­мой переменной в управляемую.

(Вспомним пример с автобусной компанией из главы 1, когда оказалось, что продуктивно в часы пик вывести кондукторов из автобусов на остановки.) И, конечно, перс­пективно изучение фактора, не управляемого вследствие недостатка знаний о нем.

4. Полезно иметь в виду, что стремление свести все связи к при­чинно-следственным часто ведет к неадекватности модели. Желудь не является причиной дуба — необходимо множество других усло­вий, без которых дуб не вырастет из желудя: почва, влага, темпера­тура, освещенность и т.д. Полезно использовать понятия направлен­ной корреляции, продуцента — продукта, окружающей среды и условий и т.д.

5. Из научных конструкций, существенно продвигающих пост­роение моделей в «мягкой» ситуации, обращают на себя внимание теория ситуационного управления московской школы, возглавляе­мой Д.А. Поспеловым, и теория обнаружения и усиления закономер­ностей новосибирской школы Н.Г. Загоруйко и Г.С. Лбова[6].

О количественных моделях. В практике все большее значение придается количественному моделированию. Модель «прозрачного ящика» (комбинация моделей черного ящика, состава и структуры системы) в этом случае воплощается в виде некоторой формулы или алгоритма, связывающих входные переменные X с выходными У: У = = п(Х). Количественные модели могут быть описательными, фено­менологическими, когда формула конструируется эвристически, а ее коэффициенты подбираются для наилучшего согласования с экспе­риментальными данными.

Важный аспект такого построения количественных моделей ос­ветил Р. Акофф в своем 21-м «антизаконе менеджмента»:

«Чем меньше менеджеры понимают свой бизнес, тем больше переменных им требуется для его объяснения. Е = тс[7] (специальная теория относительности) содержит одну независимую переменную, т, и объясняет, пожалуй, наиболее сложное явление, понятое учены­ми. Тогда почему требуется тридцать пять переменных, чтобы объяс­нить, почему люди предпочитают конкретный магазин и покупают определенную крупу? Ответ очевиден: эти явления не поняты. Чем менее понятно что-то, тем больше переменных нужно для создания якобы объяснения этого.

Именно поэтому, когда менеджеры не понимают, что происхо­дит, они собирают всю информацию, какую только могут. Не зная, какая информация релевантна, они боятся пропустить что-то суще­ственное. Как следствие, они страдают гораздо больше от избытка несущественной информации, чем от недостатка существенной».

Предпочтительной является другая форма количественной мо­дели, когда формула выводится из определенных теоретических предположений. В любом случае стоит задача идентификации мо­дели, т.е. определение параметров модели, при которых теоретичес­кие предсказания и практические наблюдения согласуются наилуч­шим образом.

Контрольные вопросы

1. Какова разница между качественными и количественными моде­лями?

2. Что значит «превратить черный ящик в прозрачный»?

3. Что такое «идентификация модели»?

<< | >>
Источник: Ф.П. Тарасенко. ПРИКЛАДНОЙ СИСТЕМНЫЙ АНАЛИЗ. 2010

Еще по теме 5.9. Этап девятый. Построение и усовершенствование моделей:

  1. Модели мышления в когнитивной психологии
  2. § 5. Психодиагностическая задача и ситуация
  3. ТЕОРЕТИЧЕСКИЕ МОДЕЛИ ИННОВАЦИОННОГО РАЗВИТИЯ СОВРЕМЕННОГО БЕЛОРУССКОГО ОБЩЕСТВА Бабосов Е.М.
  4. ГЛАВА 6. ВИКИНГИ — ПРЕЛЮДИЯ И ШУГА
  5. Этапы экономико-математического моделирования
  6. Основные принципы и этапы моделирования спроса и потребления
  7. Модели человеческого капитала
  8. Имитаиионная модель и ее особенности
  9. Этапы имитационного эксперимента
  10. Экономическая информация и ее использование в моделях
  11. Модернизация модели дистанционной и методической поддержки ФЭП на основе использования новых информационных технологий (распределенная модель ФЭП) А.И. АДАМСКИЙ, В.Г. АНАНИН