ПОЗНАВАТЕЛЬНОЕ

Оси и плоскости тела человека - Тело человека состоит из определенных топографических частей и участков, в которых расположены органы, мышцы, сосуды, нервы и т.д.

Отёска стен и прирубка косяков - Когда на доме не достаёт окон и дверей, красивое высокое крыльцо ещё только в воображении, приходится подниматься с улицы в дом по трапу.

Дифференциальные уравнения второго порядка (модель рынка с прогнозируемыми ценами) - В простых моделях рынка спрос и предложение обычно полагают зависящими только от текущей цены на товар.

Методические рекомендации студентам по разработке и апробации моделей.

Предыдущая 1 2 3 4 5 6 78Следующая

Весь процесс моделирования удобно представлять в виде последовательности взаимосвязанных этапов, каждый из которых довольно четко идентифицируется.

Этап 1. Анализ и уточнение структуры системы и формулирование целей моделирования. Следует точно установить, для решения каких проблем создается модель, и какова должна быть степень детальности формируемой ею выходной информации. Система в значительной мере определяется положением ее границ, поэтому первая попытка установить границы должна быть предпринята именно в стартовой фазе работ (даже если есть основания полагать, что в на последующих стадиях реальная доступность данных или анализ чувствительности потребуют ревизии принятого решения).

Этап 2. Анализ данных, разработка системы показателей и информационного обеспечения модели. Изучению структуры системы должно быть уделено самое пристальное внимание. Исследователю предстоит рассмотреть ее с позиции целей, сформулированных на первом этапе процесса. При этом возникает промежуточная задача - отразить структуру системы (так, как она понята) в принципах архитектуры создаваемой модели, т.е. определить ее структуру, которая должна подпитываться исходными данными. Способ выполнения этой операции зависит в первую очередь от состава и структуры требуемой выходной информации, а также от структуры и формы модели. Данная фаза играет довольно важную роль для всех последующих этапов разработки и внедрения проекта.

На практике бывают ситуации, когда выбор типа и структуры модели в значительной степени зависит от наличия и доступности соответствующей фактографической информации и от наличия возможности получить недостающие данные за время, отведенное на выполнение исследований. Разумеется, подобные обстоятельства могут негативно отразиться на степени научной новизны разработки, однако несомненно, что выбор типа и структуры модели и определение возможности ее фактографического обеспечения должны осуществляться в теснейшей взаимосвязи: обе эти проблемы самым существенным образом определяют эффективность проводимого исследования.

Этап 3. Выбор типа и создание модели. На этом этапе целесообразно попытаться обозреть весь процесс моделирования в целом (от данной точки до этапа 6). После того, как уточнены цели исследования и оценены принципиальные возможности их достижения с использованием доступной информации и имеющихся знаний, следует постараться сначала уточнить тип модели и подходы к решению проблемы в целом. Исследователь должен руководствоваться тем, что при любых обстоятельствах в принципе правильнее “подгонять приемы под проблему”, а не наоборот.

Если разработчик приходит к окончательному выводу, что наиболее подходящим типом модели будет, например, имитационная, то он может приступать к третьему этапу, то есть непосредственному созданию модели.

Почти всегда на первом шаге чрезвычайно полезна некоторая промежуточная форма описания системы и модели, которая чаще всего представляет набор диаграмм и блок-схем, где отражаются составляющие их элементы и блоки, а также связи. Исключительно полезны схемы основ системы показателей, отражающих основные элементы и процессы, характеризующие проект. Диаграммы и схемы могут в дальнейшем усложняться за счет введения в нее дополнительных уточнений в исследованиях.

Схематическое представление системы и модели является важным этапом в процессе моделирования. Такое описание полезно не только в начальной фазе исследований: оно представляется актуальным и в дальнейшем, когда возникает необходимость включать в них новые данные о системе или расширять состав показателей модели. Иными словами, между схематическим описанием и формализованным (и соответствующим программным обеспечением) должна постоянно поддерживаться связь, облегчающая в конечном итоге построение согласованного взаимодействия между выбранной формой модели и ее информационного обеспечения.

Важной задачей на этапе создания модели является выбор способа “общения” между моделью и лицами, заинтересованными в результатах ее использования. Один из таких способов - применение специальных языков программирования. Хотя к настоящему времени таких языков разработано уже достаточно много, на практике выбор всегда ограничивается профессиональными возможностями конкретного программиста и тем “языковым” разнообразием, которое представлено в программном обеспечении конкретной ЭВМ, предназначенной для реализации модели

Кроме того, необходимо решить, к какому из двух классов (общего или специального назначения) должен принадлежать выбираемый язык. Языки специального назначения (проблемно ориентированные) предполагают наличие средств, облегчающих вычислительную реализацию моделей. При имитационном моделировании, например, к этой группе относятся такие языки, как DYNAMO и CSMP, SLAM, ориентированные главным образом на непрерывные имитационные модели, и GPSS, удобный в работе с дискретными моделями. В дополнение к сказанному специализированные языки бывают весьма полезными при представлении некоторых специфических типов систем. Дальнейшее развитие языки такого типа получили при создании современных инструментальных средств реинжиниринга бизес-процессов (например, G2).

Языки общего назначения обладают другими достоинствами: они более гибки, с их помощью можно организовать обмен информацией с широким классом моделей различных систем. Существует мнение, что разработчикам, например, имитационных моделей, имеющим сравнительно небольшой опыт, целесообразно брать на вооружение языки общего назначения, используемые в многочисленных научных приложениях.

Этап 4. Оценка адекватности модели. Как уже говорилось, моделирование позволяет углубить понимание тех или иных особенностей системы или процесса. Однако решения, подсказанные моделью, иногда могут быть только “информацией к размышлению”. Они могут быть либо отвергнуты, если существует опровергающая аргументация, либо приняты, если они могут быть фактически обоснованы или может быть обоснована их практическая полезность. Модель, которую нельзя проверить, - чисто метафизическая конструкция, а не материализация научного подхода. Поэтому испытание модели представляет собой ключевой элемент в любом системном исследовании.

Оценка адекватности модели обычно включает в себя две фазы: верификацию, т.е. такую проверку, в результате которой устанавливают, что модель ведет себя так, как это было задумано (поэтому эту процедуру иногда называют испытанием на соответствие критериям исследований), и собственно валидацию.

Когда разработчик приходит к убеждению, что “поведение” модели с точки зрения соответствия его замыслу удовлетворительно, формальная часть процедуры оценивания может считаться завершенной. На самом же деле уверенность в работоспособности модели приходит значительно позднее, когда от разработки и верификации переходят к практическому применению. В течение всего этого времени возможны различные промежуточные оценки модели и ее модификации, однако при этом:

- модель не должна отличаться от своего реального прообраза в большей мере ,чем это допустимо с позиций целей, вызвавших необходимость ее создания;

- полученные с помощью модели решения должны быть не менее точны, чем те, которые могли бы быть получены без ее помощи. Такие выдаваемые авансом оценки субъективны по своей природе, однако это не снижает их практической ценности. Более того, рассматриваемый аспект валидации модели часто оказывается наиболее существенным.

Из процедур, в результате которых может быть проведена валидация конкретных моделей, наибольшее распространение получили статистические испытания и экспертные оценки. Как первые, так и вторые могут демонстрировать достаточно высокую точность совпадений модельных расчетов с результатами испытаний реальных систем. Однако один удачный тест (или даже несколько тестов) не означает конца валидации. Почти всегда такие оценки получают при наблюдении ограниченного числа реализаций поведения изучаемой системы или на основании анализа ограниченного числа экспертных оценок. Легко допустить, что при других стратегиях управления или при измененных условиях окружающей среды результаты моделирования были бы менее успешными.

Поэтому валидация - это весьма продолжительный процесс, в ходе которого уверенность в адекватности модели (в идеальном случае) непрерывно возрастает за счет накопления позитивных результатов формальных и неформальных испытаний. Одновременно растет понимание “поведения” модели и может возникнуть необходимость в изменении тех или иных ее параметров. В этом случае между валидацией модели (этап 4) и ее созданием (этап 3) возникает обратная связь.

Этап 5. Анализ чувствительности. Анализ чувствительности - это процедуры, выполняемые с моделью, адекватность которой (хотя бы в “первом приближении”) доказана. Это значит ,что поняты особенности ее функционирования и без труда интерпретируются выдаваемые ей результаты. При прогонах модели в идентичных внешних условиях значения тех или иных параметров могут подвергаться изменениям. Массивы выходных данных составляют основу для ответа на вопрос, какие изменения параметров модели приводят к ощутимым последствиям на ее выходе. Чувствительным принято называть такой параметр, который в существенной мере изменяет численные значения выходов. В таком случае говорят, что модель чувствительна к этому параметру. Подобным, хотя и более сложным способом можно организовать процедуру, в результате которой определяется чувствительность подсистем и связей между ними. Естественно, что анализ чувствительности должен выполняться с учетом целей моделирования. Если чувствительность модели к данному параметру незначительна и это удалось показать для всех уточненных целей моделирования, то нет необходимости детализировать соответствующую исходную информацию и непрерывно наблюдать динамику ее изменения. Приведем некоторые наиболее типичные ситуации, где эта процедура может найти эффективное применение.

1. Если модель достаточно хорошо описывает исследуемую систему, то для зоны чувствительности, обнаруженной в модели, может быть определен реальный аналог. Это уже путь к непосредственному использованию результатов моделирования на практике, так как зоны чувствительности представляют собой те группы элементов системы, на которые для получения желательного эффекта необходимо направить организационные усилия. Таким образом, анализ чувствительности модели помогает определять точки приложения управляющих воздействий.

2. Если удалось показать, что модель чувствительна к каким-либо допущениям (гипотезам), положенным в основу ее разработки или к фактографической информации, которая может носить следы неточности регистрации или несовершенства знаний разработчика, то именно эти аспекты модели должны быть подвергнуты особенно тщательным испытаниям. В результате может оказаться, что для получения более точной и сбалансированной модели требуется коррекция описания подсистем, связей или отдельных характеристик системы. Таким образом, анализ чувствительности моделей помогает уточнить пути и формы их валидации, что отображается обратными связями “этап 5 - этап 4” и “этап 5 - Этап 3”.

3. Уточненные с помощью анализа чувствительности особые участки системы или особые элементы должны быть хорошо поняты и соответствующим образом представлены в модели. Ранжирование особых точек по чувствительности выходов - это первый шаг в уточнении последовательности работ, входящих в программу исследований моделируемой системы.

Отсюда легко увидеть, какую важную роль играет анализ чувствительности в процессе разработки моделей. Это фаза наиболее интенсивного углубления в существо исследуемой проблемы с выходами на формальную валидацию, на разработку структуры модели и отдельных ее элементов и, наконец, на цели всего анализа. В благоприятном случае - это период растущего доверия к модели, даже если имеют место коррекции и доработки. Опыт показывает, что анализ чувствительности, так же как и валидация, - процедура, имеющая большую протяженность во времени: она целесообразна и тогда, когда правомерность практического использования модели уже не вызывает сомнения. Приложение модели к решению конкретных задач можно расценивать как анализ ее чувствительности в изменяющихся условиях.

Этап 6. Использование модели. Конкретный тип модели определяется особенностями реальной исследуемой системы, а сфера использования обычно принадлежит к одному из двух обширных взаимосвязанных классов: для разработки новых систем и для управления существующими системами с возможной их модернизацией. В любом случае моделирование должно помочь исследователю углубить его понимание проблемы и наметить (средствами анализа чувствительности) программу экспериментальных работ. Для большинства производственных систем, нуждающихся в управлении, основная функция модели - формировать объективную информацию, которая могла бы способствовать пониманию поведения исследуемой системы и служить основой для принятия решений.

Технологичность использования модели и удобство интерфейса с пользователем – вопросы, имеющие на практике первостепенное значение.

В случае частично правильного ответа на вопрос или решение задачи, студенту начисляется определяемое преподавателем количество баллов.

Итоговый балл формируется суммированием баллов за промежуточную аттестацию и баллов, набранных перед аттестацией. Приведение суммарной балльной оценки к четырехбалльной шкале производится следующим образом:

Предыдущая 1 2 3 4 5 6 78Следующая