ФЭНДОМ


Системная динамика как методология и инструмент исследования сложных процессов Системная динамика — это сумма принципов и методов анализа динамических управляемых систем, которые предполагают наличие обратной связи. Такие системы используют для решения различного рода задач. Примером могут быть производственные, организационные, социально-экономические задачи.

Использование системной динамики стало возможным благодаря реализации трех достижений, базисом для которых послужили разработки в области вооружений:


  1. развитие направления проектирования и анализа систем управления с обратной связью;

  2. развитие методов компьютерного моделирования и вычислительной техники;

  3. развитие в моделировании процесса принятия решений.

В основе методологии системной динамики лежит гипотеза о том, что на историю развития во времени в большей степени оказывает влияние его информационно-логическая структура. Самым важным в такой структуре представляется определение, помимо физических и технологических составляющих производственных процессов, политики и традиций, которые прямо или косвенно выявляют процесс принятия решений на предприятии. Представленная структура включает в себя источники усиления временных задержек и информационных обратных связей, тождественны тем, которые имеют место быть в комплексных инженерных системах.

Не менее важным также в системной динамике представляется предположение о том, что более эффективна организация в определениях, которые лежат в ее основе потоков, по сравнению с определениями отдельных функций. Таким образом, в любой организации могут быть определены потоки людей, денег, материалов, заявок и оборудования, интегрированные потоки информации. Ориентация на потоковую структуру вынуждает аналитика расширять внутриорганизационные границы.

Для того, чтобы рассмотреть комплексные системы с обратными связями, необходимо использовать четыре базисных определения:


  1. переменная — это объем конкретного продукта, который имеет специфику меняться в течение времени. Среди решений, которые способна выражать функция, могут быть «количество дополнительных ресурсов». Также переменная отображает итог ранее принятого решения. Например, «затраты». «Экзогенной» переменная может быть в том случае, если на переменную не влияют изменения других переменных системы. Это означает, что такая переменная является внешней для системы. При обратных процессах, переменная будет называться «эндогенной»;

  2. связь — выявляет причинно-следственные отношения между двумя переменными. Если проводить графическую аналогию, то связь представляется в качестве стрелки, в начале которой находится исходная переменная, на конце — зависимая;

  3. цикл с обратной связью — это система двух переменных и двух связей. Данная система предполагает наличие прямой и обратной связи. Первая образуется в результате влияние начальной переменной на значение зависимой. Вторая имеет место в результате влияния зависимой переменной на значение исходной, соответственно. Цикл с обратной связью предусматривает наличие временных задержек. Начальной является задержка между решением и следствием, имеющим место в результате этого решения. Далее, образуется задержка между следствием и тем моментом времени, который предполагает наличие результата влияния информации о данном следствии на новое решение;

  4. система с обратными связями представляет собой систему «взаимозависящих» циклов с обратными связями. Это означает, что свойства переменной в одном цикле влияют на свойства переменной другого цикла. Комплексные задачи управления, которые выражены в таком виде, могут включать в себя многочисленные циклы. Такие комплексные системы и являются базисным предметом исследования системной динамики. Если степень сложности такой системы увеличивается, то, соответственно, возрастает сложность получения формального аналитического решения. В этом случае, для проведения анализа подобных систем используется имитационное моделирование.

Для того, чтобы обеспечить организацию имитационных моделей динамических систем, необходимо применять четыре типа:


  1. время — это исходная переменная для имитационной модели динамической системы. Значение такой переменной образуется посредством системного таймера и изменяется дискретно. Это означает, что начиная с конкретного исходного значения, время за каждый такт увеличивается на заранее определенную величину, которая представлена в качестве единицы модельного времени. Количество тактов и единица времени задаются заранее;

  2. фонд представляет собой переменную, которая эквивалентна объему определенного «продукта», образована в качестве резерва в течение существования модели с начального по текущий момент. Такой резерв допускает добавление или вычитание единиц объема продукта. Соответственно, значение резерва в настоящий момент определяется в качестве суммы его значения в предыдущий момент и величины, которая является эквивалентной разности величин « поступающего» и «извлекающегося» продукта за единицу времени, определенной непосредственно для конкретной модели. В качестве примеров можно назвать фонды материальных и людских ресурсов, объемы накопленной информации, оценка субъективных вероятностей наступления определенных событий к конкретному отрезку времени. Такие переменные могут также выражать степень влияния одних субъектов на другие. Фондами специального вида можно также считать средние величины всех видов;

  3. поток — это такая переменная, которая является эквивалентной объему продукта, поступающего или исходящего из определенного резерва в единицу модельного времени. Значения такой переменной меняют внешние условия. Поток может быть представлен в качестве функции от значений других потоков и резервов.

Резервы определяют статическое состояние системы. Динамику такой системы характеризуют потоки. Допустим, что на определенном отрезке времени все процессы прекратят свое развитие, резервы сохранят те значения, которые имели место на момент остановки, при этом, потоки будут равны нулю. Следует также отметить, что о размере потока можно говорить за конкретный отрезок времени.

Для организации имитационных моделей динамических систем, кроме резервов и потоков, применяют так называемые конверторы, которые представлены в качестве вспомогательных переменных. Величина таких переменных совпадает с константами или значениями математических функций от других переменных. Это означает, что существует возможность конвертирования одних числовых значений в другие.

Очевидные достоинства совместного использования когнитивных и системно-динамических моделей при исследовании  систем порождают все новые попытки расширения функциональности исследований, корректного преодоления проблем масштабируемости объекта в заданной предметной области и, наконец, постановки и решения задач описания и моделирования  поведения в рамках все более сложных архитектур систем моделирования.  Из всего многообразия примеров на данном этапе можно отметить иерархические системы когнитивных моделей , когнитивные архитектуры  и интегрированные системы моделирования  Построение иерархических систем из когнитивных моделей позволяет, оставаясь в рамках единственной выбранной парадигмы моделирования, переходить на последующих (нижних) уровнях иерархии к более детальному описанию сущностей и связей предметной области. Например, при необходимости, одна из вершин когнитивной карты верхнего уровня может быть представлена в свою очередь в виде когнитивной карты на нижнем уровне, и, таким образом, формируется иерархическая система когнитивных моделей [7,8]. В таком «поуровневом» продвижении при изучении слабоструктурированных проблем  систем совокупность иерархических когнитивный моделей (когнитивных карт) позволяет получать достаточно строгие формализации первичного (качественного) описания  процессов и систем.

Следующий шаг в исследовании сложных процессов взаимодействия предлагается выполнять на основе интегрированных систем моделирования . Принципиальное их отличие от рассмотренных выше заключается в использовании различных парадигм моделирования для исследования соответствующих свойств  процессов. 

Следуя в русле выше указанных решений отметим, что для подобных систем задача, таким образом, сводится к формированию минимально необходимой совокупности моделей  m, каждая из которых является одной из проекций процессов в области решений, а все вместе они образуют систему моделей SM, обеспечивающую с должной степенью качества Q (полноты, правильности и адекватности) целевое исследование указанных процессов .

$ S_M = <Z, M, R, Q>, M \neq \emptyset, M := \{m|F(m)\}, |\{m_i\}| = min $ , где  Z – множество (структура) целей, М – множество, состоящее из моделей m таких, что m является одной из проекций F(m) свойств P процессов,  R – множество механизмов и отношений, обеспечивающих интеграцию моделей mi в систему SM, обладающую, в свою очередь, соответствующими интегративными свойствами,   Q – множество требований к качеству исследования процессов. Применительно к сложным процессам  взаимодействия совокупность моделей должна отражать различные абстракции описания структуры, разнообразные аспекты ее поведения, этапы (итерации) ее эволюции в процессе функционирования и развития. Каждая из моделей имеет уникальные свойства, отсутствующие у других, и поэтому в различной степени соответствует реальным процессам. Используемая модель, интерпретирующая исследуемое свойство процессов, в свою очередь, определяет и то, как будет осмысливаться проблема, и какие решения будут приниматься. Необходимо рассматривать архитектуру совокупности моделей в контексте необходимости для решения задачи на конкретном этапе исследования.

Современные сложные процессы  взаимодействия инициируют формирование соответствующего уровню решаемых задач методологического и инструментального обеспечения системного моделирования.  Осмысление и освоение новейших архитектур систем моделирования и адаптация их в русле актуальных проблем исследования кризисных  систем и процессов – так сегодня формулируется одна из важнейших задач развития наук.