Конечная цель системного анализа — изменение существующей ситуации в соответствии с поставленными целями. Поэтому окончательное суждение о правильности и полезности системного анализа или о его неправильности можно сделать на основании результатов его практического применения.
С созданием методологии системного подхода и появлением современных ЭВМ при проведении исследований стал доступен тот уровень сложности математических моделей, который определяется понятием “имитационная модель”. Учитывая, что построение и анализ последней не является традиционным в области управления маркетингом предприятия, хотя работы в этом направлении ведутся, остановимся подробнее на основных принципах, применяемом аппарате и методике использования имитационного моделирования.
Под моделью понимается представление объекта, системы или какого-либо понятия в некоторой форме, отличной от формы их реального существования. Она служит средством, помогающим в объяснении, понимании или совершенствовании системы. Так как имитация является одним из видов моделирования, первоначально рассмотрим ряд общих вопросов построения моделей.
Среди многочисленных функций моделей в качестве основных можно отметить такие, как средство осмысления действительности, средство общения, средство обучения и тренажа, инструмент прогнозирования, средство постановки экспериментов и др. Все эти функции, в свою очередь, порождают два типа моделей:
описательные;
предписывающие.
В первом случае модель служит для объяснения и лучшего понимания объекта, а во втором модель позволяет предсказать характеристики объекта, определяющие его поведение. Модель предписывающего типа, разумеется, является и описательной, но не наоборот. Уже в первых работах по кибернетике Н. Винера [18], А.А. Ляпунова [51] и других проблемы модели были сформулированы весьма строго и последовательно, а в дальнейших исследованиях разработаны как теоретически, так и практически.
Классификация моделей может быть осуществлена многочисленными способами, каждый из которых служит определенной цели. Среди типовых групп моделей, которые могут быть положены в основу системы классификации, следующие [17,43]:
статические и динамические (в последнем случае входные и выходные переменные модели являются функциями времени);
дискретные (значения переменных модели берутся только из конечного множества) и непрерывные (с непрерывностью переменных);
детерминированные и стохастические (моделирование сложных систем с учетом случайных возмущающих факторов);
натурные, аналоговые, математические и др.
В последнем варианте классификации удобно представлять модели в виде непрерывного спектра (от точных моделей или макетов реальных объектов до абстрактных математических моделей). Максимально похожими на реальный изучаемый объект оказываются натурные модели. К ним относятся как макеты в натуральную величину (например, наземная модель космического корабля), так и уменьшенные или увеличенные модели объектов, выполненные в определенном масштабе.
Более абстрактными являются аналоговые модели, в которых свойство одного реального объекта представляется другим свойством аналогичного по поведению объекта. Аналоговую модель другого типа представляет любой график, где расстояние между точками отображает такие характеристики реального объекта, как время, количество единиц, прирост денежных средств, увеличение числа покупателей и т. п. Еще одним примером являются различного рода схемы.
Дальнейшее увеличение уровня абстрактности приводит к моделированию, часто называемому играми (планировочные, военные, управленческие). Здесь во взаимодействие вступают люди и машинные компоненты. Так, например, в деловых играх человек взаимодействует с информацией, поступающей от ЭВМ, которая моделирует все другие свойства системы, и принимает решения на основе полученной информации. Продолжая процесс увеличения степени абстрактности, приходим к полностью машинному моделированию.
Вершиной этого процесса являются математические модели, в которых для представления исходного объекта используются символы, а не физические устройства. Обычным примером таких моделей являются различного рода уравнения: алгебраические, дифференциальные, разностные и т. п. В таком же виде записываются и имитационные динамические модели.
В свою очередь, математические модели могут классифицироваться по целому ряду признаков. Так, например, по характеру отображаемых свойств реального объекта они делятся на функциональные модели, отображающие процессы функционирования объекта и часто имеющие вид уравнений, и на структурные модели, отображающие только структурные (в частности, геометрические), где свойства объекта и часто представляемые в виде различных графов.
Теперь обратимся непосредственно к процессу моделирования. Он включает в себя этапы создания модели реальной системы, проведения на этой модели экспериментов с целью осмысления поведения системы, оценки различных стратегий управления системой и пр. Все это подсказывает ряд существенных черт, которыми должна обладать хорошая модель. Так, ей следует быть:
простой и понятной для пользователя;
целенаправленной;
надежной в эксплуатации (в смысле наличия гарантий от абсурдных результатов);
удобной в управлении и обращении (общение с ней должно быть легким);
полной с точки зрения возможностей решения главных задач;
адаптивной (легкий переход к другим модификациям и обновление данных);
допускающей постепенные изменения (будучи сначала простой, она может во взаимодействии с пользователем становиться все более сложной).
Необходимость выполнения большинства этих требований очевидна, вместе с тем следует учитывать, что они часто противоречат друг другу. Так, требование полноты может приходить в противоречие с простотой и целенаправленностью модели. На практике прибегают к разумному компромиссу в зависимости от целей решаемой задачи.
В числе отмеченных требований, одним из наиболее важных требований является свойство целенаправленности модели. В связи с этим следует обратить пристальное внимание на цели и задачи, которые должна решать данная система, а также на соответствие модели и исходного объекта.
Перечисленные выше критерии относятся к моделям произвольного вида. Основными требованиями, предъявляемыми к математическим моделям, являются адекватность, универсальность, экономичность. Первое из них отражает степень совпадения предсказанных с помощью модели значений параметров объекта с истинными значениями этих параметров и хорошо связывается с обеспечением приемлемой точности.
Универсальность определяется применимостью модели к анализу многочисленных однотипных объектов для многих режимов их работы.
Основоположником имитационного динамического моделирования в экономике по праву считается Дж. Форрестер [96,97,98]. В этих монографиях он не только разработал технологию построения имитационных моделей (кибернетика предприятия), но и сумел реализовать их на ЭВМ, создав специальный язык динамического программирования DYNAMO. В дальнейшем технология Дж. Форрестера применялась и применяется при решении задач управления предприятием, отраслью и т.п. За тридцать лет, прошедших с момента создания имитационного динамического моделирования оно стало необходимым инструментом в экономике и экологии.
Сущность метода имитационного динамического моделирования состоит в следующем: модель представляет собой систему уравнений, связывающих между собой основные выбранные нами основные переменные модели, называемые уровнями модели и темпами (характеризующими скорости изменения уровней модели с течением времени). Процесс моделирования в этом случае состоит в решении этой системы уравнений на компьютере. При использовании метода имитационного динамического моделирования приоритетной задачей является разработка модели, установление связей между переменными и составление уравнений функционирования этой модели.
Согласно определению Дж. Форрестера [96]: Имитационное моделирование – это процесс создания модели реальной системы и проведение экспериментов на этой модели с целью понять поведение этой системы и оценить различные стратегии, обеспечивающие ее функционирование. Процесс разработки имитационной модели включает в себя несколько этапов:
определение проблемы;
определение факторов, которые взаимодействуют при возникновении наблюдаемых симптомов;
выявление причинно-следственных связей;
формулировку общих правил, по возможности объясняющих, каким образом на основе имеющихся потоков информации
построение математической модели, включающей правила принятия решений, источники информации и взаимодействие компонентов системы;
проверка адекватности модели реальному объекту (в нашем случае массовой физической культуре в муниципальном образовании);перестройку в рамках модели организационного взаимодействия и правил принятия решений (в нашем случае, определенных педагогических воздействий) для достижения желаемого результата.
Процедура построения имитационной модели представлена на Рис.1.4
Алгоритм имитационного моделирования схематически можно представить следующим образом:
1. Постановка задачи и определение типа модели.
На этом этапе главным является способность формулировать проблему. Постановка задачи, как правило, оказывается непрерывным процессом, не прекращающимся в ходе исследования. Новая информация, касающаяся ограничений задач и возможных альтернативных вариантов, периодически используется для обновления формулировки и постановки задачи.