ЕЩЁ РАЗ К ВОПРОСУ ОБ ИСПОЛЬЗОВАНИИ МОДЕЛЬНЫХ ТЕХНОЛОГИЙ

Тиханычев Олег Васильевич
Академия военных наук
кандидат технических наук, профессор

Аннотация
В настоящее время усилился интерес к применению модельных технологий в управлении. Несмотря на достаточно развитый аппарат моделирования и широкий спектр имеющихся моделей, некоторые аспекты процесса их создания и применения до сих пор не урегулированы. Предложен подход к выбору математических моделей для решения различных задач.

Ключевые слова: классификация моделей, математическое моделирование, обоснование выбора модели, прогнозирование


THE USE OF MOBILE TECHNOLOGY

Tikhanychev Oleg Vasilevich
Academy of Military Sciences
Candidate of Technical Sciences, Professor

Abstract
At present, the newly increased interest in modeling technology. Despite the fairly developed apparatus simulation and a wide range of models available, some aspects of the process of creation and application of models has not yet been settled. An approach to the choice of mathematical models for different tasks.

Keywords: classification of models, forecasting, mathematical modeling, model selection study


Рубрика: 05.00.00 ТЕХНИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Тиханычев О.В. Ещё раз к вопросу об использовании модельных технологий // Современные научные исследования и инновации. 2016. № 7 [Электронный ресурс]. URL: https://web.snauka.ru/issues/2016/07/68550 (дата обращения: 19.03.2024).

В науке активно используется наукометрический подход, описывающий уровень интереса к какой-либо проблеме или области знаний через оценку количества публикаций о ней. При возрастании актуальности проблемы, объём публикаций резко возрастает и держится некоторое время достаточно высоким. Потом, достигнув «насыщения» на данном уровне развития науки, постепенно снижается до следующего пика, возникающего после изменения условий и появления новых технологий. Процесс циклический. В настоящее время такой пик, обусловленный очередным витком информационной революции,  можно наблюдать в области математического моделирования. Возрастание интереса к модельным технологиям как инструменту познания, обучения и средству поддержки принятия решений хорошая тенденция, позволяющая повысить объективность и обоснованность принимаемых решений. Но есть у этого процесса и обратная сторона: возникновение некоей «моды» на моделирование, приводящей к тому, что модели начинают разрабатываться и внедряться практически везде, иногда даже там, где в этом нет никакой необходимости. В том числе там, где можно обойтись применением тривиальных информационных и расчётных задач. Другая сторона этого же процесса – расчётные задачи тоже иногда начинают называть моделями: моделями “оптимизационного типа”. Такая ситуация  приводит к дискредитации самой идеи моделирования, возникновения недоверия к моделям – субъективного, но очень устойчивого [1,2].

Чтобы понять эту проблему, необходимо проанализировать место использования математического моделирования в теории научных исследований и в практике управления, определить принципы рационального соотношения процессов моделирования и решения информационно-расчётных задач.

Анализ показывает, что в настоящее время выделяются три основные сферы применения модельных технологий [3,4,5]:

1)Гносеологическая, связанная с исследованием процессов и явлений

2)Обучающая, связанная с подготовкой персонала.

3)Управленческая, связанная с поддержкой принятия решений и прогнозированием последствий их реализации.

Первая область применения связана с изучением объектов и процессов, которых пока ещё физически нет в природе. Если разработка таких объектов процесс долгий и дорогостоящий, то математическое моделирование различных вариантов реализации их структуры помогает снизить временные и финансовые затраты. Частный случай этой области – полунатурные и компьютерные испытания объектов и систем, когда реальный эксперимент дополняется модельным. Примером могут являться «электронные пуски» ракет.

Вторая область – изучение и освоение принципов организации поведения объектов там, где их физически нет в настоящее время: во времени или пространстве: по причинам дороговизны или опасности. Использование математического моделирования в области обучения позволяет снизить затраты на подготовку персонала к управлению реальными объектами и системами. Примерами использования моделирования в этой области являются компьютерные формы обучения, тренажерные системы, системы дополненной реальности.

В третьей области применения моделирования – сфере поддержки принятия решений, используется самый широкий спектр математических моделей для оценки результатов воздействия на поведение сложных систем, обеспечения планирования ресурсного обеспечения, разработки управляющих, нормативных и доктринальных документов и т.п.

Анализ указанных областей использования модельных технологий показывает, что основной функцией применения моделирования в них является прогнозирование поведения реальных и виртуальных объектов и систем, ожидаемых результатов развития процессов.

В настоящее времени существует достаточно широкий спектр средств прогнозирования [6,7]. Один из вариантов их классификации приведен на рисунке 1. Как видно из рисунка, методы прогнозирования включают не только математическое моделирование, но и ряд других подходов: логические рассуждения, решение прямых расчётных задач и т.п. Но именно математическое моделирование, как наиболее точный и универсальный инструмент, является основным средством получения прогнозов, особенно при анализе сложных систем и процессов [8].

Рисунок 1. Обобщённая классификация методов прогнозирования

Основной способ избежать проблем в использовании математического моделирования – корректное использование модельных технологий и рациональное соотношение моделирования и расчётов. Обеспечение этого достигается выполнением двух основных условий, соблюдаемых при принятии решения на использование моделирования в рамках реализации конкретной задачи:

1)определение необходимости использования моделирования в принципе;

2)выбор типа используемой модели.

Первое условие оценивается, в большинстве случаев, простой логикой, на основе анализа условий получения прогноза. Как правило, чем менее задача формализуема и структурируема, тем меньше эффективность применения фактографических методов её решения. Чем проще её формализовать без потери точности результата – тем предпочтительнее применять не модели, а методы прямого вычисления. Сравнительная оценка точности формализации исследуемого объекта и адекватности получаемой модели позволит разработчику, двигаясь  “по узкой тропинке между болотом усложнения и пустыней упрощения”, определить целесообразность применения математического моделирования.

При получении решения в пользу моделирования, появляется задача выбора типа используемой математической модели. Это задача, решение которой определяется достаточно большим количеством разнообразных факторов.

В настоящее время существует достаточно большое множество задач, решаемых с применением математического моделирования и широкий спектр разнообразных моделей. Это разнообразие и порождает проблему выбора модели для эффективного решения конкретной задачи.

Каждая из групп моделей (рисунок 1) обладает собственными характеристиками, преимуществами и недостатками. Причём их комбинации по-разному проявляются в разных условиях практического применения модельных технологий [9,10,11]. В результате перед разработчиком появляется проблема выбора: какой тип модели выбрать для решения конкретной задачи прогнозирования. Проблема эта не простая, но важная, от эффективности её решения зависит качество получаемого прогноза и, в итоге, качество вырабатываемых решений. Основой решения задачи выбора может служить сопоставление характеристик двух процессов: требований к модели от управляемой системы и характеристик классов модели. Вариант анализа такого соотношения приведён в таблице 1. При проведении анализа учитывались некоторые усреднённые условия применения для средних по сложности моделей. Знак “+” в таблице обозначает возможность использования модели при заданных условиях, знак “-” – невозможность или нецелесообразность.

Таблица 1 – Матрица показателей выбора типа модели (вариант)

Характеристика

Варианты и границы изменения

Типы математических моделей, отвечающие заданным требованиям

Стохастические

(имитационные)

Детерминированные

(аналитические)

Логические

Модели временных рядов

Требования по оперативности моделирования (допустимая длительность цикла моделирования) Высокие

-

+

+

+

Сопоставимые с динамичностью управляемой системы (режим реального времени)

-

+

+

+

Не критично

+

+

+

+

Требования по точности прогноза Критичны

+

+

+

-

Не критичны

+

+

+

+

Структура исходных данных Достоверные

+

+

+

+

Вероятностные

+

+

+

+

Качественные

+

-

+

-

Неполные

-

-

+

-

Частота обновления исходных данных Высокая

-

+

+

+

Низкая

+

+

+

+

Гибкость структуры модели Практически не изменяемая

+

+

+

+

Изменяемая периодически

+

-

+

-

Динамично настраиваемая под структуру моделируемого процесса

-

-

+

-

Моделирование редко возникающих уникальных событий Необходимо

+

-

+

-

Нет необходимости

+

+

+

+

Требования по подготовленности пользователей Высокие

+

+

+

+

Не критичные

-

+

+

+

Разумеется, классификация характеристик выбора, приведённая в таблице 1, является осреднённой и приблизительной. Для получения точного анализа пригодности тех или иных моделей для решения конкретных задач нужно в каждом случае проводить более детальный анализ, ориентированный на конкретные условия применения [12,13,14], с составлением более детальной, уже не “плоской” а многомерной матрицы характеристик. Кроме формирования матриц применимости, могут использоваться и другие условия и принципы оценки целесообразности использования различных типов моделей в разных сферах использования: от субъективных логических до точных расчётных, например, квалиметрических. Эти подходы могут как заменять, так и дополнять предлагаемый метод.

Использование предлагаемых принципов может быть одним из условий повышения эффективности получения прогнозов в самых разных отраслях применения математического моделирования, от технических, до экономических [15] и социальных [16,17]. И, как следствие, корректного использования модельных технологий, обеспечивающего поступательное развитие области практической поддержки принятия решений.


Библиографический список
  1. Тиханычев О. В. Субъективные аспекты применения математического моделирования военных действий в практике работы органов военного управления // Военная мысль. 2011. № 10. С. 49–53.
  2. Цигичко В. Н. Модели в системе принятия военно-стратегических решений в СССР. М.: Империум-Пресс, 2005. 96 с.
  3. Тиханычев О.В. Автоматизация поддержки принятия решений. – М.: Эдитус, 2015. – 94 с.
  4. Ляпин В.Р., Барвиненко В.В. Единая информационно-моделирующая среда в системах военного назначения // Военная мысль – 2015. –№4. – С. 72-78.
  5. Выпасняк В. И., Тиханычев О. В. Автоматизированные системы управления войсками (силами): тенденции, методы и перспективы развития // Вестник Академии военных наук. 2009. № 4 (29). С. 61–68.
  6. Тиханычев О.В. Общие подходы к обеспечению автоматизированной поддержки принятия решений. – М.: Эдитус, 2014. – 64 с.
  7. Выпасняк В.И., Гуральник А.М., Тиханычев О.В. Моделирование военных действий – история, состояние, перспективы развития // Военная мысль – 2014. –№7. – С. 28-37.
  8. Денисов В.Н., Саяпин О.В., Тиханычев О.В. О месте математического моделирования в работе органов военного управления // Военная мысль. 2016. № 5. С. 28-33.
  9. Тиханычев О.В., Саяпин О.В. Оперативное прогнозирование развития обстановки как основа успешного управления применением войск (сил) // Военная мысль.  – 2015. – №4. – С. 3-7.
  10. Брезгин В.С., Буравлев А.И. Уравнения динамики боевых потенциалов противоборствующих группировок // Вооружение и экономика. 2011. № 1 (13). С. 59-65.
  11. Тиханычев О.В. Активный мониторинг как основа эффективного управления распределёнными системами  // Современная техника и технологии. 2016. № 2 (54). С. 21-24.
  12. Тиханычев О. В. Системы поддержки принятия решений — перспективное направление развития автоматизации управления войсками (силами) // Военная мысль. 2012. № 8. С. 45–51.
  13. Выпасняк В.И., Гуральник А.М., Тиханычев О.В. Система поддержки принятия решений как «виртуальный штаб» // Военная мысль №2 2015, С.23-29.
  14. Тиханычев О.В., Тиханычева Е.О. Некоторые аспекты моделирования этносоциальных процессов. Научно-теоретический труд. М.: Эдитус. 2016. – 70 с.
  15. Аркадьев К.Г. Диверсифицированные методы в исследованиях систем управления // Universum: экономика и юриспруденция. 2015. № 8 (19). С. 1.
  16. Тиханычев О.В. Об учёте межгосударственных границ при моделировании межэтнического взаимодействия // Социосфера, 2014. – № 2. – С.197-201
  17. Тиханычев О.В., Тиханычева Е.О. Обобщённая модель влияния «пассионарного нагрева» на устойчивость социальных систем // Paradigmata poznání №4 2014, С.58-62.


Количество просмотров публикации: Please wait

Все статьи автора «Oberst»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация