Классификация систем по степени организованности и ее роль в выборе методов моделирования систем
Впервые разделение сис тем по степени организованности, по аналогии с классификацией Г. Саймона и А. Ньюэлла (хорошо структуризованные, плохо струк- туризованные и неструктуризованные проблемы), было предложе но В.В. Налимовым*, который выделил класс хорошо организован ных и класс плохо организованных, или диффузных, систем. Позднее к этим двум классам был добавлен [6, 7] еще класс самоорганизующихся систем, который включает рассматриваемые иногда в литературе раздельно классы систем саморегулирующих ся, самообучающихся, самонастраивающихся и т.п. * Методологические проблемы кибернетики' В 2 т. - М.: МГУ, 1970. 27 Выделенные классы практически можно рассматривать как подходы к отображению объекта или решаемой задачи, которые могут выбираться в зависимости от стадии познания объекта и возможности получения информации о нем. Кратко охарактеризуем эти классы. 1. Представление объекта или процесса принятия решения в виде хорошо организованной системы возможно в тех случаях, когда исследователю удается определить все элементы системы и их взаимосвязи между собой и с целями системы в виде детерми нированных (аналитических, графических) зависимостей. Для отображения сложного объекта в виде хорошо органи зованной системы приходится выделять существенные и не учи тывать относительно несущественные для конкретной цели рас смотрения компоненты. Представление объекта в виде хорошо организованной сис темы используется в тех случаях, когда может быть предложено детерминированное описание и экспериментально показана пра вомерность его применения, т.е. экспериментально доказана адек ватность модели реальному объекту или процессу. Для сложных многокомпонентных многокритериальных за дач найти требуемые аналитические зависимости между компо нентами и целями системы крайне сложно. Более того, если даже это и удается, то практически невозможно поставить эксперимент, доказывающий адекватность модели. Поэтому в большинстве случаев при представлении сложных объектов и проблем на на чальных этапах исследования их отображают классами, характе ризуемыми далее. 2. При представлении объекта в виде плохо организованной (или диффузной) системы не ставится задача определить все учитывае мые компоненты и их связи с целями системы. Система характери зуется некоторым набором макропараметров и закономерностя ми, которые выявляются на основе исследования не всего объекта или класса явлений, а путем изучения определенной с помощью некоторых правил достаточно представительной выборки компо нентов, характеризующих исследуемый объект или процесс. На основе такого (выборочного) исследования получают характери стики, или закономерности (статистические, экономические и т.п.) и распространяют эти закономерности на поведение системы в це лом. При этом делаются соответствующие оговорки. Например, при получении статистических закономерностей их распространя- 28 ют на поведение системы с какой-то вероятностью, которая оце нивается с помощью специальных приемов, изучаемых математи ческой статистикой. Отображение объектов в виде диффузных систем находит ши рокое применение при определении пропускной способности сис тем разного рода, численности штатов в обслуживающих, напри мер ремонтных, цехах предприятия и в обслуживающих учреждениях (для решения подобных задач применяют методы теории массово го обслуживания), при исследовании документальных потоков ин формации и т.д. 3. Отображение объектов в виде самоорганизующейся (разви вающейся) системы позволяет исследовать наименее изученные объекты и процессы с большой неопределенностью на началь ном этапе постановки задачи. Класс самоорганизующихся, или развивающихся, систем ха рактеризуется рядом признаков, особенностей, приближающих их к реальным развивающимся объектам. Эти особенности, как правило, обусловлены наличием в сис теме активных элементов и носят двойственный характер: они являются новыми свойствами, полезными для существования си стемы, приспосабливаемости ее к изменяющимся условиям сре ды, но в то же время вызывают неопределенность, затрудняют управление системой. Основные из этих особенностей следующие: нестационарность параметров и стохастичность поведения; уникальность и непредс казуемость поведения системы в конкретных условиях (благодаря наличию активных элементов у системы как бы проявляется «сво бода воли»); способность адаптироваться к изменяющимся усло виям среды и помехам (причем как к внешним, так и к внутрен ним, что весьма затрудняет управление системой); способность противостоять энтропийным (разрушающим систему) тенденци ям и проявлять негэнтропийные тенденции; способность выраба тывать варианты поведения и изменять свою структуру, сохраняя при этом целостность и основные свойства; способность и стрем ление к целеобразованию; стремление использовать энергию не для поддержания стабильности, устойчивости, а для поддержания себя в неравновесном состоянии (особенность впервые обнаружена Э. Бауэром*); неоднозначность использования понятий (например, «цель» - «средство», «система» - «подсистема» и т.п.). ' Общая биология: Учебник / Под ред. Э.С. Бауэра. - М.: Учпедгиз, 1936. 29 Перечисленные на рис. 2 особенности объясняются с помо щью закономерностей систем, основные группы которых приве дены на этом же рисунке. Особенности самоорганизующихся систем • Нестационарность параметров и стохастичность поведения • Уникальность и непредсказуе мость поведения системы в конкретных условиях • Способность адаптироваться к изменяющимся условиям среды и помехам (как к внешним, так и к внутренним) • Способность противостоять энтропийным (разрушающим систему) тенденциям и проявлять негэнтропийные тенденции • Способность вырабатывать варианты поведения • Способность изменять свою структуру, сохраняя при этом целостность и основные свойства • Способность и стремление к целеобразованию • Стремление использовать энергию не для поддержания стабильности, устойчивости, а для поддержания себя в неравновесном состоянии • Неоднозначность использования понятий Закономерности систем • Закономерности взаимодействия части и целого: целостность или эмерджентность интегративность прогрессирующая систематизация прогрессирующая факторизация аддитивность • Закономерности иерархической упорядоченности: коммуникативность иерархичность • Закономерности осуществимости систем: эквифинальность закон "необходимого разнообразия" У.Р. Эшби закономерность потенциальной эффективности СБ. Флейшмана • Закономерности развития систем: историчность самоорганизация Рис.2 Между особенностями и закономерностями существуют не простые взаимосвязи, объясняющие сложность учета указанных закономерностей на практике. В то же время анализ деятельности предприятий показывает, что если не создавать условия для развития предприятия, такие, 30 как способность адаптироваться, вырабатывать варианты поведе ния, формулировать цели, изменять структуру и т.п., то предприя тие не выживет в условиях нестабильной среды. А реализацию этих свойств можно обеспечить, изучая и используя закономерности функционирования и развития самоорганизующихся систем. По мере накопления опыта исследования и преобразования систем, обладающих подобными свойствами, была осознана их основная особенность - принципиальная ограниченность форма лизованного описания развивающихся, самоорганизующихся си стем. Эта особенность, т.е. необходимость сочетания формаль ных методов и методов качественного анализа, и положена в основу большинства моделей и методик системного анализа. При формировании таких моделей меняется привычное представле ние о моделях, характерное для математического моделирования и прикладной математики. Изменяется представление и о дока зательстве адекватности таких моделей. Основную конструктивную идею моделирования при отобра жении объекта классом самоорганизующихся систем можно сфор мулировать следующим образом: разрабатывается знаковая сис тема, с помощью которой фиксируют известные на данный момент компоненты и связи, а затем путем преобразования полученного отображения с помощью установленных (принятых) правил (струк туризации или декомпозиции; композиции, поиска мер близости на пространстве состояний) получают новые, не известные ранее компоненты, взаимоотношения, зависимости, которые могут либо послужить основой для принятия решений, либо подсказать пос ледующие шаги на пути подготовки решения. Таким образом, можно накапливать информацию об объек те, фиксируя при этом все новые компоненты и связи (правила взаимодействия компонент) и, применяя их, получать отображе ния последовательных состояний развивающейся системы, посте пенно создавая все более адекватную модель реального, изучае мого или проектируемого объекта. При этом информация может поступать от специалистов различных областей знаний и накап ливаться во времени по мере ее возникновения (в процессе по знания объекта). Адекватность модели также доказывается последовательно (по мере ее формирования) в ходе оценки правильности отраже ния в каждой последующей модели компонентов и связей, необ ходимых для достижения поставленных целей. 31 Иными словами, такое моделирование становится как бы сво еобразным «механизмом» развития системы. Практическая реа лизация этого «механизма» связана с необходимостью разработ ки языка моделирования процесса принятия решения. В основу такого языка (знаковой системы) может быть положен один из методов моделирования систем: например, теоретико-миоэ/се- ственные представления, математическая логика, математичес кая лингвистика, имитационное динамическое моделирование, ин формационный подход и т.д. По мере развития модели методы могут меняться. Представление объекта в виде самоорганизующейся системы применяется для решения наиболее сложных проблем с большой начальной неопределенностью, которая снимается постепенно. При этом «механизм» развития (самоорганизации) может быть реализован в форме соответствующего подхода (см. Постепен ная формализация модели принятия решения, Графо-семиотичес- кое моделирование или методики системного анализа) с использо ванием различных методов для реализации ее этапов. Именно этим классом систем удается наиболее адекватно ото бражать предприятия, научно-производственные объединения, территориальные образования и другие органинизации. Кратко охарактеризованные классы систем удобно исполь зовать как подходы на начальном этапе моделирования любой задачи. Этим классам поставлены в соответствие .иешоЭм форма лизованного представления систем"^, и, определив класс системы, можно дать рекомендации по выбору метода, который позволит более адекватно ее отобразить. Если предварительный анализ проблемной ситуации показы вает, что она может быть представлена в виде хорошо организо ванной системы, то можно выбирать методы моделирования из классов аналитических и графических методов. Если специалис ты по теории систем и системному анализу рекомендуют пред ставить ситуацию в виде плохо организованных, или диффузных, систем, то следует обратиться прежде всего к статистическому моделированию (см. Статистические методы). Если не удастся доказать адекватность ее представления в виде системы такого класса, то нужно искать закономерности в прикладных направ- * Т е м н и к о в ФЕ. Подход к выбору метода формализованного пред ставления системы / Ф.Е. Темников, В.Н. Волкова // Моделирование слож ных систем. - М.. МДНТП, 1978. - С. 38-40. 32 лениях (например, в экономике, социологии и т. п.); при пред ставлении ситуации классом самоорганизующихся систем следу ет применять методы дискретной математики, в частности, тео ретико-множественные представления, математическую логику, математическую лингвистику, разрабатывая на их основе языки мо делирования и автоматизации проектирования, и, как правило, формировать модель, сочетая методы из групп МАИС (см. Ме тоды активизации интуиции и опыта специалистов) и МФПС (см. Методы формализованного представления систем). Для выбора метода моделирования систем разрабатывают их классификации.
Ви переглядаєте статтю (реферат): «Классификация систем по степени организованности и ее роль в выборе методов моделирования систем» з дисципліни «Теорія систем і системний аналіз в управлінні організаціями»
