ПРАКТИЧЕСКАЯ РАБОТА №1
Построение формальной модели исследования эргатической системы при отсутствии данных о ее внутреннем устройстве
Построение формальной модели исследования эргатической системы при отсутствии данных о ее внутреннем устройстве
Цель: освоить построение формальной модели эргатической системы на основе взаимодействия ее со средой на своих входах и выходах.
План занятия:
1. Изучить теорию вопроса.
2. Выполнить практическое задание.
3. Ответить на контрольные вопросы.
Теоретические сведения
Основой всего системного анализа является построение моделей систем. Несмотря на многообразие реальных систем, различают всего несколько принципиально различных типов моделей систем: «черный ящик», модель состава, модель структуры, структурная схема системы и их комбинации. Эти модели являются формальными, они относятся к любым системам и, следовательно, ни к одной конкретно. Чтобы получить модель конкретной системы, необходимо наполнить формальную модель конкретным содержанием. Эта процедура носит неформальный характер и непосредственно зависит от исследователя, который должен определить элементный состав системы, существенные и несущественные свойства и отношения между частями системы.
Система, в которой внешнему наблюдателю доступны лишь входные и выходные величины, а внутренние структура и процессы неизвестны, часто называют «черный ящик». Определение системы, приведенное выше, довольно абстрактно и ничего не говорит о ее внутреннем устройстве и процессах происходящих внутри системы. Тем не менее, часто бывает достаточно иметь только часть информации о системе, чтобы решить возникшие проблемы. Например, когда мы не знаем текущего точного времени, то для решения данной проблемы нам достаточно посмотреть на часы, не задумываясь при этом об их внутреннем устройстве и происходящих в них процессах. Графически отмеченные взаимодействия системы с внешней средой представлены на рисунке 1.1.
План занятия:
1. Изучить теорию вопроса.
2. Выполнить практическое задание.
3. Ответить на контрольные вопросы.
Теоретические сведения
Основой всего системного анализа является построение моделей систем. Несмотря на многообразие реальных систем, различают всего несколько принципиально различных типов моделей систем: «черный ящик», модель состава, модель структуры, структурная схема системы и их комбинации. Эти модели являются формальными, они относятся к любым системам и, следовательно, ни к одной конкретно. Чтобы получить модель конкретной системы, необходимо наполнить формальную модель конкретным содержанием. Эта процедура носит неформальный характер и непосредственно зависит от исследователя, который должен определить элементный состав системы, существенные и несущественные свойства и отношения между частями системы.
Система, в которой внешнему наблюдателю доступны лишь входные и выходные величины, а внутренние структура и процессы неизвестны, часто называют «черный ящик». Определение системы, приведенное выше, довольно абстрактно и ничего не говорит о ее внутреннем устройстве и процессах происходящих внутри системы. Тем не менее, часто бывает достаточно иметь только часть информации о системе, чтобы решить возникшие проблемы. Например, когда мы не знаем текущего точного времени, то для решения данной проблемы нам достаточно посмотреть на часы, не задумываясь при этом об их внутреннем устройстве и происходящих в них процессах. Графически отмеченные взаимодействия системы с внешней средой представлены на рисунке 1.1.
Рисунок 1.1 – Графическая модель системы «черный ящик»
Система связана со средой связями, и через эти связи взаимодействует со средой. Эти связи называют входами Х и выходами системы Y. Пытаясь максимально формализовать модель такой системы, мы приходим к заданию двух множеств Х(х1,х2,…,хn) и Y(y1, y2,…yn) входных и выходных переменных, но никаких других отношений между этими множествами фиксировать нельзя.
Ряд важных выводов о поведении системы можно сделать, наблюдая реакцию выходов на изменение входов. Например, при употреблении таблетки анальгина не обязательно знать состав самой таблетки и представлять механизм воздействия ее компонентов на организм, а важно то, что при этом проходит головная боль. Другими словами, важно определить, что нужно на входе в систему и что должно быть на выходе из нее, и неважно – что находится внутри системы. Поэтому приведенную модель часто называют моделью «черного ящика».
Понятие «черный ящик» было предложено английским ученым У.Р. Эшби, который предложив «черный ящик», как понятие в кибернетике. В кибернетике оно позволяет изучать поведение систем, т. е. их реакций на разнообразные внешние воздействия, и в то же время абстрагироваться от их внутреннего устройства. Таким образом, система изучается не как совокупность взаимосвязанных элементов, а как нечто целое, взаимодействующее со средой на своих входах и выходах. Метод «черного ящика» применим в различных ситуациях. Этот способ используется при недоступности внутренних процессов системы для исследования.
Метод «черного ящика» используется при исследовании систем, все элементы и связи которых в принципе доступны, но либо многочисленны и сложны, что приводит к огромным затратам времени и средств, при непосредственном изучении, либо такое изучение недопустимо по каким-либо соображениям. Примерами могут служить проверка на готовность к эксплуатации автоматической телефонной станции, которая проводится путем «прозванивания», а не непосредственно проверкой всех блоков, схем и т.д. Исследования модели «черный ящик» проводятся путем постепенного изготовления длинного протокола, составленного в хронологическом порядке и показывающего последовательность состояния «входа» и «выхода». В результате такого протокола мы знаем, какими «входами» экспериментатор манипулирует и что происходит при этом на «выходе». В процессе изучения наблюдатель и «черный ящик» образуют систему с обратной связью, а первичные результаты исследования – множество пар состояний входа и выхода, анализ которых позволяет установить между ними причинно-следственную связь.
Модель «черный ящик» используется в случае:
а) когда нет возможности вмешательства в систему;
б) когда нужно получить данные о системе в обычной для нее обстановке, для уменьшения взаимодействия измерений на саму систему;
в) когда отсутствуют данные о внутреннем устройстве системы.
Простота модели «черный ящик» обманчива, так как существует опасность:
1. Неполноты охвата входов и выходов.
2. Описания действия системы на базе статистики.
3. Изменения внутреннего механизма функционирования системы с течением времени.
Проблема построения модели типа «черный ящик» заключается в правильном определении цели исследуемой системы. Цель – это субъективный образ (абстрактная модель) несуществующего, но желаемого состояния среды, которое решило бы возникшую проблему. Вся последующая деятельность, способствующая решению этой проблемы, направлена на достижение поставленной цели, т. е. это работа по созданию системы. Приведем несколько упрощенных примеров систем, предназначенных для реализации определенных целей (см. таблицу 1.1).
Таблица 1.1 – Системы и их цели
| № | Цель | Система |
| 1 | В произвольный момент указать время | Часы |
| 2 | Обеспечить выпечку хлеба в заданном ассортименте для большого количества людей | Пекарня |
| 3 | Передать зрительную и звуковую информацию на большое расстояние практически мгновенно | Телевидение |
| 4 | Обеспечить перемещение людей в городе | Городской транспорт |
Отметим, что далеко не просто сформулировать цели так, чтобы имелось действительно очевидное соответствие между целями и системами. Например, только слова «практически мгновенно» в примере 3 таблицы 1.1 отличают цель телевидения от цели кино или пересылки видеокассет. Любая модель, в том числе модель «черный ящик», должна отвечать требованиям, предъявляемым к моделям. К наиболее важным требованиям моделей можно отнести: адекватность, экономичность, степень их сложности, непротиворечивость, независимость, предсказательность, полноту и ингерентность.
Под адекватностью (от лат. adaequatus – приравненный) понимают степень соответствия результатов, полученных по разработанной модели, данным эксперимента или тестовой задачи.
Адекватность модели – соответствие действительности данных о системе, полученных на основе моделей. Т. е. результаты, полученные на основе модели пригодны для прогнозирования поведения или свойств оригинала.
Проверка адекватности модели может производиться путем сравнения показателей, полученных на модели с реальными, а также путем экспертного анализа. Если система, для которой разрабатывается модель, существует, то сравнивают выходные данные модели и этой системы. В том случае, когда два набора данных оказываются подобными, модель существующей системы считается адекватной. Если по результатам проверки адекватности выявляются недопустимые расхождения между системой и ее моделью, в модель вносят необходимые изменения. В общем случае под адекватностью понимают степень соответствия модели тому реальному явлению или объекту, для описания которого она строится. Вместе с тем, создаваемая модель ориентирована, как правило, на исследование определенного подмножества свойств этого объекта. Поэтому можно считать, что адекватность модели определяется степенью ее соответствия не столько реальному объекту, сколько целям исследования. В наибольшей степени это утверждение справедливо относительно моделей проектируемых систем (то есть в ситуациях, когда реальная система вообще не существует). Один из наиболее распространенных способов проверки адекватности моделей является использование методов математической статистики. Суть этих методов заключается в проверке выдвинутой гипотезы (в данном случае – об адекватности модели) на основе некоторых статистических критериев. При проверке гипотез методами математической статистики необходимо иметь в виду, что статистические критерии не могут доказать ни одной гипотезы – они могут лишь указать на отсутствие опровержения. Итак, каким же образом можно оценить адекватность разработанной модели реально существующей системе?
Процедура оценки основана на сравнении измерений на реальной системе и результатов экспериментов на модели и может проводиться различными способами. Наиболее распространенные из них:
а) по средним значениям откликов модели и системы;
б) по дисперсиям отклонений откликов модели от среднего значения откликов системы;
в) по максимальному значению относительных отклонений откликов модели от откликов системы.
Если результаты проверки модели исследования соответствуют выбранным критериям и могут служить основой для прогнозирования в исследуемых системах, то говорят, что модель адекватна объекту. При этом адекватность модели зависит от цели моделирования и принятых критериев, например, распределение Студента. Т.е. значение
Если на проектируемой системе провести измерения не возможно, то в качестве эталонного объекта применяют концептуальную модель проектируемой системы. Тогда оценка адекватности программно-реализованной модели заключается в проверке того, насколько корректно она отражает концептуальную модель. Данная проблема сходна с проверкой корректности любой компьютерной программы, и ее можно решать соответствующими методами, например с помощью тестирования.
Для моделей, предназначенных для приблизительных расчетов, удовлетворительной считается точность 10-15 %, а для моделей, предназначенных для использования в управляющих и контролирующих системах 1-2 %.
Для повышения адекватности моделей их необходимо фальсифицировать, то есть отслеживать расхождения предсказаний модели с действительностью и вносить в модель изменения, после чего снова сравнивать предсказания, полученные на основе измененной модели с действительностью, снова вносить изменения и т. д.
Важным требованием, предъявляемым к моделям, является:
Для моделей, предназначенных для приблизительных расчетов, удовлетворительной считается точность 10-15 %, а для моделей, предназначенных для использования в управляющих и контролирующих системах 1-2 %.
Для повышения адекватности моделей их необходимо фальсифицировать, то есть отслеживать расхождения предсказаний модели с действительностью и вносить в модель изменения, после чего снова сравнивать предсказания, полученные на основе измененной модели с действительностью, снова вносить изменения и т. д.
Важным требованием, предъявляемым к моделям, является:
- Экономичность - это означает, что решение задач с использованием модели должно занимать как можно меньше времени, энергии, материалов. В самом деле, какой смысл в познавательной модели атмосферных процессов, если для построения сценария (прогноза погоды) на следующий день требуются расчеты в течение двух дней?
- Простота модели. Простота модели неизбежна из-за необходимости оперирования с ней, использования ее как рабочего инструмента, который должен быть обозрим и понятен, доступен каждому, кто будет участвовать в реализации модели. Поясним этот аспект таким банальным примером: любой документ, направляемый руководству, как показывает опыт, не должен содержать более 1,5 страниц текста – длинные документы «начальство» просто не читает: у «начальства» слишком ограниченный временный ресурс, на большие тексты у крупных руководителей просто нет времени. Поэтому предпочтение должно быть отдано более простой. Упрощать модель можно до тех пор, пока сохраняются основные свойства, характеристики и закономерности, присущие оригиналу.
- Предсказательность модели -пригодность модели для получения новых знаний об объекте – оригинале. Обосновано считается, что хорошая модель содержит в себе потенциальные знания, которые человек, исследуя ее, может приобрести.
- Непротиворечивость. Это требование гласит: никакой вывод из одного или нескольких основных физических законов модели не должен противоречить другим законам этой модели или выводам из них. Например: предположим, что в одной части модели используется закон сложения скоростей Галилея, а в другой части используется релятивистский закон сложения скоростей. Такая модель будет противоречивой. Она не пригодна для моделирования реальных процессов. Противоречивыми также являются и те модели, в рамках которых могут возникнуть абсурдные результаты (деление на 0, корень квадратный из минус единицы и т. д.). В частности, кинетическая энергия материальных тел должна быть неотрицательной. Требование непротиворечивости является обязательным.
- Независимость. Это требование гласит: никакой закон модели не должен быть следствием других законов этой модели. Иначе говоря, все основные законы модели должны быть независимы друг от друга. Это требование еще называется требованием минимальности, поскольку оно может означать, что количество основных законов, лежащих в основе модели, должно быть минимально. Т.е. все законы, являющиеся следствиями остальных, должны быть отброшены. Однако, требование независимости – необязательное. Часто бывает, что для работы модели проще использовать следствия из основных законов, а не сами эти законы. И в этом случае в основу модели добавляют следствия из этих законов, наиболее часто используемые.
- Полнота – это свойство означает, что модель должна описывать все свойства моделируемого объекта необходимые для описания всех основных свойств моделируемого объекта.
- Ингерентность – это достаточная степень согласованности создаваемой модели со средой, чтобы создаваемая модель (в соответствии с принципом коммуникативности) была согласована со средой, в которой ей предстоит функционировать, входила бы в эту среду не как чужеродный элемент, а как естественная составная часть.
Трудности построения модели «черного ящика».
Возможны четыре типа ошибок при построении модели «черного ящика». Все они проистекают из того, что модель всегда содержит конечный список связей, тогда как их число у реальной системы не ограничено. Возникает вопрос: какие из них включать в модель, а какие – нет? Ответ: в модели должны быть отражены все связи, существенные для достижения цели. Но слово «существенные» – оценочное! Оценку может дать только субъект. Но кроме способности оценивать, субъект обладает еще одним свойством – способностью иногда ошибаться в своих оценках. Ошибка в оценке приведет к тому, что модель не вполне будет отвечать требованию адекватности, а значит, ее использование приведет к затруднениям в работе с системой.
Ошибка первого рода происходит, когда субъект расценивает связь как существенную и принимает решение о включении ее в модель, тогда как на самом деле по отношению к поставленной цели она не существенна. Это приводит к появлению в модели «лишних» элементов, по сути ненужных.
Ошибка второго рода, наоборот, совершается субъектом, когда он принимает решение, что данная связь несущественна и не заслуживает быть включенной в модель, тогда как на самом деле без нее наша цель не может быть достигнута в полной мере или даже совсем.
Отметим, что использование модели, содержащей ошибку, неизбежно приведет к потерям. Потери могут быть небольшими, приемлемыми или нетерпимыми, недопустимыми.
Урон, наносимым ошибкой первого рода, связан с тем, что информация, внесенная ею, лишняя. При работе с такой моделью придется тратить лишние ресурсы на фиксацию и обработку информации, например, тратить на нее память машины и время обработки. На качестве решения это не скажется, а на стоимости и своевременности – обязательно.
Потери от ошибки второго рода – это урон от того, что информации для полного достижения цели не хватает, цель не может быть достигнута в полной мере.
Теперь ясно, что хуже та ошибка, потери от которой больше. А это зависит от конкретных обстоятельств. Например, если время является критическим фактором, то ошибка первого рода становится гораздо более опасной, чем второго: вовремя принятое, пусть не наилучшее, решение предпочтительнее оптимального, но запоздавшего.
Ошибкой третьего рода принято считать последствия незнания. Для того чтобы оценивать существенность некоторой связи, надо знать, что она вообще есть. Если это неизвестно, вопрос о включении или не включении ее в модель вообще не стоит: в моделях есть только то, что мы знаем. Но от того, что мы не подозреваем о существовании некоторой связи, она не перестает существовать и проявляться в реальной действительности. А дальше все зависит от того, насколько она существенна для достижения поставленной цели. Если она несущественна, то мы в практике и не заметим ее наличия в реальности и отсутствия в модели. Если же она существенна, мы будем испытывать те же трудности, что и при ошибке второго рода. Разница состоит в том, что ошибку третьего рода труднее исправить: надо добывать новые знания.
Ошибка четвертого рода может возникнуть при неверном отнесении известной и признанной существенной связи к числу входов или выходов. Например, жесткую корреляцию между урожайностью зерновых и яйценоскостью кур можно толковать как вход – то из них, что известно, а выход – то, что надо оценить. Но ведь можно счесть ношение определенного головного убора входом, поскольку точно было установлено, что в Англии прошлого века здоровье мужчин, носящих цилиндры, было намного лучше, чем здоровье носящих кепки. Как интерпретировать факт, что заключенные чаще посещают церковь, чем люди на свободе? А проблема симптомов и синдромов в медицине?
Таким образом, при построении модели черного ящика следует остерегаться совершить любую из четырех ошибок.
Возможны четыре типа ошибок при построении модели «черного ящика». Все они проистекают из того, что модель всегда содержит конечный список связей, тогда как их число у реальной системы не ограничено. Возникает вопрос: какие из них включать в модель, а какие – нет? Ответ: в модели должны быть отражены все связи, существенные для достижения цели. Но слово «существенные» – оценочное! Оценку может дать только субъект. Но кроме способности оценивать, субъект обладает еще одним свойством – способностью иногда ошибаться в своих оценках. Ошибка в оценке приведет к тому, что модель не вполне будет отвечать требованию адекватности, а значит, ее использование приведет к затруднениям в работе с системой.
Ошибка первого рода происходит, когда субъект расценивает связь как существенную и принимает решение о включении ее в модель, тогда как на самом деле по отношению к поставленной цели она не существенна. Это приводит к появлению в модели «лишних» элементов, по сути ненужных.
Ошибка второго рода, наоборот, совершается субъектом, когда он принимает решение, что данная связь несущественна и не заслуживает быть включенной в модель, тогда как на самом деле без нее наша цель не может быть достигнута в полной мере или даже совсем.
Отметим, что использование модели, содержащей ошибку, неизбежно приведет к потерям. Потери могут быть небольшими, приемлемыми или нетерпимыми, недопустимыми.
Урон, наносимым ошибкой первого рода, связан с тем, что информация, внесенная ею, лишняя. При работе с такой моделью придется тратить лишние ресурсы на фиксацию и обработку информации, например, тратить на нее память машины и время обработки. На качестве решения это не скажется, а на стоимости и своевременности – обязательно.
Потери от ошибки второго рода – это урон от того, что информации для полного достижения цели не хватает, цель не может быть достигнута в полной мере.
Теперь ясно, что хуже та ошибка, потери от которой больше. А это зависит от конкретных обстоятельств. Например, если время является критическим фактором, то ошибка первого рода становится гораздо более опасной, чем второго: вовремя принятое, пусть не наилучшее, решение предпочтительнее оптимального, но запоздавшего.
Ошибкой третьего рода принято считать последствия незнания. Для того чтобы оценивать существенность некоторой связи, надо знать, что она вообще есть. Если это неизвестно, вопрос о включении или не включении ее в модель вообще не стоит: в моделях есть только то, что мы знаем. Но от того, что мы не подозреваем о существовании некоторой связи, она не перестает существовать и проявляться в реальной действительности. А дальше все зависит от того, насколько она существенна для достижения поставленной цели. Если она несущественна, то мы в практике и не заметим ее наличия в реальности и отсутствия в модели. Если же она существенна, мы будем испытывать те же трудности, что и при ошибке второго рода. Разница состоит в том, что ошибку третьего рода труднее исправить: надо добывать новые знания.
Ошибка четвертого рода может возникнуть при неверном отнесении известной и признанной существенной связи к числу входов или выходов. Например, жесткую корреляцию между урожайностью зерновых и яйценоскостью кур можно толковать как вход – то из них, что известно, а выход – то, что надо оценить. Но ведь можно счесть ношение определенного головного убора входом, поскольку точно было установлено, что в Англии прошлого века здоровье мужчин, носящих цилиндры, было намного лучше, чем здоровье носящих кепки. Как интерпретировать факт, что заключенные чаще посещают церковь, чем люди на свободе? А проблема симптомов и синдромов в медицине?
Таким образом, при построении модели черного ящика следует остерегаться совершить любую из четырех ошибок.
Пример выполнения практического занятия
Система «кофемашина».
Главной целью данной системы является приготовление кофе-напитка, дополнительная цель – минимальное участие человека. Существенные связи системы с объектами окружающей среды – человек.
Определим входы и выходы системы «кофемашина». Напомним, что выходы модели описывают результаты деятельности системы, а входы – ресурсы и ограничения.
При построении модели необходимо помнить, что может быть один вход – один выход, один вход – несколько выходов, несколько входов – один выход, нет входа – один или несколько выходов.
Пример построения графической модели «черный ящик» системы «кофемашина» показан на рисунке 1.2.
Отметим нежелательные входы и выходы системы «кофемашина».
Приведем способы устранения недостатков системы «кофемашина»:
– для предотвращения коррозии необходима поддерживать в помещении оптимальные или допустимые параметры микроклимата;
– перед использованием изучить инструкцию по применению, проверять целостность проводов и т.д.
Система «кофемашина».
Главной целью данной системы является приготовление кофе-напитка, дополнительная цель – минимальное участие человека. Существенные связи системы с объектами окружающей среды – человек.
Определим входы и выходы системы «кофемашина». Напомним, что выходы модели описывают результаты деятельности системы, а входы – ресурсы и ограничения.
При построении модели необходимо помнить, что может быть один вход – один выход, один вход – несколько выходов, несколько входов – один выход, нет входа – один или несколько выходов.
Пример построения графической модели «черный ящик» системы «кофемашина» показан на рисунке 1.2.
Отметим нежелательные входы и выходы системы «кофемашина».
Приведем способы устранения недостатков системы «кофемашина»:
– для предотвращения коррозии необходима поддерживать в помещении оптимальные или допустимые параметры микроклимата;
– перед использованием изучить инструкцию по применению, проверять целостность проводов и т.д.
Рисунок 1.2 – Графическая модель «черного ящика» системы «кофемашина»
Порядок выполнения практического занятия
1. Изучить теоретическую часть практического занятия.
2. По названию и назначению заданной системы определить ее главную и основные дополнительные цели.
3. В соответствии с назначением и целями системы определить существенные связи системы с объектами окружающей среды.
4. Определить и описать существенные входы и выходы системы.
5. Построить графическую модель «черный ящик» заданной системы.
6. Перечислить нежелательные входы и выходы системы.
7. Установить основные способы устранения возможных недостатков.
8. Ответить на контрольные вопросы.
Варианты эргатических систем для выполнения задания
1) компьютер; 2) печь СВЧ; 3) самолет; 4) холодильник; 5) видеокарта; 6) монитор; 7) телефон мобильный; 8) автомобиль; 9) фотоаппарат; 10) телевизор; 11) навигатор; 12) мотоцикл; 13) автомобиль; 14) электрочайник; 15) принтер; 16) механические часы; 17) электрогитара; 18) мультиварка; 19) сканер; 20) электроплита; 21) материнская плата; 22) стиральная машина; 23) электронные часы; 24) любая другая система.
Содержание отчета
1) Титульный лист. 2) Цель работы. 3) Исходные данные. 4) Теоретические сведения. 4) Ход выполнения работы. 6) Выводы.
Контрольные вопросы
1. Дайте определение понятия модели и модели «черный ящик».
2. Как бороться с непознаваемостью объекта?
3. Назовите основные трудности построения модели «черный ящик».
4. Назовите основные требования к построению моделей.
5. Назовите возможные типы ошибок при построении модели «черного ящика».
8. Ответить на контрольные вопросы.
Варианты эргатических систем для выполнения задания
1) компьютер; 2) печь СВЧ; 3) самолет; 4) холодильник; 5) видеокарта; 6) монитор; 7) телефон мобильный; 8) автомобиль; 9) фотоаппарат; 10) телевизор; 11) навигатор; 12) мотоцикл; 13) автомобиль; 14) электрочайник; 15) принтер; 16) механические часы; 17) электрогитара; 18) мультиварка; 19) сканер; 20) электроплита; 21) материнская плата; 22) стиральная машина; 23) электронные часы; 24) любая другая система.
Содержание отчета
1) Титульный лист. 2) Цель работы. 3) Исходные данные. 4) Теоретические сведения. 4) Ход выполнения работы. 6) Выводы.
Контрольные вопросы
1. Дайте определение понятия модели и модели «черный ящик».
2. Как бороться с непознаваемостью объекта?
3. Назовите основные трудности построения модели «черный ящик».
4. Назовите основные требования к построению моделей.
5. Назовите возможные типы ошибок при построении модели «черного ящика».