степени коррелирована с другими переменными. При проведении статистического анализа сигнал обратной связи может легко пройти незамеченным либо среди случайного шума, либо будучи принятым как часть входного сигнала той или иной переменной.
Далее, сама по себе величина входного сигнала в пункт принятия решения еще не определяет характера динамического поведения системы. Продолжительность действия, фаза и форма сигнала могут в значительной степени превосходить влияние его величины на характер динамических характеристик системы.
Методы объективного анализа еще не дают гарантий того, что переменные выбраны правильно и что их взаимосвязь установлена достаточно точно. Однако мы должны провести негативное испытание — испытание, которое является необходимым, но может не дать само по себе положительного результата. Если полученный при испытании модели поток решений несовместим с гипотезами о процессе принятия решений, то испытание обмануло наши надежды. С другой стороны, выполнение единичного испытания не дает гарантий правильности принятых гипотез. Даже очень близкое совпадение опытных результатов с данными, полученными на основании выдвигаемых гипотез, не дает оснований считать эти гипотезы правильными. Гипотезы, основанные на неверном выборе переменных при соответствующей компенсирующей корректировке значений параметров, могут в результате статистических испытаний дать такие показатели, которые математически покажутся более удовлетворительными, чем в том случае, когда в основу решений заложены более адекватные причинные связи между переменными, но допущены ошибки в значениях параметров; эти ошибки снижают точность получаемых количественных характеристик, но не искажают динамического поведения модели.
Ошибка при включении переменных системы в модель может привести к полной бесполезности модели как орудия исследования. Можно надеяться, что в дальнейшем, когда динамическое поведение системы станет более понятным, возникнут полезные руководящие принципы по выбору содержания модели. А пока необходимо помнить, что наиболее эффективная модель будет создана теми, кто знает реальную систему и в то же время владеет методами анализа динамических систем.
Значения параметров. Третий, менее важный вопрос, который должен быть рассмотрен при оценке эффективности модели, связан с выбором значений параметров. Можно показать, что динамические характеристики системы сравнительно мало изменяются при изменении величин большинства параметров, то есть чувствительность системы к изменению этих параметров мала; поэтому значения таких параметров можно выбирать в известной мере произвольно. Параметры, к изменению которых модель весьма чувствительна, могут быть определены на основании испытаний модели. При этом не так важно знать значения этих параметров в прошлом, как правильно оценить и выбрать эти значения в соответствии с условиями работы системы в будущем.
Численные значения параметров для какой-либо функции принятия решений могут быть определены на основании ряда формальных статистических испытаний. Это выполняется после того, как:
— установлены задачи моделирования;
— определены границы системы;
— произведен выбор основных переменных;
— сформулированы гипотезы, определяющие взаимодействие переменных;
— приняты основанные на произвольных суждениях решения о значениях параметров, удовлетворяющих условиям статистических испытаний.
Затем исследователь должен определить, могут ли выбранные в результате статистических испытаний параметры способствовать решению поставленной задачи улучшения действия системы.
12. 5. Динамические характеристики системы
Изолированная (замкнутая) модель динамической системы может воспроизводить временные характеристики, которые в рамках поставленных целей исследования не будут существенно отличаться от динамических характеристик реальной системы. Такое соответствие поведения модели реальным условиям будет результатом сочетания структуры и руководящих правил действия модели, каждый элемент которой построен безотносительно к правильности поведения системы.
Чем больше мелких подробностей в характеристике модели будет согласовываться с имеющимися данными о функционировании системы, тем больше будет наша уверенность в пригодности модели. Однако тождественность характеристик модели и реальной системы не является
Поскольку подобие модели действительному характеру системы является необходимым (но не достаточным) условием, мы должны рассмотреть, что здесь понимается под подобием. Недостатки поведения модели, особенно на первых этапах ее создания, часто будут сами указывать пути устранения допущенных неточностей и ошибок. На что должны быть направлены наши поиски? Каким образом можно проверить подобие двух систем?
Первая проверка модели состоит в том, чтобы ее поведение не было бесспорно ошибочным. Такая проверка на первый взгляд может показаться элементарной. Однако литература в области экономики и теории управления содержит очень незначительное число примеров моделей, которые удовлетворяли бы этой оценке и, будучи полностью изолированными системами, давали бы такое изменение характеристик во времени, которое соответствовало бы нашим знаниям о реальной системе.
На первой стадии разработки модели неправдоподобность ее действия проявляется с особой очевидностью. Так, например, значения физических величин, таких, как запасы, могут оказаться отрицательными. Потоки некоторых величин, которые по их физической сущности являются однонаправленными, могут изменить направление и двигаться в противоположном направлении. Значения переменных могут выходить за пределы, допустимые в реальных условиях. Эти явления могут иметь место даже тогда, когда структура модели и ее отдельных элементов была тщательно продумана. Причины подобных явлений легко различимы. Детальный анализ изменений значений переменных системы обычно приводит к выводу, что отмеченные явления определяются несоответствием правил принятия решений в модели и в реальной системе. Очень часто оказывается, что в моделируемой системе существуют более жесткие условия, чем были приняты в модели, и правила принятия решений (обычно с нелинейными зависимостями) оказываются неприемлемыми в достаточно широких границах работы системы.
Второй эффективный способ проверки модели состоит в исследовании ее работы при наличии дополнительных заведомо ошибочных или несоответствующих реальной системе условий, например при чрезмерно широких пределах изменения параметров окружающей среды, но в рамках поставленных целей. Эти изменения могут существенно превосходить вероятные значения параметров, когда-либо возможные в системе. Большая часть наших знаний о системе проявляется в форме предвидения того, насколько при возникновении различных критических условий может оказаться неудачной формулировка руководящих правил. Это предвидение, подкрепленное испытаниями модели на «возможное критическое состояние», часто позволяет выявить причины ее ошибочных действий, которые малозаметны в обычных условиях.
Исключив очевидные «неправдоподобности» в модели, перейдем теперь к анализу более сложных явлений. Мы должны сконцентрировать наше внимание на всех динамических характеристиках модели, которые могут быть сопоставлены с характеристиками реальной системы.
Первый шаг обычно заключается в установлении подобия наиболее сомнительных симптомов для модели и реальной системы. Если модель охватывает причины возникающих в системе трудностей, то она выявит те же самые тревожные симптомы этих трудностей, которые характерны для реальной системы даже в тех случаях, когда эти симптомы достаточно удалены от того места, где действует причина трудностей.
Если в системе имеют место колебательные явления, необходимо сравнить период колебаний переменных в модели и в реальной системе. Существенная разница в значениях параметров этих движений указывает на то, что либо неверно определены коэффициенты, либо не учтена при анализе какая-то важная часть системы. Так как большинство людей обычно недооценивает запаздывания при принятии
