Какую роль сыграли компьютеры в развитии процессов моделирования

Обновлено: 05.07.2024

Моделирование является одним из способов познания мира.

Понятие моделирования достаточно сложное, оно включает в себя огромное разнообразие способов моделирования: от создания натуральных моделей (уменьшенных и или увеличенных копий реальных объектов) до вывода математических формул.

Для различных явлений и процессов бывают уместными разные способы моделирования с целью исследования и познания.

Объект, который получается в результате моделирования, называется моделью . Должно быть понятно, что это совсем не обязательно реальный объект. Это может быть математическая формула, графическое представление и т.п. Однако он вполне может заменить оригинал при его изучении и описании поведения.

Хотя модель и может быть точной копией оригинала, но чаще всего в моделях воссоздаются какие-нибудь важные для данного исследования элементы, а остальными пренебрегают. Это упрощает модель. Но с другой стороны, создать модель – точную копию оригинала – бывает абсолютно нереальной задачей. Например, если моделируется поведение объекта в условиях космоса. Можно сказать, что модель – это определенный способ описания реального мира.

Создание модели.
Изучение модели.
Применение результатов исследования на практике и/или формулирование теоретических выводов.

Видов моделирования огромное количество. Вот некоторые примеры типов моделей:

Математические модели . Это знаковые модели, описывающие определенные числовые соотношения.

Графические модели. Визуальное представление объектов, которые настолько сложны, что их описание иными способами не дает человеку ясного понимания. Здесь наглядность модели выходит на первый план.

Имитационные модели. Позволяют наблюдать изменение поведения элементов системы-модели, проводить эксперименты, изменяя некоторые параметры модели.

Над созданием модели могут работать специалисты из разных областей, т.к. в моделировании достаточно велика роль межпредметных связей.

Совершенствование вычислительной техники и широкое распространение персональных компьютеров открыло перед моделированием огромные перспективы для исследования процессов и явлений окружающего мира, включая сюда и человеческое общество.

Компьютерное моделирование – это в определенной степени, то же самое, описанное выше моделирование, но реализуемое с помощью компьютерной техники.

Для компьютерного моделирования важно наличие определенного программного обеспечения.

При этом программное обеспечение, средствами которого может осуществляться компьютерное моделирование, может быть как достаточно универсальным (например, обычные текстовые и графические процессоры), так и весьма специализированными, предназначенными лишь для определенного вида моделирования.

Очень часто компьютеры используются для математического моделирования. Здесь их роль неоценима в выполнении численных операций, в то время как анализ задачи обычно ложится на плечи человека.

Обычно в компьютерном моделировании различные виды моделирования дополняют друг друга. Так, если математическая формула очень сложна, что не дает явного представления об описываемых ею процессах, то на помощь приходят графические и имитационные модели. Компьютерная визуализация может быть намного дешевле реального создания натуральных моделей.

С появлением мощных компьютеров распространилось графическое моделирование на основе инженерных систем для создания чертежей, схем, графиков.

Если система сложна, а требуется проследить за каждым ее элементом, то на помощь могут придти компьютерные имитационные модели. На компьютере можно воспроизвести последовательность временных событий, а потом обработать большой объем информации.

Однако следует четко понимать, что компьютер является хорошим инструментом для создания и исследования моделей, но он их не придумывает. Абстрактный анализ окружающего мира с целью воссоздания его в модели выполняет человек.

Одной из важных проблем в области разработки и создания современных сложных технических систем является исследование динамики их функционирования на различных этапах проектирования, испытания и эксплуатации. Сложными системами называются системы, состоящие из большого числа взаимосвязанных и взаимодействующих между собой элементов. При исследовании сложных систем возникают задачи исследования как отдельных видов оборудования и аппаратуры, входящих в систему, так и системы в целом.

К разряду сложных систем относятся крупные технические, технологические, энергетические и производственные комплексы.

При проектировании сложных систем ставится задача разработки систем, удовлетворяющих заданным техническим характеристикам. Поставленная задача может быть решена одним из следующих методов:

методом синтеза оптимальной структуры системы с заданными характеристиками;
методом анализа различных вариантов структуры системы для обеспечения требуемых технических характеристик.

Оптимальный синтез систем в большинстве случаев практически невозможен в силу сложности поставленной задачи и несовершенства современных методов синтеза сложных систем. Методы анализа сложных систем, включающие в себя элементы синтеза, в настоящее время достаточно развиты и получили широкое распространение.

Любая синтезированная или определенная каким-либо другим образом структура сложной системы для оценки ее показателей должна быть подвергнута испытаниям. Проведение испытаний системы является задачей анализа ее характеристик. Таким образом, конечным этапом проектирования сложной системы, осуществленного как методом синтеза структуры, так и методом анализа вариантов структур, является анализ показателей эффективности проектируемой системы.

Среди известных методов анализа показателей эффективности систем и исследования динамики их функционирования следует отметить:

аналитический метод;
метод натуральных испытаний;
метод полунатурального моделирования;
моделирование процесса функционирования системы на ЭВМ.

Строгое аналитическое исследование процесса функционирования сложных систем практически невозможно. Определение аналитической модели сложной системы затрудняется множеством условий, определяемых особенностями работы системы, взаимодействием ее составляющих частей, влиянием внешней среды и т.п.

Натуральные испытания сложных систем связаны с большими затратами времени и средств. Проведение испытаний предполагает наличие готового образца системы или ее физической модели, что исключает или затрудняет использование этого метода на этапе проектирования системы.

Широкое применение для исследования характеристик сложных систем находит метод полунатурального моделирования. При этом используется часть реальных устройств системы. Включенная в такую полунатуральную модель ЭВМ имитирует работы остальных устройств системы, отображенных математическими моделями. Однако в большинстве случаев этот метод также связан со значительными затратами и трудностями, в частности, аппаратной стыковкой натуральных частей с ЭВМ.

Исследование функционирования сложных систем с помощью моделирования их работы на ЭВМ помогает сократить время и средства на разработку.

Затраты рабочего времени и материальных средств на реализацию метода имитационного моделирования оказываются незначительными по сравнению с затратами, связанными с натурным экспериментом. Результаты моделирования по своей ценности для практического решения задач часто близки к результатам натурного эксперимента.

Метод имитационного моделирования основан на использовании алгоритмических (имитационных) моделей, реализуемых на ЭВМ, для исследования процесса функционирования сложных систем. Для реализации метода необходимо разработать специальный моделирующий алгоритм. В соответствии с этим алгоритмом в ЭВМ вырабатывается информация, описывающая элементарные процессы исследуемой системы с учетом взаимосвязей и взаимных влияний. При этом моделирующий алгоритм сроится в соответствии с логической структурой системы с сохранением последовательности протекаемых в ней процессов и отображением основных состояний системы.

Основными этапами метода имитационного моделирования являются:

моделирование входных и внешних воздействий;
воспроизведение работы моделируемой системы (моделирующий алгоритм);
интерпретация и обработка результатов моделирования.

Перечисленные этапы метода многократно повторяются для различных наборов входных и внешних воздействий, образуя внутренний цикл моделирования. Во внешнем цикле организуется просмотр заданных вариантов моделируемой системы. Процедура выбора оптимального варианта управляет просмотром вариантов, внося соответствующие коррективы в имитационную модель и в модели входных и внешних воздействий.

Процедура построения модели системы, контроля точности и корректировки модели по результатам машинного эксперимента задает и затем изменяет блок и внутреннего цикла в зависимости от фактических результатов моделирования. Таким образом, возникает внешний цикл, отражающий деятельность исследователя по формированию, контролю и корректировке модели.

Метод имитационного моделирования позволяет решать задачи исключительной сложности. Исследуемая система может одновременно содержать элементы непрерывного и дискретного действия, быть подверженной влиянию многочисленных случайных факторов сложной природы, описываться весьма громоздкими соотношениями и т.п. Метод не требует создания специальной аппаратуры для каждой новой задачи и позволяет легко изменять значения параметров исследуемых систем и начальных условий. Эффективность метода имитационного моделирования тем более высока, чем на более ранних этапах проектирования системы он начинает использоваться.

Следует, однако, помнить, что метод имитационного моделирования является численным методом. Его можно считать распространением метода Монте-Карло на случай сложных систем. Как любой численный метод, он обладает существенным недостатком – его решение всегда носит частный характер. Решение соответствует фиксированным значениям параметров системы и начальных условий. Для анализа системы приходится многократно моделировать процесс ее функционирования, варьируя исходные данные модели. Таким образом, для реализации имитационных моделей сложной модели необходимо наличие ЭВМ высокой производительности.

Для моделирования системы на ЭВМ необходимо записывать моделирующий алгоритм на одном из входных языков ЭВМ. В качестве входных языков для решения задач моделирования могут быть с успехом использованы универсальные алгоритмические языки высокого уровня, Си, Паскаль и др.

Анализ развития наиболее сложных технических систем позволяет сделать вывод о все более глубоком проникновении ЭВМ в их структуру. Вычислительные машины становятся неотъемлемой, а зачастую и основной частью таких систем. Прежде всего это относится к сложным радиоэлектронным системам. Среди них различные автоматические системы, в том числе системы автоматической коммутации (электронные АТС), системы радиосвязи, радиотелеметрические системы, системы радиолокации и радионавигации, различные системы управления.

При построении таких систем в значительной степени используются принципы и структуры организации вычислительных машин и вычислительных систем (ВС). Характерной особенностью является наличие в системах нескольких процессоров, объединенных различными способами в специализированную ВС. При этом осуществляется переход от «жесткой» логики функционирования технических систем к универсальной «программной» логике. В силу этого все более значительную роль в таких системах, наряду с аппаратными средствами, играет специализированное системное и прикладное программное обеспечение.

На этапах разработки, проектирования, отладки и испытания сложных систем с высоким удельным весом аппаратно-программных средств вычислительной техники ставится задача анализа и синтеза вариантов организации структуры аппаратных средств, а также разработки и отладки специализированного ПО большого объема. Эта задача может быть решена с помощью аппаратно-программного моделирования с использованием универсальных моделирующих комплексов, построенных на базе однородных ВС с программируемой структурой.

Аппаратно-программное моделирование можно считать частным случаем полунатурного моделирования. На первом этапе разрабатывается концептуальная модель заданного класса систем на основе анализа типовых процессов, структур и аппаратных блоков. Концептуальная модель реализуется на аппаратно-программных средствах моделирующего комплекса. При этом моделирующий комплекс может настраиваться на соответствующую структуру системы программным путем за счет возможности программирования структуры используемой микропроцессорной ВС. Часть аппаратных и программных средств микропроцессорной ВС моделирующего комплекса непосредственно отражает аппаратно-программные средства, входящие в исследуемую систему (аппаратное моделирование), другая часть реализует имитационную модель функциональных средств исследуемой системы, внешней обстановки, влияния помех и т.п. (программное моделирование).

Разработка аппаратно-программных моделирующих комплексов является сложной технической задачей. Несмотря на это, применение таких комплексов находит все большее распространение. При достаточной производительности вычислительных средств комплекса процесс исследования системы может вестись в реальном масштабе времени. В составе комплекса могут использоваться как универсальные микроЭВМ общего назначение, так и вычислительные средства, непосредственно входящие в исследуемую систему. Подобные моделирующие комплексы являются универсальными стендами для разработки и отладки аппаратно-программных средств, проектируемых систем заданного класса. Они могут использоваться в качестве тренажеров по обучению обслуживающего персонала.

Возникновение BIM-технологии рано или поздно было предрешено. По мере ускорения компьютерных процессов и усложнения социальных запросов к архитектору (одним из главных драйверов развития BIM стала идеология «зеленого строительства») менялся и инструментарий проектирования. История его эволюции интересна сама по себе и позволяет сделать прогнозы на будущее.

Мы опустим описание того славного периода, когда архитектор должен был героически вычерчивать каждый план от руки, а единственным средством наглядной визуализации здания был макет. Хотя уже тогда, измученные чертежной рутиной и вдохновленные теми изменениями, которые компьютеры начинали оказывать на все сферы человеческой жизни, многие архитекторы предчувствовали и предвосхищали объектно-ориентированное проектирование и программирование. В 1960-е годы стали появляться первые программы для моделирования, и уже в 1970-1980-е годы все они — по методу отображения и способу записи данных о форме — четко разделились на две группы: конструктивная стереометрия (CGS) и представление в границах (brep).

Программы первой группы (Constructive Solid Geometry) оперировали набором примитивных элементов (которые могли быть и пустотами): любая форма представлялась в виде объединения и наложения этих элементов друг на друга. Метод brep (boundary representaion), напротив, проводил между пустотами и «твердыми телами» четкую границу — она и служила для обозначения формы. Так или иначе, программы обоих типов положили начало эпохе CAD — computer-aided drawing, «рисования с помощью компьютера».

Проектирование зданий на основе «базы данных»

Первая программа, в которой здание можно было собирать из конкретных архитектурных элементов — BDS (Building Description System, «система описания здания»), — появилась в начале 1970-х. Более того, программа давала возможность добавлять к модели объекта такие параметры, как материал изготовления или имя поставщика. Ее придумал архитектор Чарльз Истман, выпускник университета в Беркли, — сейчас он профессор Технической архитектурной школы Джорджии и эксперт по BIM-проектированию. В то время, по подсчетам Истмана, применение BDS уменьшало стоимость проектирования на 50%. Но проблема была в том, что программа создавалась еще до распространения персональных компьютеров и воспользоваться ею могло лишь очень ограниченное количество архитекторов. Зато в следующем проекте Истмана 1977 года — GLIDE (Graphocal Language for Interactive Design) — уже были заложены все основные черты современных платформ для BIM.

Разработки в этом направлении велись и в Англии. В 1980-е там было создано целое семейство программного обеспечения: GDS, EdCAAD, Cedar, RUCAPS, Sonata, Reflex. Например, в программу RUCAPS, разработанную в 1986 году компанией GMW Computers, впервые была заложена концепция фазированного строительства, что очень помогло при возведении третьего терминала аэропорта Хитроу в Лондоне.

Чуть позже, параллельно с исследованиями, как за счет компьютерного моделирования увеличить эффективность строительства, стали пытаться симулировать определенные сценарии и проводить над моделью виртуальные «испытания». Одна из первых программ, позволяющих анализировать трансформации проекта в зависимости от материалов, конструкций, местоположения и ориентации, называлась Building Design Advisor. Ее разработали в 1993 году опять же в Беркли, в Национальной лаборатории Лоренса.

Отнюдь не все технологические прорывы совершались в Америке или Западной Европе: вы удивитесь, но родоначальниками хорошо всем известных сегодня программ ArchiCAD и Revit были уроженцы стран социалистического лагеря. Так, ArchiCAD вышел в свет в 1982 году благодаря будапештскому физику Габору Бохару. Пойдя на открытый конфликт с коммунистическим правительством, Бохар лишился возможности заниматься своей основной профессией: когда он писал первые строчки программного кода, единственным источником дохода для его семьи была контрабанда компьютеров Apple (ввозить их в Венгрию легально не позволял «железный занавес»). Именно под операционную систему Apple — Lisa Operating System — и взяв за основу BDS Истмана, Бохар ввел понятие «виртуального здания» и разработал RADAR CH, позже переименованную в ArchiCAD: так эта программа стала первой в своем роде, которую можно было использовать на персональном компьютере. А сам Бохар со временем возглавил корпорацию Graphisoft — крупнейшего игрока на рынке программного обеспечения для архитекторов. И хотя активно ArchiCAD стали применять только в 2000-е годы, по подсчетам Graphisoft, она помогла создать уже более 1 млн проектов по всему миру.

Что касается Revit, то авторство этой программы и вовсе принадлежит нашему соотечественнику Леониду Райзу, хотят тот и работал в основном за границей. В 1988 году он и Ирвин Юнграйс отделились от PTC — Parametric Technology Corporation — и основали в Кембридже, штат Массачусетс, собственную компанию Charles River Software. Чтобы написать программу, которая могла бы работать с более сложными и комплексными проектами, нежели ArchiCAD, они наняли единственного сотрудника — действующего архитектора Дэвида Конанта. Он отвечал за дизайн интерфейса и переделывал его девятьраз, но к 2000 году написанная на языке объектно-ориентированного программирования C++ программа Revit была готова. Спустя два года ее выкупила компания Autodesk и с тех пор продвигает как собственный программный продукт и популяризует сам термин BIM.

Революционность Revit состояла в том, что в процесс моделирования был включен параметр времени. Можно было просчитывать сроки строительства, симулируя его процесс. Один из ранних примеров использования Revit — башня Свободы в новом комплексе зданий Всемирного торгового центра в Нью-Йорке: ее спроектировал Даниэль Либескинд. Правда, строительство, вопреки всем компьютерным расчетам, затянулось по политическим причинам и было завершено только пару лет назад, но благодаря Revit были сделаны довольно точные расчеты по расходу материалов и их общей стоимости.

На сегодняшний день это одна из основных платформ для BIM-проектирования. На ней могут объединяться архитекторы, конструкторы и инженеры, причем работать автономно друг от друга и с разными правами доступа (можно менять параметры только в подведомственной твоему уровню группе). Плюс с каждым годом появляется все больше приложений-симуляторов для расчета освещенности, инсоляции, акустических свойств пространства и т. д.

Отдельно стоит сказать про программы, сфокусированные прежде всего на математически точном представлении сложных криволинейных форм и поверхностей, получившие название параметрических. Так, в 2003 году вышла популярная Generative Components, разработанная Bentley Systems. А в 2006-м — ее аналог Digital Project, которую, на основе одной из первых CAD-программ CATIA французского производителя самолетов Dessault Systems, разработали в Gehry Technologies — компании, специально созданной Фрэнком Гери для технологического сопровождения своих проектов. Ведь его совсем не случайно называют чуть ли не отцом-основателем BIM — Гери использовал информационное моделирование, еще когда не существовало самого термина.

Помните знаменитую «рыбу» у береговой линии Олимпийской деревни в Барселоне? Работу над этим проектом Гери начал в 1990 году, более четверти века назад. И быстро понял: чтобы создать скульптуру длиной 55 м и высотой 35 м столь сложной формы, без современных технологий не обойтись. Каждая деталь конструкции должна была быть трехмерной, изогнутой, и типичная 2D-документация для ее производства едва подходила, не говоря уже о дороговизне изготовления для каждой такой детали целого комплекта чертежей. Тогда-то архитектор и поставил перед своими сотрудниками задачу найти подходящее программное обеспечение. Произошла встреча с Dessault Systems и CATIA для моделирования самолетов. И расчеты те произвели с такой точностью, что всю «рыбу» собрали без каких-либо погрешностей согласно составленному программой графику — всего за шесть месяцев. А Гери с тех пор стал ярым адептом новых технологий в проектировании и все последующие свои шедевры строил только с помощью Digital Project. Эту же программу — наряду с другими — активно использует и бюро Захи Хадид[1]. Ведь фактически параметрические программы породили новый, параметрический формат архитектуры. В 2008 году Патрик Шумахер, партнер Zaha Hadid Architects, писал в своем «Манифесте параметризма»: «Параметризм может существовать только благодаря соответствующим инструментам проектирования. В конечном счете вычислительно продвинутые методы — такие как скриптинг (с помощью Rhino-script или Mel-script) и параметрическое моделирование (с Digital Project и Generative Components) становятся повседневной реальностью. И сегодня, не владея этими техниками, невозможно быть в авангарде архитектуры.

[1] Заха Хадид – выдающийся ирако-британский архитектор. В 2004 году стала первой в истории женщиной, награжденной Притцкеровской премией. Издание The Guardian за узнаваемую плавную геометрию зданий, спроектированных Хадид, назвал ее «королевой кривой». Основные работы Захи Хадид включают в себя Центр водных видов спорта для Олимпийских игр в Лондоне, Большой художественный музей Мичиганского университета в США и Оперный театр в Гуанчжоу в Китае.

При создании человеком чего-либо нового (новая модель самолета, автомобиля, орбитального спутника, книги, учебника и т. д.) информационные модели используются повсеместно. Руководствуясь исключительно теоретическими знаниями, не проводя экспериментов с моделями исследуемого или создаваемого объекта, невозможно определить наверняка, как он будет себя вести в тех или иных ситуациях. Наличие модели объекта позволяет определить наиболее слабые стороны в объекте и учесть полученные данные непосредственно при создании этого объекта. С подробным описанием всех видов информационных и компьютерных моделей, а также алгоритмом их создания можно будет ознакомиться на данном уроке.

Введение компьютерного моделирования

Родителем данной методологии является математическое моделирование. Они прочно связаны между собой, а существование компьютерного моделирования не может невозможно без математического. Появление точных наук дало начало активному использованию математического моделирования. Вычислительные методы, названые в честь столь известных ученых, как Эйлер и Ньютон, активно используются и в наше время.

В середине прошлого века ведущие страны мира, участвовавшие в научной борьбе, требовали технологически новую методологию. Такие проекты, как ракетно-ядерный щит, взрывы ядерных боеголовок, запуск космических ракет и спутников, не могли обрабатываться старыми методами. Решением стало изобретение электронных вычислительных машин. Они не только уменьшили время на выполнение большого количества рутинной работы, но и дали толчок для основания новой методологии – компьютерного моделирования.

Введение

Как мы знаем, информатика изучает реальные и абстрактные объекты. Для изучения реальных объектов и процессов создаются специальные компьютерные модели, т. е. формализованные модели объектов и процессов.

Развитие компьютерного моделирования

Первые применения данного моделирования осуществлялись в области физики. Оно помогало решать задачи гидравлики, фильтрации, теплопереноса и теплообмена, механики твердого тела и т.д. Фактически на первых этапах своего развития моделирование работало только с нелинейными задачами математической физики. Это делало его в большей степени математическим. Полученное доверие после успешных работ в области физики позволило компьютерному моделированию распространиться и на другие науки: химия, биология, электроэнергетика и т.д. А границы изучений этой методологии ограничивались исключительно возможностями ЭВМ. Уже в 70-ых годах прошлого столетия каждый успешный в области экологии или экономики проект разрабатывался с помощью моделирования.

Информационная модель

Информационная модель – описание объектов или процессов с помощью набора величин и/или изображений, содержащих необходимую информацию об исследуемых объектах или процессах. Информационные модели представляют объекты и процессы в образной или знаковой форме.

Формами представления информационной модели могут быть: любое словесное описание (в том числе описание алгоритма), таблица, рисунок, схема, чертеж, формула, компьютерная программа и т. д.

Примерами информационной модели могут служить, к примеру, библиотечный каталог, географическая карта, схема метрополитена, любой чертеж или математическая формула и т. д. Чертеж должен быть очень точным, на нем указываются все необходимые размеры. Например, чертеж болта нужен для того, чтобы, глядя на него, токарь мог выточить болт на станке (рис. 1).

Рис. 1. Инженерная схема как пример информационной модели. (Источник)

Рис. 2. Пример информационной модели

Среди множества видов информационных моделей выделяют:

математические;
графические;
табличные;
словесные.

Компьютерное моделирование в современном мире

В наше время моделирование активно проникает во все структуры информационного общества. Развитие данной технологии позволяет проектировать и изучать по-настоящему сложные процессы. Примером таких будет моделирование систем различной физической природы, включающих большое количество различных изменяющихся во времени параметров, структурных элементов и связей между ними.
Моделирование в медицине также довольно распространено. Мы имеем возможность изучать влияние тысяч молекул возможного препарата на белки, чтобы найти потенциально необходимое лекарство.

Каждое средство передвижения, архитектурное строение, производственный аппарат и т.д. не разрабатываются без помощи компьютерного моделирования.

Виртуальная реальность – плод данной технологии. Революционно новое направление с каждым днем набирает популярность. Она позволяет человеку попасть в виртуальный мир и управлять происходящим с помощью специальных сенсорных средств. При этом все природные нам ощущения, такие как слуховые или зрительные, заменяются их имитацией.

Заключение

Компьютерное моделирование – инструмент, без которого не обходится ни одна область человеческой деятельности. За 50 лет методология сделала огромный скачок в технологическом развитии. Став более доступной и простой, она дает возможность людям концентрироваться на моделировании и экспериментах. И это только начало: с каждым днем моделирование открывает себя в совершенно новых отраслях нашей жизни. В данной статье описаны лишь некоторые примеры из всего разнообразия применения компьютерного моделирования, ярко подчёркивающие значимость и возможности этой технологии.

Компьютерная модель

Рис. 6. Интерфейс виртуальной лаборатории LiveChem

Опыты в виртуальных лабораториях удобно проводить, если в реальных условиях они, например, связаны с риском для жизни (подразумевается работа с кислотами, щелочами, взрывчатыми веществами) или если они требуют дорогостоящего оборудования для проведения.

Виртуальный мир (виртуальная реальность) – созданный техническими средствами мир, передаваемый человеку через его ощущения: зрение, слух, обоняние, осязание и пр. Объекты виртуальной реальности обычно ведут себя близко к поведению аналогичных объектов материальной реальности.

Рис. 7. Симулятор вождения автомобиля

Рис. 8. Интерфейс компьютерного симулятора шифровальной машины «Энигма»

Графическая модель

Графическая модель – это представление объектов и процессов в виде их изображений. Примером графической модели может служить план зрительного зала в театре, изображение какой-либо детали, географическая карта (рис. 4). На примере географических карт можно увидеть, как один и тот же объект может быть представлен различными способами, как при помощи модели могут быть выделены только определенные свойства этого объекта. К примеру, существуют карты физические, административного деления, политическая и т. д. На физической карте мы видим горы, равнины, леса; на административной карте перечисленные вещи не показываются, но зато на них присутствуют границы между территориальными областями. На карте почв видны кривые зимних и летних температур. Получается, что для каждой модели выделяются те свойства, которые интересны для изучения.

Рис. 4. Политическая карта мира как пример графической модели (Источник)

Табличная модель

Табличная модель – это представление свойств объектов и процессов в виде таблиц. Например, процесс сжатия газа под поршнем: зависимость давления газа от объема можно представить в виде таблицы. Таким образом, создается табличная модель этого процесса. Одним из наиболее наглядных примеров табличной модели является периодическая система химических элементов Д.И. Менделеева (рис. 5).

Рис. 5. Табличная модель представления данных – периодическая система химических данных (Источник)

Мощности сегодняшних компьютеров открывают новый способ оценить влияние множества идей на эффективность организации, с учетом как сложности, так и неопределенности организации и влияния внешней среды. Из-за присущей сложности и неопределенности, любое решение, даже самое разумное, как могло казаться в момент его принятия, может легко привести к очень негативным результатам.

Одним из столпов TOC является аксиома / убеждение, что каждая организация по своей сути проста. На практике это означает, что лишь немногие переменные действительно ограничивают производительность организации даже при значительной неопределенности.

Использование симуляторов могло бы устранить кажущуюся сложность системы и принимать относительно простые правила для ее правильного управления. Другими словами, симуляторы можно и нужно использовать, чтобы выявить простоту. Раскрытие простых правил особенно ценно во время перемен, независимо от того, является ли изменение результатом внутренней инициативы или внешнего события.

Моделирование может быть использовано для достижения двух разных целей:

Медиапособие Виктора Вальчука «Конфликт сторон»

На предприятиях нередко возникают ситуации, когда интересы сторон расходятся. Одна сторона предпочитает одни действия и решения, а другая сторона — другие. Для таких ситуаций всегда можно построить диаграмму разрешения конфликта. Как всегда, конфликт имеет место быть вследствие того, что у одной или у обеих сторон имеются ошибочные убеждения. Их обнаружение позволяет найти прорывное решение.

Медиапособие для тех, кто хочет развить свои управленческие навыки и вывести карьеру на новый уровень, но не хватает времени. Включает полный разбор инструмента ТОС «Грозовая туча» для верного решения конфликта сторон (в т.ч. 2,5 часа видеолекций курса «Директор по трансформации»).

1. Обеспечение понимания причинно-следственных связей в определенных ситуациях и влияние неопределенности на эти ситуации

Понимание достигается посредством серии симуляций выбранной четко определенной среды, которая показывает существенную разницу в результатах между различными решениями. Эффективный обучающий симулятор должен доказать, что существует четкий причинно-следственный поток, который приводит к решению результата.

Само открытие идей и концепций является специальным дополнительным подмножеством обучающего симулятора. Оно требует способности принимать много разных решений, если логика фактических результатов ясна.

2. Помощь в принятии сложных решений путем детального моделирования конкретной среды

Это позволяет пользователю тестировать различные параметры, представляющие различные альтернативы, и получить надежную картину распределения результатов. Задача состоит в том, чтобы смоделировать среду таким образом, чтобы она сохраняла основную сложность и хорошо отображала все ключевые переменные, которые действительно влияют на производительность.

Мощности сегодняшних компьютеров таковы, что разработка широкомасштабных симуляторов, которые могут быть приспособлены к различным средам и в конечном итоге поддерживать очень сложные решения, абсолютно возможна. Мой опыт показывает, что основная библиотека функций таких симуляторов должна разрабатываться с нуля, поскольку использование общих модулей, предоставляемых другими разработчиками, замедляет моделирование до такой степени, что они становятся непригодными для использования. Руководители должны принимать очень много решений очень быстро. Это означает, что вспомогательная информация должна быть легко доступна. Быстрота является одним из важнейших необходимых условий для широкомасштабного моделирования, которое служит эффективным инструментом помощи в принятия решений.

Д-р Алан Барнард, один из самых известных экспертов TOC, также является создателем полного симулятора цепи поставок. Сначала он определяет управленческую потребность, чтобы убедиться, что новые общие правила ТОС, лежащие в основе потока продуктов, будут работать действительно хорошо. Но также необходимо определить правильные параметры, такие как соответствующие буферы и время пополнения, и это может быть достигнуто путем моделирования.

Существует огромное количество других решений, которые мог бы поддерживать хороший широкомасштабный симулятор. Основная способность моделирования состоит в том, чтобы изобразить поток, например, поток продуктов через цепочку поставок, поток материалов через производство, поток проектов или поток денег, поступающих и исходящих. Моделируемый поток характеризуется своими узлами, политикой и неопределенностью. Чтобы оказывать помощь в принятии решения, необходимо смоделировать несколько потоков, которые взаимодействуют друг с другом. Только если поток продукта, поток заказов, денежный поток и поток мощности (покупательная способность) моделируются вместе, может быть определена суть целостного бизнеса. Симулятор должен позволять легко вводить новые идеи, такие как новые продукты, которые конкурируют с существующими продуктами, чтобы создавать модель достаточно быстро.

Для многих решений присущая простота, как утверждает доктор Голдратт, дает возможность достаточно хорошо прогнозировать влияние предлагаемого изменения на результат. Экономика прохода определяет процесс проверки новых идей как вычисление пессимистического и оптимистического воздействия этой идеи на результат организации. ТОС полагается на возможность получить достаточно хорошие вычисления в отношении общего влияния на продажи и потребления мощности для прогнозирования (ΔT – ΔOE).

Однако иногда организация сталкивается с событиями или идеями с более широкими последствиями, такими как влияние на срок выполнения заказа или возникновение эффекта «домино», когда некий случай вызывает последовательность неудач, поэтому необходимо использовать более сложные способы поддержки решений. Такие дополнительные осложнения в прогнозировании полных потенциальных последствий новых идей могут быть преодолены путем моделирования ситуации с внедрением изменениями и без изменений. Моделирование является последней надеждой, когда прямые вычисления слишком сложны.

Предположим, что моделируется относительно большая компания с несколькими производственными площадками в разных местах по всему миру, а также с ее транспортными линиями, клиентами и поставщиками. Все ключевые потоки, включая денежные транзакции и время, являются частью моделирования. Это обеспечивает инфраструктуру, в которой различные идеи относительно рынка, операций, проектирования и снабжения могут быть тщательно проанализированы, что позволяет спрогнозировать влияние на чистую прибыль. Когда вводятся новые продукты, определить начальный уровень запасов в цепи поставок сложно из-за его высокой зависимости от прогноза. Каждое решение должно быть проверено в соответствии с пессимистическими и оптимистическими предположениями, и, таким образом, руководство может принять разумное решение, которое учитывает несколько возможных экстремальных моделей поведения на рынке.

Такая симуляция может оказать большую помощь, когда произойдет внешнее событие, которое нарушает обычное поведение организации. Например, предположим, что один из поставщиков пострадал от цунами. Несмотря на то, что запасов хватит на следующие четыре недели, необходимо как можно скорее найти альтернативы, а также понять потенциальный ущерб для каждой принятой альтернативы. Проверка такого рода сценариев «что-если» легко сделать с таким симулятором, раскрывающим реальные финансовые последствия каждой альтернативы.

Другие важные области, которые могут использовать симуляцию для проверки различных идей, – это авиа- и судоходные компании. Ключевой проблемой при эксплуатации транспорта является не только вместимость каждого транспортного средства, но и его точное местоположение в определенное время. Любая задержка или сбой создает эффект домино для других миссий и ресурсов. Проверка экономической целесообразности открытия новой линии должна включать возможное влияние такого эффекта домино. Разумеется, эксплуатация транспортных средств, если они могут быть ограничением, должна стать целью для проверки различных сценариев путем моделирования. Проверка различных вариантов политики динамического ценообразования, известная как управление доходами, также имеет смысл.

Хотя преимущества могут быть велики, нужно знать об ограничениях. Моделирование основано на предположениях, которые открывают путь к манипуляциям или просто к ошибкам. Давайте различать две разные категории причин провала.

Баги и ошибки в переданных параметрах. Это сбои в программном обеспечении моделирования или неправильные входные данные, представляющие ключевые параметры, запрошенные программой моделирования.
Неудача моделирования по отображению истинной реальности. Невозможно смоделировать реальность, как она есть. Слишком много параметров. Таким образом, нам необходимо упростить реальность и сфокусироваться только на параметрах, которые имеют или могут иметь при определенных обстоятельствах существенное влияние на производительность. Например, нереально смоделировать подробное поведение каждого отдельного человеческого ресурса. Однако мы можем смоделировать поведение больших групп людей, таких как сегменты рынка и группы поставщиков.

Еще одной проблемой им вызовом является моделирование стохастического поведения различных рынков, конкретных ресурсов и поставщиков. Когда фактическая стохастическая функция неизвестна, существует тенденция использовать общие математические функции, такие как распределение по Гауссу или Пуассону, даже если они не соответствуют конкретной реальности.

Таким образом, модели должны подвергаться тщательной проверке. Первый большой тест должен отображать текущее состояние. Действительно ли он представляет текущее поведение? Поскольку для сравнения смоделированных результатов с текущими результатами состояния должно быть достаточно интуиции и данных, это является важной вехой в использовании симулятора для помощи в принятии решений. В большинстве случаев в начале возникают отклонения из-за багов в ПО и ошибок входных данных. Как только модель кажется достаточно надежной, необходимо провести более тщательные тесты, чтобы обеспечить ее способность прогнозировать будущую производительность при определенных допущениях.

Поэтому, хотя относиться к моделированию нужно с осторожностью, мы можем добиться больше, лучше понимая влияние неопределенности и тем самым повышая производительность организации.

Читайте также: