Содержание к диссертации
Введение
Глава I. Технологии и инструменты поддержки принятия решений в экономике 14
1.1 Системы поддержки принятия решений и их задачи 14
1.2 Анализ языков и инструментов разработки систем поддержки принятия решений 21
1.3 Кибернетический подход к моделированию социальной динамики 33
1.4 Основные требования к модельно-программным комплексам поддержки принятия решений в экономике и инструментам их разработки 43
Глава II. Разработка объектно-ориентированного языка формальной спецификации динамических экономико-математических моделей 51
2.1 Сигнально-операторный формализм 51
2.2 Нотация сигнально-операторного формализма 80
Глава III. Применение технологии когнитивной графики для визуализации нелинейных динамических систем в экономике 86
3.1. Основные требования к способам визуализации экономических процессов 86
3.2. Разработка способов визуализации экономической информации в динамике на основе технологии когнитивной графики 89
Глава IV. Модельно-программный комплекс поддержки принятия решений для ситуационного центра министерства образования и науки РФ 116
4.1 Инструмент прогнозирования развития системы образования 116
4.2 Экспериментальное моделирование на инструменте прогнозирования развития системы образования 125
Заключение 140
Библиографический список 143
Приложение 149
- Анализ языков и инструментов разработки систем поддержки принятия решений
- Нотация сигнально-операторного формализма
- Разработка способов визуализации экономической информации в динамике на основе технологии когнитивной графики
- Экспериментальное моделирование на инструменте прогнозирования развития системы образования
Введение к работе
Актуальность темы исследования
Разработка стратегии социально-экономического развития на всех, уровнях организации общества (макро, мезо и микро) должна базироваться на достоверных и обоснованных прогнозах рассматриваемых процессов. Вместе с тем получение качественных прогнозных оценок значительно затрудняется в условиях усложнения, взаимосвязей между процессами, и воздействия на них ряда взаимопротивоположных факторов, что определяет необходимость.постоянного совершенствования инструментария прогнозных исследований:
«Ахиллесовой пятой» многих прогностических, инструментов является использование недостаточно теоретически обоснованных подходов; (математических: и программных), основанных, на статистической! экстраполяции и предполагающих стационарность экономических структур в будущему Это приводит к низкой эффективности их применения в исследованиях социально-экономической динамики, характеризующейся изменчивостью структурных взаимосвязей ш нелинейными закономерностями развития:
Повышение качества социально-экономического прогнозирования может быть достигнуто8за счёт применения информационных систем нового поколения: - модельно-программных комплексов поддержки: принятия решений генерирующих информацию об исследуемой системе как прогноз состояний; процессов с учётом; изменчивости их структурной организации т.е. взаимосвязей. Такие информационные системы могут быть созданы нш основе динамических моделей с нестационарной структурой.
Потребность • в модельно-программных комплексах, способных прогнозировать: как состояния, так и будущие структуры определила актуальность проведения исследования направленного на изучение: их характеристик и разработку технологии построения. Степень научной разработанности проблемы
В разработку проблем управления социально-экономическими системами, моделирования и прогнозирования их динамики наиболее существенный вклад внесли следующие отечественные и зарубежные специалисты: Л. фон Берталанфи, В.Н.Бурков, Н.П. Бусленко, Г. Вагнер, Д.М. Гвишиани, Д. Диксон, В.В.Дружинин, Э. Квейд, В. Кинг, Д. Климанд, Н.В. Кобринский, А. Кофман, А.А. Кугаенко, О.И. Ларичев, Е.З. Майминас, Д.Л. Медоуз, М. Месарович, Н.Н. Моисеев, Дж. фон Нейман, В.Н. Садовский, А.А. Самарский, Е.Е. Слуцкий, А.Д. Смирнов, Г.С. Поспелов, Н.П. Тихомиров, Э.А. Трахтенгерц, А.И.Уемов, Дж. Форрестер и другие. Проведённые ими исследования затронули широкий круг социально-экономических систем от микро- до макроуровня, однако по большей части основывались на их описании линейными математическими моделями, либо моделями, предполагающими стационарность (неизменность- во времени) структуры. Такое описание не позволяло адекватно отражать особенности социально-экономических систем, нелинейных nos характеру развития процессов и нестационарных по структуре. Кроме того, за рамками проведённых исследований остаются практически неразработанными методы прогнозирования структурных изменений в социально-экономических системах, не решены вопросы моделирования явлений свойственных нелинейным динамическим системам (бифуркаций, синергетического (эмерджентного) эффекта, гомеостаза, переменной чувствительности к экзогенным управлениям, переменных скоростей процессов и т.д.), а также вопросы, связанные с разработкой соответствующего- инструментария. Недостаточная разработанность этих проблем предопределила выбор цели и« задач диссертационного исследования.
Цель и задачи исследования
Целью работы является разработка технологии построения прогностических комплексов в экономике использующих в качестве прогностического ядра динамические модели с нестационарной структурой, в том числе соответствующих инструментальных средств - языка формального описания и визуального языка синтеза (программирования) динамических моделей с нестационарной структурой, набора способов визуализации бизнес процессов и их программной библиотеки, системы моделирования социально-экономических систем (среды разработки и подсистемы моделирования).
Для достижения поставленной цели должны быть решены следующие задачи:
систематизированы подходы к моделированию социально-экономических систем, выделены их сильные и слабые стороны, оценены возможности инструментальных средств моделирования, соответствующих каждому подходу;
- предложен класс динамических моделей с нестационарной структурой, использование которых при моделировании социально- экономических систем позволяет получать прогнозы, как состояний, так и будущих структур;
разработан объектно-ориентированный язык формальной спецификации динамических моделей (ЯДМ), обладающих нелинейной нестационарной структурой;
- разработана совокупность экономических человеко-машинных интерфейсов, реализующих механизмы экзогенного управления параметрами динамических моделей непосредственно в процессе прогнозирования и интерпретации получаемых результатов;
- разработано программное обеспечение для построения модельно- программных прогностических комплексов.
Предмет исследования
Предметом исследования является совокупность методов и процедур построения модельно-программных прогностических комплексов в экономике.
Объект исследования
Объектом исследования являются нелинейные процессы в социально-экономических системах.
Методологическая и теоретическая основа
Теоретическую и методологическую основу исследования составляют научные разработки современных российских и зарубежных ученых в области экономической теории, управления социально-экономическими системами, экономико-математического моделирования, социально-экономического прогнозирования, разработки инструментальных средств, компьютерной обработки и когнитивного представления экономической информации.
В ходе исследования в качестве инструментария использовались методы системного и сравнительного анализа, экономической статистики, имитационного моделирования, теории автоматического регулирования, нелинейной динамики, проектирования и программирования информационных систем.
Информационную базу исследования составили различные нормативные и законодательные акты РФ, постановления и решения правительства РФ по вопросам мониторинга, планирования и прогнозирования экономического развития РФ.
Научная новизна исследования
Научная новизна исследования состоит в разработке технологии построения модельно-программных инструментов прогнозирования социально-экономических систем на основе динамических моделей с нестационарной структурой. Новизна разработанной технологии заключается в процедуре синтеза прогностического ядра, базирующейся на структурной декомпозиции исследуемых процессов на атомарные элементы и каналы связей между ними, и последующим представлении составляющих элементов лексемами объектно-ориентированного языка описания динамических моделей, позволяющими моделировать явления свойственные нелинейным динамическим системам.
Практическая значимость исследования
Практическая значимость состоит том, что использование предложенной технологии и инструментальных средств на практике позволит разработчикам прогностических комплексов в области экономики упростить синтез моделей большой размерности, сократить время, затрачиваемое на разработку, а также повысить уровень восприятия и интерпретации результатов моделирования.
Апробация результатов исследования
Основные теоретические положения и результаты диссертационной работы были обсуждены и одобрены на кафедре Информационных технологий РЭА им. Г.В. Плеханова. Кроме того, материалы диссертационной работы докладывались на следующих конференциях и семинарах: Всероссийский семинар «Прогнозирование и моделирование развития системы образования» (2004 г.), Международная научно- техническая конференция и Российская научная школа молодых учёных и специалистов «Системные проблемы надёжности, качества, информационных и электронных технологий» (ИННОВАТИКА - 2004 г., 2005 г., 2006 г.), XVIII-XX Международные Плехановские чтения, Новейшие информационные технологии в экономике и бизнесе (2005 г.), Интернет- конференция «Инновации в высшем образовании» (2006 г.), Научно- практический семинар факультета информатики РЭА им. Г.В. Плеханова (2006 г.), Научно-практическая конференция «Новые решения для бизнеса: CHALLENGE - 2006», Научно-практическая конференция «Информационные технологии в экономике XXI века» (2007 г).
Возможности технологии построения прогностических комплексов в экономике продемонстрированы на следующих разработках:
- система динамического моделирования социально-экономических процессов «ДИН-Прогноз» (в варианте для платформы Microsoft Framework .NET) (используется для научных исследований, разработки модельно- .программных комплексов поддержки принятия решений, прогностических комплексов, инструментов обучения и т.д.);
- комплекс обучающих экономических тренажёров «ДИН-Практикум»;
- деловые экономические игры «Конкуренция», «Маркетинг» (используются в учебном процессе на факультете Менеджмента в РЭА им. Г.В. Плеханова);
модельно-программный комплекс для ситуационного центра МинОбрНауки РФ, разработанный по госзаказу в ГУ «Национальный центр развития образования» (НЦРО).
Кроме того, данная технология может эффективно использоваться при создании, систем динамического моделирования объектов различной природы, распределенных информационных модельно-программных комплексов- поддержки принятия решений в управлении экономическими системами (программных составляющих ситуационных центров), инструментов для обучения управлению (тренажёров-симуляторов), деловых экономических игр и др.
Теоретические и практические результаты диссертационной работы были использованы при выполнении следующих НИР по госзаказу:
«Разработка научно-методических основ математического моделирования процессов в сфере образования» (НЦРО, 2004 г.);
- «Разработка научно-методических основ обновления исходной информации в модельно-программном комплексе прогнозирования развития образования» (РЭА, 2005 г.);
- «Разработка методов моделирования прогнозируемых изменений объёмов подготовки трудовых ресурсов с различным уровнем профессионального образования с учётом долгосрочных потребностей народнохозяйственного комплекса» (НЦРО, 2005 г.).
Разработанный на базе системы динамического моделирования «ДИН-Прогноз» комплекс экономических тренажёров «ДИН-Практикум» выставлялся на Первой международной выставке-форуме «Интернетика -экспо 2006» от РЭА им. Г.В. Плеханова в 2006 году.
На результаты диссертационного исследования получены:
1. Патент № 43663 «Устройство динамического моделирования социально-экономических оригиналов».
3. Свидетельство об официальной регистрации программы для ЭВМ № 2004612233 «ДИН-Прогноз».
Поданы заявки № 2007148819 на полезную модель «Устройство для моделирования поведения динамической системы с нестационарными связями», № 2007130628 на изобретение «Способ работы тренажёра1 для обучения навыкам управления финансовой деятельностью коммерческого банка в условиях конкурентного рынка банковских услуг», № 2008106989 на полезную модель «Деловая игра», № 2008106987 на изобретение «Тренажёр для обучения навыкам управления экономическими динамическими объектами».
На защиту выносятся:
объектно-ориентированный язык формального описания динамических моделей, в основу которого положены элементы, позволяющие моделировать такие явления свойственные нелинейным динамическим системам, как структурная нестационарность, обратные связи, бифуркации, синергетический эффект, гомеостаз, переменная чувствительность к экзогенным управлениям, переменные скорости процессов и т.д.
- алгоритмы и интерактивные способы визуализации, реализующие логику бизнес-процессов (кредитование, импульсное и непрерывное перемещение ресурсов между накопителями, финансовое планирование, распределение ресурсных потоков и т.д.), позволяющие непосредственно в процессе моделирования осуществлять управление параметрами динамической модели и наблюдать за результатами данного управления;
- технология- построения модельно-программных прогностических комплексов, основанная на использовании в качестве прогностического ядра динамических моделей с нестационарной структурой, что позволяет прогнозировать динамику (изменение состояния и структуры) социально-экономических процессов їв быстро изменяющихся экономических условиях.
- программное обеспечение, реализующее функции полного, цикла работ в соответствии с технологией построения модельно-программных прогностических комплексов в экономике: синтез динамической экономико-математической модели исследуемой социально-экономической системы на основе тезауруса ЯДМ, построение пользовательского интерфейса МІЖ, балансировка модели и настройка параметров моделирования, проведение машинного эксперимента.
Краткое описание структуры диссертационной работы В 1 первой главе диссертационной работы проведено- исследование существующих подходов и технологий поддержки принятия решений в управлении социально-экономическими системами. Рассмотрены наиболее распространённые подходы к компьютерному имитационному моделированию, проанализированы языки и инструменты разработки систем поддержки принятия решений. В заключении главьг представлены технические требования к современным модельно-программным комплексам поддержки принятия решений в экономике. На основе этих требований сформулированы принципы разработки программных инструментов для-построения модельно-программных комплексов поддержки принятия решений в экономике.
Вторая- глава содержит описание разработанного объектно ориентированного языка формальной спецификации динамических экономико-математических моделей, а также обоснование корректности его применения.
Третья глава посвящена проблеме визуализации нелинейной динамики в социально-экономических системах.
В четвёртой главе продемонстрированы возможности разработанной технологии, на примере инструмента прогнозирования развития системы образования, разработанного в 2003-2005 гг. по государственному заказу Министерства образования и науки Российской Федерации на основе системы «ДИН-Прогноз».
В заключение работы приведена общая характеристика работы и основные выводы по результатам диссертации.
Автор диссертации благодарит за помощь в диссертационной работе д.э.н., проф. Кугаенко А. А. и к.т.н., проф. Щербакову О. В.
Анализ языков и инструментов разработки систем поддержки принятия решений
Первые системы поддержки принятия решений начали разрабатываться в начале 70-х годов как развитие трёх классов систем: управленческих информационных систем (УИС), систем обработки данных и систем, основанных на знаниях. В те годы СППР назывались «системы управленческих решений», работали, в основном, с хорошо структурированными задачами и, по сути, мало чем отличалось от традиционных УИС.
Современные системы поддержки принятия решений коренным образом отличаются от предшествующих поколений, прежде всего кругом решаемых задач. Их начали использовать не только государственные; но и коммерческие структуры, где в связи с протекающими процессами агрегации и глобализации ответственность за управленческие решения- также становится значительной. Особенно большое количество систем поддержки принятия решений было разработано в области управления экономическими системами, и в последнее время спрос на данные технологии только увеличивается. Это находит подтверждение при анализе рынка прикладных информационных систем. Несмотря на то что, рынок СППР возник в Российской Федерации только в середине 90-х годов, аналитики (по состоянию на середину 2006 г.) оценивают его суммой порядка 10 млрд. долларов и отмечают существенно бо льшие темпы роста, чем, например, у рынка ERP -систем (корпоративных систем управления). Так рост рынка СППР составляет порядка 30% в год против 10-15% роста ERP-рынка, И можно предположить, что в течение ближайших лет можно ожидать достижения паритета.
В связи с ростом рынка СГШР растёт спрос и на инструменты их разработки. Главным образом такими инструментами выступают или языки программирования высокого уровня (специализированные или общего назначения), или среды имитационного моделирования, позволяющие синтезировать экономико-математические модели исследуемых систем и строить необходимый пользовательский интерфейс.
Использование языков программирования не является в настоящее время целесообразной практикой, что связано в первую очередь с отсутствием в них необходимых для этой цели средств (примитивов) и, как следствие, продолжительностью и высокой стоимостью разработок.
Современные системы имитационного моделирования, напротив, в большинстве случаев специализированы на определённой области моделирования (физическое, социально-экономическое моделирование, моделирование процессов биоты и т.п.) и содержат необходимые языковые и интерфейсные элементы для разработки на их базе СГШР. Рассмотрим наиболее распространённые подходы к компьютерному имитационному моделированию: 1. Системная динамика (СД). Этот подход был разработан Дж. Форрестером в конце 1950-х как «исследование информационных обратных связей в промышленной деятельности с целью показать как организационная структура, усиления (в политиках) и задержки (в принятии решений и действиях) взаимодействуют, влияя на успешность предприятия» [46]. Процессы, происходящие в реальном мире, в СД представляются в терминах накопителей, потоков между накопителями и информации, которая определяет величину этих потоков. Структура и поведение системы представляется как множество взаимодействующих положительных и отрицательных обратных связей и задержек. Математически, системно-динамическая модель описывается системой дифференциальных уравнений. 2. Дискретно-событийное моделирование (ДС). В основе дискретно-событийного моделирования лежит концепция заявок (транзактов), ресурсов и потоковых диаграмм, определяющих потоки заявок и использование ресурсов. Основа данного подхода была заложена Дж. Гордоном, который в 1960-х, работая в компании IBM, придумал и развил GPSS4 [48]. Заявки (транзакты в GPSS) представляют собой пассивные объекты (люди, детали, документы, задачи, сообщения" и т.п.), которые транслируются через потоки, «стоя» в очередях, обрабатываясь, захватывая и освобождая ресурсы, разделяясь, соединяясь и т.д. Большинство современных пакетов, поддерживающих ДС, нацелено на определённые ниши: обслуживание, бизнес-процессы, производство, логистика и т.д. Дискретно-событийную модель можно рассматривать как глобальную схему обработки заявок, обычно со стохастическими элементами. Дискретно-событийный подход в контексте экономического моделирования не позволяет описывать динамические характеристики процессов, в связи с чем, его применение в основном ограничено задачами, связанными с обслуживанием очередей (системы массового обслуживания и т.п.). 3. Агентное моделирование (AM). В отличие от системной динамики или дискретно-событийных моделей, в агентных моделях динамика системы нигде централизованно не определяется. Модельер определяет поведение на индивидуальном уровне агента, а глобальное поведение возникает как результат деятельности многих агентов, каждый из которых следует своим собственным правилам, «живёт» в общей среде и взаимодействует со средой и с другими агентами. Существенным недостатком такого подхода является представление агента как простой сущности с примитивным поведением и возникновении сложности только при взаимодействии большого количества агентов. Как правило, поведение социально-экономических объектов, сложных по структуре и поведению, весьма плохо ложится на концепцию примитивного агента, что, в прочем, не умаляет достоинства агентного подхода при моделировании ряда биологических и технических систем.
Для описания имитационного процесса весьма актуален вопрос выбора не только метода, но и языка программирования. Хотя теоретически возможно описать модель на любом из широко распространенных универсальных языков Фортране, Паскале, C++ опыт развития теории и практики имитационного- моделирования показывает, что наиболее эффективными средствами являются специальные имитационные языки, внедрённые в соответствующие среды разработки. Все языки имитационного моделирования можно разделить на четыре основных класса:
1. Доработки какого-либо универсального языка группой операторов, реализующих необходимые функции. Наибольшее распространение в этом классе получил язык GASP, который может быть реализован, на любой вычислительной системе, имеющей в программной среде компилятор с FORTRAN-IV. Существенным недостатком класса является отсутствие концептуальной выразительности и средств для проверки логики имитационной модели.
Нотация сигнально-операторного формализма
Нотация является необходимой составляющей любого языка моделирования и представляет собой совокупность графических образов (пиктограмм), используемых для отображения элементов языка, способов записи этих элементов и отношений между ними. Например, нотация диаграммы классов определяет, каким образом представляются такие элементы и понятия, как класс, ассоциация и множественность. Следует отметить, что эффективность процесса проектирования моделей во многом зависит как от удобства самой нотации, так и от поддержки нотации соответствующей средой моделирования, например, через визуальный конструктор моделей.
Сложные системы, как правило, описываются сложными математическими моделями. Удобной и естественной формой представления таких моделей может быть потоковая структурная схема (особенно при исследовании сложных многосвязных социально-экономических объектов, экологических систем и т.п.). Используя нотацию структурных схем при формировании модели, специалисту проблемной области нет необходимости самостоятельно описывать объект в виде системы нелинейных дифференциальных уравнений с нестационарной структурой. Достаточно перечислить важнейшие факторы, влияющие на развитие процессов в исследуемом объекте и указать связи между ними. Например, предложение зависит от спроса, с одной стороны, и от возможностей производства, с другой; производство зависит от трудовых и материальных ресурсов; спрос зависит от цены, качества продукции и финансовых возможностей потребителей и т.д. Если на этом этапе отдельные понятия представить в виде блоков, а зависимость между ними изобразить, стрелками, то будет получена принципиальная блок-схема модели, сходная по своей идее с модным в настоящее время представлением систем в виде когнитивных карт.
Дальнейшая детализации принципиальной блок-схемы, замена блоков соответствующими наборами операторов (пиктограммами операторов) и привязка к числовым данным приводит к потоковой (динамической) структурной схеме. Она в наглядной графической форме отображает состав модели, взаимосвязи ее компонентов и преобразования внутренних параметров.
Структурная схема позволяет представлять модели любой сложности -нелинейные, нестационарные, стохастические, логические, с обратными связями, описываемые дифференциальными, конечно-разностными и другими уравнениями. Из неё может быть получено любое другое представление модели, и в тоже время она несет важную, с точки зрения исследователя, информацию о принадлежности частей модели одному структурному компоненту. Эффективность использования структурных схем для формализации математических моделей исследуемых систем основана на возможности записывать системы нелинейных дифференциальных уравнений в более компактном виде, нежели аналитическое представление. Кроме того, структурные схемы являются одним из простых и рациональных методов решения задачи определения передаточной функции и уравнения системы.
Нотация сигнально-операторного формализма, основанная на структурных схемах, включает в себя однонаправленные стрелки связи («причина-следствие», «вход-выход»), пиктограммы элементов (операторов) характеризующие тип преобразования элементом множества входных сигналов в единственный выходной, номера и названия элементов-преобразователей в модели. В ряде случаев источниками входных сигналов на операторы могут выступать средства визуализации, за которыми закреплены какие-либо рычаги управления, что также графически отражается в виде пиктограмм и связей.
В соответствии с нотацией сигнально-операторного формализма математическая модель может быть визуализирована в виде графа состоящего из множества вершин, каждая из которых соответствует одному преобразователю (оператору) или управляющему элементу визуализации, и однонаправленных дуг (стрелок). Стрелка, связывающая операторы А и Б, соответствует причинно-следственной связи А — Б, где А — причина, Б — следствие, или логике «изменение А влечёт за собой изменение Б».
В структурной схеме общая потребность в товаре моделируется оператором 13, а предложение - оператором 17. Дополнительная потребность вычисляется оператором 2, как разность между общей потребностью в товаре и имеющимся у покупателя ранее купленным товаром Мн (оператор 6). Спрос (оператор 4), во-первых, непосредственно зависит от отношения (оператор 3) величины дополнительной потребности (оператор 2) товара к его цене (оператор 16) и, во-вторых, от финансовых возможностей (ФВ) покупателя (оператор 9). Эластичность изменения спроса от цены устанавливается коэффициентом К в знаменателе оператора 3 и постоянным сигналом (ПС). Поскольку реальный спрос не может превышать потребность, оператор 5 осуществляет1 выбор минимального значения из сигналов потребности или спроса. В результате моделируется поток приобретаемых покупателем товаров (оператор 5), который накапливается (интегрируется) оператором 6. Выход этого оператора соответствует количеству товаров Мн, находящихся у покупателя. Этот товар постепенно изнашивается (расходуется) со скоростью, задаваемой оператором 7. В результате количество товара М„, с одной стороны, увеличивается (поток купленного товара), с другой - уменьшается (поток износа купленного товара). Очевидно, чем больше М,„ тем меньше спрос. Эта известная зависимость моделируется отрицательной обратной связью, реализуемой оператором 2. Финансовые возможности населения растут (оператор-интегратор 9) при увеличении потока доходов населения (оператор 14) и уменьшаются с увеличением потока приобретаемого товара и его цены (оператор 8). Финансовые возможности никогда не имеют отрицательного значения, поэтому при моделировании используется оператор-интегратор с ограничением по нулевому уровню.
Цена приобретаемого товара моделируется оператором 16. Она тем больше, чем больше спрос и индекс дефицита товара. Дефицит товара моделируется как превышение отношения спроса над предложением (оператор 10) больше, чем на единицу (оператор 11). Наличие сигнала о дефиците приводит к росту общей потребности в товаре (оператор 1), которая становится больше, чем реальная общая потребность (оператор 13).
Увеличение цены товара при возникновении дефицита снижает спрос на него, тогда как рост финансовых возможностей (оператор 9) увеличивает спрос. Появление сигнала о наличии дефицита товара с оператора 10 начинает влиять как положительная обратная связь на увеличение спроса из оператора 11 после того, как сигнал с оператора 10 станет больше порога влияния дефицита на спрос, который устанавливается оператором 12.
Таким образом, в этой динамической модели наблюдаются четыре нелинейных обратных связи: две отрицательных: - с оператора 6 на оператор 2 (нелинейность в виде оператора-ограничителя) и с оператора 5 через операторы 8 и 9 на оператор 4 (нелинейность в виде оператора 8) и две положительных: с оператора 4, через нелинейные операторы 10 и 11 на оператор 1; с оператора 4 на оператор 3 с учетом нелинейных преобразований в операторе 16.
Разработка способов визуализации экономической информации в динамике на основе технологии когнитивной графики
Для следующего поколения МІЖ были разработаны принципиально новые когнитивные (акцентирующие внимание на процессах представления, хранения, обработки, интерпретации и производстве новых знаний) способы визуализации (когнитограммы, интерфейсы), учитывающие специфику экономической информации, необходимость интерактивности и ориентированные на максимальную активизацию образно-интуитивных механизмов. В них вместо громоздких таблиц с цифрами отображение информации происходит цветными, иногда многомерными, образами с использованием технологии семафоров, когда каждый цвет несет определенную смысловую нагрузку, сигнализируя о состоянии дел в той или иной области. Разработанные способы вошли как часть технологии моделирования динамических систем в патент № 43663 «Устройство динамического моделирования социально-экономических оригиналов». К достоинствам разработки следует отнести и то, что большая часть созданных интерфейсов, хотя и создавалась для работы с экономической информацией, является инвариантной к проблемным областям и ориентирована на пользователей различной квалификации.
Технология применения данного интерфейса заключается в следующем: - до начала моделирования осуществляется проектирование траектории изменения величины параметра модели на всём интервале моделирования, планируя его траекторию в пределах нижнего и верхнего уровней; - в процессе моделирования линия траектории утолщается, и величина выходного сигнала оператора, связанного с управляемым параметром, становится равна ординате точки траектории на графике соответствующей данному виртуальному времени; - после начала прогнозирования «непромоделированная» часть траектории, лежащая правее точки текущего виртуального времени, может быть изменена, не останавливая процесс моделирования. Тем самым перманентно осуществляется управление динамической моделью (ресурсами) без остановки моделирования. Иллюстрация работы интерфейса приведена в приложении на рисунке 1.
Интерфейс «Прогноз-график» используется для отображения динамики моделируемых показателей. Формируемая на графике траектория состоит из двух частей — статистической л прогнозируемой. Первая часть траектории вводится исследователем на интерфейс до начала моделирования и служит для контроля «состыковки» статистики с результатами прогнозирования. То есть, в случае корректного прогнозирования не должно быть «излома» на стыке статистической и прогнозируемых траекторий. Вторая часть формируется непосредственно в процессе моделирования и отражает результат прогнозирования показателя.
Следует отметить, что при исследовании влияния какого-либо рычага управления на определённый тесно идеологически связанный с ним показатель, когда необходимо сразу после осуществления управления наблюдать реакцию показателя (его траектории), более удобным способом визуализации и управления может быть интерфейс, объединяющий в себе функциональность двух интерфейсов - «График-план» и «График-прогноз». Иллюстрация работы интерфейса приведена в приложении на рисунке 2.
Интерфейс «График минимум-максимум» предназначен для наблюдения в динамике траектории, формируемой наибольшей/наименьшей величиной показателя среди группы показателей в каждый момент виртуального времени. Иллюстрация работы интерфейса приведена в приложении на рисунке 3.
Интерфейс «Пропорции» предназначен для отображения в динамике долей показателей в их общей сумме в каждый момент виртуального времени. Причём могут отображаться как доли абсолютных величин, так и доли от нормированной, приведённой к единице, суммы всех долей. В процессе моделирования на интерфейсе можно наблюдать как общее изменение суммы, так изменение отдельных значений показателей. Иллюстрация работы интерфейса приведена в приложении на рисунке 4.
Способ наблюдения «Контроллер кризисных ситуаций» Интерфейс «контроллер кризисных ситуаций» предназначен для использования в качестве механизма предупреждения возникновения кризисных ситуаций в виртуальной (моделируемой) экономической системе.
В процессе прогнозирования могут возникать «кризисные» режимы как в локальном виде, влияющие только на небольшую часть всей динамической модели, так и глобальные, которые приводят к «разрушению» исследуемой системы. Эти режимы возникают в результате появления определенных соотношений параметров. Если эти соотношения заранее выявлены, то их можно зафиксировать в виде особых состояний Е, подключить к данному интерфейсу и, используя графическую компоненту интерфейса, предупреждать пользователя в момент t совпадения моделируемых кризисных соотношений с зафиксированными о наступлении события (E,t). Механизм интерфейса «контроллер критических ситуаций» может предоставлять следующие данные: а) числовую величину виртуального момента времени появления кризиса; б) объяснение причин кризиса; в) описание возможных ожидаемых последствий возникшего кризиса; г) рекомендации путей уменьшения негативного влияния кризиса; д) рекомендации по недопущению этого кризиса при повторном прогнозировании.
Наличие подобного механизма внутри системы моделирования позволяет малоподготовленному пользователю понимать возникающие результаты прогнозирования, обращает внимание пользователя на появление кризиса, когда он «работает» с другими элементами наблюдения, на которых отсутствуют показатели кризисных процессов или состояний, а также помогает квалифицированному пользователю находить бескризисные варианты управления динамической моделью исследуемой системы. Иллюстрация работы интерфейса приведена в приложении на рисунке 5 и рисунке 6.
Экспериментальное моделирование на инструменте прогнозирования развития системы образования
Уровень жизни улучшается при увеличении темпов общего экономического состояния не только в сфере производства, но и в финансовом контуре, демографии и т.п. Постулируя источник финансирования всего образовательного комплекса в основном в виде бюджетных и корпоративных расходов, как следствие, можно принять аксиому о том, что перед тем как начать применять новые варианты управлений в системе образования необходимо сначала «заработать» деньги на их реализацию. Необходимые деньги можно «заработать» только профессионально грамотным управлением всей сферой производства доступными государству рычагами. Как правило, такими рычагами наиболее часто служат: постатейные бюджетные расходы, система налогообложения, система формирования тарифов и система «квотирования». Причём вариантов комбинаций изменений всех доступных рычагов управления (по величине управления, по темпам изменения этого управления, по времени начала и завершения управления каждым рычагом, по последовательности применения каждого рычага по отношению к управлениям другими рычагами и т.п.) практически бесконечное множество. Инструмент динамического моделирования позволяет провести анализ вариантов управления всеми этими рычагами.
Управление процессами в динамической модели, выполняется двумя способами: первый - путем варьирования режимов функционирования модели, второй - с помощью рычагов управления, перераспределяющих финансовые, материальные, трудовые, информационные и другие ресурсы. Распределение ресурсов осуществляется дискретно, импульсно или непрерывно в виде заранее задаваемых графиков.
Следует иметь в виду, что сама система образования «не в состоянии» оценить качество своего функционирования. Критериями внешней оценки функционирования СО целесообразно выбрать темп развития экономики и уровень жизни населения. Эти критерии и формируют требования к системе образования по количественным и качественным показателям. Однако провести четкое разделение критериев не всегда возможно. Например, свертка количества обученных трудовых ресурсов и их качества (уровня профессионализма обученных), с одной стороны, служит критерием качества функционирования системы образования, а с другой - является влияющим фактором изменения интенсивности производства продукции в секторах сферы производства.
Проиллюстрируем результаты управления сопряженных динамических моделей системы образования и народного хозяйства. Начнём управление с изменения в системе налогообложения. Для наглядности получаемых результатов, все изменения в приведенных ниже иллюстрациях выполняются в момент времени (год) Т=1. На отрезке времени 0 Т 1 вся динамическая модель динамически сбалансирована и находится в квазистатическом состоянии. Прогнозирование выполняется на интервале времени в 10 лет.
Начиная с момента времени Т=4 наблюдается ухудшение качества жизни населения страны и снижение натурального производства продукции с момента Т=6. Это объясняется тем, изменением только одного рычага государственного управления невозможно достигнуть постоянного устойчивого улучшения основных критериальных показателей. Не позже чем через 1-2 года после каких-либо выполненных управлений необходимы «новые» управления.
Изменение бюджетных показателей, агрегированных цен и социальных показателей после уменьшения ставки НДС в два раза в момент времени прогнозирования Т=1 при увеличении расходов из консолидированного бюджета на развитие промышленного производства, науку, и общее образование
Увеличение расходов на выпуск промышленной продукции, науку и все виды образования позволяет немного увеличить агрегированный выпуск продукции и величину денежного ВВП, но при этом вырос бюджетный дефицит, который практически не сказался на росте цен. Это говорит о том, что увеличение производства товаров в стане компенсирует рост денежной эмиссии.
Изменение бюджетных показателей, агрегированных цен и социальных показателей после уменьшения ставки НДС в два раза в момент времени прогнозирования Т=1, при увеличении расходов на развитие промышленного производства, науку и общее образование без расходов на развитие сферы производства
Как показали эксперименты на ЭВМ, практически непрерывное (по величине, времени и темпам) управление системой образования сильно влияет на финансовую и производственно-экономическую структуру страны, из чего следует наличие существенной зависимости устойчивого социально-экономического развития страны от корректного ресурсного управления системой образования.
Кроме того, проведённые на экономико-математической модели эксперименты продемонстрировали цикличность функционирования СО, которая негативно сказывается на развитии всего общества. Она возникает следующим образом: на определённом уровне экономического развития каждым обществом достигается достойное существование (с точки зрения критерия уровня жизни того времени), что приводит к снижению потребности молодежи в затрате сил и времени для получения хорошего образования. При этом удаленная перспектива еще не видна, а текущее время не требует дополнительных усилий. Это обстоятельство постепенно приводит к экономическому упадку как по сравнению с прошлым временем, так в основном по сравнению с другими странами. Общество при длительном спаде уровня жизни начинает снова ценить образованных профессионалов, которые всё больше требуются для восстановления положительных экономических тенденций. Но такой процесс переориентации происходит весьма медленно. В результате экономика постепенно начинает развиваться, уровень жизни общества становится достойным уже для текущего времени, и цикл функционирования системы образования повторяется. С каждым новым циклом его продолжительность сокращается, но характер и причины сохраняются. Такое колебание контура «система образования - народное хозяйство - социальная сфера» нежелательно для устойчивого развития национальной экономики.
