Классификации систем по степени организованности и модели, основанные на обмене информацией со средой

Характеризуя особенности классов живых систем, К. Боулдинг (см. табл. 2.15) вначале использует признак открытости системы и в качестве признака классификации использует обмен информацией со средой.

Открытые системы с самосохраняемой структурой – первая ступень, на которой возможно разделение на живое и неживое. В качестве примеров первой ступени живого Боулдинг приводит клетки и процессы гомеостазиса, которые пытались моделировать с использованием формальных моделей, с помощью моделей адаптации, сочетания принципов обратной связи и компенсационного управления (см. рис. 2.21).

В последующем для исследования открытых систем, которые собственно и послужили для Берталанфи основой выделения теории систем в самостоятельную науку, исследовались их принципиальные особенности по сравнению с закрытыми системами и закономерности, их объясняющие (см. параграф 1.3); разработаны классификации этих особенностей (см. табл. 1.5), в том числе классификация систем по степени организованности (см. табл. 1.4), которая позволяет дать наиболее четкие рекомендации по выбору методов моделирования систем

Представление объекта в виде хорошо организованной системы возможно в тех случаях, когда исследователю удается определить все элементы системы и их взаимосвязи между собой и с целями системы в виде детерминированных (аналитических, графических) зависимостей.

Тогда в ряде случаев проблемная ситуация может быть отображена в виде выражений, связывающих цель со средствами (т.е. в виде критерия функционирования, критерия или показателя эффективности, целевой функции и т.п.), которые могут быть представлены уравнением, формулой, системой уравнений или сложных математических моделей, включающих и уравнения, и неравенства, и др., т.е. аналитическими методами.

На представлении классом хорошо организованных систем основано большинство моделей физических процессов и технических систем.

Если не удается описать проблемную ситуацию аналитическими выражениями, то иногда можно отобразить связи между компонентами системы в виде графических моделей. Например, в виде сетевых графов, с помощью которых можно исследовать процессы проектирования, планирования, транспортные задачи, и принимать решения о выборе оптимальной структуры изделия, плана, пути перевозки.

Представление объекта в виде хорошо организованной системы применяют в тех случаях, когда может быть предложено детерминированное описание (объекта или проблемной ситуации) и экспериментально показана правомерность его применения, т.е. экспериментально доказана адекватность модели реальному объекту или процессу.

Однако применение класса хорошо организованных систем для представления сложных технических комплексов, совершенствования управления предприятиями и организациями и т.д., начиная с некоторого уровня их сложности, может оказаться невозможным.

Во-первых, формирование модели может потребовать недопустимо больших затрат времени.

Пример

При решении задачи планирования движения транспорта в большом городе практически невозможно сформировать аналитическую модель. А при попытке сформировать графическую модель на основе построения графа передвижения жителей (даже если учесть только их доставку из дома на работу), потребуется недопустимо много времени. Пока такая модель будет сформирована, многие уже успеют поменять места работы, жительства.

Во-вторых, если даже удастся получить аналитическую модель, то может оказаться невозможным поставить эксперимент, доказывающий ее адекватность.

Пример

При проведении исследований по организации космических полетов эксперимент становится не только дорогостоящим, но и практически нереализуемым. При прогнозировании развития экономики, даже если удается разработать аналитическую модель и получить рекомендации по изменению принципов управления, то эксперимент необратим.

Поэтому в большинстве случаев при исследовании сложных многокомпонентных объектов или многокритериальных задач на начальных этапах их отображают классами, характеризуемыми далее.

В первую очередь, следует попытаться представить проблемную ситуацию в виде плохо организованной или диффузной системы.

При представлении объекта этим классом систем на основе выборочного исследования получают характеристики или закономерности (статистические, экономические и т.п.), и распространяют эти закономерности на поведение системы в целом.

При этом делаются соответствующие оговорки. Например, при использовании статистических методов полученные закономерности распространяют на поведение системы с какой-то вероятностью, которая оценивается с помощью специальных приемов, изучаемых математической статистикой.

Такие отображения дают приемлемые результаты при решении задачи организации работы транспорта в городе. В этом случае можно не исследовать все пути передвижения жителей, а провести выборочный опрос пассажиров с помощью вручения им соответствующих талонов при посадке и сбора их при выходе. И на основе такого опроса делают выводы о необходимости введения или исключения соответствующих маршрутов, сокращения или увеличения плановых перерывов в движении транспорта в различные периоды суток и т.п.

Аналогично, при решении задач обслуживания читателей в библиотеке, планирования ремонта оборудования и других задач массового обслуживания на основе выборочного исследования определяют закономерности, проявляющиеся в этих проблемных ситуациях, и распространяют их на весь ход процессов обслуживания с какой-то вероятностью.

Отображение объектов в виде статистических закономерностей находит широкое применение при определении пропускной способности систем разного рода, при определении численности штатов в обслуживающих, например, ремонтных цехах предприятия и в обслуживающих учреждениях (для решения подобных задач развивается теория массового обслуживания), при исследовании документальных потоков информации и т.д.

Аналогично государства пытаются применять экономические закономерности и гипотезы, используя опыт их проявления в других странах.

Однако при использовании закономерностей необходимо также определять правомерность их применения.

При статистических исследованиях необходимо доказать представительность (репрезентативность) выборки, на основе которой получают закономерность, для чего существуют специальные методы математической статистики.

Для определения правомерности применения экономических закономерностей исследуют возможности использования теории рисков.

Если не удается доказать репрезентативность выборки и допустимость риска, или для этого необходим слишком большой период времени, то следует обратиться к представлению объекта или проблемной ситуации классом систем, названным в рассматриваемой классификации самоорганизующимися.

Отображение объектов в виде самоорганизующихся систем позволяет исследовать наименее изученные объекты и процессы с большой неопределенностью на начальном этапе постановки задачи.

Класс самоорганизующихся или развивающихся систем характеризуется рядом признаков, особенностей, приближающих их к реальным развивающимся объектам. Эти особенности, как правило, обусловлены наличием в системе активных элементов и носят двойственный характер: они являются новыми свойствами, полезными для существования системы, приспосабливаемости ее к изменяющимся условиям среды, но в то же время вызывают неопределенность, затрудняют управление системой.

Представление объекта этим классом систем основано на постепенном формировании модели на основе использования методов активизации интуиции и опыта лиц, принимающих решение, и методов формализованного представления систем. Такое моделирование становится как бы своеобразным "механизмом" развития системы. Практическая реализация такого "механизма" приводит к необходимости создания языка моделировании процесса принятия решения. В основу такого языка (знаковой системы) может быть положен один из методов моделирования систем (например, теоретико-множественные представления, математическая логика, математическая лингвистика, имитационное динамическое моделирование, информационный подход и т.д.), но по мере развития модели методы могут меняться.

При этом адекватность модели доказывается последовательно по мере формирования модели, путем оценки правильности отражения проблемной ситуации на каждом последующем шаге ее отображения.

В ходе исследования особенностей высокоорганизованных объектов в теории систем был выявлен еще один фактор, который наряду с понятием открытости влияет на развитие системы. Это – негэнтропийные тенденции, активность элементов системы. Благодаря этому фактору в системах наблюдаются процессы самоорганизации, исследуемые в синергетике.

Закономерности, подходы и методы теории открытых систем первоначально Л. фон Берталанфи иллюстрировал в основном на примерах животных и растений, а в последующем философы, развивающие теорию систем (В. Г. Афанасьев, В. Н. Садовский, А. И. Уёмов, В. С. Тюхтин и др.), стали распространять ряд закономерностей систем на социально-экономические объекты.

Для характеристики классов живых систем К. Боулдингом вводится новый признак классификации – "обмен информацией со средой": растения – со слабой способностью воспринимать информацию, животные – с более развитой способностью воспринимать информацию.

Возникла необходимость более глубокого осмысления понятия "информации" по сравнению с ее трактовкой в кибернетике как средства передачи сообщений.

Первоначально пытались рассматривать информацию как форму существования материи, трактуя материю как триаду "масса, энергия, информация".

В частности, понятие "информации" как философской категории А. Д. Урсул[1] стал рассматривать вначале как форму существования материи подобно массе и энергии, а в последующем – связывать понятие "информации" с отражением материи.

Информацию стали трактовать как важнейший ресурс развития живых систем, и особенно социально-экономических объектов. Однако последующие исследования особенностей информации по сравнению с материальными ресурсами (неубываемость информации по мере ее распространения, неаддитивность, некоммуникативность и неассоциативность, семантический характер и языковая природа, но в то же время независимость информации от языка и носителя информации, проявление закономерности концентрации и ее рассеяние, т.е. интеграция и дифференциация информации и т.п.) вызвали необходимость более глубокого переосмысления понятия и роли информации.

В теории информационного поля [33] информация рассматривается как структура материи, как категория, парная по отношению к материи, ее отражение. В этой теории показано, что существуют различные формы существования информации, вводятся понятия чувственной и логической (семантической и прагматической) информации, которые для удобства практических приложений названы информацией восприятия и информационным потенциалом. Эти виды информации согласуются с чувственной и логической формами мышления человека, помогают объяснить противоречия в сознании человека между двумя картинами мира (картиной, полученной посредством органов чувств, через наблюдение, и картиной, полученной с помощью разума, логики, рационального мышления), обнаруженные еще в древности Парменидом и представленные Г. Кантом в терминах "вещь в себе" (ноумен) и "вещь для нас" (феномен).

Информационный подход (рассматриваемый в гл. 3) развивает диалектическую концепцию естествознания, ставшую по мнению философов, занимающихся исследованием концепций естествознания, приоритетной в XX в. При этом теория представляет процессы восприятия информации, проявление законов диалектики в формализованном виде, более приемлемом европейской культурой. Развитие информационного подхода позволяет надеяться на то, что с помощью этого подхода можно глубже понять и исследовать наиболее высокоорганизованные сферы природы – социально- экономическую, а возможно – и даже трансцендентную сферу.

При моделировании наиболее сложных процессов (например, процессов целеобразования, совершенствования организационных структур и т.п.) "механизм" развития (самоорганизации) может быть реализован в форме методики системного анализа.

  • [1] Урсул, А. Д. Информация / А. Д. Урсул. – М.: Наука, 1971. – С. 295.
 
< Пред   СОДЕРЖАНИЕ     След >