Современные условия развития науки и техники приводят к необходимости проводить комплексное исследование объекта (как теоретическое, так и экспериментальное). При этом под экспериментом понимается вид деятельности, предпринимаемой в целях научного познания, открытия объективных закономерностей и состоящий в воздействии на изучаемый объект посредством специальных инструментов и приборов. При этом необходимо осознавать наличие специфики эксперимента как формы практической деятельности, заключающейся в том, что эксперимент выражает активное отношение человека к действительности. В силу этого, в гносеологии проводится четкое различие между экспериментом и научным познанием, хотя всякий эксперимент включает и наблюдение как необходимую стадию исследования. При этом существует особая форма эксперимента, для которой характерно использование действующих материальных моделей в качестве специальных средств экспериментального исследования. Такая форма называется модельным экспериментом. Современная методология исследования сложных систем основана на развитии и широком применении методов моделирования. Моделирование в общенаучном смысле - это мощное средство научного познания природы и взаимодействия на природу. В конкретно-научном смысле моделирование - это замещение некоторого объекта А другим объектом В. Цель замещения одного объекта другим заключается в получении информации о важнейших свойствах объекта-оригинала с помощью объекта-модели. Таким образом, моделирование может быть определено как представление объекта моделью для получения информации об этом объекте путем проведения экспериментов с его моделью. С точки зрения И.Т. Фролова "моделирование означает материальное или мысленное имитирование реально существующей системы путем специального конструирования аналогов, в которых воспроизводятся принципы организации и функционирования этой системы" [1].
Определяя гносеологическую роль теории моделирования, необходимо отвлечься от имеющегося в науке и технике многообразия моделей и выделить то общее, что присуще моделям различных по своей природе объектов реального мира. Это общее заключатся в наличии некоторой структуры (статической или динамической, материальной или мысленной), которая подобна структуре данного объекта. В процессе изучения модель выступает в роли относительно самостоятельного объекта, позволяющего получить при исследовании некоторые знания о самом объекте. Если результаты моделирования подтверждаются и могут служить основой для прогнозирования процессов, протекающих в исследуемых объектах, то говорят, что модель адекватна объекту. При этом адекватность модели зависит от цели моделирования и принятых критериев. Обобщенно моделирование можно определить как метод опосредованного познания, при котором изучаемый объект-оригинал находится в неком соответствии с другим объектом-моделью, причем модель способна в том или ином отношении замещать оригинал на некоторых стадиях познавательного процесса. Поэтому моделирование – одна из основных категорий научного познания, на идее моделирования базируется любой, в частности теоретический или практический, метод научного познания. Однако, из-за невозможности полной адекватности модели объекту-оригиналу знание, полученное в результате изучения аналогий не может достигнуть состояния истины т.к. уже само построение модели ограничивается степенью нашего понимания природы изучаемого явления. Для модельного эксперимента характерны следующие основные операции:
1. Переход от натурального объекта к модели - построение модели (моделирование в собственном смысле слова);
2. Экспериментальное исследование модели;
3. Переход от модели к натуральному объекту, состоящий в перенесении результатов, полученных при исследовании, на этот объект.
Таким образом, в ходе проведения модельного эксперимента необходимо дополнительно обосновать отношение подобия между моделью и натуральным объектом и возможность экстраполировать на этот объект полученные данные. Следует отметить, что модель входит в эксперимент, не только замещая объект исследования, она может замещать и условия, в которых изучается некоторый объект обычного эксперимента. При этом понятие “модель”, “моделирование” в различных сферах знания и человеческой деятельности чрезвычайно разнообразно. Так с целью преодоления ограниченных возможностей физического моделирования широкое применение находят математические модели. Основой соотношения «математическая модель – натурный объект» является обобщение теории подобия, учитывающее качественную разнородность модели и объекта и принимающее форму абстрактной теории изоморфизма систем.
Не касаясь далее общих вопросов моделирования, рассмотрим модели, нацеленные на решения задач принятия решений средствами математики, т.е. математические модели. Можно сказать, что математическая модель изучаемого процесса или объекта становится основой, фундаментом теории принятия решений. Математические модели образуют тот класс, в котором рассматривают количественные характеристики и пространственные структурные реально существующих вещей. Математическая модель является приближенным, выраженным в математических терминах, представлением объектов, концепций, систем или процессов. В математическую модель входят следующие элементы: переменные (зависимые или независимые); константы или фиксированные параметры, определяющие степень связи переменных между собой; математические выражения (уравнения или неравенства, объединяющие между собой переменные и параметры); логические выражения, определяющие различные ограничения в модели; информацию (алфавитно - цифровую или графическую). Таким образом, математическая модель представляется в абстрактной математической форме посредством переменных, параметров, уравнений и неравенств. Общая квалификация математических моделей, как правило, производится по следующим признакам: поведению моделей во времени; видам входной информации, параметров и выражений, составляющих математическую модель; структуре математической модели; типу используемого математического аппарата [1].
Согласно данной классификации математические модели бывают динамическими (время играет роль независимой переменной, и поведение системы меняется во времени); статическими или установившегося состояния (поведение от времени не зависит); квазистатическими (поведение системы меняется от одного статического состояния к другому согласно внешним воздействиям). Элементами математической модели являются переменные, параметры, связи (математические) и информация. При этом, если эти элементы достаточно точно установлены и поведение системы можно точно определить, то модель - детерминированная, в противном случае – стохастическая. Если информация и параметры являются непрерывными величинами, а математические связи устойчивы, то модель непрерывная, в противном случае - дискретная. Если параметры модели фиксированы и не изменяются в процессе моделирования согласно поведению объекта моделирования, то это модель с фиксированными параметрами, в противном случае – модель с изменяющимися во времени или в пространстве параметрами. Параметры являются распределенными, если есть одна или несколько независимых пространственных переменных (степеней свободы), а остальные параметры и математические связи зависят от них. Математические модели с распределенными параметрами чаще всего имеют математические связи в виде дифференциальных уравнений, а модели с сосредоточенными параметрами - в виде разностных уравнений. Если модель включает обыкновенные дифференциальные уравнения (которые имеют место в распределенных статических моделях, в динамических моделях с сосредоточенными параметрами) или дифференциальные уравнения в частных производных (которые имеют место в распределенных динамических моделях с одной или более независимой переменной), то это ещё не значит, что поставленная задача решена. Для решения необходимы дополнительные условия: начальные - для динамических проблем с производными относительно времени, граничные - для проблем с производными относительно пространственных координат. Дифференциальные уравнения, представляющие собой модель, обычно сводятся к разностным уравнениям, удобным для численного решения на ЭВМ. В этом случае проблема сводится к решению алгебраических уравнений. Математическая модель может быть сложной и комплексной, если можно найти элементарные подсистемы, составляющие её. Это очень важный вопрос, поскольку его решение позволяет значительно упростить моделирование, например, технологических структур, особенно если модель можно представить в виде древовидной или сетевой структуры.
В настоящее время широко используются в исследовательской практике концептуальные модели, которые описывают функционирование коммуникационных каналов между элементами, а преобразование информации в элементах системы характеризуется операторами или абстрактными функциями. Представление системы в виде концептуальной модели является первым шагом в познании системы как множества с заданными на нем отношениями. Конструктивность данного подхода объясняется его ориентацией на стремление решать частные вопросы анализа систем с позиции выполнения глобальной задачи — достижения поставленной цели. Построение концептуальной модели простейшей системы (для решения конкретных задач потребуется перестройка модели и ее адаптация к частным требованиям) осуществим, ограничившись лишь общими положениями и функционально необходимыми элементами. Допуская существование в системе фактора управления (как целенаправленного воздействия на процессы в ней), необходимо различать объект управления, управляющую систему (в соответствии с базовой концепцией кибернетики). При этом разделение системы на объект и систему управления связано с одной методологической особенностью. Далеко не всегда система имеет локализованную управляющую часть. Возможны ситуации рефлексии, когда объект реагирует на изменения в среде или внутри себя в соответствии с собственными законами, например, эволюционного развития. Отметим, что на основе концептуальных моделей в последующем строят динамические (математические) модели, которые отличаются тем, что законы преобразования информации конкретизируются, приобретают вид логических, дифференциальных, интегральных, разностных соотношений или конечных алгоритмов. Тем самым структура системы, выявленная на этапе создания концептуальной модели, наполняется однозначным математическим содержанием. Можно сказать, что концептуальная модель позволяет проводить качественные исследования, а введение динамической модели означает переход к количественным методам анализа. При этом при использовании методологии моделирования в общей форме содержит два этапа. Первый связан с построением математической модели, второй – с анализом полученной модели. Процесс создания (и решения) любой математической модели является итерационным и условно включает следующие шаги:
1) постановку задачи моделирования согласно намеченному объекту моделирования, т.е. разработку технического задания;
2) выбор метода построения математической модели;
3) разработку численного алгоритма решения полученной модели;
4) написание программы, реализующей численный алгоритм, отладку программы, контрольные расчеты;
5) проведение расчетов для получения выходных параметров;
6) проверку модели на адекватность;
7) поиск новой модели при значительном расхождении расчетных и экспериментально полученных параметров и переход к шагу 3.
Эти этапы тесно связаны между собой, и поэтому их расчленение является до некоторой степени искусственным. Так, математическая модель обычно строится с ориентацией на предполагаемый метод решения математической задачи. С другой стороны, в процессе проведения математического исследования или интерпретации решения может понадобиться уточнить или даже существенно изменить математическую модель. Умение правильно выбрать математическую модель находится на грани науки и искусства [1]. Оно требует не только необходимых математических и прикладных знаний и опыта, но также вкуса и чувства соразмерности.
Направление дальнейшего развитие концепции «модель–эксперимент» связано с введением Самарским понятия «вычислительный эксперимент». Самарский понимал под вычислительным экспериментом такую организацию исследований, при которой на основе математических моделей изучаются свойства объектов и явлений, проигрывается их поведение в различных условиях и на основе этого принимается решение о достижении цели эксперимента. Широкое применение ЭВМ в математическом моделировании, достаточно мощная теоретическая и экспериментальная база позволяют говорить о вычислительном эксперименте как о новой технологии и методологии в научных и прикладных исследованиях. Вычислительный эксперимент играет ту же роль, что и обыкновенный эксперимент при исследованиях новых гипотез (современная гипотеза почти всегда имеет математическое описание, над которым можно выполнять эксперименты).
Следует отметить, что в рамках концепции моделирования, начиная с конца 60-х годов, развивается такое направление, как имитационный анализ сложных процессов. Далее вводится понятие «имитационная модель», для которого существовали различные трактовки [2]:
1) под имитационной моделью понимается математическая модель в классическом смысле; 2) термин сохраняется лишь за теми моделями, в которых тем или иным способом разыгрываются случайные воздействия или сценарии; 3) предполагают, что имитационная модель отличается от обычной математической более детальным описанием, но критерий, по которому можно сказать, когда кончается математическая модель и начинается имитационная, не вводится.
Следует отметить в английском языке – "simulation modeling" термин имеет вполне четкий смысл, ведь симуляция и моделирование не являются синонимами, в русском переводе термина, как имитационная модель – это следствие некорректности перевода. Любая модель, в принципе, имитационная, т.к. она имитирует реальность. Поэтому как подметил Адлер, сочетание слов имитация и моделирование, с точки зрения здравого смысла, недопустимо и является тавтологией. Однако с позиции этимологии, напрашивается заключение о том, что это словосочетание как термин определяет в теории моделирования такую область, которая относится к получению экспериментальной информации о сложном объекте, которая не может быть получена иным путем, как экспериментируя с его моделью на вычислительной модели. Важной особенностью термина является требование повторяемости, ибо один отдельно взятый эксперимент мало информативен. Для исследователя представляют интерес выводы, носящие характер статистических показателей, оформленных, может быть, даже в виде графиков или таблиц, в которых каждому варианту исследуемых параметров поставлены в соответствие определенные средние значения с набором характеристик их распределения, без получения зависимости в аналитическом виде. Таким образом, термин «имитационное моделирование" определяет вычислительный эксперимент проведение, которого связано с имитацией реально существующего процесса как объекта исследования. Эксперт с помощью этих моделей и серии специально организованных вариантных расчетов получает те знания, без которых выбрать альтернативный вариант своей стратегии он не может.
Дальнейшим развитием концепции основанной на понятии «имитационная модель» является понятие «имитационная система моделирования». Термин корректный, и с точки зрения здравого смысла, и оказался удобным для обозначения того объекта, который возникает, если, во-первых, отобразить математическую модель на совокупность программ, обеспечивающих «должную» степень удобства при общении с машиной в процессе проведения экспериментов. При этом термин «система» безусловно является одним из самых распространенных и используемых в различных областях человеческой деятельности. Этот термин чрезмерно перегружен и имеет различный смысл при различных обстоятельствах и для различных людей. С целью повышения практической полезности система любой природы описывается с трех точек зрения: 1) функциональной; 2) морфологической; 3) информационной [3].
С точки зрения функционального описания имитационная система моделирования как объект исследования интересна прежде всего результатом своего существования, местом, которое она занимает среди других объектов в окружающем мире. Поэтому функциональное описание необходимо для того, чтобы осознать важность системы, определить ее место, оценить отношение к другим системам. Функциональное описание должно создать правильную ориентацию в отношении внешних связей системы, направлений ее возможного изменения.
Морфологическое описание должно дать представление о строении системы. Оно не может быть исчерпывающим, глубина описания, уровень детализации, т. е. выбор элементов, внутрь которых описание не проникает, определяются назначением описания. Морфологическое описание иерархично. Конкретизация морфологии дается на стольких уровнях, сколько их требуется для создания представления об основных свойствах системы. В иерархии описания может существовать такая ступень, где прежние описания, применявшиеся на более высоких ступенях, становятся непригодными и необходимо применить принципиально новый способ описания. Изучение морфологии начинается с элементного состава. Под элементом в данном случае понимается подсистема, внутрь которой описание не проникает. Элементный состав может быть гомогенным (содержать однотипные элементы), гетерогенным (содержать разнотипные элементы) и смешанным. Имитационная система моделирования представляет собой объект, состоящий из следующих основных трех частей:
1. Математической модели объекта исследования вместе с ее программной реализацией для компьютера.
2. С
3. Совокупность программ, реализующих интерфейс при общении с компьютером во время проведения имитационных экспериментов.
Важным признаком морфологии является назначение (свойства) элементов. В большинстве случаев объекты обладают практически бесконечным числом свойств, любое из которых можно вполне осмысленно изучать, и, как следствие, почти любой из этих объектов невозможно изучить полностью. Это означает, что необходимо отобрать ограниченное число характеристик, наилучшим образом описывающих конкретный объект как явление. Познание (отражение) разнообразных свойств объекта связано с получением информации об этих свойствах. При этом важно понимание информации как меры порядка, организованности, т.е. информации как характеристики структуры системы.
Информация – это упорядоченное (через принцип тождества и различия) отображение, позволяющее качественно или количественно охарактеризовать (раскрыть) объективные свойства как материальных, так и реализованных духовных систем (где виды упорядоченности – это структуры и законы композиции). Конструктивное значение категории системы в данном определении состоит в том, что она выступает средством исследования противоречий и закономерностей их динамики (эволюции) на различных уровнях – относительно существа вещей, с учетом таких их сторон как организация и целостность.
С целью совершенствования структуры принятия решений необходимо дальнейшее развитие концепции моделирования, основанной на понятии «имитационная модель» осуществляемое через понятие «имитационная система моделирования». Последний термин корректный, и с точки зрения здравого смысла, и оказался удобным для обозначения того объекта, который возникает, если, во-первых, отобразить математическую модель на совокупность программ, обеспечивающих «должную» степень удобства при общении с машиной в процессе проведения вычислительных экспериментов. Вычислительный эксперимент – это такой вид деятельности (предпринимаемой в целях научного познания и /или открытия объективных закономерностей), определяющий в теории моделирования область получения экспериментальной информации о сложном объекте испытания, которая не может быть получена иным путем, как экспериментируя с моделью объекта представленного в виде математических отношений. Вычислительный эксперимент как система в свой состав включает (см. рисунок 1) человеческий и технический факторы, совокупность методологических средств и процедур их взаимодействия. Иными словами, технический фактор как системы определяется, прежде всего, зависимостью любого технологического процесса от реализующего элемента данной системы (применяемые средства и предметы труда, методы, способы и приемы взаимодействия средств и предметов труда). Наконец, к реализующему элементу технического фактора моделирующей системы относится структура технологического процесса, т.е. его стадии, этапы, последовательность [4]. Важность человеческого фактора совершенно очевидна, так как техника без человека, применяющего ее на основе определенных технологических решений, - это просто набор элементов и деталей. Поэтому, рассматривая моделирующую систему, человек и техника должны рассматриваться в качестве единого функционирующего целого, причем ведущая целеполагающая роль в этом целом принадлежит человеку. Это относится к реализующей системе, в которой средства и предметы труда, хотя и зависят от технических их свойств, но возможные технологические их применения определяются человеком [5, 6]. При этом человеком намечается структура технологического процесса с его стадиями, этапами, последовательностью. В ходе вычислительного эксперимента, являющегося одновременно технологическим, осуществляются взаимодействия человека и техники по созданию как промежуточного, так и конечного результата исследований. При этом необходимо осознавать наличие специфики эксперимента как формы практической деятельности, заключающейся в том, что эксперимент выражает активное отношение человека к действительности. Поэтому, с методологической точки зрения, вычислительный эксперимент следует рассматривать как человеко–машинную систему с технологическими средствами получения выходной информации, необходимой для обслуживания специалистов в различных сферах человеческой деятельности.
Технология отвечает на вопрос: «как Вход системы преобразовывается в Выход?». При этом в качестве «Входа» системы выбраны человеческий фактор, множество элементов экспериментально-измерительной базы и объект исследования. «Выходом» из системы является информация (главный продукт труда) об объекте исследования, а технология проведения вычислительного эксперимента выступает в качестве оператора преобразований "Входа" системы в ее "Выход". Системообразующими связями оператора преобразований являются собственно процедуры, программы и методики проведения эксперимента на компонентах, характерных информационной технологии. Элементы, образующих моделирующую среду, технологически тесно взаимоувязанные, на основе единого системного использования математических методов и технических средств, образующих расчетно-логическую систему.
Рисунок 1. Обобщенное представление вычислительного эксперимента как системы
Технология отвечает на вопрос: «как Вход системы преобразовывается в Выход?». При этом в качестве «Входа» системы выбраны человеческий фактор, множество элементов экспериментально-измерительной базы и объект исследования. «Выходом» из системы является информация (главный продукт труда) об объекте исследования, а технология проведения вычислительного эксперимента выступает в качестве оператора преобразований "Входа" системы в ее "Выход". Системообразующими связями оператора преобразований являются собственно процедуры, программы и методики проведения эксперимента на компонентах, характерных информационной технологии. Анализ сущности оператора преобразований связан с исследованием вопросов технологии с позиции системного анализа (т.к. традиционная наука ориентирована на исследования разных категорий явлений, а наука о системах изучает различные классы отношений). Сущность технологии раскрывается технологической средой (средства, объект исследования и его модель, методы, способы, приемы взаимодействия среды и объекта эксперимента) и технологическим процессом. Технологический процесс, в общем случае последовательно включает следующие фазы: технологическая подготовка эксперимента, технологический процесс проведения вычислительного эксперимента, технологический процесс обработки и анализа результатов испытаний, выработки решений [6].
Рассматривая технологию как систему, предназначенную для проведения вычислительного эксперимента, необходимо отметить, что ориентация на технологический аспект, способствовала выделению среди компонентов аппарата управления и моделирующей среды (см. рисунок 2).
Элементы, образующих моделирующую среду, технологически тесно взаимоувязанные, на основе единого системного использования математических методов и технических средств. Реализация решение функциональных задач управления, совокупность которых составляет так называемую, функциональную часть деятельности объекта как системы. Состав, порядок и принципы взаимодействия функциональных подсистем, задач и их комплексов устанавливаются исходя и с учетом достижения стоящей перед исследователем цели. Основными принципами декомпозиции - выделения самостоятельных функциональных подсистем комплексов задач — являются: относительная самостоятельность каждой из них, т.е. наличие конкретного объекта управления; наличие соответствующего набора функций и функциональных задач с четко выраженной локальной целью функционирования; минимизация состава включенных в подсистему элементов; наличие одного или нескольких локальных критериев, способствующих оптимизации режима работы подсистемы и согласующихся с глобальным критерием оптимизации функционирования системы в целом.
Моделирующая среда (в рамках которой реализуется информационная модель), формализующая процессы обработки данных в рамках компьютерных технологий, замыкает через себя прямые и обратные информационные связи между объектом исследования и аппаратом управления, а также вводят в систему и выводят из нее внешние информационные потоки. Функционально структура моделирующей среды обеспечивает: сбор и регистрацию данных; подготовку информационных массивов; обработку, накопление и хранение данных; построение имитационной модели; формирование результатной информации; передачу данных от источников возникновения к месту обработки, а результатов (расчетов) — к потребителям информации для принятия управленческих решений.
Компоненты моделирующей среды представлены: подсистемой обеспечения и подсистемой технологического процесса. Технологическое обеспечение состоит из подсистем, автоматизирующих информационное обслуживание пользователей, решение задач с применением ЭВМ и других технических средств управления в установленных режимах работы. Элементы подсистемы технологического процесса по составу должно быть однородно. Однородность позволяет реализовать принцип совместимости систем в процессе их функционирования.
Рисунок 2. Информационная технология как составляющая оператора преобразований
Подсистема обеспечения, как правило, в свой состав включает следующие виды обеспечения: информационное, лингвистическое, техническое, программное, математическое, правовое, организационное и эргономическое. Информационное обеспечение (ИО) представляет собой совокупность проектных решений по объемам, размещению, формам организации информации, циркулирующей в моделирующей среде. Оно включает в себя совокупность показателей, справочных данных, классификаторов и кодификаторов информации, унифицированные системы документации, специально организованные для автоматического обслуживания, массивы информации на соответствующих носителях, а также персонал, обеспечивающий надежность хранения, своевременность и качество технологии обработки информации.
Лингвистическое обеспечение объединяет совокупность языковых средств для формализации естественного языка, построения и сочетания информационных единиц в ходе общения исследователей со средствами вычислительной техники. С помощью лингвистического обеспечения осуществляется общение человека с машиной. Лингвистическое обеспечение включает информационные языки для описания структурных единиц информационной базы (документов, показателей, реквизитов и т.п.); языки управления и манипулирования данными информационной базы; языковые средства информационно-поисковых систем; языковые средства автоматизации проектирования; диалоговые языки специального назначения и другие языки; систему терминов и определений, используемых в процессе разработки и функционирования автоматизированных систем управления.
Техническое обеспечение представляет собой комплекс технических средств (сбора, регистрации, передачи, обработки, отображения, размножения информации), обеспечивающих работу моделирующего комплекса. Центральное место среди всех технических средств занимает ПЭВМ. Структурными элементами технического обеспечения наряду с техническими средствами являются также методические и руководящие материалы, техническая документация и обслуживающий эти технические средства персонал.
Программное обеспечение включает совокупность программ, реализующих функции и задачи вычислительного эксперимента и обеспечивающих устойчивую работу комплексов технических средств. В состав программного обеспечения входят общесистемные и специальные программы, а также инструктивно-методические материалы по применению средств программного обеспечения и персонал, занимающийся его разработкой и сопровождением на весь период жизненного цикла моделирующей среды.
К общесистемному программному обеспечению относятся программы, рассчитанные на широкий круг пользователей и предназначенные для организации вычислительного процесса и решений часто встречающихся задач обработки информации. Они позволяют расширить функциональные возможности ЭВМ, автоматизировать планирование очередности вычислительных работ, осуществлять контроль и управление процессом обработки данных, а также автоматизировать работу программистов. Специальное программное обеспечение представляет собой совокупность программ, разрабатываемых при создании моделирующего комплекса конкретного функционального назначения. Оно включает пакеты прикладных программ, осуществляющих организацию данных и их обработку при решении функциональных задач.
Математическое обеспечение – это совокупность математических методов, моделей и алгоритмов обработки информации, используемых при решении функциональных задач. Математическое обеспечение может быть представлено, как стандартными пакетами, так и разрабатываться под специальные задачи. Техническая документация по этому виду обеспечения содержит описание задач, задания по алгоритмизации, математические модели задач, текстовые и контрольные примеры их решения. Персонал составляют специалисты по организации управления объектом исследования, постановщики задач исследования, специалисты по вычислительным методам.
Организационное обеспечение представляет собой комплекс документов, регламентирующих деятельность, как персонала, так и исследователей в условиях функционирования. Организационное обеспечение реализуется в различных методических и руководящих материалах по стадиям разработки, внедрения и эксплуатации моделирующих комплексов, в частности, при проведении предпроектного обследования, формировании технического задания на проектирование и технико-экономического обоснования, разработке проектных решений в процессе проектирования, выборе автоматизируемых задач, типовых проектных решений и прикладных программ, внедрении системы в эксплуатацию.
Правовое обеспечение представляет собой совокупность правовых норм, регламентирующих правоотношения при создании и внедрении моделирующего комплекса. Правовое обеспечение на этапе разработки включает нормативные акты, связанные с договорными отношениями разработчика и заказчика в процессе создания моделирующего комплекса, с правовым регулированием различных отклонений в ходе этого процесса, а также обусловленные необходимостью обеспечения процесса разработки комплекса различными видами ресурсов. Правовое обеспечение на этапе функционирования комплекса включает определение их статуса в конкретных отраслях государственного управления, правовое положение о компетенции звеньев комплекса и организации их деятельности, права, обязанности и ответственность персонала, порядок создания и использования информации по результатам вычислительного эксперимента, процедуры ее регистрации, сбора, хранения, передачи и обработки, порядок приобретения и использования электронно-вычислительной техники и других технических средств, порядок создания и использования математического и программного обеспечения.
Эргономическое обеспечение как совокупность методов и средств, используемых на разных этапах разработки и функционирования моделирующего комплекса, предназначено для создания оптимальных условий высокоэффективной и безошибочной деятельности человека при проведении вычислительного эксперимента, для ее быстрейшего освоения. В состав эргономического обеспечения входят: комплекс различной документации, содержащей эргономические требования к рабочим местам, информационным моделям, условиям деятельности персонала, а также набор наиболее целесообразных способов реализации этих требований и осуществления эргономической экспертизы уровня их реализации; комплекс методов, учебно-методической документации и технических средств, обеспечивающих обоснование формулирования требований к уровню подготовки персонала, а также формирование системы отбора и подготовки персонала; комплекс методов и методик, обеспечивающих высокую эффективность деятельности человека на рабочем месте.
Рассматривая технологию как элемент системы принятия решений, предназначенный для проведения вычислительного эксперимента, необходимо отметить, что главная отличительная особенность технологии заключается в том, что в состав как реализуемый, так и реализующей подсистемы входит моделирующая среда, отображенная на информационное пространство. В реализующей подсистеме информация о моделирующей среде выступает в роли средств (математического обеспечения; программно реализованных методики и программы испытаний; информационного, программного, лингвистического и эргономического обеспечения) и главного предмета труда (сложный и разветвленный процесс переработки информации самого разнообразного вида, формы и содержания), а модель объекта исследований выступает в роли сырья.
Список использованной литературы
1. Блехман И. И., Мышкис А. Д., Пановко Я. Г. Механика и прикладная математика. – М.: Наука, 1990. — 360 с.
2. Миронов В.М. Макропроектирование автоматизированных производственных систем. – М.: Машиностроение, 1991.
3. Тихомиров В.А. Модели и методы стратегического управления сложными социально–экономическими и технологическими системами: Монография. - Тверь: ВУ ПВО, 2003.
4. Войчинский А.М., Лебедев О.Т., Юделевич М.А. Организационно-технологический базис и научно-технический прогресс. –М.: Высшая школа, 1991.
5. Организация, планирование и управление авиационными научно-производственными организациями. –М.: Машиностроение, 1985.
6. Тихомиров В.А. Научные основы и организация теоретико-экспериментальной оценки качества РСЗО на этапах жизненного цикла. Докторская диссертация – С – Пб: БГТУ, 1996.