СППР

284

Этап 3. Осуществляется формализация описания имитационной модели: определяются компоненты модели, характеристики компонентов и соответствующие им переменные и параметры; разрабатывается моделирующий алгоритм модели, отображающий взаимодействие компонентов между собой и с окружающей средой. На данном этапе может использоваться различный математический аппарат: теория массового обслуживания, теория графов, теория множеств и т. д.

Этап 4. Осуществляется программирование имитационной модели на одном из универсальных алгоритмических или специальных имитационных языков. Моделирующий алгоритм оформляется в виде подпрограмм; описываются массивы характеристик; организуется сбор данных о наблюдаемых переменных.

Этап 5. Проводится планирование эксперимента с целью уменьшения машинного времени, затрачиваемого на получение необходимых данных о поведении имитационной модели. Оно включает обоснование числа прогонов и их продолжительности, количества наблюдаемых переменных, последовательности изменения параметров имитационной модели и т.д.

Этап 6. Определяется начальное состояние имитационной модели, влияющее на достижение моделью равновесия. Это позволяет повысить адекватность функционирования имитационной модели и исследуемой системы.

Этап 7. Подготавливаются данные о начальных значениях переменных и параметров имитационной модели.

Этап 8. Осуществляются прогоны модели на ЭВМ в соответствии с планом имитационного эксперимента.

Этап 9. Интерпретируются и анализируются статистические данные о поведении модели в ходе имитационного эксперимента. При необходимости проводятся дополнительные прогоны модели.

На практике ряд рассмотренных этапов многократно повторяется. В результате имитационная модель становится более адекватной исследуемой системе.

Центральной проблемой реализации имитационной модели является программирование.

Наиболее эффективным средством разработки, машинной реализации и анализа имитационных моделей являются специализированные имитационные языки. По сравнению с универсальными алгоритмическими языками имитационные языки обладают рядом преимуществ, наиболее важными из которых являются концептуальная выразительность и удобство программирования. В основе каждого языка лежит специально разработанный аппарат, который даёт возможность описать и формализовать структуру и процесс функционирования моделируемой системы, начальное состояние и причинно-следственные связи между её'

285

элементами. Кроме того, имитационные языки содержат ряд обеспечивающих средств, таких как механизм продвижения имитационного времени, блок управления ходом машинного эксперимента с моделью, программы сбора, обработки и выдачи статистических данных и отладки модели. Эти средства значительно снижают трудоёмкость разработки имитационных моделей.

Имитационные языки делятся на две большие группы: языки моделирования непрерывных систем и язык моделирования дискретных систем. Поскольку рассматриваемые нами человеко-машинные системы принятия решений относятся к классу дискретных систем, остановимся более подробно на имитационных языках моделирования этих систем.

Известно, что в дискретных системах изменение состояния происходит в дискретные моменты времени, обычно называемые событиями. Под событием понимается мгновенное изменение состояния модели, произошедшее в результате осуществления множества взаимодействий между компонентами модели в один и тот же момент имитационного времени.

В зависимости от концептуальных представлений о структуре моделируемых систем и их функционировании, лежащих в основе дискретных имитационных языков, можно выделить следующие их типы: языки работ, процессов и событий [11].

Языки работ позволяют эффективно моделировать системы, в которых можно выделить ряд однотипных элементов (объектов), над которыми совершаются работы. В этих языках реализован поисковый метод выбора очередного события. Основным компонентом моделей является работа, под которой понимается совокупность элементарных действий (операций), совершаемых над объектом.

Представление о моделируемой системе как множестве объектов и о ей функционировании как о совокупности процессов, соответствующих этим объектам, лежит в основе языков "процессов". Под процессом при этом понимается последовательность событий, разделенных промежутками времени и связанных с определённым объектом, входящим

,в моделируемую систему. Написанная на языке процессов программа в ходе имитации выполняется так, как если бы она состояла из нескольких

'отдельных программ, управляемых независимо одна от другой.

‘В событийных имитационных языках процесс функционирования

моделируемой системы рассматривается как последовательность событий,

. каждое из которых представляет собой множество взаимодействий между элементами системы и внешних воздействий на них со стороны окружающей среды. Взаимодействия, соответствующие определённому событию, происходят в один и тот же момент имитационного времени и вызывают изменение состояния модели.

286

Наиболее типичным и широко распространённым языком этого типа является язык GPSS (General Purpose System Simulator) [12]. Поскольку этот язык наиболее часто применяется для моделирования человекомашинных систем. Рассмотрим его несколько подробнее.

Язык GPSS позволяет пользователю описывать моделирующую систему в виде блок-схемы, используя стандартные символы. Объектами активного типа на языке GPSS являются транзакты, которые взаимодействуют с пассивными элементами - объектами, называемыми хранилищами и устройствами. Устройство может обслуживать одновременно только один транзакт, тогда как хранилище - столько транзактов, сколько позволяет предписанная ему мощность.

Различные режимы функционирования системы отображаются в модели с помощью блоков. В языке несколько десятков таких блоков, например, блоки генерации, продвижения, окончания, захвата, освобождения и т.д. Транзакты "передвигаются" от одного блока к другому. Блок выполняет присущие ему действия только тогда, когда в процессе моделирования через него проходит один из транзактов. Вход некоторого транзакта в блок составляет событие. Связи между блоками в модели, указывающие возможные переходы транзактов из одного блока в другой, отражают действия, происходящие в моделируемой системе.

Основной идеей, лежащей в основе языка GPSSy является создание потока транзактов и управление ими по мере их продвижения по совокупности блоков. Ведущая программа GPSS построена по принципу общего поиска, непрерывно "просматривающего" цепочки текущих и будущих событий. Во время работы модели GPSS накапливает необходимые статистические данные: загрузка системы, направление потоков информации и их временные характеристики, средние и максимальные значения и др. При использовании GPSS потребитель может не знать машинного языка, необходимо лишь учитывать правила, по которым составляется блок-схема модели.

Имитационные модели операторской деятельности в человекомашинных системах, которые используются для оценки эффективности применения СППР, относятся к специфическому классу имитационных моделей. Для обеспечения адекватности модели реальной операторской деятельности необходимо, чтобы она опадала по меньшей мере следующими свойствами [9]:

динамичностью, т.е. способностью к учёту фактора времени в деятельности оператора;

размерностью, т.е. способностью к описанию процесса решения задач оператором с учётом многих взаимосвязанных переменных;

неопределенностью, т.е. возможностью учёта вероятностного характера деятельности оператора;

287

факторностью, т.е. способностью к учёту многочисленных факторов, влияющих на деятельность оператора;

описательностью, т.е. возможностью глубинного описания процесса решения задач оператором.

Для выполнения указанных требований, имитационная модель оператора должна строиться на следующих методологических принципах [9].

1. Принцип адекватности. Модель может быть использована для исследования, если она адекватна описываемой деятельности оператора. Соответствие моделей реальной деятельности оператора следует рассматривать в вероятностном смысле с указанием границ её применимости к конкретным задачам и условиям деятельности. Адекватность обеспечивается, во-первых, постепенным приближением модели к структуре исследуемой реальной деятельности, во-вторых, соответствием исходных данных, используемых в модели, реальным характеристикам деятельности оператора.

2. Принцип микроструктурного моделирования. Методы

микроструктурного моделирования, разработанные В.П.Зинченко и его «грудниками [1], позволяют "развернуть" процесс деятельности оператора. При этом время от начала возникновения задачи до реализации решения делится на ряд интервалов и, предполагается, что каждый такой интервал есть время выполнения того или иного преобразования, осуществляемого определённым функциональным блоком. Затем на ' основе предварительного качественного анализа деятельности строится вероятностный или нечёткий алгоритм задачи из типовых функциональных блоков. Для учёта влияния специфических особенностей деятельности (параметров информационной модели, обученности, утомления и т.д.) в модели используются экспериментальные данные или аналитические зависимости, характеризующие влияние условий деятельности на количественные характеристики отдельных функциональных блоков.

Таким образом, микроструктурное моделирование позволяет исследовать деятельность оператора в единстве с объектами и средствами Деятельности. ή ■■: 3. Принцип универсальности модели. Специфика операторской деятельности определяется решаемой задачей, условиями деятельности и структурой деятельности - наличием и значимостью тех или иных рабочих действий и ,операций. Всё это позволяет говорить о многообразии деятельности. Прийцип универсальности модели предполагает

обеспечение исследования этого многообразия деятельности.

Реализация принципа универсальности модели может быть обеспечена: %

288

полнотой выбора функциональных блоков для всех видов исследуемой операторской деятельности;

возможностью "генерирования" вероятностных или нечётких алгоритмов различных типов задач из типовых функциональных блоков;

полнотой учёта влияния условий деятельности на показатели деятельности;

иерархической многоуровневой структурой построения модели, обеспечивающей моделирование деятельности на разных уровнях её детализации.

4. П ринцип иерархичности построения модели. Построение модели оператора в виде уровней возрастающей организации обуславливается требованиями к степени соответствия модели характеру деятельности оператора и мерой нашего знания о самой деятельности. Необходимо обеспечить возможность совершенствования модели с целью более полного и адекватного описания деятельности по мере накопления необходимых знаний. Иерархическое (многоуровневое) построение модели, при котором результаты, полученные на нижних уровнях модели, являются исходными Данными для более высоких уровней, позволяет совершенствовать модель без перестройки её конструкции. Кроме того, иерархичность построения модели позволяет ограничиваться таким уровнем моделирования деятельности оператора, который определяется характером решаемых задач.

5.Принцип конструктивности описания модели. Имитационная

модель деятельности оператора реализуется в виде программ для ЭВМ с помощью определенного алгоритмического языка. Совокупность операций, описываемых языком, составляет средства реализации модели. Описание модели будет конструктивным относительно средств реализации

втом случае, если все указания, входящие в описание, могут быть единственным образом выполнены с помощью операций соответствующего алгоритмического языка.

6.Принцип управления моделированием. Для исследования влияния факторов на результаты деятельности оператора необходимо моделировать процесс деятельности значительное количество раз. Проведение экспериментов на модели занимает достаточно много машинного времени и обходится довольно дорого. Поэтому необходимо рационально планировать эксперименты и управлять моделированием,

минимизируя количество экспериментов на модели и в то же время обеспечивая достаточную полноту исследования. Решение подобных задач возможно с помощью методов планирования экспериментов [13].

				289
7.	Принцип	автоматизации	обработки	результатов

моделирования. Обработка результатов моделирования, как правило, включает систематизацию и анализ значительных массивов числовых данных, производство расчётов, построение графиков и т.д. Для обеспечения оперативности и высокой точности обработки результатов моделирования необходима автоматизация этого процесса.

Для создания имитационной модели оператора целесообразно применить универсальных подход, сочетающий в себе комплексное Использование методов декомпозиции и агрегирования [14^

Декомпозиция деятельности оператора в соответствии с такими принципами построения модели как иерархичность, микроструктурносгь и универсальность позволяет выделить три уровня моделирования: типовых функциональных блоков, алгоритмов решения задач и деятельности оператора.

В силу своей специфики каждый из уровней модели описывается разнородными математическими схемами. Для соблюдения таких принципов как конструктивность и универсальность модели при её реализации необходима унифицированная абстрактная схема, позволяющая единообразно описывать все уровни модели. В качестве такой абстрактной схемы используем агрегативный подход, развитый в работах Н.П. Бусленко [15].

Под агрегатом понимается объект, определяемый множествами: моментов времени t є T ; входных сигналов х є X ; управляющих сигналов g є G ; выходных сигналов у є Y ; состояний z є Z ; параметров агрегата

b e В и операторов переходов H и выходов G, реализующих функции z(t)

Иу(0 [15].

Вобщем случае, агрегат реализует преобразование вида

y(t) = G {t,x(t),z(t),g(t),b}.

(3.26)

Модель операторской деятельности, таким образом, представляет собой 3-х уровневую агрегативную систему, включающую: агрегаты 1-го уровня (функциональные блоки или элементарные операции); агрегаты 2- го уровня (алгоритмы решения задач); агрегаты 3-го уровня (модель операторской деятельности).

При этом модель нижнего уровня как бы вкладывается в модель более высокого уровня, а выходные; данные модели нижнего уровня являются входными для модели более высокого уровня.

Обобщённая структурная схема модели операторской деятельности, построенная в соответствии с агрегативным подходом, приведена на рис. 3.9.

Рис. 3.9 Структурная схема имитационной модели оператора

291

Рассмотрим содержание функций, выполняемых отдельными блоками имитационной модели.

Блок BI обеспечивает ввод и хранение параметров автоматизированного рабочего места (АРМ) и средств отображения информации (СОИ). В частности, эти данные могут включать информационные и светотехнические параметры СОИ, количество и типы органов управления АРМ, степень упорядоченности их расположения

и Т.Д.

Блок Б2 обеспечивает расчёт временных и вероятностных характеристик типовых операций в зависимости от значений параметров СОИ и АРМ. На основе обработки статистического материала корреляционно-регрессивным методом [13] формируется функциональная зависимость вида

y = F {x x,...,X n) ,

(3.27)

где у - . количественные характеристики выполнения типовой операции (математическое ожидание времени выполнения /я,, среднеквадратическое отклонение σ(, систематическая ошибка тх,

случайная ошибка σ χ, вероятность безошибочного выполнения операции

роп); X1,..., х„ - параметры СОИ и АРМ.

Вблоке БЗ вводятся и хранятся данные о степени обученности оператора и условиях его деятельности (время обучения, характеристики утомляемости и адаптации, напряжённость деятельности и т.д.).

Блок Б4 обеспечивает учёт влияния психофизиологических характеристик и условия деятельности на временные и точностные показатели операций

Вблок Б5 вводятся и хранятся R нём характеристики типовых операций деятельности (функциональных блоков). Эти характеристики либо вводятся заранее, либо представляют собой результат работы блоков Б2 и Б4.

Вблоке Б6 реализованы математические модели алгоритмов решения задач оператором. Каждая такая модель может быть представлена в виде взвешенного вероятностного или нечёткого графа, как это описано в разделе 3.2. Граф описывает структуру алгоритма, а вероятностные и временные характеристики операций алгоритма формирует и передает блок BS. В результате работы блока Б6 рассчитываются характеристики решения задач оператором.

Последующие блоки описывают динамику деятельности оператора при массовом характере возникновения задач. Имитационная модель деятельности базируется на интерпретации оператора системой массового обслуживания [16].

292

Блок Б7 формирует данные по задачам, которые включают: идентификатор типа задачи; важность (приоритет) задачи; интенсивность возникновения задач;

время существования (допустимое время решения), заданное соответствующим законом распределения и числовыми характеристиками; время решения задачи оператором, заданное законом распределения и

его числовыми характеристиками.

Блок Б8 формирует поток входных задач. Вероятностный характер потока описывается законом распределения времени поступления заявок и зависит от специфики деятельности оператора. Достаточно часто используется гипотеза о пуассоновском (простейшем) потоке входных задач [9].

Блок Б9 имитирует процесс решения задач в условиях их массового возникновения.

Моделирующий алгоритм должен реализовывать как бесприоритетное решение задач, так и различные виды приоритетов (относительный, абсолютный, динамический).

Особенностью динамического приоритета является возможность изменения порядка обслуживания в зависимости от условий деятельности.

Блок Б10 обработки результатов моделирования рассчитывает качество решения каждой задачи (вероятность своевременного и правильного решения), качество работы оператора в среднем по всем задачам и оценивает загрузку оператора.

Блок BI 1 анализа и управления моделированием обеспечивает построение зависимостей показателя качества работы оператора (вероятности правильного и своевременного решения задач) от условий его деятельности (загрузки), интенсивности возникновения задач, алгоритмов их решения и т.д. Другой важной функцией блока является поиск оптимальных значений управляемых факторов^шияющих на качество деятельности.

Блок Б12 оценки адекватности модели предназначен для оценки соответствия результатов моделирования результатам реальной деятельности оператора. Оценка адекватности модели производится по интегральным показателям: качеству деятельности оператора и его загрузке.

Поскольку адекватность имитационной модели является главным вопросом, определяющим возможность её практического применения, рассмотрим методику оценки адекватности более подробно.

Ошибки при моделировании деятельности оператора делятся на следующие основные классы:

293

методические ошибки, возникающие из-за неточной формализации деятельности оператора, неучёта в имитационной модели ряда факторов и т.д.; ошибки за счёт неточности задания исходных данных по

характеристикам деятельности; ошибки статистической оценки результатов, обусловленные

ограниченными объёмами выборок при натурной оценке деятельности оііератора и при моделировании.

При оценке приемлемости методических погрешностей моделирования рассматриваются условия структурно-функционального подобия двух систем, которые являются следствием известных теорем Теории подобия: две сложные системы можно считать подобными, если они имеют тождественную структуру, а соответствующие (сходные по назначению) элементы обеих систем функционально подобны [17].

Структурно-функциональное подобие имитационной модели реальной деятельности оператора обеспечивается применением принципа микроструктурного описания деятельности.

В соответствии с условиями структурно-функционального подобия оценка адекватности имитационной модели оператора осуществляется в

дваэтапа.

этап автономной оценки функционального подобия отдельных блоков модели элементам деятельности оператра (задачам, операциям);

atan комплексной оценки подобия имтационной модели реальной деятельности оператора.

Структурная схема алгоритма оценки адекватности имитационной цодели оператора приведена на рис. 3.10.

Автономную оценку функционального подобия частных блоков элементам деятельности оператора (задачам, оператора), можно рассматривать, как статистическую задачу оценки однородности двух выборок случайных величин, полученных в однотипных условиях двумя различными методами: моделированием и реальными экспериментами.

Комплексную оценку адекватности модели целесообразно проводить пр двум критериям:

/-; » HO критерию, характеризующему результат деятельности оператора («^ЮЛиость правильного и своевременного решения задач);

* ho критерию, характеризующему условия деятельности оператора ^МСрузка оператора).

Пусть ти , т„ - количество правильно и своевременно решённых задач по результатам моделирования и натурных экспериментов соответственно; ки,к н ~ количество возникших задач при моделировании ■и тпурных экспериментах.