Системный подход к интеграции концепции математического моделирования в технологию виртуальная реальность

д-р техн. наук, проф. Тихомиров В.А., к-т техн. наук Тихомиров А.В.

Предлагается системный подход к интеграции концепции математического моделирования, позволяющей создать новую технологию совместной работы и управления корпораций и учреждений. Это своего рода эффективная информационная, экономическая (корпоративная) культура работы, использования (актуализации) профессиональных знаний, умений и инноваций. При этом высшей формой развития этого направления можно считать виртуальную реальность, например, виртуальный офис, виртуальная корпорация.

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. В соответствии с [1] "моделирование означает материальное или мысленное имитирование реально существующей системы путем специального конструирования аналогов, в которых воспроизводятся принципы организации и функционирования этой системы".

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. 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. Поэтому, не теряя общности положений парадигмы моделирования, рассмотрим символьные модели, нацеленные на решения прикладных задач средствами математики, т.е. математические модели. Математические модели образуют тот класс, в котором рассматривают количественные характеристики и пространственные структуры 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]. Направление дальнейшего развитие концепции «модель–исследование» 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.

Следует отметить, что в рамках концепции математическое моделирование, начиная со второй половине 50-х годов, развивается такое направление, как имитационный анализ сложных процессов – инструмент исследования сложных систем и процессов, не поддающихся формальному описанию в обычном понимании этого термина. Возникновение и развитие имитационного моделирования как научной дисциплины тесно связано с развитием и ростом мощности вычислительной техники. Если попытаться определить для имитационного моделирования свойственный ему круг проблем, то в их числе окажутся проблемы, связанные в широком смысле с изучением и предсказанием поведения модели сложной системы, когда эксперимент над этой системой невозможен или нежелателен в реальных условиях ее существования. В целом ряде случаев имитационная модель является единственной альтернативой получения информации о поведении объекта и его характеристиках. 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: функциональной, морфологической и информационной [3].

Одно из направлений развития концепции моделирования связано с синтезом понятий «вычислительный эксперимент» и «имитационная система моделирования». Синтез реализует возможность обобщенного представления вычислительного эксперимента как системы. Вычислительный эксперимент как система в свой состав включает (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. 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 (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. Подсистема обеспечения, как правило, в свой состав включает следующие виды обеспечения: информационное, лингвистическое, техническое, программное, математическое, правовое, организационное и эргономическое. Поэтому рассматривая технологию как элемент системы, 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.

Обобщенное представление вычислительного эксперимента как системы по своей природе носит междисциплинарный характер, при проведении которого используются самые разные методы и подходы - от качественного анализа нелинейных математических моделей до современных языков программирования. Это позволяет на основе накопленного опыта математического моделирования, реализованных вычислительных алгоритмов и программного обеспечения быстро и эффективно решать новые задачи. Поэтому характеризуя вычислительный эксперимент в целом, чрезвычайно важно отметить его универсальность, которая позволяет легко переносить эту технологию на исследование других объектов. Универсальность – одна из важнейших концепций современной науки. Самое известное физическое проявление универсальности – область технологии, которая обсуждалась в течение многих десятилетий, но начинает развиваться только сейчас, – виртуальная реальность. Виртуа́льная реа́льность (от лат. virtus — потенциальный, возможный и лат. realis — действительный, существующий) — создаваемый техническими средствами мир и передаваемый человеку через его привычные для восприятия материального мира ощущения: зрение, слух, обоняние и другие. Этот термин относится к любой ситуации, когда искусственно создается ощущение пребывания человека в определенной среде.

Однако до настоящего времени единообразного понимания такого феномена как виртуальная реальность достигнуть не удалось. В российском научном сообществе, работающем в данном направлении, принято выделять четыре основных характеристики виртуальной реальности:

1. порожденность (виртуальная реальность создается активностью какой-либо другой реальности);
2. актуальность (виртуальная реальность существует только актуально, в ней свои время, пространство и законы существования);
3. интерактивность (виртуальная реальность может взаимодействовать со всеми другими реальностями, в том числе и с порождающей ее как независимые друг от друга) и
4. автономность (виртуальная реальность требует введения понятий: свое время, пространство и законы существования).

Анализ характеристик виртуальной реальности и оснований, формирующих обобщенное представление вычислительного эксперимента как системы, с системных позиций обусловливает возможность агрегирования концепции математического моделирования в технологию виртуальная реальность. Технология виртуальной реальности – это актуализация различных гипотетических сред и ситуации, не существующих реально и возможных как варианты развития реальных аналогов систем реального мира. Эта технология позволяет управлять виртуальным объектом путем моделирования законов пространства, времени, взаимодействия и инерции.

В системе виртуальной реальности достигается полный контакт оператора с моделируемой средой, благодаря обратной связи, которая может охватывать практически все системы взаимодействия человека с «обычным» внешним миром. Значение этой возможности трудно переоценить в применении к проведению вычислительного эксперимента, в котором человек является одним из звеньев этой системы. Технология виртуальной реальности это путь к абсолютному интерфейсу человека и оператора преобразования. Вычислительный эксперимент со сложными техническими системами требует исключительно мощных вычислительных средств и является одной из основных сфер применения суперкомпьютеров. Это вызвано сложностью самих моделей, а также высокой степенью детализации технологического процесса проведения вычислительного эксперимента. До того момента, когда такие модели создавались в расчете на их использование для научной и проектной деятельности с соответствующей формой представления результатов, для анализа и интерпретации этих результатов моделирования допускались затраты длительного времени и имела место практически разомкнутая схема взаимодействия исследователя и модели. Положение, однако, кардинально изменяется, когда оператор управляет ходом имитации, взаимодействуя с моделью в режиме реального времени, или сам является звеном этой модели (например, в случае проведения отработки системы с использованием моделей, или в случае использования моделей в тренажерах). В этих условиях потребовались поиcки интерфейса, позволяющего оператору воспринимать большие объемы информации в очень короткое время и успевать воздействовать на ход имитации. Свое развитие концепция технологии виртуальной реальности получили в области промышленной автоматизации. Промышленная автоматизация берет начало со времен промышленного переворота, когда для производства изделия были разработаны сборочные линии. С тех пор она выросла в сложную область, в которой компьютеры, датчики и сети взяли на себя управленческие и мониторинговые задачи. Процессы автоматизации в производстве развиваются быстро, производственные же циклы сокращаются. Для того чтобы оптимизировать и наладить полномасштабное производство новой модели, максимизировать прибыль на этапе перехода от старого продукта к новому, необходимо эффективно управлять производством и информацией о заказах, использовать унифицированное, гибкое и переналаживаемое оборудование и программного обеспечения. Надо оценить все возможные варианты в смоделированных условиях производства перед тем, как запускать проект в реальных условиях. В этом случае вместо того, чтобы строить производительность на основе ожидаемых максимальных объемов производства, она должна варьироваться в зависимости от требования рынка. Если они меняются, производственные модули можно с легкостью перевести на другой продукт. Иными словами существует возможность выстроить гибкую структуру автоматизации производства и, таким образом, существенно уменьшаем капитальные производственные затраты.

В последние годы распространилась концепция корпоративных и распределенных систем в народном хозяйстве, в которых широко используются локальные информационные системы. Технология (использования) автоматизированных систем и автоматизированных рабочих мест. Необходимо отметить, что автоматизация учреждения, организации заключается не только в обеспечении работников автоматизированными рабочими местами, локальной сетью, электронной почтой и т.п., но и в создании новой технологии совместной работы и управления с целью эффективной работы всего учреждения. Это своего рода информационная, экономическая (корпоративная) культура совместной работы, использования (актуализации) профессиональных знаний, умений и инноваций. При этом высшая форма развития компьютерного офиса - виртуальный офис и виртуальная корпорация.

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. Диссертация на соискание ученой степени доктора технических наук. –СПб: БГТУ «ВОЕНМЕХ», 1996.