Применение математического моделирования при исследовании и совершенствовании системы технической эксплуатации автомобильного транспорта сложных систем



В различных областях науки математика является бесспорным рабочим и связывающим инструментом. Дальнейшее развитие многих дисциплин без нее просто невозможно.

При анализе существующей системы технической эксплуатации необходимо учесть ее взаимосвязь с программами технического обслуживания и ремонта, а также опираться на разработанные критерии в соответствии с которыми необходимо повысить эффективность системы [1,2,3,4,7,8,9].

Процесс познания с помощью математических моделей сложных систем можно представить следующим образом [1,5,6]:

а) теоретическое исследование:

1) выдвижение гипотезы о закономерностях типа "действие - причина";

2) формулирование причинно-следственных связей;

3) эмпирическая проверка;

4) построение разъяснительной и прогнозной модели;

б) технологическое исследование:

1) выработка рекомендации для дальнейших действий типа "цели - средства их достижения";

2) создание модели поддержки принятых решений.

Классические модели принятия решений всегда являются оптимизационными, так как нацелены на максимизацию выгоды или прибыли. Они построены таким образом, чтобы можно было использовать оптимизационный алгоритм и получить оптимальную практическую рекомендацию. Их недостаток заключается в вынужденном упрощении действительности, поскольку определение параметров модели должно быть ориентировано на обеспечение возможности выработки решений. Поэтому полученные рекомендации часто теряют практическую ценность. Тем не менее, оптимизационные модели по сравнению с интуитивными умозрительными моделями имеют значительные преимущества [5,6]:

- не допускают логических ошибок, так как могут быть математически проверены на наличие нарушений логики;

- являются бескомпромиссными и не содержат ничего лишнего, сводят проблему к ее сути и содействуют выражению основополагающих взаимосвязей целей и средств.

Математические модели обеспечивают систематическое осмысление проблем и позволяют одновременно учитывать все влияющие на них факторы. Вместе с тем, раскрывая все предпосылки, они становятся более уязвимыми для критики по сравнению с умозрительными моделями, где исходные пункты рассуждений формулируются их создателями.

Все же близкие к практике рекомендации могут быть получены, если при построении модели принятия решений изначально отказаться от применения оптимизационных алгоритмов и придать большее значение учету существенных структурных элементов наблюдаемого фрагмента реальности. В результате формируется имитационная модель принятия решений. Она решается не аналитически, а экспериментально или эвристически, что вследствие резкого увеличения расчетов требует использования электронно-вычислительной техники. Благодаря компьютерным технологиям неожиданно для многих возрождается и математическое модельное мышление. С помощью имитации могут быть найдены удовлетворительные решения сложных проблем, тогда как оптимизационные модели позволяют получить оптимальные решения только для проблем с простой структурой.

Широкие возможности компьютерного имитационного моделирования приводят к разработке все более сложных конструкций моделей. Это порождает дополнительные проблемы не только для программиста, но и для пользователя. Количественное определение параметров модели сталкивается со все большими трудностями. Поэтому часто приходиться обращаться за недостающей информацией к экспертам, что при масштабных моделях со многими параметрами существенно усиливает спекулятивную природу практических рекомендаций.

Теория хаоса указывает на то, что при динамических с обратной связью системах уравнений даже мельчайшие изменения в конфигурации параметров модели или исходных условий могут привести к совершенно другим рекомендациям [4,7,8,9,10,11,12].

Слабым местом математических моделей принятия решений является не только проблема определения параметров, но и лежащее глубже несовершенство оценочных теорий как основы их конструкций.

Определенное облегчение в этой связи могут принести "нейрональные сети". Эти стимулируемые нейробиологическими процессами компьютерные алгоритмы не нуждаются в функциональных причинно-следственных связях. Сеть сама "ищет" по определенному "правилу изучения" приближенную взаимосвязь, которая наилучшим образом отражает представленные данные. С другой стороны, сеть сама гибко приспосабливается и "обнаруживает" даже известные взаимосвязи, которые хотя и осуществляются "механически", но могут способствовать прояснению причинно-следственных связей.

Модели принятия решений могут лишь ограниченно отразить действительность не только из-за дефицита данных и несовершенства теорий, но, прежде всего, ввиду огромного разнообразия явлений и связей в реальной хозяйственной жизни. Многие исследователи видят в этом их существенный недостаток и повод для критики. Для них предпосылки моделирования равнозначны далекой от практики науке.

В этой связи В.Р.Бретцке противопоставил пониманию модели, основанному на теоретическом отображении реалий, "конструктивистское" понимание. По его мнению, снижение сложности в модели принятия решений - это не неизбежное зло, а объективная необходимость, так как только структурирование расплывчатой проблемы по предпосылкам обозначает контуры и тем самым сужает сферу поиска решения. "Неполнота сведений является не конструкционным недостатком, а конструкционным принципом" [1,7,8,11].

Конструкционный принцип, то есть возможность абстрагироваться в интересах точного анализа от "мешающих величин", существующих в реальности, делает модели принятия решений открытыми для совершенствования. Они ни в коем случае не отнимают инициативы у лиц, ответственных за решения. Математические модели усиливают интеллект, но не заменяют его.

Наконец, модели принятия решений должны постоянно подтверждать свою полезность как дополнение к чисто умозрительной модели. Это удается все чаще, но пока не всегда.

Модели способствуют лучшему пониманию реальных проблем, помогают при разработке альтернатив, упрощают их проверку и облегчают оценку интуитивных проектов и существующих моделей поведения.

У математических моделей есть и дидактическая задача. Разработчики совершенствуют свой образ мышления, так как модели позволяют знакомиться со структурой и логикой решаемых проблем и оттачивают аналитические мыслительные способности. Таким образом, интуитивная умозрительная модель получает твердую основу. При поиске проблемных решений можно научиться более целенаправленно и систематизировано продвигаться вперед и ставить под сомнение якобы надежные наблюдения.

В целом модели и теории, которые формулируются и решаются с помощью математических методов, представляют собой неотъемлемую составляющую диалога между теорией и практикой. В условиях быстро меняющихся постановок проблем, когда сегодняшние решения завтра уже не пригодны, требуются не только готовые к непосредственному использованию знания, но и умственная динамика, кругозор, компетентность, а также готовность постоянно критически оценивать свои знания.

Литература:

1. Кокорев Г.Д. Основные принципы управления эффективностью процесса технической эксплуатации автомобильного транспорта в сельском хозяйстве. //Сборник материалов научно-практической конференции, посвященной 50-летию кафедр «Эксплуатация машинно-тракторного парка» и «Технология металлов и ремонт машин» инженерного факультета РГСХА. – Рязань, 2004. – С. 128-131.
2. Кокорев Г.Д. Программы технического обслуживания и ремонта автомобильного транспорта в сельском хозяйстве. //Материалы Международной научно-практической конференции молодых ученых и специалистов к 55-летию РГСХА. – Рязань, 2004. – С. 136-139.
3. Кокорев Г.Д. Основы построения программ технического обслуживания и ремонта автомобильного транспорта в сельском хозяйстве. //Сборник материалов научно-практической конференции, посвященной 50-летию кафедр «Эксплуатация машинно-тракторного парка» и «Технология металлов и ремонт машин» инженерного факультета РГСХА. – Рязань, 2004. – С. 133-136.
4. Кокорев Г.Д. Классификация критериев эффективности при управлении техническими системами. // Научно-технический сборник. – Рязань, 2000. – №10. – С. 13-19.
5. Кокорев Г.Д. Некоторые аспекты теории комплексного проектирования сложных организационно-технических систем. // Научно-технический сборник. – Рязань, 2000. – №10. – С. 19–21.
6. Кокорев Г.Д. Принципы поведения технических систем на этапах их жизненного цикла. // Научно-технический сборник. – Рязань, 2000. – № 10. – С. 22–26.
7. Кокорев Г.Д. Математические модели в исследованиях сложных систем. // Научно-технический сборник. – Рязань, 2000. – № 10. – С. 8–12.
8. Кокорев Г.Д. Подход к формированию основ теории создания сложных технических систем на современном этапе. // Сборник научных трудов РГСХА, (вып. 4) ч.2. – Рязань, 2000. – С. 54-60.
9. Кокорев Г.Д. Обосновани6е выбора показателей эффективности поведения сложных организационно-технических систем. // Сборник научных трудов РГСХА, (вып. 4) ч.2. – Рязань, 2000. – С. 60–70.
10. Кокорев Г.Д. Моделирование при проектировании новых образцов автомобильной техники. // Сборник научных трудов РГСХА. – Рязань, 2001. – С. 423–425.
11. Кокорев Г.Д. Состояние теории создания объектов современной техники. // Сборник научных трудов РГСХА. – Рязань, 2001. – С. 425–427.
12. Кокорев Г.Д. Основные принципы исследования проблемы управления качеством сложных организационно-технических систем. // Сборник научных трудов ВАИ. – Рязань, 2002. – Вып. 12. – С. 135–141.
13. Моудер Дж., Элмаграби С. Исследование операций. // Методологические основы и математические методы: Пер. с англ. – М.: Мир,1981. – 712 с.
14. Флейшнан Б.С. Основы системологии. – М.: Радио и связь,1982. – 368 с.