Первое, что оказывается необходимым для реализации имитационной модели, – это умение организовать серию вариантных расчетов: эксперту важно представить себе характер изучаемого процесса, степень его “управляемости”, характер предельных возможностей (множеств достижимости), т.е. организовать многократно повторенный машинный эксперимент с моделью.
Для этой цели и созданы модели, имитирующие реальность, имитирующие изучаемый процесс. Эксперт с помощью этих моделей, с помощью серии специально организованных вариантных расчетов получает те знания, без которых выбрать альтернативный вариант своей стратегии он не может.
Эксперт – специалист, который за годы обучения и практической деятельности научился чрезвычайно эффективно решать задачи, относящиеся к конкретной предметной области
Системы автоматизации моделирования, разработанные в 60–70-е гг. ХХ в. (Simula, SLAM, НЕДИС и другие), были слишком сложны для широкого пользователя, прежде всего из-за сложности текстовой формы описания модели и отсутствия программных реализаций эффективных численных методов (в 1970-е гг. был единственный пакет GEAR, все современные численные пакеты датируются 1980-ми гг.).
В настоящее время для имитационного моделирования используются пакеты визуального моделирования. Эти пакеты позволяют вводить описание моделируемой системы в естественной для прикладной области и преимущественно графической форме (например, в буквальном смысле рисовать функциональную схему, размещать на ней блоки и соединять их связями), а также представлять результаты моделирования в наглядной форме, например, в виде диаграмм или анимационных картинок.
Системы визуального моделирования позволяют не заботиться о программной реализации модели как о последовательности исполняемых операторов, и тем самым создают на компьютере некоторую удобную среду, в которой можно создавать виртуальные, параллельно функциони-рующие системы и проводить эксперименты с ними. Графическая среда становится похожей на физический испытательный стенд, только вместо тяжелых металлических ящиков, кабелей и реальных измерительных приборов, осциллографов и самописцев пользователь имеет дело с их образами на экране дисплея. Образы можно перемещать, соединять и разъединять с помощью мыши. Кроме того, пользователь может видеть и оценивать результаты моделирования по ходу эксперимента и, при необходимости, активно в него вмешиваться.
Программная реализация виртуального стенда скрыта от пользователя. Для проведения экспериментов не требуется никаких особых знаний о компьютере, операционной системе и мате-матическом обеспечении. Еще одной важной особенностью современного пакета автоматизации моделирования является использование технологии объектно-ориентированного моделирования, что позволяет резко расширить границы применимости и повторного использования уже созданных и подтвердивших свою работоспособность моделей.
Успех новой технологии резко расширил круг пользователей визуальных пакетов модели-рования, что обострило вечную проблему достоверности получаемых решений. Графическая оболочка скрывает от пользователя сложную процедуру получения численного решения. В то же время, автоматический выбор нужного для решения конкретной задачи численного метода и настройка его параметров часто являются далеко не тривиальной задачей. В результате появляется опасность быстрого получения красиво оформленных, но неправильных результатов.
Ввод новых данных в имитационную модель – наиболее уязвимый процесс, так как он сопряжен со значительными временными затратами на формализацию и структурирование поступающих данных, а также требует высокой квалификации от оператора, вводящего данные, в частности, знаний предметной области и структуры имитационной модели.
Методы формализации и структурирования данных, поступающих на вход системы, призваны уменьшить влияние указанных факторов. Они определяются пользователем на уровне имитационной модели и позволяют обрабатывать исходные данные с различным уровнем автоматизации: от простого перетаскивания мышкой фрагментов неформализованного текста в соответствующие структуры формируемого объекта до их автоматического распознавания в исходном тексте по заданным признакам. Если на входе такого распознавания используется уже накопленный и актуализируемый банк данных, то система приобретает черты обучаемости и ее идентифицирующие возможности напрямую будут зависеть от содержимого банка данных.
Формализованные данные затем обрабатываются методами распознавания объектов и синтеза информации. Это методы уровня класса, содержащие наборы или правила выделения идентифици-рующих признаков, по которым система делает вывод о тождественности объекта, загружаемого в банк данных, одному из объектов, уже хранящихся в нем. Результатом идентификации будет:
– загрузка объекта в банк;
– отказ в такой загрузке;
– дополнение объекта с совпадающими идентифицирующими признаками недостающими данными из загружаемого объекта;
– блокирование загрузки других параметров или выполнение иных действий.
Пользователь также должен иметь возможность вручную осуществить привязку загружаемого объекта к объекту, уже имеющемуся в банке данных. Выборки могут формироваться в терминах языка запросов системы непосредственно либо в экранной форме. На основе выборок пользователь будет просматривать информацию в банке данных, создавать документальные отчеты в нужной ему форме или дополнительно обрабатывать данные при помощи одного из частных методов обработки и анализа.