Затем мы отправимся на путь, который позволит нам увидеть, как вы интерпретируете концепцию модели и действие моделирования, чтобы мы могли представить вам другое видение, чем то, к которому вы наверняка привыкли.
- Что вы понимаете под моделью? Как вы интерпретируете процесс моделирования? Какова цель моделирования? Какие результаты вы ожидаете от построенной модели?
Компьютерное моделирование социально-экономических систем насчитывает более трех десятилетий. За все это время были представлены модели перед моделями, которые использовались для анализа бесчисленных тем, таких как управление запасами, эффективность национальной экономики, оптимальное распределение пожарных станций в Нью-Йорке или взаимосвязь между глобальное население, ресурсы, продукты питания и загрязнение окружающей среды, чтобы назвать несколько. Определенные модели стали названием газет, как это произошло с «Пределами роста» (Meadows et al. 1972), породив большие противоречия и неверное толкование.
Компьютерное моделирование стало основной отраслью, приносящей сотни миллионов долларов годового дохода.
В течение нашей жизни каждый из нас сталкивался с результатами моделей и выносил суждения об их актуальности и валидности. К сожалению, многие люди не могут принимать эти решения осознанно и разумно, потому что для них модели похожи на «черные ящики»: устройства, которые работают совершенно загадочным образом. Поскольку большинство людей плохо понимают компьютерные модели, ими легко злоупотреблять, случайно или намеренно. Таким образом, было много случаев, когда компьютерные модели использовались для обоснования уже принятого решения и ранее принятых действий.
Если эти злоупотребления прекратятся и если моделирование станет более рациональным инструментом для общности людей, они далеки от того, чтобы быть технологическими элементами со специальной магией, а затем станут более широко используемым инструментом.
Описанные компьютерные модели относятся к тому типу, который используется для того, чтобы смотреть в будущее и проводить анализ политики.
Ментальные модели и компьютерные модели
К счастью, все знакомы с моделями. Люди используют ментальные образцы для подражания ежедневно. Наши решения и действия основаны не на реальном мире, а на наших мысленных образах этого мира, взаимоотношений между сторонами и влияния на него наших действий.
Ментальные модели имеют ряд весомых преимуществ. Ментальная модель гибка; он может принимать во внимание широкий спектр информации, а не только числовые данные: он может адаптироваться к новым ситуациям и может изменяться, пока существует новая информация. Ментальные модели - это фильтры, с помощью которых мы интерпретируем наш опыт, оцениваем планы и выбираем среди возможных направлений действий.
Но у ментальных моделей также есть недостатки. Их нелегко понять третьим лицам; их интерпретации отличаются. Предположения, на которых они основаны, обычно трудно исследовать, а двусмысленности и противоречия могут остаться незамеченными, не подвергаться сомнению и не разрешаться.
Теоретически компьютерные модели предлагают улучшения по сравнению с ментальными моделями несколькими способами:
- Они явные; их предположения имеют префиксы в письменной документации и открыты для консультаций или обзора. Они могут безошибочно вычислить логические следствия сделанных предположений. Они понятны и способны одновременно связывать множество факторов.
Компьютерная модель, которая содержит эти характеристики, имеет значительные преимущества по сравнению с ментальными моделями. На практике модели далеки от идеала:
- Они могут быть настолько плохо задокументированы и иметь такой уровень сложности, что никто не может проверить их предположения. Это так называемые «черные ящики». Они настолько сложны, что пользователь не доверяет их согласованности или реальности своих предположений. Они не могут столкнуться с взаимосвязями и факторами, которые трудно определить количественно, для которых нет числовых значений или что они выходят за рамки специализации тех, кто строит модель.
Типы моделей: оптимизация против Моделирование.
Есть много типов моделей, и их можно классифицировать по-разному. Модели могут быть статическими или динамическими, математическими или физическими, стохастическими или детерминированными. Однако полезная классификация - это та, в которой мы делим модели на модели, которые оптимизируют, и модели, которые имитируют. Различие между оптимизацией и моделированием особенно важно, потому что эти типы моделей подходят для принципиально разных целей.
оптимизация
Словарь определяет, как оптимизировать: «получить лучшее из; развивайтесь, чтобы получить максимум ». Результатом модели оптимизации является утверждение о лучшем способе достижения определенной цели. Модели оптимизации не говорят вам, что может произойти в определенной ситуации. Вместо этого они говорят вам, что делать, чтобы вытащить лучшее из ситуации; они являются нормативными или описательными моделями.
Модель оптимизации принимает в качестве дохода следующие три типа информации: цели, которые должны быть достигнуты, выбор, который необходимо сделать, и ограничения, которые необходимо выполнить.
моделирование
Латинский глагол simulare означает подражать или подражать. Целью имитационной модели является копирование реальной системы таким образом, чтобы ее поведение можно было изучить. Модель является лабораторной копией реальной системы, микромира (Morecroft 1988).
Создавая представление о системе в лаборатории, разработчик моделей может проводить эксперименты, которые были бы невозможны, неэтичны или запретительны из-за затрат, связанных с реальным миром. Существует много совершенно разных методов, включая стохастическое моделирование, системную динамику, дискретное моделирование и ролевые игры.
Оптимизационные модели носят рекомендательный характер, но имитационные модели являются описательными. Имитационная модель не рассчитывает, что можно сделать для достижения конкретной цели, но проясняет, что может произойти в данной ситуации. Цель моделирования состоит в том, чтобы предсказать, как системы могут вести себя в будущем при предполагаемых условиях, или разработать политики (разработка новых стратегий принятия решений или организационных структур и оценить их влияние на поведение системы).
Другими словами, имитационные модели являются инструментами, чтобы увидеть, что если? Часто информация, полученная от А что, если? это важнее, чем знание оптимального решения.
Моделирование как обучение
Может ли моделирование использоваться только для анализа материальных физических процессов? Может ли моделирование использоваться только опытными специалистами, которым нужно доверять? Нет места для лиц, принимающих решения? Ответ на все эти вопросы может быть категорическим НЕТ.
Моделирование как обучение - это методология консалтинга для поддержки принятия решений, которая предполагает использование аналитических инструментов в полной связи с клиентами. Консультанты действуют как фасилитаторы группового процесса. Они предоставляют интерактивный подход, позволяющий фиксировать идеи и предположения клиентов (менеджеров или администраторов) таким образом, который понятен и приятен для применения соответствующих аналитических инструментов.
Полученные в результате модели дают клиентам возможность проверить согласованность своих идей с учетом их последовательности и последствий. Эти модели представляют собой бизнес-систему, с которой они могут экспериментировать со стратегией, которая будет осуществляться. Цель процесса - улучшить понимание соответствующих бизнес-проблем, сфокусировать обсуждение и генерировать новые мнения и идеи, которые в конечном итоге улучшат процесс принятия решений.
Ключевые аспекты этого процесса:
- Моделирование является неотъемлемой частью управленческого обсуждения. Фасилитаторы (консультанты) предоставляют инструменты, которые отражают и выражают ментальные модели клиентов. Рассматриваются мягкие вопросы (такие как капитал бренда, моральный дух и т. Д.). Клиенты имеют членство в моделях, модели запускаются и используются клиентами.
вывод
Постепенно модели рассматриваются как инструменты для поддержки стратегического мышления, группового обсуждения и изучения вопросов управления. Модели можно рассматривать как карты, которые собирают и активируют знания, модели можно рассматривать как подходы, которые фильтруют и организуют знания, а модели можно рассматривать как микромиры для экспериментов, сотрудничества и обучения.
