Archetyp „przypadkowi przeciwnicy”
Transkrypt
Archetyp „przypadkowi przeciwnicy”
Nr 80 Prace Naukowe Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej Studia i Materiały Nr 22 Nr 80 2006 Elżbieta KASPERSKA* Elwira MATEJA-LOSA** ss. 181-188 ARCHETYP „PRZYPADKOWI PRZECIWNICY” – SYMULACJA I OPTYMALIZACJA. BADANIA WŁASNE „Przypadkowi przeciwnicy” to jeden z typów tak zwanych archetypów systemowych, wg klasyfikacji Senge’a. W literaturze przedmiotu jest niewiele prac podejmujących tematykę archetypów, a zupełnie brak prób ich zoptymalizowania, w sensie „hill climbing” [Coyle1996, str. 239]. Biorąc pod uwagę problem oceny dynamiki złożonych struktur, wydaje się, że próby badania archetypów winny mieścić się w głównym nurcie wysiłków badawczych wielu modelarzy – symulogów (łączących, jak autorzy pracy, symulację z optymalizacją). Autorzy prezentują pewne wyniki badań własnych w tym zakresie, postulując kierunki dalszych prac. 1. WPROWADZENIE Systemowe podejście do analizy złożoności systemów społeczno-gospodarczych, wymaga takich metod i narzędzi, które ujmują rzeczywistość w strukturach pętli sprzężeń zwrotnych. Ich współdziałanie wyznacza obraz dynamicznego zachowania się systemów w czasie. W literaturze przedmiotu spotkać można kilka klasyfikacji struktur elementarnych, czyli archetypów (patrz, np.: [Bourguet-Diaz i Peter-Salazar 2003], [Wolstenholme 2003], [Wolstenholme 2004], [Senge 2002], [Senge i in. 2002]). Tu przytoczymy klasyfikację archetypów w formie tak zwanego: drzewa archetypów, w oparciu o [Senge i in. 2002, str. 181]). Obecnie autorzy skupią uwagę na jednym z archetypów, archetypie „przypadkowi przeciwnicy”. Model matematyczny tego archetypu autorzy zbudowali na bazie własnych dociekań i prób, (bowiem w literaturze przedmiotu nie znaleźli postaci matematycznej tego archetypu, jedynie opisy werbalne sytuacji mu odpowiadających). __________ * Politechnika Śląska, Instytut Matematyki; [email protected] Politechnika Śląska, Instytut Matematyki; [email protected] ** 182 Elżbieta Kasperska, Elwira Mateja-Losa Najbardziej interesuje mnie Pętla wmacniająca (spirale wzrostu i spadku) “Sukces dla odnoszących sukces” “Granice wzrostu” Pętla równoważąca “Szkodliwe lekarstwa” “Eskalacja” “Przypadkowi przeciwnicy” “Dryfujące cele” “Przerzucenie brzemienia” “Tragedia współużytkowania” “Zasada atrakcyjności” “Wzrost i niedoinwestowanie” Rys. 1. Drzewo genealogiczne archetypów systemowych (w oparciu o [Senge i in. 2002, str. 181]) 2. ARCHETYP „PRZYPADKOWI PRZECIWNICY” – OPIS, MODEL MATEMATYCZNY, SYMULACJA Archetyp „przypadkowi przeciwnicy” (w oryginale: ”accidental adversaries”), „objaśnia, w jaki sposób grupy ludzi, które powinny pozostawać w związkach partnerskich i które chcą być partnerami (a przynajmniej tak twierdzą), stają się ostatecznie zawziętymi przeciwnikami” (cyt. z [Senge i in. 2002, str. 181]). Ma to zastosowanie do zespołów różnych działów tej samej firmy, stosunków między związkami zawodowymi a kierownictwem, relacji dostawców z producentami, kłótni rodzinnych, a nawet wojen domowych. Interesującym jest pytanie: Jakie są strukturalne przyczyny tych zjawisk? Struktura tego archetypu została po raz pierwszy rozpoznana i opisana na podstawie klasycznego przypadku największego na świecie producenta dóbr konsumpcyjnych i największej na świecie sieci sprzedaży detalicznej, czyli: Procter & Gamble i Archetyp „przypadkowi przeciwnicy” – symulacja i optymalizacja. Badania własne 183 Wal-Mart. Firmy miały ten sam cel – poprawę efektywności i rentowności swoich systemów produkcji (P&G) i dystrybucji (Wal-Mart). Każda z tych firm miała jednak poczucie, że ta druga stara się osiągnąć własną korzyść ze szkodą dla całego rynku. Nie wdając się w szczegóły (które czytelnik może znaleźć u Senge’a [Senge 2002]), przedstawmy ogólną strukturę współdziałania pętli, tworzących tę sytuację (rys. 2). + + Sukces grupy I + + Działania grupy I na korzyść grupy II - - Niezamierzone przez grupę I utrudnienia dla grupy II - - + + + Działania podejmowane przez grupę I w celu poprawy własnych wyników - - Niezamierzone przez grupę II utrudnienia dla grupy I - Działania podejmowane przez grupę II w celu poprawy własnych wyników + Działania grupy II na korzyść grupy I + Rys. 2. Idea archetypu „przypadkowi przeciwnicy”, na przykładzie współdziałania dwóch grup (I i II). Jak w przypadku firm Procter & Gamble i Wal-Mart, partnerzy I i II, „zdają sobie sprawę, że mogliby wzajemnie przyczyniać się do swoich sukcesów - co pokazuje duża zewnętrzna pętla. Podejmując jednak niezależne działania w celu poprawy wyników, przywiązują większą wagę do potrzeb własnych, niż do potrzeb partnerów. Rozwiązanie przyjęte przez każdego z nich „w niezamierzony sposób utrudnia osiągnięcie sukcesu przez partnera, przy czym na ogół żadna ze stron nie dostrzega, że rzuca drugiej kłody pod nogi. Później, gdy niezamierzone utrudnienia dają się odczuć z większą siłą, każda ze stron uważa, że właściwym wyjściem z sytuacji jest przekonanie partnera, iż to jej strategia jest odpowiednią metodą poprawiania wyników” (cytat z [Senge i in. 2002, str. 178]). Opisaną sytuację można ująć w model matematyczny, wykorzystując metodę Dynamiki Systemowej oraz można przeprowadzić symulację zachowania się opisywanego systemu, np. w języku Vensim [Vensim 2002]. 184 Elżbieta Kasperska, Elwira Mateja-Losa Strukturę modelu matematycznego przedstawia rys. 3 (wykorzystano możliwości graficzne języka Vensim). x11 t3 utrudnienia1dla2 a d f sukcesX1 X1' x22 c dzialania1na2 t2 sukcesX2 utrudnienia2dla1 t1 X2' g e dzialania2na1 t4 b h Rys. 3. „Vensimowy” model „przypadkowi przeciwnicy” Model matematyczny jest dość prosty (wykorzystuje klasyczne zależności dla pętli równoważących (ujemnych) i wzmacniających (dodatnich)) oraz uwzględnia opóźnienia niektórych skutków działania w czasie. A więc równanie opisujące sukces grupy I przyjmie postać: x&1 (t ) = −ax1 (t ) + dx 2 (t ) − bex2 (t − t 2 ) + agx1 (t − t1 ) (1) Z kolei równanie zmiennej opisującej sukces grupy II jest postaci: x& 2 (t ) = −bx 2 (t ) + cx1 (t ) − afx1 (t − t 3 ) + bhx 2 (t − t 4 ) . (2) Dla równań (1) i (2) przyjęto przykładowe wartości parametrów, następująco: a = 0,4 b = 0,4 c = 0,2 e = 0,6 f = 0,6 g = 0,5 d = 0,2 h = 0,5 x1 (0) = 250 x 2 (0) = 150 t1 = 20 t 2 = 10 t3 = 5 t 4 = 20 Archetyp „przypadkowi przeciwnicy” – symulacja i optymalizacja. Badania własne 185 W horyzoncie H symulacji otrzymano następujące charakterystyki zmiennych modelu ( X 1 , X 2 , X 1′ , X 2′ ) , jak ilustrują to rysunki 4. i 5. dynamika sukcesu 400 200 200 100 1 2 1 1 0 0 2 0 1 2 1 2 12 1 2 6 12 sukcesX1 : Current sukcesX2 : Current 18 1 1 2 1 2 1 2 24 30 36 Time (Month) 1 2 1 2 1 2 1 2 1 2 1 2 1 2 42 1 2 1 2 48 1 2 1 2 1 2 1 2 2 54 1 2 60 1 2 1 2 Rys. 4. Dynamika sukcesu grupy I i sukcesu grupy II GRAPH_1 6 8 1 2 1 1 2 1 2 1 1 2 2 1 2 1 2 1 2 1 2 1 1 1 2 2 2 2 2 1 -27 -16 -60 -40 1 0 2 6 X1' : Current X2' : Current 12 1 18 1 2 1 2 24 30 36 Time (Month) 1 2 1 2 1 2 1 2 42 1 2 1 2 48 1 2 54 1 2 Rys. 5. Dynamika szybkości zmian sukcesów grupy I i II 1 2 60 1 2 186 Elżbieta Kasperska, Elwira Mateja-Losa Daje się zauważyć, że sukces obu grup (I i II) spada (oscylując), co jest zgodne z oczekiwaniami. Pojawia się pytanie: jaka jest strategia radzenia sobie ze zjawiskiem „przypadkowych przeciwników”? Senge stwierdza [Senge 2002]: „nie upierać się przy środkach czy rozwiązaniach podejmowanych w najlepszej nawet wierze, jeśli znane są skutki jedynie dla własnej organizacji. Starać się za to lepiej zrozumieć fundamentalne potrzeby partnera, możliwości niezamierzonego utrudniania ich zaspokajania oraz świadomego działania na ich korzyść. Postępowanie takie może doprowadzić do usunięcia lub osłabienia w obu systemach tych ograniczeń, które prowadzą do szkodliwych oddziaływań jednego partnera na drugiego”. Autorzy pracy postawili sobie pytanie: Jak wykorzystując metodę „hill climbing” wg Coyle’a [Coyle 1996, str. 239], podjąć próbę zoptymalizowania parametrów występujących w modelu matematycznym tego archetypu (w omawianym przykładzie są to parametry: a, b, c, d, e, f, g, h)? Jako kryterium jakości można przyjąć np. sumę sukcesu grupy I, sumę sukcesu grupy II lub sumę sukcesów obu grup w całym horyzoncie symulacji. Wykorzystując optymalizację typu DIRECT OPTIMIZATION w język COSMOS [Coyle 1999, str. 15], dla ostatniego z kryteriów (suma sukcesów obu grup), otrzymano następujące wyniki eksperymentu: PARAMETR a b c d e f g h KOŃCOWA WARTOŚĆ 0.000 0.000 0.200 0.200 0.000 0.000 0.500 0.500 POCZĄTKOWA WARTOŚĆ 0.400 0.400 0.200 0.200 0.600 0.600 0.500 0.500 Na rys. 6. przedstawiono dynamikę sukcesu grupy I I II dla parametrów zoptymalizowanych. Natomiast na rys. 7 przedstawiono dynamikę funkcji kryterium. Archetyp „przypadkowi przeciwnicy” – symulacja i optymalizacja. Badania własne GRAPH 30 M 30 M 2 1 15 M 15 M 2 1 0 0 12 0 12 6 12 sukcesX1 : Current sukcesX2 : Current 12 12 12 1 1 1 12 18 2 2 12 12 12 12 1 1 1 1 24 30 36 Time (Month) 2 2 2 2 12 42 1 2 1 12 2 48 1 2 54 1 2 1 2 60 1 2 Rys. 6. Dynamika sukcesu grupy I i sukcesu grupy II, dla parametrów zoptymalizowanych sumab 300 M 225 M 1 150 M 75 M 1 1 0 1 0 1 6 sumab : Current 1 1 1 1 1 1 1 1 12 18 1 1 1 1 1 1 1 1 1 1 24 30 36 Time (Month) 1 42 48 1 54 1 1 60 1 Rys. 7. Dynamika wybranej funkcji kryterium dla optymalizacji „przypadkowi przeciwnicy” 187 188 Elżbieta Kasperska, Elwira Mateja-Losa 3. PODSUMOWANIE Biorąc pod uwagę, iż parametry: a, b, c, d, e, f, g, h, mają swoją „fizyczną” interpretację jako czynniki wzmacniające i regulujące (patrz: model matematyczny) – uzyskanie ich zoptymalizowanych wartości może przełożyć się na wytyczne sterujące intensywnością procesów w systemie, a tym samym dać podstawy tak zwanych interwencji w celu uzyskania pożądanej dynamiki całości. Jest to dopiero początek działań autorów w zakresie poruszanej tematyki. Kasperska wraz z Słotą podejmują obecnie próby optymalizacji działania archetypów wykorzystując algorytmy genetyczne. Może już wkrótce przedstawią wyniki i porównają je z algorytmem Coyle’a (hill climbing). LITERATURA BOURGUET-DIAZ, R. E., PETER-SALAZAR, G. 2003. On mathematical structures for systems archetypes; [w:] Proc. 21st International Conference of the System Dynamics Society. SDS New York; ss. 1-11. COYLE R. G., 1994. COSMIC AND COSMOS. User Manual. The Cosmic Holding. COYLE R. G., 1996. System Dynamics Modeliing. A Practical Approach. Chapman and Hall. KASPERSKA, E. 2004. Archetypy systemowe – klucz do efektywnego uczenia się (w) organizacji; [w:] Prace Naukowe Akademii Ekonomicznej w Katowicach; ss. 77-84. KASPERSKA, E., MATEJA-LOSA, E., SŁOTA, D. 2004. Modele matematyczne wybranych archetypów systemowych i ich symulacja; [w:] Zeszyty Naukowe Politechniki Śląskiej, Seria: Matematyka-Fizyka; ss. 91. KASPERSKA, E. 2005a. Symulacja zmian strukturalnych w modelach SD a proces uczenia się (w) organizacji; [w:] Symulacja systemów społeczno-gospodarczych. Prace Naukowe IOiZ Politechniki Wrocławskiej nr 77, seria: Studia i Materiały nr 19; ss. 125-132. KASPERSKA, E. 2005b. Modelling embedded in learning – the acceleration of learning by the use of the hybrid models on the base of System Dynamics; [w:] Systemy Wspomagania Organizacji SWO-2005. Prace Naukowe Akademii Ekonomicznej im. Karola Adamieckiego w Katowicach; ss. 410-417. SENGE, P. H. 2002. Piąta dyscyplina. Teoria i praktyka organizacji uczących się. Wydanie III.. Oficyna Ekonomiczna, Kraków. SENGE, P.H., KLEINER, A., ROBERTS, C., ROSS, R.B., SMITH, B.J. 2002. Piąta dyscyplina. Materiały dla praktyka. Jak budować organizacje uczące się. Oficyna Ekonomiczna, Kraków. VENSIM® User’s Guide Version 5; Ventana® Simulation Enviroment. 2002. WOLSTENHOLME, E.F. 2003. Towards the definition and use of a core set of archetypal structures in system dynamics. System Dynamics Review. vl 19. numer 1; ss. 7-26. WOLSTENHOLME, E.F. 2004. Using generic system archetypes to support thinking and modeling; [w:] System Dynamics Review. vl 20. numer 4; ss. 341-356.