Symulacja zmian strukturalnych w modelach SD a proces uczenia się
Transkrypt
Symulacja zmian strukturalnych w modelach SD a proces uczenia się
Nr 77 Prace Naukowe Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej Studia i Materiały Nr 19 Nr 77 2005 Elżbieta KASPERSKA* ss. 125–132 SYMULACJA ZMIAN STRUKTURALNYCH W MODELACH SD A PROCES UCZENIA SIĘ (W) ORGANIZACJI W pracy autorka podjęła problem symulacji zmian strukturalnych w modelach SD, w aspekcie procesu uczenia się (w) organizacji. Tematyka dynamiki struktur modeli symulacyjnych oraz ich optymalizacja (np. upraszczanie) była do tej pory rzadko podejmowana przez symulogów, w szczególności w obszarze analizy Dynamiki Systemowej. W artykule przedstawiono przykład ewolucji strukturalnej (w kierunku upraszczania struktury modelu), wykorzystując potencjalne możliwości języka symulacyjnego COSMIC oraz COSMOS. Analiza osiągniętych wyników ilustruje proces efektywnego uczenia się w organizacji (w sensie Senge’a, Radzickiego, Stermana). 1. WPROWADZENIE 1.1. CEL PRACY Celem niniejszego artykułu jest przedstawienie wyników symulacji procesu upraszczania struktury modelu typu Dynamiki Systemowej. Model ten jest zmodyfikowaną wersją modelu DYNBALANCE (3-1-III) [Kasperska i Mateja-Losa 2004] o rozbudowanej postaci reguł decyzyjnych oraz funkcji celu. Wykorzystując możliwości języka symulacyjnego COSMIC i COSMOS [Coyle 1994] przeprowadzono, tak zwane, upraszczanie struktury modelu (simplification), które nie pogorszyło wartości przyjmowanej przez funkcję celu, w stosunku do optymalizowanego modelu pełnego. Realizacja badań tego typu, mieszczących się w nurcie „symulacji zanurzonej w optymalizację” [Coyle 1994, Coyle 1996, Coyle 1999, Kasperska, Mateja-Losa, Słota 2000a, Kasperska, Mateja-Losa, Słota 2000b, Kasperska, Mateja-Losa, Słota 2001, Kasperska 2002, Kasperska, Mateja-Losa, Słota 2002], pozwala efektywnie realizo__________ * Politechnika Śląska, Instytut Matematyki; [email protected] 126 Elżbieta Kasperska wać proces uczenia się (w) [2003], Stermana [2000]. organizacji, w sensie Senge’a [1998], Radzickiego 1.2. PROBLEM UCZENIA SIĘ (W) ORGANIZACJI A ZAGADNIENIE EWOLUCJI STRUKTURALNEJ MODELI TYPU SD W jednej ze swoich prac Sterman [2000] przedstawił wyidealizowany proces uczenia się w złożonych systemach. Przedstawia go rysunek 1. (tłumaczenie autorki). Świat rzeczywisty • nieznana struktura • dynamiczna złożoność • opóźnienia czasowe • niemożliwość prowadzenia kontrolowanych eksperymentów Świat wirtualny • znana struktura • zmienny poziom złożoności • kontrolowane eksperymenty DECYZJE Świat realny Świat wirtualny • doskonałe wdrożenie • zgodne bodźce • zgodne zastosowanie reguł decyzyjnych • uczenie się jest celem • porażka wdrożenia • udawanie • sprzeczność • celem jest zachowanie Strategia, struktura, reguły decyzyjne • użycie symulacji w celu wnioskowania o dynamice modeli myślowych INFORMACYJNE SPRZĘŻENIE ZWROTNE Świat wirtualny • pełność • dokładność • natychmiastowe sprzężenie zwrotne Świat rzeczywisty • wybiórcza percepcja • przerywane sprzężenie zwrotne • opóźnienia • odchylenie, zniekształcenie, błąd • niejednoznaczność Modele myślowe • odwzorowanie struktury sprzężeń • zastosowanie wnioskowania naukowego • zachowanie obronne Rys. 1. Wyidealizowany proces uczenia się. Efektywne uczenie się pociąga za sobą ciągłe eksperymentowanie zarówno w świecie wirtualnym, jak i rzeczywistym. Sprzężenia z obu tych światów „informują” rozwój modeli myślowych, modeli formalnych i projekt eksperymentów dla następnej iteracji Według [Sterman 2000; str. 34], tłumaczenie autorki. Symulacja zmian strukturalnych w modelach SD a proces uczenia się (w) organizacji 127 Koncepcja ewolucyjnych zmian Hamiltona [Radzicki 2003], może być odniesiona do Dynamiki Systemowej, na trzech poziomach: • Procesu uczenia się w trzech pętlach sprzężeń zwrotnych. • Procesu modelowania jako takiego. • Procesu symulacji dynamiki. Gdy proces modelowania trwa dostatecznie długo, może wystąpić wiele zmian (w świecie rzeczywistym oraz w modelu): • Struktura świata rzeczywistego może się zmieniać. • Zachowanie świata rzeczywistego może ulegać zmianom. • Cel budowy modelu może ulegać zmianie. • Model może ulegać zmianom. Klasyczna Dynamika Systemowa zakłada, iż podczas symulacji (w całym horyzoncie symulacji) struktura modelu (dana a priori) pozostaje niezmieniona. Idea Radzickiego [Radzicki 2003], tak zwanego procesu uczenia się w trzech pętlach sprzężeń zwrotnych, pokazuje, że w trakcie procesu modelowania i symulacji (w szczególności na modelach „własnych” (tzw. self-made models) realizuje się efektywne uczenie (w) organizacji. Dotyczy to, najbardziej, trzeciej pętli, tak zwanych zmian ewolucyjnych (rys. 2). Zostanie to pokazane w następnym rozdziale. Rzeczywisty system Decyzje pętla 1 Informacje pętla 2 Reguły decyzyjne(polityki) warunkowane przez struktury instytucjonalne, strategie organizacyjne, normy kulturowe pętla 3 Modele Myślowe i Teoria Rys. 2. Ewolucja jako proces uczenia się w trzech pętlach sprzężeń wg Radzickiego [2003] 128 Elżbieta Kasperska tau frd ard rpr poziom zapasu produktu ( lin ) rm1 tasmo tpr tchn1 irm1 rrm rm2 poziom produktu ( lmt ) podczas transformacji tchn2 zródlo 2 tprice rsl irm2 bilans surowca irm3 tchn3 rm3 fprice cena popyt ( rd ) zródlo 1 cost2 cost1 desir zródlo 3 incost dod (zysk) rlopr rm1 rm2 rm3 penal1 suma strat zysku ( lopr ) g1, g2, g3 rcrm suma kosztów surowców (scrm) penalty penal2 rcpr suma kosztów produkcji (scpr) maxfo fob cofprk Rys. 3. Struktura modelu DYNBALANCE (3-1-III-α) 2. PRZYKŁAD SYMULACJI NA MODELU O ZMIENNEJ STRUKTURZE – MODEL DYNABALANCE (3-1-III-α) 2.1 STRUKTURA MODELU Strukturę modelu w konwencji Łukaszewicza DYNBALANCE (3-1-III-α) przedstawia rysunek 3. Szczególną uwagę należy zwrócić na parametry: α, β , γ. Ich opcjonalny charakter ma znaczenie przy wyborze wartości 0-1 w procesie symplifikacji. Model DYNBALANCE (3-1-III-α) jest jednym z kolejnych modeli (i ich wersji) poświęconych dynamicznemu bilansowi surowców i produktów (patrz: [Kasperska, Mateja-Losa, Słota 2000a, b], Kasperska, Mateja-Losa, Słota 2001], [Kasperska, MatejaLosa, Słota 2002], [Kasperska, Mateja-Losa 2004]). W tym przypadku zakłada się strukturę produkcji jednego produktu z trzech surowców oraz funkcji celu „fob”, minimalizowaną podczas optymalizacji. Wyniki symplifikacji zostaną przedstawione w kolejnym paragrafie. Symulacja zmian strukturalnych w modelach SD a proces uczenia się (w) organizacji 129 2.2. WYNIKI SYMULACJI TYPU UPRASZCZANIA STRUKTURY MODELU Koncepcja obliczeniowa analizy strukturalnej typu upraszczania struktury jest podobna do analizy wrażliwości parametrów („base vector optimisation” - [Coyle 1994]). Istotna różnica polega na tym, że w analizie wrażliwości następuje wymiana pomiędzy parametrami aktywnymi i nieaktywnymi (tak więc rozmiar bazy pozostaje ten sam, natomiast upraszczanie struktury, przy pomocy symplifikatora COSMOSU, próbuje nadawać parametrom wartości zero-jedynkowe, a gdy to się uda – to usunąć je z bazy. Tak więc rozmiar bazy, po użyciu symplifikatora, stale się zmniejsza, aż do momentu, gdy nie ma już parametrów do wyeliminowania z bazy. W tab. 1, 2, 3 podano wyniki działania symplifikatora typu Y (bez optymalizacji zwykłych parametrów - [Coyle 1994, s. 34]) dla parametrów „strukturalnych”: α, β , γ. Tab. 1. Wartości funkcji celu oraz parametrów symplifikowanych w tak zwanej pierwszej Dużej Iteracji (patrz: [Coyle 1994, str. 33]) Nr iteracji 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Wartość funkcji minimalizowanej „fob” 0.751E+07 0.720E+07 0.720E+07 0.720E+07 0.743E+07 0.698E+07 0.681E+07 0.681E+07 0.681E+07 0.684E+07 0.680E+07 0.681E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 Wartości parametrów α 0.3 0.6 0.6 0.6 0.6 0.6 0.96 0.66 0.96 0.96 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 β 0.3 0.3 0.6 0 0 0 0 0 0.3 0.3 0.66 0.96 0.36 0.36 0.36 0.44 0.44 0.14 0.74 0.74 0.74 0.36 0.66 0.60E-01 0.60E-01 0.60E-01 0.36 γ 0.3 0.3 0.3 0.3 0.6 0 0 0 0 0.3 0 0 0 0 0.30E-01 0.71E-01 0.71E-01 0.71E-01 0.71E-01 1 0.40E-01 0.30E-01 0.30E-01 0.30E-01 0 0.60E-01 0.30E-01 130 Elżbieta Kasperska W wyniku działania pierwszej Dużej Iteracji (złożonej z 26 iteracji) z bazy usunięto γ (z wartością: γ = 0 ). Symplifikator COSMOSU działał dalej, wyniki przedstawia tab. 2. Tab. 2. Wartości funkcji celu oraz parametrów symplifikowanych w drugiej Dużej Iteracji Nr iteracji 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Wartości funkcji minimalizowanej „fob” 0.680E+07 0.693E+07 0.680E+07 0.680E+07 0.681E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 Wartości parametrów α β 1 07 1 1 0.97 1 1 1 1 1 1 1 1 1 1 1 1 0.36 0.36 0.66 0.60E-01 0.36 0.60E-01 0.66 0.36 0.66 0.60E-01 0.36 0.60E-01 0.66 0.36 0.66 0.60 0.36 W wyniku działania drugiej Dużej Iteracji (złożonej tym razem z 16 iteracji) z bazy usunięto β (z wartością β = 0 ). Symplifikator działał dalej, wyniki zamieszczono w tab. 3. Tab. 3. Wartości funkcji celu oraz parametru α w trzeciej Dużej Iteracji Nr iteracji 1 2 3 4 5 6 Wartości funkcji minimalizowanej „fob” Wartości parametru α 0.693E+07 0.681E+07 0.680E+07 0.680E+07 0.680E+07 0.680E+07 0.7 0.97 1 1 1 1 W wyniku działania symplifikacji (pierwsza, druga, trzecia - Duże Iteracje), parametry przyjęły ostatecznie wartości α = 1, β = 0, γ = 0. Symulacja zmian strukturalnych w modelach SD a proces uczenia się (w) organizacji 131 Konsekwencje tego faktu dla struktury modelu można zauważyć na rysunku 3 (oraz dysponując pełnym listingiem równań modelu). Symplifikator zastąpił proces myślowy człowieka, wybierającego sposób postępowania w konkretnej sytuacji decyzyjnej. Metodą prób i błędów, a więc nieefektywnie, człowiek być może doszedłby do zbliżonych wyników, ale pozostaje problem, czy nie pogorszyłaby się wartość funkcji celu (bardzo czuła w tym wypadku), w założonych granicach. Tak, więc ta „automatyka” analizy strukturalnej, przynosi niewątpliwe korzyści dla procesu zdobywania wiedzy o dynamice systemu, w kontekście możliwych zmian typu strukturalnego. 3. PODSUMOWANIE Przeprowadzona na modelu DYNBALANCE (3-1-III-α) symplifikacja jego struktury, pozwala na wyciagnięcie następujących wniosków, o charakterze bardziej ogólnym: • Symplifikacja struktury modelu typu SD jest rodzajem analizy wrażliwości strukturalnej, zbliżonej do analizy wrażliwości parametrów modelu (parametrów tak zwanych zwykłych). • Proces symplifikacji nie pogarsza wartości funkcji celu (co wbudowane jest w algorytm realizowany przez pakiet COSMOS), w założonych granicach, co daje już samo w sobie pewne „symulacyjne” możliwości eksperymentowania z doborem tego czułego elementu całego procesu. • Możliwości eksperymentowania, przy użyciu symplifikatora, są o wiele większe niż dałoby to się zilustrować w ramach jednego artykułu. Można wszak eksperymentować zarówno przy użyciu parametrów strukturalnych (jak typ: α, β , γ) jak i wraz z innymi parametrami modelu (które mogą być optymalizowane, w założonych granicach wartości, nie tylko zero-jedynkowych). • Ewolucyjny charakter analizy przy użyciu symplifikatora, daje oczywiste korzyści dla procesu uczenia się (w) organizacji. Ten aspekt zagadnienia wymaga również osobnego artykułu (a nawet większej pracy). LITERATURA COYLE, R. G. 1994. COSMIC AND COSMOS. User manual. The Cosmic Holding. COYLE, R. G. 1996. System Dynamics Modelling. A Practical Approach. Chapman and Hall. COYLE, R. G. 1999. Simulation by repeated optimization; [w:] J. Opt. R. 50; ss. 429-438. KASPERSKA, E. 2002. Cybernetic formulation of some functions of management – types of simulation and optimization approaches within the System Dynamics Method; [w:] Proc. 20 International Conference of the System Dynamics Society. SDS; ss. 1-11. 132 Elżbieta Kasperska KASPERSKA, E. 2002 Supporting the decisions in organization by the inteligent simulation package Cosmic and Cosmos; [w:] Prace Naukowe Akademii Ekonomicznej w Katowicach; ss. 385-392. KASPERSKA, E., MATEJA-LOSA, E., SŁOTA, D. 2000. Some extension of System Dynamics Method – theoretical aspect; [w:] Proc. 16th IMACS World Congress (718-10), ss. 1-6. KASPERSKA, E., MATEJA-LOSA, E., SŁOTA, D. 2001. Some dynamical balance of production via optimization and simulation within System Dynamics method; [w:] Proc. 19th International Conference of the System Dynamics Society. SDS; ss. 1-18. KASPERSKA, E., MATEJA-LOSA, E., SŁOTA, D. 2002. Optimal dynamical balance of raw materials – some concept of embedding optimization in simulation on system dynamics models and vice versa; [w:] Proc. 20th International Conference of the System Dynamics Society. SDS; ss. 1-23. KASPERSKA, E., MATEJA-LOSA, E. 2004. Some case study of optimization and simulation for supporting of learning; [w:] Prace Naukowe Akademii Ekonomicznej w Katowicach; ss. 415-420. ŁUKASZEWICZ, R. 1975. Dynamika systemów zarządzania. PWN, Warszawa. RADZICKI, H.J. 2003. Mr Hamilton, Mr Forrester and the foundation for evolutionary economics; [w:] Proc. 21st Internatinal Conference of the System Dynamics Society. SDS; ss. 1-41. SENGE, P. H. 1998. Piąta dyscyplina. Dom Wydawniczy ABC, Warszawa. STERMAN, J. D. 2000. Business dynamics – system thinking and modeling for a complex world. Mc Graw – Hill.