Гарольд Лоусон - Путешествие по системному ландшафту

Чекланд [Checkland, 1993], сам начинавший с позиций системной инженерии, успешно рассмотрел проблемы применения системной инженерии к менее четким, некорректно поставленным задачам, имеющим место на социальной и политической аренах. Так он ввел различие между жесткими и мягкими системами.

Мир жестких систем характеризуется тем, что для подобных систем при попытке к какой-то мере «оптимизировать» решение инженерные методологии дают возможность определить результаты, цели и задачи, которые могут быть получены (достигнуты, решены).

Мир мягких систем характеризуется как в высшей степени сложный, неясный и часто непостижимый феномен, применительно к которому не могут быть установлены конкретные цели и который требует изучения с целью осуществить улучшение. Существование подобных систем не ограничивается социальной и политической областями. На предприятиях, где наблюдаются сложные, часто плохо определенные модели поведения, сдерживающие способность к улучшениям, подобные системы могут использоваться для описания отношений как внутри предприятия, так и между предприятиями.

Признавая это важное различие, Чекланд указывает на тот факт, что процесс исследования, который сам по себе может быть организован в обучающуюся систему, является наиболее подходящим способом анализа и изучения мягких систем, элементами которых являются различные виды человеческой деятельности.

Системное мышление полезно при анализе и проникновении в сущность проблем и возможностей, связанных с жесткими и мягкими системами, а так же системами, содержащими элементы обоих типов.

В связи с системным мышлением был разработан ряд методологий, инструментов, моделей, языков и методик, способных помочь в фундаментальных аспектах видения целого, а также взаимозависимостей и картины изменений. Результатом работы профессора Джея Форрестера в Массачусетском технологическом институте (МТИ) в 1950-е – 1960-е годы стала разработка языка моделирования DYNAMO, одного из самых первых языков компьютерного моделирования, который предоставил методологию и инструментарий для изучения сложных взаимосвязей в динамических системах [Forrester, 1975]. Форрестер также одним из первых указал на универсальность системного мышления в различных дисциплинах и работал в области как жестких, так и мягких систем. В 1960-е годы появились и другие языки программирования для моделирования сложных систем, в частности, SIMSCRIPT [Markowitz, 1979] и SIMULA [Dahl, et al., 1970].

Проникновение в сущность сложных систем обычно влечет за собой разработку одной или нескольких моделей, в которых стараются зафиксировать некоторые особенности структуры и/или возможного поведения системы. Например, применительно к природным системам модели метеорологических систем создаются на основе измерений и известных схем и образцов гидрологического поведения. Для составления прогнозов погоды эти модели постоянно динамически анализируются. При моделировании природных явлений для того, чтобы зафиксировать взаимосвязи между физическими элементами математические модели структур и поведений создаются на основе законов физики, биологии или химии. Модели могут быть описаны вручную с помощью карандаша и бумаги или же на каком-то языке, предоставляющим основу для моделирования с помощью ЭВМ.

Модели систем, создаваемых людьми, полезны для системного мышления, связанного с жесткими или мягкими системами. Модели систем определенного физического разнообразия базируются на использовании математических формул, определяющих элементы и связи между ними. Продукты Mathematica и MATLAB стали важными инструментами для построения и анализа моделей природных систем, а также при разработке физических систем. П. Фритцсон [Fritzson, 2004] написал исчерпывающую книгу, касающуюся моделирования физических систем с использованием объектно-ориентированного языка Modelica-2.

В качестве примера модели физической системы рассмотрим автоматизированную производственную систему для производства какого-то вида физической продукции. Модель, например, может, зафиксировать наличие физического производственного оборудования в виде рабочих ячеек и буферов. Обработка сырья и полуфабрикатов в процессе производства может быть описана при помощи функций распределения случайной величины, например Гаусса или Пуассона. Подобные модели, с одной стороны, применяются для того, чтобы лучше разобраться с сутью происходящих процессов, а с другой, чтобы убедиться в том, что модель производства отражает реальность производственного процесса.

Модели абстрактных систем могут предусматривать аналогичный анализ, когда гипотеза, касающаяся способности к обработке, может быть использована для понимания ряда функций и/или возможностей и связей между ними. В том, что касается скорости обработки, математические соотношения так же могут быть использованы для описания взаимосвязей; в результате абстрактная система может быть в конце концов преобразована в физическую систему.

Модели систем человеческой деятельности могут быть построены для понимания реальных или типовых ситуаций и/или реагирующих систем, связанных с какой-то проблемой или благоприятной возможностью. Модели человеческой деятельности, состоящие из функций и/или возможностей и связей между ними, также могут быть использованы для того, чтобы зафиксировать совокупность процессов и/или процедур, которые должны быть выполнены людьми.

Поскольку модели не являются точной копией оригинала и представляют собой абстрактную реальность, можно сделать вывод о том, что все модели являются неверными; однако некоторые из них являются полезными [Box and Draper, 1987]. Боардмэн и Сосер [Boardman and Sauser, 2008] указывают на следующие полезные выводы, касающиеся моделей. Не следует создавать модель, если мы не знаем:

• на что мы смотрим;

• почему мы на это смотрим;

• откуда (с какой точки зрения) мы на это смотрим, и

• что, по нашему мнению, мы сможем увидеть лучше, если у нас будет модель.

Последний важный момент в создании модели, по нашему мнению, это как.

Независимо от того, какая модель – количественная или качественная – создается, самым важным с точки зрения системного мышления является хорошо продуманный и конкретный процесс моделирования. Как уже упоминалось, по утверждению Питера Сенге процесс моделирования включает скорее формирование полного, целостного представления и возможности определить характер изменений, чем установление мгновенного, статического видения ситуации. С другой стороны, как отмечает Питер Чекланд, модели предоставляют основу для изучения системных ситуаций.