Мусаев А. Библия для адъюнктов и соискателей. Как подготовить и защитить кандидатскую диссертацию: методическое пособие

ОГЛАВЛЕНИЕ

ГЛАВА 6. ЭКСПЕРИМЕНТ!

"Принятые меры увенчались безуспешно."
Как бы умна и элегантна ни была теория, ее выводы остаются эфемерной игрой разума, если она не подтверждена результатами экспериментальных исследований. Еще в глубоком средневековье основоположник экспериментальной науки doctor mirabilis Роджер  Бэкон писал: "Выше всех умозрительных знаний и искусств стоит умение производить опыты, и эта наука есть царица наук." Впрочем, scientia experimentalis пользовалась глубоким уважением и раньше, в эпоху Античности. "Usis efficacissimus rerum omnium magister"3 - утверждали древние римляне.
Надо сказать, что дифирамбы эксперименту не были единодушными. "Для меня оказывается, что сам телесный мир воспринимается не чувствами и не деятельностью представления, а только разумом; не зрением и осязанием, а только мышлением," - писал Р.Декарт.
В наше время, в периоды "хрущевского волюнтаризма" и "раннего брежневского застоя" создавались целые научные городки, ориентированные на решение задач экспериментальной физики. В те годы романтика экспериментальных исследований в области ядерной физики и космической техники владела умами молодого поколения. Именно тогда на конференции по ускорителям были приведены слова Жолио-Кюри: "Чем дальше эксперимент от теории, тем ближе он к Нобелевской премии" [117].
Научный эксперимент позволяет сделать очень многое: изучить характеристики воздействия среды на исследуемый объект, идентифицировать статистические и динамические параметры объектов, оценить эффективность функционирования объекта исследований, проверить его на соответствие заданным требованиям и т.п. В зависимости от полноты воспроизводства исследуемого объекта и окружающей среды различают натурный, полунатурный и имитационный эксперименты.
Цель натурного эксперимента достаточно очевидна - приблизить научные исследования к практике естественного функционирования изучаемого объекта. При этом полностью или частично снимаются вопросы моделирования среды, имитации сложной неопределенности, установления системных взаимосвязей и многие другие. Однако и платить за подобное "удобство" приходится достаточно дорого. Качественная подготовка и проведение полномасштабного натурного эксперимента порою требует многих лет кропотливой работы и немалых средств. Поэтому, прежде чем взяться за подобную работу, следует трезво оценить свой реальный потенциал и имеющиеся ресурсы.
Естественным упрощением поставленной задачи является переход к полунатурному эксперименту, в котором наиболее важная для исследователя часть изучаемых процессов воспроизводится, а остальная часть - имитируется. Данный подход содержит в себе всю совокупность достоинств и недостатков много-малоуважаемого Господина Компромисса.
И, наконец, третьей (снизу) ступенью экспериментальных работ является имитационное моделирование на ЭВМ. Данный подход является самым доступным, самым недорогим и самым комфортным. Однако и за это надо расплачиваться по полной программе - необходимо не просто моделировать объект исследования и окружающую среду, но еще и убедительно обосновывать степень подобия программных моделей их физическим прототипам. Необходимо, чтобы эксперты поверили полученным выводам: ведь программа дает только то, что в нее заложил ее автор. А действительно строгое обоснование правдоподобности результатов моделирования требует... натурного эксперимента!

Перед тем, как перейти к изучению шестой главы Книги, приведем коллекцию "мэрфологических" положений [110], содержащую квинтэссенцию экспериментальной мысли:
1. Аксиома Робертса: существуют только ошибки.
2. Следствие Бермана из аксиомы Робертса: что для одного ошибка, для другого - исходные данные.
3. Правило линейки: прямых линий не бывает.
4. Законы экспериментирования Весилинда: если воспроизвести эксперимент сложно, проведите его единожды; если требуется провести прямую, получайте ее только по двум точкам.
5. Кредо Финейгла: истина в науке, не позволяйте фактам вводить вас в заблуждение.
6. Первый закон Финэйгла: если эксперимент удался, что-то здесь не так...
7. Закон Букера: даже маленькая практика стоит большой теории.
8. Закон Майерса: если факты не подтверждают теорию, от них надо избавиться.
9. Закон лаборатории Фетта: никогда не пытайтесь повторить удачный эксперимент.

у всем хорош эксперимент! Жаль, только, времени все нет, Чтоб провести его, как должно, Достать, что нужно, очень сложно, Одно спасенье - ЭВМ! Писать программу? - - Нет проблем! И вся задача очень presto , Себя Мюнхаузеном честным За шевелюру из болота Сама вытягивает... Что-то Быть может тут чуть-чуть не так... Погрешность мелкая, пустяк!

6.1. Натурный эксперимент:
maximum maximorum

"Хвойный лес горит лучше, чем лесистый."
Цель натурного эксперимента достаточно очевидна - исследовать синтезируемую систему в условиях, максимально приближенных к тем, в которых ее предполагается применять. Или, как писал Р.Бэкон: "Доводов недостаточно, необходим опыт." Так, для военной системы в роли такого эксперимента могут выступать войсковые маневры, для технической - циклы испытаний и т.п. В связи с этим важнейшей проблемой проведения эксперимента является обеспечение достаточной степени адекватности экспериментальных условий реалиям последующего применения исследуемого объекта.
Проблему адекватности можно сформулировать в терминах функциональных отображений. С этой целью исследуемая система представляется в виде оператора, преобразующего функции из пространства исходных данных в некоторое другое пространство функций или функционалов, удовлетворяющих цели системы. Требуется найти операторное описание системы в другом пространстве, позволяющее преобразовать функции в оценки функций и функционалов [26, 71].
Несмотря на внешнюю простоту описательной процедуры решения проблемы адекватности её реализация в большинстве случаев связана со значительными теоретическими и техническими трудностями, особенно при рассмотрении сложных систем натурного эксперимента.
Естественно, что синтез системы является результатом целенаправленной поэтапной деятельности, конечная цель которой - качественная и количественная оценки эффективности реализации поставленной перед системой цели. Поэтому необходимо спланировать процесс натурного эксперимента, выбрать требуемое (и доступное) оборудование, провести собственно эксперимент, обработать и проанализировать полученные результаты.
При подготовке натурного эксперимента важнейшим и крайне тяжелым этапом (и не только в России) является решение проблемы материально-технического обеспечения. Изыскания в данной области требуют от исследователя определенных способностей, отражающих его адаптивные свойства к нашему бурному повседневью. Очень часто именно на этом этапе и заканчиваются экспериментальные исследования. Тем не менее, если данный этап все-таки удается пройти, то перед экспериментатором в полном масштабе встает задача подготовки и планирования предстоящей работы. Данный этап включает в себя выбор критериев оценки эффективности эксперимента, разработку методического обеспечения эксперимента, разработку моделей исследуемой системы, выбор видов, объемов и последовательности этапов экспериментальных работ, формирование программ, выбор контролируемых параметров и т.п.
Таким образом, экспериментальные исследования предполагают решение вопросов, связанных с использованием моделирования, метрологического обеспечения экспериментов, с автоматизацией процесса исследований, организацией сбора результатов экспериментов и разработкой способов коррекции программ.
Полученные в результате эксперимента данные подлежат обработке, которая предполагает выбор формы представления результатов, разработку алгоритмов оперативной, первичной, вторичной и полной обработки результатов, программно-математического обеспечения, разработку модели системы и т.п. Процедура анализа результатов экспериментов включает в себя выбор критериев оценки результатов, разработку методов прогнозирования технического состояния исследуемого объекта, выбор критериев принятия решения и форм представления результатов анализа.
Естественно, что организация научно-технического обеспечения эксперимента невозможна без использования достижений математических и физико-технических наук в области исследования системы. Поскольку исследования сложных систем представляют собой совокупность статистических экспериментов, то при решении проблем натурного эксперимента значительное место занимают научные направления, связанные с математической статистикой [3...5, 9, 10, 15, 16, 25, 26 и др.].
Так как объектом натурных экспериментов является система, то очевидно, что при осуществлении исследований целесообразно использовать результаты таких направлений науки, как теория систем, системотехника, анализ систем, теория эффективности, надежности, идентификации [8, 21, 24, 28, 31, 46, 47, 57, 58 и др.]. При решении задачи оптимизации процесса экспериментальных исследований необходимо опираться на достижения науки в таких областях, как теории подобия [26], контроля и диагностики [84, 106, 126, 128], информации [27, 79], распознавания образов [5, 51, 65], инженерная психология [7, 64, 87], теория вычислительных систем [41, 45, 50, 66, 125], теория массового обслуживания [28, 89] и др.
Научные проблемы, которые возникают при проведении натурных экспериментов, настолько многообразны, что вопрос создания общей теории эксперимента практически остается открытым.
В случае, когда система слишком сложна для целостного изучения, но обладает естественной иерархической упорядоченностью, появляется возможность ее разделения на ряд подсистем. При этом экспериментальные исследования допускают ту же декомпозицию, что и для изучаемой системы. При проведении декомпозиции реальной системы имеет смысл помнить "мэрфологический" закон Шмидта: "Если достаточно долго портить машину, она сломается."
Одной из важнейших задач натурного эксперимента является установление допустимых пределов изменения физических параметров и оценка влияния на них факторов, связанных с внешними условиями функционирования отдельных составляющих. Производится оценка взаимодействия взаимосвязанных элементов и подсистем, выявление отказов, вызванных особенностями исследуемой системы.
В завершение этого параграфа приведем еще одну "мэрфологическую" рекомендацию, сформулированную в виде аксиомы Кана: "Если ничто другое не помогает, прочтите, наконец, инструкцию."

натуре, ясно, к делу ближе, Увидеть можно и услышать Все то, что хочется узреть, Но нужно все-таки иметь В виду, что время быстро тает, И тот, кто план не выполняет, Получит горестный урок, Не предъявив трактат свой в срок.

6.2. Полунатурный эксперимент

"Можно ли синей пастой?" - "Можно, но только черным цветом."
В настоящее время практически во всех областях знаний наблюдается тенденция переноса центра тяжести научных исследований с экспериментальных работ на имитационное моделирование, базирующееся на использовании высокоэффективной компьютерной техники. Причина этого явления совершенно очевидна - натурный эксперимент крайне дорог и сложен. Но и отказываться от него полностью нельзя, ведь невозможно в компьютерной программе предусмотреть влияние всех существующих факторов и взаимосвязей, тем более, что многие из них просто не выявлены и не изучены. Здесь исследователь встречается все с той же конфуцианской черной кошкой в темной комнате. В результате выходит на сцену уже упомянутый Господин Компромисс - полунатурный эксперимент.
Широкое привлечение методов моделирования к натурным экспериментам позволяет существенно сэкономить средства и время, обеспечить получение в ограниченное время результатов из минимального объема экспериментальных данных.
Как видно из графика, приведенного на рис. 6.1 и отражающего взаимосвязь объема моделирования и объема натурных исследований, увеличение объема сопровождающего моделирования позволяет в 1,5...2 раза сократить число натурных экспериментов [84].

Рис. 6.1

Следует заметить, что моделирование обладает не только экономической привлекательностью. Очень часто просто не удается провести надлежащий натурный эксперимент, реально отображающий функционирование сложной системы в целом или отдельных ее подсистем. В этих случаях при проведении натурных исследований приходится создавать некоторую имитационную обстановку, обеспечивающую полноту и достоверность получаемого результата путем привлечения к исследованиям методов моделирования. Однако это накладывает определенные требования на организационную схему экспериментальных исследований, которые в общем случае должны проводиться в следующем порядке [128]:

• разработка модели систем натурного эксперимента;
• составление программ и проведение моделирования для отработки плана экспериментов и их оптимизации;
• проведение натурного эксперимента в имитационной обстановке;
• уточнение на основе экспериментальных данных разработанной модели и программ моделирования;
• сопровождающее моделирование для увеличения объема статистических данных и прогнозирования результатов натурных экспериментов;
• разработка модели системы натурного эксперимента и составление программ моделирования с учетом реальных условий функционирования объекта;
• моделирование для оценки эффективности функционирования объекта в реальных условиях.

Вне зависимости от вида моделирования и помимо работ, связанных с постановкой задачи, выбором критериев оценки и методов оптимизации, реализации моделей в виде программ или схем моделирования, их отладки и проведения моделирования, важнейшей задачей является разработка моделей, объективно отражающих процессы, подлежащие изучению.
Применение программных датчиков случайных чисел позволило имитационным моделям внедриться в область неопределенности и отобразить множество ситуаций, для которых исследуемые процессы в системе и условия внешней среды имеют вероятностный характер.
Повышение производительности и оперативной памяти ЭВМ предоставило возможность изучать системы со значительным числом факторов, влияющих на оцениваемые показатели. При этом удается получать оценки искомых параметров для широкого диапазона изменений условий функционирования системы.
Следует заметить, что декомпозиция задачи на натурную и моделируемую части происходит достаточно естественно. Так, например, при исследовании процесса слежения используют реальную головку самонаведения, а движение цели имитируется управляемым лучом лазера. При этом управление лазером, как и замыкание всего контура наведения, осуществляется через ЭВМ.
Моделирование как составная часть экспериментальных исследований широко применяется не только при подготовке научно обоснованных предложений и формировании требований к создаваемой системе, но и на этапе различных видов натурных экспериментов, определяющих характеристики объектов, их отработанность и возможность перехода от данного этапа исследований к последующему или служащих основанием для их завершения.
Так как материальный вклад в общий объем экспериментальных исследований для сложных систем достаточно велик, то сокращение общего числа экспериментов приобретает важное значение. Поэтому разрабатываются комбинированные методы использования разнородных оценок, при которых на каждом очередном этапе моделирования используется ранее полученная информация. Однако пока еще не создано общей теории, позволяющей полностью решить задачу оптимизации процесса моделирования сложных систем, а комбинированные методы дают лишь частные решения.
Методами полунатурного моделирования обычно решается следующий основной круг задач [84, 128]:

• обоснование требований к создаваемому объекту и его отдельным частям;
• сравнительная оценка эффективности существующих образцов и их частей, подобных разрабатываемым;
• выбор рациональных решений по построению создаваемого объекта, его систем и подсистем и проверка соответствия полученных характеристик заданным как на стадии проектной разработки, так и на стадии испытаний;
• отработка систем, подсистем, блоков и их элементов, уточнение решений и требований к объектам в процессе их создания;
• выбор и отработка алгоритмов функционирования объектов в реальных условиях применения;
• предварительная оценка ожидаемой эффективности создаваемого объекта;
• обработка объекта в целом перед проведением натурных экспериментов;
• обоснование программ и методов проведения различных видов натурных исследований объекта, его систем, подсистем, блоков и элементов;
• решение задач, связанных с эргономическим обеспечением как функционирования объектов, так и их испытаний;
• определение характеристик, которые не могут быть найдены (из-за возможных экономических, технических, организационных и других видов ограничений) в ходе натурных испытаний, и получение статистических характеристик, необходимых для оценки испытываемого объекта;
• определение соответствия характеристик объекта заданным требованиям и контрольная проверка этих характеристик с учетом натурных испытаний;
• оценка эффективности объекта во всем диапазоне реальных условий его применения и т.п.

В заключение параграфа отметим, что несмотря на все "экономические трудности" и дефицит соискательского времени, натурный и полунатурный эксперименты вполне сохраняют свою значимость в качестве мощнейшего инструмента научных исследований. В отношении организационной сложности их реализации, следует указать на оптимистический второй закон Вышковского общей "мэрфологии": "Все можно наладить, если вертеть в руках достаточно долго."

олунатуру сделать проще, И сбережешь ресурсов больше, Чтоб то, что делаешь понять, Natura rerum * осознать И залатать прорехи, дыры В своем озоновом эфире: На то он и эксперимент, Чтоб всем сомненьям дать ответ.

6.3. Имитационное моделирование: виртуальная реальность

"Товарищ курсант! Вы уподобились африканской птице страусу, которая с высоты своего полета не видит генеральной линии партии."
Как уже отмечалось в третьей главе Книги, сложные системы крайне неохотно поддаются строгому анализу. Многомерность, взаимосвязанность, неоднозначность реакций, ненаблюдаемость... и множество других неприятностей подстерегают исследователя на каждом шагу. "Ищущий истину бродит в потемках." А натурный и даже полунатурный эксперимент дорог и долог. И здесь совершенно естественно обратиться к мощнейшему и универсальнейшему научному инструментарию - имитационному моделированию.
В соответствии с разъяснением толкового словаря Вебстера, имитировать значит "вообразить, постичь суть явления, не прибегая к экспериментам на реальном объекте." В свою очередь под словом "модель" понимается представление изучаемого объекта (системы, процесса или понятия) в некоторой форме, отличной от формы реального объекта [125]. Объединение этих понятий дает определение имитационного моделирования, как процесса формирования моделей реальных объектов и постановки на них экспериментальных исследований. При этом целью таких исследований являются разнообразные подзадачи системного анализа:

• описание поведения системы;
• исследование поведения системы в условиях различных ограничений и возмущений;
• оценка стратегий, обеспечивающих функционирование данной системы;
• построение гипотез и теорий, объясняющих то или иное поведение системы;
• идентификация структуры системы и оценка ее параметров;
• прогнозирование состояния системы и ее поведения в будущем;
• анализ применяемых критериев качества системы и т.п.

Следует сразу указать, что имитационная модель строится не на пустом месте. Процедуре программирования предшествует традиционное математическое моделирование, в которой все неопределенное описывается множеством формальных параметров.
В качестве примера приведем имитационное моделирование движения космического аппарата (КА) на околоземной орбите. Данный пример уже рассматривался в §5.4.
Математической моделью движения КА является, в соответствии с законами Кеплера, уравнение эллипса, представляющее собой решение системы дифференциальных уравнений второго порядка. В результате разнообразных возмущающих воздействий, обусловленных нецентральностью поля тяготения Земли, вариациями плотности верхних слоев атмосферы, изменениями давления солнечного ветра и т.п., движение КА существенно отличается от эллиптического и моделируется системой неоднородных дифференциальных уравнений с правыми частями. Параметры правой части системы уравнений и определяют спектр возможных траекторий КА. Объединение полученных параметрических уравнений с численными методами интегрирования и соответствующей компьютерной программой образуют имитационную модель, позволяющую исследовать движение КА и получить его прогноз с определенным уровнем достоверности.
Искусство программирования в настоящее время выродилось в самостоятельную отрасль знаний. Об этом уже достаточно сообщалось в §§ 2.3...2.5 Книги. Здесь лишь остается добавить ряд "мэрфологических" законов, которые иногда имеет смысл учитывать при подготовке программ:

1. Любая действующая программа устарела.
2. Любая программа обходится дороже и требует больших затрат времени, чем предполагалось.
3. Если программа полностью отлажена, ее нужно скорректировать.
4. Любая программа стремится занять всю доступную память.
5. Сложность программы растет до тех пор, пока не превысит способности программиста.
6. Третий закон Грида: машинная программа выполняет то, что вы ей приказали делать, а не то, что бы вы хотели, чтобы она делала.
7. Руководство по системному программированию Штейнбаха: никогда не выявляйте в программе ошибки, если не знаете, что с ними дальше делать.

Не следует забывать и про "опасные сокровища" - языки высокого уровня, пакеты прикладных программ и интегральные среды, частично описанные во второй главе. В настоящее время таких программных инструментариев появилось очень много, "имя им легион." За время развития вычислительной техники было создано более 300 языков моделирования дискретных процессов [45].

В качестве примера укажем на систему моделирования GPSS (General Purpose Simulation System), предназначенную для имитации систем массового обслуживания (СМО) на языке блок-диаграмм. Описание системы на GPSS представляет собой последовательность блоков, каждый из которых соответствует некоторому оператору. Каждый блок содержит реквизиты ("поля"), положение которых строго фиксировано. Имитация средств обработки осуществляется статическими объектами, в роли которых выступают устройства накопления - память, очередь, логические ключи. Процесс моделирования состоит в порождении и удалении из модели и продвижении от блока к блоку модели по определенным правилам так называемых транзактов. Транзакт представляет собой совокупность ряда числовых и (или) логических характеристик, определяющих задачу [45.].

митируя систему, Нужно твердо помнить тему, Чтоб случайно не забыть, Что хотел ты сотворить И, проверив адекватность, Самому себе на радость Ты получишь точно то, Что и так уж знал давно.

Ваш комментарий о книге
Обратно в раздел Наука