Academia de Studii Economice din Bucureti Facultatea de Cibernetic, Statistic i Informatic Economic

Proiect cibernetic

Etapele procesului de modelare cibernetic

Petre Ionu Georgian Grupa ! ", Seria #, Anul I

Modelul poate fi definit ca o reprezentare abstract i simplificat a unui proces economic. Metoda modelrii este un instrument de cunoatere tiinific i are ca obiect construirea unor reprezentri care s permit o mai bun nelegere i o mai profund cunoatere tiinific a diferitelor domenii. Esena metodei modelarii const n nlocuirea procesului real studiat printr-un model mai accesibil studiului. Putem spune c modelul este o reprezentare izomorf a realitii, care ofer o imagine intuitiv, dar riguroas n sensul structurii fenomenului studiat, i permite descoperirea unor legturi i legi greu de stabilit pe alte ci. n multe privine este dificil de a prezenta o metodologie de dezvoltare a modelelor, deoarece alegerea instrumentelor i a cilor specifice n care fiecare analist se apropie de problema sa, reprezint partea tiinei care este art . !otui se pot prezenta paii eseniali implicai n construirea modelului, care descriu aspecte de relevan general, i anume" Pas 1. Definirea problemei, se face av#nd n vedere structura sistemului $te%nologic, informational-decizional, relaiilor umane etc.& i necesit" izolarea fenomenelor, a proceselor i observarea comportamentului acestora n scopul de a le nelege i de a le putea controla' formularea ntrebrilor la care analistul dorete s rspund modelul su $cauzele fenomenelor, modul n care se produc i se manifest, legturile cu alte modele etc.&' stabilirea unui cadru general pentru nceperea cercetrii i identificarea variabilelor de interes ma(or. Pas 2. Formularea modelului preliminar, implic construirea de ctre analist a setului de presupuneri necesare e)plicrii fenomenului studiat i obinerea unor concluzii preliminare care se refer n general la natura relaiilor dintre variabile. Pas 3. Colectarea datelor empirice" modelul preliminar stabilete un cadru teoretic general necesar pentru determinarea datelor relevante care trebuie colectate n vederea estimrii parametrilor i a restriciilor din formele funcionale obinute ale modelului. Pas 4. Estimarea parametrilor i a formelor funcionale se poate face cu o varietate de te%nici statistice cantitative sau calitative. Pentru modelele pe calculator aceste estimri pot fi fcute prin interogri i observri directe. Pas 5. estarea preliminar! a modelului, reprezint o testare brut a acestuia folosind aceleai date ca la estimare. Probabilitatea invalidrii modelului prin aceast procedur este relativ redus, ns dac modelul nu este confirmat n

aceste mpre(urri favorabile, se poate economisi timp prin modificarea i retestarea imediat a modelului. Pas ". estarea suplimentar! a modelului, se e)ecut conform unor proceduri speciale care pe baza modelului i a unor noi date colectate realizeaz predicii asupra fenomenului studiat. +atele trebuie s fie complet diferite de cele folosite n estimrile iniiale sau n testarea preliminar a modelului. +e obicei toate datele se culeg o dat, deoarece aceast activitate este costisitoare i consumatoare de timp, ns analistul va utiliza o parte din date pentru estimarea parametrilor, iar cealalt parte pentru testarea prediciilor fcute de model. Pas #. $cceptarea sau respin%erea modelului const n faptul c dac prediciile sunt conforme cu probele empirice disponibile, atunci modelul nu poate fi respins i este inclus n domeniul de cunoatere al disciplinei p#n c#nd alte probe devenite disponibile arat c modelul este inadecvat. +ac modelul este respins pe baza testelor atunci ciclul se reia de la pasul *. Modelele ne a(ut s e)primm i s testm sistemele reale $de baz& fr construirea lor. +eoarece regulile de construire fac ca modelele s fie mai simple dec#t sistemele pe care le reprezint, studiul lor se poate face cu un efort mai redus. Modelele sunt n mod firesc e)primri incomplete ale sistemelor reale, ns analitii %otrsc gradul de incompletitudine, limitarea aspectelor irelevante etc. +eoarece invaliditatea este ameninarea ma(or pentru utilitatea modelelor, instruirea analitilor pune accent pe colectarea corect a datelor i pe alegerea celor mai potrivite te%nici de analiz. ,#nd se dispune de o cantitate suficient de date investigate, procesul de modelare include urmtoarele etape importante" abstracti&area datelor, anali&a datelor reduse, repre&entarea sub form! de modele a datelor organizate sistematizat. Etapa 1' $bstracti&area nseamn reducerea i organizarea unui mare volum de date ntr-un mod sistematic prin" selectarea datelor eseniale, potrivite scopului propus, din mulimea de date disponibile' reducerea acestor date ntr-un mod consistent i de ncredere' meninerea datelor ntr-o form utilizabil i accesibil pentru beneficiarul noului sistem. a) Selectarea datelor este important numai dac au fost colectate date potrivite scopului analizei, deoarece nu se poate face o alegere rezonabil din date imprecise, insuficiente sau irelevante. -sigurarea c au fost colectate date corecte este important n fazele planificrii proiectului logic. .electarea datelor
/

se face n funcie de natur i comple)itatea sistemului $procesului& care se modeleaz, de scopul modelarii, de destinaia modelului, de instrumentele de modelare i de analiz disponibile $inclusiv cele statistice&, precum i de e)periena celor care elaboreaz modelul. b) Reducerea datelor selectate la proporii care s permit diri(area lor se face prin agregarea cerinelor utilizatorilor sau prin generarea unui numr mai mic de cerine de tip utilizator, care pe baza facilitilor de natur informaional $baze de date, sisteme e)pert& pot s satisfac un numr c#t mai mare de cereri informaionale ale utilizatorilor. ,ele mai uzuale procedee de reducere a datelor selectate sunt" catalogarea, categorisirea, caracterizarea prin statistici, i studii de caz. De exemplu, s presupunem c avem colectate informaiile privind preferinele pentru formatul de ecran pentru un sistem informatic de gestiune a stocului de la 01 manageri. +eoarece nu se poate face o analiz numeric pentru a obine media formatului de ecran din cele 01 afirmaii, se apeleaz la clasele de preferine pentru formatele de ecran. ,erinele distincte a patru manageri pentru proiectarea formatului de ecran au fost urmtoarele" M(1' dorete ecranul organizat astfel nc#t pe r#nduri s fie materialele, iar pe coloane, datele despre fiecare material' M(2' dorete ca pe un ecran s apar toate datele pentru un anumit material i s fie uor de citit i de interpretat' M(3' dorete s vad datele privind discrepanele dintre nivelul stocului i ritmul de epuizare a stocului, sau dintre cantitile comandate i cele primite' M(4' dorete s cunoasc cerinele de spaiu, spaiul liber i flu)ul de materiale. b1) Catalogarea' de exemplu, din datele culese sub form de comentarii de la diferii manageri pe care i intereseaz diferite aspecte i caracteristici ale unei probleme, se poate crea un catalog al preferinelor n care se descrie fiecare tip de cerere, elimin#nd mult din comentarii i evideniind factorii prin care se deosebesc rspunsurile. .e creeaz astfel un catalog, care include o tabel de atribute, n care regsirea se poate face uor dup orice atribut. n e)emplul considerat, catalogul preferinelor poate s descrie succint fiecare tip de cerere, astfel" -" produsul prin atribut-tabel' 2" atribute pentru regsirea unui anumit material' ," situaii de e)cepie pentru atribute' +" agregarea spaiului i atributele flu)ului de materiale.

b2) Categorisirea, merge un pas mai departe dec#t catalogarea n sensul c datele asemntoare sunt grupate ntr-o aceeai categorie i n acelai timp se contorizeaz numrul de elemente intrate n catalog pe fiecare categorie de date. -stfel, dac patru manageri rspund la fel ca managerul M(1, trei ca M(2 i ase ca M(3, atunci putem reduce datele referitoare la cei 01 manageri la" M(1 " 4' M(2 " 3' M(3 " 1' M(4 " 0. b3) Caracterizarea prin statistici sau judecai de agregare , se poate face dac ma(oritatea datelor sunt similare sau dac tendinele aprute permit caracterizarea datelor n ansamblu. +atele anterioare, pot fi agregate n trei categorii" * 5 6M-0$4&7' + 5 6M-*$3&7' , 5 6M-/$1& 8 M-3$0&7 i pot fi reduse la afirmaiile" X $tabel& 5 4901 $*:;&' Y $regsirea prin cod materiale& 5 3901 $*3;&' Z $analize detaliate& 5 <901 $31;&. -ceasta nseamn c aproape (umtate din cerine favorizeaz analize detaliate, iar restul, mprit aproape n mod egal, celelalte dou tipuri de cerine. b4) Exemplificarea prin studii de caz, const n obinerea de cazuri tipice ca reprezentative ale datelor. -stfel se poate considera un manager care dorete o situaie general complet a materialelor din stoc i un altul care solicit doar aspecte specifice despre anumite materiale sau care dorete s detecteze unele anomalii care pot s apar n stoc. =ici-unul din aceste cazuri tipice nu va reprezenta de fapt situaia oricrui manager, ns fiecare din aceste seturi de date reduse surprinde ntr-un anumit sens, esena informaiilor particulare cerute. -legerea nivelului de reducere a datelor depinde de cerinele analizei datelor i a etapelor de reprezentare. c) Meninerea datelor abstracte ntr-o form accesibil utilizatorului se poate face prin" nregistrarea i pstrarea lor pentru utilizri viitoare $prin recitirea lor analistul nelege mai bine e)perienta utilizatorilor, pot fi citate n raportul final etc.&' prote(area lor prin parole sau c%ei de acces mpotriva distrugerii, alterrii sau corupiei $pot fi identificate ec%ipe, departamente, organizaii&' actualizarea lor prin alte interviuri sau prin consultarea unor documente noi pentru a-i menine utilitatea. Etapa 2' $nali&a datelor in-esti%ate" Pentru a putea nelege, caracteriza i sintetiza mai bine datele colectate i abstractizate se pot utiliza diferite te%nici de analiz, cele mai relevante fiind analiza agregat, care caut grupuri, variabile caracteristice i tendine care s

caracterizeze toate datele i analiza de caz, care se preocup cu gsirea de cazuri tipice sau neobinuite din date, pentru discuie. a) Analiza agregat apeleaz la te%nici statistico-matematice pentru a determina o serie de indicatori $medie, dispersie, covarian etc.& cu a(utorul crora se pot caracteriza datele observate, se pot deduce cauzele unor fenomene, se stabilesc legturi ntre diferite caracteristici, sau se poate verifica dac diferenele dintre grupe sunt semnificative. +ei te%nicile statistice adaug precizie, ncredere i un a(utor substanial n sistematizarea analizei, nu este ntotdeauna bine s le folosim pentru a face afirmaii la nivelul datelor agregate. Pentru a putea face astfel de afirmaii, s-a demonstrat c funcia de agregare trebuie s fie senzitiv $la orice variaie a argumentului trebuie s corespund o variaie a funciei&, noncatastrofic $o variaie mic a argumentului s nu determine variaii e)agerate ale funciei& i noncompensatorie $variaiile oric#t de mari ale unei variabile9indicator nu compenseaz o variaie negli(abil a unei alte variabile9indicator&. +ac nu sunt folosite te%nici statistico-matematice, ncrederea noastr depinde de credibilitatea persoanei care face afirmaia, de propria noastr intuiie i de ali factori necontrolabili. -legerea te%nicilor statistice depinde de tipul de analiz ce trebuie fcut $statistica parametric, dac se ocup de valori, sau neparametric dac se ocup de frecvenele valorilor&, obiectivul analizei $descrierea, deducerea sau e)plicarea cauzelor&, tipul datelor $nominale, ordinale, tip interval , numerice&, comportamentul datelor, cunostinele i e)periena celor care trebuie s neleag rezultatele analizei $audiena&. Pe baza agregrii datelor se pot face afirmaii succinte asupra datelor abstractizate prin care se evalueaz, se prioritizeaz i se coreleaz ntre ele elemente de date. b) Analiza de caz const n obinerea din datele investigate a unor cazuri sau e)emple, care se pot asocia, fie unor cazuri obinuite sau e)traordinare, fie unor nt#mplri sau evenimente neateptate sau critice. -ceste cazuri sau evenimente sunt deosebit de instructive i interesante pentru procesul de proiectare. ,#nd accentul este pus pe situaii obinuite i anticipate, un e)emplu $caz& care prinde esen i stimuleaz g#ndirea este foarte util n proiectare. +escoperirea cazurilor care conduc la eecul sistemului satisface scopurile investigaiei n care cea mai mare parte a proiectului este predeterminat. .crierea i folosirea studiilor de caz necesit sensibilitate, tact i abilitate din partea analistului. >n studiu al unui caz poate s fie insuficient pentru c acesta s se repete dac datele sunt n mare msur variabile $turbulena mediului&, dac descrierea lui este incorect, sau dac evenimentul critic nu se repet din
?

alte motive. +ac sunt bine selectate, cazurile a(ut la nelegerea unor situaii sau evenimente deosebite nainte de se produce de ctre conducerea superioar, interesat n a obine rapid o vedere general pe baza unui caz bine selectat, precum i de ctre conducerea te%nic, interesat de detaliile te%nice i de dificultile unor evenimente deosebite. -naliza agregat se recomand n situaiile n care precizia este important i realizabil, iar analiza de caz, n situaii urgente i dac sunt indicii sigure c se vor produce evenimente obinuite sau deosebite. n fiecare caz, statisticile sau cazurile concretizeaz datele, iar modelul construit le vizualizeaz. -naliza de caz poate servi i la obinerea unor predicii.

Etapa 3' .epre&entarea datelor sub form! de modele. +up ce analiza datelor este complet, analistul trebuie s reprezinte datele abstractizate sub form de modele $diagrame, %ri, grafice etc.& ce vor fi folosite n proiectarea sistemului. @nstrumentele de modelare folosite n analiza de sistem se pot caracteriza dup mai multe criterii i anume" a) dup forma fizic modelele pot fi sub form de desene, te)t sau modele fizice $sc%ie, tabele, te)te, diagrame, mac%ete tridimensionale etc.&' b& dup codurile folosite n reprezentare $setul de simboluri care completeaz modelul&, putem considera" limba(ul natural, tabele, grafuri, reele, sc%ie, diagrame. -legerea codului depinde de obinuina analistului, de scopul modelului i de limitele a ceea ce fiecare cod poate s reprezinte $e)prime&' c& dup atributele i articolele reprezentate n model, analitii sunt preocupai s e)prime prin model" coninutul bazei $un proces, un raport, o aciune&' flu)ul de

informaii, de control, de materiale din cadrul bazei' structura bazei $structura autoritii, distribuia n spaiu i timp, dependenele logice& s.a.' d& dup modul de reprezentare a timpului modelele pot fi" statice $vizualizeaz o stare la un moment dat, de e)emplu, diagramele de structur&, dinamice $reflect sc%imbrile n timp ale sistemului& i asincrone $ignor complet timpul, de e)emplu, diagrama flu)ului de date&. n alegerea instrumentelor de modelare, n afara acestor criterii de clasificare, analistul trebuie s aib n vedere i e)istena unor atribute care se refer la modul de obinere i de citire a lor, evidenierea unor aspecte specifice cum ar fi" precedene, prioriti etc. Principalele tipuri de modele utilizate n analiza de sistem sunt" A flo c!art"urile $de sistem, de program, de proces&, diagramele de fluxuri $de date, de materiale, de documente&, graficele #antt i graficele $D%, care sunt utilizate pentru a modela dinamic sau asincron flu)urile de materiale, flu)urile de date i flu)urile de control e)istente n cadrul sistemului analizat' A graficele&!rile de structur sunt modele statice care reprezint fotografii sau tiri ale sistemului la momente n timp, care descriu ntr-un mod grafic structura sistemului, legturile logice ntre elementele sale, precum i contribuia fiecruia la performana elementelor de nivel mai nalt de care este legat prin structur. ,ele mai obinuite grafice de structur sunt" graful de structur modulat, arborele decizional, tabelul decizional, diagramele B@PC, graful de distribuia muncii, organigramele, dicionarele de date etc.' A modelele de logic a procesului, care descriu cu limba(ul natural, limba(ul structurat, limba(ele de programare sau pseudocodul, modul de funcionare a unui proces. !e%nicile functional-structurale moderne de analiz i proiectare a sistemelor sunt, n esen, o consecin a interaciunii dintre dinamismul diagramei flu)ului de date i a e)presivitii logice a grafului de structur. n construirea modelelor analistul se poate folosi de anumite metode generale care depind de comple)itatea sistemului studiat i de cunotinele acumulate n urma observrii sistemului. ,ele mai cunoscute i utilizate metode generale de construire a modelelor sunt" a. Metoda direct! se aplic atunci c#nd structura sistemului este simpl i clar pentru a putea fi neleas printr-o e)aminare atent a acestuia. >neori este posibil ca s se determine uor modelul dar variabilele i constantele din model s fie necontrolabile sau imposibil de evaluat i n acest caz este necesar s se modifice modelul'

<

b. Metoda %!sirii unor modele asemanotoare se folosete n cazul sistemelor ce au o structura comple), iar reprezentarea lor simbolic este mai puin evidenta' c. Metoda de anali&! a datelor este folosit n cazul n care structura sistemului nu este clar dar poate fi dedus din analiza datelor ce descriu modul de funcionare a sistemului' d. Metoda e/periment!rii se utilizeaz atunci c#nd analiza datelor nu ne permite s stabilim care este influena variabilelor individuale asupra performanei sistemului i n acest caz este necesar s recurgem la e)perimente' e. Metoda unei realit!i artificiale0simulate se aplic atunci c#nd nu e)ist sau nu pot fi obinute suficiente date pentru descrierea sistemului iar e)perimentarea pe sistem poate s conduc la pagube mari sau la distrugerea lui. n acest caz se construiete o situaie e)perimental relativ comple) care este n acelai timp cea mai simpl situaie care satisface anumite condiii. Modelele sistemului se pot obine prin proceduri manuale, care includ" abloane, diagrame pretiparite, simboluri, pseudocodul, limba(e structurate etc. sau prin proceduri automate, ce folosesc un soft specializat $E)celerator, .uper Pro(ect Manager& care include un dicionar automat de date, graful de decizie, procesoare de cuvinte, pseudocodul, proceduri de trasare automat etc. cu a(utorul crora pstreaz controlul i simplific legturile comple)e e)istente n sistem. ,ele mai bune rezultate n modelarea automat au fost obinute pentru diagrame, arbori decizionali, grafuri ,PM, grafuri PED!, grafuri E-=!!' %ri B@PC, floFc%art-uri etc. Prin utilizarea te%nicilor automate, modelele obinute devin mult mai uor manevrabile i se pot testa i analiza rapid cu calculatorul. Ga aceste avanta(e se pot aduga i facilitile specifice oferite de pac%etele de grafic pe calculator.