UCZENIE SIĘ ORGANIZACJI JAKO PROCES SPRZĘśENIA ZWROTNEGO, REALIZOWANEGO PRZEZ EKSPERYMENTOWANIE W ŚWIECIE WIRTUALNYM

Transkrypt

1 UCZENIE SIĘ ORGANIZACJI JAKO PROCES SPRZĘśENIA ZWROTNEGO, REALIZOWANEGO PRZEZ EKSPERYMENTOWANIE W ŚWIECIE WIRTUALNYM Streszczenie ElŜbieta Kasperska Instytut Matematyki Politechnika Śląska ul. Kaszubska 23, Gliwice elakaspe@polsl.gliwice.pl Dorobek wielu lat pracy naukowo-badawczej (i częściowo, wdroŝeniowej) pozwolił na zebranie "całości", którą autorka ośmieliła się nazwać: "metodologią uczenia się organizacji przy wykorzystaniu symulacji i optymalizacji na modelach typu Dynamiki Systemowej". Obecnie autorka prezentuje pewne wybrane elementy tej metodologii, a w szczególności strukturę eksperymentów symulacyjnych i optymalizacyjnych na modelach typu SD, uwagi na temat włoŝenia optymalizacji w symulację i vice versa oraz pewne wytyczne rozwoju metody SD w kierunku koncepcji hybrydowych. Słowa kluczowe: Dynamika Systemowa, Uczenie się organizacji, Modele hybrydowe. 1. Wprowadzenie W swojej najnowszej pracy Sterman [St00] stawia pytanie: jakie są wymagania dla osiągnięcia sukcesu w uczeniu się w złoŝonych systemach? (w oryginale:,,what are the requirements for successful learning in complex system?). Stwierdza on, Ŝe (cyt.) "musimy uwaŝać na wszystkie utrudnienia w procesie uczenia się". Rysunek 1 przedstawia funkcjonowanie sprzęŝeń zwrotnych w procesie uczenia się, wraz z wymiennieniem tych utrudnień.

2 248 Metody formalne w SWO Rys 1. Wyidealizowany proces uczenia się. Efektywne uczenie się pociąga za sobą ciągłe eksperymentowanie zarówno w świecie wirtualnym, jak i rzeczywistym. SprzęŜenia z obu tych światów "informują" rozwój modeli myślowych, modeli formalnych i projekt eksperymentów dla następnej iteracji (wg. [St00, str. 34], tłumaczenie autorki) Ramy artykułu nie pozwalają na szczegółową analizę wszystkich elementów (zainteresowanych autorka odsyła do oryginału Stermana [St00]). Autorka pragnie się jednak zatrzymać na pewnych aspektach "świata wirtualnego", zazna-

3 Uczenie się organizacji jako proces sprzęŝenia zwrotnego czonego na rysunku 1. Ma on bowiem pewne istotne atrybuty, m.in.: zabezpiecza mało kosztowne laboratorium dla procesu uczenia się. Świat wirtualny pozwala by czas i przestrzeń były "ściśnięte" lub "rozszerzone". Działania mogą być powtarzane w takich samych lub zmiennych warunkach. MoŜna zatrzymać działanie i je ponowić. Decyzje, które są niebezpieczne, niewykonalne czy nieetyczne w realnym świecie mogą być podjęte w świecie wirtualnym. Tak więc, moŝna podjąć kontrolowany eksperyment i opóźnienie czasowe w procesie uczenia się moŝe być wysoce zredukowane. W świecie wirtualnym moŝna testować strategie ekstremalne (prowadzące nawet do katastrof), co zwykle pozwala ujawnić duŝo informacji o strukturze i dynamice systemu. Po tych uwagach ogólnych, czas przejść do istotnego celu pracy, tj. prezentacji wybranych elementów metodologii uczenia się organizacji przy wykorzystaniu symulacji i optymalizacji na modelach typu SD. 2. Wybrane elementy metodologii uczenia się organizacji, przy wykorzystaniu symulacji i optymalizacji na modelach typu SD Autorka pragnie zwrócić uwagę na pewne wybrane elementy powyŝszej metodologii. Elementami tymi będą: struktura eksperymentów symulacyjnych i~optymalizacyjnych na modelach SD, uwagi na temat włoŝenia optymalizacji w symulację i vice versa (na tle ogólnej teorii optymalizacji), wytyczne rozwoju metody SD w kierunku koncepcji hybrydowych. Problematykę struktur eksperymentowania symulacyjnego i optymalizacyjnego na modelach SD, autorka podjęła juŝ w pracy [KaML03]. Sformułowała w niej zasadę tak zwanego trójwymiarowego, a właściwie trójpłaszczyznowego, budowania eksperymentów na modelach, wywodzących się z SD. KaŜda z płaszczyzn reprezentuje specyficzny rodzaj badań (ogólnie mówiąc, punkt widzenia na modelowanie i symulację z wykorzystaniem SD). Jedna z płaszczyzn to klasyczna symulacja "what if?". Druga płaszczyzna to badania deskryptywno-wyjaśniające gdzie eksperymenty mają charakter prób i błędów (w celu zbadania wraŝliwości parametrów systemu). Trzecia płaszczyzna to badania normatywne, a mówiąc dokładniej optymalizacyjne (minimalizacja lub maksymalizacja wybranych funkcji celu). Ideę trzypłaszczyznowej struktury eksperymentowania, autorka przedstawiła na rysunku 2.

4 250 Metody formalne w SWO Rys 2. Ogólna idea trójpłaszczyznowej struktury eksperymentów (pomysł autorki z pracy [KaML03] W oparciu o tą ideę autorka zrealizowała szereg eksperymentów, których warunki wyznaczyło "przecięcie" trzech płaszczyzn prezentowanej struktury. Zainteresowany Czytelnik moŝe poznać wyniki tych eksperymentów na modelach np. DYNBALANCE(3-1-II), DYNBALANCE(2-2), zbudowanych przez autorkę (patrz [KaML03,KaSł03,Ka02a]). Poświęcimy teraz uwagę drugiemu elementowi metodologii. Zagadnieniu włoŝenia optymalizacji w symulację, na modelach typu SD, i vice versa, autorka poświęciła uwagę w kilku pracach ostatnich lat, np. [KaSł00, KMLS00a, KMLS01, Ka02a, KaSł03, KaML03]. WłoŜenie optymalizacji w symulację na modelach SD, wg. pomysłu autorki, pozwoliło minimalizować normę róŝnicy: Ax-b przy warunku x>=0. Nie wdając się w szczegóły (zainteresowanego Czytelnika odsyłam do wzmiankowanych prac), autorka podkreśla, Ŝe norma reprezentuje "dopasowanie się" (wg. kwadratów odchyłek) bilansu określonych mediów produkcyjnych, ich kosztów lub innych charakterystycznych cech (modelowanych w ujęciu SD). Odwołanie się do ogólnej teorii optymalizacji pozwoliło na sformułowanie tak zwanych "pseudodualnych", dynamicznych zadań maksymalizacji zysku i minimalizacji kosztów. Autorka pragnie dalej rozwijać ten kierunek i wróci do tych zagadnień w uwagach końcowych. Ostatnim z wybranych aspektów metodologii uczenia się organizacji z wykorzystaniem modeli SD jest rozwój Dynamiki Systemowej w kierunku koncepcji hybrydowych. Autorka zajmuje się systemowym podejściem do modelowania i symulacji, jakim jest SD, juŝ od ponad 20-tu lat. JuŜ w swojej pracy [Ka90], zaproponowała rozszerzenie modelowania wielu cech strumieni (jako jednego z podstawowych elementów modeli SD), oprócz klasycznego: natęŝe-

5 Uczenie się organizacji jako proces sprzęŝenia zwrotnego nia. Później wracała do tego pomysłu w pracy [KaSł00] oraz w pracach [KMLS00a, KMLS00b, KMLS01, Ka02a]. Modelowanie kilku cech strumieni, wymagało "włoŝenia" bilansu macierzowego (typu układu nadokreślonego) do klasycznej struktury SD, co zrealizowano przy uŝyciu języka symulacyjnego Professional Dynamo [Pu94]. Język ten, w odróŝnieniu od starszej wersji, nie ma moŝliwości korzystania z bibliotek np. Fortranu. Tak więc, zrealizowanie np. modelu hybrydowego, który odwzorowuje optymalne (w sensie programowania liniowego) decyzje "włoŝone" w dynamiczny model typu SD, nastręcza sporo trudności (ten pomysł autorki opisano w najnowszej pracy [KaSł03]). MoŜliwości budowy innych "hybryd" na bazie SD są ogromne. Spotkać juŝ moŝna propozycje np. wykorzystania algorytmów genetycznych czy metod ekspertów (patrz [Ra01, Gr02]). 3. Uwagi i wnioski końcowe Celem pracy było przedstawienie procesu uczenia się organizacji jako sprzę- Ŝenia zwrotnego realizowanego przez eksperymenty w świecie wirtualnym. Mówiąc dokładniej, autorka pragnęła przedstawić wybrane elementy metodologii tego procesu, z wykorzystaniem symulacji i optymalizacji na modelach typu SD. Obecnie, na koniec, po tych rozwaŝaniach, w oparciu o literaturę przedmiotu oraz doświadczenie szeregu lat pracy, autorka sformułuje kilka wniosków: Rozwój modeli hybrydowych, na bazie modeli typu SD, wymaga dalszych prac teoretycznych nad koncepcją "wkładania" rozwiązań optymalizacyjnych w klasyczne modele SD (bądź jako układy nadokreślone modelujące bilanse macierzowe, bądź jako "generatory programowania liniowego" wg. znanych metod np. sympleksu). Wydaje się, Ŝe osiągnięte dotychczas wyniki teoretyczne i eksperymentalne mogą być weryfikowane w praktyce (co wymaga znalezienia odpowiedniego obiektu badań i aplikacji czyli tzw. sponsora). Autorka obecnie posiada doświadczenie w uŝyciu języków symulacyjnych: Professional Dynamo i COSMIC & COSMOS [Co94, Pu94]. Wydaje się celowym poznanie innych pakietów do modelowania i symulacji w konwencji SD (z ewentualnymi hybrydowymi "nadbudówkami") by w przyszłości móc oferować róŝne, pod względem moŝliwości technicznych, symulatory. Na koniec autorka pragnie podziękować dr. Damianowi Słocie i mgr Elwirze Mateji-Losie za wieloletnią współpracę w zakresie realizacji programów przy uŝyciu dostępnych w Instytucie Matematyki języków symulacyjnych, sprowadzonych z USA i Wielkiej Brytanii, przy akceptacji dyrektora Instytutu prof. Radosława Grzymkowskiego.

6 252 Metody formalne w SWO Literatura [CoWo80] Coyle R. G., Wolsterholm E. P., Modelling discrete events in System Dynamics models - a case study, Dynamica 6 (I) (1980), [Co94] Coyle R. G., ed., Cosmic and Cosmos. User manuals, The Cosmic Holding Co, London [Co96] Coyle R. G., System Dynamics Modelling. A Practical Approach, Chapman & Hall, London [Co98] Coyle R. G., The practice System Dynamics: milestones, lessons and ideas from 30 years experience, System Dynamics Rev. 14 (1998), [Co99] Coyle R. G., Simulation by repeated optimisation, J. Opt. R. S. 50 (1999), [Fo61] Forrester J. W., Industrial Dynamics, MIT Press, Massachusetts [Fo69] Forrester J. W., Urban Dynamics, MIT Press, Massachusetts [Fo71] Forrester J. W., World Dynamics, Wright-Allen Press, Massachusetts1971. [Fo72] Forrester J. W., Principles of Systems, Cambridge Press, Massachusetts [Fo75] Forrester J. W., Collected papers of Jay W. Forrester, Cambridge Press\Wright Allen Press, Massachusetts [Gr02] Grossman B., Policy optimization in Dynamic Models with Genetic Algorithms, in: Proc. 20 International Conference of the System Dynamics Society, P. I. Davidsen, E. Mollona, V. G. Diker, R. S. Langer, J. I. Rowe, ed., SDS, Palermo 2002, [Ka90] Kasperska E., Metodyka badań symulacyjnych dla wspomagania planowania i organizowania w przedsięebiorstwie przemysłowym o produkcji ciągłej, praca doktorska, Zakład Nauk Zarządzania PAN, Warszawa [KaSł00] Kasperska E., Słota D., Metody matematyczne w zarządzaniu w ujęciu Dynamiki Systemowej, wyd. II, Wyd. Pol. Śl., Gliwice [KMLS00a] Kasperska E., Mateja-Losa E., Słota D., Some extension of System Dynamics method - theoretical aspects, in: Proc. 16th IMACS World Congress, M. Deville, R. Owens, ed., IMACS, Lausanne 2000, , 1-6. [KMLS00b] Kasperska E., Mateja-Losa E., Słota D., Some extension of System Dynamics method - practical aspects, in: Proc. 16th IMACS World Congress, M. Deville, R. Owens, ed., IMACS, Lausanne 2000, , 1-6.

7 Uczenie się organizacji jako proces sprzęŝenia zwrotnego [KMLS01] Kasperska E., Mateja-Losa E., Słota D., Some dynamics balance of production via optimization and simulation within System Dynamics method, in: Proc. 19th International Conference of the System Dynamics Society, J. H. Hines, V. G. Diker, R. S. Langer, J. I. Rowe, ed., SDS, Atlanta 2001, [KMLS02] Kasperska E., Mateja-Losa E., Słota D., Optimal dynamical balance of raw materials - some concept of embedding optimization in simulation on system dynamics models and vice versa, in: Proc. 20 International Conference of the System Dynamics Society, P. I. Davidsen, E. Mollona, V. G. Diker, R. S. Langer, J. I. Rowe, ed., SDS, Palermo 2002, [Ka02a] Kasperska E., Cybernetic formulation of some functions of management - types of simulation and optimization approaches within the System Dynamics method, in: Proc. 20 International Conference of the System Dynamics Society, P. I. Davidsen, E. Mollona, V. G. Diker, R. S. Langer, J. I. Rowe, ed., SDS, Palermo 2002, [Ka02b] Kasperska E., Supporting the decision in organization by the inteligent simulation package Cosmic and Cosmos}, Pr. Nauk. Akad. Ekonom. w Katowicach, "Support Systems in Organization" (2002), [KaSł03] Kasperska E., Słota D., Two different methods of embedding the optimization in simulation on model DYNBALANCE(2-2), in: Proc. 21 International Conference of the System Dynamics Society, SDS, New York 2003 (in print). [KaML03] Kasperska E., Mateja-Losa E., The structure of simulation and optimization experiments on model DYNBALANCE(3-1-II), in: Proc. 21 International Conference of the System Dynamics Society, SDS, New York 2003 (in print). [Ke77] Keloharju R., System Dynamics or Super Dynamics, Dynamica 4 (1977), [Łu75] Łukaszewicz R., Dynamika systemów zarządzania, PWN, Warszawa [Łu76] Łukaszewicz R., The direct form of structure models within System Dynamics, Dynamica 2 (1976). [Pu94] Pugh A. L., ed., Professional Dynamo 4.0 for Windows. Tutorial Guide, Pugh-Roberts Associates, Cambridge [Ra01] Radosiński E., Systemy informatyczne w dynamicznej analizie decyzji, PWN, Warszawa [Se98] Senge P.H., Piąta dyscyplina, Dom Wyd. ABC, Warszawa [Se02] Senge P. H., Piąta dyscyplina zbiór ćwiczeń, Oficyna Ekon., Warszawa 2002.

8 254 Metody formalne w SWO [St00] Sterman J. D., Business dynamics - system thinking and modeling for a complex world, Mc Graw-Hill, Boston LEARNING IN ORGANIZATION LIKE A FEEDBACK PROCESS IN VIRTUAL WORLD Abstract On the background of literature and own experiences, author has taken a problem of learning in organization like a feedback process in virtual world. The author has presented some elements of methodology of learning in organization by using simulation and optimization on models type System Dynamics, specially some remarks about: structure of experiments, embedding optimization in simulation and vice versa, developing the hybrid models on the base of System Dynamics structures. Key words: System Dynamics, Learning in organization, Hybrid models.