Обучающие системы на базе многовариантных структур
Развитие форм активного обучения идёт по пути всё более широкого использования методов моделирования - математического, игрового, физического, натурного и комбинированного. На этом пути уже сделаны многие полезные разработки, но имеются и нерешенные вопросы, в том числе принципиального содержания. К последним относятся задачи вскрытия особенностей моделирования в обучающих системах и последовательного создания адекватной теории учебного моделирования, как оно охарактеризовано в предисловии редактора к монографии [1]. В данном разделе излагаются некоторые основные положения, вытекающие из опыта применения методов моделирования при обучении управлению полунатурными объектами [2] и экспериментально-статистическим исследованиям с быстрым анализом специально формируемых данных по типу, изложенному в работе [3].
Комплексность учебного моделирования. Ограниченные возможности отдельных видов моделирования приводят к необходимости их комплексирования, управляемой интеграции в иерархических обучающих системах. Наиболее яркие примеры реализации такого подхода содержатся в публикациях на тему подготовки космонавтов с применением комплексных тренажеров [4]. Применительно к производственным процессам соответствующие разработки могут рассматриваться, конечно, лишь как источник полезной информации. Важным дополнением к нему является, на наш взгляд, так называемое натурно-математическое моделирование, в частности, построение обучающих систем "в приращениях" к действующим промышленным объектам [2]. В рамках этого направления естественным образом зарождаются учебно-производственные системы управления, дуальная природа которых допускает гибкое пропорционирование модельного и натурного в ходе обучения, с постепенным переходом к принятию и реализации рабочих решений.
Нормативность учебного моделирования. В составе обучающих систем должно предусматриваться воспроизведение нормативных (условно эталонных) моделей деятельности человека, которую надлежит понять, усвоить и в последующем превзойти. Специально подчеркнём, что нормативные модели, работающие в контурах замкнутой имитации, воплощают, пожалуй, наиболее существенную особенность учебного моделирования, оперативно воспроизводя картину "чему учиться". В этой связи вызывает недоумение тот факт, что данная особенность слабо отражается или совсем не учитывается во многих известных разработках обучающих систем на базе тренажёров, учебных игр и т.д.
При наличии контуров замкнутой имитации картины "чему учиться" появляется возможность оптимизировать фактическую деятельность обучаемых с использованием общего способа организационного управления с нормативными моделями [5]. Один из главных критериев обучения при этом удовлетворительно формализуется посредством сравнительного анализа эффективности решений обучаемого человека и решений, параллельно (с упреждением или, наоборот, с запаздыванием) вырабатываемых нормативной моделью усваиваемого вида деятельности. На этапах усвоения внутреннее содержание и динамика работы нормативной модели наглядно представляются обучаемому человеку, а на этапе проверки соответствующая имитация делается с выдачей только сравниваемых по эффективности решений.
Основой построения нормативных моделей управления производственными процессами могут служить логически хорошо воспринимаемые алгоритмы восстановительно-прогнозирующего регулирования, структурного распознавания образов с выделением особых точек и ряд других, а также опыт деятельности производственников и имеющиеся инструкции. Такого рода модели разработаны применительно к воспроизведению правил ведения доменных печей и сталеплавильных агрегатов. Их включение в обучающие системы в режиме замкнутой натурно-математической имитации позволяет существенно повысить скорость и качество обучения, особенно с введением надлежащего стимулирования в сопоставлении с нормативными моделями. Это имеет место и в производственных автоматизированных системах управления.
Нормативные модели исследовательской деятельности могут опираться на конструктивные формы изложения методов системного анализа, планирования и обработки экспериментов, дуального управления, экспертных оценок и т. д. Здесь полезно использовать имеющийся опыт типовой записи экспериментально-статистических способов [6]. Для представления такого рода нормативных моделей применяются методические указания и пособия, специальные руководства и в последнее время видеотерминалы вычислительных машин. При наличии больших трудностей удовлетворительной формализации исследовательской деятельности в роли нормативных моделей выступают человеко-модельные комплексы, объединяющие достаточно опытных специалистов и частичные алгоритмы. Последний вариант использовался, например, при обучении знаковому анализу последовательностей данных в прикладных задачах оценивания средних уровней, корреляционных моментов, регрессионных зависимостей и особых точек измерения контролируемых переменных доменной, конверторной и мартеновской плавок.
Разнотемповость учебного моделирования. Темп предъявления информации и принятия решений относится к важнейшим показателям сложности задач в аспекте учебной и трудовой деятельности человека [7]. Моделирование в обучающих системах предполагает поэтому возможность гибкого установления разных масштабов времени - замедленных, ускоренных и одинаковых по сравнению со скоростями процессов в реальных ситуациях. Замедленный темп учебного моделирования необходим, очевидно, на начальных стадиях обучения и при детальном анализе характерных режимов. Моделирование же в ускоренном темпе является весьма желательным при воспроизведении процессов с большими запаздываниями и инерцией, прогнозировании долговременных последствий принимаемых решений. Реальный масштаб времени считается обязательным при обучении человека операторской деятельности [4].
При моделировании управления длительно протекающими процессами практически наиболее приемлемым оказывается двухтемповый режим, когда анализ информации и выбор решений делаются человеком в реальном масштабе, а имитация операций реализации и оценивания эффектов выбранных решений осуществляется в ускоренном на порядок масштабе времени. Таким путём удается свести воспроизведение, к примеру, суточных интервалов доменной плавки к одному-полутора часам работы на тренажёре, сохранив при этом достаточный ресурс времени обучаемому на анализ информации и принятие решений в моменты существенных отклонений процесса от заданного состояния. Подобные результаты получаются и в ходе обучения исследовательской деятельности.
Многоструктурность учебного моделирования. Понимание и усвоение материала по принципу "от простого к сложному" предполагают наличие в обучающих системах структурной гибкости, т. е. возможности приемлемого перехода к воспроизведению натурных, модельных и комбинированных процессов с качественно различающимися свойствами. Это касается и нормативных моделей той деятельности, к которой надлежит подготовить обучаемого. Например, знаковый анализ данных соотносится с нормативной моделью первого приближения, а более сложные статистические процедуры – с нормативными моделями последующих уровней организации учебного процесса. Аналогичным образом формируются многоструктурные модели и для воспроизведения производственных объектов, начиная с относительно грубых их отображений и кончая наиболее точными. С этих позиций нужно пересмотреть содержание самого понятия адекватности моделей и закладывать в обучающие системы многоструктурную имитацию, а не ограничиваться жёстко какой-либо одной моделью, притом как можно более близкой к существующему ныне объекту. Напротив, представляются принципиально необходимыми также и модели мыслимых объектов с желаемыми свойствами, скажем, доменной печи без запаздывания в каналах регулирования теплового состояния.
Активность и индивидуальность учебного моделирования. Наличие у обучаемых собственных целей, нередко сильно отличающихся от основного назначения обучающих систем, предопределяет включение в состав последних элементов организационного управления по типу, приведенному в работе [5]. В такой же степени нужны средства адаптация учебного моделирования к индивидуальным характеристикам каждого обучаемого человека или, по крайней мере, групп людей. К числу действенных средств индивидуальной адаптации откосятся управляемое отображение информации, коррекция темпа моделирования и уровней его сложности в зависимости от фактического усвоения материала, своевременное стимулирование обучаемого в сопоставлении с нормативными моделями и с учётом индивидуальных порогов чувствительности. В этом деле решающая роль принадлежит, разумеется, преподавателям и руководителям учебного процесса, которых также нужно готовить и стимулировать надлежащим образом. Особого внимания заслуживают и сами разработчики обучающих систем.
В русле теории и практики активных организационных систем [1] в последние годы достаточно широко представлены разработки по так называемым многоканальным активным системам (МAC) [2]. Первоначально такие разработки были связаны с производственными автоматизированными системами управления, функционирующими в режиме советчика. Но по мере накопления опыта оказалось возможным и целесообразным обобщить в виде MAC многие другие комплексы, связанные с интеграцией исследовательской и производственной деятельности, а также с построением, использованием и развитием активных обучающих систем игрового типа.
Основной отличительной особенностью MAC, в том числе многоканальных производственных систем и рассматриваемых в данном разделе многоканальных игровых обучающих систем, является наличие в их составе нескольких параллельно функционирующих каналов выработки решений (решающих каналов - РК) и исполнения этих решений в замкнутых контурах с натурными, модельными, натурно-модельными объектами деятельности. В общем случае параллельное функционирование может осуществляться с теми или иными временными сдвигами, то есть асинхронно, включая режимы оперативного, ретроспективного и комбинированного воспроизведения реакции объектов соответственно различным вариантам вырабатываемых решений. Игровые свойства MAC обусловлены: наличием нескольких целей, соответствующих числу решающих каналов; возможностью взаимодействия между каналами; многовариантностью вырабатываемых решений и возможностью натурной или хотя бы модельной их реализации; зависимостью конечных результатов функционирования каждого РК от всех либо от подгрупп выработанных решений.
Многоканальная игровая обучающая система (МИОС) (рис. 9.1) включает следующие основные компоненты.
1. Организующий центр, предназначенный для выработки разнообразных организующих (координирующих, обучающих, стимулирующих) решений на основе информации о решениях , вырабатываемых решающими каналами, о важнейших воздействиях на объекты деятельности, о состояниях и выходных воздействиях этих объектов , а также об оценочных результирующих показателях , об общих целях и ресурсах полной системы. Вектор чаще всего является неполным по составу помехозащищенным отображением вектора действительных значений величин .
2. Параллельно функционирующие каналы выработки решений, в числе которых есть в общем случае рабочий (натурнодействующий) решающий канал (РРК), нормативный решающий канал (НPK) и ( ) обучаемых решающих каналов (ОРК). Эти каналы вырабатывают, соответственно, натурные , нормативные и учебные , …, варианты решений. Отметим, что РРК играет, с одной стороны, роль источника информации для построения и функционирования других компонентов МИОС (для решающих каналов, модельных и натурно-модельных объектов деятельности, подсистемы сопоставительного оценивания), а с другой стороны, играет роль учебного канала, используемого для аттестации и повышения квалификации работающих специалистов. Нормативный решающий канал реализует правила принятия решений, построенные на действующих должностных и технологических инструкциях, технических условиях, ГОСТах и других регламентирующих документах, а также на основе обобщения передового опыта. Роль НРК может играть специально построенный алгоритм, человеко-машинная процедура или опытный специалист. Правила функционирования этого канала доступны для изучения любому другому решающему каналу.
Обучаемые решающие каналы (ОРК) представляют собой группы людей, состав и количество которых определяется предметом изучения, количеством ролей, интенсивностью межканальных связей и вырабатываемых решений . Основная цель обучаемых состоит в активном усвоении нормативных моделей выработки решений.
3. Объекты деятельности (ОД) по отношению к которым решающие каналы вырабатывают и на которых реализуют свои решения. Натурный (рабочий) ОД формирует действительный вектор в зависимости от решений , внешних воздействий , состояний и времени , т. е. . Кроме того, он во многих случаях может служить составной частью натурно-модельных ОД, с которыми связаны НРК и ОРК. Модельная часть в этом типе ОД представлена так называемыми пересчётными моделями (ПМ) с общей записью в виде
(9.1)
Здесь - оператор, описывающий зависимость коэффициентов модели от измеренных в текущий момент времени значений натурного ОД, - оператор пересчёта от натурного вектора к натурным векторам . Заострим внимание на том, что широкое использование обычных и гибких (быстро и экономно перестраиваемых) ПМ в контурах натурно-математического формирования ОД для НРК и разнообразных ОРК является одной из характерных особенностей MAC, имея в виду их практическую интерпретацию и реализацию. Наряду с ПМ могут, конечно, применяться и относительно обособленные от реальных объектов математические модели сообразно традиционным схемам чисто модельной имитации ОД.
4. Многосвязная оценивающая система является компонентой МИОС, предназначенной для совместной оценки эффективности решений . Наряду с организующим центром она играет связующую роль в рассматриваемой системе. Оценочные показатели вклада решающих каналов в достигнутое системой состояние определяются как функции вида
,
где - нормированный показатель эффективности -го канала. Примерами таких функций являются
(9.2)
Здесь - коэффициенты. Первая составляющая оценочного показателя учитывает достигнутый уровень эффективности, вторая - отклонение эффективности от соответствующего значения для НРК, третья - суммарную модульную разность между эффективностями -го и -го каналов, ; . Последняя составляющая поощряет взаимопомощь, взаимодействие между каналами.
Функционирование МИОС может осуществляться при различном темпе предъявления информации и принятия решений. Замедленный темп необходим на начальных стадиях обучения, при детальном анализе характеристик ситуаций. Ускоренный темп желателен при воспроизведении процессов с большой инерцией, запаздываниями, с большим горизонтом управления. Во многих случаях полезен двухтемповый режим, когда анализ информации и выбор решений делаются обучаемыми в реальном масштабе времени, а имитация результатов выбранных решений - в существенно ускоренном масштабе.
НРК в достаточно развитой форме предусмотрен для воспроизведения нормативной модели желаемой деятельности обучаемых, причём такой, которую необходимо понять, усвоить и в последующем даже превзойти. Подчеркнем, что нормативные модели, работающие в замкнутом контуре выработки и реализации решений, воплощают наиболее существенную особенность учебного моделирования, оперативно воспроизводя предмет изучения. Критерии обучения при этом формируются посредством сравнения эффективности решений обучаемых и решений, вырабатываемых НРК. В составе HРK необходимо иметь набор нормативных моделей, отличающихся друг от друга по сложности. Последнее позволяет организовать учебный процесс по принципу "от простого к сложному". Внутреннее содержание и динамика работы нормативной модели наглядно представляется обучаемым преимущественно на этапе усвоения. В дальнейшем им могут выдаваться только итоговые нормативные решения, которые обучаемые сопоставляют с собственными решениями.
Основой построения нормативных моделей управления производством могут служить восстановительно-прогнозирующие алгоритмы [3], алгоритм распознавания ситуаций, формализованный опыт производственников, технологические инструкции. Нормативные модели изобретательской и исследовательской деятельности могут опираться на алгоритм решения изобретательских задач [4], процедуры системного анализа, планирования экспериментов, экспертных оценок и т. д. Формы представления нормативных моделей могут быть различными: методические указания, таблицы принятия решений, машинные программы. При наличии больших трудностей полностью формализованного представления нормативных моделей, в их роли могут быть использованы человеко-модельные блоки, объединяющие опытных специалистов и некоторые алгоритмы.
Рассмотренная структура МИОС позволяет расширить множество решающих каналов, дополнительно включив в него исследуемые, наладочные и другие каналы. Таким образом, можно построить интегрированную систему, обеспечивающую согласованные достижения производственных, научных и учебных целей.
В соответствии с изложенными положениями построены рассматриваемые далее игровые системы (учебные игры): "Шихтовка мартеновской плавки", "Активная двухуровневая система", "Охотник", "Межсменное взаимодействие". Первая система включает рабочий решающий канал и соответственно - натурный объект деятельности. Все другие системы базируются на модельных объектах деятельности. Термин "учебная игра" используется взамен термина "деловая игра" с той целью, чтобы подчеркнуть именно учебное назначение рассматриваемых далее игр.
