1.7. Информационные процессы

Общего понятия информационного процесса не существует. Информационным процессом можно назвать беседу старушек, сидящих на лавочке около подъезда дома, обмен мнениями на производственном совещании, переписка частных лиц, обмен сигналами между некоторыми животными, передача информации в технических устройствах и многое-многое другое.

Структура информационного процесса

При переносе информации в виде сигнала от источника к потребителю, грубо говоря, она проходит через следующие стадии или фазы (говорят – фазы обращения), составляющие информационный процесс, представленный на рис. 1.3. При этом информация проходит последовательно следующие четыре фазы.

Рис. 1.3. Фазы информационного процесса

Первая фаза. Восприятие (если фаза реализуется технической системой) или сбор (если фаза реализуется человеком) – осуществляет отображение источника информации в сигнал. Здесь определяются качественные и количественные характеристики источника, существенные для решения задач потребителя информации, для чего и собирается или воспринимается информация.

Совокупность этих характеристик создает образ источника, который фиксируется в виде сигнала на носителе той или иной природы (бумажном, электронном и т. п.).

Вторая фаза. Передача – перенос информации в виде сигнала в пространстве посредством физических сред любой природы. Включается в информационный процесс, если места выполнения других фаз информационного процесса территориально разобщены.

Третья фаза. Обработка – любое преобразование информации с целью решения определённых функциональных задач (они определяются потребителем информации). Данная фаза может включать хранение информации как перенос её во времени.

Четвертая фаза. Представление (если потребителем информации является человек) или воздействие (если потребителем является техническая система). В первом случае выполняется подготовка информации к виду, удобному для потребителя (графики, тексты, диаграммы, таблицы и т. д.). Во втором случае вырабатываются управляющие воздействия на технические средства. Этот случай характерен для выпускников специальности «Автоматизация управления технологическими процессами», а потому здесь не рассматривается.

Пример 1. Рассмотрим информационный процесс, имеющий место при приёме в ВУЗ абитуриентов, к числу которых в недавнем времени относился и наш читатель (при этом отметим, что подобный информационный процесс, когда решается некоторая задача преобразования информации из конкретной предметной области, называется предметным).

• источник информации – абитуриент, сведения о знаниях и других достоинствах которого являются основанием для зачисления в ВУЗ. Сигнал S₁ – это документы (например, документ о едином государственном экзамене (ЕГЭ), аттестат о среднем образовании), которые сдаются в приёмную комиссию;

• сбор информации выполняется работниками приёмной комиссии, куда стекаются сведения о прошлых успехах абитуриента и результатах вступительных испытаний. Очевидны качественные и количественные характеристики источника-абитуриента: это баллы в аттестате, ЕГЭ, различные квалификации, которые он приобрел в результате обучения на дополнительных курсах и факультативах, медицинские справки и т. д. При этом собираемые данные регистрируются, например, записываются в сводные ведомости, где по каждому студенту фиксируются данные о нём. Формируется сигнал S₂ (в этом случае он носит бумажный характер). Возможно также использование технических систем для регистрации собранных данных. Если приёмная комиссия снабжена компьютерной техникой, сигнал S₂ носит электронный характер. В любом случае, как правило, применяется фиксация информации на бумажном носителе;

• передача информации. В простейшем случае это передача данных курьером (работником приёмной комиссии) тому лицу, который занимается их обработкой. При этом, очевидно, никаких изменений с данными не происходит (если только курьер их не потеряет), т. е., сигналы S₂ и S₃ равны. Если возможно использование технических систем для передачи информации, этот процесс механизирован или автоматизирован (в случае применения ЭВМ). При автоматизации передачи возможно несовпадение сигналов S₂ и S₃ по их синтаксическим характеристикам, что связано с особенностями этой процедуры и подробнее рассматривается далее;

• обработка сводится к упорядочению списка абитуриентов в зависимости от качественных и количественных параметров (они назывались выше). Тогда самые достойные на зачисление оказываются в начале списка и первыми включаются затем в приказ. Эту работу выполняют в приёмной комиссии (такая задача в несколько упрощённом виде использована ранее). Тогда сигнал S₄ – это упорядоченный список абитуриентов, разбитый на группы по специальностям. Очевидно, эта фаза может выполняться вручную, но именно для подобных задач используются средства вычислительной техники, и в первую очередь – компьютеры;

• передача упорядоченного списка абитуриентов в деканат, занимающийся формированием учебных групп по каждой специальности, аналогично первой процедуре передачи может выполняться как человеком, так и техническими системами. Как отмечалось выше, в первом случае сигналы S₄ и S₅ могут совпадать, во втором могут различаться;

• представление списков абитуриентов, разбитых на группы, выполняется деканатами. Сигнал S₆ имеет вид таблиц, включающих фамилии и инициалы абитуриентов. Каждая из таблиц соотнесена с той или иной учебной группой;

• потребитель информации – приемная комиссия во главе с Ректором ВУЗа, которая готовит проект приказа Ректора о зачислении абитуриента в студенты ВУЗа.

Наиболее распространенные информационные процессы описываются системами обыкновенных (или стохастических) дифференциальных уравнений. К таким процессам относятся, например, описания траекторий движения планет или искусственных космических объектов, развитие производства множества продуктов, процессы, происходящие в большом городе, процессы логистики и многое другое. Чаще всего такие описания сложных систем носят упрощённый характер, поскольку не учитывают множества факторов, влияющих на систему. Выбор основных факторов, определяющих эволюцию системы, остается областью ответственности аналитика системы или разработчика её модели.

Достаточно часто модели систем, описываемых дифференциальными уравнениями, строятся с помощью специализированных комплексов с доступным графическим интерфейсом. Основоположником таких систем по праву считается Дж. Форрестер, профессор в Слоуновской школе менеджмента при Массачусетском Технологическом Институте. Он разработал теорию системной динамики и является автором книг «Основы кибернетики предприятия» (1961), «Динамика городов» (1969), «Мировая динамика» (1971). В дальнейшем появились более совершенные моделирующие системы, такие, как STELLA 3, ITHINK, VENSIM. В настоящее время насчитывается более 100 систем, основанных на идеологии Дж. Форрестера. Достаточно популярно моделирование систем на языке VENSIM в Государственном Университете управления (ГУУ РФ) ²⁰.

Однако описание процессов, происходящих в детерминированных системах, с помощью обыкновенных дифференциальных уравнений всё же иногда не может удовлетворить исследователя. Поэтому кратко опишем случайные процессы, происходящие в сложных системах. Кратко сформулируем наиболее употребительные математические определения информационных процессов, употребляемых при описании систем, являющихся по своей природе стохастическими.

Гауссовский случайный процесс

На рисунке 1.4 представлена динамика отношения стоимости минимального набора продуктов питания в Москве, Сахалинской области и в среднем по России (μ) и среднеквадратическое отклонение (σ) этих показателей.

Практически точно о гауссовости можно говорить применительно к процессу, представленному показателем, вычисленным в среднем по России. Процесс является почти стационарным, за исключением выбросов в конце года, соответствующих обычно выплатам премий.

На рисунках 1.4 и 1.5 представлены процессы с дискретным временем. Данные, представленные на этих рисунках, взяты из баз данных BASE и DAN_MO, поддерживаемых в МГУУ Правительства Москвы с апреля 1995г по настоящее время на основании информации Федеральной службы государственной статистики РФ (Росстата) [42].

Рисунок 1.4. Отношение заработной платы к стоимости минимального

набора продуктов питания.

В каждой точке этого процесса, соответствующей очередному месяцу, в силу предельных теорем теории вероятностей (теорема Ляпунова) рассматриваемый показатель подчиняется нормальному (гауссовскому) закону распределения (рисунок 1.5).

Приведем следующую формулировку теоремы Ляпунова для средней арифметической наблюдавшихся значений случайной величины , которая также является случайной величиной (при этом соблюдаются перечисленные два условия): если случайная величина x имеет конечные математическое ожидания M(x) дисперсию D(x), то распределение средней арифметической , вычисленной по наблюдавшимся значениям случайной величины в n независимых испытаниях, при приближается к нормальному гауссовскому закону с математическим ожиданием и дисперсией .

Тогда:

В этом выражении μ есть оценка среднего значения случайной величины, а σ – среднеквадратическое отклонение. Процессы, представленные на рисунке. 1.5, являются нестационарными, т. е., по крайней мере, математическое ожидание индекса обрабатывающих производств явно зависит от времени. В частности, на этом рисунке прослеживается влияние кризиса 2008–2009гг.

Рис.1.5. Индекс промышленного производства в текущем месяце

(в % к соответствующему периоду прошлого года).

Марковский случайный процесс – важный специальный вид случайных процессов. Примером марковского процесса может служить распад радиоактивного вещества, где вероятность распада данного атома за малый промежуток времени не зависит от течения процесса в предшествующий период. Теория марковского процесса возникла на основе исследований А. А. Маркова (старшего) [74]. Описание случайного процесса как марковского находит широкое применение в моделях массового обслуживания, которые удобно строить с помощью системы GPSS.

Существует множество систем, процессы функционирования в которых могут быть представлены моделями информационных потоков, получившими название систем массового обслуживания (СМО). Следует прежде всего упомянуть процессы в технических системах – телефония, радиосвязь и телекоммуникации, вычислительные машины, системы и вычислительные сети. При их анализе наиболее важно определить скорость передачи или обработки информации, оценить пропускную способность, загрузку оборудования и т. д. При анализе транспортных систем важнейшими задачами являются определение скорости и объёма перевозок, сокращение простоев и др. Процессы жизнедеятельности в биологических системах требуют прежде всего определения благоприятных условий жизни, размножения и развития отдельных особей или популяции (колонии, сообщества) в целом.

Многие процессы, связанные с деятельностью человека (социальные, экономические, экологические), могут быть представлены моделями типа СМО. И даже обучение, представляемое как усваивание знаний и забывание, также может быть описано подобными моделями. Любая подобная система неизбежно испытывает различного рода возмущения, источниками которых могут быть либо внешние воздействия, обусловленные случайными или систематическими изменениями окружающих условий, либо внутренние флюктуации, возникающие в самой системе в результате взаимодействия её элементов. При исследовании такие системы представляются в виде стохастических моделей дискретных процессов (СМДП). Несмотря на успешное развитие и применение методов аналитического моделирования СМДП, основным методом исследования подобных систем остается имитационное моделирование на ЭВМ с применением специализированных языков программирования.

За всю историю развития вычислительной техники было создано более 300 языков моделирования дискретных процессов. Одним из первых языков описания СМДП²¹, появившихся в начале 60-х годов, был язык блок-диаграмм, предложенный Гордоном, идеи которого оказались настолько плодотворны, что использовались во многих последующих разработках в нашей стране и за рубежом. На основе языка блок-диаграмм в 70-х годах был создан и в последующем адаптирован к персональным компьютерам (ПК) широко используемый в настоящее время для моделирования большого класса систем язык и система моделирования GPSS (General Purpose Simulation System – Система моделирования общего назначения).

Завершая эту главу, сошлемся на авторов работ, наиболее популярных в настоящее время, которые представлены в [128, 68, 39], а также в сносках ²², ²³.