لوپی loopy

من پس از دیدن پست جین بلینگر در مورد آن، لوپی را امتحان کردم.

برای نمودارسازی جالب و سرگرم‌کننده است. ویژگی‌های هوشمندانه‌ای وجود دارد، مانند کشیدن یک دایره برای ایجاد یک گره (اگرچه من خیلی احمق بودم که بلافاصله آن را بفهمم). قابلیت اشتراک‌گذاری و ریمیکس آن قطعاً مفید است.

با این حال، فکر می‌کنم باید در مورد شبیه‌سازی مستقیم نمودارهای حلقه علی بسیار محتاط بود. یک نمودار حلقه علی اساساً کم‌تعریف است، به همین دلیل هیچ روش تبدیل خودکار CLDها به مدل‌ها موفق نبوده است.

در این ابزار، رفتار با اختلال اولیه سیستم متحرک می‌شود (به عنوان مثال، تعداد خرگوش‌ها را در یک سیستم شکارچی-شکار افزایش دهید). سپس می‌توانید داستان را در اطراف یک حلقه از طریق تغییرات قطبیت فلش متحرک دنبال کنید – خرگوش‌های بیشتر باعث روباه‌های بیشتر می‌شود، روباه‌های بیشتر باعث خرگوش‌های کمتر می‌شود. این اساساً روش داستان‌گویی برای تعیین قطبیت حلقه است، که من بارها با تأثیر خوب از آن استفاده کرده‌ام.

با این حال، به محض اینکه سیستم دارای حلقه‌های متعدد باشد، دچار مشکل می‌شوید. قطبیت پیوند جهت تغییر را به شما می‌گوید، اما نه بهره یا غیرخطی بودن را. بنابراین، هنگامی که حلقه‌های متعدد با هم تعامل می‌کنند، هیچ راهی برای تعیین اینکه کدام یک غالب است وجود ندارد. همچنین، در یک سیستم واقعی مهم است که کدام گره‌ها ذخایر هستند؛ فرض اینکه حداقل یک ادغام در جایی در اطراف یک حلقه وجود داشته باشد، کافی نیست.

می‌توانید این را با شروع با مثال شکارچی-شکار در صفحه اصلی آزمایش کنید. مدل اولیه یک نوسانگر گسسته است (خرگوش‌های بیشتر -> روباه‌های بیشتر -> خرگوش‌های کمتر). اما سیستم واقعی غیرخطی است، با نوسان و سایر رفتارهای احتمالی، بسته به پارامترها. در لوپی، اگر شروع به اضافه کردن تولدها و مرگ‌های صریح کنید، که باید شما را به سیستم واقعی نزدیک‌تر کند، شبیه‌سازی‌ها به سرعت منجر به دریایی از فلش‌ها در جهت‌های متضاد می‌شود، بدون اینکه راهی برای دانستن اینکه کدام گرایش برنده می‌شود وجود داشته باشد. بنابراین، شبیه‌سازی قطبیت حلقه می‌تواند جایی بین غیرقابل درک و کاملاً اشتباه باشد.

به طور مشابه، اگر یک مدل عفونت SIR را در نظر بگیرید، سه حلقه مورد توجه وجود دارد: گسترش عفونت از طریق تماس، اشباع از تمام شدن افراد مستعد و بهبودی افراد آلوده. بسته به بهره‌های حلقه، می‌تواند رفتارهای متفاوتی را نشان دهد. اگر بهبودی قوی‌تر از گسترش باشد، عفونت از بین می‌رود. اگر گسترش در ابتدا قوی‌تر از بهبودی باشد، عفونت با تغییر غیرخطی از حلقه گسترش به حلقه اشباع، از رشد نمایی به رفتار هدف‌جویی تغییر می‌کند.

فکر می‌کنم بهتر است اگر این ابزار خود را به گفتن داستان یک حلقه در یک زمان محدود کند، بدون اینکه به شبیه‌سازی‌های سیستم که در بسیاری از موارد چند حلقه‌ای اشتباه هستند، جهش کند. با آن ساده‌سازی، من این را یک مورد مفید در جعبه ابزار در نظر می‌گیرم. به این ترتیب، فکر می‌کنم می‌توان از آن با احتیاط برای توضیحات استفاده کرد، اما برای مفهوم‌سازی به نظر می‌رسد که احتمالاً خطرناک باشد.

ذهن من در اینجا به رویکرد بری ریچموند به سیستم‌ها برمی‌گردد. نمودارهای حلقه علی تفکر در مورد بازخورد را ترویج می‌کنند، اما در ارائه یک توصیف عملیاتی از نحوه عملکرد چیزها چندان خوب نیستند. هنگامی که در تلاش برای فهمیدن چیزی هستید که از قبل آن را درک نمی‌کنید، به رویکرد پایین به بالا برای سنتز بخش‌هایی که درک می‌کنید به کل که در تلاش برای درک آن هستید، نیاز دارید، تا بتوانید آزمایش کنید که آیا درک شما از فرآیندها رفتار مشاهده شده را توضیح می‌دهد یا خیر. این امر به ذخایر و جریان‌ها، اهداف صریح و حالت‌های واقعی و همه چیزهای دیگری که پویایی سیستم در مورد آن است، نیاز دارد. اگر می‌توانستیم به همان اندازه که لوپی به CLDها می‌رسد، به این ظرافت برسیم، چیز خوبی می‌شد.

پیمایش به بالا