Kreativní propojení objektových technologií pro tvorbu výukových biomedicínských simulátorů

Transkript

1 Kreativní propojení objektových technologií pro tvorbu výukových biomedicínských simulátorů Jiří Kofránek, Marek Mateják, Pavol Privitzer Oddělení informatiky a počítačové podpory výuky ÚPF,. LF UK, Praha, U nemocnice 5, 2853 Praha 2 kofranek@gmail.com Abstrakt: Výukové simulátory patří k jedněm z pedagogicky nejúčinnějších prostředků výuky. Tvorba simulátorů ale předpokládá kombinaci několika rozdílných vývojových nástrojů, určených pro vývoj simulačních modelů, tvorbu interaktivní grafiky uživatelského rozhraní, řiditelnou výstupy modelu, i vývojových nástrojů pro implementaci vlastního simulátoru. Nedávný vývoj tzv. akauzálních simulačních prostředí přinesl nové možnosti pro efektivnější vývoj simulačních modelů. Nové vývojové nástroje Miscrosoftu (Siverlight, Expression Blend aj.) umožňují vytvářet numericky náročné simulátory spustitelné přímo z internetového prohlížeče. Pro tvorbu výukových simulátorů je důležité propojení jednotlivých vývojových nástrojů, kde objektové technologie mohou být velmi užitečné. Klíčová slova: e-learning, internet, model, simulace, výuka Úvod Staré čínské přísloví říká Co slyším zapomenu, co spatřím, to si pamatuji, co dělám, tomu rozumím. Tuto starou čínskou moudrost potvrzují i moderní metody učení, nazývané někdy learning by doing, kde mají velké uplatnění simulační hry. Krom toho, simulační hry vnášejí do výuky prvek prožitku a zároveň i jistý stupeň hravé zábavy. Právě zde nachází své moderní uplatnění staré Komenského krédo Schola Ludus (škola hrou), které tento evropský pedagog razil již v 7. století. Výklad pomocí simulačních her je častý ve fyzice nebo chemii, méně časté je jejich uplatnění v biologii či medicíně. Je to zřejmě způsobeno složitostí příslušných simulačních modelů v biomedicínských vědách. Pedagogický efekt výukových simulátorů je umocněn kvalitním multimediálním uživatelským rozhraním. Ideální je, když výukový simulátor neobsahuje pouze řadu grafů a sady numerických hodnot jednotlivých proměnných modelu, ale má i multimediální rozhraní v podobě obrázků a animací, jejichž tvar je závislý na chování modelu. Simulátor pak více připomíná obrázky a schémata z lékařských učebnic než velín technologického zařízení. Je vhodné, když výukový simulátor je součástí širšího výukového programu, propojeného s výkladem využívajícím simulační hry. V neposlední řadě je výhodné, když simulátor je šířen prostřednictvím internetu, ideální je, když vlastní simulátor včetně multimediálního uživatelského rozhraní je spustitelný přímo v internetovém prohlížeči.

2 Tvorba simulačního modelu Tvorba simulátoru Formalizace fyziologických vztahů Implementace modelu do simulátoru Vytváření simulačního modelu Vytváření uživatelského rozhraní simulátoru Ověřování chování simulačního modelu Verifikace simulátoru ve výuce Chování modelu je jiné než chování biologického originálu Dostatečně dobrá shoda chování modelu s chováním biologického originálu Nové požadavky na simulátor nové požadavky na simulační modelu Obr. - Dva typy problémů při tvorbě výukových simulátorů. Dosažení tohoto poměrně náročného cíle ovšem předpokládá multioborové složení tvůrčího týmu a kombinaci specializovaných vývojových nástrojů využívaných pro každou etapu tvorby (od vytváření matematických modelů, přes kreslení animovaných obrázků, ovladatelných simulačním modelem na pozadí, až po naprogramování vlastního výukového simulátoru). Musíme však zabezpečit propojení výstupů z jednotlivých vývojových nástrojů do výsledné výukové aplikace. Současné moderní objektové technologie jsou při tomto procesu velkou pomocí. 2 Dva typy problémů při tvorbě výukových simulátorů Při vytváření simulátorů a výukových simulačních her je nutno řešit dva typy problémů (Obr. ): Tvorba simulačního modelu vlastní teoretická výzkumná práce, jejíž podstatou je formalizovaný popis reality vyjádřený matematickým modelem. Výsledkem je verifikovaný simulační model. který na zvolené úrovni přesnosti dostatečně věrně odráží chování modelované reality. Tvorba vlastního multimediálního simulátoru, resp. tvorba výukového programu využívajícího simulační hry je praktická realizace teoretických výsledků, která navazuje na výsledky řešení předchozího problému tj. na vytvoření (a verifikaci) simulačního modelu. Zde jde o náročnou vývojovou práci, vyža- 2

3 dující skloubit nápady a zkušenosti pedagogů, vytvářejících scénář výukového programu, kreativitu výtvarníků, vytvářejících interaktivní multimediální komponenty a úsilí programátorů, kteří sešijí výsledné dílo do konečné podoby. Každý z těchto problémů má svou specifiku, a proto vyžaduje použít zcela odlišné vývojové nástroje. 3 Technologie tvorby simulačních modelů Zatímco vytvoření vlastního simulátoru je spíše vývojářskou a programátorskou prací, tvorba simulačního modelu není vývojářský, ale poměrně náročný výzkumný problém související s hledáním adekvátního formalizovaného popisu modelované reality. Na základě formalizovaného popisu je formulován matematický model. Matematický model je implementován na počítači, kde je řešením příslušných rovnic matematického modelu simulováno chování reálného systému. Proto se o matematickém modelu, implementovaném na počítači, hovoří jako o simulačním modelu. Při tzv. verifikaci modelu je chování modelu je porovnáváno s chováním reálného systému. Rozdíly v chování vedou ke korekcím formalizovaného modelu (např. stanovením nových hodnot některých koeficientů modelu nebo přímo ke změnám rovnic modelu) do té doby, dokud se chování modelu ve zvolených mezích přesnosti neshoduje s chováním modelované reality.teprve dostatečně dobře verifikovaný model je možné použít jako jádro vytvářeného výukového simulátoru. V minulosti se simulační modely vytvářely přímo ve stejném vývojovém prostředí jako i vlastní simulátor (např. v programovacím jazyku Fortran, C++ či Java). V současné době se pro tvorbu a verifikaci simulačních modelů používají spíše vývojové nástroje než obecné programovací jazyky. 3. Blokově orientované simulační sítě V minulosti jsme pro vývoj modelů využívali převážně Matlab/Simulink od firmy Matworks [7,9]. Simulink patří k blokově orientovaným simulačním jazykům, které umožňují sestavovat počítačové modely z jednotlivých bloků, s definovanými vstupy a výstupy. Vstupy a výstupy bazálních výpočetních bloků, reprezentujících jednotlivé matematické operace (jako např. sčítání, odčítání, násobení, dělení, výpočet základních algebraických funkcí, integrování, derivování) se pomocí počítačové myši graficky propojují do počítacích sítí, reprezentujících graficky vyjádřený algoritmus výpočtu výstupních hodnot ze vstupních hodnot. Počítací sítě je možno seskupovat do bloků vyšší hierarchické úrovně a ukládat do knihoven. Z knihoven je možné tyto bloky pomocí počítačové myši opět vyjímat a vytvářet jejich jednotlivé instance. Vstupy a výstupy těchto instancí je možné propojovat pomocí vodičů kterými proudí informace o hodnotách jednotlivých proměnných. Tímto způsobem je možné bloky hierarchicky seskupovat do jednotlivých subsystémů, které s jejich vnějším okolím komunikují prostřednictvím definovaných vstupních a výstupních pinů a představují tak jakési simulační čipy (Obr. 2). Simulační čip (v podstatě modul s graficky zobrazeným 3

4 Obr. 2 - Jednoduchý příklad simulačního čipu v blokově orientovaném simulačním prostředí Simulink. Propojení elementárních počítacích bloků (v daném případě dvou násobiček a sčítačky) uvnitř simulačního čipu, graficky reprezentuje postup výpočtu. rozhraním) skrývá před uživatelem strukturu simulační sítě, obdobně jako elektronický čip ukrývá před uživatelem propojení jednotlivých tranzistorů a dalších elektronických prvků. Uživatel se pak může zajímat pouze o chování čipu a nemusí se starat o vnitřní strukturu a algoritmus výpočtu. Chování simulačního čipu pak může testovat pomocí sledování výstupů na připojených virtuálních displejích či na virtuálních osciloskopech (Obr. 3). V masce simulinkových bloků je vhodné stručně popsat význam všech vstupů a výstupů (včetně fyzikálních jednotek), případně k blokům i vytvářet příslušnou dokumentaci dosažitelnou na kliknutí na připojenou nápovědní stránku. Pomocí simulačních čipů lze snadněji testovat chování modelu a zejména přehledněji vyjádřit vzájemné závislostí mezi proměnnými modelovaného systému. 00 Renal artery pressure [torr] Afferent artery conductance 6.25 Normal proximal tubule conductance 89 Renal blood flow rate [ml /min ] Renal plasma flow rate [ml /min ] 0.07 Plasma protein concentration [g/ml ] 6 Glomerular filtration coeffitient AffC TubC RBF RPF APr G L O M E R U L U S - Renal artery pressure [torr] Affc - Afferent artery conductance [mll /min /torr] TubC - Proximal tubule conductance RBF - Renal blood flow [ml /min ] RPF - Renal plasma flow [ml /min ] APr - Plasma protein concentration (in afferent artery ) [g/ml ] - Glomerular filtration coeffitient OUTPUTS : - Glomerular filtration rate [ml /min ] FF - Filtration fraction [relative number ] - Glomerulal pressure [torr] PTP - Proximal tubule pressure [torr] AVeCOP - Average colloid osmotic pressure [torr] NETP - Net pressure gradient in glomerulus [torr] Glomerulus FF PTP AVeCCP NetP 26 Glomerular filtration rate [ml /min ] Filtration fraction Glomerular pressure [torr] 20.6 Proximal tubule pressure [torr] 32.8 Average golloid pressure [torr] Net pressure gradient [torr] Obr. 3 - Ukázka simulačního čipu (realizovaného simulinkovým blokem) počítajícího glomerulární filtraci. Struktura výpočtu je před uživatelem skryta. V masce simulinkových bloků z nichž vytváříme simulační čipy, popisujeme stručně význam všech vstupů a výstupů (včetně fyzikálních jednotek), případně k blokům vytvoříme i příslušnou dokumentaci dosažitelnou na kliknutí na připojenou nápovědní stránku. V prostředí Simulinku je možno snadno otestovat jeho chování k jednotlivým vstupním pinům lze přivést vstupní hodnoty (nebo průběhy hodnot) a od výstupních pinů na virtuálních displejích či osciloskopech odečítat výstupy, resp. časové průběhy výstupů. 4

5 Celý složitý model pak můžeme zobrazit jako propojené simulační čipy a ze struktury jejich propojení je jasné, jaké vlivy a jakým způsobem se v modelu uvažují (Obr. 4). To je velmi výhodné pro mezioborovou spolupráci zejména v hraničních oblastech, jakým je např. modelování biomedicínských systémů. Experimentální fyziolog nemu G L O M E R U L U S Normal proximal tubule conductance AffC - Renal artery pressure [torr] Affc - Afferent artery conductance [mll /min /torr] TubC TubC - Proximal tubule conductaqnce RBF - Renal blood flow [ml /min ] RPF - Renal plasma flow APr - Plasma protein concentration (in afferent artery ) [g/ml ] RBF - Glomerular filtration coeffitient OUTPUTS : RPF - Glomerular filtration rate [ml /min ] FF PTP PNa N A T R I U M - P R O X I M A L T U B U L E PNa - Plasma sodium concentration [mmol /ml ] - GLomerulal filtration rate [ml /min ] LogA 2 - Logarithm of plasma angiotensin concentration [pg/ml ] PrxFNaNorm - Normal value of sodium proximal fractional reabsorbtion [relative number ] MDNaFlow PdxNaReab Plasma protein cnoncentration [g/ml ] 6 Normal glomerular filtration coeffitient 00. APr FF - Filtration fraction [relative number ] - Glomerulal pressure [torr] PTP - Proximal tubule pressure [torr] AVeCOP - Average colloid osmotic pressure [torr] NETP - Net pressure gradient in glomerulus [torr] Glomerulus M Y O G E N I C R E S P O N S E AVeCCP NetP Normal Na proximal fractional reabsorbtion 7.8 LogA2 PrxFNaNorm OUTPUTS : MDNaFlow - Sodium outflow [mmol /min ] PdxNaReab - Proximal sodium reabsorbrtion [mmol /l] PrxFNa - Proximal fractional sodium reabsorbtion [relative number ] Calculation of proximal tubule sodium reabsorbtion PrxFNa R E N A L P E R F U S I O N AffC EffC AffC - Afferent artery conductance EffC Efferent artery conductance 200 RenVenC RenVenC - Renal venous conductance Venous conductance AP - Arterial pressure [torr] VP - Vena renalis pressure [torr] AP Hct - Hematocrit [relative number ] Clamp - Renal artery pressure drop 7 VP caused by renal artery clamp [torr] Vena renalis pressure [torr] Hct OUTPUTS : Renal artery pressure [torr] Hematocrit Clamp RBF - Renal blood flow rate [ml /min ] RPF - Renal plasma flow rate [ml /min ] Calculation of renal artery pressure and renal blood flow rate 0 Renal artery pressure clamp drop [torr] RBF RPF INPUT : - Renal artery pressure [torr] AffMyo OUTPUT : AffC - Myogenic effect [ x Normal ] Calculation of the myogenic response to changes in renal perfusion pressure (afferent conductance responds to changes in perfusion pressure, with pressure increases causing vasoconstriction ) A F F E R E N T A R T E R Y AffMyo AffMyo - Myogenic effect [ x Nomal ] AffC MDSig - Macula densa feedback signal [ x Normal ] MDSig AffNorm - Normal conductance in afferent artery OUTPUT : AffC - Vascular conductance AffNorm Calculates conductance of afferent artery Normal conductance of Afferent artery Simulační čip GLOMERULUS AP E F F E R E N T A R T E R Y loga2 EffC loga 2 - logarithm of angiotensin concentration EffC MDSig - Macula densa feedback signal [ x Normal ] MDSig EffNorm - Normal conductance in afferent artery ZNAE A R T E R I A L P R E S S U R E 25. OUTPUT : EffC - Vascular conductance EffNorm 25 Normal conductance ZNAE - ECF sodium content [mmol ] LogA2 loga 2 - Logarithm of plasma angiotensin concentration [pg /ml ] AP AP 00. Calculates conductance of efferent artery of Efferent artery.003 APNorm - Normal value of arterial pressurel [torr] 00 APNorm [torr] OUTPUT : APNorm AP Arterial pressure [torr] Control of arterial pressure by angiotensin and extracellular sodium content M A C U L A D E N S A MDNaFlow MDNaFlow - Macula densa sodium flow [mmol /min ] MDSig loga 2 - Logarithm of plasma angiotensin concentration [pg /ml ] LogA2 MDNorm - Normal macula densa feedback signal [ x Normal ] LogA2 OUTPUT : MDSig - Macula densa feedback signal [ x Normal ] MDNorm LogA Scope Scope A N G I O T E N S I N PRA A2 PRA - Plasma renin activity [ Units/ml ] CEAct - Converting enzyme activity [x Normal ] CEAct A2Inf Angiotensin 2 infusion rate [ng /min ] OUTPUTS : loga2 A2 - Plasma angiotensin 2 concentration [ pg/ml ] A2Inf LogA 2 - logarithm of plasma angiotensin concentration [ pg /ml ]) PRA Converting Enzyme Activity 0 Angiotensin Infusion Rate R E N I N MDSig - Macula densa feedback signal [ x Normal ] VECml - Ectracellular fluid volume OUTPUT : PRA - Plasma renin activity [ Units/ml ] Calculation of plasma renin activity MDSig VECm l Macula densa feedback signal calculation based on macula densa sodium flow and angiotensin concentration Normal macula densa feedback signal Calculation of plasma angiotensin concentration and logarithm of plasma angiotensin concentration (most of the action of angiotensin are logarithmic in nature : concentration changes at higher concentrations produce less of an effect than changes of the same size at lower concentrations ) VECml A L D O S T E R O N E loga2 LogA2 Aldo loga 2 - Logarithm of plasma angiotensin concentration [pg /ml ] AldoInf - Aldosterone infusion rate [ng /min ] VTW - Total body water content [ml ] OUTPUT : Aldo - Plasma aldosterone concentration [ ng/dl ] Calculation of plasma aldosterone concentration AldoInf 0 Aldosteron Infusion Rate VTWm l -C- Totasl body water content [ml ] Aldo MDNaFlow Aldo N A T R I U M - D I S T A L T U B U L E DisNaFlow MDNaFlow - Sodium inflow [mmol /min ] Aldo - Plasma aldosterone level [pg /ml ] DisFNaNorm - Normal value of sodium distal fractional reabsorbtion [relative number ] DisNaReab DistNaFlow Normal distal fractional reabsorbtion for Na OUTPUTS : DisNaFlow - Sodium outflow [mmol /min ] DisNaReab - Distal sodium reabsorbrtion [mmol /min ] DisFNaNorm DisFNa - Distal fractional sodium reabsorbtion Calculation of distal tubule sodium reabsorbtion DisFNa [relative number ] S I M P L E S O D I U M B A L A N C E NaDiet 0.25 ZNAE NaDiet [mmol /min ] NaDIet - Dietary sodium intake [mmol /min ] NaUrine - Sodium urine outflow [mmol /min ] NaUrine VECml - Extracellular fluid volume [ml ] PNa OUTPUT : ZNAE - ECF sodium content [mmol ] VECm l 5000 PNa - Plasma sodium concentration [mmol /ml ] Extracellular fluid volume [mmol /min ] Extracellular sodium quantity is the integral over time dietary sodium intake minus urinary sodium loss N A T R I U M - C O L L E C T I N G D U C T NaUrine DisNaFlow DisNaFlow - Sodium inflow [mmol /min ] CDFNaNorm - Normal value of sodium distal fractional reabsorbtion [relative number ] CDNaReab OUTPUTS : NaUrine - Sodium urine outflow [mmol /min ] CDNaReab - Collecting duct sodium reabsorbrtion [mmol /min ] CDFNaNorm CDFNa CDFNa - Collecting duct fractional sodium reabsorbtion [relative number ] 0.93 Normal collecting duct fractional reabsorbtion for Na Calculation of collecing duct sodium reabsorbtion Obr. 4 - Zapojení simulačního čipu Glomerulus z předchozího obrázku v jednoduchém simulačním modelu ledvin. Propojení jednotlivých simulinkových bloků (simulačních čipů) je srozumitelné i pro experimentálního fyziologa. 5

6 7 - Glomerular filtration coeffitient RBF - Renal blood flow [ml /min ] 4 RBF PAff PAff=RBF*AffC 2 AffC 3 TubC 5 RPF 6 APr AffC - Afferent artery conductance - Glomerular filtration rate [ml /min ] TubC - Tubule conductance APr - Afferent protein concentration [g/ml ] 60 B - Landis -Pappenheimer coeffitient [torr/g/ml ] 320 A - Landis -Pappenheimer coeffitient [torr/g/ml ] - Renal artery pressure [torr] PAff - Afferent artery pressure [torr] PTP = /TubC PTP - Proximal tubule pressure [torr] - Glomerulal pressure [torr] = - PAff AVeCOP - Average colloid osmotic pressure [torr] A*Apr (APr)^2 - FF B * (Apr)^2 4 PTP EPr = APr / (-FF) 5 AVeCCP ACOP = A*Apr + B*(APr)^2 3 NetP = - PTP - AVECOP - Glomerular filtration rate [ml /min ] RPF - Renal plasma flow [ml /min ] EPr - Efferent protein concentration [g/ml ] ACOP - Afferent colloid osmotic pressure [torr] - Glomerular filtration coeffitient - Glomerular filtration rate [ml /min ] NETP - Net pressure gradient in glomerulus [torr] = NETP * (EPr)^2 A*Epr 6 NetP B * (Epr)^2 ECOP = A*Epr + B*(EPr)^2 FF = /RPF ECOP - Efferent colloid osmotic pressure [torr] FF - Filtration fraction [relative number ] ACOP +ECOP 2 AVeCOP = (ACOP +ECOP )/2 2 FF sí dopodrobna zkoumat, jaké matematické vztahy jsou ukryty uvnitř simulačního čipu, z propojení jednotlivých simulačních čipů mezi sebou však pochopí strukturu modelu a jeho chování si může ověřit v příslušném simulačním vizualizačním prostředí. Ze simulačních simulinkových čipů jsme vytvořili knihovnu Physiolibrary pro modelování fyziologických regulací. Knihovna obsahuje i dokumentaci zaintegrovanou do nápovědy k Matlab/Simulink. Knihovnu i příslušný instalátor lze bez omezení stáhnout z adresy Hierarchické blokově orientované simulační nástroje proto našly svoje velké uplatnění při popisu složitých regulačních systémů, s nimiž se setkáváme ve fyziologii. Formalizovanému popisu fyziologických systémů je věnován mezinárodní projekt PHY- SIOME, který je nástupcem projektu GENOME. Výstupem projektu GENOME byl podrobný popis lidského genomu, cílem projektu PHYSIOME je formalizovaný popis fyziologických funkcí. Metodickým nástrojem jsou zde počítačové modely [, 4]. V rámci projektu PHYSIOME bylo vytvořeno několik blokově orientovaných simulačních nástrojů, které slouží jako referenční databáze pro formalizovaný popis struktury složitých fyziologických modelů. Patří k nim zejména simulační nástroj i jazyk JSIM [4], viz a také jazyk CEllML [2], TubC PTP NETP u 2 u 2 simulation chip: G L O M E R U L A R F I L T R A T I O N Obr. 5 - Algebraická smyčka v simulinkové reprezentaci vnitřku simulačního bloku Glomerulus počítajícího hodnotu glomerulární filtrace. Hodnota proměnné, reprezentující hodnotu glomerulární filtrace je počítána z hodnoty NETP, k výpočtu hodnoty NETP je zapotřebí znát hodnotu proměnné PTP, která je ale počítána jako podíl hodnot proměnných a TUBC. V simulinkovém schématu máme algebraickou smyčku, kterou je nutno přerušit. 6

7 u Abs 0.0 Saturation 0 2 < == Relational Operator Memory Initial condition =5 APr - Afferent protein concentration [g/ml ] do { cond... } while While Iterator 2 AffC 3 TubC 4 RBF 5 RPF 6 APr 7 2 AffC 3 TubC 4 RBF 5 RPF 6 APr 7 Memory Memory Initial condition =20 Switch Threshold =0. number of iteration AffC TubC RBF RPF APr AffC TubC RBF RPF APr GRFold - Glomerular filtration rate [ml /min ] RPF - Renal plasma flow [ml /min ] ACOP - Afferent colloid osmotic pressure [torr] ACOP = A*Apr + B*(APr)^2 EPr - Efferent protein concentration [g/ml ] 5 do {... } while While Iterator Subsystem FF PTP AVeCCP NetP G L O M E R U L A R F I L T R A T I O N - Renal artery pressure [torr] Affc - Afferent artery conductance [mll /min /torr] TubC - Proximal tubule conductaqnce RBF - Renal blood flow [ml /min ] RPF - Renal plasma flow APr - Plasma protein concentration (in afferent artery ) [g/ml ] - Glomerular filtration coeffitient OUTPUT : - Glomerular filtration rate [ml /min ] FF - Filtration fraction [relative number ] - Glomerulal pressure [torr] PTP - Proximal tubule pressure [torr] AVeCOP - Average colloid osmotic pressure [torr] NETP - Net pressure gradient in glomerulus [torr] Calculation of glomerular filtration rate calculation - Glomerular filtration coeffitient 7 - Renal artery pressure [torr] - Glomerulal pressure [torr] PAff - Afferent artery pressure [torr] = - PAff RBF - Renal blood flow [ml /min ] 4 RBF PAff PAff=RBF*AffC - Glomerular filtration coeffitient - Glomerular filtration rate [ml /min ] NETP - Net pressure gradient in glomerulus [torr] = NETP * 3 2 AffC - Afferent artery conductance AffC 4 PTP - Glomerular filtration rate [ml /min ] 8 PTP - Proximal tubule pressure [torr] GRFold TubC - Tubule conductance 6 3 NetP TubC PTP = /TubC AVeCOP - Average colloid osmotic pressure [torr] NetP = - PTP - AVECOP 5 AVeCCP 5 RPF 6 APr 60 B - Landis -Pappenheimer coeffitient [torr/g/ml ] 320 A - Landis -Pappenheimer coeffitient [torr/g/ml ] A*Apr u 2 (APr)^2 - FF B * (Apr)^2 EPr = APr / (-FF) u 2 (EPr)^2 A*Epr B * (Epr)^2 FF PTP AVeCCP NetP 2 FF 3 4 PTP 5 AVeCCP 6 NetP FF - Filtration fraction [relative number ] FF = /RPF ECOP - Efferent colloid osmotic pressure [torr] ACOP +ECOP 2 ECOP = A*Epr + B*(EPr)^2 AVeCOP = (ACOP +ECOP )/2 Memory Initial condition =0 Switch threshold =0 2 FF 3 4 PTP 5 AVeCCP 6 NetP 2 FF 00 Renal artery pressure 00 Afferent artery conductance 6.25 Normal proximal tubule conductance 89 Reanl blood flow rate Renal plasma flow rate Plasma protein cnoncentration [g/ml ] viz Pro oba jazyky existuje volně stažitelné prostředí pro vývoj i simulačních modelů a především jsou v nich vytvářeny volně dostupné referenční databáze biomedicínských modelů Normal glomerular filtration coeffitient AffC TubC RBF RPF G L O M E R U L U S - Renal artery pressure [torr] Affc - Afferent artery conductance [mll /min /torr] TubC - Proximal tubule conductaqnce RBF - Renal blood flow [ml /min ] RPF - Renal plasma flow APr - Plasma protein concentration (in afferent artery ) [g/ml ] - Glomerular filtration coeffitient OUTPUTS : - Glomerular filtration rate [ml /min ] FF - Filtration fraction [relative number ] - Glomerulal pressure [torr] PTP - Proximal tubule pressure [torr] AVeCOP - Average colloid osmotic pressure [torr] NETP - Net pressure gradient in glomerulus [torr] FF PTP AVeCCP APr NetP 4. Glomerulus 3.2 Kauzální modelovací nástroje simulation chip: G L O M E R U L A R F I L T R A T I O N Obr. 6 - Po přerušení algebraické smyčky se vnitřní struktura simulačního čipu Glomerulus stala poněkud složitější, nicméně navenek se blok nezměnil a pro jeho uživatele vypadá stále stejně. Vnitřní propojení numerických simulinkových bloků nesmí obsahovat algebraické smyčky, odráží proto spíše postup výpočtu než grafické znázornění matematických vztahů Blokově orientované vývojové nástroje pracují s hierarchicky propojenými bloky. V propojkách mezi jednotlivými bloky tečou signály, které přenášejí hodnoty jednotlivých proměnných od výstupu jednoho bloku k vstupům dalších bloků. V blocích dochází ke zpracování vstupních informací na výstupní. Z struktury hierarchicky uspořádaného blokově orientovaného popisu je zřejmé, jakým způsobem se v modelu počítají hodnoty jednotlivých proměnných tj. jaký je algoritmus výpočtu. Propojování bloků do sítě vztahů ale bohužel nemůže být zcela libovolné. V propojených prvcích se nesmějí vytvářet algebraické smyčky tj. cyklické struktury, kdy nějaká vstupní hodnota přiváděná jako vstup do výpočetního bloku ve stejném časovém kroku závisí (přes několik prostředníků) na výstupní hodnotě z tohoto bloku Pro ilustraci uveďme malý příklad algebraické smyčky v blokově orientovaném jazyku Simulink. Ve výše uvedeném modelu ledvin (viz Obr. 4) se využívá simulační čip počítající hodnotu glomerulární filtrace. Jednotlivé vstupy a výstupy do tohoto čipu jsou zobrazeny na Obr. 3. Vnitřek simulačního čipu je tvořen elementárními bloky provádějícími matematické operace. 7

8 Pokud ale bez rozmyslu implementujeme strukturu matematických vztahů modelu do simulinkové sítě počítacích bloků snadno vytvoříme algebraickou smyčku (viz Obr. 5). Algebraické smyčky je nutné přerušit. Její řešení je naznačeno na Obr. 6 a souvisí s tím, že pomocí nástrojů, které Simulink poskytuje, v každém integračním kroku vlastně počítáme hodnotu řešením implicitní rovnice. Simulinková síť tedy netvoří grafické zobrazení matematických vztahů v modelu, ale zobrazuje spíše grafické vyjádření řetězce transformací vstupních hodnot na výstupní přes jednotlivé simulinkové elementy, kde cyklení není dovoleno. Pokud při stavbě modelu v Simulinku budeme myslet spíše na zobrazení struktury matematických vztahů než na algoritmus výpočtů, snadno do modelu algebraické smyčky zaneseme (na což nás ovšem kompilátor upozorní). Existují metody, jak se algebraických smyček zbavit [2], vedou však k takovým transformacím, které (jak je ostatně vidět výše uvedeném příkladě) strukturu modelu dále zesložití a model je méně přehledný. Požadavek pevně zadaného směru spojení od vstupů k výstupům s vyloučením algebraických smyček vede i k náročnější stavbě modelu. Propojení bloků v Simulinku proto odráží spíše postup výpočtu než vlastní strukturu modelované reality. Hovoříme o tzv. kauzálním modelování. Problém kauzálního modelopvání spočívá v tom, že u složitých systémů se díky tomuto přístupu pod strukturou výpočtu pomalu ztrácí fyzikální realita modelovaného systému. 3.3 Akauzální modelovací nástroje V poslední době došlo k vývoji nových tzv. akauzálních nástrojů pro tvorbu simulačních modelů. Zásadní inovaci, kterou akauzální modelovací nástroje přinášejí, je možnost popisovat jednotlivé části modelu přímo jako soustavu rovnic a nikoli jako algoritmus řešení těchto rovnic. Zápis modelů je deklarativní (popisujeme strukturu a matematické vztahy, nikoli algoritmus výpočtu) zápis je tedy akauzální. Akauzální modelovací nástroje pracují s propojenými komponentami, které představují instance tříd, v nichž jsou přímo definovány rovnice. Tyto komponenty (tj. instance tříd s rovnicemi) se mohou propojovat prostřednictvím přesně definovaných rozhraní konektorů a definovat tak soustavy rovnic. Moderním simulačním jazykem, který je přímo postaven na akauzálním zápisu modelů, je Modelica [3]. Byl původně vyvinut ve Švédsku a nyní je dostupný jak ve verzi open-source (vyvíjené pod záštitou mezinárodní organizace Modelica Association, tak i ve dvou komerčních implementacích. První komerční implementace je od firmy Dynasim AB kterou nyní koupil nadnárodní koncern Dassault Systemes (prodává se pod názvem Dymola, nyní již ve verzi 7.3) a druhá komerční implementace pochází od firmy MathCore (prodává se pod názvem MathModelica). Modelica od Dynasimu má dobré napojení na simulační nástroje Matlab a Simulink, zatímco MathModelica se umí propojovat s prostředím Mathematica od firmy Wolfram. Modelica pracuje s propojenými komponenty, které představují instance jednotlivých tříd. Na rozdíl od implementace tříd v jiných objektově orientovaných jazycích (jako jw C#, Java apod.), mají třídy v Modelice navíc zvláštní sekci, v níž se definují rovnice. 8

9 Každá třída (a tudíž i její instance komponenta) je navenek reprezentována ikonou, jejíž tvar je možno uživatelsky definovat. Komponenty se mohou propojovat pomocí speciálních akauzálních konektorů přes akauzální propojení se vlastně propojují jednotlivé proměnné v rovnicích příslušných komponent. Akauzálními propojkami se tak realizuje grafické vyjádření soustavy rovnic. 3.4 Moderní technologie tvorby simulačních modelů akauzální simulační prostředí. Při vytváření simulátorů, jejichž podstatou je rozsáhlý matematický model (s řádově stovkami proměnných) je volba V0 ExternalPressure vhodného nástroje pro implementaci modelu velmi podstatná. Problematice porovnání kauzálních a akauzálních přístupů se podrobně věnoval náš příspěvek na loňské konferenci Objekty [3], zde uvedeme pouze malý příklad z naši implementace a modifikace rozsáhlého modelu fyziologických regulací Quantitative Human Physiology (obsahující cca 4000 proměnných). V tomto modelu využíváme pro V0 Vol ExternalPressure V 0 ExternalPressure (initial initialvol ml) name StressedVolume Compliance Compliance Pressure Vascular Pressure Akauzální konektor: referencepoint agregovaný popis cirkulace jako jednu z komponent tzv. elastický kompartment (viz Obr. 7). Vztahy mezi jednotlivými uvažovanými proměnnými můžeme vyjádřit několika jednoduchými rovnicemi, které při implementaci příslušné třídy zapíšeme do speciální sekce equations. Každá třída v Modelice může být navenek reprezentována uživatelsky definovanou ikonou, která slouží k tomu, aby bylo možno instance třídy pomocí grafických nástrojů jednoduše propojovat s okolními instancemi (Obr. 8). <V 0 V 0 <V 0 Vol V 0 StressedVolume = max(vol-v0,0); Pressure = (StressedVolume/Compliance) + ExternalPressure; der(vol) = q; Pressure = referencepoint.pressure flow: q=referencepoint.q V 0 StressedVolume Obr. 7 - Koncepce eleastického cévního kompartmentu je založena na představě, že plní-li se céva krví, do dosažení určitého reziduálního objemu (V0) je tlak v cévě určován pouze vnějším tlakem na cévu, poté se začnou napínat elastická a svalová vlákna v cévě a budou komprimovat objem krve v cévě tlakem VascularPressure. Označíme-li objem tekutiny v cévě jako Vol, pak objem krve napínající cévu (StressedVolume) bude určovat tlak uvnitř cévy (Pressure) v závislosti na její poddajnosti (Compliance) a na vnějším tlaku na cévu (ExternalPressure). Cévní kompartment je zapojen do systému přes akauzální konektor Reference- Point, kterým může do kompartmentu proudit krev (rychlostí reference- Point.q) pod tlakem (referencepoint.pressure). V 0 9

10 Akauzální konektor: referencepoint Vstupní kauzální konektory:: V0, External Pressure, Compliance (initial initialvol ml) name Obr. 8 - Modelica umožňuje vytvořit pro každou vytvářenou třídu, reprezentující model nebo konektor, vytvořit ikonu, která poslouží k tomu, aby instance třídy bylo možno pomocí grafických nástrojů propojovat s jinými instancemi. Výsledkem je struktura modelu z propojených instancí, velmi blízká modelované realitě. V daném případě jsme pro vytvoření ikony elastického kompartmentu vytvořili ikonu s jedním akauzálním konektorem (černý kosočtverec), třemi konektory pro signálové vstupy a dvěma konektory pro signálové výstupy. Každá instance elastického kompartmentu bude mít tuto ikonu s tím rozdílem, že se v ikoně bude místo řetězce initialvol se bude zobrazovat skutečná hodnota počátečního objemu (zadaná jako parametr) a místo řetězce name se bude zobrazovat název instance. V0 Vol ExternalPressure Compliance Pressure Kauzální Causal výstupní outut conectors: konektory: Vol, Pressure Vol, Pressure Navenek se třída může propojovat se svým okolím přes akauzální konektor (ReferencePoint viz Obr 7, Obr. 8). Akauzální konektor propojuje proměnné v rovnicích (není tedy určeno, zda je vstupní či výstupní) a propojením se tak definuje soustava rovnic, nalezení způsobu řešení je úkolem pro příslušný kompilátor. Třída může mít i kauzální propojení (určené pro parametry a řídící signály) pak musíme určit který konektor je vstupní a který výstupní (viz Obr. 7-9). Propojované proměnné v akauzálních konektorech mohou být tokové tj. typu flow pak součet hodnot v propojovacím uzlu musí být nulový, nebo typu nonflow pak je hodnota všech nonflow proměnných nastavena v propojovacím uzlu na stejnou hodnotu (viz Obr. 9). Model je vytvářen hierarchicky jednotlivé instance tříd je možné využívat při definici dalších tříd. Tak např. instance elastického kompartmentu se využívá při tvorbě komponenty VascularCompartments modelující cévní systém a srdce (viz Obr. 0). V této třídě se využívají elastické kompartmenty pro modelování agregovaných elastických vlastností cév a řiditelné odpory pro modelování cévních odporů. Součástí jsou i dvě pumpy modelující činnost levé a pravé komory. Řídící signály jsou rozváděny přes signálovou sběrnici. K přehlednosti modelu v prostředí jazyka Modelica přispívá to, že některé komponenty, reprezentované navenek jednou ikonkou, mohou mít složitou vnitřní strukturu. Tak například (viz Obr ) řiditelný cévní odpor periferních cév navenek reprezentovaný komponentou peripheral má složitou strukturu deseti paralelně zapojených řiditelných odporů, a každý z těchto odporů má složitě členěné řízení. Tak např. odpor ledvin (komponenta kidney ) po rozkliknutí se rozpadne na tři sériově zapojené odpory se složitě strukturovaným řízením. Důležité je, že struktura modelu je přehledná a reprezentuje podstatu modelovaného sytému. Vidíme, že akauzální popis modelu mnohem lépe než akuzální blokově orientované popisy vystihuje podstatu modelované reality a simulační modely jsou mnohem čitel- 0

11 Vstup ExternalPressure Akauzální konektor connector2 Vstup V0 Vstup Compliance Akauzální konektor connector Akauzální konektor connector3 Akauzální konektor ReferencePoint Výstup Vol Výstup Pressure Obr. 9 - Příklad propojení akauzálními konektory. Instance splanchnicveins elastického kompartmentu VascularElasticBloodCompartment. Akauzální spo-jení s příslušnými konektory na regulovatelných odpo-rech (zde označených jako connector, connector2 a connector3 ) propojí rovnice v instanci elastického kompartmentu splanchnicveins do soustavy rovnic všech propojených elementů. Hodnota tlaku (nonflow proměnné) bude na všech propojených konektorech stejná: splanchnicveins.referencepoint.pressure = connector.pressure = connector2.pressure = connector3.pressure. Algebraický součet všech toků krve (proměnných typu flow) na propojených konektorech musí být nulový: splanchnicveins.referencepoint.q + connector.q + connector2.q + connector3.q = 0. nějšími, a tedy jsou i méně náchylné k chybám. Jejich objektová architektura umožňuje stavět modely s hierarchickým uspořádáním a s využitím rozsáhlé knihovny znovupoužitelných prvků. Akauzální modelovací nástroje pracují s propojenými komponentami, které představují instance tříd, v nichž jsou přímo definovány rovnice a akauzální propojením definujeme soustavy rovnic. Na rozdíl od kauzálních modelovacích přístupů se zde nemusíme starat o způsob řešení těchto rovnic. Nalezení algoritmu jejich řešení přenecháváme strojům [0]. Dnešní nástroje pro akauzální modelování jsou schopné generovat a numericky vyřešit velké soustavy rovnic, což umožňuje přímo při implementaci modelu zapisovat schémata fyzikálních, chemických nebo biologických dějů. A z těchto schémat je pak možné kliknutím myši přímo dostávat výsledky simulací. Akauzální simulační prostředí a především i nový objektový simulační jazyk Modelica proto podstatním způsobem ulehčují modelování rozsáhlých a komplexních systémů, k nimž patří biomedicínské systémy. Proto jsme nyní jako hlavní implementační prostředek pro tvorbu modelů pro výukové simulátory zvolili Modelicu a postupně upouštíme od vývoje modelů v blokově orientovaném prostředí Simulink/Matlab [6].

12 Cévní elastické kompartmenty Tok krve v cévách (prom nné tlak a pr tok) ízená pumpa (pravá komora) Signálová sb rnice organbloodflowsignals ízené odpory Obr. 0 - Příklad propojení simulačních komponent v simulačním prostředí Modelica, reprezentující jeden z prvků subsystému krevního oběhu instance třídy VascularCompartments (jedná se o část naší modelicové implementace rozsáhlého modelu Quantitative Human Physiology). V modelu se kombinují akauzální a kauzální (řídící, signálové) vazby. Propojení akauzálními vazbami v daném případě modeluje rozvod průtoků a tlaků krve mezi jednotlivými propojenými komponentami. Model je hierarchicky organizován jednotlivé bloky se dají rozkliknout, představují instance tříd, v nichž jsou uvedeny rovnice. Akauzální propojení pak realizuje soustavu rovnic, jejíž způsob řešení je úlohou pro kompilátor. Modelicová síť tak mnohem lépe vyjadřuje strukturu modelovaného systému, než sítě v blokově orientovaných kauzálních modelovacích nástrojích, které zobrazují spíše postup výpočtu. 4 Technologie tvorby simulátorů Vývojové nástroje pro tvorbu simulačních modelů nejsou příliš vhodné pro vytváření vlastního výukového simulátoru. I když v prostředí těchto nástrojů je možné naprogramovat poměrně příjemné uživatelské rozhraní k ovládání vytvořeného modelu, je toto rozhraní (zvláště pro uplatnění ve výuce medicíny) až příliš komplikované a navíc často vyžaduje zakoupení dalších (poměrně drahých) licencí. Student medicíny a lékař vyžaduje uživatelské rozhraní simulátoru připomínající spíše obrázky a schémata obdobná, s jakými se setkává v lékařských knižních publikacích, než jen suchý výpis množství grafů a hodnot jednotlivých proměnných modelu. Proto je nutné výukový simulátor včetně jeho multimediálního uživatelského rozhraní naprogramovat zvlášť. Možnosti uživatelského ovládání simulátoru jsou pak pro cílovou skupinu uživatelů podstatně přirozenější. 2

13 VascularCompartments t organbloodflo... organbloodflow Signals bone organbloodflow Signals brain organbloodflow Signals fat organbloodflo... organbloodflow Signals kidney organbloodflow Signals skin q_in organbloodflow Signals skeletal... q_out organbloodflow Signals ml ml respirat... min... min... Kidney_NephronCount_Total_xNormal Kidney_NephronCount_Total_xNormal Nephro... Nephro... organbloodflow Signals TGF_Vascular_signal Anesthesia_VascularConductance leftheart TGFEff... Anesth... AlphaPool_Effect A2Pool_Log0Conc A2Effe... organbloodflow Signals AlphaBlocade_Effect AplhaR... AlphaPool_Effect rightheart GangliaGeneral_NA AlphaBlocade_Effect AplhaR... Kidney_MyogenicDelay_PressureChange Myogen... GangliaGeneral_NA G l organbloodflow Signals Affere... Ef f ere otherti... ml/min/... q_in q_out Kidney_Acurate... kidney peripheral Obr. - Hierarchické uspořádání modelů v Modelice. V komponentě VascularCompartments (z obr. 0) je jeden periferní řízený odpor s názvem peripheral. Rozkliknutím se zobrazí řada paralelně zapojených řízených odporů. Rozkliknutím jednoho z nich s názvem kidney se zobrazí složitě řízené odpory v ledvinách. Dalším rozkliknutím komponent ovlivňujícím odpory uvnitř ledvin se dostaneme až k zápisu jednotlivých rovnic, které jsou skryty za jednotlivými ikonkami. Kombinace akauzálních a (kauzálních) signálových vazeb a bohatost grafických možností pro zobrazení modelovaných vztahů umožňuje vytvářet hierarchicky členěné a samodokumentující se modely. Tvorba výukových simulátorů a výukových programů využívajících simulační hry je především programátorská vývojové práce, která z jedné strany navazuje na scénář výukového programu, vytvořeného zkušeným pedagogem a z druhé strany na výsledky řešení výzkumu, tj. na vytvořené (a verifikované) matematické modely. Nezastupitelnou komponentou výukového simulátoru je i část programu, která realizuje simulační model. Známe-li strukturu simulačního modelu, (který jsme si vytvořili v některém z vývojových nástrojů pro tvorbu simulačních modelů) pak zbývá přetvořit strukturu modelu do podoby počítačového programu ve zvoleném programovacím jazyce (např. v Javě, C++, C# apod.). Simulační jádro je možné naprogramovat i ručně, ale u složitějších modelů se vyplatí, pokud máme k dispozici některý nástroj, který tuto činnost zautomatizuje. Pro vytvoření uživatelského rozhraní simulátoru je třeba nakreslit interaktivní multimediální komponenty. Tyto komponenty je pak nutno propojit se simulačním modelem na pozadí simulátoru. V moderních výukových aplikacích jsou často tyto multimediální komponenty tvořeny interaktivními animované obrázky. Při tvorbě profesionálních výukových aplikací proto musí s programátory ještě spolupracovat výtvarníci, kteří animované obrázky vytvářejí. 3

14 Při vytváření vlastního simulátoru se obvykle využívají nejrůznější standardní vývojová prostředí pro tvorbu softwarových a webových komponent (např. Visual Studio.NET, prostředí pro vývoj v jazyce Java jako třeba NetBeans aj.). Pro návrh a programování interaktivní grafiky je možno využít další specializovaná prostředí (jako např. Adobe Flash a příslušný jazyk ActionScript aj.). Výukové simulátory jsou také vyvíjeny pomocí nástrojů pro vizualizaci průmyslových aplikací, např. my jsme dlouho pro tento účel používali vývojhové prostředí Control Web. Tvorba simulačního modelu i tvorba simulátoru spolu úzce navzájem souvisejí předpokladem pro tvorbu výukového simulátoru je dostatečně dobře verifikovaný model, na druhé straně, využití simulátoru ve výuce přináší nové požadavky na vytvoření nových či modifikaci stávajících simulačních modelů. Pokud pro tvorbu simulačních modelů a pro vytváření vlastního simulátoru používáme odlišné vývojové nástroje, musíme pak zajistit dostatečně flexibilní přenos výsledků z jednoho vývojového prostředí do druhého. Tak např. modifikujeme-li simulační model v některém nástroji pro tvorbu simulačních modelů (např. v prostředí Matlab/Simulink či Modelica), je výhodné zajistit, aby se změny v modelu bez větších potíží mohly rychle promítnout do aktualizace těchto změn ve vlastním simulátoru (vyvíjeném třeba v prostředí Visual Studio.NET) K usnadnění tohoto přenosu je vhodné si vytvořit i vlastní softwarové pomůcky, nebo využít specializované integrované vývojové nástroje. 5 Kreativní propojení technologií 5. Původní řešení tři typy vývojových nástrojů O naši původní technologii využívání a propojování vývojových nástrojů pro tvorbu simulátorů jsme postupně referovali na předchozích ročnících konference Objekty [5,7,9,]. Dlouho jsme pro tvorbu simulátorů byli nuceni pracovat se třemi typy rozdílných softwarových nástrojů: Softwarové nástroje pro tvorbu a ladění matematických modelů, které budou podkladem simulátoru Matlab/Simulink. V tomto prostředí je výhodné a efektivní simulační modely vyvíjet, problematické je ale v tomto prostředí simulátory provozovat [7,9]. Softwarový nástroj pro vývoj vlastního simulátoru - zde jsme využívali prostředí Microsoft Visual Studio.NET. Simulátory byly vyvíjeny v jazyce C#. Dalším prostředím pro tvorbu výukových aplikací bylo vývojové prostředí Control Web, české firmy Moravské přístroje [5], zejména proto, že má vynikající možnosti pro rychlé vytváření uživatelského rozhraní simulátoru toto rozhraní má ale příliš technicistní charakter. Softwarové nástroje pro tvorbu interaktivní multimediální grafiky - uživatelského rozhraní pro simulátory []. Zde jsme dlouhodobě využívali nástroj Adobe Flash (dříve Macromedia Flash). V tomto nástroji je možné vytvářet interaktivní animace, které ale lze zároveň programovat pomocí speciálního programového jazyka ActionScript. Animace je pak možné vkládat do programů vy- 4

15 tvořených v prostředí i do programů vytvořených v prostředí Control Web. Důležité je, že animace mohou (díky výše zmíněné možnosti programování v jazyce ActionScript) softwarově komunikovat se simulačním modelem naprogramovaným v jazyce C# v Microsoft Visual Studiu.NET. Obdobně je možné animace vkládat i do prostředí Control Web. Protože pro tvorbu simulačních modelů a pro vytváření vlastního simulátoru jsme použivali odlišné vývojové nástroje, museli jsme pak zajistit dostatečně flexibilní přenos výsledků z jednoho vývojového prostředí do druhého. Protože matematické modely jsme vytvářeli ve vývojovém prostředí Matlab/Simulink a vlastní výukové simulátory budovali v prostředí Visual studia Microsoft.NET, (případně v prostředí ControlWeb), bylo proto nutné vytvořit softwarové nástroje, které by umožnily zautomatizovat převod modelu z prostředí Matlab/Simulink do prostředí Visual studia Microsoft.NET. Tyto propojovací nástroje [7] umožnily vyvíjet a průběžně aktualizovat matematický model v nejvhodnějším prostředí určeném pro vývoj matematických modelů, Automatické generování modelu jako virtuálního adi e Automatické generování e modelu jako.net assembly Tvorba simula ního modelu v prost edí Matlab/Simulink Model jako virtuální adi ídící vrstva Model jako.net assembly ídící vrstva Tvorba animací (v Adobe Flash) Vývoj simulátoru (programátorská práce) Interaktivní animace Vývojové prost edí Control Web Interaktivní animace Vývojové prost edí Microsoft VisualStudio.NET Distribuce simulátor Tvorba scéná výukových program využívajících simula ní hry a simulátory Obr. 2 - Původní řešení kreativního propojení nástrojů a aplikací pro tvorbu simulátorů a výukových programů využívajících simulační hry. Základem e-learningového programu je kvalitní scénář, vytvořený zkušeným pedagogem. Tvorba animovaných obrázků je odpovědnost výtvarníků, kteří vytvářejí interaktivní animace v prostředí Adobe Flash. Jádrem simulátorů je simulační model, vytvářený v prostředí speciálních vývojových nástrojů, určených pro tvorbu simulačních modelů. Dlouho jsem zde využívali prostředí Matlab/Simulink od firmy Matworks. Vývoj simulátoru je náročná programátorská práce, pro jejíž usnadnění jsme vyvinuli speciální programy, usnadňující automatický převod vytvořeného simulačního modelu z prostředí Matlab/Simulink do prostředí Control Web a do prostředí Microsoft.NET. 5

16 Modelica.NET Automatické generování modelu jako.net assembly Vývojové Prost edí.net 3.5 Model prost edí jako Model Microsoft VisualStudio virtuální jako.net adi assembly ídící vrstva Statechart editor Animteste ster Tvorba simula ního modelu v prost edí Matlab/Simulink Modelica Tvorba animací v Expression Blend Vývoj simulátoru (programátorská práce) Interaktivní animace ídící vrstva Interaktivní animace Vývojové prost edí Control Web Distribuce simulátor v prohlíže i Tvorba scéná výukových program využívajících simula ní hry a simulátory Obr. 3 - Nové řešení kreativního propojení nástrojů a aplikací pro tvorbu simulátorů a výukových programů využívajících simulační hry. Základem e-learningového programu nadále zůstává kvalitní scénář, vytvořený zkušeným pedagogem. Tvorba animovaných obrázků je odpovědnost výtvarníků, kteří vytvářejí interaktivní animace v prostředí Expression Blend. Pro vytváření a testování animací, které budou posléze řízeny simulačním modelem výtvarník využívá námi vyvinutý softwarový nástroj Animtester. Jádrem simulátorů je simulační model, vytvářený v prostředí speciálních vývojových nástrojů, určených pro tvorbu simulačních modelů. My zde nyní využíváme velmi efektivní prostředí využívající akauzální simulační jazyk Modelica. Pracujeme na překladači jazyka Modelica do podoby.net komponenty, která spolu s řešičem diferenciálních rovnic implementovaným také na platformě.net bude sloužit jako datová vrstva simulátoru s implementovaným modelem. Uživatelské prostředí je se simulačním modelem propojeno pomocí konceptu Data Binding, který zajišťuje inteligentní automatickou propagaci hodnot mezi těmito vrstvami, tedy přenos dat. Pro návrh vnitřní logiky aplikace používáme hierarchické stavové automaty (jejichž pomocí je možno zapamatovat příslušný kontext modelu a kontext uživatelského rozhraní). Vyvinuli jsme také vizuální prostředí (Statecharts editor) umožňující graficky automaty navrhnout, vygenerovat jejich kód a také je ladit. Výsledný simulátor je webová aplikace pro platformu Silverlight umožňující přes distribuovat simulátor jako webovou aplikaci běžící přímo internetovém prohlížeči (i na počítačích s různými operačními systémy stačí aby prohlížeč měl instalován příslušný plugin). a zároveň vyvíjet vlastní simulátor ve Visual Studiu.NET (případně ControlWeb) aniž bude nutné matematický model ručně přeprogramovávat. Umožnily snadnou multidisciplinární spolupráci členů řešitelského týmu - systémových analytiků, vytvářejících matematické modely a programátorů, implementujících simulátor. Na druhé straně to ovšem znamenalo práci ve třech softwarových prostředích a při každé inovaci jednotlivého prostředí bylo nezřídka nutno inovovat příslušné propojovací nástroje. 6

17 Z hlediska uživatele s jednoduchými modely implementovanými přímo v Action Scriptu na pozadí flashových animací bylo možné pracovat přímo v prohlížeči s nainstalovaným flash playerem (viz např. výukový simulátor mechanických vlastností svalu, jednoduchý simulátor krevního oběhu či simulátor acidobazické rovnováhy plazmy) Složitější modely, např. komplexní model přenosu krevních plynů (již před vlastním spuštěním ale vyžadovaly instalaci modelu na počítači klienta (a přítomnost platformy.net, která, pokud nebyla na počítači klienta nainstalována, byla automaticky stažena ze serveru Microsoftu). Instalace programů však vyžaduje mít k počítači příslušná administrátorská práva, a krom toho se model, který běží jako samostatná aplikace, jen nepřímo propojuje s webovým rozhraním, kde je realizován interaktivní multimediální výklad. 5.2 Současné řešení redukce platforem a možnost spustitelného simulátoru přímo v internetovém prohlížeči Z hlediska pedagogického efektu by proto bylo vhodné mít možnost spouštět a ovládat i složité modely přímo z webového prohlížeče [6]. Ukazuje se, že tato cesta je dnes možná, pokud celý simulátor vytvoříme tak aby byl spustitelný v novém prostředí Microsftu Silverlight. Silverlight je reakcí Microsftu na dnes hojně rozšířený flash-player firmy Adobe. Silverlight je webová platforma založená na technologii.net, která úplně abstrahuje od použitého operačního systému i hardware, na kterém aplikace běží. Je určená pro tvorbu dynamického online obsahu a interaktivní práce s ním. Kombinuje text, vektorovou i bitmapovou grafiku, animace a video. Aplikace primárně běží v internetovém prohlížeči bez potřeby její instalace (jediná potřebná instalace je samotný Silverlight plugin). Pomocí malé stažitelné komponenty (plugin) tedy Silverlight umožní interaktivní ovládání aplikací ve většině současných webových prohlížečů (Internet Explorer, Firefox, Safari) na různých hardwarových a softwarových platformách. Přímo jsou nyní podporovány operační systémy Windows a Mac pro nejpoužívanější prohlížeče. Pro Linux je vyvíjená plně kompatibilní open source implementace Moonlight. Aplikace vytvořené pro tuto platformu využívají podstatnou část.net frameworku, který je součástí pluginu (a tudíž mohou provádět i poměrně složité výpočty). Silverlight je tedy platformou umožňující přes internet distribuovat simulátory, které mohou běžet přímo v internetovém prohlížeči (a to i na počítačích s různými operačními systémy stačí aby prohlížeč měl instalován příslušný plugin). Pro vývoj vlastního simulátoru je tak možné použít prostředí Microsoft Visual Studia s rozšířeními pro Silverlight. Implementačními jazyky simulátorů jsou C# a F# (funkcionální jazyk pro.net vhodný k implementaci vědeckých výpočtů). Do platformy.net nakonec v blízké budoucnosti převedeme i vygenerovaný zdrojový kód modelu vytvořeného v akauzálním modelovacím jazyce Modelica a získáme tak možnost jednoduše propojit tento moderní modelovací jazyk s prostředím, v němž bude vytvářen simulátor spustitelný v okně webového prohlížeče (Obr. 3). 7