«Теория систем и системный анализ. Учебное пособие: Основы системного анализа Процессы познания и системность

ОСНОВЫ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Тема 6. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ЧИСЛЕННЫЕ МЕТОДЫ

Базовые понятия и определения. Основы системного анализа

Естественную науку можно представить состоящей из трех частей: эмпирической, теоретической и математической.

Эмпирическая часть содержит фактические сведения, добытые в экспериментах и наблюдениях, а также из их первичной систематизации.

Теоретическая часть развивает теоретические концепции, позволяющие объединить и объяснить с единых позиций значительный комплекс явлений, и формулирует основные закономерности, которым подчиняется эмпирический материал.

Математическая часть конструирует математические модели, служащие для проверки основных теоретических концепций, дает методы для первичной обработки экспериментальных данных с тем, чтобы их можно было сопоставить с результатами моделей, и разрабатывает методы планирования эксперимента с таким расчетом, чтобы при небольшой затрате сил по возможности можно было из экспериментов получить достаточно надежные данные.

Такая схема отвечает строению многих естественных наук, однако развитие разных частей, особенно математических моделей в настоящее время в социально-экономической области совершенно несравнимо, скажем, с физикой, механикой и астрономией.

Это обстоятельство обусловлено, с одной стороны, тем, что разработка теоретических концепций и математических моделей в экологии началась намного позже, чем в названных науках, а с другой – тем, что характер изучаемых биологических явлений значительно сложнее, в силу чего приходится принимать во внимание гораздо больше факторов при построении моделей экологических процессов, чем физических. В обиходе это последнее обстоятельство обычно именуется специфической сложностью процессов жизнедеятельности.

Кроме того, построение математических моделей в экологии сильно затруднено тем, что большинство экологов, химиков, биологов и других специалистов не в достаточной мере владеют математикой, а среди математиков немногие обладают соответствующими интересами и достаточными знаниями в указанных выше областях.

Противоречия между неограниченностью желаний человека познать мир и ограниченностью существующих возможностей сделать это, между бесконечностью природы и конечностью ресурсов человечества имеют много важных последствий, в том числе и в самом процессе познания человеком окружающего мира. Одна из таких особенностей познания, которые позволяют постепенно, поэтапно разрешать эти противоречия,- наличие аналитического и синтетического образов мышления.

Суть анализа состоит в разделении целого на части, в представлении сложного в виде совокупности более простых компонент. Но чтобы познать целое, сложное, необходим и обратный процесс – синтез. Это относится не только к индивидуальному мышлению, но и к общечеловеческому знанию.

Аналитичность человеческого знания находит свое отражение в существовании различных наук, в продолжающейся дифференциации наук, во все более глубоком изучении все более узких вопросов, каждый из которых сам по себе тем не менее интересен, важен и необходим. Вместе с тем столь же необходим и обратный процесс синтеза знаний. Так возникают "пограничные" науки типа биохимии, физикохимии, геохимии, геофизики, биофизики или бионики и т.д. Однако это лишь одна из форм синтеза. Другая, более высокая форма синтетических знаний реализуется в виде наук о самых общих свойствах природы. Философия выявляет и отображает все общие свойства всех форм материи; математика изучает некоторые, но также всеобщие, отношения. К числу синтетических относятся и системные науки: кибернетика, теория систем, теория организации и др. В них необходимым образом соединяются технические, естественные и гуманитарные знания.

Итак, расчлененность мышления (на анализ и синтез) и взаимосвязанность этих частей являются очевидными признаками системности познания.

При анализе и синтезе больших систем, какими являются природные экологические комплексы, получил развитие системный подход, который отличается от классического (или индуктивного) подхода. Последний рассмативает систему путем перехода от частного к общему и синтезирует (конструирует) систему путем слияния ее компонент, разрабатываемых раздельно. В отличие от этого системный подход предполагает последовательный переход от общего к частному, когда в основе рассмотрения лежит цель, причем исследуемый объект выделяется из окружающей среды. Так что же такое системный подход?

Определение : Системный подход – это современная методология для изучения и решения проблем, носящих, как правило, междисциплинарный характер. Системный подход означает всего лишь стремление изучить то или другое явление или объект с учетом максимального числа внутренних связей и внешних факторов, определяющих функционирование объекта, т.е. стремление изучить его во всей диалектической сложности, вскрыв все внутренние противоречия. Надо различать понятия системный подход и системный анализ.

Определение : Системный анализ – это совокупность методов, приемов, процедур, основанных на использовании современных возможностей обработки информации и диалога "человек-машина". Любое системное исследование завершается оценкой качества функционирования системы, сравнением разных вариантов проектов.

Вопреки представлениям многих экологов, системный анализ не есть какой-то математический метод и даже не группа математических методов. Это широкая стратегия научного поиска, которая, конечно использует математический аппарат и математические концепции, но в рамках систематизированного научного подхода к решению сложных проблем.

По существу системный анализ организует наши знания об объекте таким образом, чтобы помочь выбрать нужную стратегию или предсказать результаты одной или нескольких стратегий, которые представляются целесообразными тем, кто должен принимать решения. В наиболее благоприятных случаях стратегия, найденная с помощью системного анализа, оказывается "наилучшей" в некотором определенном смысле.

Мы будем понимать под системным анализом упорядоченную и логическую организацию данных и информации в виде моделей, сопровождающуюся строгой проверкой и исследованием самих моделей, необходимыми для их верификации и последующего улучшения. В свою очередь модели мы можем рассматривать как формальные описания основных элементов естественно-научной проблемы в физических или математических терминах. Ранее основной упор при объяснении тех или иных явлений делался на использование физических аналогий биологических и экологических процессов. Системный анализ также иногда обращается к физическим аналогиям подобного рода, однако чаще применяемые здесь модели математические, и в своей основе абстрактные.

Как мы уже отметили выше существует различие в сущности понятий "системный подход" и "системный анализ". Академик Н.Н. Моисеев по этому поводу отмечал следующее: "Если системный анализ дает средства для исследований, формирует инструментарий современной междисциплинарной научной деятельности, то системный подход определяет, если угодно, его "идеологию", направленность, формирует его концепцию. Средства и цели исследования - вот как в несколько афористической форме можно объяснить различие этих терминов.

Понятие системы. Дадим определение базовым понятиям системного анализа. Итак, элементом назовем некоторый объект (материальный, энергетический, информационный), обладающий рядом важных для нас свойств, но внутреннее строение (содержание) которого безотносительно к цели рассмотрения. Другое важное понятие - связь - важный для целей рассмотрения обмен между элементами веществом, энергией, информацией.

Система определяется как совокупность элементов, обладающую следующими признаками:

а) связями, которые позволяют посредством переходов по ним от элемента к элементу соединить два любых элемента совокупности (связность системы);

б) свойством (назначением, функцией), отличным от свойств отдельных элементов совокупности (функция системы).

Системный анализ как общенаучный подход , ориентирован на проведение междисциплинарных (комплексных) исследований в различных областях человеческого знания.

Существует множество определений понятия “система ”, из наиболее существенных черт системы отметим следующие:

1) система состоит из отдельных частей (элементов), между которыми устанавливаются определенные взаимоотношения (связи);

2) наборы элементов образуют подсистемы;

3) система обладает определенной структурой, под которой понимается набор элементов системы и характер связи между ними;

4) каждая система может рассматриваться как часть системы более высокого порядка (принцип иерархичности);

5) система имеет определенные границы, характеризующие ее обособленность от окружающей среды;

6) по степени “прозрачности” границ системы разделяются на открытые и закрытые;

7) связи классифицируются на внутрисистемные и межсистемные, положительные и отрицательные, прямые и обратные;

8) система характеризуется устойчивостью, степенью самоорганизации и саморегуляции.

Центральное место в системном анализе занимает моделирование. Модель – это объект (материальный, идеальный), который воспроизводит наиболее существенные черты и свойства рассматриваемого явления или процесса. Целью построения модели является получение и/или расширение знаний об исследуемом объекте.

Большой системой назовем систему, включающую значительное число однотипных элементов и однотипных связей. Сложной системой назовем систему, состоящую из элементов разных типов и обладающую разнородными связями между ними. Структурой системы называется ее расчленение на группы элементов с указанием связей между ними, неизменное на все время рассмотрения и дающее представление о системе в целом.

Декомпозицией называется деление системы на части, удобное для каких-либо операций с этой системой. Иерархией назовем структуру с наличием подчиненности, т.е. неравноправных связей между элементами, когда воздействия в одном из направлений оказывают гораздо большее влияние на элемент, чем в другом.

После определения этих основополагающих понятий можно перейти к классификации видов моделирования систем.

Методы системного анализа. При решении конкретных задач системного анализа общий метод дифференцируется в различные частные методы, которые в зависимости от степени использования в них формальных элементов можно разбить на три группы:

1) математические (формальные);

2) эвристические (неформальные);

3) комбинированные математические и эвристические методы.

Эти методы в системном анализе используются:

1) для определения численных значений показателей, характеризующих результаты функционирования системы;

2) для поиска наилучших вариантов действий, ведущих к достижению определенных результатов (оптимизация);

3) для обработки и анализа эвристических данных (например, данных экспертных экологических оценок).

При решении задач первой группы находят применение практически все известные математические методы (дифференцирование, интегральное и векторное исчисления, теория множеств, теория вероятностей, математическая статистика, сетевое моделирование, анализ функций отклика, стохастическое моделирование, исследование устойчивости, теория графов, математическое моделирование, теория управления и т.д.).

При решении оптимизационных задач для исследования оптимальных стратегий управления природной средой наиболее широко используются методы исследования операций (линейное, динамическое и другие виды программирования, теория массового обслуживания, теория игр). Этой работе должна предшествовать натурная проверка динамических моделей и управляющих воздействий, используемых в исследованиях по оптимизации.

Основным математическим аппаратом обработки эвристических данных является теория вероятностей и математическая статистика.

Несмотря на все большую роль математических методов, нельзя считать, что формальные методы современной математики окажутся универсальным средством решения всех проблем, возникающих в области экологии. Методы, использующие результаты опыта и интуицию, т.е. эвристические (неформальные), безусловно сохранят свое значение и в дельнейшем.

Процедуры формирования целей системы, вариантов их реализации, моделей, критериев не могут быть полностью формализованы.

В связи с этим особенность эвристических методов состоит в том, что эксперт, оценивая события, в основном опирается на информацию, заключенную в его опыте и интуиции.

Комбинированные математические и эвристические методы. Среди комбинированных математических методов можно выделить следующие:

Метод ситуаций.

Метод "Дельфи".

Метод структуризации.

Метод дерева решений.

Имитационное моделирование, в том числе деловые игры.

Среди эвристических и комбинированных методов системного анализа наиболее известными являются:

Эвристические : написание сценариев; морфологический метод; метод коллективной генерации идей; определение степени предпочтения.

Комбинированные : метод ситуаций; метод "Дельфи"; метод структуризации; метод дерева решений; имитационное моделирование, в том числе деловые игры.

Область возможных применений этих методов:

Определение перечня целей и путей их достижения;

Определение предпочтительности (ранжирование) отдельных

целей, путей, мероприятий, результатов и т.д.;

Декомпозиция целей, программ, планов и т.д. на их

составные элементы;

Выбор наилучших путей достижения поставленных целей;

Выбор критериев сравнения целей и путей их достижения;

Построение моделей выбора целей и путей их достижения;

Синтез данных анализа функционирования системы в целом.

Перечисленные методы системного анализа не следует противопоставлять друг другу. Каждый имеет свои преимущества и недостатки, но ни один из них нельзя считать универсальным, пригодным для решения любых задач. Наилучшие результаты можно получить сочетанием нескольких методов в зависимости от характера решаемой задачи. По мере перехода на более высокие уровни управления цели и другие элементы системного анализа приобретают все больше качественный характер, возрастает значение методов, основанных на экспертных оценках . Сложность моделирования процессов, протекающих в природных экосистемах, еще больше затрудняет применение математических методов. Одновременно повышается роль фактора неопределенности; уход от рассмотрения неопределенности, особенно присущий математическим методам анализа, может привести к неправильным выводам.

Системный анализ стремится определять соотношения между большим числом количественных параметров, тем самым он в большей или меньшей степени связан с использованием математических средств. Таким образом, успех анализа зависит от степени знакомства с рядом специальных приемов математики .

Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования

šКузбасский государственный технический университетŸ

ОСНОВЫ СИСТЕМНОГО АНАЛИЗА

Текст лекций

Кемерово 2008

УДК 517 ББК 22.161

Р е ц е н з е н т ы:

Доктор технических наук, профессор В. Я. Карташов (Кемеровский государственный университет)

Кузбасское региональное отделение Российской академии естествознания

Основы системного анализа: текст лекций / сост. Ю. Е. Воронов; Кузбас. гос. техн. ун-т. – Кемерово, 2008. – 107 с.

ISBN 978-5-89070-604-1

Рассмотрены основные понятия прикладного системного анализа, а также основные методы, используемые в системном анализе: моделирование, строгие математические методы, алгоритмизация, слабоформализуемые и в принципе неформализуемые процедуры.

Владение основными понятиями, методами и процедурами системного анализа позволит студентам успешно осваивать учебный материал и решать возникающие проблемы.

Предназначено для студентов специальности 190701 – “Организация перевозок и управление на транспорте” и может быть использовано студентами других специальностей, а также аспирантами, научными работниками и преподавателями.

Печатается по решению редакционно-издательского совета Кузбасского государственного технического университета.

ПРЕДИСЛОВИЕ

В настоящее время для большинства мыслящих людей совершенно ясно, что не существует отдельных, абсолютно обособленных, наук – физики, химии, биологии, математики и т.д. Все они тесно связаны друг с другом, постоянно контактируют, переходят друг в друга, образуя вместе некую единую систему знаний. Для обобщения всех этих знаний в некое неразделенное знание нужна наука, изучающая общие для всех конкретных наук закономерности. Такой типично меж- и наддисциплинарной наукой и стал системный анализ .

С другой стороны, системный анализ является прикладной дисциплиной, призванной вырабатывать практические рекомендации для решения возникающих проблем. К числу используемых для этого методов относятся и строгоформализованные (оптимизация, принятие решений), и лишь направленные на формализацию (моделирование, экспериментальные исследования), и слабоформализованные (экспертные оценки, коллективный выбор), и в принципе неформализуемые процедуры (формулирование проблем, выявление целей, формирование критериев, генерирование альтернатив).

Курс системного анализа направлен на преодоление недостатков узкой специализации дисциплин, изучаемых в вузе, усиление междисциплинарных связей, развитие у будущих специалистов системного мышления, приобретение навыков системного решения проблем. Это является одним из важнейших направлений перестройки высшего образования.

1. ИСТОРИЯ РАЗВИТИЯ И СОВРЕМЕННОЕ СОСТОЯНИЕ СИСТЕМНЫХ ПРЕДСТАВЛЕНИЙ

Системные представления на современном этапе достигли уже такого уровня, что в полезности системного подхода к решению возникающих в практике проблем сейчас никого не надо убеждать. Не только ученые, но и инженеры, педагоги, менеджеры, деятели культуры и др. осознали, что успехи и неудачи в их деятельности во многом зависят от того, насколько системной была эта деятельность. Если в процессе деятельности появилась проблема, то это является сигналом недостаточной системности действий; разрешение же возникшей проблемы свидетельствует о возросшем уровне системности.

Это вовсе не значит, что мышление стало системным только сейчас. Оно было таким всегда и другим быть не может. Разные уровни может иметь лишь осознание системности. Мало того, оказалось, что в природе вообще нет ничего несистемного. И хотя осознание всеобщей системности мира пришло не сразу, и приходило с трудом, не прийти оно не могло, т.к. системные представления возникли по объективным причинам и развиваются под воздействием объективных факторов.

1.1. Системные представления в практической деятельности

Первой объективной причиной возникновения и фактором развития системных представлений является природная системность человеческой практики. Практическую деятельность человека можно определить как активное воздействие на окружающую среду для достижения определенной цели. Всякое действие представляет собой совокупность взаимосвязанных более мелких действий, причем все эти действия должны выполняться не произвольно, а в определенной последовательности.

Последовательность построения деятельности по-другому называется алгоритмом . Если раньше понятие алгоритма применялось только в математике и означало точно определенную последовательность операций над числами и другими математическими объектами, то сейчас говорят уже об алгоритмичности любой деятельности. При этом речь идет не только об алгоритмах действий, явно алгоритмичных (обучение, принятие управленческих решений), но даже об алгоритмах творчества (изобретательство, сочинение музыки и т.п.).

Оказывается, что:

− все действия подчиняются определенному алгоритму, хотя этот алгоритм в реальных условиях не всегда и осознается (например, композитор сочиняет музыку, шофер автоматически реагирует на изменение дорожной обстановки, вратарь šне думаяŸ ловит в броске мяч и т.п.);

− если результаты каких-то действий оказываются неудовлетворительными, то причину этого следует искать, прежде всего, в несовершенстве алгоритма.

Таким образом, в практической деятельности налицо основные признаки системности, а именно: подчиненность этой деятельности

определенной цели, структурированность, взаимосвязанность составляющих ее частей, алгоритмичность.

Из того, что говорилось, может сложиться впечатление, что человек лишь пассивно наблюдает за окружающим миром и постепенно осознает для себя объективную системность своей деятельности в этом мире. Однако это не так. Понимая полезность системного подхода, человек эту системность сознательно повышает.

Это можно продемонстрировать на примере одной из глобальных проблем человечества – проблемы повышения производительности труда. Никому не надо доказывать, что производительность труда необходимо повышать. Вопрос только в том, как это сделать. При всей сложности такого вопроса достигается это в основном за счёт совершенствования средств труда и улучшения его организации.

Простейшим способом повышения эффективности труда является механизация . Действительно, человечество на протяжении своего существования постоянно вооружается различными механизмами – начиная от простейших ручных орудий и приспособлений и кончая сложнейшими современными машинами. С помощью механизмов и машин один человек может выполнить такую работу, которую без них могло бы выполнить лишь большое количество людей.

Пример . Подсчитано, что если бы уровень механизации строительных работ сейчас оставался на этапе строительства ДнепроГЭСа, то для сооружения нынешних одних только гидроэлектростанций понадобилось бы всё трудоспособное население страны.

Механизация позволяет решить очень много проблем, её возможности и сейчас ещё далеко не исчерпаны. Тем не менее, механизация имеет свой естественный предел. Работой механизмов управляет человек, а его возможности ограничены. Ограничена скорость реакции человека, поэтому нет смысла механизировать очень быстрые процессы. Машина не должна иметь слишком много приборов и рычагов управления – у человека только два глаза и две руки. Короче говоря, ¡узким местом¢ механизации является сам человек .

А раз так, то для дальнейшего повышения производительности труда человека из производственного процесса надо исключить, т.е. возложить на машины не только функцию выполнения самой работы, но и функции управления. Технические устройства, которые позволяют это сделать, называются автоматами , а этот уровень решения

проблемы повышения производительности труда, а значит, и системности общественного производства, получил название, соответственно, автоматизации . По сравнению с системой под названием šмашинаŸ в систему под названием šавтоматŸ дополнительно включена подсистема управления.

Автоматы полностью освобождают человека от выполнения работы. Они могут иметь самые различные назначение и сложность (например: игровые автоматы, автоматическая телефонная связь, автоматические линии, цеха и заводы, промышленные роботы). Со временем автоматизации поддаются все более сложные процессы, в том числе и такие, которые раньше выполнялись только с использованием мыслительной деятельности. Особое место среди таких автоматов занимают компьютеры.

Подсчитано, например , что если бы сейчас плановые, экономические и финансовые органы обрабатывали информацию на счётах и арифмометрах, то всё трудоспособное население страны должно было бы работать в бухгалтериях. И если этого нет, то только благодаря компьютеризации.

Однако автоматизировать можно только те работы, для которых точно известно – что, как и в каком порядке нужно делать в каждом конкретном случае. Автоматы работают по определённому алгоритму, и если этот алгоритм хотя бы в одной какой-то своей части неправилен или неточен, или если при работе встречается операция, не предусмотренная алгоритмом, автомат будет либо делать не то, для чего он предназначен, либо не будет работать вообще.

Отсюда следует, что и у автоматизации есть свой естественный предел , и обусловлен он тем, что в реальной жизни весьма часто встречаются непредвиденные ситуации, и, кроме того, многие практические действия невозможно алгоритмизировать. Особенно часто такие проблемы возникают при управлении человеческими коллективами, крупными производственными комплексами, при вмешательстве в жизнедеятельность человеческого организма, при воздействии человека на природу, т.е. при управлении сложными системами .

Основная идея разрешения таких проблем состоит в том, чтобы использовать ту человеческую способность, которая называется интеллектом , который как раз и характеризуется способностью ориентироваться в незнакомых условиях и решать не описываемые математически задачи. На этом принципе строятся, например, автоматизи-

рованные системы управления, в которых формализованные операции выполняют автоматы и ЭВМ, а неформализованные – человек.

На этом уровне повышения производительности труда и системности общественного производства к системе šавтоматŸ подключена интеллектуальная составляющая, и он получил название кибернетизации . Причем на современном этапе кибернетика не ограничивается использованием только естественного человеческого интеллекта. Уже давно ведутся широкомасштабные работы по созданию т.н. šискусственного интеллектаŸ, на который возлагаются большие надежды.

1.2. Системность мышления и познания

Второй объективной причиной возникновения системных наук является системность человеческого мышления, а, следовательно, и познания.

Как известно, окружающий нас мир бесконечен в своих проявлениях и свойствах. Человек же существует ограниченное время и располагает конечными материальными, энергетическими и информационными ресурсами. И, тем не менее, ему удаётся познавать мир и, как показывает практика, познавать правильно. За счёт чего?

Дело здесь в особенностях человеческого мышления. Одна из таких особенностей состоит в том, что ему объективно присущи аналитический и синтетический образы мышления. Аналитический способ мышления позволяет человеку познавать мир постепенно, всё более углубляя знания о нём. Это проявляется в существовании различных наук, причем их дифференциация продолжается и сейчас.

Однако получение этих глубоких, но разрозненных знаний, является лишь промежуточным этапом познания, поскольку конечной целью является познание проблемы в целом. Поэтому эти знания человек должен как-то обобщать. Для этого у человека предусмотрен обратный аналитическому образ мышления – синтетический . Результатом этого является возникновение т.н. šпограничныхŸ наук, таких как, например, биохимия, физическая химия, биотехнология и т.п. Однако šпограничныеŸ науки это лишь одна из форм приобретения синтетических знаний. Другую, более высокую форму дают науки философского направления . К числу таких наук можно отнести собственно философию, изучающую, как известно, всеобщие свойства материи, математику, тоже отражающую некоторые общие отноше-

ния, а также такие системные науки как кибернетика, теория систем, теория организации и др.

Таким образом, расчлененность мышления на анализ и синтез, и их взаимосвязанность являются очевидными признаками системности познания.

Эволюция взглядов на системность мышления . Следует отметить, что в ходе исторического развития взгляды на способы познания мира не были одинаковыми.

В древних цивилизациях (Египет, Греция, Рим) преобладало нерасчлененное знание. Мир тогдашними учеными изучался как нечто целостное. Недаром именно в то время были заложены основы философии, сформулированы основные всеобщие законы мироздания.

Однако после того как основные мировые законы были открыты и сформулированы, ученые и мыслители стали осознавать необходимость проникновения вглубь изучаемых явлений. На этом этапе на передний план вышел аналитический способ мышления. Аналитический подход позволил достигнуть на пути глубокого познания природы, можно без преувеличения сказать, гигантских успехов. Однако одновременно с этим появилась привычка рассматривать вещи и процессы природы обособленно, была утрачена способность понимать их во взаимосвязи.

По мере всё более глубокого проникновения в суть изучаемых различными науками явлений снова стало появляться понимание незавершенности аналитического знания, необходимости синтеза накопленных знаний в некоторое целое, неразделённое знание. Это происходит, естественно, уже на более высоком, нежели в древнем мире, уровне. Этот этап мы переживаем в настоящее время.

1.3. Системность как всеобщее свойство материи

Итак, мы убедились в том, что важнейшими причинами возникновения и факторами развития системных представлений являются природная системность практической деятельности человека и внутренняя системность человеческого мышления.

Поскольку и в первом, и во втором случае речь идет о человеке, закономерно возникает вопрос: а может быть системность является свойством самого человека? Может быть, он просто выработал её для удобства изучения мира и облегчения своей деятельности в нём, а сам

мир не только безразличен к тому, кто и как его познает, и познает ли вообще, но может и не иметь ничего общего с нашими представлениями о нём? На этот извечный вопрос о познаваемости мира философы, причем независимо от взглядов, давали три различных ответа.

Одни (Ф. Бэкон) говорили, что умственные построения совершенно произвольны и в природе ничему не соответствуют (соответствия между субъективным мышлением и объективным миром нет вообще).

Другие (Б. Спиноза, И. Кант, Е. Дюринг), наоборот, считали, что и субъективное мышление, и объективный мир подчинены одним и тем же законам, а значит, системность является свойством природы и все умственные построения не могут быть ничем иным, как отражением природных явлений (соответствие между субъективным мышлением и объективным миром однозначное).

Третьи (Ф. Энгельс) отмечают, что мышление обладает все-таки некоторой свободой и любой мысленной конструкции не обязательно соответствует какая-то реальная система (соответствие неоднозначное). А то, насколько наши представления о мире соответствуют реальности, может быть проверено практикой.

Эта последняя концепция представляется на сегодняшний день наиболее правильной, и ее придерживается современная наука.

Отсюда следует, что системность – это не свойство человеческой практики или мышления, а свойство самой материи. При этом системность настолько присуща материи, что специалисты-системщики называют её даже единственной формой существования материи. При этом известные формы существования материи – пространство, время, движение – представляют собой, по их мнению, лишь частные проявления всеобщей системности мира. Современные научные данные и системные представления позволяют говорить о мире как о бесконечной иерархической системе систем, находящихся в постоянном развитии.

1.4. Системность как объект исследования

Как уже говорилось, осознание системности мира не было пассивным. Человек сознательно повышал, а значит, и изучал системные отношения. История развития системных представлений шла по двум направлениям. С противоположных исходных позиций приближались

к современному пониманию системности философия и конкретные науки . Философия, как известно, изучает всеобщие свойства мироздания и проявление этих свойств в конкретных науках. Применение категорий философии к изучению конкретных систем означает выявление в общих закономерностях их функционирования особенностей этих систем. Такой метод движения от общего к частному в науке получил название ¡дедуктивного¢ . Конкретные науки в своем движении от частного к общему используют противоположный, ¡индуктивный¢ метод – от исследования реальных систем к установлению общих закономерностей и собственно системным закономерностям.

Надо отметить, что системность всегда, осознанно или неосознанно, была методом любой науки. Любой учёный прошлого, даже не помышлявший о системах, именно с ними и имел дело. Быстрее всего системность была осознана в сфере человеческого познания. Философия, логика, математика – это области познания, в которых споры по системным проблемам уходят, что называется šв глубь вековŸ. Однако для нас особый интерес представляет системность как объект исследования в области естественных и технических наук.

Первым в явной форме вопрос о научном подходе к управлению сложными системами поставил в 30-40-е годы ХIХ века известный французский физик Ж.-М. Ампер . При создании классификации всевозможных, в том числе и не существовавших тогда, наук он выделил специальную науку об управлении государством и назвал ее кибернетикой (от греческого слова šискусство управления кораблёмŸ). Под искусством управления он понимал общие правила поведения, которыми должно руководствоваться правительство, чтобы обеспечить бесконфликтное развитие общества.

Эти положения существенно развил польский философ Б. Трентовский . В своей книге šОтношение философии к кибернетике как искусству управления народомŸ (1848 г.) он изложил разработанные им научные основы практической деятельности руководителя (кибернета). Главная сложность в управлении народом, говорил Трентовский, заключается в нестандартности поведения людей. Как общественные группы, так и отдельные личности имеют разные, зачастую не совпадающие, а иногда и прямо противоположные интересы, в результате чего в обществе постоянно существуют противоречия. Так вот, кибернет должен уметь, исходя из общего блага, одни противо-

Предметная область - раздел науки, изучающий предметные аспекты системных процессов и системные аспекты предметных процессов и явлений. Это определение можно считать системным определением предметной области .

Системный анализ - совокупность понятий, методов, процедур и технологий для изучения, описания, реализации явлений и процессов различной природы и характера, междисциплинарных проблем; это совокупность общих законов, методов, приемов исследования таких систем.

Системный анализ - методология исследования сложных, часто не вполне определенных проблем теории и практики.

Строго говоря, различают три ветви науки, изучающей системы:

системологию (теорию систем) которая изучает теоретические аспекты и использует теоретические методы (теория информации , теория вероятностей, теория игр и др.);

системный анализ (методологию, теорию и практику исследования систем), которая исследует методологические, а часто и практические аспекты и использует практические методы (математическая статистика, исследование операций, программирование и др.);

системотехнику, системотехнологику (практику и технологию проектирования и исследования систем).

За термин системотехнологика ответственность несет автор. Такое деление достаточно условно.

Общим у всех этих ветвей является системный подход, системный принцип исследования - рассмотрение изучаемой совокупности не как простой суммы составляющих (линейно взаимодействующих объектов), а как совокупности нелинейных и многоуровневых взаимодействующих объектов.

Любую предметную область также можно определить как системную.

Пример. Информатика - наука, изучающая информационно-логические и алгоритмические аспекты системных процессов, системные аспекты информационных процессов. Это определение можно считать системным определением информатики .

Системный анализ тесно связан с синергетикой . Синергетика - междисциплинарная наука, исследующая общие идеи, методы и закономерности организации (изменения структуры, ее пространственно-временного усложнения) различных объектов и процессов, инварианты (неизменные сущности) этих процессов. "Синергический" в переводе означает "совместный, согласованно действующий". Это теория возникновения новых качественных свойств, структур на макроскопическом уровне.

Системный анализ тесно связан и с философией. Философия дает общие методы содержательного анализа, а системный анализ - общие методы формального, межпредметного анализа предметных областей , выявления и описания, изучения их системных инвариантов. Можно дать и философское определение системного анализа: системный анализ - это прикладная диалектика.

Системный анализ предоставляет к использованию в различных науках, системах следующие системные методы и процедуры:

абстрагирование и конкретизация;

анализ и синтез, индукция и дедукция;

формализация и конкретизация;

композиция и декомпозиция;

линеаризация и выделение нелинейных составляющих;

структурирование и реструктурирование;

макетирование;

реинжиниринг;

алгоритмизация;

моделирование и эксперимент;

программное управление и регулирование;

распознавание и идентификация;

кластеризация и классификация;

экспертное оценивание и тестирование;

верификация

и другие методы и процедуры.

Имеются следующие основные типы ресурсов в природе и в обществе.

Вещество - наиболее хорошо изученный ресурс, который в основном представлен таблицей Д.И. Менделеева достаточно полно и пополняется не так часто. Вещество выступает как отражение постоянства материи в природе, как мера однородности материи.

Энергия - не полностью изученный тип ресурсов, например, мы не владеем управляемой термоядерной реакцией. Энергия выступает как отражение изменчивости материи, переходов из одного вида в другой, как мера необратимости материи.

Информация - мало изученный тип ресурсов. Информация выступает как отражение порядка, структурированности материи, как мера порядка, самоорганизации материи (и социума). Сейчас этим понятием мы обозначаем некоторые сообщения; ниже этому понятию мы посвятим более детальное обсуждение.

Человек - выступает как носитель интеллекта высшего уровня и является в экономическом, социальном, гуманитарном смысле важнейшим и уникальным ресурсом общества, рассматривается как мера разума, интеллекта и целенаправленного действия, мера социального начала, высшей формы отражения материи (сознания).

Организация (или организованность) выступает как форма ресурсов в социуме, группе, которая определяет его структуру, включая институты человеческого общества, его надстройки, применяется как мера упорядоченности ресурсов. Организация системы связана с наличием некоторых причинно-следственных связей в этой системе. Организация системы может иметь различные формы, например, биологическую, информационную, экологическую, экономическую, социальную, временную, пространственную, и она определяется причинно-следственными связями в материи и социуме.

Пространство - мера протяженности материи (события), распределения ее (его) в окружающей среде.

Время - мера обратимости (необратимости) материи, событий. Время неразрывно связано с изменениями действительности.

Можно говорить о различных полях, в которые "помещен" человек , - материальном, энергетическом, информационном, социальном, об их пространственных, ресурсных (материя, энергия , информация ) и временных характеристиках.

Пример. Рассмотрим простую задачу - пойти утром на занятия в вуз. Эта часто решаемая студентом задача имеет все аспекты:

материальный, физический аспект - студенту необходимо переместить некоторую массу, например, учебников и тетрадей на нужное расстояние;

энергетический аспект - студенту необходимо иметь и затратить конкретное количество энергии на перемещение;

информационный аспект - необходима информация о маршруте движения и месторасположении вуза и ее нужно обрабатывать по пути своего движения;

человеческий аспект - перемещение, в частности, передвижение на автобусе невозможно без человека , например, без водителя автобуса;

организационный аспект - необходимы подходящие транспортные сети и маршруты, остановки и т.д.;

пространственный аспект - перемещение на определенное расстояние;

временной аспект - на данное перемещение будет затрачено время (за которое произойдут соответствующие необратимые изменения в среде, в отношениях, в связях).

Все типы ресурсов тесно связаны и сплетены. Более того, они невозможны друг без друга, актуализация одного из них ведет к актуализации другого.

Пример. При сжигании дров в печке выделяется тепловая энергия , тепловая энергия используется для приготовления пищи, пища используется для получения биологической энергии организма, биологическая энергия используется для получения информации (например, решения некоторой задачи), перемещения во времени и в пространстве . Человек и во время сна расходует свою биологическую энергию на поддержание информационных процессов в организме; более того, сон - продукт таких процессов.

Социальная организация и активность людей совершенствует информационные ресурсы, процессы в обществе, последние, в свою очередь, совершенствуют производственные отношения.

Если классическое естествознание объясняет мир исходя из движения, взаимопревращений вещества и энергии , то сейчас реальный мир, объективная реальность могут быть объяснены лишь с учетом сопутствующих системных, и особенно системно-информационных и синергетических процессов.

Особый тип мышления - системный , присущий аналитику, который хочет не только понять суть процесса, явления, но и управлять им. Иногда его отождествляют с аналитическим мышлением, но это отождествление не полное. Аналитическим может быть склад ума, а системный подход есть методология, основанная на теории систем.

Предметное (предметно-ориентированное) мышление - это метод (принцип), с помощью которого можно целенаправленно (как правило, с целью изучения) выявить и актуализировать, познать причинно-следственные связи и закономерности в ряду частных и общих событий и явлений. Часто это методика и технология исследования систем.

Системное (системно-ориентированное) мышление - это метод (принцип), с помощью которого можно целенаправленно (как правило, с целью управления) выявить и актуализировать, познать причинно-следственные связи и закономерности в ряду общих и всеобщих событий и явлений. Часто это методология исследования систем.

При системном мышлении совокупность событий, явлений (которые могут состоять из различных составляющих элементов) актуализируется, исследуется как целое, как одно организованное по общим правилам событие, явление, поведение которого можно предсказать, прогнозировать (как правило) без выяснения не только поведения составляющих элементов, но и качества и количества их самих. Пока не будет понятно, как функционирует или развивается система как целое, никакие знания о ее частях не дадут полной картины этого развития.

Пример. В соответствии с принципом системного мышления общество состоит из людей (и, разумеется, из общественных институтов). Каждый человек - также система (физиологическая, например). У человека , в свою очередь, существуют присущие ему как организму системы, например, система кровообращения. Когда люди взаимодействуют с другими людьми, образуются новые системы - семья, этнос и др. Это взаимодействие может происходить на уровне общественных институтов, отдельных людей (например, социальные взаимодействия) и даже отдельных систем кровообращения (например, при прямом переливании крови).

В соответствии с принципом системного подхода, каждая система влияет на другую систему. Весь окружающий мир - взаимодействующие системы. Цель системного анализа - выяснить эти взаимодействия, их потенциал и "направить их на службу человека ".

Предметный аналитик (предметно-ориентированный или просто аналитик) - человек , профессионал, изучающий, описывающий некоторую предметную область , проблему в соответствии с принципами и методами, технологиями этой области. Это не означает "узкое" рассмотрение этой проблемы, хотя подобное часто встречается.

Системный (системно-ориентированный) аналитик - человек , профессионал высокого уровня (эксперт), изучающий, описывающий системы в соответствии с принципами системного подхода, анализа, т.е. изучающий проблему комплексно. Ему присущ особый склад ума, базирующийся на мультизнаниях, достаточно большом кругозоре и опыте, высоком уровне интуиции предвидения, умении принимать целесообразные ресурсообеспеченные решения. Его основная задача - помочь предметному аналитику принять правильное (сообразующееся с другими системами, не "ухудшающее" их) решение при решении предметных проблем, выявление и изучение критериев эффективности их решения.

Необходимые атрибуты системного анализа как научного знания:

наличие предметной сферы - системы и системные процедуры;

выявление, систематизация, описание общих свойств и атрибутов систем;

выявление и описание закономерностей и инвариантов в этих системах;

актуализация закономерностей для изучения систем, их поведения и связей с окружающей средой;

накопление, хранение, актуализация знаний о системах (коммуникативная функция).

Системный анализ базируется на ряде общих принципов, среди которых:

принцип дедуктивной последовательности - последовательного рассмотрения системы по этапам: от окружения и связей с целым до связей частей целого (см. этапы системного анализа подробнее ниже);

принцип интегрированного рассмотрения - каждая система должна быть неразъемна как целое даже при рассмотрении лишь отдельных подсистем системы;

принцип согласования ресурсов и целей рассмотрения, актуализации системы;

принцип бесконфликтности - отсутствия конфликтов между частями целого, приводящих к конфликту целей целого и части.

Системно в мире все: практика и практические действия, знание и процесс познания, окружающая среда и связи с ней (в ней). Системный анализ как методология научного познания структурирует все это, позволяя исследовать и выявлять инварианты (особенно скрытые) объектов, явлений и процессов различной природы, рассматривая их общее и различное, сложное и простое, целое и части.

Любая человеческая интеллектуальная деятельность обязана быть по своей сути системной деятельностью, предусматривающей использование совокупности взаимосвязанных системных процедур на пути от постановки задачи, целей, планирования ресурсов к нахождению и использованию решений.

Пример. Любое экономическое решение должно базироваться на фундаментальных принципах системного анализа , экономики,информатики , управления и учитывать поведение человека в социально-экономической среде, т.е. должно базироваться на рациональных, социально и экономически обоснованных нормах поведения в этой среде.

Неиспользование системного анализа не позволяет знаниям (закладываемым традиционным образованием) превращаться в умения и навыки их применения, в навыки ведения системной деятельности (построения и реализации целенаправленных, структурированных, обеспеченных ресурсами конструктивных процедур решения проблем). Системно мыслящий и действующий человек , как правило, прогнозирует и считается с результатами своей деятельности, соизмеряет свои желания (цели) и свои возможности (ресурсы) учитывает интересы окружающей среды, развивает интеллект, вырабатывает верное мировоззрение и правильное поведение в человеческих коллективах.

Окружающий нас мир бесконечен в пространстве и во времени ; человек существует конечное время , располагая при реализации цели конечными ресурсами (материальными, энергетическими, информационными, людскими, организационными, пространственными и временными).

Противоречия между неограниченностью желания человека познать мир и ограниченной (ресурсами, неопределенностью) возможностью сделать это, между бесконечностью природы и конечностью ресурсов человечества, имеют много важных последствий, в том числе - и для самого процесса познания человеком окружающего мира. Одна из таких особенностей познания, которая позволяет постепенно, поэтапно разрешать эти противоречия: использование аналитического и синтетического образа мышления, т.е. разделения целого на части и представления сложного в виде совокупности более простых компонент, и наоборот, соединения простых и построения, таким образом, сложного. Это также относится и к индивидуальному мышлению, и к общественному сознанию, и ко всему знанию людей, и к самому процессу познания.

Пример. Аналитичность человеческого знания проявляется и в существовании различных наук, и в дифференциации наук, и в более глубоком изучении все более узких вопросов, каждый из которых сам по себе и интересен, и важен, и необходим. Вместе с тем, столь же необходим и обратный процесс синтеза знаний. Так возникают "пограничные" науки - бионика, биохимия, синергетика и другие. Однако это лишь одна из форм синтеза. Другая, более высокая форма синтетических знаний реализуется в науках о самых общих свойствах природы. Философия выявляет и описывает общие свойства всех форм материи; математика изучает некоторые, но также всеобщие отношения. К числу синтетических наук относятся системный анализ , информатика , кибернетика и др., соединяющие формальные, технические, гуманитарные и прочие знания.

Итак, расчлененность мышления на анализ, синтез и взаимосвязь этих частей является очевидным признаком системности познания.

Процесс познания структурирует системы, окружающий нас мир. Все, что не познано в данный момент времени , образует "хаос в системе", который, будучи необъясним в рамках рассматриваемой теории, заставляет искать новые структуры, новую информацию , новые формы представления и описания знаний, приводит к появлению новых ветвей знания; этот хаос также дает стимул и для развития умений и навыков исследователя.

Системный подход к исследованию проблем, системный анализ - следствие научно-технической революции, а также необходимости решения ее проблем с помощью одинаковых подходов, методов, технологий. Такие проблемы возникают и в экономике, и в информатике , и в биологии, и в политике и т.д.

RUP. Обследование организации (бизнес-анализ)

Цели

Цели бизнес-анализа заключаются в следующем:

понять структуру и динамику работы организации;

определить проблемы, возникающие в работе организации, и возможности их решения, направленного на повышение эффективности работы;

гарантировать, что заказчики, конечные пользователи и разработчики будут иметь одинаковое понимание деятельности организации;

вывести требования к программным системам, автоматизирующим работу организации.

Организация описывается как с внешней точки зрения – какие результаты предоставляются ее клиентам, так и с внутренней – роли, и их связи с деятельностью организации. Эта информация служит системным аналитикам в качестве связующей при определении требований к ПС. Бизнес-анализ вовсе не является обязательным для каждого проекта разработки ПС. Если заказчик имеет хорошо отлаженный производственный цикл, использует программные средства автоматизации, точно представляет себе, какие производственные задачи должна решать новая ПС в дополнение к уже автоматизированным, то проведение бизнес-анализа может не потребоваться.

Основным результатом бизнес-анализа является бизнес-модель , которая представляется на языке UML. Состав ее будет обсуждаться ниже. Здесь мы заметим, что UML позволяет строить модели любой системы, не обязательно программной, поэтому для описания работы организации используются те же логические и функциональные модели, что и для ПС. Единственное дополнение состоит в том, что в модели бизнеса должны присутствовать бизнес-исполнители – специалисты обследуемой организации, отвечающие за выполнение тех или иных работ.

Роли

В моделировании бизнеса участвуют:

бизнес-аналитик – специалист организации-разработчика, который возглавляет и координирует работы по моделированию бизнеса;

бизнес-разработчик – специалист организации-разработчика, который детализирует и уточняет бизнес модели, определяет бизнес-исполнителей их обязанности и действия;

заинтересованные лица – люди, предоставляющие информацию. Это могут быть бизнес-исполнители или клиенты организации, а также прочие люди, заинтересованные как в собственно результатах моделирования, так и в будущей ПС.

эксперт – представитель обследуемой организации, участвующий в разработке модели (консультации, организация встреч с заинтересованными лицами, оценка результатов). Эксперт, в частности, может быть одним из бизне-исполнителей.

Артефакты

При моделировании создаются следующие артефакты в виде текстовых документов и моделей, описанных на UML:

Документ «Видение бизнеса» – определяет цели проведение бизнес-анализа.

Структура организации – статическое описание подразделений организации и отношений подчиненности в виде диаграмм пакетов и/или классов.

Модель видов деятельности включает бизнес-актеров и виды деятельности организации. К числу бизнес-актеров относятся: заказчики, партнеры, поставщики, власти (представители закона, инспекция и др.), дочерние организации, собственники и инвесторы, внешние информационные системы. Бизнес-актеры помогают определить границы организации, которую требуется описать. Виды деятельности представляют собой бизнес-процессы. Модель видов деятельности представляется с помощью use case диаграмм.

Объектная модель включает бизнес-актеров, бизнес-исполнителей и бизнес-сущности, а также содержит описание их взаимодействий при реализации видов деятельности. Модель представляется на UML с помощью диаграмм классов и взаимодействий (последовательностей, коопераций, деятельностей), которые иногда называют технологическими сценариями.

Модель предметной области является подмножеством объектной модели. Она описывает основные бизнес-сущности и связи между ними. Эта модель представляется в виде диаграмм классов.

Глоссарий – текстовый документ, содержащий определения основных понятий, используемых в данном бизнесе.

Оценка деятельности организации – текстовый документ, описывающий текущее состояние организации, в которой будет использоваться ПС.

Бизнес-правила – текстовый документ, определяющий условия и ограничения, которым должен удовлетворять бизнес.

Дополнительные спецификации – текстовый документ, содержащий описание свойств бизнеса, не включенных в бизнес-модель.

Процесс

Процесс бизнес-анализа показан на рис.1.1 Построение всех предписываемых проекций модели бизнеса выполняется параллельно. Не всегда требуется создавать все проекции. В частности, иногда достаточно просто построить модель предметной области. Решение о составе модели принимает бизнес-аналитик. Все проекции модели разрабатываются параллельно. Например, при выявлении очередного бизнес-актера его включают в модель видов деятельности и в объектную модель, где показывается его взаимодействие с бизнес-исполнителями.

При построении бизнес-модели используют нормативные документы организации (устав, штатное расписание и др.), а также информацию, предоставляемую заинтересованными лицами, для чего проводятся интервью и совещания, заполняются анкеты и опросные листы.

Созданная в итоге бизнес-модель является основой для последующего моделирования ПС. Например, модель видов деятельности преобразовывается в модель ВИ. Такое преобразование может быть формализовано. Необходимо выделить те виды деятельности, которые подлежат автоматизации, и объявить их вариантами использования ПС, а также преобразовать бизнес-исполнителей в актеров, поскольку они являются внутренними сущностями организации, но внешними по отношению к системе. Модель предметной области включается как составная часть в логическую модель ПС, а технологические сценарии являются источником для определения потоков событий в ВИ.

Рис.1.1 - Технологический процесс бизнес-анализа

Системные исследования – термин, введенный в 70-х г.г. ХХ века для обобщения прикладных научных направлений, связанных с исследованием и проектированием сложных систем.

В этот период по мере развития научно-технического прогресса усложняются выпускаемые изделия и технология производства промышленной продукции, расширяется ее номенклатура и ассортимент, увеличивается частота сменяемости выпускаемых изделий и технологий, возрастает наукоемкость продукции. Усиливается воздействие человека на экосистему, что приводит к усложнению взаимоотношений человека с природой, к истощению ресурсов Земли, к экологическим проблемам (проблема загрязнения среды, необходимость сохранения и очистки водных ресурсов и т.д.). В результате усложняются процессы управления экологической и социально-экономической системами и научно-техническим прогрессом.

Для исследования перечисленных и других проблем развиваются разлчные направления фундаментальных и прикладных исследований: исследование операций, кибернетика, системотехника, системология и другие междисциплинарные направления, опирающиеся на теорию систем. Для того, чтобы не затруднять практических работников изучением особенностей этих направлений, их стали объединять общим термином системные исследования.

Системный анализ (СА) признается в настоящее время наиболее конструктивным из направлений системных исследований. Этот термин впервые появился в 1948 г. в работах корпорации RAND в связи с задачами военного управления. Получил распространение в отечественной литературе после перевода книги С. Оптнера «системный анализ деловых и промышленных проблем».

Системный анализ – междисциплинарный курс, обобщающий методологию исследования сложных технических, природных и социальных систем .

В настоящее время в современной научной литературе существует весьма большое количество близких по смыслу определений понятия «система». В теории иерархических многоуровневых систем под системой понимается целостный материальный объект или их совокупность, представляющие собой закономерно обусловленную совокупность функционально взаимодействующих элементов [Д7]. Элементы системы - относительно обособленные части системы (структурные элементы). Они, не являясь системами одного типа, при непосредственном взаимодействии между собой порождают систему. Подсистема - совокупность взаимосвязанных и взаимодействующих элементов, реализующих определенную группу функций системы. Системы, обладающие многоуровневостью (иерархичностью) называются сложными системами. В других определениях системы понятие «цель» присутствует в неявном виде: по определению Ф.Е. Темникова) «система – организованное множество (в котором цель проявляется при раскрытии понятия организованности)», далее – в виде конечного результата, системообразующего критерия, функции (В.И. Вернадский, У.Р. Гибсон, П.К. Анохин). По определению Ю.И. Черняка, система есть отражение в сознании субъекта (исследователя, наблюдателя) свойства объектов и их отношений в решении задачи исследования, познания. В общем случае под системой понимают объективное единство закономерно связанных друг с другом предметов и явлений в природе и обществе. Характеристики такой системы определяются как характеристиками составляющих систему элементов, так и характеристиками взаимосвязей между ними.

В данном курсе остановимся на следующем определении системы:

Система есть множество компонент, взаимодействующих друг с другом и служащих общему назначению, или цели.

Система имеет следующие основные характеристики (рис.1.1):

Компоненты.

Отношения (связи, посредством которых осуществляется взаимодействие между компонентами).

1. Внешняя среда.

   Вход, Выход.

   Интерфейс.

   Законы, правила, ограничения функционирования.

Системные характеристики можно описать следующим образом:

1. Компонент есть либо неделимая часть, либо агрегат, состоящий из частей и называемый подсистемой.

2. Компоненты взаимодействуют между собой таким образом, что функционирование одного влияет на функционирование другого компонента.

3. Система имеет границу, внутри которой содержатся все компоненты, и которая устанавливает пределы системы, отделяя ее от других систем.

4. Все компоненты работают вместе, чтобы достичь цель существования системы.

Рис. 1.1. Характеристики системы.

5. Система существует и функционирует внутри окружающей (внешней) среды – всего, что находится за границей системы. Окружающая среда влияет на систему и подвергается влиянию системы.

6. Система имеет множество входных и выходных объектов.

7. Точка, в которой система взаимодействует со средой, называется интерфейсом.

8. Система имеет законы, правила, ограничения функционирования.

Сложные динамические системы обладают следующими системообразующими факторами :

целостность и возможность декомпозиции на элементы O (объекты, подсистемы);

наличие стабильных связей (отношений) R между элементами O ;

упорядоченность (организация) элементов в определенную структуру (Str );

наделение элементов параметрами (A O );

наличие синергетических (интегративных) свойств Q , которыми не обладают ни один из элементов системы;

наличие множества законов, правил и операций Z с вышеперечисленными атрибутами системы;

наличие цели функционирования и развития (G ).

В определении М. Месаровича выделены множество X входных объектов (воздействующих на систему) и множество Y выходных результатов, а между ними установлено обобщающее отношение пересечения, что можно отобразить как у автора определения:

Таким образом, система есть совокупность Syst ={O (A O ) , R , Str , Q , Z , G , S }.

Данное определение более полно отражает содержательную сторону системы, чем известные определения, основанные на первых трех признаках: элементах, связях и их упорядоченности в единое целое. Параметризация структурных элементов позволяет конкретизировать систему, придавать ей индивидуальность, а также выделять то множество свойств, которое присуще данной системе. При этом к свойствам системы можно отнести ее способность к адаптации, к самоорганизации, к обеспечению устойчивости, к выполнению различных сложных функций (самосохранения, саморазвития и т.д.). К свойствам системы можно отнести и ее способность к формированию целей функционирования и развития и к организации их достижения.

Наличие множества Z законов, правил и операций способствует созданию того формального аппарата, который позволяет на математическом (абстрактном) уровне строить из множества A элементов и множества R связей различные структуры систем, а также анализировать их и синтезировать системы с заданными свойствами.

Данное определение системы используется в дальнейшем при исследовании (анализе, моделировании) сложных управляемых систем с целью установления связи между структурой, параметрами и свойствами системы при их поведении в проблемных ситуациях.

Современный этап развития теории и практики характеризуется повышением уровня системности. Ученые, инженеры, представители различных профессий оперируют такими понятиями, как системный или комплексный подход. Полезность и важность системного подхода вышла за рамки специальных научных истин и стала привычной, общепринятой. Такая ситуация явилась отражением объективных процессов развития представлений о материальном мире, сформировалась под воздействием объективных факторов.

Свойство системности является всеобщим свойством материи. Современные научные данные и современные системные представления позволяют говорить о мире как о бесконечной иерархической системе систем. Причем части системы находятся в развитии, на разных стадиях развития, на разных уровнях системной иерархии и организации. Системность как всеобщее свойство материи проявляется через следующие составляющие: системность практической деятельности, системность познавательной деятельности и системность среды, окружающей человека.

Рассмотрим практическую деятельность человека, т. е. его активное и целенаправленное воздействие на окружающую среду. Покажем, что человеческая практика системна. Отметим очевидные и обязательные признаки системности: структурированность системы, взаимосвязанность составляющих ее частей, подчиненность организации всей системы определенной цели. По отношению к человеческой деятельности эти признаки очевидны. Всякое осознанное действие преследует определенную цель. Во всяком действии достаточно просто увидеть его составные части, более мелкие действия. При этом легко убедиться, что эти составные части должны выполняться не в произвольном порядке, а в определенной их последовательности. Это и есть та самая определенная, подчиненная цели взаимосвязанность составных частей, которая и является признаком системности. Название для такого построения деятельности - алгоритмичностъ. Понятие алгоритма возникло сначала в математике и означало задание точно определенной последовательности однозначно понимаемых операций над числами или другими математическими объектами. В настоящее время понятие алгоритма применяется к различным отраслям деятельности. Так говорят не только об алгоритмах принятия управленческих решений, об алгоритмах обучения, алгоритмах написания программ, но и об алгоритмах изобретательства . Алгоритмизуются такие виды деятельности как игра в шахматы, доказательство теорем и т. п. При этом делается отход от математического понимания алгоритма. Важно сознавать, что в алгоритме должна сохраняться логическая последовательность действий. При этом допускается, что в алгоритме определенного вида деятельности могут присутствовать неформализованные виды действия. Важно лишь, чтобы определенные этапы алгоритма успешно, хотя бы и неосознанно, выполнялись человеком.

Примеры систем.

1) Самолет - это летательный аппарат тяжелее воздуха с аэродинамическим принципом полета. При полете используются:

несущие поверхности самолета (крыло и оперение) для создания с помощью воздушной среды подъемной и управляющих сил,

силовая установка - для создания движущей силы за счет энергии находящегося на борту самолета топлива.

Для передвижения по земле - разбега, пробега и руления, а также для стоянки самолет снабжен системой опор - шасси. В соответствии с назначением самолеты имеют определенную целевую нагрузку, оборудование и снаряжение, систему управления.

Таким образом, самолет представляет собой сложную динамическую систему с развитой иерархической структурой, состоящую из взаимосвязанных по назначению, месту и функционированию элементов; в нем можно выделить подсистемы создания подъемной и движущей сил, обеспечения устойчивости и управляемости, жизнеобеспечения, обеспечения выполнения целевой функции и др.

2) Вычислительная сеть – сложная система, которая состоит из вычислительных машин и сети передачи данных (сети связи).

Основное назначение вычислительных сетей - обеспечение взаимодействия удаленных пользователей на основе обмена данными по сети и совместное использование сетевых ресурсов (вычислительных машин, прикладных программ и периферийных устройств).

3) Университет – образовательное учреждение, которое реализует программы обучения разных уровней и проводит научные исследования по приоритетным направлениям. Цель функционирования системы образования – обеспечение современного качества образования на основе сохранения его фундаментальности и соответствия актуальным и перспективным потребностям личности, общества и государства. Система управления университетом включает следующие подстистемы: организационная, учебная, финансовая, административно-хзяйственная, научно-исследовательская, управления кадрами, управления капитальным строительством, и др. Окружающая среда университета включает будущих (потенциальных) студентов, работодателей, институциональные учреждения, службы занятости и др. Университет взаимодействует с абитуриентами и предприятиями – пользователями образовательных услуг.

Приведенные примеры систем иллюстрируют наличие таких факторов системности, как целостность и возможность декомпозиции на элементы O (в вычислительной сети это вычислительные машины, средства связи и др.); наличие стабильных связей (отношений) R между элементами O ; упорядоченность (организация) элементов в определенную структуру (Str ); наделение элементов параметрами (A O ); наличие синергетических (интегративных) свойств Q , которыми не обладают ни один из элементов системы (взаимодействие удаленных пользователей, Web-услуги, электронная коммерция); наличие множества законов, правил и операций Z с вышеперечисленными атрибутами системы; наличие цели функционирования и развития (G ).

1. Цель курса «Основы системного анализа». Определения терминов «Системный анализ, системность». Назначение системного анализа (СА)

Существуют различные точки зрения на содержание понятия «системный анализ» и область его применения. Изучение различных определений системного анализа позволяет выделить четыре его трактовки.

Первая трактовка рассматривает системный анализ как один из конкретных методов выбора лучшего решения возникшей проблемы, отождествляя его, например, с анализом по критерию стоимость - эффективность.

Такая трактовка системного анализа характеризует попытки обобщить наиболее разумные приемы любого анализа (например, военного или экономического), определить общие закономерности его проведения.

В первой трактовке системный анализ - это, скорее, «анализ систем», так как акцент делается на объекте изучения (системе), а не на системности рассмотрения (учете всех важнейших факторов и взаимосвязей, влияющих на решение проблемы, использование определенной логики поиска лучшего решения и т.д.)

В ряде работ, освещающих те или иные проблемы системного анализа, слово «анализ» употребляется с такими прилагательными, как количественный, экономический, ресурсный, а термин «системный анализ» применяется значительно реже.

Согласно второй трактовке системный анализ - это конкретный метод познания (противоположность синтезу).

Третья трактовка рассматривает системный анализ как любой анализ любых систем (иногда добавляется, что анализ на основе системной методологии) без каких-либо дополнительных ограничений на область его применения и используемые методы.

Согласно четвертой трактовке системный анализ - это вполне конкретное теоретико-прикладное направление исследований, основанное на системной методологии и характеризующееся определенными принципами, методами и областью применения. Он включает в свой состав как методы анализа, так и методы синтеза, кратко охарактеризованные нами ранее.

Итак, системный анализ - это совокупность определенных научных методов и практических приемов решения разнообразных проблем, возникающих во всех сферах целенаправленной деятельности общества, на основе системного подхода и представления объекта исследования в виде системы. Характерным для системного анализа является то, что поиск лучшего решения проблемы начинается с определения и упорядочения целей деятельности системы, при функционировании которой возникла данная проблема. При этом устанавливается соответствие между этими целями, возможными путями решения возникшей проблемы и потребными для этого ресурсами.

Целью системного анализа является полная и всесторонняя проверка различных вариантов действий с точки зрения количественного и качественного сопоставления затраченных ресурсов с получаемым эффектом.

Системный анализ предназначен для решения в первую очередь слабоструктуризованных проблем, т.е. проблем, состав элементов и взаимосвязей которых установлен только частично, задач, возникающих, как правило, в ситуациях, характеризуемых наличием фактора неопределенности и содержащих неформализуемые элементы, непереводимые на язык математики.

Системный анализ помогает ответственному за принятие решения лицу более строго подойти к оценке возможных вариантов действий и выбрать наилучший из них с учетом дополнительных, неформализуемых факторов и моментов, которые могут быть неизвестны специалистам, готовящим решение.

2. Причины возникновения СА. Особенности совершенного СА

Системный анализ возник в США и прежде всего в недрах ВПК. Кроме того, в США системный анализ изучался во многих государственных организациях. Он считался наиболее ценным побочным достижением в области обороны и изучения космического пространства. В обеих палатах конгресса США в 60-е гг. прошлого века были внесены законопроекты «о мобилизации и использовании научно-технических сил страны для применения системного анализа и системотехники в целях наиболее полного использования людских ресурсов для решения национальных проблем».

Системный анализа использовался также руководителями и инженерами в крупных предприятиях промышленности. Цель применения методов системного анализа в промышленности и в коммерческой области - изыскание путей получения высокой прибыли.

Примером использования методов системного анализа в США может служить система программного планирования, известная под названием «планирование - программирование - разработка бюджета» (ППБ), или сокращенно «программное финансирование».

Помимо применения системы ППБ в США используется целый ряд систем прогнозирования и планирования, в основе которых лежат методы системного анализа. В частности, для прогнозирования и планирования НИОКР применялась информационная система «ПАТТЕРН», для руководства космическим проектом «Аполлон» на всех этапах его разработки использовалась автоматизированная информационная система «ФЕЙМ», с помощью системы «КВЕСТ» достигалась количественная взаимосвязь между военными задачами и целями и научно-техническими средствами, необходимыми для их реализации, для тех же целей в промышленности служила система «СКОР».

Главной методической особенностью этих систем являлся принцип последовательного расчленения каждой проблемы на несколько задач более низкого уровня с целью построения «дерева целей».

Рассматриваемые системы позволяли определить сроки решения научных и технических проблем и взаимную полезность работ, способствовали повышению качества принимаемых решений за счет преодоления узковедомственного подхода к их принятию, отказа от интуитивных и волевых решений а также от работ, которые не могут быть выполнены в установленные сроки.

Вместе с тем практика управления в США последних десятилетий показывает, что термин «системный анализ» не так часто применяется, как это имело место ранее. Многие подходы к обоснованию сложных решений, которые с ним связывались, продолжали использоваться и развиваться достаточно интенсивно уже под новыми названиями - «программный анализ», «анализ политики», «анализ последствий» и т.д. В то же время «новизна» названных видов анализа заключается скорее в их названиях. Методологической и методической их основой продолжает оставаться системный анализ, идеология системного подхода.

Системный анализ - это научный, всесторонний подход к принятию решений. Вся проблема изучается в целом, определяются цели развития объекта управления и различные пути их реализации в свете возможных последствий. При этом возникает необходимость согласования работы различных частей объекта управления, отдельных исполнителей, с тем чтобы направить их на достижение общей цели.

Никакая наука не рождается в один день, а появляется в результате совпадения всевозрастающего интереса к определенному классу задач и уровня развития научных принципов, методов и средств, с помощью которых оказывается возможным решать эти задачи. Системный анализ не является исключением. Его исторические корни так же глубоки, как и корни цивилизации. Еще первобытный человек, выбирая себе место для постройки жилища, подсознательно мыслил системно. Но как научная дисциплина системный анализ оформился во время Второй мировой войны, вначале применительно к военным задачам, а уже после войны - к задачам различных сфер гражданской деятельности, где он стал эффективным средством решения широкого круга практических задач.

Именно в это время общие основы системного анализа созрели настолько, что их стали оформлять в виде самостоятельной отрасли знаний. Можно с полным основанием сказать, что разработка методов системного анализа в значительной степени способствовала тому, что управление во всех сферах человеческой деятельности поднялось от стадии ремесла или чистого искусства, которое в преобладающей степени зависело от способности отдельных людей и накопленного ими опыта, до стадии науки.

3. Возникновение и развитие системных представлений. Признаки системности

В наше время происходит невиданный прогресс знания, который, с одной стороны, привел к открытию и накоплению множества новых фактов, сведений из различных областей жизни, и тем самым поставил человечество перед необходимостью их систематизации, отыскания общего в частном, постоянного в изменяющемся. С другой стороны, рост знания порождает трудности его освоения, обнаруживает неэффективность ряда методов используемых в науке и практике. Кроме того, проникновение в глубины Вселенной и субатомный мир, качественно отличный от мира соизмеримого с уже устоявшимися понятиями и представлениями, вызвало в сознании отдельных ученых сомнение во всеобщей фундаментальности законов существования и развития материи. Наконец, сам процесс познания, все более приобретающий форму преобразующей деятельности, обостряет вопрос о роли человека как субъекта в развитии природы, о сущности взаимодействия человека и природы, и в связи с этим, о выработке нового понимания законов развития природы и их действия. Дело в том, что преобразующая деятельность человека изменяет условия развития естественных систем, и тем самым способствует возникновению новых законов, тенденций движения. В ряду исследований в области методологии особое место занимает системный подход и в целом “системное движение”. Само системное движение дифференцировалось, разделялось на различные направления: общая теория систем, системный подход, системный анализ, философское осмысление системности мира. Существует ряд аспектов внутри методологии системного исследования: онтологический (системен ли в своей сущности мир, в котором мы живем?); онтологически-гносеологический (системно ли наше знание и адекватна ли его системность системности мира?); гносеологический (системен ли процесс познания и есть ли пределы системному познанию мира?); практический (системна ли преобразующая деятельность человека?)

Под термином система понимается объект, который одновременно рассматривается и как единое целое, и как объединенная в интересах достижения поставленных целей совокупность взаимосвязанных разнородных элементов работающих как единое целое. Системы значительно отличаются между собой как по составу, так и по главным целям. Это целое приобретает некоторое свойство, отсутствующее у элементов в отдельности.

Признаки системности описываются тремя принципами.

Признаки системности:

· Внешней целостности - обособленность или относительная обособленность системы в окружающем мире;

· Внутренней целостности - свойства системы зависят от свойств её элементов и взаимосвязей между ними. Нарушение этих взаимосвязей может привести к тому, что система не сможет выполнять свои функции;

· Иерархичности - системе можно выделить различные подсистемы, с другой стороны сама система тоже является подсистемой другой более крупной подсистемы;

Попытаемся показать, что системность является всеобщим свойством материи и человеческой практики. Начнем с рассмотрения человеческой практической деятельности, т.е. ее активного и целенаправленного воздействия на природу. Для этого сформулируем только самые очевидные и обязательные признаки системности: ее целостность и структурированность, взаимосвязанность составляющих ее элементов и подчиненность организации всей системы определенной цели.

Другое название для такого построения деятельности – алгоритмичность. Понятие алгоритма возникло вначале в математике и означало задание точно определенной последовательности однозначно понимаемых операций над числами или другими математическими объектами.

Сегодня становится очевидным, что роль системных представлений в практике постоянно увеличивается, что растет сама системность человеческой практики.

Последний тезис можно проиллюстрировать многими примерами, поучительно сделать это на несколько схематизированном примере проблемы повышения производительности труда.

Академиком В. М. Глушковым показано, что сложность R объективно необходимых задач управления растет быстрее, чем квадрат m людей, занятых управленческой деятельностью: R >

5. Отличие возможностей решения проблемы производительности труда в сложных системах от предыдущих этапов. Как и предлагается использование интеллекта человека

Одна из важнейших особенность общественного производств а состоит в непрерывном росте его эффективности, и прежде всего в повышении производительности труда. Обеспечение роста производительности труда – это очень сложный и многогранный процесс, но его итог выражается, овеществляется в развитии средств труда и методов его организации.

Академиком В. М. Глушковым показано, что сложность R объективно необходимых задач управления растет быстрее, чем квадрат m людей, занятых управленческой деятельностью: R > b m², где b = Const. Известно, что для успешного управления отраслью, где занято n человек и имеется m управляемых объектов, суммарная сложность задач управления определяется соотношением R = c (n + m)² (как правило, c = 1). Объективная тенденция увеличения сложности управления, имеющая место в современном мире, имеет место и в России (где n = 2731, m = 107). Это приводит к росту необходимых затрат живого труда, т.е. ресурсов R на управление, а возможности человеческого мозга по запоминанию и переработке информации ограничены. В среднем объем памяти человека S = 10 16 бит, а средняя производительность вычислений V = 1/3 106 опер/с.

Следовательно, при решении сложных информационных задач только административными органами муниципального и федерального уровня получим R = 1 (2731 + 10000000)² = 10002731² = 100054627458000 опер./год, а для удовлетворительного управления страной при ручной технологии требуется, как минимум, N = R/V = 3x100054627458000/1000000 = 3001636882 чел., т.е. 300 миллионов. Это более чем в 2 раза превышает численность населения страны. Для ликвидации дефицита живого труда в управлении страной необходимо существенно повысить (в N/m = 300 раз) эффективность работы каждого сотрудника аппарата управления страны. Этого не потребовалось благодаря автоматизации информационно-аналитической работы органов управления страны с помощью ЭВМ.

Здесь очень важно понять, что автоматизировать, т.е. полностью возложить на машину, можно только те работы, которые детально изучены, подробно и полно описаны, в которых точно известно, что, в каком порядке и как надо делать в каждом случае, и точно известны все возможные случаи и обстоятельства, в которых может оказаться автомат. Только при таких условиях можно сконструировать соответствующий автомат, и только в этих условиях он может успешно выполнять работу для которой он предназначен.

Итак, автоматизация является мощным средством повышения производительности труда.

Таким образом, решение проблемы производительности труда в сложных системах достигается путем автоматизации. Роль интеллекта человека при этом состоит в разработке автоматизирующих устройств.

6. Процессы познания и системность

Известно, что человек осваивает мир различными способами, Прежде всего он осваивает его чувственно, т.е. непосредственно воспринимая его через органы чувств. Характер такого познания, заключающийся в памяти и определяемый эмоциональным состоянием субъекта, является нам как целостным так и дробным - представляющим картину целиком или дробно, выделяя какие либо моменты. На основе эмоциональных состояний в человеке складывается представление об окружающем мире. Но чувственное восприятие есть свойство так же всех животных, а не только человека. Спецификой человека является более высокая ступень познания - рациональное познание, позволяющее обнаруживать и закреплять в памяти законы движения материи.

Рациональное познание системно. Оно состоит из последовательных мыслительных операций и формирует мыслительную систему, более или менее адекватную системе объективной реальности. Системна и практическая деятельность человека, причем уровень системности практики повышается с ростом знания и накопления опыта. Системность различных видов отражения и преобразования действительности человеком есть в конечном счете проявление всеобщей системности материи и ее свойств.

Системное познание и преобразование мира предполагает: рассмотрение объекта деятельности (теоретической и практической) как системы, т.е. как ограниченного множества взаимодействующих элементов, определение состава, структуры и организации элементов и частей системы, обнаружения главных связей между ними, выявление внешних связей системы, выделения из них главных, определение функции системы и ее роли среди других систем, анализ диалектики структуры и функции системы, обнаружение на этой основе закономерностей и тенденций развития системы.

Познание мира, а “научное познание” в частности, не может осуществляться хаотически, беспорядочно; оно имеет определенную систему и подчиняется определенным закономерностям. Эти закономерности познания определяются закономерностями развития и функционирования объективного мира.

7. Развитие системных представлений

Рассматривая исторические этапы развития системных представлений, важно прослеживать единство и борьбу двух противоположных подходов к познанию аналитического и синтетического. На ранних этапах развития человечества преобладал синтетический подход. Ф. Энгельс отмечал, что в древней Греции преобладало нерасчлененное знание: природа рассматривается в общем, как одно целое. Всеобщая связь явлений природы не доказывается в подробностях: она является результатом непосредственного созерцания.

Для последующего этапа метафизического способа мышления характерно преобладание анализа: Разложение природы на ее отдельные части, разделение различных процессов и предметов природы на определенные классы, исследование внутреннего строения органических тел по их анатомическим формам все это было основным условием тех исполинских успехов, которые были достигнуты в области познания природы за последние четыреста лет.

Новый, более высокий уровень системности познания представляет собой диалектический способ мышления. В развитие диалектики внесли значительный вклад представители немецкой классической философии: И. Кант, И. Фихте, Ф. Шеллинг. Кант наиболее точно выражал суждения о системности: Достигаемое разумом единство есть единство системы

Своей вершины идеалистическое понимание системы нашло у Гегеля. И только освобождение от идеализма привело к современному пониманию системности. Многое в философском понимании системы развили Маркс и Ленин.

Первым в явной форме вопрос о научном подходе к управлению сложными системами, какими является общество, поставил М.А. Ампер. При построении классификации всевозможных наук (Опыт философии наук, или аналитическое изложение классификации всех человеческих знаний ч. 1 1834 г., ч. 2 1843 г.), он выделил специальную науку об управлении государством и назвал ее кибернетикой. При этом он подчеркнул ее системные особенности: "Беспрестанно правительству приходится выбирать из различных мер ту, которая более всего пригодна к достижению цели и лишь благодаря углубленному и сравнительному изучению различных элементов, доставляемых ему для этого выбора (...) оно может составить себе общие правила поведения.

Следующая ступень развития связана с именем А.А. Богданова (настоящая фамилия Малиновский). Первый том его книги Всеобщая организационная наука (тектология) вышел в 1911 г., а в 1925 г. третий том. Идея Богданова состояла в том, что все объекты и процессы имеют определенный уровень организованности. Тектология должна изучать общие закономерности организаций для всех уровней. Он отмечает, что уровень организации тем выше, чем больше свойства целого отличаются от простой суммы свойств его частей.

По настоящему изучение теории систем началось под влиянием необходимости построение сложных технических систем преимущественно военного назначения. Были выделены достаточные средства и получены существенные результаты.

Следующий этап в развитии системных представлений связан с именем австрийского биолога Л. Берталанфи. Он пытался создать общую теорию систем любой природы на основе структурного сходства законов различных дисциплин.

Современное состояние теории систем связано с исследованиями известного бельгийского ученого Ильи Романовича Пригожина лауреата Нобелевской премии 1977 года. Исследуя термодинамику неравновесных физических систем, он понял, что обнаруженные им закономерности относятся к системам любой природы. Его основные результаты связаны с самоорганизацией систем. В переломные моменты или точки бифуркации принципиально невозможно предсказать станет система более или менее организованной.

8. Модели и моделирование

Моделирование представляет собой один из основных методов познания, является формой отражения действительности и заключается в выяснении или воспроизведении тех или иных свойств реальных объектов, предметов и явлений с помощью других объектов, процессов, явлений, либо с помощью абстрактного описания в виде изображения, плана, карты, совокупности уравнений, алгоритмов и программ.

Возможности моделирования, то есть перенос результатов, полученных в ходе построения и исследования модели, на оригинал основаны на том, что модель в определенном смысле отображает (воспроизводит, моделирует, описывает, имитирует) некоторые интересующие исследователя черты объекта.

Замена одного объекта (процесса или явления) другим, но сохраняющим все существенные свойства исходного объекта (процесса или явления), называется моделированием, а сам заменяющий объект называется моделью исходного объекта

Можно выделить следующие классы моделей.

Материальные модели

Общая черта, присущая этим моделям, состоит в том, что они копируют исходный объект. Они, как правило, делаются из совсем иного, зачастую более дешевого, материала, чем исходный объект. Размеры моделей также могут сильно отличаться от исходного объекта в ту или другую сторону.

Информационные модели

Модель, представляющая объект, процесс или явление набором параметров и связей между ними, называется информационной моделью. Вскрыть связи между параметрами информационной модели - это зачастую едва ли не самая сложная часть в построении модели, возникающая после того, как определены ее параметры. Информационные модели одного и того же объекта, предназначенные для разных целей, могут быть совершенно различными. Например, информационная модель человека может быть представлена в виде словесного портрета, фотографии, сведениями, занесенными в медицинскую карточку или картотеку отдела кадров по месту его работы. Класс информационных моделей широк. Сюда входят словесные (вербальные) модели, базы данных, диаграммы и схемы, чертежи и рисунки, математические модели и др. Информационная модель, в которой параметры и зависимости между ними выражены в математической форме, называется математической моделью.

Например, известное уравнение S=vt, где S - расстояние, а v и t - соответственно скорость и время, представляет собой модель равномерного движения, выраженную в математической форме. (Привести другие примеры математических моделей)

Быстрое развитие компьютерных технологий способствует и быстрому развитию и совершенствованию средств и способов информационного моделирования; решение задач на основе информационных моделей (компьютерное моделирование) - одна из важнейших сфер применения современных компьютеров. Предметом компьютерного моделирования могут быть: экономическая деятельность фирмы или банка, промышленное предприятие, информационно-вычислительная сеть, технологический процесс, любой реальный объект или процесс, например процесс инфляции, и вообще - любая Сложная Система.

Можно с уверенностью сказать, что большая часть моделей, которыми пользуется человек для решения жизненных задач, представляет собой некоторую совокупность элементов и связей между ними. Такие модели принято называть системами, а общие методы построения системных моделей - системным подходом. Основы системного подхода и заложил в своих трудах Л. фон Берталанфи. В системах элементы, ее составляющие, нельзя рассматривать изолированно. Их суммарный вклад в функционирование системы в целом обусловлен взаимодействием элементов между собой.

9. Моделирование – составляющие целенаправленной деятельности

Одной из проблем, с которой сталкиваются почти всегда при проведении системного анализа, является проблема эксперимента в системе или над системой. Очень редко это разрешено моральными законами или законами безопасности, но сплошь и рядом связано с материальными затратами и (или) значительными потерями информации.

Опыт всей человеческой деятельности учит - в таких ситуациях надо экспериментировать не над объектом, интересующим нас предметом или системой, а над их моделями. Под этим термином надо понимать не обязательно модель физическую, т. е. копию объекта в уменьшенном или увеличенном виде. Физическое моделирование очень редко применимо в системах, хоть как то связанных с людьми. В частности в социальных системах (в том числе - экономических) приходится прибегать к математическому моделированию.

Еще одно важное обстоятельство приходится учитывать при математическом моделировании. Стремление к простым, элементарным моделям и вызванное этим игнорирование ряда факторов может сделать модель неадекватной реальному объекту, грубо говоря - сделать ее неправдивой. Снова таки, без активного взаимодействия с технологами, специалистами в области законов функционирования систем данного типа, при системном анализе не обойтись.

В системах экономических приходится прибегать большей частью к математическому моделированию, правда в специфическом виде - с использованием не только количественных, но и качественных, а также логических показателей.

Завершая вопрос о моделировании при выполнении системного анализа, резонно поставить вопрос о соответствии используемых моделей реальности.

Это соответствие или адекватность могут быть очевидными или даже экспериментально проверенными для отдельных элементов системы. Но уже для подсистем, а тем более системы в целом существует возможность серьезной методической ошибки, связанная с объективной невозможность оценить адекватность модели большой системы на логическом уровне.

Иными словами - в реальных системах вполне возможно логическое обоснование моделей элементов. Эти модели как раз и стремятся строить минимально достаточными, простыми настолько, насколько это возможно без потери сущности процессов. Но логически осмыслить взаимодействие десятков, сотен элементов человек уже не в состоянии. И именно здесь может “сработать” известное в математике следствие из знаменитой теоремы Гёделя - в сложной системе, полностью изолированной от внешнего мира, могут существовать истины, положения, выводы вполне “допустимые” с позиций самой системы, но не имеющие никакого смысла вне этой системы.

То есть, можно построить логически безупречную модель реальной системы с использованием моделей элементов и производить анализ такой модели. Выводы этого анализа будут справедливы для каждого элемента, но ведь система - это не простая сумма элементов, и ее свойства не просто сумма свойств элементов.

Отсюда следует вывод - без учета внешней среды выводы о поведении системы, полученные на основе моделирования, могут быть вполне обоснованными при взгляде изнутри системы. Но не исключена и ситуация, когда эти выводы не имеют никакого отношения к системе - при взгляде на нее со стороны внешнего мира.

10. Способы воплощения модели. Абстрактные материальные модели

При создании моделей человеком, в его распоряжении два типа средств: средства самого сознания и средства окружающего материального мира; соответственно, модели делятся на абстрактные (идеальные) и материальные (реальные).

Абстрактные модели.

К ним относятся языковые конструкции, т.е. языковые модели. Естественный язык является универсальным средством построения любых абстрактных моделей. Универсальность обеспечивается возможностью введения в язык новых слов, а также возможностью иерархического построения все более развитых языковых моделей. Универсальность языка достигается, кроме прочего, еще и тем, что языковые модели обладают неоднозначностью, точностью, расплывчатостью. Это проявляется уже на уровне слов (многозначность или неопределенность). Плюс многовариантность соединения слов во фразы. Это порождает приблизительность - неотъемлемое свойство языковых моделей.

Материальные модели.

Чтобы некоторый материальный объект являлся моделью, замещением некоторого оригинала, между ними должно быть установлено отношение подобия. Существуют разные способы этого:

1). Прямое подобие, полученное в результате физического взаимодействия в процессе создания модели (фотография, масштабные модели самолетов, кораблей, зданий, куклы, шаблоны, выкройки и т.п.). Даже для прямого подобия модели существует проблема переноса результатов моделирования на оригинал (результат гидродинамических испытаний модели корабля, при которых можно масштабировать скорость движения, по характеристике воды (вязкость, плотность, сила тяготения - не масштабируется)). Существует теория подобия, относящаяся к моделям прямого подобия.

2). Косвенное подобие устанавливается между оригиналом и моделью не в результате физического взаимодействия, а существует объективно в природе, обнаруживаясь в виде совпадения или близости их абстрактных моделей. Например, электромеханическая аналогия. Некоторые закономерности механических и электрических процессов описываются одинаковыми управлениями, различие только в разной физической интерпретации переменных, входящих в эти управления. Поэтому экспериментирование с механической конструкцией можно заменить на опыт с электрической схемой, что проще и эффективнее. Подопытные животные у медиков - аналоги человеческого организма, автопилот - аналог летчика и т.д.

3) Условное подобие. Подобие модели оригиналу устанавливается в результате соглашения. Примеры: удостоверение личности - модель его владельца, карта - модель местности, деньги - модель стоимости, сигналы - модели сообщений. Модели условного подобия являются способом материального воплощения абстрактных моделей, формой, в которой эти абстрактные модели хранятся и передаются от одного человека - другому, сохраняя при этом возможность возвращения в абстрактную форму. Это достигается соглашением о том, какое состояние реального объекта ставится в соответствие данному элементу абстрактной модели.

Конкретизация и углубление общей схемы моделей условного подобия происходит в двух направлениях: - модели условного подобия в технических устройствах, где они применяются без участия человека; сигналы - правила построения и способы использования сигналов называются кодом, кодированием, декодированием - изучаются специальными дисциплинами; модели условного подобия, создаваемые самим человеком - знаковые системы. Занимающаяся этим область знаний называется семиотикой.

11. Установление подобия материальных моделей

Подобие есть определенное отношение между значениями показателей свойств различных объектов, наблюдаемое и измеряемое исследователем в процессе познания. Под подобием понимается такое взаимно однозначное соответствие (отношение) между свойствами объектов, при котором существует функция или правило приведения значений показателей данных свойств одного объекта к значениям тех же показателей другого объекта.

Математические (формальные) описания подобных объектов допускают приведение их к тождественному виду.

Другими словами, подобие есть отношение взаимно однозначного соответствия между значениями показателей однородных свойств различных объектов. Однородными называются свойства, имеющие одинаковую размерность показателей.

Известно несколько видов подобия объектов.

1. В зависимости от полноты учета параметров различают:

· абсолютное (теоретическое) подобие, которое предполагает пропорциональное соответствие значений всех параметров данных объектов, т. е.

pj(t) / rj(t) = mj(t), где j=1,n;

· практическое подобие - определенное функциональное взаимно однозначное соответствие параметров и показателей определенного подмножества свойств, существенных для данного исследования;

· практическое полное подобие - соответствие показателей и параметров выделенных свойств во времени и пространстве;

· практически не полное подобие - соответствие параметров и выделенных свойств показателей только во времени, или только в пространстве;

практическое приближенное подобие - соответствие выделенных параметров и показателей с определенными допущениями и приближениями.

2. По адекватности природы объектов различают:

· физическое подобие, предполагающее адекватность физической природы объектов (частными случаями физического подобия являются механическое, электрическое и химическое подобия объектов);

· математическое подобие, предполагающее адекватность формального описания свойств объектов (частными случаями математического подобия являются статистическое, алгоритмическое, структурное и графическое подобие показателей свойств объектов).

Проблема определения подобных объектов состоит в выборе научно обоснованных критериев подобия и в разработке методов расчета этих критериев.

12. Условия реализации свойств модели

Согласно логике системного анализа, когда определена и выстроена взаимосвязанная совокупность задач реализации проекта (можно сказать, и это будет достаточно строго – система задач), начинается следующий этап конструирования системы – исследование условий реализации модели.

Естественно, любая модель системы может быть реализована в практике лишь при наличии определенных условий.

Покажем на примере системы образования.

Естественно, любая модель образовательной системы может быть реализована в практике лишь при наличии определенных условий: кадровых, мотивационных, материально-технических, научно-методических, финансовых, организационных, нормативно-правовых, информационных.

К чести директивных органов следует отметить, что в последние годы вопросам условий реализации образовательных реформ и их подобий стало уделяться гораздо больше внимания, точно также как и технологической подготовке реализации образовательных проектов: созданию необходимых учебников, методических разработок переподготовке учителей и т.д. В былые же времена уже через полгода после выхода очередного постановления необходимо было отчитаться перед ЦК КПСС, что школы, ПТУ и т.п. «перешли на новое содержание образования».

13. Модель и оригинал. Различия. Конечность, упрощенность, приближенность

Соответствие между моделью и действительностью можно выразить следующими принципами:

1. Конечность.

Всякие реальные объекты как часть реального мира бесконечны по своим свойствам и связям с другими объектами. Однако, если иметь в виду наши возможности по познанию, то здесь мы ограничены своими собственными ресурсами - число нервных клеток мозга, число действий, которые можем выполнить в единицу времени, само время, в течение которого мы можем решать какую-то задачу; ограничены внешние ресурсы, которые мы можем вовлечь в процесс своей деятельности, т.е. необходимо познавать бесконечный мир конечными средствами. Все модели конечны. Абстрактные модели конечны изначально - они сразу наделяются фиксированным числом свойств. Реальные модели конечны в том смысле, что из бесконечного множества их свойств выбираются и используются лишь некоторые, подобные интересующим нас свойствами объекта-оригинала. Модель подобна оригиналу в конечном числе отношений.

2. Упрощенность.

Конечность моделей делает их упрощенность неизбежной, но в человеческой практике эта упрощенность является допустимой, т.к. для любой цели оказывается достаточным, неполное, упрощенное отображение действительности. Для конкретных целей такое упрощение является и необходимым, т.к. позволяет выявить главные эффекты и свойства оригинала (физические абстракции - идеальный газ, абсолютное черное тело, ...).

Вынужденное упрощение модели - необходимость оперирования с ней - ресурсное упрощение.

Еще один аспект: из двух моделей, описывающих с одинаковой точностью некоторый объект, ближе к оригиналу (к истинной его природе) оказывается та, которая проще.

3. Приближенность моделей.

С этим термином связывается количественное различие модели и оригинала (качественные различия связаны с терминами конечность и упрощенность). Это количественное различие есть всегда и само по себе не является ни большим, ни малым, его мера вводится соотнесением этого различия с целью моделирования (часы - модель времени).

Адекватна та модель, с помощью которой успешно достигается поставленная цель. Это не равносильно понятию полноты, точности, правильности точности модели. Модель Птолемея адекватна (в смысле точности описания движения планет). Адекватная, но ложная модель (успешное врачевание с помощью заклинаний духов). Иногда удается ввести некоторую меру адекватности. Тогда можно рассматривать вопросы об идентификации модели (т.е. нахождение в данном классе наиболее адекватной) об устойчивости моделей, об их адаптации.

14. Сходство модели и оригинала. Адекватность модели. Истинность моделей. Сочетание истинности и ложности

Важнейшим понятием при экономико-математическом моделировании, как и при всяком моделировании, является понятие адекватности модели, т. е. соответствия модели моделируемому объекту или процессу. Адекватность модели - в какой-то мере условное понятие, так как полного соответствия модели реальному объекту быть не может, что характерно и для экономико-математического моделирования. При моделировании имеется в виду не просто адекватность, но соответствие по тем свойствам, которые считаются существенными для исследования. Проверка адекватности экономико-математических моделей является весьма серьезной проблемой, тем более, что ее осложняет трудность измерения экономических величин. Однако без такой проверки применение результатов моделирования в управленческих решениях может не только оказаться мало полезным, но и принести существенный вред.

Имея в виду именно теоретические соображения и методы, лежащие в основе построения модели, можно ставить вопросы о том, на сколько веpно данная модель отражает объект и насколько полно она его отpажает. (В процессе моделирования выделяются специальные этапы – этап верификации модели и оценка ее адекватности). В таком случае возникает мысль о сравнимости любого созданного человеком предмета с аналогичными пpиpодными объектами и об истинности этого предмета. Но это имеет смысл лишь в том случае, если подобные пpедметы создаются со специальной целью изобpазить, скопиpовать, воспpоизвести опpеделенные чеpты естественного пpедмета.

Таким обpазом, можно говоpить о том, истинность пpисуща матеpиальным моделям:- в силу связи их с опpеделенными знаниями;- в силу наличия (или отсутствия) изомоpфизма ее стpуктуpы со стpуктуpой моделиpуемого пpоцесса или явления; в силу отношения модели к моделируемому объекту, которое делает ее частью познавательного процесса и позволяет решать определенные познавательные задачи.

И в этом отношении материальная модель является гносеологически вторичной, выступает как элемент гносеологического отражения.

15. Динамика модели. Процесс моделирования. Причины невозможности полной алгоритмизации процесса моделирования

На входе и выходе имеем зависимости параметров X и Y от времени t. Задача состоит в определении черного ящика.

Допустим, что на вход системы, до этого находившейся в нулевых начальных условиях, подали единичный сигнал X(t). Если на выходе будет наблюдаться экспоненциальный сигнал, то это система первого порядка. Для ее описания достаточно одной производной, а в решении модели будет присутствовать один интеграл. Так как один интеграл "всегда порождает" одну экспоненту, два интеграла - две экспоненты. Чтобы определить, является ли кривая экспонентой, в каждой точке проводится касательная до пересечения с линией установившегося уровня. В любой точке T должна быть постоянной величиной. Величина T характеризует инерционность системы (память). При малой величине T система слабо зависит от предыстории и вход мгновенно заставляет измениться выход. При большой величине T система, медленно реагирует на входной сигнал, а при очень большой T - система неизменна.

Звено первого порядка обладает двумя параметрами:

1) инерционность - T

2) коэффициент усиления

Введем понятие передаточной функции как модели динамической системы. По определению передаточная функция - это отношение выхода ко входу

Передаточная функция звена первого порядка имеет вид .

Тогда, используя определение передаточной функции, имеем , где "p" - значок производной ().

В разностном виде уравнение можно записать как (Yi+1 - Yi)*T+Yi*dt = k*Xi*dt. Или выразив настоящее через прошедшее Yi+1 = А* Xi +В* Yi. Здесь А и В весовые коэффициенты. А указывает на вес компоненты Х, определяющей влияние внешнего мира на систему, В указывает на вес Y, определяющей память системы, влияние на ее поведение истории.

В частности, если В=0, то Yi+1 = А* Xi и мы имеем дело с безинерционной системой, мгновенно реагирующей на входной сигнал Y=k*X и увеличивающей его в k раз. Если В=0.5, то нетрудно получить, что при постоянном входном сигнале Х, Yi+1 = А* Xi +0.5* Yi = А* Xi +0.5(А* Xi-1 +В* Yi-1) = ... = А*(1+0.5+0.52+...+0.5n)*Хi-n+0.5n+1*Yi-n = 2*A*Xi-n = k*Xi-n или, изображая на графике, получим затухающую экспоненту. Y стремится к значению входного сигнала X, умноженному на коэффициент усиления k.

Если еще усилить влияние прошлого B=1, то система начнет интегрировать саму себя (выход подан на вход системы)

Yi+1 = А* Xi + Yi добавляя все время входной сигнал, что соответствует экспоненциальному неограниченному росту выходного сигнала. По смыслу это соответствует положительной обратной связи. При B=-1, имеем модель Yi+1 = А* Xi - Yi по смыслу соответствующую отрицательной обратной связи. При определении модели требуется найти неизвестные коэффициенты k и T.

Рассмотрим звено второго порядка.

Звено второго порядка имеет три параметра.

Характеристика: плавный выход из нуля, точка перегиба и бесконечное продвижение к установившемуся состоянию.

Модель - это материальный или мысленно представляемый объект, замещающий в процессе изучения объект-оригинал, и сохраняющий значимые для данного исследования типичные его черты. Процесс построения модели называется моделированием.

Процесс моделирования состоит из трех стадий - формализации (переход от реального объекта к модели), моделирования (исследование и преобразования модели), интерпретации (перевод результатов моделирования в область реальности).

16. Модель модели. Первое определение модели. Второе определение модели

Модель - объект или описание объекта, системы для замещения (при определенных условиях предложениях, гипотезах) одной системы (т.е. оригинала) другой системы для изучения оригинала или воспроизведения его каких - либо свойств. Модель - результат отображения одной структуры на другую.

Модели, если отвлечься от областей, сфер их применения, бывают трех типов: познавательные, прагматические и инструментальные.

Познавательная модель - форма организации и представления знаний, средство соединение новых и старых знаний. Познавательная модель, как правило, подгоняется под реальность и является теоретической моделью.

Прагматическая модель - средство организации практических действий, рабочего представления целей системы для ее управления. Реальность в них подгоняется под некоторую прагматическую модель. Это, как правило, прикладные модели.

Инструментальная модель - является средством построения, исследования и/или использования прагматических и/или познавательных моделей.

Познавательные отражают существующие, а прагматические - хоть и не существующие, но желаемые и, возможно, исполнимые отношения и связи.

По уровню, "глубине" моделирования модели бывают эмпирические - на основе эмпирических фактов, зависимостей, теоретические - на основе математических описаний и смешанные, полуэмпирические - использующие эмпирические зависимости и математические описания.

Математическая модель М описывающая ситему S (x1,x2,...,xn; R), имеет вид: М=(z1,z2,...,zm; Q), где ziÎZ, i=1,2,...,n, Q, R - множества отношений над X - множеством входных, выходных сигналов и состояний системы и Z - множеством описаний, представлений элементов и подмножеств X, соответственно.

Основные требования к модели: наглядность построения; обозримость основных его свойств и отношений; доступность ее для исследования или воспроизведения; простота исследования, воспроизведения; сохранение информации, содержавшиеся в оригинале (с точностью рассматриваемых при построении модели гипотез) и получение новой информации.

Проблема моделирования состоит из трех задач: построение модели (эта задача менее формализуема и конструктивна, в том смысле, что нет алгоритма для построения моделей); исследование модели (эта задача более формализуема, имеются методы исследования различных классов моделей); использование модели (конструктивная и конкретизируемая задача).

Модель М называется статической, если среди xi нет временного параметра t. Статическая модель в каждый момент времени дает лишь "фотографию" сиcтемы, ее срез.

Модель - динамическая, если среди xi есть временной параметр, т.е. она отображает систему (процессы в системе) во времени.

Модель - дискретная, если она описывает поведение системы только в дискретные моменты времени.

Модель - непрерывная, если она описывает поведение системы для всех моментов времени из некоторого промежутка времени.

Модель - имитационная, если она предназначена для испытания или изучения, проигрывания возможных путей развития и поведения объекта путем варьирования некоторых или всех параметров xi модели М.

Модель - детерминированная, если каждому входному набору параметров соответствует вполне определенный и однозначно определяемый набор выходных параметров; в противном случае - модель недетерминированная, стохастическая (вероятностная).

Можно говорить о различных режимах использования моделей - об имитационном режиме, о стохастическом режиме и т. д.

Модель включает в себя: объект О, субъект (не обязательный) А, задачу Z, ресурсы B, среду моделирования С: М=.

Свойства любой модели таковы:

конечность: модель отображает оригинал лишь в конечном числе его отношений и, кроме того, ресурсы моделирования конечны; упрощенность: модель отображает только существенные стороны объекта; приблизительность: действительность отображается моделью грубо или приблизительно; адекватность: модель успешно описывает моделируемую систему; информативность: модель должна содержать достаточную информацию о системе - в рамках гипотез, принятых при построении модели.

Жизненный цикл моделируемой системы:

· Сбор информации об объекте, выдвижение гипотез, предмодельный анализ;

· Проектирование структуры и состава моделей (подмоделей);

· Построение спецификаций модели, разработка и отладка отдельных подмоделей, сборка модели в целом, идентификация (если это нужно) параметров моделей;

· Исследование модели - выбор метода исследования и разработка алгоритма (программы) моделирования;

· Исследование адекватности, устойчивости, чувствительности модели;

· Оценка средств моделирования (затраченных ресурсов);

· Интерпретация, анализ результатов моделирования и установление некоторых причинно - следственных связей в исследуемой системе;

· Генерация отчетов и проектных (народно - хозяйственных) решений;

· Уточнение, модификация модели, если это необходимо, и возврат к исследуемой системе с новыми знаниями, полученными с помощью моделирования.

17. Множественность моделей систем. Определение понятия «проблема», «цель», «система»

Одним из основополагающих принципов моделирования сложных систем является принцип множественности моделей, заключающийся, с одной стороны, в возможности отображения многих различных систем и процессов с помощью одной и той же модели и, с другой стороны, в возможности представления одной и той же системы множеством различных моделей в зависимости от целей исследования. Использование этого принципа позволяет отказаться от подхода, когда для каждой исследуемой системы разрабатывается своя модель, и предложить новый подход, при котором разрабатываются абстрактные математические модели разного уровня (в основном базовые и локальные), используемые для исследования систем различных классов. При этом задача моделирования сводится к грамотной параметризации моделей и интерпретации полученных результатов.

Цель представляет собой сложное сочетание различных противоречивых интересов. Цель является системообразующим, интегрирующим фактором, объединяющим отдельные предметы и процессы в целостность, в систему. Это объединение происходит, исходя из того, что разрозненные предметы далеко не всегда могут служить достаточными средствами для достижения целей человека. А в объединенном виде они приобретают новое, системное, интегральное качество, которое является достаточным для реализации целей.

Система есть средство достижения цели.

Первое определение системы дополняется вторым, характеризующим ее внутреннее строение.

Общее определение системы формулируется следующим образом: «Системой называется совокупность взаимодействующих между собой элементов, выделенных из окружающей среды с определенной целью».

18. «Черный ящик». Модель, свойства, трудности построения модели. Условия полезности модели «черного ящика»

Построение модели "черного ящика" может быть сложной задачей из-за множественности входов и выходов системы (это обусловлено тем, что всякая реальная система взаимодействует с окружающей средой неограниченным числом способов). При построении модели из них надо отобрать конечное число. Критерием отбора является целевое назначение модели, существенность той ли иной связи по отношению к этой цели. Здесь, конечно, возможны ошибки, как раз не включенные в модель связи (которые все равно действуют) могут оказаться важными. Особое значение это имеет при определении цели, т.е. выходов системы. Реальная система вступает во взаимодействие со всеми объектами окружающей Среды, поэтому важно учесть все наиболее существенное. В результате главная цель сопровождается заданием дополнительных целей.

Пример: автомобиль не только должен перевозить определенное количество пассажиров или иметь необходимую грузоподъемность, но и не создавать слишком сильного шума при движении, иметь не превышающую норму токсичность выхлопных газов, приемлемый расход топлива, ... Выполнение только одной цели недостаточно, невыполнение дополнительных целей может сделать даже вредным достижение основной цели.

Модель черного ящика иногда оказывается единственно применимой при изучении систем.

Пример: исследование психики человека или влияние лекарства на организм мы воздействуем только на входы и делаем выводы на основании наблюдений за выходами в сигнал времени для пользователя, т.к. каждые часы показывают состояние своего датчика, то их показания постепенно расходятся. Выход состоит в синхронизации всех часов по показаниям некоего эталона времени (сигналы "точного времени" по радио). Включать эталон в состав часов как системы или рассматривать каждые часы как подсистему в общей системе указания времени?

19. Модель свойства системы. Элемент, подсистем, причины построения разных моделей разными экспертами

Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с ней как единое целое.

Свойство, которое возникает из соединения частей – есть главный признак, сущность, суть явления. Понятие о явлении – это, в первую очередь, представление о сущности явления, о главном признаке явления, о свойстве порожденном в данной системе.

Например, телевизоры и автомобили бывают разными: маленькими и большими, хорошими и не очень, собранными по разным схемам из разных деталей. Но все они обладают некоторым отличительным свойством: телевизор – это явление, которое принимает телесигналы и воспроизводит телеизображение, а автомобиль – это “повозка, которая сама ездит”.

Составить понятие о явлении, значит: указать на существование явления – выделить явление, различить его; показать устройство явления; доказать взаимосвязи этого явления с другими, т.е. определить место этого явления в иерархии явлений.

Иерархия, вложенность явлений возникает оттого, что в явлениях – надсистемах задействуются свойства явлений-подсистем, порожденные их целостностью. Всякое свойство явления порождается на некотором уровне иерархии явлений, поэтому изучая явления необходимо различать свойства, унаследованные от составляющих частей и свойства, порожденные целостностью явления.

Поскольку каждое свойство, всякая сущность порождается на своем уровне иерархии явлений, то нет смысла искать свойства на более низких уровнях – их там еще нет. Так же бессмысленно изучать свойства на более высоких уровнях – там свойства могут быть поглощены и включены в состав других явлений-систем.

Кроме линейной, иерархической упорядоченности есть и другие ее виды. Однако, несмотря на это, для овладения всяким свойством явления необходимо понять устройство того уровня иерархии, на котором порождаются интересуемые свойства явлений. В этом состоит суть системного подхода к анализу явлений.

Сложность явлений, возникающих на каждом уровне иерархии, ограничена. Любое явление, порожденное на данном уровне иерархии, усторено на сочетании некоторых из 7 принципов. Это принципы методологии познания.

Количественная характеристика функционального свойства называется функциональным ПАРАМЕТРОМ.

Например, составляющие части явления воздействуют друг на друга по контуру связей: в автомобиле топливная система подает в двигатель горючую смесь, а двигатель создает вращающее усилие на валу.

Двигатель – это подсистема автомобиля, которая порождает вращающее усилие. Совокупность деталей двигателя – это носитель явления, порождающего вращающее усилие, а взаимодействие между деталями – это контур связей деталей двигателя.

Поскольку явления независимы от своих носителей, то в двигателе можно заменить все детали, а в автомобиле один двигатель заменить на другой, также порождающий вращающее усилие на валу.

Итак, внутреннее устройство явления, архитектура системы – это совокупность функциональных свойств составляющих частей и структуры связей между ними.

20. Модель структуры системы. Условия использования, определение «структуры системы», «отношения», «свойство». Взаимосвязь понятий «отношения» и «свойства». Второе определение системы

Модели черного ящика и состава недостаточно во многих случаях. Необходимо знать связи между элементами и подсистемами, или отношения. Совокупность необходимых или достаточных для достижения цели отношений между элементами называется структурой системы. Между реальными объектами, включенными в систему, существует огромное (может быть бесконечное) число связей. При определении модели структуры рассматривается только конечное число связей, которые существенны по отношению к рассматриваемой цели.

Пример: при расчете механизма не учитывают силу взаимного притяжения деталей друг к другу, но вес деталей учитывается обязательно.

Когда речь идет о связи, отношении, то в нем участвует не менее двух объектов. Свойством называют некий атрибут одного объекта. Но свойство выявляется в процессе взаимодействия объекта с другими объектами, т.е. при установлении некоторого отношения.

Пример: мяч красного цвета, но это обнаруживается при наличии источника белого цвета и приемника-анализатора света. Свойство - свернутое отношение. Гипотеза: это утверждение справедливо для всех свойств.

Второе определение системы: "Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с нею как целое".

21. Структурная схема системы «белый ящик». Графы

Второе определение системы: "Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с нею как целое". Это определение охватывает модели черного ящика, состава и структуры. Оно называется структурной схемой системы (белый ящик).

Пример: структурная схема часов.

Абстрагирование от содержательной стороны структурных схем приводит к схеме, в которой обозначается только наличие элементов и связей между ними. В математике такой объект называется графом. (graph - диаграмма, график, граф). В графе различают вершины (им соответствуют элементы) и ребра (им соответствуют связи). Если связи не симметричные, то их обозначают ребрами со стрелками (дуга) и граф называется ориентированным, иначе - неориентированный. Можно отражать различия между элементами и связями, приписывая числовые характеристики ребрам (вес ребра - взвешенный граф) или раскрывать вершины и ребра (раскрашенный граф). Различают два типа динамики системы:

Функционирование - процессы, происходящие в системе, стабильно реализующей фиксированную цель (часы, городской транспорт, кинотеатр, телевизор, ...);

Развитие - изменение системы при изменении ее целей. Существующая структура системы должна измениться (а иногда и ее состав) для обеспечения новой цели.

Динамические модели также могут быть построены в виде черного ящика, модели состава (перечень этапов в последовательности действий) или модели структурной схемы (например, в виде сетевого графика при описании некоторого производственного процесса). Формализация понятия динамической системы осуществляется путем рассмотрения соответствия между множеством возможных значений входов X, выходов Y и упорядоченным множеством моментов времени T

T->X; T->Y; Tэt, Tэx, x=x(t), y=y(t).

Модель черного ящика - это совокупность двух процессов {x(t)}, {y(t)}. Даже если считать, что y(t)=F(x(t)), то в модели черного ящика преобразование F неизвестно.

22. Динамические модели системы. Функционирование и развитие

Объектная модель представляет статическую структуру проектируемой системы (подсистемы). Однако знания статической структуры недостаточно, чтобы понять и оценить работу подсистемы.

Необходимо иметь средства для описания изменений, которые происходят с объектами и их связями во время работы подсистемы. Одним из таких средств является динамическая модель подсистемы. Она строится после того, как объектная модель подсистемы построена и предварительно согласована и отлажена. Динамическая модель подсистемы состоит из диаграмм состояний ее объектов и подсистем.

Динамические модели используются для оценки явлений в развитии.

Динамическая модель системы состоит из диаграмм состояний ее объектов и подсистем.

Текущее состояние объекта характеризуется совокупностью текущих значений его атрибутов и связей. Во время работы системы составляющие ее объекты взаимодействуют друг с другом, в результате чего изменяются их состояния. Единицей влияния является событие: каждое событие приводит к смене состояния одного или нескольких объектов в системе, либо к возникновению новых событий. Работа системы характеризуется последовательностью происходящих в ней событий.

Функционирование (и развитие) системы возможно если в своем составе система имеет:

1. "Элементы" - подсистемы;

2. Единую "Управляющую структуру" - системообразующий фактор;

3. Возможность обмена со средой (внутри системы и внутри ее) веществом, энергией, информацией.

Функционирование сформировавшейся системы происходит на двух уровнях:

1. Управление использует фикции;

2. Элемент (подсистема представленная как "целое") являются фантомом и использует "данности".

Данное - это нечто, существующее без нашего содействия как факт.

Факт (от лат. factum - сделанное, свершившееся) - 1) событие; фактический - действительный.

2) сделанное, совершившееся; находящаяся перед нами действительность, то, что признается реально существующим.

Таким образом переживая События-Факты Элемент изменяется.

Управляющая структура получает сигнал о том что элемент изменился.

Таким образом, мы имеем:

Элемент – это

Событие-Факт изменение Сигнал

Управляющая структура – это

Сигнал прием сигнала определение характеристик сигнала определение значимости сигнала Понятие

Фактически здесь мы наблюдаем переход

Событие-Факт Сигнал Понятие

Таким образом

Управляющая структура - это одна реальность (Понятия), а Элемент (подсистема представленная как "целое") реальность другая (Событие-Факт).

Но Переход между реальностями совершает только СИГНАЛ (от латинского signum – знак), знак, несущий сообщение (информацию) о каком–либо событии, состоянии объекта наблюдения либо передающий команды управления, оповещения и т.д.

Таким образом, Функциональная система - это:

Элемент входящий Сигнал Событие-Факт исходящий Сигнал- Управляющая структура входящий Сигнал Понятие исходящий Сигнал

Но так как "Элемент" - это в свою очередь так же "Система" то картина Функциональной системы сложней:

Управляющая структура формирует исходящий Сигнал на основе Понятия, а Элемент (подсистема) формирует исходящий Сигнал на основе События-Факта.

Следовательно системе, для правильного функционирования, необходимы

Сигнал, правильно отражающий Событие-Факт;

Механизм правильного формирования Понятия.

23. Преобразование формальной модели в содержательную. Рекомендации по достижению полноты модели

При всем невообразимом многообразии реальных систем принципиально различных типов моделей систем очень немного: модель типа "черный ящик", модель состава, модель отношений, а также их разумные сочетания и прежде всего объединение всех трех моделей, т.е. структура системы. Это относится как к статическим моделям, отображающим фиксированное состояние системы так и к динамическим моделям, отображающим характер временных процессов, которые происходят с системой. Можно сказать, что структура ("белый ящик") получается как результат "суммирования" моделей "черного ящика", состава и отношений. Все указанные типы моделей являются формальными, относящимися к любым системам и, следовательно, не относящимися ни к одной конкретной системе. Чтобы получить модель заданной системы, нужно придать формальной модели конкретное содержание, т.е. решить, какие аспекты реальной системы включать как элементы модели избранного типа, а какие - нет, считая их несущественными. Этот процесс обычно неформализуем, поскольку признаки существенности или несущественности в очень редком случае удается формализовать (к таким случаям относится, например, возможность принять в качестве признака существенности частоту встречаемости данного элемента в различных подобных, т.е. одинаково классифицируемых, системах). Столь же слабо формализованными являются признаки элементарности и признаки разграничения между подсистемами.

В силу указанных причин, процесс построения содержательных моделей является процессом творческим. Тем не менее интуиции эксперта, разрабатывающего содержательную модель, немало помогают формальная модель и рекомендации по ее наполнению конкретным содержанием. Формальная модель является "окном", через которое эксперт смотрит на реальную систему, строя содержательную модель.

В процессе построения содержательных моделей систем отчетливо прослеживается необходимость использования диалектики. В этом процессе главной является задача создания полной модели. Общие рекомендации по достижению полноты вытекают из основных положений диалектики:

Необходимо стремиться учесть все существенные факторы, влияющие на рассматриваемое явление; поскольку такая существенность не всегда очевидна, лучше включить в модель несущественный элемент, чем не включить существенный;

Одним из необходимых признаков полноты модели является наличие в ней противоречивых элементов; следует уделить специальное внимание этому моменту: например, при перечислении выходов надо включать в перечень не только желательные целевые выходы (связи, продукцию и т.п.), но и нежелательные (отходы, брак, и т.п.);

Как бы ни были обширны наши знания о данном явлении, реальность богаче моделей - в ней всегда есть неизвестные факторы; чтобы не упустить из виду возможность чего-то существенного, но пока неизвестного, рекомендуется включать в модель неявные "запасные", неконкретизированные элементы (типа "все остальное", "что-то еще") и на различных стадиях системного анализа обращаться к этим элементам, как бы ставя перед собой вопрос: не пора ли дополнить модель еще одним явным элементом? Эти рекомендации, конечно, не исчерпывают всех возможностей: в арсенал искусства моделирования входит много научно обоснованных методов и эмпирических эвристик.

24. Искусственные и естественные системы

Искусственные системы - системы, создаваемые человеком. При возникновении проблемной ситуации происходит осознание потребности, затем выявление проблемы, потом формулирование цели. Цель - субъективный образ (абстрактная модель) желаемого состояния среды, которое решило бы возникшую проблему. В процессе деятельности, направленной на достижение поставленной цели происходит отбор из окружающей среды объектов, свойства которых можно использовать для достижения цели и объединение этих объектов подходящим образом. Это объединение объектов будем называть системой. Таким образом, система есть средство достижения цели. При этом, для достижения одной цели могут быть созданы разные системы и одна и та же система может быть использована для достижения разных целей, т.е. соответствия между целями и системами. Но из определения вытекает: "без проблемы нет системы" и "система есть тень цели на среде".

Естественные системы.

Понятие система применяется и к реальным природным объектам, обладающим естественной структурированностью, взаимосвязанностью отдельных частей и элементов. Это признаки системы. Но по первому определению системы - это средство достижения цели. О каких же целях может идти речь применительно к природным объектам?

Один из вариантов - существование высшего разума, который и определяет целесообразность природы. Но такой разум - это тоже система, и возникает вопрос о его "создателе" и цели создания и т.д. Наука не нуждается в гипотезе о существовании бога. Мир состоит их структурированных объектов. Всякая система - это объект, но не всякий объект является системой.

Пример 1: Лес - природный объект. Становится системой (частью системы), когда его свойства используются для конкретных целей. Например, при постройке нового района, часть леса сохранена для украшения, создания микроклимата, как место отдыха и, следовательно, становится частью системы "город". Или, участок леса отведен леспромхозу для разработки и становится элементом системы "леспромхоз". Сам по себе лес не имеет целей: выполнить план по лесозаготовкам или украсить город, но он имеет свойства, знание и использование которых дает возможность соответствующим системам достичь эти цели. Лес имеет бесконечно много свойств, которые могут быть познаны и потенциально могут быть использованы для создания систем. Такой подход означает, что человек если и может добиться какой-то цели, то не любым образом, а только действуя в соответствии с законами природы (их нельзя нарушать - их можно только использовать). Цели, противоречащие природным закономерностям, недостижимы.

Пример 2: Вечный двигатель не может быть создан, т.к. это противоречит закону сохранения энергии.

Пример 3: Создание искусственно разума - это цель, достижение которой не исключено (неизвестные законы, запрещающие это), но не гарантировано (способ достижения цели пока не известен).

Цель искусственной системы - идеальный образ (модель) желаемого результата деятельности системы (что должно бы быть). Этот идеальный образ можно назвать субъективной целью. Реально система и среда окажутся в некотором реализовавшемся состоянии (оно может совпадать полностью, частично, или вообще не совпадать). По отношению к прошлому моменту это состояние можно назвать объективной целью системы (т.е. будущее реальное состояние системы). Субъективные цели ставит человек. Объективные цели реализует природа. Таким образом, любой объект можно рассматривать как систему.

25. Субъективные и объективные цели. Классификация систем

Различают физические и абстрактные системы. Физические системы состоят из людей, изделий, оборудования, машин и прочих реальных или искусственных объектов. Им противопоставлены абстрактные системы. В последних свойства объектов, существование которых может быть неизвестным, за исключением их существования в уме исследователя, представляют символы. Идеи, планы, гипотезы и понятия, находящиеся в поле зрения исследователя, могут быть описаны как абстрактные системы.

В зависимости от своего происхождения выделяют естественные системы (например, климат, почва) и сделанные человеком.

По степени связи с внешней средой системы классифицируют на открытые и закрытые.

Открытые системы - это системы, которые обмениваются материально-информационными ресурсами или энергией с окружающей средой регулярным и понятным образом.

Противоположностью открытым системам являются закрытые.

Закрытые системы действуют с относительно небольшим обменом энергией или материалами с окружающей средой, например химическая реакция, протекающая в герметически закрытом сосуде. В деловом мире закрытые системы практически отсутствуют и считается, что окружающая среда является главным фактором успехов и неудач деятельности различных организаций. Однако представителей различных школ управления первых 60 лет прошлого века, как правило, не волновали проблемы внешней среды, конкуренции и всего остального, что носит внешний для организации характер. Подход с точки зрения закрытой системы предполагал то, что следует делать, чтобы оптимизировать использование ресурсов, принимая во внимание только происходящее внутри организации.

Реалии окружающего мира заставили исследователей и практиков прийти к выводу, что любая попытка понять социально-экономическую систему, рассматривая ее закрытой, обречена на провал. Более того, реальность отнюдь не является ареной, на которой господствует порядок, стабильность и равновесие: главенствующую роль в окружающем нас мире играет неустойчивость и неравновесность. С этой точки зрения системы можно классифицировать на равновесные, слабо равновесные и сильно неравновесные. Для социально-экономических систем состояние равновесия может наблюдаться на относительно коротком промежутке времени. Для слабо равновесных систем небольшие изменения внешней среды дают возможность системе в новых условиях достичь состояния нового равновесия. Сильно неравновесные системы, которые весьма чувствительны к внешним воздействиям, под влиянием внешних сигналов, даже небольших по величине, могут перестраиваться непредсказуемым образом.

По типу составных частей, входящих в систему, последние можно классифицировать на машинные (автомобиль, станок), по типу «человек - машина» (самолет - пилот) и по типу «человек-человек» (коллектив организации).

По целевым признакам различают: одноцелевые системы, то есть предназначенные для решения одной единственной целевой задачи и многоцелевые. Кроме того, можно выделить функциональные системы, обеспечивающие решение или рассмотрение отдельной стороны или аспекта задачи (планирование, снабжение и т. п.).

Хотя основные положения системного анализа являются общими для всех классов систем, специфика их отдельных классов требует особого подхода при их анализе. Ярко выраженная специфика социально-экономических систем по отношению к биологическим и тем более техническим обусловлена в первую очередь тем, что неотъемлемой частью первых является человек. Поэтому применительно к этому классу систем анализ должен осуществляться с учетом потребностей, интересов и поведения человека.

26. Схема функционирования управляемой модели

Общая схема функционирования системы представлена на рис. 1. В ней можно выделить отдельно систему S, подлежащую управлению U, и управляющую систему, которая это управление вырабатывает. Подчеркнем, что для выработки управления U требуется предсказание его последствий, т.е. нужна модель всей ситуации, с помощью которой управляющая система определяет какое управляющее воздействие нужно подать на вход системы. Это представлено на рис. 1, где схема изображена еще раз внутри управляющего блока.

Процесс управления системой определяется типом системы и тем, является ли управляющий блок внешним по отношению к системе или входит в нее.

Можно выделить пять основных способов управления, которые различаются в зависимости от степени известности траектории, приводящей систему к цели, и возможности управляющей системы удерживать управляющую систему на этой траектории.

Первый, простейший случай имеет место тогда, когда нужная траектория известна точно, а следовательно, априори известно и правильное управление Uo (t). В этом случае можно управлять, не учитывая развитие событий. Примерами такого типа управления является стрельба из ружья, работа компьютера по жесткой программе и т.п. Часто оказывается, что процессы на неуправляемых входах Vo (t) отличаются от ранее предполагаемых, и система сходит с нужной траектории.

Второй тип управления - регулирования. Он заключается в том, что, наблюдая текущую траекторию Y(t) и находя разность Y(t) - Y(to), можно определить дополнительное управляющее воздействие, которое возвратит систему на нужную траекторию. Примером регулирования является управление, осуществляемое операторами-станочниками, автопилотом и т.п.

Следующие способы управления возникают в связи с необходимостью управления в условиях, когда либо невозможно задать траекторию системы на весь период времени, либо отклонение от нее настолько велико, что вернуться на нужную траекторию невозможно. В этом случае необходимо спрогнозировать текущую траекторию Y(t) на будущее и определить, пересечет ли она целевую область Y.

Вход U S Выход

Рис. 1 Схема функционирования управляемой системы

Управление по параметрам (третий тип управления) состоит в подстройке параметров системы до тех пор, пока такое пересечение не будет обеспечено. Например, этому классу принадлежит работа пилотов, адаптивные и автоматизированные системы управления и т.п.

27. Классификация систем по способам управления

Первый уровень классификации по признаку: управляющий блок внутри системы или вне (третий класс - управление, разделено: вне и внутри). На втором уровне: первый тип отражает ситуацию, когда траектория, ведущая систему к цели известна точно, а значит и заранее известно правильное управление их. (Работа ЭВМ по программе, использование телефона, ...). Чаще под влиянием неуправляемых входов или неучтенных факторов система сходит с траектории. Пусть y(t) - траектория, которую мы наблюдаем; y0 (t) - "нужная" траектория; по значениям y(t)- y0 (t) определяется дополнительное к программному управление, которое вернет систему на нужную траекторию. Это называется регулирование (автопилот, оператор-станочник). Если "нужная" траектория неизвестна или уклонена настолько больше, что возврат невозможен, то прогнозируется поведение текущей траектории и подстраиваются параметры системы так, чтобы траектория пересекла целевую область y* (адаптация живых организмов к изменяющимся условиям жизни, работа водителей и пилотов).

Иногда управление параметрами не позволяет достичь целевой области, т.е. цель для данной системы не достижима. Выход - в изменении структуры системы, в поисках такой, при которой возможно попадание в целевую область. Такое управление называют структурной адаптацией (ГАП, сельхозмашины со сменными орудиями, мутации организмов в ходе естественного отбора, ...). Может быть и так, что какая-то цель недостижима и при структурной адаптации, тогда необходим отказ от старой цели и задание новой - управление (адаптация) по целям.

Для достижения нужного управления проводится отбор среди возможных управлений путем их сравнения по каким-то критериям, оценивающим последствия каждого из них. Для этого нужна модель управляемой системы. Для ее создания, актуализации (запуска в работу) и поддержания в процессе функционирования необходимы ресурсы (чтобы получать решения нужного качества и к нужному моменту времени).

28. Большие и сложные системы. Классификация систем по ресурсной обеспеченности управления

Научно-техническая революция вызвала возникновение нового объекта исследований в области управления, получившего название «большие системы».

Важнейшими характерными чертами больших систем являются: целенаправленность и управляемость системы, наличие у всей системы общей цели и назначения, задаваемых и корректируемых в системах более высоких уровней; сложная иерархическая структура организации системы, предусматривающая сочетание централизованного управления с автономностью частей; большой размер системы, то есть большое число частей и элементов, входов и выходов, разнообразие выполняемых функций и т. д.; целостность и сложность поведения. Сложные, переплетающиеся взаимоотношения между переменными, включая петли обратной связи, приводят к тому, что изменение одной влечет изменение многих других переменных.

К большим системам относятся крупные производственно-экономические системы (например, холдинги), города, строительные и научно-исследовательские комплексы.

Подавляющее число экономических и управленческих задач имеет такой характер, когда уже заведомо можно сказать, что мы имеем дело с большими системами. Системный анализ предусматривает специальные приемы, с помощью которых большую систему, трудную для рассмотрения исследователем, можно было бы разделить на ряд малых взаимодействующих систем или подсистем. Таким образом, большой системой целесообразно назвать такую, которую невозможно исследовать иначе, как по подсистемам.

Помимо больших систем в задачах управления экономикой выделяют сложные системы.

Сложной целесообразно называть такую систему, которая строится для решения многоцелевой, многоаспектной задачи. Непосредственным выводом из концепции сложной системы для анализа и проектирования систем управления является требование учета следующих факторов:

1. Наличие сложной, составной цели, параллельное существование разных целей или последовательная смена целей.

2. Наличие одновременно многих структур у одной системы (например, технологической, административной, функциональной и т. д.).

3. Невозможность описания системы в одном языке, необходимость использования спектра языков для анализа и проектирования отдельных ее подсистем.

Имеющиеся ресурсы не всегда обеспечивают качественное и своевременное решение по управлению. Обычно энергетические затраты на модель и выработку управления малы, но возможны ситуации, когда энергопотребление (при питании от общего ограниченного источника энергии) для управляемой и управляющей систем соизмеримы (космический аппарат, исследовательский робот, установки для экспериментов в... частиц высоких энергий). Возникает для таких систем проблема наилучшего распределения ресурсов.

Материальные ресурсы - ресурсы ЭВМ при моделировании на ЭВМ - они лимитируют решение задач большой размерности в реальном масштабе времени (экономические, организационно-управленческие, ...).

Большие системы - системы, проблемы моделирования которых заключаются в их большой размерности (решение - декомпозиция или применение более мощных средств).

По информационному ресурсу: его достаточно для успешного управления - система простая. Если информации в системе не хватает для эффективного управления (непредвиденные, нежелательные результаты управлений), то система называется сложной. Сложность - это объективно существующее отклонение между управляемой системой и моделью в управляющей системе. Преодоление сложности - получить (после конкретной причины сложности) недостающую информацию или сменить цель.

Возможны комбинации разных типов (по ресурсам) систем:

1) малые простые /бытовые и справные приборы для пользователя/;

2) малые сложные /неисправные бытовые приборы для пользователя/;

3)большие простые /шифрозамок сейфа для похитителя, точный прогноз погоды, межотраслевой баланс/;

4) большие сложные /живой организм, мозг, экономика страны/.

29. Распознавание больших и сложных систем.

Следует различать сложные и большие системы.

Сложная система – система с разветвленной структурой и значительным количеством взаимосвязанных и взаимодействующих элементов (подсистем), имеющих разные по своему типу связи, способная сохранять частичную работоспособность при отказе отдельных элементов (свойство робастности).

Сложная система - система, обладающая, по крайней мере, одним из перечисленных признаков:

а) допускает разбиение на подсистемы, изучение каждой из которых, с учетом влияния других подсистем в рамках поставленной задачи, имеет содержательный характер;

б) функционирует в условиях существенной неопределенности и воздействие среды на нее обусловливает случайный характер изменения ее параметров или структуры;

в) осуществляет целенаправленный выбор своего поведения.

Большая система – сложная система, имеющая ряд дополнительных признаков: наличие подсистем, имеющих собственное целевое назначение, подчиненное общему целевому назначению всей системы; большое число разнообразных связей (материальных, информационных, энергетических и т.п.); внешние связи с другими системами; наличие в системе элементов самоорганизации.

30. Способы перевода больших систем в малые, сложных в большие

Большой называется система, поведение которой определяется всей совокупностью ее элементов, взаимодействующих между собой, ни один из которых не является определяющим.

Сложной называется система, адекватное моделирование которой требует учета отсутствующей или недоступной информации.

Известны два способа перевода больших систем в разряд малых: использование более мощных вычислительных средств (компьютеров и программных систем) либо осуществление декомпозиции многомерной задачи на совокупность слабо связанных задач меньшей размерности (если характер задачи это позволяет). Если существует возможность сгруппировать элементы системы в незначительное количество подсистем, каждая из которых оказывает вполне определенное существенное влияние на поведение системы в целом, а с другими подсистемами мало взаимодействует, то этим самым описание функциональной структуры системы существенно упрощается.

На практике чаще всего исследователь самостоятельно решает неформализуемым путем, какие факторы он будет исследовать, а какие нет.

Между большими и сложными системами имеется много общего: очень часто большие системы одновременно являются и сложными. Но есть и существенное различие между ними: адекватное моделирование больших систем оказывается возможным при удовлетворении высоких требований к инструментам обработки (компьютерам и программным системам), тогда как при моделировании сложных систем возникают более фундаментальные проблемы, связанные с недостатком значимой информации.

31. Информация как свойство материи, сигналы в системах. Код, шум, сигнал

В связи с рассмотрением понятия модели отмечалось, что объединяющим все разновидности моделей, признаком является информационная сущность, любая модель несет информацию о свойствах и характеристиках оригинала, существенных для решаемой субъектом задачи.

Современное понимание информации (что это такое и ее роль) складывается как совокупность знаний, полученных конкретными науками (физика, биология, теория связи, ...) и философских обобщений.

Обычный смысл слова информация: "сведения, известия, сообщения, знания" трактует информацию как нечто, присущее только человеку, человеческому сознанию и общению. Материалистическая теория познания связывает наше знание с определением реального мира, соединяя отражение реального мира в нашем сознании с отображением, как всеобщим свойством материи. Некоторые ученые трактуют при этом свойство отражения как свойство материи обладать информацией, рассматривая информацию как всеобщее изначально присущее материи свойств.

Наряду с такой атрибутивной точкой зрения, существует функциональный подход к понятию информации, связывающий ее с управлением, и, следовательно, относящий информацию только к системам управления, которые существуют в живой природе, технике, обществе. В этом смысле понятие информации является основным для кибернетики - науки об управлении и связи.

Информация в системе управления возникает при обработке сигналов, поступивших из внешней среды. В качестве сигналов используются состояния некоторых объектов (каналов связи), соответствующим определенным состояниям управляемого объекта и внешней среды. Кроме этого, на состояние каналов связи влияют и другие объекты и системы из внешней среды, несущественные с точки зрения целей системы управления. Это воздействия являются помехами или шумами. При изучении каналов связи и их свойств можно рассматривать их в достаточной степени автономно, отвлекаясь от системы управления в которую они входят и говорить, что сами сигналы - это и есть информация, передаваемая посредством этого канала. Канал - носитель информации, передающий ее во времени и пространстве. Для образования сигналов могут быть использованы только объекты, состояния которых достаточно устойчивы, во времени или по изменению положения в пространстве.

В связи с этим сигналы делятся на два типа:

1). Стабильные состояния физических объектов (книга, фотография, маг. запись) - статические сигналы.

2). Динамические состояния физических полей. Изменение их состояния не локализовано (в неизолированной части поля) и приводит к распространению возмущения. Конфигурация этого возмущения обладает определенной устойчивостью, что обеспечивает сохранение сигнала (звук - колебания в газе, твердом теле, жидкости, радиосигналы, электромагнитного поля), такие сигналы называются динамическими. Н. Винер: общество простирается до тех пределов, до каких распространяется информация.

32. Типы сигналов. Случайный процесс – математическая модель сигналов

Сигналы делятся на два типа:

1). Стабильные состояния физических объектов (книга, фотография, магнитофонная запись) - статические сигналы.

2). Динамические состояния физических полей.

Изменение их состояния не локализовано (в неизолированной части поля) и приводит к распространению возмущения. Конфигурация этого возмущения обладает определенной устойчивостью, что обеспечивает сохранение сигнала (звук - колебания в газе, твердом теле, жидкости, радиосигналы, ... электромагнитного поля), такие сигналы называются динамическими. Н. Винер: общество простирается до тех пределов, до каких распространяется информация.

Математические модели случайных процессов широко используются как для описания полезных сигналов, так и сигналов помех. Наиболее известной моделью случайного процесса является гауссовский случайный процесс.

Случайный процесс (вероятностный, или стохастический), процесс изменения во времени состояния или характеристик некоторой системы под влиянием различных случайных факторов, для которого определена вероятность того или иного его течения.

33. Эксперимент и модель. Современное понятие эксперимента

Эксперимент (от лат. experimentum - проба, опыт), метод познания, при помощи которого в контролируемых и управляемых условиях исследуются явления природы и общества.

Научное исследование реального процесса можно проводить теоретически или экспериментально, которые проводятся независимо друг от друга. Такой путь познания истины носит односторонний характер. В современных условиях развития науки и техники стараются проводить комплексное исследование объекта. Этого можно добиться на основе новой, удовлетворяющей требованиям времени, методологии и технологии научных исследований.

Рассмотрим связь модели и эксперимента на примере вычислительного эксперимента.

Вычислительный эксперимент - это эксперимент над математической моделью объекта на ЭВМ, который состоит в том, что по одним параметрам модели вычисляются другие её параметры и на этой основе делаются выводы о свойствах явления, описываемого математической моделью. В проведении вычислительного эксперимента участвует коллектив исследователей - специалисты с конкретной предметной области, математики теоретики, вычислители, прикладники, программисты. Это связано с тем, что моделирование реальных объектов на ЭВМ включает в себя большой объём работ по исследованию их физической и математической моделей, вычислительных алгоритмов, программированию и обработке результатов. Здесь можно заметить аналогию с работами по проведению натурных экспериментов: составление программы экспериментов, создание экспериментальной установки, выполнение контрольных экспериментов, проведение серийных опытов, обработки экспериментальных данных и их интерпретация и т.д. Таким образом, проведение крупных комплексных расчётов следует рассматривать как эксперимент, проводимый на ЭВМ или вычислительный эксперимент.

Задача проектирования, например, сети обслуживания должна решаться с позиций системного подхода, учитывающего ее многоаспектность и иерархичность. Естественно, что те же свойства приобретает и процесс проектирования, проходящий уже на фазе моделирования несколько этапов и требующий применения разнообразного математического аппарата. В процессе имитационного эксперимента над моделью с учетом случайных исходов необходимо:

· классифицировать факторы на существенные и несущественные;

· разделить и оценить количественно влияния факторов и их комбинаций на целевую функцию;

· найти наивыгоднейшую комбинацию факторов.

Структура эксперимента (количество прогонов, выбор исходных данных для них и характер обработки результатов) определяется его целью. Первая проблема решается средствами дисперсионного анализа, вторая – регрессионного и факторного (скрининг), третья - методами статистической оптимизации.

34. Измерение, измерительные шкалы

Одной из задач при выработке решений является измерение рассматриваемых критериев по выбранным шкалам.

Под формированием шкалы понимается присвоение объектам (вещам, предметам или событиям) чисел согласно некоторой системе правил.

Можно выделить четыре уровня измерения и соответственно четыре типа шкал:

Шкалы наименований;

Шкалы порядка;

Шкалы интервалов;

Шкалы отношений.

В шкале наименований число используется как название или классификация. Можно нумеровать альтернативы, объекты, действия и т.д. Это не будет означать ничего иного, кроме того, что каждый отдельный предмет должен иметь различное обозначение. На шкалах наименований допустимы некоторые статистические операции. Можно, например, определить число элементов, принадлежащих какому-либо классу, найти наиболее многочисленный класс.

Шкалы порядка формируются в том случае, когда есть возможность сравнения двух объектов по общему признаку. Шкалы могут быть простого и слабого порядков. В шкалах простого порядка каждый элемент должен иметь более высокий или более низкий ранг, чем всякий другой элемент. Элементы на шкале слабого порядка могут иметь равную оценку. Поскольку элементы на шкалах порядка могут быть расположены неравномерно, то не допускается использование каких-либо арифметических операций. Возможно использование тех же статистических операций, что и на шкалах наименований и, кроме того, можно вычислить медианы, центили, коэффициенты ранговой корреляции.

Шкалы интервалов иначе называют равномерными; числено равные разности выражают эмпирически равные разности в измеряемом общем признаке. Шкалы интервалов не обладают свойством аддитивности; и, следовательно, в общем случае, на них нельзя осуществлять арифметические операции. Однако, при введении произвольного нуля, разности на шкалах интервалов можно рассматривать как абсолютные величины и производить с ними арифметические действия. Примером измерения в шкалах интервалов может служить календарное время или высота над уровнем моря. Для шкал интервалов приемлемы те же статистические операции, что и для шкал более низкого уровня, а также возможно вычисление математического ожидания, стандартного отклонения, смешанных моментов и коэффициента асимметрии.

Шкала отношений обладает всеми свойствами других шкал и, кроме этого, свойством аддитивности, что делает возможным проведение любых статистических и арифметических операций. В шкалах отношений измеряются любые физические величины; нуль шкалы естественен.

В задачах многокритериального ПР возникает необходимость формирования отдельных шкал для измерения разных компонентов рассматриваемого свойства. Такая шкала называется многомерной. При этом критерии в многомерной шкале могут измеряться по шкалам как одного, так и разных уровней.

35.Модели обработки данных, типичные задачи, классификационных и числовых моделей

Одной из важных задач искусственного интеллекта является задача обобщения информации. Благодаря применению методов извлечения и обобщения информации в системах принятия решений возможно построение обобщенных моделей данных и обработка больших массивов экспериментальных данных, полученных в ходе различного рода процессов и явлений. Источники таких больших потоков данных имеются во многих областях: банковское дело, розничная торговля, управление и диагностика, маркетинг и т.д. Общим для всех этих данных является то, что они содержат большое количество скрытых закономерностей, являющихся весьма важными для принятия стратегических решений. Для выявления этих закономерностей и используются методы обобщения и компьютерные системы, реализующие эти методы.

Большинство специалистов по обработке экспериментальных данных сходятся в том, что разнообразные задачи анализа информации могут быть сведены к трем: классификации исходных данных, выбору информативных признаков, идентификации неизвестных наблюдений.

Схема информационных преобразований данных в классификационной задаче приведена на рис.1.

В общем случае эмпирические данные могут быть сведены в таблицу . Используя различные модели , лежащие в основе методов классификации, исследователь преобразует описание таблицы в вид адекватный этим моделям. В рамках геометрической модели таблицу можно представить в виде совокупности “векторов – строк” (объектов) в признаковом пространстве . Структура “векторов – строк” меняется в зависимости от моделей описания данных . В качестве описаний могут выступать матрицы близости, сходства, подобия.

Классический подход к оценке информативности параметров исходного описания данных в задаче классификации сводится к следующей процедуре:

По всей совокупности параметров в рамках конкретного решающего правила оценивается ошибка классификации ;

Из исходной совокупности параметров

изымается параметр и повторно оценивается ошибка классификации ;

Путем сравнения этих ошибок и определения их разности :

выносится суждение о роли параметра в классификационной задаче. Так, если > 0, то параметр является “вредным” для классификации. Если < 0, то параметр – “полезен”, а, если =0, то “бесполезен”. Такой подход определяет необходимость последовательного перебора всех параметров, а также их возможных сочетаний, что влечет за собой значительные временные затраты.

36. Выбор как реализации цели. Определение термина «выбор»

Определение: принятие решения ("выбор") есть действие над множеством альтернатив, в результате которого исходное множество альтернатив сужается, т.е. происходит его редукция.

Выбор является действием, придающим всей деятельности целенаправленность. Именно через акты выбора реализуется подчиненность всей деятельности определенной цели или совокупности взаимосвязанных целей.

Принятие решений как снятие неопределенности (информационный подход).

Процесс получения информации можно рассматривать как уменьшение неопределенности в результате приема сигнала, а количество информации – как количественную меру степени снятия неопределенности.

Но в результате выбора некоторого подмножества альтернатив из множества, т.е. в результате принятия решения, происходит тоже самое (уменьшение неопределенности).

Это значит, что каждый выбор, каждое решение порождает определенное количество информации, а значит может быть описано в терминах теории информации.

К настоящему моменту сложилось три основных языка описания задач выбора. Самым простым, наиболее развитым является критериальный язык. Второй, более общий язык, на котором описывается выбор, - это язык

бинарных отношений. Основные предположения этого языка сводятся к следующему:

Третьим языком описания выбора является язык функций выбора. Он описывает выбор как операцию над произвольным множеством альтернатив, которая ставит этому множеству в соответствие некоторое его подмножество.

Такое соответствие двух множеств без их поэлементного соответствия значительно расширяет смысл термина “функция”.

Таким образом, в настоящее время известно большое количество разнообразных методов ПР и различных подходов к их классификации. При использовании разных методов решения задачи можно получить прямо противоположные результаты при одной и той же исходной информации. В связи с этим возникает проблема выбора метода (методов), подходящих для решения конкретной задачи принятия решений.

37. Множественность задач выбора. Критериальный язык описания выбора

Множественность задач принятия решений связана с тем, что каждая компонента ситуации, в которой осуществляется принятие решений, может реализовываться в качественно различных вариантах

Критериальный язык принятия решений.

Об одном и том же явлении можно говорить на различных языках различной степени общности и адекватности. К настоящему времени сложились три основных языка описания выбора.

Самым простым, наиболее развитым и наиболее популярным является критериальный язык

Название этого языка связано с основным предположением, состоящим в том, что каждую отдельно взятую альтернативу можно оценить некоторым конкретным (одним) числом, после чего сравнение альтернатив сводится к сравнению соответствующих им чисел.

Пусть, например, {X} – множество альтернатив, а x – некоторая определенная альтернатива, принадлежащая этому множеству: xX. Тогда считается, что для всех x может быть задана функция q(x), которая называется критерием (критерием качества, целевой функцией, функцией предпочтения, функцией полезности и т.п.), обладающая тем свойством, что если альтернатива x1 предпочтительнее x2 (обозначается: x1 > x2), то q(x1)>q(x2).

При этом выбор сводится к отысканию альтернативы с наибольшим значением критериальной функции.

Однако на практике использование лишь одного критерия для сравнения степени предпочтительности альтернатив оказывается неоправданным упрощением, так как более подробное рассмотрение альтернатив приводит к необходимости оценивать их не по одному, а по многим критериям, которые могут иметь различную природу и качественно отличаться друг от друга.

Многокритериальные задачи не имеют однозначного общего решения. Поэтому предлагается множество способов придать многокритериальной задаче частный вид, допускающий единственное общее решение. Естественно, что для разных способов эти решения являются в общем случае различными. Поэтому едва ли не главное в решении многокритериальной задачи – обоснование данного вида ее постановки. Используются различные варианты упрощения многокритериальной задачи выбора, основным из которых является сведение многокритериальной задачи к однокритериальной путем ввода интегрального критерия.

Более общий язык, на котором описывается выбор, - это язык

бинарных отношений.

Основные предположения этого языка сводятся к следующему:

Отдельная альтернатива не оценивается, т.е. критериальная функция не вводится;

Для каждой пары альтернатив можно установить, что одна из них либо предпочтительнее другой, либо они равноценны или не сравнимы;

Отношения предпочтения внутри любой пары альтернатив не зависит от остальных альтернатив.

Бинарные отношения могут быть заданы через описание пар, с помощью матрицы предложений, через граф предпочтений или сечелиями.

39. Групповой выбор. Правила «статистической» техники безопасности

Пусть имеется группа лиц, имеющих право принимать участие в коллективном принятии решений. Предположим, что эта группа рассматривает некоторый набор альтернатив, и каждый член группы осуществляет свой выбор. Ставится задача о выработке решения, которое определенным образом согласует индивидуальные выборы и в каком-то смысле выражает "общее мнение" группы, т.е. принимается за групповой выбор.

Естественно, различным принципам согласования индивидуальных решений будут соответствовать различные групповые решения.

Правила согласования индивидуальных решений при групповом выборе называются правилами голосования. Наиболее распространенным является "правило большинства", при котором за групповое решение принимается альтернатива, получившая наибольшее число голосов.

Необходимо понимать, что такое решение отражает лишь распространенность различных точек зрения в группе, а не действительно оптимальный вариант, за который вообще никто может и не проголосовать. "Истина не определяется путем голосования", самой распространенной точкой зрения может быть и заблуждение.

Кроме того, существуют так называемые "парадоксы голосования", наиболее известный из которых парадокс Эрроу.

Эти парадоксы могут привести, и иногда действительно приводят, к очень неприятным особенностям процедуры голосования: например бывают случаи, когда группа вообще не может принять единственного решения (нет кворума или каждый голосует за свой уникальный вариант, и т.д.), а иногда (при многоступенчатом голосовании) меньшинство может навязать свою волю большинству, как это было на президентских выборах в США "Буш – Гор".

Оставив в стороне человеческий фактор (например, недобросовестный или субъективный отбор данных), можно выделить несколько правил "статистической техники безопасности", связанных с самой природой статистических выводов.

Данные должны иметь действительно случайную природу (обладать статистической устойчивостью), что далеко не всегда имеет место, и очень непросто проверяемо.

Закономерность, выявленная статистически, никогда не бывает абсолютно точной: числовая характеристика всегда оценивается лишь приближенно; вероятность ошибки статистического вывода всегда отлична от нуля (ошибки первого и второго родов).

В структуре любого алгоритма статистической обработки данных заложены априорные предположения о природе данных. Если эти предположения расходятся с тем, что есть на самом деле, выводы получаются совсем не такого качества, которое от них ожидается. Практики же редко проверяют выполнимость "паспортных" ограничений на применимость процедур.

Выявленная статистическая закономерность подлежит содержательной интерпретации. Статистику нельзя обвинять за то, что вполне надежный статистический вывод неверно проинтерпретирован специалистом - пользователем; последний же часто "пеняет на зеркало".

Идея оптимальности является центральной идеей кибернетики и прочно вошла в практику проектирования и эксплуатации технических систем. Вместе с тем эта идея требует осторожного к себе отношения, когда мы пытаемся перенести ее в область управления сложными, большими и слабо детерминированными системами, такими, например, как социально-экономические системы.

Для этого заключения имеются достаточно веские основания. Рассмотрим некоторые из них.

1. Оптимальное решение нередко оказывается неустойчивым: т.е. незначительные изменения в условиях задачи, исходных данных или ограничениях могут привести к выбору существенно отличающихся альтернатив.

2. Оптимизационные модели разработаны лишь для узких классов достаточно простых задач, которые не всегда адекватно и системно отражают реальные объекты управления. Чаще всего оптимизационные методы позволяют оптимизировать лишь достаточно простые и хорошо формально описанные подсистемы некоторых больших и сложных систем, т.е. позволяют осуществить лишь локальную оптимизацию. Однако, если каждая подсистема некоторой большой системы будет работать оптимально, то это еще совершенно не означает, что оптимально будет работать и система в целом. То есть оптимизация подсистемы совсем не обязательно приводит к такому ее поведению, которое от нее требуется при оптимизации системы в целом. Более того, иногда локальная оптимизация может привести к негативным последствиям для системы в целом.

3. Часто максимизация критерия оптимизации согласно некоторой математической модели считается целью оптимизации, однако в действительностью целью является оптимизация объекта управления. Критерии оптимизации и математические модели всегда связаны с целью лишь косвенно, т.е. более или менее адекватно, но всегда приближенно.

Итак, идею оптимальности, чрезвычайно плодотворную для систем, поддающихся адекватной математической формализации, нельзя перенести на сложные системы. Конечно, математические модели, которые удается иногда предложить для таких систем, можно оптимизировать. Однако всегда следует учитывать сильную упрощенность этих моделей, а также то, что степень их адекватности фактически неизвестна. Поэтому не известно, какое чисто практическое значение имеет эта оптимизация. Высокая практичность оптимизации в технических системах не должна порождать иллюзий, что она будет настолько же эффективна при оптимизации сложных систем. Содержательное математическое моделирование сложных систем является весьма затруднительным, приблизительным и неточным. Чем сложнее система, тем осторожнее следует относится к идее ее оптимизации.

Поэтому, при разработке методов управления сложными, большими слабо детерминированными системами, основным является не оптимальность выбранного подхода с формальной математической точки зрения, а его адекватность поставленной цели и самому характеру объекта управления.

Аналитический метод - это общий термин, означающий совокупность частных методов изучения экономики, включая анализ и синтез, абстрагирование, допущение "при прочих равных условиях", индукцию и дедукцию, единство логического и исторического, математические и статистические методы.

Суть аналитического метода сводится к использованию нескольких взаимосвязанных этапов. На первом этапе осуществляется подготовка к аналитической обработке информации, которая включает в себя:

1) определение ключевого параметра, относительно которого производится оценка конкретного направления деятельности (например, объем продаж, объем прибыли, рентабельность и т.д.);

2) отбор факторов, которые влияют на деятельность (например, уровень инфляции, политическая стабильность, степень выполнения договоров основными поставщиками предприятия и т.д.);

3) расчет значений ключевого параметра на всех этапах процесса (НИОКР, внедрение в производство, полное производство, отмирание данного направления деятельности).

На втором этапе строятся диаграммы зависимости выбранных результирующих показателей от величины исходных параметров. Сопоставляя между собой полученные диаграммы, можно выделить те основные показатели, которые в наибольшей степени влияют на данный вид (или группу видов) деятельности.

На третьем этапе определяются критические значения ключевых параметров. Наиболее просто при этом может быть рассчитана критическая точка производства или зона безубыточности, которая показывает минимально допустимый объем продаж для покрытия издержек фирмы.

Во время четвертого этапа анализируются на основании полученных критических значений ключевых параметров и факторов, влияющих на них, возможные пути повышения эффективности и стабильности работы фирмы, а следовательно, и пути снижения степени риска, которая определяется одним из предыдущих методов.

Таким образом, преимуществом аналитического метода является то, что он сочетает в себе как возможность пофакторного анализа параметров, влияющих на риск так и выявление возможных путец снижения его степени посредством влияния на них.

42. Этапы, процедуры и результат использования синтетического метода

Синтетический метод требует предварительного анализа всей системы в целом и опирается на многоплановое исследование вещи. Аналитический метод почти исключительно направлен на изучение конструкции, синтетический - на анализ условий, определяющих отношение функции к конструкции, конструкции к форме, формы к образу.

Очень приближенно синтетический метод проектирования складывается из следующих этапов:

Возникновение включает широкий анализ специфических частных задач, стоящих перед исследователем при проектировании. Эта стадия включает обязательный пересмотр конструктивной концепции на «незаменимость» при широкой вариантности композиционных решений.

Оформление включает анализ заказа - специфических требований, определяющих отношение конструктивного спектра к индивидуальной конструкции в целях точного определения ее характерных качеств. Эта стадия включает обязательное сравнение вариантов композиционного решения блоков и узлов, отрыв от штампа, экономическое и технологическое обоснование выбора. Параллельно на этой стадии обязательны поиски образа.

Воплощение - анализ частного заказа: специфических требований, определяющих отношение конструкции к форме. Например, тщательное исследование различий в композиции формы часов в вестибюле театра и на городской площади. Это стадия рабочего проектирования, требующего широкой вариантности форм, логически соответствующих уточненной конструкции, учета взаимосвязи формы и материала, формы и цвета и т. п.

Оценка - сравнение запроектированной конструкции с аналогичными по конкретной функции конструкциями, проверка результатов проектирования на логическое непротиворечие по тем же трем стадиям с целью уменьшения субъективности оценки.

43. Особенности синтетического и аналитического метода

Для того чтобы понять, в чём заключаются эти методы, заметим, что частное положение, вывод, следствие находится в таком же отношении к общему положению, принципу, основанию, в каком действие находится к причине. Как из известной причины получается известное действие, так из известного принципа, основания получается известный вывод, следствие. Мы так же ищем для известного положения принцип или основание, как для известного действия ищем его причину. С другой стороны, как для известной причины мы ищем её действие, так для известных принципов мы можем искать их следствия.

Отсюда, в зависимости от того, что мы ищем, получаются два различных процесса.

Если мы от причины идём к действию, от основания к выводу, То такой путь называется прогрессивным или синтетическим. Прогрессивным он называется потому, что он соответствует реальному ходу природы, действительному ходу вещей, так как в природе причина раньше, чем действие. Обратный путь, именно от действия к причине, от выводов к принципам, называется регрессивным, аналитическим.

Схема отношения между анализом и синтезом:

Часто словам “анализ” и “синтез” придают другое значение, именно под анализом понимают метод разложения целого на его составные части, а под синтезом.-обратный метод сложения целого и в его частей, или элементов. В этом смысле чаще всего говорят об анализе и синтезе химическом. Но для того чтобы истинный смысл понятий “анализ” и “синтез”, как они употребляются в научном исследовании и изложении, был ясен, нужно считать основным значением слова “анализ” то, которое мы только что указали, именно сведение частных положений к основным принципам, а под синтезом следует понимать выведение следствий из основных принципов.

Аналитический метод исследования мы употребляем тогда, когда мы ищем причины данных действий. Судья, моралист и др., которые ищут причины известных действий, употребляют метод аналитический; законодатель, политик, педагог, которые стараются предусмотреть действия известных причин, должны идти путём синтетическим.

Для объяснения применения анализа возьмём следующий пример. Чтобы решить задачу вписывания правильного шестиугольника в данный круг, мы рассуждаем так. Предположим, что задача решена, и пусть АВ будет одной из сторон вписанного шестиугольника. Если мы проведём радиусы к конечным точкам сторон, то треугольник, образовавшийся таким образом, будет равноугольный (так как каждый угол равен двум третям прямого угла); следовательно, сторона вписанного правильного шестиугольника равна радиусу. Отсюда следует, что, для того чтобы вписать правильный шестиугольник в данный круг, нужно радиус нанести шесть раз на окружность. Здесь применение аналитического метода очевидно. Мы, сделав предположение, что задача решена, т. е. допустив данное частное положение, нашли то условие, тот общий принцип, при котором это частное положение возможно, т. е. из которого это положение можно вывести. Другими словами, мы данное частное положение сводим к общему принципу.

Примером применения синтеза может служить теорема: “во всяком треугольнике сумма его углов равняется двум прямым углам”. Для доказательства этой теоремы мы должны принять следующих два общих положения: “внутренние накрест лежащие углы равны” и “всякая пара смежных углов равна двум прямым”. Из этих общих положений мы выводим искомое положение.

Отношение анализа и синтеза к индукции и дедукции. Но, спрашивается, в каком отношении находятся методы аналитический и синтетический к методам индуктивному и дедуктивному? Отношение между ними таково, что анализ соответствует индукции, а синтез соответствует дедукции. Что анализ соответствует индукции, легко пояснить следующим образом.

Индукция имеет целью открытие законов, общих принципов. В процессе индукции мы идём от частных положений к общим принципам. Поэтому в процессе индукции мы совершаем регрессивный путь. Из этого следует, что индукция соответствует анализу.

Наоборот, дедукция выводит из общих принципов частные положения, те или иные следствия. Из этого становится ясным родство дедуктивного метода с синтетическим. Синтетический метод состоит в том, что мы предполагаем известные принципы открытыми и доказанными; из этих общих принципов мы выводим следствия.

44. Технические аспекты агрегирования и декомпозиции

Процесс конструирования включает в себя: декомпозицию, агрегирование, исследование условий.

Декомпозиция. Декомпозиция – это процесс разделения общей цели проектируемой системы на отдельные подцели – задачи в соответствии с выбранной моделью. Декомпозиция позволяет расчленить всю работу по реализации модели на пакет детальных работ, что позволяет решать вопросы их рациональной организации, мониторинга, контроля и т.д.

45. Алгоритмизация процесса декомпозиции

Декомпозиция – это процесс разделения общей цели проектируемой системы на отдельные подцели – задачи в соответствии с выбранной моделью. Декомпозиция позволяет расчленить всю работу по реализации модели на пакет детальных работ, что позволяет решать вопросы их рациональной организации, мониторинга, контроля и т.д.

Алгоритмизация декомпозиции подразумевает описание каждого этапа. Так, например, декомпозиция написания программы подразумевает: создание модулей, которые в свою очередь представляют собой небольшие программы, взаимодействующие друг с другом по хорошо определенным и простым правилам.

На этапе декомпозиции задачи на подзадачи следует придерживаться трех правил:

· каждая подзадача должна иметь один и тот же уровень рассмотрения;

· каждая подзадача может быть решена независимо;

· полученные решения могут быть объединены вместе, позволяя решить исходную задачу.

46. Типы сложности процесса декомпозиции. Эмерджментность

Процесс построения модели заключается в чередовании процедур декомпозиции (разложения целого на части - уточнения структур и конкретных характеристик элементов).

Естественно, что обладая такими колоссальными возможностями при правильном применении, декомпозиция может нанести колоссальный же урон понятности, простоте и модифицируемости программы. В частности и поэтому этапу декомпозиции всегда предшествует этап абстракции.

Абстракция подразумевает собой процесс изменения уровня детализации программы. Когда мы абстрагируемся от проблемы, мы предполагаем игнорирование ряда подробностей с тем, чтобы свести задачу к более простой. После этого декомпозиция такой упрощенной задачи становится более простой.

Таким образом, если декомпозиция позволяет разделить задачи на подзадачи, то абстракция позволяет производить этот процесс обдуманно и обоснованно.

Количество уровней сложности декомпозиции зависит от сложности системы.

Закономерность целостности (эмерджментность) проявляется в системе в возникновении у нее новых интегративных качеств, не свойственных ее компонентам.

У этой закономерности есть две стороны:

47. Эмерджментность как результат агрегирования

Агрегирование. В системном анализе процесс, в определенном смысле противоположный декомпозиции – это агрегирование (дословно – соединение частей в целое). Для пояснения его сути приведем такой пример. Допустим, мы задумали создать самый современный автомобиль. Для этого возьмем самую лучшую и современную конструкцию инжектора, самую лучшую систему зажигания, самую лучшую коробку передач и т.д. А в результате не то что самого современного автомобиля, а просто автомобиля не получим – эти части, пусть самые лучшие и современные, не взаимосвязаны между собой. Таким образом, агрегирование – это процесс согласования отдельных задач реализации проекта между собой.

Система в целом обладает свойствами, которые не обязательно присущи каждому ее элементу, т.е. она характеризуется эмерджментностью.

Свойства эмерджментности:

1) свойства системы (в целом) Qs не является суммой свойств элементов qi:

2) свойства системы (в целом) зависят от свойств элементов

Кроме этого, следует отметить, что объединенные в систему элементы могут терять ряд свойств, присущих им вне системы, т.е. система как бы подавляет некоторые свойства своих элементов.

Таким образом, эмерджментность – это результат агрегирования. В результате агрегирования у системы возникают новые интегративные качества, не свойственные ее компонентам.

48. Основные компоненты системных исследований

Любое исследование осуществляется в несколько этапов.

На первом этапе необходимо выявить потребности в исследовании, проанализировать проблемы, стоящие перед конкретной системой управления, выбрать из них главную, определяющую важность и первостепенность проведения исследования. Для этого проблема должна быть четко сформулирована.

На третьем этапе необходимо выбрать методологию проведения исследования, под которой понимаем совокупность целей, методов, приемов управления при проведении исследования, а также подход менеджеров к принятию решений и учет традиций организации.

На четвертом этапе проводится анализ ресурсов, необходимых для проведения исследования. К таким ресурсам относятся материальные, трудовые, финансовые ресурсы, оборудование, информация. Анализ ресурсов необходим для успешного проведения исследования и достижения его результатов,

Пятый этап предполагает выбор методов проведения исследования с учетом имеющихся ресурсов и целей исследования.

Шестой этап заключается в организации проведения исследований. Здесь необходимо определить порядок проведения исследований, распределить полномочия и ответственность и отразить это в регламентирующих документах, например в должностных инструкциях. Здесь же необходимо уточнить или определить технологию подготовки и утверждения управленческих решений при проведении исследований.

На седьмом (завершающем) этапе следует зафиксировать и проанализировать полученные результаты. Такими результатами могут быть отдельные рекомендации, новая модель системы управления, улучшенные нормы управляемости, более совершенные методики, способствующие оперативному и успешному разрешению проблемы. На этом этапе необходимо предварительно подсчитать эффективность исследований, т.е. соразмерить затраты на проведение исследований и полученные результаты.

49. Конфигуратор, проблематика и проблема. Генерирование альтернатив

Под конфигуратором понимают минимальный полный набор понятийных шкал или конструктов, достаточный для адекватного описания предметной области.

Все этапы системного анализа можно изобразить на рисунке.

Рисунок. Этапы системного анализа

1. Определение конфигуратора.

2. Постановка проблемы – отправной момент исследования. В исследовании системы ему предшествует работа по структурированию проблемы.

3. Расширение проблемы до проблематики, т.е. нахождение системы проблем или задач, существенно связанных с исследуемой проблемой, без учета которых она не может быть решена.

4. Выявление целей: цели указывают направление, в котором надо двигаться, чтобы поэтапно решить проблему.

5. Формирование критериев. Критерий – это количественное отражение степени достижения системой поставленных перед ней целей. Критерий – это правило выбора предпочтительного варианта решения из ряда альтернативных. Критериев может быть несколько. Многокритериальность является способом повышения адекватности описания цели. Критерии должны описать по возможности все важные аспекты цели, но при этом необходимо минимизировать число необходимых критериев.

6. Агрегирование критериев. Выявленные критерии могут быть объединены либо в группы, либо заменены обобщающим критерием.

7. Генерирование альтернатив и выбор с использованием критериев наилучшей из них. Формирование множества альтернатив является творческим этапом системного анализа.

Генерирование альтернатив осуществляют с помощью метода мозговой атаки, получившим широкое распространение с начала 50-х годов как «метод систематической тренировки творческого мышления», направленный на «открытие новых идей и достижение согласия группы людей на основе интуитивного мышления». Методы этого типа известны также под названиями мозгового штурма, конференций идей, коллективной генерации идей (КГИ). Обычно при проведении мозговой атаки, или сессий КГИ, стараются выполнить определенные правила, суть которых сводится к тому, чтобы обеспечить как можно большую свободу мышления участников КГИ и высказывания ими новых идей; для этого рекомендуется приветствовать любые идеи, даже если они вначале кажутся сомнительными или абсурдными (обсуждение и оценка идей проводится позднее), не допускается критика, не объявляется ложной идея и не прекращается обсуждение ни одной идеи. Требуется высказывать как можно больше идей (желательно нетривиальных), стараться создавать как бы цепные реакции идей.

В зависимости от принятых правил и жесткости их выполнения различают прямую мозговую атаку, метод обмена мнениями, методы типа комиссий, судов (когда одна группа вносит как можно больше предложений, а вторая - старается их максимально критиковать) и т.п. В последнее время иногда мозговую атаку проводят в форме деловой игры.

8. Исследование ресурсных возможностей, включая информационные потоки и ресурсы.

9. Выбор формализации (построение и использование моделей и ограничений) для решения проблемы.

10. Оптимизация (для простых систем).

12. Наблюдение и эксперименты над исследуемой системой.

13. Построение системы.

14. Использование результатов проведенного системного исследования.

50. Формулировка проблемы

Проблемой называется ситуация, характеризующаяся различием между необходимым (желаемым) выходом и существующим выходом. Выход является необходимым, если его отсутствие создает угрозу существованию или развитию системы. Существующий выход обеспечивается существующей системой. Желаемый выход обеспечивается желаемой системой. Проблема есть разница между существующей и желаемой системой. Проблема может заключаться в предотвращении уменьшения выхода или же в увеличении выхода. Условие проблемы представляет существующую систему («известное»). Требование представляет желаемую систему.

Решение проблемы есть - то, что заполняет промежуток между существующей и желаемой системами. Система, заполняющая промежуток, является объектом конструирования и называется решением проблемы.

Проблемы могут проявляться в симптомах. Систематически проявляющиеся симптомы образуют тенденцию. Обнаружение проблемы есть результат процесса идентификаций симптомов. Идентификация возможна при условии знания нормы или желательного поведения системы. За обнаружением проблемы следует прогнозирование ее развития и оценка актуальности ее решения, т.е. состояния системы при нерешенной проблеме. Оценка актуальности решения проблемы позволяет определить необходимость ее решения.

Процесс нахождения решения концентрируется вокруг итеративно выполняемых операций идентификации условия, цели и возможностей для решения проблемы. Результатом идентификации является описание условия, цели и возможностей в терминах системных объектов (входа, процесса, выхода, обратной связи и ограничения), свойств и связей, т. е. в терминах структур и входящих в них элементов. Если структуры и элементы условия, цели и возможностей данной проблемы известны, идентификация имеет характер определения количественных отношений, а проблема называется количественной. Если структура и элементы условия, цели и возможностей известны частично, идентификация имеет качественный характер, а проблема называется качественной или слабоструктуризованной. Как методология решения проблем системный анализ указывает принципиально необходимую последовательность взаимосвязанных операций, которая (в самых общих чертах) состоит из выявления проблемы, конструирования решения проблемы и реализации этого решения. Процесс решения представляет собой конструирование, оценку и отбор альтернатив систем по критериям стоимости, времени, эффективности и риска с учетом отношений между предельными значениями приращений этих величин (маргинальных отношений). Выбор границ этого процесса определяется условием, целью и возможностями его реализации.

51. Формулировка цели. Основные трудности

Современные представления о расхождении целей и результатов деятельности связаны с именем российского философа Н.Н. Трубникова, который утверждал, что их причиной является “двойственность” используемых средств. Действительно, когда средства подбираются для реализации намеченной цели, например, определенная структура, технология, персонал и т.д., то, будучи еще не опробованными в реальной деятельности, они представляют собой идеальные средства, т.е. средства, лишь мысленно подходящие для достижения целей. А на практике они начинают проявлять себя как реальные предметы с такими свойствами, многие из которых заранее познать было невозможно. Ведь эти свойства проявляются лишь во взаимодействии с другими предметами; поэтому пока этого взаимодействия не было, пока средства не были “встроены” в реальные системы, они оставались абстрактными, идеальными, мысленными средствами. И как идеальные средства они, казалось, способны были бы обеспечить реализацию запланированных целей. Но когда они становятся реальными средствами, то дают результат, в чем-то не совпадающий с целями.

Каков же выход? Ставить лишь такие цели, для достижения которых используются лишь привычные средства в привычных сочетаниях? Но такие цели рассчитаны на скромный результат, не свойственный современному рынку, да и в целом, человечеству, рвущемуся к прогрессу. Если же делать ставку на совершенно новые средства, то результаты практически невозможно прогнозировать, в чем легко убедиться, вспомнив многие проблемы человечества в сфере политики, экономики, экологии и т.д.

Следует признать, что оптимален подход, синтезирующий, объединяющий оба. Не вдаваясь в детальное обоснование, опишем лишь конкретную методологию, позволяющую использовать изложенные представления на практике.

52.Критерии, причины многокритериальных задач

Результаты исследования задач планирования и управления показывают, что в реальной постановке эти задачи являются многокритериальными. Так, часто встречающееся выражение «достичь максимального эффекта при наименьших затратах» уже означает принятие решения при двух критериях. Оценка деятельности предприятий и планирования как системы принятия решений производится на основе более десятка критериев: выполнение плана производства по объему, по номенклатуре, плана реализации, прибыли по показателям рентабельности, производительности труда и т. д.

Покажем, насколько широк диапазон проблем, которые могут быть адекватно сформулированы как многокритериальные, и какие характеристики следует использовать в качестве критериев.

Планирование очистки нефти

min {затраты},

min {количество импортируемой сырой нефти},

min {количество сырья с высоким содержанием серы},

min {отклонения от заданного состава},

min {сгорание газов}.

Планирование производства

mах {суммарный чистый доход},

mах {минимальный чистый доход за любой период},

min {число невыполненных заказов},

min {сверхурочное время},

min {запасы готовой продукции}.

Выбор портфеля ценных бумаг

mах {доход},

mах {дивиденды},

min {отклонения от желаемого уровня разнообразия бумаг}.

Транспортировка

min {стоимость},

min {среднее время доставки грузов приоритетным клиентам},

max {производство по заданной технологии},

min {расход топлива}.

Таким образом, для эффективного решения любой из данных задач необходимо в первую очередь построить многокритериальную математическую модель, которую затем нужно оптимизировать, предварительно выбрав наиболее подходящий для этого метод.

Существуют различные точки зрения на содержание понятия «системный анализ» и область его применения. Изучение различных определений системного анализа позволяет выделить четыре его трактовки.

Первая трактовка рассматривает системный анализ как один из конкретных методов выбора лучшего решения возникшей проблемы, отождествляя его, например, с анализом по критерию стоимость - эффективность.

Такая трактовка системного анализа характеризует попытки обобщить наиболее разумные приемы любого анализа (например, военного или экономического), определить общие закономерности его проведения.

В первой трактовке системный анализ - это, скорее, «анализ систем», так как акцент делается на объекте изучения (системе), а не на системности рассмотрения (учете всех важнейших факторов и взаимосвязей, влияющих на решение проблемы, использование определенной логики поиска лучшего решения и т.д.)

В ряде работ, освещающих те или иные проблемы системного анализа, слово «анализ» употребляется с такими прилагательными, как количественный, экономический, ресурсный, а термин «системный анализ» применяется значительно реже.

Согласно второй трактовке системный анализ - это конкретный метод познания (противоположность синтезу).

Третья трактовка рассматривает системный анализ как любой анализ любых систем (иногда добавляется, что анализ на основе системной методологии) без каких-либо дополнительных ограничений на область его применения и используемые методы.

Согласно четвертой трактовке системный анализ - это вполне конкретное теоретико-прикладное направление исследований, основанное на системной методологии и характеризующееся определенными принципами, методами и областью применения. Он включает в свой состав как методы анализа, так и методы синтеза, кратко охарактеризованные нами ранее.

Итак, системный анализ - это совокупность определенных научных методов и практических приемов решения разнообразных проблем, возникающих во всех сферах целенаправленной деятельности общества, на основе системного подхода и представления объекта исследования в виде системы. Характерным для системного анализа является то, что поиск лучшего решения проблемы начинается с определения и упорядочения целей деятельности системы, при функционировании которой возникла данная проблема. При этом устанавливается соответствие между этими целями, возможными путями решения возникшей проблемы и потребными для этого ресурсами.

Целью системного анализа является полная и всесторонняя проверка различных вариантов действий с точки зрения количественного и качественного сопоставления затраченных ресурсов с получаемым эффектом.

Системный анализ предназначен для решения в первую очередь слабоструктуризованных проблем, т.е. проблем, состав элементов и взаимосвязей которых установлен только частично, задач, возникающих, как правило, в ситуациях, характеризуемых наличием фактора неопределенности и содержащих неформализуемые элементы, непереводимые на язык математики.

Системный анализ помогает ответственному за принятие решения лицу более строго подойти к оценке возможных вариантов действий и выбрать наилучший из них с учетом дополнительных, неформализуемых факторов и моментов, которые могут быть неизвестны специалистам, готовящим решение.

2. Причины возникновения СА. Особенности совершенного СА

Системный анализ возник в США и прежде всего в недрах ВПК. Кроме того, в США системный анализ изучался во многих государственных организациях. Он считался наиболее ценным побочным достижением в области обороны и изучения космического пространства. В обеих палатах конгресса США в 60-е гг. прошлого века были внесены законопроекты «о мобилизации и использовании научно-технических сил страны для применения системного анализа и системотехники в целях наиболее полного использования людских ресурсов для решения национальных проблем».

Системный анализа использовался также руководителями и инженерами в крупных предприятиях промышленности. Цель применения методов системного анализа в промышленности и в коммерческой области - изыскание путей получения высокой прибыли.

Примером использования методов системного анализа в США может служить система программного планирования, известная под названием «планирование - программирование - разработка бюджета» (ППБ), или сокращенно «программное финансирование».

Помимо применения системы ППБ в США используется целый ряд систем прогнозирования и планирования, в основе которых лежат методы системного анализа. В частности, для прогнозирования и планирования НИОКР применялась информационная система «ПАТТЕРН», для руководства космическим проектом «Аполлон» на всех этапах его разработки использовалась автоматизированная информационная система «ФЕЙМ», с помощью системы «КВЕСТ» достигалась количественная взаимосвязь между военными задачами и целями и научно-техническими средствами, необходимыми для их реализации, для тех же целей в промышленности служила система «СКОР».

Главной методической особенностью этих систем являлся принцип последовательного расчленения каждой проблемы на несколько задач более низкого уровня с целью построения «дерева целей».

Рассматриваемые системы позволяли определить сроки решения научных и технических проблем и взаимную полезность работ, способствовали повышению качества принимаемых решений за счет преодоления узковедомственного подхода к их принятию, отказа от интуитивных и волевых решений а также от работ, которые не могут быть выполнены в установленные сроки.

Вместе с тем практика управления в США последних десятилетий показывает, что термин «системный анализ» не так часто применяется, как это имело место ранее. Многие подходы к обоснованию сложных решений, которые с ним связывались, продолжали использоваться и развиваться достаточно интенсивно уже под новыми названиями - «программный анализ», «анализ политики», «анализ последствий» и т.д. В то же время «новизна» названных видов анализа заключается скорее в их названиях. Методологической и методической их основой продолжает оставаться системный анализ, идеология системного подхода.

Системный анализ - это научный, всесторонний подход к принятию решений. Вся проблема изучается в целом, определяются цели развития объекта управления и различные пути их реализации в свете возможных последствий. При этом возникает необходимость согласования работы различных частей объекта управления, отдельных исполнителей, с тем чтобы направить их на достижение общей цели.

Никакая наука не рождается в один день, а появляется в результате совпадения всевозрастающего интереса к определенному классу задач и уровня развития научных принципов, методов и средств, с помощью которых оказывается возможным решать эти задачи. Системный анализ не является исключением. Его исторические корни так же глубоки, как и корни цивилизации. Еще первобытный человек, выбирая себе место для постройки жилища, подсознательно мыслил системно. Но как научная дисциплина системный анализ оформился во время Второй мировой войны, вначале применительно к военным задачам, а уже после войны - к задачам различных сфер гражданской деятельности, где он стал эффективным средством решения широкого круга практических задач.

Именно в это время общие основы системного анализа созрели настолько, что их стали оформлять в виде самостоятельной отрасли знаний. Можно с полным основанием сказать, что разработка методов системного анализа в значительной степени способствовала тому, что управление во всех сферах человеческой деятельности поднялось от стадии ремесла или чистого искусства, которое в преобладающей степени зависело от способности отдельных людей и накопленного ими опыта, до стадии науки.

3. Возникновение и развитие системных представлений. Признаки системности

В наше время происходит невиданный прогресс знания, который, с одной стороны, привел к открытию и накоплению множества новых фактов, сведений из различных областей жизни, и тем самым поставил человечество перед необходимостью их систематизации, отыскания общего в частном, постоянного в изменяющемся. С другой стороны, рост знания порождает трудности его освоения, обнаруживает неэффективность ряда методов используемых в науке и практике. Кроме того, проникновение в глубины Вселенной и субатомный мир, качественно отличный от мира соизмеримого с уже устоявшимися понятиями и представлениями, вызвало в сознании отдельных ученых сомнение во всеобщей фундаментальности законов существования и развития материи. Наконец, сам процесс познания, все более приобретающий форму преобразующей деятельности, обостряет вопрос о роли человека как субъекта в развитии природы, о сущности взаимодействия человека и природы, и в связи с этим, о выработке нового понимания законов развития природы и их действия. Дело в том, что преобразующая деятельность человека изменяет условия развития естественных систем, и тем самым способствует возникновению новых законов, тенденций движения. В ряду исследований в области методологии особое место занимает системный подход и в целом “системное движение”. Само системное движение дифференцировалось, разделялось на различные направления: общая теория систем, системный подход, системный анализ, философское осмысление системности мира. Существует ряд аспектов внутри методологии системного исследования: онтологический (системен ли в своей сущности мир, в котором мы живем?); онтологически-гносеологический (системно ли наше знание и адекватна ли его системность системности мира?); гносеологический (системен ли процесс познания и есть ли пределы системному познанию мира?); практический (системна ли преобразующая деятельность человека?)

Под термином система понимается объект, который одновременно рассматривается и как единое целое, и как объединенная в интересах достижения поставленных целей совокупность взаимосвязанных разнородных элементов работающих как единое целое. Системы значительно отличаются между собой как по составу, так и по главным целям. Это целое приобретает некоторое свойство, отсутствующее у элементов в отдельности.

Признаки системности описываются тремя принципами.

Признаки системности:

· Внешней целостности - обособленность или относительная обособленность системы в окружающем мире;

· Внутренней целостности - свойства системы зависят от свойств её элементов и взаимосвязей между ними. Нарушение этих взаимосвязей может привести к тому, что система не сможет выполнять свои функции;

· Иерархичности - системе можно выделить различные подсистемы, с другой стороны сама система тоже является подсистемой другой более крупной подсистемы;

Попытаемся показать, что системность является всеобщим свойством материи и человеческой практики. Начнем с рассмотрения человеческой практической деятельности, т.е. ее активного и целенаправленного воздействия на природу. Для этого сформулируем только самые очевидные и обязательные признаки системности: ее целостность и структурированность, взаимосвязанность составляющих ее элементов и подчиненность организации всей системы определенной цели.

Другое название для такого построения деятельности – алгоритмичность. Понятие алгоритма возникло вначале в математике и означало задание точно определенной последовательности однозначно понимаемых операций над числами или другими математическими объектами.

Сегодня становится очевидным, что роль системных представлений в практике постоянно увеличивается, что растет сама системность человеческой практики.

Последний тезис можно проиллюстрировать многими примерами, поучительно сделать это на несколько схематизированном примере проблемы повышения производительности труда.

Одна из важнейших особенность общественного производств а состоит в непрерывном росте его эффективности, и прежде всего в повышении производительности труда. Обеспечение роста производительности труда – это очень сложный и многогранный процесс, но его итог выражается, овеществляется в развитии средств труда и методов его организации.

Академиком В. М. Глушковым показано, что сложность R объективно необходимых задач управления растет быстрее, чем квадрат m людей, занятых управленческой деятельностью: R > b m², где b = Const. Известно, что для успешного управления отраслью, где занято n человек и имеется m управляемых объектов, суммарная сложность задач управления определяется соотношением R = c (n + m)² (как правило, c = 1). Объективная тенденция увеличения сложности управления, имеющая место в современном мире, имеет место и в России (где n = 2731, m = 107). Это приводит к росту необходимых затрат живого труда, т.е. ресурсов R на управление, а возможности человеческого мозга по запоминанию и переработке информации ограничены. В среднем объем памяти человека S = 10 16 бит, а средняя производительность вычислений V = 1/3 106 опер/с.

Следовательно, при решении сложных информационных задач только административными органами муниципального и федерального уровня получим R = 1 (2731 + 10000000)² = 10002731² = 100054627458000 опер./год, а для удовлетворительного управления страной при ручной технологии требуется, как минимум, N = R/V = 3x100054627458000/1000000 = 3001636882 чел., т.е. 300 миллионов. Это более чем в 2 раза превышает численность населения страны. Для ликвидации дефицита живого труда в управлении страной необходимо существенно повысить (в N/m = 300 раз) эффективность работы каждого сотрудника аппарата управления страны. Этого не потребовалось благодаря автоматизации информационно-аналитической работы органов управления страны с помощью ЭВМ.

Итак, автоматизация является мощным средством повышения производительности труда.

5. Отличие возможностей решения проблемы производительности труда в сложных системах от предыдущих этапов. Как и предлагается использование интеллекта человека

Одна из важнейших особенность общественного производств а состоит в непрерывном росте его эффективности, и прежде всего в повышении производительности труда. Обеспечение роста производительности труда – это очень сложный и многогранный процесс, но его итог выражается, овеществляется в развитии средств труда и методов его организации.

Академиком В. М. Глушковым показано, что сложность R объективно необходимых задач управления растет быстрее, чем квадрат m людей, занятых управленческой деятельностью: R > b m², где b = Const. Известно, что для успешного управления отраслью, где занято n человек и имеется m управляемых объектов, суммарная сложность задач управления определяется соотношением R = c (n + m)² (как правило, c = 1). Объективная тенденция увеличения сложности управления, имеющая место в современном мире, имеет место и в России (где n = 2731, m = 107). Это приводит к росту необходимых затрат живого труда, т.е. ресурсов R на управление, а возможности человеческого мозга по запоминанию и переработке информации ограничены. В среднем объем памяти человека S = 10 16 бит, а средняя производительность вычислений V = 1/3 106 опер/с.

Следовательно, при решении сложных информационных задач только административными органами муниципального и федерального уровня получим R = 1 (2731 + 10000000)² = 10002731² = 100054627458000 опер./год, а для удовлетворительного управления страной при ручной технологии требуется, как минимум, N = R/V = 3x100054627458000/1000000 = 3001636882 чел., т.е. 300 миллионов. Это более чем в 2 раза превышает численность населения страны. Для ликвидации дефицита живого труда в управлении страной необходимо существенно повысить (в N/m = 300 раз) эффективность работы каждого сотрудника аппарата управления страны. Этого не потребовалось благодаря автоматизации информационно-аналитической работы органов управления страны с помощью ЭВМ.

Здесь очень важно понять, что автоматизировать, т.е. полностью возложить на машину, можно только те работы, которые детально изучены, подробно и полно описаны, в которых точно известно, что, в каком порядке и как надо делать в каждом случае, и точно известны все возможные случаи и обстоятельства, в которых может оказаться автомат. Только при таких условиях можно сконструировать соответствующий автомат, и только в этих условиях он может успешно выполнять работу для которой он предназначен.

Итак, автоматизация является мощным средством повышения производительности труда.

Таким образом, решение проблемы производительности труда в сложных системах достигается путем автоматизации. Роль интеллекта человека при этом состоит в разработке автоматизирующих устройств.

6. Процессы познания и системность

Известно, что человек осваивает мир различными способами, Прежде всего он осваивает его чувственно, т.е. непосредственно воспринимая его через органы чувств. Характер такого познания, заключающийся в памяти и определяемый эмоциональным состоянием субъекта, является нам как целостным так и дробным - представляющим картину целиком или дробно, выделяя какие либо моменты. На основе эмоциональных состояний в человеке складывается представление об окружающем мире. Но чувственное восприятие есть свойство так же всех животных, а не только человека. Спецификой человека является более высокая ступень познания - рациональное познание, позволяющее обнаруживать и закреплять в памяти законы движения материи.

Рациональное познание системно. Оно состоит из последовательных мыслительных операций и формирует мыслительную систему, более или менее адекватную системе объективной реальности. Системна и практическая деятельность человека, причем уровень системности практики повышается с ростом знания и накопления опыта. Системность различных видов отражения и преобразования действительности человеком есть в конечном счете проявление всеобщей системности материи и ее свойств.

Системное познание и преобразование мира предполагает: рассмотрение объекта деятельности (теоретической и практической) как системы, т.е. как ограниченного множества взаимодействующих элементов, определение состава, структуры и организации элементов и частей системы, обнаружения главных связей между ними, выявление внешних связей системы, выделения из них главных, определение функции системы и ее роли среди других систем, анализ диалектики структуры и функции системы, обнаружение на этой основе закономерностей и тенденций развития системы.

Познание мира, а “научное познание” в частности, не может осуществляться хаотически, беспорядочно; оно имеет определенную систему и подчиняется определенным закономерностям. Эти закономерности познания определяются закономерностями развития и функционирования объективного мира.

7. Развитие системных представлений

Рассматривая исторические этапы развития системных представлений, важно прослеживать единство и борьбу двух противоположных подходов к познанию аналитического и синтетического. На ранних этапах развития человечества преобладал синтетический подход. Ф. Энгельс отмечал, что в древней Греции преобладало нерасчлененное знание: природа рассматривается в общем, как одно целое. Всеобщая связь явлений природы не доказывается в подробностях: она является результатом непосредственного созерцания.

Для последующего этапа метафизического способа мышления характерно преобладание анализа: Разложение природы на ее отдельные части, разделение различных процессов и предметов природы на определенные классы, исследование внутреннего строения органических тел по их анатомическим формам все это было основным условием тех исполинских успехов, которые были достигнуты в области познания природы за последние четыреста лет.

Новый, более высокий уровень системности познания представляет собой диалектический способ мышления. В развитие диалектики внесли значительный вклад представители немецкой классической философии: И. Кант, И. Фихте, Ф. Шеллинг. Кант наиболее точно выражал суждения о системности: Достигаемое разумом единство есть единство системы

Своей вершины идеалистическое понимание системы нашло у Гегеля. И только освобождение от идеализма привело к современному пониманию системности. Многое в философском понимании системы развили Маркс и Ленин.

Первым в явной форме вопрос о научном подходе к управлению сложными системами, какими является общество, поставил М.А. Ампер. При построении классификации всевозможных наук (Опыт философии наук, или аналитическое изложение классификации всех человеческих знаний ч. 1 1834 г., ч. 2 1843 г.), он выделил специальную науку об управлении государством и назвал ее кибернетикой. При этом он подчеркнул ее системные особенности: "Беспрестанно правительству приходится выбирать из различных мер ту, которая более всего пригодна к достижению цели и лишь благодаря углубленному и сравнительному изучению различных элементов, доставляемых ему для этого выбора (...) оно может составить себе общие правила поведения.

Следующая ступень развития связана с именем А.А. Богданова (настоящая фамилия Малиновский). Первый том его книги Всеобщая организационная наука (тектология) вышел в 1911 г., а в 1925 г. третий том. Идея Богданова состояла в том, что все объекты и процессы имеют определенный уровень организованности. Тектология должна изучать общие закономерности организаций для всех уровней. Он отмечает, что уровень организации тем выше, чем больше свойства целого отличаются от простой суммы свойств его частей.

По настоящему изучение теории систем началось под влиянием необходимости построение сложных технических систем преимущественно военного назначения. Были выделены достаточные средства и получены существенные результаты.

Следующий этап в развитии системных представлений связан с именем австрийского биолога Л. Берталанфи. Он пытался создать общую теорию систем любой природы на основе структурного сходства законов различных дисциплин.

Современное состояние теории систем связано с исследованиями известного бельгийского ученого Ильи Романовича Пригожина лауреата Нобелевской премии 1977 года. Исследуя термодинамику неравновесных физических систем, он понял, что обнаруженные им закономерности относятся к системам любой природы. Его основные результаты связаны с самоорганизацией систем. В переломные моменты или точки бифуркации принципиально невозможно предсказать станет система более или менее организованной.

8. Модели и моделирование

Моделирование представляет собой один из основных методов познания, является формой отражения действительности и заключается в выяснении или воспроизведении тех или иных свойств реальных объектов, предметов и явлений с помощью других объектов, процессов, явлений, либо с помощью абстрактного описания в виде изображения, плана, карты, совокупности уравнений, алгоритмов и программ.

Возможности моделирования, то есть перенос результатов, полученных в ходе построения и исследования модели, на оригинал основаны на том, что модель в определенном смысле отображает (воспроизводит, моделирует, описывает, имитирует) некоторые интересующие исследователя черты объекта.

Замена одного объекта (процесса или явления) другим, но сохраняющим все существенные свойства исходного объекта (процесса или явления), называется моделированием, а сам заменяющий объект называется моделью исходного объекта

Можно выделить следующие классы моделей.

Материальные модели

Общая черта, присущая этим моделям, состоит в том, что они копируют исходный объект. Они, как правило, делаются из совсем иного, зачастую более дешевого, материала, чем исходный объект. Размеры моделей также могут сильно отличаться от исходного объекта в ту или другую сторону.

Информационные модели

Модель, представляющая объект, процесс или явление набором параметров и связей между ними, называется информационной моделью. Вскрыть связи между параметрами информационной модели - это зачастую едва ли не самая сложная часть в построении модели, возникающая после того, как определены ее параметры. Информационные модели одного и того же объекта, предназначенные для разных целей, могут быть совершенно различными. Например, информационная модель человека может быть представлена в виде словесного портрета, фотографии, сведениями, занесенными в медицинскую карточку или картотеку отдела кадров по месту его работы. Класс информационных моделей широк. Сюда входят словесные (вербальные) модели, базы данных, диаграммы и схемы, чертежи и рисунки, математические модели и др. Информационная модель, в которой параметры и зависимости между ними выражены в математической форме, называется математической моделью.

Например, известное уравнение S=vt, где S - расстояние, а v и t - соответственно скорость и время, представляет собой модель равномерного движения, выраженную в математической форме. (Привести другие примеры математических моделей)

Быстрое развитие компьютерных технологий способствует и быстрому развитию и совершенствованию средств и способов информационного моделирования; решение задач на основе информационных моделей (компьютерное моделирование) - одна из важнейших сфер применения современных компьютеров. Предметом компьютерного моделирования могут быть: экономическая деятельность фирмы или банка, промышленное предприятие, информационно-вычислительная сеть, технологический процесс, любой реальный объект или процесс, например процесс инфляции, и вообще - любая Сложная Система.

Можно с уверенностью сказать, что большая часть моделей, которыми пользуется человек для решения жизненных задач, представляет собой некоторую совокупность элементов и связей между ними. Такие модели принято называть системами, а общие методы построения системных моделей - системным подходом. Основы системного подхода и заложил в своих трудах Л. фон Берталанфи. В системах элементы, ее составляющие, нельзя рассматривать изолированно. Их суммарный вклад в функционирование системы в целом обусловлен взаимодействием элементов между собой.

9. Моделирование – составляющие целенаправленной деятельности

Одной из проблем, с которой сталкиваются почти всегда при проведении системного анализа, является проблема эксперимента в системе или над системой. Очень редко это разрешено моральными законами или законами безопасности, но сплошь и рядом связано с материальными затратами и (или) значительными потерями информации.

Опыт всей человеческой деятельности учит - в таких ситуациях надо экспериментировать не над объектом, интересующим нас предметом или системой, а над их моделями. Под этим термином надо понимать не обязательно модель физическую, т. е. копию объекта в уменьшенном или увеличенном виде. Физическое моделирование очень редко применимо в системах, хоть как то связанных с людьми. В частности в социальных системах (в том числе - экономических) приходится прибегать к математическому моделированию.

Еще одно важное обстоятельство приходится учитывать при математическом моделировании. Стремление к простым, элементарным моделям и вызванное этим игнорирование ряда факторов может сделать модель неадекватной реальному объекту, грубо говоря - сделать ее неправдивой. Снова таки, без активного взаимодействия с технологами, специалистами в области законов функционирования систем данного типа, при системном анализе не обойтись.

В системах экономических приходится прибегать большей частью к математическому моделированию, правда в специфическом виде - с использованием не только количественных, но и качественных, а также логических показателей.

Завершая вопрос о моделировании при выполнении системного анализа, резонно поставить вопрос о соответствии используемых моделей реальности.

Это соответствие или адекватность могут быть очевидными или даже экспериментально проверенными для отдельных элементов системы. Но уже для подсистем, а тем более системы в целом существует возможность серьезной методической ошибки, связанная с объективной невозможность оценить адекватность модели большой системы на логическом уровне.

Иными словами - в реальных системах вполне возможно логическое обоснование моделей элементов. Эти модели как раз и стремятся строить минимально достаточными, простыми настолько, насколько это возможно без потери сущности процессов. Но логически осмыслить взаимодействие десятков, сотен элементов человек уже не в состоянии. И именно здесь может “сработать” известное в математике следствие из знаменитой теоремы Гёделя - в сложной системе, полностью изолированной от внешнего мира, могут существовать истины, положения, выводы вполне “допустимые” с позиций самой системы, но не имеющие никакого смысла вне этой системы.

То есть, можно построить логически безупречную модель реальной системы с использованием моделей элементов и производить анализ такой модели. Выводы этого анализа будут справедливы для каждого элемента, но ведь система - это не простая сумма элементов, и ее свойства не просто сумма свойств элементов.

Отсюда следует вывод - без учета внешней среды выводы о поведении системы, полученные на основе моделирования, могут быть вполне обоснованными при взгляде изнутри системы. Но не исключена и ситуация, когда эти выводы не имеют никакого отношения к системе - при взгляде на нее со стороны внешнего мира.

10. Способы воплощения модели. Абстрактные материальные модели

При создании моделей человеком, в его распоряжении два типа средств: средства самого сознания и средства окружающего материального мира; соответственно, модели делятся на абстрактные (идеальные) и материальные (реальные).

Абстрактные модели.

К ним относятся языковые конструкции, т.е. языковые модели. Естественный язык является универсальным средством построения любых абстрактных моделей. Универсальность обеспечивается возможностью введения в язык новых слов, а также возможностью иерархического построения все более развитых языковых моделей. Универсальность языка достигается, кроме прочего, еще и тем, что языковые модели обладают неоднозначностью, точностью, расплывчатостью. Это проявляется уже на уровне слов (многозначность или неопределенность). Плюс многовариантность соединения слов во фразы. Это порождает приблизительность - неотъемлемое свойство языковых моделей.

Материальные модели.

Чтобы некоторый материальный объект являлся моделью, замещением некоторого оригинала, между ними должно быть установлено отношение подобия. Существуют разные способы этого:

1). Прямое подобие, полученное в результате физического взаимодействия в процессе создания модели (фотография, масштабные модели самолетов, кораблей, зданий, куклы, шаблоны, выкройки и т.п.). Даже для прямого подобия модели существует проблема переноса результатов моделирования на оригинал (результат гидродинамических испытаний модели корабля, при которых можно масштабировать скорость движения, по характеристике воды (вязкость, плотность, сила тяготения - не масштабируется)). Существует теория подобия, относящаяся к моделям прямого подобия.

2). Косвенное подобие устанавливается между оригиналом и моделью не в результате физического взаимодействия, а существует объективно в природе, обнаруживаясь в виде совпадения или близости их абстрактных моделей. Например, электромеханическая аналогия. Некоторые закономерности механических и электрических процессов описываются одинаковыми управлениями, различие только в разной физической интерпретации переменных, входящих в эти управления. Поэтому экспериментирование с механической конструкцией можно заменить на опыт с электрической схемой, что проще и эффективнее. Подопытные животные у медиков - аналоги человеческого организма, автопилот - аналог летчика и т.д.

3) Условное подобие. Подобие модели оригиналу устанавливается в результате соглашения. Примеры: удостоверение личности - модель его владельца, карта - модель местности, деньги - модель стоимости, сигналы - модели сообщений. Модели условного подобия являются способом материального воплощения абстрактных моделей, формой, в которой эти абстрактные модели хранятся и передаются от одного человека - другому, сохраняя при этом возможность возвращения в абстрактную форму. Это достигается соглашением о том, какое состояние реального объекта ставится в соответствие данному элементу абстрактной модели.

Конкретизация и углубление общей схемы моделей условного подобия происходит в двух направлениях: - модели условного подобия в технических устройствах, где они применяются без участия человека; сигналы - правила построения и способы использования сигналов называются кодом, кодированием, декодированием - изучаются специальными дисциплинами; модели условного подобия, создаваемые самим человеком - знаковые системы. Занимающаяся этим область знаний называется семиотикой.

11. Установление подобия материальных моделей

Подобие есть определенное отношение между значениями показателей свойств различных объектов, наблюдаемое и измеряемое исследователем в процессе познания. Под подобием понимается такое взаимно однозначное соответствие (отношение) между свойствами объектов, при котором существует функция или правило приведения значений показателей данных свойств одного объекта к значениям тех же показателей другого объекта.

Математические (формальные) описания подобных объектов допускают приведение их к тождественному виду.

Другими словами, подобие есть отношение взаимно однозначного соответствия между значениями показателей однородных свойств различных объектов. Однородными называются свойства, имеющие одинаковую размерность показателей.

Известно несколько видов подобия объектов.

1. В зависимости от полноты учета параметров различают:

· абсолютное (теоретическое) подобие, которое предполагает пропорциональное соответствие значений всех параметров данных объектов, т. е.

pj(t) / rj(t) = mj(t), где j=1,n;

· практическое подобие - определенное функциональное взаимно однозначное соответствие параметров и показателей определенного подмножества свойств, существенных для данного исследования;

· практическое полное подобие - соответствие показателей и параметров выделенных свойств во времени и пространстве;

· практически не полное подобие - соответствие параметров и выделенных свойств показателей только во времени, или только в пространстве;

практическое приближенное подобие - соответствие выделенных параметров и показателей с определенными допущениями и приближениями.

2. По адекватности природы объектов различают:

· физическое подобие, предполагающее адекватность физической природы объектов (частными случаями физического подобия являются механическое, электрическое и химическое подобия объектов);

· математическое подобие, предполагающее адекватность формального описания свойств объектов (частными случаями математического подобия являются статистическое, алгоритмическое, структурное и графическое подобие показателей свойств объектов).

Проблема определения подобных объектов состоит в выборе научно обоснованных критериев подобия и в разработке методов расчета этих критериев.

12. Условия реализации свойств модели

Согласно логике системного анализа, когда определена и выстроена взаимосвязанная совокупность задач реализации проекта (можно сказать, и это будет достаточно строго – система задач), начинается следующий этап конструирования системы – исследование условий реализации модели.

Естественно, любая модель системы может быть реализована в практике лишь при наличии определенных условий.

Покажем на примере системы образования.

Естественно, любая модель образовательной системы может быть реализована в практике лишь при наличии определенных условий: кадровых, мотивационных, материально-технических, научно-методических, финансовых, организационных, нормативно-правовых, информационных.

К чести директивных органов следует отметить, что в последние годы вопросам условий реализации образовательных реформ и их подобий стало уделяться гораздо больше внимания, точно также как и технологической подготовке реализации образовательных проектов: созданию необходимых учебников, методических разработок переподготовке учителей и т.д. В былые же времена уже через полгода после выхода очередного постановления необходимо было отчитаться перед ЦК КПСС, что школы, ПТУ и т.п. «перешли на новое содержание образования».

13. Модель и оригинал. Различия. Конечность, упрощенность, приближенность

Соответствие между моделью и действительностью можно выразить следующими принципами:

1. Конечность.

Всякие реальные объекты как часть реального мира бесконечны по своим свойствам и связям с другими объектами. Однако, если иметь в виду наши возможности по познанию, то здесь мы ограничены своими собственными ресурсами - число нервных клеток мозга, число действий, которые можем выполнить в единицу времени, само время, в течение которого мы можем решать какую-то задачу; ограничены внешние ресурсы, которые мы можем вовлечь в процесс своей деятельности, т.е. необходимо познавать бесконечный мир конечными средствами. Все модели конечны. Абстрактные модели конечны изначально - они сразу наделяются фиксированным числом свойств. Реальные модели конечны в том смысле, что из бесконечного множества их свойств выбираются и используются лишь некоторые, подобные интересующим нас свойствами объекта-оригинала. Модель подобна оригиналу в конечном числе отношений.

2. Упрощенность.

Конечность моделей делает их упрощенность неизбежной, но в человеческой практике эта упрощенность является допустимой, т.к. для любой цели оказывается достаточным, неполное, упрощенное отображение действительности. Для конкретных целей такое упрощение является и необходимым, т.к. позволяет выявить главные эффекты и свойства оригинала (физические абстракции - идеальный газ, абсолютное черное тело, ...).

Вынужденное упрощение модели - необходимость оперирования с ней - ресурсное упрощение.

Еще один аспект: из двух моделей, описывающих с одинаковой точностью некоторый объект, ближе к оригиналу (к истинной его природе) оказывается та, которая проще.

3. Приближенность моделей.

С этим термином связывается количественное различие модели и оригинала (качественные различия связаны с терминами конечность и упрощенность). Это количественное различие есть всегда и само по себе не является ни большим, ни малым, его мера вводится соотнесением этого различия с целью моделирования (часы - модель времени).

Адекватна та модель, с помощью которой успешно достигается поставленная цель. Это не равносильно понятию полноты, точности, правильности точности модели. Модель Птолемея адекватна (в смысле точности описания движения планет). Адекватная, но ложная модель (успешное врачевание с помощью заклинаний духов). Иногда удается ввести некоторую меру адекватности. Тогда можно рассматривать вопросы об идентификации модели (т.е. нахождение в данном классе наиболее адекватной) об устойчивости моделей, об их адаптации.

14. Сходство модели и оригинала. Адекватность модели. Истинность моделей. Сочетание истинности и ложности

Важнейшим понятием при экономико-математическом моделировании, как и при всяком моделировании, является понятие адекватности модели, т. е. соответствия модели моделируемому объекту или процессу. Адекватность модели - в какой-то мере условное понятие, так как полного соответствия модели реальному объекту быть не может, что характерно и для экономико-математического моделирования. При моделировании имеется в виду не просто адекватность, но соответствие по тем свойствам, которые считаются существенными для исследования. Проверка адекватности экономико-математических моделей является весьма серьезной проблемой, тем более, что ее осложняет трудность измерения экономических величин. Однако без такой проверки применение результатов моделирования в управленческих решениях может не только оказаться мало полезным, но и принести существенный вред.

Имея в виду именно теоретические соображения и методы, лежащие в основе построения модели, можно ставить вопросы о том, на сколько веpно данная модель отражает объект и насколько полно она его отpажает. (В процессе моделирования выделяются специальные этапы – этап верификации модели и оценка ее адекватности). В таком случае возникает мысль о сравнимости любого созданного человеком предмета с аналогичными пpиpодными объектами и об истинности этого предмета. Но это имеет смысл лишь в том случае, если подобные пpедметы создаются со специальной целью изобpазить, скопиpовать, воспpоизвести опpеделенные чеpты естественного пpедмета.

Таким обpазом, можно говоpить о том, истинность пpисуща матеpиальным моделям:- в силу связи их с опpеделенными знаниями;- в силу наличия (или отсутствия) изомоpфизма ее стpуктуpы со стpуктуpой моделиpуемого пpоцесса или явления; в силу отношения модели к моделируемому объекту, которое делает ее частью познавательного процесса и позволяет решать определенные познавательные задачи.

И в этом отношении материальная модель является гносеологически вторичной, выступает как элемент гносеологического отражения.

15. Динамика модели. Процесс моделирования. Причины невозможности полной алгоритмизации процесса моделирования

На входе и выходе имеем зависимости параметров X и Y от времени t. Задача состоит в определении черного ящика.

Допустим, что на вход системы, до этого находившейся в нулевых начальных условиях, подали единичный сигнал X(t). Если на выходе будет наблюдаться экспоненциальный сигнал, то это система первого порядка. Для ее описания достаточно одной производной, а в решении модели будет присутствовать один интеграл. Так как один интеграл "всегда порождает" одну экспоненту, два интеграла - две экспоненты. Чтобы определить, является ли кривая экспонентой, в каждой точке проводится касательная до пересечения с линией установившегося уровня. В любой точке T должна быть постоянной величиной. Величина T характеризует инерционность системы (память). При малой величине T система слабо зависит от предыстории и вход мгновенно заставляет измениться выход. При большой величине T система, медленно реагирует на входной сигнал, а при очень большой T - система неизменна.

Звено первого порядка обладает двумя параметрами:

1) инерционность - T

2) коэффициент усиления

Введем понятие передаточной функции как модели динамической системы. По определению передаточная функция - это отношение выхода ко входу

Передаточная функция звена первого порядка имеет вид.

Тогда, используя определение передаточной функции, имеем, где "p" - значок производной ().

В разностном виде уравнение можно записать как (Yi+1 - Yi)*T+Yi*dt = k*Xi*dt. Или выразив настоящее через прошедшее Yi+1 = А* Xi +В* Yi. Здесь А и В весовые коэффициенты. А указывает на вес компоненты Х, определяющей влияние внешнего мира на систему, В указывает на вес Y, определяющей память системы, влияние на ее поведение истории.

В частности, если В=0, то Yi+1 = А* Xi и мы имеем дело с безинерционной системой, мгновенно реагирующей на входной сигнал Y=k*X и увеличивающей его в k раз. Если В=0.5, то нетрудно получить, что при постоянном входном сигнале Х, Yi+1 = А* Xi +0.5* Yi = А* Xi +0.5(А* Xi-1 +В* Yi-1) = ... = А*(1+0.5+0.52+...+0.5n)*Хi-n+0.5n+1*Yi-n = 2*A*Xi-n = k*Xi-n или, изображая на графике, получим затухающую экспоненту. Y стремится к значению входного сигнала X, умноженному на коэффициент усиления k.

Если еще усилить влияние прошлого B=1, то система начнет интегрировать саму себя (выход подан на вход системы)

Yi+1 = А* Xi + Yi добавляя все время входной сигнал, что соответствует экспоненциальному неограниченному росту выходного сигнала. По смыслу это соответствует положительной обратной связи. При B=-1, имеем модель Yi+1 = А* Xi - Yi по смыслу соответствующую отрицательной обратной связи. При определении модели требуется найти неизвестные коэффициенты k и T.

Рассмотрим звено второго порядка.

Звено второго порядка имеет три параметра.

Характеристика: плавный выход из нуля, точка перегиба и бесконечное продвижение к установившемуся состоянию.

Модель - это материальный или мысленно представляемый объект, замещающий в процессе изучения объект-оригинал, и сохраняющий значимые для данного исследования типичные его черты. Процесс построения модели называется моделированием.

Процесс моделирования состоит из трех стадий - формализации (переход от реального объекта к модели), моделирования (исследование и преобразования модели), интерпретации (перевод результатов моделирования в область реальности).

Второе определение системы: "Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с нею как целое". Это определение охватывает модели черного ящика, состава и структуры. Оно называется структурной схемой системы (белый ящик).

Пример: структурная схема часов.

Абстрагирование от содержательной стороны структурных схем приводит к схеме, в которой обозначается только наличие элементов и связей между ними. В математике такой объект называется графом. (graph - диаграмма, график, граф). В графе различают вершины (им соответствуют элементы) и ребра (им соответствуют связи). Если связи не симметричные, то их обозначают ребрами со стрелками (дуга) и граф называется ориентированным, иначе - неориентированный. Можно отражать различия между элементами и связями, приписывая числовые характеристики ребрам (вес ребра - взвешенный граф) или раскрывать вершины и ребра (раскрашенный граф). Различают два типа динамики системы:

Функционирование - процессы, происходящие в системе, стабильно реализующей фиксированную цель (часы, городской транспорт, кинотеатр, телевизор, ...);

Развитие - изменение системы при изменении ее целей. Существующая структура системы должна измениться (а иногда и ее состав) для обеспечения новой цели.

Динамические модели также могут быть построены в виде черного ящика, модели состава (перечень этапов в последовательности действий) или модели структурной схемы (например, в виде сетевого графика при описании некоторого производственного процесса). Формализация понятия динамической системы осуществляется путем рассмотрения соответствия между множеством возможных значений входов X, выходов Y и упорядоченным множеством моментов времени T

T->X; T->Y; Tэt, Tэx, x=x(t), y=y(t).

Модель черного ящика - это совокупность двух процессов {x(t)}, {y(t)}. Даже если считать, что y(t)=F(x(t)), то в модели черного ящика преобразование F неизвестно.

22. Динамические модели системы. Функционирование и развитие

Объектная модель представляет статическую структуру проектируемой системы (подсистемы). Однако знания статической структуры недостаточно, чтобы понять и оценить работу подсистемы.

Необходимо иметь средства для описания изменений, которые происходят с объектами и их связями во время работы подсистемы. Одним из таких средств является динамическая модель подсистемы. Она строится после того, как объектная модель подсистемы построена и предварительно согласована и отлажена. Динамическая модель подсистемы состоит из диаграмм состояний ее объектов и подсистем.

Динамические модели используются для оценки явлений в развитии.

Динамическая модель системы состоит из диаграмм состояний ее объектов и подсистем.

Текущее состояние объекта характеризуется совокупностью текущих значений его атрибутов и связей. Во время работы системы составляющие ее объекты взаимодействуют друг с другом, в результате чего изменяются их состояния. Единицей влияния является событие: каждое событие приводит к смене состояния одного или нескольких объектов в системе, либо к возникновению новых событий. Работа системы характеризуется последовательностью происходящих в ней событий.

Функционирование (и развитие) системы возможно если в своем составе система имеет:

1. "Элементы" - подсистемы;

2. Единую "Управляющую структуру" - системообразующий фактор;

3. Возможность обмена со средой (внутри системы и внутри ее) веществом, энергией, информацией.

Функционирование сформировавшейся системы происходит на двух уровнях:

1. Управление использует фикции;

2. Элемент (подсистема представленная как "целое") являются фантомом и использует "данности".

Данное - это нечто, существующее без нашего содействия как факт.

Факт (от лат. factum - сделанное, свершившееся) - 1) событие; фактический - действительный.

2) сделанное, совершившееся; находящаяся перед нами действительность, то, что признается реально существующим.

Таким образом переживая События-Факты Элемент изменяется.

Управляющая структура получает сигнал о том что элемент изменился.

Таким образом, мы имеем:

Элемент – это

Событие-Факт изменение Сигнал

Управляющая структура – это

Сигнал прием сигнала определение характеристик сигнала определение значимости сигнала Понятие

Фактически здесь мы наблюдаем переход

Событие-Факт Сигнал Понятие

Таким образом

Управляющая структура - это одна реальность (Понятия), а Элемент (подсистема представленная как "целое") реальность другая (Событие-Факт).

Но Переход между реальностями совершает только СИГНАЛ (от латинского signum – знак), знак, несущий сообщение (информацию) о каком–либо событии, состоянии объекта наблюдения либо передающий команды управления, оповещения и т.д.

Таким образом, Функциональная система - это:

Элемент входящий Сигнал Событие-Факт исходящий Сигнал- Управляющая структура входящий Сигнал Понятие исходящий Сигнал

Но так как "Элемент" - это в свою очередь так же "Система" то картина Функциональной системы сложней:

Управляющая структура формирует исходящий Сигнал на основе Понятия, а Элемент (подсистема) формирует исходящий Сигнал на основе События-Факта.

Следовательно системе, для правильного функционирования, необходимы

Сигнал, правильно отражающий Событие-Факт;

Механизм правильного формирования Понятия.

23. Преобразование формальной модели в содержательную. Рекомендации по достижению полноты модели

При всем невообразимом многообразии реальных систем принципиально различных типов моделей систем очень немного: модель типа "черный ящик", модель состава, модель отношений, а также их разумные сочетания и прежде всего объединение всех трех моделей, т.е. структура системы. Это относится как к статическим моделям, отображающим фиксированное состояние системы так и к динамическим моделям, отображающим характер временных процессов, которые происходят с системой. Можно сказать, что структура ("белый ящик") получается как результат "суммирования" моделей "черного ящика", состава и отношений. Все указанные типы моделей являются формальными, относящимися к любым системам и, следовательно, не относящимися ни к одной конкретной системе. Чтобы получить модель заданной системы, нужно придать формальной модели конкретное содержание, т.е. решить, какие аспекты реальной системы включать как элементы модели избранного типа, а какие - нет, считая их несущественными. Этот процесс обычно неформализуем, поскольку признаки существенности или несущественности в очень редком случае удается формализовать (к таким случаям относится, например, возможность принять в качестве признака существенности частоту встречаемости данного элемента в различных подобных, т.е. одинаково классифицируемых, системах). Столь же слабо формализованными являются признаки элементарности и признаки разграничения между подсистемами.

В силу указанных причин, процесс построения содержательных моделей является процессом творческим. Тем не менее интуиции эксперта, разрабатывающего содержательную модель, немало помогают формальная модель и рекомендации по ее наполнению конкретным содержанием. Формальная модель является "окном", через которое эксперт смотрит на реальную систему, строя содержательную модель.

В процессе построения содержательных моделей систем отчетливо прослеживается необходимость использования диалектики. В этом процессе главной является задача создания полной модели. Общие рекомендации по достижению полноты вытекают из основных положений диалектики:

Необходимо стремиться учесть все существенные факторы, влияющие на рассматриваемое явление; поскольку такая существенность не всегда очевидна, лучше включить в модель несущественный элемент, чем не включить существенный;

Одним из необходимых признаков полноты модели является наличие в ней противоречивых элементов; следует уделить специальное внимание этому моменту: например, при перечислении выходов надо включать в перечень не только желательные целевые выходы (связи, продукцию и т.п.), но и нежелательные (отходы, брак, и т.п.);

Как бы ни были обширны наши знания о данном явлении, реальность богаче моделей - в ней всегда есть неизвестные факторы; чтобы не упустить из виду возможность чего-то существенного, но пока неизвестного, рекомендуется включать в модель неявные "запасные", неконкретизированные элементы (типа "все остальное", "что-то еще") и на различных стадиях системного анализа обращаться к этим элементам, как бы ставя перед собой вопрос: не пора ли дополнить модель еще одним явным элементом? Эти рекомендации, конечно, не исчерпывают всех возможностей: в арсенал искусства моделирования входит много научно обоснованных методов и эмпирических эвристик.

24. Искусственные и естественные системы

Искусственные системы - системы, создаваемые человеком. При возникновении проблемной ситуации происходит осознание потребности, затем выявление проблемы, потом формулирование цели. Цель - субъективный образ (абстрактная модель) желаемого состояния среды, которое решило бы возникшую проблему. В процессе деятельности, направленной на достижение поставленной цели происходит отбор из окружающей среды объектов, свойства которых можно использовать для достижения цели и объединение этих объектов подходящим образом. Это объединение объектов будем называть системой. Таким образом, система есть средство достижения цели. При этом, для достижения одной цели могут быть созданы разные системы и одна и та же система может быть использована для достижения разных целей, т.е. соответствия между целями и системами. Но из определения вытекает: "без проблемы нет системы" и "система есть тень цели на среде".

Естественные системы.

Понятие система применяется и к реальным природным объектам, обладающим естественной структурированностью, взаимосвязанностью отдельных частей и элементов. Это признаки системы. Но по первому определению системы - это средство достижения цели. О каких же целях может идти речь применительно к природным объектам?

Один из вариантов - существование высшего разума, который и определяет целесообразность природы. Но такой разум - это тоже система, и возникает вопрос о его "создателе" и цели создания и т.д. Наука не нуждается в гипотезе о существовании бога. Мир состоит их структурированных объектов. Всякая система - это объект, но не всякий объект является системой.

Пример 1: Лес - природный объект. Становится системой (частью системы), когда его свойства используются для конкретных целей. Например, при постройке нового района, часть леса сохранена для украшения, создания микроклимата, как место отдыха и, следовательно, становится частью системы "город". Или, участок леса отведен леспромхозу для разработки и становится элементом системы "леспромхоз". Сам по себе лес не имеет целей: выполнить план по лесозаготовкам или украсить город, но он имеет свойства, знание и использование которых дает возможность соответствующим системам достичь эти цели. Лес имеет бесконечно много свойств, которые могут быть познаны и потенциально могут быть использованы для создания систем. Такой подход означает, что человек если и может добиться какой-то цели, то не любым образом, а только действуя в соответствии с законами природы (их нельзя нарушать - их можно только использовать). Цели, противоречащие природным закономерностям, недостижимы.

Пример 2: Вечный двигатель не может быть создан, т.к. это противоречит закону сохранения энергии.

Пример 3: Создание искусственно разума - это цель, достижение которой не исключено (неизвестные законы, запрещающие это), но не гарантировано (способ достижения цели пока не известен).

Цель искусственной системы - идеальный образ (модель) желаемого результата деятельности системы (что должно бы быть). Этот идеальный образ можно назвать субъективной целью. Реально система и среда окажутся в некотором реализовавшемся состоянии (оно может совпадать полностью, частично, или вообще не совпадать). По отношению к прошлому моменту это состояние можно назвать объективной целью системы (т.е. будущее реальное состояние системы). Субъективные цели ставит человек. Объективные цели реализует природа. Таким образом, любой объект можно рассматривать как систему.

25. Субъективные и объективные цели. Классификация систем

Различают физические и абстрактные системы. Физические системы состоят из людей, изделий, оборудования, машин и прочих реальных или искусственных объектов. Им противопоставлены абстрактные системы. В последних свойства объектов, существование которых может быть неизвестным, за исключением их существования в уме исследователя, представляют символы. Идеи, планы, гипотезы и понятия, находящиеся в поле зрения исследователя, могут быть описаны как абстрактные системы.

В зависимости от своего происхождения выделяют естественные системы (например, климат, почва) и сделанные человеком.

По степени связи с внешней средой системы классифицируют на открытые и закрытые.

Открытые системы - это системы, которые обмениваются материально-информационными ресурсами или энергией с окружающей средой регулярным и понятным образом.

Противоположностью открытым системам являются закрытые.

Закрытые системы действуют с относительно небольшим обменом энергией или материалами с окружающей средой, например химическая реакция, протекающая в герметически закрытом сосуде. В деловом мире закрытые системы практически отсутствуют и считается, что окружающая среда является главным фактором успехов и неудач деятельности различных организаций. Однако представителей различных школ управления первых 60 лет прошлого века, как правило, не волновали проблемы внешней среды, конкуренции и всего остального, что носит внешний для организации характер. Подход с точки зрения закрытой системы предполагал то, что следует делать, чтобы оптимизировать использование ресурсов, принимая во внимание только происходящее внутри организации.

Реалии окружающего мира заставили исследователей и практиков прийти к выводу, что любая попытка понять социально-экономическую систему, рассматривая ее закрытой, обречена на провал. Более того, реальность отнюдь не является ареной, на которой господствует порядок, стабильность и равновесие: главенствующую роль в окружающем нас мире играет неустойчивость и неравновесность. С этой точки зрения системы можно классифицировать на равновесные, слабо равновесные и сильно неравновесные. Для социально-экономических систем состояние равновесия может наблюдаться на относительно коротком промежутке времени. Для слабо равновесных систем небольшие изменения внешней среды дают возможность системе в новых условиях достичь состояния нового равновесия. Сильно неравновесные системы, которые весьма чувствительны к внешним воздействиям, под влиянием внешних сигналов, даже небольших по величине, могут перестраиваться непредсказуемым образом.

По типу составных частей, входящих в систему, последние можно классифицировать на машинные (автомобиль, станок), по типу «человек - машина» (самолет - пилот) и по типу «человек-человек» (коллектив организации).

По целевым признакам различают: одноцелевые системы, то есть предназначенные для решения одной единственной целевой задачи и многоцелевые. Кроме того, можно выделить функциональные системы, обеспечивающие решение или рассмотрение отдельной стороны или аспекта задачи (планирование, снабжение и т. п.).

Хотя основные положения системного анализа являются общими для всех классов систем, специфика их отдельных классов требует особого подхода при их анализе. Ярко выраженная специфика социально-экономических систем по отношению к биологическим и тем более техническим обусловлена в первую очередь тем, что неотъемлемой частью первых является человек. Поэтому применительно к этому классу систем анализ должен осуществляться с учетом потребностей, интересов и поведения человека.

26. Схема функционирования управляемой модели

Общая схема функционирования системы представлена на рис. 1. В ней можно выделить отдельно систему S, подлежащую управлению U, и управляющую систему, которая это управление вырабатывает. Подчеркнем, что для выработки управления U требуется предсказание его последствий, т.е. нужна модель всей ситуации, с помощью которой управляющая система определяет какое управляющее воздействие нужно подать на вход системы. Это представлено на рис. 1, где схема изображена еще раз внутри управляющего блока.

Процесс управления системой определяется типом системы и тем, является ли управляющий блок внешним по отношению к системе или входит в нее.

Можно выделить пять основных способов управления, которые различаются в зависимости от степени известности траектории, приводящей систему к цели, и возможности управляющей системы удерживать управляющую систему на этой траектории.

Первый, простейший случай имеет место тогда, когда нужная траектория известна точно, а следовательно, априори известно и правильное управление Uo (t). В этом случае можно управлять, не учитывая развитие событий. Примерами такого типа управления является стрельба из ружья, работа компьютера по жесткой программе и т.п. Часто оказывается, что процессы на неуправляемых входах Vo (t) отличаются от ранее предполагаемых, и система сходит с нужной траектории.

Второй тип управления - регулирования. Он заключается в том, что, наблюдая текущую траекторию Y(t) и находя разность Y(t) - Y(to), можно определить дополнительное управляющее воздействие, которое возвратит систему на нужную траекторию. Примером регулирования является управление, осуществляемое операторами-станочниками, автопилотом и т.п.

Следующие способы управления возникают в связи с необходимостью управления в условиях, когда либо невозможно задать траекторию системы на весь период времени, либо отклонение от нее настолько велико, что вернуться на нужную траекторию невозможно. В этом случае необходимо спрогнозировать текущую траекторию Y(t) на будущее и определить, пересечет ли она целевую область Y.

Вход U S Выход

Рис. 1 Схема функционирования управляемой системы

Управление по параметрам (третий тип управления) состоит в подстройке параметров системы до тех пор, пока такое пересечение не будет обеспечено. Например, этому классу принадлежит работа пилотов, адаптивные и автоматизированные системы управления и т.п.

27. Классификация систем по способам управления

Первый уровень классификации по признаку: управляющий блок внутри системы или вне (третий класс - управление, разделено: вне и внутри). На втором уровне: первый тип отражает ситуацию, когда траектория, ведущая систему к цели известна точно, а значит и заранее известно правильное управление их. (Работа ЭВМ по программе, использование телефона, ...). Чаще под влиянием неуправляемых входов или неучтенных факторов система сходит с траектории. Пусть y(t) - траектория, которую мы наблюдаем; y0 (t) - "нужная" траектория; по значениям y(t)- y0 (t) определяется дополнительное к программному управление, которое вернет систему на нужную траекторию. Это называется регулирование (автопилот, оператор-станочник). Если "нужная" траектория неизвестна или уклонена настолько больше, что возврат невозможен, то прогнозируется поведение текущей траектории и подстраиваются параметры системы так, чтобы траектория пересекла целевую область y* (адаптация живых организмов к изменяющимся условиям жизни, работа водителей и пилотов).

Иногда управление параметрами не позволяет достичь целевой области, т.е. цель для данной системы не достижима. Выход - в изменении структуры системы, в поисках такой, при которой возможно попадание в целевую область. Такое управление называют структурной адаптацией (ГАП, сельхозмашины со сменными орудиями, мутации организмов в ходе естественного отбора, ...). Может быть и так, что какая-то цель недостижима и при структурной адаптации, тогда необходим отказ от старой цели и задание новой - управление (адаптация) по целям.

Для достижения нужного управления проводится отбор среди возможных управлений путем их сравнения по каким-то критериям, оценивающим последствия каждого из них. Для этого нужна модель управляемой системы. Для ее создания, актуализации (запуска в работу) и поддержания в процессе функционирования необходимы ресурсы (чтобы получать решения нужного качества и к нужному моменту времени).

28. Большие и сложные системы. Классификация систем по ресурсной обеспеченности управления

Научно-техническая революция вызвала возникновение нового объекта исследований в области управления, получившего название «большие системы».

Важнейшими характерными чертами больших систем являются: целенаправленность и управляемость системы, наличие у всей системы общей цели и назначения, задаваемых и корректируемых в системах более высоких уровней; сложная иерархическая структура организации системы, предусматривающая сочетание централизованного управления с автономностью частей; большой размер системы, то есть большое число частей и элементов, входов и выходов, разнообразие выполняемых функций и т. д.; целостность и сложность поведения. Сложные, переплетающиеся взаимоотношения между переменными, включая петли обратной связи, приводят к тому, что изменение одной влечет изменение многих других переменных.

К большим системам относятся крупные производственно-экономические системы (например, холдинги), города, строительные и научно-исследовательские комплексы.

Подавляющее число экономических и управленческих задач имеет такой характер, когда уже заведомо можно сказать, что мы имеем дело с большими системами. Системный анализ предусматривает специальные приемы, с помощью которых большую систему, трудную для рассмотрения исследователем, можно было бы разделить на ряд малых взаимодействующих систем или подсистем. Таким образом, большой системой целесообразно назвать такую, которую невозможно исследовать иначе, как по подсистемам.

Помимо больших систем в задачах управления экономикой выделяют сложные системы.

Сложной целесообразно называть такую систему, которая строится для решения многоцелевой, многоаспектной задачи. Непосредственным выводом из концепции сложной системы для анализа и проектирования систем управления является требование учета следующих факторов:

1. Наличие сложной, составной цели, параллельное существование разных целей или последовательная смена целей.

2. Наличие одновременно многих структур у одной системы (например, технологической, административной, функциональной и т. д.).

3. Невозможность описания системы в одном языке, необходимость использования спектра языков для анализа и проектирования отдельных ее подсистем.

Имеющиеся ресурсы не всегда обеспечивают качественное и своевременное решение по управлению. Обычно энергетические затраты на модель и выработку управления малы, но возможны ситуации, когда энергопотребление (при питании от общего ограниченного источника энергии) для управляемой и управляющей систем соизмеримы (космический аппарат, исследовательский робот, установки для экспериментов в... частиц высоких энергий). Возникает для таких систем проблема наилучшего распределения ресурсов.

Материальные ресурсы - ресурсы ЭВМ при моделировании на ЭВМ - они лимитируют решение задач большой размерности в реальном масштабе времени (экономические, организационно-управленческие, ...).

Большие системы - системы, проблемы моделирования которых заключаются в их большой размерности (решение - декомпозиция или применение более мощных средств).

По информационному ресурсу: его достаточно для успешного управления - система простая. Если информации в системе не хватает для эффективного управления (непредвиденные, нежелательные результаты управлений), то система называется сложной. Сложность - это объективно существующее отклонение между управляемой системой и моделью в управляющей системе. Преодоление сложности - получить (после конкретной причины сложности) недостающую информацию или сменить цель.

Возможны комбинации разных типов (по ресурсам) систем:

1) малые простые /бытовые и справные приборы для пользователя/;

2) малые сложные /неисправные бытовые приборы для пользователя/;

3)большие простые /шифрозамок сейфа для похитителя, точный прогноз погоды, межотраслевой баланс/;

4) большие сложные /живой организм, мозг, экономика страны/.

29. Распознавание больших и сложных систем.

Следует различать сложные и большие системы.

Сложная система – система с разветвленной структурой и значительным количеством взаимосвязанных и взаимодействующих элементов (подсистем), имеющих разные по своему типу связи, способная сохранять частичную работоспособность при отказе отдельных элементов (свойство робастности).

Сложная система - система, обладающая, по крайней мере, одним из перечисленных признаков:

а) допускает разбиение на подсистемы, изучение каждой из которых, с учетом влияния других подсистем в рамках поставленной задачи, имеет содержательный характер;

б) функционирует в условиях существенной неопределенности и воздействие среды на нее обусловливает случайный характер изменения ее параметров или структуры;

в) осуществляет целенаправленный выбор своего поведения.

Большая система – сложная система, имеющая ряд дополнительных признаков: наличие подсистем, имеющих собственное целевое назначение, подчиненное общему целевому назначению всей системы; большое число разнообразных связей (материальных, информационных, энергетических и т.п.); внешние связи с другими системами; наличие в системе элементов самоорганизации.

30. Способы перевода больших систем в малые, сложных в большие

Большой называется система, поведение которой определяется всей совокупностью ее элементов, взаимодействующих между собой, ни один из которых не является определяющим.

Сложной называется система, адекватное моделирование которой требует учета отсутствующей или недоступной информации.

Известны два способа перевода больших систем в разряд малых: использование более мощных вычислительных средств (компьютеров и программных систем) либо осуществление декомпозиции многомерной задачи на совокупность слабо связанных задач меньшей размерности (если характер задачи это позволяет). Если существует возможность сгруппировать элементы системы в незначительное количество подсистем, каждая из которых оказывает вполне определенное существенное влияние на поведение системы в целом, а с другими подсистемами мало взаимодействует, то этим самым описание функциональной структуры системы существенно упрощается.

На практике чаще всего исследователь самостоятельно решает неформализуемым путем, какие факторы он будет исследовать, а какие нет.

Между большими и сложными системами имеется много общего: очень часто большие системы одновременно являются и сложными. Но есть и существенное различие между ними: адекватное моделирование больших систем оказывается возможным при удовлетворении высоких требований к инструментам обработки (компьютерам и программным системам), тогда как при моделировании сложных систем возникают более фундаментальные проблемы, связанные с недостатком значимой информации.

31. Информация как свойство материи, сигналы в системах. Код, шум, сигнал

В связи с рассмотрением понятия модели отмечалось, что объединяющим все разновидности моделей, признаком является информационная сущность, любая модель несет информацию о свойствах и характеристиках оригинала, существенных для решаемой субъектом задачи.

Современное понимание информации (что это такое и ее роль) складывается как совокупность знаний, полученных конкретными науками (физика, биология, теория связи, ...) и философских обобщений.

Обычный смысл слова информация: "сведения, известия, сообщения, знания" трактует информацию как нечто, присущее только человеку, человеческому сознанию и общению. Материалистическая теория познания связывает наше знание с определением реального мира, соединяя отражение реального мира в нашем сознании с отображением, как всеобщим свойством материи. Некоторые ученые трактуют при этом свойство отражения как свойство материи обладать информацией, рассматривая информацию как всеобщее изначально присущее материи свойств.

Наряду с такой атрибутивной точкой зрения, существует функциональный подход к понятию информации, связывающий ее с управлением, и, следовательно, относящий информацию только к системам управления, которые существуют в живой природе, технике, обществе. В этом смысле понятие информации является основным для кибернетики - науки об управлении и связи.

Информация в системе управления возникает при обработке сигналов, поступивших из внешней среды. В качестве сигналов используются состояния некоторых объектов (каналов связи), соответствующим определенным состояниям управляемого объекта и внешней среды. Кроме этого, на состояние каналов связи влияют и другие объекты и системы из внешней среды, несущественные с точки зрения целей системы управления. Это воздействия являются помехами или шумами. При изучении каналов связи и их свойств можно рассматривать их в достаточной степени автономно, отвлекаясь от системы управления в которую они входят и говорить, что сами сигналы - это и есть информация, передаваемая посредством этого канала. Канал - носитель информации, передающий ее во времени и пространстве. Для образования сигналов могут быть использованы только объекты, состояния которых достаточно устойчивы, во времени или по изменению положения в пространстве.

В связи с этим сигналы делятся на два типа:

1). Стабильные состояния физических объектов (книга, фотография, маг. запись) - статические сигналы.

2). Динамические состояния физических полей. Изменение их состояния не локализовано (в неизолированной части поля) и приводит к распространению возмущения. Конфигурация этого возмущения обладает определенной устойчивостью, что обеспечивает сохранение сигнала (звук - колебания в газе, твердом теле, жидкости, радиосигналы, электромагнитного поля), такие сигналы называются динамическими. Н. Винер: общество простирается до тех пределов, до каких распространяется информация.

32. Типы сигналов. Случайный процесс – математическая модель сигналов

Сигналы делятся на два типа:

1). Стабильные состояния физических объектов (книга, фотография, магнитофонная запись) - статические сигналы.

2). Динамические состояния физических полей.

Изменение их состояния не локализовано (в неизолированной части поля) и приводит к распространению возмущения. Конфигурация этого возмущения обладает определенной устойчивостью, что обеспечивает сохранение сигнала (звук - колебания в газе, твердом теле, жидкости, радиосигналы, ... электромагнитного поля), такие сигналы называются динамическими. Н. Винер: общество простирается до тех пределов, до каких распространяется информация.

Математические модели случайных процессов широко используются как для описания полезных сигналов, так и сигналов помех. Наиболее известной моделью случайного процесса является гауссовский случайный процесс.

Случайный процесс (вероятностный, или стохастический), процесс изменения во времени состояния или характеристик некоторой системы под влиянием различных случайных факторов, для которого определена вероятность того или иного его течения.

33. Эксперимент и модель. Современное понятие эксперимента

Эксперимент (от лат. experimentum - проба, опыт), метод познания, при помощи которого в контролируемых и управляемых условиях исследуются явления природы и общества.

Научное исследование реального процесса можно проводить теоретически или экспериментально, которые проводятся независимо друг от друга. Такой путь познания истины носит односторонний характер. В современных условиях развития науки и техники стараются проводить комплексное исследование объекта. Этого можно добиться на основе новой, удовлетворяющей требованиям времени, методологии и технологии научных исследований.

Рассмотрим связь модели и эксперимента на примере вычислительного эксперимента.

Вычислительный эксперимент - это эксперимент над математической моделью объекта на ЭВМ, который состоит в том, что по одним параметрам модели вычисляются другие её параметры и на этой основе делаются выводы о свойствах явления, описываемого математической моделью. В проведении вычислительного эксперимента участвует коллектив исследователей - специалисты с конкретной предметной области, математики теоретики, вычислители, прикладники, программисты. Это связано с тем, что моделирование реальных объектов на ЭВМ включает в себя большой объём работ по исследованию их физической и математической моделей, вычислительных алгоритмов, программированию и обработке результатов. Здесь можно заметить аналогию с работами по проведению натурных экспериментов: составление программы экспериментов, создание экспериментальной установки, выполнение контрольных экспериментов, проведение серийных опытов, обработки экспериментальных данных и их интерпретация и т.д. Таким образом, проведение крупных комплексных расчётов следует рассматривать как эксперимент, проводимый на ЭВМ или вычислительный эксперимент.

Задача проектирования, например, сети обслуживания должна решаться с позиций системного подхода, учитывающего ее многоаспектность и иерархичность. Естественно, что те же свойства приобретает и процесс проектирования, проходящий уже на фазе моделирования несколько этапов и требующий применения разнообразного математического аппарата. В процессе имитационного эксперимента над моделью с учетом случайных исходов необходимо:

· классифицировать факторы на существенные и несущественные;

· разделить и оценить количественно влияния факторов и их комбинаций на целевую функцию;

Структура эксперимента (количество прогонов, выбор исходных данных для них и характер обработки результатов) определяется его целью. Первая проблема решается средствами дисперсионного анализа, вторая – регрессионного и факторного (скрининг), третья - методами статистической оптимизации.

34. Измерение, измерительные шкалы

Одной из задач при выработке решений является измерение рассматриваемых критериев по выбранным шкалам.

Под формированием шкалы понимается присвоение объектам (вещам, предметам или событиям) чисел согласно некоторой системе правил.

Можно выделить четыре уровня измерения и соответственно четыре типа шкал:

Шкалы наименований;

Шкалы порядка;

Шкалы интервалов;

Шкалы отношений.

В шкале наименований число используется как название или классификация. Можно нумеровать альтернативы, объекты, действия и т.д. Это не будет означать ничего иного, кроме того, что каждый отдельный предмет должен иметь различное обозначение. На шкалах наименований допустимы некоторые статистические операции. Можно, например, определить число элементов, принадлежащих какому-либо классу, найти наиболее многочисленный класс.

Шкалы порядка формируются в том случае, когда есть возможность сравнения двух объектов по общему признаку. Шкалы могут быть простого и слабого порядков. В шкалах простого порядка каждый элемент должен иметь более высокий или более низкий ранг, чем всякий другой элемент. Элементы на шкале слабого порядка могут иметь равную оценку. Поскольку элементы на шкалах порядка могут быть расположены неравномерно, то не допускается использование каких-либо арифметических операций. Возможно использование тех же статистических операций, что и на шкалах наименований и, кроме того, можно вычислить медианы, центили, коэффициенты ранговой корреляции.

Шкалы интервалов иначе называют равномерными; числено равные разности выражают эмпирически равные разности в измеряемом общем признаке. Шкалы интервалов не обладают свойством аддитивности; и, следовательно, в общем случае, на них нельзя осуществлять арифметические операции. Однако, при введении произвольного нуля, разности на шкалах интервалов можно рассматривать как абсолютные величины и производить с ними арифметические действия. Примером измерения в шкалах интервалов может служить календарное время или высота над уровнем моря. Для шкал интервалов приемлемы те же статистические операции, что и для шкал более низкого уровня, а также возможно вычисление математического ожидания, стандартного отклонения, смешанных моментов и коэффициента асимметрии.

Шкала отношений обладает всеми свойствами других шкал и, кроме этого, свойством аддитивности, что делает возможным проведение любых статистических и арифметических операций. В шкалах отношений измеряются любые физические величины; нуль шкалы естественен.

В задачах многокритериального ПР возникает необходимость формирования отдельных шкал для измерения разных компонентов рассматриваемого свойства. Такая шкала называется многомерной. При этом критерии в многомерной шкале могут измеряться по шкалам как одного, так и разных уровней.

35.Модели обработки данных, типичные задачи, классификационных и числовых моделей

Одной из важных задач искусственного интеллекта является задача обобщения информации. Благодаря применению методов извлечения и обобщения информации в системах принятия решений возможно построение обобщенных моделей данных и обработка больших массивов экспериментальных данных, полученных в ходе различного рода процессов и явлений. Источники таких больших потоков данных имеются во многих областях: банковское дело, розничная торговля, управление и диагностика, маркетинг и т.д. Общим для всех этих данных является то, что они содержат большое количество скрытых закономерностей, являющихся весьма важными для принятия стратегических решений. Для выявления этих закономерностей и используются методы обобщения и компьютерные системы, реализующие эти методы.

Большинство специалистов по обработке экспериментальных данных сходятся в том, что разнообразные задачи анализа информации могут быть сведены к трем: классификации исходных данных, выбору информативных признаков, идентификации неизвестных наблюдений.

Схема информационных преобразований данных в классификационной задаче приведена на рис.1.

В общем случае эмпирические данные могут быть сведены в таблицу. Используя различные модели, лежащие в основе методов классификации, исследователь преобразует описание таблицы в вид адекватный этим моделям. В рамках геометрической модели таблицу можно представить в виде совокупности “векторов – строк” (объектов) в признаковом пространстве. Структура “векторов – строк” меняется в зависимости от моделей описания данных. В качестве описаний могут выступать матрицы близости, сходства, подобия.

Классический подход к оценке информативности параметров исходного описания данных в задаче классификации сводится к следующей процедуре:

По всей совокупности параметров в рамках конкретного решающего правила оценивается ошибка классификации;

Из исходной совокупности параметров

изымается параметр и повторно оценивается ошибка классификации;

Путем сравнения этих ошибок и определения их разности:

выносится суждение о роли параметра в классификационной задаче. Так, если > 0, то параметр является “вредным” для классификации. Если < 0, то параметр – “полезен”, а, если =0, то “бесполезен”. Такой подход определяет необходимость последовательного перебора всех параметров, а также их возможных сочетаний, что влечет за собой значительные временные затраты.

36. Выбор как реализации цели. Определение термина «выбор»

Определение: принятие решения ("выбор") есть действие над множеством альтернатив, в результате которого исходное множество альтернатив сужается, т.е. происходит его редукция.

Выбор является действием, придающим всей деятельности целенаправленность. Именно через акты выбора реализуется подчиненность всей деятельности определенной цели или совокупности взаимосвязанных целей.

Идея оптимальности является центральной идеей кибернетики и прочно вошла в практику проектирования и эксплуатации технических систем. Вместе с тем эта идея требует осторожного к себе отношения, когда мы пытаемся перенести ее в область управления сложными, большими и слабо детерминированными системами, такими, например, как социально-экономические системы.

Для этого заключения имеются достаточно веские основания. Рассмотрим некоторые из них.

1. Оптимальное решение нередко оказывается неустойчивым: т.е. незначительные изменения в условиях задачи, исходных данных или ограничениях могут привести к выбору существенно отличающихся альтернатив.

2. Оптимизационные модели разработаны лишь для узких классов достаточно простых задач, которые не всегда адекватно и системно отражают реальные объекты управления. Чаще всего оптимизационные методы позволяют оптимизировать лишь достаточно простые и хорошо формально описанные подсистемы некоторых больших и сложных систем, т.е. позволяют осуществить лишь локальную оптимизацию. Однако, если каждая подсистема некоторой большой системы будет работать оптимально, то это еще совершенно не означает, что оптимально будет работать и система в целом. То есть оптимизация подсистемы совсем не обязательно приводит к такому ее поведению, которое от нее требуется при оптимизации системы в целом. Более того, иногда локальная оптимизация может привести к негативным последствиям для системы в целом.

3. Часто максимизация критерия оптимизации согласно некоторой математической модели считается целью оптимизации, однако в действительностью целью является оптимизация объекта управления. Критерии оптимизации и математические модели всегда связаны с целью лишь косвенно, т.е. более или менее адекватно, но всегда приближенно.

Итак, идею оптимальности, чрезвычайно плодотворную для систем, поддающихся адекватной математической формализации, нельзя перенести на сложные системы. Конечно, математические модели, которые удается иногда предложить для таких систем, можно оптимизировать. Однако всегда следует учитывать сильную упрощенность этих моделей, а также то, что степень их адекватности фактически неизвестна. Поэтому не известно, какое чисто практическое значение имеет эта оптимизация. Высокая практичность оптимизации в технических системах не должна порождать иллюзий, что она будет настолько же эффективна при оптимизации сложных систем. Содержательное математическое моделирование сложных систем является весьма затруднительным, приблизительным и неточным. Чем сложнее система, тем осторожнее следует относится к идее ее оптимизации.

Поэтому, при разработке методов управления сложными, большими слабо детерминированными системами, основным является не оптимальность выбранного подхода с формальной математической точки зрения, а его адекватность поставленной цели и самому характеру объекта управления.

Аналитический метод - это общий термин, означающий совокупность частных методов изучения экономики, включая анализ и синтез, абстрагирование, допущение "при прочих равных условиях", индукцию и дедукцию, единство логического и исторического, математические и статистические методы.

Суть аналитического метода сводится к использованию нескольких взаимосвязанных этапов. На первом этапе осуществляется подготовка к аналитической обработке информации, которая включает в себя:

1) определение ключевого параметра, относительно которого производится оценка конкретного направления деятельности (например, объем продаж, объем прибыли, рентабельность и т.д.);

2) отбор факторов, которые влияют на деятельность (например, уровень инфляции, политическая стабильность, степень выполнения договоров основными поставщиками предприятия и т.д.);

3) расчет значений ключевого параметра на всех этапах процесса (НИОКР, внедрение в производство, полное производство, отмирание данного направления деятельности).

На втором этапе строятся диаграммы зависимости выбранных результирующих показателей от величины исходных параметров. Сопоставляя между собой полученные диаграммы, можно выделить те основные показатели, которые в наибольшей степени влияют на данный вид (или группу видов) деятельности.

На третьем этапе определяются критические значения ключевых параметров. Наиболее просто при этом может быть рассчитана критическая точка производства или зона безубыточности, которая показывает минимально допустимый объем продаж для покрытия издержек фирмы.

Во время четвертого этапа анализируются на основании полученных критических значений ключевых параметров и факторов, влияющих на них, возможные пути повышения эффективности и стабильности работы фирмы, а следовательно, и пути снижения степени риска, которая определяется одним из предыдущих методов.

Таким образом, преимуществом аналитического метода является то, что он сочетает в себе как возможность пофакторного анализа параметров, влияющих на риск так и выявление возможных путец снижения его степени посредством влияния на них.

42. Этапы, процедуры и результат использования синтетического метода

Синтетический метод требует предварительного анализа всей системы в целом и опирается на многоплановое исследование вещи. Аналитический метод почти исключительно направлен на изучение конструкции, синтетический - на анализ условий, определяющих отношение функции к конструкции, конструкции к форме, формы к образу.

Очень приближенно синтетический метод проектирования складывается из следующих этапов:

Возникновение включает широкий анализ специфических частных задач, стоящих перед исследователем при проектировании. Эта стадия включает обязательный пересмотр конструктивной концепции на «незаменимость» при широкой вариантности композиционных решений.

Оформление включает анализ заказа - специфических требований, определяющих отношение конструктивного спектра к индивидуальной конструкции в целях точного определения ее характерных качеств. Эта стадия включает обязательное сравнение вариантов композиционного решения блоков и узлов, отрыв от штампа, экономическое и технологическое обоснование выбора. Параллельно на этой стадии обязательны поиски образа.

Воплощение - анализ частного заказа: специфических требований, определяющих отношение конструкции к форме. Например, тщательное исследование различий в композиции формы часов в вестибюле театра и на городской площади. Это стадия рабочего проектирования, требующего широкой вариантности форм, логически соответствующих уточненной конструкции, учета взаимосвязи формы и материала, формы и цвета и т. п.

Оценка - сравнение запроектированной конструкции с аналогичными по конкретной функции конструкциями, проверка результатов проектирования на логическое непротиворечие по тем же трем стадиям с целью уменьшения субъективности оценки.

43. Особенности синтетического и аналитического метода

Для того чтобы понять, в чём заключаются эти методы, заметим, что частное положение, вывод, следствие находится в таком же отношении к общему положению, принципу, основанию, в каком действие находится к причине. Как из известной причины получается известное действие, так из известного принципа, основания получается известный вывод, следствие. Мы так же ищем для известного положения принцип или основание, как для известного действия ищем его причину. С другой стороны, как для известной причины мы ищем её действие, так для известных принципов мы можем искать их следствия.

Отсюда, в зависимости от того, что мы ищем, получаются два различных процесса.

Если мы от причины идём к действию, от основания к выводу, То такой путь называется прогрессивным или синтетическим. Прогрессивным он называется потому, что он соответствует реальному ходу природы, действительному ходу вещей, так как в природе причина раньше, чем действие. Обратный путь, именно от действия к причине, от выводов к принципам, называется регрессивным, аналитическим.

Схема отношения между анализом и синтезом:

Часто словам “анализ” и “синтез” придают другое значение, именно под анализом понимают метод разложения целого на его составные части, а под синтезом.-обратный метод сложения целого и в его частей, или элементов. В этом смысле чаще всего говорят об анализе и синтезе химическом. Но для того чтобы истинный смысл понятий “анализ” и “синтез”, как они употребляются в научном исследовании и изложении, был ясен, нужно считать основным значением слова “анализ” то, которое мы только что указали, именно сведение частных положений к основным принципам, а под синтезом следует понимать выведение следствий из основных принципов.

Аналитический метод исследования мы употребляем тогда, когда мы ищем причины данных действий. Судья, моралист и др., которые ищут причины известных действий, употребляют метод аналитический; законодатель, политик, педагог, которые стараются предусмотреть действия известных причин, должны идти путём синтетическим.

Для объяснения применения анализа возьмём следующий пример. Чтобы решить задачу вписывания правильного шестиугольника в данный круг, мы рассуждаем так. Предположим, что задача решена, и пусть АВ будет одной из сторон вписанного шестиугольника. Если мы проведём радиусы к конечным точкам сторон, то треугольник, образовавшийся таким образом, будет равноугольный (так как каждый угол равен двум третям прямого угла); следовательно, сторона вписанного правильного шестиугольника равна радиусу. Отсюда следует, что, для того чтобы вписать правильный шестиугольник в данный круг, нужно радиус нанести шесть раз на окружность. Здесь применение аналитического метода очевидно. Мы, сделав предположение, что задача решена, т. е. допустив данное частное положение, нашли то условие, тот общий принцип, при котором это частное положение возможно, т. е. из которого это положение можно вывести. Другими словами, мы данное частное положение сводим к общему принципу.

Примером применения синтеза может служить теорема: “во всяком треугольнике сумма его углов равняется двум прямым углам”. Для доказательства этой теоремы мы должны принять следующих два общих положения: “внутренние накрест лежащие углы равны” и “всякая пара смежных углов равна двум прямым”. Из этих общих положений мы выводим искомое положение.

Отношение анализа и синтеза к индукции и дедукции. Но, спрашивается, в каком отношении находятся методы аналитический и синтетический к методам индуктивному и дедуктивному? Отношение между ними таково, что анализ соответствует индукции, а синтез соответствует дедукции. Что анализ соответствует индукции, легко пояснить следующим образом.

Индукция имеет целью открытие законов, общих принципов. В процессе индукции мы идём от частных положений к общим принципам. Поэтому в процессе индукции мы совершаем регрессивный путь. Из этого следует, что индукция соответствует анализу.

Наоборот, дедукция выводит из общих принципов частные положения, те или иные следствия. Из этого становится ясным родство дедуктивного метода с синтетическим. Синтетический метод состоит в том, что мы предполагаем известные принципы открытыми и доказанными; из этих общих принципов мы выводим следствия.

44. Технические аспекты агрегирования и декомпозиции

Процесс конструирования включает в себя: декомпозицию, агрегирование, исследование условий.

Декомпозиция. Декомпозиция – это процесс разделения общей цели проектируемой системы на отдельные подцели – задачи в соответствии с выбранной моделью. Декомпозиция позволяет расчленить всю работу по реализации модели на пакет детальных работ, что позволяет решать вопросы их рациональной организации, мониторинга, контроля и т.д.

45. Алгоритмизация процесса декомпозиции

Декомпозиция – это процесс разделения общей цели проектируемой системы на отдельные подцели – задачи в соответствии с выбранной моделью. Декомпозиция позволяет расчленить всю работу по реализации модели на пакет детальных работ, что позволяет решать вопросы их рациональной организации, мониторинга, контроля и т.д.

Алгоритмизация декомпозиции подразумевает описание каждого этапа. Так, например, декомпозиция написания программы подразумевает: создание модулей, которые в свою очередь представляют собой небольшие программы, взаимодействующие друг с другом по хорошо определенным и простым правилам.

На этапе декомпозиции задачи на подзадачи следует придерживаться трех правил:

· каждая подзадача должна иметь один и тот же уровень рассмотрения;

· каждая подзадача может быть решена независимо;

· полученные решения могут быть объединены вместе, позволяя решить исходную задачу.

46. Типы сложности процесса декомпозиции. Эмерджментность

Процесс построения модели заключается в чередовании процедур декомпозиции (разложения целого на части - уточнения структур и конкретных характеристик элементов).

Естественно, что обладая такими колоссальными возможностями при правильном применении, декомпозиция может нанести колоссальный же урон понятности, простоте и модифицируемости программы. В частности и поэтому этапу декомпозиции всегда предшествует этап абстракции.

Абстракция подразумевает собой процесс изменения уровня детализации программы. Когда мы абстрагируемся от проблемы, мы предполагаем игнорирование ряда подробностей с тем, чтобы свести задачу к более простой. После этого декомпозиция такой упрощенной задачи становится более простой.

Таким образом, если декомпозиция позволяет разделить задачи на подзадачи, то абстракция позволяет производить этот процесс обдуманно и обоснованно.

Количество уровней сложности декомпозиции зависит от сложности системы.

Закономерность целостности (эмерджментность) проявляется в системе в возникновении у нее новых интегративных качеств, не свойственных ее компонентам.

У этой закономерности есть две стороны:

Кроме этого, следует отметить, что объединенные в систему элементы могут терять ряд свойств, присущих им вне системы, т.е. система как бы подавляет некоторые свойства своих элементов.

47. Эмерджментность как результат агрегирования

Агрегирование. В системном анализе процесс, в определенном смысле противоположный декомпозиции – это агрегирование (дословно – соединение частей в целое). Для пояснения его сути приведем такой пример. Допустим, мы задумали создать самый современный автомобиль. Для этого возьмем самую лучшую и современную конструкцию инжектора, самую лучшую систему зажигания, самую лучшую коробку передач и т.д. А в результате не то что самого современного автомобиля, а просто автомобиля не получим – эти части, пусть самые лучшие и современные, не взаимосвязаны между собой. Таким образом, агрегирование – это процесс согласования отдельных задач реализации проекта между собой.

Система в целом обладает свойствами, которые не обязательно присущи каждому ее элементу, т.е. она характеризуется эмерджментностью.

Свойства эмерджментности:

1) свойства системы (в целом) Qs не является суммой свойств элементов qi:

2) свойства системы (в целом) зависят от свойств элементов

Кроме этого, следует отметить, что объединенные в систему элементы могут терять ряд свойств, присущих им вне системы, т.е. система как бы подавляет некоторые свойства своих элементов.

Таким образом, эмерджментность – это результат агрегирования. В результате агрегирования у системы возникают новые интегративные качества, не свойственные ее компонентам.

48. Основные компоненты системных исследований

Любое исследование осуществляется в несколько этапов.

На первом этапе необходимо выявить потребности в исследовании, проанализировать проблемы, стоящие перед конкретной системой управления, выбрать из них главную, определяющую важность и первостепенность проведения исследования. Для этого проблема должна быть четко сформулирована.

На третьем этапе необходимо выбрать методологию проведения исследования, под которой понимаем совокупность целей, методов, приемов управления при проведении исследования, а также подход менеджеров к принятию решений и учет традиций организации.

На четвертом этапе проводится анализ ресурсов, необходимых для проведения исследования. К таким ресурсам относятся материальные, трудовые, финансовые ресурсы, оборудование, информация. Анализ ресурсов необходим для успешного проведения исследования и достижения его результатов,

Пятый этап предполагает выбор методов проведения исследования с учетом имеющихся ресурсов и целей исследования.

Шестой этап заключается в организации проведения исследований. Здесь необходимо определить порядок проведения исследований, распределить полномочия и ответственность и отразить это в регламентирующих документах, например в должностных инструкциях. Здесь же необходимо уточнить или определить технологию подготовки и утверждения управленческих решений при проведении исследований.

На седьмом (завершающем) этапе следует зафиксировать и проанализировать полученные результаты. Такими результатами могут быть отдельные рекомендации, новая модель системы управления, улучшенные нормы управляемости, более совершенные методики, способствующие оперативному и успешному разрешению проблемы. На этом этапе необходимо предварительно подсчитать эффективность исследований, т.е. соразмерить затраты на проведение исследований и полученные результаты.

49. Конфигуратор, проблематика и проблема. Генерирование альтернатив

Под конфигуратором понимают минимальный полный набор понятийных шкал или конструктов, достаточный для адекватного описания предметной области.

Все этапы системного анализа можно изобразить на рисунке.

Рисунок. Этапы системного анализа

1. Определение конфигуратора.

2. Постановка проблемы – отправной момент исследования. В исследовании системы ему предшествует работа по структурированию проблемы.

3. Расширение проблемы до проблематики, т.е. нахождение системы проблем или задач, существенно связанных с исследуемой проблемой, без учета которых она не может быть решена.

4. Выявление целей: цели указывают направление, в котором надо двигаться, чтобы поэтапно решить проблему.

5. Формирование критериев. Критерий – это количественное отражение степени достижения системой поставленных перед ней целей. Критерий – это правило выбора предпочтительного варианта решения из ряда альтернативных. Критериев может быть несколько. Многокритериальность является способом повышения адекватности описания цели. Критерии должны описать по возможности все важные аспекты цели, но при этом необходимо минимизировать число необходимых критериев.

6. Агрегирование критериев. Выявленные критерии могут быть объединены либо в группы, либо заменены обобщающим критерием.

7. Генерирование альтернатив и выбор с использованием критериев наилучшей из них. Формирование множества альтернатив является творческим этапом системного анализа.

Генерирование альтернатив осуществляют с помощью метода мозговой атаки, получившим широкое распространение с начала 50-х годов как «метод систематической тренировки творческого мышления», направленный на «открытие новых идей и достижение согласия группы людей на основе интуитивного мышления». Методы этого типа известны также под названиями мозгового штурма, конференций идей, коллективной генерации идей (КГИ). Обычно при проведении мозговой атаки, или сессий КГИ, стараются выполнить определенные правила, суть которых сводится к тому, чтобы обеспечить как можно большую свободу мышления участников КГИ и высказывания ими новых идей; для этого рекомендуется приветствовать любые идеи, даже если они вначале кажутся сомнительными или абсурдными (обсуждение и оценка идей проводится позднее), не допускается критика, не объявляется ложной идея и не прекращается обсуждение ни одной идеи. Требуется высказывать как можно больше идей (желательно нетривиальных), стараться создавать как бы цепные реакции идей.

В зависимости от принятых правил и жесткости их выполнения различают прямую мозговую атаку, метод обмена мнениями, методы типа комиссий, судов (когда одна группа вносит как можно больше предложений, а вторая - старается их максимально критиковать) и т.п. В последнее время иногда мозговую атаку проводят в форме деловой игры.

8. Исследование ресурсных возможностей, включая информационные потоки и ресурсы.

9. Выбор формализации (построение и использование моделей и ограничений) для решения проблемы.

10. Оптимизация (для простых систем).

12. Наблюдение и эксперименты над исследуемой системой.

13. Построение системы.

14. Использование результатов проведенного системного исследования.

50. Формулировка проблемы

Проблемой называется ситуация, характеризующаяся различием между необходимым (желаемым) выходом и существующим выходом. Выход является необходимым, если его отсутствие создает угрозу существованию или развитию системы. Существующий выход обеспечивается существующей системой. Желаемый выход обеспечивается желаемой системой. Проблема есть разница между существующей и желаемой системой. Проблема может заключаться в предотвращении уменьшения выхода или же в увеличении выхода. Условие проблемы представляет существующую систему («известное»). Требование представляет желаемую систему.

Решение проблемы есть - то, что заполняет промежуток между существующей и желаемой системами. Система, заполняющая промежуток, является объектом конструирования и называется решением проблемы.

Проблемы могут проявляться в симптомах. Систематически проявляющиеся симптомы образуют тенденцию. Обнаружение проблемы есть результат процесса идентификаций симптомов. Идентификация возможна при условии знания нормы или желательного поведения системы. За обнаружением проблемы следует прогнозирование ее развития и оценка актуальности ее решения, т.е. состояния системы при нерешенной проблеме. Оценка актуальности решения проблемы позволяет определить необходимость ее решения.

Процесс нахождения решения концентрируется вокруг итеративно выполняемых операций идентификации условия, цели и возможностей для решения проблемы. Результатом идентификации является описание условия, цели и возможностей в терминах системных объектов (входа, процесса, выхода, обратной связи и ограничения), свойств и связей, т. е. в терминах структур и входящих в них элементов. Если структуры и элементы условия, цели и возможностей данной проблемы известны, идентификация имеет характер определения количественных отношений, а проблема называется количественной. Если структура и элементы условия, цели и возможностей известны частично, идентификация имеет качественный характер, а проблема называется качественной или слабоструктуризованной. Как методология решения проблем системный анализ указывает принципиально необходимую последовательность взаимосвязанных операций, которая (в самых общих чертах) состоит из выявления проблемы, конструирования решения проблемы и реализации этого решения. Процесс решения представляет собой конструирование, оценку и отбор альтернатив систем по критериям стоимости, времени, эффективности и риска с учетом отношений между предельными значениями приращений этих величин (маргинальных отношений). Выбор границ этого процесса определяется условием, целью и возможностями его реализации.

51. Формулировка цели. Основные трудности

Современные представления о расхождении целей и результатов деятельности связаны с именем российского философа Н.Н. Трубникова, который утверждал, что их причиной является “двойственность” используемых средств. Действительно, когда средства подбираются для реализации намеченной цели, например, определенная структура, технология, персонал и т.д., то, будучи еще не опробованными в реальной деятельности, они представляют собой идеальные средства, т.е. средства, лишь мысленно подходящие для достижения целей. А на практике они начинают проявлять себя как реальные предметы с такими свойствами, многие из которых заранее познать было невозможно. Ведь эти свойства проявляются лишь во взаимодействии с другими предметами; поэтому пока этого взаимодействия не было, пока средства не были “встроены” в реальные системы, они оставались абстрактными, идеальными, мысленными средствами. И как идеальные средства они, казалось, способны были бы обеспечить реализацию запланированных целей. Но когда они становятся реальными средствами, то дают результат, в чем-то не совпадающий с целями.

Каков же выход? Ставить лишь такие цели, для достижения которых используются лишь привычные средства в привычных сочетаниях? Но такие цели рассчитаны на скромный результат, не свойственный современному рынку, да и в целом, человечеству, рвущемуся к прогрессу. Если же делать ставку на совершенно новые средства, то результаты практически невозможно прогнозировать, в чем легко убедиться, вспомнив многие проблемы человечества в сфере политики, экономики, экологии и т.д.

Следует признать, что оптимален подход, синтезирующий, объединяющий оба. Не вдаваясь в детальное обоснование, опишем лишь конкретную методологию, позволяющую использовать изложенные представления на практике.

52.Критерии, причины многокритериальных задач

Результаты исследования задач планирования и управления показывают, что в реальной постановке эти задачи являются многокритериальными. Так, часто встречающееся выражение «достичь максимального эффекта при наименьших затратах» уже означает принятие решения при двух критериях. Оценка деятельности предприятий и планирования как системы принятия решений производится на основе более десятка критериев: выполнение плана производства по объему, по номенклатуре, плана реализации, прибыли по показателям рентабельности, производительности труда и т. д.

Покажем, насколько широк диапазон проблем, которые могут быть адекватно сформулированы как многокритериальные, и какие характеристики следует использовать в качестве критериев.

Планирование очистки нефти

min {затраты},

min {количество импортируемой сырой нефти},

min {количество сырья с высоким содержанием серы},

min {отклонения от заданного состава},

min {сгорание газов}.

Планирование производства

mах {суммарный чистый доход},

mах {минимальный чистый доход за любой период},

min {число невыполненных заказов},

min {сверхурочное время},

min {запасы готовой продукции}.

Выбор портфеля ценных бумаг

mах {доход},

mах {дивиденды},

min {отклонения от желаемого уровня разнообразия бумаг}.

Транспортировка

min {стоимость},

min {среднее время доставки грузов приоритетным клиентам},

max {производство по заданной технологии},

min {расход топлива}.

Таким образом, для эффективного решения любой из данных задач необходимо в первую очередь построить многокритериальную математическую модель, которую затем нужно оптимизировать, предварительно выбрав наиболее подходящий для этого метод.