Лекция8(ОТСУ)

Тема 8. Методы системного анализа.
8.1. Классификация методов системного анализа.
8.2. Всеобщие методы.
8.3. Неформализованные методы.
8.4. Формализованные методы.
8.5. Слабоформализованные методы.
1. Классификация методов системного анализа.
Системный анализ (СА) предполагает использование методов
различных наук, с помощью которых можно решить ту или иную проблему.
Иными словами, СА «безразлично», чьи методы он использует – лишь бы
они были достаточно эффективными для решения конкретной задачи
соответствующей базовой функции (например, декомпозиция цели или
оценка альтернатив).
Одной из главных задач СА является выбор и распределение по базовым
функциям проблем различного класса наиболее эффективных методов,
использование которых дает возможность последовательно и неуклонно
двигать вперед решение проблемы, вплоть до его завершения.
Конечно, в СА,, являющемся в общем случае довольно сложным,
трудоемким и объемным механизмом поэтапного исследования проблем,
применяется множество разнообразных методов для решения ничем
неограниченного разнообразия задач.
В лекции №7 «Основы системного анализа» (табл.5) представлены
возможные классификации методов СА. Возьмем за основу наиболее часто
используемую классификацию по форме представления знания, расширим ее.
Таким образом, в СА различают 4 группы методов:
1. Всеобщие методы – методы декомпозиции сложных систем, методы
раскрытия «черных ящиков».
2. Неформализованные методы, к числу которых можно отнести:
 метод сценария,
 морфологический метод,
 коллективной генерации идей,
 методы и средства искусственного интеллекта,
применяются
эти
методы
для
решения
преимущественно
неструктурированных и слабоструктурированных проблем на качественном
уровне и в основном на первых этапах СА.
3. Формализованные методы:
 методы исследования операций,
 статистические методы,
 логико-лингвистические методы,
служат,
наоборот,
инструментом
для
решения
в
основном
структурированных проблем на заключительном стадии СА.
4. Слабоформализованные методы:
2
 экспертные оценки,
 дерева целей,
 сетевой метод,
 методы выбора альтернатив и компромиссных решений
так или иначе занимают промежуточное положение.
Перейдем к рассмотрению прежде всего методов 1, 2 и 4-й групп,
основных для СА. В отношении формализованных методов, содержащихся
во многих литературных источниках и специальных дисциплинах («Высшая
математика», «Исследование операций в транспортных системах», «Теория
вероятности и математическая статистика», «Статистика»), ограничимся
лишь общей их характеристикой и простым перечислением.
2. Всеобщие методы (процедуры) СА.
Методы декомпозиции сложных систем
В предыдущих лекциях неоднократно употреблялся термин
«декомпозиция», под которым понималась одна из главных операций СА,
без которой невозможен, собственно, и сам анализ сложных проблем.
Возможность декомпозиции систем вытекает из свойства их
делимости, которое гласит: любая сколь угодно крупная система может
быть разделена на более мелкие системы (подсистемы).
Самая простая декомпозиция системы, предполагающая разложение ее
на относительно самостоятельные образования, связана с выделением в ней
двух частей: функциональной и обеспечивающей.
Предприятие, например, может рассматриваться в аспектах:
 функциональной системы – с точки зрения выполнения
производственных функций,
 организационной системы – с точки зрения взаимной подчиненности
звеньев ее организационной структуры,
 информационной системы – с позиции изучения потоков
циркулирующей в ней информации.
Другими словами, любая система, сформированная для достижения
некоторой общей цели, при решении отдельных задач может
рассматриваться соответственно с разных точек зрения с охватом не всех, а
лишь той или иной части интересующих исследователя отношений между ее
элементами, и каждой такой точке зрения будет соответствовать своя
система (набор элементов) и своя структура (совокупность отношений между
ее элементами).
В общем случае систему можно делить как вдоль по функционально
самостоятельным образованиям (по горизонтали), так и поперек по частям,
обеспечивающим решение той или иной задачи (по вертикали).
Например, для экспедиторской компании возможно следующее деление:
3
 по горизонтали (самостоятельные функциональные подразделения отдел логистики, отдел экспедирования, бухгалтерия, отдел кадров, отдел
СА),
 по вертикали (задача «экспедирование экспортно-импортных грузов» –
начальник отдела экспедирования, руководитель сектором экспедирования
экспортно-импортных грузов, экспедиторы).
Важно при этом соблюдать единое генеральное требование: при
делении системы на части она не должна утратить свойство целого, то
есть все части после их соединения (агрегирования) должны вновь дать
единое целое – первоначальную систему.
Рассмотрение фрагментов сложной системы, а не системы в целом,
практикуется во многих областях научной и практической деятельности
(например, в экономике, менеджменте, медицине, биологии, физике и т.д.).
Хотя не всегда ясно и просто, как кажется на первый взгляд, можно
осуществить выделение нужных фрагментов из целого.
Сначала необходимо рассмотреть систему как бы с высоты птичьего
полета, когда детали мало различимы и система видна целиком
(макроуровень). А затем, получив правильное представление о системе в
целом, можно обратиться к изучению ее частей (микроуровень), после чего
вновь объединить (агрегировать) части в целое и уточнить его
общесистемные свойства.
Декомпозиция облегчает изучение структуры системы, сущности
механизма ее внутреннего поведения (функционирования). С этих позиций
исследователь стремится провести декомпозицию так, чтобы вновь
образованное множество частей системы позволяло бы минимизировать
общее число связей как между элементами внутри частей, так и между
самими частями. Именно связи (их наличие или отсутствие, а также
состояние – сильная, слабая связь и т.п.) определяют состояния системы,
анализируя которые, исследователь должен выявить наиболее
предпочтительные связи для достижения поставленной цели.
Обратимся к примеру. Предположим, мы намерены изучить систему,
состоящую из 4 элементов, имеющих друг с другом парные связи (вход –
выход) – рис.1. Причем, наличие парных связей не исчерпывает все их
реальное многообразие и размещение в пространстве.
Элемент 1
Элемент 2
Элемент 4
Элемент 3
Рисунок 1. Схема парных связей между элементами системы.
4
Кроме различного расположения связей может быть разным и их число
из-за наличия:

параллельных связей – неэквивалентных между собой (разнородных или
однородных, но разносильных), образующих для одного и того же
элемента некоторое множество входов и (или) выходов;

связей с внешней средой – через которые система воспринимает влияние
внешней среды (входы) и передает воздействия на среду (выходы). Эти
связи обычно имеют не все, а лишь некоторые элементы системы.
Определим число связей (М) в нашей системе. В данном случае
пересчитать их просто: М = 12. Формула в общем виде:
M  Amn 
m!
,
( m  n)!
(1)
где Amn - число размещений элементов из m по n;
m – число элементов в системе (m=4);
n – число связей между каждой парой элементов (n=2).
Подставив эту формулу наши данные, получим:
M 
4!
1 2  3  4

 12.
(4  2)!
1 2
Для парных связей (а в управлении рассматриваются именно такие:
прямые и обратные) справедлива и приведенная ранее формула (см. лекцию
№3):
C = n•(n-1),
где n – количество элементов, входящих в систему;
С – количество связей между ними.
Перейдем к определению числа состояний нашей системы. Уже
отмечалось, что состояние системы предопределяется состоянием ее связей.
Для упрощения будем считать, что любое состояние определяется лишь тем
или иным набором связей системы.
Если набор состоит из всех связей – это одно состояние, нет одной связи
– другое состояние, и далее идут возможные комбинации, выключаются по
очереди связи по одной или группам, образуя разные состояния.
Число всевозможных комбинаций парных связей, или, иначе, число
состояний системы, имеющей m элементов, определяется по формуле:
N m  2M .
(2)
12
В нашем случае N m  2  4096 состояний.
Получается: в системе всего 4 элемента и 12 связей, а число ее
состояний измеряется несколькими тысячами.
А что же будет, если мы будем усложнять исходную систему?
Например, включим в нее 10 элементов, то при тех же парных связях,
получим:
M
m!
10!
1  2  3  4  5  6  7  8  9  10
 m(m  1)  10  9  90 связей,

 90 или M 
(m  n)!
(10  2)!
1 2  3  4  5  6  7  8
N m  2M  290  1027 состояний.
5
Вот здесь уже проявляется явление так называемого комбинаторного
(информационного) взрыва.
Все состояния такой системы пересмотреть невозможно даже с
использованием современной наиболее высокопроизводительной ЭВМ.
А ведь во взятой нами системе не так уж много элементов. В реальных
сложных системах их бывает значительно больше. Значит, нужно применять
методы, реализующие направленный (неполный) перебор состояний.
Конечно, большое число связей и огромное в связи с этим количество
состояний системы делают невозможным ее исследование и изучение
как единого целого. Следовательно, нужна декомпозиция и изучение
системы по частям (подсистемам).
Еще в XVII веке Р.Декарт писал: «Расчлените каждую изучаемую
вами задачу на столько частей (...), сколько потребуется, чтобы их было
легко решить». Успех и значение аналитического метода состоит не только
и не столько в том, что сложное целое расчленяется в конечном счете на
простые части, а в том, что будучи соединены надлежащим образом, эти
части снова образуют единое целое. Этот момент агрегирования частей в
целое является конечным этапом анализа, поскольку лишь только после
этого мы сможем объяснить целое через его части - в виде структуры
целого.
В качестве оснований декомпозиции сложных систем предлагается
использовать так называемые стандартные модели, которые описывают
некоторые инвариантные характеристики некоторого класса систем.
Рассмотрим стандартные модели, которые могут использоваться при
построении содержательной модели системы, относящейся к классу
организационно-технологических объектов. К этому классу относятся
предприятия, организации, учреждения, автоматизированные системы
управления и т.д.
В самом общем виде модель системы может быть представлена в
виде совокупности "система – окружающая среда” и связей между ними
(см. рис. 2).
Рисунок 2. Модель системы на уровне "входов - выходов"
Модель включает 4 агрегированные связи, характеризующие
направленные вещественные, энергетические и информационные потоки.
При моделировании реальных систем в большинстве случаев связь,
отмеченная на рис. 2 пунктирной линией, является несущественной и
поэтому далее не рассматривается.
Для многих задач исследования и управления целесообразно
представление системы в виде совокупности "система управления –
объект управления” (см. рис. 3).
6
Рисунок 3. Модель системы с выделением управляемой и
управляющей частей.
Рассмотрим стандартные модели для объекта управления и системы
управления.
Стандартные модели для декомпозиции объекта управления (ОУ):
1.
Выделение
в
ОУ
подсистем
социальной
деятельности:
"производство", "население" (коллектив), "природа" (см. рис.4).
Рисунок 4. Модель основных подсистем социальной деятельности.
Подсистема "Производство" осуществляет процесс создания конечного
продукта. Подсистема "Коллектив" включает исполнителей (трудовые
ресурсы), рассматриваемых с социальных позиций. Подсистема "Природа"
включает в себя природоохранные (экологические) процессы. В процессе
функционирования
и
развития
эти
подсистемы
обмениваются
вещественными, энергетическими и информационными потоками как между
собой, так и с подсистемами окружающей среды.
2. Выделение основного производства (процесса) и вспомогательного
производства.
Декомпозиция на указанные части может быть целесообразна либо для
ОУ, рассматриваемого в целом, либо для подсистем производства.
Подсистему производства образуют технологический процесс и
вспомогательное производство, обеспечивающее основной процесс
оборудованием, транспортом и т.д., а также проводящее ремонтное,
строительное и другое производственное обслуживание технологического
процесса.
3.
Выделение подсистем, соответствующих "жизненному циклу”
конечного продукта (см. рис. 5).
Рисунок 5. Модель жизненного цикла конечного продукта.
4. Декомпозиция ОУ (подсистемы ОУ) по составу подсистем производителей отдельных конечных продуктов. Здесь предполагается,
7
что каждому продукту соответствует определенная подсистема производитель этого продукта.
5.
Выделение
стадий
производства
конечного
продукта,
соответствующих технологически законченным процессам. Например,
могут быть выделены типовые элементы, из которых конструируются
реальные технологические сети (см. рис. 6):
а) последовательная структура;
б) расходящаяся структура;
в) сходящаяся - расходящаяся структура;
г) структура с реверсом (рециклом).
Стадии производства и их соединение образуют технологическую сеть.
Рисунок 6. Типовые технологические сети.
6. Выделение структурных элементов подсистем и их взаимосвязей (рис.
7).
Рисунок 7. Модель структуры системы (подсистемы).
В объекте управления в целом и в отдельной подсистеме протекает
процесс производства некоторых конечных продуктов (КП) из предметов
деятельности (ПД). Производство КП осуществляется работниками исполнителями или кадрами (К) и средствами деятельности (СД) –
инструментами, оборудованием. Множество таких элементов для конкретной
системы предполагается конечным. Взаимодействие структурных элементов
образует технологию производства. Предметы деятельности, средства
деятельности и кадры в виде ресурсов поступают из окружающей среды или
от других подсистем системы. Здесь предполагается, что в процессе
функционирования и развития используемые в системе средства
деятельности и исполнителей требуется периодически заменять и
усовершенствовать.
8
На рис. 8 – 10 приведены модели структур для различных подсистем
социальной деятельности: "производство”, "коллектив”, "управление”.
Рисунок 8. Модель структуры подсистемы "производство".
Рисунок 9. Модель структуры подсистемы "коллектив".
Рисунок 10. Модель структуры подсистемы "управление".
Предложенный
набор
стандартных
моделей
не
является
исчерпывающим и может пополняться и конкретизироваться в зависимости
от типа системы и целей моделирования. Описанные стандартные модели
используются различными прикладными методиками системного анализа.
Аналитический метод приводит к достижению наивысших результатов,
если целое удается расчленить на относительно независимые друг от
друга части, поскольку в этом случае их отдельное рассмотрение
позволяет составить правильное представление об их вкладе в общий
эффект.
Случаи, когда система является «суммой» своих частей, не правило, а
редчайшее исключение. Правилом же является то, что вклад данной части в
общесистемный эффект зависит от вкладов других частей.
9
Если заставить каждую часть функционировать наилучшим образом, то
в целом эффект не будет наивысшим. Например, отобрав лучшие в мире
двигатель, фары, колеса, карбюратор и т.д. мы не получим самого лучшего
автомобиля. При анализе «неаддитивных» систем следует делать акцент
на рассмотрение не отдельных частей, а на их взаимодействия. Это
существенно более трудная задача.
В системном анализе постоянно подчеркивается значение целостности
системы. Наряду с разделением целого на части наиболее употребительной
операцией является и объединение частей в целое, т.е. синтез.
Синтетическое мышление требует объяснить поведение системы.
Таким образом, не только аналитический метод невозможен без синтеза
(на этом этапе части агрегируются в структуру), но и синтетический метод
невозможен без анализа (необходима декомпозиция целого для объяснения
функций частей). Анализ и синтез дополняют, но не заменяют друг
друга. Системное мышление совмещает оба указанных метода.
Методы раскрытия «черных ящиков»
Непосредственно к методам декомпозиции систем примыкают методы
раскрытия «черного ящика», поскольку в процессе исследования того или
иного сложного объекта (процесса) чаще всего используют приемы
последовательного дезагрегирования его модели, переходя от укрупненного
представления оригинала к более детальному. Например, модель
автомобиля, человека, предприятия.
Известно, что модель воспроизводит (имитирует) исследуемую систему
в определенном диапазоне условий и требований.
Причем, модель может иметь различную степень обобщения
(детализация) объекта – вплоть до настолько укрупненного его
представления, когда весь внутренний процесс функционирования системы
остается нераскрытым, а исследуется только зависимость выходов от входов
– модель «черного ящика».
В теории, да и в практике часто бывает достаточно иметь только часть
информации об объекте. Например, когда мы не знаем текущего цифрового
значения точного времени (проблема – незнание точного времени, цель – не
опоздать куда-либо), то достаточно посмотреть на часы, не задумываясь при
этом об их внутреннем устройстве и источнике поступления энергии для их
работы.
В приведенном примере назначение часов (цель их существования) –
показывать точное время в произвольный момент и тем самым
воздействовать на внешнюю по отношению к ним среду.
Система является средством, а, следовательно, существуют возможности
воздействовать на это средство из внешней среды (уточнять ход, снабжать
энергией, наблюдать и т. д.).
10
Содержимое системы в данном случае не известно (или не представляет
интереса для внешней среды), но этого достаточно для решения возникшей
проблемы.
Например, при употреблении таблетки анальгина не обязательно знать
состав самой таблетки и представлять механизм воздействия ее компонентов
на организм, а важно то, что при этом проходит головная боль.
Другими словами, важно определить, что нужно на входе в систему и
что должно быть на выходе из нее, и неважно – что находится внутри
системы. Поэтому приведенную модель часто называют моделью «черного
ящика».
Модель «черного ящика» широко применяется тогда, когда
исследователю недоступен, ввиду его чрезмерной сложности, внутренний
процесс, протекающий в системе (например, человеческий мозг), и до конца
непонятен даже сам принцип действия внутреннего механизма.
Чёрный ящик — термин, используемый для обозначения системы,
внутреннее устройство и механизм работы которой очень сложны,
неизвестны или неважны в рамках данной задачи.
Понятие «чёрный ящик» предложено Уильямом Росс Эшби1. В
кибернетике оно позволяет изучать поведение систем, то есть их реакций
на разнообразные внешние воздействия и в то же время
абстрагироваться от их внутреннего устройства.
Таким образом, система изучается не как совокупность
взаимосвязанных элементов, а как нечто целое, взаимодействующее со
средой на своих входах и выходах.
«Метод черного ящика» - метод исследования таких систем, когда
вместо свойств и взаимосвязей составных частей системы, изучается реакция
системы, как целого, на изменяющиеся условия. Подход чёрного ящика
сформировался в точных науках (в кибернетике, системотехнике и физике)
в 20-40 годах XX века и был заимствован другими науками (прежде всего,
бихевиористической психологией).
В настоящее время известны два вида «черных ящиков». К первому
виду относят любой «черный ящик», который может рассматриваться как
автомат, называемый конечным или бесконечным. Поведение таких
«черных ящиков» известно.
Ко второму виду относятся такие «черные ящики», поведение которых
может быть наблюдаемо только в эксперименте. В таком случае в явной
или неявной форме высказывается гипотеза о предсказуемости поведения
«черного ящика» в вероятностном смысле. Без предварительной гипотезы
невозможно любое обобщение или, как говорят, невозможно сделать
индуктивное заключение на основе экспериментов с «черным ящиком».
Таким образом, «черный ящик» – это система, в которой входные и
выходные величины известны, а внутреннее устройство ее и процессы,
Уильям Росс Эшби (6 сентября 1903, Лондон, Англия, — 15 ноября 1972) — английский психиатр,
специалист по кибернетике, пионер в исследовании сложных систем.
1
11
происходящие в ней, не известны. Можно только изучать систему по ее
входам и выходам, но подобное изучение не позволяет получить полного
представления о внутреннем устройстве системы, поскольку одним и тем же
поведением могут обладать различные системы.
Следует подчеркнуть, что главной причиной множественности входов и
выходов модели «черного ящика» является то, что всякая реальная система,
как и любой объект, взаимодействует с объектами внешней среды
неограниченное число раз и по разному поводу.
Пример с часами можно дополнить такой информацией: часы могут
иметь различные «выходы» во внешнюю среду – удобство ношения,
прочность, гигиеничность, точность, красота, габариты и т. д.
Один из наиболее известных приемов исследования «черного ящика»,
предусматривающий его раскрытие, был предложен основоположником
кибернетики – Норбертом Винером2. Этот прием состоит в следующем:
 рядом с «черным» ставится «белый» ящик, для которого полностью
известны его внутреннее устройство и механизм действия. Причем, это
устройство и соответственно принцип действия могут изменяться в
широком диапазоне – в направлении, интересующем исследователя;
 на входы обоих ящиков подается одинаковый по свойствам некоторый
комплекс важных для представления ситуации внешних воздействий,
уточняемый в процессе моделирования, после чего устройство «белого»
ящика изменяется до тех пор, пока выходные функции ящиков
совпадут.
Вход
Процессы
Выход
«Белый» ящик
Вход
Процессы
«Черный» ящик
Выход
Рисунок 11. Схематичное представление метода раскрытия «черных
ящиков».
В этом случае для исследователя ящики станут тождественными, хотя
физическое их содержание может быть различным.
Разумеется, тождественность модели и системы вообще ожидать не
приходится, она не только не нужна, но и, чаще всего, вредна, ибо не
позволяет реализовать необходимый уровень упрощения реального объекта
(процесса): модель должна быть намного проще оригинала и при этом
достаточно точно отражать интересующие нас его свойства.
Для науки метод «чёрный» ящик имеет весьма большое значение. С его
помощью в науке были сделаны очень многие выдающиеся открытия.
Например, ученый Гарвей еще в XVII веке предугадал строение сердца. Он
Но́рберт Ви́нер (26 ноября 1894, Колумбия, штат Миссури, США — 18 марта 1964, Стокгольм, Швеция) —
американский учёный, выдающийся математик и философ, основоположник кибернетики и теории
искусственного интеллекта.
2
12
моделировал работу сердца насосом, позаимствовав идеи из совершенно
другой области современных ему знаний — гидравлики. Практическая
ценность метода «чёрный» ящик заключается: во-первых, в возможности
исследования очень сложных динамических систем, и, во-вторых, в
возможности
замены
одного
«ящика»
другим.
Окружающая
действительность и биология дают массу примеров выявления строения
систем методом «чёрного» ящика.
Метод «черного ящика» применим в различных ситуациях. Этот способ
используется при недоступности внутренних процессов системы для
исследования. Например, изучение деятельности новых лекарственных
средств.
Метод «черного ящика» используется при исследовании систем, все
элементы и связи которых в принципе доступны, но либо многочисленны и
сложны, что приводит к огромным затратам времени и средств при
непосредственном изучении, либо такое изучение недопустимо по какимлибо соображениям.
Примерами могут служить проверка на готовность к эксплуатации
автоматической телефонной станции, которая проводится путем
«прозванивания», а не непосредственно проверкой всех блоков, схем и т. д.
Многие сложные системы не поддаются исследованию описанным выше
приемом Винера. Это таинственные ящики, которые тем «чернее», чем новее
по назначению и замыслу вновь создаваемая система.
«Таинственные» ящики способны целенаправленно перестраивать свою
деятельность и законы, управляющие их поведением, зависят от
складывающейся ситуации.
В раскрытии «таинственных» ящиков первостепенную роль играет
моделирование, с помощью которого выявляется реакция сложной системы
на ситуацию и производится систематизация способов и форм ее поведения.
О новой несуществующей системе нам мало что известно: входы,
определяемые средой, и выходы, предсказанные назначением системы.
Самой системы нет – есть только «белый» ящик, то есть модель, отражающая
замысел, которую требуется совершенствовать до уровня соответствия
заданному назначению.
Модель позволяет не только проверять идеи, выдвигаемые в процессе
разработки, методы и средства их реализации и оценивать предлагаемый
результат, но и точнее ориентирует мысль разработчика в направлении его
замысла, являясь предшественником теории несуществующей системы,
заменяя гипотезу и недоступный исследователю эксперимент.
3.Неформализованные методы.
Метод сценария
При разработке управленческих решений широкое использование
находит метод сценариев, дающий возможность оценить наиболее
13
вероятный ход развития событий и возможные последствия
принимаемых решений.
Разрабатываемые специалистами сценарии развития анализируемой
ситуации позволяют с тем или иным уровнем достоверности определить
возможные тенденции развития, взаимосвязи между действующими
факторами, сформировать картину возможных состояний, к которым может
прийти ситуация под влиянием тех или иных воздействий.
С одной стороны, профессионально разработанные сценарии позволяют
более полно и отчетливо определить перспективы развития ситуации как
при наличии различных управляющих воздействий, так и при их отсутствии.
С другой стороны, сценарии ожидаемого развития ситуации позволяют
своевременно осознать опасности, которыми чреваты неудачные
управленческие воздействия или неблагоприятное развитие событий.
Сценарии позволяют:

выбрать реалистичную цель на будущее (при стратегическом
планировании);

подготовиться морально к возможным шокам;

оценить долгосрочные последствия принимаемых решений.
Прототипы метода сценариев мы нередко находим в разные времена в
разных странах.
Так, например, Кутузов, собравший военный совет в Филях и
прослушавший различные варианты возможных действий, оценивал
различные сценарии развития войны с французами, предлагавшиеся
военачальниками. Он, сопоставив их сильные и слабые стороны, пришел к
тяжелому, но, пожалуй, единственно верному решению - оставить Москву,
обрекая ее на пожары и разрушения. Однако последующее развитие событий
подтвердило его правоту.
Государственный деятель, занимающий ответственный пост, бизнесмен,
принимающий важное для судьбы проекта решение, финансист,
анализирующий
фондовый
рынок,
хирург
накануне
сложной
нетрадиционной
операции,
конструктор,
закладывающий
основы
принципиально нового объекта, при принятии важных решений, как правило,
пытаются предугадать возможный сценарий развития событий, с тем чтобы
принять решение, обеспечивающее успех.
Впервые сценарии начали использовать в военно-воздушных силах
США после 2-й мировой войны для того, чтобы просчитывать возможные
варианты действий противника. В 1960-х годах Герман Кан3, ранее
Герман Кан (15 февраля 1922 — 7 июля 1983) — был американским экономистом и одним из выдающихся
футурологов последней трети XX века. Первоначально он был военными стратегом и системным
теоретиком.
Футуроло́гия (от лат. Futurum — будущее и греч. Λόγος — учение) — прогнозирование будущего, в том
числе путём экстраполяции существующих технологических, экономических или социальных тенденций
или предсказания будущих тенденций. Методы изучения тесно роднят футурологию с историей и
прогнозированием, а интерес к будущему — с научной фантастикой.
3
14
работавший в военно-воздушных войсках, впервые начал использовать метод
сценариев для решения бизнес задач.
Первые из разработанных сценариев носили преимущественно
описательный характер. Впоследствии метод сценариев был в значительной
степени развит за счет использования более точных качественноколичественных моделей.
Метод сценариев предполагает создание технологий разработки
сценариев, обеспечивающих более высокую вероятность выработки
эффективного решения в тех ситуациях, когда это возможно, и более
высокую вероятность сведения ожидаемых потерь к минимуму в тех
ситуациях, когда потери неизбежны.
В самом общем виде метод сценария характеризуется как метод
организации междисциплинарных прогностических исследований с
привлечением специалистов различного профиля с различными взглядами на
рассматриваемую проблему.
Задача состоит в том, чтобы примирить противоречивые и спорные
мнения и выработать единое представление об объекте прогнозирования,
закономерностях и возможных путях его развития на единой
методологической основе.
Сценарий представляет собой последовательное разрешение
неопределенностей, включая приемы и методы содержательного описания
прогнозируемой системы и конкретные способы и алгоритмы построения и
исследования вариантов ее развития. Иными словами, сценарий должен дать
ответ на вопрос: «Что может быть, если условия развития
прогнозируемой системы сложатся таким образом:…?»
Разработка сценария решения определенной проблемы преследует ту
же цель, что и сценарий в кино: осмысленно осветить всю обстановку по
проблеме, прописать процесс ее решения и предполагаемые результаты
(рис.12).
Рисунок 12. Структура содержательной части сценария.
В сценарии должны найти отражение: цели, возможные варианты
(альтернативы) их достижения, краткая характеристика вариантов с
количественной и качественной их оценками.
15
После ознакомления со сценарием должно быть получено ясное и четкое
понимание генеральной цели решения проблемы во всех ее аспектах
(техническом, экологическом, социальном и т.п.).
Наиболее
целесообразно
классифицировать
сценарии
по
функциональному признаку, различая:
1) сценарии будущего (используемые для разработки «дерева целей» или
целевых программ);
2) сценарии для выполнения решения.
В свою очередь, сценарии будущего подразделяют на сценарий целей и
сценарий ресурсов.
Сценарий целей ориентирован на будущее состояние системы,
фиксируя отдельные варианты главной и основных целей, а также стратегию
поведения, направленную на достижение главной цели. При этом особенно
важно как можно более объективно и правильно сформулировать, прежде
всего, цели первого уровня «дерева целей», которые в значительной мере
предопределяют будущие варианты написания сценария.
Например, сценарий жизни каждого человека зависит от того, какие
цели он перед собой поставил.
Сценарий ресурсов – в отличие от первого – дает описание не в общих
чертах, а значительно более детально описывая варианты развития системы с
позиций обеспечения их необходимыми ресурсами.
При построении сценария различают 2 этапа:
1. Предсценарный (подготовительный) – описание системы, построение
ее моделей и подготовка необходимой информации для синтеза
сценариев.
Завершается
первый
этап
построением
моделей
прогнозируемой системы.
2. Сценарный – проведение расчетов по всем базовым сценариям с
помощью имеющейся системы моделей.
По итогам построения сценария составляют документ, в котором
указывают:
 цели и задачи прогноза,
 краткое описание объекта,
 механизма его функционирования и развития,
 принятую схему допущений и ограничений,
 подробное описание и интерпретацию разработанных сценариев и
соответствующих им тенденций развития объекта,
 рекомендации
для
принятия
решений
по
результатам
прогнозирования.
Таким образом, сценарием называется любой документ, содержащий
анализ рассматриваемой проблемы и предложения по ее решению, по
развитию системы, независимо от того, в какой форме он представлен.
В настоящее время известны различные реализации метода
сценариев, такие, как:
 получение согласованного мнения,
16
 повторяющаяся процедура независимых сценариев,
 использование матриц взаимодействия и др.
Основная задача сценария — дать ключ к пониманию проблемы.
Создание сценариев представляет собой творческую работу. В этой
области накоплен определенный опыт, имеются свои эвристики. Например,
рекомендуется
разрабатывать
«верхний»
и
«нижний»
(или
«оптимистический» и «пессимистический») сценарии. Это как бы крайние
случаи, между которыми может находиться возможное будущее. Такой
прием позволяет отчасти компенсировать или явно выразить
неопределенности, связанные с предсказанием будущего.
Иногда полезно включать в сценарий воображаемый активно
противодействующий элемент, моделируя тем самым «наихудший случай».
Кроме того, рекомендуется не разрабатывать детально (как ненадежные и
непрактичные) сценарии, слишком «чувствительные» к небольшим
отклонениям на ранних стадиях.
В последнее время понятие сценария расширяется в направлении: как
областей применения, так и форм представления и методов их разработки. В
сценарий вводятся количественные параметры и устанавливаются их
взаимозависимости, предлагаются методики подготовки сценария с
использованием компьютеров, методики целевого управления подготовкой
сценария.
Использование специальных программ для ЭВМ, а также датчиков
случайных чисел с последующим отсечением невозможных ситуаций для
генерирования альтернативных вариантов сценариев расширяет горизонт
анализа возможных в будущем ситуаций.
Разработанный широкий спектр возможных альтернативных вариантов
развития ситуации позволяет более полно определить критические
ситуации для принятия решений, а также возможные последствия
предлагаемых альтернативных вариантов решений с целью их
сопоставления и выбора наиболее эффективного.
Профессионально разработанный и периодически актуализируемый
прогноз - неотъемлемая составляющая процесса выработки и принятия
важных управленческих решений.
Морфологический метод
Рассмотренный перед этим метод сценария воссоздает весьма
обобщенную картину развития проблемы, в которой, конечно же, можно
выпустить из виду тот или иной важный элемент. Поэтому в аппарате СА
должны быть приемы и методы, позволяющие последовательно уточнять
нарисованную первоначально картину, к числу которых относят и
морфологический метод.
Основная идея морфологических методов систематически находить все
мыслимые варианты решения проблемы или реализации системы путем
комбинирования выделенных элементов или их признаков. В
17
систематизированном виде морфологический подход разработан и применен
впервые швейцарским астрономом Фрицем Цвикки и долгое время был
известен как метод Цвикки.
Морфологический метод включает ряд последовательных этапов:
1. По возможности точное формулирование проблемы, подлежащей
решению.
2. Каждый из характерных параметров проблемы (Pi) обладает
определенным числом независимых свойств, образуя морфологическую
матрицу вида:
P11
P21
P12
P22
...
...
P1n1
P2n 2
...
PK1
...
PK2
...
...
...
PKn K
,
где P11 , P12 , …, Pi n - независимые свойства i-ого параметра (количество
свойств ni); (i= 1, k ).
Соединяя элементы разнородных параметров (в любом порядке),
получают цепочки элементов, каждая из которых может рассматриваться как
возможный вариант решения проблемы. Несколько таких цепочек, взятых
вместе, дают комбинированный вариант решения проблемы.
3. Определяется ценность того или иного варианта решения. При этом для
сопоставимости вариантов (а число и разнообразие их велико) их
оценивание осуществляют на единой основе. Например, универсальной
можно считать стоимостную оценку или оценку по пропускной
способности и надежности вариантов и т.п.
4. Выбирают наиболее приемлемые решения, которые и реализуются.
Даже такой весьма укрупненный обзор алгоритма морфологического
метода, показывает, что он представляет собой упорядоченный способ
рассмотрения вариантов, позволяющий реализовать порождение вариантных
решений по определенной системе. А это может привести к появлению
принципиально отличного варианта, аналога которому еще нет. Так,
например, открываются новые элементы в периодической таблице
Менделеева.
Морфологический метод структурирует мышление, направляя его
энергию на генерацию новых решений проблемы, которые при ином
несистематизированном анализе ускользают от внимания.
На сегодняшний день морфологический метод широко применяется,
например, в логистике для решения многовариантных транспортных задач.
i
Методы типа «мозговая атака» или «коллективная
генерация идей»
Концепция «мозговая атака» получила широкое распространение с
начала 50-х гг. как метод тренировки мышления, нацеленный на открытие
новых идей и достижение согласия группы людей на основе интуитивного
18
мышления. Методы этого типа известны также под названиями «мозговой
штурм», «конференция идей», «коллективная генерация идей» (КГИ).
Метод мозгового штурма появился в США в конце 30-х годов. В это
время совладелец крупной рекламной фирмы Алекс Ф. Осборн начал
практиковать среди своих сотрудников новый подход к поиску идей. Метод
окончательно оформился и стал известен широкому кругу специалистов с
выходом книги А. Осборна "Управляемое воображение: принципы и
процедуры творческого мышления" в 1953 году.
Правильно организованный мозговой штурм включает три
обязательных этапа. Этапы отличаются организацией и правилами их
проведения:
1.
Постановка проблемы. Предварительный этап. В начале этого этапа
проблема должна быть четко сформулирована. Происходит отбор участников
штурма, определение ведущего и распределение прочих ролей участников в
зависимости от поставленной проблемы и выбранного способа проведения
штурма.
2.
Генерация идей. Основной этап, от которого во многом зависит
успех всего мозгового штурма.
3.
Группировка, отбор и оценка идей. Этот этап часто забывают, но
именно он позволяет выделить наиболее ценные идеи и дать окончательный
результат мозгового штурма. На этом этапе, в отличие от второго, оценка не
ограничивается, а наоборот, приветствуется. Методы анализа и оценки идей
могут быть очень разными. Успешность этого этапа напрямую зависит от
того, насколько "одинаково" участники понимают критерии отбора и оценки
идей.
Обычно при проведении сессий КГИ стараются выполнять
определенные правила, суть которых:

обеспечить как можно большую свободу мышления участников КГИ и
высказывания ими новых идей;

приветствовать любые идеи, даже если вначале они окажутся
сомнительными или абсурдными (обсуждение и оценка идей
производиться позднее);

не допускать критики любой идеи, не объявлять ее ложной и не
прекращать обсуждение;

желательно высказывать как можно больше идей, особенно
нетривиальных.
В последнее время стараются ввести правила, помогающие
сформировать некоторую систему идей, то есть предлагается, например,
считать наиболее ценными те из них, которые связаны с ранее высказанными
и представляют собой их развитие и обобщение.
Участникам не разрешается зачитывать списки предложений, которые
они подготовили заранее. В то же время, чтобы предварительно нацелить
участника на обсуждаемый вопрос, при организации сессий КГИ перед ее
19
началом участникам представляется некоторая предварительная информация
об обсуждаемой проблемы в письменной или устной форме.
Подобия сессий КГИ – разного рода совещания, например, заседания
научных советов, т.н. «фокус - группы», обсуждение вопроса знатоками и т.д.
Метод "мозгового штурма":

достаточно оперативен и надежен;

это максимум идей за короткий отрезок времени;

это отсутствие какой-либо критики;

это развитие, комбинация и модификация как своих, так и чужих идей.
Этот метод специально разработан для получения максимального
количества предложений. Его эффективность поразительна: 6 человек за
полчаса могут выдвинуть 150 идей.
ПРИМЕР применения метода «мозговой атаки» для решения
проблемы - улучшение ТРАНСПОРТИРОВКИ ЖЕЛЕЗОРУДНОГО
КОНЦЕНТРАТА
Железорудный
концентрат,
перевозимый
на
судах
с
несекционированными трюмами, даже при незначительной качке ведет себя
как жидкость. (Содержание воды в руде становится опасным – руда по сути
разжижается и будучи погруженной на судно, резко снижает его
остойчивость. Отправитель любого навалочного груза, способного
разжижаться, обязан предоставить перевозчику данные о содержании воды в
грузе и о допустимом пределе Transportable Moisture Limit (TML) воды.)
Такая масса причиняет много хлопот: при кренах перетекает от одного
борта к другому, создавая угрозу переворачивания. Предложите варианты
устранения этого недостатка.
Ведущий. Еще раз напоминаю о полном запрете критики на этапе
генерации, даже взглядом, пожатием плеч, скептическим выражением лица и
т.п.
(1) Генератор А. Предлагаю насыпать до самого верха, до полного
заполнения трюма. Тогда не будет места для перетекания (в скобках номер
идеи, а буквы обозначают генераторов, подающих идею).
(2) Генератор Б: Можно ограничить свободу, прижимая щитами сверху.
(3) Генератор В: Можно сделать так, чтобы при шторме выдвигались
боковые «крылья». Тогда качка не страшна.
(4) Генератор Г: А можно сделать, чтобы трюм был разделен
перегородкой пополам.
(5) Генератор А: Лучше опускать их несколько, чтобы были отсеки.
(6) Генератор Д: Надо, чтобы были устройства, как на гироскопе,
которые компенсируют крены корабля.
(7) Генератор В: Когда человек наклоняется, он выбрасывает с
противоположной стороны руку. Пусть и корабль так.
(8) Генератор Е: А если покрыть какой-нибудь покрышкой?
(9) Генератор В: Побрызгать пенополиуретановой жидкостью. Я видел,
как герметизируют кузова автомобилей при перевозке зерна.
20
(10) Генератор Г: Сделать вместо окатышей крупные куски. Они
сцепляются и не будут кататься.
(11) Генератор Б: Заморозить груз. Сначала смочить, а затем заморозить.
Ведущий: Давайте вспомним, что мы перевозим.
(12) Генератор А: Ой, можно намагнитить.
(13) Генератор Д: Расположить под грузом специальную подушку и
накачать. Груз подожмется к потолку трюма.
(14) Генератор В: Тогда лучше поджимать сверху.
(15) Генератор Е: Обжечь часть груза сверху, чтобы она спеклась в виде
корки.
Ведущий. По правилам, генерацию идей не останавливают. У нас другая
ситуация. Давайте подведем черту, чтобы оценить идеи. На этом этапе
можно слушать доводы сторон и разбивать их «вдребезги». Кто подавал
первую идею?
Генератор А: Я. Но я подумал, что без специальных вибраторов это не
получится. Мама засыпает в банку муку, а я ее потрясу и есть еще много
места. Снимаю свое предложение.
Аналитик Н: И вторая идея плохая. Каких же размеров должны быть
щиты. Чем их прижимать?
Автор Б: Домкратом.
Генератор Н: Сколько же их надо на весь корабль?
Аналитик М.: И перегородки не лучший вариант. А вот поджим
воздухом сверху, как подушкой, это хорошо. Так в автомобилях сохраняют
жизнь водителю. Только пусть автор покажет решение.
Автор В: Большие емкости из прорезиненной ткани. В свернутом виде как большая труба. А накачивается бортовым компрессором.
Ведущий А: А как с идей поджима снизу?
Несколько голосов: Это же большая тяжесть. Корабли ведь огромные.
Аналитик З: А вот магнитная идея очень хорошая. И дешевле и
компактнее. Электромагниты в виде гирлянды по периметру. А не нужно –
выключим.
Здесь мы прервем показ технологии обсуждения идей. Скажем лишь,
что в мире запатентованы идеи фиксации с помощью магнитного поля,
надувных элементов, изменения консистенции груза и т.п. Ребята сделали, по
существу, свои первые изобретения.
Хотя у мозгового штурма есть недостатки, и все же мозговой штурм и
его варианты (обратная мозговая атака - поиск недостатков в изделии,
мозговая осада - когда все идеи доводятся до конца, и другие) - надежный
способ борьбы с психологической инерцией.
Методы и средства искусственного интеллекта,
используемые в СА
Искусственный интеллект как наука существует более сорока лет.
Первой интеллектуальной системой считается программа "Логик-Теоретик",
21
предназначенная для доказательства теорем и исчисления высказываний. Ее
работа впервые была продемонстрирована 9 августа 1956 года, в создании
программы участвовали такие известные ученые как А. Ньюэлл, А. Тьюринг,
К. Шеннон, Дж. Шоу, Г. Саймон и другие. С тех пор в области
искусственного интеллекта разработано великое множество компьютерных
систем, которые принято называть интеллектуальными. Области их
практического приложения охватывают практически все сферы человеческой
деятельности, связанные с обработкой информации.
На сегодняшний день не существует единого определения, которое
адекватно описывает эту научную область. Среди многих точек зрения на нее
доминируют три.
Согласно первой, исследования в области искусственного интеллекта
являются фундаментальными исследованиями, в рамках которых
разрабатываются модели и методы решения задач, традиционно считавшихся
интеллектуальными и не поддававшихся ранее формализации и
автоматизации.
Согласно второй точке зрения это направление связано с новыми идеями
решения задач на ЭВМ с разработкой принципиально новой технологии
программирования с переходом к компьютерам не фон-неймановской
архитектуры.
Третья точка зрения, наиболее прагматическая, основана на том, что в
результате исследований, проводимых в области искусственного интеллекта,
появляется множество прикладных систем, решающих задачи, для которых
ранее создаваемые системы были непригодны. Согласно последней
трактовке, искусственный интеллект представляет собой экспериментальную
научную дисциплину, при этом основная роль эксперимента заключается в
проверке и уточнении систем искусственного интеллекта, представляющих
собой аппаратно-программные информационные комплексы.
Практическая реализация идей искусственного интеллекта в создании
новых моделей для решения разнообразных задач психологического
поведения человека началась тогда, когда ЭВМ получили способность
обрабатывать данные в символьной, а не только в цифровой форме. Эти
новые модели получили название семиотических – по имени науки
семиотики, изучающей знаки и знаковые системы.
При этом символ-знак определяется с трех сторон:
 синтаксис знака – способ его выражения;
 семиотика знака – связана с его содержанием;
 прагматика знака – полезность знака для пользователя.
Для работы с семиотическими моделями используется модель типа
«текст – смыл – действительность», основанная на теории фреймов.
Теория фреймов (или ситуационное управление), разработанная
американским кибернетиком Марвином Ли Минским4 в 1975 г., относится
Ма́рвин Ли Ми́нский (род. 9 августа 1927) — американский учёный в области искусственного интеллекта,
сооснователь Лаборатории искусственного интеллекта в Массачусетском технологическом институте.
4
22
к психологическим понятиям, касающимся понимания того, что мы видим и
слышим.
Минский, характеризуя суть этой теории, высказался так: «…Когда
человек попадает в новую ситуацию (или радикально изменяет свое
отношение к текущим обстоятельствам), он вызывает из своей памяти
основную структуру, именуемую фреймом». Фрейм (рамка) – это единица
представления знаний, запомненная в прошлом, детали которой при
необходимости могут быть изменены согласно текущей ситуации.
Фрейм представляет собой структуру данных, с помощью которых
можно, например, описать обстановку в вашей комнате или место, где вы
хотите отпраздновать рождение ребенка.
Каждый фрейм может быть дополнен различной информацией. Эта
информация может касаться способов применения данного фрейма,
последствий его применения, действий, которые необходимо выполнить,
если не оправдается прогноз, и т.п.».
Фрейм – иерархически упорядоченная структура данных для
описания
стереотипных
ситуаций,
объектов
управления
и
последовательности действий, используются для создания экспертных
систем на ЭВМ.
Программные средства, базирующиеся на технологии и методах
искусственного интеллекта, получили значительное распространение в мире.
Их важность, и, в первую очередь, экспертных систем и нейронных сетей,
состоит в том, что данные технологии существенно расширяют круг
практически значимых задач, которые можно решать на компьютерах, и их
решение приносит значительный экономический эффект.
По мнению специалистов, в недалекой перспективе экспертные системы
будут играть ведущую роль во всех фазах проектирования, разработки,
производства, распределения, продажи, поддержки и оказания услуг. Их
технология,
получив
коммерческое
распространение,
обеспечит
революционный прорыв в интеграции приложений из готовых
интеллектуально-взаимодействующих модулей.
В мире выделяют несколько основных направлений коммерческого
рынка продуктов искусственного интеллекта:
1) экспертные системы; теперь их часто обозначают еще одним
термином - "системы, основанные на знаниях";
2) нейронные сети и "размытые" (fuzzy) логики;
3) естественно-языковые системы.
В последнее время наблюдается возрастание интереса к искусственному
интеллекту, вызванное повышением требований к информационным
системам. Умнеет программное обеспечение, умнеет бытовая техника. Мы
неуклонно движемся к новой информационной революции, сравнимой по
масштабам с развитием Интернета, имя которой – искусственный
интеллект.
Все уже, наверное, слышали об электромеханических собаках в Японии,
способных узнавать хозяина в лицо, выполнять некоторые простейшие
23
команды и имеющие некоторую способность к обучению. Слышали и про
холодильники с выходом в Интернет и про внедрение Microsoft в будущие
версии Windows элементов искусственного интеллекта.
В подобном развитии области искусственного интеллекта нет ничего
необычного. Здесь уместно привести гипотезу о встречной эволюции
человека и компьютера: человек сначала учиться видеть, ходить,
разговаривать, а уже потом развивает способности к вычислениям и
логическим выводам. Компьютер же наоборот, рождается как
вычислительная система, базирующаяся на формальной логике, в процессе
развития приобретает способности к распознаванию образов, синтезу речи и
управлению в реальном времени.
В настоящее время различают два основных подхода к
моделированию искусственного интеллекта (AI – artificial intelligence):
1. машинный интеллект, заключающийся в строгом задании результата
функционирования,
2. искусственный разум, направленный на моделирование внутренней
структуры системы.
Моделирование систем первой группы достигается за счет
использования законов формальной логики, теории множеств, графов,
семантических сетей и других достижений науки в области дискретных
вычислений. Основные результаты заключаются в создании экспертных
систем, систем разбора естественного языка и простейших систем
управления вида «стимул-реакция».
Системы
второй
группы
базируются
на
математической
интерпретации деятельности нервной системы во главе с мозгом человека
и реализуются в виде нейроподобных сетей на базе нейроподобного
элемента – аналога нейрона.
Итак, что такое искусственный интеллект? Это устройство, которое
может выполнять такую же умственную деятельность, которую может
выполнять человек.
Умственная деятельность состоит из двух частей: счетно-решающей
и мыслительной. Счетно-решающую деятельность легко реализуется на
компьютерах. А вот машин, осуществляющих полноценную мыслительную
деятельность пока нет. Мыслительная деятельность сводится к синтезу пути
решения возникшей задачи: нужно составить алгоритм ее решения. Задача, в
которой известно что нужно получить, но неизвестно как это сделать открытая задача. Искусственный интеллект должен уметь решать открытые
задачи.
4. Формализованные методы
Методы исследования операций (ИСО)
В практике решения задач ИСО используется много различных
методов, а возможность и целесообразность применения каждого из них
24
зависит от вида математической модели, размерности задачи и других
факторов.
К основным направлениям исследования математических моделей
(ММ) относят:
1. исследование моделей аналитическими методами;
2. исследование системы (процесса) с помощью численных методов и
ЭВМ – математическое программирование;
3. исследование системы (процесса) методами случайного поиска.
В свою очередь, в этих направлениях исследований используется
большое количество конкретных методов оптимизации, которые можно
разделит на 2 группы:
1. точные методы, обеспечивающие нахождение оптимума за конечное
число шагов;
2. приближенные методы, приводящие за конечное число шагов к
результату, незначительно отличающемуся от оптимального.
Рассмотрим каждое из упомянутых направлений.
Первое направление исследований ММ – аналитические методы.
К аналитическим относят многие конкретные методы, среди которых
широкий спектр классической оптимизации – метод прямого перебора,
дифференциального исчисления, множителей Лагранжа и др.
С помощью этих методов может быть получена наглядная картина
исследуемой системы (процессов) и характеризующих ее параметров, и хотя
построение ММ в аналитической форме, удобной для последующего ее
исследования, является нелегкой задачей, подобные методы довольно
широко применяются для решения многих практических задач ИСО.
Второе направление исследований ММ – численные методы
оптимизации.
Среди методов оптимизации особое положение занимает группа
методов, широко известных и отличающихся в основном простотой
выражения и анализа. Это методы математического программирования, к
которым относятся методы: линейного, нелинейного, целочисленного,
динамического, дискретного, а также стохастического программирования,
сопряженные с аппаратом теории вероятностей.
Кроме того, к численным методам оптимизации относятся:
 для решения одномерных задач используют последовательно
детерминированные методы поиска экстремума унимодальных функций
(имеющих в исследуемом интервале лишь один горб или впадину), т.е.
методы, учитывающие результаты предыдущих шагов – методы
дихотомии, Фибоначчи и золотого сечения;
 для решения сложных многомерных задач используют методы регулярной
(детерминированной) оптимизации – метод поочередного изменения
параметров, метод градиентов, метод скорейшего спуска (подъема).
Третье направление исследований ММ – методы случайного поиска
оптимума. Эти методы отличаются от детерминированных методов
оптимизации намеренным введением элементов случайности и являются
25
довольно эффективным инструментом решения сложных задач большой
размерности с произвольно заданными целевыми функциями и
ограничениями.
На базе широкого применения различных методов случайного поиска
развилось новое научное направление исследования самых разнообразных
объектов и процессов - имитационное моделирование, которое позволяет
проводить широкие исследования случайных факторов реальных систем.
К числу методов ИСО относятся также теория массового
обслуживания (теория очередей), теория игр, теория нечетких множеств
и пр.
Статистические методы
Помимо методов ИСО широкое применение получили статистические
методы и модели, особенно в задачах выявления тенденций развития
исследуемого процесса. Это:
 модели корреляционного (регрессионного) анализа;
 методы обработки статистических данных с выявлением законов
распределения случайных величин или их числовых характеристик
(например, методы аналитического выравнивания, дисперсионный
анализ);
 модели производственных функций. Такие модели описывают
зависимости между результатами деятельности производственного
объекта и затратами ресурсов и других факторов производства;
 эконометрические модели, представляющие собой совокупности
уравнений, описывающих связи между экономическими показателями. В
основу этих моделей положены методы идентификации и оценивания.
Методы ИСО и статистические методы являются предметом изучения
соответствующих нормативных дисциплин.
Логико-лингвистические методы
Появление логико-лингвистических моделей, в первую очередь, связано
с именами Лотфи Заде5 и Д.А.Поспелова6.
Идеи логико-лингвистического управления, на первый взгляд, казались
совершенно естественными – нельзя управлять сложными объектами без
привлечения информации, которая не может быть выражена
Лотфи Заде (род. 4 февраля 1921, Новханы, Азербайджанская ССР) — американский математик и логик ,
основатель теории нечётких множеств и нечёткой логики, профессор Калифорнийского университета
(Беркли).
6
Дмитрий Александрович Поспелов (родился 19 декабря 1932 года) — советский специалист в области
новых методов управления сложными системами, создания ЭВМ новой архитектуры и проблем
искусственного интеллекта. Профессор, доктор технических наук.
Являлся руководителем двух международных проектов по созданию прототипов ЭВМ новых поколений —
советско-венгерского проекта ЛИВС (Логическая информационно-вычислительная система) и проекта
ПАМИР (Параллельная архитектура. Микроэлектроника. Интеллектуальный решатель), разрабатываемого
совместно с Чехословакией, Болгарией и Польшей. В 1989 году стал президентом советской Ассоциации
искусственного интеллекта, в 1991-м — председателем Совета российской Ассоциации нечётких систем
5
26
количественно. Это семантическая или смысловая, качественная
информация.
Фактически ситуационное управление было первым случаем
практического
использования
логико-лингвистических
моделей
в
управлении. Первая задача такого рода была решена в еще 1967 году при
автоматизации диспетчерской службы на шлюзованных участках водных
путей. Затем эти модели были успешно применены при управлении
дислокационными операциями в рыбном морском порту, при управлении
обжигом цементного клинкера, управлении заготовками и др.
Логико-лингвистические
(логико-семантические,
логикосмысловые, семиотические) модели, развивая идеи ситуационного
управления [Поспелов, 1986], впервые позволили создавать модели,
описывающие знания специалистов в сложных недерминированных
предметных областях с нечеткой логикой и размытыми определениями.
Данный тип моделей характеризуется высокой степенью формализации.
Формализация затрагивает преимущественно логический аспект
существования/функционирования моделируемой системы. При построении
логико-лингвистических моделей широко используется символьный язык
логики и формализм теории графов и алгоритмов.
По явно неслучайному совпадению примерно в это же время подоспела
нечеткая логика Лотфи Заде. Так у Л.Заде логико-лингвистические методы
описания систем основаны на том, что поведение системы выражается в
терминах ограниченного естественного языка и может быть
представлено с помощью лингвистических переменных.
Неформально под лингвистической переменной (ЛП) понимается
такая переменная, значениями которой могут быть не только числа, но и
слова и словосочетания какого-либо естественного или искусственного
языка. По сути ЛП представляет собой дескриптивную, иерархическую
модель триады "понятие - его значения - их смысл". Формально она
описывается набором вида:
LV = (L,T,X,G,M) ,
(3)
где L - название переменной;
T - терм-множество (совокупность ее лингвистических значений);
X - универсальное множество;
G - множество синтаксических правил (грамматика), позволяющее из
простых, атомарных термов строить составные термы, G:T→Т*, Т* есть
расширенное терм-множество;
М - множество семантических правил, задающее отношение
полиморфизма (соответствия типа "один – ко - многим") между T и U.
Например, для ЛП "Величина" можно определить терм-множество Т =
{большая отрицательная (БО), средняя отрицательная (СО), малая
отрицательная (МО), примерно нулевая (ПН), малая положительная (МП),
средняя положительная (СП), большая положительная (БП)}.
27
Нечеткая логико-лингвистическая система описывается набором
значений входных и выходных лингвистических переменных, связанных
между собой некоторыми эвристическими правилами7.
В частности, системы нечетких лингвистических рассуждений
состоят из пяти функциональных блоков:
1) блока фазификации, в котором осуществляется преобразование исходных
числовых физических величин в распределения, соответствующие термам
лингвистической переменной, т.е. согласно (3) определяется нечеткое
отображение М‾¹: X~>T;
2) базы правил, содержащей набор нечетких "если…,то";
3) базы данных, в которой определены функции принадлежности нечетких
множеств, используемых в нечетких правилах;
4) блока принятия решений, совершающего операции вывода на основании
имеющихся правил;
5) блока дефазификации, где происходит переход от дискретной
лингвистической шкалы термов T к непрерывной числовой переменной X, т.е.
согласно (3) определяется нечеткое отображение М: T ~> X.
Условно применение данного метода можно описать как циклически
повторяемую последовательность из двух процедур:
1.
процедуры построения системы высказываний, отражающих знания о
системе,
2.
процедуры анализа полученной совокупности знаний с применением
ЭВМ (правда, на определенных этапах реализации метода требуется участие
эксперта).
В свою очередь, Д.А. Поспелов ввел понятие семиотической системы:
SS =(Т, R, A, P,α(T),β(R),γ(A),δ(P)) ,
(4)
где T - множество базовых элементов (алфавит системы),
R - множество синтаксических правил,
A - множество аксиом,
P - множество правил вывода,
α(T),β(R),γ(A),δ(P) - правила изменения соответствующих компонентов
формальной системы.
Аргументируя необходимость использования семиотических моделей в
искусственном интеллекте (ИИ), Д.А.Поспелов отмечает, что "все
современные технические устройства работают на досемиотическом уровне,
в силу чего они способны моделировать лишь простейшие формы поведения
при решении творческих задач. В отличие от технических систем высшие
животные и человек решают сложные задачи на семиотическом уровне,
что позволяет им находить такие способы решения, которые невозможно
реализовать на досемиотическом уровне".
Результаты сравнительного анализа формальных и семиотических
систем даны в табл.1.
Эвристическими методами (правилами) называются логические приемы и методические правила научного
исследования и изобретательского творчества, которые способны приводить к цели в условиях неполноты
исходной информации и отсутствия четкой программы управления процессом решения задачи.
7
28
Таблица 1. Сравнение основных характеристик формальных и
семиотических систем.
Формальные системы
Семиотические системы
Замкнутые миры
Открытые миры
Единственная классическая логика
Сосуществование различных логик
Постоянная интерпретация
Переменная интерпретация
Статические модели знаний
Динамические модели знаний
Монотонные рассуждения
Возможность немонотонного вывода
Нет мультирезолюции
Мультирезолюция возможна
Логико-смысловые (логико-семантические, семиотические) модели
- это разновидность логико-лингвистических моделей, ориентированная на
отображение исследуемого явления (проблемы), разрабатываемого решения
или проектируемого объекта посредством некоторого множества
выраженных на естественном языке понятий, фиксирующая отношения
между понятиями и отображающая содержательно-смысловые связи
между понятиями.
Эта разновидность логико-лингвистических моделей ориентирована на
поиск решения, его синтез из ранее имевших место прецедентов,
существующих описаний предметной области или описаний путей решения
группы близких по содержанию проблем.
По существу этот метод моделирования представляет собой метод
поиска решения некоторого комплекса задач на основе анализа
совокупности формализованных знаний о некоторой сложной системе.
Выделяется следующие два направления применения логикосмыслового моделирования: формирование и оценка проектных решений;
анализ и оптимизация организационных структур.
В качестве частного примера применения логико-смыслового
моделирования можно рассматривать гипертекстовые системы, получившие
широкое распространение в глобальной телекоммуникационной сети
Интернет.
Наиболее распространенным способом формального представления
логико-лингвистических моделей является граф.
Граф — это формальная система, предназначенная для выражения
отношений между элементами произвольной природы, оперирующая
модельными объектами двух типов:
1. вершина (точка), символизирующая элемент,
2. ребро
(дуга,
связь),
символизирующее
отношение
между
связываемыми им элементами.
В математической интерпретации граф представляет собой формальную
систему, описываемую, как:
G=(Х,U),
(5)
где Х — множество вершин, U — множество ребер (дуг).
29
Граф состоит из упорядоченных пар вершин, причем одна и та же пара
может входить в множество U любое число раз, описывая различные виды
отношений. Классический пример графа приведен на рис. 13.
Рисунок 13. Пример графа переходов.
В качестве примера графа можно использовать привычные нам
иерархические классификации в виде прямоугольников, связанных линиями,
схемы метрополитена, технологические карты, транспортные сети и т. п.
Одним из видов логико-лингвистических моделей являются
сценарии или сценарные модели.
Сценарные модели (сценарии) - это разновидность логиколингвистических моделей, предназначенных для отображения развернутых
во времени последовательностей взаимосвязанных состояний, операций или
процессов. Сценарии могут иметь как линейную, так и ветвящуюся
структуру, в которой могут быть установлены условия перехода к той или
иной частной стратегии, либо просто отображены возможные альтернативы
без указания условий.
Сценарии, как разновидность логико-лингвистических моделей,
широко распространены в отраслях деятельности, связанных с
моделированием социально-политической, экономической и военной
обстановки,
созданием
информационных
систем
поддержки
управленческой деятельности и во многих других.
Методы логико-лингвистического моделирования не исчерпываются
перечисленными здесь. Следует упомянуть методы логико-лингвистического
моделирования деловых процессов, методы синтеза деревьев целей и задач, а
также иные методы, основанные на применении логико-лингвистических
моделей и методов.
Широкое применение логико-лингвистические модели нашли в отрасли
разработки программного обеспечения, управления корпоративными
информационными ресурсами и многих других отраслях, где требуется
определенный уровень формализации, представляющий единство
строгости, интуитивной понятности и высокой выразительной
способности моделей.
30
Принципиальная новизна логико-лингвистического подхода была в ее
гениальной простоте. Для моделирования кибернетических систем
предлагался не очередной математический монстр, понятный лишь автору и
его ближайшему окружению, а набор вполне прозрачных нотаций для
описания объектов системы управления и связей между ними. Впервые
отчетливо прозвучала мысль, что существуют задачи, где строгая
математика бессильна, но где логика, обогащенная лингвистическими
моделями, может дать результативное и ясное описание.
Логико-лингвистическое управление, опередив время, пыталось создать
аппарат для моделирования сложных систем, включающих логические,
временные, пространственные, технологические и человеческие
компоненты в их подлинной сложности, а не в рамках "игрушечных"
математических моделей. Теперь уже пришло понимание, что каждая
сложная система уникальна, и только опыт и знания специалистов позволяет
справиться с такими задачами.
5. Слабоформализованные методы
Методы экспертных оценок
Как будет изменяться экономическая обстановка с течением времени?
Что будет с окружающей природной средой через десять лет? Будет ли
обеспечена экологическая безопасность промышленных производств или же
вокруг станет простираться рукотворная пустыня? Достаточно вдуматься в
эти постановки естественных вопросов, проанализировать, как десять или
тем более двадцать лет назад мы представляли себе сегодняшний день, чтобы
понять, что стопроцентно надежных прогнозов просто не может быть.
Вместо утверждений с конкретными числами можно ожидать лишь
качественных оценок. Тем не менее мы, менеджеры, экономисты, инженеры,
должны принимать решения, например, об экологических и иных проектах и
инвестициях, последствия которых скажутся через десять, двадцать и т.д.
лет. Как быть? Остается обратиться к методам экспертных оценок. Что это за
методы?
Бесспорно, что для принятия обоснованных решений необходимо
опираться на опыт, знания и интуицию специалистов. После второй мировой
войны в рамках кибернетики, теории управления, менеджмента и
исследования операций стала развиваться самостоятельная дисциплина теория и практика экспертных оценок.
Методы экспертных оценок - это методы организации работы со
специалистами-экспертами и обработки мнений экспертов. Эти мнения
обычно выражены частично в количественной, частично в качественной
форме.
Экспертные исследования проводят с целью подготовки информации
для принятия решений ЛПР (ЛПР – лицо принимающее решение). Для
проведения работы по методу экспертных оценок создают Рабочую группу
31
(РГ), которая и организует по поручению ЛПР деятельность экспертов,
объединенных (формально или по существу) в экспертную комиссию (ЭК).
Термин «эксперт» происходит от латинского слова expert – «опытный».
Эксперт должен обладать рядом важнейших качеств, а именно:
 компетентностью – профессиональной информированностью,
 креативностью – способностью решать задачи, метод решения которых
полностью или частично неизвестен;
 эвристичностью – способностью выявлять неочевидные проблемы,
 интуицией – способностью угадывать решения без его обоснования,
 предикатностью – способностью предсказывать будущее решение,
 независимостью (нонконформизмом) – способностью противостоять
мнению большинства,
 всесторонностью (общей эрудицией) – способностью видеть проблему
с разных точек зрения.
При использовании экспертных оценок обычно предполагается, что
мнение группы экспертов надежнее, чем мнение отдельного эксперта.
Экспертные оценки бывают индивидуальные и коллективные.
Индивидуальные оценки - это оценки одного специалиста. Например,
преподаватель единолично ставит отметку студенту, а врач - диагноз
больному. Но в сложных случаях заболевания или угрозе отчисления
студента за плохую учебу обращаются к коллективному мнению симпозиуму врачей или комиссии преподавателей. Аналогичная ситуация - в
армии. Обычно командующий принимает решение единолично. Но в
сложных и ответственных ситуациях проводят военный совет. Один из
наиболее известных примеров такого рода - военный совет 1812 г. в Филях,
на котором под председательством М.И. Кутузова решался вопрос: "Давать
или не давать французам сражение под Москвой?"
Другой простейший пример экспертных оценок - оценка номеров в
КВН. Каждый из членов жюри поднимают фанерку со своей оценкой, а
технический работник вычисляет среднюю арифметическую оценку, которая
и объявляется как коллективное мнение жюри (ниже увидим, что такой
подход некорректен с точки зрения теории измерений).
В фигурном катании, например, процедура усложняется - перед
усреднением отбрасываются самая большая и самая маленькая оценки. Это
делается для того, чтобы не было соблазна завысить оценку одной
спортсменке (например, соотечественнице) или занизить другой. Такие резко
выделяющиеся из общего ряда оценки будут сразу отброшены.
Экспертные оценки часто используются при выборе, например:
 одного варианта технического устройства для запуска в серию из
нескольких образцов,
 группы космонавтов из многих претендентов,
 набора проектов научно-исследовательских работ для финансирования из
массы заявок,
 получателей экологических кредитов из многих желающих,
32
 при выборе инвестиционных проектов для реализации среди
представленных, и т.д.
Все множество проблем, решаемых методами экспертных оценок,
делится на 2 класса:
1 класс – Проблемы, в отношении которых имеется достаточное обеспечение
информацией.
2 класс – Проблемы, в отношении которых знаний для уверенности в
справедливости указанных гипотез недостаточно.
Экспертные оценки несут в себе как узкосубъективные черты,
присущие каждому эксперту, так и коллективно-субъективные, присущие
коллегии экспертов. И если первые устраняются в процессе обработки
индивидуальных экспертных оценок, то вторые не исчезают, какие бы
способы обработки не применялись.
Рассмотрим отдельные этапы экспертного исследования. Как
показывает опыт, с точки зрения менеджера - организатора такого
исследования целесообразно выделять следующие стадии проведения
экспертного опроса.
1) Принятие решения о необходимости проведения экспертного опроса и
формулировка ЛПР его цели. Таким образом, инициатива должна исходить
от руководства, что в дальнейшем обеспечит успешное решение
организационных и финансовых проблем. Очевидно, что исходный толчок
может быть дан докладной запиской одного из сотрудников или дискуссией
на совещании, но реальное начало работы - решение ЛПР.
2) Подбор и назначение ЛПР основного состава РГ (обычно - научного
руководителя и секретаря). При этом научный руководитель отвечает за
организацию и проведение экспертного исследования в целом, а также за
анализ собранных материалов и формулировку заключения экспертной
комиссии. Он участвует в формировании коллектива экспертов и выдаче
задания каждому эксперту (вместе с ЛПР или его представителем). Он сам высококвалифицированный эксперт и признаваемый другими экспертами
формальный и неформальный руководитель экспертной комиссии. Дело
секретаря - ведение документации экспертного опроса, решение
организационных задач.
3) Разработка РГ и утверждение у ЛПР технического задания на
проведение экспертного опроса. На этой стадии решение о проведении
экспертного опроса приобретает четкость во времени, финансовом,
кадровом, материальном и организационном обеспечении. В частности,
формируется РГ, в которой выделяются различные группы специалистов аналитическая, эконометрическая (специалисты по методам), компьютерная,
по работе с экспертами (например, интервьюеров), организационная. Очень
важно для успеха, чтобы все эти позиции были утверждены ЛПР.
4) Разработка аналитической группой РГ подробного сценария (т.е.
регламента) проведения сбора и анализа экспертных мнений (оценок).
Сценарий включает в себя, прежде всего, конкретный вид информации,
которая будет получена от экспертов.
33
Сценарий должен содержать и конкретные методы анализа собранной
информации. Традиционная ошибка - сначала собрать информацию, а потом
думать, что с ней делать. В результате, как показывает печальный опыт,
информация используется не более чем на 1-2%.
5) Подбор экспертов в соответствии с их компетентностью. На этой
стадии РГ составляет список возможных экспертов и оценивает степень их
пригодности для планируемого исследования.
6) Формирование экспертной комиссии. На этой стадии РГ проводит
переговоры с экспертами, получает их согласие на работу в ЭК. ЛПР
утверждает состав экспертной комиссии. Проводится заключение договоров
с экспертами об условиях их работы и ее оплаты.
7) Проведение сбора экспертной информации.
8) Компьютерный анализ экспертной информации с помощью
включенных в сценарий методов.
9) При применении согласно сценарию экспертной процедуры из
нескольких туров - повторение двух предыдущих этапов.
10) Итоговый анализ экспертных мнений, интерпретация полученных
результатов аналитической группой РГ и подготовка заключительного
документа ЭК для ЛПР.
11) Официальное окончание деятельности РГ, в том числе утверждение
ЛПР заключительного документа ЭК, подготовка и утверждение научного и
финансового отчетов РГ о проведении экспертного исследования, оплата
труда экспертов и сотрудников РГ, официальное прекращение деятельности
(роспуск) ЭК и РГ.
При обработке материалов коллективной экспертной оценки
используются методы теории ранговой корреляции. Для количественной
оценки степени согласованности мнений экспертов применяется
коэффициент конкордации W, который позволяет оценить: насколько
согласованы между собой мнения экспертов. Его значение находится в
пределах 0  W  1: где W=0 – полная противоположность, W=1 – полное
совпадение, нормальным считается значение W=0,7-0,8.
Существует масса методов получения экспертных оценок. В одних с
каждым экспертом работают отдельно, он даже не знает, кто еще является
экспертом, а потому высказывает свое мнение независимо от авторитетов.
В других экспертов собирают вместе для подготовки материалов для
ЛПР, при этом эксперты обсуждают проблему друг с другом, учатся друг у
друга, и неверные мнения отбрасываются.
В одних методах число экспертов фиксировано и таково, чтобы
статистические методы проверки согласованности мнений и затем их
усреднения позволяли принимать обоснованные решения. В других - число
экспертов растет в процессе проведения экспертизы, например, при
использовании метода "снежного кома".
Не меньше существует и методов обработки ответов экспертов, в том
числе весьма насыщенных математикой и компьютеризированных. Многие
34
из них основаны на достижениях статистики объектов нечисловой природы и
других современных методах прикладной статистики.
К наиболее употребительным процедурам экспертных оценок
измерений относятся:
 ранжирование,
 парное сравнивание,
 множественные сравнения,
 непосредственная оценка,
 Черчмена-Акоффа (последовательное сравнение),
 метод Терстоуна,
 метод фон Неймана-Моргенштерна,
 методы типа Дельфи.
Один из наиболее известных методов экспертных оценок - это метод
"Дельфи".
Методы экспертной оценки типа Дельфи
Название этих методов связано с древнегреческим городом Дельфи, где
при храме Аполлона с IX в. до н.э. до IV в. н.э. по преданиям находился
Дельфийский оракул. Мудрецы города Дельфи занимались предсказанием
будущего, обнародуя их только после тщательного обсуждения на совете.
В США в 1960-х годах методом Дельфи назвали экспертную процедуру
прогнозирования научно-технического развития. В первом туре эксперты
называли вероятные даты тех или иных будущих свершений. Во втором туре
каждый эксперт знакомился с прогнозами всех остальных. Если его прогноз
сильно отличался от прогнозов основной массы, его просили пояснить свою
позицию, и часто он изменял свои оценки, приближаясь к средним
значениям. Эти средние значения и выдавались заказчику как групповое
мнение. Надо сказать, что реальные результаты исследования оказались
довольно скромными - хотя дата высадки американцев на Луну была
предсказана с точностью до месяца, все остальные прогнозы провалились холодного термоядерного синтеза и средства от рака в ХХ в. человечество не
дождалось.
Однако сама методика оказалась популярной - за последующие годы она
использовалась не менее 40 тыс. раз. Средняя стоимость экспертного
исследования по методу Дельфи - 5 тыс. долларов США, но в ряде случаев
приходилось расходовать и более крупные суммы - до 130 тыс. долларов.
В отличие от традиционных методов экспертной оценки метод Дельфи
предполагает полный отказ от коллективных обсуждений, чтобы уменьшить
влияние таких психологических факторов, как присоединение к мнению
наиболее авторитетного специалиста, нежелание отказаться от публичного
выраженного мнения, следование за мнением большинства.
В методе Дельфи прямые дебаты заменены программой
последовательных индивидуальных опросов, проводимых в форме
анкетирования. Ответы обобщаются и вместе с новой дополнительной
информацией поступают в распоряжение экспертов, после чего они уточняют
35
свои первоначальные ответы. Такая процедура повторяется несколько раз до
достижения приемлемой сходимости совокупности высказанных мнений.
Результаты эксперимента показали приемлемую сходимость оценок
экспертов после 5 туров опроса.
Процедура Дельфи - метода заключается в следующем:
1. Организуется последовательность циклов «мозговой атаки»;
2. Разрабатывается программа последовательных индивидуальных опросов с
помощью вопросников, исключающая контакты между экспертами, но
предусматривающая ознакомление их с мнениями друг друга между
турами; вопросники от тура к туру могут уточняться;
3. В наиболее развитых методиках экспертам присваиваются весовые
коэффициенты значимости их мнений, вычисляемые на основе
предшествующих опросов, уточняемые от тура к туру и учитываемые при
получении обобщенных результатов оценок.
Впервые практическое применение метода Дельфи было осуществлено во
второй половине 40-х гг. к решению некоторых задач министерства обороны
США.
Недостатки метода Дельфи:
 значительный расход времени на проведение экспертизы, связанный с
большим количеством последовательных повторений оценок;
 необходимость неоднократного пересмотра экспертом своих ответов,
вызывающая у него отрицательную реакцию, что сказывается на
результатах экспертизы.
Метод дерева целей
Дерево целей – это структурированная, построенная по
иерархическому принципу (распределенная по уровням, ранжированная)
совокупность целей системы, в которой выделены генеральная цель
(«вершина дерева»); подчиненные ей подцели первого, второго и
последующего уровней («ветви дерева»).
Термин «дерево» предполагает использование иерархической
структуры (от старшей к младшей), полученной путем разделения общей
цели на подцели. Принцип разбиения общей цели на подцели и задачи
иллюстрирует схема, представленная на рисунке 14 (стр.36).
Название «дерево целей» связано с тем, что схематически
представленная совокупность распределенных по уровням целей напоминает
по виду перевернутое дерево. Концепция «дерева целей» впервые была
предложена Чарльзом Черчменом8 и Расселом Акоффом9 в 1957 году. Она
позволяет человеку привести в порядок собственные планы, увидеть свои
цели в группе. Независимо от того, являются ли они личными или
Чарльз Уэст Черчмен (1913 - 2004) – американский ученый, доктор философии, один из главных
популяризаторов метода использования системного мышления. Его принято считать и основоположником
современного системного подхода.
9
Рассел Линкольн Акофф (1919 — 2009) — известный американский учёный в областях исследования
операций и теории систем.
8
36
профессиональными. В том числе, дерево целей позволяет выявить, какие
возможные комбинации обеспечат наилучшую отдачу.
Рисунок 14. Разбиение целей на подцели и задачи: I-V - уровни системы;
1-39 - элементы системы.
Метод дерева целей ориентирован на получение относительно
устойчивой структуры целей, проблем, направлений. Этот метод широко
применяется для прогнозирования возможных направлений развития науки,
техники, технологий, а также для составления личных целей,
профессиональных, целей любой компании.
Дерево целей тесно увязывает между собой перспективные цели и
конкретные задачи на каждом уровне иерархии. При этом цель высшего
порядка соответствует вершине дерева, а ниже в несколько ярусов
располагаются локальные цели (задачи), с помощью которых обеспечивается
достижение целей верхнего уровня.
Один из основных принципов построения дерева целей – каждая цель
данного уровня должна быть представлена в виде подцелей следующего
уровня таким образом, чтобы их совокупность полностью определяла
понятие исходной цели. Исключение хотя бы одной подцели лишает
полноты или меняет само понятие исходной цели.
Этапы построения дерева целей:
1. Формулировка стратегической цели. Это вершина дерева, так же может
быть глобальная большая и очень сложная цель, в отличии от
стратегической, в возможности ее конечной достижимости. (пример,
стратегическая – увеличение продаж, глобальная – увеличение капитала в
определенную сумму; стратегическая – личностный рост, глобальная –
выучить 5 иностранных языков). Эта цель отвечает на вопросы: что я (мы,
организация) хотим получить или получать в прошествии такого-то срока?
Кем я хочу быть? Чего хотим достигнуть или достигать? Ответ – записываем
в вершину.
37
2. Записываем условия, подцели способствующие осуществления
глобальной стратегической цели. Отвечая на вопросы: при каких условиях
возможна реализация поставленной цели? Какие задачи или цели нужно
решить, что бы осуществить цель номер 1?
3. Дробим дальше цели, делаем ту же процедуру, что и в случае в п.2, но
только в отношении 2-го ряда целей. Наша задача выстроить
последовательную иерархию до тех пор, пока все цели на сведутся к
реализации конкретной мелкой задачи, то ли разово выполненной, то ли
находящейся в постоянном цикле.
Общие рекомендации к построению дерева целей:
 Дробить цели нужно последовательно. Т.е. они должны быть подчинены
друг другу, и не было больших прыжков.
 Самые мелкие цели – должны быть максимально простыми, реализация
которых реализует, так же просто, более высшую цель.
 При развертывании цели в иерархическую структуру целей исходят из
того, что реализация подцелей (задач) каждого последующего уровня
является необходимым и достаточным условием достижения цели
предыдущего уровня.
 При формулировании целей различного уровня необходимо описывать
желаемые результаты, но не способы их получения.
 Подцели каждого уровня должны быть независимыми друг от друга и не
исходящими друг из друга.
 Фундамент дерева целей объединяет задачи, представляющие собой
формулировку работ, которые выполняются определенным способом и в
заранее установленные сроки.
 Общая цель, находящаяся в вершине графа, должна содержать описание
конечного результата.
Количество уровней декомпозиции зависит от масштабов и сложности
поставленных целей, от принятой в организации структуры.
Рассмотрим примеры ключевых целей предприятия.
38
Дерево целей может быть составлено для любой цели: глобальной,
месячной, годичной.
Пример составления дерева целей. Цель - стать студентом ВУЗа.
Ресурсы: хорошее образование (специализированная школа, репетиторы),
обеспеченные родители и т.п.
Оценка вероятности - высокая: золотая медаль, дядя - преподаватель этого
ВУЗа и т.п.
Подцели:
1. Продолжать дополнительное образование и занятие с репетитором,
устроиться на работу (накопить денег), переговорить с банком о кредите и
т.п.
2. Переговорить с дядей о помощи, пойти на подготовительные курсы, и т.д.
Подцели могут рождать более мелкие цели и т.д.
Сетевой метод
Рассматривается для решения задач календарного планирования
проектных разработок в рамках дисциплины «Проектный анализ».
Методы выбора альтернатив и компромиссных решений
Методы выбора альтернатив включают критериальные методы и
методы экспертных оценок.
В свою очередь критериальные методы различаются:
 по количеству заданных критериев (целевой функции или функции
полезности) - однокритериальные и многокритериальные методы,
 по условиям среды: выделяют методы выбора в условиях
определенности, риска и неопределенности.
В настоящее время разработано множество операционных методов,
позволяющих лицам и группам максимально использовать их творческие
возможности в различных аспектах решения проблем и принятия решений.
39
Генерирование альтернативных вариантов решений, управляющих
воздействий и т. д. может осуществляться либо непосредственно, либо с
помощью специальных экспертных процедур. Процедуры генерирования
альтернативных вариантов могут предусматривать как специальную
организацию экспертиз с использованием методов типа "мозговой атаки" и т.
д., так и создание автоматизированных систем генерирования
альтернативных вариантов в сложных, но структурируемых случаях.
Основные методы выработки альтернатив и принятия управленческого
решения делятся на: групповые (коллективные) и индивидуальные
(единоличные).
Наиболее доступны групповые методы, к которым относятся
следующие:
 Метод “мозговой атаки”. Рассмотрен нами ранее.
 Метод ключевых вопросов. Технологию его реализации целесообразно
применять для сбора дополнительной информации в условиях проблемной
ситуации или упорядочения уже имеющейся при решении проблемы.
Задаваемые вопросы служат стимулом для формирования стратегии и
тактики решения задачи, развивают интуицию, формируют алгоритмы
мышления, наводят на идею решения, побуждают к правильным ответам.
 Метод свободных ассоциаций. На этапе генерирования идей при
использовании новых ассоциаций повышается результативность творческой
деятельности за счет возникновения новых идей. В процессе зарождения
ассоциаций устанавливаются неординарные связи между элементами
решаемой проблемы и прежним опытом лиц, привлеченных к коллективной
работе. Данный метод и технология его исполнения учитывает особенности
деятельности мозга человека, вырабатывающего новые идеи при
возникновении новых ассоциативных связей.
 Метод инверсии. При поиске идеи решение проблемы часто можно найти,
изменив направление поиска на противоположное, противоречащее
сложившимся традиционным взглядам, продиктованным логикой и
здравым смыслом. Нередко в ситуациях, в которых логические приемы,
процедуры
мышления
оказываются
бесплодными,
оптимальна
противоположная альтернатива решения.
 Метод личной аналогии. При решении задач иногда осуществляется
замена исследуемого объекта, законы функционирования которого
неизвестны, на аналогичный объект с уже известными свойствами. Обычно
используются прямые аналогии, субъективные аналогии, символические и
фантастические аналогии. Для ЛПР необходимы личные аналогии, когда
объекту исследования приписываются свои чувства, эмоции, цели, функции
и т. п. Это дает возможность как бы “слиться” с объектом, “прочувствовать”,
осмыслить и испытать его минусы и плюсы на себе. В результате успешной
мыслительной работы можно получить идею решения проблемы.
 Метод синектики. Дает возможность получить наиболее оригинальные
идеи за счет “обучения” участников использованию в процессе “мозговой
40
атаки” методов аналогии, интуиции, абстрагирования, свободного
размышления, применения неожиданных метафор, элементов игры, что
позволяет привычную проблему в непривычной ситуации решить
неожиданно и оригинально.
 Метод 635. Группа из шести участников анализирует и формулирует
заданную (проблемную) ситуацию. Каждый участник заносит в формуляр
три предложения по решению задачи (в течение 5 мин) и передает
формуляр соседу. Заполняющий формуляр принимает к сведению
предложения своего предшественника, а под ними в трех полях вносит еще
три собственных предложения. Эти предложения могут использоваться в
дальнейшей разработке записанных решений, но могут выдвигаться новые.
Процесс заканчивается, когда участники обработали все формуляры.
Технология позволяет получить до 108 (6 · 3 · 6) предложений.
 Метод Дельфи. Рассмотрен нами ранее.
 Метод Гордона имеет много общего с «мозговым штурмом» и обобщает
его. В этом случае применяют почти те же правила. Однако здесь только
лидер группы до обсуждения знает точный характер проблемы. Это
ограничение препятствует группе достичь решения слишком рано.
 Морфологический анализ. Рассмотрен нами ранее.
Вопросы по теме 8:
1.
Приведите возможные классификации методов СА.
2.
Назовите всеобщие методы СА.
3.
Коротко изложите суть методов декомпозиции сложных систем.
4.
Рассмотрите стандартные модели для декомпозиции ОУ.
5.
Кто впервые предложил термин «черный» ящик? Расскажите алгоритм
раскрытия «черных» ящиков.
6.
Дайте характеристику неформализованным методам СА.
7.
Что называют сценарием? Кто впервые предложил использовать этот
метод для решения бизнес - задач?
8.
Назовите этапы проведения исследования морфологическим методом.
9.
Каких правил придерживаются при проведении «мозгового штурма»?
10. Что Вы знаете о теории фреймов? Что такое искусственный интеллект?
11. Приведите примеры формализованных методов СА.
12. Назовите основные направления исследования математических
моделей.
13. Что понимается под логико-лингвистической моделью? В каких
областях они применяются?
14. Какие методы можно отнести к слабоформализованным?
15. Рассмотрите основные этапы проведения экспертного исследования.
16. Кратко суть методов экспертной оценки типа Дельфи.
17. Назовите общие рекомендации к построению дерева целей.
18. Какие методы выработки альтернатив и принятия управленческого
решения Вам известны?
41
Имя ученого
Название метода
Уильямом Росс Эшби
Понятие «черный ящик»
Норберт Винер
Кибернетика,
метод раскрытия «черных ящиков»
Герман Кан
Метод сценария
Фриц Цвикки
Морфологический метод
Алекс Ф. Осборн
«Мозговой штурм»
Марвином Ли Минским
Теория фреймов
(искусственный интеллект)
Лотфи Заде,
Логико-лингвистические методы
Дмитрий Александрович
(теория нечетких множеств,
Поспелов
семиотические модели)
Чарльз Черчмен,
Дерево целей
Рассел Акофф