Информационные системы в маркетинговой деятельности

Информационные системы в маркетинговой деятельности.

Статьи по теме
Искать по теме

Интегративность

Им подчеркивается интерес к причинам формирования целостности, а главное – его сохранение. Интегративными называют системообразующие, системоохраняющие факторы, важными среди которых являются неоднородность, противоречивость элементов.

Коммуникативность

Система образует особое единство со средой. Как правило, любая исследуемая система представляет собой элемент системы более высокого порядка, элементы любой исследуемой системы в свою очередь, обычно выступают как системы более низкого порядка.

Система не изолирована. Она связана множеством коммуникаций со средой, которая неоднородна, а представляет собой сложное образование.

Иерархичность

Иерархичность – свойство построения мира и любой выделенной из него системы. Иерархическая упорядоченность пронизывает всё. Свойство целостности проявляется на каждом уровне иерархии. Благодаря этому, на каждом уровне возникают новые свойства.

На каждом уровне иерархии происходят сложные качественные изменения, которые не всегда могут быть представлены.

- С помощью иерархических представлений можно отображать системы

- Построение иерархической структуры зависит от целей. Для многоцелевых ситуаций можно построить несколько структур.

- Даже при одной и той же цели, если поручить формирование структуры разным людям, то в зависимости от их опыта, квалификации и знания системы они могут получить разные иерархические структуры, то есть по разному разрешить качественные изменения на каждом уровне иерархии.

Эквифинальность

Эквифинальность – одно из наименее исследованных свойств. Оно характеризует предельные возможности систем определённого класса сложности. Потребность во введении этого понятия возникает, начиная с некоторого уровня сложности, например, биологические системы.

Историчность

Историчность – время является непременной характеристикой системы, поэтому каждая система исторична.

Для технических систем определить периоды развития довольно трудно. Как управлять развитием или хотя бы понимать приближение соответствующего периода развития системы – это вопросы ещё мало исследованы.

Например, в системотехнике необходимо рассматривать вопросы: как и когда нужно уничтожать сложные технические комплексы.

Например, списание техники – авиационной, захоронение ядерных установок.

Ингерентность

Для того, чтобы модель отвечала своему назначению, недостаточно взять готовую модель или создать новую; необходимо, чтобы существовали условия, обеспечивающие её функционирование.

Бумажные денежные знаки могут играть роль модели стоимости только до тех пор, пока в среде их обращения существуют правовые нормы и финансовые учреждения, поддерживающие функционирование денег.

В истории известны прекрасные идеи, обогнавшие своё время, то есть не соответствовавшие общественному уровню знаний и технологий своего времени и, поэтому не воспринятые обществом:

- Вертолет Леонардо да Винчи 15 в.

- Универсальная вычислительная машина Бэббиджа 1883 г.

Для реализации своих модельных функций необходимо, чтобы модель была согласована с культурной средой, в которой ей предстоит функционировать, входила в эту среду не как чуждый ей элемент, а как её естественная часть. Свойство согласованности с культурной средой – ингерентность.

Эмерджентность

Если внешняя целостность отображается моделью "черного ящика", то внутренняя целостность связана со структурой системы.

Наиболее яркое проявление внутренней целостности системы состоит в том, что свойства системы не являются только суммой свойств её составных частей. Система есть нечто большое, система в целом обладает такими свойствами, которых нет ни у одной из её частей, взятых в отдельности. Сделаем акцент на то, что при объединении частей в целое возникает нечто качественно новое, такое, что не было и не могло быть без этого объединения.

Emerdgence – внезапное появление. Какие бы удивительные свойства ни возникали при объединении элементов в систему, ничего мистического нет. Новые свойства возникают благодаря конкретным связям между конкретными элементами.

Метод экспертных оценок

Одной из важнейших черт различных объектов является их неопределенность. Эта неопределенность оъясняется еще сравнительно слабой изученностью анализируемых процессов и явлений; отсутствием однозначного критерия качества функционирования объектов и систем. недостатком информации о состоянии вопроса как априорной, так и оперативной; наличием существенных ошибок измерения контролируемых показателей; отсутствие достаточно адекватных реальности математических моделей; существенной трудностью предсказания состояния объекта управления с приемлемой точностью даже на малый промежуток времени; наличием существенной нестационарности характеристик объектов, имеющих трудно предсказуемую структуру, и.т.д. Всё это свидетельствует о сложности технико-экономических проблемы требует использования для их решения системного подхода, основаного на разумном сочетании современных математических методов, богатого опыта специалистов-практиков и научных работников.

Как, в какой степени и на каком этапе исследования следует использовать метод экспертных оценок, в основном зависит от конкретной проблемы и условий, в которых она решается. Ниже будут рассмотрены некоторые общие соображения по этому вопросу, поскольку в настоящее время еще встречаются исследователи, считающие использование экспертных оценок ненаучным подходом. Столь резкие выводы обусловлены скорее всего, с одной стороны, предвзятым отношением к высказываниям экспертов и переоценкой своего личного опыта и, с другой – чрезмерным увлечением чисто математическими приемами решения задачи. Такие специалисты обычно понимают под методом экспертных оценок неподготовленный опрос группы разнородных экспертов с последующим усреднением полученной от них информации.

Экспертные оценки следует трактовать шире, чем просто сбор и усреднение произвольно собранных точек зрения, что действительно является некорректным. Помимо того, необходимо иметь в виду что последнее слово всегда остаётся за исследователем, который принимает окончательное решение об использовании результатов экспертизы. Последнюю следует рассматривать как средство получения дополнительной информации, позволяющий уменьшить не определённость, имеющая место при решении задачи.

Любой исследователь, даже полностью отрицающий применимость экспертных оценок, в реальной жизни сталкивается с их использованием. Так, решая конкретную прикладную задачу, он непременно пользуется различного рода консультациями, извлекает пользу из личных бесед. При этом он либо останавливается на одном из предложенных решений. либо синтезирует новое, анализируя полученную субъективную информацию.

Основное возражение против метода экспертных оценок заключается в том, что ряд исследователей считают недопустимым совместное рассмотрение мнений экспертов, высказывающих различные точки зрения. однако привычными для всех являются ошибки измерения в физическом эксперименте, устранение которых достигается дублированием и многократным повторением опыта. Эксперты же при опросе выполняют. по сути дела, функции датчиков и измерительных приборов. Если диапазон ответов включает истинный ответ, а это, как отмечают многие авторы, на практике обычно имеет место, то совокупность разрозненных мнений корректно может быть синтезирована в некоторое обобщенное мнение, близкое к реальности. Полное единодушие экспертов с первых шагов экспертизы свидетельствует лишь о тривиальности проблемы.

Таким образом ясно, что выбор методов и приёмов обработки экспертных заключений должен зависеть. кроме всего прочего, и от степени согласованности ответов. Многие из методов экспертных оценок учитывают эту ситуацию. С другой стороны, если взгляды экспертов существенно расходятся, могут быть применены специальные многошаговые опросы, преследующие цель уменьшить разброс мнений, либо выяснить их причину. Однако следует помнить, что даже полное единодушие экспертов не является критерием достоверности ответа, т.к из-за неправильно организованной экспертизы оно может быть результатом конформизма, либо следствием нерепрезинтативности выбранной группы экспертов.

В большинстве прикладных исследований метод экспертных оценок применяется для выделения существенных факторов и их ранжирования. При этом чаще всего применяют методы опроса, основанные на прямом ранжировании, а полученные субъективные методы обрабатывают методами ранговой корреляции. Однако область применения метода намного шире. не претендуя на полноту, можно указать следующие технико-экономические задачи, в которых его использование дает определенную практическую пользу:

- Выбор целей исследования.

- Выбор и построение критериев в задачах векторной оптимизации.

- Принятие решений при управлении производством и выбор наилучшего варианта решения любой другой достаточно сложной проблемы в условиях неопределенности.

- Задачи идентификации (математическое описание).

- Построение эвристических механизмов управления.

- Эргонометрические исследования.

- Оценка качества продукции и пр.

Экспертные оценки не следует рассматривать как некий нулевой цикл исследования, ему должен предшествовать детальный априорный1 анализ существа вопроса. Систематизация этих априорных сведений позволяет целенаправленно и планомерно организовать экспертизу, ориентированную на извлечение массовой информации. Экспертизу чаще всего следует рассматривать как последний, наиболее формальный шаг априорного анализа. При этом получают приближённую информацию по данной задаче на языке ее окончательного решения, которая может использоваться в дальнейшем в виде ограничений, отправных точек процесса оптимизации и т.д. Однако в некоторых случаях результаты могут быть использованы и как самостоятельные решения. особенно если отсутствует какая-либо другая информация.

До сих пор обсуждались вопросы формализации субъективного мнения с самостоятельным использованием экспертных оценок. Однако иногда встречаются такие случаи,

когда некоторые вопросы могут быть решены формальными методами и лишь на отдельных этапах требуется экспертная информация. Наилучшего сочетания обоих подходов можно добиться, используя так называемые диалоговые, имитационные системы. Хотя это ещё сравнительно новое направление в научных исследованиях, в настоящее время уже имеется определенный опыт разработки и практического применения диалоговых человека-машинных алгоритмов решения различных задач описания, оптимизации и т.д.

Сущность метода экспертных оценок заключается в проведении экспертами интуитивно-логического анализа проблемы с количественной оценкой суждений и формальной обработкой результатов. Получаемое в результате обработки обобщенное мнение экспертов принимается как решение проблемы. Комплексное использование интуиции (неосознанного мышления), логического мышления и количественных оценок с их формальной обработкой позволяет получить эффективное решение проблемы.

При выполнении своей роли в процессе управления эксперты производят две основные функции: формируют объекты (альтернативные ситуации, цели, решения и т. п.) и производят измерение их характеристик (вероятности свершения событий, коэффициенты значимости целей, предпочтения решений и т. п.). Формирование объектов осуществляется экспертами на основе логического мышления и интуиции. При этом большую роль играют знания и опыт эксперта. Измерение характеристик объектов требует от экспертов знания теории измерений.

Характерными особенностями метода экспертных оценок как научного инструмента решения сложных неформализуемых проблем являются, во-первых, научно обоснованная организация проведения всех этапов экспертизы, обеспечивающая наибольшую эффективность работы на каждом из этапов, и, во-вторых, применение количественных методов как при организации экспертизы, так и при оценке суждений экспертов и формальной групповой обработке результатов. Эти две особенности отличают метод экспертных оценок от обычной давно известной экспертизы, широко применяемой в различных сферах человеческой деятельности.

Экспертные коллективные оценки широко использовались в государственном масштабе для решения сложных проблем управления народным хозяйством уже в первые годы Советской власти. В 1918 году при Высшем совете народного хозяйства был создан Совет экспертов, задачей которого являлось решение наиболее сложных проблем реорганизации народного хозяйства страны. При составлении пятилетних планов развития народного хозяйства страны систематически использовались экспертные оценки широкого круга специалистов.

В настоящее время в нашей стране и за рубежом метод экспертных оценок широко применяется для решения важных проблем различного характера. В различных отраслях, объединениях и на предприятиях действуют постоянные или временные экспертные комиссии, формирующие решения по различным сложным неформализуемым проблемам.

Все множество плохо формализуемых проблем условно можно разделить на два класса. К первому классу относятся проблемы, в отношении которых имеется достаточный информационный потенциал, позволяющий успешно решать эти проблемы. Основные трудности в решении проблем первого класса при экспертной оценке заключаются в реализации существующего информационного потенциала путем подбора экспертов, построения рациональных процедур опроса и применения оптимальных методов обработки его результатов. При этом методы опроса и обработки основываются на использовании принципа "хорошего" измерителя. Данный принцип означает, что выполняются следующие гипотезы:

1) эксперт является хранилищем большого объема рационально обработанной информации, и поэтому он может рассматриваться как качественный источник информации;

2) групповое мнение экспертов близко к истинному решению проблемы.

Если эти гипотезы верны, то для построения процедур опроса и алгоритмов обработки можно использовать результаты теории измерений и математической статистики.

Ко второму классу относятся проблемы, в отношении которых информационный потенциал знаний недостаточен для уверенности в справедливости указанных гипотез. При решении проблем из этого класса экспертов уже нельзя рассматривать как "хороших измерителей". Поэтому необходимо очень осторожно проводить обработку результатов экспертизы. Применение методов осреднения, справедливых для "хороших измерителей", в данном случае может привести к большим ошибкам. Например, мнение одного эксперта, сильно отличающееся от мнений остальных экспертов, может оказаться правильным. В связи с этим для проблем второго класса в основном должна применяться качественная обработка.

Область применения метода экспертных оценок весьма широка. Перечислим типовые задачи, решаемые методом экспертных оценок:

1) составление перечня возможных событий в различных областях за определенный промежуток времени;

2) определение наиболее вероятных интервалов времени свершения совокупности событий;

3) определение целей и задач управления с упорядочением их по степени важности;

4) определение альтернативных (вариантов решения задачи с оценкой их предпочтения;

5) альтернативное распределение ресурсов для решения задач с оценкой их предпочтительности;

6) альтернативные варианты принятия решений в определенной ситуации с оценкой их предпочтительности.

Для решения перечисленных типовых задач в настоящее время применяются различные разновидности метода экспертных оценок. К основным видам относятся: анкетирование и интервьюирование; мозговой штурм; дискуссия; совещание; оперативная игра; сценарий.

Каждый из этих видов экспертного оценивания обладает своими преимуществами и недостатками, определяющими рациональную область применения. Во многих случаях наибольший эффект дает комплексное применение нескольких видов экспертизы.

Анкетирование и сценарий предполагают индивидуальную работу эксперта. Интервьюирование может осуществляться как индивидуально, так и с группой экспертов. Остальные виды экспертизы предполагают коллективное участие экспертов, в работе. Независимо от индивидуального или группового участия экспертов в работе целесообразно получать информацию от множества экспертов. Это позволяет получить на основе обработки данных более достоверные результаты, а также новую информацию о зависимости явлений, событий, фактов, суждений экспертов, не содержащуюся в явном виде в высказываниях экспертов.

При использовании метода экспертных оценок возникают свои проблемы. Основными из них являются: подбор экспертов, проведение опроса экспертов, обработка результатов опроса, организация процедур экспертизы.

Организация экспертного оценивания

Первым этапом организации работ по применению экспертного оценивания является подготовка и издание руководящего документа, в котором формулируется цель работы и основные положения по ее выполнению. В этом документе должны быть отражены следующие вопросы: постановка задачи-эксперимента; цели эксперимента; обоснование необходимости эксперимента; сроки выполнения работ; задачи и состав группы управления; обязанности и права группы; финансовое и материальное обеспечение работ.

Для подготовки этого документа, а также для руководства всей работой назначается руководитель экспертизы. На него возлагается формирование группы управления и ответственность за организацию ее работы.

После формирования группа управления осуществляет работу по подбору экспертной группы примерно в такой последовательности: уяснение решаемой проблемы; определение круга областей деятельности, связанных с проблемой; определение долевого состава экспертов по каждой области деятельности; определение количества экспертов в группе; составление предварительного списка экспертов с учетом их местонахождения; анализ качеств экспертов и уточнение списка экспертов в группе; получение согласия экспертов на участие в работе; составление окончательного списка экспертной группы.

Параллельно с процессом формирования группы экспертов группа управления проводит разработку организации и методики проведения опроса экспертов. При этом решаются следующие вопросы: место и время проведения опроса; количество и задачи туров опроса; форма проведения опроса; порядок фиксации и сбора результатов опроса; состав необходимых документов.

Следующим этапом работы группы управления является определение организации и методики обработки данных опроса. На данном этапе необходимо определить задачи и сроки обработки, процедуры и алгоритмы обработки, силы и средства для проведения обработки.

В процессе непосредственного проведения опроса экспертов и обработки его результатов группа управления осуществляет выполнение комплекса работ в соответствии с разработанным планом, корректируя его по мере необходимости по содержанию, срокам и обеспечению ресурсами.

Последним этапом работ для группы управления является оформление результатов работы. На этом этапе производится анализ результатов экспертного оценивания; составление отчета; обсуждение и одобрение результатов; представление итогов работы на утверждение; ознакомление с результатами экспертизы организаций и лиц.

Подбор экспертов

Для реализации процедуры экспертного оценивания необходимо сформировать группу экспертов. Общим требованием при формировании группы экспертов является эффективное решение проблемы экспертизы. Эффективность решения проблемы определяется характеристиками достоверности экспертизы и затрат на нее.

Достоверность экспертного оценивания может быть определена только на основе практического решения проблемы и анализа ее результатов. Использование экспертов как раз и обусловлено тем, что отсутствуют какие-либо другие способы получения информации. Поэтому оценка достоверности экспертизы может осуществляться, как правило, только по апостериорным (послеопытным) данным. Если экспертиза проводится систематически с примерно одним и тем же составам экспертов, то появляется возможность накопления статистических данных по достоверности работы группы экспертов и получения устойчивой числовой оценки достоверности. Эту оценку можно использовать в качестве априорных данных о достоверности группы экспертов для последующих экспертиз.

Достоверность группового экспертного оценивания зависит от общего числа экспертов в группе, долевого состава различных специалистов в группе, от характеристик экспертов.

Определение характера зависимости достоверности от перечисленных факторов является еще одной проблемой процедуры подбора экспертов.

Сложной проблемой процедуры подбора является формирование системы характеристик эксперта, существенно влияющих на ход и результаты экспертизы. Эти характеристики должны описывать специфические свойства специалиста и возможные отношения между людьми, влияющие на экспертизу. Важным требованием к характеристикам эксперта является измеримость этих характеристик.

Еще одной проблемой является организация процедуры подбора экспертов, т.е. определение четкой последовательности работ, выполняемых в процессе подбора экспертов и необходимых ресурсов для их реализации.

Максимальное число экспертов в группе проверяется на ограничение по финансовым ресурсам. Определив зависимость между достоверностью, количеством экспертов и расходами на оплату, группа управления представляет руководству эту информацию и формулирует возможные альтернативы решений. Такими альтернативами могут быть либо снижение достоверности результатов экспертного оценивания до уровня, обеспечивающего выполнение ограничения по расходам на оплату экспертов, либо сохранение исходного требования на достоверность экспертизы и увеличение расходов на оплату экспертов.

Следующим этапом работы по подбору экспертов является составление предварительного списка экспертов. При составлении этого списка проводится анализ качеств экспертов. Кроме учета качеств экспертов, определяются их местонахождение и возможности участия выбранных специалистов в экспертизе. При оценке качеств учитывается мнение людей, хорошо знающих кандидатов в эксперты.

После составления списка экспертов им направляются письма с приглашением участвовать в экспертизе. В письмах объясняется цель проведения экспертизы, ее сроки, порядок проведения, объем работы и условия вознаграждения. К письмам прилагаются анкеты данных эксперта и самооценки компетентности. Получив ответы экспертов, группа управления составляет окончательный список группы экспертов.

После составления и утверждения списка экспертам посылается сообщение о включении их в состав экспертной группы. Если экспертное оценивание производится методом анкетирования, то одновременно с уведомлением о включении в экспертную группу всем экспертам высылается анкета с необходимыми инструкциями для их заполнения. Сообщением экспертам о включении их в экспертизу заканчивается работа по подбору экспертов.

Опрос экспертов

Опрос – главный этап совместной работы группы управления и экспертов. Основным содержанием опроса является:

- постановка задачи и предъявление вопросов экспертам;

- информационное обеспечение работы экспертов;

- выработка экспертами суждений, оценок, предложений;

- сбор результатов работы экспертов.

Можно назвать три типа задач, которые решаются в процессе опроса:

- оценка качественная или количественная заданных объектов;

- построение новых объектов;

- построение и оценка новых объектов.

При коллективной экспертизе используются следующие основные виды опроса: дискуссия, анкетирование и интервьюирование, метод коллективной генерации идей, или мозговой штурм.

Анкетирование может проводиться с обратной связью или без нее. При анкетировании с обратной связью опрос экспертов производится в несколько этапов с доведением до сведения экспертов некоторых результатов опроса на предыдущем этапе, включая оценки отдельных экспертов и их аргументацию.

Главным в организации опроса является обеспечение максимума информации и максимума творческой активности, самостоятельности эксперта. Необходимо стремиться довести до каждого эксперта по возможности всю информацию, относящуюся к анализируемому явлению, которой располагают как эксперты, так и организаторы опроса, не лишая в то же время эксперта творческой самостоятельности и активности.

Однако возможности эксперта по переработке информации ограниченны. В результате эксперт может принять решение, не используя всей информации, имеющейся в его распоряжении. Кроме того, новая информация воспринимается человеком с определенным внутренним сопротивлением и не сразу влияет на уже сложившиеся субъективные оценки. Отношение к новой информации благожелательнее, а восприятие и использование ее полнее, если она представляется в доходчивой, яркой и компактной форме.

Из этих психологических особенностей следует необходимость предоставления экспертам возможностей для фиксации поступающей информации путем ведения записей, использования технических средств, а также необходимость предварительной обработки информации и представления ее экспертам в наиболее воспринимаемой форме.

Необходимо подчеркнуть противоречивость значения обмена экспертами информацией, так как получение такой информации таит опасность потери творческой независимости в построении модели объекта экспертом. Разрешение этого противоречия в полной мере невозможно, и при каждой экспертизе ее организаторы должны находить разумный компромисс, прежде всего, путем выбора вида опроса, формы и степени общения экспертов.

Каждый из видов опроса имеет свои достоинства и недостатки в построении обмена информацией между экспертами и в организации их независимого творчества. Выбор того или иного вида опроса определяется многими факторами, из которых основными являются:

- цель и задачи экспертизы;

- существо и сложность анализируемой проблемы;

- полнота и достоверность исходной информации;

- требуемые объем и достоверность информации, получаемой в результате опроса;

- время, отведенное на опрос и экспертизу в целом;

- допустимая стоимость опроса, и экспертизы в целом;

- количество экспертов и членов группы управления, их характеристики.

Анкетирование является наиболее эффективным и самым распространенным видом опроса, ибо позволяет наилучшим образом сочетать информационное обеспечение экспертов с их самостоятельным творчеством.

Метод мозговой атаки

Метод мозгового штурма появился в Соединенных Штатах Америки 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.

Структурно метод довольно прост. Он представляет собой двухэтапную процедуру решения задачи: на первом этапе выдвигаются идеи, а на втором они конкретизируются, развиваются.

Правила этапа генерации:

1. Запрет критики.

2. Запрет обоснований выдвигаемых идей.

3. Поощрение всех выдвигаемых идей, включая нереальные и фантастические.

Правило аналитического этапа:

Выявление рациональной основы в каждой анализируемой идее.

Рассмотрим оба этапа более детально

Генерация идей.

Для участия в этапе генерации целесообразно привлекать людей, отличающихся большой скоростью мыслительных операций, легкостью адаптации в новых ситуациях, гибкостью мышления, способностью переключать внимание с одного аспекта деятельности на другой, легкостью использования в решениях только что полученной информации.

При этом следует учитывать, что повышение скорости мыслительных операций, необходимое для участвующих в процессе генерации идей, может приводить к поверхностным высказываниям. В процессе работы это не должно вызывать напряжения у участников. Для генераторов также важно умение работать с уже известными фактами, постоянно меняя систему критериев их оценки, отказываясь от традиционных подходов.

Умение на время отойти от привычных установок, ограничений, позволяет расширить область возможностей, открытых для рассмотрения. Снятие давления опыта повышает чувствительность к очень слабым ассоциациям, на основе которых и ищутся новые идеи. Генератор должен быть оптимистом, настроенным на то, что лучшая идея ждет его впереди. Некоторые поверхностность, разбросанность, может быть не очень полезные в обыденной жизни, помогают таким людям во время штурма не останавливаться на достигнутом, а, выдвинув плодотворную идею, идти дальше.

Рассмотрим, что происходит в тот момент, когда специалистом осознается невозможность решить поставленную задачу с помощью стандартных средств. При этом возможны две ситуации:

а) Специалист действует в правильном направлении. Применяемые им средства в общем верны, но недостаточны. Для выхода на решение необходимо развивать их дальше, применить весь арсенал известных в данной области средств, может быть, сделать открытие.

б) Специалист применяет привычные ему средства, которые не дают требуемого эффекта, не зная о наличии иных, эффективных средств, знакомых специалистам другого профиля. Ситуации этого типа условно могут быть описаны фразой: задача решается "не туда".

Целью мозгового штурма и является поиск как можно более широкого спектра направлений решения задачи, поиск новых направлений решения.

Подобное частичное знание особенностей ситуации называется неполной ориентировкой. Именно неполная ориентировка и затрудняет применение логических средств. Решение проблем сегодня не может происходить без "эвристических прыжков", "разрывов в логике" и иных определений интуитивной, внелогической работы.

В общем виде процесс генерации складывается из двух важных составляющих:

Выдвижения идей, показывающих новые направления решения проблемы.

Выдвижения идей, развивающих уже имеющиеся направления.

Гармоничное чередование обеих составляющих позволяет генераторам работать эффективно. Внутреннее содержание происходящего процесса может быть представлено как выдвижение новой идеи, ломающей имеющееся представление об организации рассматриваемой системы, об ограничениях и возможностях; последующее "привыкание" к этой идее, сопровождающееся выдвижением ее применений, разносторонней реализацией заложенного в ней принципа. Важную роль в управлении этим процессом играет ведущий. (Именно он, контролируя происходящее на обобщенном уровне, может и должен регулировать соотношение между новыми и развивающимися идеями).

Идеи, выдвинутые на этапе генерации, оформляются в протоколе, после чего происходит их первичная расшифровка. Она состоит в расширенном описании высказываний участников, придании им правильной законченной формы. На этом этап генерации завершается.

Мозговой штурм представляет собой единство двух моментов – выдвижения идей и их развития. Однако на практике зачастую основной упор делается на первый этап. При этом происходят попытки подменить работу на этапе анализа качественной генерацией. Такой подход очень обедняет результаты. Использование процедур, заложенных на этапе анализа, является критически важным, позволяя действительно учесть весь потенциал, скрытый даже в некомпетентных высказываниях.

Анализ идей

Участники этапа анализа должны быть интеллектуалами, обладать логическим, упорядоченным мышлением, при этом логика сочетается у них с терпимостью к новым подходам. Важно, чтобы аналитики не относились ревниво к чужим идеям (особенно критично это требование, если одни и те же люди участвуют в процессе выдвижения идей и их анализе). Они должны обладать чувством повышенной ответственности за свое дело. Они, несомненно, должны быть оптимистами, но их оптимизм основывается на предположении, что лучшая идея – это та, которая рассматривается в данный момент.

Базовыми принципами работы для аналитика являются обобщение и конкретизация. Поэтому важнейшей чертой, по которой следует проводить отбор в эту группу, является наличие творческих способностей. По сути, название этапа затеняет тот факт, что, как и на этапе генерации, на этапе анализа происходит широкомасштабное выдвижение новых идей. Разница состоит в том, что на первом этапе более приемлемы генераторы интуитивного плана, легко ориентирующиеся в постоянно меняющихся схемах деятельности, в то время как на этапе анализа происходит осознанное выдвижение предложений, развивающих и конкретизирующих имеющиеся предложения. И еще одним важным качеством необходимо обладать аналитику – умением распределять свои силы на длительный срок. Ведь анализ – это повторяющийся круг логических операций, совершаемых над ранее выдвинутыми идеями. Кратко этот процесс состоит в обобщении идеи, выявлении обобщенного принципа, лежащего в ее основе, оценке его перспективности и наполнении принципа конкретным содержанием.

Обобщение идеи проводится для освобождения ее от внешних, отвлекающих, подчас эмоционально ярких моментов, заменой их на нейтральные конструкции. (Тренировка такого умения очень важна не только для аналитиков, но для руководителей, так как позволяет спокойно и конструктивно подходить к широкому кругу предложений и высказываний). Выявление рациональной основы, заложенной в идеях, позволяет сравнивать между собой не "оболочки", а внутреннюю сущность предложений, объединять многие внешне различные идеи. В процессе работы аналитиков также часто происходит дополнение системы принципов, ранее выдвинутых генераторами.

Развитие метода чередующихся выдвижения и анализа идей привело к появлению довольно сложной последовательности действий. При этом важнейшей предпосылкой, на которую опирался Осборн, является представление о наличии у каждого человека двух важнейших аспектов работы мозга: творческого разума и аналитического мышления. Их чередование, по мнению Осборна, и составляет основу всех процессов творческой работы.

В 50-х годах в США был период активного применения мозгового штурма. Простота метода, отсутствие ориентации на конкретную область деятельности, привели к широкому его распространению. Обычной практикой стала организация мозговых штурмов при возникновении какой-либо трудности. Специализированные группы, работавшие на предприятиях с применением метода, получили название "мозговых центров". Появились фирмы, получившие название "фабрик мыслей". Эти фирмы занимались решением проблем, поставленных заказчиком, и мозговой штурм являлся одним из наиболее широко применяемых ими инструментов.

Роль ведущего мозгового штурма.

Ведущий должен уметь выполнять следующие процедуры:

принимать решение о целесообразности применения мозгового штурма для решения конкретной задачи;

производить отбор участников;

обучать участников необходимым приемам работы;

формулировать проблему с учетом квалификации и личностных качеств участников этапа генерации идей;

обеспечивать деятельность участников во время этапов генерации и анализа идей;

проводить классификацию и оценку идей;

проводить анализ итогов штурма, использовать их для саморазвития.

Условия применения метода мозгового штурма.

Основная область применения мозгового штурма – поиск решений в недостаточно исследованной области, выявление новых направлений решения проблемы. Метод рекомендуется использовать также для поиска новых сфер применения уже существующего изделия, а также с целью выявления его недостатков. В целом же мозговой штурм может быть использован при решении самого широкого круга задач.

Организация мозгового штурма требует учета ряда особенностей. Работа может быть эффективной только в отдельном, изолированном помещении.

Желательно обеспечить равенство всех участников, для чего они должны быть рассажены в режиме "круглого стола". Несомненно, что стол может быть любым, важно только обеспечить психологическое равенство.

Выдвигаемые идеи должны оперативно записываться любым доступным способом. Записанные идеи должны быть оперативно расшифрованы.

Ведущий должен контролировать время работы. Обычное время процесса генерации колеблется от 15 до 30 минут.

Формулировка задачи

Формулировка решаемой проблемы сама по себе является предметом особой заботы ведущего. Очень распространена ситуация, когда решение о применении мозгового штурма принимается в ситуации, когда не удалось решить проблему обычным путем, с помощью неорганизованных усилий специалистов. При этом возникает ощущение, что все возможные пути решения просмотрены, формируются некоторые стереотипы подходов, связанные с прошлым опытом и иными причинами. В этой ситуации предлагать тем же специалистам проблему в уже известной им формулировке – значит резко снизить эффективность мозгового штурма. Может возникнуть и ситуация, в которой для решения привлекаются специалисты иного профиля, а также дилетанты, например студенты. Это требует переформулирования ситуации, например, в виде задачи-аналога или ее упрощения, например через обобщение.

Деятельность ведущего во время генерации идей.

Основной целью ведущего во время этапа генерации является получение большого числа различных идей, направленных непосредственно на решение поставленной проблемы или сопутствующих ее решению. Однако выдвигает идеи не сам ведущий, он может только стимулировать, побуждать к этому генераторов.

В деятельности ведущего во время генерации можно выделить следующие стороны:

обеспечение процедурной части процесса генерации;

психологическая поддержка участников;

управление процессом генерации с целью расширения или сужения поля поисков.

Несмотря на скоротечность, этап генерации имеет ярко выраженные фазы, на которых действия ведущего должны быть различны. Этими фазами являются:

ВКЛЮЧЕНИЕ или создание рабочей обстановки;

НАПОЛНЕНИЕ или основная фаза, в течение которой происходит выдвижение большей части идей;

ПРОРЫВ, когда производится генерация идей по ключевому пункту проблемы или по одному из перспективных направлений;

ИНДУКЦИЯ, на которой происходит поиск новых и доработка выявленных ранее направлений решаемой проблемы с использованием уже полученной информации.

Общей целью ведущего, реализуемой на всех фазах, является введение генераторов в состояние максимальной творческой раскованности, душевного подъема, концентрации мысли на рассматриваемом объекте. Ведущему необходимо обеспечить активную работу подсознания генераторов, фиксировать совместно с ними все образы, возникающие во время размышления вслух. Однако, если генератор может в данный момент творить свободно, то ведущий проводит еще и большую аналитическую, управленческую работу.

Следует помнить и о необходимости фиксации всего происходящего на этапе генерации с помощью магнитофона или просто аккуратной и быстрой записи специально назначенным участником. Непосредственно после завершения этапа генерации производится расшифровка записанных идей. Практика показывает, что откладывание этой процедуры хотя бы на день приводит к потере 20-40 % полезной информации.

Деятельность ведущего во время анализа идей.

Как уже отмечалось, этап анализа представляет собой процедуру, на которой оценивается уровень предложенных ранее идей. На самом деле задачи этапа анализа шире – на нем тоже должно происходить выдвижение идей. Но это уже должны быть идеи, позволяющие преобразовать выдвинутые ранее предложения, сделать их практически применимыми. Следовательно, на обоих основных этапах штурма ведущий обеспечивает выполнение как аналитических, так и творческих процедур. Целью ведущего является дополнение действий участников каждого этапа симметричными. Так, если на этапе генерации ведущий производит экспресс-анализ полученной информации, то на этапе анализа роль ведущего состоит в том, чтобы максимально способствовать развитию отобранных направлений, приданию им облика, позволяющего судить о возможности практической реализации.

Как уже отмечалось, аналитики развивают выдвинутые на этапе генерации идеи с целью их конкретизации. Ведущий контролирует этот процесс, не позволяя ему продолжаться слишком долго. При появлении у аналитиков новой идеи, следует оценить предполагаемые затраты времени на проработку и принять решение о ее целесообразности. Следует иметь в виду возможность организации повторного этапа генерации по перспективному, но не проработанному направлению, по применению материала, вариантам реализации функции и т.д. При проведении реальных штурмов на предприятиях ведущий как правило самостоятельно выполняет работу по обобщению идей, рассматривая аналитиков как экспертов, в чьи функции входит обоснование применения сформулированной обобщенно идеи в конкретных условиях.

Мозговой штурм служит средством порождения значительного количества идей. Слабость метода таится в том, что в нем отсутствуют механизмы и инструменты, позволяющие работать с образами. А ведь именно образы служат источником идей. Этот недостаток устраняется в синектике, основную силу которой составляют механизмы работы с образами, их порождения и изменения. Генерация идей здесь отходит на второй план, становится производной от найденного представления.

Дельфийский метод (Рябинин С)

The Delphi method

Дельфийский метод – метод экспертных оценок на основе:

-1- опроса мнений специально подобранных экспертов;

-2- их математико-статистической обработки; и последующей

-3- корректировки экспертами своих оценок.

В общем случае для получения согласованной обобщенной оценки могут потребоваться несколько туров опроса экспертов.

ДЕЛЬФИЙСКИЙ МЕТОД (Delphi approach)(толковый словарь)

метод экспертной оценки будущего (экспертного прогнозирования). Этот метод разработан американской исследовательской корпорацией РЭНД. Суть его состоит в орг-ции систематического сбора мнений специально подобранных экспертов (экспертных оценок), их матем.-стат. обработки, корректировки экспертами своих оценок на основе каждого цикла обработки. При этом используется строгая процедура обмена мнениями, обеспечивающая по возможности беспристрастность выводов. Советские ученые предложили способ, повышающий эффективность метода Дельфы путем его комбинации с методами сетевого планирования.

Из ответов студентов на госэкзаменах по социологии:

- Дельфийский метод – дорогостоящий, потому как на переписку с экспертами много денег уходит, да и эксперты не любят, когда их просят объяснить свое мнение.

Интуитивный метод. В большинстве случаев обыденного прогнозирования простейшим методом является выяснение мнения эксперта, в первую очередь человека, знающего соответствующую область лучше других. Конечно, остается вопрос, кого следует считать экспертом, каким образом можно оценить надежность его прогнозов и, если мнения экспертов различаются, на каком из них следует остановиться. Чтобы решить эту проблему "эпистемологии неточных наук", О. Келмер, в ту пору математик корпорации РЭНД, разработал "дельфийский метод" – упорядоченную, планируемую и основанную на определенной методологии процедуру получения и использования экспертных мнений. Идея процедуры проста: она предусматривает последовательную индивидуальную постановку одних и тех же вопросов большой группе экспертов в какой-либо конкретной области и сведение этих мнений путем сопоставления их в ходе последующих раундов к какому-то набору вариантов или единому согласованному мнению. С целью проверить эффективность этого метода О. Хелмер вместе с Т. Гордоном провел в РЭНД исследование в области долгосрочного прогноза.

Описание "дельфийского метода", а также результаты исследований, проводившихся в корпорации РЭНД, содержатся в книге: Helmer О. Social Technology. N.Y., 1966.

Для него было выбрано шесть широких проблем: "прорывы" в науке, рост населения, автоматизация производства, прогресс в исследованиях космоса, вероятность и возможность предотвращения войны и будущие системы оружия, -- и по каждой из них была сформирована группа экспертов.

К участникам группы по изобретениям и "прорывам" в науке обратились с просьбой в письменной форме дать перечень новшеств, в которых, по их мнению, существует неотложная необходимость и которые могут быть осуществлены в ближайшие 50 лет. Всего было названо 49 возможных нововведений. Во втором раунде, опять в письменной форме, участников группы попросили оценить среднюю вероятность появления каждого из названных новшеств в указанные сроки. На основании этих ответов были установлены предельные и усредненные сроки реализации каждого из прогнозируемых достижений. (Так, было предсказано что экономически оправданное опреснение морской воды станет возможным в период между 1965 и 1980 годами, усредненным сроком в этом случае оказался 1970 год; контролируемая термоядерная энергия появится в период между 1978 и 2000 годами, усредненный срок – 1985 год.) Во втором раунде участники опроса продемонстрировали значительную близость мнений по десяти позициям. Из остальных 39 они отобрали 17 для дальнейшего изучения. В третьем раунде экспертов попросили назвать вероятные сроки этих 17 "прорывов"; если при этом индивидуальные мнения отклонялись за пределы диапазона, установленного на основании средних 50 процентов ответов, эксперта просили обосновать его утверждение. В четвертом раунде диапазон сроков был еще больше сужен, и в конечный перечень оказалось включено 31 новшество, по которым было достигнуто приемлемое согласие, при этом давались также особые мнения большинства и меньшинства.

Хотя такая процедура является достаточно сложной и трудоемкой, она была принята по двум причинам: во-первых, она исключает или уменьшает нежелательное влияние на эксперта обстоятельств, связанных с непосредственным обсуждением проблемы (таких, как психологическое воздействие мнения большинства, опасения, связанные с выражением отличной от общепризнанной точки зрения и т.п.), и, во-вторых, позволяя через систему последовательных раундов обеспечивать обратную связь, она дает респондентам время для дополнительного обдумывания своего мнения и либо его подтверждения, либо обнаружения новых возможностей для выбора своей позиции.

С какой степенью "достоверности" можно принять этот метод и получаемые с его помощью результаты? Основная трудность связана не с тем или иным отдельным прогнозом, а с отсутствием четкого понимания контекста, в котором он должен рассматриваться. Каждый прогноз формируется как отдельный, изолированный случай, хотя все участники опроса, конечно же, признают, что осуществление любого из предсказаний зависит не только от реализации иного частного варианта, но, в гораздо большей степени, от состояния нации в целом. Совокупной посылкой, лежащей в основе всех этих прогнозов, является то, что общая ситуация в Соединенных Штатах и мире останется в целом неизменной. Однако социальные системы и отношения между ними подвержены изменениям, и эти изменения в большей мере определяют возможность реализации научных прорывов, чем техническая осуществимость любого из них. Короче говоря, если цель прогнозирования состоит в том, чтобы способствовать прогрессу, оно должно осуществляться в рамках контекста социальных, политических и экономических отношений, свойственных тому или иному периоду времени. То, что получил РЭНД в результате использования "дельфийского метода", – это набор вероятных возможностей, однако то, каким образом они смогут реально осуществиться, зависит от системы, в которой они вызревают. И искусство – или наука – прогнозирования может получить надлежащее развитие лишь тогда, когда нам удастся существенно продвинуться вперед в создании моделей самой социальной системы.

Среди разновидностей экспертных методов является метод "Дельфи". Специфика этого метода заключается в том, что обобщение результатов исследования осуществляется путем индивидуального письменного опроса экспертов в несколько туров по специально разработанной процедуре исследования.

Надежность метода "Дельфи" считается высокой при прогнозировании на период как от 1 до 3 лет, так и на более отдаленный период времени. В зависимости от цели прогноза для получения экспертных оценок может привлекаться от 10 до 150 экспертов.

Метод Дельфи

Заочный метод экспертных оценок (см.). Предусматривает многократный анкетный опрос одной и той же группы экспертов с применением шкалированных оценок. После завершения очередной итерации оценки статистически обрабатывают. Метод характеризуется следующими особенностями:

а) анонимностью экспертов;

б) регулируемой обратной связью, которая осуществляется за счет проведения нескольких туров опроса, причем результаты каждого тура сообщаются экспертам;

в) групповым ответом, который получается с помощью статистических методов и отражает обобщенное мнение участников экспертизы.

Главным недостатком приближенных методов является невозможность учета качественных изменений во взаимозависимости между ценой и параметрами изделий, а последнее часто имеет место при разработке глубоко инновативных продуктов. Для уникальных продуктов, не имеющих аналогов, единственным способом определения цены на ранних стадиях являются экспертные методы. Одним из наиболее популярных экспертных методов является метод "Дельфи". Процедура экспертного опроса по методу "Дельфи" строится в несколько этапов.

ЭТАП 1. ФОРМИРОВАНИЕ РАБОЧЕЙ ГРУППЫ

Задача рабочей группы заключается в организации процедуры экспертного опроса.

ЭТАП 2. ФОРМИРОВАНИЕ ЭКСПЕРТНОЙ ГРУППЫ.

В соответствии с методом "Дельфи" группа экспертов должна включать 10-15 специалистов в данной области. Компетентность экспертов определяется путем анкетирования, анализом уровня реферирования (количества ссылок на работы данного специалиста), использованием листов самооценки.

ЭТАП 3. ФОРМУЛИРОВАНИЕ ВОПРОСОВ

Формулировки вопросов должны быть четкими и однозначно трактуемыми, предполагать однозначные ответы.

ЭТАП 4. ПРОВЕДЕНИЕ ЭКСПЕРТИЗЫ

Метод "Дельфи" предполагает повторение нескольких шагов проведения опроса. По итогам первого опроса выделяются крайние, так называемые "еретические" мнения, и авторы этих мнений обосновывают свою точку зрения с последующей дискуссией. Это позволяет, с одной стороны, всем экспертам принять во внимание аргументы сторонников крайних точек зрения, с другой – дает возможность последним еще раз продумать свою точку зрения и или дополнительно обосновать ее, или отказаться от нее. После дискуссии опрос проводится снова с целью предоставления возможности экспертам принять во внимание итоги обсуждения. И так повторяется 4-5 раз до тех пор, пока точки зрения экспертов не сблизятся.

ЭТАП 5. ПОДВЕДЕНИЕ ИТОГОВ ОПРОСА

По методу "Дельфи" за итоговое мнение экспертов принимается медиана, то есть среднее в упорядоченном ряду мнений значение. Если ряд, упорядоченный по величине ответов (например, ответов на вопрос о цене инновативного продукта), включает в себя n значений: Р1, Р2,…, Рn, то в качестве итоговой оценки по результатам опроса принимается мнение М, определяемое следующим образом:

М = Рк, если n = 2к-1

М = (Рк + Рк+1)/2, если n = 2к,

где к = 1, 2, 3,…

Морфологические методы

Многие из известных методов представляют собой варианты одного и того же метода, имеющие различные наименования и переносимые многими из авторов как самостоятельные методы. Это, в частности, различные модификации метода "морфологического ящика" Ф.Цвикки: метод организующих понятий Ф.Ханзена, анализ взаимосвязанных областей решения Дж. Лакмена и др. Многие их этих методов имеют столь высокий статус только в терминологии самих авторов, а на практике оказываются либо эвристическими приемами той или иной степени общности, либо идеями, набросками методов, можно сказать потенциальными методами решения задач.

К путанице в оценке числа методов творчества приводит царящий в современной эвристике терминологический хаос. Как почти равнозначные понятия употребляют, например, термины "Методы поиска ТР", "Методы технического творчества", "Методы решения технических задач". В действительности за этим рядом понятий кроется ряд родственных, но далеко не тождественных видов человеческой деятельности.

Основу любого творческого процесса составляет процесс постановки и решения задачи. Совокупность " задача и лицо, формулирующее и решающее задачу", со всеми взаимоотношениями между этими двумя компонентами образует динамическую систему, которую можно назвать "системой творчества". Разработчик находит решение, а при этом преобразуется его информационная среда (она пополняется новой информацией).

Если выбрать в качестве основания классификации структуру системы творчества, то методы творчества можно разделить на два класса:

– методы постановки и решения задач

– методы психоэвристического стимулирования разработчика.

Методы постановки и решения задач – это методы воздействия на задачу, методы переработки разработчиком той информации, которая необходима для получения искомого решения. Методы психоэвристического стимулирования – это методы воздействия на разработчика, стимулирования его творческого потенциала для повышения его "коэффициента полезного действия" при обработке известной и полученной информации.

Задача поиска технического решения состоит из трех подсистем: известное, неизвестное, процесс перехода от известного к неизвестному – процесс получения решения задачи. Известное и неизвестное – определенным образом организованные массивы информации, информационные системы. Массив известное содержит информацию об описанных технических решениях, так же о физических явлениях, эффектах, законах и закономерностях. Массив неизвестное – результат творческой переработки разработчиком известной информации. Процесс получения решения задачи – совокупность операций переработки информации, в том числе и построения гипотез, выдвижения идеи, догадок, фантазирования, для получения искомого решения.

Огромный интерес представляют прежде всего методы решения, а так же методы постановки задачи. При этом в качестве основания деления объема понятия "метод решения задачи" выбран механизм решения задачи.

Термином механизм решения задачи будет обозначаться природа всей совокупности стадий, этапов и подэтапов этого мыслительного процесса. По сути, это – механизм мышления разработчика, рассматриваемый на макроуровне.

Искусственные системы реализует человек непосредственно или опосредственно, но всегда на основании разработанных им регулятивных принципов, которые должны отражать не только объективные закономерности функционирования создаваемых и преобразуемых им объектов и материальной среды их функционирования, но и закономерности человеческого мышления в процессе решения задачи.

Каковы принципы мышления, которые могут выступать как регулятивные принципы решения задачи? Как, в частности, можно структурировать процесс решения задачи? На сколько этапов его целесообразно расчленять и как можно продуктивно реализовывать эти этапы? Ответы на эти и ряд других вопросов, связанных с реализацией процесса решения и направленных на предоставление разработчику удобного инструментария решения задач, должен дать операциональный подход к решению задачи.

Процесс решения может быть расчленен на две стадии: первая – анализ информации, необходимый для получения искомого решения, и предоставления результатов анализа в форме, удобной для дальнейшей переработки; вторая стадия – синтез искомого решения. Если разработчик ограничился только анализом исходной информации, то это не значит, что творческая задача на нахождение решения может быть одностадийной. В таком случае разработчик реализовал только первую часть решения задачи, но не решил её. В дальнейшем на базе уже построенной морфологической таблицы возможно будет осуществлен и синтез искомого решения, который, вероятно, будет проводиться другим разработчиком. Организовать реализацию обеих стадий процесса решения задачи можно исходя из различных принципов переработки информации, опираясь на различные подходы к поиску решения, которые и определяют механизм процесса решения задачи.

Все множество методов постановки и решения задач, прежде всего технических, делят на 2 класса: трансформационные и морфологические.

Морфологический подход базируется преимущественно на комбинаторном принципе поиска решений. Суть морфологического подхода к решению задачи состоит в следующем. На стадии морфологического анализа надо получить не план решения задачи, а так называемое морфологическое множество решений – описание всех потенциально возможных (мыслимых) решений данной задачи.

Возникает вопрос, как же удается получить описание морфологического множества решений, когда при поиске, осуществляемом на интуитивном уровне, часто не удается получить даже одного решения, соответствующего условиям задачи. Постулируется, что можно построить описание класса систем на базе известных описаний уже реализованной части этого класса, т.е. достроить целое по его части.

Морфологическое множество может быть представлено в виде морфологической таблицы или морфологического дерева. Морфологическая таблица – классификационная таблица, каждая строка которой представляет собой классификацию множества реализуемых систем по какому-либо существенному признаку. Морфологическая таблица – результат многомерного классифицирования, предназначенный для разностороннего описания систем исследуемого их морфологического множества. Если на каждой строке такой таблицы взять по одному значению каждого из отобранных существенных признаков исследуемых технических систем, то мы получим описание одной из возможных технических систем, принадлежащих построенному морфологическому множеству. Другими словами, можно получить одно из технических решений, которое находится с помощью морфологического анализа, исследуемых ТС в рамках ограничений, налагаемых условиями решаемой задачи. Основное назначение продукта морфологического анализа – морфологической таблицы, быть вспомогательным инструментом для последующего поиска решения задачи. Т.е. быть вместилищем, полем, всех возможных её решений, на котором осуществляется отбор наиболее перспективных, принципиально новых решений.

Если в каждой строке МТ записывать не только известные, но и все допустимые значения признаков, то будет осуществляться классифицирование, которое называется продуктивным. Тогда огромное число содержащихся в такой МТ вариантов описания ТС исследуемого класса – новые, порой принципиально новые ТР. Многие из них не представляют практического интереса в соответствии с условиями задачи. Т.е. морфологические таблицы существенно избыточны. Это прежде всего достоинство морфологического классифицирования, но это и его недостаток. Избыточность морфологических таблиц позволяет извлекать большое число ценных ТР из таблицы. Но избыточность МТ и замедляет поиск ТР, соответствующего условиям конкретной задачи. Зато морфологическая таблица, построенная для поиска конкретных ТР, пополненная из перечня потенциальных классификационных признаков и откорректированная соответствующим образом, может служить эффективным инструментом прогнозирования развития того класса, к которому относится система.

Проиллюстрируем суть морфологического анализа на упрощенном примере разработки системы телевизионной связи

Информационные системы в маркетинговой деятельности

Эта таблица порождает 8*2*2*3*2*2=384 различные возможные системы. Современному телевизионному вещанию соответствует только 1 альтернатива:

- трехцветное

- плоское изображение

- градация яркости – непрерывные

- монауральный звук

- без передачи запахов

- без обратной связи

Имеется повод для размышления, почему другие альтернативы не привлекли внимания инженеров.

На этапе морфологического синтеза надо из огромного числа возможных решений, содержащихся в морфологической таблице, отобрать лучшие с точки зрения условий задачи и, значит, решить оптимизационную задачу в её общей постановке. В большинстве случаев искомое решение не единственно, так как условия задачи неоднозначны, часто нечетки. Методы морфологического синтеза, позволяющие решать эту сложную задачу в сжатые сроки, следует считать наиболее эффективными. Не изжито заблуждение порожденное самим Ф. Цвикки, считавшим, что для нахождения в морфологической таблице исходного варианта решения надо осуществлять слепой перебор, содержащихся в ней вариантов. Морфологический синтез как раз является альтернативным полному перебору вариантов морфологической таблице.

Морфологический метод превратился в полноценный метод решения задач самой различной природы, после того, как была обоснована необходимость морфологического синтеза и созданы методы морфологического синтеза. Вообще полный, слепой перебор вариантов не является методом морфологического синтеза. Метод морфологического синтеза – эвристический метод поиска соответствующего условиям задачи решения, который использует перебор вариантов. Но только ограниченный, а не полный. Эвристичность методов морфологического синтеза и заключается в использовании приемов, позволяющий найти требуемый по условиям задачи вариант за число шагов, меньше иногда на один-два десятков, чем при полном переборе.

Методы морфологического синтеза решают задачу "преодоления проклятия размерности" морфологических множеств. При этом используются следующие методы:

А) специальным образом организуется отсев на жизнеспособность варианта решения

Б) извлечение из морфологического множества отдельных порций вариантов и оценка вариантов в этих порциях.

В) управляемое продвижение по предварительно построенному ММ от прототипа к искомому варианту

С помощью определенных сочетаний этих методов, удается особенно резко сократить число оцениваемых вариантов..

К наиболее широко применяемым на практике морфологическим методам относят:

- метод "морфологического ящика" Ф. Цвикки и его модификации

- функционально-стоимостный анализ

- многоуровневый морфологический метод Р. Коллера

- метод морфологического классифицирования

В различных морфологических методах стадию морфологического синтеза и анализа реализуют по разному, тем не менее на стадии анализа всегда строят множество допустимых решений.

В методе "морфологического ящика" полнота морфологического множества определяется квалификацией и интуицией разработчика, а вместо морфологического синтеза реализуется метод проб и ошибок, что допустимо для небольших морфологических таблиц.

В методе Коллера строят целую цепочку морфологических множеств, каждое из которых имеет небольшую размерность.

В методе морфологического анализа и синтеза обеспечивается требуемая по условию задачи полнота морфологического множества и эффективный поиск решения, соответствующий этим условиям. Эффективность может быть измерена степенью соответствия найденного решения условиям задачи и сроком, за который получено решение.

К классу морфологических методов относят большое число современных эвристических методов решения задач, поскольку все эти методы опираются на морфологический подход к процессу решения. В принципе в одном и том же методе решения задач можно использовать оба подхода – морфологический и трансформационный, но опираться сразу на оба подхода не возможно. В основу любого метода положен один и только один из подходов.

Если в основу метода положено построение целого по известной его части – метод является морфологическим. Если в основе попытка решить задачу кратчайшим путем – трансформационный.

Морфологический подход значительно более надежен, но примерно в такой же степени и более трудоёмок. Уже средневековые морфологи, осознавая ограниченные возможности человека при переборе и оценивании большого числа комбинаций значений признаков, содержащихся в морфологических таблицах, рассчитывали на помощь вычислительных машин, идея создания которых зародилась еще в те времена. Современная же автоматизация поиска решений вообще целиком базируется на морфологическом подходе к решению задач, который по своей комбинаторной природе ориентирован на плодотворное объединение эвристических возможностей человека с информационными. С ростом возможностей ЭВМ неукоснительно будут расти возможности морфологического метода.

Основной проблемой в данное время считается разработка более эффективных методов морфологического синтеза.

Эвристические методы могут быть формализованы лишь частично и поэтому они в принципе не могут гарантировать однозначного, единственно оптимального решения задачи. Более того, они вообще не гарантируют получения искомого решения в ограниченные сроки. Эвристические методы опираются на творческие способности разработчика. Эффективность эвристического поиска зависит от квалификации разработчика, и от его творческого потенциала.

Эвристические методы лишь нацеливают творческий ум на искомое решение. Они помогают ориентироваться в океане информации, отбирать нужную для искомого решения, оперативно и целенаправленно её оценивать, строить модели искомых систем, а затем работать с ними для получения возможных альтернатив решения и оценивать эти альтернативы с получением искомого решения задачи.

Итак, эвристические методы решения задач не подменяют творческий поиск, а организуют и направляют его, повышая целенаправленность, эффективность и оперативность. Они поэтому используются людьми, обладающими более высоким творческим потенциалом. Следует подчеркнуть, что эвристические методы решения задач также развивают творческие способности.

Из истории морфологических методов:

Идеи морфологического образа мысли восходят к Аристотелю, Платону. В систематизированном виде морфологический подход был разработан и применен впервые швейцарским астрономом Ф. Цвикки и долгое время был известен как метод Цвикки. Вообще датой рождения современного морфологического анализа можно считать 1942 год – первая работа Цвикки по морфологическому анализу реактивных двигателей с описанием его метода морфологического ящика. "Цель морфологического исследования, – пишет Цвикки, – дать панораму общей структуры всех областей знания. Эти области могут быть знаниями о материальных альтернативах, отношениях концепциях или теориях".

Цвикки предложил 3 метода морфологического исследования:

- метод системного покрытия поля ( основан на выделении так называемых опорных пунктов знания в любой исследуемой области и использовании для запоминания поля некоторых сформулированных принципов решения)

- метод отрицания и конструктирования (на пути конструктивного прогресса стоят догмы и ограничения, которые есть смысл отрицать, и сформулировав некоторые предположения, полезно заменить их на противоположные и использовать при проведении анализа)

- метод морфологического ящика

Идея морфологического ящика состоит в определении всех мыслимых параметров, от которых может зависеть решение проблемы, и представление их в виде матриц-строк, а затем в определении в этой морфологической матрице-ящике всех возможных сочетаний параметров по 1 из каждой строки. Полученные таким образом варианты могут подвергаться оценке и анализу с целью выбора наилучшего.

Метод морфологического ящика:

- Нет определений основных понятий, совершенно не раскрыто содержание основных приемов построения морфологических ящиков и нет процедуры их реализации.

- Направленность – в общих чертах подчинен цели – получение описаний множества возможных решений проблемы.

- Результативность – результативен лишь приближенно. Он способствует, но не обеспечивает достижения исходной цели.

Морфологический ящик может быть не только двоичным. А. Лолл использовал для исследования структуры системотехники трехмерный ящик. Морфологический ящик Цвикки нашел довольно широкое применение для анализа и разработки прогноза в технике.

Морфологические методы исследования систем и решения задач формировались и формулируются в ответ на потребность практики в получении адекватного описания все более сложных систем и разнообразных процессов взаимодействия человека с этими системами и в решении инженерных задач всевозрастающей сложности.

Области применения морфологического метода решения задачи:

- Экономика и экология – планирование проектирование и прогнозирование. (Морфологическая классификация методов проектирования систем, структур систем управления)

- Психология мышления и творчества, педагогика (морфологические методы как методы повышения индивидуальных творческих возможностей, мобилизации подсознания)

- Архитектура, промышленное и гражданское строительство ( Морфологический подход к архитектурному проектированию )

- Информатика, патентоведение и науковедение

- Астрономия, астрофизика и др. фундаментальные науки ( Морфологический анализ проблем, возникающих при установке и обслуживании крупных телескопов)

- Юриспруденция, политика, военное дело. (морфологическая классификация правовых норм, конфликтных военных ситуаций. Использование морфологического подхода для стратегического и тактического планирования военных операций)

Аналитические методы представления систем

Аналитическими методами названы здесь методы, в которых ряд свойств реальной многомерной, многослойной, многосвязной системы отображается в n-мерном пространстве представления одной единственной точкой, совершающей какое-то движение.

Информационные системы в маркетинговой деятельности

Это отображение осуществляется либо с помощью функции f[Sx], либо посредством оператора (функционала) Ф[Sx].

Можно также две или более систем отображать точками и рассматривать взаимодействие этих точек, каждая из которых в свою очередь может совершать какое-то движение (иметь своё поведение). Движение (поведение) точек и их взаимодействие описывается аналитическими зависимостями, которые отображают закономерности поведения систем или связи между ними.

Основу понятийного (терминологического) аппарата аналитических представлений составляют: привычные понятия элементарной математики (величина, формула, функция, уравнение, система уравнений, логарифм, логарифмическая функция и т.д.), понятия высшей математики (производная, дифференциал, интеграл, системы дифференциальных, интегро-дифференциальных уравнений, функционал и др.), понятия новых разделов современной математики, которые появились в связи с задачами поиска наилучших (оптимальных) решений, такие как критерий функционирования, критерий эффективности, критериальная или целевая функция и т.д.

Основные из названных понятий удобно пояснить на примере элементарной задачи, которую приходится почти повседневно решать каждому человеку. Чтобы достичь какого-то пункта города (п.А) за ограниченное время требуется решить задачу пути (маршрута) и вида транспорта. Эту задачу позволяет решить закон физики, известный из школы (как правило, для приближенных подсчетов пользуются законом равномерного прямолинейного движения): t=L/v, где L – длина пути, v – скорость движения, t – время, за которое нужно достичь п.А. Варьируя сочетания L и v, (часто не обязательно оценивая точно их величины), мы выбираем наиболее приемлемые средства достижения желаемой цели (п.А), не задумываясь над тем, что анализируем функцию t=f(L,v), в которой один из членов, от которых зависит значение t, может быть постоянным (например L), а другой – переменным (v), а могут быть переменным оба аргумента. Запись вида t=f(L,v) применяется, если не известен закон взаимосвязи между L, v и t. Если же закон известен, то записывают зависимость, отражающую этот закон (например, t=L/v).

Если в той же задаче помимо требование определенного t, добавляются дополнительные требование (например, "с наименьшими затратами", "наиболее комфортно" и т.д.), то приведенное аналитическое выражение не позволяет решить задачу. В таких случаях понятия "функция" оказывается недостаточно. При решении задач, в которых нужно учитывать много компонентов и требований, удобно выделять понятия "цель", "средства", "критерий достижения цели" или "критерий оценки качества достижения цели".

В рассматриваемой задаче: цель – "достичь п.А", средства – "путь" и "транспорт", критерий оценки качества достижения цели – "время t". В такой терминологии выражение, связывающее цель со средствами ее достижение, в различных источниках носит название: "критерий функционирования", "критерий эффективности", "критериальная функция", "целевая функция", "показатель эффективности" и т.д.

При учете большего числа факторов, чем в рассматриваемом примере, выражения, связывающие цель и средства ее достижения, имеют более сложный (часто громоздкий) вид. При этом критерий может быть составным, например "максимум прибыли при определенных затратах", "минимум времени при минимальных затратах" и т.д.

Задачи, встречающиеся в информационной деятельности и при автоматизации информационных процессов, можно привести к задаче, подобной рассмотренной. Например, можно ставить вопрос о наилучшем способе организации эквивалентного обмена фондами между информационными службами, о расчете времени на индексирование и требуемых для этого штатов (или машинного времени при автоматизации этого процесса). Решением аналогичных задач занимаются программисты при решении вопросов организации информационных массивов в памяти ЭВМ, разработке оптимальных алгоритмов поиска информации и т.д.

В решении подобных задач могут помочь математические и прикладные теории, базирующиеся на аналитических представлениях.

Теории, возникшие на базе аналитических представлений.

На базе аналитических представлений возникли и развиваются математические теории различной сложности: от аппарата классического математического анализа до таких разделов современной математики как математическое программирование, теория игр.

Группы методов

Методы

Анализ

–Исследование экстремумов;

–Вариационное исчисление;

Программирование

–Операционное:

-Линейное;

-Нелинейное;

-Целочисленное;

-Блочное;

–Динамическое;

–Эвристическое;

Игры

–Матричные;

–Позиционные;

–Коалиционные;

–Дифференциальные;

–Модельные;

–Рефлексивные;

Распределение работ, ресурсов

–Теория управления запасами;

–Износ и замена оборудования.

Методы исследования экстремумов функций и вариационное исчисление являются основными методами математического анализа. Они основаны на применении аппарата дифференциального и интегрального исчислений и позволяют максимумы и минимумы функций и функционалов, не выходящих за пределы области изменения аргументов и не лежащих на границе этой области.

Математическое программирование – математический метод решения условных экстремальных задач, в общем случае не решаемых классическими методами. Особенностью таких задач является то, что их решения обычно находятся на границе области изменения аргументов.

При подготовке задач к решению они приводятся к виду основной задачи программирования с ограничениями-равенствами или ограничениями-неравенствами.

Основная задача программирования (например, ограничениями-равенствами) формулируется следующим образом:

Дан критерий функционирования системы (критерий эффективности, функция цели, целевая функция)

F=c1x+c2x+…+cnx

и m алгебраических уравнений с n неизвестными (система ограничений):

a11x1+a12x2+…+a1nxn=b1

a21x1+a22x2+…+a2nxn=b2

 … … …

am1x1+am2x2+…+amnxn=bm

Требуется среди всех неотрицательных решений системы (II) выбрать такое, при котором функция F принимает наибольшее (или наименьшее) значение.

Если функционал (I) и ограничительные равенства (или неравенства) являются линейными, то задача представляет собой задачу линейного программирования. Для решения таких задач разработаны вычислительные методы, наиболее распространенным из которых является симплексный метод (метод последовательного улучшения плана) и его варианты. Из других вычислительных методов решения задач линейного программирования часто применяется метод обратной матрицы, диагональный метод и его модификации.

Если целевая функция, которая должна быть оптимизирована, или некоторые условия (ограничения) нелинейны, то имеет место задача нелинейного программирования. Проблемы нелинейного программирования гораздо сложнее проблем линейного. В настоящее время не существует теории, объединяющей все задачи, относящиеся к нелинейному программированию, и вычислительные методы разработаны лишь для очень специальных классов задач.

Значительное число комбинированных нелинейных условных экстремальных задач может быть сведено к задачам целочисленного программирования. Ограничение на целочисленность, заключающееся в том, что некоторые параметры задачи могут быть только целыми числами, упрощает задачу и позволяет получить приближенное решение ее.

Одним из перспективных направлений математического программирования является блочное программирование, изучающее возможности разбиения задач на подзадачи и получения точного или приближенного решения задач большой размерности по решениям задач с меньшим числом переменных и ограничений.

Динамическое программирование – метод оптимального планирования многоступенчатого процесса выработки решения в условиях неопределенности информационной ситуации.

Основой динамического программирования является принцип оптимальности, сформулированный Р.Беллманом, который гласит: "Каково бы ни было начальное состояние и начальное решение, все последующие решения должны составлять оптимальную политику по отношению к состоянию, являющемуся результатом первого решения". Другими словами: делать все возможное, начиная с той точки, в которой мы находимся в данный момент. Перевод данных формулировок принципа оптимальности в математическую форму приводит к уравнениям, позволяющим определить оптимальные стратегии на каждом шаге решения.

Динамическое программирование дает возможность решать задачи оптимизации при наличии нескольких критериев или составных критериев, а также позволяет проводить анализ критичности условий задачи по отношению к выбранной функции.

Эвристическое программирование – метод решения особо сложных задач в условиях неопределенности информационной ситуации.

Эвристические программы обеспечивают сокращение перебора возможных вариантов при поиске оптимального решения путем использования (сбора, обработки и учета) текущей информации, т.е. путем адаптации алгоритма решения. В основу составления таких программ положены формализованные эвристики (приемы) человека, которыми он пользуется при принятии решений в сложных ситуациях.

Теория игр – математическая дисциплина, изучающая правила поведения в конфликтных ситуациях, антагонистических или неантагонистических.

В последнее время большое распространение получает точка зрения, согласно которой теория игр определяется как теория принятия решений в условиях неопределенности информационной ситуации. Однако в теории игр рассматриваются и игры с полной информацией (т.е. в условиях определенной ситуации). Разумеется, теория игр как и любая другая математическая теория, не охватывает всех разнообразных задач, представляющих конфликтные ситуации. Она рассматривает лишь ситуации, характеризующиеся определенной системой правил-ограничений и имеющие некоторую формальную структуру.

Наиболее развита теория матричных игр двух лиц.

Кроме матричных игр двух лиц, имеются исследования, распространяющие основные положения классической матричной теории игр двух лиц на игры с числом участников больше двух. Исключением можно считать так называемые коалиционные игры, в которых некоторые участники в процессе игры могут образовывать временные или постоянные коалиции с договорным распределением выигрыша. Теория коалиционных игр представляет особый интерес для неантагонистических конфликтных ситуаций – игр систем с "природой".

Из других направлений теории игр перспективными являются:

– теория дифференциальных игр, представляющая собой многошаговые процессы принятия решений, развертывающиеся во времени, при наличии логической связи между шагами. Эти игры в качестве аппарата исследований используют классические средства математического анализа – дифференциальные уравнения;

– теория модельных игр, базирующаяся на экспериментах, которые могут осуществляться с помощью моделирования на аналоговых или дискретных вычислительных машинах (возможны другие способы моделирования); игры человека с моделью или моделей между собой могут помочь усовершенствовать алгоритм. Модельные игры являются наиболее перспективным средством исследования при принятии решения в условиях неопределенности;

– теория рефлексивных игр, которая рассматривает имитацию рассуждений противника в процессе игры как компоненту собственного мыслительного процесса принятия решений.

Применение аналитических методов.

Аналитические методы применяются в тех случаях, когда свойства системы можно отобразить с помощью детерминированных величин или процессов. Эти методы используются при разрешении задач движения или устойчивости, оптимального решения, оптимального распределения работ и ресурсов, выбора оптимального пути, оптимальной стратегии поведения в конфликтных ситуациях и т.д.

Рассмотренные выше математические теории явились основой ряда прикладных теорий, таких как теория автоматического управления, теория оптимальных процессов, теория решений, теория исследования операций и т.д.

При применении аналитических методов для анализа задач, возникающих при разработке и организации функционирования сложных систем, нужно установить все детерминированные связи между компонентами (подлежащими выбору), учитываемыми критериями и задачами (формализующими цель системы) в виде аналитических зависимостей. Для задач, в которых учитывается много компонент и много критериев, это трудно осуществить. Более того, если даже это удается, то практически невозможно доказать правомерность применения этого аналитического выражения, то есть адекватность полученной аналитической модели рассматриваемой задаче.

Кроме того, в ряде случаев (в частности, при описании системы "документальный информационный поток") в принципе нереально установить все связи между учитываемыми компонентами (информационными источниками) и целями (информационными потребностями, запросами).

В таких случаях возможны следующие подходы:

1. Не устанавливая всех детерминированных связей, на основе выборочного исследования получить статистические закономерности и распространить их с какой-то вероятностью на поведение системы в целом (т.е. применить статистические методы).

2. С помощью знаковой системы ("языка") фиксировать явные простейшие связи и, комбинируя их, выявлять новые, неизвестные ранее. Иными словами, использовать то, что известно к моменту начала анализа задачи и, постепенно накапливая новые факты и связи, все более и более адекватно отображать систему и исследуемые в ней процессы.

Статистические методы

Не всегда допустимо вводить такие жёсткие ограничения, которые позволили бы представить систему с помощью детерминированных категорий без ущерба для понимания свойств реальной системы.

Например, в тех случаях, когда:

- исследователю неизвестна программа, структура или поведение системы.

- Они настолько сложны, что невозможно описать их аналитически.

В этих случаях применяют статистические методы и говорят о случайных (стохастических) событиях, процессах, моделях.

Статистическое отображение системы можно представить в виде "размытой точки" в

N-мерном пространстве, совершающей какое-либо движение (поведение) системы.

Размытую точку следует понимать как некую область, характеризующую движение (поведение) системы, границы этой области заданы с некоторой вероятностью. Движение точки по этой области определяется не аналитическим выражением, а некоторой случайной функцией.

Закрепляя все параметры, кроме одного и исследуя поведение системы, можно получить разрез по линии ab, физический смысл которого- воздействие данного параметра на поведение системы в свободном движении, что можно описать статистическим распределением по данному параметру. В принципе существуют 2,3,.. n – мерные статистические распределения (по n осям).

Статистические распределения можно представить в виде ДСВ и их вероятностей или в виде НСВ, непрерывных случайных событий, непрерывных случайных процессов.

Закон распределения является удобной формой статистического отображения системы.

Для дискретного случая чаще всего закон распределения представляют в табличной форме:

X i

X1

Xn

P(xi)

P1

Pn

Для непрерывного случая:

1) В виде функции распределения F(x)

2) В виде плотности вероятности f(x)= F x)

Практическое применение получили, в основном, одномерные распределения.

Однако определение закона распределения является трудной часто невыполнимой задачей, поэтому используется не сам закон распределения, а его характеристики – начальные и центральные моменты: математическое ожидание, дисперсия, ковариация (момент связи), коэффициент корреляции.

Математическое ожидание вычисляется по формуле:

Для дискретных величин:

Для непрерывных величин:

Дисперсия случайной величины

Для дискретных величин:

Для непрерывных величин:

На практике часто используется не дисперсия, а среднее квадратическое отклонение, то есть квадратный корень из дисперсии.

Также важной статистической характеристикой системы является энтропия.

Энтропия- это мера неопределённости информации, она характеризует способность одной системы (источника) отдавать информацию и способность другой системы (приёмника) принимать её.

Важным понятием в статистике является понятие выборки.Выборка- это часть изучаемой совокупности, на основе исследования которой получают статистические закономерности, присущие всей совокупности.

Для того, чтобы полученные при исследовании выборки выводы можно было распространять на всю совокупность выборка должна быть представительной или репрезентативной, то есть правильно отражать свойства совокупности.

На базе статистических отображений развивается ряд математических теорий: математическая статистика, теория статистических испытаний, теория выдвижения и проверки гипотез.

Математическая статистика.

Математическая статистика – математическая дисциплина, которая объединяет различные методы статистического анализа, базирующиеся на использовании статистических закономерностей или их характеристик. Наиболее распространенными методами статистического анализа являются:

- регрессионный анализ (основан на сравнении математических ожиданий)

- дисперсионный анализ (основан на сравнении дисперсий)

- корреляционный анализ (учитывает математические ожидания, дисперсии и характеристики связи между событиями и процессами)

- факторный анализ (статистическая обработка многофакторного эксперимента)

- ранговая корреляция (сочетание корреляционного и факторного анализа)

При применении различных методов математической статистики статистические закономерности или их характеристики получают различными способами: путём наблюдения и исследования выборок; с помощью приближённых методов, основанных на различных способах преобразования или разбиения выборок (например, преобразование выборки в форму вариационного ряда, разбиения выборок на потоки, разряды, случайные интервалы времени).

При анализе информационных потоков и разработке систем применяются модификации и комбинации перечисленных методов.

Теория статистических испытаний

Теория статистических испытаний или статистического моделирования является особым методом получения статистических оценок анализа систем и процессов.

Она применяется для:

- решения статистических задач, в которых нахождение законов распределения или хотя бы вероятностных характеристик (дисперсии, коэффициента или функции корреляции, и др.) является очень сложной, практически неосуществимой задачей.

- Решения отдельных детерминированных задач или анализа систем, для которых в силу сложности вычислений решение не может быть получено аналитическими методами.

В этих случаях подбирается и моделируется на ЭВМ процесс, сходящийся к результату решения.

Теория статистических испытаний является распространением более специфического метода Монте-Карло на случай сложных систем и процессов и основана на законе больших чисел. В силу этого закона оценки, полученные на основе достаточно большого числа реализаций случайного процесса, приобретают статистическую устойчивость (порядок дисперсии оценки равен 1/n, n – число реализаций), и с достаточной для практики точностью могут быть приняты в качестве примерных значений искомой величины.

Идею метода статистических испытаний удобно пояснить на примере с геометрической интерпретацией вероятности.

Детерминированную площадь можно в принципе считать размытой точкой. Можно представить матрицу случайных попаданий детерминированной точки на измеряемую детерминируемую площадь (Двумерная матрица). Получается представление детерминированной площади стохастическим отображением.

Такие матрицы называют стохастическими.

Закон распределения определяется заданием значений Pij в матрице P.

Стохастическая матрица может быть решена с помощью алгоритма из логических операторов, когда результат выполнения Аi однозначно определяет оператор Aj, к которому следует перейти. Тогда Рij можно рассматривать как вероятность перехода от Ai к Aj.

Если удастся подобрать вероятности Pij и операторы Aj так, что какая-либо числовая характеристика закона распределения (например, МО) с ростом числа опытов будет сходиться по вероятности к исходному значению некоторой функции Y(x), то полученная схема алгоритма будет называться стохастическим алгоритмом, вычисляющим функцию Y(x).

Стохастический алгоритм называют методом статистических испытаний.

При решении задач на ЭВМ с применением метода Монте-Карло в некоторых случаях можно (даже выгодно) отказаться от моделирования истинно случайного процесса и пользоваться датчиком псевдослучайных чисел.

Некоторым усовершенствованием метода Монте-Карло являются методы случайного поиска с ограничениями, накладываемыми на выбор применяющихся операторов; метод Монте-Карло с адаптацией; когда учитываются ошибки (промахи и неудачи), оцениваемые по случайной выборке; а также статистические испытания с применение эвристических методов, сокращающих время решения.

Теория выдвижения и проверки гипотез.

Теория выдвижения и проверки гипотез связана с вопросами передачи и восприятия информации. Эта теория возникла и развивалась для оценки процессов передачи сигналов на расстоянии (теория статистических решений в радиотехнике). Исследуются возможности применения её для оценки процессов обучения, передачи знаний.

Идея метода заключается в следующем:

Имеется два векторных пространства: пространство априорной и апостериорной информации (первое векторное пространство называют ещё пространством наблюдения или пространством информации, а второе – пространством восприятия или пространством решения)

В детерминированном случае одной точке х в первом пространстве соответствует одна точка х1 во втором.

В случае статистического (вероятностного) восприятия одной точке в первом пространстве соответствует распределение Х1, которое называют решающей функцией.

Что собой может представлять решающая функция удобно пояснить на примере двуальтернативного решения с событиями х1 и х2 и их априорными вероятностями р1 и р2.

События х1 их2 могут представлять собой 2 состояния одной точки Х:

х1 –отсутствие точки

х2 – наличие точки

В пространстве восприятия события х1и х2 соответствуют событиям х1 и х2

Возможны 4 случая:

Информационные системы в маркетинговой деятельности

Условные вероятности Р(х1/х1) и Р(х2/х2) соответствуют правильному восприятию.

Р(х1/х1) –отсутствие точки х в пространстве восприятия в случае отсутствия этой точки в пространстве информации.

Р(х2/х2) – обнаружение точки х в пространстве в случае её наличия в пространстве информации.

Условная вероятность Р(х2/х1) характеризует восприятие события х2 при условии, что в пространстве априорной информации произошло событие х1, т.е. обнаружение точки х в случае её отсутствия в пространстве информации. Этот случай принято называть "ложной тревогой".

Условная вероятность Р(х1/х2) соответствует отсутствию точки х в пространстве восприятия в случае наличия её в пространстве информации. В этом случае принято говорить о "пропуске сигнала" (например, самолёт появился, но его не обнаружили)

Для оценки рассмотренных случаев вводится функция потерь W.

В случае правильного восприятия, то есть при Р(х1/х1) и Р(х2/х2):

W(х1/х1)=W(х2/х2)=0;

В случае "ложной тревоги" и "пропуска сигнала"

W(х2/х1)=W(х1/х2)=1;

Пользуясь этими оценками можно ввести понятие "условного" риска:

Для случая х1

r(x1,)= W(х1/х1) Р(х1/х1)+ W(х2/х1) Р(х2/х1)= Р(х2/х1)=

так как W(х1/х1)=0 W(х2/х1)=1

то есть условный риск равен вероятности ложной тревоги.

- условный знак, характеризующий возможность отклонения от правильного решения.

Аналогично, для х2

r(x2,)= W(х2/х2) Р(х2/х2)+ W(х1/х2) Р(х1/х2)= Р(х1/х2)=

Общий риск (имеют место решения и )

R= M(r)=p1* r(x1,)+p2* r(x2,)= p1+p2

Чтобы работа системы была оптимальной полный риск должен быть минимальным.

Рассмотренный случай называется критерий Зигерта-Котельникова или критерий идеального наблюдения (минимизируется общий риск)

В теории статистических решений используются также:

- критерий Байерса –критерий минимального риска (выбирается минимальный риск из нескольких максимальных общих рисков)

- критерий минимакса- априорные вероятности неизвестны и минимизируется значение максимально возможного риска.

- Критерий Неймана-Пирсона – минимизируется при

- Критерий Вальда – последовательный анализ – минимизируется число испытаний n, достаточное для принятия определённого решения.

В рассмотренном выше примере пространство априорной информации содержит 2 события и решающая функция включает 4 апостериорных условных вероятности с соответствующими им функциями потерь. В случае большего числа событий распределение (х/х) естественно усложняется. При выборе решающей функции следует руководствоваться возможностью минимизации среднего риска.

Применение статистических отображений.

Статистические отображения позволили расширить возможности ряда дисциплин, возникших на базе аналитических методов: так возникли статистическая радиотехника, разделы теории игр, теория массового обслуживания, теория информации и т.д.

Расширение возможностей отображения сложных систем и процессов по сравнению с аналитическими методами можно объяснить тем, что при применении статистических методов процесс постановки задачи как бы частично заменяется статистическими исследованиями, позволяющими не выясняя все детерминированные связи между изучаемыми событиями и учитываемыми компонентами сложных систем, на основе выборочного исследования получать статистические закономерности и распространять их на поведение всей системы.

Однако не все явления или процессы могут быть описаны статистическими закономерностями, не всегда может быть доказана правомерность применения такой закономерности.

В этих случаях следует рассматривать другие методы представления систем.

Теоретико-множественные представления.

Теоретико-множественные представления базируются на двух основных понятиях: множество и отношения на множествах.

Понятие "множество" относится к числу интуитивно постигаемых понятий, которым дать точное определение. Это понятие эквивалентно понятиям "совокупность", "собрание", "коллекция", "семейство", "класс" и т.д.

Основатель теории множеств Георг Кантор определял множество как "многое, мыслимое нами как единое".

Множества могут задаваться следующими способами:

1. Списком, перечислением (экстенсиональный способ). Например:

A = {a1, a2, ai, …,an},

тогда факт вхождения элемента в множество записывают знаком "":

ai A – "элемент ai принадлежит множеству A" или

"элемент ai – элемент множества A",

а если элемент не принадлежит множеству A, то пишут:

сi A или сi A.

2. Путем указания некоторого характеристического свойства (интенсиональный способ).

Например:

– "Множество натуральных чисел"

– "Множество запросов"

– "Множество дескрипторов, используемых в данном тексте" и т.д.

Основным принципом, положенным в основу теории множеств, является принцип перехода от одного способа задания множества к другому – так называемый принцип свертывания.

В множествах могут быть выделены подмножества:

Записывают B A – все элементы подмножества B являются одновременно элементами множества A, т.е. если:

Информационные системы в маркетинговой деятельности

Информационные системы в маркетинговой деятельности

Важным понятием является понятие "пустое множество". Это множество, в котором в данный момент нет ни одного элемента. Условно пустое множество обозначается "".

Фундаментом при создании теории множеств явились язык классической математики и язык алгебры логики, наиболее применимой из которых является бинарная алгебра Буля.

При проведении операций над множествами удобно пользоваться наглядным представлением операций и их свойств – строить фигуры, называемые диаграммами Эйлера – Венна.

В зависимости от сложности отображаемой системы язык, ее описывающий, видоизменяется и дополняется новыми понятиями и символами. Вводятся дополнительные характеристики отношений:

Информационные системы в маркетинговой деятельности

Потребовалось введение понятий гомоморфизма, изоморфизма и др., позволяющих отображать одну множественную модель на другую.

ИЗОМОРФИЗМ (от изо... и греч. morphe – форма), понятие современной математики, уточняющее широко распространенное понятие аналогии, модели. Изоморфизм – соответствие (отношение) между объектами, выражающее тождество их структуры (строения).

ГОМОМОРФИЗМ (от гомо... и греч. morphe – вид, форма), понятие современной математики, обобщающее понятие изоморфизма.

Применение теоретико-множественных представлений.

В рамках данного курса классическая теория множеств, представляющая собой применение теоретико-множественных представлений к теории чисел, не представляет особого интереса. Она может быть полезной лишь в качестве иллюстрации основных положений теоретико-множественных методов.

Ниже обсуждается значение теоретико-множественных представлений описания состояний и процессов в сложных системах.

При применении теоретико-множественных представлений для отображения сложных систем и процессов в них наиболее общими формальными характеристиками являются абстрактные знаковые формулы, с помощью которых удобно отображать многоуровневое строение систем.

Например, система S может быть отображена в совокупность множеств, описываемую теоретико-множественной формулой:

S = <I, C, A, P, E, U, X, W, Z>,

где I = {i} – множество информаций, т.е. совокупность (общий вектор) входных информационных сигналов;

A = {a} – множество выходных действий (актуаций) системы;

E = {e} – множество элементов, из которых составлена данная система;

U = {u} – множество отношений и элементов е;

C = {c} – множество состояний (ситуаций) системы;

X = {x} – множество признаков (или параметров), характеризующих состояние элементов и отношений;

W = {w} – множество свойств свойств, т.е. w – свойства свойств системы: вес, цена, значимость каждого свойства по отношению к другим свойствам;

P = {p} – множество вероятностей изменения состояний;

Z = {z} – множество возмущений, действующих на систему.

Представление системы полной формулой S = <I, C, A, P, E, U, X, W, Z> не всегда возможно и целесообразно. Обычно системы описываются сокращенными формулами (в зависимости от требований полноты и отображения), которые иногда носят следующие названия (в соответствии с количеством объединяемых множеств):

– монада или {i};

– диада (двойка) [I, A] или <{i}{a}>;

– триада (тройка) [I, C, A] или <{i}{c}{a}>;

– тетрада (четверка) [I, C, A, P] или <{i}{c}{a}{p}>.

При отображении системы осуществляется декомпозиция её – выделение групп (множеств) элементов, обладающих одинаковыми (в рамках определенных ограничений) свойствами.

Информационные системы в маркетинговой деятельности

Выделив множества, можно производить соответствующие операции над ними, т.е., ставя их в определенные отношения друг с другом, прейти к композиции системы:

{x} R1 {c} R2 {e} Rj {u} Rk {a} Rn {i}

Символом R здесь обозначаются отношения между элементами или множествами в случае, если не определен характер этих отношений. Решение задачи композиции системы заключается в определении характера взаимоотношений между элементами или множествами, т.е. в замене символа R соответствующим знаком – оператором, функтором, – выражающим смысл и основные свойства отношений. Выяснение характера взаимоотношений между множествами или их элементами и возможные преобразования выражения {x} R1 {c} R2 {e} Rj {u} Rk {a} Rn {i} выполняются на основе определенных правил – законов, аксиом.

Композиция обычно осуществляется путем задания отношений между элементами, принадлежащими различным множествам, например, <x, r, c> и образование этих пар (троек и т.д.) взаимодействующих элементов нового множества.

Таким образом, теоретико-множественные формулы переводят систему языка реальности в абстрактную систему, описываемую искусственным языком, имеющим соответствующий словарь (множество элементов, множество состояний, множество признаков и т.д., отображенных определенными символами) и правила образования новых понятий – композиций (множество отношений, законов, аксиом). Сложность языка определяется сложностью отображаемой системы и допустимой степенью абстрагирования.

Интересно отметить, что при конкретизации правил образования новых понятий теоретико-множественные представления могут привести к одной из алгебр логики, к одному из формальных языков математической лингвистики.

В принципе при применении теоретико-множественных представлений допустимо введение любых отношений. Благодаря этому свойству, теоретико-множественные представления а) служат хорошим языком, с помощью которого облегчается взаимопонимание между представителями различных областей знаний; б) могут являться основой для возникновения новых научных направлений.

В этом основное значение теоретико-множественных представлений.

Частным случаем теоретико-множественных отображений являются логические отображения: система с языка реальности переводится на язык одной из алгебр логики (двузначной, многозначной, непрерывной).

Графические методы

Графические методы являются удобной формой отображения систем, так как они позволяют наглядно представить процессы, происходящие в системах, что облегчает их анализ.

Классификация применяемых в настоящее время графиков по признакам и видам приведена в таблице 9.

Большинство графических примеров служит для наглядного представления информации.

Однако некоторые из них позволяют решать вопросы оптимизации процессов организации и управления с применением строгих математических методов.

Заслуживают внимания графические методы представления операций во времени.

Старейшим из них является график Ганта (рис 9). На этом графике в прямоугольной системе координат "время-операция" наносятся сведения о выполняемых работах при планировании, контроле и управлении производством.

График Ганта выполняется в форме чертежей, ленточных диаграмм с ручным управлением или ленточных диаграмм с автоматическим управлением.

В двух последних случаях графики представляют собой бесконечные ленты, одна половина которых окрашена в черный цвет, вторая – в белый; причем черный участок в масштабе времени соответствует продолжительности операции.

Дальнейшим шагом было разделение отрезка времени, отображающего дискретные операции, на дискретные элементы

(рис 9б). Все операции и интервалы времени могут быть пронумерованы: операции I, II, III, IV, V; интервалы – 1, 2, 3,.. 19, 20, 21. В этом случае появляется возможность оперировать дискретной информацией.

Можно вообще отойти от конфигурации ленточных графиков и рассматривать всю совокупность дискретных операций в дискретном времени, как множество событий, упорядоченных в двух измерениях. Это показано на рис. 9в. Последний вариант составляет переходное звено к современным сетевым графикам планирования, наблюдения и управления. В зарубежных работах соответствующие методы называются методом ПЕРТ (РЕРТ), в отечественной литературе принято название "Сетевое планирование и управление" (СПУ).

В стилизованном виде, график СПУ показан на рис. 9г.

В отличии от предыдущих вариантов, в нем добавлены стрелки связей, показывающие соотношение операций и моментов времени при выполнении каких-либо работ.

Практически при построении графиков СПУ нарушают строгую геометрию рис 9г., так как удобнее "сшивать" операции во времени произвольным подсоединением групп операций.

Основная терминология сетевого моделирования.

При применении сетевых моделей пользуются определенной терминологией: вершина, ребро, путь.

Сетевые модели могут быть представлены:

- в терминах работ (вершины отражают действия работы, ребра-

события, результат работы);

- в терминах событий (вершины отражают события – результат

действия, операции, ребра – работы);

- в терминах работы событий (смешанные), в этом случае ребра

отражают только направление перехода от одной вершины к

другой.

Часто применяют также термины источник и сток. Источником называют исходное событие (или работу), стоком – конечное событие. Сеть может иметь несколько источников и один сток (одноцелевые сети), один источник и несколько стоков (многоцелевые сети).

При анализе сетей их оценивают по одному из критериев

(например, по времени или стоимости и т.д.), а затем, суммируя оценки вершин (или ребер, в зависимости от вида сети), определят путь, наилучший с точки зрения данного критерия. Этот путь называют критическим.

Основным математическим аппаратом анализом сетевых графиков является теория графа.

Теория графа – математическая теория, которая развивалась независимо от сетевого планирования. Основная терминология этой теории приведена в таблице 10.

По предъявляемым к сетевым графикам требованиям (наличие истоков и стока, отсутствие циклов) они представляют собой направленный граф. Методы анализа таких графов для случая, когда ребра графа (работы сетевого графа) имеют детерминированные оценки, хорошо разработаны.

В более сложных случаях – если граф вероятностный – решение не всегда может быть найдено.

В ряде ситуаций такие графы путем введения статических оценок могут быть сведены к детерминированным. В других – к вероятностным графам, представляющим собой так называемые цепи Маркова.

Применение графических представлений

Графические методы применяются в основном для решения различных организационных вопросов, для наглядного представления информации (например, в лингвистике для представления процесса анализа текста – дерево составляющих) (см. таблицу 9) для оптимизации планирования и управления (СПУ).

В связи с тем, что наиболее развита теория направленных графов, до недавнего времени в стране действовали Основные положения, которые предъявляли к сетевым графикам требования, позволяющие применять для их анализа теорию направленных графов.

Однако это сужало возможности графических методов. Поэтому в последнее время, графические отображения применяют часто без выполнения жестких требований. При этом получающиеся отличаются от сетей СПУ, и в этом случае употребляют термин не "сетевые графики", а "сетевые модели", имея виду, что при их построении могут быть и не выполнены Основные положения СПУ.

При большой привлекательности сетевые модели имеют один довольно существенный недостаток: при их формировании необходимо участие квалифицированных работников, хорошо знающих процессы в системе, причем некоторые исследователи оценивают долю "ручного" труда при применении сетевых моделей

в 95% от общего времени, затрачиваемого на анализ ситуаций и процессов с применением сетевого моделирования. Для снижения доли "ручного" квалифицированного труда, перспективным является сочетание графических представлений с семиотическими, которые могут позволить формализовать и автоматизировать процесс порождения не только последовательностей вершин, но и самих вершин.

Сети Петри

Сети Петри – инструмент исследования систем. Применяются сети Петри исключительно в моделировании. Во многих областях исследований явление изучается не непосредственно, а через модель. Модель – это представление, как правило, в математических терминах того, что считается наиболее характерным в изучаемом объекте или системе. Ожидается, что манипулируя представлением, можно получить новые знания о моделируемом явлении, избегая опасности, дороговизны или неудобства манипулирования самим реальным явлением. Моделирование применяется в астрономии, ядерной физике, социологии, в биологии…

Основная идея состоит в том, что системы состоят из отдельных взаимодействующих компонент. Каждая компонента сама может быть системой, но её поведение можно описать независимо от других компонент системы, за исключением точно определенных взаимодействий с другими компонентами. Каждая компонента имеет свое состояние. Состояние компоненты – это абстракция соответствующей информации, необходимой для описания её будущих действий. Часто состояние компоненты зависит от предыстории этой компоненты, поэтому оно может со временем изменяться. Действиям компонент системы присущи совмещенность или параллелизм. Действия одной компоненты системы могут производиться одновременно с действиями других компонент. Совмещенная природа действий в системе создает некоторые трудности при моделировании. Поскольку компоненты системы взаимодействуют, необходимо установление синхронизации. Пересылка информации или материалов от одной компоненты к другой требует, чтобы действия включенных в обмен компонент были во время взаимодействия синхронизированы.

Сети Петри разрабатывались специально для моделирования тех систем, которые содержат взаимодействующие параллельные компоненты. Впервые сети Петри предложил Карл Адам Петри в своей докторской диссертации "Связь автоматов".

Группой вычислительных структур были проведены две большие конференции по сетям Петри: Конференция Проекта МАС по параллельным системам и параллельным вычислениям в 1970 году в Вудс Холле, и Конференция по сетям Петри и связанным с ними методам в 1975 году в МТИ. Обе эти конференции внесли вклад в распространение результатов и методов теории сетей Петри.

В одном из подходов сети Петри рассматриваются как вспомогательный инструмент анализа. Здесь для построения системы используются обще принятые методы проектирования. За тем построенная система моделируется сетью Петри, и модель анализируется. Любые трудности, встречающиеся при анализе указывают на изъян в проекте. Для их исправления необходимо модифицировать проект. Этот проект затем снова моделируется и анализируется. Этот цикл повторяется до тех пор, пока проводимый анализ не приведет к успеху. Такой подход иллюстрируется на рисунке стр 13

торой подход, в котором весь процесс проектирования и определения характеристик проводится в терминах сетей Петри. Методы анализа применяются только для создания проекта сети Петри, свободного от ошибок. Здесь задача заключается в преобразования представления сети Петри в реальную рабочую систему.

Эти два подхода использования сетей Петри в процессе проектирования предлагают исследователю сетей Петри задачи разного типа. В первом случае необходима разработка методов моделирования систем сетями Петри, а во втором случае должны быть разработаны методы реализации сетей Петри системами. В обоих случаях необходимы методы анализа сетей Петри для определения свойств модели. Таким образом, первое, чего нам необходимо коснуться при рассмотрении сетей Петри, – изучение свойств самих сетей Петри.

Сеть Петри состоит из 4 элементов: множество позиций Р, множество переходов Т, входная функция I, выходная функция О. Входная и выходная функции связаны с переходами и позициями. Входная функция I отображает переход tj в множество позиций I(tj), называемых входными позициями перехода. Выходная функция О отображает переход tj в множество позиций О(tj), называемых выходными позициями перехода.

Сеть Петри С является четверкой С=(P,T,I,O), P=(p1 p2 pn) – конечное множество позиций n>=0, T=(t1 t2 tm) – конечное множество переходов m>=0. Множество позиций и множество переходов не пересекаются

Позиция pi является входной позицией перехода tj, в этом случае, если pi принадлежит I(tj). Pi является выходной позицией, если pi принадлежит O(tj). Входы и выходы переходов представляют собой комплекты позиций.

Информационные системы в маркетинговой деятельности

Для иллюстрации понятий теории сетей Петри гораздо более удобно графическое представление сети Петри. Теоретико-графовым представлением сети Петри является двудольный ориентированный мультиграф. Структура сети Петри представляет совокупность позиций и переходов. В соответствии с этим граф сети Петри обладает двумя типами узлов. Кружок – О- является позицией, а планка 1 – переходом. Ориентированные дуги (стрелки соединяют позиции и переходы), при этом некоторые дуги направлены от позиций к переходам. Другие – от переходов к позициям. Дуга, направленная от позиции pi к переходу tj, определяет позицию которая является входом перехода. Сеть Петри есть мультиграф, так как он допускает существование кратных дуг от одной вершины графа к другой. Следует добавить, что так как дуги являются направленными, то это ориентированный мультиграф. Мы знаем, что вершины графа можно разделить на два множества (позиции и переходы) таким образом, что каждая дуга будет направлена от элемента одного множества (позиции или переходов) к элементу другого множества (переходов или позиций); следовательно, такой граф является двудольным ориентированным графом.

Маркировка есть присвоение фишек позициям сетей Петри. Фишка – это примитивное понятие сетей Петри (подобно позициям и переходам). Фишки присваиваются позициям. Количество и положение фишек при выполнении сети Петри могут изменяться. Фишки используются для определения выполнения сети Петри.

Выполнением сети Петри управляют количества и распределение фишек в сети. Фишки находятся в кружках и управляют управлением переходов сети. Сеть Петри выполняется посредствам запусков переходов. Переход запускается удалением фишек из его входных позиций и образованием новых фишек, помещаемых в его выходные позиции.

Переход может запускаться только в том случае, когда он разрешен. Переход называется разрешенным, если каждая из его входных позиций имеет число фишек по крайней мере равное числу дуг из позиции в переход. Кратные фишки необходимы для кратных входных дуг. Фишки во входной позиции, которые разрешают переход, называются его разрешающими фишками. Например, если позиции р1 и р2 служат входами для перехода t4, тогда t4 – разрешен, если р1 и р2 имеют хотя бы по 1 фишке. Для перехода t7 – с входным комплектом {р6,р6,р6} позиция р6 должна обладать по крайней мере тремя фишками, для того чтобы t7 был разрешен.

Переход запускается удалением всех разрешающих фишек из его входных позиций и последующим помещением в каждую из его выходных позиций по 1 фишке для каждой дуги. Кратные фишки создаются для кратных выходных дуг.


Пусть некоторый переход в маркировке разрешен и, следовательно, может быть запущен. Результат запуска перехода в маркировке ; есть новая маркировка ;`. Говорят, что ;` является непосредственно достижимой из маркировки ;, иными словами, состояние ;` непосредственно получается из состояния ;.

Одной из особенностей является свойственный сетям и их моделям параллелизм, или одновременность. В модели сети Петри два разрешенных невзаимодействующих события могут происходить независимо друг от друга. Синхронизировать события, пока это не требуется моделируемой системе, нет нужды. Но, когда синхронизация необходима, моделировать её легко. Таким образом сети Петри представляются идеальными для моделирования систем с распределенным управлением, в которых несколько процессов выполняются одновременно.

Другая важная особенность сетей Петри – их асинхронная природа. В сети Петри отсутствует измерение времени или течение времени. Это отражает философский подход к понятию времени, утверждающий, что одно из важнейших свойств времени, с логической точки зрения, – определение частичного упорядочения событий. В реальной жизни различные события укладываются в различные интервалы времени, и это отражено в модели сети Петри независимостью от времени управления последовательностью событий. Структура сети Петри такова, что содержит в себе всю необходимую информацию для определения возможных последовательностей событий.

Если в какой-то момент времени разрешено более 1 перехода, то любой из нескольких возможных переходов может стать следующим запускаемым. Выбор запускаемого перехода осуществляется недетерминированным образом, т.е. случайно. Это особенность сети Петри отражает тот факт, что в реальной жизненной ситуации, где несколько действий происходит одновременно, возникающий порядок появления событий – не однозначен; скорее может возникнуть любая из множества последовательностей событий. Однако частичный порядок появления события – единственен.

Запуск перехода (и соответственно событие) рассматривается как мгновенное событие, занимающее 0 время, и возникновение двух событий одновременно не возможно. Моделируемое таким образом событие называется примитивным; примитивное событие мгновенно и не одновременно.

Не примитивными называются такие события длительность которых отлична от 0. Они не являются не одновременными и, следовательно, могут пересекаться во времени. Так как осуществление большинства событий в реальном мире занимает некоторое время, то они являются не примитивными событиями, и поэтому не могут должным образом моделироваться переходами в сети Петри. Однако это не приводит к возникновению проблем при моделировании систем. Не примитивное событие может быть представлено в виде двух примитивных событий: "начало не примитивного события", "конец не примитивного события" и условие "не примитивное событие происходит". Эта ситуация может быть промоделирована с помощью сети

Недетерминированность и не одновременность запусков переходов в моделировании параллельной системы показываются двумя способами. Один из них представлен на рисунке. В этой ситуации два разрешенных перехода в любом случае не влияют друг на друга, и в число возможных последовательностей событий входит последовательность, в которой первым срабатывает один переход, и последовательность, в которой первым будет запрещен другой переход. Это называется одновременностью.

Другая ситуация, в которой одновременное выполнение затруднено и которая характеризуется возможностью одновременного возникновения событий показана на втором рисунке. Здесь два разрешенных перехода находятся в конфликте. Может быть запущен только 1 переход, так как при запуске он удаляет фишку из общего входа и запрещает другой переход.

Разработке методов моделирования по сетям Петри внимания уделялось мало. Однако существуют специальные области, в которых сети Петри представляются идеальным инструментом для моделирования.

Конечные автоматы

На низком уровне вычислительные системы могут быть описаны автоматами.

Автоматы часто представляются в виде графов переходов. Состояния представляются кружками, являющимися вершинами. Дуга из состояния qi в состояние qj, помеченная a/b, означает что, находясь в состоянии qi, автомат при входе а перейдет в состояние qj, выдавая при этом символ b.

В качестве примера рассмотрим изображенный автомат. Он преобразует двоичное число, представленное последовательностью бит, начиная с младшего, в дополнении до двух. В данном случае входной и выходной алфавиты состоят из трех символов: 0, 1, R. Автомат начинает работать в состоянии q1. Символ сброса R означает конец или начало числа и возвращает автомат в исходное состояние. Выход автомата для символа сброса является просто его повторением.

Для определения следующего входного символа из внешнего мира следует выбирать входной переход и запускать его. Сеть Петри ответит запуском соответствующего перехода из множества выходных переходов, связанного с соответствующим выходом. Затем из внешнего мира будет запущен новый входной переход.

При сравнении сети Петри с соответствующим автоматом возникают следующие вопросы. Почему модель сети Петри предпочтительнее описания конечным автоматом? Описание автоматом более понятно, чем описание сетью Петри. Это верно. Однако мы показали, что сети Петри могут представлять любую систему, представимую автоматом, и это свидетельствует о больших возможностях сетей Петри.

Так же модель сети Петри имеет определенное преимущество при композиции автоматов. Если выходной алфавит одного автомата идентичен входному алфавиту другого автомата, соединяя выход первого со входом второго можно создать композицию автоматов. Такая композиция является автоматом с составными состояниями, компоненты которых – состояния обоих автоматов.

Другое преимущество представления сети Петри связано с иными формами композиции. Например, параллельная композиция позволяет компонентам композиции автоматов работать одновременно. В этом случае вновь получаем автомат с составными состояниями, в о время как для сети Петри – просто дублирование фишек во входах, соответствующих входным символам, и использование их во всех компонентах сети Петри.

ЭВМ с конвейерной обработкой.

Возможность моделировать параллелизм и довольно простого объединения подсистем, представленных сетями Петри, делают эти сети весьма полезным инструментом моделирования сложной аппаратуры вычислительных систем. Вычислительные системы состоят из многих компонент. Это делает сеть Петри наиболее подходящим средством их представления.

На протяжении ряда лет было предпринято много попыток увеличения производительности вычислительных систем путем параллельного выполнения нескольких функций. Примером такого подхода к построению высокопроизводительной ЭВМ является использование конвейерной обработки. Этот метод обработки подобен функционированию сборочного конвейера и особенно удобен для работы с векторами и массивами. Конвейер состоит из набора операций, которые могут выполняться одновременно. Когда операция К завершается, она передает свой результат операции к+1 и ожидает от операции к-1 нового задания.

В качестве примера рассмотрим сложение двух чисел с плавающей точкой. Основные шаги этой операции предполагают:

- выделить экспоненты обоих чисел

- сравнить и при необходимости сделать равными

- сдвинуть точку в числе с меньшей экспонентой для их уравнения

- сложить дроби

- нормализовать результат

- сформировать экспоненту и дробь результата

каждый их этих шагов может быть выполнен отдельным вычислительным блоком, где каждый отдельный операнд передается от блока к блоку для выполнения операции сложения. Это позволяет выполнить до шести сложений одновременно.

Координацию различных блоков можно осуществлять разными способами. Обычно управление конвейерной обработкой является синхронным, т.е. время, отпущенное на выполнение каждого шага t постоянно и фиксировано. Каждые t единиц времени результат каждого блока перемещается по конвейеру, чтобы стать входом для следующего блока. Однако при синхронном подходе обработка может быть приостановлена без необходимости, т.к. требуемое время может изменяться от блока к блоку. В этом случае может оказаться так, что большую часть времени все единицы будут не загруженными и будут ожидать окончания t единиц времени.

В асинхронном конвейере в среднем процесс обработки может быть ускорен сигнализацией о завершении каждого шага конвейерной обработки и готовности передать свой операнд и получить новый. Результат шага к конвейерной обработки может быть послан на шаг к+1, как только шаг к выполнен, а блок к+1 свободен.

Для управления блоком к конвейера необходимо знать, когда выполняются следующие условия:

- входной регистр заполнен

- входной регистр пуст

- выходной регистр заполнен

- выходной регистр пуст

- блок занят

- блок свободен

- пересылка осуществлена

Блок схемы

Каждый отдельный процесс описывается программой. Программа представляет два различных аспекта процесса: вычисление и управление. Вычисление связано с текущими арифметическими и логическими операциями. Управление же связано не со значениями или выполняемыми вычислениями, а только с порядком их выполнения.

Сети Петри удачно представляют структуру управления программ. Сети Петри предназначены для моделирования упорядочения инструкций и потока информации, но не для действительного вычисления самих значений. Модель системы по своей природе является абстракцией моделируемой системы. Поэтому она игнорирует все возможные специфические детали. Если бы моделировались все детали, то модель была бы дубликатом моделируемой системы, а не абстракцией.

Стандартный способ представления структуры управления программ – блок-схемы. Блок схема представляет поток управления в программе.

Оказывается, блок схема во многом подобна сети Петри. Блок схема представима в виде узлов двух типов: принятия решений и дуг между ними. Удобный способ выполнения блок схемы – введение фишки, которая представляет текущую инструкцию. По мере выполнения инструкции фишка передвигается по блок схеме. Из сходства между графическим представлением программы и сети Петри можно заменить узлы блок-схемы на позиции, дуги на переходы.

Однако заметим, что в сети Петри действия моделируются переходами, тогда как в блок схеме действия моделируются узлами. Правильный перевод блок-схемы в сеть Петри заменяет узлы блок схемы на переходы сети Петри, а дуги блок-схемы на позиции сети Петри. Каждая дуга блок схемы соответствует точно одной позиции в сети Петри.

Переходы, очевидно, связываются с действиями программы: вычислениями и принятиями решений. Для интерпритации сети Петри необходимо интерпритировать каждый переход. Следует также отметить, что переходы для вычислений имеют 1 вход и 1 выход. Переход, представляющий вычисления не может находиться в конфликте, поскольку его входная позиция не является входной для какого-либо другого перехода. Действие же связанное с принятием решения вводим в сеть конфликт. Выбор способа разрешения конфликта недетерминирован, либо им можно управлять из вне. Различие между этими двумя способами разрешения конфликта – методологический вопрос.


Параллелизм.

Параллелизм может быть внесен несколькими способами. Рассмотрим случай двух параллельных процессов, каждый из которых может быть представлен сетью Петри. Таким образом, составная сеть Петри, являющаяся просто объединением сетей Петри для каждого их двух процессов, может представлять одновременное выполнение процессов.

Например, предложение по введению параллелизма основано на операциях parbegin parend. Смысл конструкции заключается в параллельном выполнении каждого из предложений S1 S2 …Sn. Эта конструкция может быть представлена сетью Петри.

Задача об обедающих мудрецах.

Связана с 5 мудрецами, которые по переменно то думали, то ели. Мудрецы сидят за большим круглым столом, на котором много блюд китайской кухни. Между соседями лежит одна палочка для еды. Однако для приема китайской пищи необходимо две палочки, следовательно, каждый мудрец должен взять палочку слева и палочку справа. Проблема, естественно, заключается в том, что если все мудрецы возьмут по палочку, то в итоге второй палочки они будут ждать вечно. Это моделируется сетью Петри. Позиции С1…с5 представляют палочки для еды. Каждый мудрец представлен 2 позициями – состояние размышления и принятия пищи. Для того, чтобы мудрец перешел из состояния размышления в состояние приема пищи, необходимо, чтобы палочки слева и справа были свободны.

Химические системы – другой пример систем, которые могут быть промоделированы сетями Петри. Химические уравнения моделируются переходами, а вещества участвующие в реакции – позициями. Количество фишек в позиции указывает на наличие данного вещества в системе.

Например, соединение водорода и этилена образует этан только в присутствии платины.

Мельдман и Хольт выдвинули предположение, что юридические системы могут быть моделированы сетями Петри. В этих системах несколько действующих лиц могут одновременно выполнять действия, относящиеся к конкретному делу. Действия и их взаимосвязи могут быть представлены сетью Петри. Например, сеть Петри является моделью начальных стадий гражданского процесса.

Агрегативные системы

Несмотря на то, что агрегат может служить достаточно общей схемой для формального описания элементов сложных систем, с теоретической и практической точек зрения представляет несомненный интерес изучение также и более сложных конструкций.

Рассмотрим класс сложных систем, обладающих следующим свойством: существует такое – не однозначное в общем случае – разбиение системы на элементы, при котором каждый полученный элемент представляет собой агрегат. В дальнейшем такого рода сложные системы мы будем называть агрегативными или А-системами.

Естественно, что каждый элемент А-системы, будучи в общем случае агрегатом, не обязательно должен обладать полным комплексом свойств агрегата; он может быть и более простым объектом, представляющим собой частный случай агрегата. Вместе с тем среди элементов А-системы не может быть ни одного элемента, который не являлся бы агрегатом.

В качестве примера одна из возможных схем А-системы приводится на рисунке. Прямоугольники, помеченные буквами А1, А2 … обозначают агрегаты А-системы. Функционирование А-системы с переработкой информации. Передача информации показана стрелками.

Вся информация, циркулирующая в А-системе, делится на внешнюю (поступающую извне от объектов, не являющихся элементами данной системы) и внутреннюю, вырабатываемую агрегатами самой системы.

Обмен информацией между А-системой и внешней средой происходит через агрегаты, называемые полюсами системы. Так, имеются входные полюсы, представляющие собой агрегаты, для которых входная информация, поступающая в виде (х)-сообщений, является полностью или частично внешней информацией. На рисунке входными полюсами являются агрегаты А1 и А4. Все (х)-сообщения, поступающие к агрегату А1, представляют собой внешнюю информацию. Для агрегата А4 дело обстоит иначе. Соответствующие (х)-сообщения являются лишь частично внешней информацией. Некоторая часть (х)-сообщений поступает к агрегату А4 от агрегата А5 и является внутренней информацией А-системы. Наряду с входными полюсами рассматриваются управляющие полюсы. Управляющими полюсами А-системы называются агрегаты, для которых (g)-сообщения, поступающие по особым входным каналам, представляют собой полностью или частично внешнюю информацию.

Для случая А-системы на примере, управляющими полюсами являются агрегаты А1, А3 и А6. Все (g) – сообщения, поступающие к агрегатам А1 и А3 являются внешней информацией. Поступающие к агрегату А6 сообщения частично оказываются внешней информацией и частично внутренней, поступающей от агрегата А2.

Выходным полюсом А-системы называется агрегат, выходная информация которого, выдаваемая в виде (у)-сообщений, оказывается полностью или частично выходной информацией А-системы. На рисунке – А3 и А7. Все (у)-сообщения, выдаваемые агрегатом А7, являются выходной информацией системы. Выходные (у)-сообщения агрегата А3 лишь частично являются выходной информацией А-системы, некоторые из них поступают к агрегату А7. Агрегат А3 является одновременно выходным и управляющим полюсом А-системы, а агрегат А7 – только выходным полюсом.

Агрегаты, не являющиеся полюсами, называются внутренними агрегатами А-системы. Внутренними агрегатами являются А2 и А5. Входная и управляющая информация внутренних агрегатов А-системы, вырабатывается исключительно внутри самой системы и состоит из выходной информации, или (у)-сообщений других агрегатов А-системы. Выходная информация внутренних агрегатов поступает в качестве входной и управляющей информации к другим агрегатам А-системы.

В частном случае А-система может не содержать внутренних агрегатов и состоять только из полюсов. Могут быть также случаи, когда в А-системе отсутствуют входные и управляющие полюсы. Такая А-система воспринимает соответственно только управляющую или только входную информацию. Наконец А-система может состоять лишь из одного агрегата. Этот агрегат может быть входным, управляющим и выходным полюсом А-системы.

Передача информации в А-системах происходит мгновенно. В момент Т выдачи информации каким-нибудь агрегатом является также моментом поступления входной или управляющей информации в некоторый агрегат системы или, наконец, моментом выдачи информации выходным полюсом системы.

Теперь дадим определение А-системе: любая совокупность агрегатов называется называется агрегативной системой, если передача информации между агрегатами происходит мгновенно и без искажения.

Свойства А-системы определяются не только свойствами составляющих агрегатов, но также и её структурой. Рассмотрение структуры начнем с определения соотношений взаимодействий между агрегатами.

Два агрегата В и С называются непосредственно связанными, если между ними осуществляется прямая передача информации, т.е. выходная информация агрегата В является входной или управляющей для агрегата С, или наоборот. Помимо непосредственно связанных агрегатов, мы будем также рассматривать просто связанные агрегаты. Если агрегаты В и С не являются связанными, то мы будем их называть не связанными.

Будем говорить, что агрегат С непосредственно следует за агрегатом В, если некоторая часть выходной информации агрегата В является частью входной информации агрегата С.

Агрегат А1 непосредственно предшествует агрегатам А2 и А5. Агрегат А3 непосредственно следует за А2 и предшествует А7.

Агрегат В непосредственно управляет агрегатом С, если некоторая часть управляющей информации агрегата С представляет собой часть выходной информации агрегата В. данный агрегат может непосредственно управлять несколькими агрегатами или быть непосредственно подчинен нескольким агрегатам А-системы. В примере, А1 непосредственно управляет агрегатом А2, а агрегат А6 непосредственно подчинен агрегату А2.

Любая подсистема А-системы представляет собой также А-систему. А-система называется комплексом, если любой её агрегат связан хотя бы с одним агрегатом этой А-системы.

По аналогии с агрегатами можно установить отношения связи и подчиненности для комплексов.

А-система называется м-фазной, если она состоит из м комплексов, каждый из которых непосредственно следует за одним и только за одним комплексом А-системы вплоть до последнего. Представляющего собой выходной полюс.

Агрегаты А1, А2,А3,А4 – комплекс Ф1. Агрегат А5- Ф2. А6,А7 и А8 представляют комплекс Ф3.

А-система называется н-канальной, если она состоит из н не связанных друг с другом комплексов.

В комплексе К1 – входной полюс агрегат А1, в комплексе К2 – агрегат А8, в комплексе К3 – агрегат А10. Выходными полюсами являются агрегаты А7, А9, А15. Многоканальная А-система не является комплексом. А-система называется иерархической. Если она состоит из некоторого количества комплексов, подчиненных 1 комплексу.

Разбиение системы на агрегаты не является единственным. Возможны различные варианты агрегативного представления системы. Необходимо иметь в виду, что при объединении нескольких агрегатов в один суммарный существенную роль играют связи между агрегатами. Характер этих связей оказывает значительное влияние на тип и свойства суммарного агрегата. К этому объединению можно подойти и чисто формально. Для этого должны быть построены операции над агрегатами, отображающие множество агрегатов на себя.

Виды информационных систем в управлении

Так как имеются различные интересы, особенности и уровни в организации, существуют различные виды информационных систем. Никакая единственная система не может полностью обеспечивать потребности организации во всей информации. Организацию можно разделить на уровни: стратегический, управленческий, знания и эксплуатационный; и на функциональные области типа продажи и маркетинга, производства, финансов, бухгалтерского учета и человеческих ресурсов. Системы создаются чтобы обслужить эти различные организационные интересы. Различные организационные уровни обслуживают четыре главных типа информационных систем: системы с эксплуатационным уровнем, системы уровня знания, системы уровня управления и системы со стратегическим уровнем.

Таблица 2. Типы информационных систем.

Типы информационных систем

Группы служащих

Стратегический уровень

Высшее руководство

Управленческий уровень

Средние менеджеры

Уровень знаний

Работники знания и данных

Эксплуатационный уровень

Управляющие операциями

Системы эксплуатационного уровня поддерживают управляющих операциями, следят за элементарными действиями организации типа продажи, платежей, обналичивают депозиты, платежную ведомость. Основная цель системы на этом уровне состоит в том, чтобы ответить на обычные вопросы и проводить потоки транзакций через организацию. Чтобы отвечать на эти виды вопросов, информация вообще должна быть легко доступна, оперативна и точна.

Системы уровня знания поддерживают работников знания и обработчиков данных в организации. Цель систем уровня знания состоит в том, чтобы помочь интегрировать новое знание в бизнес и помогать организации управлять потоком документов. Системы уровня знания, особенно в форме рабочих станций и офисных систем, сегодня являются наиболее быстрорастущими приложениями в бизнесе.

Системы уровня управления разработаны, чтобы обслуживать контроль, управление, принятие решений и административные действия средних менеджеров. Они определяют, хорошо ли работают объекты, и периодически извещают об этом. Например, система управления перемещениями сообщает о перемещении общего количества товара, равномерности работы торгового отдела и отдела, финансирующего затраты для служащих во всех разделах компании, отмечая, где фактические издержки превышают бюджеты.

Некоторые системы уровня управления поддерживают необычное принятие решений. Они имеют тенденцию сосредоточиться на менее структурных решениях, для которых информационные требования не всегда ясны.

Системы стратегического уровня – это инструмент помощи руководителям высшего уровня, которые подготавливают стратегические исследования и длительные тренды в фирме и в деловом окружении. Из основное назначение – приводить в соответствие изменения в условиях эксплуатации с существующей организационной возможностью.

Информационные системы могут также быть дифференцированы функциональным образом. Главные организационные функции типа продажи и маркетинга, производства, финансов, бухгалтерского учета и человеческих ресурсов обслуживаются собственными информационными системами. В больших организациях подфункции каждой из этих главных функций также имеют собственные информационные системы. Например, функция производства могла бы иметь системы для управления запасами, управления процессом, обслуживания завода, автоматизированной разработки и материального планирования требований.

Типичная организация имеет системы различных уровней: эксплуатационную, управленческую, знания и стратегическую для каждой функциональной области. Например, коммерческая функция имеет коммерческую систему на эксплуатационном уровне, чтобы делать запись ежедневных коммерческих данных и обрабатывать заказы. Система уровня знания создает соответствующие дисплеи для демонстрации изделий фирмы. Системы уровня управления отслеживают ежемесячные коммерческие данные всехт коммерческих территорий и докладывают о территориях, где продажа превышает ожидаемый уровень или падает ниже ожидаемого уровня. Система прогноза предсказывает коммерческие тренды в течение пятилетнего периода – обслуживает стратегический уровень.

Шесть главных типов систем.

Рассмотрим определенные категории систем, обслуживающих каждый организационный уровень и их значение в организации. Таблица 3 показывает определенные типы информационных систем, которые соответствуют каждому организационному уровню.

Таблица 3. Шесть главных типов информационных систем.

Типы систем

Системы стратегического уровня

Исполнительные системы (ESS)

5-летнее предсказывание продаж

5-летнее оперативное планирование

5-летнее предсказание бюджета

Планирование прибыли

Планирование личного состава

Системы управленческого уровня

Управляющие информационные системы (MIS)

Управление сбытом

Контроль инвентаря

Ежегодный бюджет

Анализ капиталовложения

Анализ перемещений

Системы поддержки принятия решений (DSS)

Коммерческий анализ региона

Планирование производства

Анализ затрат

Анализ рентабельности

Анализ стоимостей контрактов

Системы уровня знания

Системы работы знания (KWS)

АРМы проектировщика

Графические рабочие станции

Управленческие рабочие станции

Системы автоматизации делопроизводства (OAS)

Текстовые редакторы

Создание изображений

Электронные календари

Системы эксплуатационного уровня

Системы диалоговой обработки запросов (TPS)

Машинная обработка

Торговля ценными бумагами

Платежные ведомости

Вознаграждения

Отслеживание приказов

Планирование деятельности предприятий

Платежи

Обучение и развитие

Отслеживание процессов

Перемещение материалов

Регулирование денежных операций

Дебиторская задолжность

Хранение отчетов служащих

Продажа и маркетинг

Производство

Финансы

Бухгалтерия

Людские ресурсы

Организация имеет исполнительные системы поддержки выполнения – Executive Support Systems (ESS) на стратегическом уровне; управляющие информационные системы – Management Information Systems (MIS); системы поддержки принятия решений – Decision Support Systems (DSS) на управленческом уровне; системы знания – Knowledge Work Systems (KWS); системы автоматизации делопроизводства – Office Automation Systems (OAS); на уровне знаний; системы диалоговой обработки запросов – Transaction Processing Systems (TPS) на эксплуатационном уровне.

Таким образом, типичные системы в организациях служат для того, чтобы помочь служащим или менеджерам на каждом уровне – в функциях продажи и маркетинга, производства, финансов, бухгалтерского учета и человеческих ресурсов.

Таблица 4 демонстрирует особенности шести типов информационных систем.

Таблица 4. Характеристики процессов информационных систем.

Типы систем

Информационные вводы

Обработка

Информационные выводы

Пользователи

ESS

Совокупные данные: внешние, внутренние

Графика; моделирование; интерактивность

Проекции; реакции на запросы

Старшие менеджеры

DSS

Слабоформализованные данные; аналитические модели

Моделирование; анализ; интерактивность

Специальные доклады; анализ решений; реакция на запросы

Профессионалы; управляющие персоналом

MIS

Итоговые операционные данные; данные большого объема; простые модели

Обычные доклады; простые модели; простейший анализ

Резюме и возражения

Средние менеджеры

KWS

Технические данные проекта; база знаний

Моделирование; проигрывание

Модели; графика

Профессионалы; технический персонал

OAS

Документы; расписания

Документы управления; планирование; связь

Документы; графики; почта

Служащие

TPS

Транзакции; результаты

Сортировка; список; слияние; модифицирование

Детальные доклады; списки; резюме

Оперативный персонал; управляющие

Каждая система может иметь компоненты, которые используются разными организационными уровнями или одновременно несколькими. Секретарь может находить информацию относительно MIS, средний менеджер может нуждаться в данных анализа из TPS.

Внутри каждого из этих уровней принятия решений исследователи классифицируют решения как структурированные и неструктурированные. Неструктурированные решения – те, в которых принимающий решение должен обеспечить суждение, оценку и проникновение в прикладную область. Каждое из этих решений оригинально, важно, не имеет аналогов или разработанной методики для их принятия. Структурированные решения, наоборот, являются повторяемыми и обычными и имеют определенную процедуру для их принятия, чтобы они не рассматривались каждый раз, как новые. Некоторые решения слабоструктурированны; в таких случаях только часть проблемы имеет четкий ответ, обеспеченный в соответствии с принятой процедурой.

Эксплуатационный персонал управления довольно хорошо решает структурированные проблемы. Стратегические планировщики занимаются совсем не структурированными проблемами. Многие из проблем, с которыми сталкиваются работники знания, также довольно неструктурированны. Однако каждый уровень организации содержит и структурированные, и неструктурированные проблемы.

Системы диалоговой обработки запросов (TPS).

Системы диалоговой обработки запросов – основные деловые системы, которые обслуживают эксплуатационный уровень организации. Система диалоговой обработки запросов – компьютеризированная система, которая выполняет и рассчитывает рутинные транзакции, необходимые для проведения бизнеса. Примеры – коммерческие расчеты продаж, системы бронирования мест в гостинице, платежная ведомость, хранение отчетов служащих и отгрузка.

На эксплуатационном уровне задачи, ресурсы и цели предопределены и высокоформализованы. Например, решение о предоставлении кредита клиенту принимается управляющим низшего уровня согласно предопределенным критериям. Единственно, что должно быть определено – соответствует ли клиент критериям.

Системы работы знания и автоматизации делопроизводства.

Системы работы знания (KWS) и системы автоматизации делопроизводства (OAS) обслуживают информационные потребности на уровне знаний организации. Системы работы знания помогают работникам знания, в то время как системы автоматизации делопроизводства, прежде всего, помогают обработчикам данных.

Вообще, работники знания – это люди, обладающие учеными степенями, которые часто имеют такие профессии, как инженер, врач, адвокат и ученые. Их работа состоит прежде всего в создании новой информации и знания. Системы работы знания типа научных или инженерных рабочих станций (мест), а также автоматизированных рабочих мест (АРМ) способствуют созданию новых знаний и гарантируют, что новые знания и технический опыт должным образом интегрируются в бизнес.

Обработчики данных обычно имеют меньшее образование и ближе к обработке, чем к созданию информации. Они состоят прежде всего из секретарей, бухгалтеров или менеджеров, чья работа должна главным образом использовать или распространять информацию.

Системы автоматизации делопроизводства – информационные приложения технологии, разработанные, чтобы увеличить производительность труда обработчиков данных в офисе.

Управляющие информационные системы (MIS).

Управляющие информационные системы обслуживают управленческий уровень организации, обеспечивая менеджеров докладами, в некоторых случаях с интерактивным доступом к текущей работе организации и историческим отчетам. Обычно они ориентируются почти исключительно на внутренние, не относящиеся к окружающей среде результаты. MIS прежде всего обслуживают функции планирования, управления и принятия решений на управленческом уровне. MIS суммируют результаты и докладывают относительно основных действий компании.

Характеристика управляющих информационных систем.

- УИС поддерживают структурированные и слабоструктурированные решения на эксплуатационном и управленческом уровнях. Они также полезны для планирования штата главных менеджеров.

- УИС ориентированы для отчетов и контроля. Они разработаны, чтобы помогать обеспечивать текущий учет действий.

- Полагаются на существующие общие данные и потоки данных.

- Имеют немного аналитических возможностей.

- Помогают в принятии решений, используя прошлые и настоящие данные.

- Относительно негибки.

- Имеют скорее внутреннюю, чем внешнюю ориентацию.

- Информационные требования известны и устойчивы.

- Часто требуют длинного анализа и проектирования процесса.

MIS обычно обслуживают менеджеров, заинтересованных в еженедельных, ежемесячных и ежегодных результатах. Эти системы вообще негибки и имеют немного аналитических возможностей. Большинство MIS используют простую установившуюся практику типа резюме и сравнения в противоположность сложным математическим моделям и статистическим методам.

Системы поддержки принятия решений (DSS).

В 70-е годы ряд компаний начал развивать информационные системы, которые совершенно отличались от традиционных MIS-систем. Эти новые системы были меньшими, интерактивными и были разработаны с целью помочь конечным пользователям использовать данные и модели, чтобы решать слабоструктурированные и неструктурированные проблемы. В 80-е годы эти системы были использованы для групп и целых организаций.

Эти системы названы системами поддержки принятия решений (DSS). Как мы отмечали ранее, системы поддержки принятия решений помогают принятию решений управления, объединяя данные, сложные аналитические модели и удобное для пользователя программное обеспечение в единую мощную систему, которая может поддерживать слабоструктурированное и не структурированное принятие решений. DSS находятся под управлением пользователя от начала до реализации и используются ежедневно.

Основная концепция DSS – дать пользователям инструментальные средства, необходимые для анализа важных блоков данных, используя легкоуправляемые сложные модели гибким способом. DSS разработаны, чтобы предоставить возможности, а не просто, чтобы ответить на информационные потребности.

Имеется существенное различие между структурированными, неструктурированными и частично структурированными решениями. Структурированные проблемы повторяемы и обычны, для них обеспечивают решения известные алгоритмы. Неструктурированные проблемы оригинальны и необычны, для них не имеется никаких алгоритмов для решения: каждый находит свой ответ. Частично структурированные проблемы находятся между структурированными и неструктурированными проблемами. DSS разработаны, чтобы поддерживать слабоструктурированный и неструктурированный прикладной анализ.

Принятие решений включает четыре стадии: распознавание, проект, выбор и реализация. DSS предназначены, чтобы помогать проектировать, оценивать альтернативы и контролировать процесс реализации.

Ошибочно думать, что решения принимаются в больших организациях только отдельными личностями. Фактически большинство решений принимается коллективно. В большой организации принятие решений по существу групповой процесс, и DSS могут быть разработаны, чтобы облегчить принятие решений группой.

Компоненты DSS.

Рассмотрим рис. 2 и увидим, что система поддержки принятия решений имеет три основных компонента: базу данных, модель и систему программного обеспечения DSS. База данных DSS – собрание текущих или исторических данных из ряда приложений или групп, организованных для легкого доступа к областям применения. Система управления базой данных DSS защищает целостность данных при управлении, которое хранит поток данных, а также сохраняет исторические данные. DSS используют организационные данные ( из таких систем, как производство и продажа) так, чтобы личности и группы были способны принять решения, основанные на фактических данных. Данные обычно извлекаются из соответствующих баз данных и запасены специально для использования DSS. Модель – собрание математических и аналитических моделей, которые могут быть сделаны легко доступными для пользователя DSS. Модель – абстрактное представление, которое поясняет компоненты или связи явления.

Анализ моделей часто используется, чтобы предсказать продажу. Пользователь этого типа модели мог быть снабжен набором предыдущих данных, чтобы оценить будущие условия и продажу, которые могли бы следовать из этих условий. Изготовитель решения может затем изменить эти будущие условия (например, повышение затрат сырья или появление новых конкурентов на рынке), чтобы определить, как эти новые могли бы влиять на продажу. Компании часто используют это программное обеспечение, чтобы попытаться предсказывать действия конкурентов.

Среди наиболее широко используемых моделей – модели анализа чувствительности, которые задают вопросы типа "что, если?" неоднократно, чтобы определить влияние одного или большего количества факторов на результаты. Анализ "что, если?" на основе известных или принятых условий допускает, чтобы пользователь изменял некоторые значения результатов испытаний, чтобы лучше предсказывать результаты, если изменения появляются в этих значениях.

Информационные системы в маркетинговой деятельности

Рис. 2. Принципиальная схема DSS.

Что случится, если мы поднимем цену на 5 % или увеличим смету расходов на рекламу на 100000$? Что случится, если мы оставим цену и смету расходов на рекламу на прежнем уровне? В обратном направлении программное обеспечение анализа чувствительности используется для целевого поиска: если я желаю продать один миллион единиц изделия в следующем году, насколько я должен снизить цену изделия?

Третий компонент DSS – система программного обеспечения DSS, которая обеспечивает простое взаимодействие между пользователями системы, базой данных DSS и эталонным вариантом. Система программного обеспечения DSS управляет созданием, хранением и восстановлением моделей в образцовой основе и интегрирует их с данными в базе данных DSS. Система программного обеспечения DSS также обеспечивает графический, легкий в использовании, гибкий интерфейс пользователя, которые поддерживает диалог между пользователем и DSS. Пользователи DSS – обычно исполнители или менеджеры. Часто они имеют малый опыт работы с компьютером или вообще не имеют его, поэтому интерфейс должен быть дружественным.

Системы поддержки принятия решений (DSS) также обслуживают уровень управления организацией. DSS помогают менеджерам принимать решения, которые являются слабоструктурированными, уникальными или быстро изменяющимися и которые не могут быть легко указаны заранее. DSS должны быть достаточно гибкими, чтобы использоваться несколько раз в день, соответствуя изменяющимся условиям. DSS в основном используют внутреннюю информацию из TPS и MIS, но часто вводят информацию из внешних источников типа текущих цен на бирже или цен изделия конкурентов.

Ясно, что в соответствии с замыслом DSS имеют большую аналитическую мощность, чем другие системы: они построены с рядом моделей, чтобы анализировать данные. DSS построены так, чтобы пользователи могли работать с ними непосредственно; эти системы явно включают удобное для пользователя программное обеспечение. Системы DSS интерактивны; пользователь может изменять предположения и включать новые данные.

Пример интересной DSS – система, оценивающая рейсы филиала большой американской металлургической компании, которая перевозит сыпучие грузы – каменный уголь, руду и готовые продукты для материнской компании. Фирма владеет несколькими судами, фрахтует другие, чтобы доставлять общий груз. Оценивающая рейс система вычисляет финансовые и технические детали рейса. Финансовые вычисления включают затраты корабля ( топливо, рабочая сила, капитал), фрахтовые ставки для различных типов груза и издержки порта. Технические детали включают несметное число факторов типа грузоподъемности корабля, скорости, расстояний от порта, топлива, водопотребления и моделей погрузки. Система может отвечать на вопросы такого типа: при наличии графика поставки клиента и предлагаемой фрахтовой ставки какой корабль должен быть выбран для максимизации прибыли? Какова оптимальная скорость, в которой данный корабль может оптимизировать прибыль и все еще выполнять график поставки? Какова оптимальная модель погрузки для корабля, направляющегося на запад США, если он двигается из Малайзии? Система устанавливается на мощном настольном микрокомпьютере, имеет систему меню, которая делает работу простой для пользователей, позволяя легко войти в данные или получать информацию.

Системы поддержки принятия решений помогают находить ответы не только на прямой вопрос "что, если?", но и на подобные. Приведем типичные вопросы по системам поддержки решений.

1) Анализ примеров – оценка значений выходных величин для заданного набора значений входных переменных.

2) Параметрический ("что, если?") анализ – оценка поведения выходных величин при изменении значений входных переменных.

3) Анализ чувствительности – исследование поведения результирующих переменных в зависимости от изменения значений одной или нескольких входных переменных.

4) Анализ возможностей – нахождение значений входной переменной, которые обеспечивают желаемый результат (известен также под называнием "поиск целевых решений", "анализ значений целей", "управление по целям".

5) Анализ влияния – выявление для выбранной результирующей переменной всех входных переменных, влияющих на ее значение, и оценка величины изменения результирующей переменной при заданном изменении входной переменной, скажем, на 1 %.

6) Анализ данных – прямой ввод в модель ранее имевшихся данных и манипулирование ими при прогнозировании.

7) Сравнение и агрегирование – сравнение результатов двух или более прогнозов, сделанных при различных входных предположениях, или сравнение предсказанных результатов с действительными, или объединение результатов, полученных при различных прогнозах или для разных моделей.

8) Командные последовательности – возможность записывать, исполнять, сохранять для последующего использования регулярно выполняемых серий команд и сообщений.

9) Анализ риска – оценка изменения выходных переменных при случайных изменениях входных величин.

10) Оптимизация – поиск значений управляемых входных переменных, обеспечивающих наилучшее значение одной или нескольких результирующих переменных.

Исполнительные системы (ESS).

Старшие менеджеры используют класс информационных систем, зазванных исполнительными системами поддержки принятия решений (ESS), которые обслуживают стратегический уровень организации. Они ориентированны на неструктурные решения и проводят системный анализ окружающей среды лучше, чем любые прикладные и специфические системы. ESS разработаны, чтобы включить данные относительно внешних результатов типа новых налоговых законов или конкурентов, но они также выбирают суммарные данные из внутренних MIS и DSS. Они фильтруют, сжимают и выявляют критические данные, сокращая время и усилия, требуемые, чтобы получить информацию, полезную для руководителей. ESS используют наиболее продвинутое графическое программное обеспечение и могут поставлять графики и данные из многих источников немедленно в офис старшего менеджера или в зал заседаний.

В отличие от других типов информационных систем ESS не предназначены для решения определенных проблем. Вместо этого ESS обеспечивают обобщенные вычисления и передачу данных, которые могут применяться к изменяющемуся набору проблем. ESS имеют тенденцию использовать меньшее количество аналитических моделей, чем DSS.

ESS помогают найти ответы на следующие вопросы:

- В каком бизнесе мы должны быть?

- Что делают конкуренты?

- Какие новые приобретения защитили бы нас от циклических деловых колебаний?

- Какие подразделения мы должны продать, чтобы увеличить наличность?

ESS состоит из рабочих станций с меню, интерактивной графикой и возможностями связи, которым могут быть доступны исторические и конкурентоспособные данные из внутренних систем и внешних баз данных. Так как ESS разработаны, чтобы использоваться старшими менеджерами, которые часто имеют немного прямых контактов с машинными информационными системами, ESS имеют легкий в использовании интерфейс.

Связь систем друг с другом: интеграция.

Рис.. поясняет, как различные типы системы в организациях связаны друг с другом. TPS – обычно главный источник данных для других систем, в то время как ESS прежде всего получатель данных из систем низшего уровня. Другие типы систем могут также обмениваться данными друг с другом. Но сколько их может быть или как эти системы должны быть объединены? Это очень трудный вопрос. Лучше всего иметь некоторый уровень интеграции, чтобы информация могла легко перемещаться среди различных частей организации. Но интеграция стоит денег, и объединение многих различных систем чрезвычайно трудоемко. Каждая организация должна взвесить потребности в интегрирующих системах против трудностей установки крупномасштабной интегрированной системы. Не существует никакого одного правильного уровня интеграции, или централизации.

На рис. 3. связи между DSS и существующими TPS организации, KWS и MIS являются преднамеренно неопределенными. В некоторых случаях DSS тесно связаны с существующими общими информационными потоками. Однако часто DSS изолированы от главных организационных информационных систем.

DSS имеют тенденцию быть автономными

системами, разработанными для конечных

пользователей – отделов или групп не под центральным управлением, хотя, очевидно, лучше, если они объединены в организационные системы, когда это функционально требуется.

Информационные системы в маркетинговой деятельности

Рис. 3. Взаимосвязи среди информационных систем.