close

Вход

Забыли?

вход по аккаунту

?

Теория и практика автоматизации поддержки принятия решений

код для вставкиСкачать
В рамках данной монографии автором: - проведён анализ современного состояния предметной области поддержки принятия решений и обоснован вывод о необходимости доработки некоторых теоретических положений; - впервые разработано формализованное описани
Тиханычев О.В.
ТЕОРИЯ И ПРАКТИКА
АВТОМАТИЗАЦИИ ПОДДЕРЖКИ
ПРИНЯТИЯ РЕШЕНИЙ
Монография
УДК
ББК
004.896
65
Т46
Рецензенты:
1) Саяпин Олег Викторович, доктор технических наук, доцент,
ведущий научный сотрудник управления 27 Центрального научно-исследовательского института Минобороны России.
2) Лябзин Сергей Анатольевич, доктор технических наук, начальник сектора отдела бизнес-анализа
управления перспективных разработок ЗАО «Техносервъ А/С»
Тиханычев О.В.
Т46 Теория и практика автоматизации поддержки принятия решений. – М.: Эдитус, 2018. – 76 с.
ISBN 978-5-00058-814-7
В рамках данной монографии автором:
- проведён анализ современного состояния предметной области поддержки принятия решений и обоснован вывод о необходимости доработки некоторых теоретических положений;
- впервые разработано формализованное описание процесса принятия решений, отличающееся выделением «основного» и «расширенного» циклов планирования, на его основе сформированы предложения по уточнению предметной области теории поддержки
принятия решений;
- разработаны обобщённые алгоритмы автоматизированной поддержки принятия решений в различных ситуациях, соответствующих формализованному описанию этого процесса;
- впервые предложен аппарат оценки эффективности автоматизированной поддержки принятия решений в терминах и зависимостях теории автоматического управления;
- проведен анализ проблем, затрудняющих внедрение СППР в практику управления, впервые сформулированы комплексные предложения по их решению на основе использования возможностей, предоставляемых развитием информационных технологий.
Монография может быть полезна специалистам по разработке специального математического и программного обеспечения автоматизированных систем управления различного назначения.
УДК
ББК
004.896
65
Наукометрические данные автора:
ORCID 0000-0003-4759-2931,
SPIN-код в РЭНБ: 4709-0500,
ResearcherID E-7986-2016.
ISBN 978-5-00058-814-7
© Тиханычев О.В., 2018
Содержание
Введение……………….…….…………….………..................................................................
1 Проблема принятия эффективных решений
и
возможные пути
её
решения…………………………………………………..…………………..…………..
2 Ошибки, возникающие при управлении сложными системами и возможные
подходы к их парированию. Классификация СППР…………….…………...…
3 О формализации процесса принятия решений. Уточнение предметной области
СППР…………………………………………………………….………………………
4 Анализ существующих подходов к автоматизации управления и реализация
принципов автоматизированных СППР………….…………..………..…………….…
5 Некоторые проблемы внедрения в практику автоматизированных систем
поддержки принятия решений и возможные пути их решения …………………........
Заключение………...……………….……...……….…………………………….….…...
Список использованных источников……………………….…………………………..
4
6
10
22
44
52
67
69
3
Введение
Направляющая основа любой целенаправленной деятельности - принятие решений.
Человек, всю свою сознательную жизнь вынужден постоянно принимать решения. И
даже приняв решение ничего не делать, мы уже принимаем решение не принимать
решений.
Учитывая, что принятое решение, это не просто неотъемлемая составляющая цикла
управления, но и ответственность за его результаты и возникающие при его реализации
риски, обеспечить рациональность принимаемых решений пытались всегда. На
начальном этапе развития управления, преимущественно принимались решения,
основанные на личном опыте и интуиции. Несколько позже, для снижения влияния
субъективных факторов, появились методы коллективного формирования решений.
Впоследствии, с развитием науки, для облегчения управленческого труда был
разработан научный подход – создана теория принятия решений, как раздел
праксеологии, науки о рациональном поведении людей и человеческих групп. В рамках
этой науки, на основе постулатов рациональности, был разработан целый набор методов
повышения эффективности решения управленческих задач.
С углублением разделения труда управление не только было выделено в отдельную
сферу деятельности, но и стало распределённым процессом. «I’m not solver, I’m decider» –
я не решаю задачи, я принимаю решения, метко заметил один из американских
президентов. Но, для того, чтобы решения были обоснованными, кто-то всё-таки должен
решать задачи: собирать и обобщать данные, вычислять величину и направление
управляющих воздействий, прогнозировать последствия их реализации, разрабатывать
управляющие документы. И, для того, чтобы руководитель мог принять решение,
требуется кропотливый труд многих специалистов, готовящих данные для него.
Ещё один аспект развития управления определяется общей тенденцией, в
соответствии с которой, во всех областях деятельности,
человек пытался
автоматизировать свой труд, начав с простейших приспособлений и впоследствии,
переложив самые тяжелые функции на механизмы. В первую очередь это касается
физического труда, но такие попытки закономерно распространились и на
нематериальную сферу, в том числе на труд управленцев.
В сфере управления автоматизация труда выражалась в постепенном повышении
доли объективной (рациональной) составляющей в принимаемых решениях. Сначала
появились простейшие расчётные и вероятностные методики, потом средства
автоматизации вычислений, в дальнейшем средства поддержки принятия управленческих
решений становились всё сложнее и совершеннее.
Методология поддержки принятия решений непрерывно совершенствовалась по
мере развития положений теории принятия решений. Появлялись различные школы
управления: научная, классическая, поведенческая, количественная.
Но сложный математический аппарат количественного управления не мог быть
реализован в практике управления до появления средств вычислительной техники.
Лишь с началом эпохи информационной революции математические методы
обеспечения выработки управленческих решений начали постепенно внедряться в
практику управления, хотя и не без сложностей, обуславливаемых как априорной
4
неопределённостью информации, необходимой для принятия решения, так и влиянием
субъективных поведенческих факторов.
Общие вопросы совершенствования методологии поддержки принятия решений
рассмотрены автором в работе [1]. Предлагаемая работа посвящена детализации описания
процесса поддержки принятия управленческих решений и основам автоматизации этого
процесса.
5
1 Проблема принятия эффективных решений и возможные пути её
решения
Процесс управления – один из сложнейших в человеческой деятельности. С учётом
двойственности управления, содержащего объективную (рациональную) и субъективную
(иррациональную) составляющие, процесс осложняется множеством проблем самого
различного свойства. С увеличением сложности управляемых систем количество и
масштаб проблем возрастает, появляется проблема совершенствования управления,
повышения качества принимаемых решений.
Парадигма двойственности управления, определяемая эргодичностью данного
процесса, естественным образом порождает вопрос о сущности этого процесса: что это –
искусство управлять или наука о формировании рациональных управляющих
воздействий. От решения этого вопроса зависит многое: мотивация управленцев, ресурсы,
вкладываемые в совершенствование процесса и развитие его компонентов,
методологический аппарат, применяемый для оценки состояния управления и другое.
Указанная проблема осложняется наличием ряда противоречий в организации
управления: между всё возрастающей сложностью управляемых систем и ограниченной
численностью управленческого аппарата, между оперативностью процесса управления и
качеством принимаемых решений, между специализаций и интеграцией задач, решаемых
в процессе управления, между потребностью в точных методиках оценки решений и
сложностью формализации решаемых задач, между усложнением задач управления и
уровнем подготовки управляющих кадров и рядом других (рисунок 1). Указанные
факторы в комплексе образуют непрерывно углубляющееся противоречие между
существующим состоянием процесса реализации органами управления своих функций и
требуемым уровнем эффективности реализации управления. Это противоречие во
многом имеет прагматический характер и предопределяет наличие связи между
теоретическими и практическими аспектами решения проблем управления. В целом,
наличие указанного противоречия способствует формированию перманентного кризиса
управления. Особенно кризис заметен в системах государственного и военного
управления, в которых ошибки наиболее заметны и имеют наибольшую «цену». В данной
связи важным представляется выявление специфики проявления факторов, порождающих
кризис управления в структуре исследуемой предметной области. Изучение характера
влияния комплекса противоречий управления должно составить основу для
целенаправленного
развития
методологии
совершенствования
управления
организационно-техническими системами.
Масштаб кризиса управления различен на разных этапах развития общества и
зависит от различных факторов, в том числе и от отношения к управлению. Собственно
говоря, в наличии такого кризиса нет ничего страшного, перманентный кризис
управления – это объективный процесс и нормальное состояние любой системы.
Расхожее выражение «военные всегда готовятся к прошедшей войне» является выражением
частного случая этого кризиса. Любой управленец управляет системой в состоянии,
которого уже нет, том, сведения о котором были собраны до начала цикла управления.
Это нормально, и это нужно понимать, чтобы формировать подходы к снижению
ошибок управления и повышению его эффективности.
Исследователи обычно рассматривают несколько возможных подходов к
повышению эффективности управления: связанные с совершенствованием структуры
системы управления, алгоритмов управления и повышением качества компонентов
6
системы управления. Эти подходы можно разделить на две большие группы,
соответствующие ранее отмеченной двойственности процесса управления, в котором
имеется и объективная, и субъективная составляющая.
Снижение влияния субъективных факторов обеспечивается, в первую очередь, за
счёт совершенствования управленческого персонала – подбора и обучения кадров. Кроме
того, снижение влияния субъективного фактора обеспечивается и старым проверенным
методом, путём реализации коллегиальности принятия решения.
Рисунок 1. Некоторые факторы, обеспечивающие формирования кризиса
управления
Совершенствование объективных составляющих системы управления, рост
рациональной составляющей в принятии решений обеспечивается за счёт применения
специализированных математических методов и средств автоматизации этого процесса,
совершенствования алгоритмов управления, оптимизации структуры системы управления.
Структура любой системы управления, как показывает анализ является довольно
инерционной, но при этом периодически меняющейся. Как правило, структура системы
управления изменяется при структурных изменениях управляемого объекта, система
управления «подстраивается» под управляемый объект, соизмеряясь с возможностями
органов управления. Но, в соответствии с положениями теории систем, состав и
количество органов управления должны меняться не только в соответствии с изменениями
управляемых объектов, но и при появлении новых средств и подходов к управлению,
определяемых совершенствованием методов поддержки принятия решений. Последний
процесс часто происходит с запаздыванием, так как определяющим для него является
именно развитие методов и средств управления, которые не так очевидны, как изменения
в структуре управляемого объекта. Это запаздывание снижает эффективность управления,
7
поэтому должно минимизироваться параллельно развитию математических методов
повышения качества управления.
А последние непрерывно совершенствуются, так как, как показала практика,
наиболее эффективными методами реализации объективных факторов повышения качества
управления, является постоянное совершенствование научно-методического обеспечения
поддержки принятия управленческих решений, оптимизирующее рациональную
составляющую в принятии решения.
Исторически указанный подход прошел несколько этапов, обусловленных
развитием науки и техники.
На первом этапе развития математических методов решались преимущественно
оптимизационные задачи, связанные с распределение ресурсов. С началом ХХ века, в
связи с бурным развитием промышленности, глобализацией экономики и переходом к
использованию массовых армий возникла потребность в решении оптимизационных
задач большой размерности. Интенсивные теоретические исследования по этой тематике
начались в середине XX века в рамках дисциплины «Исследование операций».
На втором этапе, в связи с появлением и внедрением в практику вычислительной
техники получили развитие комплексы средств автоматизации и автоматизированные
системы управления различного целевого назначения. При их разработке большое
внимание было уделено роли человеческого фактора, что стимулировало развитие
экспертных методов и выделение из исследования операций теории принятия решений
как самостоятельной дисциплины.
Третий этап связан с бурным развитием программного обеспечения ЭВМ и
автоматизированных систем управления различного назначения, информационных
систем общего и специального назначения. В изменившихся условиях началась
разработка математического аппарата, предназначенного для анализа больших массивов
данных, в том числе неполных и слабоструктурированных. Появились методы
интеллектуального анализа данных. Развитие вычислительной техники и сетевых
технологий позволило использовать более совершенные математические методы
обработки данных, формирования вариантов действий, прогнозирования результатов
принимаемых решений. Совершенствование используемого математического аппарата, в
свою очередь, позволило снизить субъективный фактор в принятии решений, в теории
принятия решений появилось научное направление «Искусственный интеллект»,
объединяющее исследования в области человеческого мышления. Практическим
инструментом лиц, принимающих решения, стали экспертные системы и системы
поддержки принятия решений, которые объединили оптимизационные задачи,
математические модели и экспертные методы, базы данных и знаний.
В настоящее время, в связи с ростом возможностей информационных технологий,
фактически снимающим ограничения по вычислительным потребностям расчётных
процедур, развитием сетевых технологий и методов обработки больших данных,
переходом к «облачным» принципам организации информационных сервисов и
телекоммуникационных сетей, к принципам самоорганизации информационных
сообществ, можно ожидать начала четвертого этапа обеспечения поддержки принятия
решений: создание распределённых интеллектуализированных систем поддержки
принятия решений, использование «коллективного разума» и т.п.
Мировой опыт, анализ методов повышения эффективности управления по
критериям «стоимость-эффективность» показывает, что подход, основанный на
автоматизированном применении специализированных методов поддержки
принятия решений представляется самым перспективным направлением
8
повышения качества управления. Это обусловливается тем, что при этом подходе
повышается обоснованность и оперативность решений, при одновременном снижении
уровня ошибок субъективности управления.
В настоящее время существует достаточно большое количество научных методик,
позволяющих с математической точностью подтвердить выбор решения, являющегося
правильным в большинстве исходов. А вот оценить реальные возможности и принять
единственное верное решение в конкретной ситуации – это уже искусство управленца.
Теория может подсказать варианты рациональных решений. Но выбрать единственно
верное может только человек, обладающий определёнными качествами и практическим
опытом.
Таким образом, можно сделать вывод, что решение проблемы повышения качества
принимаемых решений может быть обеспечено как организационными, так и
техническими методами.
В качестве организационных мер можно выделить два основных пути повышения
качества управленческих решений:
1) изменить отношение к управлению, определив, что это научно обоснованный,
ответственный
и
трудоёмкий
процесс,
требующий
привлечения
высококвалифицированных кадров, подбора, воспитания и обучения кадров
эффективных управленцев, владеющих как теорией, так и практикой управления.
2) разработать алгоритмические и программно-технические средства поддержки
принятия решений и приучить управленцев использовать их в процессе принятия
решений.
Какой из этих двух путей может дать больший прирост эффективности управления,
в явном виде определить невозможно. В разных условиях преимущество будет иметь то
один, то другой. В любом случае, для достижения эффекта целесообразно использовать
все возможные меры, то есть и первый, и второй путь.
В данной работе рассматриваются преимущественно алгоритмические меры,
обеспечивающие повышение обоснованности принимаемых решений за счёт
обеспечения автоматизированной поддержки этого процесса.
9
2 Ошибки, возникающие при управлении сложными системами и
возможные подходы к их парированию. Классификация СППР
Типовой алгоритм управления, описывающий общий подход к организации этого
процесса, включает следующие этапы:
— целеполагание (формирование цели действий или уяснение полученной задачи);
— оценка имеющихся возможностей и внешних условий;
— принятие решения, выработка плана действий;
— формирование и выдача исполнителям управляющих воздействий;
— контроль подготовки и выполнения задач.
Выбор цели действий (этап целеполагания) обычно возлагается на человека и, в
связи с его неформализованностью, математическими методами и техническими
средствами практически не поддерживается. А вот при оценке достижимости цели и
выработке управляющих воздействий, возможным и необходимым становится
использование специализированных средств и методов поддержки принятия решений.
При этом степень использования и возможности этих средств и методов могут быть
различными: от несложных частных математических методик до автоматизированных
систем поддержки принятия решений.
Чтобы разрабатывать подобные системы и вырабатывать требования к ним,
необходимо оперировать формализованным описанием процесса управления. При
формализации процесса следует учесть, что по целевому назначению система управления
предназначена для управления сложными объектами, функционирующими в условиях
внешней среды в окружении взаимодействующих или конкурирующих систем (рисунок
2). Объект управления обладает определённой структурой и параметрами, часть из
которых может изменяться при управлении (управляемые параметры).
Рисунок 2. Условия функционирования управляемой системы
10
Для формализованного описания системы управления, управляемая система, как
правило, представляется в форме векторов, описанных в фазовых координатах состояния
[2].
Под вектором состояния системы понимается семейство множеств вида:
С = {{cк}{су}{сс}},
где С — семейство множеств, описывающих текущее состояние системы;
ск — множество параметров состояний, соответствующих контрольным
параметрам вектора целей управления (параметрам, приводящим управляемую систему к
цели);
су — множество управляемых параметров;
сс — множество свободных параметров.
Вектор состояния постоянно меняется по времени и всегда определяется с
некоторой ошибкой, порождающей неопределённость для лица, принимающего
решения. В результате возникает ошибка управления, которая тоже является векторной
величиной.
Вектор ошибки управления — это вектор, описывающий отклонение реального
процесса, отображаемого вектором состояния контрольных параметров, от вектора целей
управления.
В рамках принятых определений, процесс управления понимается как
последовательность формирования управляющих решений с параметрами су,
обеспечивающими вывод системы в состояние ск к установленному времени и с
приемлемыми затратами.
Задачей системы управления является формирование управляющих параметров,
реализация которых приведёт управляемый объект в требуемую точку фазового
пространства, то есть обеспечит достижение цели. При этом, кроме воздействия на
управляемую систему, для достижения цели возможна реализация опосредованного
управления другими (взаимодействующими) системами и даже внешней средой.
С учётом вышесказанного, при составлении формализованного описания системы
управления необходимо учесть: каким бы качественным не было управление, в этом
процессе всегда будут присутствовать ошибки, определяемые объективными и
субъективными факторами.
Рисунок 3. Схема формирования ошибки управления
11
В подавляющем большинстве случаев, управляемая система (рисунок 3), которая
должна была из состояния 1 прийти в состояние 2, на самом деле окажется в состоянии 3.
А взаимодействующая (конкурирующая) система или прогнозируемые параметры
внешней среды, изначально находящиеся в точке 1’, окажутся не в ожидаемом
состоянии 2, а в точке 4. В результате возникает ошибка у, являющаяся векторной суммой
ошибки отработки управляющих воздействий о и ошибки прогнозирования поведения
взаимодействующих, конкурирующих систем и параметров внешней среды п, то есть
ошибки планирования.
Возникает задача снижения ошибки управления, то есть поиска путей снижения
воздействия влияющих на формирование этой ошибки факторов. Для оценки влияния
тех или иных факторов на поведение сложной системы, исследовать в натуре которую
проблематично, принято использовать методы математического моделирования.
Например, неформализованную по своей сущности систему, схема которой приведена на
рисунке 2, можно описать в терминах теории автоматического управления,
математический аппарат которой хорошо известен и апробирован [3,4,5]. В рамках
предлагаемого подхода, описанная на рисунке структура может быть представлена в виде
модели динамической системы управления, реализуемой как набор передаточных звеньев
(рисунок 4).
Рисунок 4. Вариант формализации структуры системы управления
На рисунке: g(t) – функция цели (задачи);
f(t) – функция возмущающих воздействий, помехи;
u(t) – управляющие воздействия;
x(t) – параметры обратной связи (измерение результата управления).
В терминах теории автоматического управления такая система представляет
типичный случай нелинейного контура управления с обратной связью. Для обеспечения
анализа, указанная система с некоторой степенью допущения может быть описана
связанным набором интегрирующих, дифференцирующих и апериодичных звеньев со
своими передаточными функциями Wj(p). В терминах АСУ эти звенья могут быть
охарактеризованы как (рисунок 5): комплексы средств автоматизации и должностные лица
органов управления (менеджеры) с функционалом формирования управляющих
воздействий WОУ(p); органы и средства оценки текущего состояния WОС(p);
исполнительные органы управляемого объекта WУО(p) и средства сбора данных о
состоянии управляемых объектов WСД(p).
12
Рисунок 5. Вариант представления компонентов системы управления в виде системы
передаточных звеньев
В теории управления передаточная функция непрерывной системы W(p)
представляет собой отношение преобразования Лапласа выходного сигнала y(p) к
преобразованию Лапласа входного сигнала g(p) при нулевых начальных условиях. Обычно
такая зависимость описывается системой дифференциальных уравнений или матрицей
коэффициентов и позволяет получить изображение выходного сигнала системы по
известному изображению ее входного сигнала:
y(t )  W ( p) g (t ) .
Передаточная функция W(p) позволяет охарактеризовать все свойства исследуемой
системы в стационарном и переходном режимах: устойчивость, чувствительность, степень
астатизма, частотные и амплитудные характеристики. Передаточная функция системы в
целом формируется из передаточных функций отдельных звеньев по определённым
правилам.
Но, как показывает практика, передаточная функция системы в целом не всегда
удобна при анализе особенностей функционирования её отдельных компонентов.
Рисунок 6. Структура разомкнутой части системы «органы управления – среда –
управляемый объект»
13
С точки зрения анализа функционирования автоматизируемых органов управления,
более удобной является передаточная функция разомкнутой системы, включающей
только компоненты органов управления и обратной связи. Она вполне обеспечивает
оценку управляемости системы в целом, за исключением оценки её устойчивости, чем при
анализе АСППР можно пренебречь. Для рассматриваемой системы структура
разомкнутого контура, включающего только компоненты органов управления, приведена
на рисунке 6. При формировании этой структуры, для упрощения исследования
функционирования именно компонентов системы управления, система сбора данных о
состоянии управляемого объекта принимается идеально функционирующей, то есть со
значением функции WСД(p) близким к единице.
Подсистему формирования управляющих воздействий в данной системе
предлагается описывать в виде интегрирующего звена с запаздыванием, передаточная
функция которого выглядит как W ( p) 
k
. Подсистема оценки текущего состояния
p(1  T1 p)
управляемой системы и внешней среды описывается дифференцирующим звеном с
запаздыванием с передаточной функцией:
kp
,
W ( p) 
1  T2 p
где
k – коэффициент передачи;
р – оператор дифференцирования p  d ;
dt
T1 и Т2 – постоянные времени.
Суммарная передаточная функция разомкнутой системы, описанной на рисунке 6,
выглядит следующим образом:
k
kp k ( p3T1  p 2  pT2 ) k ( p 2T1  pT2 )
W ( p) 



.
p(1  T1 p) 1  T2 p p(1  T1 p)(1  T2 p) (1  pT1 )(1  pT2)
Приведённая формула позволяет провести оценку путей повышения
эффективности управления по любому из известных критериев устойчивости систем:
Гурвица, Михайлова, Найквиста. Наиболее простой пример – использование критерия
Гурвица, эффективного для систем небольшой размерности. Для его использования
формируется характеристическое уравнение вида:
A = p2T1T2 + p(T1 + T2) + k = 0.
По данному уравнению строится матрица Гурвица, вычисляются её определители.
Далее, исходя из условия, что для обеспечения устойчивости системы все определители
данной матрицы должны быть больше нуля, формируются соотношения времени T1 и Т2,
обеспечивающие устойчивое функционирование системы в стационарном режиме. Аналогичным
образом могут быть рассчитаны параметры качества управления и на переходных режимах.
Для обеспечения этих параметров, в теории автоматического управления
рассматриваются различные методы повышения точности систем автоматического
управления: увеличение коэффициента передачи разомкнутой системы, повышение
порядка астатизма системы и применение управления по производным от ошибки.
Последние два способа обычно применяются в системах автоматического управления
техническими средствами. В человеко-машинных системах такие способы повышения
качества управления не реализуются, поэтому говоря о повышении точности управления,
14
будем рассматривать именно повышение коэффициента передачи k, а также изменение
параметров времени Тi, которые, в связи с наличием в составе системы
неавтоматизированных элементов можно считать изменяющимися.
Разумеется, конкретные численные значения величин k и Тi могут быть определены
только при наличии точных характеристик конкретной системы. Но общие тенденции
влияния характеристик передаточной функции на качество управления можно оценить и
по символьным зависимостям.
В полученной формуле физический смысл передаточного коэффициента k − это
показатель качества управления системой, учитывающий как ошибки в планировании
применения управляемой системы, так и ошибки искажения при передаче сигналов
управления.
Ошибка искажения команд включает потери сигналов, их несанкционированную
модификацию при передаче и задержку времени их доведения. Данные ошибки являются
критичными, в большей степени, для высокодинамичных систем. Для сложных
организационно-технических систем, инертность которых несоизмеримо выше времени
передачи команд эти ошибки легко устраняются технологическими методами: путём
совершенствования алгоритмов и повышения характеристик средств передачи
информации.
Ошибки в планировании определяются тем, что менеджеры органа управления по
своей сути являются посредниками между ЛПР и управляемой системой, именно через
них общие намерения ЛПР превращаются в детальные управляющие воздействия и
любое их непонимание, неточность в интерпретации или расчётах добавляются в общую
ошибку реализации замысла. Уровень соответствия спланированного воздействия
замыслу ЛПР определяется соответствующей составляющей коэффициента передачи k.
Смысл времени Т1 в этой формуле – задержка на выработку решения, то есть
суммарное время от поступления команды на начало планирования действий до выдачи
команд исполнительным органам управляемой системы. Соответственно, время Т2 –
продолжительность цикла сбора информации о состоянии управляемого объекта, то есть
оперативность обратной связи.
Соотношение требований к показателям T1, Т2 и k в разных системах может быть
различным. В ряде случаев для функционирования систем фактор времени является
решающим и лучше получить рациональное решение сразу, чем оптимальное через
некоторое время. А вот фактор качества решения важен в управлении всегда: неверные
решения не нужны, как бы быстро они не принимались.
Для оцениваемой разомкнутой системы, моделирующей функционирование
автоматизированной системы управления, в идеале передаточная функция должна
стремиться к единице. Выполнение этой задачи обеспечивает как уменьшение времени Т1
и Т2, так и увеличение коэффициента k.
Проведённый
анализ
позволяет
сформулировать
ряд
мероприятий,
обеспечивающих как совместное улучшение показателей передаточной функции, так и
оптимизацию по одному из них для распределённых автоматизированных систем. Так,
повышение скорости циркуляции в системе и автоматизация формирования
управляющих документов уменьшает время сбора данных о состоянии Т2 и время на
выработку решений Т1. Повышение уровня обученности персонала и организация
автоматизированной поддержки принятия решений обеспечивают и повышение k и
снижение времени Т. Впрочем, запас человеческих возможностей ограничен, а
возможностей автоматизации практически нет. Поэтому повышение значения
15
коэффициента передачи k за счёт применения технологий автоматизации принятия
решений представляется предпочтительнее.
Увеличение коэффициента передачи k благоприятно сказывается в смысле
уменьшения ошибок практически во всех режимах использования любой системы [3, 4].
Это вытекает, в частности, из того, что он входит в качестве делителя во все
коэффициенты ошибок [5]. Более того, анализ коэффициентов при составляющих
формулы передаточной функции W(p) модели исследуемой системы управления
показывает, что подход к повышению качества управления за счёт увеличения
коэффициента k влияет на рост качества передачи сигнала, в нашем случае на качество
управления, намного сильнее, чем сокращение времени.
Разумеется, описанная на рисунке 5 система является вложенной и многоуровневой
и, на самом деле, её модель выглядит сложнее. Степень вложенности определяется
рассматриваемым уровнем управления. Но сложность системы не влияет на предлагаемый
подход к оценке качества управления, так как она не меняет принцип описания системы
Таким образом, анализ передаточной функции системы, моделирующей управление
сложными социально-техническими системами, показал, что основным способом
повышения эффективности управления является повышение именно адекватности
вырабатываемых органами управления решений, то есть уменьшение ошибки
планирования.
Ошибка планирования в общем случае включает следующие основные
составляющие:
— ошибки расчётов и моделирования, возникающие из-за неполноты и
погрешности обработки исходных данных;
— ошибки формализованного представления управляемой системы и выбора
математического аппарата её описания;
— ошибки при выработке значений управляемых параметров;
— ошибки в прогнозировании поведения управляемой, взаимодействующих и
конкурирующих систем, состояния внешней среды;
— ошибки интерпретации результатов расчётов и прогнозирования.
Применяемые до настоящего времени логико-аналитические методы и средства
расчётно-информационной поддержки принятия решений позволяют компенсировать
влияние только части этих ошибок. Причём каждый конкретный метод или задача, как
правило, компенсирует только одну из составляющих суммарной ошибки управления.
Для обеспечения комплексного парирования ошибки планирования при
управлении сложными пространственно-распределёнными системами нужны
средства, вырабатывающие согласованные рекомендации по формированию
управляющих параметров на основе комплексного анализа условий обстановки.
Возникает вопрос, система какого типа сможет обеспечить решение такой задачи?
Тип и структуру такой системы определяют решаемые ею задачи. Практика
показывает, что весь спектр типов задач, решаемых при принятии управленческих
решений, лежит в пределах от сильно структурируемых (повторяющихся и рутинных, с
заранее выработанной стандартной процедурой, детально описывающей алгоритм
получения решения) до неструктурируемых, для которых описание процесса решения (то
есть алгоритмическое специфицирование) невозможно.
Большую группу в совокупности этих задач составляют слабоструктурируемые
задачи, решение которых связано с наличием количественных и качественных
переменных, причем зачастую качественные аспекты решения доминируют. Принятие
эффективных решений в таких условиях требует использования специализированных
16
математических методов. Данное обстоятельство порождает необходимость создания
программно-технических систем, основанных как на традиционных методах
алгоритмической обработки данных, так и на методах создания и использования баз
знаний. Наиболее эффективной методологией построения программных систем для
решения таких задач является использование технологий, связанных с применением
экспертных систем (ЭС) и систем поддержки принятия решений (СППР).
ЭС и СППР в той или иной степени основаны на использовании знаний экспертов.
ЭС относятся к числу интеллектуальных вычислительных систем и являются
практической реализацией методов и идей искусственного интеллекта. Они
предназначены для моделирования или имитации поведения опытных специалистов при
решении задач по какому-либо узкому вопросу в определенной предметной области. ЭС
призваны оказывать помощь специалистам, когда их собственных знаний, опыта и
интуиции недостаточно для самостоятельного решения возникающих проблем. Такие
системы представляют собой программно-технические средства, решающие задачи
примерно так же, как решает их эксперт в реальной обстановке. Это позволяет
накапливать, систематизировать и использовать знания и профессиональный опыт тех
экспертов, которые выполняют конкретные задачи наилучшим образом, и в первую
очередь в тех областях, где задачи и их решения слабо формализованы или совсем не
формализованы.
Второй тип систем аналогичного назначения — СППР — предназначен для
оказания помощи пользователям (работникам управленческого персонала, аналитикам,
лицам, ответственным за принятие решений на различных уровнях) в неструктурируемых
или слабо структурируемых ситуациях выбора.
Такие системы выступают в роли помощника, который позволяет расширить
способности человека, но не заменяет его. СППР предназначены для использования в
ситуациях, когда процесс принятия решений ввиду необходимости учета субъективного
мнения не может быть полностью формализован и реализован на ЭВМ.
ЭС и СППР как конкретные программные продукты в ряде случаев могут внешне
выглядеть одинаково. Однако они имеют существенное различие в своей целевой
направленности. СППР призваны помочь человеку в решении стоящей перед ним
проблемы, а ЭС — заменить человека при решении частной задачи.
Но у ЭС, по сравнению с СППР имеется один существенный недостаток –
они обеспечивают выработку решений только в ситуациях, которые встречались
ранее, описаны экспертами и занесены в базу знаний. В нетипичных условиях
теоретически возможна ситуация, когда ЭС не сможет сформировать решение, оставив
ЛПР один на один с проблемой. Исходя из этого, в большинстве сложных
организационно-технических систем, например, в системах государственного и военного
управления, подразумевающих высокую цену ошибки и личную ответственность за
принимаемые решения, предпочтительным является использование СППР.
Наиболее широкой сферой практического применения СППР является
планирование применения и оперативное управление применением сложных социальнотехнических систем.
Сам термин «системы поддержки принятия решений» появился в начале 70-х годов
прошлого века. За это время сформировано множество различных вариантов
определений таких систем. Большое количество различных трактовок определений
СППР возникло, как представляется, за счёт акцентирования разными специалистами на
различных аспектах обеспечения принятия решений. Существующие подходы к
определению СППР отражают точки зрения представителей различных дисциплин и
17
научных школ. Так, СППР может определяться как «основанная на использовании
моделей совокупность процедур по обработке данных и суждений, помогающих
руководителю в принятии решений». В некоторых источниках предлагается
рассматривать СППР в качестве «интерактивных автоматизированных систем, которые
помогают лицам, принимающим решения, использовать данные и модели, чтобы решать
неструктурированные проблемы». СППР может определяться как «компьютерная
информационная система, используемая для поддержки различных видов деятельности
при принятии решений в ситуациях, где невозможно или нежелательно иметь
автоматическую систему, которая полностью выполняет весь процесс решения». Но всё
же, большинство определений СППР отражают мнение, что данные системы
предназначены
для
получения
объективно
обоснованных
решений
слабоструктурированных проблем.
В процессе развития информационных технологий и теоретической базы принятия
решений возникла необходимость в субъективных, экспертных моделях, обеспечивающих
деятельность ЛПР, а также необходимость в учете знаний экспертов и принимаемых ранее
решений. В структуре СППР появился компонент «база знаний», а в основе их работы –
алгоритмы с использованием методов искусственного интеллекта, обеспечивающие
самостоятельную организацию процесса поиска решения, и такие системы стали называть
«интеллектуализированными» (ИСППР).
В отечественных источниках наиболее часто можно встретить ссылки на следующие
определения СППР [6, 7, 8, 9, 10, 11]:
1. Системы поддержки принятия решений являются человеко-машинными
объектами, которые позволяют лицам, принимающим решения (ЛПР), использовать
данные, знания, объективные и субъективные модели для анализа и решения
слабоструктурированных и неструктурированных проблем. К слабоструктурированным
относятся задачи, которые содержат как количественные, так и качественные переменные,
причём качественные аспекты проблемы доминируют. Неструктурированные проблемы
имеют лишь качественное описание.
2. СППР — это интерактивные автоматизированные системы, помогающие лицу,
принимающему решения, использовать данные и модели для решения
слабоструктурированных проблем.
3. СППР — это интерактивная автоматизированная система, которая помогает
пользователю (ЛПР) использовать данные и модели для идентификации и решения задач
и принятия решений. Система должна обладать возможностью работать с
интерактивными запросами с достаточно простым для изучения языком запросов.
4. Система поддержки принятия решений — это компьютерная система,
позволяющая ЛПР сочетать собственные субъективные предпочтения с компьютерным
анализом ситуации при выработке рекомендаций в процессе принятия решения.
5. СППР — компьютерная информационная система, используемая для различных
видов деятельности при принятии решений в ситуациях, где невозможно или
нежелательно иметь автоматическую систему, полностью выполняющую весь процесс
решения.
Анализ показывает, что все эти дополнения не противоречат современным взглядам
на СППР, а скорее дополняют друг друга по тем или иным аспектам.
В зарубежных источниках одно время применялся английский эквивалент
определения СППР —«Decision Support System» (DSS). Современный общепринятый
английский эквивалент понятия СППР —«Decision-Making Support System» (DMSS).
18
Несмотря на полную идентичность русского названия, по сути, речь идет о
различных сторонах систем одинаковой направленности, а именно: в варианте DMSS под
поддержкой принятия решений понимался инструментарий выработки рекомендаций для
лица, принимающего решение, а понятие DSS означает инструментарий подготовки
данных для лица, принимающего решение.
Оба инструментария призваны обеспечивать процесс принятия решений. Однако
система типа DMSS сосредоточена на формировании набора альтернатив с целью
выбора лучшей, DSS — на подготовке данных для последующего анализа с целью
принятия решения. Фактически второй инструментарий не предполагает выдачу
рекомендаций. Он выдает только данные, а процесс формирования альтернатив, их
сравнения и выбора лучшей остается за ЛПР. Инструментарий DMSS предполагает, что,
во-первых, вся информация, необходимая для выдачи рекомендаций, должна быть
собрана, во-вторых, она должна быть оформлена в виде модели выбора: «альтернативы +
критерии + оценки». Поэтому можно сделать вывод, что инструментарий DSS, по сути,
обеспечивает подготовительный этап поддержки принятия решений в классическом
понимании, поскольку он только готовит данные, но не преобразует их в форму
описанной модели выбора. Исходя из этого, для инструментария DSS логичнее
использовать название «система подготовки данных для принятия решения», или
«информационная СППР».
В современных зарубежных источниках встречаются следующие варианты
определения понятия СППР.
1. В глоссарии по DWH, OLAP, XML информационная система поддержки
принятия решений (Decision Support Systems, DSS) определяется как [12] «программное
обеспечение, поддерживающее формирование отчетов по исключениям, стоп-сигналам,
стандартным хранилищам, анализу данных и анализу, основанному на системе правил.
База данных, созданная для формирования незапланированных запросов конечным
пользователем».
2. В других зарубежных источниках можно найти следующие определения DMSS:
— «interactive computer-based systems that help decision makers utilize data and models to solve
unstructured problems» (англ.) — диалоговые автоматизированные системы, помогающие ЛПР
использовать данные и модели для решения неструктурированных проблем [13];
— «a computer-based system for identifying, collecting, analyzing and reporting those measures and data
which are critical in making effective management decisions and plan» (англ.) — автоматизированная
система для идентификации, сбора, анализа и обобщения данных, которые являются
критичными для принятия эффективных управленческих решений и разработки планов
[13].
Анализ всех рассмотренных определений, как из зарубежных, так и из
отечественных источников, позволяет сделать вывод, что система, относящаяся к СППР,
должна обладать следующими обязательными характеристиками:
1) СППР используют и данные (знания), и математические модели (задачи) по
оптимальным алгоритмам в автоматизированном режиме;
2) СППР предназначены для помощи ЛПР в принятии решений для
слабоструктурированных и неструктурированных задач;
3) СППР поддерживают, а не заменяют выработку решений ЛПР;
4) цель СППР — повышение эффективности принимаемых решений за счёт
применения информационных технологий, эффективных математических методов и
алгоритмов обработки информации.
19
В любом случае человеко-машинная процедура принятия решений с помощью
СППР представляет собой циклический процесс взаимодействия человека и программноаппаратного комплекса. Цикл состоит из фазы формирования и постановки задачи для
программы, выполняемой ЛПР, фазы сбора и анализа информации, фазы оптимизации
(поиска решения и выполнения его характеристик), реализуемой программой, и фазы
принятия решения по выбору сформированных вариантов действий (альтернатив), вновь
возлагаемой на ЛПР.
Обобщенная структура СППР, реализующая данный подход [14], приведена на
рисунке 7.
Анализ состояния предметной области показывает, что, несмотря на длительное
существование рассматриваемой проблемы, до настоящего времени ни в одном
нормативном документе не имеется определения СППР, документами различной степени
официальности определяются только отдельные компоненты подобных систем.
Впрочем, для СППР отсутствует не только единое общепринятое определение, но и
исчерпывающая классификация. Разные специалисты и научные школы предлагают
разные подходы к классификации таких систем.
Рисунок 7. Укрупнённое описание структуры СППР
На уровне пользователя СППР могут разделяться на пассивные, активные и
кооперирующие. Пассивной СППР (passive DMSS, DSS) называется система, которая
помогает процессу принятия решения, но не формирует предложения, какое конкретно
решение принять. Такие СППР иногда называют «системы информационной поддержки
принятия решений». Благодаря простоте реализации это в настоящее время наиболее
распространённый тип СППР. Применение активной СППР (active DMSS) позволяет
сформировать набор альтернатив поведения и обосновать, какое из множества
сформированных решений следует выбрать по тем или иным критериям. Кооперативная
(или диалоговая) СППР позволяет пользователю изменять, пополнять или улучшать
решения, предлагаемые системой, возвращая эти изменения в СППР для проверки.
Система изменяет, пополняет или улучшает эти решения и возвращает их пользователю.
Процесс продолжается до получения согласованного решения. Два последних типа
достаточно сложны с точки зрения математического аппарата и программной реализации,
но гораздо более эффективны, чем пассивные СППР.
20
На концептуальном уровне СППР различаются по признаку управляющих
воздействий: СППР, управляемые сообщениями (Communication-Driven DMSS); СППР,
управляемые данными (Data-Driven DMSS); СППР, управляемые документами (DocumentDriven DMSS); СППР, управляемые знаниями (Knowledge-Driven DMSS); СППР, управляемые
моделями (Model-Driven DMSS).
На техническом уровне выделяют СППР предприятия (корпоративную) и
настольную (личную) СППР. Корпоративная СППР (Enterprise Resource Planning System)
оперирует информацией, накапливающейся в больших хранилищах (базах) данных и
обслуживает группу пользователей. Настольная СППР (Personal Information Systems) — это
малая система, обслуживающая автоматизированное рабочее место единственного
пользователя.
В зависимости от данных, с которыми эти системы работают, СППР условно делят
на оперативные и стратегические. Оперативные или управляющие СППР (Executive
Information Systems) предназначены для немедленного реагирования на изменения текущей
ситуации в управлении объектами. Стратегические (планирующие) СППР (Customer
Synchronized Resource Planning) ориентированы на детальный анализ значительных объемов
разнородной информации, собираемой из различных источников, и выработку
перспективных управляющих решений. Справедливости ради стоить отметить, что
«управляющие СППР» не совсем системы поддержки принятия решений в классическом
понимании: это скорее системы поддержки принятия и обеспечения реализации решений. Но, так
как таких систем в классификации отдельно не существует, а в практике управления они
применяются, их относят к разновидности СППР.
С точки зрения конструктивных особенностей, СППР иногда разделяют на
целевые, настраиваемые и собираемые. Первые имеют жесткую структуру и обеспечивают
решение конкретной задачи, определённой при их создании. Последние два типа
обеспечивают решение широкого спектра задач за счёт их настройки или сборки из
готовых компонентов под текущую задачу пользователя. Впрочем, последняя
классификация скорее относится к технологиям создания СППР, а не к характеристикам
самих систем.
Существуют и другие подходы, основанные на выделении несколько иных
признаков классификации: по типу пользователя и используемым технологиям, типу
интерфейса, методам формирования и оценки альтернатив [107]. Но в связи с тем, что
они основаны на тех же классификационных подходах, принципиального различия они
не содержат.
Впрочем, несмотря на отсутствие официального определения СППР, работы в этой
области активно ведутся, и наиболее часто в научной литературе применяется
определение,
предложенное
отечественными
учеными
О. И. Ларичевым
и
А. Б. Петровским [14, 15]: «СППР — это человеко-машинная система, которая помогает
пользователю, используя данные, математические модели (методы) и знания, проанализировать
возможные варианты решения слабоструктурированных и неструктурированных проблем и найти
наилучшее или допустимое решение».
Это определение верно отражает суть СППР, но является слишком широким и
позволяет отнести к СППР практически любую автоматизированную систему управления.
Методологическую проблему описания предметной области усугубляют неточности,
дублирование и избыточность существующей классификации систем поддержки
принятия решений.
Предлагается устранить эти недостатки в ходе формализации описания
математического аппарата, используемого в СППР.
21
3 О формализации процесса принятия решений. Уточнение
предметной области СППР
В предыдущей главе работы проведен анализ современных взглядов на
классификацию СППР. Анализ показал отсутствие единого подхода к описанию
предметной области. Казалось бы, указанное обстоятельство является не слишком
критичным для разработки и применения СППР, но анализ показывает, что это не совсем
так. На практике указанная проблема, с одной стороны, затрудняет работу по созданию
СППР, с другой — отсутствие нормативно-правовой базы открывает простор для
деятельности недобросовестных разработчиков. Наиболее яркий пример вольной
трактовки определения СППР — создание и представление заказчику отдельного,
наиболее «зрелищного» компонента СППР, например, блока анализа или расчётномоделирующего блока без системы сбора и анализа данных, без разработки протоколов
обмена данными с внешними системами сбора информации. При этом разработчик
может заявлять, что необходимыми данными его «систему» должны обеспечивать некие
внешние средства, не входящие в состав разработанной «СППР», а их сопряжение с
компонентами системы – не его задача. Для заказчика системы ситуация напоминает сцену
из фильма «Начальник Чукотки», где хитрые американские торговцы продавали наивным
чукчам трубу для прослушивания музыки отдельно от граммофона. При всей комичности,
такая ситуация встречается в ходе разработки СППР, и именно из-за неопределённости в
предметной области. Есть и другие проблемы, связанные с отсутствием единых
узаконенных взглядов на предметную область СППР.
Итог такого положения – формирование негативного отношения заказчиков к
СППР и дискредитация самой идеи автоматизированной поддержки принятия решений.
Для нормализации ситуации возникает насущная необходимость уточнения понятийного
аппарата проблемы, обеспечение единых взглядов и подходов к созданию СППР.
С учётом этого представляется целесообразным уточнить классификацию СППР, в
первую очередь в части её сужения до разумных пределов и одновременно определиться с
тем, какие именно автоматизированные системы можно отнести к классу СППР.
Начнём с того, что существующая классификация во многом избыточна и
отражает взгляды тех или иных групп специалистов на проблему поддержки
принятия решений, не рассматривая систему в целом.
Примером этого утверждения может служить деление СППР на персональные
(настольные) и коллективные (предприятия). Например, автомобильный навигатор по
этому определению относится к типичной персональной СППР. Но даже такая
упрощённая система работает на основе карт местности и базы дорожной сети,
создаваемых и поддерживаемых в актуальном состоянии целым штатом сотрудников
разной специализации. И это ещё не всё. Для успешной работы навигатора нужна
спутниковая группировка и наземная инфраструктура её обслуживания. В совокупности
это огромная человеко-машинная система. И отличие такой системы от коллективных
СППР — только в регламенте сбора информации и её представления конечному
пользователю. Более того, с точки зрения теории поддержки принятия решений, любая
СППР является персональной, так как, какое бы количество персонала не работало с
системой, конечное решение принимает единственный человек – ЛПР, на которого вся
система и работает.
Другой классификационный подход: деление СППР на пассивные и активные по
типу управляющих воздействий, также не слишком информативен, он логично
поглощается делением систем по степени автоматизации процесса принятия решений.
22
Деление СППР относительно «уровня пользователя», понятия, являющегося прямым
переводом англоязычного выражения «at the user level» на активные, пассивные и
кооперирующие с выделением «интеллектуализированных» или «экспертных» СППР
также является некорректным, так как совмещает в одном кластере структурные и
функциональные признаки систем.
Несколько более логичным, на первый взгляд, представляется разделение
относительно регламента использования СППР на планирующие (стратегические) и
управляющие (оперативные) системы. Считается, что первые служат для
заблаговременной разработки планов действий, вторые — для поддержки решений на
этапе управления системой. Но и это деление, по сути, является условным. Во-первых,
оперативность решений – это в существенной степени условный показатель,
определяемый скорее параметрами управляемой системы, чем самой СППР. Во-вторых, и
планирующие, и управляющие СППР состоят из аналогичных компонентов. Различие
только в порядке применения отдельных компонентов на разных этапах работы и степени
достоверности используемой информации. Например, для планирующей СППР
основными являются средства прогнозирования и обработки неполной информации, а
для управляющей — средства мониторинга и оперативной оценки рисков, использующие
преимущественно объективную информацию. А оперативность формирования
вариантов решений для современной ЭВТ практически всегда выше, чем требуется для
управления динамическими системами. Примером может служить уже упоминавшийся
автомобильный навигатор: он успевает сформировать оптимальный маршрут практически
с началом движения автомобиля и динамически перестраивает его при изменении
условий движения, выполняя те же расчётные операции, что и при планировании. Как
отнести его к конкретному классу планирующих или оперативных СППР?
Ситуацию осложняет то, что существующая классификация ориентируется на
процесс создания некоторой автономной АСППР с «нуля». В то же время практика
показывает, что СППР целесообразнее создавать на базе существующих АСУ,
разрабатывая лишь необходимый минимум дополнительных компонентов, а имеющиеся
выстраивая по принципу организации автоматизированной поддержки принятия
решений. Это позволяет использовать уже имеющиеся заделы, в первую очередь в части
сбора и обработки разнородной информации.
Таким образом, анализ состояния предметной области показывает, что
существующее классификационное деление только вводит пользователя в
заблуждение, нисколько не способствуя созданию эффективных СППР.
Для исправления ситуации предлагается принять в качестве основного
классификационное разделение СППР только по степени задействования человека
в работе системы, то есть уровню автоматизации пользовательских функций,
реализуемых в процессе принятия решений. Остальные характеристики СППР,
предлагаемые специалистами, либо уже входят в выбранный признак, либо опираются на
несущественные с точки зрения поддержки принятия решений показатели и могут
использоваться как дополнительные.
Предлагается более детально рассмотреть классификацию, основанную на учёте
уровня автоматизации функций пользователей СППР.
По данному признаку автоматизированные СППР естественным образом,
совпадающим с историческими этапами развития автоматизации управления, можно
разделить на:
— информационные;
— расчётно-информационные;
23
— интеллектуализированные.
Данная классификация самодостаточна, она в полной мере позволяет описать
любую автоматизированную СППР: с точки зрения регламента общения с пользователем,
реализуемого математического аппарата, технологии использования и т.п.
Информационные СППР в такой классификации предполагают наличие средств
автоматизации сбора, первичной обработки и наглядного представления информации для
обеспечения ЛПР максимально полными данными о текущей обстановке,
обеспечивающими принятие им адекватных этой обстановке решений. Само же принятие
решения и оценка последствий его реализации возлагаются на человека. Такая система
служит своеобразным «усилителем» возможностей ЛПР, не устраняя его субъективного
влияния на процесс управления. С точки зрения технологий автоматизации управления,
такой классификации отвечает достаточно широкий спектр реализующих поддержку
принятия решений автоматизированных систем: от командно-сигнальных систем
автоматизированного управления до полнофункциональных информационных систем
отображения обстановки. По западной классификации такие системы относятся к
уровням «С2» (Command and Control), «С2+» или «С3» в зависимости от функционала, а
реализованные в них компоненты поддержки принятия решений – к классу DSS.
В расчётно-информационных СППР, кроме средств сбора и обработки
информации, предполагается иметь набор связанных между собой по входным, выходным
данным и алгоритму работы моделей и расчётных задач, обеспечивающих формирование
управляющих воздействий по общим исходным данным и прогнозирование результатов
принимаемых решений. За человеком в них остаётся функция формулирования задачи и
формирование единого решения на основе агрегирования частных управляющих
воздействий. Российские ГОСТ по автоматизации управления относят к таким системам
практически все АСУ: системы управления технологическими процессами,
автоматизированные системы управления военного назначения и т.п. Зарубежными
специалистами такие системы относятся к классу «С4» (Command, Control, Communications and
Computers) или к СППР уровня DMSS. В этот же класс, в соответствии с их
характеристиками,
можно включить системы класса «C4I2» (Command, Control,
Communications, Computers, Intelligence, and Interoperability) и «C5I» (Command, Control, Communications,
Computers, Collaboration and Intelligence): несмотря на расширенное наименование, это те же
системы «С4», но с повышенным уровнем совместимости с техническими средствами или
внешними системами (Interoperability или Collaboration).
Иногда к системам класса «С4» относят специализированные расчётномоделирующие комплексы (РМК): взаимоувязанные по входным и выходным данным
комплекты математических моделей и расчётно-информационных задач. Такое токование
имеет право на существование, но только если РМК входит в состав АСУ, непрерывно
обеспечивающей его актуальной информацией и обладает соответствующей
функциональностью, в первую очередь в части выдачи результатов в виде
формализованных управляющих документов. Хотя всё-таки логичнее определять РМК как
расчётно-моделирующее ядро СППР или прототип, путём расширения возможностей
которого могут создаваться подобные системы [16,65].
И, наконец, для того, чтобы считать СППР интеллектуализированной, необходимо
иметь в её составе средства работы со знаниями, а иногда и экспертные системы
(комплексы) и элементы искусственного интеллекта для решения частных задач в общем
цикле поддержки принятия решения.
Можно выделить два основных признака интеллектуализированных СППР.
24
Во-первых, такая система сама вырабатывает перечень альтернативных решений, в
том числе в условиях, требующих корректировки ограничений и параметров целевой
функции, формирует пояснения к альтернативам и ранжирует их по уровню
предпочтительности.
Вторым признаком интеллектуализированных СППР можно считать возможность
помощи ЛПР в формировании цели действий. Обычно, в типовом цикле управления,
целеполагание возлагается на человека, а информационные и информационно-расчётные
СППР обеспечивают поиск оптимального решения по достижению поставленной цели
итерационным методом. Интеллектуализированные СППР должны оказывать помощь
ЛПР и в вопросе целеполагания, например, при задании цели в неявной форме или в
виде набора параметров.
И третья возможная функция интеллектуализированной СППР, основанная на
высокой оперативности принятия (уточнения) решений: динамический контроль
выполнения сформированных решений до завершения их выполнения.
Таким образом, при использовании подобных систем за человеком остаётся
формулирование требуемого результата действий на языке, близком к естественному,
выбор рационального решения из нескольких предложенных системой и контроль его
реализации.
Отдельной классификации таких автоматизированных систем управления в России
и за рубежом пока нет. В той или иной степени понятию «интеллектуализированных»
соответствуют АСУ класса «C4ISP-System» (Command, Control, Communications, Computers and
Intelligence Support Plan). Но полноценными ИСППР их назвать пока нельзя.
Безотносительно других качеств, к автоматизированным СППР, в рамках
предлагаемой классификации предлагается относить только системы, обладающие
следующими свойствами:
— автоматизированный сбор и обработка информации, необходимой для принятия
обоснованного решения, детализация неполной и уточнение сомнительной информации;
— программное формирование ранжированного перечня альтернатив и пояснений
к ним по заданным в общем виде (на языке, близком к естественному) условиям;
— программное формирование предложений по изменению условий решения
задачи при невозможности сформировать варианты действий по достижению
поставленной цели в заданных условиях;
— накопление и применение знаний о предметной области, в том числе с учётом
предпочтений конкретного пользователя;
— представление результатов расчётов и моделирования в агрегированной
наглядной форме.
Последние два качества характерны для ИСППР.
И, в соответствии с предлагаемой классификацией, система должна быть
автоматизированной. Вариант с группой экспертов, собирающих информацию и лично
формирующих варианты решений, хоть по формальным признакам и соответствует
определению СППР, в качестве таковой не рассматривается.
Предложенная в работе классификация позволяет уточнить и определение СППР.
Логично принять определение СППР, созданное на основе приведенного в работе [1]:
«Система поддержки принятия решений — это программно-технический комплекс, который в
автоматизированном режиме собирает и агрегирует информацию об управляемых объектах и условиях
их функционирования, формирует на её основе варианты управляющих воздействий, обеспечивающих
достижение цели, задаваемой пользователем на языке, близком к естественному». Или, учитывая, что
часть признаков данного определения относится к типовой АСУ, можно его сократить:
25
«СППР – это АСУ, в функционале которой реализовано формирование ранжированного набора
альтернативных решений, обеспечивающих достижение поставленной цели по критериям, задаваемым
пользователем».
Определившись с классификацией, можно перейти к формализованному описанию
структуры «идеальной» СППР, функционирующей в условиях типового цикла принятия
решения.
В соответствии со структурой управляемой системы, СППР будут состоять из
связанных между собой функциональных и структурных сегментов, компоненты которых
распределены по уровням управления и по составляющим СППР структурнофункциональным подсистемам.
Структура СППР и её функционал по уровням управления будет определяться
решаемыми задачами и усложняться снизу вверх: от системы информационной
поддержки и анализа рисков на нижних уровнях управления, к набору баз знаний и
экспертных систем, обеспечивающих автоматизированное формирование вариантов
управленческих решений на верхнем уровне.
Основные принципы построения и применения СППР на каждом уровне
определяются потребностями использующих их должностных лиц системы управления, в
первую очередь ЛПР. Чтобы определиться с формальным отношением «потребности ДЛ
— структура СППР», необходимо формализовать процесс применения СППР в
соответствии с ранее сформированным в данной работе формализованным описанием
процесса принятия решений.
В рамках принятого в работе подхода, в формализованном виде деятельность лица,
принимающего решение, заключается в формировании вариантов управляющих
воздействий и выборе наиболее приемлемых из них. Как правило, формируемые решения
являются взаимоисключающими, то есть альтернативами.
Исходя из этого постулата, для обеспечения деятельности ЛПР от СППР требуется
сформировать некоторое множество альтернатив:
R = {Aj, Sj},
где A — альтернатива, представляемая в форме набора управляющих воздействий;
j — уровень предпочтения (ранг) альтернативы;
S — описание альтернативы, пояснение, почему именно ей отдаётся предпочтение
перед следующими за ней в кортеже предпочтений.
Применение СППР для решения указанной задачи определяется следующими
этапами её функционирования:
1. Задание пользователем цели действий и формирование ограничений.
Ограничения, формирующие границы области допустимых решений (ОДР) задачи, могут
быть заданы вышестоящим органом управления, обуславливаться условиями обстановки
или формироваться непосредственно оператором СППР.
2. Формирование множества альтернатив R, заключающееся в последовательном
задании целевой функции и поиске некоторых её параметров, определяющих стратегию
применения управляемых средств и распределения их ресурсов в рамках установленных
ограничений (рисунок 8).
3. Ранжирование альтернатив и формирование пояснений к ним. Последнее
является важным этапом применения СППР, так как пояснения по предпочтительности
альтернатив не только помогают пользователю в выборе, но и повышают уровень
доверия к результатам работы СППР.
26
Особенностью автоматизированных СППР при реализации этого цикла
является потребность в формализации данных и структурировании задачи
формирования альтернатив. Определяется это тем, что компьютерная программа, в
отличие от человека, оперирует формальными понятиями. Следовательно, чтобы
сформировать набор управленческих альтернатив необходимо сначала структурировать
процесс управления, потом формализовать условия его протекания, и только потом
использовать математический аппарат для оптимизации поведения управляемой системы.
Это достаточно сложные процессы, для реализации которых необходимо предусмотреть в
составе СППР соответствующие программные и технические средства.
Вышеописанный цикл в разных ситуациях может реализовываться по-разному. В
частном случае, когда задача имеет решение в рамках поставленных условий и
сформулированных ограничений, для поддержки деятельности ЛПР достаточно
использования информационно-расчётных компонентов СППР. Если система
сформирует несколько вариантов решений (альтернатив), у ЛПР остаётся задача анализа
(сравнения) альтернатив и выбор из них лучшей относительно заданных параметров.
Назовём вариант получения решения в рамках установленных ограничений «решение по
малому циклу» (рисунок 8а).
Рисунок 8. Графическая интерпретация одного
из вариантов формирования решения при непрерывной целевой функции и линейных
ограничениях
Такая ситуация не требует вмешательства человека в процесс решения. Имеется
только решаемая соответствующими компонентами СППР задача автоматизированного
формирования альтернатив и формирования из них ранжированного ряда предпочтений.
Для решения данной задачи существует достаточно большое количество хорошо
апробированных математических методов [19]. Решение задач такого типа для СППР
является тривиальным, с задачей в такой постановке справится автоматизированная
система класса «С4». Типичный пример средства для решения таких задач – уже
упомянутый автомобильный навигатор. Он имеет все признаки СППР [1]: общается с
пользователем на языке, близком к естественному, решает оптимизационную задачу
формирования альтернативных управляющих воздействий по заданным пользователем
условиям, автоматически собирает исходную информацию для собственного
функционирования. А задать условия, решения для которых не существует, пользователь
не сможет физически. Ведь выбор пунктов для поиска пути между ними осуществляется
по списку, формируемому из матрицы связности дорожной сети, только для тех точек,
27
между которыми есть дороги.
В то же время, в условиях ограниченного количества средств и ресурсов может
возникать ситуация, когда поставленная задача просто не имеет решения в рамках
заданных условий. То есть множество альтернатив R оказывается пустым. Тогда, чтобы
найти рациональное решение, приходится либо изменять некоторые характеристики
целевой функции, либо переводить одно или несколько ограничений в ранг управляемых
параметров и уже с их помощью искать вариант, обеспечивающий нахождение
рационального решения (рисунок 8б). Назовём такую задачу «поиск решения по
расширенному циклу». Задача в такой постановке является многопараметрической, и её
решение без применения интеллектуализированной СППР становится невозможным.
В формализованном виде задача поиска решения ИСППР по «расширенному
циклу» представляет собой поиск новых значений ограничений аi*, при которых задача
поиска оптимума L имеет решение, или параметров функции L*, обеспечивающих
нахождение решения при существующих ограничениях аi. В рамках решения
сформулированной задачи применение интеллектуализированной СППР позволит
сформировать предложения (рисунок 8б), изучив которые ЛПР сможет сделать выводы о
том, что необходимо выполнить для обеспечения достижения поставленной цели.
Чтобы показать отличие такой системы от «обычных» СППР достаточно
представить тот же автомобильный навигатор, который может прокладывать путь там, где
нет дороги. И, проанализировав обстановку, не выдавать сообщение о том, что проехать
нельзя, а формировать предложения: проехать через поле, проходимое в данный сезон,
идти вброд через реку, или использовать другой вид транспорта. Более того, задача
навигатору может ставиться не в виде «добраться к определённому месту», а «найти пункт,
обеспечивающий такое-то требование и определить оптимальный маршрут к нему». Вот
это и будет разница в возможностях расчётно-информационной СППР «малого» и
интеллектуализированной системы «расширенного» циклов.
Справедливости ради следует отметить, что на рисунке 8 представлена несколько
упрощённая интерпретация постановки принятия решения. Вероятнее всего ограничения
будут нелинейными, задаваться не только в прямой форме, но и параметрически, а
целевая функция будет представлена не кривой, а трубкой поведенческих траекторий,
формирующейся в условиях существенной неопределенности исходной информации.
Но, в любом случае, постановка задачи применения СППР будет аналогична
вышеописанной, а сама задача будет сводиться к поиску оптимума целевой функции L
или, когда она не имеет решения, к поиску таких параметров целевой функции или
ограничений, которые обеспечивают получение рационального решения в заданных
условиях [20, 21].
Различия могут быть только в деталях, определяемых местом применения и целевым
назначением СППР. В качестве примера реализации целевого использования СППР,
можно привести описание алгоритмов поиска решений по «малому» и «расширенному»
циклам для автоматизированных систем управления военного назначения, описанных
автором в работах [17, 18, 75].
Реализующая описанный алгоритм ИСППР, с точки зрения теории алгоритма
представляет собой систему, получающую и обрабатывающую по определённым
правилам информацию, обеспечивая принятие решения человеком. Правила
преобразования информации могут основываться на различных моделях и методах, с
точки зрения эффективности решения разделяемых на модели классической (полной) и
ограниченной рациональности, с точки зрения используемых методов – на формальные,
эвристические и экспертные и т.п.
28
Вне зависимости от реализуемого подхода, логическая модель ИСППР может быть
представлена в виде формальной системы:
R = <T, P, M>;
где:
R — варианты вырабатываемых альтернатив;
Т — множество базовых элементов (база знаний и средства её ведения);
Р — множество синтаксических правил, на основе которых из Т строятся
правильные зависимости;
M — применяемый при обработке информации в СППР математический аппарат.
Составляющей, обеспечивающей формирование управляющих воздействий и
определяющей качество вырабатываемых СППР решений, является множество M. Но
основой функционирования СППР, отличающей её от РМК, является множество Р,
определяющее принципы функционирования системы, обеспечивающее её
приспосабливаемость к изменяющимся условиям обстановки и учёт требований
пользователей.
Для формирования и организации применения множеств M и Р разработано
достаточно большое количество математических методик и алгоритмических подходов, в
той или иной степени обеспечивающих выполнение задачи поддержки принятия
решений.
Анализ типового процесса формирования множества альтернатив R показывает, что
в составе множества М, определяющего математический аппарат СППР, должны
присутствовать:
— средства сбора и обработки информации, информационные задачи;
—средства и методы выявления проблем (рисков), их анализа, интерпретации
данных о проблемах;
— средства проведения расчётов (расчётные задачи, в первую очередь
оптимизационные), обеспечивающие формирование параметров управляющих
воздействий;
— средства прогнозирования развития обстановки и результатов реализации
управленческих решений;
— средства организации вычислительного процесса и консолидации решений;
— средства представления результатов и формирования пояснений.
Существующие средства и методы сбора и обработки информации
представлены достаточно широким классом задач, относящихся к различным методам
анализа: кластерный; компонентный; корреляционно-регрессивный; дисперсионный;
дискриминантный и факторный.
Средства и методы выявления рисков и анализа проблем должны обеспечивать
контроль функционирования управляемой системы в штатном режиме и анализ
возможных рисков и угроз, требующих принятия решения. К последним относятся
методы анализа больших массивов данных (Big Data), методы агрегирования данных и
выявления проблем: метод «бритвы Оккама» (Occam’s Razor), метод поиска «слабых мест»,
диаграммы сродства, метод построения «дерева проблем», методика причинноследственного анализа, факторный анализ, различные варианты диаграмм Парето и
другие. Методы выявления рисков принято разделять на феноменологические,
детерминистские и вероятностные. В их основе лежат, соответственно, статистические,
теоретико-вероятностные и эвристические подходы. Эти методы достаточно подробно
отработаны в теории и апробированы на практике.
29
Впрочем, средства выявления и анализа проблем не всегда целесообразно выделять в
отдельный класс задач СППР – в ряде случаев их функции могут возлагаться на задачи из
других классов.
Средства проведения расчётов и прогнозирования включают расчётные задачи
и математические модели [22].
Расчётные и расчётно-информационные задачи включают:
— прямые и обратные расчётные задачи формирования локальных управляющих
решений;
— задачи обработки статистических данных;
— задачи обработки результатов принятия коллективных решений;
— задачи оценки ситуации по критериям близости;
— задачи и методы агрегированного представления информации и т. п.
В настоящее время существует достаточно большое количество методов решения
задач, обеспечивающих расчётно-информационную поддержку принятия решений
(рисунок 9).
Рисунок 9. Иерархия задач обеспечения поддержки принятия
решений
На рисунке приведены только общие сведения о типах задач. Каждая из
перечисленных задач, в свою очередь, имеет несколько методов решения.
30
31
Например, для решения задач математического программирования применяется
более двух десятков математических методов: от простейшего «северо-западного угла» до
вычислительно сложных градиентных методов поиска экстремума (рисунок 10).
С учётом этого, проблема создания автоматизированных СППР состоит не в
разработке нового математического аппарата для этих систем, а скорее в сложности
формализации условий решения и выборе под них математического аппарата, наиболее
адекватно описывающего функционирование управляемой системы.
Не следует забывать ещё об одной проблеме создания математического аппарата
СППР. Дело в том, что в подавляющем большинстве случаев система вынуждена
обеспечивать решение не просто слабоструктурированных задач, определяемых наличием
качественных переменных. Часть имеющихся количественных переменных выражена в
неявной форме и требует обработки перед использованием. Это существенно усложняет
задачу формирования альтернатив.
Но для решения и этой проблемы имеются готовые технологии обработки
слабоструктурированных данных: Big Data и Buisness intelligence, включающие компоненты
Data Mining, OLAP, кластерного и регрессионного анализа, инструментарий
непосредственной работы с СУБД (ETL, язык SQL, OLTP и др.).
Кроме решения прямых и обратных расчётных задач, одной из важнейших
функций программного обеспечения СППР является прогнозирование развития
обстановки и оценки возможных результатов принимаемых решений.
Принято различать две большие группы методов прогнозирования:
фактографические (формализованные) и экспертные (интуитивные). Возможность и
необходимость их применения зависит от степени формализуемости исследуемого
процесса или явления. Она варьируется от экспертных методов в условиях слабой
структуризации, до фактографических подходов при достаточной степени
формализации. В ряде случаев, при возможности полной формализации
рассматриваемой проблемы, допустимо даже применение для получения изменения
параметров состояния управляемой системы во времени методов прямого вычисления. Но
такая ситуация скорее исключение, чем правило.
Рисунок 11. Классификация методов прогнозирования
32
Перечень методов прогнозирования, пригодных к использованию в зависимости
от уровня формализации управляемой системы или процесса, приведён на рисунке 11.
Каждый из перечисленных методов апробирован в различных областях управленческой
деятельности и доказал своё право на существование. Выбор применяемого в конкретной
СППР метода прогнозирования остаётся за разработчиком системы, самостоятельно
ищущим баланс «между пустыней упрощения и болотом усложнения» в описании
системы. Чаще всего в составе программного обеспечения автоматизированных систем
используются фактографические методы, как наименее зависимые от субъективных
факторов. В то же время использование экспертных методов полностью исключать
нельзя, особенно в условиях слабоформализуемых исходных данных. Правда, его
использование ограничивается условием наличия достаточного количества экспертов.
Математический аппарат всех вышеперечисленных классов задач и моделей
достаточно подробно описан в работах, посвящённых созданию программного
обеспечения СППР [22,23,24], разработке общих математических методов расчётов в
интересах поддержки принятия решений [25,26,27] и математического моделирования
[28,29,30,31,32,33,34,72]. В очередной раз повторять это описание нецелесообразно. С
точки зрения организации автоматизированной поддержки принятия решений, важно,
что для описания математических методов решения расчётных задач и прогнозирования
существуют готовые к использованию типовые алгоритмы, многие из которых уже
реализованы в виде программных средств.
Более того, имеющийся широкий спектр математических методов оптимизации
принимаемых решений и прогнозирования последствий их реализации до настоящего
времени использовался не полностью, потенциал математических методов поддержки
принятия решений раскрыт не до конца. Но, как показывает практика, с развитием
возможностей ЭВТ, сетевых технологий, возможности по реализации методов,
перечисленных на рисунках 10 и 11, непрерывно возрастают. По сути, появляющиеся в
последнее время новые информационные технологии: Big Data, RDF (Resource Description
Framework) – это реализация известных, но не реализованных ранее из-за высоких
требований к вычислительным мощностям математических методов, осуществлённая с
использованием возможностей современных средств ЭВТ и сетевых технологий. И эта
тенденция позволяет надеяться на практически безграничный рост возможностей
матаппарата СППР.
Характерный пример, служащий подтверждением этого тезиса – развитие сферы
прогнозирования, создание группой зарубежных учёных так называемой «живой модели
земли» (Living Earth simulator - LES).
Данная модель, в отличие от применяемых в настоящее время, обеспечивает не
просто дискретное прогнозирование с целью получения прогнозов результативности тех
или иных управляющих воздействий. Технологии LES позволяют на основании
автоматического мониторинга больших массивов исходной информации осуществлять
непрерывное прогнозирование обстановки, позволяющее получать оперативные и
непрерывные прогнозы возникновения рисков в самом широком диапазоне наблюдения.
Используемый в модели LES подход позволяет не просто прогнозировать для оценки
принимаемых решений, а предупреждать о возможных рисках, формировать исходные
данные для принятия решений по их парированию. Коллектив разработчиков называет
свою модель «живой» (living). Но правильнее будет назвать её моделью «оперативного
прогнозирования для оценки рисков». Дело в том, что реализуемые в модели LES
технологии отличаются от классифицируемых специалистами методов «активного» и
«пассивного» прогнозирования [43,44]. Первые обеспечивают прогноз последствий
33
принимаемых решений, вторые - прогнозирование общей линии поведения исследуемой
системы. Модели же типа LES, реализующие собственные алгоритмы анализа рисков, не
относятся ни к «активным», ни к «пассивным» средствам прогноза. Реализованные в них
технологии можно отнести к новому типу: оперативного или даже «опережающего
потребности» прогнозирования.
Данный пример в очередной раз подтверждает, что область методологии решения
расчётных задач и прогнозирования, несмотря на довольно широкий спектр уже
имеющихся математических методов, продолжает развиваться и предоставляет
разработчикам СППР новые возможности по обеспечению выработки альтернатив
поведения.
Но вернёмся к ещё одной составляющей матаппарата СППР.
Один из классификационных подходов теории принятия решений разделяет их по
условиям принятия на решения, принимаемые в условиях определённости, принимаемые в условиях
риска, и принимаемые в условиях неопределённости. Как показывает практика, в большинстве
случаев формирование альтернатив в СППР происходит в условиях риска и
неопределённости, иногда весьма существенной. Разумеется, разработчики и
пользователи АСУ стремятся к снижению уровня неопределённости за счёт повышения
полноты информации об объектах управления и условиях их функционирования, в
первую очередь – путём использования возможностей современных информационных
технологий сбора и обработки информации. В то же время, в соответствии с принципом
неопределённости Гейзенберга, полная информация об управляемой системе не будет
получена никогда. Исходя из этого, в ходе разработки СППР приходится ориентироваться
на использование методов парирования неопределённости.
Методы парирования неопределённости можно условно разделить на две
большие группы: основанные на модификации исходных данных и алгоритмические
(рисунок 12).
Рисунок 12. Методы парирования неопределённости
К первой группе можно отнести методы теории нечётких множеств, метод
последовательного снижения неопределённости и метод многовариантности
планирования. К алгоритмическим методам парирования неопределённости можно
отнести использование моделей ограниченной рациональности, методы теории рисков и
теории ожидаемой полезности, «мягкие» вычисления т.п.
34
В случае выбора для парирования неопределённости методов модификации
исходных данных, проблема с выбором методов расчётов и моделирования не стоит: их
использование ограничивается только требованиями по оперативности получения
решения. При алгоритмическом подходе к парированию неопределённости выбор
методов ограничивается функционалом теории принятия решений. Большая часть этих
методов перечислена в ранее приведённой классификации задач обеспечения поддержки
принятия решений (рисунки 9,10).
Применение в составе программного обеспечения СППР задач парирования
рисков сводится к минимизации вероятности ошибок первого и второго рода,
возникающих при принятии решений. К ошибкам первого рода принято относить
принятие неверного решения в текущих условиях, к ошибкам второго рода – непринятие
верного. Количественно соотношение последствий этих ошибок оценивается формулой
рисков:
R = C12(1-P(H12)) + C21P(H21)  min,
где:
С12 – ожидаемая «полезная стоимость» результата предпринимаемых действий;
Р(Н12) – вероятность того, что стратегия действий выбрана правильно и событие
будет завершено с положительным результатом;
С21 – потери, возникающие в результате срыва или необоснованного принятия
решения на действие;
Р(Н21) – вероятность неверного выбора стратегии, приводящей к отрицательному
результату действий.
Возможность использования тех или иных методов парирования рисков
определяется тем, что природа их возникновения находится в той же области, в которой
возникает неопределённость информации. Риски определяются как принятием решений
по неполным исходным данным, так и незнанием алгоритмов действий
противоборствующих (конкурирующих) систем. Последнее, опять же, определяется тем,
что мы в момент принятия решения не знаем, какова полнота знаний конкурентов о нас и
наших действиях. Соответственно, расчётные методы парирования рисков те же (рисунок
12), что для снижения неопределённости. Задача разработчика СППР – в выборе
конкретных из них и комбинировании с выбранными средствами парирования
неопределённости.
Таким образом, задача формирования альтернатив в условиях априорной
неопределённости и возникающих при этом рисков, может быть решена существующими
математическими методами [35,36,37,38,39,40,41,42], проблема только в выборе
конкретного метода решения из диапазона имеющихся.
Одной из важнейших задач математического обеспечения любой СППР является
консолидация вырабатываемых решений. Как в части консолидации мнений групп
экспертов, так и при формировании совместного решения наборов задач и моделей. Для
решения этой проблемы в настоящее время существует достаточно широкий спектр
математических и методологических методов [19,24].
Для консолидации мнений экспертов используются, как правило, методы групповых
дискуссий. К разновидностям подобных методов можно отнести: совещания, «мозговой
штурм» («brainstorming»), «метод-635», «метод синектики» и т.п.
Для получения скоординированных результатов решения расчётных задач,
применяются методы программируемой индивидуальной и групповой координации, в
35
ряде случаев – методы неформальной координации.
Применяемый на практике метод консолидации зависит как от класса СППР, так и
возможностей по его практической реализации. Например, для диспетчеризации в
информационных СППР могут быть использованы методы консолидации экспертных
оценок.
Учитывая, что выработка решений средствами автоматизированными СППР
информационно-расчётного класса и интеллектуализированными СППР основана на
согласованном применении программных средств расчётов и моделирования, для
обеспечения процесса их согласованного применения целесообразно пользоваться
методами программируемой или неформальной координации.
На современном уровне развития СППР для решения задачи координации
считается целесообразным использование так называемых «программ-диспетчеров»,
обеспечивающих реализацию принципа программной координации.
В данной области имеются определённые программные разработки, связанные с
конфигурированием процессов распределённого применения информационных и
расчётных средств в рамках формальной координации. Например такие, как пакет
приложений JBoss [45] и ему подобные (WildFly, WebSphere), обеспечивающие
формирование сценариев удалённого запуска программ на исполнение. Но формируемые
управляющим ядром на основе J2EE-сервера (Java 2 Enterprise Edition) сценарии достаточно
жестко регламентированы и привязаны к строго определённым событиям или моментам
времени. Более того, работа с диспетчером на основе J2EE и ему подобных требует
специальных навыков и для рядового пользователя СППР является слишком сложной. Об
общении с пользователем на языке, близком к естественному, в таких системах пока нет и
речи. Для диспетчера интеллектуализированной СППР, от которого требуется
оперирование методами неформальной координации, функционал этих средств является
недостаточным.
Рисунок 13.Классификация методов координации результатов для реализации в СППР
Впрочем, проблема заключается не только в функциональности. Платформа
разработки Java не входит в Единый реестр российских программ для электронных
36
вычислительных машин и баз данных [103], и, соответственно, СППР, реализующая
компоненты на основе Java просто не будет сертифицирована к использованию в нашей
стране.
Таким образом, существующие программные наработки не обеспечивают
полноценной диспетчеризации СППР. В большинстве случаев задача решается путём
организации применения отдельных программ через взаимодействие должностных лиц
системы между собой, то есть с использованием «гибридных» подходов к координации
(рисунок 13), что, в сущности, тоже не противоречит подходам к рациональной
организации СППР, хотя снижает уровень автоматизации управления и повышает
влияние субъективных факторов.
В то же время, для реализации «гибридных» подходов, необходима предварительная
выработка значительного количества типовых сценариев, обеспечивающих учёт
максимально возможного количества вариантов применения управляемой системы. Для
автоматизации формирования сценариев могут быть использованы любые известные
методы: теория графов, диаграммы Ганта и т.п. Чем больше количество готовых
сценариев, чем представительнее выборка, тем менее дискретным является процесс
управления, в перспективе стремясь к непрерывному. Для выбора сценариев и контроля
их выполнения могут использоваться самые различные критерии близости на основе
методов максимального правдоподобия: наименьших квадратичный отклонений,
дискриминантный анализ, с использованием матриц Махаланобиса и т.п.
Разумеется, применение программируемых и «гибридных» подходов является
временной мерой, обеспечивающий развитие СППР на современном этапе
информатизации. Будущее, вероятнее всего, за «гибкими» подходами на основе
динамических методов формирования сценариев с применением методов теории графов,
OLAP-матриц и других формальных или нестрогих подходов.
Одним из наиболее вероятных перспективных подходов к организации
динамических методов, в первую очередь, для интеллектуализированных СППР
представляется использование в качестве диспетчеров моделей на основе нейронных
сетей. Тем более, задача диспетчеризации логично сводится именно к сетевым
распределённым вычислениям.
При использовании для диспетчеризации процесса поддержки принятия решений
указанного подхода, формируется модель на основе нейронной сети, для поиска решения
совместной задачи в которой функциональные группы органов управления и подсистемы
АСУ объединяются в рамках сценария R, реализующего конкретный управленческий
процесс Pk(t). При этом в некоторые периоды времени ∆t в i-ю группу с функционалом Fi,
задействованную в процессе выработки решения, должны приходить указания на
проведение расчётов и исходные данные для них. С использованием банка расчётных
задач и математических моделей M данная функциональная группа проводит расчёты,
выдаёт сигнал о завершении процесса и результаты расчётов:
R = {Aj Fi, M}  Pk(t).
Эта операция выполняется на каждом этапе расчётов, до получения итогового
решения по текущей альтернативе применения системы.
В терминах использования подобной модели можно считать, что пользователь –
одиночный нейрон,
вычислительная единица, которая получает информацию о
необходимости запустить на решение ту или иную задачу. Информация о параметрах
решаемой задачи по поиску альтернативных управляющих воздействий будет
37
передаваться через связи между нейронами-пользователями, в терминах нейронных сетей
«синапсы» (вход) и «аксоны» (выход). Модель логично организуется в соответствии с
иерархической «послойной» структурой системы управления. Роли «входных» нейронов
модели в данной постановке выполняют компоненты слоя сбора данных обстановки, в
роли промежуточных слоёв – специалисты всех звеньев управления, а в роли «выходного»
нейрона выступает ЛПР.
Такая организация модели-диспетчера на принципах нейронной сети позволит
организовать поиск решения при отсутствии строго алгоритма этого процесса. По мере
выполнения сценариев, информация будет накапливаться, то есть сеть будет
самообучаемой. Как показывает предварительный анализ, предлагаемая нейронная сеть
должна стать наиболее адекватным инструментом динамического управления процессом
формирования альтернатив управленческих решений.
Для её полноценного использования в СППР необходимо обеспечить
автоматическую настройку и самообучаемость программы, возможный выход на создание
базы знаний и алгоритмов. В настоящее время эта проблема изучена недостаточно, но её
решению должна помочь формализация процесса принятия решений, в том числе
реализуемая по принципам, сформулированным в настоящей работе.
Средства представления результатов расчётов и формирования пояснений к
альтернативам разрабатываются, как правило, на основе методов агрегирования и
визуализации информации, которые широко представлены в инструментарии Big Data и
реализованы в многочисленных типовых «виджетах» (widget) и «информерах» (informer),
настраиваемых «дашбордах» (Dashboard) и «тепловых» электронных картах (heatmap) и т.п.
Проблема разработчика – просто выбрать наиболее подходящие из существующих.
Не менее важной, чем создание расчётно-аналитического компонента СППР,
является проблема разработки информационного компонента системы. В системах
типа СППР этот компонент несколько шире информационно-лингвистического
обеспечения «обычных» АСУ и дополняется через описание модели представления
знаний Т и правил их обработки Р.
Для формирования множеств Т и Р модели знаний в экспертных системах и СППР
принято разделять на:
— логические (реляционные, псевдофизические, предикативные);
— эвристические (сетевые, продукционные, фреймовые).
Выбор конкретного вида модели представления знаний в СППР определяется типом
решаемых задач и структурой обрабатываемой информации и в рамках данной работы не
детализируется. Тем более что и для большинства моделей описания знаний и
алгоритмов работы со знаниями тоже имеются готовые детально описанные алгоритмы
реализации [46,47].
С учётом всего вышесказанного, для оптимизации процесса создания
автоматизированных СППР целесообразно использовать готовые алгоритмы, программы
расчётных задач и моделей, комплексируя их под решение конкретной задачи. На
специализированные вновь разрабатываемые средства СППР в ходе комплексирования
будут возлагаться задачи формирования перечня используемых программ, организации
взаимодействия, регламентированного порядка запуска на решение и обмена разнородной
информацией. Главное, на что необходимо обратить внимание при организации
автоматизированной СППР по такому принципу — обеспечение полноты выбора задач и
моделей в составе системы, их настраиваемость и расширяемость. При невыполнении
этого правила пользователь СППР будет загнан в искусственно зауженное пространство
альтернатив, ограниченное возможностями имеющихся расчётных задач и моделей, что
38
существенно ограничит возможности системы в целом.
Конкретная реализация алгоритмов функционирования СППР в целом, как
отмечалось ранее, зависит от статуса обслуживаемого ЛПР и этапности применения
систем, которые, в совокупности определяют режим применения СППР.
Статусом ЛПР определяются масштабность решаемых задач, количество и строгость
накладываемых на допустимое решение ограничений. На структуру и алгоритм
применения СППР эти параметры влияют несущественно, их выполнение в основном
обеспечивается настраиваемостью структуры системы под требования пользователя.
Определяемые этапностью применения системы основные режимы применения
ИСППР могут быть следующими:
1)мониторинг текущего состояния управляемой системы и среды её
функционирования с целью анализа рисков и выявления угроз её устойчивому
функционированию;
2)формулирование задачи;
3)разработка планов применения управляемой системы, обеспечивающих
достижения заданной цели;
4)управление системой, обеспечивающее выполнение ранее сформированных
планов.
С точки зрения теории управления, первый и последний режимы практически
тождественны: по сути, мониторинг с целью поддержания устойчивого
функционирования системы является частным случаем управления выполнением плана с
нулевыми управляющими параметрами. Исходя из этого, все режимы применения СППР
можно свести к двум основным: планирование и управление.
При этом планирование для автоматизированных СППР заключается в выполнении
следующих основных задач:
1)формирование набора альтернатив управляющих воздействий для достижения
поставленной цели в текущих или заданных условиях;
2)комплексный анализ частных управляющих воздействий, вырабатываемых
подчинёнными системами (компонентами системы);
3)выработка единого решения, агрегирование результатов и представление их ЛПР в
удобной для анализа форме.
На этапе управления выполняются задачи мониторинга обстановки, контроля
выполнения ранее сформированных планов, анализа возможных рисков и оценки угроз.
Рисунок 14. Обобщённый алгоритм выработки решений по оперативному
управлению с применением автоматизированной СППР
39
40
Рисунок 15. Функциональная схема планирующей ИСППР
41
Рисунок 16. Функциональная схема оперативной ИСППР реального времени
Пример реализации типового алгоритма поддержки принятия решений:
автоматизированная ИСППР для обеспечения мониторинга состояния и оперативного
управления, которая представляет собой распределенную человеко-машинную систему,
обеспечивающую выполнение в автоматизированном режиме следующих этапов цикла
управления (рисунок 14).
1.Непрерывный мониторинг параметров управляемой системы и окружающей среды
по установленным оператором показателям, накопление и первичная обработка
информации.
2.Прогнозирование развития обстановки с одновременным анализом эвентуальных
угроз и рисков для функционирования управляемой системы по заданным ЛПР
критериям.
3.Постановка (периодическое уточнение) цели действий и задачи управления,
формирование системы показателей и критериев её достижения.
4.Проведение расчётов и моделирования в интересах формирования
ранжированного ряда альтернативных решений по парированию угроз в рамках
существующего плана (аналог «малого» цикла) или по определению потребности в
переходе к новому плану («расширенный» цикл), вербальное или графическое описание
сущности предлагаемых решений.
5.Прогнозирование ожидаемых результатов выполнения задач, определение рисков
их срыва.
6.Представление результатов расчётов и моделирования пользователю, их анализ и
получение от ЛПР указаний по формированию управляющих воздействий или
корректировке параметров функционирования системы.
7.Автоматическое формирование формализованных управляющих воздействий.
Примеры конкретных алгоритмов автоматизированной поддержки принятия
решений в различных условиях управления детально описаны в различных работах,
например, в [16,17,18,48,49,75].
Так, вариант принципиального содержания обобщённого алгоритма организации
автоматизированной поддержки принятия решений при планировании применения
группировок войск (сил), описанный в работах [17,18,75], приведен в графической форме
на рисунке 15.
На данном рисунке отображен типовой процесс принятия решений по организации
военных действий, реализуемый алгоритмом функционирования планирующей СППР:
1)постоянный активный мониторинг состояния своих сил, противника, условий
ведения боевых действий;
2)получение, уяснение и формализация задачи;
3)поиск решения, выработка управляющих воздействий в обобщённом виде:
— сначала по «малому» циклу;
— если нет решения в рамках заданных ограничений — выработка предложений по
корректировке способов достижения цели;
4)детализация решения, формирование управляющих воздействий в форме
распоряжений, боевых текстовых и графических документов.
Содержание алгоритма оперативной поддержки принятия решений при управлении
группировками войск (сил) описано на рисунке 16.
42
Как неоднократно отмечалось ранее, для реализации описанных алгоритмов уже
сейчас в достаточном количестве имеются готовые математические методы, часть из
которых реализована в виде программных средств [50,51,52,53]. Что же мешает на
практике реализовать эти очевидные и несложные на первый взгляд алгоритмы? Этот
вопрос предлагается рассмотреть подробнее.
43
4 Анализ существующих подходов к автоматизации управления с
точки зрения реализации принципов автоматизированных СППР
В предыдущих главах рассмотрены примеры теоретических исследований по
разработке принципов автоматизации поддержки принятия решений. Но в настоящее
время уже имеются примеры промышленной реализации подобных процессов,
осуществлённые с той или иной степенью успешности.
В сфере военного управления, по данным из открытых источников [1,18,30],
развитие систем автоматизированного управления последовательно шло от командносигнальных систем класса «С2» (Command and Control), через информационные системы типа
«C2I» (Command, Control & Intelligence), «C2IS» (Command and Control Information Systems), «C2ISR»
(АСУ типа «C2I» плюс Surveillance & Reconnaissance), системы класса «С3» (Command, Control &
Communication по технологической или Consultation, Command, and Control по военной
классификации НАТО), «C3I» (Command, Control, Communications & Intelligence) и «C3ISREW»
(C2ISR плюс Communications и Electronic Warfare) к расчётно-информационным СППР класса
«С4» (Command, Control, Communications and Computers). Построение АСУВ осуществляется на
основе
«модернизационного»
подхода:
от
создания
базовой
мобильной
телекоммуникационной сети к размещению на ней систем сбора и обработки
информации о своих войсках и противнике и дальнейшему наращиванию программных
средств поддержки принятия решений [18].
Схема иерархической организации типовой автоматизированной системы класса
«С4» приведена на рисунке 17 [103].
Рисунок 17.Организация АСУВ класса «С4»
(рисунок с сайта www.pentagonus.ru)
Используемые в рамках вышеприведённой классификации термины,
общепринятом смысле, имеют следующую интерпретацию:
Command – деятельность по формированию управляющих воздействий;
44
в
Control – контроль выполнения команд и их корректировка при необходимости;
Communication – системы и средства связи;
Computers – компьютерные системы и сети;
Intelligence - сбор, анализ и распространение информации.
В настоящее время в практике военного управления используется достаточно
большое количество разновидностей систем класса «С4», отличающихся отдельными
элементами или свойствами. Например, автоматизированные системы «C4I2» (Command,
Control, Communications, Computers, Intelligence and Interoperability) и «C5I» (Command, Control,
Communications, Computers, Collaboration and Intelligence) с улучшенными возможностями по
совместимости с техническими средствами (Interoperability), или сторонними (внешними)
системами управления (Collaboration). В открытых зарубежных источниках встречается, так
же, определение систем класса «C5I», добавляющее к АСУ уровня «C4I» функцию
управления боевыми средствами «combat systems» [104].
Кроме того, в настоящее время, в рамках программы FCS (Future Combat System) в
НАТО ведётся разработка и внедрение в войска АСУ класса «C4ISR» (Command, Control,
Communications, Computers, Intelligence, Surveillance and Reconnaissance), а в перспективе  и «C4ISPSystem» (Command, Control, Communications, Computers and Intelligence Support Plan). Это ещё не
полноценные ИСППР: но если система «C4ISR» отличается от «С4» только уровнем
интеграции технических средств сбора информации, то «C4ISP-System» уже включает
компоненты распределённой логики для поддержки принятия решений. То есть АСУ
класса «C4ISP-System», как минимум, можно признать прототипом ИСППР. Прототипом,
выполняющим через совокупность подсистем автоматизированного управления функцию
агрегирования разнородных боевых и обеспечивающих средств, воинских
формирований, в единую «надсистему», повышающую эффективность их применения
без увеличения численности (рисунок 18).
Рисунок 18.Объединяющая роль АСППР в системе боевых возможностей войск
(по взглядам зарубежных специалистов, в соответствии с положениями Полевого устава
FM 34-25-3)
(рисунок с сайта https://fas.org/)
45
Таким образом, в области создания автоматизированных систем военного
назначения, прослеживается чёткая тенденция развития АСУ от командно-сигнальных
систем класса «С2» до систем интеллектуализированной поддержки принятия решений
класса «C4ISP-System» и выше [75,79].
В других сферах автоматизации управления, в первую очередь в экономике,
внедрение принципов поддержки принятия управленческих решений не менее
необходимо, чем в сфере вооруженного противоборства. Конкурентная борьба,
динамичность современного мира, развитие информационных технологий требуют
принятия быстрых и обоснованных решений. А именно это и является основной целью
применения ЭС и автоматизированных СППР в коммерческой сфере.
Ситуация автоматизации поддержки принятия решений в невоенной сфере
характеризуется рядом отличий, как в содержании решаемых задач, так и в возможностях
по разработке: например, в несколько меньших требованиях по информационному
противоборству и в отсутствии ограничений по применяемым технологиям.
В настоящее время известен достаточно широкий спектр систем и методов
автоматизации управления коммерческими организациями и предприятиями
промышленности. Применяемые методологии отличаются: целевым назначением;
степенью поддержки управленческих функций; масштабом управляемых систем и
уровнем реализации в существующих автоматизированных системах.
К основным из реализованных и используемых в настоящее время в практике
управления технологиям различного назначения можно отнести:
1)MPS (Master Planning Shedule) – планово-ориентированная методология объемнокалендарного планирования.
2)MRP (Material Requirements Planning) – методология планирования потребности в
материальных ресурсах, заключающаяся в определении потребности по данным объемнокалендарного плана производства. Ключевым аспектом методологии является приведение
разветвлённых процессов к линейному виду (Bill of Materials), по которому планируется
потребность и осуществляется заказ материалов. Усовершенствованная версия, Closed Loop
MRP (планирование потребности в материалах в замкнутом цикле), позволяет, при
необходимости, динамически корректировать планы закупок.
3)CRP (Capacity Requirements Planning) – методология планирования использования
производственных ресурсов. Данная концепция схожа с MRP, но более детальна. На
практике она, как правило, применяется совместно с элементами MRP. Объединённая
методология MRP+CRP часто применяется в АСУ производством промышленных
предприятий.
4)FRP (Finance Requirements Planning) – методология управления финансовыми
ресурсами.
5)MRPII (Manufacturing Resources Planning) – расширенная методология MRP,
обеспечивающая планирование производства во всех его аспектах, включая финансовые.
Она представляет собой интегрированную систему, включающую элементы методологий
MRP, CRP, MPS и FRP.
6)ERP (Enterprise Resources Planning) – методология создания автоматизированных
систем управления корпоративными ресурсами. Это концепция бизнес-планирования,
является, по сути, расширенным вариантом методологии MRPII, к которой добавлены
управление финансовыми ресурсами и маркетинг. Важным отличием методологии ERP
является возможность динамического анализа и динамической корректировки планов.
Конкретные возможности методологии ERP зависят от варианта её программной
реализации.
46
7)Методологии рациональной организации логистики. Такие как SCM (Supply Chain
Management) – методология управления отношениями с поставщиками, методология
управления складскими ресурсами WMS (Warehouse management system), или методология
управления транспортом TMS (Transportation Management Systems). Данные концепции
обеспечивают оптимизацию логистики и позволяет существенно снизить транспортные и
операционные расходы.
8)CRM (Customer Relationship Management) – методология управления отношениями с
заказчиками. Концепция построения автоматизированных систем обслуживания клиентов
CRM подразумевает накопление, обработку и анализ не только финансово-бухгалтерской,
но и прочей информации о требованиях заказчика и их реализации.
9)PLM (Product Lifecycle Management) – методология комплексного управления
жизненным циклом разрабатываемого продукта.
10)CAD,CAM,САЕ и PDM (Computer-Aided Design/ Computer-Aided Manufacturing/
Computer-Aided Engineering/ Project Data Management) – методологии, реализуемые в
автоматизированных системах проектирования и организации производства.
11)PM (Project Management) методологии управления проектами.
12)BPMS (Business Process Management Suite) методология динамического управления
бизнес-процессами.
13)MES (Management Execution System) – методология описания систем управления
исполнением производственных заданий, по сути - система диспетчеризации
производства.
14)SCADA (Supervisory Control And Data Acquisition System) – методология разработки
автоматизированных систем диспетчеризации технологических процессов.
15)B2C (Business to Customer) и B2B (Business to Business) – общее обозначение
методологий и реализующих их программных продуктов, обеспечивающих
взаимоотношения предприятий с покупателями (B2C) и взаимодействие их между собой
(B2B).
16)Методологии, реализующие выполнение частных аналитических функций, такие
как BI-аналитика (Business Intelligence).
17)Методологии защиты информации в АСУ, например DLP (Data Loss Prevention),
SIEM (Security information and event management), методологии организации систем контроля
функционирования и им подобные.
18)CSRP (Customer Synchronized Resources Planning) – методология управления,
ориентированная на взаимодействие с клиентами: включает получение заказов,
разработку планов, проектов и заданий, техподдержку. Формально, методология
CSRP=ERP+CRM.
19)ERPII (Enterprise Resource and Relationship Processing) – расширенный вариант
концепции ERP, обеспечивающий управление как внутренними ресурсами, так и
внешними связями предприятия. Методология ERPII интегрирует в себе функции ERP,
CRM и SCM.
Указанные методологии и реализующие их системы можно, относительно целевого
назначения, разделить на классы:
1)MRP и её варианты, обеспечивающие
планирование потребностей в
материальных ресурсах с целью минимизации издержек, в первую очередь - связанных со
складскими запасами.
2)ERP и её варианты, ориентированные на оптимизацию планирования ресурсов
предприятия: как материальных, так и информационных.
47
3)CRM и SCM, нацеленные на оптимизацию отношений, соответственно с
заказчиками и с поставщиками.
4)B2C и B2B, обеспечивающие управление распределённым производством и
онлайн-продажами.
5)Вспомогательные
методы
и
системы,
обеспечивающие
устойчивое
функционирование систем автоматизированного управления.
Теоретически, любая из систем, реализующих перечисленные методологии, может
быть отнесена к тем или иным компонентам СППР, некоторые даже реализуют
функционал частных (целевых) СППР. Более того, во многих системах разные типы
перечисленных компонентов используются в комплексе. Например, система CRM в
качестве «фронтенда» для общения с клиентами, совместно с ERP в качестве «бекэнда» для
внутреннего управления. К слову, это в очередной раз доказывает, что ни одна из
указанных систем не является полноценной СППР предприятия, хотя успешно
обеспечивает свою частную функцию управления. А в современном состоянии
«вершиной» развития указанных технологий можно считать комплексную реализацию их
в системах типа CSRP и ERP II, наиболее близких по своим функциям к полноценным
информационно-расчётным СППР.
Типовая схема организации автоматизированных СППР, соответствующий
принципу создания ERP-систем, распределённых по уровням «ЛПР» — «менеджеры» —
«технологический персонал», отображен на рисунке 19.
Рисунок 19. Технологическая структура АСУ, организованной по принципу СППР
48
На практике имеются многочисленные примеры программной реализации
распределённых систем управления ресурсами типа ERP, а также их дальнейшего
развития: систем ERPII и вариантов CSRP. К таким реализациям можно отнести
коммерческие продукты разработки компаний SAP SE (Systeme, Anwendungen und Produkte in
der Datenverarbeitung – нем.) и Oracle. Для малых предприятий как ERP-системы
позиционируются
некоторые
продукты
отечественной
«1С»,
например
«1С.ERP.Управление предприятием».
Все эти системы различны по характеристикам и предназначены для использования
в разных областях: системы SAP и Oracle применяются крупными предприятиями, а «1С» для небольших организаций. Соответственно, стоимость покупки и эксплуатации SAP и
Oracle довольно высока, но они обеспечиваются серьёзной поддержкой в части
сопровождения и развития. В свою очередь, система «1С», при существенно меньших
функциональных возможностях, быстрее адаптируется к изменениям российских законов
и включена в реестр доверенного отечественного программного обеспечения, созданный
в соответствии с положениями 188-ФЗ от 29.07.2015 г.
Автор лично, работая в одном из ведущих системных интеграторов России –
компании «Техносерв», имел опыт эксплуатации ERP-системы типа SAP R/3.
Аббревиатура R/3 (Realtime) в данном случае – указание на архитектуру системы,
выполненной по схеме «клиент/сервер приложений/система управления базами данных»
(трёхзвенная модель), в отличие от ранее применявшейся SAP R/2, которая работала на
мейнфреймах.
Как показала практика, указанная система представляет собой типичную СППР
информационно-расчётного типа, включающую как средства сбора и обработки
информации, так и расчётно-информационные задачи анализа статистики, задачи
управления внутренними ресурсами предприятия: формирования прогнозов потребности
в ресурсах, задач планирования и контроля деятельности персонала, управления
бухгалтерским учётом, торговлей, производством, складами и т. д. Все приложения
системы адаптируются под правовую базу страны применения. Перечисленный
функционал вполне обеспечивает основные функции организации ресурсного
обеспечения и управления персоналом компании при решении производственных задач.
Система не только обеспечивает планирующую и контролирующую деятельность ЛПР,
но и существенно снижает временные затраты других участников процесса управления на
рутинную деятельность по уяснению задач, согласованию действий и формированию
отчётности.
Дальнейшее развитие продуктов SAP SE – система SAP S4/HANA (High-Performance
Analytic Appliance). Данная система обеспечивает реализацию новой парадигмы развития
автоматизированного управления, определяемой рядом технологических тенденций:
- тенденция гиперподключения, определяющая взрывной рост количества и типов
применяемых сетевых устройств, принципов их входа в сеть;
- формирование «умной» среды, основанной на создании автоматических систем
сбора информации за счёт оснащения сенсорами и встроенными средствами сетевого
обмена самых разных технических устройств;
- интеллектуализация управления, самоообучаемость программных систем,
совершенствование методов работы с большими данными (Big Data);
- развитие и практическое внедрение средств сверхбыстрых вычислений;
- внедрение «облачных» (cloud) технологий обработки и хранения данных,
предоставления сервисов;
- ориентированность на потребителя услуг, изучение его потребностей, в том числе
49
ещё не сформулированных самим пользователем, и ориентация на них;
- кардинальное повышение требований по кибербезопасности.
Совокупность
этих
особенностей
порождает
глобальную
тенденцию
децентрализации и дерегулирования управления, выражаемую в военной области через
концепцию «сетецентрических войн», а в производственной сфере – через идею создания
«цифровой экономики».
В рамках реализации указанных тенденций, система SAP S4/HANA предоставляет
пакет решений для управления ресурсами предприятия в режиме реального времени,
доступный как для локального, так и для «облачного» развертывания. Архитектура HANA
обеспечивает высокоскоростную обработку транзакций и работу со сложными
аналитическими запросами, совмещая решение этих задач на единой программной
платформе.
Таким образом, можно сделать вывод, что в области коммерческих СППР
отмечается та же тенденция, что и в системах военного назначения: разработка отдельных
специализированных АСППР не ведётся  разрабатываются корпоративные АСУ с
функциями СППР.
Кроме уже внедрённых систем такого типа, существует довольно большое
множество разного рода методов и компонентов, готовых к применению, но пока не
используемых в СППР [84,85,86].
На основе некоторых из них уже разработан ряд технологий, способных, в
перспективе, обеспечить успешное функционирование СППР. Пример таких технологий,
так называемый «Интернет вещей» (Internet of Things, IoT). Концепция вычислительной сети
физических предметов, оснащённых встроенными средствами для взаимодействия друг с
другом или с внешней средой, позволяющая организовывать из них «сообщества», такие
как «умный дом» (smart home, home automation, smart house, building automation – в зависимости от
уровня и масштабов объекта), обеспечивающие максимальный учёт потребностей
пользователя и их реализацию в реальном масштабе времени. Ещё ближе к АСППР
технологии «промышленного Интернета вещей» (Industrial Internet of Things, IIoT), в которых
просматриваются принципы не только новой организации производства, характерной для
нового этапа промышленной революции, но и организация взаимодействия разных
уровней АСУ: от уровня ЛПР, до технического средства - исполнителя задач. С точки
зрения создания эффективных СППР, данные технологии интересны не только как
средство для создания надёжной информационной основы системы управления, но и как
способ самоорганизации распределённых сообществ, автоматического формирования
сценариев их работы, сбора и обработки данных для их учёта в предпочтениях
пользователей.
Примеры практического применения некоторых из подобных технологий уже
существуют. Таким примером может служить успешное коммерческое применение
автоматизированных систем SAP IoT и SAP HANA, реализующих принципы «облачных»
сервисов и «интернета вещей», построенные на технологиях межмашинного
взаимодействия М2М (Machine-to-Machine). Как показала практика, эти системы обеспечили
компаниям - пользователям не только выстраивание единой системы сбора данных и
управления распределёнными техническими устройствами, но и алгоритмически решили
проблему оптимизации использования ресурсов.
Впрочем, развитие технологий не останавливается на уровне IoT и HANA, любой
производитель стремится максимально использовать все новейшие тенденции для
совершенствования своей продукции и повышения её конкурентоспособности.
Так, несомненный интерес для развития АСППР представляет технология
50
«блокчейн» (blockchain), реализующая принципы самоорганизации распределённых
организационно-технических систем. Указанная технология практически применяется в
ряде систем, например SAP Leonardo или SophiaTX, обеспечивающих реализацию
технологий В2В на основе принципов «блокчейн». Или, например, в приложении TrueRec,
реализующем безопасный цифровой сервис хранения и использования данных.
Теоретически, данная технология может служить основой для реализации «гибкой»
диспетчеризации СППР.
Разумеется, не стоит забывать и об отлаженных и активно использующихся
технологиях, многие из которых могут способствовать успешной практической
реализации распределённых АСППР. В первую очередь речь идёт об «облачных»
подходах к организации хранения данных и вычислений (Cloud computing), сервисноориентированных технологиях (Service Oriented Apllication, SOA) и других.
Указанные методы и технологии, как и другие, вновь появляющиеся, могут в
перспективе служить основой для повышения эффективности автоматизированной
поддержки принятия решений. Их полноценная практическая реализация и получение
реальной отдачи – вопрос времени.
Приведённые примеры показывают, что системы автоматизированной поддержки
принятия решений уже сейчас применяются на практике в самых различных областях
деятельности. Тенденция их развития – не создание неких автономных СППР, а
совершенствование АСУ разного назначения для придания им функций ИСППР:
- по расширению состава и характеристик компонентов;
- по уточнению алгоритмов работы.
Но в развитии данного процесса существуют определённые проблемы самого
разного свойства. И эти проблемы оказывают отрицательное влияние на внедрение в
практику управления реально работающих автоматизированных СППР.
51
5
Некоторые
проблемы
внедрения
в
практику
автоматизированных систем поддержки принятия решений и
возможные пути их решения
Как показал анализ практики развития автоматизированных систем управления,
проведённый в предыдущем разделе,
актуальность внедрения в работу органов
управления автоматизированных средств поддержки принятия решений очевидна.
Именно это является одним из основных путей повышения качества принимаемых
решений. Но данный процесс идёт не такими быстрыми темпами, как хотелось бы, и
этому есть причины. Данные причины являются прямым следствием противоречий,
порождаемых перманентным кризисом управления, описанным в первом разделе
настоящей работы.
Проблемы, связанные с развитием автоматизированной поддержки принятия
решений можно разделить на две большие группы, определяемые направленностью
данного процесса:
- методологические, связанные с развитием теории поддержки принятия решений;
- практические, связанные с разработкой СППР и их компонентов, внедрением
подобных систем в практику управления.
К методологическим причинам можно отнести неопределённость предметной
области, связанную с нахождением места СППР в системе автоматизации управления. В
результате этой неопределённости многие разработчики и пользователи воспринимают
СППР как некую отдельную автономную систему, некоего «электронного помощника».
Но как показано в данной работе, такой подход корректен только в случае применения
персональных СППР, и то достаточно условно. Любая сложная система, предназначенная
для решения действительно серьёзных задач – это не отдельная СППР, а
автоматизированная система управления, построенная по принципу СППР. Именно
автоматизированная система, комплексы средств автоматизации и отдельные
автоматизированные
рабочие
места
которой
организованы
как
единая
автоматизированная СППР, и никак иначе.
Практические проблемы внедрения СППР порождаются противоречиями,
изначально присущими процессу управления. Их можно разделить на возникающие по
причинам, определяемым факторами субъективного и объективного характера.
К субъективным проблемам можно отнести недоверие ЛПР к результатам
применения средств расчётов и моделирования, а также определённое неприятие замены
труда управленцев средствами автоматизации.
Группу объективных проблем составляют организационные и технологические
проблемы. Организационные проблемы присущи созданию и применению любых
сложных технических систем, особенно структурно неоднородных. Технологические
проблемы всегда присутствуют при разработке и применении любых новых технических
средств, в том числе разрабатываемых или модернизируемых АСУ и их компонентов.
К основным технологическим и организационным проблемам, существующим
в настоящее время в области создания автоматизированных СППР можно отнести:
— проблемы разработки и внедрения автоматизированных средств поддержки
принятия решений, связанные с неопределённостью предметной области и приводящие к
необоснованному расширению спектра рассматриваемых систем или, наоборот, к
сужению их функций;
52
— проблемы организации функционирования СППР как распределённой сложной
системы, обеспечения технической, программной, организационной и информационной
совместимости её компонентов;
— технологические сложности разработки прикладного программного обеспечения
СППР, характерные, впрочем, для разработки любых специализированных программ;
— проблемы контроля качества разрабатываемой программной продукции и ряд
других.
Все эти факторы в той или иной степени оказывают влияние на процесс внедрения
автоматизированных СППР в практику управления.
При оценке организационных технологических проблем, в первую очередь следует
помнить, что любая СППР не существует сама по себе. Попытки создать некую
отдельную автоматизированную СППР, автономную или внедрённую в АСУ, заранее
обречены на провал. Автоматизированная СППР – это в первую очередь принцип
организации системы, а не отдельное изделие в структуре АСУ. АСППР всегда является
составной
частью
существующей
системы
управления:
государственного,
муниципального, военного. Точнее, составной частью её технической основы—
автоматизированной системы управления. И все проблемы разработки СППР — те же,
что и для АСУ в целом.
Первая организационная проблема определяется тем, что существующие
нормативные документы по разработке программ (ГОСТ серии 34 для систем и серии 19
для отдельных программ), ведомственные инструкции и руководящие документы,
ориентированные на работу коллективов разработчиков «по старинке», как при создании
изделий машиностроения.
Неразвитость промышленных подходов к созданию прикладного программного
обеспечения приводит к преобладанию «кустарных» методов разработки, вследствие
которых программа, созданная одним программистом, практически не может быть
доработана другими в рамках сопровождения её жизненного цикла. Переход к
«мануфактуре» или «фабрике» программ, как это произошло с промышленной
продукцией, постепенно обособлявшейся от конкретного производителя, пока не
завершен. Ситуация усугубляется тем, что руководящие документы, регламентирующие
создание программного обеспечения, постоянно отстают от развития информационных
технологий. Это объективный процесс, определяемый сроками корректировки
существующих и разработки новых нормативных документов, но от осознания этого
ситуация легче не становится.
В результате при разработке компонентов АСППР практически не используются
современные подходы к созданию программного обеспечения на основе стандартов
управления проектами PMBoK (Project Management Body of Knowledge), ISO 21500 и
реализующих их положения методологий организации разработки, такой, например, как
RUP (Rational Unifield Process).
В итоге на всех этапах разработки формируется отставание от потребностей
управления за счёт нерациональной организации и дублирования работ. В то же время,
уже существует и применяется на практике достаточное обширный инструментарий,
позволяющий решать проблемы разработки, имеется достаточно большое количество
специализированных программных продуктов подобного назначения. Например, для
рациональной организации работ может быть использован специализированный
инструмент автоматизации управления разработкой, типа VSS (Microsoft Visual SourceSafe),
дальнейшее развитие этой системы – TFS (Team Foundation Server) или аналогичные
приложения для управления проектами и задачами: Jira, Gemini, Savana, Redmine, Trac,
53
TaskJuggler и им подобные [89,90,99]. Перечисленные продукты по своему функционалу во
многом аналогичны, отличаясь теми или иными возможностями. Целесообразность
применения любого из них зависит от масштабов и характера проекта, порядка его
финансирования, освоения инструментария конкретным коллективом разработчиков.
Важно не конкретное средство, а сам факт упорядочения процесса разработки
относительно эффективности конечного результата. Практика использования лично
автором подобных средств, в частности TFS, показала, что они, не являясь панацеей от
всех проблем, всё же обеспечивают существенное повышение эффективности работы
коллективов разработчиков за счёт налаживания процесса взаимодействия между
аналитиками, программистами, тестировщиками и разработчиками документации [91].
Происходит это за счёт того, что TFS обеспечивает автоматизированное
выполнение целого ряда важнейших функций управления проектами:
- многократная блокировка файлов для изменения (multiple simultaneous check-outs),
позволяющая нескольким пользователям одновременно редактировать один и тот же
файл;
- отложенное внесение правок (shelving);
- ветвление с последующим слиянием (branching and merging);
- урегулирование конфликтов в случае слияния различных «веток»;
- разграничение уровней доступа, независимо для разных файлов и папок;
- поддержка версионности документации;
- реализация механизма откатов до предыдущих версий, в том числе по отдельным
«веткам» проекта;
- операции подтверждения малых изменений (atomic commits).
Каждая из перечисленных функций, выполняемая в совокупности проекта,
существенно упрощает управление разработкой прикладного программного обеспечения.
Как показал практический опыт использования TFS при разработке крупных
проектов, данное средство достаточно эффективно обеспечивает автоматизацию [90]:
- постановки задач группам и отдельным разработчикам, контроль их выполнения;
- архивации данных с контролем версионности и вносимых в программный код
изменений;
- сборки версий, в том числе автоматической, с рассылкой уведомлений;
- отладки разрабатываемых программ, в том числе с настройкой автоматического
режима процесса тестирования.
Не преувеличивая возможности TFS и не занижая качества других подобных систем,
можно сделать вывод, что, с учётом её функционала, автоматизация процесса
организации разработки на основе использования специализированного инструментария
обеспечивает существенное повышение его эффективности.
Следует отметить, что для решения задач повышения эффективности разработки
программ в настоящее время применяется достаточно широкий спектр методов и
методологий и моделей разработки ПО, реализующих их программных систем (рисунок
20). Применение тех или иных из них определяется условиями разработки. В рамках и в
дополнение к считающейся специалистами одной из наиболее рациональных
методологий RUP, могут использоваться стратегии Microsoft Solution Framework (MSF),
Capability Maturity Model Integration (CMMI), KANBAN, Extreme Programming (XP), Scrum и
другие. Среди перечисленных подходов особо можно выделить последние, реализующие
«гибкие» принципы (а в чём-то и философию) разработки Agile, в отличие, например, от
RUP, ориентированной на «жесткие» (прогнозируемые) алгоритмы. Хотя деление на
«гибкие» и «жесткие» подходы достаточно условно, и в тех и других могут использоваться
54
элементы противоположного. В любом случае, несмотря на меньшую предсказуемость
результата, «гибкие» технологии могут быть эффективны именно при разработке
прикладного ПО АСППР, что определяется особенностями написания подобного класса
ПО [102]. Для практической реализации «гибких» технологий могут быть использованы
различные системы автоматизированной организации разработки, например Jiro или та же
TFS.
Рисунок 20. Существующие методы, методологии и модели разработки программного
обеспечения
Впрочем, с точки зрения повышения эффективности разработки ПО, не столь
важна сама технология и реализующее её средство, сколько наличие подобного
функционала, обеспечивающего, в итоге, качество конечного программного продукта.
Вторая организационная проблема – периодически встречающееся нарушение
рационального порядка разработки программной продукции. Неотъемлемым (и одним из
важнейших) этапом разработки АСППР является формирование логических,
функциональных и информационных моделей, на основе которых создаются подобные
системы. Важность этапа информационного обследования органов управления и
концептуального проектирования автоматизируемой системы трудно переоценить, так как
получаемые в ходе их выполнения функциональные и информационные модели служат
фундаментом для дальнейшей разработки АСППР. И ошибки, допущенные на начальном
этапе, исправляются с большими временными и финансовыми затратами. Большинство
проблем этого этапа определено нацеленностью информационного обследования, в
соответствии с существующими нормативными документами, на использование
«бумажных» технологий.
В то же время, в мировой практике для проведения информационного обследования
давно и успешно используются CASE-средства (Computer-Aided Software Engineering)
построения информационных моделей бизнес-процессов. Основным содержанием
работы при использовании таких средств является построение логической модели
автоматизируемой системы и поэтапная детализация её до структурно-функциональной и
информационной моделей объектов автоматизации.
С использованием программных продуктов, реализующих технологию IDEF (ICAM
Definition) в рамках концепции информационной поддержки жизненного цикла изделий
55
CALS (Continuous Acquisition and Lifecycle Support), процесс разработки прикладного
программного обеспечения выстраивается в порядке, обеспечивающем оптимизацию
создания программных и информационных компонентов АСППР (рисунок 21):
1)Формирование обобщённой модели процесса
функционирования органов
управления (диаграммы BPM), фактически описывающей алгоритмы работы должностных
лиц;
2)Детализация описания потоков данных (DFD-диаграмм). Практика показывает,
что на этом этапе программисты уже могут начать разработку программного кода, но для
соблюдения требований руководящих документов, обычно требуется официально
оформить результаты работы в виде постановок задач;
3)Описание ER-диаграммы процессов функционирования органов управления как
детальной информационной модели объекта автоматизации. На этом этапе может
начинаться полноценная разработка прикладных программ;
4)Последовательная разработка на основе ER-диаграмм концептуальной, логической
и физической моделей базы данных АСППР;
5)Завершение разработки программных компонентов АСППР, отладка программ,
разработка пользовательской и конструкторской документации;
6)Сопровождение применения АСУ, уточнение модели процесса по мере
необходимости.
В ходе реализации такого алгоритма последовательно формируется «многослойная»
модель процессов, выполняемых иерархически организованными органами управления,
учитывающая связи между задачами и применяемые методы их решения.
Имеющиеся в составе большинства CASE-продуктов встроенные средства контроля
вводимых данных обеспечивают логическую целостность модели. Ещё одна важная
особенность: получаемую информационную модель можно наращивать и
детализировать, используя начальную структуру как базу (рисунок 22).
Рисунок 21.Алгоритм разработки программного обеспечения с применением
современных технологий информационного обследования (вариант)
56
Рисунок 22. Функциональная модель применения АСППР (верхний уровень)
Более того, иногда удаётся совместить мероприятия по ряду этапов разработки
программного и информационного обеспечения АСУ (рисунок 21), сокращая тем самым
общее время работы и, как результат, трудозатраты.
Практика применения указанных подходов показала наличие ряда существенных
преимуществ перед «классическими»:
- сокращение времени подготовки к обследованию объектов автоматизации;
- более широкий учёт мнений экспертов, связанный с отказом от применяемого в
настоящее время формализованного метода опроса, строго ориентированного на
структуру опросных таблиц;
- больший объём и полнота получаемой информации, определяемые
интерактивным режимом формирования данных;
- простота модернизации разработанной информационной модели при изменении
структуры или задач системы;
- удобство решения задач организации взаимодействия различных систем,
изменения и наращивания функций и задач системы.
В то же время, применение современных технологий информационного
обследования сдерживается существующей в нашей стране нормативной базой
разработки АСУ. Для реализации современных технологий разработки программ,
объективно необходимо предусмотреть механизм использования в этом процессе
электронных схем и документов. Как минимум – допустить замену опросных листов
электронными документами. В идеале, разрешить как альтернативу отчётам в бумажной
форме использовать BPM или DFD-диаграммы. Определённые шаги в этом направлении
уже делаются. Так, руководящими указаниями РД IDEF 0-2000, «в связи с расширяющимся
применением информационных технологий и, в частности, CALS-технологий в
народном хозяйстве Российской Федерации» [95], описан порядок работы с моделями
стандарта IDEF. Рекомендациями по стандартизации Р 50.1.028-2001 разрешено
применение для описания функциональных моделей системы управления в нотациях
IDEF0 [96]. Понятно, что документы класса «рекомендация» по значимости и
57
обязательности использования не дотягивают даже до ГОСТ, не говоря уже о других
официальных документах. Более того, разрешены к использованию лишь ряд методов, с
формированием на основе электронного описания моделей системы отчётов в бумажной
форме, хотя для разработки автоматизированных систем управления такая ситуация –
нонсенс. И применяемый в настоящее время ГОСТ по разработке электронных
документов в составе рабочей конструкторской документации её существа не меняет,
позволяя формировать документы в виде файлов, в том числе интерактивных, но не
узаконив использование электронной модели системы [97]. С введением системы
электронного документооборота сделан только первый шаг в направлении применения
современных информационных технологий разработки АСУ, остаётся необходимость
продолжать работу в направлении совершенствования документации по организации
разработки программных продуктов, разрешения использования нотаций IDEF1, IDEF2
и последующих версий. Материальная основа для этого создана, осталось
скорректировать нормативно-правовую документацию по созданию АСУ в части
принципов документирования функциональных и информационных моделей.
В этой связи нельзя не отметить ещё одну проблему, связанную с разработкой
информационных моделей АСППР - при проектировании системы автоматизированного
управления заведомо принимается, что существующая структура системы рациональна и
менять её нет необходимости, просто производится автоматизация исполняемых
управленцами функций без их изменения. Такой подход закреплён в существующих
нормативных документах. Он оправдан с позиций теории гарантированной полезности,
так как обеспечивает получение гарантированного минимального результата при любых
условиях. Но он, по определению, не может обеспечить формирование «прорывных»
решений, кардинально повышающих эффективность управления. Чтобы обеспечить
подобный результат, необходимо рассматривать проблему автоматизации поддержки
принятия решений комплексно, с учётом требований системного подхода, то есть
оптимизировать одновременно и алгоритмы, и структуру органов управления, и связи
внутри системы [68, 79]. Использование электронных логических, функциональных и
информационных моделей АСППР поможет решить и эту проблему.
И, наконец, ещё одна значимая проблема, на первый взгляд не связанная напрямую с
разработкой АСППР: проблема информационного обеспечения применения
автоматизированных систем. Проблема связана с необходимостью кодирования по сути
аналоговой информации об управляемых объектах для её программной обработки.
Существующий подход на основе построения «жестких» связей между описываемыми
объектами и явлениями и их описанием в машинных кодах порождает определённые
проблемы при управлении большими территориально распределёнными системами.
Организация обмена между программой и пользователем, а также между самими
программами через систему классификаторов и словарей, реализуемых в составе
информационно-лингвистического обеспечение (ИЛО) АСУВ, порождает проблему
взаимодействия разнородных систем, участвующих в едином процессе управления. В
настоящее время проблема сопряжения информационных систем решается с
применением протоколов технического, программного, организационного и
информационного взаимодействия [94]. Основа этих протоколов – жёсткое
сопоставление внутренних систем классификации и кодирования разных АСУ,
предварительно согласуемое на этапе разработки принципов взаимодействия. Но, как
показала практика, каждый протокол требует усилий по поддержанию его в актуальном
состоянии, что при увеличении количества взаимодействующих агентов сильно
осложняет взаимодействие и функционирование системы в целом. В результате,
58
эксплуатация распределённых АСУ, с точки зрения информационного обеспечения,
превращается в процесс ликвидации постоянно возникающих разрывов единого
информационного поля, требующий существенных временных и ресурсных затрат.
Для автоматизированной СППР, которая, по определению, является конгломератом
разнородных систем, используемых для решения единой задачи управления, процесс
организации взаимодействия крайне актуален. Соответственно, проблема требует
решения.
Существуют различные варианты решения проблемы информационного
взаимодействия, апробированные с той или иной степенью успешности. Наиболее
кардинальный – изменение подхода к кодированию информации:
- с использованием методов интеллектуального анализа данных посредством
интеграции технологии OLAP (Online Analytical Processing) и нечеткой логики, построения
базового информационного обеспечения в форме многомерных OLAP-матриц;
- на основе механизмов теории нечетких множеств для комбинирования выходов
классификаторов на основе ассоциативных и коммутативных бинарных операций;
- организации информационного обеспечения на основе так называемых RDFграфов, реализующих семантическую среду представления данных RDF (Resource Description
Framework).
В принципе, для решения проблемы межсистемного взаимодействия может быть
использован любой из перечисленных подходов, как и любой другой. Главное, не
конкретный применяемый метод, главное – результат его применения, обеспечивающий
«бесшовное» информационное взаимодействие.
Как следствие, из всех перечисленных организационных и технологических
проблем формируется группа проблем организации СППР как распределённой
неоднородной системы. Вопрос организации самой автоматизированной СППР как
структурно-сложной, пространственно-распределённой человеко-машинной системы, а,
точнее, отсутствие его решения, тормозит внедрение СППР в практику работы органов
управления.
Сущность проблемы неоднородности определяется тем, что определении СППР
ключевым можно считать слово «СИСТЕМА», то есть распределённый набор
разнородных компонентов и связей между ними, где важны даже не сами компоненты, а
именно связи.
Структура связей АСППР определяется формой используемой информации и
алгоритмами её обработки. В свою очередь, степень агрегирования информации,
циркулирующей в ней, зависит в основном от масштабов управляемой системы и
различается по уровням управления.
Создание АСППР невозможно без создания надежного информационного
фундамента в виде системы мониторинга, а также без обеспечения информационной
связности всех компонентов СППР. Это то, что в разговорах между собой разработчики
АСУ называют «юбкой»: разветвлённая система сбора, первичной обработки
информации. В состав подсистем нижнего уровня входят и средства обеспечения
функционирования системы в целом (рисунок 19).
На этом фундаменте базируются расчётно-моделирующие средства СППР,
применяемые в едином цикле принятия решений. И, наконец, на верхнем уровне
иерархии располагаются подсистемы работы со знаниями и адаптивными алгоритмами,
обеспечивающие анализ результатов расчётов и моделирования, формирование на их
основе альтернатив и представление их ЛПР.
И ещё одно ключевое словосочетание в определении автоматизированной СППР
59
«ЧЕЛОВЕКО-МАШИННАЯ». Именно наличие на разных уровнях структуры СППР
подготовленного персонала отличает СППР от других систем управления. Именно это
свойство обеспечивает, при необходимости, гибкий анализ нестандартных ситуаций, в
том числе лежащих за пределами области, рассматриваемой при создании системы.
Именно подобная гибкость, практически неограниченно расширяющая возможности
системы, вероятно, никогда не позволит заменить СППР даже самой совершенной
экспертной или автоматической системой. Недостаточный учёт влияния этого свойства,
может, в свою очередь, свести на нет все преимущества СППР. Это необходимо
учитывать при организации эксплуатации АСППР.
Но при такой иерархической и разнородной структуре возникает проблема, общая
для любых организационно-технических систем - проблема организационно-технической
совместимости. Эта проблема несколько шире, чем просто информационное
взаимодействие внутри системы. Несмотря на развитый рынок средств обеспечения
разноуровневого взаимодействия, она всё-таки возникает при агрегировании крупных
систем, имеющих разнотипные по структуре компонентов уровни: от управления
коллективами на верхнем уровне до непосредственного управления техническими
средствами и даже роботизированными комплексами внизу (в западной терминологии
«киберфизическими системами», CPS — Cyber-Physical System). Решение данной задачи
находится на стыке технологий управления:
1)Уровень управления сложными социальными системами предназначен для
информационной и расчётной поддержки принятия решений должностными лицами
органов управления и постановке задач коллективам, то есть для работы с человеком.
Человек воспринимает информацию визуально и на слух. Этим определяется низкий
уровень формализации информации, циркулирующей на этом уровне.
2)Уровень управления техническими средствами служит «прокладкой» между
человеком и механизмом. В отличие от человека, механизм понимает только
формализованные команды и понимает их буквально. Этим определяется крайне высокая
формализованность данного уровня управления.
В то же время, оба этих уровня являются составной частью одной системы,
применяются в едином процессе управления и должны взаимодействовать. В системах
управления предприятием, где управленцы наиболее близки к техническим средствам,
уровни часто даже не разделяют, говоря о единой системе управления технологическими
процессами. Наличие стыков, потребность перехода от неформализованной к
формализованной информации и обратно порождает проблемы взаимодействия разных
уровней и систем.
Но проблемы организационно-технического сопряжения проблемы теоретически
решаемы, необходимо только алгоритмизировать формализацию информации в
процессе её прохождения по вертикали. Точных теоретических методов решения таких
задач в настоящее время не существует, но подобные задачи решались практически при
создании систем управления войсками (силами) и оружием [18]. Есть и примеры
успешной реализации межсистемного взаимодействия в коммерческой сфере. Например,
ECM-системы (Enterprise Content Management), предлагающие решения, позволяющие
интегрировать разнородную информацию в рамках единых и целостных бизнеспроцессов, не заменяя, а расширяя функциональность уже существующих IТ-систем.
Другим примером может служить отмеченное ранее применение автоматизированных
систем SAP IoT и SAP HANA в сфере управления техническими устройствами и
ресурсами, например, в части интеграции бизнес и технологических данных (IT-OT
технологии). Положительный опыт организации технического и программного
60
взаимодействия в гетерогенной среде показало применение так называемого
«промежуточного слоя» (middleware).
Решать указанные проблемы, кроме предложенных вариантов, можно разными
способами. Можно создавать и совершенствовать собственные технологии, средства
разработки систем и нормативные документы по их применению, можно использовать
апробированные зарубежные технологии и подходы. В последнем случае необходимо
соблюдать определённую осторожность, ведь кроме вполне объективных угроз
кибербезопасности [58,59,92], существует множество «специалистов от программирования
и управления бизнес-процессами», ратующих за использование малознакомых программ
и систем, о возможностях которых они узнали на семинарах или из литературы, но о
«подводных камнях», появляющихся в процессе эксплуатации, как чистые теоретики не
имеют никакого понятия.
Впрочем, это не отменяет возможность и необходимость использования
проверенных на практике типовых решений на основе стандартов по управлению
разработкой PMBoK, управлению процессами CBOK (Business Process Management Common Body
of Knowledge), формирования архитектуры разрабатываемых систем TOGAF (The Open Group
Architecture Framework), применения стандартных библиотек ITIL (Infrastructure Library) и
других. Разумеется, с учётом ограничений по требованиям информационной
безопасности. Ведь любой разработчик постоянно балансирует на тонкой грани между
опасностью пропустить киберугрозу или необоснованно отказаться от использования
современных информационных технологий, скатившись к «пещерному» страху перед
новизной. И цель – выбрать оптимальный баланс между безопасностью и
эффективностью.
Тем более, что есть положительные примеры использования заимствованных
информационных технологий, например, в части организации разработки ПО [90] или
при построении информационных моделей автоматизируемых процессов и систем
[60,61]. Такие возможности, особенно в части инструментария организации разработки,
не связанного напрямую с конечным программным продуктом и не представляющего
прямых угроз кибербезопасности, использовать можно и нужно. Регламентирующий
данный процесс 188-ФЗ от 29.07.2015 года «О внесении изменений в Федеральный закон
"Об информации, информационных технологиях и о защите информации" и статью 14
Федерального закона "О контрактной системе в сфере закупок товаров, работ, услуг для
обеспечения государственных и муниципальных нужд» обеспечивает включение
подобных программ в реестр доверенного отечественного программного обеспечения.
Таким образом, практика создания распределённых автоматизированных систем
управления, подобных по основным функциям СППР, анализ существующих технологий,
показывает, что на современном уровне все проблемы их разработки и применения
решаемы. Опыт создания в СССР крупных автоматизированных систем управления
[66,67,68,69], например, АСУ «Маневр», показывает, что при правильной организации
работ все проблемы решались даже на уровне технологий 80-х годов прошлого века. А на
современном этапе развития информационных технологий организовать такую работу
ещё проще. Главное при таком подходе к процессу — организация: правильно
определить цель и структуру работ, грамотно организовать работу. Это, конечно,
требования непростые, но выполнимые.
Итак, основной проблемный вопрос создания сложных распределённых СППР —
организационный. Опыт создания крупных автоматизированных систем в Советском
Союзе показал, что главным условием успеха является единое руководство при разработке
и сопровождении системы. Именно единое руководство совета конструкторов, главного
61
конструктора, а также контроль заказчика обеспечивают техническую, программную,
организационную, информационную совместимость всех подсистем и в итоге, создание
единой СППР.
И, наконец, субъективные проблемы применения СППР. Как отмечалось
ранее, они являются неизбежным классом проблем в любой системе, подразумевающей
участие человека в процессе её функционирования [62]. Не являются исключением и
автоматизированные системы управления, в том числе, организованных по принципу
СППР.
При этом следует признать, что наличие субъективности при принятии решения —
не всегда отрицательный фактор. Опытные управленцы способны формулировать
правильные решения в условиях неполной информации на интуитивном уровне. С
другой стороны, руководители, как правило, редко и неохотно признают фактор
субъективности, полагая, что их оценки и прогноз являются объективно оптимальными.
Лица, принимающие решения, часто исходят из своих субъективных представлений об
эффективности возможных альтернатив и важности различных критериев, позиционируя
это как единственно верное решение. Сочетание этих факторов в ряде случаев порождает
субъективное неприятие результатов работы СППР в целом или отдельных её
компонентов и, в конечном итоге, может привести к ошибкам в планировании и
управлении, ценой которых являются большие материальные и временные потери.
Таким образом, наличие субъективных факторов, сдерживающих практическое
применение интеллектуализированных СППР, — реальный факт, требующий
осмысления и принятия соответствующих мер.
Чем же определяются случаи отрицательного отношения к применению
автоматизированных СППР? Объективный анализ состояния этой проблемы провести
сложно: опыта эксплуатации реальных СППР не так много. Но есть итоги эксплуатации
отдельных компонентов СППР: информационных систем, расчётных задач и
математических моделей. Анализ их применения может дать определённые ответы на
проблемные вопросы влияния субъективных факторов на разработку и применение
СППР.
Основной причиной указанной проблемы, как показывает практика, является
периодически возникающее недоверие ЛПР к содержанию программно вырабатываемых
альтернатив. Это недоверие определяется:
- незнанием возможностей используемого для выработки альтернатив
математического аппарата;
- незнанием границ применимости программных средств СППР;
- личным негативным опытом ДЛ, возможно, имевшим место ранее;
- несовершенным интерфейсом компонентов СППР.
Незнание особенностей используемого математического аппарата для ЛПР,
особенно высокого ранга, является вполне естественным и нормальным фактором.
Действительно, зачем человеку до тонкостей знать, как устроен используемый им
инструмент? Достаточно знать его назначение и правила использования. Теоретически
лица, применяющие компоненты прикладного программного обеспечения СППР в своей
практической деятельности, должны уяснить границы его применимости при
внимательном изучении эксплуатационной документации. Понять, запомнить и всегда
ими руководствоваться. К сожалению, эта идеальная ситуация не всегда реализуется на
практике. В результате возникает проблема: использование системы вне рамок её
назначения. Итог – получение ошибочных частных решений и формирование общего
недоверия к системе в последующем.
62
Незнание математического аппарата применяемых систем порождает и другую, не
менее опасную проблему: уверенность в том, что используемые в компонентах СППР
методы, например, методы прогнозирования, дают абсолютно точный результат. Эта
уверенность очень опасна и может сыграть с пользователем злую шутку. Любой опытный
разработчик программного обеспечения подтвердит вам, что ни одна, даже самая
совершенная математическая модель не выдаёт абсолютного результата. Результаты
моделирования — это набор значений, действительный с определённой вероятностью в
пределах доверительного интервала и характеризующий общую тенденцию развития
событий. И эти данные будут действительны только в предположении, что
оптимизируемая функция непрерывна и неразрывна на прогнозируемом интервале.
Результат слепого доверия к формируемым системой прогнозам тот же, что и при
незнании математического аппарата: неоправданные ожидания и формирование
недоверия к результатам применения программ.
Проблемы субъективного отношения к применению СППР часто усугубляются
несовершенством интерфейсов прикладного программного обеспечения. А ведь с
развитием информационных технологий, повышением возможностей вычислительной
техники «слабым звеном», замедляющим принятие решений в автоматизированных
системах управления, всё чаще становится человек. И причиной этому порой становится
именно интерфейс программы. Как входной, обеспечивающий процесс постановки
оператором задач системе, так и выходной, реализующий анализ результатов расчётов и
моделирования. Именно интерфейс является основным элементом общения пользователя
и программы. И очень часто именно удобством интерфейса определяется, будет ли
пользователь в критические моменты обращаться к программе, сможет ли быстро
провести расчёты и проанализировать их результаты или, махнув рукой на сложность
общения с ней, воспользуется менее точными, но более простыми в обращении
средствами, или решит задачу без применения вычислительной техники.
Ещё один субъективный аспект — личное отношение каждого пользователя и ЛПР
к результатам расчётов и математического моделирования, применяемым для выработки
альтернатив управленческих решений, формируется в ходе общения с прикладными
программами, особенно с математическими моделями. В любой работе случаются
ошибки, причина многих из них не всегда очевидна пользователю. Знания об этих
ошибках накапливаются и складываются в негативное мнение, причём основанное на
абсолютно субъективном восприятии. Основа борьбы с этой проблемой – грамотная
организация технической поддержки пользователей и непрерывное совершенствование
системы в рамках авторского надзора.
К субъективным проблемам внедрения СППР, так же лежащим в области
обеспечения доверия ЛПР к вырабатываемым альтернативам, можно отнести
организацию оценки качества разрабатываемой программной продукции. Существующие
ГОСТ [63, 64, 65] рассматривают качество как совокупность основных свойств,
характеризующих потребительские показатели: удобство использования, разработки и
сопровождения, надежность, уровень автоматизации функций пользователей. Подход к
определению качества программного обеспечения, как и качества любой продукции в
целом, не изменился и после введения закона «О техническом регулировании» № 184-ФЗ
от 27.12.2002. Сделав необязательным старые ГОСТы, новый закон не изменил подход к
оценке качества через потребительские свойства (иногда и просто на уровне безопасности
продукта) на более логичную оценку по потенциальной эффективности применения. В
результате об эффективном контроле качества программного обеспечения в настоящее
время говорить не приходится. Тем более, что имеющее место применение для
63
определения качества программных продуктов количественных методов, которые
используются при контроле, например, машиностроительной продукции, некорректно.
Качество любой системы, содержащей субъективный компонент, не может
контролироваться только по количественным значениям, в составе оценок должны
присутствовать и качественные показатели.
Наглядный пример недостатков аппарата определения качества программ - сбой
программного обеспечения автоматизированной системы ПВО «Си Вулф» (Seawolf)
английского фрегата «Бродсворд» (HMS Broadsword) во время боя с аргентинскими
самолётами в мае 1982 года. Из-за ошибки распознавания, когда пара самолётов была
воспринята как одна цель, а потом зафиксирована ещё раз как две раздельные, программа,
прошедшая все необходимые испытания, неверно дала сбой и выстроила приоритетность
поражения воздушных целей и не дала снять образовавшуюся первой фиктивную цель с
поражения [98]. В результате аргентинскими самолётами, в отсутствие противодействия
ПВО, был потоплен эсминец «Ковентри» (HMS Coventry). Информация о подобных
примерах отнюдь не способствует повышению доверия ЛПР к результатам применения
программ в составе СППР.
Чтобы исправить сложившуюся ситуацию, специалисты в области разработки ПО
вынуждены использовать показатели его качества собственной разработки, например
«повышение оперативности и обоснованности решений», обеспечиваемых за счёт его
применения. В качестве количественных показателей при таком подходе применяются
длительность цикла расчётов и количество итераций, обсчитываемых в заданный
промежуток времени.
Если первый показатель в целом не вызывает претензий, по крайней мере, при
использовании для оценки полного времени расчёта, с учётом ввода исходных данных, то
со вторым возникают определённые сомнения. Ведь логичнее использовать в качестве
показателя обоснованности не максимальное количество циклов, а их достаточность,
обеспечивающая формирование в заданное время необходимого количества альтернатив
поведения, составляющего их полное множество по всем заданным пользователем
критериям. Время расчёта этого множества не так критично, достаточно, чтобы оно не
превышало отведённого на формирование решения в целом.
Причём, первый и второй показатели не тождественны и не взаимозаменяемы.
Второй параметр может не включать время на ввод исходных данных в каждом варианте
расчётов, если программа ищет оптимум самостоятельно, по общим, заданным
оператором критериям. А может и включать, если программа ищет оптимум в
итерационном режиме, и оператор на каждой итерации меняет исходные данные
вручную. В подобной ситуации длительность одиночного цикла расчётов для разных
программ может быть одинаковой, а время формирования полного перечня альтернатив –
разной. Соответственно, разным должно быть и качество этих систем.
Но даже вышеописанные показатели официально не утверждены и в настоящее
время используются неофициально, на страх и риск разработчика. Нерешенность
указанной проблемы оказывает отрицательное влияние на уровень доверия пользователей
к системе. Исходя из этого, проблема оценки качества программ требует скорейшего
разрешения.
Впрочем, субъективное отношение к применению СППР в практике управления не
ограничивается только недоверием СППР к результатам расчётов. Личный опыт автора в
части эксплуатации ERP-систем показывает, что и ЛПР, и рядовые исполнители без
энтузиазма относятся к внедрению подобных систем в практику, по крайней мере, на
начальном этапе. Это нормально, так называемое явление «трения» свойственно процессу
64
внедрения любых новых систем. В части СППР это «трение» определяется тем, что их
внедрение меняет устоявшиеся принципы и алгоритмы работы, формализуя и нормируя
все действия участников процесса. В результате от начальников всех уровней требуется
детальная и предельно конкретная постановка задач, от исполнителей – их выполнение в
полном объёме в указанные сроки. Все эти действия контролируются программой, что
повышает эффективность всех процессов, но усложняет деятельность их участников.
Впрочем, как показала практика, неприятие характерно только на начальном этапе
применения СППР. При переходе процесса в устоявшийся режим, преимущества
автоматизации становятся очевидными, перевешивают мелкие неудобства и пользователи
меняют отношение к системе. Таким образом, для преодоления этой проблемы требуется
только волевое участие руководителя на начальном этапе.
Ещё один субъективный, но очень важный фактор – отношение к циркулирующим
в СППР данным. Исторически это отношение сложилось как к некоторому расходному
ресурсу, а не как к ценному активу, часто определяющему эффективность
функционирования всей системы. Отсюда формируется отношение к использованию
методологий и специализированного персонала, обеспечивающих управление данными.
В то же время, мировая практика показывает насущную необходимость использования
современных технологий обработки данных, обеспечивающих основные этапы работы с
ними:
- хранение данных (технологии сжатия Dense Wavelength Division Multiplexing, DW/DM);
- обработка и предоставление данных (технологии Master Data Management, MDM);
- управление контентом (технологии Content Management Systems, CMS);
- извлечение и передача больших массивов данных (Extract, Transform, and Load, ETL);
- обеспечение интеграции в режиме реального времени (сервисы Enterprise Service Bus,
ESB).
Говоря о применяемой в мировой практике методологической основе, необходимо
отметить концепцию Data Governance, обеспечивающую сквозную обработку информации
от получения сырых первичных данных до формирования целевого результата. В рамках
этой концепции реализуются методологии комплексного управления данными (Master
Data Governance), обеспечения качества данных (Data Quality), работы с метаданными (MDM)
и другие. Реализация этих методологий обеспечивается готовыми программными
продуктами соответствующего класса. В качестве примеров таких продуктов можно
привести инструментарий витрин данных (Data Marts), системы управления контентом
(CMS) и системы обработки данных в режиме реального времени Enterprise Search и Data
Lakes. Каждый из указанных продуктов может использоваться автономно, но наибольшая
эффективность обеспечивается при их комплексном применении.
Для реализации концепции Data Governance объективно необходимо наличие в
составе технического персонала СППР должностных лиц с соответствующими
компетенциями (Data Scientists), аналогичными используемым в ведущих мировых
компаниях, работающих с данными: главный специалист (Chief Data Officer), специалист по
данным (Data-steward), инженер (Data Engineers), «владелец» (Data Owners) данных, а также
некоторых других позиций, для определения которых в нашей стране пока нет даже
точного перевода.
Проблема отношения к данным, являясь субъективной, объективно требует
скорейшего решения. Без комплексного решения проблемы эффективной обработки
информации, определяемой, в том числе, изменением отношения к данным, невозможно
создать полноценную автоматизированную СППР.
65
Таким образом, анализ субъективных факторов, затрудняющих применение СППР в
практической работе органов управления, показывает, что имеющиеся недостатки
являются системными и требует комплексного решения.
Для их устранения необходимо уточнить нормативную документацию и
скорректировать порядок разработки программного обеспечения СППР. В первую
очередь уточнить процесс взаимодействия всех участников процесса разработки, от этапа
информационного обследования до авторского сопровождения, ввести обязательные
этапы, предусматривающие участие будущих пользователей СППР в разработке
программных и информационных компонентов, изменить систему контроля качества,
обеспечить использование современных средств разработки программ. Выполнение
данных условий потребует корректировки соответствующих документов, но без этого
эффективное применение СППР организовать невозможно.
Реализация предложенных мер, их отражение в основных нормативных документах
позволят учесть опыт и требования будущих пользователей автоматизированных СППР в
математическом аппарате и интерфейсной части прикладного программного
обеспечения, повысят уровень знаний пользователей о границах применимости
прикладных программ, обеспечат контроль их качества на всех этапах разработки. В итоге
это повысит доверие к результатам расчётов и моделирования в интересах формирования
альтернатив, ускорит освоение СППР пользователями и, в целом, станет существенным
шагом в устранении субъективных факторов, мешающих использованию ИСППР в
практике управления.
Таким образом, как показал анализ существующих проблем, все предпосылки и
необходимые условия для создания автоматизированных интеллектуализированных
СППР в настоящее время имеются. Остаётся устранить ряд описанных в работе
субъективных и объективных проблем, методы решения которых уже известны. Ну а само
внедрение в практику управления интеллектуализированных СППР позволяет надеяться
на существенное повышение качества принимаемых решений. С использованием
компонентов СППР любой орган управления превратится из обширной кооперации
людей, большая часть которых выполняет рутинную работу по обработке и передаче
информации, в компактный коллектив, занятый творческой работой по выработке
оптимальных управленческих решений, обеспечивающих достижение конечного
результата с минимальными ресурсными и временными затратами.
66
Заключение
В науке актуальность той или иной проблемы часто оценивается частотой
публикаций по ней. Проблема создания СППР очень активно обсуждалась в 80-е годы
прошлого века, потом активность публикаций пошла на спад. Но в последние годы
публикации по данной тематике вновь стали встречаться в специализированной
литературе. Объяснение этому есть – на очередном этапе информационной революции
появились новые возможности обеспечения автоматизированной поддержки принятия
решений, требующие осознания и изучения. Проведённый в работе анализ состояния
предметной области показал, что создание автоматизированных СППР, максимально
полно использующих возможности новых информационных технологий, несмотря на
имеющиеся трудности,
является
объективной необходимостью,
процессом,
обеспечивающим повышение качества управления в любых условиях обстановки.
Примеров, подтверждающих этот тезис, множество, например в области военного
управления, где приоритетность развития СППР определяется большой размерностью и
разнородной структурой управляемых систем, априорной неопределённостью исходных
данных и высокой «ценой» ошибочных решений.
Исходя из этих факторов, параллельно с развитием военной техники, непрерывно
совершенствовался процесс управления войсками (силами). Первоначально полководец,
стоя в строю собственного войска, голосом и сигналами управлял боем. Масштабы боевых
действий росли, для управления пришлось организовать ставку, а боем управлять с
помощью посыльных из состава вновь появившегося органа — штаба. Пришла эпоха
массовых армий и моторизации. Штаб увеличивался, функции его расширялись от
организации связи и управления до проведения оперативных расчётов, формирования и
доведения команд, контроля их исполнения.
Очередной этап развития управления наступил, когда пришла эпоха
информационной революции. С использованием средств автоматизации управления
часть функций штабов удалось автоматизировать. Появились и начали активно
развиваться автоматизированные системы управления, принимая на себя всё больше
функций должностных лиц штабов: сначала рутинных и расчётных, потом и
аналитических.
Наглядный пример подобного процесса — создание АСУ тактического звена ВС
США FBCB2 (Force XXI Battle Command Brigade and Below) и других систем аналогичного
назначения [18,70,71,72,79]. Работа начиналась от информационной системы уровня «С2»
с постепенным расширением функционала до последующих уровней автоматизации
поддержки принятия решений. С соблюдением условия обеспечения для каждого
очередного этапа устойчивого функционирования системы. Указанные тенденции можно
отметить не только в сфере военного управления, но и в других областях, связанных с
принятием управленческих решений.
Автор заявляет это как практик, много лет занимающийся проблемой автоматизации
управления, участвовавший в разработке спецматематики для АСУ, прототипов программ,
реализующих эту математику лично, и как руководитель коллектива программистов.
Результаты этой работы, в первую очередь в части создания автоматизированных СППР и
моделирования социальных процессов [73,74], реализованы в НИОКР, запатентованы [5457] и опубликованы в открытой печати [80-88]. Разумеется, в данной работе освещены не
все проблемы развития СППР, но основные, с которыми автор сталкивался на практике,
рассмотрены.
В любом случае практика показывает, что создание информационных и
67
интеллектуальных СППР является объективной составляющей процесса развития
автоматизированных систем управления от командно-сигнальных и справочноинформационных систем к системам интеллектуализированной поддержки принятия
решений. Сформулированные в этой книге предложения по:
- уточнённому формализованному описанию процесса принятия решения,
отличающемуся расширенным учётом характеристик цикла управления [48];
- уточнению предметной области на основе формализованного описания типового
цикла управления [20,21,95];
- уточнению алгоритмов применения СППР [17,49,99] и принципов взаимодействия
компонентов из их состава [44,87,88,100,101], учитывающих вновь разработанный
формализованный алгоритм поддержки принятия решений;
- математическому аппарату оценки ожидаемой эффективности автоматизации
управления, впервые сформулированному в терминах теории автоматического
управления;
- совершенствованию процесса разработки автоматизированных систем управления
на всех его этапах [60,61,70,91,102] с учётом изменившихся возможностей современных
информационных технологий;
- уточнению ряда методологических проблем организации управления [105,106],
послужат определённым подспорьем для ускорения этого процесса.
68
Список использованных источников
1.Тиханычев О.В. Автоматизация поддержки принятия решений. – М.: Эдитус, 2015. –
94 с.
2.Современные проблемы управления силами ВМФ. Теория и практика. Состояние и
перспективы /под ред.В.И.Куроедова. – СПб.: Политехника, 432 с.
3.Востриков А.С., Французова Г.А. Теория автоматического регулирования - М.:
Высшая школа, 2006.
4.Солодовников В.В., Плотников В.Н., Яковлев А.В. Основы теории и элементы систем
автоматического регулирования. - М.: Машиностроение, 1985.
5.Топчеев Ю.И. Атлас для проектирования систем автоматического регулирования. М.:
Машиностроение, 1989.
6.Eom S.B. Decision support systems research: reference disciplines and a cumulative
tradition // The International Journal of Management Science,23,5,October 1995.
7.Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М.:Наука.
Физматлит, 1996.
8.Simonovic A., Slobodan P. Decision support for sustainable water resources development
in water resources planning in a changing world // Proceeding of International UNESCO
symposium, Karlsruhe, Germany. Р. III. 3-13, 1994.
9.Ginzberg M. J., Stohr E.A. A decision support: Issues and Perspectives // Processes and
Tools for Decision Support. Amsterdam: North-Нolland Publ. Co, 1983.
10.Миркес Е. М. Нейрокомпьютер. Проект стандарта. Новосибирск: Наука, 1999.
11.Глоссарий по DWH, OLAP, XML. Business performance management systems.
IntersoftLab. 2005.
12.Gorry G.A., Scott-Morton M.S. A Framework for Management Information Systems //
Sloan Management Review. 13 (1971).
13.McDonald J. Designing a Decision Support System (DSS) for Academic Library Managers
Using Preprogrammed Application Software on a Microcomputer // Library Software Review.
5/1. January/February 1986.
14.Ларичев О. И., Петровский А. В. Системы поддержки принятия решений.
Современное состояние и перспективы их развития // Итоги науки и техники. Серия
«Техническая кибернетика». Т. 21. М.: ВИНИТИ, 1987.
15.Российская Академия наук. Информационные ресурсы ИПИ РАН. Термины и
определения. Официальный сайт [электронный ресурс]. Электрон. данные
(178 тыс. записей). М., [2013]. Режим доступа: http://www.ipiran.ru/niap/index_3.html
16.Тиханычев О.В., Кумыков А.А., Калиновский Д.Б. Определение достигаемой
степени огневого поражения противника на основе математического моделирования //
Военная мысль. 2014. - №10. - С.41-47.
17.Тиханычев О. В. Системы поддержки принятия решений — перспективное
направление развития автоматизации управления войсками (силами) // Военная мысль.
2012. - № 8. - С.45–51.
18.Выпасняк В. И., Тиханычев О. В. Автоматизированные системы управления
войсками (силами): тенденции, методы и перспективы развития // Вестник Академии
69
военных наук. 2009. - № 4 (29). - С.61–68.
19.Микони
С. В. Многокритериальный
выбор
на
конечном
множестве
альтернатив: учебное пособие по дисциплине «Теория принятия решений» для
информационных специальностей. М.: Лань, 2009. - 274 с.
20.Тиханычев О.В. Об уточнении классификации систем поддержки принятия
решений // Информатизация и связь. 2016. - № 2. - С.50-53.
21.Тиханычев О.В. О некоторых проблемах предметной области поддержки принятия
решений //Программные продукты и системы. 2016. - №3(115). - C.24-28.
DOI:10.15827/0236-235X.115.024-028
22.ГОСТ 34.003-90. Информационная технология. Комплекс стандартов на
автоматизированные системы. Термины и определения. Введ. 01.02.90. М.: Госстандарт
России, 1990. 30 с. (Государственный стандарт Российской Федерации).
23.Трахтенгерц Э. А. Возможности и реализация компьютерных систем поддержки
принятия решений // Известия РАН. Теория и способы управления. 2001. - № 3.
24.Трахтенгерц Э. А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.
25.Берзин Е.А. Оптимальное распределение и теория игр. М.: Радио и связь, 1983. –
216 с.
26.Моисеев Н.Н. и др. Методы оптимизации. М.: Наука, 1978. – 352 с.
27.Абчук В.А., Матвейчук Ф.А., Томашевский Л.П. Справочник по исследованию
операций. М.: Воениздат, 1979. – 368 с.
28.Хагарти Р. Дискретная математика для программистов. М: Техносфера, 2003. – 320 с.
29.Выпасняк В. И., Тиханычев О. В., Калиновский Д. Б. Моделирование вооруженного
противоборства: перспективы развития // Военная мысль. 2009. - № 7. - С.12–20.
30.Выпасняк В.И., Гуральник А.М., Тиханычев О.В. Моделирование военных действий
– история, состояние, перспективы развития // Военная мысль. 2014. - №7 - С.28-37.
31.Брезгин В.С., Буравлев А.И. Уравнения динамики боевых потенциалов
противоборствующих группировок // Вооружение и экономика. 2011. - № 1 (13). - С.5965.
32.Буравлев А.И., Брезгин В.С. Методика оценки ущерба при имитационном
моделировании огневого поражения объектов // Вооружение и экономика. 2012. - № 5
(21). - С.13-21.
33.Ивченко Б.П., Мартыщенко Л.А., Монастырский М.Л. Теоретические основы
информационно-статистического анализа сложных систем. СПб.: Лань, 1997. - 320 с.
34.Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. - 278
с.
35.Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких
условиях Тюмень: Изд-во ТГУ, 2000. - 352 с.
36.Токарев В.В. Методы оптимальных решений. Том 2. Многокритериальность.
Динамика. Неопределенность. 2-е изд., испр. — М.: ФИЗМАТЛИТ, 2011. - 420 с.
37.Орловский С.А. Проблемы принятия решений при нечеткой исходной
информации. М.: Наука, 1981. - 208 с.
38.Катулев А.Н., Северцев Н.А. Математические методы в системах поддержки
принятия решений. М.: Высшая школа, 2005. - 312 с.
70
39.Беллман Р., Заде Л. Вопросы анализа и процедуры принятия решений. М.: Мир, М,
1976. - 46 с.
40.Блюмин С.Л., Шуйкова И.А. Модели и методы принятия решения в условиях
неопределенности. Липецк: ЛЭГИ, 2001. - 138 с.
41.Павлов А.Н., Соколов Б.В. Принятие решения в условиях нечеткой информации.
Учебное пособие, Санкт-Петербург, издательство ФГОУ ВПО СПбГУ АП, 2006 - 72 c.
42.Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений.
Вербальный анализ решений. М.: Наука. Физматлит, 1996. - 208 с.
43.Новиков Д.А., Чхартишвили А.Г. Активный прогноз М.: ИПУ РАН, 2002. – 101 с.
44.Тиханычев О.В., Саяпин О.В. Оперативное прогнозирование развития обстановки
как основа успешного управления применением войск (сил) // Военная мысль. 2015. - №4
- С.3-7.
45.Описание программных продуктов JBoss. ООО «Национальный центр поддержки и
разработки» [электронный ресурс]. Режим доступа: http://www.ncsd.su/products/jboss.
46.С.Дж.Рассел, П.Норвиг Искусственный интеллект. Современный подход. 2-е
издание. Пер. с англ. - М.: Издательский дом "Вильямс", 2006. – 1407 с.
47.Люгер, Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных
проблем, 4-е издание. Пер. с англ. - М.:Издательский дом "Вильямс", 2003. – 864 с.
48.Тиханычев О.В. Общие подходы к обеспечению автоматизированной поддержки
принятия решений. – М.: Эдитус, 2014. – 64 с.
49.Тиханычев О.В. Алгоритмическая поддержка автоматизированных процедур
принятия решений // Прикладная информатика. 2017. - №4(70). – C.133-140.
50.Тиханычев О.В. Decision Making Support Systems: A New Classification // Modeling of
Artificial Intelligence. 2017. – 4(1). – c.39-45. DOI: 10.13187/mai.2017.1.39
51.Тиханычев О.В. Прогнозирование при управлении динамическими системами //
Программные продукты и системы. 2017. - №1. - С.40-44. DOI: 10.15827/0236235X.117.040-044
52.Тиханычев О.В. Технологии «дополненной реальности» как элемент систем
поддержки принятия решений // Информатизация и связь. 2017. - №2. - С.63-65.
53.Тиханычев О.В., Тиханычева Е.О. Особенности решения некоторых типов задач
экономического планирования // Социосфера. 2016. - № 1. - С. 14-16.
54.Выпасняк В. И., Тиханычев О. В., Базунов С. Р. Патент № 117664. Российская
Федерация, МПК G 06N 5/00. Информационно-аналитическая система планирования
огневого поражения группировок противника // Заявитель и патентообладатель ФГКУ
«27 ЦНИИ Минобороны России». Заявл. 09.12.2011, опубл. 27.06.2012. 6 с., илл.
55.Тиханычев О. В., Выпасняк В. И. Патент № 117665. Российская Федерация. МПК G
06N 5/00. Система поддержки принятия решений по огневому поражению группировок
противника // Заявитель и патентообладатель ФГКУ «27 ЦНИИ Минобороны России».
Заявл. 09.12.2011, опубл. 27.06.2012. 5 с., илл.
56.Калиновский Д.Б., Кумыков А.А., Тиханычев О. В. и др. Патент № 130424.
Российская Федерация, МПК G 06F 17/30. Система математического моделирования
двухсторонних боевых действий группировок войск при обучении командных кадров //
Заявитель и патентообладатель ФГКУ «27 ЦНИИ Минобороны России».
Заявл. 19.12.2012, опубл. 20.07.2013. 8 с., илл.
71
57.Протасов А.А., Тиханычев О. В., Кумыков А.А. и др. Патент № 22225108.
Российская Федерация, МПК G 06F 17/30. Система поиска уязвимости критически
важных объектов сложных социально-технических систем // Заявитель и
патентообладатель ФГКУ «27 ЦНИИ Минобороны России». Заявл. 22.04.2013,
опубл. 11.06.2014. 6 с., илл.
58.Выпасняк В. И., Тиханычев О. В., Гахов В. Р. Киберугрозы автоматизированным
системам управления // Вестник Академии военных наук, 2013. - № 1 (42). - С.103–109.
59.Тиханычев О. В., Гахов В. Р. «Кибер-войны» как реальная угроза системам
государственного управления (по взглядам иностранных специалистов) // Сборник
трудов второй МНТК «Компьютерные науки и технологии» (КНиТ-2011). Белгородский
ГНИУ, Белгород, 2011 г.
60.Тиханычев О. В., Гахов В. Р., Харламов К. В. Информационное обследование —
основа создания эффективной АСУ // Сборник трудов ежегодной Всероссийской
научной конференции «Современные тенденции развития теории и практики управления
в системах специального назначения». М.: ОАО «Системпром», 2013.
61.Тиханычев О.В., Саяпин О.В., Гахов В.Р. Использование современных технологий
информационного обследования как фактор эффективности автоматизации управления
//Информатизация и связь 2013. - №6 - С.90-93
62.Тиханычев
О. В.
Субъективные
аспекты
применения
математического
моделирования военных действий в практике работы органов военного управления //
Военная мысль. 2011. - № 10. - С. 49–53.
63.ГОСТ Р ИСО/МЭК 9126-93. Информационная технология. Оценка программной
продукции. Характеристики качества и руководства по их применению. Введ. 03.10.1993.
М.: Госстандарт России, 1993. 45 с. (Государственный стандарт РФ).
64.ГОСТ 28195-99. Оценка качества программных средств. Введ. 01.03.1999. М.:
Госстандарт России, 1999. 46 с. (Межгосударственный стандарт).
65.ГОСТ Р ИСО/МЭК 12119-2000. Информационная технология. Пакеты программ.
Требования к качеству и тестирование. Введ.01.03.2000. М.:Госстандарт России, 2000. 50 с.
(Государственный стандарт РФ).
66.Цигичко В. Н. Модели в системе принятия военно-стратегических решений в СССР.
М.: Империум-Пресс, 2005. 96 с.
67.Сайфетдинов Х. И., Ещенко В. И. ФГУП «Концерн «Системпром» — 20 лет
плодотворной работы в области автоматизации управления войсками (силами) //
Военная мысль. 2011. - № 7. - С.72–78.
68.Каргин В.Н., Козичев В.Н. Эволюция автоматизированных информационных
систем в ВС // Военная мысль. 2009. - №7 - С.29-39.
69.Русанов И.П., Тиханычев О.В., Ясеновенко В.Г. Разведывательно-поражающие
системы ВМФ – ретроспектива // Морской сборник 2014. - №3 - С.45-50.
70.Выпасняк В.И., Гуральник А.М., Тиханычев О.В. Система поддержки принятия
решений как «виртуальный штаб» // Военная мысль. 2015. - №2 - С.23-29.
71.General Dynamics. C4 Systems [электронный ресурс]. Режим доступа:
http://www.gdc4s.com
72.Kewley R. H., Embrechts M. J. A Multiagent System for Tactical Control of Automated
Forces // The International C2 Journal. 2009. Vol. 2. No. 2.
72
73.Тиханычев О.В. Об учёте государственных границ при моделировании
межэтнического взаимодействия // Социосфера. 2014. - №2. - С.197-201.
74.Тиханычев О.В., Тиханычева Е.О. О совершенствовании модели трансграничного
межэтнического взаимодействия // Социосфера. 2014. - №4. - С.137-139.
75.Tikhanychev O.V. Decision-Making Support Systems: Prospects for Troops Control
Automation // Military Thought. 2012, Vol. 21 Number 3, pp.74-83.
76.Vypasnyak V.I., Guralnik A.M., Tikhanychev O.V. Combat Simulation: Past, Present and
Future // Military Thought. 2014, Vol. 23 Number 3, pp.30-41.
77.Rusanov I.P., Tikhanychev O.V., Yakovlev S.V. Critical Vulnerabilities of Forces //
Military Thought. 2013, Vol.22 Number 1, pp.67-72.
78.Tikhanychev O.V., Kumykov A.A., Kalinovsky D.B. Measuring Attainable Destruction of
the Enemy by Mathematical Modeling // Military Thought. 2014, Vol.23 Number 4, pp.71-78.
79.Tikhanychev O.V., Vypasnyak V.I., Guralnik A.M. A Decision-Making Support System as a
Virtual HQ // Military Thought. 2015, Vol.24, Number 1, pp.129-136.
80.Тиханычев О.В., Тиханычева Е.О. Обобщённая модель влияния «пассионарного
нагрева» на устойчивость социальных систем // Paradigmata poznání. 2014, - №4 - С.58-62.
81.Тиханычев О.В. Парадигма формализации действительности в эпоху
информационного общества // Paradigmata poznání. 2015. - №1 - С.28-31.
82.Тиханычев О.В., Тиханычева Е.О. Перспективы использования модели
«пассионарного нагрева» для прогнозирования рисков возникновения этого явления //
Paradigmata poznání. 2015. - №2 - С.67-75.
83.Тиханычев О.В., Тиханычева Е.О. О практическом применении модели
взаимодействия этносов // Social and economic problems of modern society: materials of the
V international scientific conference on June 1–2, 2015. Prague, P.99-103.
84.Крупский А.Ю., Феоктистова Л.А. Информационный менеджмент. М.: ИТК«Дашков
и К0». 2008. – 80 с.
85.Гулаков В.К., Подвесовский А.Г., Лагерев Д.Г. Система поддержки принятия
решений на основе когнитивного моделирования «игла» // Программные продукты и
системы. 2007. - №3.
86.Колесников А.В., Солдатов В.А. Программная система для поддержки принятия
оперативных плановых решений // Программные продукты и системы. 2012. - №1.
87.Денисов В.Н., Саяпин О.В., Тиханычев О.В. О Месте математического
моделирования в работе органов военного управления // Военная мысль. 2016. - № 5. С.28-33.
88.Tikhanychev O.V. Modelling in Decision-Making Support Systems. M.: Editus Publ., 2016.
– 74 p.
89.Team Foundation Server. Википедия. Свободная энциклопедия. URL:
https://ru.wikipedia.org/wiki/Team_Foundation_Server
90.Иванова. Г.С., Ничушкина Т.Н. Проектирование программного обеспечения.
Учебное пособие. М.: МГТУ им. Н.Э. Баумана, 2002. – 74 с.
91.Тиханычев О.В. Ещё раз к вопросу о повышении эффективности разработки
программной продукции // Современная техника и технологии. 2016. №12 URL:
http://technology.snauka.ru/2016/12/10882.
73
92.Доктрина информационной безопасности Российской Федерации (утверждена
Указом Президента РФ № 646 от 5 декабря 2016 г.).
93.Соболевский В.А., Сухорутченко В.В., Беленьков Д.С. К оценке точности задачи
целераспределения средств поражения // Военная мысль. – 2016. – № 8. – С.32-43.
94.Тиханычев О.В. Информационное обеспечение поддержки принятия решений //
Программные продукты и системы. 2018. – №2.
95.РД IDEF 0 - 2000. Методология функционального моделирования IDEF0.
Руководящий документ. – Введ. 22.05.2000. – М.: ИПК «Издательство стандартов», 2000. –
75 с.
96.Рекомендации по стандартизации Р 50.1.028-2001 "Информационные технологии
поддержки
жизненного
цикла
продукции.
Методология
функционального
моделирования" (приняты постановлением Госстандарта РФ от 2 июля 2001 г. №256-ст) –
М.: ИПК «Издательство стандартов», 2001.
97.ГОСТ 2.051-2013 Единая система конструкторской документации. Электронные
документы. Общие положения (введён в действие 01.06.2014). – М.: ФГУП
«Стандартинформ», 2014. – 10 с. – (Государственный стандарт Российской Федерации).
98.Sandy Woodward, Patrick Robinson. One Hundred Days: The Memoirs of the Falklands
Battle Group Commander. Harper Collins, London, 1997. ISBN 1-55750-652-3
99.Тиханычев О.В. Об использовании принципа проактивного управления в системах
поддержки принятия решений // Прикладная информатика. 2018. – №2
100.Tikhanychev O.V. Forecasting in decision-making support systems // Modeling of
Artificial Intelligence, 2017, Vol.(2), Is. 4, pp.93-95. DOI: 10.13187/mai.2017.2.93
101.Тиханычев О.В., Макарцев Л.В., Гахов В.Р. Рациональная организация процесса
разработки прикладного программного обеспечения как предпосылка успешной
автоматизации поддержки принятия решений // Программные продукты и системы.
2017. – №4. – С.706-710. DOI: 10.15827/0236-235X.120.706-710
102.Тиханычев О.В. О «гибких» технологиях в разработке программного обеспечения
систем поддержки принятия решений // Программные системы и вычислительные
методы. 2018. DOI:10.7256/2454-0714.0.0.23743
103.Американская АСУВ FBCB2. Сайт Pentagonus [электронный ресурс]. Режим
доступа: http://pentagonus.ru/publ/amerikanskaja_asuv_fbcb2_2012/11-1-0-2201.
104.Системы C5. Найти, доложить, уничтожить. Алгоритмы совмещения информации
с множества сенсоров, Традиционные сенсорные технологии, Военные технологии, 25
Март
2015.
Сайт
Technowars
[электронный
ресурс].
Режим
доступа:
https://technowars.defence.ru/article/928/.
105.Тиханычев О.В., Тиханычева Е.О. Научный подход к организации управления как
основа эффективности принимаемых решений // Сборники конференций НИЦ
Социосфера. 2015. - № 57. - С.133-139.
106.Тиханычев О.В. Парадигма двойственности управления в информационную эпоху
// Вопросы государственного и муниципального управления (в печати).
107.Кравченко Т.К., Середенко Н.Н. Выделение признаков классификации систем
поддержки принятия решений // Открытое образование. 2010. - №4. – С.71-78.
74
ДЛЯ ЗАМЕТОК
75
Научно-популярное издание
Тиханычев О.В.
ТЕОРИЯ И ПРАКТИКА
АВТОМАТИЗАЦИИ ПОДДЕРЖКИ
ПРИНЯТИЯ РЕШЕНИЙ
Монография
В авторской редакции
Отпечатано в ООО «Эдитус»
129515, г. Москва, ул. Академика Королёва, 13
8 (800) 775-30-87
www.editus.ru
Подписано в печать 29.03.18
Формат 210х297. Печ. л. 19
Печать цифровая. Бумага офсетная
Тираж 500 экз. Заказ № 201803273
ISBN 978-5-00058-814-7
9 785000 588147
1/--страниц
Пожаловаться на содержимое документа