close

Вход

Забыли?

вход по аккаунту

?

Osipov

код для вставкиСкачать
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное
образовательное учреждение высшего образования
САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ
С. А. Яковлев, Л. А. Осипов
ИМИТАЦИЯ И ИНТЕЛЛЕКТ
В УПРАВЛЕНИИ ПРОЕКТАМИ
ИНФОРМАЦИОННЫХ СИСТЕМ
Учебное пособие
Допущено Федеральным учебно-методическим объединением
в системе высшего образования по укрупненной группе специальностей
и направлений подготовки высшего образования 09.00.00 «Информатика
и вычислительная техника» в качестве учебного пособия для студентов
высших учебных заведений, обучающихся по направлению подготовки
магистра 09.04.02 «Информационные системы и технологии»
УДК 004
ББК 32.813
Я47
Рецензенты:
доктор технических наук, профессор М. О. Колбанёв;
доктор технических наук, профессор П. И. Падерно
Утверждено
редакционно-издательским советом университета
в качестве учебного пособия
Я47
Яковлев, С. А.
Имитация и интеллект в управлении проектами информационных систем: учеб. пособие / С. А. Яковлев, Л. А. Осипов. – СПб.:
ГУАП, 2018. – 135 с.
ISBN 978-5-8088-1269-7
Даны основные понятия и определения предметных областей
«искусственный интеллект» и «имитационное моделирование», обсуждаются аспекты интеллектуализации процессов принятия решений при управлении проектами корпоративных информационных систем с учетом риска, даются базовые понятия искусственного
интеллекта в системах поддержки принятия решений. Также рассматриваются экспертные системы, искусственные нейронные сети
и генетические алгоритмы в управлении рисками, даются основы
прикладной теории моделирования информационных процессов и
вероятностно-статистических методов имитационного моделирования случайных воздействий при оценке рисков.
Для студентов вузов, обучающихся по направлению подготовки
09.04.02 «Информационные системы и технологии», и специалистов, занимающихся проблемами управления проектами информационных систем поддержки принятия решений при управлении
сложными организационными и техническими системами.
УДК 004
ББК 32.813
ISBN 978-5-8088-1269-7
© Яковлев С. А., Осипов Л. А., 2018
© Санкт-Петербургский государственный
университет аэрокосмического
приборостроения, 2018
ПРЕДИСЛОВИЕ
Современный этап развития человечества отличается тем, что
на смену века энергетики приходит век информатики. Происходит
интенсивное внедрение новых информационных технологий во все
сферы человеческой деятельности. Встает реальная проблема перехода в информационное общество, для которого приоритетным
должно стать развитие инженерного образования с учетом интеллектуализации процессов принятия решений при управлении проектами корпоративных информационных систем в свете внедрения
в России цифровой экономики.
Поэтому дисциплины, связанные с интеллектуализацией информационных систем и технологий, стали одними из основных в
структуре подготовки магистров по направлению высшего образования «Информационные системы и технологии».
Содержание учебного пособия «Имитация и интеллект в управлении проектами информационных систем» соответствует профессиональным компетенциям ФГОС ВО при реализации основных
профессиональных образовательных программ высшего образования: программ магистратуры по направлению подготовки «Информационные системы и технологии».
Авторы благодарны профессору кафедры «Информационные системы и технологии» Санкт-Петербургского государственного экономического университета, доктору технических наук М. О. Колбанёву и профессору кафедры «Информационные системы» СанктПетербургского государственного электротехнического университета «ЛЭТИ», доктору технических наук П. И. Падерно за ценные
замечания, сделанные при рецензировании рукописи учебного пособия.
3
СПИСОК СОКРАЩЕНИЙ
АС
БД
БЗ
ГА
ЕЯ
ЖЦ
ИИ
ИИС
ИКА
ИНС
ИС
ИСТ
ИСУП
ИСППР
ИТ
КИС
ЛПР
МГУА
ПО
ПИ
ППП
ППР
ПрО
РМВ
САПР
СИ
СИПО
СППР
УП
ЭС
CASE
CRM
DSS
ERP
OLAP
PERT
PMI
MRP
SCM
WWW
4
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
Автоматизированная система
База данных
База знаний
Генетический алгоритм
Естественный язык
Жизненный цикл
Искусственный интеллект
Интеллектуальная информационная система
Информационный критерий Х. Акаике
Искусственная нейронная сеть
Информационная система
Информационные системы и технологии
Информационная система управления предприятием
Информационные системы поддержки принятия решений
Информационная технология
Корпоративная информационная система
Лицо, принимающее решение
Метод группового учета аргументов А. Г. Ивахненко
Программное обеспечение
Программная инженерия
Пакет прикладных программ
Поддержка принятия решений
Предметная область
Реальный масштаб времени
Система автоматизации проектирования
Системная инженерия
Системная инженерия программного обеспечения
Система поддержки принятия решений
Управление проектом
Экспертная система
Computer-Aided Software Engineering
Customer Relationship Management
Decision Support Systems
Enterprise Resource Planning
Online Analytical Processing
Program (Project) Evaluation and Review Technique
Project Management Institute
Material Requirements Planning
Supply Chain Management
World Wide Web
ВВЕДЕНИЕ
ПРИНЯТИЕ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ
ПРОЕКТАМИ ИНФОРМАЦИОННЫХ СИСТЕМ
В мире уже давно признано, что управление проектами (УП) –
особая область менеджмента, применение которой дает ощутимые
результаты. Профессионалы в этой области высоко ценятся, а сама
методология УП стала фактическим стандартом управления на
многих тысячах предприятий и применяется в той или иной степени практически во всех крупных ИТ-корпорациях.
Управление проектами дает ощутимые результаты во всех областях приложений, чем и объясняется растущая популярность
этой технологии. Для руководителей информационных служб она
представляет интерес и как технология, которую полезно внедрить
на своих предприятиях, и как средство управления собственными
проектами, к которым можно отнести и разработку программного
обеспечения (ПО), и внедрение тех или иных информационных систем (ИС), и прочие изменения, носящие уникальный характер и
временные по своей природе.
Проект – это временное предприятие, предназначенное для создания уникальных продуктов или услуг. Термин «временное» означает, что у любого проекта есть начало и непременно наступает
завершение, когда достигаются поставленные цели либо возникает
понимание, что эти цели не могут быть достигнуты. Термин «уникальный» означает, что создаваемые продукты или услуги существенно отличаются от других аналогичных продуктов и услуг.
Уникальность продуктов или услуг проекта обусловливает необходимость последовательного уточнения их характеристик по мере
выполнения проекта ИС [7, 11, 18].
Управление проектами – это приложение знаний, опыта, методов и средств к работам проекта для удовлетворения требований,
предъявляемых к проекту, и ожиданий участников проекта. Чтобы
удовлетворить этим требованиям и ожиданиям, необходимо найти
оптимальное сочетание между целями, сроками, затратами, качеством и другими характеристиками проекта.
Управление проектами подчиняется четкой логике, которая связывает между собой различные области знаний и процессы управления проектами. Прежде всего, у проекта обязательно имеются одна
или несколько целей. Под целями мы будем далее понимать не только
конечные результаты проекта, но и выбранные пути достижения этих
результатов (например, применяемые в проекте ИТ, система УП).
5
Достижение целей проекта может быть реализовано различными способами. Для сравнения этих способов необходимы критерии
успешности достижения поставленных целей. Обычно в число основных критериев оценки различных вариантов исполнения проекта входят сроки и стоимость достижения результатов. При этом
запланированные цели и качество обычно служат основными ограничениями при рассмотрении и оценке различных вариантов.
Для управления проектами необходимы рычаги. Влиять на пути
достижения результатов проекта, цели, качество, сроки и стоимость исполнения работ можно, выбирая применяемые технологии,
состав, характеристики и назначения ресурсов на выполнение тех
или иных работ.
Таким образом, применяемые ИТ и ресурсы проекта можно отнести к основным рычагам управления проектами. Кроме этих основных существуют и вспомогательные средства, предназначенные
для управления основными. К таким вспомогательным рычагам
управления можно отнести, например, контракты, которые позволяют привлечь нужные ресурсы в нужные сроки. Кроме того, для
управления ресурсами необходимо обеспечить эффективную организацию работ. Это касается структуры управления проектом, организации информационного взаимодействия участников проекта,
управления персоналом.
Информация, используемая в управлении проектами, обычно не
бывает стопроцентно достоверной. Учет неопределенности исходной
информации необходим и при планировании проекта, и при грамотном заключении контрактов. Анализу и учету неопределенностей посвящен анализ рисков.
Любой проект в процессе своей реализации проходит различные
стадии, называемые в совокупности жизненным циклом (ЖЦ) проекта. Для реализации различных функций управления проектом
необходимы действия, которые в дальнейшем именуются процессами УП.
Управление проектами – интегрированный процесс. Действия
в одном направлении обычно влияют и на остальные направления. Такая взаимосвязь заставляет балансировать между задачами
проекта: часто улучшение в одной области может быть достигнуто
лишь за счет ухудшения в другой [7, 11, 18].
Для лучшего понимания интегрированной природы управления
проектами опишем его через процессы, из которых оно состоит, и
их взаимосвязи. Процесс – это совокупность действий, приносящая
результат.
6
Процессы проекта обычно выполняются людьми и представляют
собой две основные группы:
– процессы управления проектами – касающиеся организации и
описания работ проекта;
– процессы, ориентированные на продукт, – касающиеся спецификации и производства продукта. Эти процессы определяются
ЖЦ проекта и зависят от области приложения.
В проектах процессы УП и процессы, ориентированные на продукт, накладываются и взаимодействуют. Например, цели проекта
не могут быть определены при отсутствии понимания того, как создать продукт, например ПО.
Процессы УП могут быть разбиты на шесть основных групп, реализующих различные функции управления:
– процессы инициации – принятие решения о начале выполнения проекта;
– процессы планирования – определение целей и критериев успеха проекта и разработка рабочих схем их достижения;
– процессы исполнения – координация людей и других ресурсов
для выполнения плана;
– процессы анализа – определение соответствия плана и исполнения проекта поставленным целям и критериям успеха и принятие решений о необходимости применения корректирующих воздействий;
– процессы управления – определение необходимых корректирующих воздействий, их согласование, утверждение и применение;
– процессы завершения – формализация выполнения проекта и
подведение его к упорядоченному финалу.
Процессы УП накладываются друг на друга и происходят с разной интенсивностью на всех стадиях проекта. Кроме того, процессы
УП связаны своими результатами – результат выполнения одного
становится исходной информацией для другого.
И, наконец, имеются взаимосвязи групп процессов различных
фаз проекта. Например, закрытие одной фазы может являться входом для инициации следующей (пример: завершение фазы проектирования требует одобрения заказчиком проектной документации,
которая необходима для начала реализации). В реальном проекте
фазы могут не только предшествовать друг другу, но и накладываться друг на друга.
Повторение инициации на разных фазах проекта помогает контролировать актуальность его выполнения. Если необходимость его
осуществления отпала, очередная инициация позволяет вовремя
это установить и избежать излишних затрат.
7
Инициация включает единственный подпроцесс – авторизацию,
то есть решение начать следующую фазу проекта.
Планирование имеет большое значение для проекта, поскольку
проект содержит то, что ранее не выполнялось. Естественно, что
планирование включает сравнительно много процессов. Однако не
следует считать, что УП это в основном планирование. Усилия, прилагаемые для планирования, следует соизмерять с целями проекта
и полезностью полученной информации.
Напомним, что следует различать цели проекта и цели продукта проекта, под которым понимается продукция (или услуги), созданная или произведенная в результате исполнения проекта. Цели
продукта – это свойства и функции, которыми должна обладать
продукция проекта. Цели проекта – это работа, которую нужно выполнить для производства продукта с заданными свойствами.
В ходе исполнения проекта процессы многократно повторяются.
Изменениям могут подвергнуться цели проекта, его бюджет, ресурсы и т. д. Кроме того, планирование проекта – это не точная наука.
Различные команды проекта могут разработать различные планы
для одного и того же проекта. А пакеты управления проектами могут составить различные расписания выполнения работ при одних
и тех же исходных данных.
Некоторые из процессов планирования имеют четкие логические
и информационные взаимосвязи и выполняются в одном порядке
практически во всех проектах. Так, например, сначала следует определить, из каких работ состоит проект, а уж затем рассчитывать сроки выполнения и стоимость проекта. Эти основные процессы выполняются по нескольку раз на протяжении каждой фазы проекта.
Кроме перечисленных основных процессов планирования, имеется ряд вспомогательных процессов, необходимость в использовании которых сильно зависит от природы конкретного проекта:
– планирование качества – определение того, какие стандарты качества использовать в проекте, и того, как этих стандартов достичь;
– планирование организации – определение, документирование
и назначение ролей, ответственности и взаимоотношений отчетности в организации;
– назначение персонала на выполнение работ проекта;
– планирование взаимодействия – определение потоков информации и способов взаимодействия, необходимых для участников
проекта;
– идентификация риска – определение и документирование событий риска, которые могут повлиять на проект;
8
– оценка риска – оценка вероятностей наступления событий риска, их характеристик и влияния на проект;
– разработка реагирования – определение необходимых действий
для предупреждения рисков и реакции на угрожающие события;
– планирование поставок – определение того, что, как и когда
должно быть поставлено;
– подготовка условий – выработка требований к поставкам и
определение потенциальных поставщиков.
Взаимосвязи между вспомогательными подпроцессами, как и
само их наличие, в большой мере зависят от природы проекта.
Под исполнением подразумеваются процессы реализации составленного плана. Исполнение проекта должно регулярно оцениваться и анализироваться для того, чтобы выявить отклонения от
намеченного плана и оценить их влияние на проект. Регулярное
измерение параметров проекта и идентификация возникающих отклонений далее также относится к процессам исполнения и именуется контролем исполнения. Контроль исполнения следует проводить по всем параметрам, входящим в план проекта.
Как и в планировании, процессы исполнения можно подразделить на основные и вспомогательные.
К основным можно отнести сам процесс исполнения плана проекта. К вспомогательным процессам относятся:
– учет исполнения – подготовка и распределение необходимой
для участников проекта информации с требуемой периодичностью;
– подтверждение качества – регулярная оценка исполнения проекта
с целью подтверждения соответствия принятым стандартам качества;
– подготовка предложений – сбор рекомендаций, отзывов, предложений, заявок и т. д.;
– выбор поставщиков – оценка предложений, выбор поставщиков и подрядчиков и заключение контрактов;
– контроль контрактов – контроль исполнения контрактов поставщиками и подрядчиками;
– развитие команды проекта – повышение квалификации участников команды проекта.
Процессы анализа включают как анализ плана, так и анализ исполнения проекта. Анализ плана означает определение того, удовлетворяет ли составленный план исполнения проекта предъявляемым к проекту требованиям и ожиданиям участников проекта.
Он выражается в оценке показателей плана командой и другими
участниками проекта. На стадии планирования результатом анализа плана может быть принятие решения о необходимости изме9
нения начальных условий и составления новой версии плана либо
принятие разработанной версии в качестве базового плана проекта,
который будет основой для измерения исполнения.
В дальнейшем изложении анализ плана не выделяется в качестве отдельной группы процессов, а включается в группу процессов
планирования, делая ее по своей природе итеративной. Таким образом, под процессами анализа в дальнейшем понимаются процессы
анализа исполнения.
Процессы анализа исполнения предназначены для оценки состояния и прогноза успешности исполнения проекта согласно критериям и ограничениям, определенным на стадии планирования. В силу
уникальности проектов эти критерии не являются универсальными, но для большинства проектов в число основных ограничений и
критериев успеха входят цели, сроки, качество и стоимость работ
проекта. При отрицательном прогнозе принимается решение о необходимости корректирующих воздействий, выбор которых осуществляется в процессах управления изменениями.
Процессы анализа также можно подразделить на основные и
вспомогательные. К основным относятся те процессы анализа, которые непосредственно связаны с целями проекта и показателями,
характеризующими успешность исполнения проекта:
– анализ сроков – определение соответствия фактических и прогнозных сроков исполнения операций проекта директивным или
запланированным;
– анализ стоимости – определение соответствия фактической и
прогнозной стоимости операций и фаз проекта директивным или
запланированным;
– анализ качества – мониторинг результатов с целью их проверки на соответствие принятым стандартам качества и определения
путей устранения причин нежелательных результатов исполнения
качества проекта;
– подтверждение целей – процесс формальной приемки результатов проекта его участниками (инвесторами, потребителями и т. д.).
Вспомогательные процессы анализа связаны с анализом факторов,
влияющих на цели и критерии успеха проекта. В эти процессы входят:
– оценка исполнения – анализ результатов работы и распределение проектной информации с целью снабжения участников проекта
данными о том, как используются ресурсы для достижения целей
проекта;
– анализ ресурсов – определение соответствия фактической и
прогнозной загрузки и производительности ресурсов запланиро10
ванным загрузкам, а также анализ соответствия фактического расхода материалов плановым значениям.
В число процессов анализа не включены анализ взаимодействия
с целью оптимизации процедур обработки информации, анализ исполнения контрактов с целью своевременного внесения изменений
и предотвращения споров и ряд других процессов, которые не носят
регулярного характера (как анализ взаимодействия) либо составляют часть включенных процессов (как анализ контрактов).
В результате анализа либо принимается решение о продолжении
исполнения проекта по намеченному ранее плану, либо определяется необходимость применения корректирующих воздействий.
Управление исполнением проекта это определение и применение
необходимых управляющих воздействий с целью успешной реализации проекта. Если исполнение проекта происходит в соответствии с намеченным планом, то управление фактически сводится к
исполнению – доведению до участников проекта плановых заданий
и контролю их реализации. Эти процессы включены в процессы исполнения [7, 11, 18].
Если в процессе реализации возникли отклонения, анализ которых показал, что необходимо определение и применение управляющих воздействий, то требуется найти оптимальные корректирующие воздействия, скорректировать план оставшихся работ и
согласовать намеченные изменения со всеми участниками проекта.
Итак, процессы управления предназначаются для определения,
согласования и внесения необходимых изменений в план проекта.
Такие процессы управления часто называются управлением изменениями и инициируются процессами анализа.
К основным процессам управления, встречающимся практически в каждом проекте, относятся:
– общее управление изменениями – определение, согласование,
утверждение и принятие к исполнению корректирующих воздействий и координация изменений по всему проекту;
– управление ресурсами – внесение изменений в состав и назначение ресурсов на работы проекта;
– управление целями – корректировка целей проекта по результатам процессов анализа;
– управление качеством – разработка мероприятий по устранению причин неудовлетворительного исполнения.
Среди вспомогательных процессов управления отметим:
– управление рисками – реагирование на события и изменение
рисков в процессе исполнения проекта;
11
– управление контрактами – координация работы подрядчиков,
корректировка контрактов, разрешение конфликтов.
Следующие процессы сопровождают завершение проекта:
– закрытие контрактов – завершение и закрытие контрактов,
включая разрешение всех возникших споров;
– административное завершение – подготовка, сбор и распределение информации, необходимой для формального завершения проекта.
Методы и технологии реализации перечисленных процессов, их
интеграция составляют сущность УП. Все перечисленные процессы приложимы к проектам любой природы – и к строительным, и
к информационным, и к любым другим. Однако имеются и существенные отличия в управлении проектами различных типов. Следует также отметить, что успешное внедрение системы УП связано
с определенной организационной перестройкой и с внедрением специализированных программных средств [7, 11, 18].
Рассмотрим особенности объекта управления, то есть ПО информационной системы. Управление предприятием (а тем более корпорацией, или, говоря современным языком, бизнесом) претерпело
существенные изменения с тех пор, как появились первые предприятия. Но основа этого процесса осталась та же. Руководитель принимает решения на основании той информации, которая ему доступна на момент принятия решения, а подчиненные принимаются
с той или иной степенью прилежания исполнять это решение, как
только оно им станет известно [10, 11, 21].
Применение принципов системной инженерии (СИ) (англ. System
Engineering – SE) к созданию крупных, сложных программных систем, включая корпоративные информационные системы (КИС), дает
мощный инструментарий управления процессами разработки [10, 11].
Современные КИС становятся все больше и сложнее. Но есть и
другие причины. Программное обеспечение (ПО) становится ключевым компонентом во многих, если не в большинстве технических
систем. Зачастую оно обеспечивает тот уровень интеграции и управления данными, который позволяет такой сложной системе, как
КИС, решать стоящие перед ней задачи.
Реализация подавляющего большинства крупных программных систем при реализации КИС часто не укладывается в запланированные сроки, выходит за рамки сметы и при этом не вполне
оправдывает ожидания заказчика. Этот феномен хорошо известен
как «кризис программного обеспечения». Чтобы разрешить этот
кризис, разработчики ПО используют при создании продуктов различные инженерные методики.
12
Причем простой контроль управленческого и технического состояния проекта – использование ресурсов, выполнение этапов,
соответствие требованиям, прохождение тестов – не дает адекватного представления о его «здоровье». На самом деле необходимо
управлять процессами и продуктами, создаваемыми в их рамках.
Системная инженерия предоставляет инструментарий, требуемый
для решения задачи технического управления.
Применение принципов СИ к разработке КИС как программной системы выявляет операции, задачи и процедуры, называемые
системной инженерией программного обеспечения (СИПО) (англ.
Software System Engineering – SwSE). Многие считают СИПО специфичным случаем СИ, а другие относят ее к программной инженерии (ПИ). Однако можно утверждать, что СИПО – совсем иной мощный инструментарий, используемый для управления технической
разработкой крупных программных проектов [11].
Системная инженерия – это практическое применение научных,
инженерных и управленческих навыков, необходимых для преобразования операционных требований в описание конфигурации системы, которая наилучшим образом удовлетворяет этим требованиям. Это общий процесс решения проблем, который применяется ко
всему техническому управлению в проекте, посвященном разработке системы, предоставляя механизм формулирования и совершенствования определений изделий и процессов системы.
Национальный стандарт РФ ГОСТ Р ИСО/МЭК 15288-2005 «Информационная технология. Системная инженерия. Процессы жизненного цикла систем» описывает процесс СИ и ее применение на
протяжении всего ЖЦ изделия. Системная инженерия порождает
документы, а не оборудование. Документы связывают процессы
разработки с ЖЦ проекта. Они определяют предполагаемые окружения процессов, интерфейсы и инструменты управления рисками
в рамках всего проекта.
Системная инженерия формирует основу всего хода проекта разработки КИС, а также механизм определения пространства решений в терминах систем и интерфейсов с внешними системами. Пространство решений описывает изделие на самом высоком уровне,
прежде чем требования к нему будут разделены на аппаратную и
программную составляющие.
Этот подход аналогичен присущей ПИ практике – накладывать
ограничения как можно позже в процессе разработки. Чем позже
на проект будут наложены ограничения, тем более гибким будет реализованное решение.
13
СИПО и ПИ – это технические и управленческие процессы, однако ПИ порождает программные компоненты и описывающую их
документацию.
К ПИ относятся:
1. Практическое применение компьютерных дисциплин, менеджмента и других наук для анализа, проектирования, конструирования и обслуживания ПО и связанной с ним документации.
2. Наука инженерии, применяющая методы анализа, проектирования, кодирования, тестирования, документирования и управления с целью создания крупных, удовлетворяющих специфическим требованиям программ в определенное время и с определенными затратами.
3. Систематическое применение методов, инструментов и методик, которые позволяют выполнить оговоренные требования и добиться цели, создав эффективную и полезную программную систему.
Традиционная СИ выполняет первоначальный анализ и проектирование, а также интеграцию и тестирование окончательной системы.
Во время первой стадии разработки СИПО отвечает за анализ
требований к ПО и архитектурный дизайн. При этом СИПО также
управляет окончательным тестированием программных систем.
Наконец, ПИ управляет тем, что системные инженеры называют
инженерией компонентов (подсистем).
Процесс УП включает в себя оценку рисков и затрат на создание
программной системы, определение графика выполнения задания,
объединение различных специалистов и инженерных групп, конфигурационное управление и постоянный аудит, позволяющий гарантировать, что проект укладывается в сроки и смету и соответствует техническим требованиям.
На рис. 1 проиллюстрированы управленческие связи между проектным менеджментом, СИПО и ПИ.
Руководство проектом включает в себя общее управление распределением работ в проекте и полномочия предоставления ресурсов. При этом СИПО определяет технический подход, принимает
технические решения, взаимодействует с техническими представителями заказчика, а также одобряет и принимает конечный программный продукт, а ПИ отвечает за разработку программного дизайна, кодирование и разработку программных компонентов.
В табл. 1 перечислены пять основных функций СИ, коррелирующих с СИПО, и дано краткое описание функций СИПО.
Первый шаг в любой активности, связанной с разработкой ПО
такой сложной системы, как КИС, – это определение и докумен14
Проектный менеджмент:
– планирование;
– организация;
– подбор персонала;
– руководство;
– контроль
Системная инженерия ПО:
– анализ требований;
– дизайн ПО;
– планирование процессов;
– контроль процессов;
– верификация, подтверждение и тестирование
Программная инженерия:
– дизайн ПО;
– кодирование;
– тестирование модулей;
– интеграция программных
подсистем
Рис. 1. Управленческие связи между СИПО, ПИ
и проектным менеджментом
Таблица 1
Функции СИ, коррелирующие с СИПО
Системная
инженерия
Функции
СИПО
Определение
проблемы
Анализ
решений
Анализ
требований
Дизайн ПО
Описание функций СИПО
Определение потребностей и ограничений путем анализа требований к ПО
Определение путей, позволяющих удовлетворить ограничения; анализ и оптимизация возможных решений
Планирование Планирование Определение связанных с разработкой
процессов
процессов
задач, очередности и потенциальных рисков проекта
Контроль
Контроль
Определение методов контроля проекта и
процессов
процессов
процесса, измерение процесса и выполнение корректирующих действий
Оценка
Верификация, Оценка конечного продукта и подготовка
продукта
подтверждение документации
и тестирование
тирование требований системного уровня в виде спецификации
системных, а также программных требований. Программные требования включают в себя свойства, которые необходимы пользователю для решения тех или иных задач, а также свойства, которые
нужны КИС в целом или подсистеме для выполнения тех или иных
формально представленных документов [1, 10, 13, 20].
15
Программные требования можно классифицировать следующим
образом.
Функциональные требования указывают функции, которые система или подсистема (компонента) должны выполнять.
Требования к производительности указывают характеристики
производительности, которым должны удовлетворять система или
ее подсистема, такие как скорость, точность или частота.
Требования к внешним интерфейсам указывают элементы аппаратного, программного обеспечения или баз данных, с которыми
система или подсистема должны взаимодействовать, либо устанавливают ограничения на форматы, время или другие факторы, порождаемые такими интерфейсами.
Ограничения дизайна влияют на архитектуру программной системы или подсистемы (например, требования к языку, физические
характеристики аппаратного обеспечения, стандарты разработки
ПО и стандарты гарантии качества).
Параметры качества указывают степень приближения ПО к параметрам, которые влияют на качество (например, корректность,
надежность, сопровождаемость и переносимость).
Анализ программных требований начинается после того, как
СИ определила системные требования заказчика. В его функции
входит указание всех (или максимального числа) требований к программной системе, и завершение анализа означает формирование
утвержденных базовых требований.
Дизайн (проектирование) ПО – это процесс выбора и документирования наиболее эффективных элементов, которые в совокупности
будут реализовывать требования к программной системе. Дизайн
определяет специфический, логический подход к удовлетворению
программных требований.
Дизайн ПО традиционно разделяется на две части: дизайн архитектуры и детальный дизайн.
Дизайн архитектуры – эквивалент системного проектирования,
во время которого разработчик выбирает структуру системного уровня и определяет программные требования к компонентам структуры.
Дизайн архитектуры, который иногда называют дизайном верхнего
уровня или предварительным дизайном, обычно указывает и структурирует компоненты программы, определяет интерфейсы и готовит
временные и объемные оценки. Он включает в себя такую информацию, как общая архитектура обработки, назначение функций (но не
их детальное описание), потоки данных, системные утилиты, интерфейсы операционной системы и параметры системы хранения.
16
Детальный дизайн – эквивалент инженерии компонентов. В данном случае компоненты представляют собой независимые программные модули и искусственные объекты.
Обычно архитектурный дизайн относят к СИПО, а детальный
дизайн – к ПИ.
Планирование специфицирует цели и назначение проекта, а
также стратегии, политику, планы и процедуры, позволяющие их
добиться. Оно заранее определяет, что делать, как делать, когда делать и кто это будет делать.
Существует ошибочное предположение, что проектный менеджмент выполняет все действия по планированию проекта. На самом же деле планирование проекта состоит из двух составляющих:
одна относится к проектному менеджменту, а другая к СИПО, причем основная часть выполняется именно в рамках СИПО.
Контроль – совокупность операций управления, используемых для
того, чтобы гарантировать развитие проекта в соответствии с утвержденным планом. Контроль процессов предусматривает определение
производительности и результатов в соответствии с планами, выявление отклонений и выполнение корректирующих действий, призванных гарантировать соответствие фактических результатов планам.
Контроль процессов – это система обратной связи, необходимая
для того, чтобы определить, как движется проект. Контроль процессов предполагает ответы на следующие вопросы. Есть ли потенциальные проблемы, способные привести к задержке с выполнением
конкретного требования в указанные сроки и в рамках имеющегося бюджета? Есть ли риск, что такие проблемы станут реальными?
Выполним ли подход к проектированию?
Контроль должен порождать корректирующие действия – либо
приводить состояние проекта в соответствие с планом, либо изменять план, либо прекращать проект. Контроль проекта также состоит из двух отдельных компонентов: контроль, который предусмотрен проектным менеджментом, и контроль, который выполняется
в рамках инженерии программных систем.
Процесс верификации, подтверждения и тестирования (англ.
Verification, Validation and Testing – VV&T) определяет, корректен
ли процесс инженерии и соответствуют ли продукты предъявляемым требованиям.
Верификация определяет, соответствуют ли продукты на данном этапе цикла разработки ПО требованиям, утвержденным во
время предыдущего этапа, и дает ответ на вопрос: так ли я создаю
продукт?
17
Подтверждение определяет соответствие окончательной программы или всего ПО требованиям и нуждам пользователя, то есть
дает ответ на вопрос: тот ли я создаю продукт?
Тестирование – это выполнение программы или части программы с известными входными и выходными данными, которые известны заранее и которые можно проверить, что позволяет обнаружить ошибки. Тестирование часто считается частью верификации.
Процесс верификации, подтверждения и тестирования – это непрерывный процесс мониторинга операций СИ, СИПО, ПИ и проектного менеджмента с целью убедиться, что они следуют техническим и управленческим планам, спецификациям, стандартам и
процедурам. Кроме того, процесс верификации, подтверждения и
тестирования оценивает промежуточные и окончательные продукты проекта ПИ. Промежуточные продукты включают в себя спецификации требований, описание архитектуры, планы тестирования
и оценку результатов. К окончательным продуктам относятся ПО,
руководства пользователей, учебные материалы и т. д.
При этом СИПО использует методы и инструментарий верификации, подтверждения и тестирования для оценки требований
спецификаций, описания архитектуры и других промежуточных
продуктов. Тестирование выполняется для того, чтобы определить,
соответствует ли окончательный продукт спецификациям требований данного проекта.
Финальный шаг в любой деятельности, связанной с разработкой
ПО, это подтверждение и тестирование окончательного программного продукта на соответствие спецификации программных требований, а также подтверждение и тестирование окончательного системного продукта на соответствие этой спецификации.
Системная инженерия и системная инженерия программного обеспечения – дисциплины, используемые в первую очередь для технического планирования «на входе» ЖЦ системы и для проверки выполнения плана работы к окончанию проекта. К сожалению, в реальных
проектах эти дисциплины часто игнорируются. Игнорирование системных аспектов программного проекта КИС может привести к созданию ПО, которое не будет работать на выбранной аппаратной платформе или не будет интегрироваться с другими программными системами.
После того как расставлены акценты относительно проблемных
областей СИ, СИПО и ПИ, перейдем непосредственно к проблематике управления проектами (УП), особое внимание уделяя практике
разработки и внедрения КИС на базе искусственного интеллекта и
имитационного моделирования процессов.
18
1. УПРАВЛЕНИЕ ПРОЕКТАМИ ИНФОРМАЦИОННЫХ СИСТЕМ
1.1. Основные понятия, термины и определения
В настоящем пособии в соответствии с ГОСТ Р ИСО/МЭК 152882005 «Информационная технология. Системная инженерия. Процессы жизненного цикла систем» используются следующие термины с соответствующими определениями [11].
Система (System) – комбинация взаимодействующих элементов, организованных для достижения одной или нескольких поставленных целей. Система может рассматриваться как продукт
или как совокупность услуг, которые она обеспечивает. На практике интерпретация данного термина зачастую уточняется с помощью
ассоциативного существительного (например система самолета). В
некоторых случаях слово «система» может заменяться контекстным синонимом, например «самолет», хотя это может впоследствии
затруднять восприятие системных принципов.
Информационная система (Information System) – система, предназначенная для хранения, поиска и обработки информации, и соответствующие организационные ресурсы (человеческие, технические, финансовые и т. д.), которые обеспечивают и распространяют
информацию.
Информационная система управления проектами (Project
Management Information System) – организационно-технологический комплекс методических, технических, программных и информационных средств, направленный на поддержку и повышение
эффективности процессов планирования и управления проектом.
Элемент системы (System Element) – представитель совокупности элементов, образующих систему. Элемент системы является
отдельной частью системы, которая может быть создана для выполнения заданных требований.
Жизненный цикл системы (System Life Cycle) – развитие рассматриваемой системы во времени, начиная от замысла и заканчивая
списанием.
Модель жизненного цикла (Life Cycle Model) – структурная основа процессов и действий, относящихся к жизненному циклу, которая также служит в качестве общей ссылки для установления связей и взаимопонимания сторон.
Рассматриваемая система (System-of-Interest) – система, жизненный цикл которой рассматривается в рамках предметной области (ПрО).
19
Обеспечивающая система (Enabling System) – система, которая
служит дополнением к рассматриваемой системе на протяжении
стадий ее жизненного цикла, но необязательно вносит непосредственный вклад в ее функционирование. Например, когда рассматриваемая система вступает в стадию производства, требуется обеспечивающая производственная система. Каждая обеспечивающая
система имеет свой собственный жизненный цикл.
Стадия (Stage) – период в пределах жизненного цикла системы,
относящийся к состоянию системного описания или непосредственно к самой системе. Стадии относятся к периодам значительного продвижения системы и достижения запланированных сроков на протяжении жизненного цикла (стадии могут перекрывать друг друга).
Деятельность (Activity) – совокупность действий, в результате
которых расходуются время и ресурсы и выполнение которых необходимо для достижения или содействия достижению одного или
нескольких результатов.
Процесс (Process) – совокупность взаимосвязанных и взаимодействующих видов деятельности, преобразующих входы в выходы.
Проект (Project) – попытка действий с определенными начальной и конечной датами, предпринимаемая для создания продукта
или услуги в соответствии с заданными ресурсами и требованиями.
Проект может рассматриваться как уникальный процесс, включающий в себя координируемые и контролируемые действия, и может
быть комбинацией действий из процессов проекта и технических
процессов.
Организация (Organization) – группа работников и необходимых
средств с распределением ответственности, полномочий и взаимоотношений.
Предприятие (Enterprise) – часть организации, отвечающая за
приобретение и поставку продукции и (или) услуг в соответствии
с соглашениями. Организация может входить в состав нескольких
предприятий, а предприятие может включать в себя одну или несколько организаций.
Оператор (Operator) – лицо или организация, которые вносят
вклад в реализацию функциональных возможностей системы и
применяют знания и процедуры при выполнении определенной
функции. Роли оператора и пользователя могут выполняться одновременно или последовательно одним и тем же человеком или организацией. Некоторые операторы в сочетании с их знаниями и
выполняемыми процедурами могут рассматриваться как элемент
системы.
20
Ресурс (Resource) – активы (организации), которые используются или потребляются в ходе выполнения процесса. Ресурсы могут
включать в себя такие разнообразные объекты, как персонал, оборудование, основные средства, инструменты, а также коммунальные услуги: энергию, воду, топливо и инфраструктуру средств связи. Ресурсы могут быть многократно используемыми, возобновляемыми или расходуемыми.
Приобретающая сторона (Acquirer) – правообладатель, который
приобретает или получает продукт или услугу от поставщика. Другими широко используемыми терминами, обозначающими это понятие, являются покупатель, заказчик, плательщик. Приобретающая сторона может быть одновременно владельцем, пользователем
или эксплуатирующей организацией.
Соглашение (Agreement) – взаимное признание сроков и условий,
в соответствии с которыми осуществляются рабочие отношения.
Базовая линия (Baseline) – спецификация или продукт, которые
были официально рассмотрены и согласованы, чтобы впоследствии
служить основой для дальнейшего развития, и которые могут быть
изменены только посредством официальных и контролируемых
процедур изменения.
Основные средства (Facility) – физические средства или оборудование, способствующие выполнению действий (например, здания,
инструменты, принадлежности).
Правообладатель (Stakeholder) – сторона, имеющая право, долю
или претензии на систему или на владение ее характеристиками,
удовлетворяющими потребности и ожидания этой стороны.
Поставщик (Supplier) – организация или лицо, которые вступают в соглашение с приобретающей стороной на поставку продукта
или услуги.
Компромисс (Trade-off) – действия по принятию решений, в ходе
которых производится выбор из различных требований и альтернативных решений на основе конечной выгоды правообладателей.
Пользователь (User) – лицо или группа лиц, извлекающих пользу в процессе применения системы. Роли пользователя и оператора
могут выполняться одновременно или последовательно одним и тем
же лицом или организацией.
Онтология (Ontology) – в информационных технологиях и компьютерных науках под онтологией подразумевается эксплицитная,
то есть явная спецификация концептуализации, где в качестве концептуализации выступает описание множества объектов и связей
между ними. Формально онтология состоит из понятий терминов,
21
организованных в структуру классификаций, их описаний и правил вывода.
Валидация (Validation) – подтверждение на основе представления объективных свидетельств того, что требования, предназначенные для конкретного использования или применения, выполнены.
Валидация в контексте жизненного цикла системы является совокупностью действий, гарантирующих и обеспечивающих уверенность в том, что система способна выполнять заданные функции в
соответствии с установленными целями и назначением в конкретных условиях функционирования.
Верификация (Verification) – подтверждение на основе представления объективных свидетельств того, что установленные требования были выполнены. Верификация в контексте жизненного цикла
системы является совокупностью действий по сравнению полученного результата жизненного цикла системы с требуемыми характеристиками для этого результата.
Остановимся более подробно на базовых для данного учебного
пособия понятиях «проект» и «управление проектами». Хотя эти
понятия давно и прочно вошли в жизнь разработчиков систем,
включая и информационные системы (ИС), не существует общепринятого толкования этого термина. Считается, что слово «проект»
(Project) происходит от латинского projacere – продвигать что-то
вперед (Pro – заранее; Jacere – продвигать, бросать вперед).
Под проектом обычно понимается совокупность, комплекс задач
и действий, имеющих следующие отличительные признаки: четкие
конечные цели, взаимосвязи задач и ресурсов, определенные сроки
начала и окончания проекта, известная степень новизны целей и
условий реализации, неизбежность различных конфликтных ситуаций вокруг и внутри проекта.
Наиболее популярное определение дано всемирной некоммерческой профессиональной организацией по управлению проектами,
получившей название «Институт управления проектами» (Project
Management Institute, PMI) [7, 18]. PMI осуществляет разработку
стандартов, проведение исследований, образовательную деятельность. В частности, в разработанном PMI руководстве по основам
проектного управления (РМВОК® Guide) проект трактуется следующим образом.
Проект – это временное предприятие, предназначенное для создания уникальных продуктов, услуг или результатов.
Из этого определения можно сделать вывод, что всем проектам
присущи три важные характеристики.
22
1. Наличие дат начала и завершения (у каждого проекта обязательно есть начало и конец, этим проектная деятельность отличается от операционной, рутинной деятельности предприятия).
2. Результат каждого проекта – уникальный продукт или услуга. Этим проектная деятельность также отличается от операционной. Так, разработка новой ИС является проектом, а серийный
выпуск ИС будет составлять предмет операционной деятельности
фирмы. При этом степень уникальности результата проекта может
значительно варьироваться от одного проекта к другому.
3. Направленность проекта на достижение определенных целей.
Как правило, причиной появления проекта является некоторая
проблема, требующая решения. Например, создание КИС, позволяющей получать руководству для принятия решений достоверную
информацию в реальном масштабе времени (РМВ). Успешным считается проект, который с учетом ресурсных ограничений позволяет
полностью реализовать поставленные цели.
Исходя из определения проекта, можно сформулировать, что такое управление проектами.
Управление проектами – это область управления, охватывающая те сферы деятельности компании, в которых создание продукта или услуги реализуется как уникальный комплекс взаимосвязанных целенаправленных мероприятий при определенных требованиях, касающихся сроков, бюджета и характеристик ожидаемого результата. Исходя из определения института PMI, УП означает
применение знаний, навыков, инструментов и методов управления
к проектной деятельности для удовлетворения предъявляемых к
проекту требований.
Управление проектами отличается от менеджмента в классическом понимании этого слова. Обычно менеджмент понимается как
координация действий, ориентированных на достижение определенных целей при одновременно экономном расходовании средств.
Это процесс планирования, организации, руководства и контроля
работы членов организации и использование всех имеющихся организационных ресурсов для достижения определенных целей. Менеджмент имеет циклический, повторяющийся характер, что и позволяет совершенствовать управленческие воздействия и добиваться роста эффективности функционирования организации.
Проект – уникальное предприятие, характеризующееся динамичным развитием и ограниченностью по времени и ресурсам. Следовательно, управление проектами использует уникальные методы и
инструменты для повышения эффективности реализации проектов.
23
Как самостоятельная ПрО управление проектами сформировалось
относительно недавно, что стало возможным благодаря новым знаниям, полученным в результате изучения общих закономерностей,
присущих проектам во всех областях деятельности, а также методам и средствам, используемым для различных проектов. Основные
различия между традиционным менеджментом и УП показаны в
табл. 1.1
Управление проектом достигается путем итеративного применения процессов управления проектами. Наибольшее внимание
обычно уделяется процессам управления проектами в следующих
функциональных областях.
Таблица 1.1
Различия между традиционным менеджментом
и управлением проектами
Критерий
Направленность
на конечные показатели
Направленность
на удовлетворение интересов
Ограничения
Основной объект
планирования
Оценка результатов
Задействованный персонал
Характер
деятельности
24
Традиционный менеджмент
Ориентирован на ход событий, процесс
Организация, в которой
осуществляются процессы управления
Отсутствуют четкие
ограничения по времени
и ресурсам
Управление проектами
Ориентировано на достижение определенной цели
Заказчик, которому важен конкретный результат проекта
Имеются четкие ограничения по времени и
другим ресурсам, особенно финансовым (бюджет
проекта)
Планируется распределе- Подробно планируются
ние позиций
используемые ресурсы
(время, деньги, персонал)
Широко используется
Результаты оцениваются
регулирование процессов по окончании проекта
в ходе их реализации
Персонал, постоянно за- Проектные команды, сонятый в организации
стоящие как из персонала
организации, так и из
внешних исполнителей,
существующие ограниченный период времени
Монотонный
Разнообразные виды деятельности, сопряженные
с риском
1. Управление ПрО проекта (содержанием и границами) – определение целей, результатов и критериев оценки успешности проекта
(в сфере информационных и коммуникационных технологий, особенно в области разработки программных продуктов, эту деятельность называют управлением конфигурацией).
2. Управление проектом по временным параметрам:
– разбиение проекта на группы работ и отдельные работы;
– определение последовательности выполнения работ, продолжительности и расписания работ – календарного плана проекта;
– контроль изменений календарного плана проекта.
3. Управление стоимостью проекта:
– определение видов и количества ресурсов, необходимых для
осуществления проекта; определение стоимости ресурсов и работ;
– учет и контроль расходов и доходов, а также изменений бюджета.
4. Управление качеством:
– определение стандартов качества, относящихся к проекту, способов достижения требуемого уровня качества и мероприятий по
обеспечению качества;
– контроль качества.
5. Управление персоналом:
– распределение полномочий, ответственности и отношений координации и субординации персонала проекта; построение организационных и ресурсных диаграмм;
– подбор проектной команды и персонала, задействованного в
реализации проекта; совершенствование проектной команды.
6. Управление коммуникациями:
– определение источников и потребителей информации внутри и
вне проекта, сроков и периодичности предоставления информации,
способов доставки информации;
– описание видов распространяемой информации;
– управление процедурами распространения информации в ходе
реализации проекта.
7. Управление проектными отклонениями:
– управление рисками – выявление факторов, которые могут повлиять на проект;
– определение зависимостей возможных результатов проекта от
наступления ситуаций риска;
– разработка методов и стратегий управления рисками; планирование, реализация и контроль противорисковых мероприятий;
– управление проблемами – выявление возникающих вопросов
(технических, функциональных, влияющих на основной бизнес и
25
Таблица 1.2
Функциональные области менеджмента и управления проектами
Функциональная область
менеджмента
Финансовый
менеджмент
Управление
персоналом
Операционный менеджмент
Логистика
Инновационный менеджмент
Управление
качеством
Маркетинг
26
Использование для целей УП
Функциональная
область УП
Обеспечение соответствия проекта
ограничениям по бюджету, формирование бюджета проекта. Оценка
эффективности проекта. Интеграция
бюджета проекта в систему бюджетов
предприятия (при реализации проекта в рамках действующего предприятия)
Определение требований к квалификации персонала, привлекаемого для
реализации проекта; мотивация членов проектной команды, разрешение
конфликтов; формирование адекватной потребностям проекта и организации системы оплаты труда участников проектной команды; интеграция
проектной команды в систему мотивации персонала предприятия
Определение последовательности выполнения работ по проекту и интеграция работ по проекту с текущими
операциями предприятия
Управление стоимостью проекта.
Управление проектными отклонениями
Управление персоналом
Управление проектом по временным параметрам.
Управление
проектными отклонениями
Выбор поставщиков, схемы транспор- Управление контировки, складирования, систем рас- трактами
четов с поставщиками и т. п.
Определение критериев успешности Управление ПрО
проекта, реализация проекта (если проекта. Управпроект инновационный), идентифи- ление проектныкация и оценка коммерческих и тех- ми отклоненинических рисков
ями
Разработка мероприятий по обеспе- Управление качечению качества проекта, интеграция ством
проекта в систему менеджмента качества предприятия
Исследования рынка, каналы распро- Управление комстранения информации о проекте
муникациями
др.), их анализ, принятие и исполнение решений, формальное закрытие и мониторинг проблем проекта;
– управление изменениями – выявление изменений ранее согласованных параметров, их анализ, принятие и исполнение решений,
формальное закрытие и мониторинг изменений проекта.
8. Управление контрактами:
– определение требуемых товаров и услуг, потенциальных поставщиков;
– поддержание формализованных отношений с поставщиками.
Проект ИС не существует сам по себе, а находится в динамичной
внешней среде и подвержен влиянию следующих факторов:
– степень сложности;
– комплексность;
– значение;
– уникальность;
– особенности;
– объем;
– риск.
Отличаясь от традиционного менеджмента по своей структуре,
содержанию и принципам, управление проектами, тем не менее,
тесно связано с ним. Функции УП охватывают такие элементы
традиционного функционального менеджмента, как финансовый
менеджмент, управление персоналом, операционный менеджмент,
логистика, инновационный менеджмент, управление качеством,
маркетинг и др. Использование этих функциональных областей менеджмента для целей УП представлено в табл. 1.2.
1.2. Проект ИС и управление проектом
После введенных выше определений рассмотрим более подробно понятия «проект» и «управление проектом» применительно к ИС [7, 18].
Понятие «проект» объединяет разнообразные виды деятельности, характеризуемые рядом общих признаков, основные из них
таковы:
– направленность на достижение конкретных целей, определенных результатов;
– координированное выполнение многочисленных взаимосвязанных действий;
– ограниченная протяженность во времени с определенным началом и концом.
27
Отличие проекта от производственной системы заключается
в том, что проект – однократная, не циклическая деятельность.
Серийный же выпуск продукции не имеет заранее определенного
конца во времени и зависит лишь от наличия и величины спроса.
Когда исчезает спрос, производственный цикл кончается. Производственные циклы в чистом виде не являются проектами, однако в последнее время проектный подход все чаще применяется и
к процессам, ориентированным на непрерывное производство (например, проекты увеличения производства до указанного уровня в
течение определенного периода исходя из заданного бюджета или
выполнение определенных заказов, имеющих договорные сроки
поставки).
Проект как система деятельности существует ровно столько времени, сколько требуется для получения конечного результата. Концепция проекта, однако, не противоречит концепции фирмы или
предприятия и вполне совместима с ней. Более того, проект часто
становится основной формой деятельности фирмы.
Существует ряд определений термина «проект», каждое из которых имеет право на существование в зависимости от конкретной задачи, стоящей перед специалистом. Вот некоторые из них.
В самом общем виде проект (англ. project) это «что-либо, что задумывается или планируется, например, большое предприятие».
С точки зрения системного подхода, проект может рассматриваться
как процесс перехода из исходного состояния в конечное – результат при участии ряда ограничений и механизмов (рис. 1.1).
В «Кодексе знаний об управлении проектами» [7] сказано, что
проект – некоторая задача с определенными исходными данными
и требуемыми результатами (целями), обусловливающими способ
ее решения. Проект включает замысел (проблему), средства его реализации (решения проблемы) и получаемые в процессе реализации
результаты (рис. 1.2).
Инвестиционный проект ИС понимается как инвестиционная
акция, предусматривающая вложение определенного количества
ресурсов, в том числе интеллектуальных, финансовых, материальных, человеческих, для получения запланированного результата и
достижения определенных целей в обусловленные сроки. Финансовым результатом инвестиционного проекта чаще всего является
прибыль/доход, материально-вещественным – новые или реконструированные основные фонды (объекты) или приобретение и использование финансовых инструментов или нематериальных активов с последующим получением дохода.
28
Ограничения:
– финансовые
– нормативно-правовые
– этические
– окружение
– логистические
– методы активизации
– время
– уровень качества
– косвенные воздействия
Вход:
потребности
Проект
Выход:
удовлетворенные
потребности
Обеспечение:
– люди
– знания и опыт
– инструменты и техника
– технология
Рис. 1.1. Проект как процесс перехода
Проект
Замысел
(проблема,
задача)
Средства
реализации
(решения)
Цели реализации
(результаты,
решения)
Рис. 1.2. Основные элементы проекта
В том случае, когда результат реализации проекта – некоторый
физический объект (информационная система), определение проекта может быть конкретизировано следующим образом: «проект – целенаправленное, заранее проработанное и запланированное
создание или модернизация физических объектов, технической и
организационной документации для них, материальных, финансовых, трудовых и иных ресурсов, а также управленческих решений
и мероприятий по их выполнению».
Итак, в современном широком понимании проекты – это то, что
изменяет наш мир: строительство промышленного объекта, про29
грамма научно-исследовательских работ, реконструкция предприятия, создание новой организации, разработка новой информационной системы и технологии, создание кинофильма, развитие региона.
Сравните такое толкование с принятым до недавнего времени у
нас: проект – это документально оформленный план сооружения
или конструкции. Для обозначения этого понятия на Западе используют термин Design.
В ряде отраслей, таких как авиационно-космическая или оборонная промышленность, создаваемые объекты настолько сложны, что работа над ними осуществляется не в составе проектов, а
в составе программ, которые можно определить как совокупность
проектов или как проект, отличающийся особой сложностью создаваемой продукции и/или методов управления его осуществлением.
При таком подходе термин «проект», как правило, связывается с относительно краткосрочными целями.
В Российской Федерации разработан и реализуется ряд программ развития: топлива и энергетики, продовольствия, транспорта и связи, жилья, машиностроения и некоторые другие. Например,
действующие национальные проекты – «Здоровье», «Образование»,
«Доступное и комфортное жилье гражданам России», «Развитие агропромышленного комплекса» – представляют собой, по существу,
федеральные программы, состоящие из комплекса инвестиционных, образовательных и других проектов. В число приоритетных
федеральных программ вошли также программы энергоснабжения,
электрификации и газификации сельских районов, повышения безопасности атомной энергетики, использования нетрадиционных источников энергии и другие.
Концептуально важным является понятие системы, которое может быть определено так: «система – это группа элементов (включающих как людей, так и технические элементы), организованных
таким образом, что они в состоянии взаимодействовать как единое
целое для достижения определенных целей».
Немного об истории УП. Любой проект проходит ряд фаз (этапов,
стадий) [11]. Взаимосвязь фаз, функций и подсистем УП показана
на рис. 1.3.
Разумеется, для того чтобы провести проект через все фазы
(этапы, стадии), им нужно как-то управлять. Необходимость ПрО
«Управление проектами» была осознана в развитых странах Запада с рыночной экономикой в 50-х гг. Это было вызвано массовым
ростом масштабов проектов, а также тем, что понятие их успешности стало измеряться в первую очередь соответствием их оконча30
Жизненный цикл проекта
Предынвестиционная фаза
Анализ возможностей
Технико-экономическое
обоснование
Планирование
Финансирование
Инвестиционная фаза
Заключение контрактов
Проектирование ИС
Маркетинг
Обучение персонала
Эксплуатационная фаза
Приемка
Производство ИС
Модернизация ИС
Закрытие проекта
Функции УП
Планирование
Контроль
Анализ
Принятие решений
Составление бюджета
Мониторинг
Оценка
Отчетность
Экспертиза
Тестирование и приемка
Администрирование
Подсистемы УП
Управление содержанием и объемом работ
Управление продолжительностью
Управление качеством
Управление ресурсами
Управление изменениями
Управление рисками
Управление информацией и коммуникациями
Рис. 1.3. Принципиальная модель УП
тельной стоимости объему выделенных ассигнований, величиной
экономии и размерами прибыли. Последнее зависело от комплексности (системности) решения задач, составляющих в совокупности
предмет управления, а именно: стратегическое планирование, инвестиционную политику, инновационную политику, финансовую
политику, производственную политику, маркетинговую политику,
социальную политику, бухгалтерский учет, стимулирование продаж, информационное обеспечение, обеспечение безопасности.
В числе первых методов УП в конце 50-х гг. были разработаны
методы сетевого планирования и управления. Например, метод
PERT (Program (Project) Evaluation and Review Technique) – метод
оценки и анализа проектов, который используется в управлении
проектами. PERT предназначен для очень масштабных, единовременных, сложных, нерутинных проектов.
31
Следует отметить, что еще в конце 30-х гг. советскими учеными
были разработаны теоретические основы и практические методы
календарного планирования и поточного производства с использованием диаграмм Гантта, что во многом можно считать фундаментом созданного позднее аппарата УП. Диаграмма Гантта (англ. Gantt
Chart, также ленточная диаграмма, график Гантта, календарный
график) – это популярный тип столбчатых диаграмм (гистограмм),
который используется для иллюстрации плана, графика работ по
какому-либо проекту и является одним из методов планирования
проектов [2, 3, 5, 7].
В 70-х гг. большое число крупных компаний на Западе в связи с
растущими масштабами и сложностью их деятельности в условиях
Таблица 1.3
Этапы развития методов УП (по годам)
Область применения
и методы
Техника сетевого планирования
Организация работ над
проектом
Системное планирование
проекта
Логистика
Разработка специальных
ППП
Методы реструктуризации проекта
Системное управление
функциями
Системное управление
подсистемами
Представление об эксплуатационной фазе
Представление о фазе закрытия проекта
Управление сложными
проектами
Формирование объектно-ориентированных
структур управления
Управление рисками
32
1970 1975 1980 1985 1990 1995 2000 2010
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
жесткой конкуренции стали развивать и использовать методы УП.
Ускорению этого процесса способствовало широкое внедрение компьютерных систем обработки информации, автоматизированных
систем обработки и управления, КИС, что показано в табл. 1.3.
К настоящему времени УП стало признанной во всех развитых
странах методологией инвестиционной деятельности. Графически
сущность этих процессов может быть представлена так, как показано на рис. 1.4.
Сущность УП. Управление проектами – синтетическая ПрО, объединяющая как специальные, так и надпрофессиональные знания.
Специальные знания отражают особенности той области деятельности, к которой относятся проекты (инновационные, образовательные, экологические, исследовательские, реорганизационные и др.).
Однако подлинно самостоятельным направлением УП стало благодаря знаниям, полученным в результате изучения общих закономерностей, присущих проектам во всех областях деятельности, а
также благодаря методам и средствам, успешно используемым для
самых различных проектов [12, 22, 23].
Методы УП позволяют:
– определить цели проекта и провести его обоснование;
– выявить структуру проекта (подцели, основные этапы работы,
которые предстоит выполнить);
ых
н
ль
деловых от
н
ош
ен
а
рм
ий
В
ко
чи
ра
м
аз
ак
ка
х
сз
но
м
ты
Вр
ра
ем
я
т
За
Ресурсы
Качество исполнения/технология
Рис. 1.4. Графическое представление сущности УП
33
– определить необходимые объемы и источники финансирования;
– подобрать исполнителей, в частности через процедуры торгов
и конкурсов;
– подготовить и заключить контракты;
– определить сроки выполнения проекта, составить график его
реализации, рассчитать необходимые ресурсы;
– рассчитать смету и бюджет проекта;
– спланировать и учесть риски;
– обеспечить контроль за ходом выполнения проекта и многое
другое.
Дадим определение (наиболее общее, но не единственное) сущности УП, отличающееся от предложенного Институтом управления
проектами PMI [7] несколько большей строгостью.
Управление проектами – методология (также говорят искусство)
организации, планирования, руководства, координации трудовых,
финансовых и материально-технических ресурсов на протяжении
проектного цикла, направленная на эффективное достижение его
целей путем применения современных методов, техники и технологии управления для достижения определенных в проекте результатов по составу и объему работ, стоимости, времени, качеству и удовлетворению участников проекта.
Представляет интерес так называемая процессная концепция
УП (табл. 1.4).
Суть процессной концепции УП состоит в том, что сложная интегрированная природа УП описывается через процессы, из которых
она состоит, и их взаимосвязи. В данном случае под процессами понимаются действия и процедуры, связанные с реализацией функций управления.
Каждый проект предполагает, что для его реализации создается
временная организационная структура и, соответственно, система
управления проектом. Таким образом, одной из первоочередных
задач менеджера проекта является создание системы управления,
которая позволит ему реализовывать свою власть на проекте, планировать и организовывать исполнение работ, контролировать и координировать действия всех участников проекта.
Базовые варианты схем УП. Различают следующие варианты
схем УП.
Основная система. Руководитель (менеджер) проекта – представитель («агент») заказчика – финансовой ответственности за принимаемые решения не несет. Им может быть любое юридическое или
физическое лицо – участник проекта, имеющий лицензию на про34
Таблица 1.4
Классификация процессов УП
Проект как совокупность процессов
Группы процессов УП
Инициация
Планирование
Контроль
Управление
Завершение
Общее
управление
изменениями
Управление
ресурсами
Управление
целями
Управление
качеством
Закрытие
контрактов
Административное
завершение
Анализ
Основные процессы УП
Авторизация
(решение
начать
следующую
фазу
проекта)
Планирование
целей
Декомпозиция
целей
Определение
состава
операций
(работ)
проекта
Оценка
длительности
работ
Определение
ресурсов
Оценка
бюджета
Разработка
плана
исполнения
проекта
Процесс
исполнения
плана
проекта
Анализ
сроков
Анализ
стоимости
Анализ
качества
Подтверждение
целей
Вспомогательные процессы УП
Планирование
качества
Планирование
организации
Назначение
персонала
Идентификация
рисков
Оценка рисков
Планирование
поставок
Учет исполнения
Подтверждение
качества
Выбор
поставщиков
Контроль
контрактов
Развитие команды
проекта
Оценка
исполнения
Анализ ресурсов
Управление
рисками
Управление
контрактами
фессиональное управление. В этом случае менеджер проекта обеспечивает координацию и управление ходом разработки и реализации
проекта, в контрактных отношениях с другими участниками проекта (кроме заказчика) не состоит. Преимущество системы – объективность проект-менеджера, недостаток – ответственность за риск
по результатам проекта целиком возлагается на заказчика.
35
Система «расширенного управления». Руководитель (менеджер)
проекта принимает ответственность за проект в пределах фиксированной (сметной) цены. Менеджер обеспечивает управление и координацию всех процессов по соглашениям между ним, заказчиком и
участниками проекта.
Как и в основной системе, главным менеджером (или менеджером
проекта, проект-менеджером) может быть любое юридическое или
физическое лицо – участник проекта, имеющий лицензию на профессиональное управление и способный отвечать по своим обязательствам перед заказчиком. Проект-менеджер управляет всеми процессами, координирует поставки и работы по инжинирингу. В этом случае на него возлагается риск в пределах контрактных условий.
Система под ключ. Руководитель (менеджер) проекта – фирма, с
которой заказчик заключает контракт под ключ с объявленной стоимостью проекта.
1.3. Особенности управления проектами
В России происходят масштабные изменения в экономике (появился термин «цифровая экономика») и управлении производством
на базе использования ИТ. Эти изменения не только масштабны, но
и беспрецедентны: ни в одной другой стране мира за столь короткий срок не происходила коренная ломка экономической системы
и формирование новой. Все многообразие процессов, происходящих при этом, можно представить как совокупность социальных,
технических, организационных, экономических проектов. Если
научиться ими управлять (руководители будут прислушиваться к
рекомендациям профессиональных управляющих проектами), то
вполне вероятно, что проводимые в стране реформы по переходу на
цифровую экономику пройдут успешнее.
Вместе с тем понятно, насколько сложно разработать и реализовать на практике систему управления, адекватную жизненным реалиям, поэтому было бы преувеличением сказать, что методология
УП – панацея от всех сбоев в механизме реформ [7, 18]. Отметим
главные области изменений в сегодняшней России, являющиеся
предпосылками применения и одновременно потенциальной сферой интересов ПрО «Управление проектами»:
– ликвидация планово-распределительной системы, основанной
на принудительном и волевом администрировании, начало формирования правовой системы управления цифровой экономикой;
36
– изменение отношений собственности (разгосударствление
предприятий и организаций, акционирование, приватизация и др.);
– процесс демонополизации производителей различного рода товаров и услуг;
– изменение рынка – переход к относительному балансу предложения и платежеспособного спроса;
– изменение организационных форм в соответствии с изменениями отношений собственности и рынка, сопровождающееся децентрализацией управления и постепенной передачей определенных
функций на места;
– изменение производственной системы, «подстраивающейся»
под рынок;
– изменение методов и средств управления, в частности переход
на идеологию программного управления на базе ИТ;
– отмена государственной монополии в области внешней торговли;
– формирование рынка инвестиционных проектов, недвижимости, ценных бумаг, подрядных и других работ;
– создание рынка инвестиционных компаний, инжиниринговых
и консалтинговых фирм, предлагающих свои услуги в области экономической, управленческой, информационной поддержки проектов;
– появление в инвестиционной сфере первых проектно-ориентированных структур, создаваемых на основе как государственных,
так и частных предприятий и компаний;
– определенные изменения в психологии управленцев;
– развитие ИТ;
– активное привлечение к реализации инвестиционных проектов иностранных подрядчиков и инвесторов, которые традиционно
широко используют методологию управления проектами;
– создание новых рыночных структур, работающих с проектами (инвестиционные фонды, финансовые компании, коммерческие
банки и др.), которые свою работу строят на проектной основе.
Объективно возрастает сложность управления цифровой экономикой в связи с увеличением числа субъектов управления, усложнением их действий, снижением уровня профессионализма менеджеров. Современная инвестиционная политика направлена на
финансирование проектов, рассчитанных на минимальные сроки
и способных принести максимальную прибыль. В таких условиях
метод УП становится проверенным инструментом реализации любых проектов необходимого качества в установленные сроки в рамках принятого бюджета.
37
Вместе с тем имеется ряд ограничений, существенно сдерживающих распространение новой методологии для управления как
крупными проектами, так и комплексными программами. К ним
относятся: не всегда устойчивое функционирование экономики;
определенный уровень коррумпированности властей, политические риски; не всегда достаточная инвестиционная активность; высокая инфляция; недостаточная развитость кредитно-финансовой
и банковской систем, сдерживающая оборот инвестиций и капиталов; отсутствие надежного обеспечения гарантий и льгот для инвесторов, в том числе иностранных.
1.4. Взаимосвязь между управлением проектами
и инвестициями
Принципиальная модель управления проектами (УП), дающая
исчерпывающее представление о совокупности и взаимосвязях базовых понятий, приведена на рис. 1.3. Дадим краткое пояснение
графической интерпретации системы базовых понятий. Еще раз обсудим основные термины ПрО «Управление проектами».
Проект функционирует в определенном окружении, включающем внутренние и внешние компоненты, учитывающие экономические, политические, социальные, технологические, нормативные, культурные и иные факторы. Проект всегда нацелен на
результат, на достижение определенных целей, на определенную
ПрО. Его реализация осуществляется полномочным руководством
проекта, менеджером проекта и командой проекта, работающей
под этим руководством, другими участниками проекта, выполняющими отдельные специфические виды деятельности. В работах
по проекту, как правило на условиях частичной занятости, могут
участвовать представители линейных и функциональных подразделений компаний, ответственных за выполнение возложенных на
них заданий, видов деятельности, функций, включая планирование, руководство, контроль, организацию, администрирование и
другие общесистемные функции.
Управление проектом представляет собой методологию организации, планирования, руководства, координации человеческих
и материальных ресурсов на протяжении ЖЦ проекта (проектного цикла), направленную на эффективное достижение его целей с
помощью системы современных методов, техники и технологий
управления для достижения определенных результатов по составу
38
и объему работ, стоимости, времени, качеству. Для эффективного
УП система должна быть хорошо структурирована. Суть структуризации, или декомпозиции, сводится к разбивке проекта и системы управления им на подсистемы и компоненты, которыми можно
управлять.
Основная структурная единица – команда проекта (специальная
группа, которая становится самостоятельным участником проекта или входит в состав одного из этих участников и осуществляет
управление инвестиционным процессом).
Реализация проекта происходит в рамках организационной формы, структура которой в значительной степени влияет на сам проект.
Жизненный цикл проекта, то есть промежуток времени между
моментом появления, зарождения проекта, и моментом его ликвидации, завершения, – исходное понятие для исследования проблем
финансирования работ и принятия соответствующих решений.
Укрупненно ЖЦ проекта можно разделить на три основные смысловые фазы: предынвестиционную, инвестиционную и эксплуатационную [11, 18].
Дальнейшее разбиение существенно зависит от специфики проекта. Так, в ЖЦ может быть пять фаз:
1) концептуальная фаза, включающая формулирование целей,
анализ инвестиционных возможностей, технико-экономическое
обоснование и планирование проекта;
2) фаза разработки проекта, включающая определение структуры работ и исполнителей, построение календарных графиков работ,
бюджета, разработку проектно-сметной документации, переговоры
и заключение контрактов с подрядчиками и поставщиками;
3) фаза выполнения проекта, включающая работы по его реализации, строительству, маркетингу, обучению персонала;
4) фаза завершения проекта, включающая в общем случае приемочные испытания, опытную эксплуатацию и сдачу проекта в эксплуатацию;
5) эксплуатационная фаза, включающая приемку и запуск, замену оборудования, расширение, модернизацию, инновацию.
Функции УП – это планирование, контроль, анализ, принятие
решений, составление и сопровождение бюджета проекта, организация его осуществления, мониторинг, оценка, отчетность, экспертиза, проверка и приемка, бухгалтерский учет, администрирование. Подсистемы УП включают управление содержанием и объемами работ, временем, продолжительностью, стоимостью, качеством,
закупками и поставками, распределением ресурсов, человеческими
39
ресурсами, рисками, запасами ресурсов, информацией и коммуникациями, а также интеграционное управление.
1.5. Классификация типов проектов ИС
В связи с тем что методы управления проектами ИС в значительной степени зависят от их масштаба (размера), сроков реализации,
качества, ограниченности ресурсов, места и условий реализации,
рассмотрим основные виды так называемых специальных проектов, в которых один из перечисленных факторов играет доминирующую роль и требует к себе особого внимания, а влияние остальных факторов нейтрализуется с помощью стандартных процедур
контроля (табл. 1.5). Ниже рассмотрены классические типы проектов ИС, классифицированные по масштабам, срокам реализации,
качеству исполнения, ограниченности ресурсов, конструктивному
исполнению, участникам [7, 11, 18].
Таблица 1.5
Классификация типов проектов ИС
Классификационные признаки
По уровню
проекта ИС
По масштабу
проекта
По сложности
проекта ИС
Типы проектов ИС
Проект
Программа
Система
Малый
Средний
Мегапроект
ОрганиТехнически Ресурсно- КомплексноПростой зационно
сложный сложный
сложный
сложный
По срокам
Краткосрочный
Средний
Мегапроект
реализации
По качеству Бездефектный
Модульный
Стандартный
По ресурсам
Мультипроект
Монопроект
По характеру
Международный
Отечественный
проекта
По целевой
Маркетинговый
Инновационный
задаче
По причине
Реструктуризация
Расширение
Необходимость
возникновения
возможностей
внедрения
проекта ИС
Реинжиниринг
40
Малые проекты ИС невелики по масштабу, просты и ограничены объемами. Примеры типичных малых проектов ИС: опытные
образцы для небольших промышленных предприятий в сфере образования, здравоохранения, при модернизации действующих производств. Малые проекты допускают ряд упрощений в процедуре
проектирования и реализации, формировании команды проекта
(можно просто кратковременно перераспределить интеллектуальные, трудовые и материальные ресурсы).
Вместе с тем затруднительность исправления допущенных ошибок в связи с дефицитом времени на их устранение требует весьма
тщательного определения объемных характеристик проекта, его
участников и методов их работы, графика проекта и форм отчета, а
также условий контракта.
Мегапроекты – это целевые программы, содержащие множество
взаимосвязанных проектов, объединенных общей целью, выделенными ресурсами и отпущенным на их выполнение временем. Такие
программы могут быть международными, государственными, национальными, региональными, межотраслевыми (затрагивающими
интересы нескольких отраслей экономики), отраслевыми и смешанными. Как правило, программы формируются, поддерживаются и
координируются на верхних уровнях управления: государственном
(межгосударственном), республиканском, областном, муниципальном и т. д. Мегапроекты обладают рядом отличительных черт: высокой стоимостью, капиталоемкостью, трудоемкостью проектирования, длительностью реализации и сопровождения и т. д.
Сложные проекты подразумевают наличие технических, организационных или ресурсных задач, решение которых предполагает
нетривиальные подходы и повышенные затраты на их решение.
1.6. Цель и стратегия проекта ИС
Отличают миссию проекта от целей первого и последующих
уровней, а также подцелей/задач, действий и результатов [7, 11, 18].
Миссия проекта – это генеральная цель проекта ИС, четко выраженная причина его существования. Она детализирует статус
проекта, обеспечивает ориентиры для определения целей следующих уровней, а также стратегий на различных организационных
уровнях. Миссия – это главная задача проекта ИС с точки зрения
его будущих основных услуг, его важнейших рынков и преимущественных ИТ.
41
Стратегия проекта – центральное звено в выработке направлений действий для получения обозначенных миссией результатов
проекта. Подготовку стратегии проекта ИС можно условно разделить на три последовательные процедуры:
1) стратегический анализ;
2) разработка и выбор стратегии;
3) реализация стратегии.
Стратегический анализ начинается с анализа внешней и внутренней среды эксплуатации ИС.
К числу факторов внешней среды относятся:
– технологические факторы (уровень существующих, наличие
новых цифровых технологий);
– экономические факторы (инфляция, процентные ставки, курсы валют, налоги);
– ресурсообеспеченность;
– ограничения государственного сектора (лицензирование, законотворчество);
– конкуренты (количество, возможности).
Внутренняя среда включает:
– целевые рынки (ниша, в которой работает фирма, круг ее потребителей);
– маркетинговые исследования;
– сбыт (объем продаж, скидки);
– каналы распределения (как, через кого осуществляется продажа);
– производство (оборудование, технологии, площади);
– персонал (квалификация, численность, мотивация, корпоративная культура);
– снабжение (поставщики, условия поставки);
– исследование и разработка;
– финансы (оборачиваемость, ликвидность);
– номенклатура продукции (степень диверсификации);
– стратегия, которая разрабатывается исходя из миссии, целей
организации на основе результатов обобщенного анализа.
Разработка и выбор стратегии осуществляются на трех организационных уровнях. Различают корпоративную стратегию (общее
направление развития, то есть стратегию роста, сохранения или сокращения) и деловую стратегию (стратегию конкуренции конкретных ИС на конкретном рынке).
Стратегия проекта разрабатывается в рамках деловой стратегии,
то есть отвечает на вопрос, каким образом продукция проекта будет
42
конкурировать на рынке. Очевидно, что выбор стратегии проекта
должен существовать в рамках уже выбранного общего направления развития. Таким образом, при определении стратегии проекта
важны следующие основные аспекты:
– выбор позиции на рынке (доли рынка) и расчет времени, требуемого для достижения данной цели;
– установка основного соотношения «продукт – рынок» для разработки концепции маркетинга;
– функциональное назначение и область применения планируемой к выпуску ИС;
– выбор оптимальной группы клиентов (пользователей ИС);
– основные качества ИС, способствующие успеху, с учетом фактических или потенциальных конкурентов;
– использование средств для обеспечения усиления положения
на рынке (объединение усилий с другими компаниями либо исключительно собственные средства).
Реализация стратегии подразумевает в первую очередь необходимость определенных изменений в организационной структуре и
организационной культуре, поэтому часто требуется создать специальные координационные механизмы в дополнение к имеющейся
структуре управления: проектные, межпроектные (программные),
венчурные (для проектов с высокими уровнями рисков) группы.
1.7. Результат и управляемые параметры
проекта ИС
Под результатом проекта понимают конечную продукцию, то
есть программный продукт ИС с документацией сопровождения. Об
успешности проекта судят по тому, насколько он соответствует по
своим затратным/доходным, инновационным, качественным, временным, социальным и другим характеристикам запланированному уровню [7, 11, 18].
Управляемые параметры проекта ИС:
– объемы и виды работ по проекту;
– стоимость, издержки, расходы по проекту;
– временные параметры, включающие сроки, продолжительность и резервы выполнения работ, этапов, фаз проекта, а также
взаимосвязи работ;
– ресурсы, требуемые для осуществления проекта, в том числе
человеческие или трудовые, финансовые, материально-технические;
43
– качество проектных решений, применяемых ресурсов, компонентов проекта и т. д.
Проект ИС и процесс его реализации в свою очередь представляют
собой сложную систему, в которой сам проект выступает как управляемая подсистема, а управляющая подсистема это УП. Проект имеет ряд свойств, о которых целесообразно помнить, так как это помогает методически правильно организовать работу по его реализации:
1. Проект ИС возникает, существует и развивается в определенном окружении, называемом внешней средой;
2. Состав проекта не остается неизменным в процессе его реализации и модернизации (могут появляться новые элементы (объекты), удаляться старые);
3. Проект ИС, как и всякая система, может быть разделен на элементы, при этом между выделяемыми элементами должны определяться и поддерживаться необходимые связи.
Разделение всей сферы деятельности, в которой появляется и
развивается проект ИС, на «проект» и «внешнюю среду» в определенной степени условно. Перечислим причины этого.
1. Проект не является жестким стабильным образованием: ряд
его элементов может менять свое местоположение, переходя в состав проекта из внешней среды и обратно.
2. Ряд элементов проекта может использоваться как в его составе, так и вне его. Типичным примером могут служить специалисты,
одновременно работающие как над реализацией конкретного проекта, так и над решением некоторых других проблем, в частности
над выполнением другого проекта.
1.8. Жизненный цикл проекта ИС
Промежуток времени между моментом появления проекта ИС и
моментом его ликвидации называется жизненным циклом проекта
[7, 11, 18]. Жизненный цикл проекта – исходное понятие для исследования проблем финансирования работ по проекту ИС и принятия
соответствующих решений. Каждый проект, независимо от сложности и объема работ, необходимых для его выполнения, проходит в
своем развитии определенные стадии: от состояния, когда проекта
еще нет, до состояния, когда проекта уже нет.
Рассмотрим особенности применения процессов. Каждый процесс ЖЦ, приведенный на рис. 1.5, может быть инициирован при
необходимости в любой момент ЖЦ, причем не существует фикси44
Процессы
предприятия
Процессы
проекта
Технические
процессы
Определение
требований
правообладателей
Управление
средой
предприятия
Планирование
проекта
Управление
инвестициями
Оценка проекта
Анализ
требований
Управление
процессами
жизненного цикла
Контроль
проекта
Проектирование
архитектуры
Принятие
решений
Реализация
Управление
рисками
Комплексирование
Управление
конфигурацией
Верификация
Управление
ресурсами
Управление
качеством
Процессы
соглашения
Приобретение
Поставка
Передача
Управление
информацией
Валидация
Функционирование
Обслуживание
Изъятие
и списание
Рис. 1.5. Процессы ЖЦ системы
рованных правил его использования. Подробности задач и сроки
применения этих процессов на протяжении ЖЦ зависят от множества факторов, включая социальные, торговые, организационные и
технические, каждый из которых может изменяться в течение жизненного цикла системы. Отдельный ЖЦ системы является, таким
образом, сложной системой процессов, обычно обладающих параллельными, итеративными, рекурсивными и зависящими от времени характеристиками.
Процессы могут выполняться параллельно в рамках проекта (например, проектные действия и действия по подготовке к созданию
ИС выполняются одновременно) или между проектами, например,
когда системные элементы разрабатываются одновременно в различных проектах.
45
Итеративное использование процессов, то есть повторное применение процесса или множества процессов на одном уровне иерархии, имеет важное значение для постоянного уточнения результатов процесса. Например, взаимодействие между последовательными действиями по верификации ПО и действиями по комплексированию может постепенно укреплять уверенность в соответствии
продукта предъявленным требованиям.
Рекурсивное использование процессов, то есть повторное применение одного и того же процесса или множества процессов к последовательным уровням детализации иерархической структуры
ИС, является ключевым аспектом применения ГОСТ Р ИСО/МЭК
15288-2005 «Информационная технология. Системная инженерия.
Процессы жизненного цикла систем» [11].
Результаты процессов на любом уровне, будь то информация или
услуги, являются входами для таких же процессов, но реализуемых на
более низком или более высоком уровнях. В итоге возникает ответная
информация, артефакты или услуги, которые могут модифицировать
первоначальный выход процесса. Таким образом, результаты процессов, полученные на всех уровнях системной архитектуры, могут быть
согласованы, и совместимость их достигнута, например, в виде описаний системных элементов, формирующих системную архитектуру.
Изменяющийся характер воздействий на систему (например,
изменения среды функционирования, новые возможности реализации системных элементов, модифицированная структура и обязанности в организациях) требует постоянной проверки выбора и
синхронизации использования процессов. Таким образом, применение процесса в течение жизненного цикла является интенсивно
меняющимся во времени действием, реагирующим на множество
внешних воздействий на систему.
Стадии ЖЦ помогают при планировании, выполнении и управлении процессами ЖЦ, несмотря на их сложность, обеспечивая достижимые и распознаваемые цели и структуру на высоком уровне.
В частности, предшествующий опыт работы на аналогичных рынках или в аналогичных производственных секторах может помочь
в выборе стадий и применении процессов ЖЦ для построения соответствующей и эффективной модели ЖЦ для любой системы.
Начало проекта ИС связано с началом его реализации и вложения денежных средств в его выполнение. Окончанием существования проекта может быть:
– ввод в действие объектов, начало их эксплуатации и использования результатов выполнения проекта;
46
– перевод персонала, выполнявшего проект, на другую работу;
– достижение заданных результатов;
– прекращение финансирования;
– начало работ по внесению в проект ИС серьезных изменений,
не предусмотренных первоначальным замыслом (модернизация);
– вывод объектов проекта из эксплуатации.
Обычно как факт начала работ над проектом ИС, так и факт его
ликвидации оформляются официальными документами.
Состояния, через которые проходит проект ИС, называют фазами (этапами, стадиями).
Универсального подхода к разделению процесса реализации проекта на фазы не существует. Решая для себя такую задачу, участники проекта должны руководствоваться своей ролью в проекте, опытом и конкретными условиями выполнения проекта ИС (рис. 1.6).
На практике деление проекта ИС на фазы может быть самым
разнообразным – лишь бы оно выявляло некоторые важные контрольные точки, во время прохождения которых просматривается
дополнительная информация и оцениваются возможные направления развития проекта ИС. В свою очередь, каждая выделенная
фаза (этап) может делиться на фазы (этапы) следующего уровня
(подфазы, подэтапы) и т. д. Применительно к очень крупным проектам количество фаз и этапов их реализации может быть увеличено.
Выделение дополнительных этапов в крупных проектах связано не
Разработка
Определение задач
Рабочее
проектирование
Разработка идеи/
концепции
проекта
Экспертиза
Завершение
проекта
Переговоры
Оценка и анализ
результатов
Принятие
решения
о предоставлении
займа
Контроль
за реализацией
Осуществление
проекта
Рис. 1.6. Цикл проекта ИС
47
только с большой продолжительностью разработки и внедрения, но
и необходимостью более тщательного согласования действий организаций – участников проекта.
Вся деятельность по проекту ИС протекает взаимозависимо во
времени и пространстве. Однако обеспечить однозначное распределение фаз и этапов выполнения проекта в логической и временной
последовательности практически невозможно. Связанные с этим
проблемы решаются с помощью опыта и знаний специалистов, работающих над проектом с привлечением цифровых технологий, базирующихся на ИИ и компьютерной имитации [6, 8, 12, 23].
1.9. Структуризация и управление проектом ИС
Структуризация, суть которой сводится к разбивке проекта ИС
на иерархические подсистемы и компоненты, необходима для того,
чтобы проектом можно было управлять. Структура проекта призвана определить архитектуру ИС, которую необходимо разработать,
и связывает элементы работы, которые предстоит выполнить, как
между собой, так и с конечной целью проекта. Кроме того, процесс
структуризации проекта ИС является неотъемлемой частью общего
процесса планирования проекта и определения его целей, а также
подготовки сводного (генерального) плана и матрицы распределения ответственности и обязанностей разработчиков [7, 11, 18].
Управленческие функции включают основные, базовые виды
деятельности, которые должны осуществлять управляющие работники на всех уровнях и во всех ПрО по проекту. Функции УП
включают: планирование, контроль проекта ИС, анализ, принятие
решений, составление и сопровождение бюджета проекта, организацию осуществления, мониторинг, оценку, отчетность, экспертизу, проверку и приемку, бухгалтерский учет, администрирование.
Подсистемы УП формируются в зависимости от структуры ПрО
внедрения ИС и управляемых элементов проекта, относительно самостоятельных в его рамках. Предметные области и управляемые
элементы в самом общем виде включают сроки, трудовые ресурсы,
стоимость и издержки, доходы, закупки и поставки ресурсов и услуг, ресурсы (уже закупленные), изменения по проекту, риски проекта, информацию и коммуникации, качество и пр.
Эти подсистемы присутствуют практически в любом проекте.
В каждом конкретном случае могут добавляться специфические подсистемы. Отличие подсистем от функций УП заключается в том, что
48
подсистемы ориентированы на ПрО, а функции нацелены на специфические процессы, процедуры и методы. Управление подсистемой
включает выполнение практически всех функций. Так, планирование и контроль расходов базируются на одной и той же ПрО – затратах, а планирование расходов и качества базируется на одинаковых
процедурах составления планов, сетевом моделировании и т. д.
Подсистемы УП по основным ПрО подразделяются на управление содержанием проекта ИС, объемами работ, временем, продолжительностью, стоимостью, качеством, закупками и поставками,
распределением ресурсов, человеческими ресурсами, рисками, запасами ресурсов, на интеграционное (координационное) управление, управление информацией и коммуникациями.
Методы УП позволяют:
– определить цели проекта ИС и провести его обоснование;
– выявить структуру (подцели, основные этапы работы, которые
предстоит выполнить);
– определить необходимые объемы и источники финансирования;
– подобрать исполнителей, в частности через процедуры конкурсов;
– подготовить и заключить контракты;
– определить сроки выполнения проекта ИС, составить график
его реализации, рассчитать необходимые ресурсы;
– рассчитать смету и бюджет проекта, спланировать и учесть риски;
– обеспечить контроль за ходом выполнения проекта ИС.
Методы УП включают сетевое планирование и управление, календарное планирование, логистику, структурное планирование, ресурсное планирование, имитационное моделирование на ЭВМ и др.
Переход к рыночным условиям хозяйствования заставил трансформироваться практически всех участников разработки ИС, так
как потребовалась гибкость, которой прежние организационноструктурные формы были лишены. Сформировались организационные структуры, ранее в российской практике не применявшиеся.
Выделяются следующие принципиальные организационные
формы:
– функциональная структура, предполагающая использование
существующей иерархической структуры организации (менеджер
проекта осуществляет лишь общую координацию работ);
– проектная структура (данный подход предполагает, что комплекс работ проекта разрабатывается независимо от иерархической
структуры организации);
49
– матричная структура (промежуточная форма, объединяющая
преимущества проектной и функциональной структур управления).
Могут быть выделены три разновидности матричной структуры
организации:
1) cлабая матрица, когда координатор проекта отвечает за координацию задач по проекту, но имеет ограниченную власть над ресурсами;
2) cбалансированная матрица, когда менеджер проекта координирует все работы и разделяет ответственность за достижение цели
с руководителями функциональных подразделений;
3) жесткая матрица, когда менеджер проекта обладает максимальными полномочиями, но и несет полную ответственность за
выполнение задач проекта.
Система УП определяет цели, границы и содержание работ, организационную структуру проекта, роли участников команды,
процедуры управления. Основой системы УП являются следующие
элементы:
– определение ответственности менеджера проекта ИС и его полномочий;
– определение организационной структуры проекта ИС, ответственности, полномочий и системы мотивации его основных участников;
– согласованный с участниками и утвержденный заказчиком
план выполнения работ по проекту ИС, включая календарный
план, бюджет, план реагирования на риски, другие планы (при необходимости);
– согласованные управленческие процедуры, включая планирование, организацию исполнения, управление рисками и изменениями, распределение информации и отчетности, принятие решений
и утверждение результатов.
Базовый документ, определяющий целевые показатели и организационные принципы реализации проекта ИС, – его устав. Процедуры управления проектом могут входить в устав (для простых
проектов) или разрабатываться и утверждаться отдельно в виде нормативно-регламентных документов.
50
2. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В УПРАВЛЕНИИ
ПРОЕКТАМИ ИНФОРМАЦИОННЫХ СИСТЕМ
2.1. Роль информации при принятии решений
по управлению проектами
В условиях цифровой экономики роль эффективного управления
на основе достоверной информации возрастает многократно. Ошибки менеджмента, основывающиеся на недостаточных или неверно
интерпретированных данных, могут привести к краху даже крупные ИТ-компании. Наиболее интересные технологии и правила
управления и планирования предоставляет стратегический менеджмент, который занимается вопросами разработки и реализации
стратегии ИТ-фирмы.
Существует множество определений этого понятия, но в общем
смысле стратегия – это долгосрочный план управления ИТ-фирмой,
направленный на укрепление ее позиций, удовлетворение потребителей и достижение поставленных целей. Управляющие (менеджеры) разрабатывают стратегию, чтобы определить, в каком направлении будет развиваться ИТ-компания, и принимают обоснованные
решения при выборе способа действия. Выбор менеджерами конкретной стратегии означает, что из всех возможных путей развития
и способов действия, открывающихся перед ИТ-компанией, решено
выбрать одно стратегическое направление, в котором компания и
будет развиваться. Без стратегии у менеджера нет продуманного
плана действий, нет путеводителя в мире бизнеса, нет единой программы достижения желаемых результатов [7, 11, 16, 18].
Новые действия и подходы, находящиеся на обсуждении с использованием всей доступной информации, покажут возможные пути изменения и преобразования текущей стратегии. Хорошее стратегическое видение готовит ИТ-компанию к будущему, устанавливает долгосрочные направления развития и определяет намерение компании занять конкретные деловые позиции. Иными словами, стратегический
менеджмент рассматривает ИТ-предприятие как сложную систему,
которая в свою очередь функционирует в еще более крупных системах:
целевой рынок, отрасль, рынок в масштабах государства и т. д. [7, 9].
Сегодня стратегический менеджмент – это очень быстро и динамично развивающаяся научно-практическая деятельность, что
неудивительно, так как ее развитие обусловлено потребностями современного рынка. Компании всего мира используют новые методы
и инструменты стратегического менеджмента для того, чтобы пере51
смотреть свои подходы к ведению бизнеса, обеспечению конкурентоспособности и достижению более высоких результатов в своей области (в данном случае в области разработки ИС).
Одним из наиболее мощных инструментов в руках менеджера
становится информация. Эффективное управление невозможно без
сбора информации и ее обработки различными методами. Методы
получения информации многообразны и не являются предметом
рассмотрения в данном учебном пособии. Гораздо больший интерес
вызывают методы ее обработки и целевого распределения по адресатам. Это есть вопрос построения интегрированной ИС, направленной на решение задач, стоящих перед ИТ-предприятием, и являющейся отражением протекающих бизнес-процессов.
Роль стратегического управления и планирования велика. Хорошее управление сегодня непременно требует от руководителей стратегического мышления и умения формировать, разрабатывать стратегию и, главное, успешно реализовывать ее. Менеджерам приходится думать глобально (то есть не абстрагируясь от внешних и внутренних факторов) о положении, в котором находится ИТ-компания, и о
влиянии, которое на нее оказывают меняющиеся условия.
Другими словами, стратегическое управление является фундаментом общего подхода к управлению всей ИТ-компанией. Исполнительный директор одной из компаний удачно сформулировал эту
мысль: «В основном наши конкуренты знают те же самые фундаментальные концепции, методы и подходы, что и мы, и они также
имеют все возможности для скрупулезного следования им, как и
мы. Зачастую разница достигнутого ими и нами успеха заключается в относительной тщательности и дисциплинированности, с которой мы разрабатываем свои стратегии и выполняем планы».
Преимуществами стратегического подхода к управлению (в противоположность свободной импровизации, интуиции или бездеятельности) на основе интенсивного использования ИС являются:
– обеспечение направленности идей организации на ключевой
вопрос стратегии: что мы собираемся делать и чего добиваемся?;
– необходимость для менеджеров более четко реагировать на появляющиеся перемены, новые возможности и угрожающие тенденции;
– возможность для менеджеров оценивать альтернативные варианты капитальных вложений и увеличение численности персонала,
то есть разумно переносить ресурсы в стратегически обоснованные
и высокоэффективные проекты;
– возможность объединить решения руководителей всех уровней
УП, связанных со стратегией.
52
Резюмируя все вышесказанное, можно сделать следующий вывод: стратегический менеджмент представляет собой системный
подход к управлению ИТ-предприятием, который является наиболее эффективным.
Рассмотрим такое понятие ПрО управления проектами, как «контроллинг». В настоящее время не существует однозначного определения этого понятия, но практически никто не отрицает, что это новая
концепция управления, порожденная практикой современного менеджмента. Контроллинг (англ. control – руководство, регулирование, управление, контроль) не исчерпывается контролем.
В основе этой новой концепции системного управления организацией лежит стремление обеспечить успешное функционирование
организационной системы (предприятий, торговых фирм, банков и
др.) в долгосрочной перспективе. Для этого требуется:
– адаптация стратегических целей к изменяющимся условиям
внешней среды;
– согласование оперативных планов со стратегическим планом
развития организационной системы;
– координация и интеграция оперативных планов по разным
бизнес-процессам;
– создание системы обеспечения менеджеров информацией для
различных уровней управления в оптимальные промежутки времени;
– создание системы контроля над исполнением планов, корректировки их содержания и сроков реализации;
– адаптация организационной структуры управления предприятием с целью повышения ее гибкости и способности быстро реагировать на меняющиеся требования внешней среды.
Одной из главных причин возникновения и внедрения концепции контроллинга стала необходимость в системной интеграции
различных аспектов управления бизнес-процессами в организационной системе. Контроллинг обеспечивает методическую и инструментальную базу для поддержки основных функций менеджмента:
планирования, контроля, учета и анализа, а также оценки ситуации для принятия управленческих решений [11].
Следует подчеркнуть, что контроллинг – это не та система, которая автоматически обеспечивает успех предприятия, освобождая
менеджеров от функций управления. Это лишь инструмент менеджмента, но весьма эффективный инструмент. Узловыми компонентами концепции контроллинга являются:
– ориентация на эффективную работу организации в относительно долговременной перспективе (философия доходности, фор53
мирование организационной структуры, ориентированной на достижение стратегических и тактических целей);
– создание информационной системы, адекватной задачам целевого управления;
– разбиение задач контроллинга на циклы, что обеспечивает
итеративность планирования, контроля исполнения и принятия
корректирующих решений.
Контроллинг как концепция системы управления послужил ответом на изменения внешних условий функционирования организаций (предприятий). Произошла эволюция функций управления
организацией. Планирование по отдельным аспектам трансформировалось в комплексное программно-целевое планирование; управление сбытом и продажами – в маркетинг; бухгалтерский и производственный учет – в систему контроля и регулирования. В целом
наблюдаемая эволюция функций управления организацией с их
интегрированием в систему контроллинга отражает основную тенденцию комплексного подхода к управлению.
Контроллинг ориентирован прежде всего на поддержку процессов принятия решений. Он должен обеспечить адаптацию традиционной системы учета на предприятии к информационным потребностям должностных лиц, принимающих решения, то есть в функции
контроллинга входит создание, обработка, проверка и представление системной управленческой информации. Контроллинг также
поддерживает и координирует процессы планирования, обеспечения информацией, контроля и адаптации.
Цели контроллинга как направления деятельности непосредственно вытекают из целей организации и могут выражаться в
экономических терминах, например в достижении определенного
уровня прибыли, рентабельности или производительности организации при заданном уровне ликвидности.
Функции контроллинга определяются поставленными перед организацией целями и включают те виды управленческой деятельности, которые обеспечивают достижение этих целей. Сюда относятся: учет, поддержка процесса планирования, контроль за реализацией планов, оценка протекающих процессов, выявление отклонений, их причин и выработка рекомендаций для руководства по
устранению причин, вызвавших эти отклонения.
В сфере учета задачи контроллинга включают создание системы
сбора и обработки информации, существенной для принятия управленческих решений на разных уровнях руководства. Это необходимо для разработки и в дальнейшем для поддержания системы веде54
ния внутреннего учета информации о протекании технологических
процессов. Важными являются подбор или разработка методов
учета, а также критериев для оценки деятельности предприятия в
целом и его отдельных подразделений.
Для поддержки процесса планирования должны выполняться
следующие задачи контроллинга:
– формирование и развитие системы комплексного планирования;
– разработка методов планирования;
– определение необходимой для планирования информации, источников информации и путей ее получения.
Система контроллинга информационно поддерживает разработку базисных планов предприятия (продаж, ликвидности, инвестиций и т. д.), координирует отдельные планы по времени и содержанию, проверяет составленные планы на полноту и реализуемость и
позволяет составить единый оперативный (годовой) план предприятия. В рамках системы контроллинга определяется, как и когда
следует планировать процесс, а также оценивается возможность
реализации запланированных действий.
Служба контроллинга не определяет, что планировать, а советует, как и когда планировать, и оценивает возможность реализации
запланированных мероприятий. Ответственность за реализацию
планов остается в компетенции линейных руководителей.
При обеспечении аналитической информацией руководства организации в задачи контроллинга входят:
– разработка архитектуры информационной системы;
– стандартизация информационных каналов и носителей;
– выбор методов обработки информации.
Система контроллинга должна обеспечивать сбор, обработку и
предоставление руководству существенной для принятия управленческих решений информации. В каждом отдельном случае
функции службы контроллинга зависят от многих обстоятельств,
но если обобщить существующую практику предприятий, то можно получить некоторый идеальный перечень основных функций и
задач контроллинга, представленный ниже [7, 11, 18].
Основные функции и задачи контроллинга разделяем на следующие группы: учет, планирование, контроль и регулирование, информационно-аналитическое обеспечение, специальные функции.
Опишем состав каждой из этих групп.
Учет:
– сбор и обработка информации;
– разработка и ведение системы внутреннего учета;
55
– унификация методов и критериев оценки деятельности организации и ее подразделений.
Планирование:
– информационная поддержка при разработке базисных планов
(продаж, производства, инвестиций, закупок);
– формирование и совершенствование всей «архитектуры» системы планирования;
– установление потребности в информации и времени для отдельных шагов процесса планирования;
– координация процесса обмена информацией;
– координация и агрегирование отдельных планов по времени и
содержанию;
– проверка предлагаемых планов на полноту и реализуемость;
– составление сводного плана предприятия.
Контроль и регулирование:
– определение величин, контролируемых во временном и содержательном разрезах;
– сравнение плановых и фактических величин для измерения и
оценки степени достижения цели;
– определение допустимых границ отклонений величин;
– анализ отклонений, интерпретация причин отклонений плана
от факта и выработка предложений для уменьшения отклонений.
Информационно-аналитическое обеспечение:
– разработка архитектуры информационной системы;
– стандартизация информационных носителей и каналов;
– предоставление цифровых материалов, которые позволили бы
осуществить контроль и управление организацией;
– сбор и систематизация наиболее значимых для принятия решений данных;
– разработка инструментария для планирования, контроля и
принятия решений;
– консультации по выбору корректирующих мероприятий и решений;
– обеспечение экономичности функционирования ИС.
Специальные функции:
– сбор и анализ данных о внешней среде: состояние финансовых
рынков, конъюнктура отрасли, правительственные экономические
программы и др.;
– сравнение с конкурентами;
– обоснование целесообразности слияния с другими фирмами
или открытия (закрытия) филиалов;
56
– проведение калькуляций для особых заказов;
– расчеты эффективности инвестиционных проектов и др.
На основе приведенного перечня функций и задач контроллинга
можно достаточно четко представить себе сферу его применения. От
следующих факторов в основном зависит объем реализуемых в организациях функций контроллинга:
– экономическое состояние организации;
– понимание руководством и/или собственниками организации
важности и полезности внедрения функций контроллинга;
– размер организации (численность занятых, объем производства);
– уровень диверсификации производства, номенклатуры выпускаемой продукции;
– сложившийся уровень конкурентности;
– квалификация управленческого персонала;
– квалификация сотрудников службы контроллинга.
В крупных организациях целесообразно создавать специализированную службу контроллинга. Небольшие по размеру организации,
как правило, не имеют в своей структуре такой службы. На малых
предприятиях основные функции контроллинга выполняет либо
руководитель фирмы, либо его заместитель. При этом многие задачи интегрируются и упрощаются. Например, задачи разработки
планов, их координации и проверки на реализуемость можно рассматривать как единую задачу, если ее выполняет сам руководитель
предприятия. Небольшие предприятия очень редко решают также
проблемы покупки других фирм или продажи филиалов. На среднем по размерам предприятии с монопроизводством объем функций
и задач учета, планирования и отчета будет, естественно, меньшим
по сравнению с многопрофильным предприятием [7, 11, 18].
В условиях ухудшения экономического положения на предприятии, которое проявляется в снижении уровня ликвидности и рентабельности, от служб контроллинга ожидают в большей степени
услуг по координации планов, анализу причин отклонения планов
от факта, а также рекомендаций по обеспечению выживания на
ближайшую перспективу.
Для успешного внедрения изменений, планируемых в компании, требуется четко представлять себе, что каждая деловая единица нуждается в непрерывном проектировании. Непрерывное проектирование предполагает подход к бизнесу как к процессу. Процесс –
это заранее обусловленная целями бизнеса последовательность хозяйственных актов (заданий, работ, взаимосвязей). Иногда говорят,
что процесс бизнеса – это множество шагов, которые совершает
57
фирма от одного состояния к другому, или от «входа» к «выходу».
Входами и выходами здесь являются не части фирмы или ее подразделения, а события. Общее управление деловыми и бизнес-процессами называется «инжиниринг бизнеса», подразумевается постоянное проектирование процессов – определение входов и выходов и
последовательности шагов – в рамках деловой единицы.
Реинжиниринг обладает следующими свойствами:
– отказывается от устаревших правил и установлений и начинает деловой процесс как бы с «чистого листа», это позволяет преодолеть негативное воздействие догм;
– пренебрегает сложившимися системами, структурами и процедурами компании и радикально изменяет, заново изобретает способы хозяйственной деятельности – если невозможно переделать
свою деловую среду, то можно переделать свой бизнес;
– приводит к значительным изменениям показателей деятельности.
Реинжиниринг применяется в трех основных ситуациях:
– когда фирма находится в состоянии глубокого кризиса;
– когда текущее положение фирмы является удовлетворительным, но прогнозы ее деятельности достаточно неблагоприятны;
– когда агрессивные, благополучные организации стремятся нарастить отрыв от конкурентов и создать уникальные конкурентные
преимущества.
Основные этапы реинжиниринга:
– формирование желаемого образа фирмы (базовыми элементами построения являются стратегия фирмы, основные ориентиры,
способы их достижения);
– создание модели существующего бизнеса фирмы (для создания
модели используются результаты анализа организационной среды,
данные контроллинга; определяются процессы, нуждающиеся в
перестройке);
– разработка модели нового бизнеса – прямой реинжиниринг
(перепроектируются выбранные процессы, формируются новые
функции персонала, создаются новые информационные системы,
производится тестирование новой модели);
– внедрение модели нового бизнеса.
Рассмотрим особенности информационной системы управления
предприятием (ИСУП). Напомним определения, необходимые для
понимания дальнейших рассуждений данной ПрО.
Информация – сведения об окружающем мире (объектах, явлениях, событиях, процессах и т. п.), которые уменьшают имеющу58
юся степень неопределенности, неполноты знаний, отчужденные
от их создателя и ставшие сообщениями (выраженными на определенном языке в виде знаков, в том числе и записанными на материальном носителе) и которые можно воспроизводить путем передачи
людьми устным, письменным или другим способом. Информация
позволяет организациям:
– осуществлять контроль за текущим состоянием организации,
ее подразделений и процессов в них;
– определять стратегические, тактические и оперативные цели и
задачи организации;
– принимать обоснованные и своевременные решения;
– координировать действия подразделений в достижении целей.
Информационная потребность – осознанное понимание различия между индивидуальным знанием о предмете и знанием, накопленным обществом.
Данные – информация, низведенная до уровня объекта тех или
иных преобразований.
Документ – информационное сообщение в бумажной, звуковой,
электронной или иной форме, оформленное по определенным правилам, заверенное в установленном порядке.
Документооборот – система создания, интерпретации, передачи,
приема, архивирования документов, а также контроля за их исполнением и защиты от несанкционированного доступа.
Экономическая информация – совокупность сведений о социально-экономических процессах, служащих для управления этими
процессами и коллективами людей в производственной и непроизводственной сфере.
Информационные ресурсы – весь имеющийся объем информации в информационной системе.
Информационная технология – система методов и способов сбора, передачи, накопления, обработки, хранения, представления и
использования информации.
Информационная система – информационный контур вместе со
средствами сбора, передачи, обработки и хранения информации, а
также персоналом, осуществляющим эти действия с информацией.
Миссия ИС – производство нужной для организации информации для обеспечения эффективного управления всеми ее ресурсами, создание информационной и технологической среды для осуществления управления организацией.
Обычно в системах управления выделяют три уровня: стратегический, тактический и оперативный. На каждом из этих уровней
59
управления имеются свои задачи, при решении которых возникает
потребность в соответствующих данных, получить эти данные можно путем запросов в информационную систему. Эти запросы обращены к соответствующей информации в информационной системе. Информационные технологии позволяют обработать запросы и, используя имеющуюся информацию, сформировать ответ на эти запросы.
Таким образом, на каждом уровне управления появляется информация, служащая основой для принятия соответствующих решений.
В результате применения ИТ к информационным ресурсам создается некая новая информация или информация в новой форме.
Эта продукция ИС называется информационными продуктами и
услугами.
Информационный продукт, или услуга, – специфическая услуга, когда некоторое информационное содержание в виде совокупности данных, сформированная производителем для распространения в вещественной и невещественной форме, предоставляется в
пользование потребителю.
Корпоративную ИС (КИС) обычно рассматривают как некоторую
совокупность частных решений и компонентов их реализации, в
числе которых [10]:
– единая база хранения информации;
– совокупность прикладных систем, созданных разными ИТфирмами и по разным технологиям.
Информационная система компании (в частности, ИСУП) должна:
– позволять накапливать определенный опыт и знания, обобщать их в виде формализованных процедур и алгоритмов решения;
– постоянно совершенствоваться и развиваться;
– быстро адаптироваться к изменениям внешней среды и новым
потребностям организации;
– соответствовать насущным требованиям человека, его опыту,
знаниям, психологии.
Создание ИСУП – длительный по времени и ресурсоемкий процесс, в котором можно выделить четыре основные стадии.
1. Эскиз проекта. Подробное описание целей и задач проекта, доступных ресурсов, любых ограничений и т. п.
2. Оценка проекта. Определяется, что будет делать система, как
будет работать, какие аппаратные и программные средства будут
использоваться и как они будут обслуживаться. Готовится список
требований к системе, изучаются потребности постоянных пользователей.
60
3. Построение и тестирование. Персонал должен убедиться, что
с системой удобно работать, до того как она станет основой деятельности.
4. Управление проектом и оценка риска. Проект не завершен до
тех пор, пока менеджер проекта не сможет продемонстрировать, что
система работает надежно.
Жизненный цикл ИС – период создания и использования ИС,
охватывающий ее различные состояния, начиная с момента возникновения необходимости в данной ИС и заканчивая моментом ее
полного вывода из эксплуатации. Жизненный цикл ИС разделяется
на следующие стадии [11]:
– предпроектное обследование;
– проектирование;
– разработка ИС;
– ввод ИС в эксплуатацию;
– эксплуатация ИС;
– завершение эксплуатации ИС.
Итак, ИСУП – это операционная среда, которая способна предоставить менеджерам и специалистам актуальную и достоверную
информацию обо всех бизнес-процессах предприятия, необходимую
для планирования операций, их выполнения, регистрации и анализа [11, 20]. Другими словами, современная ИСУП это система, несущая в себе описание полного рыночного цикла – от планирования
бизнеса до анализа результатов деятельности предприятия. Часто
начинают с частичной компьютеризации информационных процессов, например в рамках бухгалтерии или складского хозяйства.
Управление предприятиями в современных условиях требует все
большей оперативности. Поэтому использование ИСУП является
одним из важнейших рычагов развития бизнеса в условиях цифровой экономики.
Частные задачи, решаемые ИСУП, во многом определяются областью деятельности, структурой и другими особенностями конкретных
предприятий. При этом примерный перечень задач менеджмента, которые должна решать ИСУП на различных уровнях управления предприятием и для различных его служб, к настоящему времени можно
считать общепризнанным среди специалистов (табл. 2.1). При решении этих задач широко используются различные методы теории принятия решений, в том числе эконометрические и оптимизационные.
Информационная система управления предприятием является
компьютерной поддержкой контроллинга, который в свою очередь
является основным поставщиком информации для управления пред61
Таблица 2.1
Основные задачи ИСУП
№
п/п
1
Службы
управления
Решаемые задачи
Руководство – обеспечение достоверной информацией о финансопредприятия вом состоянии ИТ-компании на текущий момент и
подготовка прогноза на будущее;
– обеспечение контроля за работой служб предприятия;
– обеспечение четкой координации работ и ресурсов;
– предоставление оперативной информации о негативных тенденциях, их причинах и возможных мерах по
исправлению ситуации;
– формирование полного представления о себестоимости конечного продукта (услуги) по компонентам затрат
2 Финансово- – полный контроль за движением средств;
бухгалтер- – реализация необходимой менеджменту учетной поские службы литики;
– оперативное определение дебиторской и кредиторской задолженностей;
– контроль за выполнением договоров, смет и планов;
– контроль за финансовой дисциплиной;
– отслеживание движения товарно-материальных потоков;
– оперативное получение полного набора документов
финансовой отчетности
3 Управление – контроль за выполнением производственных заказов;
производ- – контроль за состоянием производственных мощноством
стей;
– контроль за технологической дисциплиной;
– ведение документов для сопровождения производственных заказов (заборные карты, маршрутные карты);
– оперативное определение фактической себестоимости производственных заказов
4
Службы
– контроль за продвижением новых товаров на рынок;
маркетинга – анализ рынка сбыта с целью его расширения;
– ведение статистики продаж;
– информационная поддержка политики цен и скидок;
– использование базы стандартных писем для рассылки;
– контроль за выполнением поставок заказчику в
нужные сроки при оптимизации затрат на транспортировку
62
Окончание табл. 2.1
5
6
Службы
– ведение баз данных товаров, продукции, услуг;
сбыта
– планирование сроков поставки и затрат на транспори снабжения тировку;
– оптимизация транспортных маршрутов и способов
транспортировки;
– компьютерное ведение контрактов
Службы
– управление многозвенной структурой складов;
складского – оперативный поиск товара (продукции) по складам;
учета
– оптимальное размещение на складах с учетом условий хранения;
– управление поступлениями с учетом контроля качества;
– инвентаризация
приятия. Цель информационной поддержки контроллинга – обеспечить руководство информацией о текущем состоянии дел предприятия и спрогнозировать последствия изменений внутренней или внешней среды. Основные задачи контроллинга представлены в табл. 2.2.
Таблица 2.2
Основные задачи контроллинга
Решаемые задачи
1
2
3
4
5
6
Контроллинг
в системе
управления
Целевая задача стратегического контроллинга –
обеспечение продолжительного успешного функционирования организации. Основная задача оперативного контроллинга – обеспечение методической,
информационной и инструментальной поддержки
менеджеров предприятия
Финансовый Поддержание рентабельности и обеспечение ликвидконтроллинг ности предприятия
Контроллинг Информационное обеспечение процессов производна производстве ства и управления
Контроллинг Информационная поддержка эффективного менедмаркетинга
жмента по удовлетворению потребностей клиентов
Контроллинг Информационное обеспечение процесса приобретеобеспечения ния производственных ресурсов, анализ закупаересурсами
мых ресурсов, расчет эффективности работы отдела
снабжения
Контроллинг Текущий контроль за экономичностью процессов
в области
складирования и транспортировки материальных
логистики
ресурсов
63
Из табл. 2.1 и 2.2 видно, что задачи ИСУП, решаемые каждой
службой предприятия, соответствуют задачам, решаемым уровнями контроллинга в той или иной сфере деятельности предприятия
(а именно: контроллингом в системе управления, финансовым контроллингом и т. д.).
Если рассматривать структуру ИСУП, то можно выделить 5 основных модулей, которые присутствуют в каждой информационной
системе. Это финансово-экономическое управление, бухгалтерия и
кадры, склад, производство, торговля (сбыт).
В настоящее время акцент в планировании ресурсов предприятий (на основе ERP-систем) постепенно смещается к поддержке и
реализации процессов управления цепью поставок (SCM-систем),
управления взаимоотношениями с заказчиками (CRM-систем) и
электронного бизнеса (e-commerce систем) [10, 11, 20].
Проанализируем тенденции развития российского рынка ПО
для автоматизации процесса управления предприятиями. Можно
сделать вывод о его динамичном развитии и усложнении круга задач, требующих автоматизации. Вначале руководители российских
предприятий чаще всего ставили простейшие задачи, в частности
задачу автоматизации процесса работы бухгалтерии. С развитием
компаний, усложнением бизнес-процессов возникала потребность
не только в бухгалтерском учете, но и в управлении материальнотехническим снабжением (логистическими процессами), в работе
с дебиторами и кредиторами и многих других задачах, которые
ставит перед предприятием внутренняя и внешняя среда. Для решения этих задач стали использовать КИС управления – решения,
охватывающие деятельность всего предприятия.
Таким образом, в результате «эволюции» ИСУП превратилась
из компьютерной бухгалтерии и автоматизированной системы (АС)
управления запасами в комплексную систему управления всего
предприятия.
В настоящее время на рынке представлено большое количество
типовых ИСУП – от локальных до крупных интегрированных.
Типовые решения этих ИСУП «привязываются» фирмами-поставщиками к условиям конкретных предприятий. Отметим, что в настоящее время основная часть ИСУП разрабатывается не на основе
типовых решений, а в единичном экземпляре для каждого отдельного предприятия. Это делается соответствующими подразделениями предприятий с целью наиболее полного учета особенностей конкретных предприятий [10, 11, 20].
Приведем описание основных типов ИСУП.
64
Локальные системы. Как правило, предназначены для автоматизации деятельности по одному-двум направлениям. Зачастую могут быть так называемым «коробочным» продуктом.
Финансово-управленческие системы. Такие решения обладают
гораздо большими функциональными возможностями по сравнению с локальными. Однако их отличительная черта – это отсутствие
модулей, посвященных производственным процессам. И если в первой категории представлены только российские системы, то здесь
соотношение российского и западного продуктов примерно равное.
Сроки внедрения таких систем могут колебаться в районе года.
Средние интегрированные системы. Эти системы предназначены для управления производственным предприятием и интегрированного планирования производственного процесса. Они характеризуются наличием специализированных функций. Такие системы
наиболее конкурентоспособны на отечественном рынке в своей области специализации с крупными западными системами, при этом
их стоимость существенно (на порядок и более) ниже, чем крупных.
Крупные интегрированные системы. На сегодняшний день это
наиболее функционально развитые и, соответственно, наиболее
сложные и дорогие системы, в которых реализуются стандарты
управления MRPII (Material Requirements Planning) и ERP. Сроки
внедрения подобных систем с учетом автоматизации управления
производством могут составлять несколько лет, а стоимость лежит
в пределах от нескольких сот тысяч до нескольких десятков миллионов долларов. Следует отметить, что данные системы предназначены в первую очередь для повышения эффективности управления
крупными предприятиями и корпорациями. Требования бухгалтерского или кадрового учета отходят в этом случае на второй план.
Конструкторы – это коммерческое ПО, комплекс программных
средств или специализированная среда программирования для относительно быстрого (по сравнению с универсальными средствами
программирования) создания деловых приложений лежащего в основе конструктора инварианта методологии и технологии функционирования.
Специализированные решения предназначены в основном для получения корпоративной консолидированной отчетности, планирования, бюджетирования, анализа данных по технологии OLAP (Online
Analytical Processing – оперативный анализ данных, многомерный
оперативный анализ данных для поддержки принятия решений).
Анализ реальных потребностей предприятий показал, что для
создания полноценной системы, которая обеспечивала бы не толь65
ко учетные функции, но и возможности прогнозирования, анализа
сценариев, поддержки принятия управленческих решений, типового набора функций ERP-систем недостаточно. Решение данного
класса задач требует применения аналитических систем и методов,
включения этих систем и методов в ИСУП [10, 11, 20].
2.2. Базовые понятия ИИ в системах поддержки
принятия решений
В процессе развития искусственного интеллекта (ИИ) были заложены основы новой технологии обработки информации. При этом
новая технология нашла воплощение в самых разнообразных приложениях, например, в понимании естественного языка (ЕЯ), в экспертных системах (ЭС), при разработке интеллектуальных информационных систем (ИИС), распознавании образов и в других приложениях [8, 12, 14, 22].
Для дальнейшего анализа новой ИТ рассмотрим традиционную
технологию решения задач: постановка задачи конечным пользователем; формализация и разработка программы задачи (системным аналитиком и программистом без участия пользователя); необходимые
корректировки, вносимые в постановку; оценка новых результатов.
Корректировку в программу вносят системный аналитик и
программист. Часто корректировка является более сложным процессом, чем разработка новой программы. Обычно изменение программы связано с изменением производственной, экономической
ситуации, изменением взглядов группы пользователей на процесс
эксплуатации задачи, неправильного понимания создателями прикладного программного обеспечения (ПО) соответствующих требований конечного пользователя.
Сложная программная система обычно содержит ошибки, не выявленные на стадиях отладки и тестирования. Ошибки могут быть
внесены на любой стадии создания системы. Исправление ошибок –
необходимое сопровождение программной системы. Это необходимо
также в связи с изменениями условий, в которых задача решается,
что вызывается естественным развитием ПрО. Эти изменения требуется внести в программу. Как следствие, возникает необходимость
постоянного расширения функциональных возможностей ИС.
При традиционной технологии решения задач сопровождение
прикладного ПО выполняется на протяжении всего ее ЖЦ. Процесс
сопровождения в традиционной технологии требует по крайней
66
мере такого же количества ресурсов, как и разработка программы
(удваивается число специалистов по ПО, обслуживающих потребности пользователей). Это обусловило необходимость изменения
технологии использования компьютеров [1, 11, 20].
Ситуацию можно преодолеть только путем привлечения пользователей к процессам решения задач, сопровождения программной
системы и, возможно, даже разработки прикладного ПО.
Однако это требует коренного изменения принципов организации
прикладного ПО и методов его использования при решении задач,
сложившихся в рамках традиционных технологий. Прежде всего,
необходимо строить программные системы таким образом, чтобы радикально упростить процессы их эксплуатации и сопровождения.
Для того чтобы глубже понять характер затруднений пользователя при его взаимодействии с компьютером при решении задач, необходимо подчеркнуть, что программная система в традиционной
технологии решения обычно основывается на формальной модели
решения задачи. Это может быть модель исследования операций,
численный метод решения прикладного математического анализа,
некоторая модель данных и т. п. При этом, как правило, множество
понятий и терминов, в которых формулируется и описывается задача для применения программы, минимально и связано с математической моделью, а не с конкретной областью ее применения.
Следствием является стремление к универсализации программных систем, то есть к возможности использования такой системы в
различных ПрО. В то же время каждая ПрО характеризуется системой содержательных понятий (структурой ПрО), которыми оперирует пользователь при решении задач.
Таким образом, в традиционной технологии обработки данных
системы понятий ПрО и формальной модели, положенной в основу
программы, как правило, не совпадают. Это различие и является
основной причиной затруднений, возникающих при взаимодействии пользователя с компьютером в процессе решения задачи.
Для применения программы пользователь должен перевести постановку задачи, выраженную в системе понятий ПрО, в постановку, выраженную в системе понятий формальной модели. Перевод из
одной системы понятий в другую называется интерпретацией. При
получении результатов решения задачи пользователь также должен
выполнить интерпретацию, обратную первой. Процесс интерпретации связан с рядом существенных объективных и субъективных
трудностей, которые увеличиваются с ростом объема, сложности и
универсальности программной среды.
67
Информационная технология ставит своей целью обеспечение
простоты процесса взаимодействия пользователя с компьютером с
исключением необходимости регулярного сопровождения. Основная идея ИТ, призванная обеспечить проблемы интерпретации,
состоит в том, чтобы рассматривать систему понятий ПрО и соответствие между ней и системой понятий формальной модели как исходную информацию для решения прикладных задач.
В идеале подобный подход должен обеспечить пользователю
возможность самостоятельного изменения системы понятий ПрО,
определения новых понятий через «известные» системе. Пользователь получает возможность формулирования своего видения ПрО,
выделения в ней объектов и взаимосвязей, существенных для решения задачи и удобных для рассуждения в процессе решения.
Разработчики систем ИИ (например, ЭС) как важной составляющей ИТ решения задач ставят своей задачей изменение традиционных подходов к системе взаимодействия человека и компьютера
при решении задач поддержки принятия решений (ППР) в РМВ,
обеспечения удобства и комфорта пользователя, повышения эффективности взаимодействия таких систем.
Информационная технология основывается прежде всего на интеллектуальных технологиях и теории ИИ [12, 13, 14, 16].
Искусственный интеллект – это термин, который охватывает
много определений. Многие специалисты согласны, что ИИ соотносится с двумя базовыми идеями. Во-первых, ИИ вовлечен в процессы изучения мыслительных процессов человека (для понимания, что представляет собой интеллект); во-вторых, ИИ имеет дело
с представлением этих процессов через компьютеры.
Одним из многих определений ИИ является следующее: искусственный интеллект – это такое поведение машины, что если оно совершалось бы человеком, то могло бы быть названо умным, то есть
интеллектуальным.
Если исследовать значение термина «интеллектуальное поведение», то можно определить различные способности, которые рассматриваются как признаки интеллекта:
– обучение или понимание из опыта;
– выявление смысла из двусмысленности или противоположных
сообщений;
– быстрый и адекватный отклик на новую ситуацию (разнообразные реакции, гибкость);
– использование рассуждений при решении проблем и эффективном направлении поведения;
68
– использование относительной важности различных элементов
в ситуации;
– мышление и рассуждение.
Рассмотрим, чем ИИ и интеллектуальные технологии отличаются от традиционных вычислений. Традиционные компьютерные
программы основываются на алгоритме, который ясно определяет
последовательную процедуру для решения проблемы. Это может
быть математическая формула или последовательная процедура,
которая ведет к решению. Алгоритм преобразуется в компьютерную программу, которая только указывает компьютеру, какие операции выполнять. Кроме того, для решения проблемы алгоритм использует такие данные, как числа, буквы или слова.
Интеллектуальная технология и программное обеспечение ИИ основываются на символическом представлении и манипуляции. В ИИ
символ – это буква, слово или число, которые используются для
представления объектов процессов и их отношений. Объектами могут быть люди, идеи, понятия, события или утверждения о фактах.
При использовании символов возможно создать БЗ, которая содержит факты, понятия и отношения между ними. Используются
различные процессы при манипулировании символами для генерации советов или рекомендаций при решении задач.
Рассмотрим, каким образом ПО ИИ осуществляет рассуждения
и делает заключения на основе этой БЗ. Отправной точкой являются поиск и сопоставление образцов. Получив первоначальную информацию, программа ИИ просматривает БЗ, осуществляя поиск
специфичных условий или образцов. Она ищет подобия и соответствия, которые удовлетворили бы установленному критерию решения задачи.
Несмотря на то что решение задач при помощи ИИ не реализуется напрямую алгоритмически, алгоритмы используются для осуществления процесса поиска.
Таким образом, ИИ – это в основном уникальный подход к программированию компьютеров, и только он должен рассматриваться. Можно использовать различные технологии, но система ИИ –
это компьютерная ИС, хотя и имеющая некоторые отличительные
характеристики (табл. 2.3).
Методы ИИ очень ценны и значимы, они помогают показать, как
мы думаем и как лучше использовать наш интеллект. Интеллектуальные технологии и методы ИИ могут сделать компьютеры легче
в использовании и сделать доступными большие объемы знаний.
Возможно, это даже не имеет значения, что мы не можем полно69
Таблица 2.3
Отличия ИИ от традиционного программирования
Характеристики
Искусственный
интеллект
Традиционное
программирование
Обработка
В основном символьная
Характер входной
информации
Поиск
Может быть неполной
В основном
алгоритмическая
Должна быть полной
Объяснение
Эвристический
(в большинстве)
Обеспечивается
Алгоритмический
Обычно
не обеспечивается
Главный интерес
Знания
Данные, информация
Структура
Управление отделено Управление интегрировано
от знаний
с информацией (данными)
Характер выходной Может быть неполной
Должна быть
информации
правильной
Сопровождение
Легко осуществимы
Обычно
и модернизация
затруднительно
Техническое
Рабочие станции
Все типы
обеспечение
и компьютеры
Способности
Ограничены,
Нет
к рассуждению
но улучшаются
стью дублировать человеческий мозг. Даже когда мы имитируем его
функциональные части, результаты могут быть очень полезными.
В процессе развития ИС, которые проявляют интеллектуальные
характеристики, вовлекаются различные науки и технологии, такие как лингвистика, психология, философия, техническое и программное обеспечение компьютеров, механика и оптика.
Пересечение интересов психологии и ИИ сосредоточено в областях когнитологии и психолингвистики. Философия и ИИ сотрудничают в областях логики, философии языка и философии разума.
Взаимные пересечения между инженерией и ИИ включают обработку изображений, распознавание образов и робототехнику.
Позже свой вклад внесли менеджмент и теория организации
(принятие и реализация решений), химия, физика, статистика, математика, теория управления, эвристическое программирование,
корпоративные информационные системы (КИС).
70
Искусственный интеллект является наукой и технологией, а не
коммерческой сферой. Это совокупность понятий и идей, которые
предназначены для исследований. Однако ИИ обеспечивает научные основы для нескольких развивающихся коммерческих технологий. Главными прикладными технологиями ИИ являются ЭС,
интеллектуальные системы ППР, обработка ЕЯ, понимание речи,
нечеткая логика, робототехника и сенсорные системы, компьютерное зрение и распознавание образов (рис. 2.1).
Интеллектуальные
агенты
Обработка ЕЯ и
понимание речи
Нейронные
сети
Интеллектуальные
роботы
Интеллектуальный
наставник
Экспертные
системы
Автоматическое
программирование
Самообучение
машин
Генетические
алгоритмы
Нечеткая
логика
Компьютерное
зрение
Основные приложения ИИ
Искусственный
интеллект
(ИИ)
Дисциплины, являющиеся основой ИИ
Инженерия
Менеджмент
Математика
Лингвистика
– социолингви- – робототехника – исследование – теория
стика
– распознавание
операций
принятия
– вычислительобразов
– статистика
решений
ная лингвистика – обработка
– теория
– теория
изображений
управления
организации
– ИС менеджмента
Психология
– когнитология
– психолингвистика
Биология
Информационные
технологии
– объектно-ориентированное
программирование
– адаптивные
системы
Философия
– философия языка
и разума
– логика
Рис. 2.1. Дисциплины, на которых базируется ИИ, и его приложения
71
Существующие на сегодняшний день системы ИИ используются
в медицинской диагностике, в интерпретации геологических данных, в научных исследованиях в химии и биологии, в военном деле,
в производстве, финансах и других сферах цифровой экономики.
Однако, несмотря на значительные успехи в области ИИ, пока еще
существует определенный разрыв между техническими разработками, программными средствами ИИ и возможностями их более
широкого практического применения, в частности в экономике.
И, наконец, очень важный фактор – необходимость сохранения
и распределения знаний, полученных отдельными опытными экспертами в процессе многолетней работы. На сегодняшний день извлечение и распределение знаний – одна из главных задач производственных организаций.
Таким образом, происходит интеллектуализация информационных систем управления и трансформация их в интеллектуальные
системы ППР, основной разновидностью которых являются ЭС. Это
наиболее значимые и важные для экономики и бизнеса прикладные
технологии ИИ.
Рассмотрим наиболее распространенные в настоящий момент
направления развития интеллектуальных систем и примеры их
практического применения.
2.3. Искусственный интеллект
в поддержке принятия решений
Человек в своей практической деятельности постоянно вынужден принимать решения, причем эти решения и соответствующие
им действия должны быть правильными, то есть должны приводить к желаемому результату. В основе решений, принимаемых
человеком, всегда лежат его опыт и знание. С возникновением математики появилась возможность количественного обоснования
решений. Компьютер значительно убыстрил этот процесс, и в поддержке принятия решения большую роль начали играть математические модели, что позволило принимать не просто правильные,
а оптимальные решения, в частности, достигать желаемой цели с
наименьшими затратами.
Знакомство с курсом математического моделирования (аналитического и имитационного) может создать неверное впечатление, что
математические методы (математическое программирование, имитационные эксперименты и др.) способны решать любые проблемы в
72
принятии решений. На самом деле в такой сфере деятельности, как
управление производством, где велика роль человека, это далеко не
так. Поведение человека не поддается полностью количественному
описанию, человек продолжает принимать решения в первую очередь на основе опыта, знаний. Более того, несмотря на существенное развитие экономико-математических методов, решения, принимаемые ЛПР, зачастую оказываются более правильными, чем
рекомендации ЭВМ [6, 11, 17, 21].
Это объясняется, в частности, тем, что количественные математические модели не в состоянии учесть многих качественных характеристик объекта моделирования, накопленного веками качественного опыта действий в той или иной ситуации. Поэтому решение остается прерогативой ЛПР, а создаваемые формализованные
методы и системы способны лишь обеспечить помощь и поддержку
в принятии этих решений.
Осознание этого факта привело к имитации на математическом
языке способности человека анализировать с точки зрения ситуации качества, что позволило добавить к количественным математическим методам и моделям их качественные аналоги и тем самым
расширило возможности систем поддержки принятия решений не
выходя за их рамки.
Во второй половине XX в. были предприняты небезуспешные
попытки создания систем ИИ. Такие системы должны не только
уметь обрабатывать комбинации количественной и качественной
информации, но и каким-либо образом формализовать знания человека об окружающем мире либо свойственные человеку приемы
мышления, посредством которых он изучает окружающий мир и
подчиняет его своим интересам.
Признаки классификации ИИС. Интеллектуальная ИС основана
на концепции использования БЗ для генерации алгоритмов решения прикладных задач различных классов в зависимости от конкретных информационных потребностей пользователей.
Для ИИС характерны следующие признаки:
– развитые коммуникативные способности;
– умение решать сложные плохо формализуемые задачи;
– способность к самообучению;
– адаптивность.
Каждому из перечисленных признаков условно соответствует
свой класс ИИС. Различные системы могут обладать одним или несколькими признаками интеллектуальности с различной степенью
проявления.
73
Средства ИИ могут использоваться для реализации различных
функций, выполняемых ИИС. На рис. 2.2 приведена классификация ИИС, признаками которой являются следующие интеллектуальные функции:
– коммуникативные способности – способ взаимодействия конечного пользователя с системой;
– решение сложных плохо формализуемых задач, которые требуют построения оригинального алгоритма решения в зависимости
от конкретной ситуации, характеризующейся неопределенностью и
динамичностью исходных данных и знаний;
– способность к самообучению – умение системы автоматически
извлекать знания из накопленного опыта и применять их для решения задач;
– адаптивность – способность системы к развитию в соответствии с объективными изменениями области знаний.
Интеллектуализация ИС поддержки принятия решений
(ИСППР) началась с математической логики и ее приложений, которые позволили анализировать достаточно сложные ситуации при
помощи простейших характеристик – «да» и «нет». Позднее появились нечеткие множества и нечеткая логика, позволившие сущеИнтеллектуальные информационные системы
Системы
с интеллектуальным
интерфейсом
Интеллектуальные
базы данных
Естественноязыковый
интерфейс
Экспертные системы
(решение сложных,
плохо формализуемых
задач)
Классифицирующие
Доопределяющие
Гипертекстовые
системы
Системы
контекстной
помощи
Когнитивная
графика
Самообучающиеся
системы
(способность
к самообучению)
Индуктивные
системы
Нейронные сети
Трансформирующие
Системы,
основанные
на прецедентах
Мультиагентные
Информационные
хранилища
Рис. 2.2. Классификация ИИС
74
Адаптивные
информационные
системы
(адаптивность)
CASEтехнологии
Компонентные
технологии
ственно расширить семантику качественных характеристик. Были
созданы различные системы моделирования знаний, на их основе
разработаны БЗ и механизмы принятия решений, например, в виде
правил «если ситуация такая – то действия должны быть такими». Это в конечном счете привело к созданию экспертных систем,
имитирующих действия и решения наиболее квалифицированных
специалистов – экспертов. В основе ЭС лежат знания, получаемые
от экспертов, отсюда их синоним – когнитивные системы (лат.
cognitio – познавание), или системы, основанные на знаниях [22].
Существует другой подход к созданию систем ИИ, называемый
структурным, к которому относятся искусственные нейронные
сети (ИНС). Такие ИНС имитируют деятельность человеческого
мозга, образуя совокупность заимствованных из нейрофизиологии
моделей параллельных вычислительных структур [12].
Третье направление реализуется в рамках эволюционного моделирования, к которому можно отнести генетические алгоритмы
(ГА). В основу эволюционных методов легло заложенное самой природой свойство живых организмов осуществлять правильный выбор, в частности, на основе эволюционного отбора. Отметим, что ГА
являются мощным универсальным средством решения задач глобальной оптимизации, с помощью которого выбираются решения,
если не оптимальные, то достаточно близкие к ним.
Отдельное направление составляют системы, которые для решения
задач используют сочетания различных методов ИИ: ЭС, ИНС, ГА.
Такие сочетания получили название гибридных интеллектуальных
систем. В процесс развития устройств и систем, которые проявляют
интеллектуальные характеристики, вовлекаются различные науки и
технологии, такие как лингвистика, психология, философия, техническое и программное обеспечение компьютеров, механика и оптика.
Пересечение интересов психологии и ИИ сосредоточено в областях когнитологии и психолингвистики. Философия и ИИ сотрудничают в областях логики, философии языка и философии разума.
Взаимные пересечения между инженерией и ИИ включают обработку изображений, распознавание образов и робототехнику.
Позже свой вклад внесли менеджмент и теория организации (такие как принятие и реализация решений), химия, физика, статистика, математика, теория управления, эвристическое программирование, теория информации.
Искусственный интеллект является наукой и технологией, а не
коммерческой сферой. Это совокупность понятий и идей, которые
предназначены для исследований. Однако ИИ обеспечивает науч75
ные основы для нескольких развивающихся коммерческих технологий. Главными прикладными технологиями ИИ являются ЭС,
интеллектуальные системы ППР, обработка ЕЯ, понимание речи,
нечеткая логика, робототехника и сенсорные системы, компьютерное зрение и распознавание образов.
Прежде чем приступать к изучению систем, имитирующих свойства живых организмов разумно рассуждать и делать правильный
выбор (систем ИИ), весьма полезно понять, зачем они нужны, какие
задачи можно будет решать с их помощью и в чем состоит основная
идея получения решения. Для этого вначале ознакомимся с идеологией и примерами использования этих систем [6, 8, 12, 23].
2.4. Экспертные системы поддержки
принятия решений
Одной из первых попыток создания системы ИИ было моделирование накопленного опыта в узкопрофессиональной ПрО. Опыт
отображался в виде совокупности знаний, а вырабатываемое системой решение основывалось на методах анализа этих знаний. Такие
системы получили название экспертные, поскольку в их формировании принимают участие наиболее знающие и опытные в данной
ПрО специалисты – эксперты.
Экспертные системы, аккумулирующие знания множества специалистов-экспертов, способны вырабатывать наилучшие решения
задач по сравнению с решениями отдельных экспертов. Вопрос заключается лишь в одном: как наиболее адекватно отображать знания эксперта в памяти ЭВМ, как правильно анализировать эти знания и получать новые на основе анализа предыдущих?
Сегодняшнее состояние развития ЭС показывает, что специалисты в этой области сделали достаточно много, чтобы получить ответ
на поставленный вопрос. Современные ЭС нашли применение в самых разнообразных областях деятельности: управлении, медицине, технике, химии, физике, экономике и многих других [22].
Принято выделять ЭС первого поколения, действующие на основе некоторых знаний о ПрО, представленных, например, правилами типа «если – то». Составлением этих правил для компьютера
занимается человек, который, в свою очередь, в процессе работы
также использует некоторые правила составления правил. Такие
правила принято называть метаправилами, или метазнаниями, то
есть знаниями о знаниях.
76
Следует отметить, что для работы с ЭС первого поколения от
пользователя требовалось знание алгоритмического языка, на котором написано ПО системы, что вызывало соответствующие трудности. В ЭС второго поколения для диалога используется уже не алгоритмический, а естественный язык.
Формализация метазнаний приводит к появлению ЭС второго
поколения. Необходимо понимать, что составлением метазнаний
также занимаются люди (эксперты и инженеры по знаниям – когнитологи), руководствуясь некоторыми правилами еще более высокого уровня. Таким образом, формализация правил более высокого
уровня приводит к появлению ЭС старшего поколения, но при любом поколении ЭС определяющую роль играет человек.
Экспертные системы – это быстро прогрессирующее направление в области ИИ. Современные ЭС представляют собой сложные
программные комплексы, аккумулирующие знания специалистов
в конкретных ПрО и распространяющие этот эмпирический опыт
для консультирования менее квалифицированных пользователей.
Парадигма ЭС предполагает следующие объекты, а также этапы
разработки и функционирования ИС:
– формализация знаний – преобразование экспертом проблемного знания в форму, предписанную выбранной моделью представления знаний;
– формирование БЗ – вложение формализованных знаний в программную систему;
– дедукция – решение задачи логического вывода на основе БЗ.
Основные факторы, влияющие на целесообразность разработки ЭС:
– нехватка специалистов, затрачивающих значительное количество времени для оказания помощи другим людям;
– необходимость привлекать для выполнения небольшой задачи
многочисленного коллектива специалистов, поскольку ни один из
них не обладает достаточно полным знанием;
– сниженная производительность, поскольку задача требует
полного анализа сложного набора условий, а специалист не в силах
изучить за отведенное время все эти условия;
– большое расхождение между решениями самых хороших и самых плохих исполнителей;
– наличие экспертов, готовых поделиться своим опытом.
Сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения ЭС, приведены в табл. 2.4.
77
Таблица 2.4
Критерии применимости ЭС
Применимы ЭС
Неприменимы ЭС
Не могут быть построены строгие
алгоритмы или процедуры, но существуют эвристические методы
решения
Есть эксперты, способные решить
задачу
По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования
Доступные данные зашумлены
Имеются эффективные алгоритмические методы
Экспертов нет или их недостаточно
Задачи носят вычислительный характер
Известны точные факты и строгие
процедуры
Задачи решаются методом фор- Задачи решаются процедурными
мальных рассуждений
методами, с помощью аналогии или
интуитивно
Знания статичны (неизменны)
Знания динамичны (меняются со
временем)
Отметим недостатки ЭС перед человеком-экспертом:
– ЭС могут вызвать затруднения у пользователя, не имеющего
опыта работы с подобными системами;
– вопросно-ответный режим, обычно принятый в ЭС, замедляет
процесс получения решений;
– приведение знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию, все еще остается достаточно сложной задачей;
– ЭС не обладают интуицией и здравым смыслом, которые использует человек-эксперт при решении задач, если отсутствуют
формальные методы решения или аналоги таких задач.
Следует отметить следующие достоинства ЭС перед человекомэкспертом:
– у ЭС нет предубеждений, они не делают поспешных выводов;
– введенные в машину знания сохраняются, человек же имеет
ограниченную БЗ, и если данные долгое время не используются, то
они забываются и навсегда утрачиваются;
– результаты ЭС стабильны, а эксперт пользуется побочными
знаниями и легко поддается влиянию внешних факторов, которые
непосредственно не связаны с решаемой задачей.
78
Главное отличие ЭС от других программных средств – это наличие БЗ, в которой знания хранятся в форме, понятной специалистам ПрО, и могут быть изменены и дополнены также в понятной
форме. Это и есть языки представления знаний.
В России в разработку и исследования ЭС большой вклад внесли
труды Д. А. Поспелова (основателя Российской ассоциации ИИ и его
первого президента) и многих других ученых. В настоящее время к
разработкам в области ЭС в России все больше интереса проявляют специалисты из разных областей: менеджеры, инженеры, программисты и др. Наибольшие трудности в разработке ЭС вызывает
не процесс машинной реализации систем, а этап анализа знаний и
проектирования БЗ. Этим занимается специальная наука – инженерия знаний [20, 22].
Экспертные системы имеют две категории пользователей и два отдельных входа, соответствующих различным целям взаимодействия
пользователей с ЭС. К первой категории относятся обычные пользователи, которым требуется консультация ЭС. Во вторую категорию
входят эксперты в ПрО и инженеры по знаниям. Их задачей является заполнение БЗ с помощью специализированной диалоговой компоненты ЭС – подсистемы приобретения знаний, предназначенной
для добавления в БЗ новых правил и модификации уже имеющихся.
Назначение этой компоненты – приведение правила к виду, позволяющему подсистеме вывода применять это правило в процессе работы.
В более сложных системах предусмотрены также средства для
проверки вводимых или модифицируемых правил на непротиворечивость с имеющимися правилами. Диалог с ЭС осуществляется
через диалоговый процессор – специальную компоненту ЭС.
Существуют две основные формы диалога с ЭС: диалог на ограниченном подмножестве ЕЯ с использованием словаря (меню) и диалог на основе из нескольких возможных действий.
База знаний представляет собой наиболее важную компоненту ЭС.
В отличие от всех остальных компонент ЭС, БЗ это переменная часть
системы, она может пополняться и модифицироваться инженерами
по знаниям, а также в результате опыта использования ЭС между
консультациями (в некоторых системах и в процессе консультации).
Существует несколько способов представления знаний в ЭС. Общим
для всех способов является то, что знания представлены в символьной
форме (тексты, списки и другие символьные структуры). Таким образом, в ЭС реализуется принцип символьной природы рассуждений,
который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований.
79
Подсистема вывода – программная компонента ЭС, реализующая процесс ее рассуждений на основе БЗ и рабочего множества.
Она выполняет две следующие функции:
1) просмотр существующих фактов из рабочего множества и правил из БЗ и добавление (по мере возможности) в рабочее множество
новых фактов;
2) определение порядка просмотра и применения правил.
Подсистема вывода управляет процессом консультации, сохраняет для пользователя информацию о полученных заключениях и запрашивает у него информацию, когда для срабатывания очередного
правила в рабочем множестве оказывается недостаточно данных.
Цель ЭС – вывести некоторый заданный факт, который называется целевым утверждением, и в результате применения правил добиться того, чтобы этот факт был включен в рабочее множество, либо опровергнуть этот факт, то есть убедиться, что вывести его невозможно.
Целевое утверждение либо заложено заранее в БЗ системы, либо
извлекается системой из диалога с пользователем. Работа ЭС представляет собой последовательность шагов, на каждом из которых из
базы выбирается некоторое правило, которое применяется к текущему содержимому рабочего множества. Цикл заканчивается, когда выведено либо опровергнуто целевое утверждение. Цикл работы
ЭС называется логическим выводом [22].
Таким образом, происходит интеллектуализация информационных систем управления и трансформация их в интеллектуальные
системы ППР, основной разновидностью которых являются ЭС. Это
наиболее значимые и важные для экономики и бизнеса прикладные
технологии ИИ.
2.5. Нейронные сети и генетические алгоритмы
в управлении рисками
Исследования восприятия на искусственных моделях нейронных сетей успешно проводились уже с 40-х годов прошлого века
У. Мак-Каллоком, У. Питтсом и Д. Хеббсом. Далее на базе разработанных в 80-х годах Дж. Хопфилдом математических основ динамики нейронных сетей, созданной Т. Кохоненом методике их обучения и предложенном Д. Румельхартом алгоритме обратного распространения ошибки начались прикладные исследования ИНС [8, 12].
Искусственную нейронную сеть можно рассматривать в качестве
простых математических моделей мозгоподобных систем, функционирующих как параллельные распределенные вычислительные
80
сети. Однако в противоположность компьютерам с архитектурой
Дж. фон Неймана для решения специфических задач нейронные
сети должны быть обучены или натренированы новым ассоциациям, функциональным зависимостям и образцам для распознавания. В отличие от компьютеров, основанных на точных и быстрых
арифметических операциях, биологические и искусственные нейронные сети обещают решение сложных частично структурированных и неструктурированных проблем.
Изучение мозгоподобных структур велось в рамках создания
теории интеллектуальных систем; начало его было ознаменовано
более 50 лет назад публикацией все тех же работ У. Мак-Каллока и
У. Питтса (1943) и продолжено позднее в знаменитой работе Д. Хеббса «Организация поведения» (1949). Ранние работы по искусственному интеллекту принадлежали перу тех, кто описывал структуру
интеллектуальной системы, подобной мозгу, и тех (М. Минский,
С. Пайперт), кто считал интеллект фундаментальным свойством
символьной обработки данных на компьютерах фоннеймановского
типа. По многим причинам в 1970 г. второй подход стал доминирующим, но с 80-х годов сменился так называемым нейронным бумом
в результате резко возросшего интереса к нейронным вычислениям
[8, 12].
Применение алгоритма обучения линейного однослойного перцептрона, предложенного Ф. Розенблатом, показало, что нейроподобные вычисления (Brain-Style Computation) эффективны для задач восприятия и распознавания, однако в результате убийственной
критики М. Минского и С. Пайперта (1969) сложилось мнение, что
искусственный интеллект следует создавать на основе символьной
обработки на компьютерах архитектуры Дж. фон Неймана.
Напомним, что перцептроном называют математическую модель
фрагмента нейронной системы головного мозга, осуществляющего
восприятие внешнего объекта. Первые перцептроны создавались
как модель искусственного глаза. В настоящее время перцептрон
представляет собой многослойную ИНС прямого распространения
сигнала, способную к обучению. В 1982 г. Дж. Хопфилд изложил
математические основы динамики ИНС с обратными связями – нейронной сети Хопфилда, в 1984 г. Т. Кохонен предложил алгоритм
обучения «без учителя» для самоорганизующихся карт, в 1986 г.
Д. Румельхарт вывел алгоритм обратного распространения ошибки
для нелинейных многослойных ИНС [8, 12].
В 1975 г. книга Я. Холланда «Адаптация в природе и искусственных системах» заложила основы эволюционного моделирования,
81
в результате которого генетические алгоритмы (ГА) стали методом
структурного синтеза интеллектуальных систем.
Усилия, направленные на моделирование эволюции по аналогии с природными системами, в настоящее время можно разбить
на две категории. К первой относятся алгоритмы моделирования
биологических систем, которые успешно используются для задач
структурной и функциональной оптимизации. Ко второй категории относятся более реалистичные биологически, но не имеющие
пока прикладного значения алгоритмы. Конечно, на практике нет
такого строгого деления по категориям, они лишь играют роль своеобразных полюсов, между которыми лежат различные вычислительные системы. Ближе к первому – эволюционные алгоритмы,
такие как эволюционное программирование (англ. Evolutionary
Programming), генетические алгоритмы (англ. Genetic Algorithms)
и эволюционные стратегии (англ. Evolution Strategies). Второй полюс представляют системы, которые классифицируются как искусственная жизнь (англ. Artificial Life).
Интеллектуальные методы, синтезирующие новые изделия, редки, поэтому для решения задач структурного и функционального
синтеза столь велико значение ГА, с развитием которых может быть
создана действительно интеллектуальная система автоматизации
проектирования (САПР) вместо многочисленных САПР, использующих ЭС на ранних стадиях разработки. С помощью ГА системы
стохастической оптимизации успешно ищут профиль детали, размещают элементы на плоскости и в пространстве, компонуют и
трассируют реальные технические объекты. В гибридных системах
благодаря ГА производят оптимизационную настройку функций
принадлежности нечетких множеств, которые задаются параметризованной функцией формы. Применяя ГА, оптимизируют и состав больших баз нечетких продукций, и структуру ИНС для генетических нечетких нейронных сетей.
Объединение методологий ЭС, ИНС, ГА и других методов привело
к созданию перспективного научного направления – гибридных интеллектуальных систем. В качестве предпосылки такого объединения выступает прежде всего тот факт, что множество существующих
проблем интеллектуальных систем нельзя решить в рамках лишь одного подхода, наилучшие результаты могут быть достигнуты только
путем комбинации вышеперечисленных составляющих [6, 8, 12, 22].
Одним из наиболее распространенных примеров гибридных систем
является обучение ИНС при помощи ГА. При этом обеспечивается
высокая скорость подстройки весов сети, достаточно малые ошибки
82
обучения. Применение ЭС также позволяет значительно ускорить обучение ИНС. При разработке нечетких ЭС нейронные сети могут быть
использованы для настройки параметров функции принадлежности.
При этом ИНС обеспечивают настройку параметров на основе автоматического извлечения закономерностей из обучающей выборки.
Таким образом, сочетание в гибридных технологиях элементов
различных подходов позволяет решить множество проблем, ограничивающих использование интеллектуальных систем в различных приложениях. Гибридные методы на сегодня считаются самым
востребованным инструментом ИИ.
Причины формирования гибридных систем, которые составляют
основное содержание вычислительного интеллекта, носят технологический прикладной характер. Более фундаментальной причиной
развития вычислительного интеллекта, на наш взгляд, является необходимость интеграции в единой системе восприятия и логической
обработки. Исторически исследования восприятия (нейронные сети,
распознавание образов) ведутся отдельно от изучения классического
искусственного интеллекта, моделирующего логическое мышление.
Существует разрыв между бионическим интеллектом искусственных нейронных сетей и интеллектом систем логического вывода, в то
время как естественный интеллект не имеет такой резкой границы.
Схему «слоев естественного интеллекта» можно приблизительно
описать следующей формулой:
ИНТЕЛЛЕКТ = Сенсорика + Моторика + Рефлексы +
+ Инстинкты + Мышление.
Возможно, эффективность человеческого интеллекта состоит в
том, что указанные слои работают согласованно, помогая тем самым решать многие задачи, недоступные искусственным системам.
Вычислительный интеллект объединяет искусственные модели перечисленных компонент-слоев в гибридные системы, что позволяет
рассматривать его не как технологическое достижение, а как парадигму развития искусственного интеллекта XXI в.
2.6. Системы поддержки принятия решений
в управлении проектами ИС
Говоря о системах поддержки принятия решений (СППР), в первую
очередь имеет смысл определиться с понятием. Несмотря на факт стремительного развития и повсеместного внедрения СППР, на текущий
83
момент нет четко сформулированного понятия СППР как таковой.
Формулировка определения целиком и полностью зависит от мнения
автора. Однако современные СППР могут быть охарактеризованы как
системы, направленные на решение задач повседневной управленческой деятельности, которые также являются инструментом, созданным с целью оказать помощь ЛПР. С помощью СППР производится
выбор альтернатив среди некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.
Согласно статье сайта «Википедия», система поддержки принятия решений (СППР) (англ. Decision Support System, DSS) – это компьютерная АС, целью которой является помощь ЛПР в сложных
условиях для полного и объективного анализа ПрО.
Первые введенные понятия определений СППР сводились к следующим трем моментам:
1. Умение работать с неструктурированными и слабоструктурированными задачами.
2. Интерактивные АС (другими словами, реализация которых
основана на базе компьютера с участием человека).
3. Разделение данных и моделей.
Последняя версия определения не отражает несколько важных
моментов, например, участие самого компьютера в создании СППР.
Как было сказано выше, сейчас нет четко сформулированного и общепринятого определения СППР. Основная проблема состоит в том, что
конструкция системы ключевым образом зависит от типа задачи, для
решения которой она была создана, а также от имеющихся данных,
информации и даже от пользователей этой системы. Однако можно
охарактеризовать СППР, ссылаясь на общепризнанные моменты:
– СППР – это «совокупность процедур по обработке данных и
суждений, помогающих руководителю в принятии решений, основанная на использовании моделей».
– СППР – это «интерактивные АС, помогающие ЛПР использовать
данные и модели для решения слабоструктурированных проблем».
– СППР – это «система, которая обеспечивает пользователям доступ к данным и/или моделям, так что они могут принимать лучшие решения».
Большое количество исследователей под СППР понимают «интерактивные компьютерные системы, которые помогают ЛПР использовать информацию и модели для решения слабоструктурированных или трудноформализуемых задач».
Для более точного понятия определения этих систем имеет смысл
рассмотреть место СППР среди ИС в целом. Рассматривая СППР
84
через призму процессов принятия решений, можно выделить три
типа поддержки решений:
1. Информационная.
2. Модельная.
3. Экспертная.
Все три типа реализуемых в СППР являются ИС, призванными
помочь в решении неструктурированных задач (рис. 2.3).
В результате видно, что информационная поддержка принимаемых решений базируется на двух «китах»:
1. Информационные системы управления (ИСУ) – набор различных инструментов для сбора, хранения и обработки информации о
деятельности предприятия, являющийся единым целом – системой.
2. Системы автоматизации офиса (САО) – системы, организующие поддержку процесса коммуникации (как внутри предприятия,
так с внешними источниками), основанного на базе средств передачи и работы с информацией.
Принимая во внимание определения и понятия, приведенные
выше, можно сделать вывод, что СППР конструктивно отличаются
от традиционных систем, так как они ориентированы на конкретного пользователя, на имеющиеся у него знания и интуицию, на его
систему ценностей. Немаловажным фактором также является имеющийся у ЛПР опыт.
Важно понимать, что сам процесс принятия решений носит
субъективный характер – этот факт является основой СППР. Дру-
Информационные системы
(ИС)
ИС для структурированных
задач
ИС для неструктурированных
задач
ИС, создающие
управленческие отчеты
ИС, создающие
альтернативные решения
Поддержка решений
Автоматизация решения
задач
Информационная
Модельная
Экспертная
Рис. 2.3. СППР относительно остальных ИС
85
гими словами, это значит, что пользователь целиком автономен и
действует он, основываясь только на собственные знания и опыт.
Очевидно, что по усмотрению самого ЛПР могут быть привлечены
сторонние консультанты и эксперты. Таким образом, система лишь
помогает пользователю отыскать те решения, которые представляются ему наилучшими на основе каких-либо данных, но которые в
то же время без помощи системы очень трудно или невозможно было
бы найти по причине высокой сложности решаемой задачи [2, 5, 18].
Современные СППР – это результат многих исследований в следующих ПрО:
– базы данных (англ. Data Base) и базы знаний (англ. Data
Knowledge);
– искусственный интеллект (англ. Artificial Intelligence);
– интерактивные компьютерные системы;
– имитационное моделирование (имитационные эксперименты).
Как результат, СППР возникли благодаря слиянию ИУС и систем управления базами данных.
Современные СППД используют в своем арсенале следующие основные технологии:
– хранилища данных (англ. Data Warehouse);
– инструменты оперативной (в РМВ) аналитической обработки
информации (англ. Online Analytical Processing);
– инструменты извлечения данных (англ. Data Mining), текстов
(англ. Text Mining) и визуальных образов (англ. Image Mining).
Одной из самых важных особенностей современных СППР является отсутствие возможности оптимизации и ранжирования значений групп показателей на основе их полной совокупности из-за невозможности существующим математическим методам проводить
данные операции. Современные методы требуют предварительного
приведения всех критериев к единой числовой оценке.
Способов приведения к единой числовой оценке существует достаточно много, и тот из них, что будет выбран в конечном итоге,
может ощутимо повлиять на результаты ранжирования и оптимизации в негативном плане. Необходимо принимать во внимание тот
факт, что пользователь, полностью отвечающий высоким требованиям профессионализма в своей ПрО, абсолютно не обязательно
должен уметь разбираться в том, какие алгоритмы используются
в СППР. Следовательно, все решения, принятые разработчиком в
ходе процесса проектирования системы, потенциально могут оказывать влияние на выбор альтернатив. Причем контролировать это
влияние пользователь не в состоянии.
86
Описанный выше принципиальный недостаток традиционных
СППР, опирающихся лишь на формальные методы свертки, в современных системах сведен к минимуму. Это достигается за счет сопоставления между собой возможных значений групп ЛПР. Осуществляется этот процесс пользователем в диалоге с системой, а значения
сопоставляются в соответствии с предпочтениями пользователя. В результате получаем функцию предпочтений, сформированную в системе как результат таких сопоставлений пользователем. В дальнейшем
на ее основе осуществляются операции ранжирования и оптимизации. В итоге формальные методы свертки критериев заменены процедурой определения предпочтений. При этом результаты процедуры
выявления предпочтений отражают уникальный подход пользователя к задаче и не подвергаются влиянию со стороны разработчика.
Следует отметить, что СППР обладает следующими свойствами:
1. СППР используют и данные, и модели.
2. СППР направлены менеджерам в качестве помощника в процессе принятии решений в вопросе слабоструктурированных и неструктурированных задач.
3. СППР только поддерживают, а не заменяют выработку альтернатив ЛПР.
4. Цель системы поддержки принятия решений – повышение эффективности решений.
Вообще, идеальная СППР обладает следующими характеристиками:
1. СППР взаимодействует со слабоструктурированными решениями.
2. СППР может быть использована ЛПР различного уровня.
3. СППР может быть адаптирована для группового или индивидуального использования.
4. СППР позволяет поддерживать как взаимозависимые, так и
последовательные решения.
5. СППР способна поддерживать три фазы процесса решения:
интеллектуальную часть, создание и сам выбор.
6. СППР позволяет учитывать различные методы и стили решения, что, безусловно, будет полезно при решении задачи группой лиц.
7. СППР должна быть гибкой и способной к адаптации к изменениям и организации, и ее внешнего окружения.
8. СППР максимально проста в эксплуатации и модернизации.
9. СППР повышает эффективность процесса принятия решения.
10. СППР позволяет ЛПР управлять процессом принятия решений с использованием помощи компьютера, но не наоборот.
87
11. СППР осуществляет поддержку эволюционного использования и способна легко адаптироваться к изменяющимся требованиям.
12. СППР может быть легко создана, если также легко может
быть сформулирована логика ее конструкции.
13. СППР способна поддерживать моделирование.
14. СППР способна использовать знания.
Отметим, что для СППР отсутствует и общепринятая классификация. Различные авторы выдвигают различные теории о классификациях.
На уровне пользователя разделяют системы СППР на три типа:
– пассивные;
– активные;
– кооперативные.
Пассивная СППР – это система, помогающая процессу принятия решения, но не имеющая возможности выносить предложение,
какое именно из решений стоит принимать. Активная СППР – это
система, напротив, имеющая возможность делать предложение,
какое из доступных решений следует выбрать. А кооперативная
СППР позволяет ЛПР дополнять и усовершенствовать решения, которые предлагает система, посылая после этого внесенные изменения в систему для проверки. В ответ СППР также дополняет и улучшает решения и снова посылает их пользователю. Данный процесс
длится в цикле до момента получения согласованного решения.
На концептуальном уровне СППР различаются по управляемым
ими объектам:
– управляемые сообщениями (англ. Communication-Driven DSS);
– управляемые данными (англ. Data-Driven, DSS);
– управляемые документами (англ. Document-Driven DSS);
– управляемые знаниями (англ. Knowledge-Driven DSS);
– управляемые моделями (англ. Model-Driven DSS).
Кратко охарактеризуем каждую из перечисленных СППР.
Система, управляемая сообщениями (англ. CommunicationDriven DSS) – система, способная поддерживать группу пользователей, осуществляющих работу над выполнением одной общей задачи. Системы, управляемые данными (англ. Data-Driven DSS), – это
системы, направленные на работу с данными (также Data-Oriented
DSS), которые ориентируются в основном на доступ и манипуляцию с некими данными. Системы, управляемые документами (англ.
Document-Driven DSS), – это системы, осуществляющие управление, поиск, а также манипуляции с имеющейся неструктурированной информацией, заданной в разных формах. Системы, управля88
емые знаниями (англ. Knowledge-Driven DSS), – это системы, обеспечивающие решение задач в форме фактов, правил, процедур.
Наконец, системы, управляемые моделями (англ. Model-Driven
DSS), – это системы, характеризующиеся доступом и манипуляцией с математическими моделями (например, имитационными или
аналитико-имитационными). Необходимо также отметить, что некоторые из OLAP-систем, способные выполнять сложный анализ
данных, могут быть классифицированы как класс «гибридных» систем, которые способны обеспечивать и моделирование, и поиск, и
обработку данных.
На техническом уровне различают СППР всего предприятия
и настольные системы. Система всего предприятия – это система,
которая имеет соединение с большими хранилищами информации
и способна обслуживать некоторое количество менеджеров данного предприятия. Настольная же система – это некрупная система,
спроектированная для обслуживания лишь одного пользователя и
его компьютера.
В различных источниках можно также встретить и другие теории о классификации СППР.
Также СППР могут быть классифицированы на основе тех данных, с которыми они работают. Условно системы могут быть разделены на оперативные и стратегические СППР. Оперативные системы – системы, спроектированные для немедленного реагирования
на произошедшие изменения каких-либо условий в ситуации на
данный момент времени при управлении финансово-хозяйственными процессами предприятия. Стратегические системы – это системы, направленные на анализ больших объемов разнородной информации, получаемой из разных источников. Основной целью этих
СППР является нахождение оптимальных альтернатив развития
бизнеса предприятия с учетом влияния на нее различных факторов:
состояния целевых рынков компании, изменения в законодательстве, изменения рынков капиталов и финансовых рынков и другие.
Системы первого типа (то есть оперативные СППР) позиционируются как «информационные системы руководства» (англ. Executive
Information Systems – EIS). Такие системы являются набором конечных отчетов, созданных на основе некоторых данных из транзакционной ИС компании, в идеале реально отражающих в режиме
онлайн главные аспекты финансовой и производственной деятельности. Для таких EIS характерны следующие свойства:
– отчеты основываются на стандартных для организации запросах (число отчетов невелико);
89
– EIS демонстрируют отчеты в максимально удобном виде (наряду с таблицами и деловой графикой – различные мультимедийные
возможности);
– EIS направлены на конкретный вертикальный рынок (управление ресурсами, маркетинг, финансы).
Системы второго типа (стратегические СППР) – это системы,
предполагающие весьма глубокую проработку информации. Стратегические СППР специально преобразованы таким образом, чтобы
их удобно было использовать в процессе принятия решений. Неотъемлемым компонентом СППР этого уровня являются некие правила принятия решений, которые, основываясь на агрегированных
данных, позволяют менеджерам компании обосновывать свои решения, а также снижать риски. Системы второго типа в последнее
время получили активное развитие. Технологически данные системы строятся на принципах многомерного представления и анализа
данных OLAP.
При создании СППР также можно использовать веб-технологии.
В настоящее время СППР на основе веб-технологий для ряда компаний являются синонимами СППР предприятия.
Современные информационные системы интеллектуальной поддержки процессов разработки и реализации управленческих решений, то есть ИСППР, представляют собой системы, максимально
приспособленные к решению задач повседневной управленческой
деятельности, являются инструментом, призванным оказать помощь ЛПР. С помощью СППР может производиться выбор решений
некоторых неструктурированных, а также слабоструктурированных задач, в том числе и многокритериальных. При этом под многокритериальностью понимается оценка принимаемых решений не
по одному, а по совокупности нескольких показателей (или критериев), рассматриваемых в один момент времени. Информационная
сложность заключается в необходимости учета достаточно больших
объемов данных, которая практически невыполнима без помощи
современной вычислительной техники.
СППР решает две основные задачи:
– выбор наилучшего решения из множества возможных (оптимизация);
– упорядочение возможных решений по предпочтительности
(ранжирование).
В обеих задачах первым и наиболее принципиальным моментом
является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться и сопоставляться возможные решения
90
(будем называть их также альтернативами). Именно СППР помогает пользователю сделать такой выбор.
Условно СППР можно классифицировать по методам решения
определенных проблем. Рассмотрим методы принятия решений на
основе ИТ.
Для поддержки принятия решений с помощью ИТ, включая анализ и выработку альтернатив, в СППР используется большое количество методов, например:
1) информационный поиск;
2) интеллектуальный анализ данных;
3) извлечение (поиск) знаний в БД;
4) рассуждение на основе прецедентов;
5) имитационное моделирование;
6) генетические алгоритмы (ГА);
7) искусственные нейронные сети (ИНС);
8) методы ИИ.
Такую классификацию методов можно охарактеризовать как
способ достижения цели.
Облачные вычисления открывают доступ к вычислительным
ресурсам, которые будут доступны только по требованию. Эластичность, эффективность и сокращение расходов привлекают многие
предприятия рассмотреть вариант миграции приложений в облако.
Веб-системы поддержки принятия решений (WB-DSS) являются
СППР, которые доступны удаленно через интернет. Они имеют не
уступающие настольным системам границы функционала.
Характерные признаки, отличающие их от настольных аналогов:
– доступность в интернете;
– поддержка частных лиц, клиентов, сотрудников, менеджеров,
групп в процессе принятия решений (независимо от их физического
местоположения или времени);
– использование БД, БЗ, документов и моделей, которые имеют
возможность обратиться к огромному разнообразию больших групп
пользователей.
Основными отличиями веб-версии СППР от настольных аналогов являются несколько весьма весомых признаков. В первую
очередь – доступность глобальной аудитории. При размещении на
удаленном сервере доступность к ресурсам ограничивается лишь
фантазией разработчиков и кошельком владельца, поскольку вычислительные мощности, расположенные в «облаках», приведут к
определенным затратам.
91
Другим немаловажным признаком является простота использования. Такие СППР направлены на снижение нагрузки на ЛПР и
не требуют дополнительного обучения работы с системой – интуитивно понятный интерфейс позволяет быстро приступить к работе.
Проблемы обеспечения информационной безопасности могут
ограничить применение WB-DSS в чувствительных областях. В таких случаях WB-DSS требует дополнительных компонентов для
предотвращения угроз безопасности и ошибок в различных точках
обмена информацией.
В целом тот факт, что WB-DSS доступны из Web, создает как возможности, так и проблемы, которые, однако, обычно не присутствуют в настольных версиях СППР.
Тем не менее, наряду с обсуждениями о сравнении веб- и настольных СППР возникают споры и так называемой миграции настольных систем в веб-платформы.
Те СППР, которые были предназначены для работы на рабочем
столе, могут быть доступны в интернете с целью сделать их более доступными для распределенной аудитории. Как примеры уже существующих действующих прикладных СППР в веб-версиях можно
привести два случая:
1. Expert Choice (www.expertchoice.com);
2. EXSYS (www.exsys.com).
Система Expert Choice используется, чтобы сделать выбор между
несколькими альтернативами, основанными на множестве критериев принятия решений и различных атрибутов. Например, можно
использовать Expert Choice в выборе дома среди множества, основываясь на соответствующих атрибутах (например, местоположение,
количество комнат, размер участка), а также в целях оценки альтернатив (например, покупка лучшего дома в пределах бюджета). Система Expert Choice была разработана на основе МАИ и может быть
использована при наличии нескольких участников, участвующих в
принятии решения. Этот инструмент был доступен задолго до популярности в интернете. Сейчас же веб-версия доступна как отдельный
инструмент под названием Expert Choice Decision Portal (ECDP), разработанная только для использования через интернет.
Система EXSYS используется для разработки ЭС для оказания
консультативных услуг ЛПР. Экспертная система может быть определена как «система, которая использует человеческие знания, используемые компьютером, чтобы решить проблемы, обычно требующие человеческого опыта». Как и система Expert Choice, система
EXSYS также использовалась для поддержки принятия решений
92
до начала широкого использования в интернете. Этот продукт стал
одним из первых, осуществивших переход к веб-версии.
С одной стороны, преимущества перехода к Web кажутся неоспоримыми:
1. Веб-доступ к СППР экономит затраты на установку приложения, потому что он установлен централизованно и доступен из нескольких мест. Таким образом, веб-серверы заменяют еще и сетевые
серверы для этих систем.
2. Веб-доступ снижает затраты на техническое обслуживание
системы, модель обновления, обновления данных и другие изменения, которые могут произойти в системе, развивающейся с течением времени.
3. ЛПР и потребители имеют более широкий доступ к системе,
потому что она доступна с любого компьютера в любое время.
Таким образом, веб-доступ способен сохранить затраты на установку, обслуживание и обновление системы. Это, в свою очередь,
увеличивает доступ к системе для ввода данных, а также для совместного решения поставленных задач.
93
3. МОДЕЛИРОВАНИЕ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ
ПРИ УПРАВЛЕНИИ ПРОЕКТОМ
3.1. Гносеологические и информационные модели УП
Создание ИСППР при управлении различными объектами, в
том числе и экономической природы, требует наличия большого количества информации как о самом объекте, так и о его взаимодействии с внешней средой, то есть о входных и выходных переменных.
Эта информация, которая весьма разнородна по своему характеру,
необходима для построения адекватной модели системы управления (СУ), на основе которой может быть эффективно осуществлен
процесс управления.
При этом следует различать два вида информации, необходимой
для построения и совершенствования модели и самой СУ: априорную и текущую.
Априорная информация об объекте управления (ОУ), его входных и выходных переменных, внутренних состояниях и собственных параметрах необходима для идентификации, то есть для построения модели, по которой будет создаваться СУ этим объектом:
выбираться структура, алгоритмы поведения и параметры СУ, критерий оценки эффективности функционирования. Обычно для таких сложных систем, как ИС, отсутствует необходимая для решения задачи принятия решений в СУ информация, на базе которой
может быть построена адекватная модель. Таким образом, задача
управления должна решаться в условиях недостаточной или вовсе
отсутствующей априорной информации об объекте [17, 21].
Речь идет об отсутствии информационной («управленческой»)
модели ОУ, устанавливающей взаимосвязь между выходными и
входными переменными. Вопросов получения текущей (оперативной) информации об ОУ в данном параграфе касаться не будем, отметим только, что она обычно поступает с запаздыванием, что снижает эффективность принятия решений в РМВ. На ликвидацию такого существенного недостатка направлена цифровая информационная технология, в свете которой с реализационной точки зрения
и следует рассматривать компьютерное (машинное) моделирование
[17, 21].
Проблема разработки ИС неизбежно возникает как при разработке новых ОУ, так и при их модернизации, причем последний
процесс, по сути, является для таких сложных ИС перманентным.
На первый взгляд может показаться, что в тех случаях, когда новая
94
СУ разрабатывается для уже традиционной и давно функционирующей системы S, длительное время находящейся в эксплуатации,
положение с априорной информацией лучше и построение модели
проще. Опыт показывает, что это, к сожалению, не так и построение
информационной модели и в этом случае весьма трудоемко. Таким
образом, как для вновь создаваемой экономической системы (подсистемы и т. д.), так и для уже функционирующей ИС возникает проблема получения дополнительной информации, необходимой для
разработки эффективной СУ. Единственным реально эффективным
путем получения такой информации в настоящее время является и
будет являться (и наверняка в ближайшем будущем) имитационное моделирование [17, 21].
В том случае, когда СУ уже создана и функционирует вместе с
управляемой системой S, существует необходимость в получении
текущей информации, вызванная в основном двумя причинами.
Во-первых, это потребность в совершенствовании СУ, диктуемая целью функционирования такой ИС; а во-вторых, это необходимость
уточнения поведения ИС и анализа возникающих в ней ситуаций
(чаще всего – конфликтных) с целью компенсации изменений характеристик системы S как ОУ.
Следует подчеркнуть, так как это принципиально с точки зрения
имитационного моделирования (проблема организации «системного времени»): процессы, с которыми связана текущая информация
1-го вида, являются достаточно медленными, и для управления ими
(как в реальной S, так и в машинной модели M) необходима подсистема эволюционного управления. Процессы 2-го типа являются
более «быстрыми», и для управления ими необходима подсистема
оперативного управления, то есть управления в реальном масштабе времени (в РМВ, как принято говорить в классической теории
управления).
Следует подчеркнуть, что по темпу принятия решений и месту
решения задач подсистемы эволюционного и оперативного управления существенно отличаются друг от друга. Так, например, процессы оперативного управления с использованием аппаратно-программных средств могут быть на несколько порядков более быстрыми по сравнению с процессами эволюционного управления.
Важнейшей задачей современной теории и практики управления является построение адекватной модели ОУ (в нашем случае
конкретной системы УП (подсистемы) S), то есть формализация закономерностей функционирования объекта. На основе этой модели
определяется структура, алгоритмы поведения и параметры СУ,
95
выбираются инструментальные средства реализации такой системы. Одним из эффективных методов построения модели сложного
объекта является идентификация.
Широкое развитие в настоящее время работ по формализации
процессов и построения их моделей во многих областях исследований (технике, экономике, социологии, биологии и т. д.) преследует
две основные цели [17, 21].
Первая из них связана со значительным увеличением возможностей изучения на базе современных ЭВМ и мультисервисных сетей
(глобальных, региональных, корпоративных, локальных) сложных
процессов функционирования различных объектов при помощи
метода статистического моделирования, для чего необходимо математическое (аналитическое и/или алгоритмическое) описание исследуемого процесса.
Не меньшее значение (сначала в технических системах, а затем
и в экономических) имеют модели, используемые для достижения
второй цели, то есть модели прогнозирования.
3.2. Эволюционные и десиженсные модели УП ИС
Невозможность ограничиться только одной универсальной моделью связана с тем, что, с одной стороны, перед этими моделями
ставятся различные цели, а с другой стороны, они описывают процессы, протекающие в разных масштабах времени, причем степень
полноты модели, ее адекватность реальному объекту (в нашем случае конкретной S) зависят от целей, для которых эта модель используется в ИС [17, 21].
Модели 1-го типа имеют в основном гносеологический характер,
от них требуется тесная связь с методами той конкретной области
знаний, для которой они строятся. Для разработки таких моделей
наиболее эффективны комплексные коллективы, включающие экономистов-профессионалов в роли постановщиков задач и алгоритмистов-системщиков, а затем и системных программистов в роли
исполнителей. Такие модели будем называть эволюционными.
Модели 2-го типа имеют в основном информационный характер
и должны соответствовать конкретным целям по принятию решений по управлению объектом, который они описывают. Такие модели будем называть десиженсными.
Деление на гносеологические (эволюционные) и информационные (десиженсные) модели достаточно условно, впрочем, как и лю96
бая другая классификация, но удобно для отражения целей компьютерного моделирования.
В информационных моделях, используемых непосредственно для
принятия решений в СУ, требование оперативности (работы в РМВ)
является одним из основных. Оно вызвано тем, что при каждом воздействии на ОУ необходимо в модели учесть действительные изменения, произошедшие в объекте, и внешние возмущения, на основе
которых рассчитывается управление. Это требование оперативности,
то есть необходимость работы такой модели в РМВ, часто ведет к отказу от сложных и точных моделей к разработке специальных, так
называемых робастных алгоритмов построения моделей, использование которых в СУ обычно ведет к поставленной цели.
Появление идентификации в начале 60-х годов было связано с
острой необходимостью разработки методов построения именно информационных моделей ОУ. Отсутствие таких моделей сдерживало
процесс автоматизации этих объектов, использование ЭВМ в контуре управления. Объекты оказались неподготовленными к внедрению вычислительной техники из-за отсутствия их математического
описания, их информационных моделей. Построение информационной модели методами идентификации должно быть направлено
на ликвидацию этого разрыва и разработку методов оперативного
получения модели ОУ. При этом методы идентификации должны
предусматривать использование ЭВМ для решения задач построения информационной модели.
3.3. Информационный подход к решению задач УП
Обобщая сказанное о проекте ИС как объекте управления (ОУ)
и используя терминологию классической теории управления, можно сказать, что этот объект является стохастическим, нелинейным,
нестационарным, многомерным, многосвязным, с запаздыванием
и т. п., то есть обладает всем «джентльменским» набором «неудобных» свойств в этой классификации с точки зрения организации
процессов управления и разработки соответствующих моделей.
Создание СУ подобными объектами требует наличия большого объема информации как о самом объекте, то есть процессе УП, так и о
его входных и выходных переменных. Эта информация необходима
для построения адекватной модели, на основе которой может быть
эффективно осуществлен процесс УП. При этом, как уже отмечалось ранее, следует различать два вида информации, необходимой
97
для построения и совершенствования модели и, естественно, системы УП: априорную и текущую [17, 21].
Проблема УП существует как при разработке новых подсистем
ИС и их элементов, так и при их модернизации. В обоих случаях
(как для вновь создаваемого, так и для функционирующего объектов) их нецелесообразно считать «черными ящиками», поскольку
имеются очень важные для создания этих объектов гносеологические (информационные) модели, в которых содержится богатейшая
информация, необходимая при решении таких сложных задач, как
выбор информативных переменных, предварительной структуры и
параметров ИС, методов получения исходной информации о процессе функционирования ОУ и т. д.
Единственным эффективным путем получения такой информации в настоящее время является имитационное моделирование на
ЭВМ. Уже упомянутые ранее подсистемы эволюционного и оперативного управления существенно отличаются друг от друга по темпу принятия решений. Поэтому целесообразно ввести промежуточный уровень (подсистему) тактического управления, выполняющий
функции связующего звена (своего рода «модельный интерфейс»)
между подсистемами эволюционного и оперативного управления.
В пользу иерархической системы принятия решений в сложных
системах при высоком уровне априорной неопределенности говорят
и работы А. Г. Ивахненко, также работы Х. Акаике по методу группового учета аргументов (МГУА) [4]. В работах А. Г. Ивахненко выдвигается идея прогностического применения результатов идентификации. В рамках МГУА имеющиеся данные об ОУ разбиваются
на два подмножества: данные 1-го подмножества используются для
оценивания параметров уравнений предсказания, а 2-е подмножество предназначается для проверки результатов оценивания. Таким
образом, появляется возможность свободы выбора, то есть самоорганизации и на более низком уровне УП, что позволяет рациональнее
использовать ресурсы при имеющейся информации об ОУ. Похожая
задача решается и с помощью информационного критерия Х. Акаике (ИКА), характеризующего степень соответствия стохастической
модели ОУ совокупности наблюдений.
Идея этих методов (МГУА и ИКА) и положена в идею создания
иерархической системы моделирования процессов УП и идентификации процессов в ОУ.
К сожалению, приходится констатировать, что класс ИС является существенно более сложным для управления объектом, чем те,
для которых разработана классическая теория управления. Именно
98
это и не позволяет в чистом виде использовать полученные в этой теории результаты, так как чаще всего они либо вообще отсутствуют
применительно к таким ОУ, либо пригодны для управления лишь в
сугубо частном случае подсистемы ИС, получаемом при существенном упрощении задачи управления (вплоть до ее некорректности)
при постановке задачи или в ходе ее решения.
Но тем не менее терминологически и в смысловом содержании
методологически полезно использовать все те традиционно сложившиеся понятия, которые широко используются в классической теории управления. Кроме того, автор надеется, что в перспективе теория управления расширит в силу объективной необходимости круг
ОУ и на такой сложный объект, как УП. По сути дела, решение комплекса задач управления подсистемами ИС сводится к выбору того
или иного решения на основе текущей информации, получаемой о
параметрах (состоянии, поведении) ОУ, то есть речь идет о параметрическом управлении. По определению системы параметрического управления представляют собой класс систем с параметрической
моделью функционирования.
Сейчас еще трудно в полной мере оценить, насколько перспективно применение того или иного конкретного типа модели функционирования ИС, но, во всяком случае, ясно, что построение и
исследование параметрических моделей, во многом выходящих за
рамки традиционных представлений, является важной вехой на
пути развития теории и практики исследования и построения СУ
такими сложными объектами, как УП ИС, представляющих как теоретический, так и практический интерес.
Не снижая роли классической теории управления, остановимся на неиспользованных возможностях обоснования вновь появившихся задач УП ИС. И дело даже не в конкретных трудностях, связанных с использованием того или иного математического аппарата
теории, а в разъяснении содержательной стороны ряда вопросов, изменяющих отношение к практическим задачам УП.
Методологической основой для выделения систем параметрического управления в особый класс систем является представление
о модели объединенной системы, содержащей связанные (координатные) и свободные переменные (параметры). Причем наблюдается
тенденция к включению все большего числа параметров в категорию связанных переменных для более детального исследования и
(или) улучшения свойств разрабатываемой подсистемы ИС.
В плане алгоритмического обеспечения современных высококачественных СУ нестационарными широкодиапазонными (много99
режимными) ОУ оказывается эффективным включение доступных
для измерения параметров объекта в категорию управляемых переменных, что улучшает условия функционирования подсистем и ИС
в целом при изменяющихся условиях функционирования и недостаточной априорной информации об ОУ и возмущениях (помехах).
Таким образом, можно отметить, что выделение систем параметрического УП ИС в особый класс обусловлено как развитием новых
представлений о моделях функционирования подсистем ИС, так и
практической содержательностью решаемых задач.
Одной из центральных проблем современной теории управления
является проблема управления динамическими объектами в условиях неопределенности, то есть проблема построения адаптивных
систем управления. Принцип работы таких систем основан на изменении параметров и структуры в результате наблюдения и обработки текущей информации так, чтобы адаптивная или обучающаяся система с течением времени улучшила свое функционирование,
достигая в конечном итоге оптимального состояния. В адаптивных
системах недостаток априорной информации компенсируется благодаря целенаправленной обработке текущей информации.
Не будем детально останавливаться на историческом становлении
адаптивной ветви как самостоятельной части теории управления.
Подробный обзор состояния общей проблемы разработки адаптивных алгоритмов оптимизации при априорной неопределенности дан
в работах Я. З. Цыпкина, для стохастических адаптивных систем
он детализирован, расширен и терминологически конкретизирован
применительно к конкретным системам в работах Дж. Саридиса [15].
Отметим только, что в последние годы по проблемам построения
адаптивных систем появляется все больше публикаций. Большой
вклад в развитие теории самоорганизующихся стохастических СУ
сделан Дж. Саридисом (заметим, что его понятие самоорганизующейся СУ с параметрической и функциональной адаптацией эквивалентно понятиям «адаптация» и «обучение» соответственно по
Я. З. Цыпкину) [19].
3.4. Элементы прикладной теории моделирования
информационных процессов в УП
Отсутствие формальных методов перехода от гносеологических
моделей к информационным в современной теории управления не
дает возможности получить по имеющейся информации адекватное
100
описание, необходимое для создания СУ. Но учет сведений, содержащихся в гносеологических моделях, может значительно увеличить объем априорной информации о рассматриваемом ОУ (конкретной системе УП или подсистеме S). Поставив цель построения
гносеологической модели процесса функционирования системы S
для получения необходимой априорной информации для построения эффективной СУ и сузив класс объектов моделирования до
конкретного, то есть до поведения конкретной системы S, решим
задачу построения прикладной теории эволюционного и десиженсного моделирования, позволяющей эффективно (в реализационном
аспекте) перейти от гносеологических («исследовательских») моделей к информационным («управленческим») [17, 21].
Наиболее просто такой переход можно совершить, когда оба этих
класса моделей будут базироваться на единой концептуальной модели, использовать единую систему информации (базу знаний) и
иметь единую критериальную систему. Рассмотрим сначала особенности гносеологических и информационных моделей. Вопрос применимости некоторой математической модели к изучению рассматриваемого объекта не является чисто математическим вопросом и
не может быть решен математическими методами.
Только критерий практики позволяет сравнивать различные гипотетические модели и выбрать из них такую, которая является наиболее простой и в то же время правильно передает свойства изучаемого объекта, то есть системы S. Ориентируясь на общие вопросы
методологии моделирования сложных систем, сформулируем требования к прикладной теории моделирования, а точнее – к элементам
этой теории в ее приложении для решения конкретно поставленной
задачи, а именно – исследования процессов в системах УП.
Как уже отмечалось ранее, эта задача ставится следующим образом. Необходимо сначала построить и реализовать на ЭВМ эволюционную модель процесса функционирования конкретной S, полученную в ходе стратегической идентификации ОУ, а затем на ее базе построить десиженсную модель, используемую для решения практических задач оперативного управления с учетом самоорганизации.
Или, используя терминологию теории идентификации, необходимо построить конкретную систему управления с идентификатором и предсказателем (комбинированную СУ) в цепи обратной связи, то есть реализовать сначала стратегический идентификатор, а
затем на его базе тактический оперативный идентификатор и предсказатель, рассматривая в качестве ОУ не реальную систему S (ввиду ее отсутствия или принципиальной невозможности проведения
101
с ИС натурных экспериментов), а машинную модель процесса ее
функционирования M.
Таким образом, можно поставленную задачу исследования УП
ИС трактовать и как задачу автоматизации исследования объекта
(машинной модели M) для целей синтеза тактической и оперативной модели, используемой непосредственно в контуре управления
системой S, а затем для проверки эффективности ИС в целом.
Прежде чем переходить к изложению элементов теории моделирования процессов в системе S, дадим ряд определений. Напомним,
что под моделированием будем понимать исследование объекта (то
есть УП ИС) посредством изучения его модели, то есть другого объекта, специально созданного для этой цели. Под сложностью моделируемого объекта будем понимать фактически сложность сведений
о нем (его описания), зависящую от целей моделирования и уровня,
на котором выполняется описание. Таким образом, сложность возрастает не только при введении в рассмотрение новых качеств, но и
при переходе к более детальному описанию процесса функционирования объекта моделирования, то есть системы S.
Задачу прикладной теории моделирования сформулируем, исходя из тех требований, которые будет предъявлять к ней пользователь
(исследователь, разработчик системы (подсистемы) S, проводящий
имитационные эксперименты с процессами функционирования S и
ее элементов для решения конкретной прикладной задачи. В таком
контексте основной задачей при решении проблемы управления является выбор моделей на уровне оперативного управления, сохраняющих при этом существенные для СУ черты S с учетом ограничений
реализации в РМВ (особенно при оперативном управлении).
В дальнейшем машинную модель, практически реализуемую с
учетом ограниченности ресурсов, будем называть трактабельной
моделью. Таким образом, помимо теоретических вопросов построения модели ИС вообще будем рассматривать вопросы трактабельности модели, связанные с формальным представлением ее описания,
его упрощения, проверкой адекватности упрощенной модели и т. д.
Следует отметить, что ввиду сложности процессов в ИС часто
именно трактабельность модели является камнем преткновения при
попытке получить результаты моделирования на ЭВМ с необходимой
точностью и достоверностью. Тот факт, что моделируемая система S
часто лишь замысел разработчика нового проекта (программы), вносит в проблему разработки такой теории значительные трудности. В
частности, не удается непосредственно проверить адекватность модели процесса функционирования системы S с помощью реального
102
объекта. Частично эта трудность устраняется путем проведения натурных экспериментов с элементами (подсистемами) S. Ряд существенных трудностей возникает из-за неполноты исходной информации об объекте моделирования, что весьма характерно для ИС.
Большой объем знаний об ИС и их элементах, накопленный к настоящему времени, подлежащий объединению в рамках теории моделирования и несоизмеримый с познавательными возможностями
одного исследователя, выдвигает необходимость организации и детализации таких знаний (теории) в систему, затрагивающую лишь
существенно ограниченное число объектов при сохранении общности подхода. При этом развитие отдельных методов статистического
моделирования, языков моделирования, теории планирования машинных экспериментов и т. д. оказывается недостаточным.
Создание прикладной теории, обеспечивающей конкретные потребности разработчика модели и охватывающей весь процесс моделирования в широком смысле этого слова, требует системного
подхода и прежде всего установления основ теории: понятий об объекте, предмете, содержании, структуре и логике теории.
Объект прикладной теории моделирования УП ИС. Объектом
предлагаемой прикладной теории является непосредственно процесс моделирования поведения системы S, то есть процесс перехода
от моделируемого объекта (системы S) сначала к статической модели Ss, используемой при стратегической идентификации, а затем и
к динамической модели Ds, непосредственно используемой при оперативном управлении с использованием конкретных методов (алгоритмов). При этом ориентируются на критериальную систему K.
Такой переход осуществляется через описание (концептуальную
модель), фиксирующее сведения об объекте (конкретной системе S)
в понятиях языка L (терминах типовых математических схем). При
выборе математической схемы моделирования M вводится также
понятие среды E, позволяющее использовать информацию прикладного характера J о целях моделирования, законах функционирования системы S, имеющемся математическом аппарате и т. д.
для исследования методов и алгоритмов УП ИС A.
Таким образом, так как объектом данной прикладной теории
моделирования является процесс моделирования, то возникает необходимость в построении и изучении «модели моделей», или репромодели RM (от англ. Reproduce – воспроизводить, делать копию,
порождать).
Репромодель представляет собой упрощенный и наглядный прототип создаваемых моделей, используемых в системах управления,
103
и дает возможность эффективного итерационного приближения к
таким моделям с максимальным использованием априорной и оперативной информации о поведении системы S, поступающей в процессе функционирования модели, то есть при проведении имитационных экспериментов с предыдущим вариантом модели Mм.
Для решения поставленной задачи разработки модели для УП
ИС схема репромодели приведена на рис. 3.1.
После того как сформулирована концептуальная модель C и введены понятия компонент сред E, основное содержание элементов
S
Система (объект
моделирования)
Язык (типовая матсхема)
L
C
Компоненты
окружающей
среды
Концептуальная модель
Математические схемы
E
Динамика RM
M
Информация
прикладного
характера
J
Статика RM
Статическая
модель
A
K
S1s
s
... SN
{
Система
критериев
Алгоритмы поведения
системы
Эволюция
Динамическая
модель
s
... DM
{
D1s
Самоорганизация
Рис. 3.1. Схема разработки модели ИС
104
прикладной теории моделирования для УП ИС составят компоненты M, A, Ss, Ds (критерий K считается заданным), причем переход
от M к Ss, следуя терминологии моделирования сложных человекомашинных систем, составит статику моделирования, а переход от
M к множеству Ds с привлечением информации из компонент Ss и
A составит динамику моделирования. Такое разделение на статику
и динамику условно показано на рис. 3.1 пунктирной и сплошной
линиями соответственно.
Движение в пространстве статических моделей процесса УП ИС
Ss назовем эволюцией (эволюционным моделированием), а движение
в пространстве динамических моделей Ds, используемых в контуре
управления, – самоорганизацией (моделированием с самоорганизацией). Важно отметить, что компоненты объекта теории L, C, E, M
имеют искусственное происхождение, базирующееся на эвристических представлениях, и могут при необходимости изменяться (развиваться) в интересах самой прикладной теории. Это существенно
отличает прикладную теорию моделирования УП ИС от естественно-научных теорий.
Предмет прикладной теории моделирования УП ИС. Высказывания, составляющие любую теорию, формируются относительно
предмета теории, а именно системы понятий, отображающих с той
или иной степенью обобщения объект теории (репромодель). Таким
образом, задание предмета прикладной теории моделирования процессов в системе S равносильно заданию репромоделей. Очевидно,
что вообще разным репромоделям должны соответствовать различные аспекты такой теории. Применительно к системам УП ИС
сужаем круг этих аспектов за счет конкретизации целей моделирования путем введения в репромодель компонент A, ограниченных
методами и алгоритмами оперативного управления ОУ. Построение
репромодели по схеме, приведенной на рис. 3.1, позволяет использовать информацию общего характера о процессах моделирования
и управления системой S* с учетом выбранных критериев оценки
эффективности K.
Содержание, структура и логика прикладной теории моделирования УП ИС. Содержание прикладной теории моделирования охватывает две части: базис теории, включающий систему эвристических
принципов, полученных при обобщении имеющегося опыта моделирования сложных объектов вообще, и тело теории, содержащее
эвристические правила машинной реализации конкретных моделей
процесса функционирования S (Ss и Ds), которые будут рассмотрены
при моделировании конкретных объектов в последующих лекциях.
105
Предложения теории, относящиеся к компонентам M, A, Ss, Ds
или возможным переходам между ними, содержат множество условий, позволяющих точно их сформулировать лишь для простейших
случаев. В пределе предложения сводятся к описанию фактов, относящихся к отдельным реализациям процесса моделирования УП ИС,
которые назовем прецедентами Pr. Отметим, что они составляют эмпирическую основу прикладной теории моделирования ИС, а множество {Pr}, классифицированное по условиям, может рассматриваться
как обобщенное предложение теории, содержащее весь зафиксированный в {Pr} опыт моделирования сложных систем вообще.
Более определенные предложения теории могут быть получены
на основе системного подхода с детализацией репромодели по этапам построения и реализации Ss и Ds, когда ставятся различные
цели при моделировании процессов в системе S. В общем случае репромодель, то есть ее базис, задается множеством принципов {p r},
определяющих желаемые свойства моделей (Ss и Ds) и другие ограничения. Использование {p r} регламентируется предложениями
теории, относящимися к ограниченному множеству обобщенных
ситуаций. Поиск этих ситуаций в множестве известных {Pr} позволяет накопить необходимые факты в количестве, достаточном для
формулировки обобщенных предложений.
Говоря о прикладной теории моделирования ИС с системных
позиций, невозможно обойти ее реализационный аспект. В теории
это отражено введением понятия трактабельности модели, то есть
ее реализуемости в рамках принятых ресурсных ограничений (например, на оперативную память и быстродействие ЭВМ). Особенно
важна трактабельность десиженсных моделей, непосредственно
используемых в СУ, так как часто от них зависит эффективность
конкретного метода управления и возможность реализации конкретного алгоритма управления (а иногда и возможность его использования вообще).
Вопросы трактабельности модели ставятся во главу угла при
проведении стратегического и тактического планирования машинных экспериментов, рассмотрение которых выходит за рамки данного пособия. Поэтому не будем останавливаться на этих вопросах
детально, отметим только, что трактабельность модели достигается
выполнением набора практических правил реализации модели {p r},
которые и составляют тело прикладной теории моделирования.
Таким образом, в конечном итоге множество прецедентов {Pr}
выражается через меньшее число эвристических принципов {p r} и
практических правил реализации (базис и тело теории соответствен106
но). Это позволяет считать репромодель и систему [{Pr}, {p r}] основой
«системного» аспекта прикладной теории моделирования УП ИС.
При практическом применении неизбежно объединение «прецедентного» и «системного» аспектов теории моделирования УП ИС на основе логического понятия дополнительности. В данном случае это способствует сужению общей проблемы моделирования за счет введения
в прикладную теорию моделирования УП ИС компоненты A.
Для обеспечения возможности развития репромодель должна
строиться как открытая система, то есть с соблюдением принципов
архитектуры открытых систем, что нашло свое отражение при машинной реализации моделей.
Относительно логики прикладной теории моделирования УП ИС
отметим, что она опирается на индуктивный подход, то есть обобщение и классификацию множества прецедентов {p r}, оставляя
место для дедуктивного подхода в рамках конкретных математических схем M.
Вопросы практического воплощения прикладной теории моделирования непосредственно связаны с реализацией соответствующих инструментальных средств моделирования и возможностью
их использования для задач УП ИС.
3.5. Вероятностно-статистическая основа
методов принятия решений
Обсудим, как используются теория вероятностей и математическая статистика в УП. Эти дисциплины – основа вероятностно-статистических методов принятия решений. Чтобы воспользоваться их
математическим аппаратом, необходимо задачи принятия решений
выразить в терминах вероятностно-статистических моделей. Применение конкретного вероятностно-статистического метода принятия решений состоит из трех этапов [9]:
– переход от управленческой реальности к абстрактной математико-статистической схеме, то есть построение вероятностной модели СУ, технологического процесса, процедуры принятия решений,
в частности по результатам статистического контроля, и т. п.
– проведение расчетов и получение выводов чисто математическими средствами в рамках вероятностной модели;
– интерпретация математико-статистических выводов применительно к реальной ситуации и принятие соответствующего решения (например, о соответствии или несоответствии качества разра107
ботанной ИС установленным требованиям, необходимости отладки
ПО и т. п.).
Математическая статистика использует понятия, методы и результаты теории вероятностей. Рассмотрим основные вопросы построения вероятностных моделей принятия решений в управленческих и иных ситуациях. Для активного и правильного использования нормативно-технических и инструктивно-методических
документов по вероятностно-статистическим методам принятия
решений нужны предварительные знания. Так, необходимо знать,
при каких условиях следует применять тот или иной документ,
какую исходную информацию необходимо иметь для его выбора и
применения, какие решения должны быть приняты по результатам
обработки данных и т. д.
Рассмотрим простой пример. Монетка, которую используют как
жребий, должна быть «симметричной», то есть при ее бросании в
среднем в половине случаев должен выпадать герб, а в половине случаев – решетка (решка, цифра). Но что означает «в среднем»? Если
провести много серий по 10 бросаний в каждой серии, то часто будут
встречаться серии, в которых монетка 4 раза выпадает гербом. Для
симметричной монеты это будет происходить в 20,5% серий. А если
на 100 000 бросаний окажется 40 000 гербов, то можно ли считать
монету симметричной? Процедура принятия решений строится на
основе теории вероятностей и математической статистики. Рассматриваемый пример может показаться недостаточно серьезным. Однако это не так.
Жеребьевка широко используется при организации экспериментов, например, при обработке результатов тестирования показателя
качества ПО ИС в зависимости от различных факторов.
Аналогичные проблемы обеспечения объективности сравнения
возникают при сопоставлении различных схем организации производства, оплаты труда, при проведении тендеров и конкурсов,
подбора кандидатов на вакантные должности и т. п. Всюду нужна
жеребьевка или подобные ей процедуры. Поясним на примере выявления наиболее сильной и второй по силе команды при организации турнира по олимпийской системе (проигравший выбывает).
Пусть всегда более сильная команда побеждает более слабую.
Ясно, что самая сильная команда однозначно станет чемпионом.
Вторая по силе команда выйдет в финал тогда и только тогда, когда
до финала у нее не будет игр с будущим чемпионом. Если такая игра
будет запланирована, то вторая по силе команда в финал не попадет.
Тот, кто планирует турнир, может либо досрочно «выбить» вторую
108
по силе команду из турнира, сведя ее в первой же встрече с лидером,
либо обеспечить ей второе место, обеспечив встречи с более слабыми командами вплоть до финала. Чтобы избежать субъективизма,
проводят жеребьевку. Для турнира из 8 команд вероятность того,
что в финале встретятся две самые сильные команды, равна 4/7. Соответственно, с вероятностью 3/7 вторая по силе команда покинет
турнир досрочно.
При любом измерении качества продукции (разработанного ПО)
имеются погрешности. Чтобы выяснить, есть ли систематические
погрешности, необходимо сделать многократное тестирование ПО,
характеристики которого известны (например, стандартного образца). При этом следует помнить, что кроме систематической погрешности присутствует и случайная погрешность.
Поэтому встает вопрос, как по результатам тестов узнать, есть ли
систематическая погрешность. Если отмечать только, является ли
полученная при очередном тесте ошибка ПО положительной или отрицательной, то эту задачу можно свести к предыдущей. Действительно, сопоставим тест с бросанием монеты, положительную погрешность – с выпадением герба, отрицательную – решетки (нулевая
погрешность при достаточном числе делений шкалы практически
никогда не встречается). Тогда проверка отсутствия систематической погрешности эквивалентна проверке симметричности монеты.
Целью этих рассуждений является сведение задачи проверки отсутствия систематической погрешности к задаче проверки симметричности монеты. Проведенные рассуждения приводят к так называемому «критерию знаков» в математической статистике.
При статистическом регулировании ТП на основе методов математической статистики разрабатываются правила и планы статистического контроля процессов, направленные на своевременное
обнаружение появления ошибок ПО и принятия мер к их устранению и предотвращению выпуска ИС, не соответствующей установленным требованиям. При статистическом приемочном контроле на
основе методов математической статистики разрабатываются планы контроля качества путем анализа выборок из партий продукции. Сложность заключается в том, чтобы уметь правильно строить
вероятностно-статистические модели принятия решений, на основе
которых можно ответить на поставленные выше вопросы. В математической статистике для этого разработаны вероятностные модели
и методы проверки гипотез.
В ряде управленческих ситуаций возникают задачи другого
типа – задачи оценки характеристик и параметров распределений
109
вероятностей. Согласно теории вероятностей, в качестве среднего
значения случайной величины целесообразно использовать ее математическое ожидание, а в качестве статистической характеристики разброса – дисперсию, среднее квадратическое отклонение или
коэффициент вариации. Отсюда возникает вопрос: как оценить эти
статистические характеристики по выборочным данным и с какой
точностью это удается сделать? Аналогичных примеров можно привести очень много. Здесь важно было показать, как теория вероятностей и математическая статистика могут быть использованы в
производственном менеджменте при принятии решений в области
статистического управления качеством ПО ИС.
Под математической статистикой понимают «раздел математики, посвященный математическим методам сбора, систематизации,
обработки и интерпретации статистических данных, а также использование их для научных или практических выводов. Правила
и процедуры математической статистики опираются на теорию вероятностей, позволяющую оценить точность и надежность выводов,
получаемых в каждой задаче на основании имеющегося статистического материала» [9]. При этом статистическими данными называются сведения о числе объектов в какой-либо более или менее обширной совокупности, обладающих теми или иными признаками.
По типу решаемых задач математическая статистика обычно
делится на три раздела: описание данных, оценивание и проверка
гипотез.
По виду обрабатываемых статистических данных математическая статистика делится на четыре направления:
– одномерная статистика (статистика случайных величин), в которой результат наблюдения описывается действительным числом;
– многомерный статистический анализ, где результат наблюдения над объектом описывается несколькими числами (вектором);
– статистика случайных процессов и временных рядов, где результат наблюдения – функция;
– статистика объектов нечисловой природы, в которой результат
наблюдения имеет нечисловую природу, например, является множеством (геометрической фигурой), упорядочением или получен в
результате измерения по качественному признаку.
Исторически первыми появились некоторые области статистики объектов нечисловой природы (в частности, задачи оценивания
доли брака и проверки гипотез о ней) и одномерная статистика. Математический аппарат для них проще, поэтому на их примере обычно демонстрируют основные идеи математической статистики.
110
Лишь те методы обработки данных, то есть математической статистики, являются доказательными, которые опираются на вероятностные модели соответствующих реальных явлений и процессов. Речь идет о моделях поведения потребителей, возникновения
рисков, функционирования технологического оборудования, получения результатов эксперимента, течения заболевания и т. п. Вероятностную модель реального явления следует считать построенной,
если рассматриваемые величины и связи между ними выражены в
терминах теории вероятностей. Соответствие вероятностной модели реальности, то есть ее адекватность, обосновывают, в частности,
с помощью статистических методов проверки гипотез.
Невероятностные методы обработки данных являются поисковыми, их можно использовать лишь при предварительном анализе
данных, так как они не дают возможности оценить точность и надежность выводов, полученных на основании ограниченного статистического материала.
Вероятностные и статистические методы применимы всюду, где
удается построить и обосновать вероятностную модель явления или
процесса. Их применение обязательно, когда сделанные на основе
выборочных данных выводы переносятся на всю совокупность (например, с выборки на всю партию продукции).
В конкретных областях применений используются как вероятностно-статистические методы широкого применения, так и специфические. Например, в разделе производственного менеджмента, посвященного статистическим методам управления качеством
продукции, используют прикладную математическую статистику (включая планирование экспериментов). С помощью ее методов
проводится статистический анализ точности и стабильности технологических процессов и статистическая оценка качества. К специфическим методам относятся методы статистического приемочного
контроля качества продукции, статистического регулирования технологических процессов, оценки и контроля надежности и др.
Широко применяются такие прикладные вероятностно-статистические дисциплины, как теория надежности и теория массового
обслуживания. Содержание первой из них ясно из названия, вторая занимается изучением систем, на которые в случайные моменты времени поступают потоки требований. Длительность обслуживания этих требований также моделируется случайными величинами [9, 17].
Математическая статистика имеет достаточно богатую историю и активно развивается и в настоящее время. Так, за последние
111
40 лет можно выделить пять принципиально новых направлений
исследований [9, 17]:
– разработка и внедрение математических методов планирования экспериментов;
– развитие статистики объектов нечисловой природы как самостоятельного направления в прикладной математической статистике;
– развитие статистических методов, устойчивых по отношению
к малым отклонениям от используемой вероятностной модели;
– широкое развертывание работ по созданию компьютерных
ППП, предназначенных для проведения статистического анализа
данных;
– статистическое моделирование на ЭВМ как метод реализации
имитационных моделей процессов функционирования стохастических систем.
Идея оптимизации пронизывает современную прикладную математическую статистику и иные статистические методы. А именно:
методы планирования экспериментов, статистического приемочного контроля, статистического регулирования технологических процессов и др. С другой стороны, оптимизационные постановки в теории принятия решений, например, прикладная теория оптимизации качества продукции и требований стандартов, предусматривают широкое использование вероятностно-статистических методов,
прежде всего прикладной математической статистики.
В производственном менеджменте, в частности при оптимизации
качества продукции и требований стандартов, особенно важно применять статистические методы на начальном этапе ЖЦ продукции,
то есть на этапе научно-исследовательской подготовки опытно-конструкторских разработок (разработка перспективных требований к
продукции, аванпроекта, технического задания на опытную разработку). Это объясняется ограниченностью информации, доступной
на начальном этапе ЖЦ продукции, и необходимостью прогнозирования технических возможностей и экономической ситуации на будущее. Статистические методы должны применяться на всех этапах
решения задачи оптимизации – при шкалировании переменных, разработке математических моделей функционирования изделий и систем, проведении технических и экономических экспериментов и т. д.
В задачах оптимизации, в том числе оптимизации качества продукции и требований стандартов, используют все области статистики. А именно: статистику случайных величин, многомерный статистический анализ, статистику случайных процессов и временных
рядов, статистику объектов нечисловой природы.
112
Рассмотрим результаты теории вероятностей и математической
статистики, которые используются при принятии решений. Базой
является вероятностная модель реального явления или процесса,
то есть математическая модель, в которой объективные соотношения выражены в терминах теории вероятностей. Вероятности используются прежде всего для описания неопределенностей, которые необходимо учитывать при принятии решений. Имеются в виду
как нежелательные возможности (риски), так и привлекательные
(«счастливый случай»). Иногда случайность вносится в ситуацию
сознательно, например при жеребьевке, случайном отборе единиц
для контроля, проведении лотерей или опросов потребителей.
Теория вероятностей позволяет по одним вероятностям рассчитать другие, интересующие исследователя. Например, по вероятности выпадения герба можно рассчитать вероятность того, что при 10
бросаниях монет выпадет не менее 3 гербов. Подобный расчет опирается на вероятностную модель, согласно которой бросания монет
описываются схемой независимых испытаний, кроме того, выпадения герба и решетки равновозможны, а потому вероятность каждого из этих событий равна р. Более сложной является модель, в которой вместо бросания монеты рассматривается проверка качества
единицы продукции. Соответствующая вероятностная модель опирается на предположение о том, что контроль качества различных
единиц продукции описывается схемой независимых испытаний.
В отличие от модели с бросанием монет необходимо ввести новый
параметр – вероятность р того, что единица продукции является дефектной. Модель будет полностью описана, если принять, что все
единицы продукции имеют одинаковую вероятность оказаться дефектными. Если последнее предположение неверно, то число параметров модели возрастает. Например, можно принять, что каждая
единица продукции имеет свою вероятность оказаться дефектной.
Обсудим модель контроля качества с общей для всех единиц продукции вероятностью дефектности р. Чтобы при анализе модели
«дойти до числа», необходимо заменить р на некоторое конкретное
значение. Для этого необходимо выйти из рамок вероятностной модели и обратиться к данным, полученным при контроле качества.
Математическая статистика решает обратную задачу по отношению
к теории вероятностей. Ее цель – на основе результатов наблюдений
(измерений, анализов, испытаний, опытов) получить выводы о вероятностях, лежащих в основе вероятностной модели. Например, на
основе частоты появления дефектных изделий при контроле можно
сделать выводы о вероятности дефектности (см. теорему Бернулли).
113
На основе неравенства Чебышева делались выводы о соответствии
частоты появления дефектных изделий гипотезе о том, что вероятность дефектности принимает определенное значение [9, 17].
Таким образом, применение математической статистики опирается на вероятностную модель явления или процесса. Используются два параллельных ряда понятий – относящиеся к теории (вероятностной модели) и относящиеся к практике (выборке результатов
наблюдений). Например, теоретической вероятности соответствует
частота, найденная по выборке. Математическому ожиданию (теоретический ряд) соответствует выборочное среднее арифметическое
(практический ряд). Как правило, выборочные характеристики являются оценками теоретических. При этом величины, относящиеся к теоретическому ряду, «находятся в головах исследователей»,
относятся к миру идей (по древнегреческому философу Платону),
недоступны для непосредственного измерения. Исследователи располагают лишь выборочными данными, с помощью которых они
стараются установить интересующие их свойства теоретической вероятностной модели.
Только с помощью вероятностной модели можно перенести свойства, установленные по результатам анализа конкретной выборки,
на другие выборки, а также на всю так называемую генеральную
совокупность. Термин «генеральная совокупность» используется,
когда речь идет о большой, но конечной совокупности изучаемых
единиц. Например, о совокупности всех жителей России или совокупности всех потребителей растворимого кофе в Москве. Цель
маркетинговых или социологических опросов состоит в том, чтобы
утверждения, полученные по выборке из сотен или тысяч человек,
перенести на генеральные совокупности в несколько миллионов человек. При контроле качества в роли генеральной совокупности выступает партия продукции.
Чтобы перенести выводы с выборки на более обширную совокупность, необходимы те или иные предположения о связи выборочных характеристик с характеристиками этой более обширной
совокупности. Эти предположения основаны на соответствующей
вероятностной модели.
Конечно, можно обрабатывать выборочные данные, не используя
ту или иную вероятностную модель. Например, можно рассчитывать выборочное среднее арифметическое, подсчитывать частоту
выполнения тех или иных условий и т. п. Однако результаты расчетов будут относиться только к конкретной выборке, перенос полученных с их помощью выводов на какую-либо иную совокупность
114
некорректен. Иногда подобную деятельность называют «анализ
данных». По сравнению с вероятностно-статистическими методами
анализ данных имеет ограниченную познавательную ценность.
Итак, использование вероятностных моделей на основе оценивания и проверки гипотез с помощью выборочных характеристик –
вот суть вероятностно-статистических методов принятия решений.
Подчеркнем, что логика использования выборочных характеристик для принятия решений на основе теоретических моделей предполагает одновременное использование двух параллельных рядов
понятий, один из которых соответствует вероятностным моделям, а
второй – выборочным данным. К сожалению, в ряде литературных
источников не делается различия между выборочными и теоретическими характеристиками, что приводит читателей к ошибкам при
практическом использовании статистических методов.
3.6. Общая характеристика метода
статистического моделирования на ЭВМ
При УП ИС для построения и реализации машинных моделей
(аналитических и имитационных) широко используется метод статистических испытаний (метод Монте-Карло), который базируется
на использовании случайных чисел, то есть возможных значений
некоторой случайной величины с заданным распределением вероятностей. Статистическое моделирование представляет собой метод
получения с помощью ЭВМ статистических данных о процессах,
происходящих в моделируемой ИС. Для получения представляющих интерес оценок характеристик моделируемой системы S с учетом воздействий внешней среды Е статистические данные обрабатываются и классифицируются с использованием методов математической статистики [17, 21].
Сущность метода статистического моделирования. Таким образом, сущность метода статистического моделирования сводится к
построению для процесса функционирования исследуемой системы
S некоторого моделирующего алгоритма, имитирующего поведение
и взаимодействие элементов системы с учетом случайных входных
воздействий и воздействий внешней среды Е и реализаций этого алгоритма с использованием программно-технических средств ЭВМ.
Различают две области применения метода статистического моделирования:
1) для изучения стохастических систем;
115
2) для решения детерминированных задач.
Основной идеей, которая используется для решения детерминированных задач методом статистического моделирования, является
замена детерминированной задачи эквивалентной схемой некоторой
стохастической системы, выходные характеристики последней совпадают с результатом решения детерминированной задачи. Естественно, что при такой замене вместо точного решения задачи получается приближенное решение и погрешность уменьшается с увеличением числа испытаний (реализаций моделирующего алгоритма) N.
В результате статистического моделирования системы УП S с
учетом риска получается серия частных значений искомых величин или функций, статистическая обработка которых позволяет
получить сведения о поведении реального объекта или процесса в
произвольные моменты времени. Если количество реализаций N
достаточно велико, то полученные результаты моделирования УП
приобретают статистическую устойчивость и с достаточной точностью могут быть приняты в качестве оценок искомых характеристик процесса функционирования системы S.
Теоретической основой метода статистического моделирования
систем на ЭВМ являются предельные теоремы теории вероятностей.
Множества случайных явлений (событий, величин) подчиняются
определенным закономерностям, позволяющим не только прогнозировать их поведение, но и количественно оценить некоторые средние
их характеристики, проявляющие определенную устойчивость. Характерные закономерности наблюдаются также в распределениях
случайных величин, которые образуются при сложении множества
воздействий. Выражением этих закономерностей и устойчивости
средних показателей являются так называемые предельные теоремы
теории вероятностей, часть из которых приводится ниже в пригодной для практического использования при статистическом моделировании формулировке. Принципиальное значение предельных теорем состоит в том, что они гарантируют высокое качество статистических оценок при весьма большом числе испытаний (реализаций) N.
Практически приемлемые при статистическом моделировании количественные оценки характеристик систем могут быть получены уже
при сравнительно небольших (при использовании ЭВМ) N.
Неравенство Чебышева. Для неотрицательной функции g(ξ) случайной величины ξ и любого К>0 выполняется неравенство
P {g(ξ) ≥ K} ≤ M [ g(ξ) ] / K.
116
2
2 2
В частности,
 если g(ξ) = (ξ – õ ) и К = k σ (где õ – среднее арифметическое; σ – среднее квадратическое отклонение), то
{
}
P ξ – õ ≥ kσ ≤ 1/ k2.
Теорема Бернулли. Если проводится N независимых испытаний, в каждом из которых некоторое событие А осуществляется с
вероятностью р, то относительная частота появления события m/N
при N→∞ сходится по вероятности к р, то есть при любом ε>0
lim Ð { m / N − p ≥ ε} = 0,
N →∞
где m – число положительных исходов испытания.
Теорема Пуассона. Если проводится N независимых испытаний
и вероятность осуществления события А в i-м испытании равна рi, то
относительная частота появления события m/N при N→ ∞ сходится
по вероятности к средней из вероятностей рi, то есть при любом ε>0


1 N
lim P  m / N − ∑ ð i ≥ ε  = 0.
N i =1
N →∞ 


Теорема Чебышева. Если в N независимых испытаниях наблюдаются значения х1, …, хN случайной величины ξ, то при N→∞
среднее арифметическое значение случайной величины сходится
по вероятности к ее математическому ожиданию а, то есть при любом ε>0
 1 N

lim P  ∑ õ i − à ≥ ε  = 0.
N →∞  N i =1


Обобщенная теорема Чебышева. Если ξ1, …, ξN – независимые
случайные величины с математическими ожиданиями а1, …, аN
и дисперсиями σ12, …, σ2N, ограниченными сверху одним и тем же
числом, при N→∞ среднее арифметическое значений случайной величины сходится по вероятности к среднему арифметическому их
математических ожиданий:
 1 N

1 N
lim P  ∑ õ i − ∑ a i ≥ ε  = 0.
Ni 1
N →∞=
 N i 1=

(3.1)
117
Теорема Маркова. Выражение (3.1) справедливо и для зависимых случайных величин ξ1, …, ξN, если только
lim P
N →∞
N 
D  ∑ õ i  = 0.
N 2  i =1 
1
Совокупность теорем, устанавливающих устойчивость средних
показателей, принято называть законом больших чисел.
Центральная предельная теорема. Если ξ1, …, ξN – независимые
одинаково распределенные случайные величины, имеющие математическое ожидание а и дисперсию σ2 , то при N→∞ закон распределения суммы
N
∑ õ i неограниченно приближается к нормальному:
i =1
β


N

2
1
lim P a <  ∑ õ i − Na  / N σ < β  =
e −t /2dt= ô 0(β) − ô 0(α).
∫


N →∞ 
2p α

 i =1


Здесь интеграл вероятностей
1
ô 0(y) =
2p
y
2
∫ e −t /2dt.
−∞
Теорема Лапласа. Если в каждом из N независимых испытаний
событие А появляется с вероятностью р, то
{
}
lim P a < (m − Np) / Np(1 − P) < β= ô 0(β) − ô 0(α),
N →∞
где m – число появлений события А в N испытаниях. Теорема Лапласа является частным случаем центрально предельной теоремы.
Примеры статистического моделирования. Статистическое моделирование систем на ЭВМ требует формирования значений случайных величин, что реализуется с помощью генераторов (датчиков) случайных чисел. Не останавливаясь пока на способах их
реализации для целей моделирования на ЭВМ, поясним сущность
метода статистического моделирования следующими примерами.
Пример 3.1. Необходимо методом статистического моделирования
найти оценки выходных характеристик некоторой стохастической
системы SR, функционирование которой описывается следующими соотношениями: х = 1 – е–λ – входное воздействие, u = 1 – е–j –
воздействие внешней среды, где λ и j – случайные величины, для
118
которых известны их функции распределения. Целью моделирования является оценка математического ожидания М[y] величины
у, зависимость которой от входного воздействия х и воздействия
y
внешней среды υ имеет вид=
x 2 + υ2 .
В качестве оценки математического ожидания М[y], как следует из приведенных теорем теории вероятностей, может выступать
среднее арифметическое, вычисленное по формуле
y=
1 N
∑y ,
N i =1 i
где y i – случайное значение величины у; N – число реализаций, необходимое для статистической устойчивости результатов.
Таким образом, данная модель позволяет получить методом
статистического моделирования на ЭВМ статистическую оценку
математического ожидания выходной характеристики М[y] рассмотренной стохастической системы SR. Точность и достоверность
результатом взаимодействия в основном будут определяться числом
реализаций N.
Пример 3.2. Необходимо методом статистического моделирования найти оценку площади фигуры, ограниченной осями координат, ординатой α = 1 и кривой у = f(α); при этом для определенности
предполагается, что 0≤f(α)≤1 для всех α, 0≤α≤1.
Таким образом, данная задача является чисто детерминированной, и ее аналитическое решение сводится к вычислению определенного интеграла, то есть искомая площадь фигуры
S ô=
α1
∫ f (α)dα.
0
Для решения этой детерминированной задачи методом статистического моделирования необходимо предварительно построить
адекватную по выходным характеристикам стохастическую систему SD, оценки характеристик которой будут совпадать с искомыми
в данной детерминированной задаче.
Система SD функционирует следующим образом: получается
пара независимых случайных чисел интервала (0, 1), определяется
координата точки (хi, xi+1), вычисляется ордината уi = f(xi) и проводится сравнение величин уi и хi+1; причем если точка (хi, xi+1) попала в площадь фигуры (в том числе и на кривую f(х)), то исход испытания считается положительным hi = 1 и в итоге можно получить
119
статистическую оценку площади фигуры Sф по заданному числу
реализаций N.
Таким образом, подход при использовании статистического моделирования независимо от природы объекта исследования (будет
ли он детерминированным или стохастическим) является общим,
причем при статистическом моделировании детерминированных
систем (система SD в примере 3.2) необходимо предварительно построить стохастическую систему, выходные характеристики которой позволяют оценить искомые.
Отметим, что во всех рассмотренных примерах не требуется запоминания всего множества генерируемых случайных чисел, используемых при статистическом моделировании системы S. Запоминается только накопленная сумма исходов и общее число реализаций.
Это немаловажное обстоятельство вообще является характерным
при реализации имитационных моделей методом статистического
моделирования на ЭВМ.
3.7. Моделирование случайных воздействий
при оценке рисков
При моделировании процесса УП ИС S методом имитационного
моделирования, в частности методом статистического моделирования на ЭВМ, существенное внимание уделяется учету случайных
факторов и воздействий на ИС. Рассмотрим особенности статистического моделирования в управлении рисками.
Для их формализации используются случайные события, дискретные и непрерывные величины, векторы, процессы. Формирование на ЭВМ реализаций случайных объектов любой природы из
перечисленных сводится к генерации и преобразованию последовательностей случайных чисел. Вопросы генерации базовых последовательностей псевдослучайных чисел {xi}, имеющих равномерное
распределение в интервале (0, 1), были рассмотрены в §3.3, поэтому
остановимся на вопросах преобразования последовательностей случайных чисел {хi} в последовательность {yi} для имитации воздействий на моделируемую систему S.
Эти задачи очень важны в практике имитационного моделирования систем на ЭВМ, так как существенное количество операций, а
значит и временных ресурсов ЭВМ, расходуется на действия со случайными числами. Таким образом, наличие эффективных методов,
алгоритмов и программ формирования, необходимых для модели120
рования конкретных систем последовательностей случайных чисел
{уi}, во многом определяет возможности практического использования машинной имитации для исследования и проектирования
ИС [17, 21].
Моделирование случайных событий. Простейшими случайными объектами при статистическом моделировании систем являются
случайные события. Рассмотрим особенности их моделирования.
Пусть имеются случайные числа xi, то есть возможные значения
случайной величины ξ, равномерно распределенной в интервале
(0, 1). Необходимо реализовать случайное событие А, наступающее
с заданной вероятностью р. Определим A как событие, состоящее в
том, что выбранное значение xi случайной величины ξ удовлетворяет неравенству
xi ≤ p.
Тогда вероятность события А будет Ð(=
À)
(3.2)
p
dx
∫=
p. Противопо-
0
ложное событие A состоит в том, что xt > p. Тогда Р( A ) = 1 – р.
Процедура моделирования в этом случае состоит в выборе значений xi и сравнении их с р. При этом, если условие (3.2) выполняется,
исходом испытания является событие А.
Таким же образом можно рассмотреть группу событий. Пусть A1,
А2, ..., Аs – полная группа событий, наступающих с вероятностями
р1, р2, ..., ps соответственно. Определим Аm как событие, состоящее
в том, что выбранное значение хi случайной величины ξ удовлетворяет неравенству
r
lm −1 < x i ≤ lm,
(3.3)
где lr = ∑ pi . Тогда
i =1
( Am )
Ð=
lm
=
∫ dx pm .
l m −1
Процедура моделирования испытаний в этом случае состоит в
последовательном сравнении случайных чисел хi со значениями lr.
Исходом испытания оказывается событие Ат, если выполняется условие (3.3). Эту процедуру называют определением исхода испытания по жребию в соответствии с вероятностями р1, р2, ..., ps.
Эти процедуры моделирования были рассмотрены в предположении, что для испытаний применяются случайные числа хi, имеющие
121
равномерное распределение в интервале (0, 1). При моделировании
на ЭВМ используются псевдослучайные числа с квазиравномерным
распределением, что приводит к некоторой ошибке. Оценим ее.
Пример 3.3. Пусть имеются n-разрядные случайные числа с возможными значениями=
=
i 0,2n − 1. Подставив в (3.6)
x ki i / (2n − 1),
вместо хi число x ki, определим А* как событие, состоящее в том, что
x*i ≤ p.
Вероятность наступления события А* может быть определена
как Р(А*) = m/2n, где m – количество случайных чисел, меньших
или равных р. Отсюда следует, что использование x*i вместо xi приводит к ошибке в определении вероятности события=
∆ð m / 2n − p.
Очевидно, что максимальное значение ошибки не превосходит величины 1/(2n – 1). Таким образом, для уменьшения влияния ошибок
можно воспользоваться увеличением разрядности случайных чисел.
При моделировании систем часто необходимо осуществить такие
испытания, при которых искомый результат является сложным событием, зависящим от двух (и более) простых событий. Пусть, например, независимые события А и В имеют вероятности наступления рA и рB. Возможными исходами совместных испытаний в этом
случае будут события АВ, AÂ, ÀB, A B с вероятностями рA рB,
(1 – рA) рB, рA(1 – рB), (1 – рA)(1 – рB).
Для моделирования совместных испытаний можно использовать
два варианта процедуры:
1) последовательную проверку условия (3.2);
2) определение одного из исходов АВ, AÂ, ÀB, A B по жребию
с соответствующими вероятностями, то есть аналогия (3.3).
Первый вариант требует двух чисел хi и сравнений для проверки
условия (3.2). При втором варианте можно обойтись одним числом
xi, но сравнений может потребоваться больше. С точки зрения удобства построения моделирующего алгоритма и экономии количества
операций и памяти ЭВМ более предпочтителен первый вариант.
Рассмотрим теперь случай, когда события А и В являются зависимыми и наступают с вероятностями рA и рB. Обозначим через
Р(В/А) условную вероятность наступления события В при условии,
что событие А произошло. При этом считаем, что условная вероятность Р(В/А) задана.
Рассмотрим один из вариантов построения модели. Из последовательности случайных чисел {хi} извлекается очередное число хi и
проверяется справедливость неравенства хm<рA. Если это неравенство справедливо, то наступило событие А. Для испытания, связан122
ного с событием В, используется вероятность Р(В/А). Из совокупности чисел {хi} берется очередное число xm+1 и проверяется условие
xm+1 ≤ P(B/A). В зависимости от того, выполняется или нет это неравенство, исходом испытания являются АВ или AB.
Если неравенство хm < рА не выполняется, то наступило событие
A. Поэтому для испытания, связанного с событием В, необходимо
определить вероятность
Ð(B / À) = [P(B) − P( A) P(B / A)] / (1 − P( A)).
Выберем из совокупности {хi} число xm+1 и проверим справедливость неравенства xm +1 ≤ Ð(Â / A). В зависимости от того, выполняется оно или нет, получим исходы испытания AÂ или AB.
Рассмотрим особенности моделирования на ЭВМ марковских
цепей, служащих, например, для формализации процессов в
Р-схемах.
Простая однородная марковская цепь определяется матрицей
переходов
p11 p12 ... ð1k
p 21 p22 ... p2k
Ð=
, 0 ≤ ð ji ≤ 1,
. . . . . . . .
p k1 p k2 ... p kk
где pij – вероятность перехода из состояния zi в состояние zj.
Матрица переходов Р полностью описывает марковский процесс.
Такая матрица является стохастической, то есть сумма элементов
каждой строки равна единице:
k
∑ p=
ij
1=
; i 1, k.
j =1
Обозначим через pi(n), i = 1, k вероятности того, что система будет
находиться в состоянии z после п переходов. По определению:
k
∑ pi (n) = 1.
j =1
Используя событийный подход, можно подойти к моделированию марковской цепи следующим образом. Пусть возможными исходами испытаний являются события А1, А2, …, Аk. Вероятность
123
pij – это условная вероятность наступления события Aj в данном испытании при условии, что исходом предыдущего испытания было
событие Ai. Моделирование такой цепи Маркова состоит в последовательном выборе событий Aj по жребию с вероятностями pij.
Сначала выбирается начальное состояние z0, задаваемое начальными вероятностями p1(0), p2(0), …, pk(0). Для этого из последовательности чисел {xi} выбирается число хm и сравнивается с lr из
(3.3), где в качестве pi используются значения p1(0), р2(0), …, pk(0).
Таким образом, выбирается номер т0, для которого оказывается
справедливым неравенство (3.3). Тогда начальным событием данной реализации цепи будет событие Аm0. Затем выбирается следующее случайное число хm+1, которое сравнивается с lr, где в качестве
pi используются pm0j.
Определяется номер m1, и следующим событием данной реализации цепи будет событие Am1 и т. д. Очевидно, что каждый номер mi
определяет не только очередное событие Ami формируемой реализации, но и распределение вероятностей pmi1, pmi2, … pmik для выбора
очередного номера тi+1, причем для эргодических марковских цепей влияние начальных вероятностей быстро уменьшается с ростом
номера испытаний. Эргодическим называется всякий марковский
процесс, для которого предельное распределение вероятностей рi(n),
i = 1, k не зависит от начальных условий pi(0). Поэтому при моделировании можно принимать, что
p1 (0=
) p2 (0=
) ...
= pk (0=
) 1 / k.
Аналогично можно построить и более сложные алгоритмы, например, для моделирования неоднородных марковских цепей [17, 21].
Рассмотренные способы моделирования реализаций случайных
объектов дают общее представление о наиболее типичных процедурах формирования реализаций в моделях процессов функционирования стохастических систем, но не исчерпывают всех приемов,
используемых в практике статистического моделирования на ЭВМ.
Для формирования возможных значений случайных величин
с заданным законом распределения исходным материалом служат
базовые последовательности случайных чисел {xi}, имеющие равномерное распределение в интервале (0, 1). Другими словами, случайные числа xi как возможные значения случайной величины ξ,
имеющей равномерное распределение в интервале (0, 1), могут быть
преобразованы в возможные значения уj случайной величины ξ, закон распределения которой задан [17, 21].
124
Моделирование дискретных случайных величин. Рассмотрим
особенности преобразования для случая получения дискретных
случайных величин. Дискретная случайная величина ξ принимает
значения yt ≤ у2 ≤... yj ≤... с вероятностями p1, р2, ..., pj…, составляющими дифференциальное распределение вероятностей
y
y1
y2
…
yj
…,
Ð(η = y)
p1
p2
…
pj
….
При этом интегральная функция распределения
) P(η ≤ y=
)
F n(y=
m
∑ p j, ym ≤ y ≤ ym+1; m=
1, 2, ...;
j =1
(y) 0; y < y1.
F n=
(3.4)
Для получения дискретных случайных величин можно использовать метод обратной функции [17, 21]. Если ξ – равномерно распределенная на интервале (0, 1) случайная величина, то искомая
случайная величина η получается с помощью преобразования
=
η F η−1(ξ),
(3.5)
где F η−1 – функция, обратная F η.
Алгоритм вычисления по (3.4) и (3.5) сводится к выполнению
следующих действий:
если х1<p, то η = y1, иначе
...............
если х2<p1+ p2, то η = y2, иначе
...............
(3.6)
m
если x j < ∑ p j, то η = ym, иначе
j =1
...............
При вычислениях по (3.6) среднее число циклов сравнений
∞
µ = ∑ jp j.
j =1
Пример 3.4. Необходимо методом обратной функции на основании базовой последовательности случайных чисел {xi}, равномерно
распределенных в интервале (0, 1), получить последовательность
125
чисел {yi}, имеющих биноминальное распределение, задающее вероятность y удачных исходов в N реализациях некоторого эксперимента:
P(η= y=
) p N (y=
) C N p y(1 − p) N − y,
y
=
где р = 0,5 и N =
6; C N N !/ y !(N − y)!
Математическое ожидание и дисперсия биноминального распределения соответственно будут M[y] = np, D[y] = np(1 – p).
Используя для рj обозначения, принятые в (3.10), вычислим:
j.....
yj.....
pj.....
m
1
2
3
4
5
6
7
0
1
2
3
4
5
6
0,01562 0,09375 0,23438 0,31250 0,23438 0,09375 0,01562
∑ p j..... 0,01562
0,10937 0,34375 0,65625 0,89063 0,98438 1,00000
j =1
Например, получив из равномерного распределения число
xi = 0,85393 и проведя сравнения по алгоритму (3.10), найдем, что
xi = 0,85393 0,89063, то есть yi = 4.
При этом среднее число циклов сравнения µ = 1⋅0,01562+2× 
×0,09375+3⋅0,23438+4⋅0,31250+5⋅0,23438+6(0,09375+0,01562) ≈3,98.
Пример 3.5. Необходимо проверить стохастичность последовательности из N случайных чисел {yi}, полученных при имитации
биноминального распределения при заданных параметрах n и p.
Простейшим способом проверки является оценка выполненных условий:
1 N
1 N
yj ≈ np ∑ y2 ≈ np(1 + np − p).
∑
N j =1
N j =1 j j
Проверим на соответствие биноминальному распределению с параметрами n = 5 и p = 0,1 такой последовательности случайных
чисел: {yi} = 0, 0, 1, 0, 1, 0, 2, 0, 1, 0; N = 10.
Вычислим np = 0,5, np(1+ np – p) = 0,7;
1 N
5
1 N 2
7
0
,
5
,
y
=
=
y= = 0,7.
∑
∑
j
j
10
N j =1
N j =1 j 10
Как видно из оценок, данная последовательность чисел {yi} хорошо в условиях данного примера представляет биноминальное распределение с заданными параметрами.
126
Можно привести и другие примеры алгоритмов и программ получения дискретных случайных величин с заданным законом распределения, которые находят применение в практике моделирования систем на ЭВМ.
Моделирование непрерывных случайных величин. Рассмотрим
особенности генерации на ЭВМ непрерывных случайных величин.
Непрерывная случайная величина ξ задана интегральной функцией распределения
y
Fη (y=
) P(η ≤ y=
)
∫ fn (y)dy,
−∞
где fn (y) – плотность вероятностей.
Для получения непрерывных случайных величин с заданным
законом распределения, как и для получения дискретных величин, можно воспользоваться методом обратной функции. Действительно, если случайная величина η имеет плотность распределения
fn (y), то распределение случайной величины
η
ξ =∫ fn (y)dy
0
является равномерным в интервале (0,1) [17, 21]. На основании этого можно сделать следующий вывод. Чтобы получить число, принадлежащее последовательности случайных чисел {уj}, имеющих
функцию плотности fn (y), необходимо разрешить относительно yj
уравнение
yi
∫ fn (y)dy = xi .
(3.7)
−∞
Рассмотрим некоторые примеры получения методом обратной
функции непрерывных случайных величин с заданным законом
распределения на основе случайных чисел, имеющих равномерное
распределение в интервале (0, 1).
Пример 3.6. Необходимо получить случайные числа с показательным законом распределения
=
fn (y) λe −λy, y > 0.
В силу соотношения (3.7) получим
127
yj
λ ∫ e −λy dy =
xi ,
0
где xi – случайное число, имеющее равномерное распределение в интервале (0, 1). Тогда
1
− ln(1 − xi ).
1 − e−λyj =
x i, yi =
λ
Учитывая, что случайная величина ξ1 = 1 – ξ имеет также рав-
1
номерное распределение в интервале (0, 1), можно записать yi = − ln xi .
λ
1
yi = − ln xi .
λ
Пример 3.7. Необходимо получить случайные числа yj c законом
распределения
λ(1 − λ y / 2),0 ≤ y ≤ 2 / λ.
f n(y) =
Воспользовавшись (3.7), получим λ(yi − 2y2j / 4) =
xi . Отсюда
yj = 2(1 − 1 − xi )λ, или yj =
2(1 − xi ) / λ.
Можно привести и другие примеры использования соотношения
(3.7). Но этот способ получения случайных чисел с заданным законом распределения имеет ограниченную сферу применения в практике моделирования систем на ЭВМ, что объясняется следующими
обстоятельствами:
1) для многих законов распределения, встречающихся в практических задачах моделирования, интеграл (3.7) не берется, то есть
приходится прибегать к численным методам решения, что увеличивает затраты машинного времени на получение каждого случайного числа;
2) даже для случаев, когда интеграл (3.7) берется в конечном виде,
получаются формулы, содержащие действия логарифмирования,
извлечения корня и т. д., которые выполняются с помощью стандартных подпрограмм ЭВМ, содержащих много исходных операций
(сложения, умножения и т. п.), что также резко увеличивает затраты
машинного времени на получение каждого случайного числа.
Поэтому в практике моделирования систем часто пользуются
приближенными способами преобразования случайных чисел, которые можно классифицировать следующим образом:
а) универсальные способы, с помощью которых можно получать
случайные числа с законом распределения любого вида;
128
б) неуниверсальные способы, пригодные для получения случайных чисел с конкретным законом распределения [17, 21].
Рассмотрим приближенный универсальный способ получения
случайных чисел, основанный на кусочной аппроксимации функции плотности. Пусть требуется получить последовательность случайных чисел {уj} с функцией плотности fn (y), возможные значения которой лежат в интервале (а, b). Представим fn (y) в виде кусочно-постоянной функции, то есть разобьем интервал (а, b) на m
интервалов и будем считать fn (y) на каждом интервале постоянной.
Тогда случайную величину η можно представить в виде η = ak+
+ηk*, где ak – абсцисса левой границы k-гo интервала; ηk* – случайная величина, возможные значения которой располагаются равномерно внутри k-гo интервала, то есть на каждом участке
ak ÷ ak+i величина ηk* считается распределенной равномерно. Чтобы
аппроксимировать fn (y) наиболее удобным для практических целей способом, целесообразно разбить (а, b) на интервалы так, чтобы
вероятность попадания случайной величины η в любой интервал
(ak ÷ ak+1) была постоянной, то есть не зависела от номера интервала
k. Таким образом, для вычисления ak воспользуемся следующим соотношением:
ak +1
∫
fn (y)dy = 1 / m.
(3.8)
ak
1. Генерируется случайное равномерно распределенное число xi
из интервала (0, 1);
2. С помощью этого числа случайным образом выбирается интервал (ak ÷ ak+1);
3. Генерируется число xi+1 и масштабируется с целью приведения его к интервалу (ak ÷ ak+1), то есть умножается на коэффициент
(ak+1 – ak)хi+1;
4. Вычисляется случайное число yj = ak + (ak+1 – ak)хi+1 с требуемым законом распределения.
Рассмотрим более подробно процесс выборки интервала (ak ÷
ak+1) с помощью случайного числа хi. Целесообразно для этой цели
построить таблицу (сформировать массив), в которую предварительно поместить номера интервалов k и значения коэффициента масштабирования, определенные из соотношения (3.8) для приведения
числа к интервалу (а, b). Получив из генератора случайное число xi,
с помощью этой таблицы сразу определяем абсциссу левой границы
ak и коэффициент масштабирования (ak+1 – ak).
129
Достоинства этого приближенного способа преобразования случайных чисел: при реализации на ЭВМ требуется небольшое количество операций для получения каждого случайного числа, так как
операция масштабирования (3.8) выполняется только один раз перед моделированием, и количество операций не зависит от точности
аппроксимации, то есть от количества интервалов m.
Рассмотрим способы преобразования последовательности равномерно распределенных случайных чисел {хi} в последовательность с заданным законом распределения {уj} на основе предельных теорем теории вероятностей. Такие способы ориентированы на получение последовательностей чисел с конкретным законом распределения, то есть не
являются универсальными [17, 21]. Поясним сказанное примерами.
Пример 3.8. Пусть требуется получить последовательность случайных чисел {уj}, имеющих нормальное распределение с математическим ожиданием а и средним квадратическим отклонением σ:
fn (y) = e−(y−a)
2
/(2σ 2)
/ 2pσ.
Будем формировать случайные числа уj в виде сумм последовательностей случайных чисел {хi}, имеющих равномерное распределение в
интервале (0, 1). Так как исходной (базовой) последовательностью случайных чисел {хi} при суммировании является последовательность
чисел, имеющих равномерное распределение в интервале (0, 1), то
можно воспользоваться центрально предельной теоремой для одинаково распределенных случайных величин: если независимые одинаково распределенные случайные единицы хi, …, хN имеют каждая математическое ожидание а1 и среднее квадратическое отклонение σ1,
то сумма
N
∑ xi
асимптотически нормальна с математическим ожида-
i =1
нием а = N а1 и средним квадратическим отклонением σ = σ1 N .
Как показывают расчеты, сумма
N
∑ xi
i =1
имеет распределение,
близкое к нормальному, уже при сравнительно небольших N.
Практически для получения последовательности нормально распределенных случайных чисел можно пользоваться значениями
N = 8÷12, а в простейших случаях – меньшими значениями N, например, N = 4 ÷5 [17, 21].
Использование имитационного моделирования (метода статистического моделирования на ЭВМ) позволяет провести оценку рисков при решении задачи УП ИСМ.
130
ЗАКЛЮЧЕНИЕ
Основным критерием оценки интеллектуальных ИС является
их эффективность, особенно экономическая, что особенно важно с
появлением проблем цифровой экономики. Степень эффективности
определяют исходя из того, насколько выгодны решения, принимаемые с точки зрения функционирования систем и устройств, государства, права и бизнеса, образования, культуры и т. д.
Успех применения интеллектуальной ИТ может определяться
эффективностью решения основных задач. Некоторые специалисты
считают, что обоснование полезности – это искусство маркетинга.
Для этого предлагается использовать разработанный Робертом Бенсоном метод «информационной экономики». Такой метод рассматривается как надежный способ анализа экономической эффективности, позволяющий учитывать качественные выгоды, величина
которых определяется методом финансового прогноза с учетом возможных рисков.
Ожидает своего разрешения целый ряд проблем теоретического
характера УП. Предстоит разработать и апробировать на практике
комплекс программных средств, моделирующих процессы принятия управленческих решений. Перспективными направлениями
развития интеллектуальных ИС на ближайшее будущее являются
разработки, связанные с представлением, приобретением, пополнением, манипулированием и обобщением знаний, а также поиском
путей классификации, формализации знаний и схем человеческих
рассуждений. При этом особое внимание следует обратить на процессы приобретения знаний из различных источников, использования знаний при решении разнообразных задач, создания процедур
эффективного поиска, оптимального выбора, достоверной оценки.
Кроме того, необходимо разработать методологию моделирования
человеческих способностей к ассоциациям и интуиции, а также
критериев приемлемости для человека гипотез, выдвигаемых интеллектуальной ИС.
Важным аспектом интеллектуализации процессов принятия решений следует считать предоставление возможности общения на
языке, близком к ЕЯ, создание диалоговых процедур, вопросно-ответных систем, систем анализа и синтеза речи, организацию общения по зрительному каналу, анализ и синтез изображений, формализацию зрительных представлений.
Особое место в проблеме УП занимают вопросы проигрывания
возможных ситуаций путем проведения имитационных экспери131
ментов, реализуемых для оценки рисков методом статистического
моделирования на ЭВМ.
И в заключение следует отметить, что при УП разработки интеллектуальных ИС эталоном служит человеческий интеллект с
поразительной способностью принимать правильные решения в обстановке неполной и нечеткой информации. Для того чтобы шаг за
шагом приблизиться к этому «венцу природы», необходимо сделать
первые шаги уже сегодня.
132
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Архитектура информационных систем / Б. Я. Советов,
А. И. Водяхо, В. А. Дубенецкий, В. В. Цехановский: учеб. М.: Академия, 2012. 288 с.
2. Баин А. М. Современные информационные технологии систем
поддержки принятия решений: учеб. пособие. М.: ФОРУМ, 2009.
239 с.
3. Гуськова Е. А., Орлов А. И. Информационные системы управления предприятием в решении задач контроллинга // Контроллинг.
2003. № 1. C. 28–37.
4. Ивахненко А. Г., Зайченко Ю. П., Димитров В. Д. Принятие решений на основе самоорганизации. М.: Сов. радио, 1986. 342 с.
5. Кравченко Т. К. Системы поддержки принятия решений //
Информационные технологии для университета. М.: Информика,
2011. С. 107–118.
6. Колбанев М. О., Яковлев С. А. Модели и методы оценки характеристик обработки информации в интеллектуальных сетях связи.
СПб.: Изд.-во госуд. ун-та, 2002. 230 с.
7. Мазур И. И., Шапиро В. Д., Ольдерогге Н. Г. Управление проектами: учеб. пособие. М.: Омега, 2006. 182 с.
8. Матвеев М. Г. Модели и методы искусственного интеллекта.
М.: Финансы и статистика, 2008. 447 с.
9. Орлов А. И. Теория принятия решений: учеб. пособие. М.:
Март, 2004. 346 с.
10. Осипов Л. А., Яковлев С. А. Корпоративные информационные
системы: учеб. пособие. СПб.: ГУАП, 2013. 150 с.
11. Осипов Л. А., Яковлев С. А. Введение в системную инженерию:
учеб. пособие. СПб.: ГУАП, 2016. 130 с.
12. Осипов Л. А., Яковлев С. А. Искусственный интеллект и нейронные сети: учеб. пособие. СПб.: ГУАП, 2011. 121 с.
13. Попов И. И., Максимов Н. В. Современные информационные
технологии. М.: Форум, 2010. 512 с.
14. Рассел С. Искусственный интеллект: современный подход.
М.; СПб.; Киев: Вильямс, 2006. 1407 с.
15. Саридис Дж. Самоорганизующиеся стохастические системы
управления. М.: Наука, 1990. 397 с.
16. Советов Б. Я., Цехановский В. В. Информационные технологии: учеб. М.: Высш. школа, 2008. 263 с.
17. Советов Б. Я., Яковлев С. А. Моделирование систем: учеб. 7-е
изд. М.: Юрайт, 2017. 343 с.
133
18. Управление проектами: учеб. и практикум для академ. бакалавриата / А. И. Балашов, Е. М. Рогова, М. В. Тихонова, Е. А. Ткаченко. М.: Юрайт, 2017. 383 с.
19. Цыпкин Я. З. Информационная теория идентификации. М.:
Наука, 1995. 336 с.
20. Швецов А. Н., Яковлев С. А. Распределенные интеллектуальные
информационные системы. СПб.: СПбГЭТУ «ЛЭТИ», 2003. 318 с.
21. Яковлев С. А. Исследование и имитационное моделирование
информационных систем: учеб. пособие. СПб.: ГУАП, 2016. 140 с.
22. Яковлев С. А. Экспертные системы: учеб. пособие. СПб.:
ГУАП, 2011. 142 с.
23. Яковлев С. А., Осипов Л. А. Диалоговые средства интеллектуализации информационных систем: учеб. пособие. СПб.: ГУАП, 2017.
134 с.
134
СОДЕРЖАНИЕ
Предисловие .............................................................................
Список сокращений....................................................................
Введение. Принятие решений при управлении проектами
информационных систем ............................................................
3
4
1. Управление проектами информационных систем .......................
1.1. Основные понятия, термины и определения ........................
1.2. Проект ИС и управление проектом .....................................
1.3. Особенности управления проектами ..................................
1.4. Взаимосвязь между управлением проектами и инвестициями
1.5. Классификация типов проектов ИС....................................
1.6. Цель и стратегия проекта ИС ............................................
1.7. Результат и управляемые параметры проекта ИС .................
1.8. Жизненный цикл проекта ИС ...........................................
1.9. Структуризация и управление проектом ИС ........................
19
19
27
36
38
40
41
43
44
48
2. Искусственный интеллект в управлении проектами
информационных систем ............................................................
2.1. Роль информации при принятии решений по управлению
проектами ............................................................................
2.2. Базовые понятия ИИ в системах поддержки принятия
решений...............................................................................
2.3. Искусственный интеллект в поддержке принятия решений...
2.4. Экспертные системы поддержки принятия решений ............
2.5. Нейронные сети и генетические алгоритмы в управлении
рисками ...............................................................................
2.6. Системы поддержки принятия решений в управлении
проектами ИС .......................................................................
3. Моделирование для принятия решений при управлении проектом
3.1. Гносеологические и информационные модели УП ................
3.2. Эволюционные и десиженсные модели УП ИС .....................
3.3. Информационный подход к решению задач УП ...................
3.4. Элементы прикладной теории моделирования
информационных процессов в УП ............................................
3.5. Вероятностно-статистическая основа методов принятия
решений...............................................................................
3.6. Общая характеристика метода статистического
моделирования на ЭВМ ..........................................................
3.7. Моделирование случайных воздействий при оценке рисков ...
Заключение ..............................................................................
Библиографический список .........................................................
5
51
51
66
72
76
80
83
94
94
96
97
100
107
115
120
131
133
135
Учебное издание
Яковлев Сергей Алексеевич,
Осипов Леонид Андроникович
ИМИТАЦИЯ И ИНТЕЛЛЕКТ
В УПРАВЛЕНИИ ПРОЕКТАМИ
ИНФОРМАЦИОННЫХ СИСТЕМ
Учебное пособие
Редактор В. С. Гончарова
Компьютерная верстка С. Б. Мацапуры
Сдано в набор 9.01.18. Подписано к печати 23.04.18.
Формат 60×84 1/16. Усл. печ. л. 7,8. Уч.-изд. л. 8,5.
Тираж 50 экз. Заказ № 171.
Редакционно-издательский центр ГУАП
190000, Санкт-Петербург, Б. Морская ул., 67
Документ
Категория
Без категории
Просмотров
14
Размер файла
1 371 Кб
Теги
osipov
1/--страниц
Пожаловаться на содержимое документа