- •Оглавление
- •Предисловие
- •Введение
- •§ 1.1. Предварительные замечания
- •§ 1.2. Роль системных представлений в практической деятельности
- •§ 1.3. Внутренняя системность познавательных процессов
- •§ 1.4. Системность как всеобщее свойство материи
- •§ 1.5. Краткий очерк истории развития системных представлений
- •Заключение
- •Литература
- •Упражнения
- •§ 2.1. Широкое толкование понятия модели
- •§ 2.2. Моделирование – неотъемлемый этап всякой целенаправленной деятельности
- •§ 2.3. Способы воплощения моделЕй
- •Insight озарение
- •§ 2.4. Условия реализации свойств моделей
- •§ 2.5. Соответствие между моделью и действительностью: различия
- •InherencEингерентность
- •§ 2.6. Соответствие между моделью и действительностью: сходство
- •§ 2.7. О динамике моделей
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 3.1. Множественность моделей систем
- •§ 3.2. Первое определение системы
- •Inputs входы (системы)
- •§ 3.3. Модель “черного ящика”
- •§ 3.4. Модель состава системы
- •§ 3.5. Модель структуры системы
- •§ 3.6. Второе определение системы. Структурная схема системы
- •§ 3.7. Динамические модели систем
- •Vertex вершина (графа)
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 4.1. Искусственные системы и естественные объекты
- •§ 4.2. Обобщение понятия системы. Искусственные и естественные системы
- •§ 4.3. Различные классификации систем
- •Variable переменная
- •§ 4.4. О больших и сложных системах
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 5.1. Информация как свойство материи
- •§ 5.2. Сигналы в системах
- •Information
- •Interference
- •§ 5.3. Случайный процесс – математическая модель сигналов
- •§ 5.4. Математические модели реализаций случайных процессов
- •§ 5.5. О некоторых свойствах непрерывных сигналов
- •§ 5.6. Энтропия
- •Independent независимый
- •§ 5.7. Количество информации
- •Interaction взаимодействие
- •§ 5.8. Об основных результатах теории информации
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 6.1. Эксперимент и модель
- •§ 6.2. Измерительные шкалы
- •Interval
- •§ 6.3. Расплывчатое описание ситуаций
- •§ 6.4. Вероятностное описание ситуаций. Статистические измерения
- •§ 6.5. Регистрация экспериментальных данных и ее связь с последующей их обработкой
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 7.1. Многообразие задач выбора
- •§ 7.2. Критериальный язык описания выбора
- •§ 7.3. Описание выбора на языке бинарных отношений
- •§ 7.4. Язык функций выбора
- •§ 7.5. Групповой выбор
- •Voting голосование
- •§ 7.6. Выбор в условиях неопределенности
- •§ 7.7. О выборе в условиях статистической неопределенности
- •§ 7.8. Выбор при расплывчатой неопределенности
- •§ 7.9. Достоинства и недостатки идеи оптимальности
- •§ 7.10. Экспертные методы выбора
- •§ 7.11. Человеко-машинные системы и выбор
- •§ 7.12. Выбор и отбор
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 8.1. Анализ и синтез в системных исследованиях
- •§ 8.2. Модели систем как основания декомпозиции
- •§ 8.3. Алгоритмизация процесса декомпозиции
- •Ignorance незнание, невежество
- •§ 8.4. Агрегирование, эмерджентность, внутренняя целостность систем
- •§ 8.5. Виды агрегирования
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 9.1. Что такое системный анализ
- •§ 9.2. Формулирование проблемы
- •§ 9.3. Выявление целей
- •§ 9.4. Формирование критериев
- •Values ценности
- •§ 9.5. Генерирование альтернатив
- •§ 9.6. Алгоритмы проведения системного анализа
- •§ 9.7. Претворение в жизнь результатов системных Исследований
- •Implementation внедрение (результатов)
- •§ 9.8. О специфике социальных систем
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •Краткий словарь специальных терминов
- •Contents
- •Оглавление
WASTE
PRODUCTS отходы
CONTENTFUL
MODEL
содержательная
модель
RELEVANT,
ESSENTIAL
существенный
FRAME
формальная
модель
Алгоритм
декомпозиции определяет последовательность
действий над объектом анализа. В
результате получается древовидная
иерархия все более простых составных
частей анализируемого объекта, пока
анализ не будет прекращен вследствие
элементарности полученного фрагмента
либо по другой причине. В алгоритме
имеются как формально описываемые
операции, так и неформальные действия
(операции декомпозиции, проверки на
существенность и элементарность).
Формальные операции можно возложить
на компьютер, неформальные должны
выполняться экспертом.
Ignorance незнание, невежество
Правда, вокруг таких результатов часто возникает атмосфера неприятия. Даже физики, говоря “отрицательный результат – тоже результат”, чаще желают просто утешить коллегу-неудачника, а сам отрицательный результат стараются обходить стороной. Так было в начале века с “ультрафиолетовой катастрофой” до возникновения квантовой механики, похожая ситуация сейчас сложилась с объяснением природы шаровой молнии. Однако если в науке сложность из-за непонимания расценивается как временно неустранимое и терпимое явление, то в управлении (т.е. в деловых, административных, политических вопросах) она часто воспринимается как неприемлемый вариант, ведущий к недопустимой отсрочке решения. Не потому ли именно в управлении нередко прибегают к интуитивным и волевым решениям? И не из-за отрицательного ли (в целом) опыта таких решений в последнее время наблюдается быстрое сближение образа мышления управленцев и ученых, повышение роли научных методов в управлении?
Итак, если рассматривать анализ как способ преодоления сложности, то полное сведение сложного к простому возможно лишь в случае сложности из-за неинформированности; в случае сложности из-за непонимания анализ не ликвидирует сложность, но локализует ее, позволяет определить, каких именно сведений нам не хватает. Поэтому (с некоторой натяжкой) можно сказать, что метод декомпозиции не дает новых знаний, а лишь “вытягивает” знания из экспертов, структурирует и организует их, обнажая возможную нехватку знаний в виде “дыр” в этой структуре. Дело в том, что в действительности не только обнаружение нехватки конкретных знаний все-таки является новым знанием (раньше нам было неизвестно, что именно мы не знали), но и по-иному скомбинированные фрагменты старых знаний также обладают новыми качествами.
АЛГОРИТМ ДЕКОМПОЗИЦИИ
Сам алгоритм декомпозиции, описанный в данном параграфе, представлен в виде блок-схемы (рис. 8.6). К тому, что было уже сказано об изображаемых блоками операциях алгоритма, добавим следующее.
Блок 1. Объектом анализа может стать все, что угодно, – любое высказывание, раскрытие смысла которого требует его структурирования. На определение объекта анализа иногда затрачиваются весьма значительные усилия. Когда речь идет о действительно сложной проблеме, ее сложность проявляется и в том, что сразу трудно правильно сформулировать объект анализа. Даже в таком основательно регламентированном документами случае, как работа министерства, формулировка гло-
8.6 ————— Укрупненная блок-схема алгоритма декомпозиции
8.7 ————— Развернутая блок-схема алгоритма декомпозиции
бальной цели возглавляемой им отрасли требует неоднократного уточнения и согласования, прежде чем она станет объектом анализа (более подробно о сложностях определения цели мы будем говорить в следующей главе). Это относится не только к формулировкам цели, но и к определению любого высказывания, подлежащего анализу. От правильности выбора объекта анализа зависит, действительно ли мы будем делать то, что нужно.
Блок 2. Этот блок определяет, зачем нужно то, что мы будем делать. В качестве целевой системы выступает система, в интересах которой осуществляется весь анализ. Снова подчеркнем, что более формального определения целевой системы дать нельзя, что многое зависит от конкретных условий. Например, опыт построения деревьев целей для Минморфлота [20] и Минвуза показал, что, хотя результаты анализа будет использовать министерство, целевой системой для верхних уровней дерева должна быть отрасль в целом и лишь на нижних уровнях потребовались модели самого министерства.
Блок 3. Этот блок содержит набор фреймовых моделей и рекомендуемые правила их перебора либо обращение к эксперту с просьбой самому определить очередной фрейм.
Блок 4. Содержательная модель, по которой будет произведена декомпозиция, строится экспертом на основании изучения целевой системы. Хорошим подспорьем ему могут служить различные классификаторы, построенные в различных областях знаний [12; 13], а также собранные в справочниках и специальных энциклопедиях.
Блоки 5 – 10 были достаточно пояснены ранее.
Блок 11. Окончательный результат анализа оформляется в виде дерева, конечными фрагментами ветвей которого являются либо элементарные фрагменты, либо фрагменты, признанные экспертом сложными, но не поддающимися дальнейшему разложению. Причины такой сложности могут состоять либо в ограниченности знаний данного эксперта или данной группы экспертов (сложность из-за неинформированности), либо в том, что нужные знания существуют, но еще не объединены в объясняющие модели (сложность из-за непонимания), либо в принципиальном отсутствии нужных знаний (сложность из-за незнания).
Блок-схема, изображенная на рис. 8.6, является, конечно, слишком укрупненной; она предназначена для разъяснения лишь основных идей алгоритма декомпозиции. Если потребуется большая конкретизация формальных операций в алгоритме, то можно обратиться к блок-схеме на рис. 8.7.
Для иллюстрации использования алгоритма декомпозиции приведем пример (рис. 8.8) формальной структуры дерева целей и функций
8.8 ————— Фрагмент (одна ветвь) дерева, получающегося при декомпозиции глобальной цели системы
организационной системы, которая была взята за основу декомпозиции глобальной цели Минвуза РСФСР (работа выполнена в Томском политехническом институте под руководством проф. В.З. Ямпольского). Полученное дерево дало возможность внести улучшающие коррективы в структуру министерства, провести аттестацию рабочих мест и составить полные служебные инструкции для них.
Подведем итог Один из способов упрощения сложного – метод декомпозиции – состоит в разложении сложного целого на все более мелкие (и простые) части. Компромиссы между требованием не упустить важного (принцип полноты) и требованием не включать в модель лишнего (принцип простоты) достигаются с помощью понятий существенного (необходимого), элементарного (достаточного), а также постепенной нарастающей детализации базовых моделей и итеративности алгоритма декомпозиции (см. рис. 8.5). |
Summary One method of simplifying complexity – the decomposition method – consists of dividing a whole into lesser (and simpler) parts. Between the requirement not to miss any important aspect (the completeness principle) and the requirement not to include in the model anything irrelevant (the simplicity principle), some compromises are achieved through (1) the concept of relevant (necessary) and elementary (sufficient) fragments, (2) a stepwise detailing of basis models, and (3) making the decomposition algorithm iterative in nature (see Fig. 8.5). |