1-18

1. Место информационной системы в управлении

2.Эскалация цифровых и математических моделей

3. Многоаспек... «конвергенция»: конвергенция сетей;

4.Многоаспектность понятий «конвергенция»:

11.Многослой систем сетецентрического управления.

6.Понятие «Цифровой двойник технического объекта»

бизнес-процессами. система играет ключевую роль в

Эскалация цифровых и математических моделей связана

конвергенция математических и цифровых моделей;

конвергенция математических и цифровых моделей

Каскадные отказы во взаимосвязанных сетях

Цифровой двойник технического объекта — это

управлении бизнес-процессами, обеспечивая

с их усложнением и масштабированием для решения

конвергенция точек зрения правообладателей

Конвергенция математических и цифровых моделей

Сетецентрическая среда – это область, включающая

виртуальная модель или цифровая копия реального

автоматизацию, контроль и оптимизацию деятельности

более комплексных задач.

Конвергенция сетей – это объединение различных типов

— это процесс, при котором математические модели,

человеческие и технические ресурсы, а также

физического объекта, процесса или системы, которая

организации, интеграцию и анализ данных, что повышает

Цифровые модели, основанные на данных и алгоритмах,

сетей (например, телекоммун, комп, телевиз) в единую

описывающие реальные процессы, и их цифровые

технологии, обеспечивающие эффективное их

точно отражает его состояние, характеристики,

конкурентоспособность организации. Информационные

развиваются за счёт роста вычислительных мощностей,

универсальную инфраструктуру, способную передавать

реализации (например, компьютерные симуляции)

взаимодействие, функционирующая в интересах ее

поведение и жизненный цикл в режиме реального

системы управления позволяют системно подходить к

улучшения методов машинного обучения и интеграции

разнородные данные через общий протокол или

становятся всё более точными и согласованными друг с

абонентов и обеспечивающая пользователей

времени или с высокой степенью достоверности.

обоснованию и принятию управленческих решений,

больших объёмов данных. Математические модели, в

платформу. Основная цель — повышение эффективности,

другом, а также с реальными данными. Это связано с

необходимой им информацией в понятной им форме и с

Цифровой двойник позволяет: моделировать поведение

повышать уровень их оптимальности, действенности и

свою очередь, эволюционируют через разработку новых

снижение затрат и упрощение взаимодействия между

улучшением вычислительных мощностей, алгоритмов

заданной достоверностью. Эта же среда должна

объекта до его физического создания, отслеживать его

результативности.Информационная система состоит из

аналитических подходов, позволяющих точнее

устройствами и сервисами. Конвергенция сетей стала

и методов моделирования. Математические модели,

обеспечивать свойства информационной безопасности

текущее состояние, прогнозировать возможные отказы

подсистем, находящихся в определенных отношениях

описывать сложные системы, такие как климатические,

возможной благодаря развитию протоколов, таких как IP,

основанные на дифференциальных уравнениях или

(конфиденциальности, целостности, доступности) в

или сбои, оптимизировать работу и техническое

друг с другом. Совокупность таких отношений вместе с

экономические или биологические.

которые позволяют объединять различные типы данных в

статистических методах, обеспечивают строгий

условиях дестабилизирующих воздействий. Она может

обслуживание.

элементами (подсистемами) образуют структуру системы.

Причины эскалации: Рост требований –

единую сеть (например, интернет). Недостатки:

фундамент для описания процессов, тогда как

рассматриваться в виде модели, состоящей из двух

Применяется: машиностроение (модель двигателя),

Основные аспекты: Автоматизация процессов: ИС

необходимость учитывать больше факторов (например,

Необходимость стандартизации протоколов и

цифровые модели, использующие симуляции,

обобщенных областей:1) области знаний, включающая в

Энергетика (Двойник турбины для предсказания

позволяют заменить ручные операции

переход от локальной оптимизации к глобальной).

оборудования. Проблемы безопасности: объединение

нейронные сети или алгоритмы машинного обучения,

себя когнитивную и социальную области.2) технической

аварий), авиастроение, строительство,

автоматизированными, снижая затраты времени и

Развитие технологий – появление новых методов ИИ

сетей увеличивает уязвимости. Высокие первоначальные

позволяют обрабатывать реальные данные и

области, включающей в себя физическую и

промышленность.

вероятность ошибок. Сбор и анализ данных: ИС

(нейросети, ансамбли моделей) и вычислительных

затраты на модернизацию инфраструктуры. Значение:

адаптироваться к неопределённостям. Их конвергенция

информационную области.Физическая область (область

Преимущества: Повышение безопасности и

собирают данные о процессах в реальном времени,

мощностей. Динамичная среда – изменение рыночных

Конвергенция сетей лежит в основе цифровой

проявляется, например, в гибридных подходах, где

физ существования сил и средстве сетец.сист.

надёжности. Снижение затрат на обслуживание.

предоставляя аналитику для принятия решений.

условий, требующее обновления моделей (например,

трансформации, обеспечивая универсальную платформу

аналитические модели интегрируются с алгоритмами

управления) включает в себя физический слой, который

Предиктивная диагностика (ремонт до поломки).

Интеграция процессов: ИС объединяют различные

прогнозирование в условиях кризиса).

для современных технологий, таких как облачные

ИИ для повышения точности прогнозов, или в

включает в себя такие средства передачи информации:

Оптимизация процессов и повышение эффективности.

подразделения и процессы, обеспечивая их

Проблемы эскалации: Увеличение вычислительных

вычисления, умные города и автономные транспортные

цифровых двойниках, которые объединяют

поддержки принятия решений, управляемых сил и

Как работает: Физический объект снабжается

согласованность и прозрачность. Мониторинг и

затрат. Риск переобучения и снижения

системы.Преимущества: Снижение затрат на

теоретическое моделирование с данными в реальном

средств, средства сбора и средств, сбора информации,

сенсорами и IoT-устройствами. Данные поступают в

контроль: Инструменты BPM, интегрированные с ИС,

интерпретируемости. Необходимость в более

инфраструктуру: вместо отдельных сетей для каждого

времени. Это особенно актуально в таких областях, как

хранения инф, обработки инф, представления

систему в реальном времени. Модель анализирует

позволяют отслеживать выполнение процессов, выявлять

качественных данных.

типа данных используется одна. Упрощение управления

медицина, транспорт и энергетика, где требуется

инф.Информационная область(область потоков инф,

поведение объекта, выявляет аномалии. Решения

узкие места и отклонения. Гибкость и

Эскалация требует баланса между точностью,

и масштабируемость. Повышение качества обслуживания

высокая надёжность и адаптивность решений.

процессов ее получения, передачи, хранения и обработки

принимаются на основе прогнозов цифрового

масштабируемость: Современные ИС позволяют

вычислительными затратами и интерпретируемостью

(QoS) благодаря оптимизации трафика.

Конвергенция математических и цифровых моделей

инф) включает в себя семантический слой (смысловое

двойника.

адаптировать процессы под изменяющиеся условия

результатов, что особенно важно в междисциплинарных

Конвергенция математических и цифровых моделей

позволяет решать задачи, которые ранее были

значение инф) и синтаксический слой (протоколы и

рынка.Пример: В ритейле ИС управляет запасами,

областях.

означает их взаимное обогащение: математические

неподъёмными, — от проектирования самолётов до

форматы формирования, передачи, хранения и обработки

прогнозирует спрос и автоматизирует заказы, что

Вывод: Эскалация моделей – неизбежный процесс в

модели обеспечивают теоретическую основу и строгую

предсказания последствий изменения климата. Это

инф). Они выполняют процессы обеспечения инф

сокращает издержки и повышает эффективность.

цифровой трансформации, но требует баланса между

логику, а цифровые — практическую реализацию через

основа для таких дисциплин, как вычислительная

безопасности, это: логика функционирования упр сил и

сложностью и практической полезностью.

обработку больших данных и вычислительные

физика, биоинформатика и инженерные науки.

средств, процессы поддержки принятия решений,

алгоритмы. Такой синтез позволяет создавать более

Недостатки: Высокая вычислительная сложность,

процессы сбора инф, хранения, обработки и преставления

точные и универсальные инструменты для

Проблемы валидации: необходимо проверять,

инф. Каскадный отказ — это сбой, который начинается

прогнозирования и анализа.

насколько цифровая модель соответствует реальности.

на одном уровне или узле сети и распространяется

Конвергенция точек зрения правообладателей

Управление неопределённостью: модели часто

дальше, вызывая цепную реакцию.

отражает необходимость согласования интересов

работают с неполными или шумными данными.

Примеры каскадных отказов: Потеря узла связи → обрыв

различных сторон — разработчиков, пользователей,

информации → задержки в принятии решений →

регуляторов — для создания единых стандартов,

неправильные действия на поле боя. Отказ одного

этических норм и правовых рамок, особенно в условиях

сенсора → искажение общей картины → командование

глобализации технологий.

принимает неверное решение → неэффективное

использование ресурсов.Особенности: Чем более

взаимосвязана система, тем выше риск каскадного отказа.

Требуется резервирование, децентрализация и

устойчивость к отказам.

7. Понятие «Цифровой двойник технического

8. Новый класс сложных систем: сети

9. Понятие сетецентрического управления

10.Основные комп… управления: сенсоры; цифровая

5. Многоаспектность понятий «конвергенция»:

12.Системная модель объекта моделирования. Классы

предприятия»

Сети как новый класс сложных систем представляют

Сетецентрическое управление — это модель

решетка; исполнительные устройства

конвергенция точек зрения правообладателей

задач моделирования: дескриптивные модели…

Цифровой двойник технического предприятия —

собой системы, состоящие из множества

управления сложными системами, основанный на

Сетецентрическое управление опирается на три

Конвергенция точек зрения правообладателей – это

Системная модель объекта моделирования — это

это комплексная виртуальная модель, которая

взаимосвязанных элементов (узлов), которые

использовании сетевой инфраструктуры для сбора,

ключевых компонента: Сенсоры – устройства,

сближение, или согласование интересов и подходов

формализованное представление объекта (системы),

охватывает не только отдельные технические объекты,

взаимодействуют друг с другом через связи (ребра).

обработки и распределения информации между всеми

собирающие данные об окружающей среде или

различных участников, обладающих правами на

описывающее его структуру, свойства, поведение и

но и всю инфраструктуру, процессы и системы

Сети стали объектом изучения в XXI веке благодаря их

участниками системы в реальном времени.

состоянии системы (температура, давление, положение,

интеллектуальную собственность или иные

взаимодействие с внешней средой. Она служит основой

предприятия. Это более высокий уровень абстракции

распространенности в различных областях:

Суть: Информационная связность: все элементы

энергопотребление). Они обеспечивают входные

нематериальные активы. В современном цифровом и

для проведения экспериментов и анализа поведения

по сравнению с цифровым двойником объекта, так как

технологических, социальных, биологических и

системы (люди, устройства, процессы) объединены в

данные для анализа и принятия решений. Примеры:

мультимедийном пространстве часто один объект

объекта без вмешательства в реальный процесс.

он включает:

экономических. Традиционно сложные системы

единую информационную сеть. Распределенное

датчики IoT, камеры, GPS-трекеры. Цифровая

может иметь нескольких правообладателей — авторов,

Дескриптивные модели (описательные) —

Цифровой двойник позволяет: моделировать поведение

описывались через иерархические или линейные

принятие решений: доступ к актуальной информации

решетка – защищенная сеть связи и вычислений,

продюсеров, студий, издательств, дистрибьюторов. Их

направлены на описание текущего или прошлого

объекта до его физического создания, отслеживать его

модели. В отличие от них, сетевые системы:

позволяет каждому участнику принимать обоснован.

которая объединяет сенсоры, исполнительные

интересы могут различаться или даже конфликтовать,

состояния системы без предсказания будущих

текущее состояние, прогнозировать возможные отказы

децентрализованы, динамичны, масштабируемы,

решения. Гибкость и адаптивность: система быстро

устройства и центры управления; обеспечивает

особенно в вопросах: лицензирования, распределения

состояний и без оптимизации. Главная цель — понять

или сбои, оптимизировать работу и техническое

устойчивы к сбоям, нелинейны.

реагирует на изменения внешних условий. Синергия:

передачу, хранение и анализ данных в реальном

прибыли, международного распространения, цифровых

структуру, поведение, взаимодействия и процессы,

обслуживание.

Примеры сетей: Интернет и компьютерные сети.

совместная работа элементов приводит к эффекту,

времени. Включает в себя сети связи (5G, Wi-Fi,

прав (например, стриминг), охраны авторских прав. Без

происходящие в системе .Особенности: Используются

Применение: Оптимизация производственных

Социальные сети (взаимодействие людей).

превышающему сумму их индивидуальных вкладов.

оптоволокно), серверы, облачные платформы,

такой конвергенции: невозможно эффективное

для описания процессов «как есть» (as-is). Основа для

процессов (например, на заводе). Управление

Энергетические сети (электросети, газопроводы).

Пример: Военное дело — обмен данными между

алгоритмы обработки данных. Исполнительные

лицензирование, сложно выходить на международный

последующих фаз моделирования (прогнозирование и

энергопотреблением предприятия. Планирование

Биологические сети (нейронные сети, пищевые цепи).

подразделениями в реальном времени, автономное

устройства – устройства, выполняющие команды,

рынок, возрастают риски конфликтов и судебных

оптимизация). Часто используется на начальных этапах

модернизации оборудования. Обучение персонала в

Значение: Сети позволяют моделировать сложные

принятие решений на местах. Промышленность —

сформированные на основе анализа данных (роботы,

разбирательств, теряется потенциальная прибыль.

анализа.

виртуальной среде.

системы, где локальные взаимодействия приводят к

цифровое предприятие, где каждый цех или станок

клапаны, двигатели, системы автоматизации);

Конвергенция взглядов означает: Поиск компромиссов,

Примеры дескриптивных моделей: 1) Моделирование

Преимущества: Целостное видение работы

глобальным эффектам. Они являются основой для

"знает", как влияет на общее производство. Логистика

реализуют управляющие воздействия для достижения

Создание общих стандартов и подходов,

транспортных потоков в городе для анализа пробок. 2)

предприятия. Возможность выявления узких мест и

анализа таких явлений, как каскадные отказы,

— сетевая координация поставок, складов, транспорта

целей системы. Примеры: автоматические

Формирование альянсов или соглашений, Переход от

Моделирование экосистемы для оценки влияния

оптимизации на системном уровне. Поддержка

распространение информации или эпидемий. Они

в реальном времени. Городское управление (Smart City)

выключатели в электросетях, роботизированные

конкуренции к сотрудничеству.

текущих антропогенных факторов. 3) Социальная сеть:

принятия стратегических решений.

позволяют прогнозировать поведение (распространение

— сетевая координация транспорта, ЖКХ, полиции,

сборочные линии.Сенсоры собирают данные →

граф, отображающий связи между пользователями в

Ограничения: Сложность интеграции данных из

вирусов), создавать новые технологии на основе

медицины.Преимущества: Быстрое реагирование на

цифровая решетка обрабатывает и передает их →

социальной платформе.

разных систем. Высокие требования к квалификации

сетевых принципов (нейросети).

изменения. Повышение эффективности за счет

исполнительные устройства выполняют команды.

персонала и вычислительным ресурсам.

координации. Снижение риска ошибок благодаря

Пример: в умном городе сенсоры фиксируют пробки,

прозрачности данных.Ограничения: Зависимость от

цифровая решетка анализирует данные и оптимизирует

надежности сети и кибербезопасности. Сложность

светофоры, а исполнительные устройства (светофоры)

интеграции разнородных систем.

меняют режим работы.

13. Системная модель объекта моделирования. Классы

14. Системная модель объекта моделирования. Классы

15. Системная модель объекта моделирования. Классы

16.Графодинамические модели

17. Роль моделей как как инструмента

18. Системно-когнитивный подход. Понятия системно-

задач моделирования: прогностические модели

задач моделирования: оптимизационные модели

задач моделирования: Информационная поддержка

Графодинамические модели — это разновидность

информационной поддержки принятия решений

когнитивного подхода (дедекция; абдукция; дедукция)

(примеры)

Оптимизационные модели – это модели,

управления в условиях неопределенности

информационных моделей, которые используют графы

Роль моделей как инструмента информационной

Системно-когнитивный подход — это интегративный

Прогностические модели – это модели,

предназначенные для поиска наилучшего

Управление в условиях неопределенности —

для представления динамических процессов, объектов

поддержки принятия решений заключается в том, что

метод, сочетающий системный анализ и когнитивные

предназначенные для предсказания будущего

(оптимального) решения в заданных условиях. Цель —

ключевая задача для сложных систем.

и их взаимодействий. Они сочетают в себе элементы

они позволяют описать и оптимизировать конкретный

методы моделирования, с целью поддержки принятия

состояния системы на основе существующих данных

максимизация или минимизация определенной

Неопределенность вызвана неполнотой, неточностью

графового представления (узлы и связи) с

объект или процесс, обеспечивая структурированный

решений в сложных системах. Цели СКП: Выявление

данных. Особенности: Используются методы

функции: прибыли, затрат, времени, потребления

или противоречивостью данных, сложностью систем и

динамическими характеристиками, отражающими

анализ данных и прогнозирование.

ключевых факторов и их взаимосвязей. Определение

статистики, машинного обучения, нейросетей. Важно

ресурсов и т.п. Структура оптимизационной модели

субъективными факторами. Информационная

изменения состояний системы во времени. Ключевые

Некоторые функции моделей в этом процессе:

источников риска и нестабильности. Построение

качество исходных данных (достоверность, полнота).

состоит из целевой функции, области допустимых

поддержка опирается на интеллектуальные технологии,

элементы: Вершины (узлы) — элементы системы:

Прогнозирование. Модели дают возможность

моделей мышления эксперта/организации. Поддержка

Часто используется в бизнес-аналитике и управлении

решений и системы ограничений, определяющих эту

такие как теория нечетких множеств (ТНМ) и

объекты, агенты, участники. Рёбра (связи) —

проводить вариативные расчёты сценариев

стратегического планирования. Дедукция —

рисками.

область. Особенности: Используются математическое

генетические алгоритмы (ГА), для решения

взаимодействия, потоки, зависимости. Состояния —

перспективного развития и получать количественные

логический процесс вывода, при котором из общих

Примеры прогностических моделей: Экономика —

программирование (линейное, нелинейное, динамичес).

слабоструктурированных задач. Цель Минимизировать

переменные, отражающие параметры узлов или связей.

прогнозы ожидаемых результатов.

правил или закономерностей делаются выводы о

прогноз ВВП или инфляции. Бизнес — прогноз продаж

В общем виде математическая постановка задачи

риски и повысить эффективность управления за счет

Законы переходов — правила изменения состояния

Проверка качества решений и их оптимизация. Модели

частных случаях. Пример: Все люди смертны →

в зависимости от сезонности. Медицина — прогноз

математического программирования состоит в

моделирования возможных сценариев и их

графа с течением времени.

позволяют осуществлять проверку качества

Сократ человек → Сократ смертен. дедукция

прогрессирования заболевания. Энергетика — прогноз

определении наибольшего или наименьшего значения

последствий.ТНМ (Л.А. Заде, 1965) позволяет

Методы анализа: Теория графов (центральность,

принимаемых управленческих решений и реализуемых

используется для прогнозирования поведения системы

потребления электроэнергии. Погода — прогноз

целевой функции f(х1, х2,..., хn) при условиях gi(х1,

моделировать неопределенность через лингвистические

кластеризация). Дифференциальные уравнения (если

мероприятий, обеспечивая структурированный анализ

на основе известных закономерностей. Индукция —

метеоусловий с использованием численных моделей

х2,..., хn) < bi , (i=1, 2, .., т), где f и gi - заданные

переменные и "мягкие" измерения. Она эффективна для

динамика непрерывна). Агентное моделирование (если

данных и прогнозирование.

процесс обобщения данных, при котором из

атмосферы.

функции, a bi - некоторые действительные числа. Задачи

согласования экспертных оценок и формализации задач

узлы – активные агенты). Примеры применения.

Анализ данных. Модели дают возможность

наблюдений частных случаев формулируются общие

математического программирования делятся на задачи

с размытыми данными.ГА (Д.Х. Холланд, 1975)

Биологические системы: взаимодействие нейронов,

своевременно выявлять и анализировать последствия

правила или закономерности. Пример: Солнце вставало

линейного и нелинейного программирования. Если все

оптимизируют параметры моделей, решая NP-полные

эпидемиологические модели. Экономика:

принимаемых решений, а также возможные негативные

каждый день → Солнце встает каждое утро. Прим для

функции f и gi - линейные, то соответствующая задача

задачи и минимизируя временные затраты. Их

моделирование рыночных взаимодействий.

тенденции.

формирования гипотез и моделей на основе

является задачей линейного программирования. Если

сочетание с ТНМ повышает объективность решений,

Преимущества: Наглядность и интуитивность

Выработка альтернатив. Модели служат инструментом

эмпирических данных. Абдукция — метод

хотя бы одна из указанных функций - нелинейная, то

особенно при кластеризации и анализе неоднородных

представления сложных систем. Возможность

для выработки альтернативных вариантов действий,

рассуждения, направленный на поиск наиболее

соответствующая задача является задачей нелинейного

данных. ТНМ и ГА обеспечивают эффективную

моделировать как статические, так и динамические

анализа последствий их применения и совершенствования

правдоподобного объяснения наблюдаемых фактов,

программирования. Виды: Линейное программирование

информационную поддержку управления в условиях

процессы. Гибкость в адаптации к различным

навыков руководителя в области принятия решений.

построение гипотез. Это "гипотетический вывод",

(задача оптимального распределения ресурсов).

неопределенности. Гибридные методы и развитие

предметным областям. Ограничения: Высокая

основанный на неполной информации. Пример: Трава

Нелинейное программирование (максимизация прибыли

алгоритмов повышают адаптивность и точность

вычислительная сложность при больших масштабах

мокрая → Возможно, шел дождь. абдукция помогает

при нелинейных издержках). Дискретная оптимизация

решений. Примеры применения: Экономика:

графа. Требуется точная исходная информация для

строить предположения о причинах и механизмах

(задача коммивояжера). Многокритериальная

прогнозирование занятости, анализ инвестиций с

достоверности модели. Сложность в учёте

функционирования системы. Роль в системно-

оптимизация (выбор проекта с учетом стоимости,

ИНМТ2. Техника: диагностика оборудования,

неформализованных факторов.

когнитивном подходе: Дедукция обеспечивает

времени и риска). Примеры: задача: расчет маршрутов

кластеризация данных сенсоров. Социум: оценка

проверку гипотез и прогнозы. Индукция помогает

доставки, оптимизация: мин расстояние, макс покрытие.

внешнеторговой деятельности, моделирование

создавать модели на основе данных. Абдукция

Задача: распределение инвестиций, оптимизация: макс

социальных процессов.

способствует генерации новых идей и объяснений при

прибыли, мин риска

нехватке информации. Эти три типа логического

вывода взаимодополняют друг друга.