Метод исо

При изложении сущности научного метода в большинстве слу­чаев утверждается, что его отличительной особенностью является эксперимент. Однако, когда речь идет о государственных, военных или промышленных организациях, эксперимент в узком смысле слова, т. е. физическое изменение значения переменных, часто бывает невозможен или нецелесообразен. Так, например, промыш­ленная фирма не может рисковать своим существованием ради про­ведения успешного эксперимента. Конечно, эксперимент иногда возможен, особенно на уровне подсистем, и он действительно играет важную роль в ИСО. Тем не менее, как правило, вся система, являю­щаяся объектом изучения, не может быть подвергнута эксперименту. Поэтому в большинстве случаев, исследуя систему в целом, необходимо применять подход, не связанный с проведением экспери­мента (в узком смысле, т. е. требующего физических изменений изучаемого объекта).

Возможность такого подхода подсказывает метод, применяемый астрономами, которые находятся примерно в том же положении, что и операционисты (хотя в ближайшем будущем это положение может измениться). Астроном имеет возможность наблюдать систему, '; которую он изучает, но не может изменить ее. Поэтому он строит модели системы и механизмов ее функционирования, т. е. модели, на которых и проводит свое исследование. Операционист обычно должен поступать точно таким же образом.

Операционные модели имеют форму уравнений, которые, хотя и могут быть сложными с математической точки зрения, отличаются очень простой структурой:

U=f(Хi, Уj),

где U есть полезность или значение критерия, характеризующего качество функционирования системы; Xi;— переменные, которыми можно управлять; Уj— переменные (и постоянные), не поддающиеся управлению, но влияющие на U, и f — функция, задающая соотношения между U, Xi и Уj

Кроме того, одно или несколько уравнений или неравенств часто требуются для выражения того факта, что некоторые из управляемых переменных могут изменяться в определенных пределах. Так, например, количество машинного времени, отводимое на производство изделий, не может быть меньше нуля или болыпе общего ресурса машинного времени. Сумма ассигнований, направленных в различные подразделения фирмы, не может превышать объема всех наличных денег. Уравнение, выражающее целевую функцию совместно с ограничениями образует модель системы или задачи, которую мы хотим решить. Следовательно, здесь идет как о модели принятия решения, так и о модели системы.

Если модель построена, то ее можно использовать для отыскания точных или приближенных оптимальных значений управляемых переменных, т. е. таких значений, которые обеспечат наилучший показатель качества функционирования системы при заданных значениях неуправляемых переменных. Иными словами, можно получить решение задачи на модели. Как именно получается это решение, зависит от характера используемой модели.

Решение может быть получено на модели экспериментально(т.е. путем изменения параметров модели) или с помощью математического анализа. В ряде случаев математический анализ можно провести, не зная конкретных значений переменных (т.е. в абстрактной или символической форме). В других случаях значения переменных должны быть заданы численно.

Для некоторых типов функций f (например, элементарных алгебраических функций), если число ограничений не слишком велико, классические методы математики являются эффективным средством отыскания оптимальных значений управляемых переменных. За последние годы были развиты новые математические методы решения задач, в которых число ограничений настолько велико, что их решение классическими методами практически невозможно. Некоторые из этих новых методов рассматриваются в данной

С другой стороны, функция f может представлять собой набор вычислительных правил (алгоритмов), которые позволяют вычислять значение критерия качества функционирования системы U при любом заданном множестве значений управляемых и неуправляемых переменных, но не обеспечивают непосредственного отыскания оптимальных значений управляемых переменых. Обычно можно также определить процедуру последовательного выбора значений управляемых переменных таким образом, чтобы эти значения сходились к оптимальному решению. В некоторых алгоритмах затраты на отыскание оптимального решения могут оказаться слишком большими по сравнению с выгодой, даваемой таким решением по сравнении с достаточно «хорошим» решением, которое иногда можно определить сравнительно просто. Всякий раз, когда в, когда вычисляется значение U, соответствующее новому набору значений Xi при заданных значениях Уj, получают некоторую новую информацию о том, как функционирует система. Из этой информации можно сделать вывод, что иной набор значений Xi обеспечивает определенное улучшение функционирования системы. Если есть возможность оценить раз­мер улучшения до выполнения вычислений, то можно сравнить затраты на вычисления и решить, целесообразны ли дальнейшие попытки.

Система может быть такой, что значения всех Yj неизвестны до того, пока не принято решение относительно выбора значений Xi. Так, например, если одна из величин Yj представляет собой сбыт следующего месяца, а одна из величин Xi, есть объем производства следующего месяца, то может возникнуть необходимость принятия решения тогда, когда известно только распределение вероятностей сбыта. В таких случаях, если функция f достаточно проста, иногда можно провести усреднение по неизвестным переменным и выбрать решение, приводящее к наилучшему среднему значению. Однако процесс усреднения часто настолько сложен, что он оказывается практически нереализуемым. Поэтому иногда возникает необходи­мость проведения экспериментов на модели (т. е. моделирования), в ходе которых выбираются значения неуправляемых переменных с относительными частотами, задаваемыми распределениями их ве­роятностей. Это позволяет вычислить соответствующее значение U и в конечном счете найти закон распределения этой величины. Иногда такие эксперименты проводятся полностью на вычислительной машине.

В ряде cлучаев ролъ человека, принимающего решения в системе, невозможно достаточно хорошо описать, так что не удается выразить в явном виде его функции с помощью модели. В такой ситуации моделирование могут осуществить сами люди. Этот вид моделирова­ния носит название операционных игр.

Независимо от того, какой метод используется, всегда отыски­вается оптимальное или близкое к нему решение. Оптимальным является решение, которое минимизирует или максимизирует (в зависимости от существа задачи) критерий качества на модели при заданных условиях и ограничениях, представленных в этой модели. Поэтому оптимизация дает наилучшее решение проблемы, которая описывается данной моделью. Но вследствие того что модель никогда не является точным описанием задачи, полученное таким путем оптимальное решение также никогда не является единственным наилучшим решением реальной задачи. Если исходить из того, что модель дает «хорошее» представление задачи, то оптимальное или близкое к нему решение, полученное на модели, является «хорошей» аппроксимацией оптимального решения реальной задачи. Во всяком ( случае, оно значительно лучше, чем стратегия или процедура, которую это решение должно заменить.

Поскольку оптимальные значения переменных, полученные в ре­зультате решения, улучшают качество функционирования системы только в том случае, когда исследуемая модель является хорошим описанием этой системы, необходима проверка соответствия реальной действительности и трезвая оценка найденного решения. Иными словами, прогнозируемые результаты реализации решения необходимо сравнить со стратегией или процедурой, которую оно должно заменить.

Наконец, поскольку целью ИСО является не выпуск н, отчетов, а улучщение качества функдионирования систем, То результаты исследования должны быть внедрены (если они приемлемы для лица, имеющего право принятия решений). Именно в этой стадии производится окончательное, испытание и ооценка результатов исследования. Поэтому как раз на этой стадии исследования операционистами открывается наилучшая возможность для приобретения опыта.

Если решение, ради отыскания которого проводится исследование, принадлежит к категории многократных, то, учитывая характер систем, изучаемых в ИСО, вполне вероятно, что в интервале между принятиями решений изменятся значения некоторых неуправляемых переменных и даже структура самой системы. Поэтому необходимо обнаруживать существенные изменения в системе и во влияющей на нее внешней среде и изменять решение соответствующим образом. Иначе говоря, результаты, представляющие собой правила принятия многократных решений или же решения, применяемые в течение длительных интервалов времени, следует подстраивать, т.е. контролировать корректность их применения. Таким образом, в любом операционном проекте можно выделить следующие пять составных частей:

1) постановка задачи,

2) построение модели,

3) отыскание решения,

4) проверка модели и оценка решения,

5. внедрение решения и контроль его правильности.

Этим отдельным частям операционного проекта посвящены гл 2-4, 15 и 16, излагающие эти методологические вопросы в той же последовательности, в которой они перечислены выше.

Хотя к указанным частям операционного проекта обычно поступают именно в таком порядке, работа над ними вовсе ограчивается в этой последовательности. В сущности выполнение части обычно продолжается до завершения всего проекта и происходит при взаимодействии с группами, выполняющими остальные части проекта. Так, например, успешная постановка задачи зависит от того, рассмотрены ли, хотя бы предварительно, все остальные вопросы, особенно практическая реализуемость предлагаемого решения задачи. Хотя мы вынуждены рассматривать эти части исследования по отдельности, необходимо иметь в виду, что выполнение, как правило, требует учета их взаимосвязи во времени.