- •Оглавление
- •Глава 1. Основы системного анализа 4
- •Глава 2. Основы оценки сложных систем 34
- •Глава 3. Примеры концептуальных моделей и методик оценивания систем 75
- •Глава 4. Основы управления 89
- •Глава 5. Математический инструментарий в управлении проектами с учётом рисков 127
- •Основы системного анализа
- •1.1. Сущность автоматизации управления в сложных системах
- •1.1.1. Структура системы с управлением
- •1.1.2. Пути совершенствования систем с управлением
- •1.1.3. Цель автоматизации управления
- •1.2. Основные понятия системного анализа
- •1.2.1. Задачи системного анализа
- •1.2.2. Понятие системы как семантической модели
- •1.2.3. Классификация систем
- •1.2.4. Основные определения системного анализа
- •1.3. Модели сложных систем
- •1.3.1. Классификация видов моделирования систем
- •1.3.2.Принципы и подходы к построению математических моделей
- •1.3.3. Этапы построения математической модели
- •1.4. Принципы и структура системного анализа
- •1.4.1. Принципы системного анализа
- •1.4.2. Структура системного анализа
- •Формирование общего представления системы
- •Основы оценки сложных систем
- •2.1. Основыные типы шкал измерения
- •2.1.1. Понятие шкалы
- •2.1.2. Шкалы номинального Типа
- •2.1.3. Шкалы порядка
- •2.1.4. Шкалы интервалов
- •2.1.6. Шкалы отношений
- •2.1.6 Шкалы разностей
- •2.1.7. Абсолютные шкалы
- •2.2. Обработка характеристик, измеренных в разных шкалах
- •2.3. Показатели и критерии оценки систем
- •2.3.1. Виды критериев качества
- •Соотношение понятий качества и эффективности систем
- •2.3.2. Шкала уровней качества систем с управлением
- •2.3.3. Показатели и критерии эффективности функционирования систем
- •2.4. Методы оценивания систем разделяются на качественные и количественные.
- •2.4.1 Методы типа «мозговая атака» или «коллективная генерация идей»
- •2.4.2. Методы типа сценариев
- •2.4.3. Методы экспертных оценок
- •2.4.4. Методы типа дельфи
- •2.4.5. Методы типа дерева целей
- •2.4.6. Морфологические методы
- •2.5. Методы количественного 0ценивания систем
- •2.5.1. Оценка сложных систем на основе теории полезности
- •2.5.2. Оценка сложных систем в условиях определенности
- •2.5.3. Оценка сложных систем в условиях риска на основе функции полезности
- •Данные для оценки вычислительной сети
- •2.5.4. Оценка сложных систем в условиях неопределенности
- •Оценка эффективности для неопределенных операций
- •Матрица эффективности программных продуктов
- •Матрица потерь
- •Сравнительные результаты оценки систем
- •2.5.5. Оценка систем на основе модели ситуационного управления
- •Примеры концептуальных моделей и методик оценивания систем
- •3.1. Способы измерения компьютерных систем
- •3.2. Тесты dhrystone, linpack и «ливерморские циклы»
- •3.3. Методика spec
- •3.4. Тест icomp 2.0 для оценки эффективности микропроцессоров intel
- •3.5. Методика aim
- •3.6. Методика оценки скорости обработки транзакций
- •3.7. Методика оценки графических возможностей
- •3.8. Методика оценки производительности суперкомпьютеров
- •3.9 Методика оценки конфигураций web
- •Основы управления
- •4.1. Общие положения
- •4.1.1. Аксиомы теории управления
- •4.1.2. Принцип необходимого разнообразия эшби
- •4.2. Модели основных функций организационно-технического управления
- •4.2.1. Содержательное описание функций управления
- •4.2.2. Модель общей задачи принятия решении
- •4.2.3. Модель функции контроля
- •4.2.4. Методы прогнозирования
- •4.2.5. Модель функции планирования
- •4.2.6. Модели функции оперативного управления
- •4.3. Организационная структура систем с управлением
- •4.3.1. Понятие структуры системы
- •4.3.2. Понятие организационной структуры и ее основные характеристики
- •4.3.3. Виды организационных структур
- •4.4. Качество управления
- •4.4.1. Степень соответствия решений состояниям объекта управления
- •4.4.2. Критерии ценности информации и минимума эвристик
- •4.4.3. Требования к управлению в системах специального назначения
- •Математический инструментарий в управлении проектами с учётом рисков
- •5.1. Предварительный выбор объекта инвестирования с помощью дерева решений
- •5.1.1. Понятие экономического риска
- •5.1.2. Понятие инвестиционного проекта
- •5.1.3. Примеры задач по привлечению инвесторов
- •5.1.4. Анализ и решение задач с помощью дерева решений
- •5.1.5. Пример процедуры принятия решения
- •5.2. Прогнозирование реализации инвестиционного проекта с помощью логистических кривых
- •5.2.1. Логистичекий подход при решении задач управления материальными и денежными потоками
- •5.2.2. Система управления процессом реализации инвестиционного проекта
- •5.2.3. Основные тренды переходного процесса
- •5.2.4. Выбор варианта освоения инвестиций
- •5.3. Теория дискретного управления для анализа экономических систем
- •5.3.1. Дискретная система и ее передаточная функция
- •5.3.2. Передаточная функция экономической системы
- •5.3.3. Модель в контуре управления экономической системы
- •5.3.4. Двушкальные системы
- •5.4. Модель анализа устойчивости инвестиционного процесса
- •5.4.1. Базовый инструментарий оценки устойчивости процесса освоения инвестиций
- •5.4.2. Перечисление инвестиционных сумм частями
- •5.4.3. Критерий устойчивости инвестиционного процесса
- •5.5. Методика определения объема финансирования с учетом устойчивости инвестиционного процесса
5.3.3. Модель в контуре управления экономической системы
В последнее время для целей управления используются различные модели. Модель должна в сжатые временные сроки обеспечить прогноз результатов деятельности системы в условиях изменяющейся внешней экономической среды. Существуют следующие разновидности моделей:
1) статистические, позволяющие прогнозировать гладкие изменения в системе и окружающей ее экономической среде;
2) имитационные, дающие возможность проводить в ускоренном масштабе времени эксперименты, натурное воспроизведение которых нежелательно или невозможно (банкротства, катастрофы); при этом статистические данные о нежелательных катаклизмах отсутствуют (а если бы они и были, прогнозируемые изменения, которые представляют интерес, могли носить скачкообразный характер); статистику таких явлений можно «наработать» только в процессе прогонов модели;
3) игровые, позволяющие разрабатывать предварительные решения по выбору альтернативных вариантов (например, вариантов инвестирования).
Проведем структурную декомпозицию рассматриваемой системы - «черного ящика». Введем следующие обозначения подсистем: ЭП - подсистемы объекта экономики, реализующие основные экономические процессы с передаточной функцией Wэп (z); УО - управляющие органы в рассматриваемой системе с передаточной функцией Wуо (z); HM - настраиваемая модель, передаточная функция которой равна Wим(z).
Структурная схема включения настраиваемой модели в контур управления приведена на рис. 5.7, а. Такая схема известна в различных модификациях. Она обеспечивает неизменность динамических характеристик системы в целом при изменении динамических характеристик объекта в процессе изменений окружающей среды.
Например, при реализации инвестиционного проекта проектируется новый уникальный бизнес-план. Необходимо, с точки зрения администрации, обеспечить компанию неизменной управляемостью при всех условиях, возникающих во время бизнес-процесса. В этом случае передаточная функция настраиваемой модели Wим(z) выбирается так, чтобы она была оптимальной при неоптимальных реальных процессах. Выходная информация системы сравнивается с параметрами, получаемыми с помощью настраиваемой модели. Разность между ними вводится в цепь отрицательной обратной связи, после чего производится корректировка управляющих действий.
Передаточная функция системы с моделью в контуре управления получается с использованием свойств z-преобразований и определяется по формуле:
Утверждение. Если для целей управления создана модель, которая включена в контур управления по схеме, показанной на рис. 5.7, а, и позволяет получать оптимальные модельные параметры экономических процессов, то справедлива следующая закономерность: чем более чувствительны управляющие органы, тем ближе параметры системы к оптимальным, определяемым с помощью модели.
Доказательство. Требуется доказать, что, чем выше способность управляющих органов улавливать возмущения переменных х (t) и хт (t), тем более адекватным по величине будет компенсирующее воздействие и (t) в результате их нежелательных отклонений. Другими словами, нужно большое усиление сигналов х (t) и хт (t) и их элементарных изменений.
Определим вещественную функцию μ(z) = mod Wуо (z). Эта функция является неким аналогом коэффициента усиления (или производительности), известного в кибернетике и технике. В нашем случае необходимо, чтобы усиление управляющих органов неограниченно увеличивалось, т.е. μ (z)→ ∞ . Передаточная функция W(z) зависит от Wyo(z) и соответственно от μ (z). Выполним в выражении (5.6) предельный переход и получим формулу:
Утверждение доказано. Благодаря формуле (5.7) модель в контуре управления можно называть моделью-эталоном.
В соответствии с вышеизложенным настраиваемые модели можно использовать для компенсации вредного влияния запаздывания в объекте управления на устойчивость процесса управления, закладывая в них возможности упреждения событий (в том числе и нежелательных).