- •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
5.3.4. Двушкальные системы
Перспективным является применение настраиваемых моделей, связанное с использованием их для прогнозирования поведения системы при заданных возмущениях и различных законах управления, что позволяет отобрать оптимальные варианты управления. Для этой цели могут быть применены двушкальные системы (рис. 5.7, б), где органы управления и модели отнесены к быстрой части системы. В быстрой части производится выбор альтернативных вариантов бизнес-планов, анализ рисков. Модели работают в режиме периодического решения задачи управления в ускоренном масштабе времени (на рис. 5.7, б коэффициент k - это значение масштаба). Анализ всех вариантов должен быть выполнен за время, не превышающее период дискретности т, поэтому появляются дополнительные требования к времени моделирования.
Двушкальные системы способны работать с заведомо неточными (относительно прогнозирования) моделями объектов. В частности, это позволяет применять модель не выше второго порядка для объектов высокого порядка. Обычно под моделью в такой системе понимается не одна, а комплекс моделей. Причем для прогнозирования зачастую не хватает доступного (известного) математического аппарата и поэтому используется имитационное моделирование с CASE-технологией, ускоряющей создание и модернизацию моделей.
Рассмотренные выше возможности анализа экономических систем позволяют использовать кибернетические подходы для оценки свойств экономических процессов: управляемости, устойчивости, достижимости. Анализ этих свойств (особенно устойчивости) позволяет более объективно подойти к определению параметров различных бизнес-проектов с учетом рисковых ситуаций.
5.4. Модель анализа устойчивости инвестиционного процесса
В настоящее время в связи с развитием имитационного моделирования применительно к методам адаптивного управления появился интерес к использованию системного анализа и методов общей теории систем для оценки устойчивости экономических процессов. На основе применения доступных информационных технологий создаются средства предварительной оценки эффективности инвестиционных проектов. Наглядным примером создания эффективного метода оценки инвестиционных проектов является метод, который был использован для оценок эффективности «инвестирования в безопасность».
5.4.1. Базовый инструментарий оценки устойчивости процесса освоения инвестиций
На основе применения методов адаптивного управления выбрана схема применения модели в контуре управления двушкальной системы, которая учитывает дискретный характер получения и преобразования экономической информации (см. рис. 5.76). Выходные результаты соответствующей модели - это финансовые результаты x(t) (в простейших случаях - это прибыль/убытки). В качестве входной функции f(t) используется график перечисления денежных средств (инвестиционной суммы). Причем считаем, что вся сумма Vp поступает на счета организаций, реализующих проект, сразу: в течение одного неделимого интервала времени τ, называемого интервалом дискретности. Время измеряется целым числом таких интервалов. В качестве τ можно выбрать один или несколько дней:
В разд. 5.3 получены параметры переходного процесса финансовых результатов х(t), позволяющие построить три основных тренда, входящих в х(t), с учетом свойств адаптации экономического процесса: x1(t) - тренд спада производства, x2(t) - тренд роста производства и x3(t) - тренд временной выгоды (адаптации). Суммарное выражение для x(t) имеет вид:
Здесь хn(t) - это тренд с номером п =1,2 или 3, а параметры а0, a1, а2, Ь0, b1 Ь2 получаются из характеристик объекта инвестирования и бизнес-плана, который проверяется на имитационной модели.
Передаточная функция системы, реализующей инвестиционный проект, по определению (5.4) равна
где
F(z) - z-преобразование входной функции f(t) , имеющей вид (5.8), отражающей поступление инвестиций;
X(z) - преобразование выходной функции x(t), имеющей вид (5.9), отражающей финансовый результат освоения инвестиции.
В данном случае имеем следующее:
Перейдем к анализу устойчивости процесса и преобразуем передаточную функцию к следующему виду, используя выражение (5.5):
где Р (z) и Q (z) - полиномы.
Далее с учетом суммы (5.9) получим