Mõelge süsteemianalüüsi peamistele etappidele.
Vaatleme süsteemianalüüsi esimese etapi – probleemi diagnoosimise – rakendamist.
Probleem on kriitiline lahknevus süsteemi tekitatud efekti olemasolevate ja soovitud (nõutavate) väärtuste vahel.
Pärast probleemi olemasolu fakti tuvastamist algab selle diagnoosimise etapp.
Probleemi diagnostika on organisatsiooni- ja tootmissüsteemi ning väliskeskkonna parameetrite väärtuste ja suhtarvude analüüs, et selgitada välja probleemi põhjused. Samal ajal eeldab diagnostiline etapp teadlase teadmisi kontrollobjekti funktsionaalsest koondstruktuurist ja parameetrite väärtustest selle normaalse toimimise ajal.
Probleemi diagnoosimine hõlmab vastamist järgmistele küsimustele:
Mis tegelikult juhtimissüsteemis toimub?
Mis on toimuva põhjused?
Mis on selle kõige taga?
Esimene samm keerulise probleemi diagnoosimisel on juhtimissüsteemi ebanormaalse käitumise tunnuste äratundmine ja tuvastamine. Näide: madal kasum, müük, tootmine ja kvaliteet, liigsed kulud, arvukad konfliktid organisatsioonis, suur personali voolavus.
Probleemi diagnoosimise teises etapis hinnatakse süsteemi sisemiste tegurite ja väliskeskkonna tegurite koosmõju mõju. Samas mõistetakse sisemiste tegurite all omakapitali suurust, põhivara kulumit, organisatsiooni struktuuri, personali kvalifikatsiooni jne Väliskeskkonna teguriteks on maksude tase, nõudluse struktuur, hinnad jne.
Diagnoosimise kolmas etapp on seotud probleemi lahendamise otsusega. Samal ajal on vaja selgelt määratleda, millistes suundades tuleks liikuda, kuna probleemi lahendus võib eksisteerida kas organisatsiooni- ja tootmissüsteemi funktsioonide või struktuuri või tööparameetrite muutumises.
Probleem on funktsionaalne. , kui see avaldub ja vastavalt sellele on lahendatav organisatsiooni- ja tootmissüsteemi funktsioonide tasandil.
Näiteks saab probleemi lahendada uue toote või teenuse väljalaskmisega; kui turusektor muutub; tarnijatega suhete positsiooni ja olemuse muutmisel; omandivormide muutmisel; tööstusharu kuuluvuse muutmisel ja muudel organisatsiooni- ja tootmissüsteemi põhialuseid mõjutavatel muudatustel.
Probleem on oma olemuselt struktuurne ja seda saab lahendada organisatsiooni- ja tootmissüsteemi struktuuri muutmisega, kui selle lahendamine ei nõua veel funktsioonide muutmist, kuid seda ei saa enam saavutada üksikute parameetrite arvväärtuste muutmisega. Struktuurimuudatuste vajadus võib tekkida turundusstrateegia muutmisel, praegu toodetavaga sarnase uue toote väljatöötamisel, olemasolevate partneritega uut tüüpi lepingulistele suhetele üleminekul.
Probleem on oma olemuselt parameetriline, kui seda saab kõrvaldada ainult organisatsiooni ja tootmissüsteemi parameetrite muutmisega.
Probleemi jälgimise ja diagnoosimise plokkskeem on toodud lisas 1.
Seega on ülaltoodud üksikasjalikest süsteemianalüüsi etappide ja protseduuride skeemidest ilmne, et kognitiivseid operatsioone kasutatakse laialdaselt kõigil etappidel, s.o. ainevaldkonna ja juhtimisobjekti tundmisega seotud toimingud ning nende ideaalmudeli loomine.
Süsteemianalüüs hõlmab: süstemaatilise meetodi väljatöötamist probleemi lahendamiseks, s.o. loogiliselt ja protseduuriliselt organiseeritud toimingute jada, mille eesmärk on valida eelistatud alternatiiv probleemi lahendamiseks. Süsteemianalüüsi rakendatakse praktiliselt mitmes etapis, kuid nende arvu ja sisu osas puudub endiselt ühtsus, sest. Teaduses on palju erinevaid rakendusprobleeme.
Süsteemianalüüsi protsessis kasutatakse selle erinevatel tasanditel erinevaid meetodeid. Samas mängib süsteemianalüüs ise rolli nn. metoodiline raamistik, mis ühendab endas kõik probleemide lahendamiseks vajalikud meetodid, uurimistehnikad, tegevused ja ressursid. Sisuliselt korrastab süsteemianalüüs meie teadmisi probleemist nii, et see aitab valida selle lahendamiseks sobiva strateegia või ennustada ühe või mitme strateegia tulemusi, mis tunduvad sobivana neile, kes peavad tegema otsuseid, et lahendada tekkinud vastuolu. probleemile. Kõige soodsamatel juhtudel on süsteemianalüüsi abil leitud strateegia mõnes konkreetses mõttes "parim".
Vaatleme süsteemianalüüsi metoodikat inglise teadlase J. Jeffersi teooria näitel, mis hõlmab seitsme etapi jaotamist. .
1. etapp "Probleemi valik". Arusaam, et on mingi probleem, mida saab süsteemianalüüsi abil uurida, mis on piisavalt oluline, et seda üksikasjalikult uurida. Arusaam, et probleemi tõeliselt süstemaatilist analüüsi on vaja, on sama oluline kui õige uurimismeetodi valimine. Ühelt poolt saab tegeleda probleemiga, mis ei allu süsteemianalüüsile, ja teisest küljest saab valida probleemi, mille lahendamiseks ei ole vaja kogu süsteemianalüüsi jõudu ja mille uurimine oleks ebaökonoomne. selle meetodiga. See esimese etapi kahesus muudab selle kogu uuringu edu või ebaõnnestumise jaoks kriitiliseks.
2. etapp "Probleemi sõnastamine ja selle keerukuse piiramine". Kui probleemi olemasolu on tuvastatud, tuleb seda probleemi lihtsustada nii, et sellel oleks tõenäoliselt analüütiline lahendus, säilitades samal ajal kõik need elemendid, mis muudavad probleemi praktiliseks uurimiseks piisavalt huvitavaks. Siin on jällegi tegemist mis tahes süsteemiuuringute kriitilise etapiga. Just selles etapis saate probleemi lahendamisele kõige olulisema panuse anda. Kogu uuringu edu või ebaõnnestumine sõltub suuresti lihtsuse ja keerukuse õrnast tasakaalust – tasakaalust, mis säilitab kõik seosed algse probleemiga, mis on piisavad, et analüütiline lahendus oleks tõlgendatav. Probleemi ei pruugita lahendada, kuna aktsepteeritud keerukuse tase raskendab hilisemat modelleerimist, mis ei võimalda selle lahendust leida.
3. etapp "Eesmärkide ja eesmärkide hierarhia loomine." Pärast ülesande seadmist ja selle keerukuse piiramist võite alustada uuringu eesmärkide ja eesmärkide seadmist. Tavaliselt moodustavad need eesmärgid ja eesmärgid teatud hierarhia, kusjuures põhiülesanded jaotatakse järjestikku mitmeks teisejärguliseks. Sellises hierarhias on vaja seada prioriteediks erinevad etapid ja korreleerida need jõupingutustega, mida on vaja teha seatud eesmärkide saavutamiseks. Seega on kompleksuuringus võimalik suhteliselt madala prioriteedina omistada neid eesmärke ja eesmärke, mis on küll teadusliku teabe hankimise seisukohalt olulised, kuid omavad üsna nõrgalt mõju sellele, millist tüüpi otsuseid tehakse seoses mõjuga teaduslikule teabele. süsteem ja selle juhtimine. Teises olukorras, kui see ülesanne on osa mõne fundamentaaluuringu programmi, piirdub teadlane ilmselgelt teatud juhtimisvormidega ja keskendub maksimaalselt ülesannetele, mis on otseselt seotud protsesside endiga. Igal juhul on süsteemianalüüsi viljakaks rakendamiseks väga oluline, et erinevatele ülesannetele seatud prioriteedid oleksid selgelt määratletud.
4. etapp "Probleemide lahendamise viiside valimine". Selles etapis saab uurija tavaliselt probleemi lahendamiseks valida mitu viisi. Konkreetsete probleemide võimalike lahenduste perekonnad on reeglina kogenud süsteemianalüütikule kohe nähtavad. Iga konkreetset probleemi saab tavaliselt lahendada mitmel viisil. Jällegi sõltub pere valik, kelle piires analüütilist lahendust otsida, süsteemianalüütiku kogemusest. Kogenematu teadlane võib kulutada palju aega ja raha, püüdes rakendada mis tahes perekonna lahendust, mõistmata, et see lahendus on saadud eeldustel, mis on tema käsitletava juhtumi jaoks ebaausad. Analüütik seevastu töötab sageli välja mitu alternatiivset lahendust ja alles hiljem leppib sellega, mis tema ülesandele kõige paremini sobib.
5. etapp "Modelleerimine". Kui sobivad alternatiivid on analüüsitud, võib alata oluline samm – probleemi erinevate aspektide keerukate dünaamiliste seoste modelleerimine. Samas tuleb meeles pidada, et modelleeritavaid protsesse ja ka tagasisidemehhanisme iseloomustab sisemine ebakindlus ning see võib oluliselt raskendada nii süsteemi mõistmist kui ka selle juhitavust. Lisaks peab modelleerimisprotsess ise võtma arvesse keerulisi reegleid, mida tuleb sobiva strateegia üle otsustamisel järgida. Selles etapis on mudeli elegantsist väga lihtne end haarata ja selle tulemusena kaovad kõik kokkupuutepunktid tegelike otsustusprotsesside ja matemaatilise aparaadi vahel. Lisaks lisatakse mudeli väljatöötamisel sellesse sageli kontrollimata hüpoteese ning optimaalset alamsüsteemide arvu on üsna keeruline ette määrata. Võib eeldada, et keerulisem mudel võtab paremini arvesse reaalse süsteemi keerukust, kuid kuigi see eeldus tundub intuitiivselt õige, tuleb arvestada täiendavate teguritega. Mõelgem näiteks hüpoteesile, et keerulisem mudel annab suurema täpsuse ka mudeli ennustustele omase määramatuse osas. Üldiselt võib öelda, et süsteemi mitmeks alamsüsteemiks jaotamisel tekkiv süstemaatiline kallutatus on pöördvõrdeline mudeli keerukusega, kuid samas on ka vastav ebakindluse kasv, mis on tingitud vigadest üksikute mudeliparameetrite mõõtmisel. Need uued parameetrid, mis mudelisse sisestatakse, tuleb väli- ja laborikatsetes kvantifitseerida ning nende hinnangutes on alati vigu. Pärast simulatsiooni läbimist suurendavad need mõõtmisvead saadud prognooside ebakindlust. Kõigil neil põhjustel on igas mudelis kasulik vähendada kaalutavate alamsüsteemide arvu.
6. etapp "Võimalike strateegiate hindamine". Kui simulatsioon on viidud faasi, kus mudelit saab kasutada, algab mudelist tuletatud potentsiaalsete strateegiate hindamise etapp. Kui selgub, et aluseks olevad eeldused on valed, peate võib-olla naasma modelleerimisetapi juurde, kuid sageli on võimalik mudelit parandada, muutes veidi algset versiooni. Tavaliselt on vaja uurida ka mudeli “tundlikkust” probleemi nende aspektide suhtes, mis jäeti formaalsest analüüsist välja teises etapis, s.o. kui ülesanne oli püstitatud ja selle keerukuse aste oli piiratud.
7. etapp "Tulemuste rakendamine". Süsteemianalüüsi viimane etapp on eelmistes etappides saadud tulemuste rakendamine praktikas. Kui uuring viidi läbi ülaltoodud skeemi järgi, on selleks vajalikud sammud üsna ilmsed. Süsteemianalüüsi ei saa aga lugeda lõpetatuks enne, kui uurimus on jõudnud praktilise rakendamise faasi ja just selles osas on suur osa tehtud tööst jäänud tegemata. Samas võib just viimases etapis ilmneda teatud etappide mittetäielikkus või vajadus need üle vaadata, mille tulemusena tuleb mõni juba läbitud etapp uuesti läbi teha.
Seega mitmeastmelise süsteemianalüüsi eesmärk on aidata valida õige strateegia praktiliste probleemide lahendamiseks. Selle analüüsi ülesehituse eesmärk on keskenduda põhitegevusele keerulistele ja tavaliselt suuremahulistele probleemidele, mida pole võimalik lahendada lihtsamate uurimismeetoditega, nagu vaatlus ja otsene eksperimenteerimine.
Probleemi otsustamise tasemed. Probleemi väljatöötamise ja otsuste tegemise protsessi võib kujutada otsustusvõimelise (DM) tegevuse meetodite ja tehnikate kogumina. Samal ajal juhindub otsustaja teatud sätetest, juhistest, põhimõtetest, püüdes korraldada võimalikult tõhusat süsteemi, mis võimaldab välja töötada antud olukorras optimaalse lahenduse. Selles protsessis on otsustusmehhanismist lähtuvalt võimalik välja tuua eraldi tasandid, mille elementidega otsustaja alati kokku puutub.
Probleemi puudutavate otsuste tegemise peamised tasemed:
1. Individuaal-semantiline tasand. Otsustamine sellel tasandil toimub otsustaja poolt loogilise arutlemise alusel. Samas sõltub otsustusprotsess otsustaja individuaalsest kogemusest ja on tihedalt seotud konkreetse olukorra muutumisega. Sellest lähtuvalt ei suuda semantilise tasandi inimesed üksteist mõista ning nende tehtud otsused pole sageli mitte ainult ebamõistlikud, vaid ka organisatsioonilise tähenduseta. Seega sellel tasandil tehakse otsuseid ainult "terve mõistuse" alusel.
2. Suhtlus-semantiline tasand. Sellel tasandil tehakse otsuseid juba otsustamisse kaasatud isikute kommunikatiivse suhtluse alusel. Siin ei räägi me traditsioonilisest suhtlusest, vaid spetsiaalselt valitud suhtlusest. Suhtlemise korraldaja - otsustaja "käivitab" suhtluse siis, kui tegevuses on raskusi, millest tekib probleemne olukord. Samas olukorras suhtluses osalejad näevad oma subjektiivsest positsioonist lähtuvalt erinevaid asju. Sellest tulenevalt korraldab otsustaja isiklikult või vahekohtuniku abiga erinevate seisukohtade põhjendatud kriitika ja vahekohtu hindamise. Sellel tasandil toimub üksikute seisukohtade sulandumine üldkehtivate seisukohtadega.
Arvestatakse esimest ja teist taset eelkontseptuaalne. Just neil tasanditel langetavad organisatsioonide juhid kõige sagedamini otsuseid.
3. Kontseptuaalne tasand. Sellel tasandil kaldutakse kõrvale individuaalsetest arvamustest ja kasutatakse rangeid mõisteid. See etapp hõlmab spetsiaalsete tööriistade kasutamist otsustajate professionaalseks suhtlemiseks huvitatud spetsialistidega, mis aitab parandada nende professionaalse suhtluse kvaliteeti lahenduse väljatöötamise protsessis.
4. Probleemitase. Sellel tasandil on probleemide lahendamiseks vaja liikuda otsustusprotsessis kujunenud individuaalselt semantiliselt arusaamalt probleemsituatsioonist selle mõistmisele tähenduste kaudu. Kui otsustaja eesmärk on mingi konkreetne probleem lahendada, kasutatakse teadaolevaid algoritme ja vajalik on lihtsate protseduuride väljatöötamine. Kui otsustaja seisab silmitsi teatud probleemiga ja valitseb ebakindlusolukord, tehakse otsus teoreetilise mudeli ehitamise, hüpoteeside sõnastamise, lahenduste väljatöötamise abil loova lähenemise abil. Raskused selles tegevuses peaksid viima otsustamise järgmisele tasemele – süsteemsele.
5. Süsteemi tase. See tasand nõuab otsustajalt süstemaatilist nägemust otsustuskeskkonna kõigist elementidest, juhtimisobjekti esituse terviklikkusest ja selle osade koostoimest. Koostoime tuleks muuta terviklikkuse elementide vastastikuseks abistamiseks, mis annab tegevusest süsteemse efekti.
6. Universaalsüsteemi tasand. Sellel tasemel otsuse langetamine hõlmab otsustaja nägemust kontrolliobjekti terviklikkusest ja selle integreerimisest keskkonda. Empiirilisi vaatlusi ja sellest tulenevat analüütilist informatsiooni kasutatakse siin objekti arengusuundade määramiseks. Tase nõuab otsustajalt ümbritsevast maailmast tervikliku pildi loomist.
Seega on otsustajatel raske probleemi üle otsustamisel ühelt tasandilt tasandile liikuda. See võib olla tema subjektiivne kahtlus või objektiivne vajadus lahendada probleeme ja probleeme, võttes arvesse konkreetse taseme nõudeid. Mida keerulisem on juhtimisobjekt (probleem), seda kõrgemat taset on vaja otsustada. Samas peab igale tasandile vastama kindel otsustusmehhanism, samuti on vaja tegevussuuna valikul kasutada tasemekriteeriume.
Intuitiivse ja süstemaatilise lähenemise võrdlusOlukorras, kus meil on vaja mingi probleemi osas mingi otsus langetada (eeldame, et teeme selle otsuse ise ehk teisisõnu, meile ei ole seda "surutud"), siis me, selleks, et teha kindlaks, milline konkreetne lahendus on paremini aktsepteeritav, saame tegutseda kahel põhimõtteliselt erineval viisil.
Esimene meetod on lihtne ja toimib täielikult varem omandatud kogemuste ja omandatud teadmiste baasil. Lühidalt on see järgmine: pidades meeles esialgset olukorda, me
1) valime mälust välja ühe või mitu meile teadaolevat mustrit (“mall”, “süsteem”, “struktuur”, “põhimõte”, “mudel”), millel on rahuldav (meie arvates) analoogia lähteolukorraga;
2) rakendame hetkeolukorrale juba teadaoleva mustri parimale lahendusele vastava lahenduse, millest saab antud olukorras eeskujuks selle kasutuselevõtul.
See vaimse tegevuse protsess toimub reeglina alateadlikult ja see on selle erakordse tõhususe põhjus. Oma "teadvustamatuse" tõttu nimetame seda otsustusmeetodit "intuitiivseks". Siiski tuleb märkida, et see pole midagi muud kui oma varasemate kogemuste ja omandatud teadmiste praktiline rakendamine. Ärge ajage intuitiivset otsustamist segamini ennustamise või mündiviskamisega. Intuitsioon on sel juhul otsustava inimese teadmiste ja kogemuste alateadlik kvintessents. Seetõttu on intuitiivsed lahendused sageli väga edukad, eriti kui inimesel on piisavalt kogemusi sarnaste probleemide lahendamisel.
Teine meetod on palju keerulisem ja nõuab teadlike vaimsete pingutuste kaasamist, mille eesmärk on meetodi enda rakendamine. Kirjeldage seda lühidalt järgmiselt: pidades meeles esialgset olukorda, me
1) valime tulevase lahenduse hindamiseks mõne efektiivsuse kriteeriumi;
2) määrab kindlaks vaadeldava süsteemi mõistlikud piirid;
3) loome lähteolukorraga analoogia jaoks sobiva süsteemimudeli;
4) uurida selle mudeli omadusi ja käitumist parima lahenduse leidmiseks;
5) rakendab leitud lahendust praktikas.
Seda keerukat otsustusmeetodit, nagu me juba teame, nimetatakse "süsteemseks" mõistete "süsteem" ja "mudel" teadliku rakendamise tõttu. Võti selles on mudelite kompetentse väljatöötamise ja kasutamise ülesanne, sest just mudel on meile vajalik tulemus, mis pealegi jääb meelde ja edaspidi sarnaste olukordade jaoks korduvalt kasutusse.
Kui võrrelda neid kahte meetodit omavahel, siis esmapilgul on "intuitiivse" lähenemise tõhusus ilmne nii otsuste tegemise kiiruse kui ka tehtud pingutuste maksumuse poolest. Ja tõepoolest on.
Ja mis on "süsteemse" meetodi eelis, kui üldse?
Fakt on see, et intuitiivne lähenemine annab meile ülesandele või probleemsituatsioonile algselt teadaoleva lahenduse ning süsteemset lähenemist kasutades ei tea me tõesti kuni mingi hetkeni otsitavat lahendust. Ja see tähendab, et süstemaatilise lähenemise praktika on inimestele oma olemuselt "omane" ja on samavõrra ka inimese personaalse treeningu aluseks (eriti selgelt tema esimestel eluaastatel).
Intuitiivsed ja süsteemsed otsustusmeetodid ei ole vastuolus. Igaüht neist on aga sobivam kasutada just talle sobivas olukorras. Et teada saada, millistes olukordades on parem kasutada, vaatleme esmalt järgmist illustreerivat näidet.
Näide. Kujutagem ette olukorda, kui sisenete instituudi hoonesse. Sisenemiseks tuleb avada ja läbida sissepääsuuks. Olete seda juba mitu korda teinud ja loomulikult ei mõtle sellele, st teete seda "automaatselt". Kuigi kui vaadata, siis need toimingud on üsna keerukas käte, jalgade ja keha keha koordineeritud liigutuste ahel: tehnoloogia kaasaegse arengu ja tehisintellekti eduga ei suuda veel ükski robot. see on sama loomulikult, kui ka lihtsalt kõndida. Küll aga teete seda lihtsalt ja vabalt, sest seljaajus ja aju alumises osas on juba hästi toimivad spetsiifilised käitumisviisid, mis annavad teie tegevuse ennustustele õige tulemuse avamaks ust, kasutamata selleks ülesandeks kõrgemate ajupiirkondade ressursse. . Teisisõnu kasutame sellistel juhtudel juba väljakujunenud otsustusmudelit.
Oletame nüüd, et vedru vahetati ära teie äraoleku ajal ja selle avamiseks on vaja palju rohkem jõudu. Mis juhtub? Nagu ikka, lähened, võtad käepidemest, vajutad ..., aga uks ei avane. Kui oled sel hetkel mõttes, siis võid isegi ebaõnnestunult ukselingist mitu korda tõmmata, kuni närvisüsteem jõuab teadvuseni, et olukord nõuab uurimist ja erilist reaktsiooni. Mis juhtus? Vana mudel, mis varem selle olukorra jaoks laitmatult töötas, ei töötanud - ennustus ei andnud oodatud tulemust. Seetõttu uurite praegu juhtunut, leiate probleemi põhjuse, mõistate, et ukse avamiseks peate tegema suuremaid jõupingutusi ja otsustama, millised konkreetsed jõupingutused. Seejärel “uuendate automaatselt käitumismudelit” selle olukorra jaoks ja üsna varsti, tõenäoliselt ühe päeva jooksul, uus mudel “juurdub” ja siis sisenete, nagu varemgi, oma instituuti sellele mõtlemata.
Antud juhul võtsime kasutusele "süsteemse" lähenemise – uurisime olukorda, muutsime kasutuskõlbmatut mudelit ja "võtsime selle kasutusele".
See lihtne näide näitab, kuidas meie organism rakendab tõhusalt modelleerimist praktikas süstemaatilises lähenemisviisis probleemi üle otsustamisel. See kombinatsioon on põhjuseks inimese ülikõrgele kohanemisvõimele uute ja ebasoodsate tingimustega. Ebakindluse olukorras, kui vanad mudelid ei tööta, töötame välja ja rakendame uusi, mis peaksid siis sarnastes olukordades hästi toimima. See on õppimise, õigemini mingi oskuse omandamise efekt.
MEELES: Lähenedes põhimõtteliselt uute ülesannete lahendamisele, peame kohe rakendama süstemaatilist lähenemist, kulutama selle elluviimiseks täiendavaid jõupingutusi ja mitte ootama projekti elluviimisel tekkivaid vältimatuid probleeme.
Süstemaatilise lähenemise praktika probleemi otsuse tegemisel ei nõua enamikul juhtudel tõsist kallite ressursside kaasamist, spetsiaalse tarkvara kasutamist ja protsesside täielikku kirjeldust. Juhtub, et konkreetse probleemi edukaks lahendamiseks piisab ühest ajurünnakust, paberilehtedest ja kustutuskummiga pliiatsist.
Seega hõlmab süstemaatiline lähenemine probleemi kohta otsuse tegemisel selge algoritmi järgimist, mis koosneb 6 sammust:
probleemi määratlemine;
lahenduse valiku kriteeriumide määramine;
kriteeriumidele kaalude määramine;
alternatiivide väljatöötamine;
alternatiivide hindamine;
parima alternatiivi valik.
Kuid selliste asjaolude olemasolu nagu: suur ebakindlus, pretsedentide puudumine või ebapiisavus, piiratud faktid, faktid, mis viitavad kahemõtteliselt õigele teele, analüütilistest andmetest on vähe kasu, mitmete heade alternatiivide olemasolu, piiratud aeg ei võimalda alati rakendada süstemaatilist lähenemist.
Sel juhul nõutakse otsustajalt loovust – s.t. lahendus peab olema loominguline, originaalne, ootamatu. Loominguline lahendus sünnib järgmiste tegurite olemasolul:
Otsustajal peavad olema vastavad teadmised ja kogemused;
Tal peavad olema loomingulised võimed;
Otsuste tegemisel töötamist peaks toetama asjakohane motivatsioon.
Lõpuks mõjutavad probleemi üle otsustamise protsessi ja sellele järgnevat reaktsiooni kognitiivsed eelarvamused ja organisatsioonilised piirangud.
Kognitiivseid eelarvamusi saab kategoriseerida vastavalt otsuste tegemise etapile, milles need eelarvamused on mõjutatud.
Teabe kogumise etapis:
info kättesaadavus - probleemianalüüsiks valitakse ainult kergesti ligipääsetav informatsioon;
kinnituseelarvamus – kogu infomassiivist valitakse analüüsiks ainult see, mis kinnitab otsustaja esialgset (teadlikku või alateadlikku) hoiakut.
Teabe töötlemise etapis:
• riskide vältimine – kalduvus vältida riski iga hinna eest, isegi suure tõenäosusega positiivse tulemuse korral mõõduka riski aktsepteerimise korral;
liigne usaldus kellegi või millegi vastu;
raamimine – küsimuse vormi või sõnastuse mõju sellele küsimusele antud vastusele;
· ankurdamine – kalduvus otsuse langetamisel liialt üksikutele andmetele tugineda;
valimi (eba)representatiivsus.
Otsusetapis:
Piiratud ratsionaalsus - inimese kalduvus võimalikke lahendusi mentaalselt sorteerides peatuda esimese ettetuleva "talutava" lahenduse juures, ignoreerides ülejäänud võimalusi (mille hulgas võib-olla on "parim" lahendus);
grupimõtlemine - inimrühma üldise positsiooni mõju inimese individuaalsele positsioonile;
karja tunne;
sotsiaalsed normid;
Muljehaldus – protsess, mille käigus inimene püüab kontrollida teistele inimestele jäävat muljet;
· konkurentsisurve;
Valduse efekt – inimene kipub rohkem väärtustama seda, mis talle vahetult kuulub.
Tehtud otsusele reageerimise etapis:
Kontrolli illusioon – inimese usk oma kontrolli olukorra üle suuremal määral, kui see tegelikult on;
• veendumuse kujundamine - olukord, kus isik jätkab esialgset otsust toetavate toimingute tegemist (selle otsuse õigsuse tõendamiseks) ka pärast esialgse otsuse ekslikkuse ilmnemist;
tagantjärele tarkus – kalduvus hinnata toimunud sündmusi nii, nagu oleks neid minevikus lihtne ennustada ja mõistlikult oodata;
Fundamentaalne omistamisviga - inimese kalduvus omistada õnnestumisi enda saavutustele ja ebaõnnestumisi välistele teguritele;
· subjektiivne hinnang – kalduvus tõlgendada andmeid vastavalt oma veendumustele/eelistustele.
Otsustusprotsessi mõjutavad ka organisatsioonilised piirangud, nagu personali hindamissüsteem, preemia- ja motivatsioonisüsteem, organisatsiooni poolt vastu võetud formaalne regulatsioon, kehtestatud tähtajad ja ajaloolised pretsedendid sarnaste probleemide lahendamiseks.
Seega võimaldab süstemaatiline lähenemine tuvastada uuritava probleemi uusi tunnuseid ja ehitada selle lahenduse mudeli, mis erineb põhimõtteliselt eelmisest.
leiud
1. Igasugune teaduslik, uurimistöö ja praktiline tegevus toimub meetodite (tehnikad või tegevusmeetodid), meetodite (mis tahes tööde teostamise meetodite ja tehnikate kogum) ja metoodikate (meetodite kogum, reeglite kogum) alusel. meetodite jaotamine ja määramine, samuti tööetapid ja nende järjestused). Süsteemianalüüs on meetodite ja vahendite kogum paljude võimalike alternatiivide hulgast optimaalse otsuse väljatöötamiseks, vastuvõtmiseks ja põhjendamiseks. Seda kasutatakse peamiselt strateegiliste probleemide lahendamiseks. Süsteemianalüüsi peamine panus erinevate probleemide lahendamisel tuleneb sellest, et see võimaldab tuvastada need tegurid ja seosed, mis võivad hiljem osutuda väga oluliseks, et see võimaldab muuta vaatlusmeetodit ja katsetada nii, et need tegurid oleksid arvesse võetud, ning tõstab esile hüpoteeside ja eelduste nõrkused.
2. Süsteemianalüüsi rakendamisel on rõhk hüpoteeside kontrollimisel katsete ja rangete proovivõtuprotseduuride abil, mis loob võimsaid tööriistu füüsilise maailma mõistmiseks ning ühendab need vahendid keerukate nähtuste paindliku, kuid range uurimise süsteemiks. Seda meetodit peetakse probleemi süvamõistmise (mõistmise) ja järjestamise (struktureerimise) metoodikaks. Seega on süsteemianalüüsi metoodika põhimõtete, lähenemisviiside, kontseptsioonide ja spetsiifiliste meetodite ning tehnikate kogum. Süsteemianalüüsis on rõhk uute teadusliku mõtlemise põhimõtete väljatöötamisel, mis arvestavad terviku ja vastuoluliste suundumustega.
3. Süsteemianalüüs ei ole ümbritseva maailma ja selle probleemide uurimisel midagi põhimõtteliselt uut – see põhineb loodusteaduslikul lähenemisel. Erinevalt traditsioonilisest lähenemisest, kus probleem lahendatakse ülaltoodud sammude ranges järjestuses (või erinevas järjekorras), seisneb süsteemne lähenemine lahendusprotsessi mitmekordses seotuses. Süsteemianalüüsi peamine ja väärtuslikum tulemus ei ole probleemi kvantitatiivselt määratletud lahendus, vaid selle mõistmise ja võimalike lahenduste taseme tõus probleemi uurimises osalevate spetsialistide ja ekspertide ning mis kõige tähtsam - vastutustundlike seas. isikud, kellele pakutakse hästi väljatöötatud ja hinnatud alternatiivide komplekti.
4. Kõige üldisem mõiste, mis tähistab süsteemide kõiki võimalikke ilminguid, on "süstemaatiline", mida soovitatakse vaadelda kolmes aspektis:
a) süsteemiteooria annab rangeid teaduslikke teadmisi süsteemide maailmast ning selgitab erineva iseloomuga süsteemide päritolu, struktuuri, toimimist ja arengut;
b) süstemaatiline lähenemine - täidab orienteerumis- ja maailmavaatefunktsioone, pakub mitte ainult nägemust maailmast, vaid ka selles orienteerumist. Süstemaatilise lähenemise põhijooneks on keeruka, mitte lihtsa, terviku ja mitte koosnevate elementide domineeriva rolli olemasolu. Kui traditsioonilise uurimiskäsitluse puhul liigub mõte lihtsast keerulisele, osadelt tervikule, elementidelt süsteemile, siis süstemaatilise lähenemise korral liigub mõte vastupidiselt keeruliselt lihtsale, alates tervik selle koostisosadeni, süsteemist elementideni.
c) süsteemne meetod – rakendab kognitiivseid ja metodoloogilisi funktsioone.
5. Objekti süstemaatiline käsitlemine hõlmab: süsteemse kvaliteedi määratlemist ja uurimist; süsteemi moodustavate elementide kogumi tuvastamine; seoste loomine nende elementide vahel; süsteemi ümbritseva keskkonna süsteemi toimimiseks oluliste omaduste uurimine makro- ja mikrotasandil; süsteemi ja keskkonnaga seotud seoste paljastamine.
Süsteemianalüüsi algoritm põhineb üldistatud mudeli konstrueerimisel, mis kajastab kõiki probleemolukorra tegureid ja seoseid, mis võivad ilmneda lahendusprotsessis. Süsteemianalüüsi protseduur seisneb iga võimaliku alternatiivse lahenduse tagajärgede kontrollimises, et valida optimaalne vastavalt mis tahes kriteeriumile või nende kombinatsioonile.
Bertalanfi L. taust. Üldine süsteemiteooria – ülevaade probleemidest ja tulemustest. Süsteemiuuringud: aastaraamat. M.: Nauka, 1969. S. 30-54.
Boulding K. Üldine süsteemiteooria – teaduse skelett // Uuringud üldisest süsteemiteooriast. M.: Progress, 1969. S. 106-124.
Volkova V.N., Denisov A.A. Kontrolliteooria ja süsteemianalüüsi alused. SPb.: SPbGTU, 1997.
Hegel G.W.F. Loogikateadus. 3 köites M.: 1970 - 1972.
Dolgušev N.V. Sissejuhatus rakendussüsteemide analüüsi. M., 2011.
Živitskaja E.N. Süsteemi analüüs ja projekteerimine. M., 2005.
Kaziev V.M. Sissejuhatus süsteemide analüüsi, sünteesi ja modelleerimisse: loengukonspektid. M.: IUIT, 2003.
Kachala V.V. Süsteemianalüüsi alused. Murmansk: MSTU, 2004.
Kaasaegse loodusteaduse kontseptsioonid: loengukonspektid. M., 2002.
Lapygin Yu.N. Organisatsioonide teooria: õpik. toetust. M., 2006.
Nikanorov S.P. Süsteemianalüüs: probleemide lahendamise metoodika väljatöötamise etapp Ameerika Ühendriikides (tõlge). M., 2002.
Pribylov I. Otsuste tegemise protsess/www.pribylov.ru.
Sadovski V.N. Süsteemne lähenemine ja üldine süsteemiteooria: seis, peamised probleemid ja arenguväljavaated. Moskva: Nauka, 1980.
Svetlov N.M. Süsteemiteooria ja süsteemianalüüs. UMK. M., 2011.
CERTICOM – Juhtimisnõustamine. Kiiev, 2010.
Süsteemianalüüs ja otsuste tegemine: Sõnastik-teatmik / toim. V. N. Volkova, V. N. Kozlov. Moskva: Kõrgkool, 2004.
Süsteemianalüüs: loengukonspektid. Haridusvaldkonna otsuste tegemisel teabesüsteemi metoodilise toe ja analüütilise toe veebisait, 2008.
Surmin Yu.P. Süsteemiteooria ja süsteemianalüüs: õpik. toetust. Kiiev: MLUP, 2003.
Fadina L.Yu., Shchetinina E.D. Juhtimisotsuste tegemise tehnoloogia. laup. NPC artiklid. M., 2009.
Khasyanov A.F. Süsteemianalüüs: loengukonspektid. M., 2005.
Chernyakhovskaya L.R. Süsteemide metoodika ja otsuste tegemine. Loengute lühikokkuvõte. Ufa: UGATU, 2007.
Süsteemianalüüsi metoodilised põhimõtted
Juhtimissüsteemi analüüsi eesmärk on:
juhtimissüsteemi üksikasjalik uurimine selle tõhusamaks kasutamiseks ja selle edasise täiustamise või asendamise otsustamiseks;
· vastloodud juhtimissüsteemi alternatiivsete võimaluste uurimine, et valida parim variant.
Erineva koostise, sisu ja ulatusega (sotsiaalsed, füüsilised, tehnilised, bioloogilised, vaimsed struktuurid jne) objektide uurimise kogemus võimaldab sõnastada kolm süstemaatilise lähenemise aluspõhimõtet, mida saab kasutada komplekside uurimisel. juhtimissüsteemid:
kehalisuse põhimõte;
modelleerimise põhimõte;
eesmärgipärasuse põhimõte.
Töös (7) eristatakse järgmisi süsteemianalüüsi põhimõtteid:
terviklikkus;
hierarhiline struktuur;
struktureerimine;
paljusus.
Süsteemianalüüsi põhimõtted on järgmised:
1) Ühtsuse põhimõte: süsteemi kui ühtse terviku ja osade (elementide) kogumi ühine käsitlemine.
2) Seotuse põhimõte: süsteemi mis tahes osa arvestamine koos selle seostega teiste osade ja keskkonnaga.
3) Arengu põhimõte: süsteemi varieeruvuse, selle arendamise, osade asendamise, informatsiooni kogumise võime arvestamine, samas väliskeskkonna dünaamika, süsteemi ja väliskeskkonna vastasmõju muutuste arvestamine.
Järgmised süsteemse lähenemise põhimõtted määratlevad ratsionaalse, eesmärgipärase lähenemise süsteemi ülesehituse ja toimimise arvestamisel.
4) Funktsionaalsuse põhimõte: süsteemi struktuuri ja funktsioonide ühine arvestamine funktsioonide prioriteediga struktuuri ees - funktsioonide muutumine toob kaasa struktuuri muutuse.
5) Detsentraliseerimise põhimõte: detsentraliseerimise ja tsentraliseerimise kombinatsioon.
6) Moodulehituse põhimõte: moodulite jaotamine ja süsteemi käsitlemine moodulite kogumina.
7) Hierarhia põhimõte. Hierarhia on omane kõikidele keerukatele süsteemidele.
8) Info konvolutsiooni põhimõte: info volditakse, suurendatakse hierarhia tasanditel ülespoole liikudes alt üles.
9) Määramatuse printsiip.
10) Organisatsiooni põhimõte: otsused, järeldused, tegevused peavad vastama süsteemi detailsuse astmele, selle kindlusele, organiseeritusele.
Seda teadlaste arvamuste loetelu süsteemianalüüsi põhimõtete kohta võiks jätkata, kuna kirjanduses on need põhimõtted peaaegu kõigil uurijatel erinevad.
Laiendatud süsteemianalüüs koosneb järgmistest etappidest: probleemi seadmine; süsteemi ja selle probleemide struktureerimine; mudeli koostamine ja uurimine koos järgnevate soovituste väljatöötamisega süsteemi täiustamiseks.
Erinevad teadlased lähenevad süsteemiuuringute põhietappide määratlemisele erinevalt. Sellised protseduurid on olemas: konfiguraatori määratlus; probleemi ja probleemide määratlemine; eesmärkide tuvastamine; kriteeriumide kujundamine; alternatiivide loomine; mudelite ehitamine ja kasutamine; optimeerimine; lagunemine; liitmine.
On selliseid etappe:
analüüsiobjekti määratlemine;
süsteemi struktureerimine;
juhtimissüsteemi funktsionaalsete omaduste kindlaksmääramine;
süsteemi infoomaduste uurimine;
juhtimissüsteemi kvantitatiivsete ja kvalitatiivsete näitajate määramine;
juhtimissüsteemi tulemuslikkuse hindamine ja hindamine;
analüüsi tulemuste üldistamine ja registreerimine.
Nagu näha, korduvad olulisemad etapid kõikide uurijate puhul (probleemi püstitamine - probleemi määratlemine pluss eesmärgi tuvastamine; modelleerimine - mudelite koostamine; struktureerimine - süsteemi struktureerimine jne).
1.Probleemi sõnastamine. See tööetapp on kõige olulisem, sest. sellest sõltub kogu uurimistöö käik. Süsteemianalüüsi algstaadiumina erineb probleemipüstitus probleemipüstitusest matemaatilises mõttes kui formaalne viis selle olemuse kirjutamiseks. Selles suhteliselt kitsas tähenduses käsitletakse probleemipüstitust hiljem konkreetsete ülesannete puhul, mida süsteem või selle elemendid lahendavad toimimisprotsessis. Süsteemianalüüsi algfaasis käsitletakse probleemipüstitust laiemas tähenduses.
Seoses juhtimissüsteemidega on eelkõige vaja selgitada läbiviidava uurimistöö eesmärki, sest sellest sõltub sisuliselt edasiste etappide suund ja sisu. Oluline on kindlaks teha, mis oli selle uuringu alustamise otsuse põhjus.
Riis. Juhtimissüsteemi üldskeem
Juhtimissüsteemi iseloomustab ühtsus teema ja objektiks juhtimine - selle juht- ja juhitavad osad, mis on tagatud nendevaheliste otseste ja tagasisideühenduste olemasoluga, mis moodustavad nende terviku juhtimisahel
Kontrolliobjekti genereeritud juhtimistoimingu () mõjul toimuvad juhtimisobjektis muutused, mille tulemused kajastuvad selle mõõdetud parameetrite arvväärtustes. Kogu parameetrite komplekti hulgas, mille väärtuste järgi saab hinnata juhtobjekti olekut, on sisend () ja väljund (), juhitud ja kontrollimata ("häired" - ).
Juhttoiming on suuruse funktsioon – ebakõla suurus, mis võrdub seadistustoimingu (sisendsignaali) ja süsteemi reaktsiooni vahelise erinevusega.
Nimetatakse ajavahemikku kontrolliobjektiga seotud uue teabe saamise hetkest juhtimisotsuse täitmiseni kontrolli töötsüklit :
kus on saadud teabe esmasele töötlemisele ja üldistamisele kulunud aeg;
– otsustusprotsessi kestus;
– lahenduse üleandmisele ja teostamisele kulunud aeg.
Juhtimistoimingu tsükli kestus määrab minimaalse vajaliku ettevalmistusaeg juhtimises.
Vastavalt kontrolli põhimõttele eristatakse süsteeme suletud ja avatud :
suletud juhtimissüsteem- süsteem negatiivse tagasisidega (negatiivse tagasisidega süsteemides rakendatakse põhimõtet kõrvalekalde kontroll - juhitava väärtuse kõrvalekalde kõrvaldamine või vähendamine seatud väärtusest, mõõtes seda kõrvalekallet ja kasutades seda juhtimistoimingu väljatöötamiseks, mis tagastab süsteemi algsesse olekusse);
avatud ahela juhtimissüsteem- süsteem tagasisidet pole (tagasisideta süsteemides kasutatakse põhimõtet häirete kontroll - häirest põhjustatud juhitava muutuja nõutavast väärtusest kõrvalekalde kõrvaldamine või vähendamine selle häire mõõtmise, selle funktsionaalse transformatsiooni ja vastava juhttoimingu väljatöötamise abil).
Juhtsüsteemi, mille oleku määravad mitme muutuja funktsioonid, mis sõltuvad mitte ainult ajast, vaid ka ruumilistest koordinaatidest, nimetatakse hajutatud juhtimissüsteem .
Nimetatakse juhtimissüsteeme, mis reageerivad igale välismõjule väga spetsiifiliselt refleksiivne (refleks, refleks ). Sest mitterefleksiivne süsteeme iseloomustab mitmetähenduslikkus, mitmemõõtmeline reaktsioon samale mõjule.
Mänguteoorias refleksiivne kontroll viitab protsessile, mille käigus üks osapool annab teisele otsuse tegemise aluste üle. Sel juhul peegeldavad mängijad oma mõtlemises üksteise arutluskäiku. Tänu võimalusele kasutada vastaspoolel erinevaid nippe (desinformatsiooni levitamine, bluffimine jne), ei osutu optimaalsed, kuid liiga jäigad tegevusprogrammid reeglina nii soodsaks kui programmid, mis põhinevad meetoditel, mis on mitte optimaalne, vaid paindlikum. Sotsiaalsüsteemide kõige tüüpilisem refleksiivne kontroll.
Juhtsüsteem, mille olekumuutuse seadust kirjeldab tavaliste diferentsiaalvõrrandite süsteem:
| , | ||||
| . . . . . . . . . . . . . . | ||||
| , |
(vektori kujul), nimetatakse dünaamiline süsteem .
Kas radikaalsed otsused on seotud radikaalse rekonstrueerimisega, olemasoleva süsteemi põhimõtteline muutmine või soovite selle tööd olemasolevatele võimalustele tuginedes täiustada?
Miks tunduvad muutused vajalikud?
Mida soovite nende muudatuste tulemusena näha?
Mis takistab süsteemi õiges suunas muutmist ilma eriuuringuid tegemata?
Kuidas hinnata muudatuste tõhusust, kui neid tehakse? Sellistele küsimustele saab hõlpsasti vastuseid vaadeldavate ja kõrgemate süsteemide spetsialistidelt. Nende aastatepikkune kogemus, üksikasjalik teadmine süsteemist, milles nad töötavad, lubab uskuda, et keegi ei tea endast paremini, milliseid raskusi nad kogevad, millised piirangud takistavad, mida nad saavutada tahavad.
Peaaegu alati selgub aga, et ülesanded sõnastavad need spetsialistid kas väga üldistavalt, mida on raske konkretiseerida, või vastupidi, püstitatakse kitsad konkreetsed ülesanded, mis ei hõlma probleemi tervikuna. See ei tulene sellest, et nad ei tunneks oma süsteemi piisavalt sügavalt või ei omaks eriteadmisi ja -oskusi süsteemianalüüsi vallas. Psühholoogiliselt on inimene oma otsuste õigsuses alati veendunud, isegi kui nende eksitus on teistele ilmselge, muidu ta lihtsalt ei teeks sellist otsust. Talle tundub, et ta võttis arvesse kõiki otsust mõjutavaid tegureid, nägi ette tagajärgi, kaalus kõiki asjaolusid.
Keerulistes olukordades tehtud otsused on reeglina optimaalsest väga kaugel. Seetõttu ongi uuritavas süsteemis töötavate spetsialistide ülesannete sõnastus enamasti ühekülgne, kiskudes välja süsteemi tegevusest ühegi aspekti, arvestamata süsteemi erinevate tegurite mitmekesisust ja omavahelist seotust ning selle väliskeskkond. Seetõttu juhtub mõnikord, et nende spetsialistide sõnastatud ülesanded muutuvad süsteemianalüüsi esimese etapi tulemusena radikaalselt.
Esimene etapp - ülesande püstitamise etapp - on järgneva töö jaoks väga oluline, see sõltub oluliselt sellest, milliseid tulemusi saadakse. Samal ajal ei ole see etapp praktiliselt vormistatav. Edu määrab süsteemianalüütiku oskus ja kogemus, uuritavast süsteemist arusaamise sügavus, oskus luua tihe kontakt uuritavas süsteemis töötavate spetsialistidega ning kõigi uuringute koos läbiviimine. Suurim efekt on ühtse rühma loomine, kuhu kuuluvad need spetsialistid.
2. Struktureerimine – süsteemianalüüsi teine etapp. Kõigepealt on vaja lokaliseerida probleemi ja süsteemi piirid ning määrata nende väliskeskkond, mille jaoks on vaja kindlaks määrata kõigi elementide kogum, mis on ühel või teisel määral seotud eelmises etapis püstitatud ülesandega. , ja jagada need kahte klassi - 1) uuritav süsteem ja 2) selle väliskeskkond. Selline jaotus oleneb sisuliselt ülesandekogust – selle muutumisel muutuvad probleemi ja süsteemi piirid, väliskeskkond ning mõnikord ka esialgne elementide komplekt.
Erinevate probleemide klassidesse jagamise kriteeriumiks on reeglina nende teadmiste võimaliku sügavuse aste. Sellest lähtuvalt jaotatakse kõik probleemid kõige üldisemal kujul kolme klassi: “hästi struktureeritud” (hästi struktureeritud), “struktureerimata” (struktureerimata) ja “nõrgalt struktureeritud” (halvasti struktureeritud):
"hästi struktureeritud" viitab probleemidele, milles olulised sõltuvused on selgelt väljendatud ja neid saab esitada numbrite või sümbolitena. Seda probleemide klassi nimetatakse ka "kvantifitseeritud" ja "operatsioonide uurimise" metoodikat kasutatakse laialdaselt selle klassi probleemide lahendamiseks;
"struktureerimata" on probleemid, mis väljenduvad peamiselt kvalitatiivsetes tunnustes ja tunnustes ning mida ei saa kvantitatiivselt kirjeldada ega arvuliselt hinnata. Nende "kvalitatiivselt väljendatud" probleemide uurimine sobib ainult heuristiliste analüüsimeetoditega. Siin puudub võimalus kasutada lahenduste leidmiseks loogiliselt järjestatud protseduure; > "nõrgalt struktureeritud" klass hõlmab probleeme, mis sisaldavad nii kvalitatiivseid kui ka kvantitatiivseid elemente. Pealegi kipuvad neis "segatud" probleemides domineerima määramatud, mittekvantifitseeritavad sõltuvused, märgid ja omadused. Sellesse probleemide klassi kuuluvad enamik kõige keerukamaid majanduslike, tehniliste, poliitiliste, sõjalis-strateegiliste ülesannete hulka. Süsteemianalüüsi põhiülesanne on lahendada probleeme, millel on "nõrgalt struktureeritud iseloom".
Olemasolevate süsteemide jaoks on nende piirid tavaliselt määratletud ja struktureerimise ülesanne taandub aktsepteeritud piiride vastavuse uurimisele käsilolevale ülesandele. Edasine struktureerimine toimub väliskeskkonna ja süsteemi enda jaoks eraldi.
Väliskeskkonnas lokaliseeritakse uuritava süsteemi vertikaali moodustavad elemendid alamsüsteemide kujul: kõrgemad, alluvad alamsüsteemid, aga ka need sellega samal tasemel olevad alamsüsteemid, mis alluvad samale süsteemi () alamsüsteemile. n + 1) kui vaadeldav. Ülejäänud väliskeskkonda vaadeldakse kas koondatult või viiakse läbi edasine struktureerimine sõltuvalt ülesande iseloomust. Esimesel juhul eristatakse väliskeskkonnas mitmeid süsteeme vastavalt uuritavaga seoste läheduse ja sõltumatuse põhimõttele.
Süsteemi enda struktureerimine seisneb selle jagamises alamsüsteemideks vastavalt uuringu eesmärgile. Struktureerimise etapp lõpeb kõigi selle ja väliskeskkonnas tuvastatud süsteemide vaheliste oluliste seoste määratlemisega. Seega määratakse iga struktureerimise käigus tuvastatud süsteemi jaoks kindlaks selle sisendid ja väljundid.
Juhtimissüsteemi uurimise meetodi valimise kord
Kõige üldisemal juhul on juhtimissüsteemi uurimise meetodi valimise protseduur järgmine:
probleem on sõnastatud;
· sõnastatakse õppe eesmärgid ja eesmärgid;
vormistatakse nõuded uuringu tulemustele;
Hinnatakse teadlastele juhtimissüsteemi ja selle väliskeskkonna kohta kättesaadava teabe täielikkust ja kvaliteeti;
uuritakse võimalust saada uurimistöö käigus lisateavet süsteemi ja selle väliskeskkonna kohta;
määratakse kindlaks antud olukorras rakendatavate (võimalike) uurimismeetodite klass;
· sõnastatakse kriteeriumid, mille alusel valida võimalike seast optimaalne uurimismeetod;
· optimaalsuse kriteeriumide väärtused arvutatakse iga võimaliku uurimismeetodi jaoks;
Kõigi võimalike uurimismeetodite hulgast valitakse optimaalne.
3. Mudeli ehitamine e modelleerimine on süsteemianalüüsi kolmas etapp, mida kasutatakse keeruliste süsteemide, protsesside ja objektide uurimiseks ja analüüsimiseks. Mudel on protsessi või objekti ligikaudne, lihtsustatud esitus.
Tunnetusprotsess seisneb selles, et loome endale uuritavast objektist või nähtusest mingisuguse ettekujutuse, mis aitab paremini mõista selle toimimist ja struktuuri, omadusi. Sellist ühel või teisel kujul väljendatud esitust nimetatakse mudeliks. Mida detailsem ja täpsem objekt on teada, seda rohkem teavet selle kohta mudelis kajastub, mida lähemal on see tegelikkusele, seda suurem on mudeli vastavuse aste originaalile, seda rohkem on mudel originaaliga adekvaatsem. (ladina keelest adaequatus - võrdsustatud, identne).
Mudelid hõlbustavad oluliselt süsteemi mõistmist, võimaldavad teha abstraktseid uuringuid, ennustada süsteemi käitumist meid huvitavates tingimustes, lihtsustada ülesandeid, analüüsida ja sünteesida täiesti erinevaid süsteeme samade meetodite abil.
Mudeli peamiseks ülesandeks ja samas eeliseks on privaatsete, kuid reaalse süsteemi kõige olulisemate tegurite väljavalimine, mida antud uuringus uurida. Need tegurid peaksid kajastuma mudelis suurima täielikkuse ja detailsusega, nende omadused mudelis peaksid ühtima tegelike omadustega käesoleva uuringu nõuetega määratud täpsusega.
Teised ebaolulised tegurid võivad kas väiksema täpsusega kajastuda või mudelis täielikult puududa. Tuleb rõhutada, et ebaoluliste tegurite välistamine on mudeli oluline eelis. Nende olemasolu reaalses objektis segab uurijat, raskendab põhimustrite mõistmist, tekitab mõningast "müra", mille taustal on vajalikke mustreid keerulisem tuvastada.
Tegurite jaotus olulisteks ja mitteolulisteks oleneb konkreetse uuringu iseloomust. Uurimissuuna muutudes muutuvad nõuded mudelitele ja sellest tulenevalt muutub ka mudel ise. Seetõttu saab iga reaalset protsessi või objekti kujutada mitmesuguste mudelitega, mis on sageli üksteisest täiesti erinevad. Ainus ühine omadus, mis neil võib olla, on see, et nad peegeldavad omal moel sama objekti.
Mudelite abil on võimalik saada süsteemi või selle üksikute osade tunnuseid palju lihtsamalt, kiiremini ja odavamalt kui reaalset süsteemi uurides. Loomulikult toob see kaasa täpsuse vähenemise, sest tegelikult ei saa me omaduste tegelikke väärtusi, vaid ainult nende hinnanguid, ligikaudseid väärtusi. Täpsusastme määrab mudeli adekvaatsus ja seda saab vajadusel suurendada mudeli keerulisemaks muutmisega.
Mudeli eelised: võimalus muuta selle parameetreid suhteliselt lihtsate vahenditega, juurutada mõningaid mõjutusi, et uurida süsteemi reaktsiooni, mida on reaalsetes tingimustes palju keerulisem saada (näiteks mõnikord on võimatu uurida süsteemi käitumine hädaolukordades või muudes eritingimustes).
Mudeli uurimiseks ja katsetamiseks peab see olema üsna lihtne. Kuid mida lihtsam mudel, seda vähem on see reeglina originaalile adekvaatne. Mudeli määratlus näitab, et mudeli ja originaali kõik omadused ei ühti täielikult.
Seega tuleb süsteemi modelleerimisel alati teha kompromisse mudeli lihtsuse ja selle pakutava täpsuse vahel. Mudelit peetakse piisavaks, kui see tagab antud uuringu jaoks piisava täpsuse. Mudeli adekvaatsust kontrollitakse tavaliselt katsega, võrreldes väljundite reageerimist mudeli ja reaalse objekti sisendite teatud väärtustele. Samas tuleb meeles pidada, et mudel ise, millega katse läbi viiakse, peab vastama aktsepteeritud modelleerimistingimustele. Teisisõnu, katses kasutatav mudel peaks olema sama, mida kasutati edasistes uuringutes.
Katse võib olla passiivne või aktiivne.
Passiivne eksperiment seisneb selles, et uurija vaatleb reaalset objekti ilma selle toimimist segamata. Mudeli sisenditele antakse parameetriväärtused, mis vastavad reaalse objekti parameetrite väärtustele, seejärel võrreldakse mudeli ja objekti vastavate väljundite parameetrite väärtusi.
Reaalse objekti olek, selle sisendid ja väljundid võivad erineda tingimustest, mida uurija sooviks saada. Passiivse vaatluse korral võivad objekti soovitud seisundid vaatlusperioodil tekkida harva või üldse mitte. Seetõttu viiakse passiivne eksperiment läbi ainult neil juhtudel, kui mingil põhjusel on reaalse objekti toimimisse sekkumine ebasoovitav, vastuvõetamatu või lihtsalt võimatu.
Üks passiivse eksperimendi vorme, mis on mudeli adekvaatsuse kontrollimisel iseseisva tähtsusega, on retrospektiivne verifitseerimine (retrospektsioon - ladina keelest retro - tagasi ja spectio - vaatan; viide minevikku, minevikusündmuste ülevaade). See seisneb selles, et reaalse objekti varasemate perioodide vaatluste hulgast valitakse uurijat huvitavad seisundid ja nende jaoks viiakse läbi ülalkirjeldatud protseduurid. See võimaldab oluliselt lühendada katselise kontrolli perioodi.
Aktiivne eksperiment seisneb uurija otseses mõjus reaalse objekti sisenditele ja viimase reaktsiooni jälgimises. Mudeli sisenditele seatakse parameetrite vastavad väärtused, mis võimaldab võrrelda selle väljundite vastust reaalse objekti vastusega. Aktiivse eksperimendi eeliseks on see, et eksperimendi läbiviimisel on uurijal võimalus kontrollida mudeli adekvaatsust teda huvitavates režiimides, muutes neid oma äranägemise järgi. Samal ajal on aktiivse katse maksumus palju suurem ja see võib reaalses süsteemis põhjustada soovimatuid kadusid.
Loomulikult tehakse nii aktiivseid kui ka passiivseid katseid mitte ainult mudelite adekvaatsuse kontrollimiseks, vaid ka mis tahes muul eesmärgil reaalsete objektide uurimisel.
Mudeli definitsioonist järeldub, et tegemist on mingi objekti kindla esitusega, selle kirjeldusega. Seetõttu erinevad erinevad mudelid üksteisest sellise kirjelduse jaoks kasutatava keele poolest (looduslikust matemaatiliste abstraktsioonide kõrgelt formaliseeritud keeleni). Keele valik määrab mudeli välimuse. Keele valikul arvestatakse nii mudeli adekvaatsuse, selle pakutavate tulemuste täpsuse kui ka selle hilisema analüüsi mugavust vastava aparatuuri abil.
4. Süsteemi analüüsi viimane etapp on mudeli uurimine. Selle etapi põhieesmärk on selgitada simuleeritava objekti või protsessi käitumist erinevates tingimustes, väliskeskkonna ja objekti enda erinevates tingimustes. Selleks muudetakse objekti olekut iseloomustavaid mudeli parameetreid ja selle sisendites määratakse erinevad parameetrite väärtused, mis vastavad väliskeskkonna mõjudele.
Saadud tulemused võimaldavad ennustada uuritava objekti käitumist sobivates tingimustes ning tulemusi endid analüüsitakse, et kontrollida, kas kontrollsüsteemi toimimise trajektoori järgi järgitakse aktsepteeritud eesmärke ja kriteeriume. Analüüsi põhjal muudetakse kas mudeli parameetreid või kontrolltoiminguid või mõlemat ning uuringut korratakse seni, kuni saadakse rahuldavad tulemused.
Seda katse-eksituse meetodit kasutatakse siis, kui pole leitud võimalust süsteemi oleku optimeerimiseks ja juhtimistoimingute valimiseks.
Süsteemianalüüs on uuring, mille eesmärk on aidata otsustajal valida tegevussuund, uurides süstemaatiliselt tema tegelikke eesmärke, võrreldes (võimaluse korral) kvantitatiivselt kulusid, tõhusust ja riske, mis on seotud iga poliitika alternatiivi või strateegiaga. eesmärkide saavutamine. , samuti täiendavate alternatiivide sõnastamine, kui kaalutletutest ei piisa.
Järeldus
Järjepidevuse printsiipi võib tajuda filosoofilise printsiibina, mis täidab nii ideoloogilisi kui metodoloogilisi funktsioone.
Süsteemne põhimõte eeldab ideed mis tahes laadi objektist kui elementide kogumit, mis on teatud vastasmõjus üksteise ja ümbritseva maailmaga, samuti arusaamist teadmiste süsteemsest olemusest.
Järjepidevuse printsiip on ühtlasi ilming süsteemimoodustavast printsiibist, millel on ajaloolised traditsioonid, soov esitada teadmisi mingi järjepideva süsteemi kujul.
Süstemaatiline lähenemine tuleneb otseselt järjepidevuse printsiibist, mis on üldine süsteemiuuringute metoodika, mida saab omakorda kujutada süsteemi uurimise metodoloogiliste lähenemiste (põhimõtete) kogumina.
Süstemaatilise lähenemise olemus on järgmine:
eesmärkide sõnastamine ja nende hierarhia selgitamine enne juhtimisega ja eelkõige otsustamisega seotud tegevuse alustamist;
maksimaalse efekti saavutamine püstitatud eesmärkide saavutamise mõttes minimaalsete kuludega läbi eesmärkide saavutamise alternatiivsete viiside ja meetodite võrdleva analüüsi ning nende sobiva valiku tegemise;
eesmärkide, meetodite ja nende saavutamise vahendite kvantitatiivne hindamine (kvantitatiivne hindamine), mis põhineb mitte konkreetsetel kriteeriumidel, vaid tegevuste kõigi võimalike ja kavandatavate tulemuste laial ja terviklikul hindamisel.
Süsteemikäsitluse üldsätted esitatakse (konkretiseeritakse) süsteemide uurimisel kasutatavate põhimõtete (lähenemisviiside) loeteluna.
Süsteemianalüüsi põhimõtete osas erinevad teadlaste arvamused oluliselt. Üldmetodoloogilise printsiibina toimib aga järjepidevuse põhimõte igal juhul.
Süsteemi analüüsi etapid võib kokku võtta järgmiselt: probleemi püstitamine; süsteemi ja selle probleemide struktureerimine; mudeli koostamine ja uurimine koos järgnevate soovituste väljatöötamisega süsteemi täiustamiseks.
Bibliograafia
1. Anfilatov V.S. ja muud Süsteemianalüüs juhtimises. M., 2002.
2. Arkhipova N.I. jne Juhtimissüsteemide uurimine. M., 2002.
3. Drogobytsky I.N. Süsteemianalüüs majandusteaduses. M., 2007.
4. Drozdov N.D. Süsteemianalüüsi alused. M., 2000.
5. Ignatieva A.V., Maksimtsov M.M. Juhtimissüsteemide uurimine. M., 2002.
6. Mukhin V.I. Juhtimissüsteemide uurimine. M., 2002.
7. Mylnik V.V., Volotšenko V.A., Titarenko B.P. Juhtimissüsteemid. M., 2002.
8. Popov V.N. Süsteemianalüüs juhtimises. M., 2007.
9. Timtšenko T.N. Süsteemianalüüs juhtimises. M., 2007.
Anfilatov V.S. ja muud Süsteemianalüüs juhtimises. M., 2002. S. 20.
Mylnik V.V., Volotšenko V.A., Titarenko B.P. Juhtimissüsteemid. M., 2002. S. 151.
Arkhipova N.I. jne Juhtimissüsteemide uurimine. M., 2002. S. 81.
Drozdov N.D. Süsteemianalüüsi alused. M., 2000. S. 15.
Mukhin V.I. Juhtimissüsteemide uurimine. M., 2002. S. 137.
Ignatieva A.V., Maksimtsov M.M. Juhtimissüsteemide uurimine. M., 2002. S. 30.
Drozdov N.D. Süsteemianalüüsi alused. M., 2000. S. 15-53.
Mylnik V.V., Volotšenko V.A., Titarenko B.P. Juhtimissüsteemid. M., 2002. S. 157.
Mukhin V.I. Juhtimissüsteemide uurimine. M., 2002. S. 66.
Ignatieva A.V., Maksimtsov M.M. Juhtimissüsteemide uurimine. M., 2002. S. 26.
Osadiferentsiaalvõrrandid kirjeldavad hajutatud parameetritega süsteeme.
Arkhipova N.I. jne Juhtimissüsteemide uurimine. M., 2002. S. 87.
Üliõpilased, magistrandid, noored teadlased, kes kasutavad teadmistebaasi oma õpingutes ja töös, on teile väga tänulikud.
Majutatud aadressil http://www.allbest.ru/
Usbekistani Vabariigi side-, informatiseerimis- ja telekommunikatsioonitehnoloogia riiklik komitee
Taškendi Infotehnoloogia Ülikool
Iseseisev töö
Süsteemianalüüsi etapid, nende peamised eesmärgid, ülesanded
"Süsteemi analüüsi alused"
Esitatud:
Khomutova A.V., 293-10 aakrit
Vastu võtnud: Kuvnakov A.E.
Taškent 2013
Süsteemi analüüs-- teaduslik tunnetusmeetod, mis on toimingute jada uuritava süsteemi muutujate või elementide vahel struktuursete seoste loomiseks. See põhineb üldistel teaduslikel, eksperimentaalsetel, loodusteaduslikel, statistilistel ja matemaatilistel meetoditel.
Süsteemianalüüsi põhiülesandeid saab esitada kolmetasandilise funktsioonide puuna.
Riis. -- Süsteemianalüüsi põhiülesanded
Lagundamise etapis, mis annab süsteemi üldise esituse, tehakse järgmist:
1. Uuringu üldeesmärgi ja süsteemi põhifunktsiooni määratlemine ja dekomponeerimine trajektoori piirajana süsteemi olekuruumis või lubatavate olukordade piirkonnas. Enamasti toimub dekomponeerimine eesmärkide puu ja funktsioonide puu konstrueerimise teel.
2. Süsteemi eraldamine keskkonnast (eraldamine süsteemiks/"mittesüsteemiks") vastavalt iga vaadeldava elemendi osalemise kriteeriumile protsessis, mis viib tulemuseni, mis põhineb süsteemi kui süsteemi lahutamatu osa käsitlemisel. supersüsteem.
3. Mõjutegurite kirjeldus.
4. Arengutrendide, erinevat laadi määramatuste kirjeldus.
5. Süsteemi kirjeldus kui "musta kast".
6. Süsteemi funktsionaalne (funktsioonide järgi), komponentne (elementide tüübi järgi) ja struktuurne (elementidevaheliste suhete tüübi järgi) dekomponeerimine.
Tavaliselt kasutatavad lagunemisstrateegiad:
Funktsionaalne lagunemine. Dekomponeerimine põhineb süsteemi funktsioonide analüüsil. See tõstatab küsimuse, mida süsteem teeb, olenemata sellest, kuidas see töötab. Funktsionaalseteks alamsüsteemideks jaotus põhineb elementide rühmade poolt täidetavate funktsioonide ühtsusel.
Lagunemine elutsükli järgi. Alamsüsteemide valiku märgiks on alamsüsteemide toimimise seaduse muutumine süsteemi eksisteerimise tsükli erinevatel etappidel "sünnist surmani". Seda strateegiat on soovitatav rakendada siis, kui süsteemi eesmärk on optimeerida protsesse ja kui on võimalik määrata sisendite väljunditeks teisendamise järjestikused etapid.
Lagundamine füüsikalise protsessiga. Alamsüsteemi valiku märgiks on alamsüsteemi funktsioneerimisalgoritmi täitmise etapid, olekute muutmise etapid. Kuigi see strateegia on kasulik olemasolevate protsesside kirjeldamisel, võib selle tulemuseks olla sageli liiga ühtne süsteemikirjeldus ega võta täielikult arvesse funktsioonide üksteisele seatud piiranguid. Sel juhul võib juhtimisjada olla peidetud. Seda strateegiat tuleks rakendada ainult siis, kui mudeli eesmärk on kirjeldada füüsilist protsessi kui sellist.
SÜSTEEMI ANALÜÜSI ETAPID
Probleemi sõnastamine. See samm määratleb järgmise:
1) kas on probleem;
2) probleem on täpselt sõnastatud;
3) viiakse läbi probleemi loogilise ülesehituse analüüs;
4) probleemi areng minevikus, seisund täna ja tulevikus;
5) väliskommunikatsiooni probleemid;
6) selle põhimõtteline lahendatavus.
Küsimus, kas probleem on olemas, on ülimalt oluline, kuna olematute probleemide lahendamisel palju vaeva näha pole sugugi erand, vaid väga tüüpiline juhtum. Väljamõeldud probleemid varjavad tegelikke probleeme. Probleemi õige ja täpne sõnastamine on esimene ja vajalik samm süstemaatilises uuringus ning teadupärast võib see olla võrdne poole probleemi lahendamisega.
Kõik probleemid tekivad reeglina kahel põhjusel:
terav konfliktsituatsioon, mis tekkis organisatsioonis osalejate, kvaliteedi ja tehnoloogia, töötasu ja töötajate pädevuse jms vastuolude tagajärjel. See on " funktsioneerimisprobleemid " . Need on halva juhtimise tulemus. Nende lahendamiseks ja ennetamiseks on vaja hästi toimivat mehhanismi.
süsteemi areng põhjustab " kasvuprobleemid " . Neid seostatakse sotsiaal-majanduslike, poliitiliste ja muude muutustega süsteemi infrastruktuuris.
meetodid(sellest etapist): stsenaariumimeetod, diagnostikameetod, eesmärgipuud, majandusanalüüs.
Kui probleemidele õigeaegselt ei tegelda, muutuvad need aja jooksul takistuseks. Seetõttu on probleemi õige ja täpne sõnastamine iga süstemaatilise uurimistöö esimene ja kohustuslik samm.
Eesmärkide ja kriteeriumide sõnastamine.
Eesmärkide määratlemine, supersüsteemi nõuded;
Keskkonna eesmärkide ja piirangute määramine;
Ühise eesmärgi sõnastamine;
kriteeriumi määratlus;
Üldkriteeriumi koosseis alamsüsteemide kriteeriumidest.
Lisaks eesmärkide saavutamine on otseselt seotud kõigi süsteemis osalejate ja väliskeskkonna huvide järjepidevusega, mis tõstatab küsimuse vajadusest moodustada organisatsiooni ühiste eesmärkide ja ühiste väärtuste plokk, mis põhineb organisatsiooni eesmärkidel. supersüsteem.
Meetodid: eksperthinnangud ( " Delfi " ), SWOT - analüüs, eesmärgipuud, majandusanalüüs, morfoloogilised, küberneetilised mudelid, normatiivsed toimimismudelid (optimeerimine, simulatsioon).
Eesmärgi lagunemine, ressursivajaduse määramine.
Selles etapis on olemas:
tipptaseme eesmärkide sõnastamine, jooksvad protsessid, efektiivsus, arengueesmärgid;
eesmärkide ja kriteeriumide dekomponeerimine alamsüsteemide kaupa;
ressursside kättesaadavuse ja nende maksumuse hindamine;
valitud alamsüsteemide eesmärkide vastastikuse sõltuvuse määramine;
iga alaeesmärgi jaoks oluliste kriteeriumide määramine.
Meetodid: eesmärgipuud, võrgustik, modelleerimismeetod (kirjeldavad mudelid).
Väliskeskkonna seisundi hindamine.
Peamised tegurid, mis ettevõttes kriisiolukordi põhjustavad, tekivad reeglina väliskeskkonnas, kust organisatsioon ammutab vajalikke ressursse.
See etapp on tihedalt seotud alternatiivsete vahendite hilisema väljaselgitamisega, mis eeldab kõige objektiivsemat lähenemist keskkonnategurite olemasoleva ja prognoositava seisundi hindamisel.
Keskkonnategurite analüüs tagab kõigi kontrollimatute tegurite väljaselgitamise, millel on oluline mõju probleemi lahendamise alternatiivide valikule.
Meetodid: stsenaariumid, eksperdihinnangud, võrgumeetodid, SWOT -analüüs, morfoloogiline analüüs.
V . Alternatiivide väljaselgitamine eesmärgi saavutamiseks. See on eesmärkide saavutamiseks parimate viiside leidmise ja valimise protsess. SA tõhusus on tavaliselt otseselt võrdeline võimalike alternatiivide arvuga. Nende võrdlemine võimaldab ratsionaalsemalt valida eelistatu ja (või) neid erinevate fragmentide järgi kombineerida. Eelistatud alternatiivi valikul lähtutakse organisatsiooni võimalustest (personal, seadmed, materjalid, finants jne).
Majandussüsteemide jaoks valitakse eelistatud alternatiiv vastavalt järgmistele parameetritele:
Vastavus selle seisukorrale ja keskkonnanõuetele , see tähendab, et määratakse kindlaks, kuivõrd see vastab organisatsiooni kõigi väliste subjektide nõuetele.
Alternatiivi vastavus organisatsiooni potentsiaalile ja võimalustele st kas organisatsioonil on alternatiivi elluviimiseks ressursse ja millised on võimalused pakkuda neile tulevaste tegevuste elluviimist.
Alternatiiviga kaasneva riski vastuvõetavus. Iga tegevust juhitakse alati sisse " valdkonnas " vastuvõetav risk " . Kuid mõnikord nõuab soov läbimurde järele mis tahes suunas ületada vastuvõetava riski piiri, kuid see on sageli täis. Riski põhjendatuse hindamine viiakse läbi, selgitades välja alternatiivis sätestatud eelduste realistlikkuse aste, kahjude suurus ebaõnnestumise korral ning vastates küsimusele, kas riski korral saadav kasum õigustab alternatiivi elluviimise kulusid.
Meetodid: eksperthinnangud, " ajurünnak " , maatriks, majandusanalüüs.
VI. Eesmärkide ja vahendite hindamine. See töö toimub mudelite väljatöötamise ja neile individuaalsete alternatiivide mängimise teel.
See tähendab, et mudel võimaldab piisava täpsusega kindlaks teha, mis juhtub iga võimaliku sisendiga selle süsteemi läbimise mis tahes etapis (simulatsioonimudel), või kirjeldada süsteemi iga vastust. Sellise klassi üldine mudel on " must kast " , kui mudeli sisendisse sisestatakse vastavad parameetrid ning väljundis mõõdetakse tulemusi, mida võrreldes on võimalik teha vastavaid hinnanguid pakutud alternatiividele.
Selles etapis tehakse järgmist: 1) hinnangute arvutamine kriteeriumi alusel; 2) eesmärkide vastastikuse sõltuvuse hindamine; 3) eesmärkide suhtelise tähtsuse hindamine (kehtestatakse suhtelise tähtsuse koefitsiendid); 4) ressursside nappuse ja maksumuse hindamine; 5) välistegurite mõju hindamine; 6) iga suuna (sihtpuu harud) suhtelise tähtsusega kompleksarvutuskoefitsientide arvutamine.
Väliste tegurite mõju. Kavandatavate tegevuste tulemuste seatud eesmärkidele vastavuse taseme hindamine ei saa veel olla parima alternatiivi valiku aluseks, kuna väliskeskkonna käitumise olemust ei ole alati võimalik kindlaks teha, mistõttu hindamisel üks või teine alternatiiv, on vaja kaaluda kolme väliskeskkonna käitumise võimalust.
Optimistlik - kui väliskeskkonna elemendid toimivad eelnevalt välja pakutud suunas (kõik töötab valitud variandi kasuks);
Pessimistlik - kui väliskeskkonna elemendid toimivad alternatiivile vastupidises suunas (kõik töötab valitud variandi vastu).
Tõenäosuslik – kui väliskeskkonna käitumise määrab info kättesaadavus, eksperthinnangud, vahel ka alternatiivide väljatöötajate intuitsioon.
Meetodid: eksperthinnangud (kuna CA tegeleb reeglina struktureerimata või nõrgalt struktureeritud probleemidega, tundub eksperthinnangute saamine ja nende töötlemine olevat enamiku probleemide puhul vajalik samm CA-s); morfoloogiline, majanduslik analüüs; küberneetilised, simulatsiooni-, optimeerimismudelid.
VII . Võimalike tagajärgede tuvastamine valitud alternatiivi rakendamine.
See on prognoosi koostamise etapp, mille jaoks koostatakse mudel, mis ennustab süsteemi seisundit ja keskkonnaparameetreid.
Iga alternatiivi rakendamine võib viia eesmärgi saavutamisega seotud ja mitteseotud tulemusteni. Alternatiivi realiseerimise tulemuseks on mitmedimensiooniline nähtus ehk koosneb paljudest kvalitatiivselt erinevatest parameetritest, mis erinevate sisemiste ja väliste seoste kaudu vastastikku määravad üksteise olekud. Seetõttu peaks tagajärgede ennustamine olema võimalikult objektiivne. need vastastikused sõltuvused rakendatud alternatiivi parameetrite vahel.
Kõige tavalisem prognoosimismeetod on süsteemi parameetrite muutuste ekstrapoleerimine ( parameetrite muutumine tulevikus, lähtudes nende muutuste teadaolevatest trendidest möödunud perioodil).
See tähendab, et valitud alternatiivi rakendamise võimalike tagajärgede väljaselgitamisel on vaja analüüsida jätkusuutlikke suundumusi süsteemi arengus; keskkonna arengu ja muutuste prognoos; ennustada uute süsteemi arengut mõjutavate tegurite esilekerkimist; ressursside kättesaadavuse tuleviku analüüs; eesmärkide ja kriteeriumide võimalike muutuste analüüs.
Meetodid: stsenaariumid, eksperthinnangud ( " Delfi " ), võrgustike loomine, majandusanalüüs, statistika, modelleerimine.
VIII . Projekteeritud süsteemi struktureerimine. Selle etapi esialgne alus on funktsionaalsete allsüsteemide (plokid, moodulid) kaupa rühmitatud eesmärgid ja eesmärgid, kuna iga alamsüsteemi jaoks on vaja määrata juhtiv üksus (praegune funktsionaalne osakond). Peamiste funktsionaalsete allsüsteemide määratlemisel lähtutakse tootmisvaldkonna lõppeesmärkide saavutamisest, alternatiivsete eesmärkide üldises puus sisalduvatest teaduslikest ja tehnilistest, majanduslikest ja sotsiaalsetest eesmärkidest.
Meetodid: eesmärgipuud, maatriks, võrgumeetodid, küberneetilised mudelid.
IX . Olemasoleva süsteemi diagnoosimine.
Juhtimisprobleemid, mis nõuavad SA kasutamist, tekivad reaalsetes tootmissüsteemides. Seega, kui eelmised etapid on juba lõppenud ja valitud alternatiivi praktiline rakendamine toimub, tekib juhtkonnal alati küsimus: " Mis on programmi täitmise seis? " . Sellele vastamiseks on vaja juhtorganite töö diagnostilist analüüsi, mille eesmärk on välja selgitada nende võimalused, kõrvaldada puudused, tasakaalustamatused ( " kitsaskohad " ), samuti süsteemi parim orientatsioon oma eesmärkide saavutamiseks.
Selles etapis vaadatakse programmi täitmise olekut. Süsteemi arenduse tegelike probleemide ja lähieesmärkide väljaselgitamine on alternatiivi rakendavate juhtorganite seisukorra diagnostiline uuring ja analüüs.
Toodetakse: majanduslike ja tehnoloogiliste protsesside modelleerimine; potentsiaalsete ja tegelike võimsuste arvutamine; võimsuskadude analüüs; puuduste tuvastamine tootmise ja juhtimise korraldamisel.
Diagnoosimise järjekord: tuvastada kõrvalekalle määratud programmist või täitmisprotsessi ebarahuldav olek; määrata nende tegurite põhjus; otsustab programmi muutmise, juhtorganite koosseisu; kavandatud muudatused ellu viia.
Esimene samm diagnoos - hälvete tüüpiline ja õigeaegne registreerimine, selle eesmärk on kindlaks teha kõrvalekallete suurus. Pärast seda viiakse see läbi diagnostika kõrvalekalded – selgitatakse välja põhjused ja töötatakse välja parandusmeetmed.
Meetodid: diagnostika, maatriks, majandusanalüüs, küberneetilised mudelid.
X . Valitud alternatiivi rakendamise programmi koostamine.
Programmi koostamise etapp sisaldab järgmisi töid:
1. Ürituste, projektide kujundamine.
2. Tegevuste elluviimise prioriteedi määramine.
3. Tegevusalade jaotus.
4. Pädevusalade jaotus.
5. Piiratud ressursside ja aja piires tegevuskava väljatöötamine. analüüs lagunemine süntees majanduslik
6. Tegevuse jaotus osakondade ja esinejate lõikes.
Meetodid: maatriks, võrgustik, majandusanalüüs, kirjeldavad mudelid, normatiivsed tegevusmudelid.
XI . Programmi rakendamine ja täitmise kontroll. Alternatiivi täitmise korraldus on kindel süsteem, mis sisaldab alternatiivi selgitamist ja täpsustamist; esinejate valik ja paigutus, nende juhendamine ja väljaõpe; esinejate normaalse töö tagamine; kontroll esinejate üle ja nende töö tulemuste arvestus, programmi kohandamine, töö reguleerimine ja koordineerimine üldiselt.
Kontroll on juhtimise pikim etapp, kuna seda teostatakse alates ülesande püstitamisest ja lõpeb programmide elluviimise ja kokkuvõtete tegemisega. Täitmise kontrollisüsteemi õige korraldusega viib õppeaine ellu järgmised eesmärgid:
saab teavet ülesannete käigu kohta, et tagada ennetavate parandusmeetmete õigeaegne rakendamine;
teeb kindlaks korralduse tõhususe, et kõrvalekallete tuvastamisel korrigeerida;
julgustab töötajaid ülesandeid tõhusalt täitma.
Märge. mitteametlikud meetodid : stsenaariumimeetod, eksperthinnangu meetod ( " Delfi " ), diagnostikameetodid; graafilised meetodid Märksõnad: eesmärgipuu meetod, maatriksmeetodid, võrgumeetodid ; kvantitatiivsed meetodid : majandusanalüüsi meetodid, morfoloogilised meetodid, statistilised meetodid; modelleerimismeetodid: küberneetilised mudelid, kirjeldavad mudelid, normatiivsed töömudelid (optimeerimine, simulatsioon, mäng).
Majutatud saidil Allbest.ru
...Keeruliste objektide analüüsi, protsesside uurimise ja tundmise metoodika. Probleemide analüüsi süstemaatilise lähenemise põhiprintsiibid ja süsteemide põhimõisted. Dekomponeerimine, alamprobleemide analüüs ja nende lahendus, alternatiivide väljaselgitamine ja optimaalsete lahenduste valik.
test, lisatud 08.04.2010
Lihtsate ja keeruliste süsteemide omadused, nende põhiomadused. Majandusliku ja matemaatilise modelleerimise üldpõhimõtted ja etapid. Süsteemianalüüsi tööetapi eesmärk on ressursside ja protsesside väljaselgitamine, eesmärkide koosseis, probleemi sõnastamine.
kontrolltööd, lisatud 11.10.2012
Süsteemianalüüsi kasutamine mitmefaktoriliste probleemide juhtimisotsuste koostamiseks ja põhjendamiseks. Sünergetika kui teaduse tekkimine organisatsiooni ülesehitamise seaduspärasustest, korrastatuse tekkimisest, süsteemi arengust ja isekeerustumisest.
abstraktne, lisatud 21.01.2015
Süsteemianalüüsi rakendusvaldkonnad, selle koht, roll, eesmärgid ja funktsioonid tänapäeva teaduses. Süsteemianalüüsi meetodite mõiste ja sisu, selle mitteformaalsed meetodid. Heuristiliste ja ekspertuuringute meetodite tunnused ja nende rakendamise tunnused.
kursusetöö, lisatud 20.05.2013
Süsteemianalüüsi tööriistade kasutamine probleemide lahendamiseks teel eesmärgi saavutamiseni – akvaariumi käivitamine piraajadega. Teemavaldkonna kirjeldus. Eesmärkide puu ehitamine. Tõhusad sündmused sündmuste puudes, võrgustiku ajakava nende rakendamiseks.
kursusetöö, lisatud 07.10.2013
Tehnosfääri süsteemianalüüsi teooria. Tehnosfääri ohtlike protsesside formaliseerimise ja modelleerimise üldine järjekord. Intsidentide toimumise protsessi formaliseerimise ja modelleerimise eripära tehnosfääris üldiselt ja inimene-masin süsteemides.
abstraktne, lisatud 03.06.2011
Majandusnähtuste ja protsesside hindamise põhiülesanded. Deterministliku faktoranalüüsi läbiviimine ja faktorsüsteemi matemaatilise modelleerimise meetodid. Faktorite järjestikuse kõrvaldamise meetodi olemus. Tegevuskulude kontroll.
petuleht, lisatud 08.12.2010
Süsteemianalüüsi üldpõhimõtted. Ökonomeetriliste mudelite koostamise põhietapid ja nende kasutamine prognoosimisel. Trendide ekstrapoleerimine ja selle kasutamine analüüsis. Alamsüsteemi teabe koostamise reeglid. Nõudluse-pakkumise mudel.
abstraktne, lisatud 24.01.2011
Modelleerimine. Determinism. Deterministliku faktoranalüüsi probleemid. Tegurite mõju mõõtmise viisid deterministlikus analüüsis. Deterministlike majandus-matemaatika mudelite ja faktoranalüüsi meetodite arvutamine RUE "GZlin" näitel.
kursusetöö, lisatud 12.05.2008
Ökonomeetria mõiste, eesmärgid ja eesmärgid. Mudeli ehitamise etapid. Andmetüübid majandusprotsesside modelleerimisel. Näited, vormid ja mudelid. Endogeensed ja eksogeensed muutujad. Neoklassikalise tootmisfunktsiooni spetsifikatsiooni konstrueerimine.
Enamikul juhtudel, kui kasutatakse süsteemianalüüsi praktilisel rakendamisel omaduste uurimiseks ja sellele järgnevaks süsteemi optimaalseks juhtimiseks, saab eristada järgmisi põhietappe:
Vaatame lühidalt kõiki neid etappe. Toome välja mõistmise kõige keerulisemad etapid ja proovime konkreetsete näidete abil õppida nende rakendamise meetodeid.
Kuid juba praegu märgime, et igal konkreetsel juhul võtavad süsteemi etapid aja, kulude ja intellektuaalsete näitajate osas erineva "osa" kogu töömahust. Väga sageli on raske tõmmata selgeid piire – näidata, kus lõpeb antud etapp ja algab järgmine.
Juba mainitud, et süsteemianalüüsi probleemi püstitamisel on kohustuslik kahe osapoole osalemine: tellija (DM) ja antud süsteemiprojekti teostaja. Samas ei piirdu tellija osalemine tööde rahastamisega – temalt nõutakse (juhtumi hüvanguks) enda juhitava süsteemi analüüsimist, eesmärkide sõnastamist ja võimalike tegevusvõimaluste arutamist. Nii et varem mainitud õppeprotsesside juhtimissüsteemi näites oli selle vaikse surma üheks põhjuseks see, et ühel allsüsteemil, ülikooli juhtimisel, puudus praktikantide allsüsteemi suhtes praktiliselt tegevusvabadus.
Loomulikult tuleks selles etapis paika panna ja fikseerida süsteemi tõhususe kontseptsioonid. Samas on süsteemse lähenemise põhimõtete kohaselt vaja arvestada maksimaalsete ühenduste arvuga nii süsteemi elementide vahel kui ka väliskeskkonnaga seoses. Selge on see, et täitja-arendaja ei saa alati ega tohigi omada professionaalseid teadmisi täpselt nende protsesside kohta, mis süsteemis toimuvad või vähemalt on peamised. Teisalt on hädavajalik, et kliendil, süsteemi halduril või administraatoril oleks sellised teadmised. Tellija peab teadma, mida tuleb teha ja töövõtja – süsteemianalüüsi valdkonna spetsialist – kuidas seda teha.
Pöördudes oma tulevase elukutse poole, saate aru, et peate õppima mõlemat. Kui satute administraatori rolli, siis lisaks erialastele raamatupidamis- ja auditeerimisalastele teadmistele on igati asjakohane omada teadmisi süsteemianalüüsi valdkonnas - probleemi pädev väljaütlemine, arvestades lahendustehnoloogiat kl. kaasaegne tase, on edu tagatis. Kui satute teise kategooriasse - arendajad, siis ei saa te hakkama ilma "tehnoloogiliste" teadmisteta raamatupidamise ja auditeerimise vallas.Töö majandussüsteemide süsteemianalüüsi kallal ei ole tõenäoliselt tõhus ilma eriteadmisteta majanduse valdkonnas. Muidugi , meie kursus puudutab vaid üht poolt – kuidas kasutada süsteemset lähenemist majanduse juhtimisel.
Uuritava süsteemi mudelit kõige kokkuvõtlikumal kujul võib kujutada sõltuvusena:
| E = f(X,Y) | {3.1} |
Esiteks pange tähele, et võimalikud on olukorrad, kus loodusseisunditega pole vaja arvestada. Nii on näiteks lahendatud mitut tüüpi toodete laovarude asukoha standardprobleem ja samal ajal leiame E üsna üheselt, kui X i väärtused ja lisaks mõningane teave analüüsitava omaduste kohta. süsteem on teada.
Sel juhul on tavaks rääkida juhtimisotsuste tegemisest või juhtimisstrateegiast kindluse tingimustes.
Kui aga peame arvestama keskkonna mõjudega, loodusseisunditega, siis peame süsteemi juhtima ebakindluse tingimustes või, mis veelgi hullem, vastuseisu korral. Mõelge esimesele, valgustamata pilguga - kõige lihtsamale olukorrale.
Klassikaline näide süsteemianalüüsi kõige lihtsamast probleemist kindluse tingimustes on kaupade tootmise ja tarnimise probleem. Las mõni firma peab tootma ja tarnima klientidele tooteid ühtsete partiidena N = 24 000 ühikut aastas. Tarnete katkemine on vastuvõetamatu, kuna selle eest määratud trahvi võib pidada lõpmatult suureks.
Kogu partii tuleb korraga tootmisse panna, sellised on tehnoloogia tingimused. Tootmisühiku ladustamise maksumus C x = 10 kopikat kuus ja ühe partii tootmisse käivitamise maksumus (olenemata selle mahust) on C p = 400 grivnat.
Seega on ilmselgelt kahjumlik paljude partiide turule toomine aastas, kuid kahjum on ka ainult 2 partii väljastamine aastas - ladustamiskulud on liiga suured! Kus on "kuldne keskmine", mitu pidu aastas on kõige parem välja anda?
Ehitame sellise süsteemi mudeli. Tähistage n-ga erakonna suurus ja leidke erakondade arv aastas: p = N / n = 24000 / n.
Selgub, et partiide vaheline ajavahemik on
t = 12 / p (kuud) ja keskmine kaubavaru laos on n / 2 tk.
Kui palju läheb meil maksma n tükist koosneva partii korraga vabastamine?
Üldiselt on aastased kulud
mis meie näite puhul on 4000 ühikut ühes partiis ja vastab 2-kuulisele partiide väljastamisintervallile.
Sel juhul on kulud minimaalsed ja need on määratletud kui
| E 0 = √ (2 . n . T . C x . C p) | {3.4} |
mis meie näite puhul on 4800 grivnat aastas.
Võrrelgem seda summat 2000 toote partii tootmise või kord kuus partii väljastamise kuludega (sotsialistliku plaanimajanduse halbade traditsioonide vaimus):
E1 = 0,1. 12 . 2000 / 2 + 400 & bull 24000 / 2000 = 6000 grivnat aastas.
Kommentaarid, nagu öeldakse, pole vajalikud!
Muidugi pole kaugeltki alati võimalik optimaalsete strateegiate väljatöötamise probleeme nii lihtsalt lahendada, isegi kui me räägime deterministlikest andmetest süsteemi eluea kirjeldamiseks - selle mudeliks. Seal on terve klass süsteemianalüüsi probleeme ja neile vastavaid süsteemimudeleid, kus me räägime vajadusest minimeerida paljude järgmist tüüpi muutujate ühte funktsiooni:
| E = a 1 X 1 + a 2 X 2 + ... + a n X n | {3.5} |
kus X i on nõutavad muutujad ja i on neile vastavad koefitsiendid või “muutujate kaalud” ning nii muutujatele kui ka nende kaaludele on kehtestatud piirangud.
Selle klassi probleeme uuritakse hästi rakendusmatemaatika eriharus - lineaarses programmeerimises. Juba arvutieelsetel aegadel töötati välja algoritmid selliste funktsioonide E = f(a,X) äärmuste otsimiseks, mida nimetati sihtfunktsioonideks. Neid algoritme või tehnikaid kasutatakse tänapäevalgi – need on aluseks süsteemianalüüsi rakenduslike arvutiprogrammide väljatöötamisel.
Süsteemne lähenemine majandusjuhtimise praktiliste probleemide lahendamisele, eriti paljude kümnete või isegi tuhandete muutujatega probleemide puhul, on viinud spetsialiseeritud, standardsete suundade tekkeni nii analüüsiteooria vallas kui ka praktikas.
Kõige "vanamad" ja seega ka enim testitud on spetsiifiliste probleemide lahendamise meetodid, mida võib juba pikka aega nimetada klassikaliseks.
Ärijuhtimise valdkonna spetsialistid peavad neid ülesandeid teadma vähemalt seadistustasemel ja mis kõige tähtsam – vastavate süsteemide modelleerimise osas.
Varude haldamise esimesteks ülesanneteks hakati käsitlema juba 1915. aastal, ammu enne mitte ainult arvutite tulekut, vaid ka enne mõiste "küberneetika" kasutamist. Põhjendati meetodit kõige lihtsama probleemi lahendamiseks - tellimis- ja laovarude kulude minimeerimine antud toote nõudluse ja fikseeritud hinnatase korral. Otsus – optimaalse partii suurus andis etteantud aja jooksul väikseimad kogukulud.
Mõnevõrra hiljem konstrueeriti algoritmid varude haldamise probleemi lahendamiseks keerukamates tingimustes - hinnataseme muutus ("allahindlused kvaliteedile" ja / või "allahindlused kvantiteedile"); vajadus arvestada lineaarsete piirangutega mälumahule jne.
Nende ülesannete puhul on analüüsiobjektiks süsteemid, milles tuleb toodetega teha mitu toimingut (nende toimingute teostamiseks mitme viisi olemasolul) ning lisaks pole kõigi nende toimingute tegemiseks piisavalt ressursse ega seadmeid.
Süsteemianalüüsi eesmärk on leida kõige tõhusam viis toimingute sooritamiseks, arvestades ressursipiiranguid.
Kõiki selliseid probleeme ühendab nende lahendusmeetod - matemaatilise programmeerimise meetod, eriti lineaarne programmeerimine. Kõige üldisemal kujul on lineaarse programmeerimise probleem sõnastatud järgmiselt:
see on vajalik avaldise miinimumi tagamiseks (objektiivne funktsioon)
Lineaarse programmeerimise ülesannete lahendamise teoreetilise põhjendamise ja praktiliste meetodite väljatöötamise alguse pani D. Danzig (teise versiooni järgi L. V. Kantorovich).
Enamiku spetsiifiliste rakenduste puhul peetakse silmas nn universaalset. simplex - sihtotsingu meetod, selle ja sellega seotud meetodite jaoks on välja töötatud arvutitele spetsiaalsed rakenduspaketid (APP).
Üsna sageli viib süsteemianalüüsi probleemi mõtestatud väljaütlemise staadium meid järeldusele, et süsteemi toimimisel on mitu eesmärki. Tõepoolest, kui mõnel majandussüsteemil võib olla "peaeesmärk" - maksimaalse kasumi saavutamine, siis võib peaaegu alati jälgida piirangute või tingimuste olemasolu. Nende tingimuste rikkumine on kas võimatu (siis ei teki süsteemi ennast) või toob see ilmselgelt kaasa vastuvõetamatuid tagajärgi väliskeskkonnale. Lühidalt, olukord, kus eesmärk on ainult üks ja seda nõutakse iga hinna eest, on peaaegu uskumatu.
Olgu siis kõige lihtsam multikriteeriumi olukord — süsteemil on ainult kaks eesmärki T 1 ja T 2 ning ainult kaks võimalikku strateegiat S 1 , S 2 .
Hinnakem kuidagi strateegia S 1 efektiivsust E 11 T 1 suhtes ja see efektiivsus osutus võrdseks 0,4 (mingil skaalal 0..1). Pärast kõigi strateegiate ja eesmärkide sama hindamist saime tabeli (jõudlusmaatriks):
| E | T1 | T2 |
|---|---|---|
| S1 | 0.4 | 0.6 |
| S2 | 0.7 | 0.3 |
Tabel 3.1
võite arvestada nende suhtelise kaaluga - näiteks 0,75 esimese ja 0,25 teise puhul. Sellistel tingimustel on strateegiate kogutõhusus (kõikide eesmärkide suhtes):
esimesele E 1 = 0,4 . 0,70 + 0,6 . 0,30 = 0,28 + 0,18 = 0,46;
teise jaoks E 2 = 0,8. 0,70 + 0,2 . 0,25 = 0,56 + 0,05 = 0,61;
nii et vastus strateegia valiku küsimusele pole kaugeltki ilmne.
Seega tuleb süsteemi tõhususe kriteerium mitme eesmärgi olemasolul väljendada üksikute strateegiate tõhususe kaudu järgmisel kujul:
| E s = ∑ S t. U t | {3.8} |
st arvestada üksikeesmärkide U t kaaludega.
Kui olete näite (3.2) arutelu hoolikalt jälginud, näete nüüd, et sisuliselt oli tegemist kahe eesmärgiga. Ühest küljest tahaksime, et partiid oleks võimalikult väikesed - neid on odavam ladustada (lühike säilivusaeg). teisest küljest tahtsime suuri partiisid, sest see alandaks partiide tootmisse viimise kulusid. Kui läbida kõik 365 võimalikku strateegiat (igapäevasest erakonnavahetusest ühe aastani), siis loomulikult leiaksime optimaalse strateegia erakondade vahetumisega iga kahe kuu tagant. Teine asi on see, et meie käsutuses oli süsteemi analüütiline mudel (kogukulude valem).
Seega - selles mudelis olid eesmärkide kaalukoefitsiendid võrdsed ja me ei osanud neid minimaalse kulu otsimisel märgata. No mis siis, kui eesmärkide “olulisust” tuleb mõõta mitte Int või Rel skaalal ehk siis numbrilisel kujul, vaid Ordi skaalal? Teisisõnu, kust tulevad väravate kaalud?
Väga harva määrab kaalukoefitsiendid üheselt süsteemianalüüsi probleemi "füüsilise tähenduse". Enamasti võib nende otsinguid aga nimetada "kohtumiseks", "leiutamiseks", "ennustuseks" - see tähendab, mitte "teaduslikeks" tegudeks.
Mõnikord, nii kummaliselt kui see ka ei kõla, määratakse kaalud avalikult või salaja hääletades. Fakt on see, et olukordades, kus pole numbrilist meetodit eesmärgi kaalu hindamiseks, on tegelik väljapääs kogutud kogemuste kasutamine.
Tihti määrab kaalukoefitsiendid otse otsustajale, kuid sagedamini viitab tema juhtimiskogemus: üks pea on hea, aga paljud targad pead on palju paremad. Tehakse eriotsus – kasutada eksperthinnangute meetodit.
Selle meetodi olemus on üsna lihtne. On vaja selgelt sätestada kõik süsteemi toimimise eesmärgid ja pakkuda selles valdkonnas kõrgelt pädevatele isikutele (ekspertidele) vähemalt kõik eesmärgid tähtsuse järjekorda, "auhinnakohtadele" või keeles. TSSA auastmetes.
Kõrgeim auaste (tavaliselt 1) tähendab eesmärgi suurimat tähtsust (kaalu), järgmine - veidi väiksemat kaalu jne. Mitteparameetrilise statistika spetsiaalne osa - astme korrelatsiooni teooria, mis võimaldab teil testida hüpoteese olulisuse kohta. ekspertidelt saadud teabest. Auaste korrelatsiooni arendamine, selle teine jaotis, võimaldab teil luua ekspertarvamuste üksmeele, järjepidevuse või järgu vastavuse.
See on eriti oluline juhtudel, kus mitte ainult ei ole vaja kasutada ekspertide arvamusi, vaid tekib kahtlus ka nende pädevuses.
Oletame, et süsteemianalüüsi käigus pidime arvestama teatud väärtusega U, mille mõõtmine on võimalik ainult ordinaalskaalal (Ord). Näiteks tuleb arvestada süsteemi toimimise 10 eesmärgiga ja välja selgitada nende suhteline tähtsus, erikaalud.
Kui on grupp inimesi, kelle kompetents selles vallas on väljaspool kahtlust, siis saab iga asjatundjaga intervjueerida, kutsudes üles eesmärke tähtsuse järgi järjestama või „reastama“. Lihtsamal juhul ei saa te auastmete kordamist lubada, kuigi see pole vajalik - auastmete kordumist saab alati arvestada.
Vastastikuse eksperdihinnangu tulemused meie näites on esitatud sihttasemete tabelis:
| Eesmärgid | T1 | T2 | T3 | T4 | T5 | T6 | T7 | T8 | T9 | T10 | Summa |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ekspert A | 3 | 5 | 1 | 8 | 7 | 10 | 9 | 2 | 4 | 6 | 55 |
| Ekspert B | 5 | 1 | 2 | 6 | 8 | 9 | 10 | 3 | 4 | 7 | 55 |
| Auastmete summa | 8 | 6 | 3 | 14 | 15 | 19 | 19 | 5 | 8 | 3 | 110 |
| Kogu auaste | 4.5 | 3 | 1 | 7 | 8 | 9.5 | 9.5 | 2 | 4.5 | 6 | 55 |
Tabel 3.2
Seega saame iga värava T i jaoks leida ekspertide määratud järjestuste summa ja seejärel värava R i kogu- või tulemusejärjestuse. Kui auastmete summad ühtivad, määratakse keskmine väärtus.
Auaste korrelatsiooni meetod võimaldab vastata küsimusele – kuivõrd korrelatsioonis, mittejuhuslikud on kahe eksperdi paremusjärjestused ja kui palju saab seega saadud järge usaldada? Nagu tavaliselt, püstitatakse põhihüpotees - et pingeridade vahel pole seost ja selle hüpoteesi kehtivuse tõenäosus on kindlaks tehtud. Selleks saab kasutada kahte lähenemist: Spearmani või Kendalli auaste korrelatsioonikoefitsientide määramine.
Esimest on lihtsam rakendada - Spearmani koefitsiendi väärtus arvutatakse:
| R s = 1 − (6 . ∑ (d i) 2) / (n &bull (n 2 − 1)) | {3.9} |
kus d i määratakse kummaski n objekti esimese ja teise pingerea erinevuste järgi.
Meie näites on järjestuste erinevuste ruutude summa 30 ja Spearmani korrelatsioonikordaja on umbes 0,8, mis annab kahe pingerea täieliku sõltumatuse hüpoteesi tõenäosuse väärtuseks vaid 0,004.
Vajadusel saab kasutada m eksperdist koosneva rühma teenuseid, paika panna sellest tulenevad eesmärkide järjekorrad, kuid siis tekib küsimus nende ekspertide arvamuste järjepidevuse või kooskõla kohta.
Oletame, et meil on 4 eksperdi pingerida 6 teguri kohta, mis määravad teatud süsteemi tõhususe.
| tegurid | 1 | 2 | 3 | 4 | 5 | 6 | Summa |
|---|---|---|---|---|---|---|---|
| Ekspert A | 5 | 4 | 1 | 6 | 3 | 2 | 21 |
| Ekspert B | 2 | 3 | 1 | 5 | 6 | 4 | 21 |
| Ekspert C | 4 | 1 | 6 | 3 | 2 | 5 | 21 |
| Ekspert D | 4 | 3 | 2 | 3 | 2 | 5 | 21 |
| Auastmete summa | 15 | 11 | 10 | 19 | 12 | 17 | 84 |
| Kogu auaste | 4 | 2 | 1 | 6 | 3 | 5 | 21 |
| Summa hälve keskmisest |
+1 | −3 | −4 | +5 | −2 | +3 | 0 |
| 1 | 9 | 16 | 25 | 4 | 9 | 64 |
Tabel 3.3
Pange tähele, et auastmete kogusumma on 84, mis annab teguri kohta keskmiselt 14.
Üldjuhul, kus on n tegurit ja m asjatundjat, määratakse mis tahes teguri astmete summa keskmine väärtus avaldisega
| Δ = 0,5. m . (n - 1) | {3.10} |
Nüüd on võimalik hinnata kuue teguri osas ekspertide arvamuste ühtsuse määra. Iga teguri puhul on ekspertide näidatud astmete summa kõrvalekalle sellise summa keskmisest väärtusest. Kuna nende hälvete summa on alati null, on nende keskmistamiseks mõistlik kasutada väärtuste ruute.
Meie puhul on selliste ruutude summa S = 64 ja üldiselt on see summa suurim ainult siis, kui kõigi ekspertide arvamused kõigi tegurite suhtes langevad täielikult kokku:
Meie näites on vastavuskoefitsiendi väärtus ligikaudu 0,229, mis nelja eksperdi ja kuue teguriga on piisav, et pidada ekspertide arvamusi mittevastavaks tõenäosusega, mis ei ületa 0,05. Fakt on see, et edetabelite juhuslikkus, nende mittekorrelatsioon arvutatakse üsna lihtsalt. Nii et meie näite puhul vastab näidatud tõenäosus hälvete ruudu summale S = 143,3, mis on palju suurem kui 64.
Lõpetuseks küsimust eksperthinnangu meetodi tunnuste kohta süsteemianalüüsis, märgime veel kaks asjaolu.
Esimeses näites oleme saanud tulemuseks 10 eesmärgi järjestused teatud süsteemi toimimiseks. Kuidas seda saadud järjestust kasutada? Kuidas minna eesmärkide (ord) skaalalt kaalukoefitsientide skaalale - vahemikus 0 kuni 1?
Siin kasutatakse tavaliselt elementaarseid normaliseerimismeetodeid. Kui sihtmärgil 3 on auaste 1, sihtmärgil 8 on auaste 2 ja nii edasi ning astmete summa on 55, on sihtmärgi 3 kaalutegur suurim ja kõigi 10 kaalude summa. eesmärgid on 1.
Sihtmärgi kaal tuleb määrata kui
(11 − 1) / 55 3 sihtmärgi jaoks;
(11–2) / 55 sihtmärgi 8 jaoks jne.
Grupi eksperthinnangut kasutades ei saa teada ainult ekspertide arvamust süsteemianalüüsiks vajalike näitajate kohta. Väga sageli kasutatakse sellistes olukordades nn Delphi meetodit (Delfi oraakli legendist).
Ekspertide küsitlus viiakse läbi mitmes etapis, reeglina anonüümselt. Pärast järgmist etappi ei nõuta ekspert mitte ainult järjestust, vaid ka seda põhjendama. Need põhjendused tehakse enne järgmist etappi kõigile ekspertidele teatavaks ilma põhjenduste autoreid täpsustamata.
Olemasolev kogemus näitab, et eksperthinnangu esinduslikkust, valiidsust ja mis kõige olulisem – usaldusväärsust on võimalik oluliselt tõsta. "Kõrvalmõjuna" saate kujundada arvamuse iga eksperdi professionaalsuse kohta.
Nagu juba meie kursuse esimeses osas märgitud, ei saa enamikus reaalsetes suurtes süsteemides ilma "loodusseisundite" - stohhastilist tüüpi mõjude, juhuslike muutujate või juhuslike sündmuste - arvestamata. See võib olla mitte ainult välismõju süsteemile tervikuna või selle üksikutele elementidele. Väga sageli on sisemised süsteemsed seosed sama "juhusliku" iseloomuga.
Oluline on mõista, et süsteemi elementide vaheliste seoste stohhastilisus ja veelgi enam elemendi enda sees ("sisend-väljund" ühendus) on peamine põhjus, miks tekib oht teha süsteemianalüüsi asemel täiesti mõttetut tööd. , saades süsteemi haldamiseks soovitustena ilmselgelt sobimatud lahendused.
Eespool on juba sätestatud, et sellistel juhtudel tuleb juhusliku suuruse X enda asemel kasutada selle matemaatilist ootust M x . Kõik näib olevat lihtne – me ei tea, seega ootame. Aga kui õigustatud on meie ootused? Mis on kindlus või kui suur on eksimise tõenäosus?
Sellised küsimused lahendatakse, neile saab vastuseid saada - kuid selleks on vaja teavet SW jaotusseaduse kohta. Nii et selles süsteemianalüüsi etapis (modelleerimisetapis) peame tegema statistilisi uuringuid, püüdma saada vastuseid küsimustele:
Kui siin pole põhjust positiivse otsuse tegemiseks, siis võib loota olukorrast muule väljapääsule.
Süsteemi toimimise globaalsete näitajate saamiseks ei ole alati, kuid siiski võimalik kasutada juba töötava suure süsteemi hetkeseisu, selle tegelikku "elu".
Seda eesmärki teenivad katse planeerimise meetodid, mille teoreetiliseks ja metoodiliseks aluseks on süsteemianalüüsi erivaldkond - nn. faktoranalüüs, mille olemust käsitletakse veidi hiljem.
Üsna sageli tuleb majandussüsteeme analüüsides lahendada nn. järgmises olukorras tekkivaid järjekorda seadvaid ülesandeid. Laske analüüsida teatud arvust erineva võimsusega jaamadest koosnevat autohooldussüsteemi. Igas jaamas (süsteemielemendis) võib esineda vähemalt kaks tüüpilist olukorda:
Selge on see, et antud juhul on süsteemianalüüsi eesmärk määrata mingi suhe järjekordadest tingitud tulude kaotuse ja jõudejaamadest tingitud saamatajäämise vahel. Selline suhe, mille juures on kogukahjude matemaatiline ootus minimaalne.
Seega võimaldab süsteemiteooria spetsiaalne osa - järjekorrateooria:
Pöörame tähelepanu selle süsteemianalüüsi probleemi lähenemisviisi põhijoonele - analüüsi tulemuste ja saadud soovituste selgele sõltuvusele kahest välistegurist: tellimuste laekumise sagedus ja keerukus (ja seega nende teostamise aeg).
Kuid need on juba meie süsteemi seosed välismaailmaga ja me ei saa seda fakti arvesse võtmata. Vaja on uurida rakenduste voogu nende arvu ja keerukuse osas, leida nende väärtuste statistilised näitajad, püstitada ja hinnata nende leviku seaduspärasuste hüpoteeside usaldusväärsust. Alles pärast seda saab proovida analüüsida, kuidas süsteem selliste välismõjude korral käitub, kuidas muutuvad selle näitajad (kogukulude väärtus) erinevate kontrollitoimingute või juhtimisstrateegiate korral.
Väga harva kasutatakse süsteemi ennast, sellega tehakse loomulik eksperiment. Enamasti on selline eksperiment seotud klientide kaotamise ohuga või põhjendamatute kuludega täiendavate tanklate rajamiseks.
Seetõttu peaks olema teadlik sellisest erilisest lähenemisest süsteemi modelleerimise küsimusele nagu statistiliste testide meetod või Monte Carlo meetod.
Tuleme tagasi näite juurde tanklate töö analüüsiga. Oletame, et meil on ainult üks selline jaam ja me teame ette:
λ on tellimuste laekumise keskmine määr ja
μ on tellimuse täitmise keskmine kiirus (tk ajaühikus) ja seega määratakse väärtus β = λ / μ - jaama koormuse intensiivsus.
Juba nende andmete põhjal on võimalik konstrueerida süsteemi kõige lihtsam mudel. Tähistame X-ga teenindusjärjekorda seatud tellimuste arvu ajaühiku kohta ja proovime koostada juhuslike sündmuste skeemi tõenäosuse P(X) määramiseks.
Sündmust - järjekorras on täpselt X tellimust saab jälgida ühes neljast olukorrast:
Selline sündmuste skeem viitab meie süsteemi "tehnoloogia" erilisele omadusele - rohkem kui ühe tellimuse saamise tõenäosus vaadeldava ajaühiku jooksul ja rohkem kui ühe tellimuse täitmise tõenäosus sama aja jooksul loetakse võrdseks 0 .
See ei ole nii "tasuta" eeldus - ajaintervalli kestust saab alati vähendada vajalike piirideni.
Ja siis on kõik väga lihtne. Korrutades sündmuste A 1 ..3, B 1 ..3, C 1 ..3, D 1 ..3 tõenäosused, määrame iga meid huvitava sündmuse variandi tõenäosused - ajaintervalli jooksul. täpsustasime, järjekorra pikkus ei muutunud..
Sellise sündmuse kõigi nelja variandi tõenäosuste summa lihtsad teisendused viivad meid X järjekorra järjekorra pikkuse tõenäosuse avaldiseni:
Sellise modelleerimise kasulikkust hindavad lihtsad näited. Oletame, et otsustame, et jaama koormusintensiivsus on ainult 50%, see tähendab, et kahekordistame selle läbilaskevõimet tellimuste voo suhtes.
Siis β = 0,5 jaoks on meil järgmised andmed:
Tabel 3.4
Võtame tulemused kokku:
Meie õigus (kui oleme otsustajad!) on sellise intensiivsusega leppida või sellest keelduda, kuid siiski on meil teatud näitajad sellise otsuse tagajärgede kohta.
Kasulik on analüüsida olukordi muude jaama koormuse intensiivsuse väärtustega.
| β | 1 / 2 | 3 / 4 | 7 / 8 | 15 / 16 |
|---|---|---|---|---|
| M x | 1 | 3 | 7 | 15 |
Tabel 3.5
Pöörame nüüd tähelepanu veel ühele asjaolule – eeldasime, et teave on teada vaid tellimuse täitmise keskmise kiiruse (selle matemaatilise ootuse) kohta. Teisisõnu pidasime järgmise tellimuse teostusaega sõltumatuks selle "sisust" (auto pesemiseks või avarii tagajärgede likvideerimiseks) või "järjekorras seismise" tellimuste arvust.
Päriselus pole see kaugeltki alati nii ja ma tahaksin sellise sõltuvusega kuidagi arvestada. Ja siin tuleb appi teooria (nendele, kes mõistavad selle võimalusi).
Kui meil on võimalus määrata mitte ainult μ ise (keskmine või eeldatav tellimuse töötlemise kiirus), vaid ka selle väärtuse D μ (dispersioon) levik, siis on võimalik usaldusväärsemalt hinnata järjekorras olevate tellimuste keskmist arvu. (see on õige - mitte täpsemalt, vaid usaldusväärsemalt!):
Nagu korduvalt märgitud, on süsteemianalüüs võimatu ilma antud süsteemi vastasmõjusid väliskeskkonnaga arvesse võtmata. Varem on mainitud vajadust arvestada loodusseisunditega – enamasti juhuslikud, stohhastilised mõjud süsteemile.
Loomulikult loodus ei sega (aga ei aita) süsteemi protsesse teadlikult, pahatahtlikult või vastupidi, julgustades. Seetõttu võib väliste looduslike mõjude arvestamist pidada "mänguks loodusega", kuid selles mängus ei ole loodus vastane, mitte vastane, tal puudub eksisteerimise eesmärk üldiselt ja veelgi enam - eesmärk. meie süsteemile vastu seista.
Täiesti erinev on olukord, kui võtta arvesse antud süsteemi koostoimeid teistega, mis on oma toimimise eesmärkide poolest sarnased või sarnased. Teatavasti nimetatakse sellist interaktsiooni konkurentsiks ja olukorrad suurte monopoolsete süsteemide elus on äärmiselt haruldased ning ei ärata süsteemiteooria ja süsteemianalüüsi seisukohalt erilist huvi.
Eriline teadusharu - mänguteooria võimaldab vähemalt osaliselt lahendada süsteemianalüüsis tekkivaid raskusi vastutegevuse tingimustes. Huvitav on märkida, et üks esimesi neid küsimusi käsitlevaid monograafiaid kandis nime "Mängude ja majanduskäitumise teooria" (autorid - Neumann ja Morgenstern, 1953, tõlge saadaval) ja see toimis omamoodi katalüsaatorina lineaarse programmeerimise arendamisel. meetodid ja statistiliste otsuste teooria.
Lihtsa näitena mänguteooria meetodite kasutamisest majandusteaduses vaatleme järgmist probleemi.
Olgu teil konkurentsikeskkonnas S 1, S 2 ja S 3 strateegiate jaoks ainult kolm võimalust (näiteks toota kuu jooksul üks kolmest tootetüübist). Samal ajal on teie konkurendil strateegiate C 1 ja C 2 jaoks ainult kaks võimalust (toota üks kahest tootetüübist, asendades mõnes mõttes oma ettevõtte tooteid). Samas ei saa ei sina ega su konkurent kuu aja jooksul toote tüüpi muuta.
Andke nii teile kui ka teie konkurendile teada oma järgmises tabelis kirjeldatud käitumise tagajärgedest.
| C1 | C2 | |
|---|---|---|
| S1 | −2000 | +2000 |
| S2 | −1000 | +3000 |
| S2 | +1000 | +2000 |
Tabel 3.6
Tabelis olevad numbrid tähendavad järgmist:
Eeldatakse, et mõlemad osapooled on omavad erialast ettevalmistust TSCA valdkonnas ja tegutsevad mõistlikult, järgides reegleid - käitumisvariandiga võetakse vastu üks kord terve kuu jooksul, teadmata loomulikult, mida võistleja on sama kuu jooksul teinud.
Tegelikult on puht igapäevases mõttes tegemist tavalise "hasartmänguga", milles on lõpptulemus, mängu eesmärk on võita.
Selle eesmärgi saavutab iga mängija, kuid mitte igaüks ei suuda seda saavutada. Mängijate käitumise variante võib käsitleda käikudena ja käikude komplekti mänguna.
Las mäng koosneb ainult ühest liigutusest mõlemal küljel. Proovime leida selle parima käigu kõigepealt teie konkurendi jaoks – me mõtleme talle.
Kuna tabel on teada nii teile kui ka võistlejale, saab tema arutluskäiku modelleerida.
Variant C 2 on teie konkurendi jaoks selgelt ebasoodne – ükskõik, mis teie liigutus on, võidate teie ja teie konkurent kaotab. Järelikult valitakse teie vastase poolt suure tõenäosusega variant C 1, mis annab talle minimaalse kaotuse.
Nüüd saate ise arutleda. Näib, et valik S 2 toob meile maksimaalse kasu 3000 grivnat, kuid see sõltub teie konkurendi valikust C 2 ja ta valib suure tõenäosusega C 1 .
See tähendab, et parim, mida saame teha, on valida variant S 3, võttes arvesse väikseimat võimalikku võitu – 1000 grivnat.
Tutvume mitme üldtunnustatud mänguteooria terminiga:
Ülaltoodud põhjendus konkurentsikeskkonnas parima mänguplaani leidmiseks ei ole ainus viis probleemide lahendamiseks. Väga sageli on palju lühem ja mis kõige tähtsam, loogiliselt sidusam veel üks optimaalsete mängustrateegiate leidmise põhimõte – minimax printsiip.
Selle meetodi illustreerimiseks vaadake eelmist näidet veidi muudetud maatriksiga mängust.
| C1 | C2 | |
|---|---|---|
| S1 | −2000 | −4000 |
| S2 | −1000 | +3000 |
| S2 | +1000 | +2000 |
Tabel 3.7
Kordame eelmise näite puhul kasutatud arutlusmeetodit.
Meie konkurendi põhjendus on tähenduselt ligikaudu sama. Mõistes, et me ei aktsepteeri kunagi S 1 ja valime lõpuks S 3 , otsustab ta pidada strateegiat C 1 enda jaoks optimaalseks – sel juhul on tal kõige vähem kaotusi.
Võib kasutada teist arutlusmeetodit, mis lõpuks annab sama tulemuse. Valides meie jaoks parima mänguplaani, saame mõelda järgmiselt:
Selgub, et väikseimate (min) väljamaksete suurim (max) on 1000 grivnat ja Jumal ise käskis strateegiat S 3 optimaalseks pidada, lootusega, et konkurent teeb oma strateegiaga C 1 vastukäigu. Sellist strateegiat nimetatakse MaX i Min strateegiaks.
Kui nüüd proovime simuleerida konkurendi käitumist, siis tema jaoks:
See tähendab, et meie konkurent valib mõistlikult mõtlemise korral strateegia C 1, kuna just see strateegia annab suurimatest (max) kahjudest väikseima (min). Seda strateegiat nimetatakse MiniMaxi strateegiaks.
Lihtne on mõista, et see on sama asi – mängid S 3 vastuseks C 1-le ja vastane liigutab C 1 vastuseks S 3-le.
Seetõttu nimetatakse selliseid strateegiaid minimaxiks – loodame minimaalselt maksimaalset kahjumit või, mis on sama asi, maksimaalset minimaalset kasumit.
Kahes vaadeldavas näites langesid “vastaste” optimaalsed strateegiad kokku, tavaks on öelda, et need vastasid mängumaatriksi sadulapunktile.
Minimaxi meetod erineb tavapärasest loogilise arutluse viisist sellise olulise näitaja poolest nagu algoritmilisus. Tõepoolest, saab tõestada, et kui sadulapunkt on olemas, siis on see mõne rea S ja veeru C ristumiskohas. Kui arv selles punktis on antud rea jaoks suurim ja samal ajal väikseim antud veerus, siis on see sadulapunkt.
Muidugi pole kõigil mängudel sadulapunkti, kuid kui see on olemas, siis selle otsimine mitmekümneste (või isegi sadade) ridade ja veergude arvuga standardse loogilise plaani järgi on ilma arvutitehnoloogiat kasutamata praktiliselt lootusetu. .
Kuid isegi arvutit kasutades peate kirjutama programmi, et rakendada kõiki võimalikke Kui ... Siis spetsiaalsetes programmeerimiskeeltes (näiteks Prologi keeles). Need keeled sobivad suurepäraselt loogiliste ülesannete lahendamiseks, kuid tavalisteks arvutusteks praktiliselt ei sobi. Kui kasutada minimax meetodit, siis kogu sadulapunkti otsimise algoritm ei võta Pascalis või C++ keeles rohkem kui 5...10 programmirida.
Mõelge veel ühele lihtsale näitele mängust, kuid ilma sadulapunktita.
| C1 | C2 | |
|---|---|---|
| S1 | −3000 | +7000 |
| S2 | +6000 | +1000 |
Tabel 3.8
Sel juhul on meie (ja meie mõistliku konkurendi) ülesandeks strateegiate muutmine, lootuses leida nendest selline kombinatsioon, mille puhul teatud arvu käikude tasuvuse matemaatiline ootus või keskmine väljamakse olema maksimaalne.
Oletame, et oleme otsustanud teha pooled mängu käikudest S 1 ja teise poole S 2 abil. Muidugi ei saa me teada, millist tema kahest strateegiast võistleja kasutab, ja seetõttu peame arvestama tema käitumise kahe äärmusliku juhtumiga.
Kui meie konkurent kasutab kogu aeg C 1, siis on meie võimendus 0,5. (−3000) + 0,5 . (+6000) = 1500 grivnat.
Kui ta kasutab kogu aeg C 2, siis on väljamakse 0,5. (+7000) + 0,5 . (+1000) = 4000 grivnat.
Noh, see on juba põhjus järelemõtlemiseks, analüüsiks. Lõpuks saate aru, mis meil on, kui konkurent kasutab ka segastrateegiat? Vastus on juba valmis – saame vähemalt 1500 grivna suuruse võidu, kuna ülaltoodud arvutused hõlmasid kõiki konkurendi segastrateegiate variante.
Esitame küsimuse üldisemas vormis – kas konkurendi segastrateegiate (C 1 ja C 2 kombinatsioon) rakendamise tingimustes on meie jaoks parim segastrateegia (S 1 ja S 2 kombinatsioon)? Matemaatiline mänguteooria võimaldab meil sellele küsimusele vastata jaatavalt – optimaalne segastrateegia on alati olemas, kuid see võib garanteerida minimaalse oodatava tasuvuse. Selliste strateegiate otsimise meetodid on hästi välja töötatud ja kirjanduses kajastatud.
Seega leidsime end taas otsustaja rollist – süsteemne lähenemine ei saa anda retsepti tingimusteta kasu saamiseks.
See on meie ja ainult meie otsustada, kas kasutada soovitust ja rakendada mängu optimaalset strateegiat, kuid samal ajal arvestada võimaliku kaotuse riskiga (võit on garanteeritud ainult väga suure arvu korral liigub).
Lõpetame viimase näite käsitlemise, demonstreerides parima segastrateegia otsimist.
Rakendame strateegiat S 1 sagedusega ε ja strateegiat S 2 sagedusega (1 − ε).
Siis on meil võit
W(C1) = ε. (−3000) + (1 − ε) . (+6000) = 6000 - 9000 . ε
kui konkurent kasutab strateegiat C 1
või me võidame
W(C1) = ε. (+7000) + (1 − ε) . (+1000) = 1000 + 6000 . ε
kui konkurent rakendab strateegiat C 2 .
Mänguteooria võimaldab meil olukorra põhjal leida meie jaoks parima strateegia
| W(C1) = W(C2) | {3.16} |
mis annab parima väärtuse ε = 1/3 ja väljamakse eeldatava väärtuse (−3000) . (1/3) + (+6000) . (2/3) = 3000 grivnat.
Sellesse klassi kuuluvad probleemid süsteemide analüüsimisel opositsiooniga (konkurentsiga), mis on samuti oma olemuselt mängud, kuid millel on üks omadus - "mängureeglid" ei ole püsivad ühes punktis - müüdava hind.
Vähese pakkujate arvu korral on ülalkirjeldatud mänguteooria tehnikad üsna sobivad, kuid kui pakkujate arv on suur ja mis veelgi hullem, ette teadmata, tuleb oksjonil olukordade modelleerimiseks kasutada veidi erinevaid meetodeid.
Kaks kõige levinumat tehingutüüpi on:
Mõelge kõigepealt suletud tehingute lihtsaimale näitele. Osaleme (A) ja meie konkurent (B) kinnisel oksjonil kahele objektile kogumaksumusega C 1 + C 2 .
Meil on tasuta summa S ja me teame, et täpselt sama summa on ka meie konkurendil. Samal ajal S< C 1 + C 2 , то есть купить оба объекта без торгов не удастся.
Esimesele ja teisele objektile peame määrama oma hinnad A 1 , A 2, salaja konkurendi eest, kes pakub nende eest oma hindu B 1 , B 2. Peale hindade väljakuulutamist läheb objekt kõrgeima hinna pakkunule ja kui need kattusid siis loosi teel.Oletame, et nii meil kui ka konkurendil on olemas meetod parima strateegia valimiseks (omame vastavat haridust) .
Seega - saab tõestada, et võrdsete vabade summade juures nii meie poolt kui ka vastaspoolelt on mõlemale poolele üks optimaalne hinnastrateegia.
Selle olemus (ütleme meie jaoks) määratakse järgmise arutluskäigu põhjal. Kui meil õnnestub osta esimene objekt, siis on meie sissetulek (C 1 - A 1) või kui ostame teise, siis saame sissetuleku (C 2 - A 2). Seega võime keskmiselt oodata kasumit
| d = 0,5. (C1 + C2-A1-A2) = 0,5. (C 1 + C 2 - S) | {3.17} |
Seega on meile kõige soodsam hindu määrata
A 1 = C 1 - d = 0,5. (C1–C2 + S) A 2 \u003d C 2 - d = 0,5. (C2 – C1 + S) |
{3.18} |
Kui üks neist osutub arvutuslikult negatiivseks, paneme selle nulli ja investeerime kogu raha teise objekti hinda.
Aga meie konkurent, kellel on sama vaba summa ja vaidleb täpselt samamoodi, määrab objektidele täpselt samad hinnad. Nagu öeldakse, võitlus viik! Noh, kui konkurendil pole professionaali
teadmised? No seda hullem tema jaoks – meil on rohkem sissetulekut kui konkurendil.
Konkreetne näide. Vabade vahendite suurus on igaühe kohta 10 000 grivnat, esimese objekti hind 7500, teise 10 000 grivnat.
Määra esimese objekti hinnaks 0,5 . (7500 – 10000 + 10000) = 3750 grivnat ja teise puhul 0,5. (10000–7500 + 10000) = 6250 grivnat.
Meie sissetulek esimese või teise objekti võitmisel on 3750 grivnat. Sama sissetulek ootab konkurenti, kui ta valis sama optimaalse strateegia. Aga kui ta seda ei teinud ja määras esimesele objektile hinnaks 3500 ja teisele 6000 grivnat (püüdes raha kokku hoida!), siis sel juhul võime võita oksjoni kahele objektile korraga ja saame sissetulek juba 7500 grivnat - 17 500 väärtuses ühisvara soetamine 10 000 grivna eest!
Muidugi, kui pakkujate algsummad ei ole samad, objektide arv on suur ja pakkujate arv suur, siis muutub optimaalse strateegia leidmise probleem keerulisemaks, kuid sellel on siiski analüütiline lahendus.
Vaatleme nüüd teist tüüpi probleemi, avatud pakkumiste (oksjonite) probleemi. Las kõik samad kaks objekti (samade hindadega) müüakse oksjonil, kus meie ja meie konkurent osaleme.
Erinevalt esimesest ülesandest on vabad summad erinevad ja moodustavad S A ja S B , millest igaüks on väiksem kui (C 1 + C 2) ja lisaks on meie summa ja konkurendi summa suhe suurem kui 0,5, aga vähem kui 2.
Oletame, et teame konkurendi "rahakoti paksust" ja kuna me otsime endale optimaalset strateegiat, siis meid ei huvita, kas ta teab sama ka meie rahalistest võimalustest.
Meie ülesanne on, et me peame teadma, millal lõpetada esimese objekti hinna tõstmine. Seda ülesannet ei saa lahendada, kui me ei määra oksjonil osalemise eesmärki (tuletame meelde, et süsteemne lähenemine nõuab seda).
Siin on võimalikud valikud.
Kõige huvitavam on olukorra kolmas variant – leida meie strateegia, mis tagab
| D A − D B = Max | {3.19} |
Kuna objekte on ainult kaks, siis kõik otsustatakse esimese objekti pakkumise käigus. Kaalume oma sammu vastusena sellele objektile konkurendi järgmisele X hinnapakkumisele.
Selle tegemiseks saame kasutada kahte strateegiat kahel viisil:
Las võistleja määrab esimesele objektile järgmise summa X. Kui me ei lisa väikest summat (minimaalne toetus Δ), siis saab võistleja esimese objekti. Sel juhul on võistlejal varuks summa S B − X. Võistleja sissetulek on (arvestamata Δ) D B = C 1 − X.
Kindlasti ostame teise objekti, kui see taskus on
S A \u003d (S B - X) + Δ, see tähendab veidi rohkem, kui konkurendil on jäänud.
See tähendab, et meil on sissetulek D A = C 2 − (S B − X) ja sissetulekute vahe on sel juhul
aga ei midagi vähemat.
Ostmiseks tõstame esimese objekti hinna summani X + Δ.
Meie sissetulek on siis D A = C 1 − (X + Δ).
Konkurent saab teise objekti summaga S A − (X + Δ) + Δ, kuna ta peab tõstma selle objekti hinda veidi kõrgemale, kui meil on ülejäänud raha.
Konkurendi sissetulek on D B = C 2 − (SA − (X + Δ) + Δ) ja sissetulekute vahe on (v.a Δ)
Leidsime kaks "kontrollsummat", et teada saada, millal kasutada ühte kahest meile kättesaadavast strateegiast – avaldisi (3.21) ja (3.23). Nende väärtuste keskmine on:
| K = (C 1 - C 2) / 2 + (SA - S B) / 4 | {3.24} |
ning määratleb mõistliku piiri meie oksjonil osalemise strateegiate muutmiseks, et saada korraga rohkem tulu endale ja vähem konkurendile.
Kui andsime sellel piiril esimese objekti, siis (3.20):
D A − D B = C 2 − C 1 − S B + 2 . K = 0,5. (S A − S B).
D A − D B = C 1 − C 2 + S A − 2 . K = 0,5. (S A − S B).
Kaasasolevate arvandmete mugavuse huvides paneme paika objektide vabad kogused ja hinnad (vastavalt meie arusaamale nendest objektidest): S A = 100< 175; S B = 110 < 175; C 1 = 75; C 2 = 100;
0.5 < S A / S B
Sel konkreetsel juhul läbib summat esimese objekti pärast peetava "lahingu" piir
K = -12,5 + 52,5 = 40 $
Kui meie konkurent usub, et objektid on tema jaoks sama väärt (ta teab meie tasuta summat ja meie teame tema tasuta summat, kuid meil ja temal pole muud teavet), siis arvutab ta sama piiri ja me jääme rahule. sissetulekute erinevusega mitte teie kasuks: D A − D B = C 1 − C 2 + S A − 2. K = 0,5. (SA − S B) = −5.
Mis teha – konkurendil on suurem stardikapital.
Aga võib-olla peab meie konkurent (endale mängides) objektide maksumust täiesti erinevaks ja tema jaoks on piir täiesti erinev. Või - konkurendi eesmärk sellel oksjonil on meie omast täiesti erinev, mis määrab ka esimese objekti oksjonil osalemise erineva limiidi. Ehk siis konkurendi optimaalne strateegia on meile täiesti tundmatu.
Siis oleneb kõik sellest, kui palju ta meile esimest objekti “annab” või vastupidi, mil määral ta selle eest “võitleb”. Seda järeldust illustreerib järgmine tabel.
| Piirata 1 oksjonit objekti kohta | 1 objekti omanik | Sissetulek D A | Sissetulek D B | Erinevus D A − D B |
|---|---|---|---|---|
| 20 | A | 55 | 20 | 35 |
| 30 | A | 45 | 30 | 10 |
| 35 | A | 40 | 35 | 5 |
| 40 | A | 35 | 40 | −5 |
| 40 | B | 25 | 35 | −5 |
| 45 | B | 35 | 30 | 5 |
| 50 | B | 40 | 25 | 15 |
| 55 | B | 45 | 20 | 25 |
| 60 | B | 50 | 15 | 40 |
| 75 | B | 75 | 0 | 75 |
Tabel 3.9
Lõpetades avatud pakkumiste - oksjonite küsimuse, märgime, et tegelikes tingimustes osutub modelleerimine ja optimaalse käitumisstrateegia valimine väga keeruliseks.
Asi pole mitte ainult selles, et objektide arv võib olla palju suurem kui kaks, vaid mis puudutab osalejate arvu, siis see võib olla ka suur ja isegi mitte alati ette teada. See toob "käsitsi" modelleerimisel kaasa puhtalt kvantitatiivseid raskusi, kuid ei mängi arvutisimulatsiooniprogrammide kasutamisel erilist rolli.
Asi on teisiti – enamasti teeb olukorra keeruliseks meie konkurentide ebakindlus, stohhastiline käitumine. Noh, me peame tegelema mitte koguste endi (tellitud hinnad, sissetulekud jne), vaid nende tõenäosusmudelite põhjal arvutatud matemaatiliste ootustega või vaatluste või statistiliste katsetega leitud keskmiste väärtustega.
Juba süsteemianalüüsi eesmärkide ja meetodite küsimuste käsitlemise alguses leidsime olukordi, kus süsteemi elementi, alamsüsteemi ja süsteemi kui tervikut ei ole võimalik analüütiliselt kirjeldada, kasutades võrrandisüsteeme või vähemalt ebavõrdsus.
Teisisõnu, me ei saa alati luua puhtalt matemaatilist mudelit ühelgi tasandil - süsteemi elemendil, alamsüsteemil või süsteemil tervikuna.
Selliseid süsteeme nimetatakse mõnikord väga tabavalt "halvasti organiseeritud" või "lõdvalt struktureeritud".
Juhtus nii, et peaaegu 200 aastat pärast Newtonit peeti teaduses vankumatuks seisukohta "puhta" ehk ühefaktorilise eksperimendi võimalikkuse kohta. Eeldati, et väärtuse Y = f(X) sõltuvuse selgitamiseks on isegi Y ilmselge sõltuvuse korral paljudest muudest muutujatest alati võimalik stabiliseerida kõik muutujad peale X ja leida "isiklik" X mõju Y-le.
Alles suhteliselt hiljuti (vt V. V. Nalimovi töid) hakati halvasti organiseeritud või, nagu neid ka nimetatakse, suuri süsteeme üsna "legitiimselt" pidama eriliseks keskkonnaks, kus mitte ainult süsteemisisesed seosed, vaid ka kõige elementaarsemad protsessid on tundmatud.
Selliste süsteemide (eeskätt sotsiaalsete ja seega ka majanduslike) analüüs on võimalik ühtse, teaduslikult põhjendatud lähenemisega – varjatud, meile tundmatute põhjuste ja protsesside seaduspärasuste äratundmisega. Sageli nimetatakse selliseid põhjuseid varjatud teguriteks ja protsesside eriomadusi nimetatakse latentseteks tunnusteks.
Võimalus analüüsida selliseid süsteeme kahe põhimõtteliselt erineva lähenemise või meetodi abil on avastatud ja seda peetakse ka üldiselt tunnustatuks.
Huvitav on see, et mõlemat meetodit, hoolimata nendevahelisest täielikust erinevusest, saab kasutada ja kasutatakse edukalt samade süsteemide süsteemianalüüsis.
Nii uuritakse näiteks inimese intellektuaalset tegevust "Fisheri" meetodil - paljud psühholoogid, nagu V.V. Nalimov, "oleme kindlad, et nad saavad aru paljude testide tulemustest."
Seevastu ehitamine nn. tehisintellekti süsteemid on katsed luua arvutiprogramme, mis matkivad inimese käitumist vaimse tegevuse vallas, s.t. "viineri" meetodi rakendamine.
Lihtne on mõista, et majandussüsteemid tuleks suure tõenäosusega liigitada just halvasti organiseeritud alla - eelkõige seetõttu, et üks nende elementide tüüpe on inimene. Ja kui nii, siis pole üllatav, et majanduses on süsteemianalüüsiks vaja "loomulikku" eksperimenti.
Lihtsamal juhul saame rääkida mõnest majandussüsteemi elemendist, mille kohta teame ainult väliseid mõjusid (mis on vajalik elemendi normaalseks toimimiseks) ja selle väljundreaktsioonidest (mida see element peaks “tegema”).
Mõte pidada sellist elementi "mustaks kastiks" on mõnes mõttes kasulik. Seda ideed kasutades tunnistame, et me ei suuda elemendi sees toimuvaid protsesse jälgida ja loodame selle mudeli ilma selliste teadmisteta ehitada.
Tuletage meelde klassikalist näidet - seedimisprotsesside teadmatus inimkehas ei takista meil korraldada oma toitumist vastavalt "sisendile" (tarbitud toit, dieet jne), võttes arvesse "väljundi" näitajaid (kehakaal, noh). -olemine jne).
Niisiis, meie kavatsused on "mida teha" osas üsna konkreetsed - me rakendame elemendi sisendile erinevaid väliseid juhtimistoiminguid ja mõõdame selle reaktsioone nendele mõjudele.
Nüüd peame sama selgelt otsustama – miks me seda teeme, mida loodame saada. See küsimus pole lihtne – väga harva saate endale lubada lihtsalt oma uudishimu rahuldamist. Reeglina on reaalse majandussüsteemi katsed sunnitud protseduur, mis on seotud teatud kuludega eksperimendi enda jaoks ja lisaks korvamatute negatiivsete tagajärgede ohuga.
Teoreetiline põhjendus ja tegutsemismeetodid sellistes olukordades on küberneetika eriharu – katsete planeerimise teooria – teema.
Leppime kokku terminoloogias:
Väga oluline on mõista kavandatava katse eesmärki. Lõpuks ei pruugi me elemendis endas saada teavet sisend-väljundahela protsesside olemuse kohta.
Aga kui avastame mõne meile elemendil saadaoleva tegevuse kasulikkuse ja veendume, et saadud tulemused on usaldusväärsed, siis saavutame katse peamise eesmärgi – elemendi juhtimiseks optimaalse strateegia leidmise. Lihtne on mõista, et "juhtimistegevuse" mõiste on väga lai - alates kõige tavalisematest korraldustest kuni energia- või teabe "jõu" allikate ühendamiseni elemendiga.
Selgub, et juba katseplaani koostamine nõuab teatud teadmisi ja teatud kvalifikatsiooni.
Kogemused on näidanud, et plaani on mõttekas lisada järgmised neli komponenti:
Eksperimentaaldisaini komponentide hoolikas läbimõtlemine näitab, et selle rakendamine nõuab teadmisi erinevatest teadusvaldkondadest, isegi kui me räägime majandussüsteemist - valdkonnast, milles omandate erialase ettevalmistuse. Seega ei saa juhtimistoimingute valimisel hakkama ilma minimaalsete teadmisteta tehnoloogia vallas (see pole alati puhas majandus), väga sageli on vaja teadmisi õigusseaduste ja ökoloogia vallas. Kolmanda komponendi rakendamiseks on matemaatilise statistika valdkonna teadmised hädavajalikud, kuna kasutada tuleb juhuslike suuruste jaotuste mõisteid, nende matemaatilisi ootusi ja dispersioone. Võib tekkida olukordi, mis nõuavad mitteparameetriliste statistikameetodite kasutamist.
Et demonstreerida katse kavandamise raskusi ja vajadust mõista, kuidas katse tulemusi kasutada, vaatleme lihtsat näidet.
Oletame, et tegeleme ettevõtte süsteemianalüüsiga, mis kaupleb "brändi" kaupluste võrgu kaudu ja meil on võimalus jälgida sellise süsteemi elemendi sama väljundnäitajat (näiteks ettevõtte kaupluse päevane tulu) .
Loomulik on püüda leida viis selle näitaja suurendamiseks ja kui selliseid viise on mitu, valige parim. Oletame, et vastavalt katse kavandamise reeglite esimesele lõigule otsustame testida nelja poehaldusstrateegiat. Kuna selline otsus on tehtud, ei ole mõistlik piirata katset ühe elemendiga, kui neid on süsteemis palju ja me pole kindlad, et ettevõtte kõigi kaupluste töötingimused on “võrdväärsed”.
Oletame, et meil on N poodi – sellest piisab "massilise" katse läbiviimiseks, kuid neid ei saa samale tüübile omistada. Näiteks võime eristada nelja tüüpi kauplusi: A, B, C ja D (apteek, toidupood, viin ja pudukaup).
Selge on seegi (kuigi see eeldab veidi kauplemistehnoloogia mõistmist), et poe tulud võivad oluliselt sõltuda nädalapäevast – olgu kõikide kaupluste tööpäevad: K, R, L, P.
Esimene, "lihtne" lahendus, mis meelde tuleb, on valida N hulgast juhuslikult mõned poed (kasutades nende arvu võrdset tõenäosust) ja rakendada nende haldamiseks mõnda aega uut strateegiat. Kuid sama lihtne arutluskäik viib mõttele, et see pole parim lahendus.
Tõepoolest, me peame süsteemi elemente mitmes mõttes "võrdseks":
Ja samas jagasime ise objektid rühmadesse ja tunneme seeläbi ära väliste töötingimuste erinevuse erinevate rühmade puhul. SCCA kõnepruugis tähendab see, et professionaalsed teadmised kaubanduse juhtimise vallas aitavad eeldada, et tulusid võivad mõjutada vähemalt kaks põhjust või tegurit: poe tooteprofiil ja nädalapäev. Kumbagi ei saa stabiliseerida – muidu otsime midagi muud: strateegiat, et majandada ainult viinapoode ja ainult reedeti! Ja meie ülesanne on leida strateegia kõigi kaupluste haldamiseks ja nende tööpäevadeks.
Soovime selle probleemi lahendada järgmiselt: valida juhuslikult nii kaupluste grupid kui ka nädalapäevad, kuid tagada (mitte enam juhuslikult!) strateegiatesti väljundandmete esinduslikkus.
Eksperimentaaldisaini teooria pakub selle probleemi lahendamiseks konkreetse meetodi, katseplaani juhuslikkuse või juhuslikkuse tagamise meetodi. See meetod põhineb spetsiaalse tabeli ehitamisel, mida tavaliselt nimetatakse ladina ruuduks, kui tegurite arv on kaks.
Meie näite puhul võib strateegiate arvuga 4 ladina ruut välja näha nagu tabel. 3.10 või vahekaart. 3.11.
Tabel 3.11
Esimese tabeli lahtrid sisaldavad strateegiate numbreid nädalapäevade ja antud profiili kaupluste kohta ning selline katseplaan tagab iga strateegia testimise igas kauplemisprofiilis ja igal poepäeval.
Loomulikult saab ehitada rohkem kui ühe sellise tabeli (ruudu) - kombinatoorika reeglid võimaldavad meil leida ladina ruutude koguarvu tüüpi “4 . 4" ja see arv on 576. Ruudu "3 . 3" on ainult 12 valikut, ruudu "5. 5" - juba 161280 valikut.
Üldjuhul, arvestades t strateegiat ja kahte efektiivsust määravat tegurit, oleks N = a vajalik. T 2 elementi katseplaani elluviimiseks, kus a on kõige lihtsamal juhul võrdne 1-ga.
See tähendab, et meie näite puhul peame kasutama 16 „hallatavat” poodi, kuna näiteks meie ladina ruudu teises reas ja kolmandas veerus olevad andmed tähendavad, et strateegiat number 1 rakendatakse ühel juhuslikult valitud toidupoest. laupäeviti.
Pange tähele, et meie näite ladina ruudu saab ehitada täiesti erineval viisil - tabeli 3.11 kujul, kuid see määrab siiski katse sama, juhusliku kujunduse.
Oletame, et viisime läbi katse ja saime selle tulemused järgmise tabeli kujul, mille lahtrites on näidatud strateegiad ja nende rakendamise tulemused igapäevaste tulusummade kujul:
| päevadel | Poed | Summa | |||
|---|---|---|---|---|---|
| AGA | B | AT | G | ||
| Päike | 2:47 | 1:90 | 3:79 | 4:50 | 266 |
| kolmap | 4:46 | 3:74 | 2:63 | 1:69 | 252 |
| P | 1:62 | 2:61 | 4:58 | 3:66 | 247 |
| laup | 3:76 | 4:63 | 1:87 | 2:59 | 285 |
| Summa | 231 | 288 | 287 | 244 | 1050 |
| Kokku strateegiate kaupa | 1 | 2 | 3 | 4 | 1050 / 4 =262.5 |
| 308 | 230 | 295 | 217 | ||
Tabel 3.12
Kui arvutame ootuspäraselt igapäevase tulu väärtuste neljakordsete (päevade, kaupluste ja strateegiate) keskmised, dispersioonid ja standardhälbed, saame järgmised andmed:
Tabel 3.12A
Juba selline primitiivne katseandmete statistiline töötlemine võimaldab teha mitmeid olulisi järeldusi:
See on otsene praktiline tulemus randomiseeritud plaani kasutamisest, ladina väljaku ehitamisest.
Kuid see pole veel kõik. Eksperimentide planeerimise teooria annab lisaks meetoditele plaanide koostamiseks, võttes arvesse teiste tegurite võimalikke mõjusid meile huvipakkuvale väärtusele, ka spetsiaalsed meetodid saadud katseandmete töötlemiseks.
Nende meetodite olemust saab esitada järgmiselt.
Olgu W tulu i-ndas poes, kui sellele rakendatakse s-ndat juhtimisstrateegiat. Eeldatakse, et seda tulu käsitletakse komponentide summana
| W on \u003d W 0 + Δ s + Δ i | {3.25} |
Vaatamata pidevatele välistele mõjuteguritele vastavuse ilmselgele ebareaalsusele saame iga termini W kohta hinnangu ja otsida optimaalset strateegiat selle rakendusest tuleneva kasvu Δ s kaudu, võttes arvesse vaatlusviga. Võime lugeda väärtuse Δ i jaotuse “normaalsust” tõestatuks ja katse tulemuste põhjal otsuste tegemisel kasutada “kolme sigma reeglit”.
See lõik on lõplik ja enam ei saa esile tõsta üht süsteemianalüüsi meetodite tunnust, näidata teile teist võimalust majandussüsteemide juhtimise valdkonnas professionaalse taseme saavutamiseks.
Juba praegu on selge, et TSCA rajab suurema osa oma praktikatest matemaatilise statistika platvormile. Mõnevõrra aimates teie töökava (matemaatilise statistika kursus on meie koostöö teema järgmisel semestril) pöördume selle teaduse tänapäevaste postulaatide poole.
Üldiselt on teada, et tänapäeval on statistilisi andmeid kasutavate probleemide lahendamisel kolm lähenemisviisi.
Praegu on kõik need lähenemisviisid piisavalt rangelt teaduslikult põhjendatud ja "varustatud" praktiliste toimingute tõestatud meetoditega.
Kuid on olukordi, kus meid ei huvita mitte üks, vaid mitu protsessi indikaatorit ja lisaks kahtlustame mitme protsessi mõjutava mõju olemasolu - tegurid, mis ei ole jälgitavad, varjatud või varjatud.
Kõige huvitavam ja kasulikum faktoranalüüsi olemuse mõistmise seisukohalt - meetod nendes olukordades probleemide lahendamiseks on näide vaatluste kasutamisest looduse poolt läbi viidud eksperimendis. Mingist planeerimisest ei saa siin juttugi olla - tuleb rahulduge passiivse eksperimendiga.
Üllataval kombel pakub TSCA isegi nendes "keerulistes" tingimustes meetodeid selliste tegurite tuvastamiseks, nõrkade väljasõelumiseks ja süsteemi jõudlusnäitajate saadud sõltuvuste olulisuse hindamiseks nendest teguritest.
Teeme iga majandussüsteemi k mõõdetava efektiivsusnäitaja kohta n vaatlust ja esitame nende vaatluste andmed maatriksi (tabeli) E (3.26) kujul.
Oletame, et süsteemi efektiivsust mõjutavad ka muud – mittejälgitavad, kuid kergesti tõlgendatavad (tähenduse, põhjuse ja mõjumehhanismi poolest seletatavad) väärtused – tegurid.
Mõistkem kohe, et mida suurem on n ja mida väiksem on selliste tegurite m arv (või võib-olla neid üldse polegi!), seda suurem on lootus hinnata nende mõju meid huvitavale näitajale E.
Sama lihtne on mõista tingimuse m vajalikkust
Pöördume tagasi algse vaatlusmaatriksi E juurde ja paneme tähele, et meil on tegelikult hulk n vaatlust iga k juhusliku muutuja E 1 , E 2 , ... E k kohta. Just neid suurusi "kahtlustatakse" üksteisega seotud – või vastastikuses korrelatsioonis.
Eelnevalt vaadeldud selliste seoste hindamise meetodist järeldub, et juhusliku suuruse E i leviku mõõt on selle dispersioon, mis määratakse selle suuruse ∑(E ij) kõigi registreeritud väärtuste ruutude summaga. ) 2 ja selle keskmine väärtus (summeerimine toimub veeru kohal).
Kui rakendame algses vaatlusmaatriksis muutujate muutust, s.o. E ij asemel kasutame juhuslikke muutujaid
| X ij = (E ij − M(E i)) / S(E i) | {3.27} |
siis teisendame algse maatriksi uueks, X (3.28)
Pange tähele, et kõik uue maatriksi X elemendid osutuvad dimensioonideta, normaliseeritud väärtusteks ja kui X ij teatud väärtus on näiteks +2, siis see tähendab ainult ühte - real j on kõrvalekalle veeru i keskmisest kahe standardhälbe võrra ( suurele poolele).
Teeme nüüd järgmised toimingud.
Sellel maatriksil on juhuslike suuruste X i dispersioonid põhidiagonaalil ja nende muutujate kovariatsioonid (i = 1...k) kui muud elemendid.
Kui meenutada, et juhuslike suuruste seoseid saab kirjeldada mitte ainult kovariatsioonide, vaid ka korrelatsioonikordajate abil, siis maatriksiga (3.29) saame vastavusse panna paariskorrelatsioonikordajate maatriksi ehk korrelatsioonimaatriksi R (3.30), mille diagonaalil on 1 ja diagonaalivälised elemendid on tavalised paaride korrelatsioonikoefitsiendid.
Niisiis, oletame, et vaadeldavad muutujad E i on üksteisest sõltumatud, s.t. eeldatakse maatriksi R diagonaali, kus põhidiagonaalis on ühed ja mujal nullid. Kui see praegu nii ei ole, siis meie oletused varjatud tegurite olemasolu kohta on mingil määral kinnitust leidnud.
Kuidas aga veenduda, et meil on õigus, hinnata oma hüpoteesi usaldusväärsust – vähemalt ühe varjatud teguri olemasolu kohta, kuidas hinnata selle mõju määra peamistele (vaadeldud) muutujatele? Ja kui pealegi on selliseid tegureid mitu, siis kuidas neid mõjuastme järgi järjestada?
Faktoranalüüsi eesmärk on anda vastuseid sellistele praktilistele küsimustele. Selle aluseks on seesama "kõikjal leviv" statistilise modelleerimise meetod (V.V. Nalimovi kujundliku väljenduse järgi – teooria asemel mudel).
Analüüsi edasine käik selliste küsimuste selgitamisel sõltub sellest, millist maatriksit kasutame. Kui kovariatsioonimaatriks on C, siis on tegemist põhikomponentide meetodiga, aga kui kasutada ainult maatriksit R, siis faktoranalüüsi meetodit selle “puhtal” kujul.
Jääb üle mõista peamist asja - mida need mõlemad meetodid võimaldavad, mis on nende erinevus ja kuidas neid kasutada. Mõlema meetodi eesmärk on sama - teha kindlaks varjatud muutujate (tegurite) olemasolu fakt ja kui need leitakse, siis saada kvantitatiivne kirjeldus nende mõjust peamistele muutujatele E i .
Põhikomponentide otsimise põhjendused on järgmised. Eeldame korrelatsioonita muutujate Z j (j = 1..k) olemasolu, millest igaüks on meile esitatud peamiste muutujate kombinatsioonina (liitmine i = 1..k peale):
| Z j = ∑ (A ji . X i) | {3.31} |
ja lisaks on selle dispersioon selline, et D(Z1) ≥ D(Z 2) ≥ ... ≥ D(Z k).
Koefitsientide A ji (neid nimetatakse j-nda komponendi kaaluks i-nda muutuja sisus) otsimine taandub maatriksvõrrandite lahendamisele ega ole arvutiprogrammide kasutamisel eriti keeruline. Kuid meetodi olemus on väga huvitav ja sellel tasub peatuda.
Nagu vektoralgebrast on teada, võib diagonaalmaatriksit käsitleda 2 punkti (täpsemalt vektori) kirjeldusena kahemõõtmelises ruumis ja sama suurusmaatriksit k punkti kirjeldusena ruumis. k-mõõtmeline ruum.
Seega ei tähenda tegelike, kuigi normaliseeritud muutujate X i asendamine täpselt sama arvu muutujatega Z j midagi muud kui mitmemõõtmelise ruumi k telje pöörlemist.
Ükshaaval telgi “läbi visates” leiame esmalt selle, kus dispersioon piki telge on suurim. Seejärel arvutame ümber ülejäänud k−1 telgede dispersioonid ja leiame jälle dispersiooni "telje-tšempion" jne.
Piltlikult öeldes vaatame kuubi (3-mõõtmeline ruum) kordamööda mööda kolme telge ja esmalt otsime suunda, kus näeme kõige suuremat “udu” (suurim hajumine viitab millegi kõrvalise suurimale mõjule); siis "keskmistame" pildi piki ülejäänud kahte telge ja võrdleme nende andmete levikut - leiame "keskmise" ja "autsaideri". Nüüd jääb üle lahendada võrrandisüsteem - meie näites 9 muutuja jaoks, et leida koefitsientide (kaalude) maatriks A.
Kui on leitud koefitsiendid A ji, siis saame naasta peamiste muutujate juurde, kuna on tõestatud, et need on vormis üheselt väljendatud (liitmine üle j=1...k)
| X i = ∑ (A ji . Z j) | {3.32} |
Kaalumaatriksi A leidmiseks on vaja kasutada kovariatsioonimaatriksit ja korrelatsioonimaatriksit.
Seega erineb põhikomponentide meetod eelkõige selle poolest, et see annab probleemile alati ainulaadse lahenduse. Tõsi, selle otsuse tõlgendus on omapärane.
See vastus on õigustatud – selle teguri dispersioon osutus kõigi teiste seas suuruselt kolmandaks. See on kõik... Midagi muud sel juhul ei saa. Teine asi on see, et see järeldus osutus meile kasulikuks või me ignoreerime seda - see on meie õigus otsustada, kuidas süsteemset lähenemist kasutada!
Varjatud muutujate uurimine toimub tegeliku faktoranalüüsi rakendamise korral mõnevõrra erinevalt. Siin käsitletakse iga reaalset muutujat ka mitme faktori F j lineaarse kombinatsioonina, kuid mõnevõrra ebatavalisel kujul
| X i = ∑ (B ji . F j) + Δ i | {3.33} |
kus liitmine on üle j = 1..m , s.o. iga teguri jaoks.
Siin nimetatakse koefitsienti B ji tavaliselt i-nda muutuja j-nda teguri koormuseks ja (3.33) viimast liiget peetakse takistuseks, juhuslikuks kõrvalekaldeks X i jaoks. Tegurite arv m võib olla väiksem kui reaalsete muutujate arv n ja olukorrad, kus soovitakse hinnata ainult ühe teguri mõju (sama müüjate viisakus), on siin täiesti vastuvõetavad.
Pöörakem tähelepanu "latentse", varjatud, mitte otseselt mõõdetava teguri mõistele. Loomulikult pole seadet ega viisakuse, harituse, vastupidavuse jne standardit. Kuid see ei takista meil neid ise "mõõtmast" - rakendades selliste omaduste jaoks sobivat skaalat, töötades välja teste selliste omaduste hindamiseks sellel skaalal ja rakendades neid teste samadele müüjatele. Mis siis on "mittevaatlusvõime"? Aga selles, et (tingimata) massieksperimendi käigus ei saa me kõiki neid omadusi pidevalt standarditega võrrelda ja me peame võtma esialgsed, keskmistatud andmed, mis pole üldsegi “töötavates” tingimustes saadud.
Saate eemalduda majandusest ja pöörduda spordi poole. Kes vaidleb vastu, et sportlase tulemus kõrgushüpetel sõltub tegurist - "tõukejala võimsus". Jah, seda tegurit saab mõõta tavalistes füüsikalistes ühikutes (njuutonites või leibkonna kilogrammides), aga millal?! Mitte sama hüppe ajal võistlusel!
Kuid just selle tööaja jooksul salvestatakse statistilised andmed ja kogutakse materjali algse maatriksi jaoks.
Mõnevõrra keerulisem on selgitada faktoranalüüsi protseduuride endi olemust lihtsate elementaarsete mõistetega (mõnede faktoranalüüsi valdkonna spetsialistide sõnul on see üldiselt võimatu). Seetõttu püüame seda mõista üsna keerulise, kuid õnneks praktilises mõttes täieliku täiuslikkuseni viidud vektor- või maatriksalgebra aparatuuri abil.
Enne kui sellise aparaadi vajadus selgub, vaatleme faktoranalüüsi nn fundamentaalset teoreemi. Selle olemus põhineb faktoranalüüsi mudeli (3.33) esitamisel maatrikskujul
"ideaalsel" juhul, kui jäägid Δ on tühiselt väikesed.
Siin on B * sama maatriks B, kuid teisendatud erilisel viisil (transponeeritud).
Tegurite koormusmaatriksi leidmise raskus on ilmne - isegi koolialgebras näidatakse võrrandisüsteemi lõpmatu arvu lahendusi, kui võrrandite arv on suurem kui tundmatute arv. Ligikaudne arvutus ütleb meile, et peame leidma koormusmaatriksist k.m tundmatut elementi, samas kui teadaolevaid korrelatsioonikordajaid on ainult umbes k 2/2. Teatavat “abi” annab faktoranalüüsi teoorias tõestatud suhe antud paari korrelatsioonikordaja (näiteks R 12) ja vastavate faktorikoormuste komplekti vahel:
| R12 = B11. B 21 + B 12 2 . B 22 + ... + B 1m . B 2m | {3.36} |
Seega pole midagi üllatavat väites, et faktoranalüüs (ja seega tänapäevastes tingimustes süsteemianalüüs) on pigem kunst kui teadus. Vähem oluline on siin "oskus" ja äärmiselt oluline on mõista selle meetodi jõudu ja piiranguid.
On veel üks asjaolu, mis muudab faktoranalüüsi valdkonna erialase koolituse keeruliseks - vajadus olla professionaal "tehnoloogilises" plaanis, meie puhul on see loomulikult majandus.
Kuid teisest küljest on vaevalt võimalik saada kõrgetasemeliseks majandusteadlaseks, kui pole vähemalt ettekujutust võimalustest majandussüsteeme analüüsida ja efektiivselt juhtida faktoranalüüsi abil leitud lahenduste põhjal.
Ei tasu lasta end petta faktoranalüüsi populariseerijate labastest lubadustest, ei tasu uskuda müüte selle kõikvõimsusest ja universaalsusest. See meetod on "tipus" ainult ühes näitajas - selle keerukuses, nii sisuliselt kui ka praktilise rakendamise keerukuses, isegi arvutiprogrammide "laialdase" kasutamise korral. Näiteks on väiteid põhikomponendi meetodi eeliste kohta - nad ütlevad, et see meetod on täpsem kui tegurite koormuste arvutamine. Sedapuhku on üks kuulsa itaalia statistiku Carlo Ginni vaimukus, mis vabas ümberjutustuses kõlab umbes nii: “Pean Milanosse minema ja ostan pileti Milano rongile, kuigi Napoli rongid sõidavad. täpsemalt ja seda kinnitab usaldusväärne statistika. Miks? Jah, sest ma pean Milanosse minema ... ".
.jpg)
