सिस्टम विश्लेषण के मुख्य चरणों पर विचार करें।
आइए सिस्टम विश्लेषण के पहले चरण के कार्यान्वयन पर विचार करें - समस्या का निदान।
एक समस्या प्रणाली द्वारा उत्पन्न प्रभाव के मौजूदा और वांछित (आवश्यक) मूल्यों के बीच एक महत्वपूर्ण विसंगति है।
समस्या के अस्तित्व के तथ्य को स्थापित करने के बाद, इसके निदान का चरण शुरू होता है।
समस्या के कारणों को स्थापित करने के लिए, समस्या का निदान संगठनात्मक और उत्पादन प्रणाली और बाहरी वातावरण के मापदंडों के मूल्यों और अनुपातों का विश्लेषण है। उसी समय, नैदानिक चरण अपने सामान्य कामकाज के दौरान नियंत्रण वस्तु के मापदंडों के कार्यात्मक समग्र संरचना और मूल्यों के शोधकर्ता के ज्ञान को मानता है।
किसी समस्या के निदान में निम्नलिखित प्रश्नों का उत्तर देना शामिल है:
प्रबंधन प्रणाली में वास्तव में क्या चल रहा है?
जो हो रहा है उसके क्या कारण हैं?
इस सब के पीछे क्या है?
एक जटिल समस्या के निदान में पहला कदम नियंत्रण प्रणाली के असामान्य व्यवहार के संकेतों की पहचान और पहचान है। उदाहरण: कम लाभ, बिक्री, उत्पादन और गुणवत्ता, अत्यधिक लागत, संगठन में कई संघर्ष, उच्च कर्मचारियों का कारोबार।
समस्या के निदान के दूसरे चरण में, सिस्टम के आंतरिक कारकों और बाहरी पर्यावरणीय कारकों की परस्पर क्रिया के प्रभावों का मूल्यांकन किया जाता है। इसी समय, आंतरिक कारकों को इक्विटी पूंजी की मात्रा, अचल संपत्तियों का मूल्यह्रास, संगठन संरचना, कर्मियों की योग्यता आदि के रूप में समझा जाता है। बाहरी पर्यावरणीय कारक करों का स्तर, मांग की संरचना, कीमतें आदि हैं।
निदान का तीसरा चरण समस्या को ठीक करने के निर्णय से जुड़ा है। उसी समय, यह स्पष्ट रूप से परिभाषित करना आवश्यक है कि किस दिशा में आगे बढ़ना चाहिए, क्योंकि समस्या का समाधान या तो बदलते कार्यों, या संरचना, या संगठनात्मक और उत्पादन प्रणाली के ऑपरेटिंग मापदंडों के क्षेत्र में मौजूद हो सकता है।
समस्या कार्यात्मक है। , यदि यह स्वयं प्रकट होता है और तदनुसार, संगठनात्मक और उत्पादन प्रणाली के कार्यों के स्तर पर हल किया जा सकता है।
उदाहरण के लिए, किसी नए उत्पाद या सेवा की रिलीज़ पर स्विच करके समस्या का समाधान किया जा सकता है; जब बाजार क्षेत्र बदलता है; आपूर्तिकर्ताओं के साथ संबंधों की स्थिति और प्रकृति को बदलते समय; स्वामित्व के रूपों को बदलते समय; जब उद्योग संबद्धता और संगठनात्मक और उत्पादन प्रणाली के मूल सिद्धांतों को प्रभावित करने वाले अन्य परिवर्तन बदलते हैं।
समस्या प्रकृति में संरचनात्मक है और इसे संगठनात्मक और उत्पादन प्रणाली की संरचना को बदलकर हल किया जा सकता है, अगर इसके समाधान के लिए अभी तक कार्यों में बदलाव की आवश्यकता नहीं है, लेकिन अब व्यक्तिगत मापदंडों के संख्यात्मक मूल्यों को बदलकर प्राप्त नहीं किया जा सकता है। विपणन रणनीति को बदलने, वर्तमान में उत्पादित एक के समान एक नया उत्पाद विकसित करने, मौजूदा भागीदारों के साथ एक नए प्रकार के संविदात्मक संबंधों पर स्विच करने पर संरचनात्मक परिवर्तनों की आवश्यकता उत्पन्न हो सकती है।
समस्या प्रकृति में पैरामीट्रिक है यदि इसे केवल संगठनात्मक और उत्पादन प्रणाली के मापदंडों को बदलकर समाप्त किया जा सकता है।
समस्या की निगरानी और निदान का ब्लॉक आरेख परिशिष्ट 1 में दिया गया है।
इस प्रकार, सिस्टम विश्लेषण के चरणों और प्रक्रियाओं की उपरोक्त विस्तृत योजनाओं से, यह स्पष्ट है कि संज्ञानात्मक कार्यों का व्यापक रूप से सभी चरणों में उपयोग किया जाता है, अर्थात। विषय क्षेत्र और नियंत्रण वस्तु के ज्ञान और उनके आदर्श मॉडल के निर्माण से संबंधित संचालन।
सिस्टम विश्लेषण में शामिल है: किसी समस्या को हल करने के लिए एक व्यवस्थित पद्धति का विकास, अर्थात। किसी समस्या को हल करने के लिए पसंदीदा विकल्प चुनने के उद्देश्य से संचालन का एक तार्किक और प्रक्रियात्मक रूप से संगठित अनुक्रम। सिस्टम विश्लेषण व्यावहारिक रूप से कई चरणों में लागू किया जाता है, हालांकि, उनकी संख्या और सामग्री के बारे में अभी भी कोई एकता नहीं है, क्योंकि। विज्ञान में व्यावहारिक समस्याओं की एक विस्तृत विविधता है।
सिस्टम विश्लेषण की प्रक्रिया में, इसके विभिन्न स्तरों पर विभिन्न विधियों का उपयोग किया जाता है। उसी समय, सिस्टम विश्लेषण स्वयं तथाकथित की भूमिका निभाता है। एक पद्धतिगत ढांचा जो समस्याओं को हल करने के लिए सभी आवश्यक विधियों, अनुसंधान तकनीकों, गतिविधियों और संसाधनों को जोड़ता है। संक्षेप में, सिस्टम विश्लेषण एक समस्या के बारे में हमारे ज्ञान को इस तरह से व्यवस्थित करता है कि इसे हल करने के लिए उपयुक्त रणनीति का चयन करने में मदद मिलती है या एक या एक से अधिक रणनीतियों के परिणामों की भविष्यवाणी करने में मदद मिलती है जो उन लोगों के लिए उपयुक्त लगती हैं जिन्हें उस विरोधाभास को हल करने के लिए निर्णय लेना चाहिए जिसने जन्म दिया समस्या को। सबसे अनुकूल मामलों में, सिस्टम विश्लेषण के माध्यम से मिली रणनीति कुछ विशिष्ट अर्थों में "सर्वश्रेष्ठ" है।
अंग्रेजी वैज्ञानिक जे जेफर्स के सिद्धांत के उदाहरण पर सिस्टम विश्लेषण की पद्धति पर विचार करें, जिसमें सात चरणों का आवंटन शामिल है .
चरण 1 "समस्या चयन"।यह अहसास कि कुछ समस्या है जिसे सिस्टम विश्लेषण की मदद से जांचा जा सकता है, जो विस्तार से अध्ययन करने के लिए काफी महत्वपूर्ण है। यह समझना कि समस्या का वास्तव में व्यवस्थित विश्लेषण आवश्यक है, उतना ही महत्वपूर्ण है जितना कि सही शोध पद्धति का चयन करना। एक तरफ, कोई ऐसी समस्या से निपट सकता है जो सिस्टम विश्लेषण के लिए उत्तरदायी नहीं है, और दूसरी तरफ, कोई ऐसी समस्या चुन सकता है जिसके समाधान के लिए सिस्टम विश्लेषण की पूरी शक्ति की आवश्यकता नहीं होती है, और यह अध्ययन करने के लिए आर्थिक नहीं होगा इस विधि से। प्रथम चरण का यह द्वैत इसे संपूर्ण अध्ययन की सफलता या विफलता के लिए महत्वपूर्ण बनाता है।
चरण 2 "समस्या का विवरण और इसकी जटिलता की सीमा।"एक बार समस्या के अस्तित्व की पहचान हो जाने के बाद, समस्या को सरल बनाने की आवश्यकता होती है ताकि इसका एक विश्लेषणात्मक समाधान होने की संभावना हो, जबकि उन सभी तत्वों को बनाए रखा जाए जो समस्या को व्यावहारिक अध्ययन के लिए पर्याप्त रूप से दिलचस्प बनाते हैं। यहां हम फिर से किसी भी सिस्टम अनुसंधान में एक महत्वपूर्ण चरण के साथ काम कर रहे हैं। यह इस स्तर पर है कि आप समस्या को हल करने में सबसे महत्वपूर्ण योगदान दे सकते हैं। पूरे अध्ययन की सफलता या विफलता काफी हद तक सरलीकरण और जटिलता के बीच एक नाजुक संतुलन पर निर्भर करती है - एक ऐसा संतुलन जो मूल समस्या के सभी लिंक को बरकरार रखता है जो विश्लेषणात्मक समाधान के व्याख्या योग्य होने के लिए पर्याप्त हैं। समस्या का समाधान इस तथ्य के कारण नहीं हो सकता है कि जटिलता का स्वीकृत स्तर बाद के मॉडलिंग के लिए मुश्किल बना देगा, इसके समाधान को प्राप्त करने की अनुमति नहीं देगा।
चरण 3 "लक्ष्यों और उद्देश्यों का एक पदानुक्रम स्थापित करना।"कार्य निर्धारित करने और इसकी जटिलता की डिग्री को सीमित करने के बाद, आप अध्ययन के लक्ष्यों और उद्देश्यों को निर्धारित करना शुरू कर सकते हैं। आमतौर पर ये लक्ष्य और उद्देश्य एक निश्चित पदानुक्रम बनाते हैं, जिसमें मुख्य कार्यों को क्रमिक रूप से कई माध्यमिक कार्यों में विभाजित किया जाता है। इस तरह के पदानुक्रम में, विभिन्न चरणों की प्राथमिकताओं को निर्धारित करना और उन प्रयासों के साथ सहसंबद्ध करना आवश्यक है जो निर्धारित लक्ष्यों को प्राप्त करने के लिए किए जाने की आवश्यकता है। इस प्रकार, एक जटिल अध्ययन में, उन लक्ष्यों और उद्देश्यों को अपेक्षाकृत कम प्राथमिकता देना संभव है, जो वैज्ञानिक जानकारी प्राप्त करने के दृष्टिकोण से महत्वपूर्ण हैं, लेकिन प्रभाव के संबंध में किए गए निर्णयों के प्रकार पर कमजोर प्रभाव डालते हैं। प्रणाली और उसका प्रबंधन। एक अन्य स्थिति में, जब यह कार्य कुछ मौलिक शोध के कार्यक्रम का हिस्सा होता है, तो शोधकर्ता जानबूझकर प्रबंधन के कुछ रूपों तक सीमित रहता है और उन कार्यों पर अधिकतम प्रयासों को केंद्रित करता है जो सीधे प्रक्रियाओं से संबंधित होते हैं। किसी भी मामले में, सिस्टम विश्लेषण के उपयोगी अनुप्रयोग के लिए, यह बहुत महत्वपूर्ण है कि विभिन्न कार्यों को सौंपी गई प्राथमिकताओं को स्पष्ट रूप से परिभाषित किया जाए।
चरण 4 "समस्याओं को हल करने के तरीके चुनना।"इस स्तर पर, शोधकर्ता आमतौर पर समस्या को हल करने के लिए कई तरीके चुन सकता है। एक नियम के रूप में, विशिष्ट समस्याओं के संभावित समाधान वाले परिवार एक अनुभवी सिस्टम विश्लेषक को तुरंत दिखाई देते हैं। प्रत्येक विशिष्ट समस्या को आमतौर पर एक से अधिक तरीकों से हल किया जा सकता है। फिर, परिवार का चुनाव जिसके भीतर एक विश्लेषणात्मक समाधान खोजना है, सिस्टम विश्लेषक के अनुभव पर निर्भर करता है। एक अनुभवहीन शोधकर्ता किसी भी परिवार से समाधान लागू करने की कोशिश में बहुत समय और पैसा खर्च कर सकता है, यह महसूस किए बिना कि यह समाधान उन मान्यताओं के तहत प्राप्त किया गया था जो उस विशेष मामले के लिए अनुचित हैं जिसके साथ वह काम कर रहा है। दूसरी ओर, विश्लेषक अक्सर कई वैकल्पिक समाधान विकसित करता है और बाद में केवल उसी पर समझौता करता है जो उसके कार्य के लिए सबसे उपयुक्त है।
स्टेज 5 "मॉडलिंग"।एक बार उपयुक्त विकल्पों का विश्लेषण करने के बाद, एक महत्वपूर्ण कदम शुरू हो सकता है - समस्या के विभिन्न पहलुओं के बीच जटिल गतिशील संबंधों को मॉडलिंग करना। साथ ही, यह याद रखना चाहिए कि मॉडलिंग की जा रही प्रक्रियाओं के साथ-साथ प्रतिक्रिया तंत्र, आंतरिक अनिश्चितता की विशेषता है, और यह सिस्टम की समझ और इसकी नियंत्रणीयता दोनों को महत्वपूर्ण रूप से जटिल कर सकता है। इसके अलावा, मॉडलिंग प्रक्रिया को नियमों के एक जटिल सेट को ध्यान में रखना चाहिए जिसे उचित रणनीति पर निर्णय लेते समय देखा जाना चाहिए। इस स्तर पर, मॉडल की भव्यता से दूर जाना बहुत आसान है, और इसके परिणामस्वरूप, वास्तविक निर्णय लेने की प्रक्रियाओं और गणितीय तंत्र के बीच संपर्क के सभी बिंदु खो जाएंगे। इसके अलावा, एक मॉडल विकसित करते समय, परीक्षण न की गई परिकल्पनाओं को अक्सर इसमें शामिल किया जाता है, और उप-प्रणालियों की इष्टतम संख्या को पूर्वनिर्धारित करना काफी कठिन होता है। यह माना जा सकता है कि एक अधिक जटिल मॉडल वास्तविक प्रणाली की जटिलताओं को बेहतर ढंग से ध्यान में रखता है, लेकिन यद्यपि यह धारणा सहज रूप से सही लगती है, अतिरिक्त कारकों को ध्यान में रखा जाना चाहिए। उदाहरण के लिए, इस परिकल्पना पर विचार करें कि एक अधिक जटिल मॉडल भी मॉडल भविष्यवाणियों में निहित अनिश्चितता के संदर्भ में उच्च सटीकता देता है। आम तौर पर, व्यवस्थित पूर्वाग्रह जो तब होता है जब एक प्रणाली कई उप-प्रणालियों में विघटित हो जाती है, मॉडल की जटिलता से विपरीत रूप से संबंधित होती है, लेकिन व्यक्तिगत मॉडल पैरामीटर को मापने में त्रुटियों के कारण अनिश्चितता में भी इसी तरह की वृद्धि होती है। मॉडल में पेश किए गए नए मापदंडों को क्षेत्र और प्रयोगशाला प्रयोगों में निर्धारित किया जाना चाहिए, और उनके अनुमानों में हमेशा कुछ त्रुटियां होती हैं। सिमुलेशन के माध्यम से जाने के बाद, ये माप त्रुटियां परिणामी भविष्यवाणियों की अनिश्चितता में योगदान करती हैं। इन सभी कारणों से, किसी भी मॉडल में विचाराधीन उप-प्रणालियों की संख्या को कम करना फायदेमंद होता है।
चरण 6 "संभावित रणनीतियों का आकलन"।एक बार जब सिमुलेशन को उस चरण में लाया जाता है जहां मॉडल का उपयोग किया जा सकता है, तो मॉडल से प्राप्त संभावित रणनीतियों के मूल्यांकन का चरण शुरू होता है। यदि यह पता चलता है कि अंतर्निहित धारणाएं गलत हैं, तो आपको मॉडलिंग चरण में वापस जाना पड़ सकता है, लेकिन मूल संस्करण को थोड़ा संशोधित करके मॉडल में सुधार करना अक्सर संभव होता है। आमतौर पर समस्या के उन पहलुओं के प्रति मॉडल की "संवेदनशीलता" की जांच करना भी आवश्यक है, जिन्हें दूसरे चरण में औपचारिक विश्लेषण से बाहर रखा गया था, अर्थात। जब कार्य निर्धारित किया गया था और इसकी जटिलता की डिग्री सीमित थी।
चरण 7 "परिणामों का कार्यान्वयन"।सिस्टम विश्लेषण का अंतिम चरण पिछले चरणों में प्राप्त परिणामों का व्यावहारिक अनुप्रयोग है। यदि अध्ययन उपरोक्त योजना के अनुसार किया गया था, तो इसके लिए जो कदम उठाने की आवश्यकता है वह काफी स्पष्ट होगा। हालाँकि, सिस्टम विश्लेषण को तब तक पूर्ण नहीं माना जा सकता है जब तक कि अनुसंधान व्यावहारिक अनुप्रयोग के चरण तक नहीं पहुँच जाता है, और यह इस संबंध में है कि किए गए अधिकांश कार्य अधूरे रह गए हैं। साथ ही, अंतिम चरण में, कुछ चरणों की अपूर्णता या उन्हें संशोधित करने की आवश्यकता प्रकट हो सकती है, जिसके परिणामस्वरूप पहले से ही पूर्ण किए गए कुछ चरणों से फिर से गुजरना आवश्यक होगा।
इस प्रकार, मल्टी-स्टेज सिस्टम विश्लेषण का उद्देश्यव्यावहारिक समस्याओं को हल करने के लिए सही रणनीति चुनने में मदद करना है। इस विश्लेषण की संरचना का उद्देश्य जटिल और आमतौर पर बड़े पैमाने की समस्याओं पर मुख्य प्रयास पर ध्यान केंद्रित करना है, जिन्हें अनुसंधान के सरल तरीकों, जैसे अवलोकन और प्रत्यक्ष प्रयोग द्वारा हल नहीं किया जा सकता है।
समस्या निर्णय स्तर. किसी समस्या पर निर्णय लेने और विकसित करने की प्रक्रिया को निर्णय निर्माता (डीएम) की गतिविधि के तरीकों और तकनीकों के एक सेट के रूप में दर्शाया जा सकता है। साथ ही, निर्णय निर्माता कुछ प्रावधानों, दिशानिर्देशों, सिद्धांतों द्वारा निर्देशित होता है, जो सबसे प्रभावी प्रणाली को व्यवस्थित करने का प्रयास करता है जो किसी दिए गए स्थिति में इष्टतम समाधान विकसित करने की अनुमति देगा। इस प्रक्रिया में, निर्णय लेने के तंत्र के आधार पर, अलग-अलग स्तरों को अलग करना संभव है, जिन तत्वों का निर्णय निर्माता हमेशा सामना करता है।
समस्या पर निर्णय लेने के मुख्य स्तर:
1. व्यक्तिगत-शब्दार्थ स्तर. इस स्तर पर निर्णय लेने वाले द्वारा तार्किक तर्क के आधार पर निर्णय लिया जाता है। उसी समय, निर्णय लेने की प्रक्रिया निर्णय लेने वाले के व्यक्तिगत अनुभव पर निर्भर करती है और विशिष्ट स्थिति में परिवर्तन से निकटता से संबंधित है। इसके आधार पर, शब्दार्थ स्तर पर लोग एक-दूसरे को नहीं समझ सकते हैं, और वे जो निर्णय लेते हैं, वे अक्सर न केवल अनुचित होते हैं, बल्कि संगठनात्मक अर्थ से रहित भी होते हैं। इस प्रकार, इस स्तर पर, निर्णय केवल "सामान्य ज्ञान" के आधार पर किए जाते हैं।
2. संचार-शब्दार्थ स्तर. इस स्तर पर निर्णय पहले से ही निर्णय लेने में शामिल व्यक्तियों की संवादात्मक बातचीत के आधार पर किए जाते हैं। यहां हम पारंपरिक संचार के बारे में नहीं, बल्कि विशेष रूप से चयनित संचार के बारे में बात कर रहे हैं। संचार का आयोजक - निर्णय निर्माता "संचार" शुरू करता है जब गतिविधि में कठिनाई होती है जो समस्या की स्थिति को जन्म देती है। एक ही स्थिति में संचार में भाग लेने वाले अपनी व्यक्तिपरक स्थिति के आधार पर अलग-अलग चीजें देख सकते हैं। नतीजतन, निर्णय निर्माता व्यक्तिगत रूप से या मध्यस्थ की मदद से विभिन्न दृष्टिकोणों की उचित आलोचना और मध्यस्थता मूल्यांकन का आयोजन करता है। इस स्तर पर, आम तौर पर मान्य दृष्टिकोणों के साथ अलग-अलग दृष्टिकोणों का विलय होता है।
पहला और दूसरा स्तर माना जाता है पूर्व-वैचारिक. यह इन स्तरों पर है कि संगठनों के नेता अक्सर निर्णय लेते हैं।
3. वैचारिक स्तर. इस स्तर पर, व्यक्तिगत राय से प्रस्थान होता है, और सख्त अवधारणाओं का उपयोग किया जाता है। इस चरण में इच्छुक विशेषज्ञों के साथ निर्णय निर्माताओं के पेशेवर संचार के लिए विशेष उपकरणों का उपयोग शामिल है, जो समाधान विकसित करने की प्रक्रिया में उनकी पेशेवर बातचीत की गुणवत्ता में सुधार करने में मदद करता है।
4. समस्या का स्तर. इस स्तर पर, समस्याओं को हल करने के लिए, निर्णय लेने की प्रक्रिया में विकसित समस्या की स्थिति की एक व्यक्तिगत अर्थ समझ से आगे बढ़ना आवश्यक है, इसे अर्थों के माध्यम से समझने के लिए। यदि निर्णय निर्माता का लक्ष्य किसी विशिष्ट समस्या को हल करना है, तो ज्ञात एल्गोरिदम का उपयोग किया जाता है और सरल प्रक्रियाओं के विकास की आवश्यकता होती है। जब निर्णयकर्ता को एक निश्चित समस्या का सामना करना पड़ता है और अनिश्चितता की स्थिति होती है, तो एक सैद्धांतिक मॉडल बनाकर, परिकल्पना तैयार करके, रचनात्मक दृष्टिकोण का उपयोग करके समाधान विकसित करके निर्णय लिया जाता है। इस गतिविधि में कठिनाइयों को निर्णय लेने के अगले स्तर तक ले जाना चाहिए - प्रणालीगत।
5. सिस्टम स्तर. इस स्तर के लिए निर्णय निर्माता को निर्णय लेने के माहौल के सभी तत्वों की एक व्यवस्थित दृष्टि, नियंत्रण वस्तु के प्रतिनिधित्व की अखंडता और उसके भागों की बातचीत की आवश्यकता होती है। बातचीत को अखंडता के तत्वों की पारस्परिक सहायता में परिवर्तित किया जाना चाहिए, जो गतिविधि से एक व्यवस्थित प्रभाव प्रदान करता है।
6. यूनिवर्सल-सिस्टम स्तर. इस स्तर पर निर्णय लेने में निर्णय निर्माता की नियंत्रण वस्तु में अखंडता की दृष्टि और पर्यावरण में इसका एकीकरण शामिल है। वस्तु के विकास के रुझान को निर्धारित करने के लिए अनुभवजन्य टिप्पणियों और परिणामी विश्लेषणात्मक जानकारी का उपयोग यहां किया जाता है। स्तर को निर्णय लेने वाले को आसपास की दुनिया की पूरी तस्वीर बनाने की आवश्यकता होती है।
इस प्रकार, निर्णय निर्माताओं के लिए समस्या पर निर्णय लेने में एक स्तर से दूसरे स्तर तक जाना कठिन होता है। यह उसका व्यक्तिपरक संदेह हो सकता है या किसी विशेष स्तर की आवश्यकताओं को ध्यान में रखते हुए समस्याओं और समस्याओं को हल करने के उद्देश्य की आवश्यकता हो सकती है। नियंत्रण वस्तु (समस्या) जितनी जटिल होती है, निर्णय लेने का स्तर उतना ही अधिक होता है। साथ ही, एक निश्चित निर्णय लेने की व्यवस्था को प्रत्येक स्तर के अनुरूप होना चाहिए, कार्रवाई के पाठ्यक्रम को चुनने के लिए स्तर मानदंड का उपयोग करना भी आवश्यक है।
सहज और व्यवस्थित दृष्टिकोण की तुलनाकिसी समस्या पर निर्णय लेने के लिए। ऐसी स्थिति में जहां हमें किसी समस्या पर कुछ निर्णय लेने की आवश्यकता होती है (हम मानते हैं कि यह निर्णय हम अपने दम पर करते हैं, दूसरे शब्दों में, हम उस पर "लगाए गए" नहीं हैं), तो हम, यह निर्धारित करने के लिए कि कौन सा विशिष्ट समाधान बेहतर स्वीकार है, हम दो मौलिक रूप से भिन्न तरीकों से कार्य कर सकते हैं।
पहली विधिसरल है और पूरी तरह से पहले प्राप्त अनुभव और अर्जित ज्ञान के आधार पर संचालित होता है। संक्षेप में, यह इस प्रकार है: हमारे दिमाग में प्रारंभिक स्थिति होने पर, हम
1) हम स्मृति में एक या कई पैटर्न का चयन करते हैं जो हमें ज्ञात हैं ("टेम्पलेट", "सिस्टम", "संरचना", "सिद्धांत", "मॉडल") जो प्रारंभिक स्थिति के साथ एक संतोषजनक (हमारी राय में) सादृश्य है;
2) हम वर्तमान स्थिति के लिए एक समाधान लागू करते हैं जो पहले से ज्ञात पैटर्न के लिए सर्वोत्तम समाधान से मेल खाता है, जो इस स्थिति में इसे अपनाने के लिए एक मॉडल बन जाता है।
मानसिक गतिविधि की यह प्रक्रिया, एक नियम के रूप में, अनजाने में होती है, और यही इसकी असाधारण प्रभावशीलता का कारण है। हमारी "अचेतनता" के कारण, हम निर्णय लेने की इस पद्धति को "सहज" कहेंगे। हालांकि, यह ध्यान दिया जाना चाहिए कि यह किसी के पिछले अनुभव और अर्जित ज्ञान के व्यावहारिक अनुप्रयोग से ज्यादा कुछ नहीं है। भाग्य बताने या सिक्का उछालने के साथ सहज निर्णय लेने को भ्रमित न करें। इस मामले में अंतर्ज्ञान निर्णय लेने वाले व्यक्ति के ज्ञान और अनुभव का अचेतन सार है। इसलिए, सहज समाधान अक्सर बहुत सफल होते हैं, खासकर यदि व्यक्ति के पास समान समस्याओं को हल करने का पर्याप्त अनुभव हो।
दूसरी विधि बहुत अधिक जटिल है और इस पद्धति को लागू करने के उद्देश्य से सचेत मानसिक प्रयासों की भागीदारी की आवश्यकता होती है। इसका संक्षेप में वर्णन इस प्रकार करें: प्रारंभिक स्थिति को ध्यान में रखते हुए, हम
1) हम भविष्य के समाधान का मूल्यांकन करने के लिए कुछ दक्षता मानदंड का चयन करते हैं;
2) विचाराधीन प्रणाली की उचित सीमाओं का निर्धारण;
3) हम प्रारंभिक स्थिति के साथ सादृश्य के लिए उपयुक्त एक सिस्टम मॉडल बनाते हैं;
4) सर्वोत्तम समाधान खोजने के लिए इस मॉडल के गुणों और व्यवहार का पता लगाएं;
5) व्यवहार में पाए गए समाधान को लागू करें।
यह जटिल निर्णय लेने की विधि, जैसा कि हम पहले से ही जानते हैं, "प्रणाली" और "मॉडल" की अवधारणाओं के सचेत अनुप्रयोग के कारण "प्रणालीगत" कहा जाता है। इसमें कुंजी मॉडल के सक्षम विकास और उपयोग का कार्य है, क्योंकि यह वह मॉडल है जिसकी हमें आवश्यकता है, इसके अलावा, भविष्य में इसी तरह की स्थितियों के लिए याद किया जा सकता है और बार-बार उपयोग किया जा सकता है।
यदि हम इन दोनों विधियों की एक-दूसरे से तुलना करते हैं, तो पहली नज़र में निर्णय लेने की गति और किए गए प्रयासों की लागत दोनों के संदर्भ में "सहज" दृष्टिकोण की प्रभावशीलता स्पष्ट है। और वास्तव में यह है।
और "प्रणालीगत" पद्धति का क्या लाभ है, यदि कोई हो?
तथ्य यह है कि सहज दृष्टिकोण हमें कार्य या समस्या की स्थिति का प्रारंभिक रूप से ज्ञात समाधान देता है, और एक व्यवस्थित दृष्टिकोण का उपयोग करके, हम वास्तव में उस समाधान को नहीं जानते हैं जिसे हम ढूंढ रहे हैं। और इसका मतलब यह है कि एक व्यवस्थित दृष्टिकोण का अभ्यास स्वभाव से लोगों में "अंतर्निहित" है और उसी हद तक एक व्यक्ति के व्यक्तिगत प्रशिक्षण का आधार है (विशेषकर स्पष्ट रूप से उसके जीवन के पहले वर्षों में)।
सहज और व्यवस्थित निर्णय लेने के तरीके एक दूसरे का खंडन नहीं करते हैं। हालांकि, उनमें से प्रत्येक उस स्थिति में उपयोग करने के लिए अधिक उपयुक्त है जो उसके लिए उपयुक्त है। यह पता लगाने के लिए कि किन स्थितियों में उपयोग करना बेहतर है, आइए पहले निम्नलिखित उदाहरण के उदाहरण पर विचार करें।
उदाहरण। आइए एक ऐसी स्थिति की कल्पना करें जब आप संस्थान के भवन में प्रवेश करते हैं। प्रवेश करने के लिए आपको प्रवेश द्वार खोलना होगा और प्रवेश करना होगा। आपने इसे पहले ही कई बार किया है, और निश्चित रूप से, आप इसके बारे में नहीं सोचते हैं, अर्थात आप इसे "स्वचालित रूप से" करते हैं। हालाँकि, यदि आप इसे देखें, तो ये क्रियाएं शरीर के हाथ, पैर और शरीर के आंदोलनों की एक जटिल समन्वित श्रृंखला हैं: एक भी रोबोट, आधुनिक तकनीक के विकास और कृत्रिम बुद्धिमत्ता की सफलता के साथ, अभी तक नहीं कर सकता है यह स्वाभाविक रूप से, हालांकि, और बस चलना भी है। हालांकि, आप इसे आसानी से और स्वतंत्र रूप से करते हैं, क्योंकि रीढ़ की हड्डी और निचले मस्तिष्क में पहले से ही अच्छी तरह से काम कर रहे विशिष्ट व्यवहार हैं जो इस कार्य के लिए उच्च मस्तिष्क क्षेत्रों के संसाधनों का उपयोग किए बिना दरवाजा खोलने के लिए आपके कार्यों की भविष्यवाणियों का सही परिणाम देते हैं। . दूसरे शब्दों में, ऐसे मामलों में हम पहले से स्थापित निर्णय लेने वाले मॉडल का उपयोग करते हैं।
अब मान लेते हैं कि जब आप दूर थे तब स्प्रिंग को बदल दिया गया था और इसे खोलने के लिए और अधिक बल की आवश्यकता है। क्या होगा? हमेशा की तरह, आप पास आते हैं, हैंडल लेते हैं, दबाते हैं ..., लेकिन दरवाजा नहीं खुलता है। यदि इस समय आप विचार में हैं, तो आप कई बार असफल रूप से दरवाज़े के हैंडल को तब तक खींच सकते हैं जब तक कि आपका तंत्रिका तंत्र इस चेतना तक नहीं पहुँच जाता कि स्थिति को अध्ययन और कुछ विशेष प्रतिक्रिया की आवश्यकता है। क्या हुआ? पुराना मॉडल, जिसने पहले इस स्थिति के लिए त्रुटिपूर्ण रूप से काम किया था, काम नहीं किया - भविष्यवाणी ने अपेक्षित परिणाम नहीं दिया। इसलिए, आप अध्ययन करें कि अब क्या हुआ, समस्या का कारण खोजें, समझें कि आपको दरवाजा खोलने के लिए और अधिक महत्वपूर्ण प्रयास करने की आवश्यकता है और यह निर्धारित करें कि कौन से विशिष्ट प्रयास हैं। फिर आप इस स्थिति के लिए व्यवहार के "मॉडल को स्वचालित रूप से अपडेट" करते हैं और जल्द ही, शायद एक दिन के भीतर, नया मॉडल "जड़ लेगा" और फिर आप, पहले की तरह, इसके बारे में सोचे बिना अपने संस्थान में प्रवेश करेंगे।
इस मामले में, हमने एक "प्रणालीगत" दृष्टिकोण लिया - हमने स्थिति की जांच की, अनुपयोगी मॉडल को बदल दिया और "इसे संचालन में डाल दिया।"
यह सरल उदाहरण दिखाता है कि कैसे हमारा जीव किसी समस्या पर निर्णय लेने के लिए व्यवस्थित दृष्टिकोण में व्यवहार में मॉडलिंग को प्रभावी ढंग से लागू करता है। यह संयोजन व्यक्ति की नई और प्रतिकूल परिस्थितियों के अनुकूल होने की अत्यधिक उच्च क्षमता का कारण है। अनिश्चितता की स्थिति में, जब पुराने मॉडल काम नहीं करते हैं, तो हम नए मॉडल विकसित और लागू करते हैं, जो तब समान परिस्थितियों के लिए अच्छी तरह से काम करना चाहिए। यह सीखने का प्रभाव है, या यों कहें कि किसी कौशल का अधिग्रहण।
याद रखें: मौलिक रूप से नए कार्यों के समाधान के लिए, हमें तुरंत एक व्यवस्थित दृष्टिकोण लागू करना चाहिए, इसके कार्यान्वयन पर अतिरिक्त प्रयास करना चाहिए, और परियोजना के कार्यान्वयन के साथ अपरिहार्य समस्याओं की प्रतीक्षा नहीं करनी चाहिए।
ज्यादातर मामलों में किसी समस्या पर निर्णय लेते समय एक व्यवस्थित दृष्टिकोण को लागू करने के अभ्यास में महंगे संसाधनों की गंभीर भागीदारी, विशेष सॉफ्टवेयर के उपयोग और किसी भी प्रक्रिया के पूर्ण विवरण की आवश्यकता नहीं होती है। ऐसा होता है कि एक बुद्धिशीलता सत्र, कागज की चादरें और एक इरेज़र के साथ एक पेंसिल एक विशिष्ट समस्या को सफलतापूर्वक हल करने के लिए पर्याप्त है।
इसलिए, किसी समस्या पर निर्णय लेने के लिए एक व्यवस्थित दृष्टिकोण में एक स्पष्ट एल्गोरिथ्म का पालन करना शामिल है जिसमें 6 चरण शामिल हैं:
समस्या की परिभाषा;
समाधान चुनने के लिए मानदंड का निर्धारण;
मानदंड के लिए भार निर्दिष्ट करना;
विकल्पों का विकास;
विकल्पों का मूल्यांकन;
सर्वोत्तम विकल्प का चयन।
हालांकि, ऐसी परिस्थितियों की उपस्थिति जैसे: उच्च स्तर की अनिश्चितता, उदाहरणों की अनुपस्थिति या अपर्याप्तता, सीमित तथ्य, तथ्य जो अस्पष्ट रूप से सही रास्ते का संकेत देते हैं, विश्लेषणात्मक डेटा बहुत कम उपयोग के हैं, कई अच्छे विकल्पों की उपस्थिति, सीमित समय करता है हमेशा एक व्यवस्थित दृष्टिकोण को लागू करने की अनुमति न दें।
इस मामले में, निर्णय निर्माता को रचनात्मकता दिखाने की आवश्यकता होती है - अर्थात। समाधान रचनात्मक, मूल, अप्रत्याशित होना चाहिए। निम्नलिखित कारकों की उपस्थिति में एक रचनात्मक समाधान का जन्म होता है:
निर्णय लेने वाले व्यक्ति के पास प्रासंगिक ज्ञान और अनुभव होना चाहिए;
उसके पास रचनात्मक क्षमताएं होनी चाहिए;
निर्णय लेने पर कार्य को उचित प्रेरणा द्वारा समर्थित किया जाना चाहिए।
अंत में, किसी समस्या पर निर्णय लेने की प्रक्रिया और उसके बाद की प्रतिक्रिया संज्ञानात्मक पूर्वाग्रहों और संगठनात्मक बाधाओं से प्रभावित होती है।
संज्ञानात्मक पूर्वाग्रहों को निर्णय लेने के चरण के अनुसार वर्गीकृत किया जा सकता है जिस पर ये पूर्वाग्रह प्रभावित होते हैं।
सूचना एकत्र करने के चरण में:
जानकारी की उपलब्धता - समस्या विश्लेषण के लिए केवल आसानी से सुलभ जानकारी का चयन किया जाता है;
पुष्टि पूर्वाग्रह - जानकारी के पूरे सरणी से, केवल उसी को विश्लेषण के लिए चुना जाता है जो निर्णय लेने वाले के प्रारंभिक (सचेत या अवचेतन) रवैये की पुष्टि करता है।
सूचना प्रसंस्करण के चरण में:
• जोखिम से बचाव - हर कीमत पर जोखिम से बचने की प्रवृत्ति, यहां तक कि मध्यम जोखिम को स्वीकार करने के मामले में अत्यधिक संभावित सकारात्मक परिणाम की स्थिति में भी;
किसी पर या किसी चीज पर अत्यधिक विश्वास;
फ़्रेमिंग - इस प्रश्न के उत्तर पर प्रश्न के प्रारूप या शब्दों का प्रभाव;
एंकरिंग - निर्णय लेते समय एकल डेटा पर अत्यधिक भरोसा करने की प्रवृत्ति;
(अन) नमूने का प्रतिनिधित्व।
निर्णय के चरण में:
बंधी हुई तर्कसंगतता - एक व्यक्ति की प्रवृत्ति, जब मानसिक रूप से संभावित समाधानों के माध्यम से छँटाई, पहले "सहनीय" समाधान पर रुकने के लिए, जो शेष विकल्पों की अनदेखी करता है (जिनके बीच, शायद, एक "सर्वश्रेष्ठ" समाधान है);
ग्रुपथिंक - किसी व्यक्ति की व्यक्तिगत स्थिति पर लोगों के समूह की सामान्य स्थिति का प्रभाव;
झुंड की भावना;
सामाजिक मानदंडों;
छाप प्रबंधन - वह प्रक्रिया जिसके द्वारा एक व्यक्ति अन्य लोगों पर बने प्रभाव को नियंत्रित करने का प्रयास करता है;
· प्रतिस्पर्धी दबाव;
कब्जे का प्रभाव - एक व्यक्ति जो कुछ भी सीधे मालिक है उसे अधिक महत्व देता है।
किए गए निर्णय पर प्रतिक्रिया के चरण में:
नियंत्रण का भ्रम - स्थिति पर अपने नियंत्रण में किसी व्यक्ति का विश्वास वास्तव में उससे कहीं अधिक है;
• दृढ़ विश्वास निर्माण - एक ऐसी स्थिति जिसमें एक व्यक्ति प्रारंभिक निर्णय की त्रुटिपूर्णता स्पष्ट हो जाने के बाद भी मूल निर्णय (इस निर्णय की शुद्धता को साबित करने के लिए) के समर्थन में कार्रवाई करना जारी रखता है;
पश्चदृष्टि - उन घटनाओं का न्याय करने की प्रवृत्ति जो अतीत में हुई हैं जैसे कि वे भविष्यवाणी करना आसान और यथोचित रूप से अपेक्षित थे;
मौलिक आरोपण त्रुटि - किसी व्यक्ति की सफलताओं को अपनी योग्यता, और विफलताओं को बाहरी कारकों के लिए जिम्मेदार ठहराने की प्रवृत्ति;
व्यक्तिपरक मूल्यांकन - डेटा को उनकी मान्यताओं / प्राथमिकताओं के अनुसार व्याख्या करने की प्रवृत्ति।
कर्मचारी मूल्यांकन प्रणाली, इनाम और प्रेरणा प्रणाली, संगठन द्वारा अपनाए गए औपचारिक विनियमन, समान समस्याओं को हल करने के लिए स्थापित समय सीमा और ऐतिहासिक मिसाल जैसे संगठनात्मक बाधाएं भी निर्णय लेने की प्रक्रिया को प्रभावित करती हैं।
इस प्रकार, एक व्यवस्थित दृष्टिकोण अध्ययन के तहत समस्या की नई विशेषताओं की पहचान करना और इसके समाधान का एक मॉडल बनाना संभव बनाता है जो पिछले एक से मौलिक रूप से अलग है।
जाँच - परिणाम
1. कोई भी वैज्ञानिक, अनुसंधान और व्यावहारिक गतिविधि विधियों (तकनीकों या क्रिया के तरीकों), विधियों (किसी भी कार्य को करने के तरीकों और तकनीकों का एक सेट) और कार्यप्रणाली (विधियों का एक सेट, नियमों का एक सेट) के आधार पर की जाती है। विधियों का वितरण और असाइनमेंट, साथ ही साथ काम के चरण और उनके क्रम)। सिस्टम विश्लेषण कई संभावित विकल्पों में से इष्टतम निर्णय को विकसित करने, अपनाने और उचित ठहराने के लिए विधियों और उपकरणों का एक समूह है। इसका उपयोग मुख्य रूप से रणनीतिक समस्याओं को हल करने के लिए किया जाता है। विभिन्न समस्याओं के समाधान के लिए प्रणाली विश्लेषण का मुख्य योगदान इस तथ्य के कारण है कि यह उन कारकों और संबंधों की पहचान करना संभव बनाता है जो बाद में बहुत महत्वपूर्ण हो सकते हैं, जिससे अवलोकन तकनीक और प्रयोग को बदलना संभव हो जाता है। इस तरह से इन कारकों को ध्यान में रखते हुए, और परिकल्पनाओं और मान्यताओं की कमजोरियों पर प्रकाश डाला गया।
2. सिस्टम विश्लेषण को लागू करते समय, प्रयोगों के माध्यम से परिकल्पनाओं के परीक्षण पर जोर दिया जाता है और कठोर नमूनाकरण प्रक्रियाएं भौतिक दुनिया को समझने के लिए शक्तिशाली उपकरण बनाती हैं और इन उपकरणों को जटिल घटनाओं के लचीले लेकिन कठोर अध्ययन की प्रणाली में जोड़ती हैं। इस पद्धति को समस्या की गहन समझ (समझ) और क्रम (संरचना) के लिए एक पद्धति के रूप में माना जाता है। इसलिए, सिस्टम विश्लेषण की पद्धति सिद्धांतों, दृष्टिकोणों, अवधारणाओं और विशिष्ट तरीकों के साथ-साथ तकनीकों का एक समूह है। सिस्टम विश्लेषण में, वैज्ञानिक सोच के नए सिद्धांतों को विकसित करने पर जोर दिया जाता है जो संपूर्ण और विरोधाभासी प्रवृत्तियों के अंतर्संबंध को ध्यान में रखते हैं।
3. सिस्टम विश्लेषण आसपास की दुनिया और उसकी समस्याओं के अध्ययन में मौलिक रूप से कुछ नया नहीं है - यह एक प्राकृतिक विज्ञान दृष्टिकोण पर आधारित है। पारंपरिक दृष्टिकोण के विपरीत, जिसमें समस्या को उपरोक्त चरणों (या एक अलग क्रम में) के सख्त अनुक्रम में हल किया जाता है, सिस्टम दृष्टिकोण में समाधान प्रक्रिया की बहु-जुड़ाव शामिल होती है। सिस्टम विश्लेषण का मुख्य और सबसे मूल्यवान परिणाम समस्या का मात्रात्मक रूप से परिभाषित समाधान नहीं है, बल्कि समस्या के अध्ययन में भाग लेने वाले विशेषज्ञों और विशेषज्ञों के बीच इसकी समझ और संभावित समाधानों की डिग्री में वृद्धि है, और, सबसे महत्वपूर्ण, जिम्मेदार लोगों के बीच ऐसे व्यक्ति जिन्हें अच्छी तरह से विकसित और मूल्यांकन किए गए विकल्पों का एक सेट प्रदान किया जाता है।
4. सबसे सामान्य अवधारणा जो सिस्टम की सभी संभावित अभिव्यक्तियों को दर्शाती है, "व्यवस्थित" है, जिसे तीन पहलुओं पर विचार करने का प्रस्ताव है:
ए) सिस्टम सिद्धांत सिस्टम की दुनिया के बारे में कठोर वैज्ञानिक ज्ञान प्रदान करता है और विभिन्न प्रकृति की प्रणालियों की उत्पत्ति, संरचना, कार्यप्रणाली और विकास की व्याख्या करता है;
बी) एक व्यवस्थित दृष्टिकोण - अभिविन्यास और विश्वदृष्टि कार्य करता है, न केवल दुनिया की दृष्टि प्रदान करता है, बल्कि इसमें अभिविन्यास भी प्रदान करता है। एक व्यवस्थित दृष्टिकोण की मुख्य विशेषता एक जटिल, सरल नहीं, संपूर्ण और घटक तत्वों की प्रमुख भूमिका की उपस्थिति है। यदि शोध के पारंपरिक दृष्टिकोण के साथ, विचार सरल से जटिल, भागों से संपूर्ण, तत्वों से प्रणाली की ओर बढ़ता है, तो व्यवस्थित दृष्टिकोण के साथ, इसके विपरीत, विचार जटिल से सरल की ओर बढ़ता है। प्रणाली से तत्वों तक संपूर्ण उसके घटक भागों तक। ;
सी) प्रणाली विधि - संज्ञानात्मक और पद्धति संबंधी कार्यों को लागू करता है।
5. वस्तु के व्यवस्थित विचार में शामिल हैं: प्रणालीगत गुणवत्ता की परिभाषा और अध्ययन; प्रणाली बनाने वाले तत्वों की समग्रता की पहचान; इन तत्वों के बीच संबंध स्थापित करना; सिस्टम के आसपास के वातावरण के गुणों का अध्ययन, सिस्टम के कामकाज के लिए महत्वपूर्ण, मैक्रो और सूक्ष्म स्तरों पर; सिस्टम को पर्यावरण से जोड़ने वाले संबंधों को प्रकट करना।
सिस्टम विश्लेषण एल्गोरिथ्म एक सामान्यीकृत मॉडल के निर्माण पर आधारित है जो समस्या की स्थिति के सभी कारकों और संबंधों को दर्शाता है जो समाधान प्रक्रिया में प्रकट हो सकते हैं। सिस्टम विश्लेषण प्रक्रिया में किसी भी मानदंड या उनके संयोजन के अनुसार इष्टतम एक को चुनने के लिए संभावित वैकल्पिक समाधानों में से प्रत्येक के परिणामों की जांच करना शामिल है।
बर्टलान्फी एल। पृष्ठभूमि। सामान्य प्रणाली सिद्धांत - समस्याओं और परिणामों की समीक्षा। सिस्टम रिसर्च: इयरबुक। एम.: नौका, 1969. एस. 30-54।
बोल्डिंग के। सामान्य प्रणाली सिद्धांत - विज्ञान का कंकाल // सामान्य प्रणाली सिद्धांत में अध्ययन। एम.: प्रगति, 1969. एस. 106-124।
वोल्कोवा वी.एन., डेनिसोव ए.ए. नियंत्रण सिद्धांत और प्रणाली विश्लेषण के मूल सिद्धांत। एसपीबी: एसपीबीजीटीयू, 1997।
हेगेल जी.डब्ल्यू.एफ. तर्कशास्त्र का विज्ञान। 3 खंडों में। एम .: 1970 - 1972।
डोलगुशेव एन.वी. एप्लाइड सिस्टम विश्लेषण का परिचय। एम।, 2011।
ज़िवित्स्काया ई.एन. सिस्टम विश्लेषण और डिजाइन। एम।, 2005।
काज़िएव वी.एम. सिस्टम के विश्लेषण, संश्लेषण और मॉडलिंग का परिचय: व्याख्यान नोट्स। एम.: आईयूआईटी, 2003।
कछला वी.वी. सिस्टम विश्लेषण की मूल बातें। मरमंस्क: एमएसटीयू, 2004।
आधुनिक प्राकृतिक विज्ञान की अवधारणाएँ: व्याख्यान नोट्स। एम।, 2002।
लापिजिन यू.एन. संगठनों का सिद्धांत: पाठ्यपुस्तक। भत्ता। एम।, 2006।
निकानोरोव एस.पी. सिस्टम विश्लेषण: संयुक्त राज्य अमेरिका में समस्या समाधान पद्धति के विकास में एक चरण (अनुवाद)। एम।, 2002।
प्रिबिलोव I. निर्णय लेने की प्रक्रिया/www.pribylov.ru।
सदोव्स्की वी.एन. प्रणाली दृष्टिकोण और सामान्य प्रणाली सिद्धांत: स्थिति, मुख्य समस्याएं और विकास की संभावनाएं। मॉस्को: नौका, 1980।
श्वेतलोव एन.एम. सिस्टम और सिस्टम विश्लेषण का सिद्धांत। यूएमके. एम।, 2011।
सर्टिकॉम - प्रबंधन परामर्श। कीव, 2010.
सिस्टम एनालिसिस एंड डिसीजन मेकिंग: डिक्शनरी-रेफरेंस बुक / एड। वी.एन. वोल्कोवा, वी.एन. कोज़लोव। मॉस्को: हायर स्कूल, 2004।
सिस्टम विश्लेषण: व्याख्यान नोट्स। शिक्षा के क्षेत्र में निर्णय लेने के लिए सूचना प्रणाली और विश्लेषणात्मक समर्थन के पद्धतिगत समर्थन के लिए वेबसाइट, 2008।
सुरमिन यू.पी. सिस्टम और सिस्टम विश्लेषण का सिद्धांत: पाठ्यपुस्तक। भत्ता। कीव: एमएलयूपी, 2003।
फदीना एल.यू., शचेतिना ई.डी. प्रबंधन निर्णय लेने की तकनीक। बैठा। एनपीसी लेख। एम।, 2009।
खस्यानोव ए.एफ. सिस्टम विश्लेषण: व्याख्यान नोट्स। एम।, 2005।
चेर्न्याखोवस्काया एल.आर. सिस्टम कार्यप्रणाली और निर्णय लेना। व्याख्यान का संक्षिप्त सारांश। ऊफ़ा: उगातु, 2007।
सिस्टम विश्लेषण के पद्धतिगत सिद्धांत
प्रबंधन प्रणाली विश्लेषण का उद्देश्य है:
इसके आगे सुधार या प्रतिस्थापन पर अधिक कुशल उपयोग और निर्णय लेने के लिए प्रबंधन प्रणाली का विस्तृत अध्ययन;
· सर्वोत्तम विकल्प का चयन करने के लिए नव निर्मित नियंत्रण प्रणाली के लिए वैकल्पिक विकल्पों का अनुसंधान।
विभिन्न संरचना, सामग्री और दायरे (सामाजिक, भौतिक, तकनीकी, जैविक, मानसिक संरचना, आदि) की वस्तुओं का अध्ययन करने का अनुभव हमें एक व्यवस्थित दृष्टिकोण के तीन बुनियादी सिद्धांतों को तैयार करने की अनुमति देता है जिनका उपयोग जटिल के अध्ययन के आधार के रूप में किया जा सकता है। नियंत्रण प्रणाली:
भौतिकता का सिद्धांत;
मॉडलिंग का सिद्धांत;
उद्देश्यपूर्णता का सिद्धांत।
काम में (7) सिस्टम विश्लेषण के निम्नलिखित सिद्धांत प्रतिष्ठित हैं:
अखंडता;
वर्गीकृत संरचना;
संरचना;
बहुलता।
सिस्टम विश्लेषण के सिद्धांत हैं:
1) एकता का सिद्धांत: एक पूरे के रूप में और भागों (तत्वों) के एक सेट के रूप में प्रणाली का संयुक्त विचार।
2) जुड़ाव का सिद्धांत: सिस्टम के किसी भी हिस्से के साथ-साथ अन्य हिस्सों और पर्यावरण के साथ उसके कनेक्शन पर विचार करना।
3) विकास का सिद्धांत: बाहरी वातावरण की गतिशीलता को ध्यान में रखते हुए, सिस्टम की परिवर्तनशीलता, विकसित करने, भागों को बदलने, जानकारी जमा करने की क्षमता को ध्यान में रखते हुए, बाहरी वातावरण के साथ सिस्टम की बातचीत में परिवर्तन।
सिस्टम दृष्टिकोण के निम्नलिखित सिद्धांत सिस्टम की संरचना और कार्यप्रणाली पर विचार करने के लिए एक तर्कसंगत, उद्देश्यपूर्ण दृष्टिकोण को परिभाषित करते हैं।
4) कार्यक्षमता का सिद्धांत: संरचना पर कार्यों की प्राथमिकता के साथ प्रणाली और कार्यों की संरचना का संयुक्त विचार - कार्यों में परिवर्तन संरचना में बदलाव की आवश्यकता है।
5) विकेंद्रीकरण का सिद्धांत: विकेंद्रीकरण और केंद्रीकरण का संयोजन।
6) मॉड्यूलर निर्माण का सिद्धांत: मॉड्यूल का आवंटन और मॉड्यूल के एक सेट के रूप में सिस्टम का विचार।
7) पदानुक्रम का सिद्धांत। पदानुक्रम सभी जटिल प्रणालियों में निहित है।
8) सूचना कनवल्शन का सिद्धांत: पदानुक्रम के स्तर को नीचे से ऊपर की ओर ले जाने पर सूचना को मोड़ा, बड़ा किया जाता है।
9) अनिश्चितता का सिद्धांत।
10) संगठन का सिद्धांत: निर्णय, निष्कर्ष, कार्य प्रणाली के विस्तार की डिग्री, इसकी निश्चितता, संगठन के अनुरूप होना चाहिए।
सिस्टम विश्लेषण के सिद्धांतों पर शोधकर्ताओं की राय की इस सूची को जारी रखा जा सकता है, क्योंकि साहित्य में ये सिद्धांत लगभग सभी शोधकर्ताओं के लिए भिन्न होते हैं।
बढ़े हुए सिस्टम विश्लेषण में निम्नलिखित चरण होते हैं: समस्या का समाधान; प्रणाली की संरचना और इसकी समस्याएं; प्रणाली में सुधार के लिए सिफारिशों के बाद के विकास के साथ मॉडल का निर्माण और अनुसंधान।
विभिन्न शोधकर्ता अलग-अलग तरीकों से सिस्टम रिसर्च के मुख्य चरणों की परिभाषा पर पहुंचते हैं। ऐसी प्रक्रियाएँ हैं: एक विन्यासकर्ता की परिभाषा; समस्या और मुद्दों की परिभाषा; लक्ष्यों की पहचान; मानदंड का गठन; विकल्पों की पीढ़ी; मॉडल का निर्माण और उपयोग करना; अनुकूलन; अपघटन; एकत्रीकरण।
ऐसे चरण हैं:
विश्लेषण की वस्तु की परिभाषा;
प्रणाली की संरचना;
नियंत्रण प्रणाली की कार्यात्मक विशेषताओं का निर्धारण;
प्रणाली की सूचना विशेषताओं का अध्ययन;
प्रबंधन प्रणाली के मात्रात्मक और गुणात्मक संकेतकों का निर्धारण;
प्रबंधन प्रणाली की प्रभावशीलता का मूल्यांकन और मूल्यांकन;
विश्लेषण के परिणामों का सामान्यीकरण और पंजीकरण।
जैसा कि आप देख सकते हैं, सभी शोधकर्ताओं के लिए सबसे महत्वपूर्ण चरणों को दोहराया जाता है (समस्या निर्धारण - समस्या परिभाषा प्लस लक्ष्य पहचान; मॉडलिंग - निर्माण मॉडल; संरचना - प्रणाली की संरचना, आदि)।
1.समस्या का निरूपण. काम का यह चरण सबसे महत्वपूर्ण है, क्योंकि। शोध का पूरा पाठ्यक्रम इसी पर निर्भर करता है। सिस्टम विश्लेषण के प्रारंभिक चरण के रूप में, समस्या कथन गणितीय अर्थ में समस्या कथन से इसके सार को लिखने के औपचारिक तरीके के रूप में भिन्न होता है। इस अपेक्षाकृत संकीर्ण अर्थ में, कार्य की प्रक्रिया में सिस्टम या उसके तत्वों द्वारा हल किए गए विशिष्ट कार्यों के लिए बाद में समस्या कथन पर विचार किया जाता है। सिस्टम विश्लेषण के प्रारंभिक चरण में, समस्या विवरण को व्यापक अर्थों में माना जाता है।
नियंत्रण प्रणालियों के संबंध में, सबसे पहले, किए जा रहे अनुसंधान के उद्देश्य को स्पष्ट करना आवश्यक है, क्योंकि बाद के चरणों की दिशा और सामग्री अनिवार्य रूप से इस पर निर्भर करती है। यह निर्धारित करना महत्वपूर्ण है कि इस अध्ययन को शुरू करने के निर्णय का कारण क्या था।
चावल। नियंत्रण प्रणाली की सामान्य योजना
नियंत्रण प्रणाली एकता की विशेषता है विषय और वस्तु प्रबंधन - इसका नियंत्रण और प्रबंधित भाग, जो उनके बीच प्रत्यक्ष और प्रतिक्रिया लिंक की उपस्थिति से सुनिश्चित होता है, जो उनकी समग्रता में बनता है नियंत्रण परिपथ
नियंत्रण के विषय द्वारा उत्पन्न नियंत्रण क्रिया () के प्रभाव में, नियंत्रण वस्तु में परिवर्तन होते हैं, जिसके परिणाम इसके मापा मापदंडों के संख्यात्मक मूल्यों में परिलक्षित होते हैं। मापदंडों के पूरे सेट में, जिसके मूल्यों से कोई नियंत्रण वस्तु की स्थिति का न्याय कर सकता है, इनपुट () और आउटपुट (), नियंत्रित और अनियंत्रित ("अशांति" - ) हैं।
नियंत्रण क्रिया परिमाण का एक कार्य है - बेमेल का परिमाण, सेटिंग क्रिया (इनपुट सिग्नल) और सिस्टम प्रतिक्रिया के बीच के अंतर के बराबर।
प्रबंधन निर्णय के निष्पादन के लिए नियंत्रण वस्तु से संबंधित नई जानकारी प्राप्त करने के क्षण से समय की अवधि को कहा जाता है नियंत्रण संचालन चक्र :
प्राप्त जानकारी के प्राथमिक प्रसंस्करण और सामान्यीकरण पर खर्च किया गया समय कहां है;
- निर्णय लेने की प्रक्रिया की अवधि;
- समाधान के हस्तांतरण और निष्पादन में लगने वाला समय।
नियंत्रण संचालन चक्र की अवधि न्यूनतम आवश्यक निर्धारित करती है समय - सीमा प्रबंधन में।
नियंत्रण के सिद्धांत के अनुसार, प्रणालियों को प्रतिष्ठित किया जाता है बंद किया हुआ और खुला :
बंद नियंत्रण प्रणाली- प्रणाली नकारात्मक प्रतिक्रिया के साथ (नकारात्मक प्रतिक्रिया वाले सिस्टम में, सिद्धांत लागू होता है विचलन नियंत्रण - इस विचलन को मापकर और एक नियंत्रण क्रिया विकसित करने के लिए इसका उपयोग करके निर्धारित मूल्य से नियंत्रित मूल्य के विचलन को समाप्त या कम करना जो सिस्टम को उसकी मूल स्थिति में लौटाता है);
ओपन लूप कंट्रोल सिस्टम- प्रणाली कोई प्रतिक्रिया नहीं (प्रतिक्रिया के बिना सिस्टम में, सिद्धांत का उपयोग किया जाता है अशांति नियंत्रण - इस गड़बड़ी को मापने, इसके कार्यात्मक परिवर्तन और संबंधित नियंत्रण क्रिया के विकास के कारण गड़बड़ी के कारण आवश्यक मूल्य से नियंत्रित चर के विचलन को समाप्त करना या कम करना)।
एक नियंत्रण प्रणाली जिसका राज्य कई चर के कार्यों से निर्धारित होता है जो न केवल समय पर बल्कि स्थानिक निर्देशांक पर भी निर्भर करता है, कहलाता है वितरित नियंत्रण प्रणाली .
नियंत्रण प्रणालियाँ जो प्रत्येक बाहरी प्रभाव का बहुत विशिष्ट तरीके से जवाब देती हैं, कहलाती हैं कर्मकर्त्ता (प्रतिवर्त, प्रतिवर्त ) के लिए गैर-चिंतनशील सिस्टम अस्पष्टता, एक ही प्रभाव के लिए बहुभिन्नरूपी प्रतिक्रिया की विशेषता है।
गेम थ्योरी में प्रतिवर्त नियंत्रण एक पक्ष द्वारा दूसरे पक्ष को निर्णय लेने के आधार को स्थानांतरित करने की प्रक्रिया को संदर्भित करता है। ऐसे में खिलाड़ी अपनी सोच में एक दूसरे के तर्क को प्रतिबिंबित करते हैं। दूसरे पक्ष द्वारा विभिन्न चालों का उपयोग करने की संभावना के कारण (विघटन, झांसा देना, आदि), कोई भी इष्टतम, लेकिन कार्रवाई के बहुत कठोर कार्यक्रम, एक नियम के रूप में, उन तरीकों पर आधारित कार्यक्रमों के रूप में लाभप्रद नहीं होते हैं जो हैं इष्टतम नहीं, लेकिन अधिक लचीला। सामाजिक प्रणालियों के लिए सबसे विशिष्ट प्रतिवर्त नियंत्रण।
एक नियंत्रण प्रणाली जिसका राज्य परिवर्तन कानून साधारण अंतर समीकरणों की एक प्रणाली द्वारा वर्णित है:
| , | ||||
| . . . . . . . . . . . . . . | ||||
| , |
(सदिश रूप में), कहा जाता है गतिशील प्रणाली .
क्या कट्टरपंथी पुनर्निर्माण, मौजूदा व्यवस्था के मूलभूत संशोधन से जुड़े कोई आमूलचूल निर्णय हैं, या क्या आप मौजूदा क्षमताओं के आधार पर इसके संचालन में सुधार करना चाहेंगे?
परिवर्तन आवश्यक क्यों लगते हैं?
इन परिवर्तनों के परिणामस्वरूप आप क्या देखना चाहेंगे?
विशेष अध्ययन किए बिना व्यवस्था को सही दिशा में बदलने से क्या रोकता है?
परिवर्तनों की प्रभावशीलता का मूल्यांकन कैसे करें, यदि वे किए गए हैं? ऐसे प्रश्नों के उत्तर सुविचारित और उच्च प्रणालियों के विशेषज्ञों से आसानी से प्राप्त किए जा सकते हैं। उनका कई वर्षों का अनुभव, उस प्रणाली का विस्तृत ज्ञान जिसमें वे काम करते हैं, हमें यह विश्वास करने की अनुमति देता है कि उनसे बेहतर कोई नहीं जानता कि वे किन कठिनाइयों का अनुभव करते हैं, कौन से प्रतिबंध उन्हें रोकते हैं, वे क्या हासिल करना चाहते हैं।
हालांकि, यह लगभग हमेशा पता चलता है कि इन विशेषज्ञों द्वारा कार्य या तो बहुत सामान्य शब्दों में तैयार किए जाते हैं जिन्हें संक्षिप्त करना मुश्किल होता है, या, इसके विपरीत, संकीर्ण विशिष्ट कार्य निर्धारित किए जाते हैं जो समस्या को समग्र रूप से कवर नहीं करते हैं। यह इस तथ्य के कारण नहीं है कि वे अपने सिस्टम को पर्याप्त गहराई से नहीं जानते हैं या सिस्टम विश्लेषण के क्षेत्र में उनके पास विशेष ज्ञान और कौशल नहीं है। मनोवैज्ञानिक रूप से, एक व्यक्ति हमेशा अपने निर्णयों की शुद्धता के बारे में आश्वस्त होता है, भले ही उनका भ्रम दूसरों के लिए स्पष्ट हो, अन्यथा वह बस ऐसा निर्णय नहीं लेता। उन्हें ऐसा लगता है कि उन्होंने निर्णय को प्रभावित करने वाले सभी कारकों को ध्यान में रखा, परिणामों का पूर्वाभास किया, सभी परिस्थितियों को तौला।
कठिन परिस्थितियों में किए गए निर्णय, एक नियम के रूप में, इष्टतम से बहुत दूर हैं। यही कारण है कि अध्ययन के तहत प्रणाली में काम करने वाले विशेषज्ञों द्वारा कार्यों का निर्माण, ज्यादातर मामलों में, एकतरफा, सिस्टम की गतिविधि के किसी एक पहलू को छीन लेना, सिस्टम में विभिन्न कारकों की विविधता और अंतःक्रिया को ध्यान में नहीं रखना और इसका बाहरी वातावरण। यही कारण है कि कभी-कभी ऐसा होता है कि सिस्टम विश्लेषण के पहले चरण के परिणामस्वरूप इन विशेषज्ञों द्वारा तैयार किए गए कार्य मौलिक रूप से बदल जाते हैं।
पहला चरण - कार्य निर्धारित करने का चरण - बाद के कार्य के लिए बहुत महत्वपूर्ण है, यह महत्वपूर्ण रूप से इस बात पर निर्भर करता है कि क्या परिणाम प्राप्त होंगे। इसी समय, यह चरण व्यावहारिक रूप से औपचारिकता के लिए उत्तरदायी नहीं है। सफलता एक प्रणाली विश्लेषक के कौशल और अनुभव, अध्ययन के तहत प्रणाली की उसकी समझ की गहराई, अध्ययन के तहत प्रणाली में काम करने वाले विशेषज्ञों के साथ निकट संपर्क स्थापित करने की क्षमता और सभी अध्ययनों को एक साथ आयोजित करने से निर्धारित होती है। सबसे बड़ा प्रभाव एकल समूह का निर्माण है, जिसमें ये विशेषज्ञ शामिल हैं।
2. संरचनाकरण - सिस्टम विश्लेषण का दूसरा चरण। सबसे पहले, समस्या और प्रणाली की सीमाओं का स्थानीयकरण करना और उनके बाहरी वातावरण का निर्धारण करना आवश्यक है, जिसके लिए उन सभी तत्वों के सेट को निर्धारित करना आवश्यक है जो पिछले चरण में निर्धारित कार्य से कुछ हद तक संबंधित हैं, और उन्हें दो वर्गों में विभाजित करें - 1) अध्ययनाधीन प्रणाली और 2) इसका बाहरी वातावरण। ऐसा विभाजन अनिवार्य रूप से कार्य सेट पर निर्भर करता है - जब यह बदलता है, तो समस्या और प्रणाली की सीमाएं, बाहरी वातावरण, और कभी-कभी तत्वों का प्रारंभिक सेट बदल जाता है।
विभिन्न समस्याओं को वर्गों में विभाजित करने की कसौटी, एक नियम के रूप में, उनके ज्ञान की संभावित गहराई की डिग्री है। इसके आधार पर, सबसे सामान्य रूप में, सभी समस्याओं को तीन वर्गों में विभाजित किया जाता है: "अच्छी तरह से संरचित" (अच्छी तरह से संरचित), "असंरचित" (असंरचित) और "कमजोर संरचित" (असंरचित):
"अच्छी तरह से संरचित" उन समस्याओं को संदर्भित करता है जिनमें महत्वपूर्ण निर्भरता स्पष्ट रूप से व्यक्त की जाती है और संख्याओं या प्रतीकों में प्रदर्शित की जा सकती है। समस्याओं के इस वर्ग को "मात्राबद्ध" भी कहा जाता है, और इस वर्ग की समस्याओं को हल करने के लिए "संचालन अनुसंधान" की पद्धति का व्यापक रूप से उपयोग किया जाता है;
"असंरचित" ऐसी समस्याएं हैं जो मुख्य रूप से गुणात्मक विशेषताओं और विशेषताओं में व्यक्त की जाती हैं और मात्रात्मक विवरण और संख्यात्मक आकलन के लिए उत्तरदायी नहीं हैं। इन "गुणात्मक रूप से व्यक्त" समस्याओं का अध्ययन केवल विश्लेषण के अनुमानी तरीकों के लिए उधार देता है। यहां समाधान खोजने के लिए तार्किक रूप से आदेशित प्रक्रियाओं का उपयोग करने की कोई संभावना नहीं है; > "कमजोर संरचित" वर्ग में ऐसी समस्याएं शामिल हैं जिनमें गुणात्मक और मात्रात्मक दोनों तत्व शामिल हैं। इसके अलावा, इन "मिश्रित" समस्याओं में अनिश्चित, गैर-मात्रात्मक निर्भरता, संकेत और विशेषताएं हावी होती हैं। समस्याओं के इस वर्ग में आर्थिक, तकनीकी, राजनीतिक, सैन्य-रणनीतिक प्रकृति के सबसे जटिल कार्य शामिल हैं। "कमजोर संरचित चरित्र" वाली समस्याओं को हल करना सिस्टम विश्लेषण का मुख्य कार्य है।
मौजूदा प्रणालियों के लिए, उनकी सीमाओं को आमतौर पर परिभाषित किया जाता है, और संरचना का कार्य हाथ में कार्य के लिए स्वीकृत सीमाओं के पत्राचार का अध्ययन करने के लिए कम हो जाता है। आगे की संरचना बाहरी वातावरण और सिस्टम के लिए अलग से की जाती है।
बाहरी वातावरण में, अध्ययन के तहत प्रणाली के ऊर्ध्वाधर बनाने वाले तत्वों को उप-प्रणालियों के रूप में स्थानीयकृत किया जाता है: उच्च उप-प्रणालियां इसके अधीन होती हैं, साथ ही इसके साथ समान स्तर के उप-प्रणालियां जो उसी उपतंत्र के अधीनस्थ होते हैं। (एन + 1) स्तर पर विचार किया जा रहा है। शेष बाहरी वातावरण को या तो समग्र रूप से माना जाता है, या कार्य की प्रकृति के आधार पर आगे की संरचना की जाती है। पहले मामले में, अध्ययन के साथ संबंधों की निकटता और स्वतंत्रता के सिद्धांत के अनुसार बाहरी वातावरण में कई प्रणालियों को प्रतिष्ठित किया जाता है।
प्रणाली की संरचना में ही अध्ययन के लक्ष्य के अनुसार इसे उप-प्रणालियों में विभाजित करना शामिल है। संरचना का चरण इसके और बाहरी वातावरण में पहचाने गए सिस्टम के बीच सभी आवश्यक लिंक की परिभाषा के साथ समाप्त होता है। इस प्रकार, संरचना की प्रक्रिया में पहचाने गए प्रत्येक सिस्टम के लिए, इसके इनपुट और आउटपुट निर्धारित किए जाते हैं।
नियंत्रण प्रणाली के अध्ययन के लिए एक विधि चुनने की प्रक्रिया
सबसे सामान्य मामले में, नियंत्रण प्रणाली के अध्ययन के लिए एक विधि चुनने की प्रक्रिया इस प्रकार है:
समस्या तैयार की गई है;
अध्ययन के लक्ष्य और उद्देश्य तैयार किए गए हैं;
अध्ययन के परिणामों के लिए आवश्यकताओं को औपचारिक रूप दिया गया है;
प्रबंधन प्रणाली और इसके बाहरी वातावरण के बारे में शोधकर्ताओं को उपलब्ध जानकारी की पूर्णता और गुणवत्ता का आकलन किया जाता है;
अनुसंधान की प्रक्रिया में प्रणाली और उसके बाहरी वातावरण के बारे में अतिरिक्त जानकारी प्राप्त करने की संभावना का अध्ययन किया जा रहा है;
किसी स्थिति में लागू (संभव) अनुसंधान विधियों का वर्ग निर्धारित किया जाता है;
· संभावित तरीकों में से इष्टतम शोध पद्धति को चुनने के लिए मानदंड तैयार किए जाते हैं;
· प्रत्येक संभावित अनुसंधान विधियों के लिए इष्टतमता मानदंड के मूल्यों की गणना की जाती है;
सभी संभावित शोध विधियों में से इष्टतम का चयन किया जाता है।
3. प्रतिरूप निर्माण, या मॉडलिंग, सिस्टम विश्लेषण का तीसरा चरण है, जिसका उपयोग किसी भी जटिल सिस्टम, प्रक्रियाओं और वस्तुओं का अध्ययन और विश्लेषण करने के लिए किया जाता है। एक मॉडल एक प्रक्रिया या वस्तु का अनुमानित, सरलीकृत प्रतिनिधित्व है।
अनुभूति की प्रक्रिया में यह तथ्य शामिल है कि हम अपने लिए अध्ययन की जा रही वस्तु या घटना का कुछ विचार बनाते हैं, जो इसके कामकाज और संरचना, इसकी विशेषताओं को बेहतर ढंग से समझने में मदद करता है। ऐसा निरूपण, जो किसी न किसी रूप में अभिव्यक्त होता है, प्रतिमान कहलाएगा। वस्तु जितनी अधिक विस्तृत और सटीक जानी जाती है, उसके बारे में उतनी ही अधिक जानकारी मॉडल में परिलक्षित होती है, यह वास्तविकता के जितना करीब होती है, मॉडल के मूल के साथ पत्राचार की डिग्री उतनी ही अधिक होती है, जितना अधिक मॉडल मूल के लिए पर्याप्त होता है। (लैटिन एडेक्वेटस से - समान, समरूप)।
मॉडल सिस्टम की समझ को बहुत सुविधाजनक बनाते हैं, अमूर्त में शोध करने की अनुमति देते हैं, हमारे लिए ब्याज की शर्तों के तहत सिस्टम के व्यवहार की भविष्यवाणी करते हैं, कार्यों को सरल बनाते हैं, एक ही तरीके का उपयोग करके पूरी तरह से अलग सिस्टम का विश्लेषण और संश्लेषण करते हैं।
मुख्य कार्य और साथ ही मॉडल का लाभ निजी का चयन है, लेकिन वास्तविक प्रणाली के सबसे महत्वपूर्ण कारक हैं, जिनका अध्ययन इस विशेष अध्ययन में किया जाना है। इन कारकों को मॉडल में सबसे बड़ी पूर्णता और विस्तार के साथ प्रतिबिंबित किया जाना चाहिए, मॉडल में उनकी विशेषताओं को इस अध्ययन की आवश्यकताओं द्वारा निर्धारित सटीकता के साथ वास्तविक लोगों से मेल खाना चाहिए।
अन्य, महत्वहीन कारक या तो कम सटीकता के साथ परिलक्षित हो सकते हैं, या मॉडल में पूरी तरह से अनुपस्थित हो सकते हैं। इस बात पर जोर दिया जाना चाहिए कि महत्वहीन कारकों का बहिष्करण मॉडल का एक महत्वपूर्ण लाभ है। एक वास्तविक वस्तु में उनकी उपस्थिति शोधकर्ता के साथ हस्तक्षेप करती है, मुख्य पैटर्न को समझना मुश्किल बनाती है, कुछ "शोर" पैदा करती है, जिसके खिलाफ आवश्यक पैटर्न की पहचान करना अधिक कठिन होता है।
आवश्यक और गैर-आवश्यक में कारकों का विभाजन विशेष अध्ययन की प्रकृति पर निर्भर करता है। जब अनुसंधान की दिशा बदलती है, तो मॉडल की आवश्यकताएं बदल जाती हैं और परिणामस्वरूप, मॉडल स्वयं बदल जाता है। इसलिए, प्रत्येक वास्तविक प्रक्रिया या वस्तु को विभिन्न मॉडलों द्वारा दर्शाया जा सकता है, जो अक्सर एक दूसरे से पूरी तरह भिन्न होते हैं। उनके पास एकमात्र सामान्य संपत्ति यह हो सकती है कि वे, प्रत्येक अपने तरीके से, एक ही वस्तु को प्रतिबिंबित करते हैं।
मॉडलों की सहायता से, किसी प्रणाली या उसके अलग-अलग हिस्सों की विशेषताओं को वास्तविक प्रणाली का अध्ययन करने की तुलना में बहुत आसान, तेज और सस्ता प्राप्त करना संभव है। स्वाभाविक रूप से, यह सटीकता में कमी पर जोर देता है, क्योंकि हमें वास्तव में विशेषताओं के वास्तविक मूल्य नहीं मिलते हैं, बल्कि केवल उनके अनुमान, अनुमानित मूल्य मिलते हैं। सटीकता की डिग्री मॉडल की पर्याप्तता से निर्धारित होती है और यदि आवश्यक हो तो मॉडल को जटिल करके बढ़ाया जा सकता है।
मॉडल के लाभ: अपेक्षाकृत सरल तरीकों से इसके मापदंडों को बदलने की क्षमता, सिस्टम की प्रतिक्रिया का अध्ययन करने के लिए कुछ प्रभावों को पेश करने के लिए, जो वास्तविक परिस्थितियों में प्राप्त करना अधिक कठिन है (उदाहरण के लिए, कभी-कभी इसका अध्ययन करना असंभव है आपातकालीन स्थितियों या अन्य विशेष परिस्थितियों में सिस्टम का व्यवहार)।
एक मॉडल के अध्ययन और प्रयोग के लिए, यह काफी सरल होना चाहिए। हालांकि, मॉडल जितना सरल होता है, उतना ही कम, एक नियम के रूप में, यह मूल के लिए पर्याप्त है। मॉडल की बहुत परिभाषा मॉडल और मूल की सभी विशेषताओं के पूर्ण मिलान की अनुपस्थिति को इंगित करती है।
इस प्रकार, किसी सिस्टम को मॉडलिंग करते समय, हमें हमेशा मॉडल की सादगी और उसके द्वारा प्रदान की जाने वाली सटीकता के बीच समझौता करना पड़ता है। एक मॉडल को पर्याप्त माना जाता है यदि यह किसी दिए गए अध्ययन के लिए पर्याप्त सटीकता प्रदान करता है। मॉडल की पर्याप्तता को आमतौर पर प्रयोग द्वारा जांचा जाता है, आउटपुट की प्रतिक्रिया की तुलना मॉडल के इनपुट और वास्तविक वस्तु के कुछ मूल्यों से की जाती है। उसी समय, यह याद रखना चाहिए कि जिस मॉडल के साथ प्रयोग किया जाता है, वह स्वीकृत मॉडलिंग शर्तों के अनुरूप होना चाहिए। दूसरे शब्दों में, प्रयोग में प्रयुक्त मॉडल वही होना चाहिए जो आगे के शोध में उपयोग किया गया हो।
प्रयोग निष्क्रिय या सक्रिय हो सकता है।
एक निष्क्रिय प्रयोग में यह तथ्य शामिल होता है कि शोधकर्ता वास्तविक वस्तु को उसके कामकाज में हस्तक्षेप किए बिना देखता है। मॉडल इनपुट को वास्तविक वस्तु के पैरामीटर मानों के अनुरूप पैरामीटर मानों के साथ आपूर्ति की जाती है, फिर मॉडल और ऑब्जेक्ट के संबंधित आउटपुट के पैरामीटर मानों की तुलना की जाती है।
एक वास्तविक वस्तु की स्थिति, उसके इनपुट और आउटपुट उन स्थितियों से भिन्न हो सकते हैं जो शोधकर्ता चाहते हैं। निष्क्रिय अवलोकन के साथ, अवलोकन अवधि के दौरान वस्तु की वांछित अवस्थाएँ शायद ही कभी हो सकती हैं या बिल्कुल भी नहीं हो सकती हैं। इसलिए, एक निष्क्रिय प्रयोग केवल उन मामलों में किया जाता है, जब किसी कारण से, किसी वास्तविक वस्तु के कामकाज में हस्तक्षेप अवांछनीय, अस्वीकार्य या बस असंभव होता है।
निष्क्रिय प्रयोग की किस्मों में से एक, जो मॉडल की पर्याप्तता की जाँच के लिए स्वतंत्र महत्व का है, पूर्वव्यापी सत्यापन है (पूर्वव्यापी - लैटिन रेट्रो से - बैक और स्पेक्टियो - मैं देखता हूं; अतीत का संदर्भ, पिछली घटनाओं की समीक्षा)। यह इस तथ्य में निहित है कि पिछली अवधि के लिए एक वास्तविक वस्तु के कई अवलोकनों से, शोधकर्ता के लिए रुचि की स्थिति का चयन किया जाता है और ऊपर वर्णित प्रक्रियाएं उनके लिए की जाती हैं। यह प्रयोगात्मक सत्यापन की अवधि को काफी कम करने की अनुमति देता है।
एक सक्रिय प्रयोग में वास्तविक वस्तु के इनपुट पर शोधकर्ता के प्रत्यक्ष प्रभाव और बाद की प्रतिक्रिया की निगरानी करना शामिल है। मापदंडों के संबंधित मान मॉडल के इनपुट पर सेट होते हैं, जिससे वास्तविक वस्तु की प्रतिक्रिया के साथ इसके आउटपुट की प्रतिक्रिया की तुलना करना संभव हो जाता है। एक सक्रिय प्रयोग का लाभ यह है कि, प्रयोग करते समय, शोधकर्ता के पास अपने स्वयं के विवेक पर उन्हें बदलते हुए, अपनी रुचि के तरीकों में मॉडल की पर्याप्तता की जांच करने का अवसर होता है। साथ ही, एक सक्रिय प्रयोग की लागत बहुत अधिक है, और इससे वास्तविक प्रणाली में अवांछित नुकसान हो सकते हैं।
स्वाभाविक रूप से, सक्रिय और निष्क्रिय दोनों प्रयोग न केवल मॉडलों की पर्याप्तता का परीक्षण करने के लिए किए जाते हैं, बल्कि वास्तविक वस्तुओं के अध्ययन के किसी अन्य उद्देश्य के लिए भी किए जाते हैं।
यह एक मॉडल की परिभाषा से इस प्रकार है कि यह किसी वस्तु का एक निश्चित प्रतिनिधित्व है, उसका विवरण। इसलिए, इस तरह के विवरण के लिए इस्तेमाल की जाने वाली भाषा में विभिन्न मॉडल एक-दूसरे से भिन्न होते हैं (प्राकृतिक से गणितीय अमूर्त की अत्यधिक औपचारिक भाषा तक)। भाषा का चुनाव मॉडल की उपस्थिति को निर्धारित करता है। भाषा चुनते समय, मॉडल की पर्याप्तता, इसके द्वारा प्रदान किए गए परिणामों की सटीकता, साथ ही उपयुक्त उपकरण का उपयोग करके इसके बाद के विश्लेषण की सुविधा को ध्यान में रखा जाता है।
4. सिस्टम विश्लेषण का अंतिम चरण मॉडल का अध्ययन है। इस चरण का मुख्य उद्देश्य नकली वस्तु या प्रक्रिया के व्यवहार को विभिन्न परिस्थितियों में, बाहरी वातावरण की विभिन्न परिस्थितियों में और स्वयं वस्तु को स्पष्ट करना है। ऐसा करने के लिए, ऑब्जेक्ट की स्थिति को दर्शाने वाले मॉडल पैरामीटर भिन्न होते हैं, और बाहरी वातावरण के प्रभावों के अनुरूप, इसके इनपुट पर अलग-अलग पैरामीटर मान सेट किए जाते हैं।
प्राप्त परिणाम उपयुक्त परिस्थितियों में अध्ययन के तहत वस्तु के व्यवहार की भविष्यवाणी करना संभव बनाते हैं, और परिणामों का विश्लेषण स्वयं स्वीकृत लक्ष्यों और मानदंडों के साथ काम करने वाले नियंत्रण प्रणाली के इच्छित प्रक्षेपवक्र के अनुपालन के लिए किया जाता है। विश्लेषण के आधार पर, या तो मॉडल के पैरामीटर, या नियंत्रण क्रियाएं, या दोनों को संशोधित किया जाता है और संतोषजनक परिणाम प्राप्त होने तक अध्ययन दोहराया जाता है।
इस "परीक्षण और त्रुटि" पद्धति का उपयोग तब किया जाता है जब सिस्टम की स्थिति को अनुकूलित करने और नियंत्रण क्रियाओं का चयन करने का कोई तरीका नहीं मिला है।
सिस्टम विश्लेषण एक ऐसा अध्ययन है जिसका उद्देश्य निर्णय निर्माता को अपने वास्तविक लक्ष्यों की व्यवस्थित रूप से जांच करके कार्रवाई के पाठ्यक्रम को चुनने में सहायता करना है, मात्रात्मक रूप से तुलना करना (जहां संभव हो) लागत, प्रभावशीलता और जोखिम जो कि नीति के प्रत्येक विकल्प या रणनीतियों से जुड़े हैं। लक्ष्यों को प्राप्त करना। , साथ ही अतिरिक्त विकल्प तैयार करके यदि माना गया अपर्याप्त है।
निष्कर्ष
संगति के सिद्धांत को एक दार्शनिक सिद्धांत के रूप में माना जा सकता है जो वैचारिक और पद्धति दोनों कार्यों को करता है।
प्रणालीगत सिद्धांत का तात्पर्य तत्वों के एक समूह के रूप में किसी भी प्रकृति की वस्तु के विचार से है जो एक दूसरे के साथ और आसपास की दुनिया के साथ-साथ ज्ञान की प्रणालीगत प्रकृति की समझ के साथ एक निश्चित बातचीत में हैं।
संगति का सिद्धांत भी प्रणाली बनाने वाले सिद्धांत की अभिव्यक्ति है जिसमें ऐतिहासिक परंपराएं हैं, ज्ञान को कुछ सुसंगत प्रणाली के रूप में प्रस्तुत करने की इच्छा है।
संगति के सिद्धांत से सीधे एक व्यवस्थित दृष्टिकोण का अनुसरण होता है, जो कि प्रणाली अनुसंधान की एक सामान्य पद्धति है, जिसे बदले में, प्रणाली के अध्ययन के लिए पद्धतिगत दृष्टिकोण (सिद्धांतों) के एक सेट के रूप में दर्शाया जा सकता है।
व्यवस्थित दृष्टिकोण का सार इस प्रकार है:
प्रबंधन और विशेष रूप से निर्णय लेने से संबंधित किसी भी गतिविधि को शुरू करने से पहले लक्ष्य तैयार करना और उनके पदानुक्रम को स्पष्ट करना;
लक्ष्यों को प्राप्त करने के लिए वैकल्पिक तरीकों और विधियों के तुलनात्मक विश्लेषण के माध्यम से न्यूनतम लागत पर निर्धारित लक्ष्यों को प्राप्त करने के अर्थ में अधिकतम प्रभाव प्राप्त करना और उनकी उचित पसंद करना;
लक्ष्यों, विधियों और उन्हें प्राप्त करने के साधनों का मात्रात्मक मूल्यांकन (मात्रा का ठहराव), विशेष मानदंडों के आधार पर नहीं, बल्कि गतिविधियों के सभी संभावित और नियोजित परिणामों के व्यापक और व्यापक मूल्यांकन पर।
सिस्टम दृष्टिकोण के सामान्य प्रावधानों को सिस्टम के अध्ययन में प्रयुक्त सिद्धांतों (दृष्टिकोणों) की सूची के रूप में प्रस्तुत (ठोस) किया जाता है।
सिस्टम विश्लेषण के सिद्धांतों के संबंध में, शोधकर्ताओं की राय काफी भिन्न है। हालांकि, एक सामान्य कार्यप्रणाली सिद्धांत के रूप में, किसी भी मामले में, संगति का सिद्धांत कार्य करता है।
सिस्टम विश्लेषण के चरणों को निम्नानुसार संक्षेपित किया जा सकता है: समस्या का निर्धारण; प्रणाली की संरचना और इसकी समस्याएं; प्रणाली में सुधार के लिए सिफारिशों के बाद के विकास के साथ मॉडल का निर्माण और अनुसंधान।
ग्रन्थसूची
1. अनफिलाटोव वी.एस. और प्रबंधन में अन्य सिस्टम विश्लेषण। एम।, 2002।
2. आर्किपोवा एन.आई. आदि नियंत्रण प्रणालियों का अनुसंधान। एम।, 2002।
3. ड्रोगोबिट्स्की आई.एन. अर्थशास्त्र में सिस्टम विश्लेषण। एम।, 2007।
4. ड्रोज़्डोव एन.डी. सिस्टम विश्लेषण की मूल बातें। एम।, 2000।
5. इग्नाटिवा ए.वी., मैक्सिमत्सोव एम.एम. नियंत्रण प्रणालियों का अध्ययन। एम।, 2002।
6. मुखिन वी.आई. नियंत्रण प्रणालियों का अध्ययन। एम।, 2002।
7. मायलनिक वी.वी., वोलोचिएन्को वी.ए., टिटारेंको बी.पी. नियंत्रण प्रणाली। एम।, 2002।
8. पोपोव वी.एन. प्रबंधन में सिस्टम विश्लेषण। एम।, 2007।
9. टिमचेंको टी.एन. प्रबंधन में सिस्टम विश्लेषण। एम।, 2007।
अनफिलाटोव वी.एस. और प्रबंधन में अन्य सिस्टम विश्लेषण। एम।, 2002। एस। 20।
Mylnik V.V., Volochienko V.A., Titarenko B.P. नियंत्रण प्रणाली। एम।, 2002. एस। 151।
आर्किपोवा एन.आई. आदि नियंत्रण प्रणालियों का अनुसंधान। एम।, 2002। एस। 81।
द्रोज़्डोव एन.डी. सिस्टम विश्लेषण की मूल बातें। एम., 2000. एस. 15.
मुखिन वी.आई. नियंत्रण प्रणालियों का अध्ययन। एम।, 2002. एस। 137।
इग्नाटिवा ए.वी., मक्सिमत्सोव एम.एम. नियंत्रण प्रणालियों का अध्ययन। एम., 2002. एस. 30.
द्रोज़्डोव एन.डी. सिस्टम विश्लेषण की मूल बातें। एम।, 2000। एस। 15-53।
Mylnik V.V., Volochienko V.A., Titarenko B.P. नियंत्रण प्रणाली। एम।, 2002. एस। 157।
मुखिन वी.आई. नियंत्रण प्रणालियों का अध्ययन। एम।, 2002। एस। 66।
इग्नाटिवा ए.वी., मक्सिमत्सोव एम.एम. नियंत्रण प्रणालियों का अध्ययन। एम।, 2002। एस। 26।
आंशिक अंतर समीकरण वितरित पैरामीटर वाले सिस्टम का वर्णन करते हैं।
आर्किपोवा एन.आई. आदि नियंत्रण प्रणालियों का अनुसंधान। एम।, 2002। एस। 87।
छात्र, स्नातक छात्र, युवा वैज्ञानिक जो अपने अध्ययन और कार्य में ज्ञान आधार का उपयोग करते हैं, वे आपके बहुत आभारी रहेंगे।
http://www.allbest.ru/ पर होस्ट किया गया
उज़्बेकिस्तान गणराज्य की संचार, सूचनाकरण और दूरसंचार प्रौद्योगिकी के लिए राज्य समिति
सूचना प्रौद्योगिकी के ताशकंद विश्वविद्यालय
स्वतंत्र काम
सिस्टम विश्लेषण के चरण, उनके मुख्य लक्ष्य, कार्य
"सिस्टम विश्लेषण की मूल बातें"
प्रदर्शन किया:
खोमुटोवा ए.वी., 293-10 एकड़
द्वारा स्वीकृत: कुवनाकोव ए.ई.
ताशकंद 2013
प्रणाली विश्लेषण- अनुभूति की एक वैज्ञानिक विधि, जो अध्ययन के तहत प्रणाली के चर या तत्वों के बीच संरचनात्मक संबंध स्थापित करने के लिए क्रियाओं का एक क्रम है। यह सामान्य वैज्ञानिक, प्रायोगिक, प्राकृतिक विज्ञान, सांख्यिकीय और गणितीय विधियों के एक सेट पर आधारित है।
सिस्टम विश्लेषण के मुख्य कार्यों को कार्यों के तीन-स्तरीय पेड़ के रूप में दर्शाया जा सकता है।
चावल। - सिस्टम विश्लेषण के मुख्य कार्य
अपघटन के चरण में, जो प्रणाली का एक सामान्य प्रतिनिधित्व प्रदान करता है, निम्नलिखित कार्य किए जाते हैं:
1. अध्ययन के सामान्य लक्ष्य की परिभाषा और अपघटन और प्रणाली के मुख्य कार्य प्रणाली के राज्य स्थान में या अनुमेय स्थितियों के क्षेत्र में प्रक्षेपवक्र के प्रतिबंध के रूप में। अक्सर, लक्ष्य के पेड़ और कार्यों के पेड़ का निर्माण करके अपघटन किया जाता है।
2. पर्यावरण से प्रणाली का पृथक्करण (एक प्रणाली/"गैर-प्रणाली" में पृथक्करण) प्रक्रिया में प्रत्येक विचारित तत्व की भागीदारी की कसौटी के अनुसार प्रणाली के एक अभिन्न अंग के रूप में प्रणाली के विचार के आधार पर परिणाम के लिए अग्रणी सुपरसिस्टम।
3. प्रभावित करने वाले कारकों का विवरण।
4. विकास की प्रवृत्तियों, विभिन्न प्रकार की अनिश्चितताओं का विवरण।
5. सिस्टम का विवरण "ब्लैक बॉक्स" के रूप में।
6. कार्यात्मक (कार्यों द्वारा), घटक (तत्वों के प्रकार से) और संरचनात्मक (तत्वों के बीच संबंधों के प्रकार से) प्रणाली का अपघटन।
आमतौर पर इस्तेमाल की जाने वाली अपघटन रणनीतियाँ:
कार्यात्मक अपघटन।अपघटन प्रणाली कार्यों के विश्लेषण पर आधारित है। यह सवाल उठाता है कि सिस्टम क्या करता है, चाहे वह कैसे भी काम करता हो। कार्यात्मक उप-प्रणालियों में विभाजन तत्वों के समूहों द्वारा किए गए कार्यों की समानता पर आधारित है।
जीवन चक्र द्वारा अपघटन।उप-प्रणालियों के चयन का संकेत "जन्म से मृत्यु तक" प्रणाली के अस्तित्व के चक्र के विभिन्न चरणों में उप-प्रणालियों के कामकाज के नियम में बदलाव है। इस रणनीति को लागू करने की सिफारिश की जाती है जब सिस्टम का लक्ष्य प्रक्रियाओं को अनुकूलित करना है और जब इनपुट को आउटपुट में परिवर्तित करने के क्रमिक चरणों को निर्धारित करना संभव हो।
भौतिक प्रक्रिया द्वारा अपघटन।सबसिस्टम चयन का एक संकेत सबसिस्टम कार्य करने वाले एल्गोरिथम निष्पादन के चरण, बदलते राज्यों के चरण हैं। हालांकि यह रणनीति मौजूदा प्रक्रियाओं का वर्णन करने में उपयोगी है, लेकिन इसका परिणाम अक्सर एक सिस्टम विवरण में हो सकता है जो बहुत सुसंगत है और उन सीमाओं का पूरा हिसाब नहीं लेता है जो एक दूसरे पर कार्य करते हैं। इस मामले में, नियंत्रण अनुक्रम छुपाया जा सकता है। यह रणनीति तभी लागू की जानी चाहिए जब मॉडल का उद्देश्य भौतिक प्रक्रिया का वर्णन करना है।
प्रणाली विश्लेषण के चरण
समस्या का निरूपण। यह चरण निम्नलिखित को परिभाषित करता है:
1) क्या कोई समस्या है;
2) समस्या ठीक से तैयार की गई है;
3) समस्या की तार्किक संरचना का विश्लेषण किया जाता है;
4) अतीत में समस्या का विकास, आज की स्थिति और भविष्य में;
5) बाहरी संचार समस्याएं;
6) इसकी मौलिक शोधनीयता।
यह प्रश्न कि क्या कोई समस्या है, सर्वोपरि है, क्योंकि उन समस्याओं को हल करने में बहुत प्रयास करना जो मौजूद नहीं हैं, किसी भी तरह से एक अपवाद नहीं है, बल्कि एक बहुत ही विशिष्ट मामला है। काल्पनिक समस्याएं वास्तविक समस्याओं को छुपाती हैं। समस्या का सही और सटीक निरूपण एक व्यवस्थित अध्ययन में पहला और आवश्यक कदम है और, जैसा कि आप जानते हैं, समस्या के आधे समाधान के बराबर हो सकता है।
कोई भी समस्या, एक नियम के रूप में, दो कारणों से उत्पन्न होती है:
एक तीव्र संघर्ष की स्थिति जो संगठन, गुणवत्ता और प्रौद्योगिकी, पारिश्रमिक और कर्मचारी क्षमता आदि में प्रतिभागियों के बीच विरोधाभासों के परिणामस्वरूप उत्पन्न हुई। ये है " कामकाज की समस्याएं " . वे खराब प्रबंधन का परिणाम हैं। उनके समाधान और रोकथाम के लिए एक अच्छी तरह से काम करने वाले तंत्र की जरूरत है।
प्रणाली के विकास के कारण " विकास की समस्या " . वे व्यवस्था के बुनियादी ढांचे में सामाजिक-आर्थिक, राजनीतिक और अन्य परिवर्तनों से जुड़े हैं।
तरीकों(इस चरण का): परिदृश्य विधि, निदान पद्धति, लक्ष्य वृक्ष, आर्थिक विश्लेषण।
यदि समय रहते समस्याओं का समाधान नहीं किया गया तो समय के साथ यह बाधा बन जाती है। अतः समस्या का सही और सटीक निरूपण किसी भी व्यवस्थित शोध का पहला और अनिवार्य कदम है।
लक्ष्यों और मानदंडों का निर्माण।
लक्ष्यों की परिभाषा, सुपरसिस्टम की आवश्यकताएं;
पर्यावरण के लक्ष्यों और बाधाओं का निर्धारण;
एक सामान्य लक्ष्य तैयार करना;
मानदंड परिभाषा;
उप-प्रणालियों के मानदंड से सामान्य मानदंड की संरचना।
इसके अलावा, लक्ष्यों की उपलब्धि प्रणाली और बाहरी वातावरण में सभी प्रतिभागियों के हितों की निरंतरता से सीधे संबंधित है, जो संगठन के संयुक्त लक्ष्यों और संयुक्त मूल्यों का एक ब्लॉक बनाने की आवश्यकता पर सवाल उठाता है, जो कि लक्ष्यों पर आधारित है सुपरसिस्टम
तरीके: विशेषज्ञ आकलन ( " डेल्फी " ), स्वोट -विश्लेषण, लक्ष्य वृक्ष, आर्थिक विश्लेषण, रूपात्मक, साइबरनेटिक मॉडल, मानक संचालन मॉडल (अनुकूलन, अनुकरण)।
लक्ष्य का अपघटन, संसाधन की जरूरतों का निर्धारण।
इस स्तर पर, वहाँ है:
शीर्ष-स्तरीय लक्ष्यों, वर्तमान प्रक्रियाओं, दक्षता, विकास लक्ष्यों का निर्माण;
उप-प्रणालियों द्वारा लक्ष्यों और मानदंडों का अपघटन;
संसाधनों की उपलब्धता और उनकी लागत का आकलन;
चयनित उप-प्रणालियों के लिए लक्ष्यों की अन्योन्याश्रितताओं का निर्धारण;
प्रत्येक उपलक्ष्य के लिए महत्व के मानदंड का निर्धारण।
तरीके:लक्ष्य पेड़, नेटवर्क, मॉडलिंग विधि (वर्णनात्मक मॉडल)।
बाहरी वातावरण की स्थिति का आकलन।
उद्यम में संकट की स्थिति पैदा करने वाले मुख्य कारक, एक नियम के रूप में, बाहरी वातावरण में उत्पन्न होते हैं, जहां से संगठन आवश्यक संसाधन खींचता है।
यह चरण वैकल्पिक साधनों की बाद की पहचान से निकटता से संबंधित है, जिसके लिए पर्यावरणीय कारकों की मौजूदा और अनुमानित स्थिति का आकलन करने के लिए सबसे अधिक उद्देश्यपूर्ण दृष्टिकोण की आवश्यकता होती है।
पर्यावरणीय कारकों का विश्लेषण उन सभी अनियंत्रित कारकों की पहचान सुनिश्चित करता है जो समस्या को हल करने के लिए विकल्पों की पसंद पर महत्वपूर्ण प्रभाव डालते हैं।
तरीके: परिदृश्य, सहकर्मी समीक्षाएँ, नेटवर्क विधियाँ, स्वोट -विश्लेषण, रूपात्मक विश्लेषण।
वी . लक्ष्य प्राप्त करने के लिए विकल्पों की पहचान। यह लक्ष्यों को प्राप्त करने के सर्वोत्तम तरीकों को खोजने और चुनने की प्रक्रिया है। एसए की प्रभावशीलता आमतौर पर संभावित विकल्पों की संख्या के सीधे आनुपातिक होती है। उनकी तुलना अधिक तर्कसंगत रूप से पसंदीदा का चयन करना संभव बनाती है और (या) उन्हें अलग-अलग टुकड़ों के अनुसार जोड़ती है। पसंदीदा विकल्प का चुनाव संगठन की क्षमताओं (कार्मिक, उपकरण, सामग्री, वित्त, आदि) पर आधारित है।
आर्थिक प्रणालियों के लिए, पसंदीदा विकल्प का चुनाव निम्नलिखित मापदंडों के अनुसार किया जाता है:
इसकी स्थिति और पर्यावरणीय आवश्यकताओं का अनुपालन यानी यह स्थापित किया जाता है कि यह संगठन के सभी बाहरी विषयों की आवश्यकताओं को किस हद तक पूरा करता है।
संगठन की क्षमता और क्षमताओं के साथ विकल्प का अनुपालन अर्थात क्या संगठन के पास विकल्प को लागू करने के लिए संसाधन उपलब्ध हैं और उन्हें भविष्य की गतिविधियों के निष्पादन के साथ प्रदान करने की क्या संभावनाएं हैं।
विकल्प में निहित जोखिम की स्वीकार्यता। किसी भी गतिविधि को हमेशा प्रबंधित किया जाता है " खेत " स्वीकार्य जोखिम " . लेकिन कभी-कभी किसी भी दिशा में सफलता की इच्छा के लिए स्वीकार्य जोखिम की सीमा से परे जाने की आवश्यकता होती है, लेकिन यह अक्सर भयावह होता है। जोखिम औचित्य का आकलन विकल्प में निर्धारित पूर्वापेक्षाओं के यथार्थवाद की डिग्री, विफलता के मामले में नुकसान की मात्रा और इस सवाल का जवाब देकर किया जाता है कि क्या जोखिम के मामले में लाभ विकल्प को लागू करने की लागत को सही ठहराता है।
तरीके: विशेषज्ञ आकलन, " बुद्धिशीलता " , मैट्रिक्स, आर्थिक विश्लेषण।
छठी. साध्य और साधनों का मूल्यांकन। यह काम मॉडल विकसित करके और उन पर अलग-अलग विकल्प खेलकर किया जाता है।
यही है, मॉडल पर्याप्त सटीकता के साथ यह स्थापित करना संभव बनाता है कि सिस्टम (सिमुलेशन मॉडल) के माध्यम से इसके पारित होने के किसी भी चरण में प्रत्येक संभावित इनपुट का क्या होगा, या सिस्टम की प्रत्येक प्रतिक्रिया का वर्णन करने के लिए। ऐसे वर्ग का सामान्य मॉडल है " ब्लैक बॉक्स " , जब संबंधित मापदंडों को मॉडल के इनपुट में फीड किया जाता है, और परिणाम आउटपुट पर मापा जाता है, जिसकी तुलना करके प्रस्तावित विकल्पों का उचित अनुमान लगाना संभव है।
इस स्तर पर, निम्नलिखित किया जाता है: 1) मानदंड द्वारा अनुमानों की गणना; 2) लक्ष्यों के बीच अन्योन्याश्रितताओं का आकलन; 3) लक्ष्यों के सापेक्ष महत्व का आकलन (सापेक्ष महत्व के गुणांक स्थापित किए जाते हैं); 4) संसाधनों की कमी और लागत का आकलन; 5) बाहरी कारकों के प्रभाव का आकलन; 6) प्रत्येक दिशा (लक्षित वृक्ष की शाखाओं) के लिए सापेक्ष महत्व के जटिल गणना गुणांक की गणना।
बाहरी कारकों का प्रभाव।निर्धारित लक्ष्यों के साथ प्रस्तावित कार्यों के परिणामों के अनुपालन के स्तर का आकलन अभी तक सबसे अच्छा विकल्प चुनने का आधार नहीं हो सकता है, क्योंकि बाहरी वातावरण के व्यवहार की प्रकृति को स्थापित करना हमेशा संभव नहीं होता है, इसलिए, मूल्यांकन करते समय एक या दूसरा विकल्प, बाहरी वातावरण के व्यवहार के लिए तीन विकल्पों पर विचार करना आवश्यक है।
आशावादी - जब बाहरी वातावरण के तत्व पूर्व-प्रस्तावित दिशा में कार्य करेंगे (सब कुछ चुने हुए विकल्प के पक्ष में काम करेगा);
निराशावादी - जब बाहरी वातावरण के तत्व विकल्प के विपरीत दिशा में कार्य करेंगे (सब कुछ चुने हुए विकल्प के विरुद्ध काम करेगा)।
संभाव्यता - जब बाहरी वातावरण का व्यवहार सूचना की उपलब्धता, विशेषज्ञ आकलन और कभी-कभी विकल्पों के डेवलपर्स के अंतर्ज्ञान से निर्धारित होता है।
तरीके: विशेषज्ञ आकलन (चूंकि सीए, एक नियम के रूप में, असंरचित या कमजोर संरचित समस्याओं से निपटता है, विशेषज्ञ अनुमान प्राप्त करना और उन्हें संसाधित करना अधिकांश समस्याओं के सीए में एक आवश्यक कदम प्रतीत होता है।); रूपात्मक, आर्थिक विश्लेषण; साइबरनेटिक, सिमुलेशन, अनुकूलन मॉडल।
सातवीं . संभावित परिणामों की पहचान चुने हुए विकल्प का कार्यान्वयन।
यह एक पूर्वानुमान विकसित करने का चरण है, जिसके लिए सिस्टम की स्थिति और पर्यावरणीय मापदंडों की भविष्यवाणी करने के लिए एक मॉडल बनाया जाता है।
किसी भी विकल्प के कार्यान्वयन से लक्ष्य की उपलब्धि से संबंधित और असंबंधित परिणाम हो सकते हैं। विकल्प के कार्यान्वयन का परिणाम एक बहुआयामी घटना है, अर्थात इसमें कई गुणात्मक रूप से भिन्न पैरामीटर होते हैं जो विभिन्न आंतरिक और बाहरी कनेक्शनों के माध्यम से एक दूसरे के राज्यों को परस्पर निर्धारित करते हैं। और इसलिए, परिणामों की भविष्यवाणी करना यथासंभव उद्देश्यपूर्ण परिभाषा होनी चाहिए। लागू विकल्प के मापदंडों के बीच ये अन्योन्याश्रयता।
सबसे आम पूर्वानुमान विधि सिस्टम पैरामीटर में परिवर्तन का एक्सट्रपलेशन है ( पिछली अवधि में इन परिवर्तनों के ज्ञात रुझानों के आधार पर भविष्य में मापदंडों में परिवर्तन).
यही है, चुने हुए विकल्प के कार्यान्वयन के संभावित परिणामों की पहचान करते समय, सिस्टम के विकास में स्थायी प्रवृत्तियों का विश्लेषण करना आवश्यक है; विकास का पूर्वानुमान और पर्यावरण में परिवर्तन; प्रणाली के विकास को प्रभावित करने वाले नए कारकों के उद्भव की भविष्यवाणी करना; भविष्य के संसाधन उपलब्धता विश्लेषण; लक्ष्यों और मानदंडों में संभावित परिवर्तनों का विश्लेषण।
तरीके: परिदृश्य, विशेषज्ञ आकलन ( " डेल्फी " ), नेटवर्किंग, आर्थिक विश्लेषण, सांख्यिकीय, मॉडलिंग।
आठवीं . डिज़ाइन की गई प्रणाली की संरचना करना। इस चरण का प्रारंभिक आधार कार्यात्मक उप-प्रणालियों (ब्लॉक, मॉड्यूल) द्वारा समूहीकृत लक्ष्य और उद्देश्य हैं, क्योंकि प्रत्येक उपप्रणाली के लिए अग्रणी इकाई (वर्तमान कार्यात्मक विभाग) को निर्धारित करना आवश्यक है। मुख्य कार्यात्मक उप-प्रणालियों की परिभाषा वैकल्पिक लक्ष्यों के सामान्य वृक्ष में शामिल उत्पादन, वैज्ञानिक और तकनीकी, आर्थिक और सामाजिक लक्ष्यों के क्षेत्र में अंतिम लक्ष्यों की उपलब्धि पर आधारित है।
तरीके:लक्ष्य पेड़, मैट्रिक्स, नेटवर्क विधियां, साइबरनेटिक मॉडल।
नौवीं . मौजूदा प्रणाली का निदान।
वास्तविक जीवन उत्पादन प्रणालियों में एसए के उपयोग की आवश्यकता वाली प्रबंधन समस्याएं उत्पन्न होती हैं। इसलिए, जब पिछले चरण पहले ही पूरे हो चुके हैं और चुने हुए विकल्प का व्यावहारिक कार्यान्वयन किया जा रहा है, तो प्रबंधन के पास हमेशा एक प्रश्न होगा: " कार्यक्रम निष्पादन की स्थिति क्या है? " . इसका उत्तर देने के लिए, शासी निकायों के काम के नैदानिक विश्लेषण की आवश्यकता है, जिसका उद्देश्य उनकी क्षमताओं की पहचान करना, कमियों को दूर करना, असंतुलन ( " बाधाओं " ), साथ ही अपने लक्ष्यों को प्राप्त करने के लिए प्रणाली का सर्वोत्तम अभिविन्यास।
इस स्तर पर, कार्यक्रम के निष्पादन की स्थिति को देखा जाता है। सिस्टम विकास और तत्काल लक्ष्यों की वास्तविक समस्याओं की पहचान एक नैदानिक परीक्षा और विकल्प को लागू करने वाले शासी निकायों की स्थिति के विश्लेषण का विषय है।
उत्पादित: आर्थिक और तकनीकी प्रक्रियाओं का मॉडलिंग; संभावित और वास्तविक क्षमताओं की गणना; बिजली हानि विश्लेषण; उत्पादन और प्रबंधन के संगठन में कमियों की पहचान।
निदान का क्रम: निर्दिष्ट कार्यक्रम से विचलन या निष्पादन प्रक्रिया की असंतोषजनक स्थिति का पता लगाएं; इन कारकों का कारण निर्धारित करें; कार्यक्रम में परिवर्तन, शासी निकायों की संरचना पर निर्णय लेना; नियोजित परिवर्तनों को लागू करें।
पहला कदम निदान - विचलन की विशिष्ट और समय पर रिकॉर्डिंग, इसका उद्देश्य विचलन के परिमाण को स्थापित करना है। उसके बाद, यह किया जाता है निदान विचलन - कारण निर्धारित किए जाते हैं और सुधारात्मक उपाय विकसित किए जाते हैं।
तरीके: डायग्नोस्टिक, मैट्रिक्स, आर्थिक विश्लेषण, साइबरनेटिक मॉडल।
एक्स . चुने हुए विकल्प के कार्यान्वयन के लिए एक कार्यक्रम तैयार करना।
कार्यक्रम निर्माण के चरण में निम्नलिखित कार्य शामिल हैं:
1. घटनाओं, परियोजनाओं का गठन।
2. गतिविधियों के कार्यान्वयन की प्राथमिकता का निर्धारण।
3. गतिविधि के क्षेत्रों का वितरण।
4. सक्षमता के क्षेत्रों का वितरण।
5. सीमित संसाधनों और समय के भीतर एक कार्य योजना का विकास। विश्लेषण अपघटन संश्लेषण आर्थिक
6. विभागों और कलाकारों द्वारा गतिविधियों का वितरण।
तरीके: मैट्रिक्स, नेटवर्क, आर्थिक विश्लेषण, वर्णनात्मक मॉडल, मानक ऑपरेटिंग मॉडल।
ग्यारहवीं . कार्यक्रम कार्यान्वयन और निष्पादन नियंत्रण। विकल्प के निष्पादन का संगठन एक निश्चित प्रणाली है, जिसमें विकल्प का स्पष्टीकरण और विनिर्देश शामिल है; कलाकारों का चयन और नियुक्ति, उनका निर्देश और प्रशिक्षण; कलाकारों के सामान्य काम को सुनिश्चित करना; कलाकारों पर नियंत्रण और उनके काम के परिणामों के लिए लेखांकन, कार्यक्रम को समायोजित करना, सामान्य रूप से काम को विनियमित और समन्वयित करना।
नियंत्रण प्रबंधन का सबसे लंबा चरण है, क्योंकि यह कार्य निर्धारित करने के चरण से किया जाता है और कार्यक्रमों के कार्यान्वयन के पूरा होने और सारांश के साथ समाप्त होता है। निष्पादन नियंत्रण प्रणाली के सही संगठन के साथ, विषय निम्नलिखित लक्ष्यों को लागू करता है:
समय पर ढंग से सक्रिय सुधारात्मक कार्यों के कार्यान्वयन को सुनिश्चित करने के लिए कार्यों की प्रगति के बारे में जानकारी प्राप्त करता है;
विचलन की पहचान होने पर समायोजन करने के लिए आदेश की प्रभावशीलता का पता लगाता है;
कर्मचारियों को प्रभावी ढंग से कार्य करने के लिए प्रोत्साहित करता है।
टिप्पणी। अनौपचारिक तरीके : परिदृश्य विधि, विशेषज्ञ मूल्यांकन पद्धति ( " डेल्फी " ), नैदानिक तरीके; ग्राफिक तरीके कीवर्ड: लक्ष्य ट्री विधि, मैट्रिक्स विधियाँ, नेटवर्क विधियाँ ; मात्रात्मक विधियां : आर्थिक विश्लेषण के तरीके, रूपात्मक तरीके, सांख्यिकीय तरीके; मॉडलिंग के तरीके: साइबरनेटिक मॉडल, वर्णनात्मक मॉडल, मानक ऑपरेटिंग मॉडल (अनुकूलन, सिमुलेशन, गेम)।
Allbest.ru . पर होस्ट किया गया
...जटिल वस्तुओं के विश्लेषण के लिए कार्यप्रणाली, प्रक्रियाओं का अध्ययन और ज्ञान। समस्या विश्लेषण के लिए एक व्यवस्थित दृष्टिकोण के बुनियादी सिद्धांत और सिस्टम के बारे में बुनियादी अवधारणाएं। अपघटन, उप-समस्याओं का विश्लेषण और उनका समाधान, विकल्पों की पहचान और इष्टतम समाधानों का चयन।
परीक्षण, जोड़ा गया 08/04/2010
सरल और जटिल प्रणालियों की विशेषताएं, उनकी मुख्य विशेषताएं। आर्थिक और गणितीय मॉडलिंग के सामान्य सिद्धांत और चरण। सिस्टम विश्लेषण के कार्य चरण का उद्देश्य संसाधनों और प्रक्रियाओं की पहचान, लक्ष्यों की संरचना, समस्या का निर्माण है।
नियंत्रण कार्य, जोड़ा गया 10/11/2012
बहुक्रियात्मक समस्याओं पर प्रबंधन निर्णयों की तैयारी और औचित्य के लिए सिस्टम विश्लेषण का उपयोग। एक संगठन के निर्माण के नियमों के बारे में विज्ञान के रूप में सहक्रिया विज्ञान का उद्भव, व्यवस्था का उद्भव, एक प्रणाली का विकास और आत्म-जटिलता।
सार, जोड़ा गया 01/21/2015
आधुनिक विज्ञान में प्रणाली विश्लेषण के अनुप्रयोग के क्षेत्र, उसका स्थान, भूमिका, लक्ष्य और कार्य। सिस्टम विश्लेषण के तरीकों की अवधारणा और सामग्री, इसके अनौपचारिक तरीके। अनुमानी और विशेषज्ञ अनुसंधान विधियों की विशेषताएं और उनके आवेदन की विशेषताएं।
टर्म पेपर, जोड़ा गया 05/20/2013
लक्ष्य प्राप्त करने के रास्ते में समस्याओं को हल करने के लिए सिस्टम विश्लेषण टूल का उपयोग करना - पिरान्हा के साथ एक मछलीघर शुरू करना। विषय क्षेत्र का विवरण। लक्ष्यों का पेड़ बनाना। इवेंट ट्री में प्रभावी कार्यक्रम, उनके कार्यान्वयन के लिए नेटवर्क शेड्यूल।
टर्म पेपर, जोड़ा गया 10/07/2013
टेक्नोस्फीयर के सिस्टम विश्लेषण का सिद्धांत। टेक्नोस्फीयर में खतरनाक प्रक्रियाओं की औपचारिकता और मॉडलिंग का सामान्य क्रम। तकनीकी क्षेत्र में सामान्य रूप से और मानव-मशीन प्रणालियों में घटनाओं की घटना की प्रक्रिया की औपचारिकता और मॉडलिंग की ख़ासियत।
सार, जोड़ा गया 03/06/2011
आर्थिक घटनाओं और प्रक्रियाओं का आकलन करने के मुख्य कार्य। नियतात्मक कारक विश्लेषण और एक कारक प्रणाली के गणितीय मॉडलिंग के तरीके। कारकों के क्रमिक उन्मूलन की विधि का सार। परिचालन लागत नियंत्रण।
चीट शीट, जोड़ा गया 12/08/2010
सिस्टम विश्लेषण के सामान्य सिद्धांत। अर्थमितीय मॉडल बनाने और पूर्वानुमान के लिए उनका उपयोग करने के मुख्य चरण। प्रवृत्तियों का एक्सट्रपलेशन और विश्लेषण में इसका उपयोग। सबसिस्टम जानकारी संकलित करने के नियम। मांग-आपूर्ति मॉडल।
सार, जोड़ा गया 01/24/2011
मॉडलिंग। नियतिवाद। नियतात्मक कारक विश्लेषण की समस्याएं। नियतात्मक विश्लेषण में कारकों के प्रभाव को मापने के तरीके। RUE "GZlin" के उदाहरण पर नियतात्मक आर्थिक-गणितीय मॉडल और कारक विश्लेषण के तरीकों की गणना।
टर्म पेपर, जोड़ा गया 05/12/2008
अर्थमिति की परिभाषा, लक्ष्य और उद्देश्य। एक मॉडल के निर्माण के चरण। आर्थिक प्रक्रियाओं के मॉडलिंग में डेटा प्रकार। उदाहरण, रूप और मॉडल। अंतर्जात और बहिर्जात चर। नवशास्त्रीय उत्पादन समारोह के विनिर्देशन का निर्माण।
गुणों के अध्ययन और सिस्टम के बाद के इष्टतम नियंत्रण के लिए सिस्टम विश्लेषण के व्यावहारिक अनुप्रयोग के अधिकांश मामलों में, निम्नलिखित मुख्य चरणों को प्रतिष्ठित किया जा सकता है:
आइए इनमें से प्रत्येक चरण को संक्षेप में देखें। हम समझने में सबसे कठिन चरणों पर प्रकाश डालेंगे और विशिष्ट उदाहरणों का उपयोग करके उनके कार्यान्वयन के तरीकों को सीखने का प्रयास करेंगे।
लेकिन पहले से ही हम ध्यान दें कि प्रत्येक विशिष्ट मामले में, सिस्टम के चरण समय, लागत और बौद्धिक संकेतकों के संदर्भ में काम की कुल मात्रा में एक अलग "हिस्सा" लेते हैं। स्पष्ट सीमाएँ खींचना बहुत मुश्किल होता है - यह इंगित करने के लिए कि कोई चरण कहाँ समाप्त होता है और अगला शुरू होता है।
यह पहले ही उल्लेख किया जा चुका है कि सिस्टम विश्लेषण की समस्या को स्थापित करने में, दो पक्षों की भागीदारी अनिवार्य है: ग्राहक (डीएम) और इस सिस्टम प्रोजेक्ट के निष्पादक। उसी समय, ग्राहक की भागीदारी कार्य के वित्तपोषण तक सीमित नहीं है - उसे (मामले की भलाई के लिए) उस प्रणाली का विश्लेषण करने की आवश्यकता होती है जिसे वह प्रबंधित करता है, लक्ष्य तैयार करता है और कार्रवाई के संभावित विकल्पों पर चर्चा करता है। इसलिए, शैक्षिक प्रक्रिया प्रबंधन प्रणाली के पहले उल्लेखित उदाहरण में, इसकी शांत मृत्यु के कारणों में से एक यह था कि उप-प्रणालियों में से एक, विश्वविद्यालय के प्रबंधन, व्यावहारिक रूप से प्रशिक्षुओं की उपप्रणाली के संबंध में कार्रवाई की स्वतंत्रता नहीं थी।
बेशक, इस स्तर पर, सिस्टम की प्रभावशीलता की अवधारणाओं को स्थापित और तय किया जाना चाहिए। उसी समय, सिस्टम दृष्टिकोण के सिद्धांतों के अनुसार, सिस्टम के तत्वों के बीच और बाहरी वातावरण के संबंध में कनेक्शन की अधिकतम संख्या को ध्यान में रखना आवश्यक है। यह स्पष्ट है कि निष्पादक-डेवलपर को हमेशा उन प्रक्रियाओं का पेशेवर ज्ञान नहीं होना चाहिए, जो सिस्टम में होती हैं या, कम से कम, मुख्य हैं। दूसरी ओर, यह नितांत आवश्यक है कि ग्राहक, सिस्टम के प्रबंधक या प्रशासक को ऐसा ज्ञान हो। ग्राहक को पता होना चाहिए कि क्या करने की आवश्यकता है, और ठेकेदार - सिस्टम विश्लेषण के क्षेत्र में एक विशेषज्ञ - यह कैसे करना है।
अपने भविष्य के पेशे की ओर मुड़ते हुए, आप समझ सकते हैं कि आपको दोनों सीखने की जरूरत है। यदि आप अपने आप को एक प्रशासक की भूमिका में पाते हैं, तो लेखांकन और लेखा परीक्षा में पेशेवर ज्ञान के अलावा, सिस्टम विश्लेषण के क्षेत्र में ज्ञान होना बहुत उपयुक्त है - समस्या का एक सक्षम विवरण, समाधान प्रौद्योगिकी को ध्यान में रखते हुए आधुनिक स्तर, सफलता की गारंटी होगी। यदि आप खुद को किसी अन्य श्रेणी में पाते हैं - डेवलपर्स, तो आप लेखांकन और लेखा परीक्षा के क्षेत्र में "तकनीकी" ज्ञान के बिना नहीं कर सकते। अर्थशास्त्र के क्षेत्र में विशेष ज्ञान के बिना आर्थिक प्रणालियों में सिस्टम विश्लेषण पर काम प्रभावी होने की संभावना नहीं है। बेशक , हमारा पाठ्यक्रम केवल एक पक्ष को प्रभावित करेगा - अर्थव्यवस्था के प्रबंधन में एक व्यवस्थित दृष्टिकोण का उपयोग कैसे करें।
सबसे संक्षिप्त रूप में अध्ययन के तहत प्रणाली के मॉडल को एक निर्भरता के रूप में दर्शाया जा सकता है:
| ई = एफ (एक्स, वाई) | {3.1} |
ध्यान दें, सबसे पहले, ऐसी स्थितियां संभव हैं जिनमें प्रकृति की स्थितियों को ध्यान में रखना आवश्यक नहीं है। इसलिए, उदाहरण के लिए, कई प्रकार के उत्पादों के स्टॉक का पता लगाने की मानक समस्या हल हो जाती है और साथ ही हम ई को काफी स्पष्ट रूप से पा सकते हैं यदि एक्स के मूल्य ज्ञात हैं और इसके अलावा, के गुणों के बारे में कुछ जानकारी विश्लेषण प्रणाली।
इस मामले में, यह निश्चितता की शर्तों के तहत प्रबंधकीय निर्णय लेने या प्रबंधन रणनीति के बारे में बात करने के लिए प्रथागत है।
अगर, हालांकि, हमें पर्यावरण के प्रभावों, प्रकृति की अवस्थाओं को ध्यान में रखना है, तो हमें अनिश्चितता की स्थिति में या विपक्ष की उपस्थिति में, इससे भी बदतर स्थिति में व्यवस्था का प्रबंधन करना होगा। पहले पर विचार करें, एक अज्ञानी नज़र में - सबसे सरल स्थिति।
निश्चित शर्तों के तहत सिस्टम विश्लेषण की सबसे सरल समस्या का एक उत्कृष्ट उदाहरण माल के उत्पादन और आपूर्ति की समस्या है। मान लीजिए कि कुछ फर्मों को प्रति वर्ष एन = 24,000 इकाइयों की मात्रा में समान बैचों में ग्राहकों को उत्पादों का उत्पादन और आपूर्ति करनी है। आपूर्ति में व्यवधान अस्वीकार्य है, क्योंकि इसके लिए जुर्माना असीम रूप से बड़ा माना जा सकता है।
एक ही बार में पूरे बैच को प्रोडक्शन में लगाना होता है, ये तकनीक की शर्तें हैं। उत्पादन की एक इकाई C x = 10 kopecks प्रति माह भंडारण की लागत, और उत्पादन में एक बैच को लॉन्च करने की लागत (इसकी मात्रा की परवाह किए बिना) C p = 400 रिव्निया है।
इस प्रकार, प्रति वर्ष कई बैच लॉन्च करना स्पष्ट रूप से लाभहीन है, लेकिन प्रति वर्ष केवल 2 बैच जारी करना भी लाभहीन है - भंडारण लागत बहुत अधिक है! "गोल्डन मीन" कहाँ है, प्रति वर्ष कितनी पार्टियों को रिलीज़ करना सबसे अच्छा है?
हम ऐसी प्रणाली का एक मॉडल बनाएंगे। पार्टी के आकार को n से निरूपित करें और प्रति वर्ष पार्टियों की संख्या ज्ञात करें: p = N / n = 24000 / n।
यह पता चला है कि बैचों के बीच का समय अंतराल है
टी = 12 / पी (महीने), और गोदाम में वस्तुओं का औसत स्टॉक एन / 2 टुकड़े है।
एक बार में n टुकड़ों का एक बैच जारी करने में हमें कितना खर्च आएगा?
सामान्य शब्दों में, वार्षिक लागतें हैं
जो हमारे उदाहरण के लिए एक बैच में 4000 इकाइयाँ हैं और 2 महीने के बैचों के रिलीज़ अंतराल से मेल खाती हैं।
इस मामले में, लागत न्यूनतम है और इसे इस प्रकार परिभाषित किया गया है:
| ई 0 = √ (2। एन। टी। सी एक्स। सी पी) | {3.4} |
जो हमारे उदाहरण के लिए प्रति वर्ष 4800 रिव्निया है।
आइए हम इस राशि की तुलना एक बैच में 2000 उत्पादों के उत्पादन या महीने में एक बार एक बैच जारी करने की लागत से करें (समाजवादी नियोजित अर्थव्यवस्था की बुरी परंपराओं की भावना में):
ई1 = 0.1. 12. 2000 / 2 + 400 और बैल 24000/2000 = 6000 रिव्निया प्रति वर्ष।
टिप्पणियाँ, जैसा कि वे कहते हैं, अनावश्यक हैं!
बेशक, इष्टतम रणनीतियों को विकसित करने की समस्याओं को इतनी आसानी से हल करना हमेशा संभव नहीं होता है, भले ही हम सिस्टम के जीवन का वर्णन करने के लिए नियतात्मक डेटा के बारे में बात कर रहे हों - इसका मॉडल। सिस्टम विश्लेषण समस्याओं और उनके संबंधित सिस्टम मॉडल का एक पूरा वर्ग है, जहां हम निम्नलिखित प्रकार के कई चर के एक फ़ंक्शन को कम करने की आवश्यकता के बारे में बात कर रहे हैं:
| ई = ए 1 एक्स 1 + ए 2 एक्स 2 + ... + ए एन एक्स एन | {3.5} |
जहां X आवश्यक चर हैं, और मैं उनके अनुरूप गुणांक या "चर भार" हैं, और चर और उनके भार दोनों पर प्रतिबंध हैं।
इस वर्ग की समस्याओं का व्यावहारिक गणित की एक विशेष शाखा - रैखिक प्रोग्रामिंग में अच्छी तरह से अध्ययन किया जाता है। यहां तक कि पूर्व-कंप्यूटर समय में भी, ऐसे कार्यों E = f(a,X) के एक्स्ट्रेमा की खोज के लिए एल्गोरिदम विकसित किए गए थे, जिन्हें लक्ष्य फ़ंक्शन कहा जाता था। इन एल्गोरिदम या तकनीकों का आज भी उपयोग किया जाता है - वे सिस्टम विश्लेषण के लिए लागू कंप्यूटर प्रोग्राम के विकास के आधार के रूप में कार्य करते हैं।
आर्थिक प्रबंधन की व्यावहारिक समस्याओं को हल करने के लिए एक व्यवस्थित दृष्टिकोण, विशेष रूप से सैकड़ों या हजारों चर के साथ समस्याओं के लिए, विश्लेषण सिद्धांत और व्यवहार दोनों के क्षेत्र में विशिष्ट, मानक दिशाओं का उदय हुआ है।
सबसे "पुराने" और इसलिए, सबसे अधिक परीक्षण विशिष्ट समस्याओं को हल करने के तरीके हैं, जिन्हें पहले से ही लंबे समय तक शास्त्रीय कहा जा सकता है।
व्यवसाय प्रशासन के क्षेत्र में विशेषज्ञों को इन कार्यों को कम से कम सेटिंग के स्तर पर और सबसे महत्वपूर्ण रूप से संबंधित प्रणालियों के मॉडलिंग के संदर्भ में जानना होगा।
न केवल कंप्यूटरों के आगमन से बहुत पहले, बल्कि "साइबरनेटिक्स" शब्द के उपयोग से बहुत पहले, इन्वेंट्री प्रबंधन के पहले कार्यों को 1915 की शुरुआत में माना जाता था। सरलतम समस्या को हल करने के लिए एक विधि की पुष्टि की गई - किसी दिए गए उत्पाद की दी गई मांग और एक निश्चित मूल्य स्तर के लिए स्टॉक को ऑर्डर करने और स्टोर करने की लागत को कम करना। निर्णय - इष्टतम बैच के आकार ने किसी निश्चित अवधि के लिए न्यूनतम कुल लागत प्रदान की।
कुछ समय बाद, अधिक जटिल परिस्थितियों में इन्वेंट्री प्रबंधन की समस्या को हल करने के लिए एल्गोरिदम का निर्माण किया गया - मूल्य स्तर में बदलाव ("गुणवत्ता के लिए छूट" और / या "मात्रा के लिए छूट" की उपस्थिति); भंडारण क्षमता आदि पर रैखिक प्रतिबंधों को ध्यान में रखने की आवश्यकता।
इन कार्यों में, विश्लेषण की वस्तु वे प्रणालियाँ हैं जिनमें आपको उत्पादों के साथ कई संचालन करने होते हैं (इन कार्यों को करने के कई तरीकों की उपस्थिति में) और इसके अलावा, इन सभी कार्यों को करने के लिए पर्याप्त संसाधन या उपकरण नहीं होते हैं।
सिस्टम विश्लेषण का लक्ष्य संसाधनों की कमी को देखते हुए संचालन करने का सबसे कुशल तरीका खोजना है।
ऐसी सभी समस्याएं उनके समाधान की विधि से एकजुट होती हैं - गणितीय प्रोग्रामिंग की विधि, विशेष रूप से, रैखिक प्रोग्रामिंग। अपने सबसे सामान्य रूप में, रैखिक प्रोग्रामिंग समस्या निम्नानुसार तैयार की जाती है:
यह न्यूनतम अभिव्यक्ति (उद्देश्य कार्य) सुनिश्चित करने के लिए आवश्यक है
रैखिक प्रोग्रामिंग समस्याओं को हल करने के लिए सैद्धांतिक औचित्य और व्यावहारिक तरीकों के विकास की शुरुआत डी। डेंजिग (एक अन्य संस्करण के अनुसार - एल.वी. कांटोरोविच) द्वारा की गई थी।
अधिकांश विशिष्ट अनुप्रयोगों के लिए, तथाकथित सार्वभौमिक माना जाता है। सिम्प्लेक्स - लक्ष्य खोज की विधि, इसके लिए और संबंधित विधियों, कंप्यूटरों के लिए विशेष एप्लिकेशन पैकेज (एपीपी) विकसित किए गए हैं।
अक्सर, सिस्टम विश्लेषण की समस्या के सार्थक बयान का चरण हमें इस निष्कर्ष पर ले जाता है कि सिस्टम के कामकाज के लिए कई लक्ष्य हैं। वास्तव में, यदि किसी आर्थिक प्रणाली का "मुख्य लक्ष्य" हो सकता है - अधिकतम लाभ की उपलब्धि, तो कोई लगभग हमेशा प्रतिबंधों या शर्तों की उपस्थिति की स्थिति का निरीक्षण कर सकता है। इन शर्तों का उल्लंघन या तो असंभव है (तब स्वयं कोई प्रणाली नहीं होगी), या जाहिर तौर पर बाहरी वातावरण के लिए अस्वीकार्य परिणाम होते हैं। संक्षेप में, वह स्थिति जब केवल एक ही लक्ष्य होता है और उसे किसी भी कीमत पर प्राप्त करने की आवश्यकता होती है, लगभग अविश्वसनीय है।
बहुमानदंड की सबसे सरल स्थिति होने दें - सिस्टम T 1 और T 2 के केवल दो लक्ष्य हैं और केवल दो संभावित रणनीतियाँ S 1, S 2 हैं।
आइए हम किसी तरह T 1 के संबंध में रणनीति S 1 की दक्षता E 11 का अनुमान लगाएं और यह दक्षता 0.4 (कुछ पैमाने पर 0..1) के बराबर निकली। सभी रणनीतियों और सभी लक्ष्यों के लिए समान मूल्यांकन करने के बाद, हमें एक तालिका (प्रदर्शन मैट्रिक्स) मिली:
| इ | टी1 | T2 |
|---|---|---|
| एस 1 | 0.4 | 0.6 |
| एस 2 | 0.7 | 0.3 |
तालिका 3.1
आप उनके सापेक्ष भार को ध्यान में रख सकते हैं - कहते हैं, पहले के लिए 0.75 और दूसरे के लिए 0.25। ऐसी परिस्थितियों में, रणनीतियों की कुल प्रभावशीलता (सभी लक्ष्यों के संबंध में) होगी:
पहले ई 1 = 0.4 के लिए। 0.70 + 0.6। 0.30 = 0.28 + 0.18 = 0.46;
दूसरे ई 2 = 0.8 के लिए। 0.70 + 0.2। 0.25 = 0.56 + 0.05 = 0.61;
इसलिए रणनीति चुनने के सवाल का जवाब स्पष्ट नहीं है।
इसलिए, कई लक्ष्यों की उपस्थिति में प्रणाली की प्रभावशीलता के मानदंड को व्यक्तिगत रणनीतियों की प्रभावशीलता के रूप में व्यक्त किया जाना चाहिए:
| ई एस = ∑ एस टी। यू टु | {3.8} |
यानी व्यक्तिगत लक्ष्यों के भार को ध्यान में रखें यू टी।
यदि आप उदाहरण (3.2) की चर्चा का ध्यानपूर्वक अनुसरण कर रहे हैं, तो अब आप देख सकते हैं कि इसमें अनिवार्य रूप से दो लक्ष्य शामिल थे। एक ओर, हम जितना संभव हो उतना छोटे बैच रखना चाहेंगे - वे स्टोर करने के लिए सस्ते हैं (शॉर्ट शेल्फ लाइफ)। दूसरी ओर, हम बड़े बैच चाहते थे, क्योंकि इससे बैचों को उत्पादन में लगाने की लागत कम होगी। यदि हम सभी 365 संभावित रणनीतियों (हर दिन पार्टी बदलने से लेकर प्रति वर्ष एक तक) से गुजरें, तो निश्चित रूप से, हम हर दो महीने में पार्टियों के बदलाव के साथ इष्टतम रणनीति पाएंगे। एक और बात यह है कि हमारे पास सिस्टम का एक विश्लेषणात्मक मॉडल (कुल लागत का सूत्र) था।
तो - उस मॉडल में लक्ष्यों के भार गुणांक बराबर थे और न्यूनतम लागत की खोज करते समय हम उन्हें नोटिस नहीं कर सके। ठीक है, क्या होगा यदि लक्ष्यों के "महत्व" को इंट या रिले स्केल पर नहीं, यानी संख्यात्मक रूप में, बल्कि ऑर्ड स्केल पर मापा जाना है? दूसरे शब्दों में, लक्ष्य भार कहाँ से आते हैं?
बहुत कम ही, सिस्टम विश्लेषण की समस्या के "भौतिक अर्थ" द्वारा वजन गुणांक को स्पष्ट रूप से निर्धारित किया जाता है। सबसे अधिक बार, हालांकि, उनकी खोज को "नियुक्ति", "आविष्कार", "भविष्यवाणी" कहा जा सकता है - अर्थात "वैज्ञानिक" क्रियाएं नहीं।
कभी-कभी, यह अजीब लग सकता है, वजन को मतदान द्वारा, खुले तौर पर या गुप्त रूप से सौंपा गया है। तथ्य यह है कि उन स्थितियों में जहां लक्ष्य के वजन का अनुमान लगाने के लिए कोई संख्यात्मक विधि नहीं है, वास्तविक तरीका संचित अनुभव का उपयोग करना है।
अक्सर वह वेटिंग गुणांकों को सीधे निर्णयकर्ता को सेट करता है, लेकिन अधिक बार उसका प्रबंधन अनुभव बताता है: एक सिर अच्छा है, लेकिन कई स्मार्ट हेड बहुत बेहतर हैं। एक विशेष निर्णय किया जाता है - विशेषज्ञ मूल्यांकन की पद्धति का उपयोग करने के लिए।
इस विधि का सार काफी सरल है। सिस्टम के कामकाज के सभी लक्ष्यों को स्पष्ट रूप से बताना आवश्यक है और इस उद्योग (विशेषज्ञों) में अत्यधिक सक्षम लोगों के समूह को कम से कम सभी लक्ष्यों को महत्व के क्रम में, "पुरस्कार स्थानों" या की भाषा में रखने के लिए आमंत्रित करना आवश्यक है। TSCA, रैंकों में।
उच्चतम रैंक (आमतौर पर 1) का अर्थ है लक्ष्य का सबसे बड़ा महत्व (वजन), अगला - थोड़ा कम वजन, आदि। गैर-पैरामीट्रिक आँकड़ों का एक विशेष खंड - रैंक सहसंबंध का सिद्धांत, आपको महत्व के बारे में परिकल्पनाओं का परीक्षण करने की अनुमति देता है। विशेषज्ञों से प्राप्त जानकारी के संबंध में। रैंक सहसंबंध का विकास, इसका अन्य खंड, आपको समझौता, विशेषज्ञ राय की स्थिरता या रैंक समरूपता स्थापित करने की अनुमति देता है।
यह उन मामलों में विशेष रूप से महत्वपूर्ण है जहां न केवल विशेषज्ञों की राय का उपयोग करने की आवश्यकता है, बल्कि उनकी क्षमता के बारे में भी संदेह है।
मान लीजिए कि सिस्टम विश्लेषण की प्रक्रिया में हमें एक निश्चित मूल्य यू को ध्यान में रखना था, जिसकी माप केवल एक क्रमिक पैमाने (ऑर्ड) पर संभव है। उदाहरण के लिए, हमें सिस्टम के कामकाज के 10 लक्ष्यों को ध्यान में रखना होगा और हमें उनके सापेक्ष महत्व, विशिष्ट वजन का पता लगाना होगा।
यदि ऐसे लोगों का एक समूह है जिनकी इस क्षेत्र में क्षमता संदेह से परे है, तो प्रत्येक विशेषज्ञ का साक्षात्कार लिया जा सकता है, उन्हें लक्ष्यों को महत्व के आधार पर व्यवस्थित करने या उन्हें "रैंक" करने के लिए आमंत्रित किया जा सकता है। सबसे सरल मामले में, आप दोहराए जाने वाले रैंकों की अनुमति नहीं दे सकते, हालांकि यह आवश्यक नहीं है - रैंकों की पुनरावृत्ति को हमेशा ध्यान में रखा जा सकता है।
हमारे उदाहरण में सहकर्मी समीक्षा के परिणाम लक्ष्य रैंक की तालिका द्वारा दर्शाए गए हैं:
| लक्ष्य | टी1 | T2 | टी3 | टी -4 | टी5 | टी6 | टी7 | T8 | टी9 | टी10 | जोड़ |
|---|---|---|---|---|---|---|---|---|---|---|---|
| विशेषज्ञ ए | 3 | 5 | 1 | 8 | 7 | 10 | 9 | 2 | 4 | 6 | 55 |
| विशेषज्ञ बी | 5 | 1 | 2 | 6 | 8 | 9 | 10 | 3 | 4 | 7 | 55 |
| रैंकों का योग | 8 | 6 | 3 | 14 | 15 | 19 | 19 | 5 | 8 | 3 | 110 |
| कुल रैंक | 4.5 | 3 | 1 | 7 | 8 | 9.5 | 9.5 | 2 | 4.5 | 6 | 55 |
तालिका 3.2
इसलिए, प्रत्येक लक्ष्य T i के लिए हम विशेषज्ञों द्वारा निर्धारित रैंकों का योग और फिर लक्ष्य R i का कुल या परिणामी रैंक प्राप्त कर सकते हैं। यदि रैंकों का योग मेल खाता है, तो औसत मान असाइन किया जाता है।
रैंक सहसंबंध विधि प्रश्न का उत्तर देने की अनुमति देती है - दो विशेषज्ञों में से प्रत्येक की रैंकिंग कितनी सहसंबद्ध, गैर-यादृच्छिक है, और इसलिए, परिणामी रैंकों पर कितना भरोसा किया जा सकता है? हमेशा की तरह, मुख्य परिकल्पना को सामने रखा जाता है - कि रैंकिंग के बीच कोई संबंध नहीं है, और इस परिकल्पना की वैधता की संभावना स्थापित होती है। इसके लिए दो दृष्टिकोणों का उपयोग किया जा सकता है: स्पीयरमैन या केंडल के रैंक सहसंबंध गुणांक का निर्धारण।
पहला लागू करना आसान है - स्पीयरमैन गुणांक के मूल्य की गणना की जाती है:
| आर एस = 1 - (6। ∑ (डी आई) 2) / (एन और बैल (एन 2 - 1)) | {3.9} |
जहां d i प्रत्येक में n वस्तुओं की पहली और दूसरी रैंकिंग के रैंक के अंतर से निर्धारित होता है।
हमारे उदाहरण में, रैंक अंतर के वर्गों का योग 30 है, और स्पीयरमैन सहसंबंध गुणांक लगभग 0.8 है, जो दो रैंकिंग की पूर्ण स्वतंत्रता की परिकल्पना की संभावना का मान केवल 0.004 देता है।
यदि आवश्यक हो, तो आप एम विशेषज्ञों के समूह की सेवाओं का उपयोग कर सकते हैं, लक्ष्यों के परिणामी रैंक स्थापित कर सकते हैं, लेकिन फिर इन विशेषज्ञों या सहमति की राय की स्थिरता के बारे में सवाल उठता है।
मान लीजिए कि हमारे पास 6 कारकों के संबंध में 4 विशेषज्ञों की रैंकिंग है जो एक निश्चित प्रणाली की प्रभावशीलता को निर्धारित करते हैं।
| कारकों | 1 | 2 | 3 | 4 | 5 | 6 | जोड़ |
|---|---|---|---|---|---|---|---|
| विशेषज्ञ ए | 5 | 4 | 1 | 6 | 3 | 2 | 21 |
| विशेषज्ञ बी | 2 | 3 | 1 | 5 | 6 | 4 | 21 |
| विशेषज्ञ सी | 4 | 1 | 6 | 3 | 2 | 5 | 21 |
| विशेषज्ञ डी | 4 | 3 | 2 | 3 | 2 | 5 | 21 |
| रैंकों का योग | 15 | 11 | 10 | 19 | 12 | 17 | 84 |
| कुल रैंक | 4 | 2 | 1 | 6 | 3 | 5 | 21 |
| राशि विचलन औसत से |
+1 | −3 | −4 | +5 | −2 | +3 | 0 |
| 1 | 9 | 16 | 25 | 4 | 9 | 64 |
तालिका 3.3
ध्यान दें कि रैंकों का कुल योग 84 है, जो औसतन 14 प्रति कारक देता है।
एन कारकों और एम विशेषज्ञों के सामान्य मामले के लिए, किसी भी कारक के लिए रैंकों के योग का औसत मूल्य अभिव्यक्ति द्वारा निर्धारित किया जाता है
| = 0.5। एम । (एन -1) | {3.10} |
अब छह कारकों के संबंध में विशेषज्ञों की राय के बीच सहमति की डिग्री का आकलन करना संभव है। प्रत्येक कारक के लिए, ऐसी राशि के औसत मूल्य से विशेषज्ञों द्वारा इंगित रैंकों के योग का विचलन होता है। चूंकि इन विचलनों का योग हमेशा शून्य होता है, इसलिए उन्हें औसत करने के लिए मानों के वर्गों का उपयोग करना उचित है।
हमारे मामले में, ऐसे वर्गों का योग S = 64 होगा, और सामान्य स्थिति में, यह राशि सबसे बड़ी होगी यदि सभी कारकों के संबंध में सभी विशेषज्ञों की राय पूरी तरह से मेल खाती है:
हमारे उदाहरण में, समवर्ती गुणांक का मान लगभग 0.229 है, जो चार विशेषज्ञों और छह कारकों के साथ, विशेषज्ञों की राय को 0.05 से अधिक की संभावना के साथ असंगत मानने के लिए पर्याप्त है। तथ्य यह है कि रैंकिंग की केवल यादृच्छिकता, उनकी असंबद्धता की गणना काफी सरलता से की जाती है। तो हमारे उदाहरण के लिए, संकेतित संभाव्यता वर्ग विचलन S = 143.3 के योग से मेल खाती है, जो कि 64 से बहुत अधिक है।
सिस्टम विश्लेषण में विशेषज्ञ मूल्यांकन की पद्धति की विशेषताओं के बारे में प्रश्न के समापन में, हम दो और परिस्थितियों पर ध्यान देते हैं।
पहले उदाहरण में, हमने एक निश्चित प्रणाली के कामकाज के लिए 10 लक्ष्यों के परिणामी रैंक प्राप्त किए हैं। इस परिणामी रैंकिंग का उपयोग कैसे करें? लक्ष्य के रैंक (ऑर्ड) पैमाने से वजन गुणांक के पैमाने तक कैसे जाएं - 0 से 1 की सीमा में?
यहां, सामान्यीकरण के प्राथमिक तरीकों का आमतौर पर उपयोग किया जाता है। यदि लक्ष्य 3 की रैंक 1 है, लक्ष्य 8 की रैंक 2 है, और इसी तरह, और रैंकों का योग 55 है, तो लक्ष्य 3 के लिए भारोत्तोलन कारक सबसे बड़ा होगा और सभी 10 के भार का योग होगा लक्ष्य 1 होगा।
लक्ष्य का वजन इस प्रकार निर्धारित करना होगा
(11 - 1) / 55 3 लक्ष्यों के लिए;
(11 - 2) / 55 लक्ष्य 8, आदि के लिए।
समूह विशेषज्ञ मूल्यांकन का उपयोग करते समय, कोई न केवल सिस्टम विश्लेषण के लिए आवश्यक संकेतकों के बारे में विशेषज्ञों की राय का पता लगा सकता है। बहुत बार, ऐसी स्थितियों में, तथाकथित डेल्फ़ी पद्धति (डेल्फ़िक ऑरेकल की कथा से) का उपयोग किया जाता है।
विशेषज्ञों का सर्वेक्षण कई चरणों में, एक नियम के रूप में, गुमनाम रूप से किया जाता है। अगले चरण के बाद, विशेषज्ञ को न केवल रैंक करने की आवश्यकता होती है, बल्कि उसे सही ठहराने की भी आवश्यकता होती है। औचित्य के लेखकों को निर्दिष्ट किए बिना अगले चरण से पहले इन औचित्यों को सभी विशेषज्ञों को सूचित किया जाता है।
मौजूदा अनुभव से पता चलता है कि प्रतिनिधित्व, वैधता और सबसे महत्वपूर्ण बात यह है कि विशेषज्ञ निर्णयों की विश्वसनीयता में उल्लेखनीय वृद्धि संभव है। "दुष्प्रभाव" के रूप में आप प्रत्येक विशेषज्ञ की व्यावसायिकता के बारे में एक राय बना सकते हैं।
जैसा कि हमारे पाठ्यक्रम के पहले भाग में पहले ही उल्लेख किया गया है, अधिकांश वास्तविक बड़ी प्रणालियों में कोई "प्रकृति की अवस्थाओं" को ध्यान में रखे बिना नहीं कर सकता - एक स्टोकेस्टिक प्रकार, यादृच्छिक चर या यादृच्छिक घटनाओं के प्रभाव। यह संपूर्ण रूप से या उसके व्यक्तिगत तत्वों पर न केवल बाहरी प्रभाव हो सकता है। बहुत बार, आंतरिक प्रणालीगत संबंध समान "यादृच्छिक" प्रकृति के होते हैं।
यह समझना महत्वपूर्ण है कि सिस्टम के तत्वों के बीच कनेक्शन की स्थिरता, और इससे भी अधिक तत्व के भीतर ("इनपुट-आउटपुट" कनेक्शन) सिस्टम विश्लेषण के बजाय पूरी तरह से अर्थहीन काम करने के जोखिम का मुख्य कारण है। , प्रणाली के प्रबंधन के लिए सिफारिशों के रूप में स्पष्ट रूप से अनुपयुक्त समाधान प्राप्त करना।
ऊपर यह पहले ही निर्धारित किया जा चुका है कि ऐसे मामलों में, यादृच्छिक चर X के बजाय, किसी को इसकी गणितीय अपेक्षा M x का उपयोग करना होगा। सब कुछ सरल लगता है - हम नहीं जानते, इसलिए हम उम्मीद करते हैं। लेकिन हमारी उम्मीदें कितनी जायज हैं? निश्चितता क्या है या गलत होने की संभावना क्या है?
ऐसे प्रश्नों को हल किया जाता है, उनके उत्तर प्राप्त किए जा सकते हैं - लेकिन इसके लिए आपको एसडब्ल्यू के वितरण के कानून के बारे में जानकारी होनी चाहिए। तो सिस्टम विश्लेषण (मॉडलिंग चरण) के इस चरण में हमें सांख्यिकीय शोध करना होगा, प्रश्नों के उत्तर प्राप्त करने का प्रयास करना होगा:
यदि यहां सकारात्मक निर्णय लेने का कोई आधार नहीं है, तो स्थिति से बाहर निकलने के लिए कोई और रास्ता खोज सकता है।
सिस्टम के कामकाज के वैश्विक संकेतक प्राप्त करने के लिए पहले से ही ऑपरेटिंग बड़े सिस्टम की वर्तमान स्थिति, इसके वास्तविक "जीवन" का उपयोग करना हमेशा संभव नहीं है, लेकिन फिर भी संभव है।
यह लक्ष्य एक प्रयोग की योजना बनाने के तरीकों द्वारा परोसा जाता है, जिसका सैद्धांतिक और पद्धतिगत आधार सिस्टम विश्लेषण का एक विशेष क्षेत्र है - तथाकथित। कारक विश्लेषण, जिसका सार थोड़ी देर बाद कवर किया जाएगा।
अक्सर, आर्थिक प्रणालियों का विश्लेषण करते समय, तथाकथित को हल करना पड़ता है। निम्नलिखित स्थिति में उत्पन्न होने वाले कार्यों को कतारबद्ध करना। विभिन्न क्षमताओं के स्टेशनों की एक निश्चित संख्या से युक्त कार रखरखाव प्रणाली का विश्लेषण करने दें। प्रत्येक स्टेशन (सिस्टम तत्व) पर, कम से कम दो विशिष्ट स्थितियाँ हो सकती हैं:
यह स्पष्ट है कि इस मामले में सिस्टम विश्लेषण का लक्ष्य कतारों के कारण आय की हानि और निष्क्रिय स्टेशनों के कारण होने वाली हानि के बीच कुछ अनुपात निर्धारित करना है। ऐसा अनुपात जिस पर कुल हानियों की गणितीय अपेक्षा न्यूनतम होगी।
तो, सिस्टम सिद्धांत का एक विशेष खंड - कतार सिद्धांत, आपको इसकी अनुमति देता है:
आइए हम सिस्टम विश्लेषण की समस्या के लिए इस दृष्टिकोण की मुख्य विशेषता पर ध्यान दें - विश्लेषण के परिणामों की स्पष्ट निर्भरता और दो बाहरी कारकों पर प्राप्त सिफारिशें: प्राप्ति की आवृत्ति और आदेशों की जटिलता (और, इसलिए, उनके निष्पादन का समय)।
लेकिन ये पहले से ही बाहरी दुनिया के साथ हमारे सिस्टम के कनेक्शन हैं, और हम इस तथ्य को ध्यान में रखे बिना नहीं कर सकते। उनकी संख्या और जटिलता के संदर्भ में अनुप्रयोगों के प्रवाह का अध्ययन करना, इन मूल्यों के सांख्यिकीय संकेतक ढूंढना, उनके वितरण के नियमों के बारे में परिकल्पना की विश्वसनीयता को सामने रखना और मूल्यांकन करना आवश्यक होगा। उसके बाद ही आप यह विश्लेषण करने का प्रयास कर सकते हैं कि इस तरह के बाहरी प्रभावों के तहत सिस्टम कैसे व्यवहार करेगा, विभिन्न नियंत्रण कार्यों या प्रबंधन रणनीतियों के तहत इसके संकेतक (कुल लागत का मूल्य) कैसे बदलेगा।
बहुत कम ही, सिस्टम का ही उपयोग किया जाता है, उस पर एक प्राकृतिक प्रयोग किया जाता है। सबसे अधिक बार, ऐसा प्रयोग अतिरिक्त सर्विस स्टेशनों के निर्माण के लिए ग्राहकों को खोने या अनुचित लागतों के जोखिम से जुड़ा होता है।
इसलिए, सिस्टम मॉडलिंग के मुद्दे के लिए सांख्यिकीय परीक्षणों की विधि या मोंटे कार्लो पद्धति के रूप में इस तरह के एक विशेष दृष्टिकोण के बारे में पता होना चाहिए।
आइए सर्विस स्टेशनों के काम के विश्लेषण के साथ उदाहरण पर लौटते हैं। मान लीजिए हमारे पास केवल एक ऐसा स्टेशन है और हम पहले से जानते हैं:
आदेशों की प्राप्ति की औसत दर है और
μ ऑर्डर पूर्ति की औसत गति है (समय की प्रति यूनिट टुकड़े), और इस प्रकार मूल्य β = λ / μ सेट किया जाता है - स्टेशन की भार तीव्रता।
पहले से ही इन आंकड़ों के आधार पर, सिस्टम के सबसे सरल मॉडल का निर्माण करना संभव है। हम एक्स द्वारा प्रति यूनिट समय सेवा के लिए कतारबद्ध आदेशों की संख्या को निरूपित करेंगे, और हम संभावना पी (एक्स) को निर्धारित करने के लिए यादृच्छिक घटनाओं की एक योजना बनाने का प्रयास करेंगे।
घटना - कतार में बिल्कुल एक्स ऑर्डर हैं जिन्हें चार स्थितियों में से एक में देखा जा सकता है:
घटनाओं की ऐसी योजना का तात्पर्य हमारे सिस्टम की "तकनीक" की एक विशेष संपत्ति से है - समय की मानी गई इकाई में एक से अधिक ऑर्डर प्राप्त करने की संभावना और एक ही समय में एक से अधिक ऑर्डर को पूरा करने की संभावना को 0 के बराबर माना जाता है। .
यह ऐसी "मुक्त" धारणा नहीं है - समय अंतराल की अवधि को हमेशा आवश्यक सीमा तक कम किया जा सकता है।
और फिर सब कुछ बहुत सरल है। घटनाओं की संभावनाओं को गुणा करना ए 1 ..3, बी 1 ..3, सी 1 ..3, डी 1 ..3, हम समय अंतराल के दौरान ब्याज की घटना के प्रत्येक प्रकार की संभावनाओं को निर्धारित करते हैं। हमने निर्दिष्ट किया, कतार की लंबाई नहीं बदली ..
इस तरह की घटना के सभी चार रूपों की संभावनाओं के योग के सरल परिवर्तन हमें एक्स ऑर्डर की कतार की लंबाई की संभावना के लिए एक अभिव्यक्ति की ओर ले जाएंगे:
ऐसे मॉडलिंग की उपयोगिता को सरल उदाहरणों द्वारा सराहा जाएगा। मान लीजिए कि हम तय करते हैं कि स्टेशन की लोड तीव्रता केवल 50% है, यानी हमने ऑर्डर के प्रवाह के संबंध में इसके थ्रूपुट को दोगुना कर दिया है।
फिर β = 0.5 के लिए हमारे पास निम्न डेटा है:
तालिका 3.4
आइए परिणामों को संक्षेप में प्रस्तुत करें:
हमारा अधिकार (यदि हम निर्णय निर्माता हैं!) इतनी तीव्रता को स्वीकार करना या इसे मना करना है, लेकिन फिर भी हमारे पास ऐसे निर्णय के परिणामों के कुछ संकेतक हैं।
स्टेशन लोड तीव्रता के अन्य मूल्यों के साथ स्थितियों का विश्लेषण करना उपयोगी है।
| β | 1 / 2 | 3 / 4 | 7 / 8 | 15 / 16 |
|---|---|---|---|---|
| एम एक्स | 1 | 3 | 7 | 15 |
तालिका 3.5
आइए अब एक और परिस्थिति पर ध्यान दें - हमने मान लिया था कि जानकारी केवल ऑर्डर पूर्ति की औसत गति (इसकी गणितीय अपेक्षा) के बारे में जानी जाती थी। दूसरे शब्दों में, हमने अगले आदेश के निष्पादन समय को उसकी "सामग्री" (कार धोने या दुर्घटना के परिणामों को समाप्त करने), या आदेशों की संख्या "लाइन में खड़े होने" से स्वतंत्र माना।
वास्तविक जीवन में, यह हमेशा ऐसा नहीं होता है, और मैं किसी तरह इस तरह की निर्भरता को ध्यान में रखना चाहूंगा। और यहाँ सिद्धांत बचाव के लिए आता है (उन लोगों के लिए जो इसकी संभावनाओं को समझते हैं)।
यदि हमारे पास न केवल μ स्वयं (औसत या अपेक्षित ऑर्डर प्रोसेसिंग गति) स्थापित करने का अवसर है, बल्कि इस मान D μ (विचरण) का प्रसार भी है, तो कतार में आदेशों की औसत संख्या का अधिक मज़बूती से अनुमान लगाना संभव होगा (यह सही है - अधिक सटीक नहीं, लेकिन अधिक मज़बूती से!):
जैसा कि बार-बार उल्लेख किया गया है, बाहरी वातावरण के साथ किसी दिए गए सिस्टम की बातचीत को ध्यान में रखे बिना सिस्टम विश्लेषण असंभव है। पहले, प्रकृति की अवस्थाओं को ध्यान में रखने की आवश्यकता का उल्लेख किया गया था - प्रणाली पर ज्यादातर यादृच्छिक, स्टोकेस्टिक प्रभाव।
बेशक, प्रकृति जानबूझकर, दुर्भावनापूर्ण रूप से, या, इसके विपरीत, उत्साहजनक रूप से सिस्टम की प्रक्रियाओं में हस्तक्षेप नहीं करती है (लेकिन मदद नहीं करती है)। इसलिए, बाहरी प्राकृतिक प्रभावों को ध्यान में रखते हुए "प्रकृति के साथ खेल" के रूप में माना जा सकता है, लेकिन इस खेल में, प्रकृति एक विरोधी नहीं है, प्रतिद्वंद्वी नहीं है, इसका सामान्य रूप से अस्तित्व का कोई उद्देश्य नहीं है, और इससे भी ज्यादा - उद्देश्य हमारे सिस्टम का विरोध करने के लिए।
किसी दिए गए सिस्टम की अन्य लोगों के साथ बातचीत को ध्यान में रखते हुए स्थिति पूरी तरह से अलग होती है जो उनके कामकाज के लक्ष्यों के संदर्भ में समान या समान होती है। जैसा कि ज्ञात है, इस तरह की बातचीत को प्रतिस्पर्धा कहा जाता है, और बड़ी एकाधिकार प्रणालियों के जीवन में स्थितियां अत्यंत दुर्लभ होती हैं, और वे सिस्टम सिद्धांत और सिस्टम विश्लेषण के दृष्टिकोण से ज्यादा रुचि पैदा नहीं करते हैं।
विज्ञान की एक विशेष शाखा - गेम थ्योरी कम से कम आंशिक रूप से प्रतिकार की शर्तों के तहत सिस्टम विश्लेषण में उत्पन्न होने वाली कठिनाइयों को हल करने की अनुमति देती है। यह ध्यान रखना दिलचस्प है कि इन मुद्दों पर पहले मोनोग्राफ में से एक को "द थ्योरी ऑफ गेम्स एंड इकोनॉमिक बिहेवियर" कहा जाता था (लेखक - न्यूमैन और मॉर्गनस्टर्न, 1953, अनुवाद उपलब्ध) और रैखिक प्रोग्रामिंग के विकास के लिए एक प्रकार के उत्प्रेरक के रूप में कार्य किया। सांख्यिकीय निर्णयों के तरीके और सिद्धांत।
अर्थशास्त्र में गेम थ्योरी विधियों के उपयोग के एक सरल उदाहरण के रूप में, निम्नलिखित समस्या पर विचार करें।
प्रतिस्पर्धी माहौल में रणनीतियों के लिए आपके पास केवल तीन विकल्प हैं एस 1, एस 2 और एस 3 (उदाहरण के लिए, एक महीने के भीतर 3 प्रकार के उत्पादों में से एक का उत्पादन करें)। उसी समय, आपके प्रतियोगी के पास रणनीतियों C 1 और C 2 के लिए केवल दो विकल्प हैं (अपने 2 प्रकार के उत्पादों में से एक का उत्पादन करें, कुछ अर्थों में आपकी कंपनी के उत्पादों की जगह)। उसी समय, न तो आप और न ही आपका प्रतियोगी एक महीने के भीतर उत्पाद के प्रकार को बदल सकते हैं।
आप और आपके प्रतियोगी दोनों को निम्न तालिका में वर्णित आपके प्रत्येक व्यवहार के परिणामों के बारे में बताएं।
| सी 1 | सी2 | |
|---|---|---|
| एस 1 | −2000 | +2000 |
| एस 2 | −1000 | +3000 |
| एस 2 | +1000 | +2000 |
तालिका 3.6
तालिका में संख्याओं का अर्थ निम्न है:
यह माना जाता है कि दोनों पक्षों के पास TSCA के क्षेत्र में पेशेवर प्रशिक्षण है और नियमों का पालन करते हुए यथोचित रूप से कार्य करते हैं - व्यवहार का विकल्प पूरे महीने में एक बार स्वीकार किया जाता है, बिना यह जाने कि प्रतियोगी ने उसी महीने क्या किया है।
वास्तव में, विशुद्ध रूप से रोजमर्रा के अर्थों में, यह एक साधारण "जुआ" खेल है जिसमें एक अंतिम परिणाम होता है, खेल का लक्ष्य जीतना होता है।
यह लक्ष्य हर खिलाड़ी हासिल करता है, लेकिन हर कोई इसे हासिल नहीं कर सकता। खिलाड़ियों के व्यवहार के रूपों को चाल के रूप में माना जा सकता है, और चालों के सेट को खेल के रूप में माना जा सकता है।
खेल को प्रत्येक पक्ष पर केवल एक चाल से युक्त होने दें। आइए पहले अपने प्रतिद्वंदी के लिए यह सर्वोत्तम कदम खोजने का प्रयास करें - हम उसके लिए तर्क करेंगे।
चूंकि तालिका आप और प्रतियोगी दोनों को ज्ञात है, इसलिए उसके तर्क को प्रतिरूपित किया जा सकता है।
विकल्प सी 2 आपके प्रतियोगी के लिए स्पष्ट रूप से प्रतिकूल है - आप जो भी कदम उठाएंगे, आप जीतेंगे, और आपका प्रतियोगी हार जाएगा। नतीजतन, आपके प्रतिद्वंद्वी की ओर से, विकल्प सी 1 को अपनाया जाएगा, जिससे उसे न्यूनतम नुकसान होगा।
अब आप अपने लिए तर्क कर सकते हैं। ऐसा लगता है कि विकल्प S 2 हमें 3000 रिव्निया का अधिकतम लाभ दिलाएगा, लेकिन यह आपके प्रतियोगी द्वारा C 2 की पसंद के अधीन है, और वह सबसे अधिक संभावना C 1 का चयन करेगा।
इसका मतलब यह है कि सबसे अच्छी चीज जो हम कर सकते हैं वह है विकल्प एस 3 चुनना, छोटी से छोटी जीत पर भरोसा करना - 1000 रिव्निया।
आइए गेम थ्योरी की आम तौर पर स्वीकृत कई शर्तों से परिचित हों:
प्रतिस्पर्धी माहौल में सर्वश्रेष्ठ गेम प्लान खोजने का उपरोक्त तर्क समस्याओं को हल करने का एकमात्र तरीका नहीं है। बहुत बार, बहुत छोटा और, सबसे महत्वपूर्ण, अधिक तार्किक रूप से सुसंगत, इष्टतम खेल रणनीतियों को खोजने का एक और सिद्धांत है - न्यूनतम सिद्धांत।
इस पद्धति को स्पष्ट करने के लिए, थोड़ा संशोधित मैट्रिक्स वाले गेम के पिछले उदाहरण पर विचार करें।
| सी 1 | सी2 | |
|---|---|---|
| एस 1 | −2000 | −4000 |
| एस 2 | −1000 | +3000 |
| एस 2 | +1000 | +2000 |
तालिका 3.7
आइए पिछले उदाहरण के लिए उपयोग की गई तर्क पद्धति को दोहराएं।
हमारे प्रतियोगी का तर्क अर्थ में लगभग समान होगा। यह महसूस करते हुए कि हम एस 1 को कभी स्वीकार नहीं करेंगे और अंत में, एस 3 चुनेंगे, वह रणनीति सी 1 को अपने लिए इष्टतम मानने का फैसला करेगा - इस मामले में उसे कम से कम नुकसान होगा।
तर्क की एक और विधि लागू की जा सकती है, जो अंत में वही परिणाम देती है। हमारे लिए सबसे अच्छा गेम प्लान चुनते समय, हम इस तरह तर्क कर सकते हैं:
यह पता चला है कि सबसे छोटी (न्यूनतम) अदायगी का सबसे बड़ा (अधिकतम) 1000 रिव्निया है, और भगवान ने स्वयं आदेश दिया कि रणनीति एस 3 को इष्टतम माना जाए, इस उम्मीद के साथ कि प्रतियोगी अपनी रणनीति सी 1 के साथ एक काउंटर मूव करेगा। ऐसी रणनीति को मैक्स आई मिन रणनीति कहा जाता है।
यदि हम अब एक प्रतियोगी के व्यवहार का अनुकरण करने का प्रयास करते हैं, तो उसके लिए:
इसका मतलब यह है कि हमारा प्रतियोगी, अगर वह समझदारी से सोचता है, तो रणनीति सी 1 का चयन करेगा, क्योंकि यह वह रणनीति है जो सबसे बड़े (अधिकतम) नुकसान का सबसे छोटा (न्यूनतम) प्रदान करती है। इस रणनीति को मिनीमैक्स रणनीति कहा जाता है।
यह देखना आसान है कि यह वही बात है - आप सी 1 के जवाब में एस 3 खेलते हैं, और आपका प्रतिद्वंद्वी एस 3 के जवाब में सी 1 चलता है।
इसलिए, ऐसी रणनीतियों को मिनिमैक्स कहा जाता है - हम न्यूनतम अधिकतम नुकसान की आशा करते हैं या, जो एक ही बात है, अधिकतम न्यूनतम लाभ के लिए।
दो माने गए उदाहरणों में, "विरोधियों" की इष्टतम रणनीतियाँ मेल खाती हैं, यह कहने की प्रथा है कि वे खेल मैट्रिक्स के काठी बिंदु से मेल खाते हैं।
मिनिमैक्स विधि एल्गोरिथम जैसे महत्वपूर्ण संकेतक में तार्किक तर्क के मानक तरीके से भिन्न होती है। वास्तव में, यह सिद्ध किया जा सकता है कि यदि एक काठी बिंदु मौजूद है, तो यह कुछ पंक्ति S और कुछ स्तंभ C के चौराहे पर है। यदि इस बिंदु पर संख्या किसी दी गई पंक्ति के लिए सबसे बड़ी है और साथ ही, सबसे छोटी है किसी दिए गए कॉलम में, तो यह सैडल पॉइंट है।
बेशक, सभी खेलों में एक काठी बिंदु नहीं होता है, लेकिन यदि यह मौजूद है, तो एक मानक तार्किक योजना के अनुसार कई पंक्तियों और स्तंभों (या सैकड़ों) के साथ इसकी खोज करना कंप्यूटर तकनीक के उपयोग के बिना व्यावहारिक रूप से निराशाजनक है। .
लेकिन, कंप्यूटर का उपयोग करते समय भी, आपको सभी संभव को लागू करने के लिए एक प्रोग्राम लिखना होगा यदि ... फिर विशेष प्रोग्रामिंग भाषाओं में (उदाहरण के लिए, प्रोलॉग भाषा)। तार्किक समस्याओं को हल करने के लिए ये भाषाएं महान हैं, लेकिन सामान्य गणनाओं के लिए व्यावहारिक रूप से अनुपयुक्त हैं। यदि हम मिनिमैक्स विधि का उपयोग करते हैं, तो संपूर्ण काठी बिंदु खोज एल्गोरिथ्म पास्कल या C++ में 5...10 प्रोग्राम लाइनों से अधिक नहीं लेगा।
एक खेल के एक और सरल उदाहरण पर विचार करें, लेकिन बिना सैडल पॉइंट के।
| सी 1 | सी2 | |
|---|---|---|
| एस 1 | −3000 | +7000 |
| एस 2 | +6000 | +1000 |
तालिका 3.8
हमारे लिए इस मामले में कार्य (और हमारे उचित प्रतियोगी के लिए) रणनीतियों को बदलना होगा, उनमें से ऐसे संयोजन को खोजने की उम्मीद में, जिसमें भुगतान की गणितीय अपेक्षा या एक निश्चित संख्या में चाल के लिए औसत भुगतान होगा अधिकतम हो।
मान लीजिए कि हमने S 1 का उपयोग करके खेल में आधा चाल चलने का फैसला किया है और दूसरे आधे S 2 के साथ। बेशक, हम यह नहीं जान सकते कि प्रतियोगी उसकी दो रणनीतियों में से किसका उपयोग करेगा, और इसलिए हमें उसके व्यवहार के दो चरम मामलों पर विचार करना होगा।
यदि हमारा प्रतियोगी हर समय C 1 का उपयोग करता है, तो हमारा लाभ 0.5 होगा। (−3000) + 0.5 । (+6000) = 1500 रिव्निया।
यदि वह हर समय C 2 का उपयोग करता है, तो अदायगी 0.5 होगी। (+7000) + 0.5। (+1000) = 4000 रिव्निया।
खैर, यह पहले से ही प्रतिबिंब के लिए, विश्लेषण के लिए एक अवसर है। अंत में, आप यह पता लगा सकते हैं कि यदि कोई प्रतियोगी मिश्रित रणनीति का भी उपयोग करता है तो हमारे पास क्या होगा? उत्तर पहले से ही तैयार है - हमारे पास कम से कम 1,500 रिव्निया की जीत होगी, क्योंकि उपरोक्त गणना में प्रतियोगी की मिश्रित रणनीतियों के सभी प्रकार शामिल हैं।
आइए प्रश्न को अधिक सामान्य रूप में रखें - क्या एक प्रतियोगी द्वारा मिश्रित रणनीतियों (सी 1 और सी 2 का संयोजन) के आवेदन की स्थितियों में हमारे लिए सबसे अच्छी मिश्रित रणनीति (एस 1 और एस 2 का संयोजन) है? गणितीय खेल सिद्धांत हमें इस प्रश्न का उत्तर सकारात्मक में देने की अनुमति देता है - एक इष्टतम मिश्रित रणनीति हमेशा मौजूद होती है, लेकिन यह न्यूनतम अपेक्षित भुगतान की गारंटी दे सकती है। ऐसी रणनीतियों की खोज के तरीके साहित्य में अच्छी तरह से विकसित और परिलक्षित होते हैं।
इस प्रकार, हमने फिर से खुद को एक निर्णय निर्माता की भूमिका में पाया - एक व्यवस्थित दृष्टिकोण बिना शर्त लाभ का नुस्खा नहीं दे सकता।
यह हम पर और केवल हमें तय करना है कि क्या सिफारिश का उपयोग करना है और खेल की इष्टतम रणनीति को लागू करना है, लेकिन साथ ही संभावित नुकसान के जोखिम को ध्यान में रखना है (जीतने की गारंटी केवल बहुत बड़ी संख्या में होगी चाल)।
आइए सर्वोत्तम मिश्रित रणनीति की खोज का प्रदर्शन करके अंतिम उदाहरण पर विचार समाप्त करें।
आइए हम रणनीति S 1 को आवृत्ति के साथ, और रणनीति S 2 को आवृत्ति (1 - ) के साथ लागू करें।
तब हमारी जीत होगी
डब्ल्यू (सी 1) = । (−3000) + (1 - ) । (+6000) = 6000 - 9000। मैं
जब कोई प्रतियोगी रणनीति C 1 का उपयोग करता है
या हम जीतेंगे
डब्ल्यू (सी 1) = । (+7000) + (1 - ) । (+1000) = 1000 + 6000। मैं
जब कोई प्रतियोगी रणनीति C 2 लागू करता है।
गेम थ्योरी हमें स्थिति से हमारे लिए सबसे अच्छी रणनीति खोजने की अनुमति देती है
| डब्ल्यू (सी 1) = डब्ल्यू (सी 2) | {3.16} |
जो सर्वोत्तम मूल्य ε = 1/3 और (−3000) में अदायगी के अपेक्षित मूल्य की ओर ले जाता है। (1/3) + (+6000) । (2/3) = 3000 रिव्निया।
इस वर्ग में विरोध (प्रतियोगिता) के साथ प्रणालियों का विश्लेषण करने की समस्याएं शामिल हैं, जो कि सार में खेल की तरह हैं, लेकिन एक विशेषता के साथ - "खेल के नियम" एक बिंदु पर स्थिर नहीं हैं - जो बेचा जाता है उसकी कीमत।
बोलीदाताओं की एक छोटी संख्या के साथ, ऊपर वर्णित गेम थ्योरी तकनीक काफी उपयुक्त हैं, लेकिन जब बोली लगाने वालों की संख्या बड़ी होती है और इससे भी बदतर, पहले से ज्ञात नहीं होता है, तो नीलामी में मॉडलिंग स्थितियों के लिए थोड़ा अलग तरीकों का उपयोग करना पड़ता है।
व्यापार के दो सबसे आम प्रकार हैं:
पहले बंद ट्रेडों के सबसे सरल उदाहरण पर विचार करें। आइए हम (ए) और हमारे प्रतियोगी (बी) सी 1 + सी 2 की कुल लागत के साथ दो वस्तुओं के लिए एक बंद नीलामी में भाग लें।
हमारे पास एक निःशुल्क योग S है और हम जानते हैं कि हमारे प्रतियोगी के पास बिल्कुल समान राशि है। साथ ही, स< C 1 + C 2 , то есть купить оба объекта без торгов не удастся.
हमें पहली और दूसरी वस्तुओं के लिए अपने स्वयं के मूल्य A 1, A 2 को प्रतिस्पर्धी से गुप्त रूप से निर्धारित करना चाहिए, जो उनके लिए अपनी कीमतों B 1, B 2 की पेशकश करेगा। कीमतों की घोषणा के बाद, वस्तु उस व्यक्ति के पास जाएगी जिसने उच्चतम मूल्य की पेशकश की, और यदि वे मेल खाते हैं, तो बहुत से। आइए मान लें कि हमारे और हमारे प्रतियोगी दोनों के पास सर्वोत्तम रणनीति चुनने का एक तरीका है (हमारे पास उपयुक्त शिक्षा है) .
तो - यह साबित किया जा सकता है कि हमारी तरफ से और विपरीत पक्ष से समान मुफ्त राशि के साथ, दोनों पक्षों के लिए एक इष्टतम मूल्य निर्धारण रणनीति है।
इसका सार (जैसे, हमारे लिए) निम्नलिखित तर्क से निर्धारित होता है। यदि हम पहली वस्तु खरीदने का प्रबंधन करते हैं, तो हमारी आय होगी (सी 1 - ए 1) या, यदि हम दूसरी खरीदते हैं, तो हमें आय होगी (सी 2 - ए 2)। तो, औसतन, हम लाभ की उम्मीद कर सकते हैं
| डी = 0.5। (सी 1 + सी 2 - ए 1 - ए 2) = 0.5। (सी 1 + सी 2 - एस) | {3.17} |
इस प्रकार, कीमतें निर्धारित करना हमारे लिए सबसे फायदेमंद है
ए 1 = सी 1 - डी = 0.5। (सी1 - सी2 + एस) ए 2 \u003d सी 2 - डी \u003d 0.5। (सी2 - सी1 + एस) |
{3.18} |
यदि उनमें से एक गणना द्वारा ऋणात्मक हो जाता है, तो हम इसे शून्य पर सेट करते हैं और सभी धन को किसी अन्य वस्तु के मूल्य में निवेश करते हैं।
लेकिन हमारे प्रतियोगी, समान मुफ्त राशि वाले और बिल्कुल उसी तरह से बहस करने वाले, वस्तुओं के लिए बिल्कुल समान मूल्य निर्धारित करेंगे। जैसा कि वे कहते हैं, ड्रा लड़ना! ठीक है, अगर प्रतियोगी के पास पेशेवर नहीं है
ज्ञान? खैर, उसके लिए इतना बुरा - हमारे पास एक प्रतियोगी की तुलना में अधिक आय होगी।
विशिष्ट उदाहरण। प्रत्येक के लिए मुफ्त फंड की राशि 10,000 रिव्निया है, पहली वस्तु की कीमत 7,500 है, दूसरी 10,000 रिव्निया है।
पहली वस्तु का मूल्य 0.5 पर सेट करें। (7500 - 10000 + 10000) = 3750 रिव्निया, और दूसरे 0.5 के लिए। (10000 - 7500 + 100000) = 6250 रिव्निया।
पहली या दूसरी वस्तु जीतने पर हमारी आय 3750 रिव्निया होगी। यदि वह वही इष्टतम रणनीति चुनता है तो वही आय प्रतियोगी की प्रतीक्षा करती है। लेकिन, अगर उसने ऐसा नहीं किया और पहली वस्तु 3500, और दूसरी 6000 रिव्निया (पैसे बचाने की कोशिश में!) पहले से ही 7500 रिव्निया की आय - 10,000 रिव्निया की कीमत के लिए आम मूल्य 17,500 में संपत्ति का अधिग्रहण !
बेशक, यदि बोली लगाने वालों की शुरुआती मात्रा समान नहीं है, वस्तुओं की संख्या बड़ी है और बोली लगाने वालों की संख्या बड़ी है, तो इष्टतम रणनीति खोजने की समस्या और अधिक जटिल हो जाती है, लेकिन फिर भी एक विश्लेषणात्मक समाधान होता है।
आइए अब हम दूसरी प्रकार की समस्या पर विचार करें, वह है खुली बोली (नीलामी) की। सभी समान दो वस्तुओं (समान कीमतों के साथ) को एक नीलामी में बेचे जाने दें जिसमें हम और हमारे प्रतियोगी भाग लेते हैं।
पहली समस्या के विपरीत, नि: शुल्क रकम अलग हैं और एस ए और एस बी बनाते हैं, उनमें से प्रत्येक (सी 1 + सी 2) से कम है और इसके अलावा, हमारे योग का अनुपात प्रतिस्पर्धी के योग से 0.5 से अधिक है, लेकिन 2 से कम।
मान लीजिए कि हम एक प्रतियोगी के "बटुए की मोटाई" को जानते हैं और, चूंकि हम अपने लिए इष्टतम रणनीति की तलाश कर रहे हैं, हमें परवाह नहीं है कि क्या वह हमारी वित्तीय क्षमताओं के बारे में भी जानता है।
हमारा काम यह है कि हमें पता होना चाहिए कि पहली वस्तु के लिए कीमत बढ़ाना कब बंद करना है। यह कार्य हल नहीं किया जा सकता है यदि हम नीलामी में हमारी भागीदारी के उद्देश्य को निर्धारित नहीं करते हैं (हमें याद है कि एक व्यवस्थित दृष्टिकोण के लिए इसकी आवश्यकता होती है)।
यहां संभावित विकल्प दिए गए हैं:
सबसे दिलचस्प स्थिति का तीसरा रूप है - हमारी रणनीति को खोजने के लिए जो सुनिश्चित करता है
| डी ए - डी बी = मैक्स | {3.19} |
चूंकि केवल दो वस्तुएं हैं, इसलिए पहली वस्तु के लिए बोली लगाने की प्रक्रिया में सब कुछ तय किया जाता है। हम एक प्रतियोगी द्वारा इस वस्तु के लिए मूल्य X की अगली पेशकश के जवाब में अपने कदम पर विचार करेंगे।
हम इसे दो तरीकों से करने के लिए दो रणनीतियों का उपयोग कर सकते हैं:
प्रतियोगी को पहली वस्तु के लिए अगली राशि X आवंटित करने दें। यदि हम एक छोटी राशि (न्यूनतम भत्ता ) नहीं जोड़ते हैं, तो प्रतियोगी को पहली वस्तु मिलेगी। इस मामले में, प्रतियोगी के पास आरक्षित राशि S B - X होगी। प्रतियोगी की आय होगी (Δ को ध्यान में रखे बिना) D B = C 1 - X।
अगर हमारी जेब में है तो हम दूसरी वस्तु जरूर खरीदेंगे
एस ए \u003d (एस बी - एक्स) + , यानी प्रतियोगी की तुलना में थोड़ा अधिक बचा है।
इसका मतलब है कि हमारे पास आय डी ए = सी 2 - (एस बी - एक्स) होगी और इस मामले में आय में अंतर होगा
लेकिन कुछ भी कम नहीं।
हम पहली वस्तु को खरीदने के लिए उसकी कीमत को X + के योग तक बढ़ा देंगे।
तब हमारी आय D A = C 1 - (X + ) होगी।
प्रतियोगी को S A - (X + ) + की राशि के लिए दूसरी वस्तु मिलेगी, क्योंकि उसे इस वस्तु की कीमत को उस स्तर तक बढ़ाना होगा, जो हमारे पास शेष धन से थोड़ा बड़ा है।
प्रतियोगी की आय होगी डी बी = सी 2 - (एस ए - (एक्स + Δ) + ), और आय में अंतर होगा (Δ को छोड़कर)
हमें यह जानने के लिए दो "चेकसम" मिले कि हमें उपलब्ध दो रणनीतियों में से एक का उपयोग कब करना है - अभिव्यक्ति (3.21) और (3.23)। इन मूल्यों का औसत होगा:
| के = (सी 1 - सी 2) / 2 + (एस ए - एस बी) / 4 | {3.24} |
और नीलामी में हमारी भागीदारी की रणनीतियों को बदलने के लिए एक उचित सीमा को परिभाषित करता है ताकि एक साथ अपने लिए अधिक आय और हमारे प्रतियोगी के लिए कम प्राप्त हो सके।
यदि हम इस सीमा पर पहली वस्तु प्राप्त करते हैं, तो (3.20):
डी ए - डी बी = सी 2 - सी 1 - एस बी + 2। के = 0.5। (एस ए - एस बी)।
डी ए - डी बी = सी 1 - सी 2 + एस ए - 2। के = 0.5। (एस ए - एस बी)।
संख्यात्मक डेटा के साथ की सुविधा के लिए, आइए वस्तुओं की मुफ्त मात्रा और कीमतें निर्धारित करें (इन वस्तुओं की हमारी समझ के अनुसार): एस ए = 100< 175; S B = 110 < 175; C 1 = 75; C 2 = 100;
0.5 < S A / S B
इस विशेष मामले में, पहली वस्तु के लिए "लड़ाई" की सीमा योग से होकर गुजरती है
के = -12.5 + 52.5 = $40
यदि हमारे प्रतियोगी को लगता है कि वस्तुएँ उसके लिए समान हैं (वह हमारी मुफ्त राशि जानता है, और हम उसकी मुफ्त राशि जानते हैं, लेकिन हमें और उसके पास अन्य जानकारी नहीं है), तो वह उसी सीमा की गणना करेगा और हम संतुष्ट रहेंगे आय में अंतर के साथ आपके पक्ष में नहीं: डी ए - डी बी = सी 1 - सी 2 + एस ए - 2। के = 0.5। (एस ए - एस बी) = -5।
क्या करें - एक प्रतियोगी के पास बड़ी स्टार्ट-अप पूंजी होती है।
लेकिन, शायद, हमारे प्रतियोगी (खुद के लिए खेलते हुए) वस्तुओं की लागत को पूरी तरह से अलग मानेंगे और उसके लिए सीमा पूरी तरह से अलग होगी। या - इस नीलामी में एक प्रतियोगी का लक्ष्य हमारे से बिल्कुल अलग है, जो पहली वस्तु के लिए नीलामी में भाग लेने के लिए एक अलग सीमा भी निर्धारित करेगा। दूसरे शब्दों में, एक प्रतियोगी के लिए इष्टतम रणनीति हमारे लिए पूरी तरह से अज्ञात है।
फिर यह सब इस बात पर निर्भर करता है कि वह हमें पहली वस्तु कितना "दे" देगा या, इसके विपरीत, वह इसके लिए किस हद तक "लड़ाई" देगा। निम्न तालिका इस निष्कर्ष को दर्शाती है।
| प्रति वस्तु 1 नीलामी सीमित करें | 1 संपत्ति का मालिक | आय डी ए | आय डी बी | अंतर डी ए - डी बी |
|---|---|---|---|---|
| 20 | ए | 55 | 20 | 35 |
| 30 | ए | 45 | 30 | 10 |
| 35 | ए | 40 | 35 | 5 |
| 40 | ए | 35 | 40 | −5 |
| 40 | बी | 25 | 35 | −5 |
| 45 | बी | 35 | 30 | 5 |
| 50 | बी | 40 | 25 | 15 |
| 55 | बी | 45 | 20 | 25 |
| 60 | बी | 50 | 15 | 40 |
| 75 | बी | 75 | 0 | 75 |
तालिका 3.9
खुली निविदाओं - नीलामी के प्रश्न को समाप्त करते हुए, हम ध्यान दें कि वास्तविक परिस्थितियों में मॉडलिंग और इष्टतम व्यवहार रणनीति चुनने का कार्य बहुत कठिन हो जाता है।
मुद्दा केवल इतना ही नहीं है कि वस्तुओं की संख्या दो से अधिक हो सकती है, बल्कि प्रतिभागियों की संख्या के लिए, यह बड़ी भी हो सकती है और यहां तक कि हमेशा पहले से ज्ञात नहीं भी हो सकती है। यह "हाथ से" मॉडलिंग करते समय विशुद्ध रूप से मात्रात्मक कठिनाइयों को जन्म देगा, लेकिन कंप्यूटर सिमुलेशन कार्यक्रमों का उपयोग करते समय एक विशेष भूमिका नहीं निभाता है।
बात अलग है - अधिकांश भाग के लिए स्थिति हमारे प्रतिस्पर्धियों की अनिश्चितता, स्टोकेस्टिक व्यवहार से जटिल है। खैर, हमें स्वयं मात्राओं (आदेशित मूल्य, आय, आदि) से नहीं निपटना होगा, बल्कि संभाव्य मॉडल से गणना की गई उनकी गणितीय अपेक्षाओं के साथ, या टिप्पणियों या सांख्यिकीय प्रयोगों से प्राप्त औसत मूल्यों से निपटना होगा।
सिस्टम विश्लेषण के लक्ष्यों और विधियों के बारे में प्रश्नों के विचार की शुरुआत में भी, हमें ऐसी स्थितियां मिलीं, जिनमें सिस्टम के एक तत्व, एक सबसिस्टम और सिस्टम को पूरी तरह से विश्लेषणात्मक रूप से समीकरणों की प्रणालियों का उपयोग करके वर्णित करना संभव नहीं है। कम से कम असमानता।
दूसरे शब्दों में, हम हमेशा किसी भी स्तर पर एक विशुद्ध रूप से गणितीय मॉडल का निर्माण नहीं कर सकते - एक प्रणाली का एक तत्व, एक उपप्रणाली, या समग्र रूप से प्रणाली।
ऐसी प्रणालियों को कभी-कभी बहुत उपयुक्त रूप से "खराब संगठित" या "ढीला संरचित" कहा जाता है।
ऐसा ही हुआ कि न्यूटन के बाद लगभग 200 वर्षों तक, विज्ञान में "शुद्ध" या एक-कारक प्रयोग की संभावना पर स्थिति को अडिग माना जाता था। यह मान लिया गया था कि Y = f(X) के मान की निर्भरता को स्पष्ट करने के लिए, यहां तक कि कई अन्य चरों पर Y की स्पष्ट निर्भरता के साथ, X को छोड़कर सभी चर को स्थिर करना और "व्यक्तिगत" खोजना हमेशा संभव होता है। Y पर X का प्रभाव
केवल अपेक्षाकृत हाल ही में (वी। वी। नलिमोव के कार्यों को देखें) खराब रूप से व्यवस्थित या, जैसा कि उन्हें भी कहा जाता है, बड़ी प्रणालियों को काफी "वैध रूप से" एक विशेष वातावरण माना जाने लगा, जिसमें न केवल सिस्टम के भीतर कनेक्शन, बल्कि सबसे प्राथमिक प्रक्रियाएं भी हैं। अज्ञात हैं।
ऐसी प्रणालियों (मुख्य रूप से सामाजिक, और इसलिए आर्थिक) का विश्लेषण एकल, वैज्ञानिक रूप से आधारित दृष्टिकोण के साथ संभव है - हमारे लिए छिपे हुए, अज्ञात कारणों और प्रक्रियाओं के नियमों की पहचान। अक्सर ऐसे कारणों को गुप्त कारक कहा जाता है, और प्रक्रियाओं के विशेष गुणों को गुप्त संकेत कहा जाता है।
दो मौलिक रूप से भिन्न दृष्टिकोणों या विधियों का उपयोग करके ऐसी प्रणालियों का विश्लेषण करने की संभावना की खोज की गई है और इसे आम तौर पर मान्यता प्राप्त माना जाता है।
यह दिलचस्प है कि दोनों विधियों, उनके बीच पूर्ण अंतर के बावजूद, का उपयोग किया जा सकता है और एक ही सिस्टम के सिस्टम विश्लेषण में सफलतापूर्वक उपयोग किया जाता है।
इसलिए, उदाहरण के लिए, मानव बौद्धिक गतिविधि का अध्ययन "फिशर" विधि द्वारा किया जाता है - कई मनोवैज्ञानिक, जैसे वी.वी. नलिमोव, "हमें यकीन है कि वे कई परीक्षण परीक्षणों के परिणामों को समझने में सक्षम होंगे।"
दूसरी ओर, तथाकथित का निर्माण। आर्टिफिशियल इंटेलिजेंस सिस्टम ऐसे कंप्यूटर प्रोग्राम बनाने का प्रयास है जो मानसिक गतिविधि के क्षेत्र में मानव व्यवहार की नकल करते हैं, अर्थात। "वीनर" विधि का अनुप्रयोग।
यह समझना आसान है कि आर्थिक प्रणालियों को, सबसे अधिक संभावना है, ठीक से खराब संगठित के रूप में वर्गीकृत किया जाना चाहिए - मुख्यतः क्योंकि उनमें से एक प्रकार के तत्वों में से एक व्यक्ति है। और यदि ऐसा है, तो यह आश्चर्य की बात नहीं है कि अर्थव्यवस्था में सिस्टम विश्लेषण के लिए एक "प्राकृतिक" प्रयोग की आवश्यकता होगी।
सबसे सरल मामले में, हम आर्थिक प्रणाली के कुछ तत्वों के बारे में बात कर सकते हैं, जिसके बारे में हम केवल बाहरी प्रभावों (तत्व के सामान्य कामकाज के लिए क्या आवश्यक है) और इसकी आउटपुट प्रतिक्रियाओं (इस तत्व को "क्या करना चाहिए") के बारे में जानते हैं।
एक अर्थ में ऐसे तत्व को "ब्लैक बॉक्स" मानने का विचार ही हितकर है। इस विचार का उपयोग करते हुए, हम स्वीकार करते हैं कि हम तत्व के अंदर की प्रक्रियाओं का पता लगाने में सक्षम नहीं हैं और इस तरह के ज्ञान के बिना इसके मॉडल का निर्माण करने की आशा करते हैं।
एक उत्कृष्ट उदाहरण को याद करें - मानव शरीर में पाचन की प्रक्रियाओं की अज्ञानता हमें "आउटपुट" संकेतकों (शरीर के वजन) को ध्यान में रखते हुए "इनपुट" (भोजन, आहार, आदि) के अनुसार अपने भोजन को व्यवस्थित करने से नहीं रोकती है। कल्याण, और अन्य)।
इसलिए, "क्या करना है" के संदर्भ में हमारे इरादे काफी विशिष्ट हैं - हम तत्व के इनपुट पर विभिन्न बाहरी, नियंत्रण क्रियाओं को लागू करने जा रहे हैं और इन प्रभावों पर इसकी प्रतिक्रियाओं को मापेंगे।
अब हमें उतना ही स्पष्ट रूप से निर्णय लेने की आवश्यकता है - हम ऐसा क्यों करेंगे, हम क्या पाने की आशा रखते हैं। यह प्रश्न आसान नहीं है - बहुत कम ही आप अपनी जिज्ञासा को संतुष्ट करने का जोखिम उठा सकते हैं। एक नियम के रूप में, एक वास्तविक आर्थिक प्रणाली पर प्रयोग स्वयं प्रयोग के लिए कुछ लागतों से जुड़ी एक मजबूर प्रक्रिया है और इसके अलावा, अपूरणीय नकारात्मक परिणामों के जोखिम के साथ।
ऐसी स्थितियों में सैद्धांतिक औचित्य और कार्रवाई के तरीके साइबरनेटिक्स की एक विशेष शाखा का विषय हैं - प्रयोग योजना का सिद्धांत।
आइए शब्दावली पर सहमत हों:
नियोजित प्रयोग के उद्देश्य को समझना बहुत जरूरी है। अंत में, हमें तत्व में ही "इनपुट-आउटपुट" श्रृंखला में प्रक्रियाओं की प्रकृति के बारे में कोई जानकारी नहीं मिल सकती है।
लेकिन अगर हम तत्व पर हमारे लिए उपलब्ध कुछ क्रियाओं की उपयोगिता का पता लगाते हैं और सुनिश्चित करते हैं कि प्राप्त परिणाम विश्वसनीय हैं, तो हम प्रयोग के मुख्य लक्ष्य को प्राप्त करेंगे - तत्व को नियंत्रित करने के लिए इष्टतम रणनीति खोजना। यह समझना आसान है कि "नियंत्रण क्रिया" की अवधारणा बहुत व्यापक है - सबसे सामान्य आदेशों से लेकर ऊर्जा या सूचना "शक्ति" स्रोतों को किसी तत्व से जोड़ने तक।
यह पता चला है कि एक प्रयोग योजना की तैयारी के लिए कुछ ज्ञान और कुछ योग्यताओं की आवश्यकता होती है।
अनुभव से पता चला है कि योजना में निम्नलिखित चार घटकों को शामिल करना समझ में आता है:
प्रायोगिक डिजाइन के घटकों पर सावधानीपूर्वक विचार करने से पता चलता है कि इसके कार्यान्वयन के लिए विज्ञान के विभिन्न क्षेत्रों में ज्ञान की आवश्यकता होती है, भले ही हम आर्थिक प्रणाली के बारे में बात कर रहे हों - जिस क्षेत्र में आप पेशेवर प्रशिक्षण प्राप्त करते हैं। इसलिए, नियंत्रण क्रियाओं का चयन करते समय, कोई भी प्रौद्योगिकी के क्षेत्र में न्यूनतम ज्ञान के बिना नहीं कर सकता (यह हमेशा शुद्ध अर्थशास्त्र नहीं होता है), बहुत बार कानूनी कानूनों और पारिस्थितिकी के क्षेत्र में ज्ञान की आवश्यकता होती है। तीसरे घटक को लागू करने के लिए, गणितीय सांख्यिकी के क्षेत्र में ज्ञान नितांत आवश्यक है, क्योंकि किसी को यादृच्छिक चर के वितरण की अवधारणाओं, उनकी गणितीय अपेक्षाओं और भिन्नताओं का उपयोग करना होता है। ऐसी स्थितियाँ उत्पन्न हो सकती हैं जिनमें आँकड़ों के गैर-पैरामीट्रिक तरीकों के उपयोग की आवश्यकता होती है।
एक प्रयोग को डिजाइन करने की कठिनाइयों और प्रयोग के परिणामों का उपयोग करने के तरीके को समझने की आवश्यकता को प्रदर्शित करने के लिए, आइए एक सरल उदाहरण पर विचार करें।
मान लीजिए कि हम एक फर्म के सिस्टम विश्लेषण में लगे हुए हैं जो "ब्रांडेड" स्टोर के नेटवर्क के माध्यम से व्यापार करता है और इस तरह के सिस्टम के एक तत्व के समान आउटपुट संकेतक (उदाहरण के लिए, फर्म के स्टोर का दैनिक राजस्व) का निरीक्षण करने का अवसर मिलता है। .
इस सूचक को बढ़ाने का एक तरीका खोजने का प्रयास करना स्वाभाविक है, और यदि ऐसे कई तरीके हैं, तो सबसे अच्छा चुनें। मान लीजिए कि, प्रयोग डिजाइन नियमों के पहले पैराग्राफ के अनुसार, हम चार स्टोर प्रबंधन रणनीतियों का परीक्षण करने का निर्णय लेते हैं। चूंकि ऐसा निर्णय लिया गया है, इसलिए यदि सिस्टम में बहुत सारे हैं तो प्रयोग को एक तत्व तक सीमित करना अनुचित है और हमें यकीन नहीं है कि कंपनी के सभी स्टोरों की काम करने की स्थिति "समतुल्य" है।
मान लें कि हमारे पास एन स्टोर हैं - "बड़े पैमाने पर" प्रयोग करने के लिए पर्याप्त है, लेकिन उन्हें एक ही प्रकार के लिए जिम्मेदार नहीं ठहराया जा सकता है। उदाहरण के लिए, हम चार प्रकार के स्टोरों में अंतर कर सकते हैं: ए, बी, सी, और डी (फार्मेसी, किराना, वोदका, और हैबरडशरी)।
यह भी स्पष्ट है (हालाँकि इसके लिए आपको ट्रेडिंग तकनीक के बारे में थोड़ा समझने की आवश्यकता है) कि स्टोर का राजस्व सप्ताह के दिन पर काफी हद तक निर्भर हो सकता है - सभी दुकानों के कार्य दिवस होने दें: बुध, शुक्र, शनि, सूर्य।
पहला, "सरल" समाधान जो दिमाग में आता है, वह है एन से यादृच्छिक रूप से कुछ स्टोर चुनना (उनकी संख्या के एक समान वितरण का उपयोग करके) और कुछ समय के लिए उन्हें प्रबंधित करने के लिए एक नई रणनीति लागू करना। लेकिन उतना ही सरल तर्क इस विचार की ओर ले जाता है कि यह सबसे अच्छा समाधान नहीं होगा।
दरअसल, हम सिस्टम के तत्वों को कई मायनों में "बराबर" मानते हैं:
और, साथ ही, हम स्वयं वस्तुओं को समूहों में विभाजित करते हैं और इस प्रकार विभिन्न समूहों के लिए बाहरी कार्य परिस्थितियों में अंतर को पहचानते हैं। एससीसीए की भाषा में, इसका मतलब है कि बिक्री प्रबंधन का पेशेवर ज्ञान हमें यह मानने में मदद करता है कि कम से कम दो कारण या कारक हैं जो राजस्व को प्रभावित कर सकते हैं: स्टोर की उत्पाद प्रोफ़ाइल और सप्ताह का दिन। न तो स्थिर किया जा सकता है - अन्यथा हम कुछ और देखेंगे: केवल वोदका की दुकानों को प्रबंधित करने की रणनीति और केवल शुक्रवार को! और हमारा काम सभी दुकानों के प्रबंधन के लिए और उनके काम के किसी भी दिन के लिए एक रणनीति खोजना है।
हम इस समस्या को निम्नलिखित तरीके से हल करना चाहते हैं: यादृच्छिक रूप से स्टोर के दोनों समूहों और सप्ताह के दिनों को चुनने के लिए, लेकिन रणनीति परीक्षण आउटपुट डेटा की प्रतिनिधित्व की गारंटी (अब संयोग से नहीं!)
प्रयोगात्मक डिजाइन का सिद्धांत इस समस्या को हल करने के लिए एक विशिष्ट विधि प्रदान करता है, प्रयोगात्मक डिजाइन की यादृच्छिकता या यादृच्छिकरण सुनिश्चित करने की विधि। यह विधि एक विशेष तालिका के निर्माण पर आधारित है, जिसे आमतौर पर लैटिन वर्ग कहा जाता है, यदि कारकों की संख्या दो है।
हमारे उदाहरण के लिए, रणनीतियों की संख्या 4 के साथ, लैटिन वर्ग एक तालिका की तरह दिख सकता है। 3.10 या टैब। 3.11.
तालिका 3.11
पहली तालिका के सेल में सप्ताह के दिनों के लिए रणनीतियों की संख्या और किसी दिए गए प्रोफ़ाइल के स्टोर होते हैं, और इस तरह की एक प्रयोग योजना प्रत्येक ट्रेडिंग प्रोफ़ाइल में और स्टोर के प्रत्येक दिन प्रत्येक रणनीति के परीक्षण की गारंटी देती है।
बेशक, इस तरह की एक से अधिक झांकी (वर्ग) बनाई जा सकती हैं - कॉम्बिनेटरिक्स के नियम हमें "4" प्रकार के लैटिन वर्गों की कुल संख्या का पता लगाने की अनुमति देते हैं। 4" है और यह संख्या 576 है। वर्ग के लिए "3 . 3" वर्ग के लिए केवल 12 विकल्प हैं "5. 5" - पहले से ही 161280 विकल्प।
सामान्य स्थिति में, टी रणनीतियों और दक्षता निर्धारित करने वाले दो कारकों को देखते हुए, एन = ए की आवश्यकता होगी। प्रयोग योजना को लागू करने के लिए टी 2 तत्व, जहां एक सरलतम मामले में 1 के बराबर है।
इसका मतलब यह है कि हमारे उदाहरण के लिए, हमें 16 "प्रबंधित" स्टोर का उपयोग करने की आवश्यकता है, क्योंकि हमारे लैटिन वर्ग की दूसरी पंक्ति और तीसरे कॉलम में डेटा का मतलब है कि रणनीति नंबर 1 को यादृच्छिक रूप से चयनित ग्रॉसर्स में से एक पर लागू किया जाएगा। शनिवार।
ध्यान दें कि हमारे उदाहरण के लिए लैटिन वर्ग पूरी तरह से अलग तरीके से बनाया जा सकता है - तालिका 3.11 के रूप में, लेकिन फिर भी प्रयोग के समान, यादृच्छिक डिजाइन का निर्धारण करेगा।
मान लीजिए कि हमने एक प्रयोग किया और उसके परिणाम निम्न तालिका के रूप में प्राप्त किए, जिनकी कोशिकाओं में रणनीतियों और उनके आवेदन के परिणाम दैनिक राजस्व राशि के रूप में दर्शाए गए हैं:
| दिन | दुकानें | जोड़ | |||
|---|---|---|---|---|---|
| लेकिन | बी | पर | जी | ||
| सूरज | 2:47 | 1:90 | 3:79 | 4:50 | 266 |
| बुध | 4:46 | 3:74 | 2:63 | 1:69 | 252 |
| शुक्र | 1:62 | 2:61 | 4:58 | 3:66 | 247 |
| बैठा | 3:76 | 4:63 | 1:87 | 2:59 | 285 |
| जोड़ | 231 | 288 | 287 | 244 | 1050 |
| रणनीतियों द्वारा कुल | 1 | 2 | 3 | 4 | 1050 / 4 =262.5 |
| 308 | 230 | 295 | 217 | ||
तालिका 3.12
यदि हम दैनिक राजस्व मूल्यों (दिन, स्टोर और रणनीति के अनुसार) के चौगुने के लिए अपेक्षित औसत, भिन्नता और मानक विचलन की गणना करते हैं, तो हमारे पास निम्नलिखित डेटा होगा:
तालिका 3.12ए
पहले से ही प्रायोगिक डेटा का ऐसा आदिम सांख्यिकीय प्रसंस्करण हमें कई महत्वपूर्ण निष्कर्ष निकालने की अनुमति देता है:
यह एक यादृच्छिक योजना का उपयोग करने, लैटिन वर्ग के निर्माण का प्रत्यक्ष व्यावहारिक परिणाम है।
लेकिन वह सब नहीं है। प्रयोग योजना का सिद्धांत, योजनाओं के निर्माण के तरीकों के अलावा, अन्य कारकों द्वारा हमारे लिए ब्याज के मूल्य पर संभावित प्रभावों को ध्यान में रखते हुए, प्राप्त प्रयोगात्मक डेटा को संसाधित करने के लिए विशेष तरीके भी प्रदान करता है।
इन विधियों के सार को निम्नानुसार दर्शाया जा सकता है।
माना W, i-th स्टोर में राजस्व है जब s-th नियंत्रण रणनीति उस पर लागू होती है। इस राजस्व को घटकों के योग के रूप में माना जाता है
| डब्ल्यू = डब्ल्यू 0 + एस + आई . है | {3.25} |
निरंतर बाहरी प्रभावित करने वाले कारकों के अनुपालन की स्पष्ट अवास्तविकता के बावजूद, हम प्रत्येक शब्द का अनुमान प्राप्त कर सकते हैं और अवलोकन त्रुटि को ध्यान में रखते हुए, इसके आवेदन से वृद्धि के माध्यम से इष्टतम रणनीति की तलाश कर सकते हैं। हम के वितरण की "सामान्यता" को सिद्ध मान सकते हैं और प्रयोग के परिणामों के आधार पर निर्णय लेते समय "तीन सिग्मा नियम" का उपयोग कर सकते हैं।
यह पैराग्राफ अंतिम है और अब सिस्टम विश्लेषण के तरीकों की एक और विशेषता को उजागर करना संभव नहीं होगा, आपको आर्थिक प्रणाली प्रबंधन के क्षेत्र में पेशेवर स्तर प्राप्त करने का एक और तरीका दिखाने के लिए।
यह पहले से ही स्पष्ट है कि TSCA अपनी अधिकांश प्रथाओं को गणितीय आँकड़ों के मंच पर आधारित करता है। कुछ हद तक आपके कामकाजी पाठ्यक्रम (गणितीय सांख्यिकी का पाठ्यक्रम अगले सेमेस्टर में हमारे सहयोग का विषय है) का अनुमान लगाते हुए, आइए इस विज्ञान के आधुनिक अभिधारणाओं की ओर मुड़ें।
आमतौर पर यह माना जाता है कि आज सांख्यिकीय डेटा का उपयोग करने वाली समस्याओं को हल करने के लिए तीन दृष्टिकोण हैं।
वर्तमान में, ये सभी दृष्टिकोण काफी सख्ती से वैज्ञानिक रूप से प्रमाणित हैं और व्यावहारिक क्रियाओं के सिद्ध तरीकों से "सुसज्जित" हैं।
लेकिन ऐसी स्थितियां होती हैं जब हम एक नहीं, बल्कि प्रक्रिया के कई संकेतकों में रुचि रखते हैं और इसके अलावा, हमें प्रक्रिया को प्रभावित करने वाले कई प्रभावों की उपस्थिति पर संदेह होता है - ऐसे कारक जो देखने योग्य, छिपे हुए या अव्यक्त नहीं हैं।
कारक विश्लेषण के सार को समझने के मामले में सबसे दिलचस्प और उपयोगी - इन स्थितियों में समस्याओं को हल करने की एक विधि, प्रकृति द्वारा किए गए एक प्रयोग में टिप्पणियों का उपयोग करने का उदाहरण है। यहां किसी भी योजना की बात नहीं हो सकती है - हमें करना है एक निष्क्रिय प्रयोग से संतुष्ट रहें।
आश्चर्यजनक रूप से, इन "कठिन" परिस्थितियों में भी, TSCA ऐसे कारकों की पहचान करने, कमजोर लोगों की जांच करने और इन कारकों पर सिस्टम प्रदर्शन संकेतकों की प्राप्त निर्भरता के महत्व का आकलन करने के लिए तरीके प्रदान करता है।
आइए हम कुछ आर्थिक प्रणाली की दक्षता के प्रत्येक k मापने योग्य संकेतकों के लिए n अवलोकन करें और इन अवलोकनों के डेटा को मैट्रिक्स (तालिका) E (3.26) के रूप में प्रस्तुत करें।
आइए मान लें कि सिस्टम की दक्षता अन्य से प्रभावित होती है - अप्राप्य, लेकिन आसानी से व्याख्या करने योग्य (अर्थ, कारण और प्रभाव के तंत्र के संदर्भ में व्याख्या करने योग्य) मूल्य - कारक।
आइए हम तुरंत महसूस करें कि बड़े n और ऐसे कारकों की संख्या जितनी छोटी होगी m (या शायद वे बिल्कुल भी मौजूद नहीं हैं!), हमारे लिए ब्याज के संकेतक E पर उनके प्रभाव का आकलन करने की आशा उतनी ही अधिक होगी।
स्थिति की आवश्यकता को समझना उतना ही आसान है m
आइए प्रारंभिक अवलोकन मैट्रिक्स E पर वापस लौटें और ध्यान दें कि वास्तव में, हमारे पास k यादृच्छिक चर E 1 , E 2 , ... E k में से प्रत्येक पर n टिप्पणियों का एक सेट है। यह ऐसी मात्राएँ हैं जो एक-दूसरे से संबंधित होने के "संदिग्ध" हैं - या परस्पर सहसंबद्ध होने के कारण।
इस तरह के संबंधों के आकलन के लिए पहले से मानी गई विधि से, यह निम्नानुसार है कि एक यादृच्छिक चर ई के प्रसार का माप इसका विचरण है, जो इस मात्रा के सभी पंजीकृत मूल्यों के वर्गों के योग से निर्धारित होता है (ई ij ) 2 और इसका औसत मूल्य (एक कॉलम पर योग किया जाता है)।
यदि हम मूल प्रेक्षण मैट्रिक्स में चरों के परिवर्तन को लागू करते हैं, अर्थात ई के बजाय हम यादृच्छिक चर का उपयोग करेंगे
| एक्स आईजे = (ई आईजी - एम (ई आई)) / एस (ई आई) | {3.27} |
फिर हम मूल मैट्रिक्स को एक नए, X (3.28) में बदल देते हैं
ध्यान दें कि नए मैट्रिक्स X के सभी तत्व आयाम रहित, सामान्यीकृत मान होंगे, और यदि X ij का एक निश्चित मान, उदाहरण के लिए, +2 है, तो इसका केवल एक ही अर्थ होगा - पंक्ति j में विचलन है कॉलम I में औसत से दो मानक विचलन (बड़ी तरफ)।
आइए अब निम्नलिखित ऑपरेशन करें।
इस मैट्रिक्स में मुख्य विकर्ण पर यादृच्छिक चर X i का फैलाव है, और इन चरों के सहप्रसरण (i = 1...k) अन्य तत्वों के रूप में हैं।
यदि हमें याद है कि यादृच्छिक चर के संबंधों को न केवल सहसंयोजकों द्वारा वर्णित किया जा सकता है, बल्कि सहसंबंध गुणांक द्वारा भी वर्णित किया जा सकता है, तो मैट्रिक्स (3.29) के साथ पत्राचार में हम युग्मित सहसंबंध गुणांक या सहसंबंध मैट्रिक्स आर (3.30) के मैट्रिक्स को रख सकते हैं। जिसमें विकर्ण पर 1 होते हैं, और ऑफ-विकर्ण तत्व सामान्य जोड़ी सहसंबंध गुणांक होते हैं।
तो, मान लेते हैं कि प्रेक्षित चर E एक दूसरे से स्वतंत्र हैं, अर्थात्। मैट्रिक्स आर विकर्ण देखने की उम्मीद है, मुख्य विकर्ण पर और कहीं और शून्य के साथ। यदि अभी ऐसा नहीं है, तो अव्यक्त कारकों की उपस्थिति के बारे में हमारे अनुमानों की कुछ हद तक पुष्टि हो चुकी है।
लेकिन कैसे सुनिश्चित करें कि हम सही हैं, हमारी परिकल्पना की विश्वसनीयता का आकलन करने के लिए - कम से कम एक अव्यक्त कारक की उपस्थिति के बारे में, मुख्य (देखे गए) चर पर इसके प्रभाव की डिग्री का आकलन कैसे करें? और अगर, इसके अलावा, ऐसे कई कारक हैं, तो उन्हें प्रभाव की डिग्री के अनुसार कैसे रैंक किया जाए?
ऐसे व्यावहारिक प्रश्नों के उत्तर प्रदान करने के लिए कारक विश्लेषण का उद्देश्य है। यह सांख्यिकीय मॉडलिंग की उसी "सर्वव्यापी" पद्धति पर आधारित है (वी.वी. नलिमोव की आलंकारिक अभिव्यक्ति के अनुसार - एक सिद्धांत के बजाय एक मॉडल)।
ऐसे प्रश्नों को स्पष्ट करने में विश्लेषण की आगे की प्रक्रिया इस बात पर निर्भर करती है कि हम किस मैट्रिक्स का उपयोग करेंगे। यदि सहप्रसरण मैट्रिक्स सी है, तो हम प्रमुख घटकों की विधि से निपट रहे हैं, लेकिन यदि हम केवल मैट्रिक्स आर का उपयोग करते हैं, तो हम इसके "शुद्ध" रूप में कारक विश्लेषण पद्धति का उपयोग करते हैं।
मुख्य बात यह समझना बाकी है - ये दोनों विधियां क्या अनुमति देती हैं, उनका अंतर क्या है और उनका उपयोग कैसे करें। दोनों विधियों का उद्देश्य एक ही है - अव्यक्त चर (कारकों) की उपस्थिति के बहुत तथ्य को स्थापित करना, और यदि वे पाए जाते हैं, तो मुख्य चर ई पर उनके प्रभाव का मात्रात्मक विवरण प्राप्त करना।
प्रमुख घटकों की खोज के पीछे तर्क इस प्रकार है। हम मानते हैं कि असंबद्ध चर Z j (j = 1..k) की उपस्थिति है, जिनमें से प्रत्येक को मुख्य चर के संयोजन द्वारा दर्शाया गया है (i = 1..k पर योग):
| जेड जे = (ए जी। एक्स आई) | {3.31} |
और, इसके अलावा, एक ऐसा फैलाव है कि डी (जेड 1) ≥ डी (जेड 2) ≥ ... ≥ डी (जेड के)।
गुणांक ए जी की खोज (उन्हें i-वें चर की सामग्री में जे-वें घटक का भार कहा जाता है) मैट्रिक्स समीकरणों को हल करने के लिए कम हो जाती है और कंप्यूटर प्रोग्राम का उपयोग करते समय विशेष रूप से मुश्किल नहीं होती है। लेकिन विधि का सार बहुत ही रोचक है और इस पर रहने लायक है।
जैसा कि वेक्टर बीजगणित से जाना जाता है, एक विकर्ण मैट्रिक्स को दो-आयामी अंतरिक्ष में 2 बिंदुओं (अधिक सटीक, एक वेक्टर) के विवरण के रूप में माना जा सकता है, और आकार के समान मैट्रिक्स को k बिंदुओं के विवरण के रूप में माना जा सकता है। k- आयामी स्थान।
तो, वास्तविक के प्रतिस्थापन, हालांकि सामान्यीकृत चर X i बिल्कुल समान संख्या में चर Z j का अर्थ बहुआयामी अंतरिक्ष के k अक्षों के रोटेशन से ज्यादा कुछ नहीं है।
कुल्हाड़ियों को एक-एक करके "फेंकते हुए", हम पहले वह पाते हैं जहां अक्ष के साथ फैलाव सबसे बड़ा होता है। फिर हम शेष k−1 कुल्हाड़ियों के लिए प्रसरणों की पुनर्गणना करते हैं और फिर से विचरण के संदर्भ में "अक्ष-चैंपियन" पाते हैं, और इसी तरह।
लाक्षणिक रूप से बोलते हुए, हम तीन अक्षों के साथ एक घन (3-आयामी स्थान) में देखते हैं और पहले हम उस दिशा की तलाश करते हैं जहां हम सबसे बड़ा "कोहरा" देखते हैं (सबसे बड़ा फैलाव किसी बाहरी चीज़ के सबसे बड़े प्रभाव को इंगित करता है); फिर हम शेष दो अक्षों के साथ छवि को "औसत" करते हैं और उनमें से प्रत्येक के लिए डेटा के प्रसार की तुलना करते हैं - हम "औसत" और "बाहरी" पाते हैं। अब यह समीकरणों की प्रणाली को हल करने के लिए बनी हुई है - हमारे उदाहरण में 9 चर के लिए, गुणांक (वजन) ए के मैट्रिक्स को खोजने के लिए।
यदि गुणांक ए जी पाए जाते हैं, तो हम मुख्य चर पर लौट सकते हैं, क्योंकि यह साबित हो गया है कि वे विशिष्ट रूप से रूप में व्यक्त किए गए हैं (ज = 1...k पर योग)
| एक्स आई = ∑ (ए जी। जेड जे) | {3.32} |
भार मैट्रिक्स ए को खोजने के लिए एक कॉन्वर्सिस मैट्रिक्स और एक सहसंबंध मैट्रिक्स के उपयोग की आवश्यकता होती है।
इस प्रकार, मुख्य घटकों की विधि मुख्य रूप से इस मायने में भिन्न होती है कि यह हमेशा समस्या का एक अनूठा समाधान देती है। सच है, इस निर्णय की व्याख्या अजीबोगरीब है।
यह उत्तर उचित है - इस कारक का विचरण अन्य सभी में तीसरा सबसे बड़ा निकला। बस इतना ही... इस मामले में और कुछ हासिल नहीं किया जा सकता। एक और बात यह है कि यह निष्कर्ष हमारे लिए उपयोगी साबित हुआ या हम इसे अनदेखा कर देते हैं - यह हमारा अधिकार है कि हम यह तय करें कि एक व्यवस्थित दृष्टिकोण का उपयोग कैसे किया जाए!
वास्तविक कारक विश्लेषण को लागू करने के मामले में अव्यक्त चर का अध्ययन कुछ अलग तरीके से किया जाता है। यहां, प्रत्येक वास्तविक चर को कई कारकों F j के रैखिक संयोजन के रूप में भी माना जाता है, लेकिन कुछ हद तक असामान्य रूप में
| एक्स आई = ∑ (बी जी। एफ जे) + Δ आई | {3.33} |
जहाँ योग j = 1..m से अधिक है, अर्थात्। प्रत्येक कारक के लिए।
यहाँ गुणांक B ji को आमतौर पर i-वें चर से j-वें कारक पर भार कहा जाता है, और (3.33) में अंतिम पद को एक बाधा माना जाता है, X i के लिए एक यादृच्छिक विचलन। कारकों की संख्या वास्तविक चर n की संख्या से कम हो सकती है, और जिन स्थितियों में हम केवल एक कारक (विक्रेताओं के समान शिष्टाचार) के प्रभाव का मूल्यांकन करना चाहते हैं, वे यहां काफी स्वीकार्य हैं।
आइए हम "अव्यक्त" की अवधारणा पर ध्यान दें, छिपा हुआ, सीधे मापने योग्य कारक नहीं। बेशक, कोई उपकरण नहीं है और राजनीति, शिक्षा, धीरज आदि का कोई मानक नहीं है। लेकिन यह हमें उन्हें स्वयं "मापने" से नहीं रोकता है - ऐसी सुविधाओं के लिए उपयुक्त पैमाने को लागू करके, इस पैमाने पर ऐसी संपत्तियों के मूल्यांकन के लिए परीक्षण विकसित करना, और इन परीक्षणों को समान विक्रेताओं पर लागू करना। तो, "गैर-अवलोकन" क्या है? लेकिन इस तथ्य में कि (आवश्यक रूप से) बड़े पैमाने पर प्रयोग की प्रक्रिया में, हम इन सभी विशेषताओं की तुलना मानकों के साथ लगातार नहीं कर सकते हैं और हमें प्रारंभिक, औसत डेटा प्राप्त करना है जो "काम करने" की स्थिति में बिल्कुल भी नहीं है।
आप अर्थव्यवस्था से दूर जा सकते हैं और खेल की ओर रुख कर सकते हैं। कौन तर्क देगा कि ऊंची छलांग में एक एथलीट का परिणाम कारक पर निर्भर करता है - "धक्का देने की शक्ति"। हाँ, इस कारक को साधारण भौतिक इकाइयों (न्यूटन या घरेलू किलोग्राम) में मापा जा सकता है, लेकिन कब?! प्रतियोगिता में एक ही छलांग के दौरान नहीं!
लेकिन यह ठीक इस कार्य समय के दौरान सांख्यिकीय डेटा दर्ज किया जाता है, और मूल मैट्रिक्स के लिए सामग्री जमा की जाती है।
सरल, प्राथमिक अवधारणाओं के साथ स्वयं कारक विश्लेषण प्रक्रियाओं के सार की व्याख्या करना कुछ अधिक कठिन है (कारक विश्लेषण के क्षेत्र में कुछ विशेषज्ञों के अनुसार, यह आमतौर पर असंभव है)। इसलिए, हम इसे एक जटिल रूप से समझने की कोशिश करेंगे, लेकिन, सौभाग्य से, एक व्यावहारिक अर्थ में पूर्ण पूर्णता के लिए लाया गया, वेक्टर या मैट्रिक्स बीजगणित का उपकरण।
इस तरह के एक उपकरण की आवश्यकता स्पष्ट होने से पहले, आइए हम कारक विश्लेषण के तथाकथित मौलिक प्रमेय पर विचार करें। इसका सार मैट्रिक्स रूप में कारक विश्लेषण मॉडल (3.33) के प्रतिनिधित्व पर आधारित है
"आदर्श" मामले के लिए, जब अवशेष नगण्य रूप से छोटे होते हैं।
यहां बी * एक ही मैट्रिक्स बी है, लेकिन एक विशेष तरीके से परिवर्तित (स्थानांतरित) है।
कारकों पर भार के मैट्रिक्स को खोजने में कठिनाई स्पष्ट है - यहां तक कि स्कूल बीजगणित में, समीकरणों की एक प्रणाली के लिए अनंत संख्या में समाधान इंगित किए जाते हैं यदि समीकरणों की संख्या अज्ञात की संख्या से अधिक है। एक मोटा गणना हमें बताती है कि हमें लोड मैट्रिक्स के अज्ञात तत्वों को खोजने की जरूरत है, जबकि केवल k 2/2 ज्ञात सहसंबंध गुणांक हैं। कुछ "सहायता" किसी दिए गए जोड़ी सहसंबंध गुणांक (उदाहरण के लिए, आर 12) और संबंधित कारक लोडिंग के एक सेट के बीच कारक विश्लेषण के सिद्धांत में सिद्ध अनुपात द्वारा प्रदान की जाती है:
| आर 12 = बी 11। बी 21 + बी 12 2। बी 22 + ... + बी 1 मी। बी 2m | {3.36} |
इस प्रकार, इस कथन में आश्चर्य की कोई बात नहीं है कि कारक विश्लेषण (और, इसलिए, आधुनिक परिस्थितियों में सिस्टम विश्लेषण) एक विज्ञान से अधिक एक कला है। यहां "कौशल" का होना कम महत्वपूर्ण है और इस पद्धति की शक्ति और सीमाओं दोनों को समझना बेहद जरूरी है।
एक और परिस्थिति है जो कारक विश्लेषण के क्षेत्र में पेशेवर प्रशिक्षण को कठिन बनाती है - "तकनीकी" योजना में एक पेशेवर होने की आवश्यकता, हमारे मामले में, यह, निश्चित रूप से, अर्थशास्त्र है।
लेकिन, दूसरी ओर, कारक विश्लेषण का उपयोग करके पाए गए समाधानों के आधार पर आर्थिक प्रणालियों का विश्लेषण और प्रभावी ढंग से प्रबंधन करने की संभावनाओं के बारे में कम से कम एक विचार के बिना उच्च-स्तरीय अर्थशास्त्री बनना शायद ही संभव है।
कारक विश्लेषण लोकप्रिय करने वालों के अश्लील वादों से किसी को धोखा नहीं देना चाहिए, किसी को इसकी सर्वशक्तिमानता और सार्वभौमिकता के बारे में मिथकों पर विश्वास नहीं करना चाहिए। यह विधि केवल एक संकेतक में "शीर्ष पर" है - इसकी जटिलता, संक्षेप में और व्यावहारिक कार्यान्वयन की जटिलता में, यहां तक कि कंप्यूटर प्रोग्राम के "व्यापक" उपयोग के साथ भी। उदाहरण के लिए, प्रमुख घटक विधि के लाभों के बारे में कथन हैं - वे कहते हैं, यह विधि कारकों पर भार की गणना करने से अधिक सटीक है। इस अवसर पर, प्रसिद्ध इतालवी सांख्यिकीविद् कार्लो गिन्नी की एक बुद्धि है, जो एक मुफ्त रीटेलिंग में कुछ इस तरह लगता है: "मुझे मिलान जाना है, और मैं मिलान ट्रेन के लिए टिकट खरीदूंगा, हालांकि नेपल्स के लिए ट्रेनें चलती हैं अधिक सटीक रूप से और इसकी पुष्टि विश्वसनीय आंकड़ों से होती है। क्यों? हां, क्योंकि मुझे मिलान जाना है..."।
