Исследования и их роль в научной и практической деятельности человека (стр. 4 )

2. Задачи описания и конструирования данных исследования при системном анализе

Данные - это зафиксированные результаты измерения признаков, выра­жающих свойства элементов, входящих в систему, и в целом системы.

Вместо сложных категорий, каковыми являются свойства, для целей системного анализа данных используются лишь внешние проявления признаков для данных элементов. Например, свойство «уровень образования ме­неджера» многогранно и в принципе по внешнему проявлению признака может быть выражено ответом на вопрос: «Какое высшее учебное заведение Вы окончили?». Свойство «эффективность производства» - признаками-показателями объема реализованной продукции, рентабельности, себестоимости и т. п.

Целью системного анализа является решение следующих двух основ­ных задач: задачи описания и задачи конструирования данных исследования.

К задаче описания относится такая, в которой необходимо одни признаки рассматриваемого объекта выразить в терминах других признаков. Так, для нужд планирования полезно иметь выражений выходных результирующих показателей: объем продукции, себестоимость продукции, через входные показатели: рабочие ресурсы, тип сырья; основные фонды и т. п.

К задаче конструирования относятся такая, в которой целью является построение агрегированных, результирующих признаков из заданных ранее признаков.

Одним из основных методов количественного конструирования является метод факторного (покомпонентного анализа). Он состоит в том, что надо подобрать такие, линейные комбинации рассматриваемых признаков (факто­ров), которые бы оптимально аппроксимировали входящие признаки. При этом число исходных признаков обычно велико, а требуется так построить проце­дуру, чтобы число исходных признаков было минимальным.

3. Методы решения задач качественного и количественного описания и конструирования данных систем

Методы решения задач качественного описания и конструирования данных систем

К задаче качественного описания данных исследования систем относит­ся задача распознавания образов и сопутствующая ей задача идентификации. Основная задача формулируется следующим образом. Задано разбиение объек­тов на группы (классы), называемые образами. Это разбиение можно рассматривать как качественный (номинальный) признак, а образы - как значения этого признака. Требуется охарактеризовать образы, то есть значения выход­ного признака в терминах значений входных признаков, так, чтобы для любого объекта исследования можно было на основе входных признаков прогнозиро­вать, к какому образу объект принадлежит.

Основным методом качественного конструирования данных системы является метод группировки (или разбиения) объектов, часто называемый ме­тодом автоматической классификации. Он сводится к построению номинального признака (разбиения) на данном множестве объектов, в некотором смысле аппроксимирующего исходные данные.

Разбиение, классы которого описаны через признаки, использованные при его построении, называют типологией или типологической группировкой.

Примером естественнонаучной типологии является таблица Менделее­ва, связывающая термины (признаки) внешних физических свойств элементов с терминами химических реакций и терминами внутреннего строения атомов рассматриваемых элементов, таблица Дарвина и др. Имеются три основные ко­личественные модели для качественных данных признаков и структур систем:

- распределения (многомерные таблицы сопряженности) признаков;

- таблицы объект-признак;

- матрицы связи между элементами объекта исследования.

Именно, в силу количественного характера этих моделей мы можем представлять их как элементы некоторых неометрических пространств, что нам позволяет формулировать и решать основные задачи анализа данных описания и конструирования независимо от характера исходной информации, как задачи аппроксимации с помощью более просто устроенных структур.

В данном изложении нет возможности подробно осветить содержание моделей. Остановимся на конспективном описании лишь первой из них.

1-я модель - модель распределении (многомерных таблиц сопряженности) признаков основана на представлении системами «вкладов», даваемых теми или иными группами признаков. Прежде всего рассматривается задача конструирования номинального признака, который бы наилучшим образом соответствовал исходным экспериментальным данным. При этом применяется латентно-структурный анализ.

Методы решения задач количественного описания данных системы

Одним из основных методов количественного описания данных исследо­вания являются всевозможные алгоритмы регрессионного анализа. С их помо­щью отыскивается в экономике представление одного или нескольких «выход­ных» показателей в виде количественных функций от входных признаков. При этом вид функции фиксируется заранее, а ее коэффициенты подбираются таким образом, чтобы получаемая векторная конкретная функция как можно лучше аппроксимировала значения выходных показателей на рассматриваемом кон­кретном объекте.

Конкретными примерами могут служить подобранные из статистических данных эксперимента производственные функции в экономике и управлении:

Y = Y (x1,x2,...,xn), где У- максимально возможный объем продукции, зависящий от п производственных параметров (факторов) хk, k = 1, n, в качестве которых выступают различные производственные фонды, затраты труда в сфе­ре производства, фактор уникальности производства (НТП) и др. Как правило, ограничиваются четырьмя видами производственных функций: Кобба-Дугласа, Солоу, Митчерлиха, функцией Спилмана.

Одним из перспективных методов количественного описания данных эко­номических систем является метод статистических уравнении зависимо­стей.

Преимуществами метода статистических уравнений зависимости по сравнению с регрессионным анализом являются:

- начальный член уравнения зависимости имеет реальный экономиче­ский смысл, потому что это минимальное или максимальное значение результативного признака;

- значения параметров для отдельных факторов и знаков при них для одно - и многофакторных уравнений одинаковы;

- сумма линейных отклонений теоретических значений результативного признака от фактических значений должна быть минимальной;

-  возможность проведения достоверных расчетов в условиях малочис­ленной совокупности объектов исследования;

-  более эффективен для диагностики состояния и обоснование тенденции развития экономики;

-  может использоваться и при наличии функциональной зависимости (когда одному значению факторного признака соответствует только одно значение результативного признака).

В силу вышеперечисленных преимуществ метод статистических уравне­ний зависимости может быть очень эффективен при исследовании экономиче­ских систем, поэтому остановимся на его рассмотрении более подробно.

Расчет параметров статистических уравнений зависимостей основывается на определении коэффициентов сравнения факторных и результативных признаков путем отношения отдельных значений одноименного признака к его минимальному или максимальному уровню. При увеличении значений признака коэффициенты сравнения исчисляют от минимального уровня, а при уменьше­нии — от максимального.

На основе этих коэффициентов определяется параметр уравнения зависи­мости, представляющий собой отношение суммы отклонений от единицы вы­численных коэффициентов сравнения результативного и факторного призна­ков.

Применение статистических уравнений зависимости для анализа взаимо­связей социально-экономических явлений требует:

- качественного анализа исследуемых факторных и результативных признаков, т. е. наличие логической зависимости между ними;

- однородности изучаемого явления; исключение из расчетов значения признака (минимальных или максимальных), значительно отличаю­щихся (в два-три раза) соответственно от следующей за минимальной или предшествующей максимальной величины;

- оценки устойчивости связи между явлениями.

Для выполнения расчетов по данному методу необходимо:

1. отобрать количественные показатели, характеризующие результаты работы предприятий;

2. вычислить по отобранным средние и относительные величины, дающие качественную характеристику хозяйственно-финансовой деятельности,

3. определить форму (линейную, криволинейную) и направление связи (прямую и обратную) между факторными и результативными призна­ками;

4. определить параметры уравнений зависимости;

5. установить сумму отклонений между эмпирическими (У) и теоретиче­скими (УХ) значениями результативного признака / Уi. - УХ /. Повторить пункты 3-5 и подобрать форму связи, при которой / Уi. - УХ /.

6. вычислить показатели тесноты связи между факторными и результа­тивными признаками: коэффициент коррекции и индекс корреляции.

7. расчет коэффициентов устойчивости связи между факторными и ре­зультативными признаками.

Пункты 5 и б являются критериями выбора вида уравнения зависимо­сти.

Статистические уравнения однофакторной и множественной зависимости позволяют изучить следующие взаимосвязи:

1.  Прямая линейная связь при:

а) увеличении факторного и б) уменьшении факторного и

результативного признаков результативного признаков

2. Обратная связь при:

а) увеличении значений б) уменьшении значений

факторного и уменьшении факторного и увеличении

результативного признаков результативного признаков

3. Парабола, когда уровень результативного показателя возрастает, а, дос­тигнув максимального значения, убывает:

4. Обратная парабола, когда уровень результативного показателя снижа­ется, а достигнув какого-то минимального уровня, возрастает:

5. Гипербола, когда уровень результативного показателя возрастает, затем его рост приостанавливается, оставаясь почти на одном уровне:

6. Обратная гипербола, когда уровень результативного показателя сни­жается до какого-то определенного минимума, после которого он оста­ется почти на одном уровне:

7. Логическая функция, когда происходит неустойчивое возрастание уровня результативного показателя:

8. Обратная логическая функция, когда происходит неустойчивое снижение уровня результативного показателя:

Для расчета параметров уравнений зависимостей целесообразно исполь­зовать систему формул:

I.  Однофакторная линейная связь

Прямая при:

а) увеличении факторного и результативного признаков

б) уменьшении факторного и результативного признаков

Обратная при:

а) увеличении факторного и уменьшении результативного признаков

б) уменьшении факторного и увеличении результативного признаков

2. Однофакторная криволинейная связь

Парабола

-1

Обратная парабола

-1

Гипербола

Обратная гипербола

Логическая

Обратная логическая

3. Многофакторная связь

Вид уравнения остается прежним, только суммируются коэффициенты сравнения факторных признаков.

Например, прямая связь при увеличении результативного признака и факторного Х и уменьшении факторного признака Z.

Параметры зависимости

а) однофакторной

б) многофакторной

dy – коэффициент сравнения результативного признака

При увеличении результативного признака

При уменьшении результативного признака

Показатели тесноты связи между факторными и результативными признаками

Коэффициент корреляции однофакторный

r 0,7 – сильная связь

0,3 r 0,7 – средняя связь

r 0,3 – слабая связь

Индекс корреляции (однофакторный и многофакторный)

При увеличении результативного признака

При уменьшении результативного признака

Характеристика устойчивости связи

Коэффициент устойчивости связи

Шкала оценки зависимостей

Критерий оценки	Коэффициент устойчивости связи
Неустойчивая связь Очень низкая Низкая Заметная	До 0,5 0,5 – 0,6 0,6 – 0,7
Устойчивая связь Средняя Высокая Очень высокая	0,7 – 0,8 0,8 – 0,9 0,9 и более

Наличие устойчивой связи свидетельствует о достоверности параметров уравнений зависимости, что дает возможность использовать их при проведении нормативных и прогнозных расчетов.

Статистические уравнения зависимостей позволяют:

1.  вычислить теоретические значения результативного признака при из­вестных уровнях факторов;

2.  установить размер изменений факторных признаков при изменении результативного признака на единицу или же другую заданную величину:

Зная Ун, определяем dyн

При увеличении значений результативного признака

При уменьшении

Нормативные уровни факторов определяются по формулам:

- прямая зависимость

- обратная зависимость

3. установить размер изменения результативного признака при изменении одного или многих факторных признаков на единицу или другую заданную ве­личину:

Зная хн определяем dхн и подставляем его в полученное уравнение за­висимости;

4. установить интенсивность использования факторных признаков для достижения средней величины результативного признака путем сопоставления вычисленных нормативных уровней факторных признаков (при Уср = Ун) с их фактическими средними значениями;

5. определить долю влияния каждого из факторов на результативный при­знак:

где Хi – доля влияния отдельного фактора на результативный признак;

dхi – сумма отклонений коэффициента сравнения отдельного фактора;

dixi – сумма отклонений коэффициента сравнения всех факторов.

Методом статистических уравнений зависимостей можно не только оценить степень взаимосвязи между факторами и результативными показателями в статике и динамике, но и выполнить прогнозные расчеты:

установить прогнозные уровни результативных показателей и факторов, которые их формулируют; определить прогнозные уровни факторов при прогнозированном значении результативного признака.

Тема 7 Приемы анализа и обоснования

1. Диагностика экономических систем

2. Экспресс – диагностика или управленческое консультирование

1. Диагностика экономических систем

Диагноз экономической системы является полевым исследованием и ба­зируется на непосредственном обследовании объекта. Метод получил название по аналогии с медицинской диагностикой. Предполагается, что цели предпри­ятия достаточно ясны, но существует ряд проблем в организации их достиже­ния. Эти проблемы вызываются сложившимися недостатками существующей системы управления, которые рассматриваются как болезни системы. Цель ди­агностики — установить симптомы этих болезней, опознать, идентифицировать заболевание, выявить причины и устранить их с помощью соответствующих средств «лечения».

Диагностика, как один из этапов системного анализа, имеет преобладаю­щее значение в низовых звеньях управления хозяйством (предприятие, органи­зация), поскольку цели этих объектов более и менее ясны и стабильны, а объек­ты невелики и наблюдаемы. На более высоких уровнях - в отраслях, республи­ках, регионах — преобладающее значение приобретают другие этапы системно­го анализа в силу сложности целей и проблем. В масштабах народного хозяйст­ва в целом диагностика может иметь только вспомогательное значение, т. к. здесь аппарат управления практически необозрим (многочисленные и крупные органы управления).

При диагностике описание существующей экономической системы не должно быть самоцелью, т. к. это довольно трудоемкая работа. Поэтому вместо того, чтобы пытаться собрать максимум информации о функционировании и организации действующей системы полнее ее описать и затем уже, сравнивая полученное с накопленным мировым опытом и теорией, решать, что и как в ней надо улучшать, сначала необходимо обследовать эффективность выполнения системой ее конечных задач (не интересуясь, при этом каким образом органи­зовано это исполнение). Выяснив, что какая-то часть конечных функций экономической системы выполняется неудовлетворительно, все дальнейшее опи­сание следует вести уже только по этим функциональным подсистемам. Рацио­нализацию остальных подсистем можно считать уже следующей задачей и на этапе диагностики не рассматривать.

Диагностическое обследование экономической системы включает пять блоков:

1. Блок накопленного опыта и информации о готовых разработках.

2. Блок выявления узких мест.

3- Блок подготовки данных для анализа.

4. Блок анализа.

5. Блок принятия решений.

Выявив узкие места путем исследования вопросов блока выявления узких мест, обследователь должен сосредоточиться на тех функциях управления, ко­торые оказались узким местом, и собрать по ним данные для анализа в соответ­ствии с блоком подготовки данных, С помощью вопросов блока анализа обсле­дователь выявляет причины слабого исполнения указанных функций. В блоке принятия решений вся информация сопоставляется с данными блока накоплен­ного опыта, касающегося возможности автоматизации и рационализации реше­ния отобранных задач какими-либо методами. Затем начинается процесс техни­ко-экономического обоснования предлагаемых решений.

Выясняются потребность в математическом, техническом и организаци­онном обеспечении каждого варианта решения, реальная возможность получе­ния необходимых технических средств, стоимость разработки. После этого стоимость разработки сопоставляется с величиной производственных потерь в разрезе задач управления для определения экономической эффективности каж­дого варианта решения. После некоторых циклов перебора вариантов по ука­занному алгоритму находится наиболее приемлемое решение.

Получение ответов на каждый из вопросов блока выявления узких мест и блока подготовки данных представляет собой самостоятельный раздел обсле­дования системы и выполняется по специально разработанной методике.

Таким образом, общая методика диагностического обследования экономической системы предприятия состоит из следующих методик:

- технико - экономического анализа производственной деятельности предприятия;

- обследования информационной подсистемы;

- обследования подсистемы обслуживания рабочих мест,

- исследования социально-психологических вопросов взаимодействия людей в системе;

- структурного анализа организации производства;

- анализа технологии управления;

- ресурсного анализа.

2. Экспресс – диагностика или управленческое консультирование

Современным направлением реализации процесса диагностики в эконо­мических системах является управленческое консультирование или экспресс-диагностики. Профессионализация посреднических функций - общемировая тенденция. В настоящее время во всех промышленно-развитых странах успеш­но функционируют снабженческие, дизайнерские, информационные, консуль­тационные и прочие фирмы.

Управленческое консультирование - это разновидность экспертной по­мощи руководителям предприятий и организаций в деле решения задач совершенствования управления в изменяющихся внешних и внутренних условиях. Оно предполагает участие консультанта по управлению - специалиста по со­вершенствованию оргструктур, процессов принятия решения, методов, стиля руководства, подбора и расстановки кадров и т. п.

К особенностям работы в режиме управленческого консультирования следует отнести высокий темп работы. Консультант, как правило, располагает небольшим временем для диагностирования, порядкадней. Очевидно, что за такой срок трудно организовать полный сбор информации для глубокого самостоятельного анализа. Единственно возможным при экспресс-диагностике является мобилизация тех знаний и представлений о проблемах предприятия, которые имеются у коллектива, с последующим их уточнением, Одновременно следует учесть, что правильный диагноз можно поставить только при условии применения системного подхода.

Обычно проблемы предприятия взаимосвязаны. Среди них есть пробле­мы-причины и проблемы-следствия, все вместе они образуют сложное «дере­во проблем» и попытки решать их как изолированные редко бывают эффектив­ными. Практика показывает, что около 20% проблем предприятия дают 80% всех сбоев и потерь в производстве. Умение выделить эти 20% ключевых про­блем чрезвычайно важно при диагностировании предприятия.

Для работы в консультационном режиме необходимы методики диагно­стирования, отвечающие вышеперечисленным требованиям. Одной из таких методик является методика построения «дерева проблем» предприятия по данным экспресс-опроса персонала предприятия. Можно выделить два ва­рианта такого опроса в зависимости от той цели, которую ставит перед собой консультант в данный момент.

1 вариант. Если целью консультанта является выявление проблемы пред­приятия, то используется методика, предполагающая минимальное вмешатель­ство со стороны консультанта. В этом случае люди называют только те пробле­мы, которые у них «болят». При этом получается неискаженный чужим вмеша­тельством «срез» коллективного сознания, отчетливо видны острота и содержа­ние проблем (в сравнении с другими предприятиями) и те проблемы, которым работника придают большее значение.

2 вариант. Если же целью является диагноз состояния предприятия, то такой опрос оказывается неполным. Тогда консультант применяет системный вопросник, призванный «дать подсказку» персоналу о том, в каких сферах дея­тельности необходимо анализировать ход производства.

Для этого вначале строится «дерево целей и функций». А затем перед пер­соналом ставятся детализированные вопросы к каждой из целей и функций: «Достигается ли эта цель?», «Удовлетворительно ли выполняется данная функ­ция?». Неудача в достижении какой-либо цели или неудовлетворительное вы­полнение какой-либо функции и дает нам проблемы предприятия. И уже сле­дующим этапом диагностики является построение «дерева проблем». «Дерево проблем» является средством анализа и разрешения проблем. Бессмысленно браться за решение проблемы-следствия, если не устранена проблема-причина.

Закончив построение «дерева проблем», консультант организует совеща­ние или серию совещаний (по тематическим частям «дерева проблем»), на ко­торых проводится тщательный разбор проблем и окончательно уточняются формулировки, взаимосвязи и приоритеты. На этом диагностический этап рабо­ты консультанта заканчивается, и, в случае необходимости, он переходит к кон­сультированию процессов разрешения проблем.

При диагностике экономических систем используются следующие виды управленческого консультирования:

— консультирование проекта, когда консультант на основе диагностики и собственных знаний, опыта сам вырабатывает и предлагает руково­дству организации проект конкретного решения реальной проблемы;

— консультирование процесса, когда консультант специальными сред­ствами организует групповую работу сотрудников клиентной органи­зации с целью поиска нужного решения (например, в виде проблемных совещаний или деловых игр);

- консультирование через рефлексию, когда консультант представляет руководителю картину собственной деятельности с тем, чтобы вызвать у него осознание собственных ошибок и в дальнейшем стремление корректировать свое поведение;

— консультирование путем взаимообучения, когда консультант по спе­циальной программе организует непосредственный обмен навыками и достижениями между руководителями служб и организаций;

- учебное консультирование, когда консультант в аудиторной обста­новке демонстрирует специалистам управления уже отработанные пу­ти и способы решения разных нетривиальных задач.

На практике консультанты обычно пользуются этими методами в их соче­тании, исходя из характера задачи и ситуации на экономическом объекте. Передовой опыт управления, накопленный консультантом, будет полезен только при правильном диагнозе проблем предприятия.

Тема 8 Состав и выбор методов исследования систем управления

1. Структуризация методов исследования систем управления

2. Методы, основанные на использовании знании и интуиции специалистов

1. Структуризация методов исследования систем управления

Эффективность исследования систем управления во многом определяется выбранными и использованными методами исследования.

Методы исследования представляют собой способы, приемы проведения исследований. Их грамотное применение способствует получению достоверных и полных результатов исследования возникших в организации проблем. Выбор методов исследования, интеграция различных методов при проведении исследования определяется знаниями. опытом и интуицией специалистов, проводящих исследования.

Всю совокупность методов исследования можно разбить на три большие группы: методы, основанные на использовании знаний и интуиции специалистов; методы формализованного представления систем управления (методы формального моделирования исследуемых процессов) и комплексированные методы.

Первая группа -методы, основанные на выявлении и обобщении мнений опытных специалистов-экспертов, использовании их опыта и нетрадиционных подходов канализу деятельности организации включают: метод

“мозговой атаки”, метод типа “сценариев”, метод экспертных оценок (включая SWOT - анализ), метод типа “Дельфи”, методы типа “дерева целей”, “деловой игры”, морфологические методы и ряд других методов.

Вторая группа -методы формализованного представления систем управления, основанные на использовании математических, экономико-математических методов и моделей исследования систем управления. Среди них можно выделить следующие классы:

аналитические (включают методы классической математики интегральное исчисление, дифференциальное исчисление, методы поиcкa экстремумов функций, вариационное исчисление и другие, методы математического программирования, теории игр);

статистические (включают теоретические разделы математики - математическую статистику, теорию вероятностей - и направления прикладной математики, использующие стохастические представления –теорию массового обслуживания, методы статистических испытаний, методы выдвижения и проверки статистических гипотез и другие методы статистического имитационного моделирования);

теоретико-множественные, логические, лингвистические, семиотические представления (разделы дискретной математики, составляющие теоретическую основу разработки разного рода языков моделирования, автоматизации проектирования, информационно-поисковых языков);

графические (включают теорию графов и разного рода графические представления информации типа диаграмм, графиков, гистограмм и т. п.).

Наибольшее распространение в экономике в настоящее время получили математическое программирование и статистические методы. Правда, для представления статистических данных, для экстраполяции тенденций тех или иных экономических процессов всегда использовались графические представления (графики, диаграммы и т. п.) и элементы теории функций (например, теория производственных функций). Однако целенаправленное применение математики для постановки и анализа задач управления, принятия экономических решений разного рода (распределения работ и ресурсов, загрузки оборудования, организации перевозок и т. п.) началось с внедрения в экономику методов линейного и других видов математического программирования (работы ­ровича, , и др.). Привлекательность этих методов для решения формализованных задач, какими обычно являются названные выше и другие экономические задачи на начальном этапе их постановки, объясняется рядом особенностей, отличающих методы математического программирования от методов классической математики.

При стремлении более адекватно отобразить проблемную ситуацию в ряде случаев целесообразно применять статистические методы, с помощью которых на основе выборочного исследования получают статистические закономерности и распространяют их на поведение системы в целом. Такой подход полезен при отображении таких ситуаций, как организация ремонта оборудования, определение степени его износа, настройка и испытание сложных приборов и устройств и т. д. Все более широкое применение находит статистическое имитационное моделирование экономических процессов и ситуаций принятия решений.

В последнее время с развитием средств автоматизации возросло внимание к методам дискретной математики: знание математической логики, математической лингвистики, теории множеств помогает ускорить разработку алгоритмов, языков автоматизации проектирования сложных технических устройств и комплексов, язы­ков моделирования ситуаций принятия решений в организационных системах.

В настоящее время в экономике и организации производства применяются практически все группы методов формализованного представления систем. Для удобства их выбора в реальных условиях на базе математических направлений развиваются прикладные методы и предлагаются их классификации.

к третьей группе относятся комплексированные методы: комбинаторика, ситуационное моделирование, топология, графосемиотика и др. Они сформировались путем интеграции экспертных и формализованных методов.

Несколько в стороне стоят методы исследования информационных потоков.

Схема структуризации методов приведена на рис.

Специалист по системному анализу должен понимать, что любая клaccификaция условна. Она лишь средство, помогающее ориентироваться в огромном числе разнообразных методов и моделей. Поэтому разрабатывать классификацию нужно обязательно, но делать это следует с учетом конкретных условий, особенностей моделируемых систем (процессов принятия решений) и предпочтений, которым можно предложить выбрать классификацию.

2. Методы, основанные на использовании знании и интуиции специалистов

Развитие системного анализа неразрывно связано с такими понятиями, как “мозговая атака”, “сценарии”, “дерево целей”, морфологические методы ит. п. Перечис­ленные термины характеризуют тот или инoй подход к активизации выявления и обобщению мнений опытных специалистов-экспертов (термин “эксперт” в переводе с латинского означает “опытный”). Иногда все эти методы называют “экспертными”. Однако есть и особый клacc методов, связанных непосредственно с опросом экспертов, так называемый метод экспертных оценок (так как при опросах принято проставлять оценки в баллах и ран­гах), поэтому названные и подобные им подходы иногда объединяют термином “качественные” ( оговаривая условность этого названия, так как при обработке мнений, получeнных от специалистов, могут использоваться и количественные методы). Этот термин (хотя и несколько громоздкий) в большей мере, чем другие отражает суть методов, к которым вынуждены прибегать специалисты, когда они не только не могут сразу описать рассматриваемую проблему аналитическими зависимостями, но и не видят, какие из paccмотренных выше методов формализованного представления систем могли бы помочь получить модель для принятия решения.

Возникновение перечисленных терминов, как правило, связано с конкретными условиями проведения исследований, или даже с именем автора подхода. Однако варианты последующего применения методов настолько разнообразны, что сейчас трудно говорить об однозначности использования приведенных терминов.

Дадим краткий обзор экспертных методов. Концепция мозговой атаки получила широкое распространение с начала 50-x годов как “метод систематической тренировки творческого мышления”, направленный на “открытие новых идей и достижение согласия группы людей на основе интуитивного мышления”. Методы этого типа известны также под названиями мозгового штурма, конференций идей, коллективной генерации идей (КГИ).

Обычно при проведении мозговой атаки, или сессий КГИ, стараются выполнить определенные правила, суть которых сводится к тому, чтобы oбecпeчить как можно большую свободу мышления участников КГИ и высказывания ими новых идей; для этого рекомендуется при­ветствовать любые идеи, даже если они вначале кажутся сомнительными или абсурдными ( обсуждение и оценка идей проводится позднее), не допускается критика, не объявляется ложной идея и не прекращается обсуждение ни одной идеи. Требуется высказывать как можно больше идей (желательно нетривиальных), стараться созда­вать как бы цепные реакции идей.

В зависимости от принятых правил и жесткости их выполнения различают прямую мозговую атаку, метод обмена мнениями, методы типа комиссий, судов (когда одна группа вносит как можно больше предложений, а вторая - старается их максимально критиковать) и т. п. В последнее время иногда мозговую атаку проводят в форме деловой игры.

На практике подобием сессий КГИ являются разного рода совещания - конструктораты, заседания ученых и научных советов, специально создаваемых временных комиссий.

В реальных условиях достаточно трудно обеспечить жесткое выполнение требуемых правил, создать “атмосферу мозговой атаки”, на конструкторатах и советах мешает влияние должностной структуры организации: трудно собрать специалистов на межведомственные комиссии. Поэтому желательно применять способы привлечения компетентных специалистов, не требующие обяза­тельного их присутствия в конкретном месте ив конкретное время и устного высказывания своих мнений.

Методы типа “сценариев”. Методы подготовки и со­гласования представлений о проблеме или анализируе­мом объекте, изложенных в письменном виде, получили название сценариев. Первоначально этот метод предполагал подготовку текста, содержащего логическую последoвательность событий или возможные варианты решения проблемы, развернутые во времени. Однако позднее обязательное требование временных координат было снято, и сценарием стали называть любой документ, содержащий анализ рассматриваемой проблемы и предложения по ее решению или по развитию системы, неза­висимо от того, в какой форме он представлен. Как правило, на практике предложения для подготовки подобных документов пишутся экспертами вначале индивиду­ально, а затем формируется согласованный текст.

Сценарий предусматривает не только содержательные рассуждения, помогающие не упустить детали, которые невозможно учесть в формальной модели (в этом собственно и заключается основная роль сценария), но и содержит, как правило, результаты количественного технико-экономического или статистического анализа с предварительными выводами. Группа экспертов, подготавливающая сценарий, пользуется обычно правом получения необходимых справок от предприятий и органи­заций, нeoбxoдимых консультаций.

На практике по типу сценариев разрабатывались прог­нозы в отраслях промышленности. Разновидностью сце­нариев можно считать комплексные программы научно-­технического прогресса и его социально-экономических последствий.

Роль специалистов по системному анализу при подго­товке сценария помочь привлекаемым ведущим спе­циалистам соответствующих областей знаний выявить общие закономерности системы; проанализировать внеш­ние и внутренние факторы, влияющие на ее развитие иформирование целей; определить источники этих факто­ров; проанализировать высказывания ведущих специали­стов в периодической печати, научных публикациях и других источниках научно-технической информации; соз­дать вспомогательные информационные фонды (лучше автоматизированные) , способствующие решению соответ­ствующей проблемы.

В последнее время понятие сценария все больше расширяется в направлении как областей применения, так и форм представления и методов их разработки: в сценарий вводятся количественные параметры и уста­навливаются их взаимозависимости, предлагаются мето­дики подготовки сценария с использованием ЭВМ (ма­шинных сценариев), методики целевого управления подготовкой сценария.

Сценарий позволяет создать предварительное пред­ставление о проблеме (системе) в ситуациях, когда не удается сразу отобразить ее формальной моделью. Но все же сценарий - это текст со всеми вытекающими по­следствиями (синонимия, омонимия, парадоксы), свя­занными с возможностью неоднозначного его толкова­ния разными специалистами. Поэтому такой текст сле­дует рассматривать как основу для разработки более формализованного представления о будущей системе или решаемой проблеме.

Методы экспертных оценок. Изучению возможностей и особенностей применения экспертных оценок посвя­щено много работ. в них рассматриваются формы экс­пертного опроса (разные виды анкетирования, интер­вью), подходы к оцениванию (ранжирование, нормиро­вание, различные виды упорядочения и т. д.), методы об­работки результатов опроса, требования к экспертам иформированию экспертных групп, вопросы тренировки экспертов, оценки их компетентности (при обработке оценок вводятся и учитываются коэффициенты компе­тентности эксцертов, достоверности их мнений), мето­дики организации экспертных опросов.

Выбор форм и методов проведения экспертных опро­сов, подходов к обработке результатов опроса и т. д. за­висит от конкретной задачи и условий проведения экс­пертизы. Однако существуют некоторые общие пробле­мы, которые нужно помнить специалисту по системному анализу. Остановимся на них подробнее.

Возможность использования экспертных оценок, обоснование их объективности обычно базируется на том, что неизвестная характеристика исследуемого явле­ния трактуется как случайная величина, отражением за­кона распределения которой является индивидуальная оценка специалиста-эксперта о достоверности и значи­мости того или иного события. При этом предполагает­ся, что истинное значение исследуемой характеристики находится внутри диапазона оценок, получаемых от груп­пы экспертов, и что обобщенное коллективное мнение является достоверным.

Однако в некоторых теоретических исследованиях это предположение подвергается сомнению. Например, предлагается разделить проблемы, для решения которых применяются экспертные оценки, на два класса. к пер­вому классу относятся проблемы, которые достаточно хорошо обеспечены информацией и для которых можно использовать принцип “хорошего измерителя” , считая эксперта хранителем большого объема информации, а групповое мнение экспертов близким к истинному. Ко второму классу относятся проблемы, в отношении которых знаний для уверенности в справедливости на­званных предположений недостаточно; экспертов нельзя рассматривать как “хороших измерителей”, и необходи­мо осторожно подходить к обработке результатов экс­пертизы, поскольку в этом случае мнение одного (еди­ничного) эксперта, больше внимания уделяющего иссле­дованию малоизученной проблемы, может оказаться наиболее значимым, а при формальной обработке оно будет утрачено. В связи с этим к задачам второго класса в основном должна применяться качественная обработка результатов. Использование методов осреднения (спра­ведливых для “хороших измерителей” ) в данном случае может привести к существенным ошибкам.

Задачи коллективного принятия решений по форми­рованию целей, совершенствованию методов и Форм управления обычно можно отнести к первому классу. Однако при разработке прогнозов и перспективных пла­нов целесообразно выявлять “редкие” мнения и подвер­гать их более тщательному анализу.

Другая проблема, которую нужно иметь ввиду npи проведении системного анализа, заключается в следую­щем: даже в случае решения проблем, относящихся к первому классу, нельзя забывать о том, что экспертные оценки несут в себе не только узкосубъективные черты, присущие отдельным экспертам, но и коллективно­субъективные черты, которые не исчезают при обработке результатов опроса (а при применении Дельфи-процедуры даже могут усиливаться). Иными словами, на экс­пертные оценки нужно смотреть как на некоторую “об­щественную точку зрения”, зависящую от уровня науч­но-технических знаний общества относительно предмета исследования, которая может меняться по мере развития системы и наших представлений о ней. Следовательно, экспертный опрос это не одноразовая процедура. Та­кой способ получения информации о сложной пробле­ме, характеризующейся большой степенью неопределен­ности, должен стать своего рода “механизмом” в сложной системе, те. необходимо создать регулярную систе­му работы с экспертами.

Следует обратить также внимание на то, что использование классического частотного подхода к оценке ве­роятности при организации проведения экспертных опросов бывает затруднительным, а иногда и невозможным (из-за невозможности доказать правомерность использо­вания представительности выборки). Поэтому в настоящее время ведутся исследования характера вероятности экспертной оценки, базирующиеся на теории, размытых множеств Заде, на представлении об экспертной оценке как степени подтверждения гипотезы или как вероятности достижения цели. Одной из разновидностей экс­пертного метода является метод изучения сильных и слабых сторон организации, возможностей и угроз ее деятельности метод SWOT - анализа.

Методы типа “Дельфи”. Метод “Дельфи”, или метод “дельфийского оракула”, первоначально был предпожен 0. Хелмером и его коллегами как итеративная процедура при проведении мозговой атаки, которая способствовала бы снижению влияния психологических факторов при по­вторении заседаний и повышении объективности результа­тов. Oднако почти одновременно “Дельфи” Процедуры стали средством повышения объективности экспертных опросов с использованием количественных оценок при оценке “дерева цели” и при разработке “сценариев”.

Oсновные средства повышения объективности ре­зультатов при применении “Дельфи” метода исполь­зование обратной связи, ознакомление экспертов с ре­зультатами предшествующего тура опроса и учет этих результатов при оценке значимости мнений экспертов.

В конкретных методиках, реализующих процедуру “Дельфи”, это средство используется в разной степени. Так, в упрощенном виде организуется последователь­ность итеративных циклов мозговой атаки в более сложном варианте разрабатывается программа последо­вательных индивидуальных опросов с помощью анкетвопросников, исключающих контакты между эксперта­ми, но предусматривающих ознакомление их с мнения­ми друг друга между турами. Вопросники от тура к туру могут уточняться. Для снижения таких факторов, как внушение или приспособление к мнению большинства иногда требуется, чтобы эксперты обосновали свою точ­ку зрения, но это не всегда приводит к желаемому ре­зультату, а напротив, может усилить эффект приспособ­ляемости. в наиболее развитых методиках экспертам присваивают весовые коэффициенты значимости их мнений, вычисляемые на основе предшествующих опро­сов, уточняемые от тура к туру и учитываемые при полу­чении обобщенных результатов оценок в силу трудоемкости обработки результатов и значительных временных затрат первоначально предусматри­ваемые методики “Дельфи” не всегда удается реализо­вать на практике. в последнее время процедура “Дельфи” в той или иной форме обычно сопутствует любым другим методам моделирования систем морфологиче­скому, сетевому и т. д. в частности, весьма перспектив­ная идея развития методов экспертных оценок, предло­женная в свое время , состоит в том, чтобы сочетать целенаправленный многоступенчатый опрос с “разверткой” проблемы во времени, что стано­вится вполне реализуемым в условиях алгоритмизации и такой (достаточно сложной) процедуры и использования компьютерной техники.

Для повышения результативности опросов и активи­зации экспертов иногда сочетают процедуру “Дельфи” с элементами деловой игры: эксперту предлагается прово­дить самооценку , ставя себя на место конструктора, ко­торому реально поручено выполнять проект , или на ме­сто работника аппарата управления, руководителя соот­ветствующего уровня системы организационного управ­ления и т. д.

Идея метода дерева целей впервые была предложена У. Черменом в связи с проблемами принятия решений в промышленности.

Термин “дерево” подразумевает использование ие­рархической структуры, полученной путем разделения обшей цели на подцели, а их, в свою очередь, на более детальные составляющие, которые можно называть под­целями нижележащих уровней или, начиная с некото­рого уровня, функциями. Как правило, термин “дере­во целей” используется для иерархических структур, имеющих отношения строго древовидного порядка, но сам метод иногда применяется и в случае “слабых” ие­рархий. Поэтому в последнее время все большее распро­странение получает предложенный термин “прогнозный граф” , который может представ­ляться и в виде древовидной иерархической структуры, ив форме структуры со “слабыми” связями.

При использовании метода “дерево целей” в качест­ве средства принятия решений часто вводят термин“дерево решений”. При применении “дерева” для выяв­ления и уточнения функций управления говорят о “де­реве целей и функций”. При структуризации тематики научно-исследовательской организации удобнее поль­зоваться термином “дерево проблемы”, а при разработ­ке прогнозов термином “дерево направлений развития (или прогнозирования развития или упомянутым выше термином “прогнозный граф”).

Метод “дерева целей” ориентирован на получение пол­ной и относительно устойчивой структуры целей, проб­лем, направлений, т. е. такой структуры, которая на про­тяжении какого-то периода времени мало изменялась при неизбежных изменениях, происходящих в любой развивающейся системе. Для достижения этого при по­строении вариантов структуры следует учитывать зако­номерности целеобразования и использовать принципы и методики формирования иерархических структур це­лей и функций.