|
|
Перегудов Ф. И., Тарасенко Ф. П
ЗАКЛЮЧЕНИЕ
Если попытаться охарактеризовать современный системный анализ еще раз, очень укрупненно и несколько в ином ракурсе, то можно сказать, что он включает такие виды деятельности, как:
научное исследование (теоретическое и экспериментальное) вопросов, связанных с проблемой;
проектирование новых систем и изменений в существующих системах;
внедрение в практику результатов, полученных в ходе анализа.
Уже сам этот перечень, очевидно, лишает смысла спор о том, чего в системном исследовании больше – теории или практики, науки или искусства, творчества или ремесла, эвристики или алгоритмичности, философии или математики – это все в нем присутствует. Конечно, в конкретном исследовании соотношения между этими компонентами могут быть самыми различными. Системный аналитик готов привлечь к решению проблемы любые необходимые для этого знания и методы – даже те, которыми он сам лично не владеет; в этом случае он не исполнитель, а организатор исследования, носитель цели и методологии всего исследования.
Жизнь разнообразна, и предлагаемые для исследования проблемы не всегда требуют использования всего арсенала системного анализа. Из трех типов систем (технических, природных и социотехнических) наибольшую трудность для анализа представляют последние из-за резкого преобладания в них субъективного над объективным, эвристического над формальным, знаковых отношений над физическими взаимодействиями. Однако еще более важным отличием социосистем является особое значение временного фактора: эти системы меняются в ходе исследования как сами по себе, так и под влиянием самого анализа. Только диалектический подход, лежащий в основе системного анализа, помогает создать динамическую модель текущих событий и с ее помощью спланировать и организовать действия всех участников анализа. Не следует обвинять в ненаучности сам системный анализ, если в жизни встретятся (а для социосистем нередко!) случаи, когда уже сбор и обработка информации вполне удовлетворяют заказчика или когда грубые, но быстрые исследования его устроят больше, чем глубокие, подробные и длительные.
Еще раз остановимся на проблеме алгоритмизации системного анализа. Любой процесс исследования, проектирования и целевого воздействия алгоритмичен: алгоритм является планом этого процесса. Составление
9.1—————Опорная схема постановки задач прикладного системного исследования реальной проблемы
такого плана – прерогатива системного аналитика. Для каждой проблемы может потребоваться особый, специально для нее приспособленный алгоритм анализа. Возвращаясь к аналогии с программированием для ЭВМ, можно сказать, что, подобно тому как программа составляется из операторов языка применительно к решаемой задаче, операции системного анализа реализуются в последовательности, удобной для аналитика применительно к данной конкретной ситуации. Чем выше квалификация аналитика, тем более разнообразны проводимые им исследования.
Несмотря на отсутствие универсального алгоритма, студенты и начинающие практику аналитики нуждаются в более определенных рекомендациях, в типовых схемах, которые в дальнейшем можно варьировать. К рекомендациям, подобным тем, которые были приведены в табл. 8.1, добавим блок-схему неформальных этапов первой стадии системного анализа (рис. 9.1). На схеме сплошными жирными стрелками изображена опорная последовательность действий, пунктирные стрелки обозначают возможность возврата к уже пройденным действиям, если это окажется необходимым. Нижний выход ведет к формализуемым этапам анализа.
Подводя окончательный итог, еще раз попытаемся дать определение системного анализа в его современном понимании. Нельзя сказать, что прикладной системный анализ в сегодняшнем состоянии вполне отвечает этому определению. Скорее, данное определение отражает направление развития прикладного системного анализа, которое осознанно осуществляется в последние годы.
Итак: с практической стороны системный анализ есть теория и практика улучшающего вмешательства в проблемные ситуации; с методологи-ческой стороны системный анализ есть прикладная диалектика.
ЛИТЕРАТУРА
Адамар Ж. Исследование психологии процесса изобретения в области матема-тики. – М.: Сов. радио, 1970.
Альтшулер Г.С. Найти идею. – Новосибирск: Наука, 1986.
Бир С. Кибернетика и управление производством. – М.: Наука, 1965.
Бриллюэн Л. Наука и теория информации. – М.: Физматиз. 1960.
Буш Г.Я. Основы эвристики для изобретателей. – Рига: Зинатне, 1977. Ч. 1,2.
Гуд Г.Х., Макол Р.Э. Системотехника. Введение в проектирование больших си-стем. – М.: Сов. радио, 1962.
Джонс Дж. К. Методы проектирования. – М.: Мир, 1986.
3инченко В.П. Человеческий интеллект и технократическое мышление // Комму-нист. 1988. № 3. С. 96 – 104.
Квейд Э. Анализ сложных систем. – М.: Сов. радио, 1969.
Моррисей Дж. Целевое управление организаций. – М.: Сов. радио, 1979.
Мюллер И. Эвристические методы в инженерных разработках. – М.: Радио и связь, 1984.
Неуймин Я.Г. Модели в науке и технике. – Л.: Наука, 1984.
Одрин М.В., Картавов С.С. Морфологический анализ систем. – Киев: Наукова думка, 1977.
Орлов Н.А. Методологические основы конструирования.– Русе (НРБ): ВТУ, 1986.
Тельц Д., Эндрюс Ф. Ученые в организациях. Об оптимальных условиях для исследований и разработок. – М.: Прогресс, 1973.
Перегудов Ф.И. и др. Основы системного подхода. – Томск: ТГУ, 1976.
Перегудов Ф.И. Основы системного проектирования АСУ организационными комплексами. – Томск: ТГУ, 1984.
Перегудов Ф.И. и др. Системное проектирование АСУ хозяйством области. – М.: Статистика, 1977.
Пойа Д. Математика и правдоподобные рассуждения. – М.: ИЛ, 1957.
Половинкин А.И. Основы инженерного творчества. – М.: Машиностроение, 1988.
Пригожин И., Стенгерс И. Порядок из хаоса – М.: Прогресс. 1986.
Саати Т. Математические методы исследования операций. – М.: МО, 1963.
Холл А. Опыт методологии для системотехники. – М.: Сов. радио, 1975.
Ackoff R.L. A Theory of Practice in the Social Systems Sciences. Paper to an International Roundtable IIASA.– Laxenburg, Austria, 6 – 8, Nov., 1986.
Ackoff R.L. The mismatch between educational systems and requirements for successful management. // Wharton Alumni Magazine.– Spring, 1986. Р. 10 – 12.
Checkland Р. Rethinking a System Approach. In: Tomlison R., Kiss I. (Eds.) “Rethinking the Process of Operation Research and System Analysis”. – Pergamon Press, 1984. Р. 43 – 66.
Cotgrove S. Catastrophe or Cornucopia: the Environment, Politics and the Future.– Wiley, Chichester, 1982.
Dror Y. Design for Policy Sciences.– N. – Y.: American Elsevier, 1971.
Gharajedaghi J, Ackoff R.L. Toward Systemic Education of System Scientists// System Research. 1985. Vol. 2. N 1. Р. 21 – 27.
Mitroff I.I. Why our pictures of the world do not work anymore. In: Lawler et al. (Eds). “Doing Research that is Useful for Theory and Practice”.– San Francisco: Tossey – Boss, 1985.
Rivett Р. Perfection of Means. Confusion of Goals. Paper to IIASA Roundtable, 1986.
УПРАЖНЕНИЯ
Тема для обсуждения: соотношение в системном анализе науки, искусства и ремесла; теории и практики; строгих рассуждений, эвристики и эксперимента.
Возьмите самую простую известную вам проблему и попробуйте построить проблематику в соответствии с данными рекомендациями.
Обсудите трудности выявления цели на конкретных примерах из вашей практики.
Тема для обсуждения: рассмотрение допустимости эвтаназии (умерщвления из милосердия) с позиций различных систем ценностей.
Тема для обсуждения: критерии как модели цели.
Заготовьте несколько экземпляров кроссворда и раздайте их нескольким одиночкам и группам по 2 – 7 человек. Назначьте группу наблюдателей, установите лимит времени и соберите кроссворды по истечении этого периода. Из полученных данных извлеките информацию о факторах, влияющих на групповое творчество (размер группы; время, отпущенное на выполнение задачи; роль индивидов в группе; появление лидеров; взаимосвязи в группе и т.д.).
Попытайтесь составить свой вариант алгоритма системного анализа для какой-нибудь обозримой, очень несложной проблемы.
Обсудите пример с автобусной компанией. Видите ли вы другие варианты решения проблемы? Сравните их с приведенными.
Тема для дискуссии: этика проводящего системный анализ.
Вопросы для самопроверки
1.Каковы основания для того, чтобы назвать системный анализ прикладной диалектикой?
2. Почему при исследовании реальной проблемы неизбежны неформализованные этапы?
3.Почему любую проблему не следует рассматривать изолированно, вне связи с другими проблемами и явлениями?
4. В чем различие между “рыхлой” и “жесткой” проблемами?
5. Каковы основные трудности выявления целей? Почему после каждого последующего этапа системного анализа следует возвращаться к проверке, уточнению и пересмотру целей?
6.Каково соотношение целей и критериев для оценки альтернатив?
7.В чем состоят главные особенности метода мозгового штурма?
8.Какова основная идея синектики?
9. Какое описание системы необходимо для морфологического анализа ее альтернатив?
10. Чем отличаются развитие и рост социосистем?
11. Почему исследовательный и внедренческий этапы системного анализа не могут быть разделены?
12. Каково значение этики в системном анализе?
Краткий словарь
специальных терминов
В конце определений приводятся номера страниц книги, где встречаются данные термины. Поэтому “Словарь” может использоваться и как предметный указатель. Кроме того, даются английские эквиваленты терминов.
АВТОМАТ (automatic machine, от греч. “самодействующий”) – устройство, самостоятельно выполняющее некий процесс по заложенной в него программе. Программа может фиксироваться либо непосредственно в устройстве автомата, либо на вводимом в автомат носителе 11, 13, 92, 299
АВТОМАТИЗАЦИЯ (automation) – внедрение автоматов в практическую деятельность (например, автоматизация управления, нефтедобычи, медицинской диагностики, погрузочных работ и т.п.) 10–12, 192, 198, 266
АГРЕГАТ (aggregate, от лат. “присоединять”) – любая выделенная совокупность, от неструктурированной (множество, конгломерат) до высокоорганизованной системы 298, 301–303, 305–309
АГРЕГИРОВАНИЕ (aggregation) – 1) операция образования агрегата; 2) преобразование многомерной модели в модель меньшей размерности 277, 278, 280,
298–302, 305–309, 311, 344
АДЕКВАТНОСТЬ (adequacy) – свойство модели; модель считается адекватной, если с ее помощью успешно достигается поставленная цель Адекватность не обязательно совпадает с истинностью: только в познавательных моделях эти понятия сливаются 19, 50, 53, 54, 143, 171, 242, 258, 280, 304, 307, 308, 321, 330, 331, 354, 355
АЛГОРИТМ (algorithm, от имени узбекского математика IХ в. Аль–Хорезми) – 1) полное описание последовательности действий, выполнение которых в конце последовательности приводит к достижению цели; 2) конечный текст, записанный на алгоритмическом языке. Первоначально сугубо математическое понятие алгоритма в настоящее время расширено: допускается включение в алгоритм и указаний на неформализуемые действия, лишь бы они правильно понимались и выполнялись людьми (например, алгоритм изобретения). Алгоритм, воспринимаемый и исполняемый автоматом, называется программой 8–13, 244–246, 291–294, 342–345, 366–368
АЛГОРИТМИЗАЦИЯ (algorithmization) – 1) составление алгоритма для проектируемого процесса (например, алгоритмизация решения задачи); 2) выявление алгоритма, формализация существующего процесса (обычно в целях его изучения, совершенствования или автоматизации) 9, 57–59, 289, 342, 366
АЛЬТЕРНАТИВА (alternative) – вариант, одна из двух или более возможностей; то, что можно иметь, использовать и т.д. вместо чего–то еще. На множестве альтернатив осуществляется выбор 210–219, 223–235, 237–243, 326–329, 333–342
АНАЛИЗ (analysis, от греч. “расчленение”) – 1) мысленное или реальное разделение целого на части (например, химический анализ вещества, декомпозиция глобальной цели и т.д.); 2) до недавнего времени – синоним научного исследования вообще (“подвергнуть анализу” означало “изучить”); 3) метод познания, основанный на 1). Познание не сводится к анализу; только в сочетании, переплетении, единстве с синтезом становится возможным познание реальности 15–17, 242–244, 277–279, 281–287, 289–293, 317–320, 322–325
ВХОД (СИСТЕМЫ) (input) – 1) связь системы с окружающей средой, направленная от среды в систему, т.е. выражающая воздействия из среды на систему; 2) то, что преобразуется системой в выход 70, 73–78, 89–91, 286, 287, 360
ВЫХОД (СИСТЕМЫ) (output) – 1) связь системы с окружающей средой, выражающая воздействие системы на среду и направленная от системы к среде; 2) продукт системы; то, во что преобразуются входы; может иметь как реальный характер (например, материальная продукция), так и абстрактный (например, удовлетворение потребности) 70, 73–78, 89–91, 291, 368
ВЫБОР (choice) – 1) операция, входящая во всякую целенаправленную деятельность и состоящая в целевом сужении множества альтернатив (обычно, если позволяют условия,– до одной альтернативы); 2) принятие решения 206, 209–226, 228–255,
259–261, 263–269, 324–326
ГИПОТЕЗА (hypothesis) – 1) предположение; утверждение, требующее доказательства или проверки; 2) форма развития науки 56, 246
ГОЛОСОВАНИЕ (vote) – способ выражения коллективного мнения, вынесения коллективного решения, осуществления коллективного выбора с помощью одного из мажоритарных правил (простого или абсолютного большинства, консенсуса и т.п.) 218, 231–234, 236, 250
ГРАНИЦА СИСТЕМЫ (boundary of a system) – 1) поверхность в пространстве описания ситуации, разделяющая саму систему и окружающую ее среду, – в данной (целевой) модели системы, т.е. понятие относительное; 2) пределы, до которых распространяется и в которых исполняется управляющая информация системы 73, 80, 201, 217, 218
ГРАФ (graph, от греч. “записывать”) – 1) символическая диаграмма, состоящая из множества вершин и ребер (дуг), соединяющих некоторые из них (или все); 2) графическая модель структуры 85–87, 89, 92, 222–225, 228, 310
ДЕКОМПОЗИЦИЯ (decomposition) – 1) операция разделения целого на части с сохранением признака подчиненности, принадлежности; 2) повторное или многократное такое разделение, в результате чего получаются древовидные иерархические структуры 280–285, 289–298
ЗНАК (sign) – 1) сигнал, имеющий конкретное (обычно одиночное, элементарное) значение, воспринимаемое человеком (например, дорожный знак, знаки отличия, математические знаки, условные жесты и т.д.); 2) реальная модель абстрактного понятия 46, 50, 346, 366
ИЕРАРХИЯ (hierarchy) – 1) принцип организации, состоящий в том, что целое рассматривается как состоящее из частей, каждая из которых сама является целым, состоящим из своих частей, и т. д; 2) многоуровневая древовидная структура с отношениями подчиненности сверху вниз. В реальных системах встречаются различные отступления от идеальной иерархической структуры: связь только с одним элементом нижнего уровня (“синекура”); связь более чем с одним элементом высшего уровня (“двойное подчинение”); связь с высшим уровнем помимо непосредственного верхнего (“дислокация”); более одного элемента на самом верху (“незавершенность”); связь сверху вниз с элементами разных уровней (“неоднородность”); связь между элементами одного уровня (“зависимость”); связь с окружающей средой помимо верхнего уровня (“нарушение субординации”), и их комбинации 36, 37, 42, 62, 79
ИЗБЫТОЧНОСТЬ (redundancy) – свойство сигналов и систем, обеспечивающее их устойчивость против разрушительного воздействия помех, шумов, отказов элементов, непредвиденных обстоятельств и т.п. Это свойство состоит во включении в структуру системы или сигнала большего числа элементов, чем это минимально необходимо при отсутствии помех. Если критерий эффективности связан с минимизацией числа элементов, то при отсутствии помех избыточность является излишней (отсюда – ее название), а при наличии помех – полезной, но возникает задача ее минимизации 155–160, 164, 202, 203, 256, 303
ИЗМЕРЕНИЕ (measurement) – действие по сопоставлению определенного состояния наблюдаемого явления или объекта с выбранной для регистрации этого состояния шкалой; результатом измерения является символ (принадлежащий выбранной шкале), обозначающий наблюдавшееся состояние (см. Шкалы измерительные) 123, 170–173, 175–177, 198–201
ИНГЕРЕНТНОСТЬ (inherence) – 1) согласованность модели с окружающей ее культурной средой; принадлежность модели этой среде; 2) условие, необходимое для проявления, реализации модельных свойств модели 47, 48, 50, 60, 62, 64, 69
ИНТЕЛЛЕКТ (intellect, от лат. “разум”, “рассудок”) – 1) интеллект естественный; внутренне – способность к абстракции; внешне – способность ориентироваться в незнакомых условиях и находить решение слабо формализованных задач; 2) интеллект искусственный – техническая имитация определенных возможностей естественного интеллекта (например, узнавания, образования понятий, принятия решений, синтеза речевых и эстетических сигналов и т.п.) 10, 12, 13
ИНФОРМАТИКА (informatics, computer science) – 1) наука о научной и технической информации и ее циркуляции в обществе; 2) в последние годы в России информатикой называют научное направление, акцентирующее внимание на использовании ЭВМ в самых разнообразных областях человеческой деятельности 14, 29, 46, 164
ИНФОРМАЦИЯ (information) – 1) в обыденной речи – любые сведения, известия, сообщения, новости и т.п.; 2) в научно–технических приложениях – то, что несет на себе сигнал; 3) как философская категория – всеобщее свойство материи, являющееся аспектом свойства отражения, допускающим количественное описание 123–175
КИБЕРНЕТИКА (cybernetics, от греч. “управлять”) – в широком смысле – наука об управлении в системах произвольной природы; наиболее полными и общими определениями кибернетики в современном понимании признаются определения А.И. Берга и А.Н. Колмогорова 12–15, 23, 26–30, 124
КЛАССИФИКАЦИЯ (classification) – 1) операция отнесения заданного объекта к одному из классов, внутри которых объекты считаются неразличимыми; результат этой операции; 2) простейший вид моделирования; в частности, самый слабый вид измерения 104–116, 200–203, 304–306, 311, 317, 346, 348
КОД (code) – совокупность условий и правил образования сигнала, использование которых на передающем и на приемном концах позволяет передавать и получать информацию с помощью сигнала 45, 47, 115, 125, 126, 156–160, 163, 186
КОЛИЧЕСТВО ИНФОРМАЦИИ (quantity of information) – числовая мера информации, содержащейся в одном случайном объекте о другом случайном объекте. Определяется как некий функционал от соответствующих распределений вероятностей (например, по Шэннону, по Фишеру, по Кульбаку – Лейблеру и др.), либо как объем вычислений, необходимых для алгоритмического определения состояния объекта (по Колмогорову) 66, 116, 149, 151–157, 161, 164
КОНФИГУРАТОР (configurator от англ. “формирователь”) – набор различных языков описания изучаемой системы, достаточный для проведения системного анализа данной проблемы. Определяется природой проблемосодержащей и проблеморазрешающей систем с целью анализа 301–304, 307–309, 311, 313, 321–323, 326, 329, 344, 360
КРИТЕРИЙ (criterion) – 1) средство для вынесения суждения; стандарт для сравнения; правило для оценки; 2) мера степени близости к цели; в этом смысле – модель цели 210–221, 225, 227, 230, 232, 239, 240, 251–258, 263, 327–334
МОДЕЛЬ (model, от лат. “образец”) – отображение: целевое; абстрактное или реальное, статическое или динамическое; ингерентное; конечное, упрощенное, приближенное; имеющее наряду с безусловно истинным условно–истинное, предположительно–истинное и ложное содержание; реализующееся и развивающееся в процессе его практического использования 28, 35–98, 280–292
МОДЕЛЬ АБСТРАКТНАЯ (abstract model) – идеальная конструкция; модель, построенная средствами мышления, сознания (в частности – языковая модель) 36, 41, 42, 44–48, 50, 51, 56, 58, 64, 70, 71, 82, 103, 280, 285, 302, 309
МОДЕЛЬ ДИНАМИЧЕСКАЯ (dynamic model) – модель, отображающая процессы, происходящие в системе со временем; в частности, модели функционирования и развития 40, 41, 43, 64, 87–90, 92–95, 366
МОДЕЛЬ ЗНАКОВАЯ (signary model) – реальная модель, имеющая абстрактное содержание; модель, условно подобная оригиналу и предназначенная для непосредственного использования человеком 45, 46, 50
МОДЕЛЬ ИНГЕРЕНТНАЯ (inherent model) – модель, согласованная с окружающей культурной средой, входящая в нее не как чуждый ей элемент, а как ее естественная часть 62, 64, 69
МОДЕЛЬ КЛАССИФИКАЦИОННАЯ (classificatory model) – простейший вид модели, в которой фиксируются только отношения тождественности или различия 201, 202
МОДЕЛЬ МАТЕМАТИЧЕСКАЯ (mathematical model) – абстрактная или знаковая модель, построенная средствами математики (например, в виде системы уравнений, графа, логической формулы и т.п. ) 36, 43, 64, 88, 90–93, 127, 128, 130, 195, 242, 258
МОДЕЛЬ МОДЕЛЕЙ (model of models) – иерархия моделей; многоуровневая абстракция; число уровней в иерархии моделей моделей предположительно связывается с развитостью интеллекта 51, 62
МОДЕЛЬ ПОЗНАВАТЕЛЬНАЯ (cognitive model) – форма организации и представления знаний; средство соединения новых знаний с имеющимися 39, 40, 56, 309
МОДЕЛЬ ПРАГМАТИЧЕСКАЯ (pragmatic model) – средство управления, организации практических действий; образец, эталон правильных действий (например, алгоритм) или их результата (например, модель цели) 39, 40, 56, 309, 343
МОДЕЛЬ РЕАЛЬНАЯ (ВЕЩЕСТВЕННАЯ, ФИЗИЧЕСКАЯ, ПРЕДМЕТНАЯ) (substantional model) – модель, построенная из реальных объектов; подобие реальной модели и оригинала может быть прямым, косвенным и условным 36, 41, 43–46, 50, 58, 64
МОДЕЛЬ СОСТАВА СИСТЕМЫ (partition model) – модель, описывающая, из каких подсистем и элементов состоит система 78–81, 89, 95
МОДЕЛЬ СТАТИЧЕСКАЯ (static model) – модель, в которой отсутствует временной параметр 40, 64, 88, 89, 92, 94, 285
МОДЕЛЬ СТРУКТУРЫ СИСТЕМЫ (structural model) – модель, описывающая все отношения (связи) между элементами модели состава системы 80–82, 94, 299, 301
МОДЕЛЬ ФУНКЦИОНАЛЬНАЯ (model of functioning) – модель, описывающая процессы, которые характеризуют систему как часть более общей, охватывающей ее системы, т.е. связаны с назначением данной системы 41
МОДЕЛЬ “ЧЕРНОГО ЯЩИКА” (black–box–model) – модель, описывающая только входы и выходы системы, но не внутреннее устройство системы. Например, математическая модель “черного ящика” – это просто совокупность множеств Х и Y (Х соответствует входам, Y – выходам); если оператор F, связывающий их (Y = F(Х)), и предполагается существующим, то он считается неизвестным 70, 72–74, 76–78, 80
МОДЕЛЬ ЯЗЫКОВАЯ (conversational, or linguistic model) – любая конструкция на естественном языке, рассматриваемая как описание чего–либо (например, определение как модель определяемого; имя, название как обозначение называемого и т.д.) 35, 41, 42, 44, 62, 69, 255
МОЗГОВОЙ ШТУРМ (brain–storming) – метод, предназначенный для неформального коллективного генерирования возможно большего числа альтернатив; основные идеи этого метода: а) полное запрещение критики на стадии генерирования; б) поощрение и провоцирование ассоциативного мышления на всех стадиях; в) на стадии оценки цель состоит не в отбрасывании “плохой” альтернативы, а в поиске рационального зерна в ней 60, 260, 336–339
МОРФОЛОГИЧЕСКИЙ АНАЛИЗ (morphological analysis) – формальный метод генерирования альтернатив с помощью перечисления всех возможных сочетаний значений заданных параметров альтернативы 306, 338, 340, 341
НАДСИСТЕМА (wider system, containing system) – система, содержащая в своем составе данную систему 283, 285, 321–323, 326
НЕОПРЕДЕЛЕННОСТЬ (uncertainty) – неоднозначность любого происхождения в описании системы 196–199, 237–280
НЕОПРЕДЕЛЕННОСТЬ РАСПЛЫВЧАТАЯ (fuzziness) – неопределенность, связанная с нарушением аксиом тождественности – неоднозначностью классификации. Описывается с помощью функции принадлежности; характерна для языковых моделей, но возможна в любых шкалах 42, 57, 170, 191, 195, 197, 204, 251–255, 265, 306
НЕОПРЕДЕЛЕННОСТЬ СТОХАСТИЧЕСКАЯ (randomness) – неопределенность, описываемая распределением вероятностей на множестве возможных состояний рассматриваемого объекта; случайность 57, 86, 264
НЕОПРЕДЕЛЕННОСТЬ ЧАСТОТНО–ВРЕМЕННАЯ (time–and–frequency uncertainty) – свойство функций времени, состоящее в невозможности неограниченного уменьшения произведения их длительности на ширину их спектра; существует лишь некий минимальный предел этого произведения, которого можно достичь выбором специальной формы сигнала 137, 139
НЕТРАНЗИТИВНОСГЬ ГОЛОСОВАНИЯ (vote nontransitivity) – одно из свойств коллективного выбора, состоящее в существовании набора альтернатив, на котором выбор единственной альтернативы методом голосования сделан быть не может; в частности, результат выбора может зависеть от последовательности предъявления альтернатив 234–236, 250
ОКРУЖАЮЩАЯ СРЕДА (environment) – то, что находится вне границ системы и взаимодействует с нею. Структурированность окружающей среды может выражаться с различной степенью подробности; как минимум – в виде входов и выходов системы 70–76, 327, 332
ОПТИМАЛЬНЫЙ (optimal) – наилучший в заданных условиях. Качество оценивается с помощью критерия оптимальности, а условия задаются в виде ограничений на дополнительные критерии. Оптимизация – центральная идея кибернетики 215,
255–258
ПОДСИСТЕМА (sub–system, contained system) – система, содержащаяся целиком в данной системе. Различают подсистемы разных уровней (подподсистемы, или подсистемы такого–то уровня) 48, 62, 79, 80, 89, 94, 104, 257, 259, 281, 283, 285, 321–323, 326
ПРИНЯТИЕ РЕШЕНИЯ (decision making) – целевой выбор на множестве альтернатив. Методы принятия решений разнообразны в зависимости от типа неопределенности и других условий выбора 159, 200, 209, 210, 231–233, 251, 263, 264, 267, 284, 290, 339, 349, 357, 362
ПРОБЛЕМА (problem, от греч. “задача”) – 1) проблема развития – неудовлетворительное состояние системы, изменение которого к лучшему является непростым делом; 2) проблема функционирования – удовлетворительное состояние системы, сохранение которого требует постоянных и непростых усилий (например, проблема выживания) 10, 12, 55–58, 70, 72, 312, 318–326, 350–352, 358–368
ПРОБЛЕМАТИКА (mess) – сплетение, клубок проблем, которые неразрывно связаны с проблемой, подлежащей разрешению. Необходимость рассмотрения проблематики вместо отдельной проблемы вытекает из того, что проблемосодержащая система сама состоит из подсистем и входит в надсистему, а устранение поставленной проблемы требует учета последствий для всех них 320–323
ПРОБЛЕМНАЯ СИТУАЦИЯ (problem situation) – такая ситуация, когда неудовлетворительность существующего положения осознана, но неясно, что следует сделать для его изменения 70, 321, 331, 332, 346, 348, 358–360, 362, 368
ПРОПУСКНАЯ СПОСОБНОСТЬ КАНАЛА СВЯЗИ (channel capacity) – максимальная скорость передачи информации по каналу, при которой еще возможна передача без потери информации, т.е. при сколь угодно малой вероятности ошибок 56,
155–158, 160–162, 164, 256
РАЗМЫТОЕ (РАСПЛЫВЧАТОЕ) МНОЖЕСТВО (fuzzy set) – множество, содержащее хотя бы один такой элемент, о котором нельзя однозначно сказать, принадлежит ли он или нет этому множеству (математическая модель расплывчатой неопределенности). Степень уверенности выражается функцией принадлежности, принимающей значения из интервала [0, 1] 193, 195, 251, 255, 333
РАНГ (rank) – 1) номер некоторого объекта в упорядоченном по некоторому признаку ряду объектов; 2) элемент порядковой (ранговой) шкалы 53, 86, 176, 178, 179, 184, 187, 217, 235, 261, 271, 326
РЕГУЛИРОВАНИЕ (regulation, adjustment) – способ управления с обратной связью, основанный на обнаружении ухода объекта с программной траектории и выработке регулирующего воздействия для возвращения объекта на эту траекторию 11, 111, 124
РЕСУРСЫ (resources) – 1) наличные или требуемые средства для реализации алгоритма достижения цели; сюда входят не только ресурсы, необходимые для функционирования управляемой системы, но и ресурсы, необходимые для выработки управления, т.е. затрачиваемые на актуализацию моделей, используемых в управляющей системе; 2) в философском смысле исчерпывающей квалификацией ресурсов является их деление на материальные, энергетические и информационные; однако в зависимости от целей возможны более подробные классификации. Например, материальные ресурсы иногда дробят на вещество и время (скажем, объем памяти ЭВМ и машинное время); в оргсистемах часто выделяют кадровые и финансовые ресурсы и т.д.
112–115, 165, 287, 317, 324, 344, 348
СВОЙСТВО (property) – 1) качество, постоянно присущее объекту; 2) абстракция отношения данного объекта с другими, “свернутое отношение”, модель отношения
83, 84, 90, 92, 93, 100, 101, 114, 116, 118, 123–128
СЕМАНТИКА (semantics, от греч. “обозначение”) – раздел семиотики, изучающий отношения между знаками и тем, что они обозначают 46
СЕМИОТИКА (semiotics, от греч. “знак”) – наука, исследующая знаки и знаковые системы 46, 164
СИГНАЛ (signal, от лат. “знак”) – материальный носитель информации 7, 45, 47, 75, 81, 124–143, 149, 152, 153, 155–162, 189, 198, 246, 250
СИНЕКТИКА (synectics) – метод генерирования альтернатив, основанный на догадках по ассоциации, возникающих в группе экспертов, специально подготовленных для поиска аналогий, в особенности аналогий двигательным ощущениям 60,
337–339
СИНТЕЗ (synthesis, от греч. “соединение”) – 1) мысленное или реальное соединение частей в единое целое; 2) метод познания, основанный на 1). Познание является единением, сочетанием анализа и синтеза 15–17, 21, 22, 28, 192, 243–245, 247, 277–279, 303, 304, 308, 309, 312
СИСТЕМА (system) – средство достижения цели; основные особенности систем: целостность, относительная обособленность от окружающей среды, наличие связей со средой, наличие частей и связей между ними (структурированность), подчиненность всей организации системы некоторой цели
СИСТЕМА БОЛЬШАЯ (large–scale system) – система, для актуализации модели которой в целях управления недостает материальных ресурсов (времени, емкости памяти, других материальных средств моделирования) 112, 114–117, 119
СИСТЕМА ЕСТЕСТВЕННАЯ (natural system) – система (т.е. многокомпонентный объект, обладающий всеми признаками системы), возникшая в природе в результате естественных процессов 18, 99, 101, 102, 104, 105, 118, 123, 346
СИСТЕМА ИСКУССТВЕННАЯ (artificial, man–made system) – система, созданная человеком как средство достижения поставленной цели 99, 101, 102, 105, 118, 125, 346
СИСТЕМА ПРОБЛЕМОРАЗРЕШАЮЩАЯ (problem–solving system) – система, обладающая возможностями (ресурсами, компетенцией и пр.), необходимыми для ликвидации проблемы; обязательный участник системного анализа; проблеморазрешающая и проблемосодержащая системы могут не совпадать 278, 285, 288, 332, 333, 360
СИСТЕМА ПРОБЛЕМОСОДЕРЖАЩАЯ (problem–containing system) – система, в которой возникла проблема, подлежащая решению; обычно эта система является инициатором и заказчиком проведения системного анализа 278, 285, 320–323, 326, 332, 333, 360
СИСТЕМА СЛОЖНАЯ (complex system) – система, модель которой, используемая для управления системой, неадекватна заданной цели 26, 28, 102, 112, 114–117, 257–259, 317, 319, 320, 333, 345, 355, 358
СИСТЕМА СОЦИОТЕХНИЧЕСКАЯ (socio–technical system) – система, в составе которой имеются люди и коллективы, интересы которых существенно связаны с функционированием системы 317, 319, 322, 339, 346, 347, 351, 366
СИСТЕМА ЦЕННОСТЕЙ (values system) – идеологическая основа для постановки целей социотехнических систем; объект системного анализа на этапе выявления действительных целей лиц, причастных к решаемой проблеме 308, 322, 325, 326, 329, 357, 361
СИСТЕМНОСТЬ (systematicity) – 1) обладание всеми признаками системы; 2) всеобщее свойство материи, форма ее существования, а следовательно, неотъемлемое свойство человеческой практики, включая мышление 7–12, 14–19, 21–28, 35, 38, 64, 103, 118, 209, 312, 318, 343
СИСТЕМНЫЙ АНАЛИЗ (systems analysis) – 1) с практической стороны системный анализ есть система методов исследования или проектирования сложных систем, поиска, планирования и реализации изменений, предназначенных для ликвидации проблем; 2) с методологической стороны системный анализ является прикладной диалектикой, так как реализует идеи материалистической диалектики применительно к конкретным практическим задачам, особенность которых состоит в необходимости выяснения причин их сложности и устранения этих причин; 3) с методической стороны системный анализ отличается междисциплинарным и наддисциплинарным характером и вовлечением в работу как неформальных, эвристических, экспертных методов, так и эмпирических, экспериментальных методов, а также при возможности и необходимости – строгих формальных математических методов 277–279, 317–320,
322–326, 328, 331, 341–348, 351–354
СИСТЕМНЫЙ ПОДХОД (systems approach) – в настоящее время рассматривается либо как одна из ранних форм системного анализа, либо как начальная фаза современного системного анализа, этап первоначального, качественного анализа проблемы и постановки задач 7, 69, 118, 312
СЛОЖНОСТЬ (complexity) – свойство некоторого явления (объекта, процесса, системы), выражающееся в неожиданности, непредсказуемости, необъяснимости, случайности, “антиинтуитивности” его поведения 11, 24, 70, 114–117, 212, 218, 259, 260, 263, 292, 293, 296, 359
СТРУКТУРА (structure, от лат. “строение”) – совокупность связей между частями системы 80–82, 84, 86–90
СТРУКТУРНАЯ СХЕМА СИСТЕМЫ (structural scheme) – конструкция системы; объединение моделей “черного ящика”, состава и структуры 84, 85, 87, 88, 92, 94, 285, 361
СЦЕНАРИЙ (scenario) – воображаемая, но правдоподобная последовательность действий и вытекающих из них событий, которые могут произойти в будущем с исследуемой системой; модель будущего после принятия решения, представленная до его принятия 284, 339, 340, 364
УПРАВЛЕНИЕ (control) – целевое воздействие на системы (т.е. воздействие, приближающее к целевому состоянию) 109–114
ФУНКЦИЯ ВЫБОРА (choice function) – наиболее общая математическая модель выбора; отображение совокупности множеств в совокупность их подмножеств без поэлементного отображения одного множества на другое и без отображения множеств на числовую ось 228–232
ФУНКЦИЯ КРИТЕРИАЛЬНАЯ (criterion function) – функция от обозначения альтернатив, значения которой упорядочены в том же порядке, что и предпочтения альтернатив 212, 221, 227, 252, 253, 307, 328
ФУНКЦИЯ ПОТЕРЬ (loss function) – функция, выражающая потери, которые вынужден нести пользователь статистического решения, отличающегося от истинного суждения 238, 243, 245
ФУНКЦИЯ ПРИНАДЛЕЖНОСТИ (membership function) – функция, характеризующая расплывчатое множество и принимающая для каждой альтернативы значение из интервала [0, 1], выражающее степень принадлежности данного элемента этому расплывчатому множеству 57, 193–196, 252–254
ФУНКЦИЯ РЕШАЮЩАЯ (decision function) – функция, отображающая каждую выборку в пространство статистических решений 244
ЦЕЛЬ (goal, end, purpose) – 1) образ желаемого будущего (субъективная цель); 2) будущее реальное состояние (объективная цель) 8, 23, 37, 38, 41, 70, 71, 100–103, 209, 218, 220, 280, 285, 303, 306, 313, 357
ШКАЛЫ ИЗМЕРИТЕЛЬНЫЕ (measurement scales) – множество обозначений, используемых для регистрации состояния наблюдаемого объекта; в зависимости от введенных отношений на этом множестве, шкалы различаются по их силе; сила измерительной шкалы должна согласовываться с природой наблюдаемого явления 172, 176, 182, 185–187, 189, 191, 195, 251
ЭКСПЕРТНЫЕ МЕТОДЫ (expert methods) – методы системного анализа, в которых для выполнения тех или иных неформализуемых операций используются знания, опыт, интуиция, изобретательность, интеллект экспертов, специалистов в нужной области 259
ЭМЕРДЖЕНТНОСТЬ (emergence, от англ. “внезапное появление”) – 1) особенность систем, состоящая в том, что свойства системы не сводятся к совокупности свойств частей, из которых она состоит, и не выводятся из них; 2) внутренняя целостность систем 20, 298–302, 313
ЭНТРОПИЯ (entropy, от греч. “превращение”) – мера неопределенности случайного объекта 143–146, 151–153, 156–159, 161, 164, 197
|
|
|
Скачать 4.17 Mb.