Публикации

Введение

Современное управление и современные технологии управления сталкиваются с усложняющимися условиями управления. При этом необходимо разграничивать виды сложности в управлении. Одним из факторов сложности управления является рост сложности информационной ситуации, в которой находится объект управления. Как правило, это связано с воздействием на объект управления со стороны внешней среды и взаимодействием объекта управления с другими объектами в этой же информационной ситуации. Еще одним фактором роста сложности управления является возрастание сложности системы  управления. Немаловажным фактором возрастание сложности управления является рост сложности самого объекта управления, что чаще всего связано с его распределенным характером и появлением множества связей, включая не стационарные связи. Наконец, возможна комбинация всех перечисленных факторов. Рост сложности управления приводит к необходимости применения теории сложных систем и введение моделей сложных систем в технологии управления.

 

Теория систем как теория закрытых систем

В настоящее время существует двойственность исследования сложных систем, обусловленная двумя разными подходами. Первый подход, связан с обобщенным  рассмотрением разных систем, включая сложные системы. Основой  первого подхода являются методы анализа систем. Сама по себе теория систем не носит название «сложных систем», а рассматривает разные системы на основе общего подхода к анализу. Второй подход связан с  рассмотрением сложных систем как особого вида систем, с признаками сложности и сложными отношениями.

Первый подход связан с общей теорией систем  (ОТС) и системным анализом. Как правило,  это направление связывают с Берталанфи [1], Месаровичем  [2] и реже с Урманцевым [3] и другими [4, 5]. Реже упоминают Р.У. Эшби и его многообразие, но многое, что упоминают, не используют в практических решениях.

Согласно этому подходу сложные системы есть часть теории систем. Однако при внимательном рассмотрении выявляется, что теория систем рассматривает хорошо формализованные системы, которые большей частью являются техническими или детерминированными. Это вытекает из определения сложной системы.

В системном анализе сложной системой называют множество элементов, находящихся в отношениях и связях друг с другом, которые образуют определенную целостность и единство, обладающее новым качеством, не присущим отдельным элементам [1]. Такое определение не включает понятие сложности и является общим для разных сложных систем без учета различия между ними. Можно констатировать, что большая часть теоретических работ в области системного анализа и теории систем уходят от анализа сложных систем и сводят сложные системы к стереотипной модели системы, содержащей гомогенные  элементы и связи между ними. Эту модель системы и называют сложной системой, хотя признаки сложности в ней не обозначены. По существу теория систем исследует  «обобщенную модель сложной системы», которая не в состоянии учесть различия между сложными системами и различия между факторами сложности реальных систем. Можно констатировать, что теория систем поверхностно рассматривает сложные системы и изучает лишь их общие свойства.

Следует отметить и существенное упущение общей теории систем. Базовое определение элемента как неделимой части системы является неполным, поскольку при этом не указан критерий делимости. Именно от выбора критерия делимости зависит тип элементов и их количество в системе. То есть и в этом аспекте теория систем упрощает модель исследуемой системы путем упрощения элементов, которые в ней изучают. То же самое можно отнести к связям. В теории систем говорится о большом числе связей и элементов, но не говорится  или мало говорится о различии между связями. Это дает основание назвать существующую теорию систем «гомогенной» и в большей степени открытой.

Одной из концепций ОТС является состояние системы. Она заложена еще в работах Гиббса. Суть этой концепции в том, что при известных начальных условиях система проходит через все совместимые с ее ресурсами состояния, если время ее прохождения достаточно для этого [6]. Суть этой концепции приведена на рис.1

 

Рис.1. Концепция Гиббса о переходе системы из одного состояния в другое

 

Однако Норберт Виннер [6] считает что такое развитие системы является возможным ни в каких в каких-либо системах, кроме простейших. Можно выделить элементы теории, которые полностью игнорирует ОТС. Первое это критерий делимости системы на элементы. В зависимости от критерия делимости  может появится разное количество и разное качество элементов.

Пример тестовый файл. Если выбрать структурный критерий делимости (на символы), то  все тексты сведутся к алфавиту и смысла в таком делении нет. Если выбрать сигнификативный критерий делимости, то текст будет разделен на семантические информационные единицы [7] – слова. Если выбрать предикативный критерий делимости, то текст будет разделен на семантические информационные единицы – предложения. Если выбрать ассоциативный критерий делимости, то текст будет разделен на семантические информационные единицы – фразы.

В теории систем отсутствует интеграция с информационным полем и информационной областью. В теории систем отсутствует понятие модели ситуации и понятие информационной модели ситуации. В теории систем отсутствуют аналоги элементов системы в информационном поле – информационные единицы.

В теории систем отсутствует когнитивные факторы: рецепция информации и рецепция сложной системы. Как следствие,  в ОТС отсутствуют понятия обозримости и воспринимаемости системы или объекта.

 

Теория сложных систем как обобщение теории систем

Второй подход связан с изучением сложных систем как самостоятельного направления. Его следует начать с работ Р.У. Эшби, хотя их упоминают и в обычной теории систем. Однако принципы Эшби не входят  органически  теорию систем, но являются основой теории сложных систем.

Особенностью теории сложных систем (ТСС) является выбор аналогов систем не в техническом мире, а в живом мире, например, в биологических системах и социальных системах.

Согласно Н. Виннеру [8] нервная система и автоматизированная система (сложная техническая система)  подобны друг другу поскольку принимают решения на основе имеющейся априорной информации и ранее принятых решений. Простые механические устройства принимают решения выбора одной из двух альтернатив, как, например, включение или выключение переключателя. В нервной системе отдельная нервная клетка также делает выбор между передачей или непередачей импульса. Как в машине, так и в нервной системе имеется специальный аппарат для принятия будущих решений, зависящих от прошлых решений

Подобно живому организму, сложная система противодействует общей тенденции возрастания энтропии [8]. Благодаря своей способности принимать решения машина может создать вокруг себя локальную зону системной организации и порядка в противовес хаосу.

Развивая кибернетический подход Н. Винера при исследовании биологических систем, У.Р. Эшби [9] открыл «закон необходимого разнообразия». Согласно точке зрения У.Р. Эшби в биосистемах происходит накопление некого ресурса, который он называет «разнообразием». Далее он уточняет, что это разнообразие поведенческих реакций системы которое должно быть больше чем разнообразие воздействий внешней среды. Закон необходимого разнообразия, по мнению У. Р. Эшби, столь же обязательный для систем, что и закон сохранения энергии.

Закон необходимого разнообразия  состоит в том, что для того чтобы справится с решением проблемы, обладающей определенным разнообразием, система должна иметь еще большее разнообразие, чем разнообразие решаемой проблемы, или способна создать  (развить) в себе это разнообразие. В итоге У. Р. Эшби приходит к выводу о самоорганизации системы как обязательном ее свойстве.

Идеи У.Р. Эшби развил немецкий социолог Никласом Луманом (Niklas Luhmann). Для обозначения самоорганизации он ввел специальный термин «аутопойесис». Луман писал теорию социальных систем, специально отойдя от общей теории систем.  Теория социальных систем основана на трех концепциях, описанных в его работе [10]. Эти три концепции соответствуют трем теориям: теория систем как теория общества;  теория связи;  теория эволюции. Эти идеи подробно раскрыты в его  работе [11]. В основе теории систем используются следующие категории: комплексность, редукция, рефлексия, аутопойесис, функциональная дифференциация (рис.2).

 

Рис.2. Категории теории сложных социальных систем

 

Различение  целого и части в теории Лумана  акцентировано на  различение системы и окружающей ее среды. В целом теория Лумана находится между классической теорией систем и теорией динамических систем [12]. Она с разной степенью применима к различным сложным системам.

Верхним принципом является сложность, которая напрямую связывает теорию Лумана с теорией сложных систем. Категория «сложность» является обобщением категории «разнообразие» Р.У. Эшби.  В паре со сложностью идет редукция, которая означает упрощение. Сложность как отношение между системой и окружающей средой трактуется Луманом как неограниченное количество угроз для системы. Система в целях выживания  должна осуществлять редукцию внешних угроз  до возможности  системы их отражать и при этом функционировать. Таким образом, Луман делает близкой  редукцию к  рациональности  и факторам развития.

Следующая пара связанных принципов рефлексия и самореференция отсутствует в общей теории систем. Рефлексия в  трактовке Лумана означает информационное взаимодействие [13] системы с внешней средой. Самореференция несколько отличается от общепринятого значения и означает в теории Лумана самоидентификацию, те есть характеристику внутреннего взаимодействия системы. Таким образом, эта пара принципов описывает и связывает внутреннее и внешнее взаимодействие в системе и системы.

Еще одна пара связанных принципов дифференциация и коммуникация. Коммуникация по Виннеру тесно связана с управлением [8]. Функциональная дифференциация  состоит в различии и  обособлении подсистем общества, что применительно к теории систем Лумана означает дифференциацию частей системы и дифференциацию отношений между системой и внешней средой.

Важнейшим принципом является аутопойесис. Он не имеет пары, а объединяет все остальные принципы. Аутопойесис означает самоорганизацию и самовоспроизводство. Луман выделяет аутопойесис  как важнейшую категорию системной парадигмы [14]. Этот термин  Луман заимствовал у нейробиологов, полагая, что сложная  система  подобна биологическим системам и  способна создавать и воссоздавать все имеющиеся части из себя.  Аутопойесис является механизмом, соединяющим все принципы теории сложны систем категории, обеспечивающим их функционирование и жизнедеятельность.

Следующим этапом в развитии теории сложных систем следует считать работу Хироки Саяма (Hiroki Sayama) [15], согласно которой теория сложных систем включает в себя ряд научных направлений, в том числе и теорию систем. То есть эта теория является более общей по отношению к теории систем и системному анализу. Ее структура приведена на рис.3.

 

Рис.3. Структура сложной теории систем

 

В соответствии сточкой зрения [15] в теорию сложных систем входит важный вопрос эмерджентизма [16] и самоорганизации [9]. Теория сложных систем связана с теорией игр, коллективным поведением, теорией распределенных систем, эволюцией и адаптацией, нелинейной динамикой, структурным моделированием и общей теорией систем.

Сложными системами автор называет сетевые системы [15] «которые имеют большое количество компонент, взаимодействующих друг с другом, для которых типичными являются нелинейные функции». Автор данной статьи разделяют точку зрения Hiroki Sayama, однако считают более точным заменить термин «сетевые системы» на термин «распределенные системы». Целесообразность этого подтверждается современным развитием технологий интернет-вещей и технологиями кибер-физических  систем. Оба вида этих систем относятся к сложным системам.

Модель сложной системы должна быть воспринимаема, валидна и надежна [15]. Эти важные характеристики отсутствуют в ОТС. Воспринимаемость [17] – когнитивный фактор и его иногда избегают, заменяя термином простота. Но  простота понятие условное и зависит  от выбора критерия оценки простоты и от интеллекта по отношению к которому этот показатель выбирается.

Валидностью модели сложной системы Hiroki Sayama называет качество информационного соответствия, которое показывает то, насколько точно прогноз поведения сложной системы по модели согласуется с ее  реальным поведением. Проверка соответствия прогноза и реальности является фактором валидности модели сложной системы.

Надежность  модели любой системы определяется ее чувствительностью к внешним воздействиям. Если незначительные воздействия (условная характеристика) не меняют продвижение к цели, то такую модель сложной системы можно считать надежной.

Теория динамических систем является составной частью теории сложных систем [15] (Рис.3). Динамическую систему можно упрощенно определить следующим образом [18]. Динамическая система — это такая система, состояние которой задается набором предопределенных правил изменения параметров системы.  Это определение нельзя считать четким,  но оно отражает  основные принципы динамических систем. Сложные динамические  системы могут эволюционировать за счет самоорганизации. Самоорганизация как обязательное свойство сложной системы исключает из числа сложных систем технические или жестко детерминированные системы. Свойство эмерджентности признается обеими теориями ОТС и ТСС. На рис.4 приведена примерная систематика сложных систем.

 

Рис.4. Примерная систематика сложных систем

 

Существует большое количество систем, которые можно отнести к сложным системам по критериям ОТС и по критериям ТСС. Наиболее «простой» среди сложных систем является сложная прикладная  система [ ]. Она относится к сложным системам по критериям ОТС. Чаще всего признаком сложности такой системы является большое количество элементов. Программы и алгоритмы также можно отнести к сложным системам. Их критерием сложности является большое количество связей, правил и непредсказуемость такой системы человеком. Примером такой системы может служить компьютерный чемпион по шахматам, побеждающий всех шахматистов. К прикладным системам относят системы обработки данных и сложные информационные системы [5]. К прикладным сложным системам относят системы хранения информации типа хранилищ данных [19] или банки пространственных данных [20]. К сложным прикладным системам относят такие экзотические системы типа, мультимасштабная электронная карта [21]. Признаками  сложности такой системы является большой информационный объем и сложность ее анализа и обновления.

Сложная техническая система условно относится к сложным системам только в рамках ОТС, поскольку в ней, как правило, отсутствует механизм самоорганизации. Признаками сложности такой системы является большое количество элементов, большое количество связей и необозримость ее структуры.

Сложная  социотехническая система [22]; сложная организационно-техническая система [23]; сложная организационно-технологическая  система; сложная социальная  система  [24] относятся к сложным по критериям ОТС и ТСС. В аспекте современной проблемы «больших данных» [25] сложность систем можно связывать с большим информационным объемом самой системы или с объемом обрабатываемых данных.

Сложность структур систем связывают с понятием «большие графы» [26] и соответствующими методиками их обработки. Одной из важных характеристики сложности могла бы быть метрика сложной системы, которая позволила бы  сравнивать разные системы между собой на основе формального  критерия.

Представление сложной системы с помощью любой модели создает противоречие. При построении модели  требуется обеспечить ее простоту, при сохранении доминирующих признаков. При моделировании сложных систем доминирующим признаком является сложность, что противоречит простоте. Поэтому в каждом конкретном случае необходимо находить компромисс между описанием сложности и простотой моделирования.

.Важным обстоятельством  при описании сложных систем является попытка формализации сложности в рамках теории, которая не имеет средств для описания такой сложности. В результате такого подхода искажается или исключается реальная сложность. Полученная модель становится не валидной и не может служить описанием сложной системы

Многие теории систем рассматривают элементы как неделимые объекты. Но  выбор критерия делимости не рассматривается в ОТС. Это приводит к тому, что ОТС рассматривает системы с гомогенными элементами.   Существуют  работы, учитывающие гетерогенность элементов системы [27], но это пока не является общим правилом в ОТС. В тоже время ТСС допускает гетерогенность элементов системы, что подчеркивает  более общий  характер ТСС  по отношению к ОТС.

 

Заключение

Современная теория сложных систем требует систематизации и дальнейшего развития. Особенно важно это для управления, поскольку уровень сложности управления все время возрастает и это требует использования моделей сложных систем  в управлении. Современная теория сложных систем требует учета когнитивных факторов и когнитивных моделей типа когнитивная карта. При построении модели сложной системы необходимо оценивать ее  воспринимаемость, валидность и надежность. Эти показатели находятся вне рамок ОТС. Основная задача при построении модели  сложной системы  находить компромисс между простой модели и сложностью системы.

Библиографический список:

1. Берталанфи фон Л. Общая теория систем – критический обзор. / В кн. Исследования по общей теории систем. М.: Прогресс, 1969. С. 23 -82
2. Месарович М., Такахара Н. Общая теория систем: математические основы. — М.: Мир, 1978 -311 с.
3. Урманцев Ю.А. Начала общей теории систем / в кн. Системный анализ и научное знание. М.: Наука. 1978, с. 7 – 41
4. Кудж С. А. Системный подход // Славянский форум. — 2014. — 1(5). — с.252 -257
5. Монахов С.В., Савиных В.П., Цветков В.Я. Методология анализа и проектирования сложных информационных систем. — М.: Просвещение, 2005. — 264с
6. Виннер Н. Кибернетика, или управление и связь в животном и машине. — М.: Советское радио, 1968.
7. Цветков В. Я. Информационные единицы сообщений // Фундаментальные исследования. — 2007. — №12. — с.123 – 124.
8. Норберт Винер. Человек управляющий. — CПб.: Питер. 2001
9. Эшби У. Р. Принципы самоорганизации. — М.: Мир, 1966. 332с.
10. Niklas Luhmann ystemtheorie, Evolutionstheorie und Kommunikations theorie // Soziologische Gids, 1975, 22 3. pp.154–168
11. Луман Н. Введение в системную теорию — Логос, 2007. 360 с ISBN5-8163-0076-8
12. Кудж С.А. Многоаспектность рассмотрения сложных систем // Перспективы науки и образования- 2014. — №1. – с38-43
13. Tsvetkov V. Yа. Information interaction // European researcher. Series A. 2013. № 11-1 (62). С. 2573-2577.
14. Niklas Luhmann. Soziale Systeme: Grundriß einer allgemeinen Theorie, Frankfurt: Suhrkamp, 1984. (English translation: Social Systems, Stanford: Stanford University Press, 1995
15. Hiroki Sayama. Introduction to the Modeling and Analysis of Complex Systems. — Open SUNY Textbooks, Milne Library. State University of New York at Geneseo, 2015.- 498р.
16. Цветков В.Я. Эмерджентизм // Международный журнал прикладных и фундаментальных исследований. – 2017. – № 2-1. – С. 137-138.
17. Цветков В.Я. Когнитивные аспекты построения виртуальных образовательных моделей// Перспективы науки и образования- 2013. -№3. С38-46
18. H. A. Simon, “The architecture of complexity” Proceedings of the American Philosophical Society, vol. 106, no. 6, pp. 467–482, 1962
19. Барсегян А. Методы и модели анализа данных: OLAP и Data Mining. – БХВ-Петербург, 2004.
20. Цветков В. Я. и др. Обновление банков данных пространственной информации //Информатизация образования и науки. – 2015. – №. 1. – С. 128-136.
21. Учаев Д. В., Учаев Д. В. Разработка онтологии семантического содержания мультимасштабных электронных топографических карт. Часть 1. Теоретические предпосылки и методологические аспекты //Известия высших учебных заведений. Геодезия и аэрофотосъемка. – 2017. – №. 1. – С. 53-61.
22. Матрусова Т. Н. Организация как социотехническая система и управление персоналом в японской фирме //Труд за рубежом.-М.: НИИ труда. – 1999. – №. 4. – С. 77-93
23. Корнаков А.Н. Модель сложной организационно-технической системы // Перспективы науки и образования. — 2015. — №2. – с.44-50.
24. Парсонс Т. Социальные системы //Личность. Культура. Общество. – 2003. – Т. 5. – №. 1-2. – С. 169-203.
25. Tsvetkov V. Yа., Lobanov A. A. Big Data as Information Barrier // European researcher, Series A. 2014, Vol.(78), № 7-1, p. 1237-1242.
26. Курчанов А. А., Юдин Е. Б. Программа расчета метрических характеристик больших графов //Омский научный вестник. – 2014. – №. 3 (133). – с.217-221
27. Цыганов В.В., Бородин В.А., Шишкин Г.Б. Интеллектуальное предприятие.: механизмы овладения капиталом и властью (теория и практика управления эволюцией организации). — М.: Университетская книга, 2004. — 768 с.

Введение

Управление в условиях информационной неопределенности занимает важное место в общей проблеме управления [1]. Различают информационную и ситуационную неопределенность. Успешное решение задач управления  невозможно без применения специальных подходов,  информационных и интеллектуальных технологий. Затрудняет решение проблемы различные трактовки понятия «неопределенность». Задачи управления в условиях неопределенности обусловлены разными факторами. Например, управленческая информация может представлять представляют собой слабоструктурированные или неструктурированные информационные комплексы. Управленческая информация может содержать нужную информацию, но иметь большой объем или высокую сложность, что делает ее не обозримой или не воспринимаемой. Управленческая информация может содержать полезную и бесполезную информацию, а иногда даже дезинформацию. Для описания неопределенности теория принятия решений широко применяет аппарат теории нечетких множеств [2-4]. Однако этот подход является частным случаем и не охватывает все ситуации информационной неопределенности.  Следует отметить общий недочет существующей теории учета неопределенности для задач управления. Реальное управление рассматривает не только объект управления, но окружающую его ситуацию. Но в теории управления не рассматривают информационную ситуацию ни как объект управления, ни как фактор управления. Это и создает информационную неопределенность в управлении. В настоящее время всё большее внимание уделяется разработке новых подходов к анализу сложных информационных ситуаций, но информационная ситуация не рассматривается как объективный феномен управления. Одним из методов управления является так называемый «серый» информационный анализ.

 

Использование серого анализа

Во многих случаях  постановка задачи управления  предполагает принятие решений в условиях неполной информации. На практике управление в условиях неопределенности имеет место всегда. Различие составляет степень неопределенности. Простейшая модель управленческой информации представлена на рис.1. Всегда в распоряжении лица принимающего решение имеется в распоряжении информация, нужная для достижения цели и ненужная информация. В ненужную информацию всегда попадает дезинформация, которая представляет собой вредную информацию. Поэтому с позиций управления всегда существует необходимость альтернативы: выбор полезной информации по критерию достижения цели и выбор бесполезной для достижения цели информации.

 

Рис.1. Управленческая информация двух качеств

 

Для ситуаций, неопределенность информации которых составляет от 20% и больше, применяют термин «серый» анализ и «серые» системы. Отсюда управление в условиях неопределенности связывают с «серым анализом». Следует отметить, что «серый анализ» является  одним из методов подготовки управленческих решений в условиях неопределенности.

Понятие «серые» системы существует с 90-х годов [5]. Термин «серый анализ» применяют в реляционном [6, 7] и корреляционном анализе [8-10]. Серый управленческий анализ  использует информационный подход [11-14] и модель информационной ситуации [15-19].

Серый анализ определяет информационную ситуацию без необходимой информации  как «черную», а ситуацию с полной информацией как «белую»  Рис.2. На рис 2 имеется под словом определенность имеется ввиду информационная определенность. Поскольку крайних  ситуаций не бывает, то в реальных задачах всегда существует частичная определенность и частичная неопределенность [20].

Все реальные ситуации между этими двумя крайностями описываются как «серые» или размытые. Таким образом, «серая» система анализа означает, что исследуется ситуация, в которой часть информации известна  и часть информации неизвестна.

 

Рис.2. Место «серого» анализа в принятии решений

 

При таком определении количество и качество информации образуют континуум,  от полного отсутствия информации до полной информационной определенности (рис.2). От черной ситуации  через серую ситуацию  до белой ситуации.

Серый анализ заключается в поиске набора обобщенных решений. Для «черной» ситуации решений нет. Для «белой» ситуации существует одно оптимальное решение. «Серые»  системы анализа будут давать различные возможные решения по информации в ситуации. Серый анализ не пытается найти лучшее решение. Он заключается в категоризации и группировке решений по признакам: «допустимое решение», «хорошее решение», «подходящее решение» и т.д. для реальных проблем. То есть по существу он решает задачи поддержки принятия решений, а не задачи принятия решений. С другой стороны он допускает последующий когнитивный [21, 22] или интеллектуальный анализ [23].

 

Пространственное моделирование в сером анализе

При решении задач управления часто применяют пространственное моделирование, если объектами управления являются пространственные объекты. Пространственное моделирование, как метод научного познания, прошло достаточный  период развития. По мере роста сложности задач, решаемых методами пространственного анализа, развития пространственных моделей, совершенствования программного обеспечения,  появления новых технологий сбора информации – совершенствовались и развивались методы пространственного моделирования.

В настоящее время возник новый вид моделирования – пространственное ситуационное моделирование [15, 24], которое тесно опирается на методы геоинформатики. Ситуационное моделирование возникло в 80-е годы в области искусственного интеллекта [25]. Однако аппарат этого моделирования не позволил применить этот подход непосредственно в менеджменте. Хотя его переводят на английский как “Situational Management”, по существу это Situational Control. Он был ориентирован на интеллектуальное и автоматизированное управление

Как реакция на западе возник ситуационный менеджмент [26, 27], который ориентирован в первую очередь на организационное управление. В этом свете пространственное ситуационное моделирование возникло как «серая» ситуация, которая находится между организационным ситуационным управлением и интеллектуальным управлением. Специфика пространственного ситуационного управления в использовании пространственной информации, пространственных отношений и методов геоинформатики.

Ситуационное моделирование и пространственное ситуационное  моделирование [24] делится на две группы стационарное  и динамическое. Стационарное  моделирование  описывает различные статические ситуации. Динамическое  моделирование применяется для анализа динамики ситуаций.

Стационарное моделирование  рассматривает в качестве объекта исследования стационарную информационную ситуацию и объект в этой ситуации или изменение позиции объекта в этой ситуации. Динамическое  ситуационное моделирование рассматривает в качестве объекта исследований динамическую информационную ситуацию и не только объект в этой ситуации, но и комплекс разных объектов. Оно включает моделирование ряда компонент как зависимых сложных систем: объекта исследования; среды вокруг объекта; системы отношений и вытекающих из них связей «объект-среда». Поэтому для понимания  специфики ситуационного моделирования необходимо рассмотреть  пространственные отношения.

 

Пространственные отношения в сером анализе

Основой ситуационного пространственного стационарного о моделирования являются  геоданные [28] и информационные отношения [29]. Многие виды стационарного пространственного моделирования используют пространственные отношения. При ситуационном моделировании пространственные отношения играют доминирующую роль как инструмент описания именно ситуаций,  в которой находится объект моделирования или группа объектов. Пространственные отношения задают описание начальной ситуации и определяют динамику ее развития. Связи «объект – среда», которые были упомянуты выше, в геоинформатике задают именно пространственные отношения. Следует подчеркнуть, что пространственные отношения не эквивалентны связям, а только задают условия для их возникновения, существования и развития.

Особенность ситуационного моделирования в том, что во внимание принимается объект моделирования  и окружающая  его микро ситуация  или микросреда. Совокупность развития ситуаций образует сценарий. Возможны 4 типа развития простых ситуаций (сценариев),  они приведены в таблице 1.

 

Таблица 1 —  Сценарии развития ситуаций

	Модель объекта стационарная	Модель объекта динамическая
Среда стационарная	Сценарий  1	Сценарий 2
Среда динамическая	Сценарий  3	Сценарий 4

 

Сценарий 1 соответствует стационарному моделированию. Остальные 2-4 приводят к динамическому моделированию. Динамику среды задают пространственные отношения. Они же определяют характер взаимодействия объекта и среды.

В более сложном случае ситуационное моделирование включает исследование выбранного объекта,  который можно назвать основным и группу вспомогательных объектов. Например, при мониторинге деформаций и осадок в процессе строительства основного сооружения наблюдение ведется за этим основным объектом, Но при этом отслеживают окружающие объекты, которые также могут испытывать смещения и осадки, обусловленные строительными работами. Совокупность развития ситуаций в этом случае схематически приведена в таблице 2.

 

Таблица 2 — Сценарии развития ситуаций при учете совокупности объектов

	Среда стационарна	Среда динамическая
Модель основного объекта стационарная	Сценарий  1	Сценарий 2
Модель основного объекта динамическая	Сценарий  3	Сценарий 4
Совокупность окружающих объектов стационарная	А	Б
Совокупность окружающих объектов динамическая	В	Г

 

В этом случае ситуация А «и» сценарий 1 соответствует стационарному моделированию. Ситуации А – сценарии 2-4, Б сценарии 2, 4, В – сценарии 1-4, Г – сценарии 1-4 — требуют проведения пространственного динамического моделирования. Таким образом, в реальной практике при исследовании совокупности объектов чаще всего требуется проведение ситуационного пространственного моделирования.  Основой такого моделирования являются пространственные отношения.

На практике пространственные отношения  имеют  четыре основных вида: иерархические, топологические, геореференцные  и геостатистические.  Первые два вида в явной форме задают отношения порядка. Вторые два вида представляют собой неявное знание [30] и требуют достаточно кропотливой обработки для получения явного знания. Иногда выделяют более мелкие пространственные отношения такие как «тангенциальные», «конфигурационные», «координатные». Иерархические пространственные отношения наиболее ярко проявляются в кадастре. В этой сфере имеет место четкая иерархия кадастровых объектов, которая используется при землепользовании, в государственном управлении  при учете природных и земельных ресурсов. Она не допускает перекрытие объектов одного уровня иерархии.

Самым распространенным типом пространственных отношений при изучении пространственных объектов является иерархический тип, описывающий отношения между элементами, множествами и частями объектов. Это отношения типа «один ко многим». Однако пространственные отношения включают еще отношения «многие ко многим». Наиболее распространенные пространственные отношения обозначают  ISA, AKO Рис.3.

 

Рис.3. Пространственные отношения типа ISA

Условно: 1- инженерное сооружение; 2- переход; 3 –дорога.

 

Отношение классификации ISA происходит от английского “is a”. Говорят, что множество (класс) классифицирует свои экземпляры (например, “улица есть часть городской территории). Иногда это отношение именуют “member of”. По-русски это может называться «есть» (единственное число) или «суть»  (множественное число). Связь ISA предполагает, что свойства объекта наследуются от множества. Эти отношения используют при описании городской ситуации.

Обратное отношение – “example of” или  «пример». Поэтому процесс порождения элементов из множества называется экземпляцией.

Отношение между множеством и подмножеством AKO  (рис.4) происходит от английского “a kind of”,  например, «городские районы есть  подмножество городской территории».

 

Рис.4. Пространственные отношения типа AKO

 

Отличие AKO от отношения ISA заключается в том, что ISA – отношение «один ко  многим», а AKO отношение – «многое к многим». С позиций геоинформатики отношение ISA применяют для описания ситуаций на картах в крупных масштабах. Отношение AKO  применяют для описания ситуаций на картах в мелких масштабах.

Применяя пространственные отношения, следует четко различать, какие объекты являются классами, а какие – экземплярами классов. При этом вовсе не обязательно одно и то же понятие будет классом или экземпляром во всех предметных областях. Например, «студент» всегда будет классом в базах знаний типа «студенческая группа» или «вуз», но может быть экземпляром класса учащихся.  Наличие отношения классификации еще не говорить о существовании системы классификации, а только служит основой для нее. Исключение составляют те случаи, когда классификация уже создана. Объект, как сложная система, состоит из нескольких частей и элементов. Например, город включает улицы, площади, дома, объекты инфраструктуры,  инженерные сооружения и т. д.  Это определяет еще один тип отношения –  Отношение целого и части. Их также называют отношениями меронимии и холонимии (рис.5).

 

Рис.5. Отношения холонимии и меронимии

 

Отношение меронимии – отношение целого к части (“has part”). Мероним – объект, включающий  другой объекта  как часть. «Город включает городские районы. Городская территория включает улицы». Отношение холонимии – отношение части к целому (“is a part”). «Улица часть городской территории». Улица – холоним для городской территории. Городская  территория – мероним для улицы.

Говоря об иерархических пространственных отношениях, следует упомянуть об уровнях иерархии и отметить, что существуют семантические отношения на одном уровне иерархии и отношения между уровнями. Отношения на одном уровне соответствуют парадигматическим отношениям, отношения между уровнями соответствуют синтагматическим отношениям. Эти отношения задают семантику ситуационного моделирования в геоинформатике.

Топологические отношения широко используются в картографии и на транспорте. Для описания топологических отношений пространственных объектов широко применяют графовые  модели.  В этих моделях могут быть использованы разные виды отношений. При этом следует отличать пространственный граф, который содержит пространственную топологию от информационного графа, например семантической сети. При моделировании топологических отношений используют следующие виды отношений:

• функциональные  (определяемые обычно глаголами «производит», «влияет»…);
• количественные (больше меньше, равно…);
• позиционные  (далеко от, близко от, за, под, над…);
• временные (раньше, позже, в течение…);
• атрибутивные (иметь свойство, иметь значение);
• логические (И, ИЛИ, НЕ);
• лингвистические.

Геореференцные отношения представляют собой специфический лингвистически-информационный инструмент фиксации отношений пространственных номенов и понятий, а также географических названий. Геореференция в разных формах отражает отношения между пространственно локализованными объектами и информацией об этих объектах. Она часто нелинейна, многозначна и порой бывает неявной. Это означает, что она выражается в категориях неявного знания [30].

В сферу геореференции входят также  зависимости между любой документальной информацией (например,  карты, космические снимки, биографическая информация) и географической локализацией с помощью местонаименований, кодов места (например, почтовые коды), координат и других методов, описывающих пространственные связи и отношения. Существуют специальные справочники географических названий и так называемые газеттиры, которые отражают отношение геореференций. В ГИС геореференция отражается с помощью так называемых ассоциативных связей. Вне ГИС она отражается различными лингвистическими конструкциями.

 

Формализация ситуационного моделирования

Ситуационное моделирование в аспекте управления соотносится со «школой  управления при непредвиденных  обстоятельствах». Концепции этой школы, называемой в оригинале contingency school of management [31],  строятся на том, для всех случаев жизни нет никакого единственного универсального способа управления. Каждая ситуация уникальна. Не существует единого для всех «лучшего» способа управления во всех ситуациях. Школа  управления при непредвиденных  обстоятельствах концентрирует внимание  на том, что пригодность различных методов управления определяется конкретной ситуацией. Самым эффективным методом управления в конкретной ситуации является метод, который более всего соответствует данной ситуации. Задача — найти и суметь реализовать этот метод. Реализацией этого метода в пространственных ситуациях  является пространственное ситуационное моделирование.

Ситуационное моделирование предполагает моделирование объектов, как связанных, так и меняющихся систем. При визуализации такого  моделирования  аналогом будет видеофильм или видеозапись. Структурно ситуационное моделирование опирается на ряд специализированных моделей. Основой ситуационного моделирования является предварительное создание языка моделирования, то есть создание различных информационных единиц. Это могут быть: графические информационные единицы, единицы информационного взаимодействия, единицы коммуникационного обмена, структурные  информационные единицы.

На основе информационных единиц формируются составные информационные модели объекта и ситуации.  Понятие  ситуации и позиции используется широко. Например, ситуация и позиция в одном пространстве. Это может быть пространственная ситуация и пространственная позиция. Это может быть экономическая ситуация и экономическая позиция. Это может быть экологическая ситуации и экологическая позиция.

Возможны комбинации ситуаций и позиций. Например, пространственная ситуация и экономическая позиция. Другой пример, пространственная ситуация плюс экологическая ситуация плюс пространственная позиция и экономическая позиция. В целом такие комбинации создают основу пространственного ситуационного моделирования. Начальная информационная модель ситуации НИС  имеет вид:

 

НИС = Ф{(Cр1,Cр2,…Cрn), (Тр1, Тр 2, … Тр m), (Аt1, At2, …Atk) (1)

 

Здесь Cpi — совокупность координатных пространственных  параметров (i=1..n); Трi – совокупность параметров, зависящих от времени (i=1…m); Аti — совокупность тематических характеристик (i=1…k). Модель (1) открыта для включения дополнительных параметров.

 

Многоцелевое управление в неопределенных ситуациях

В процессе управления информационная ситуация может меняться и становится текущей информационной ситуацией. Текущая информационная модель ситуации ТИС  имеет вид

 

ТИСj+1 = НИСj{(Cpij + ∆ Cр), (Трij +∆Тр), (Аtij +∆At) (2)

 

Здесь Cpij — совокупность координатных пространственных  параметров на  j-ом шаге управления; Трij – совокупность параметров, зависящих от времени на  i-ом шаге управления; Аtij — совокупность тематических характеристик на  i-ом шаге управления. В выражении (2)  ∆ Cр, ∆Тр, ∆At – приращения параметров на очередном шаге управления. Степень изменения этих параметров может относить текущую информационную ситуацию к «белой», «серой» или «черной» (рис.2).

 

В сложных «серых» ситуациях возможна перемена локальной цели при сохранении стратегической и возможна даже замена стратегической цели. Это обусловлено изменчивостью текущей ситуации по отношению к запланированной ситуации. Изменчивость ситуации может переводить исходную  «белую» информационную ситуацию в «серую» информационную ситуацию. Изменчивость ситуации переводит определенную первоначально информацию о текущей ситуации в неопределенную информацию (рис.1).

Например, в сфере транспорта изменением дорожной ситуации может повлечь изменение маршрута при сохранении конечной точки маршрута.  Выбор  цели, исходя из оперативной ситуации, означает также применение разных критериев  оптимизации [32]. Например, при перевозке груза могут возникать следующие информационные ситуации с разными условиями решения оптимальной задачи:

Ситуация 1 критерий оптимальности — минимальное расстояние от точки погрузки до точки разгрузки (учет только стоимости перевозки без стоимости разгрузки);

Ситуация 2 критерий оптимальности — минимальное время доставки от начального пункта до пункта назначения (скорая помощь, доставка питания  в детские учреждения);

Ситуация 3 критерий оптимальности — минимальная стоимость доставки с учетом погрузки и разгрузки (учет перевозки и стоимости погрузочно/разгрузочных работ);

Ситуация 4 критерий оптимальности — минимизация затрат на стоимость аренды одной из точек разгрузки (склада);

Ситуация 5 критерий оптимальности — минимизация риска при доставке особо ценного груза.

Ситуация 6 изменение начальных условий оптимальности вследствие изменения условий доставки или чрезвычайной ситуации. (например, авария, изменение конечного пункта доставки, выгрузка части груза на промежуточной станции).

Ситуации 1-6 являются основой для применения  многоцелевого управления и для возникновения дополнительных задач управления. Ситуации 1-6 не исчерпывают возникновение дополнительных ситуаций, которые также требуют пространственного анализа. Возможны новые ситуации и комбинации из перечисленных ситуаций. В реальных условиях задачи доставки могут существенно меняться. Использование  топологических  моделей позволяет упрощать анализ пространственной ситуации. На рис.6 приведена простая ситуация доставки груза из точки 1 в точку 4.

 

Рис.6. Простой граф транспортной сети

 

В таблице 3 приведена матрица пространственных отношений, инцидентная  графу ситуации (рис.5) В таб.1  цифрой 1 отражена дуга между соответствующей вершиной Vi. Значение 0 означает отсутствие дуги (связи). В ситуации дорожного движения 0 означает невозможность прямого перемещения между этими пунктами.

 

Таблица 3 —  Матрица пространственных отношений

 

Для определения  маршрута из вершины  V1 в вершину V4  отражена область соответствующих клеток матрицы. Граф (рис.6) определяет следующие  комбинации маршрутов 124, 134, 1234 доставки их точки 1 в точку 4. Эти комбинации и есть решения в «серой» системе анализа.  На основе матрицы пространственных отношений (таблица 1) строятся подобные матрицы для других пунктов отправления и назначения, которые служат основой для расчетов оптимальности прокладки маршрута.

Таблица 1 соответствует симметричным условиям, то есть одинаковым условиям движения в обе стороны. На практике имеют место ассиметричные ситуации с односторонним движением и ситуации с изменением трафика в течении дня.

Такие  ситуации имеет место за счет разных типов дорог (главная, не главная) и условий движения. Кроме того,  времена перемещения на вышерассмотренных маршрутах существенно меняются в зависимости от интервала движения в течение рабочего дня. Существует значительная зависимость длительности перевозки от времени в течение дня.

Это дает основание утверждать, что при перевозках нецелесообразно применять точечное оценивание времени, расстояния, и затрат. Точечным называется оценивание одной величины одной цифрой. На графике такому оцениванию соответствует точка. Вариабельность условий движения делает целесообразным применение для этой цели нечетких чисел, которые подразделяются на интервальные, треугольные и трапециевидные. Такой подход доказан в ряде работ [33, 34].

Серый анализ дает основание вводить разные матрицы оценки пространственной ситуации, например: матрицу временных отношений; матрицу расстояний; матрицу затрат. В таблице 4 приведена матрица расстояний или длин маршрутов (L).  В ней использованы точечные значения (L1)  и интервальные значения (L1, L2).

 

Таблица 4. Матрица  расстояний маршрутов

 

Это обусловлено тем, что для простых маршрутов, то есть для маршрутов между двумя вершинами графа или для маршрутов, которые описываются только одной линейной цепочкой, а не сетью, — длина маршрута величина постоянная. На рис.7 показаны  примеры простых маршрутов.

 

Рис.7. Примеры простых маршрутов

 

На рисунке 7 для варианта а) изображено звено. На рисунке 7 b) дана линейная цепочка.  Общим для таких маршрутов является постоянства длины маршрута. Это дает основание ввести определение простого маршрута как маршрута, длина L1 которого постоянна, а граф не имеет сетевой структуры.

Длина сложного маршрута ( рис.8) длина задается интервалом L1;L2. Сложным будем назвать маршрут, который имеет сетевую структуру и , следовательно, при его реализации возможны комбинации, которые приводят к разным длинам маршрутов. На рис. 8 приведен пример (относительно) сложного маршрута. Пункт отправления вершина с номером 1, пункт назначения – вершина с номером 5.

 

Рис. 8. Сетевой граф с набором возможных маршрутов

 

Возможны следующие комбинации маршрутов (1245; 12345; 1345; 1675). Этот граф является упрощенной моделью городской ситуации. В случае стационарных условий движения, выбирают маршрут, отвечающий условиям оптимальности. Но в случае изменения ситуации, оптимальный маршрут может быть любым. Поэтому в общем случае длина маршрута будет иметь столько значений,  сколько существует возможных комбинаций маршрута их начальной точки в конечную. В нашем случае каждый возможный маршрут имеет частную длину

l1= Length of route(1245);

l2= Length of route(12345);

l3= Length of route(1345);

l4= Length of route(1675).

Эти значения частных длин задают интервал минимальной L1 и максимальной L2 длины маршрута

L1=min [l1= Length of route(1245);  l2= Length of route(12345); l3= Length of route(1345); l4= Length of route(1675)]

L2=maxn [l1= Length of route(1245);  l2= Length of route(12345); l3= Length of route(1345); l4= Length of route(1675)]

Любые значения длин маршрутов лежат внутри этого интервала. Таким образом, матрица приведенная в таблице 2, включает точечные и нечеткие (интервальные) значения. Следует также подчеркнуть, что матрица пространственных отношений (таблица 1) является родовидовой для этой и других матриц оценки маршрутов. Следующая матрица оценки маршрутов – это матрица временных отношений, которая приведена в таблице 5.

 

Таблица 5 — Матрица временных отношений

 

Матрица временных отношений показывает время перемещения из одной вершины в другую, а общее время движения по маршруту определяется совокупностью времен звеньев, входящих в маршрут. Как отмечено выше, время движения может различаться в зависимости от направления движения, даже в том случае, когда длина маршрута неизменна. Кроме того, на время движения влияет время суток, что связано с загруженностью трасс. Все это обуславливает введение: интервальных (T1, T2). Треугольных (Т1, Т2, Т3) и  трапециевидных (Т1, Т2, Т3, Т4) — чисел для оценки времени перемещения.

Кроме того, матрица временных отношений (таблица 3) может быть ассиметричной. Это обусловлено тем, что время движения по обратному маршруту не равно движению времени по прямому маршруту, даже при неизменной длине маршрута в прямом и обратном направлении. Это обстоятельство отражено в таблице 3 тем, что отношение между вершинами V2-V3 в одну сторону задается интервалом Т1,Т2, а в другую V3-V2 отношением Т3,Т4.  Асимметрия имеет место и в отношении вершин V3-V4. В дну сторону оно отражается треугольным числом Т1, Т2, Т3, а в другую треугольным числом Т5, Т6, Т7.

Однако важно отметить качественное соответствие чисел. Если в одну сторону дается интервальная оценка, то и в другую сторону эта оценка тоже будет интервальной.  Если в одну сторону дается треугольная оценка, то и в другую сторону эта оценка тоже будет треугольной. Если в одну сторону дается трапециевидная оценка, то и в другую сторону эта оценка тоже будет трапециевидной. Общий вывод для временных отношений имеет место симметрия по качественной характеристики и возможная асимметрия по количественной характеристике.

В таблице 4 приведена матрица затрат. Это наиболее сложный показатель, но в качественном плане он близок к матрице временных отношений, поскольку эта характеристика более вариабельна и эту вариабельность она накладывает на характер затрат.  Еще раз напомним, что родовидовой для матрицы затрат (таблица 6) является матрица пространственных отношений.

 

Таблица 6 —  Матрица затрат

 

В таблицах 2-4 одно значение является точечным, два значения (С1, С2) являются прямоугольным числом, три значения (С1,С2, С3) обозначают треугольное число, четыре значения (С1, С2, С3, С4) обозначают трапециевидное число.

Возникает вопрос оценки характеристик маршрута по данным таблиц 2, 3, 4. Это представляет определенные трудности, поскольку обработка  нечетких чисел отличается от обработки  обычных чисел и требует определенной подготовки. Тем не менее, в настоящее время накоплен достаточный опыт [35], позволяющий решать данные задачи.  Следует также отметить, что, при использовании нечетких множеств, широко используют нечеткие графы [24]. Следующим шагом является выбор оптимальных величин таблиц 2 – 4.  После этого используют методы теории предпочтений [26] для выбора оптимального маршрута.

Таким образом, «серая» оценка характеристик маршрута лежит в области нечетких чисел и практически исключает обычный анализ, использующий точечные величины. Применение описанной методики позволяет адекватно оценивать характеристики маршрутов в условиях современного движения со сложной меняющейся обстановкой и асимметричными характеристиками движения.

 

Выводы

Управление в условиях неопределенности имеет множество вариантов реализации и его нельзя сводить только к одному методу. Серый пространственный анализ является относительно новым методов, неизвестным широкому кругу управленцев. Серый пространственный анализ в отдельных случаях дополняет теорию нечетких множеств, в других случаях самостоятельно решает задачи поддержки принятия решений. Серый пространственный ситуационный анализ включает три принципа. 1) определение пространственных отношений как основы моделирования и развития ситуаций. 2) определение модели микросреды, которая влияет на ситуацию. 3) определение модели объекта с учетом связей и отношений с микросредой и макросредой. Методы серого пространственного анализа допускают задание нескольких критериев оптимальности и решение нескольких задач управления, с учетом возможного изменения ситуации и возможного перехода от одной задачи управления к другой. Техника серого пространственного анализа требует анализа ситуации и перехода от точечных значений параметров к интервальным, треугольным или трапециевидным значениям. В соответствии с этим решение задач будет множественным, а не единичным как при точечных оценках параметров.

Серый пространственный анализ создает в итоге адекватное описание сложной ситуации, новые информационные ресурсы и новые знания. Он позволяет решать широкий круг задач, который с помощью иных методов моделирования решить нельзя Особое значение этого анализа в том, что он используется при поддержке принятия решений, при управлении подвижными объектами и при многоцелевом управлении. Серый пространственный анализ допускает использование когнитивного управления с применением когнитивных карт и методов когнитивного моделирования.

Библиографический список:

1. Демидова Л. А., Кираковский В. В., Пылькин А. Н.  Принятие решений в условиях неопределенности. — М.: Горячая линия — Телеком, 2015. — 283 с.
2. Розенберг И.Н., Старостина Т.А. Решение задач размещения с нечеткими данными с использованием геоинформационных систем. — М. Научный мир, 2006. — 208с
3. Боженюк А.В., Герасименко Е.М., Розенберг И.Н. Определение потока минимальной стоимости в нечетком динамическом графе//Известия ЮФУ. Технические науки. -2013. -№ 5 (142). -C. 149-154
4. Боженюк А.В., Розенберг И.Н. Метод размещения центров обслуживания на интервальных графах. // Известия ТРТУ. — 2006, — №9 (64). – с.141-145.
5. Feng, L. (1997). Research on the Identification Coefficient of Relational Grade for Grey System [J].Systems Engineering—Theory & Practice,6
6. Chan WK and Tong TKL, (2007), Multi-criteria material selections and end-of-life product strategy: Grey relational analysis approach, Materials & Design, Volume 28, Issue 5, Pages 1539-1546.
7. Цветков В.Я. Серый реляционный анализ // Международный журнал прикладных и фундаментальных исследований. – 2016. – № 12-1. – с166-166.
8. Liu G., Yu J. Gray correlation analysis and prediction models of living refuse generation in Shanghai city //Waste Management. – 2007. – Т. 27. – №. 3. – С. 345-351
9. Yufeng G., Jing W., Zidian H. Gray correlation analysis on influencing factors of postgraduates’ innovative capacity //Journal of Theoretical and Applied Information Technology. – 2013. – V. 49. – №. 1. – p.419-425.
10. Tsvetkov V. Ya. Framework of Correlative Analysis // European researcher. Series A. 2012. № 6-1 (23). С. 839-844.
11. Theil H. The information approach to demand analysis //Econometrica: Journal of the Econometric Society. – 1965. – р.67-87.
12. Неймарк Ю. И., Стронгин Р. Г. Информационный подход к задаче поиска экстремума функций. //Изв. АНСССР. Техн. кибернетика. – 1966. – №. 1. – С. 17-26.
13. Цветков В.Я., Корнаков А.Н. Информационный подход в управлении // Успехи современного естествознания. — 2010. — №3. – c.137-138.
14. Цветков В.Я. Информационный подход // Международный журнал прикладных и фундаментальных исследований. — 2016. — 4- 3. – с.645-645
15. Шайтура С.В. Информационная ситуация в геоинформатике// Образовательные ресурсы и технологии. – 2016. — №5 (17). – с.103-108.
16. Цветков В.Я. Информационные модели объектов, процессов и ситуаций// Дистанционное и виртуальное обучение– 2014. — №5. — с.4- 11
17. Ожерельева Т.А. Информационная ситуация как инструмент управления // Славянский форум, 2016. -4(14). – с.176-181
18. Розенберг И.Н., Цветков В.Я. Информационная ситуация. // Международный журнал прикладных и фундаментальных исследований. — 2010. — 12. — с.126-127
19. Павлов А.И. Пространственная информационная ситуация // Славянский форум, 2016. -4(14). – с.198-203
20. Цветков В.Я. Информационная неопределенность и определенность в науках об информации // Информационные технологии. — 2015. — №1. -с.3-7.
21. Горелова Г.В., Захарова Е.Н., Гинис Л.А. Когнитивный анализ и моделирование устойчивого развития социально-экономических систем — Ростов н/Д: Изд-во Рост. ун-та, 2005. — 288 с.
22. Номоконов И.Б. Когнитивные методы при лучевой диагностике. Монография — М.: МАКС Пресс , 2016. — 60с.
23. Розенберг И.Н. Интеллектуальное управление// Современные технологии управления. 2017. — №4 (76). – с.45-50.
24. Цветков В. Я. Ситуационное моделирование в геоинформатике // Информационные технологии. – 2014. — №6. – с.64-69.
25. Pospelov D. А. Situational Management: Theory and Practice //Мoscow: Nauka (in Russian). – 1986.
26. Chapman S. L., Jeffrey D. B. Situational management, standard setting, and self-reward in a behavior modification weight loss program //Journal of consulting and clinical psychology. – 1978. – V.46. – №. 6. – p.1588.
27. Mayer J. H., Winter R., Mohr T. Situational management support systems //Business & Information Systems Engineering. – 2012. – V. 4. – №. 6. – p.331-345.
28. V. P. Savinykh and V. Ya. Tsvetkov. Geodata As a Systemic Information Resource. Herald of the Russian Academy of Sciences, 2014, Vol. 84, No. 5, pp. 365–368. DOI: 10.1134/S1019331614050049
29. V. Ya. Tsvetkov. Information Relations // Modeling of Artificial Intelligence, 2015, Vol.(8), Is. 4. – р.252-260. DOI: 10.13187/mai.2015.8.252 www.ejournal11.com.
30. Сигов А. С., Цветков В.Я. Неявное знание: оппозиционный логический анализ и типологизация // Вестник Российской Академии Наук, 2015, том 85, № 9, — с.800–804. DOI: 10.7868/S0869587315080319.
31. Encyclopedia of Management http://www.enotes.com/management-encyclopedia/management-thought. Дата доступа 5.06.2017.
32. 3 V. Ya. Tsvetkov. Multipurpose Management// European Journal of Economic Studies 2012, Vol.(2), № 2  р.140-143.
33. Розенберг И.Н., Старостина Т.А. Минимаксная задача размещения обслуживающих пунктов в нечетких условиях // Системы и средства информатики. Спецвыпуск №2. «Математические методы в информатике». Издательство ИПИ РАН, Москва, 2002, с.206-219.
34. Розенберг И.Н., Старостина T.A. Решение задач пространственной оптимизации // Системы и средства информатики. Специальный выпуск «Геоинформационные технологии»/ Под ред. И.А. Соколова. Москва: ИПИ РАН, 2004. – с. 213-231.
35. Берштейн Л.С., Боженюк А.В. Нечеткие графы и гиперграфы. М.: Научный мир, 2005. – 256с.

Введение

Возможности применения технологий управления в различных сферах общественной жизни безграничны. Однако используются они крайне плохо, нерационально. Сложилось реальное противоречие между огромным интеллектуальным потенциалом, накопившемся в науке и практике, и уровнем применения наукоемких технологий в различных сферах управления, в частности, в повышении эффективности управленческой деятельности.

Для российских управленцев технологизация в экономических системах типа «организация» наталкивается на некомпетентность субъектов управления, их неготовность обеспечить технологиями все циклы прохождения решений — от выработки до реализации. Кроме того, управленцам мешают сложившиеся стереотипы мышления, выражающиеся в недоверии к систематизации процессов и их частей, которые в условиях административно-командной системы нередко сводились к жестким некомпетентным регламентациям, положениям, инструкциям, проверкам и т.п. Поэтому всякие управленческие действия и их процедуры рассматриваются ими не более как бюрократические акты.

Технологии управления следует понимать не как жесткую регламентацию деятельности управленческого персонала, а как инновационное средство и стремление к саморазвитию и самосовершенствованию. Только на этом пути организации в России смогут вырваться из кризиса и показать свою жизнеспособность, конкурентоспособность и эффективность.

Технологизация как явление развивается на признании мнений о том, что управление — это целенаправленное изменение состояния объекта или процесса в экономических и социальных средах организаций. Такой подход делает применимым к этому процессу свойства технологичности, которое проявляется в использовании инструментов управления и построении последовательности переработки сред или явлений различной природы. Причем это выглядит аналогично механизации, электрификации и информатизации в свое время успешно осуществленных в нашей стране [1].

Однако и сейчас встречаются как сторонники технологизации управления, так и противники [1, 10-14]. Причем последних огорчает, что якобы технологизация неизбежно ведет к снижению творческого начала в процессах управления. Но, во-первых, это надо доказывать, а во-вторых, в управленческих действиях и решениях недопустимо двойное толкование, что приведет к неэффективности управленческих воздействий.

При этом хотелось бы отметить очень скудное число публикаций по технологиям управления, даже в книгах и журналам, в которых дефиниция «технология» вынесены на обложку. Это было достаточно убедительно автором показано на страницах данного журнала в работе [4].

Иcследование всех направлений технологизации управления требует много времени и усилий, а глубина изучения этого феномена обусловлена возможностями специализации и компетентности научных работников и управленцев-практиков. Поиск закономерностей построения технологий и способов их описания в унифицированной форме необходима для исследования процессов инновационного развития управления и существенно влияет на эффективность формирования и применения знаний.

Фактор технологизации в управленческой деятельности проявляется в устойчивом взаимовлиянии технологии и системности, проецируемых на процессы мышления и деятельности. В практике выделяют разные виды управленческих технологий: в сфере производства, качества, маркетинга, финансов, персонала, информации, управленческих решений, менеджмента и др. Управленцы должны владеть технологиями управления для успешного выполнения и развития своей деятельности на любом уровне в рамках организации.

Целью технологизации в экономических системах типа «организация» является оптимизация управленческих процессов. В связи с тем, что все человеческие отношения в окружающем мире взаимосвязаны и взаимообусловлены, то возникает необходимость формирования информационно-материальных логических схем их рационального преобразования в интересах общества, отдельных экономических систем, в т.ч. организаций, а также управленцев различного уровня. Можно сказать, что общество погружено в универсум технологий, которые оно осваивает, использует и приумножает. Все множество технологий весьма разнообразно, поэтому важно выработать инструменты их разработки, исследования и развития [2].

 

Основные системные представления об организации

Для разработки и развития систем управления любого уровня в организации необходимо базироваться на основополагающих параметрах и важнейших сущностях, используемых в сфере управления. Частные неклассические атрибуты необходимо сформулировать и логически их соотносить между собой. Представим важнейшие понятия, которые используются в настоящей работе.

Понятия «процесс» и «система» тесно связаны между собой. Существуют термин «процесс управления организацией», под которым понимается совокупность множества процедур или операций управленческой деятельности организации как системы. При этом целесообразно любой рассматриваемый процесс следует ограничивать в рамках системы, подсистемы или их конкретных частей, чтобы не испытывать затруднений при исследовании и моделировании.

Системы управления организациями (СУО) включают, как правило, несколько подсистем, которые имеют свои конструктивные особенности и соответствующую специфику управления вокруг базового объекта [3].

Управлять любой системой, как и подсистемой, напрямую невозможно, так как любой процесс управления – это совокупность управления различными частями системы (процесса), в рамках которых реализуются функции управления.

Процесс – есть последовательная смена состояний какого-либо объекта, события или явления. Рассматривать эти состояния возможно только тогда, когда мы сможем как-то разметить шкалу времени, к точкам которой будут привязаны эти состояния и, благодаря которой можно их различить и измерить [3].

Процессное управление – это деятельность по смене состояний внутри подсистемы или её части, чаще всего, целенаправленная и последовательная.

Существуют известные процессы, такие как «управление персоналом», «управление финансами», «управление качеством» и т.д., являющиеся полноценными системными образованиями в рамках организации. которые назовем системой управления процессом (СУП). При этом СУП – это, чаще всего, совокупность нескольких подпроцессов, функционирующих в рамках одного объекта или значительной его части.

Так как напрямую процессом управлять невозможно, её целесообразно разделить на части, что весьма важно для понимания содержания любой подсистемы. При этом эти части должны объективно существовать как осязаемые составляющие процесса.

Подпроцесс – это какая-то часть процесса, выделенная определенным образом и имеющая право на существование. Например, подпроцесс управления продвижением продукции может включать несколько частей, в т.ч. «Управление продажами продукцией», «Управление рекламной деятельностью», «Управление послепродажным обслуживанием» [5].

По аналогии понятий «система» и «подсистема», «процесс» и «подпроцесс» правомерно и содержание понятия «система управления подпроцессом» (СУПП). Например, вполне приемлемо существование в рамках системы управления персоналом локальной системы управления оценкой персонала. При этом выделенная СУПП должна удовлетворять двум условиям: наличие структурной целостности (количество элементов и связей между ними) и наличие полного состава функций управления, хотя бы в одном из подпроцессов, который для данной СУПП является системообразующим [8].

Переход от последовательной реализации одной функции управления к другой и есть смена состояний процесса или его части, что позволяет данное управление считать и функциональным, и процессным. В чистом виде процессное управление осуществляется внутри только одной функции управления.

 

Модель технологизации систем управления процессами организации

Особое значение в рамках представленной методологии построения СУП придается технологиям реализации СУПП. В конечном итоге, именно от реализации основных структурных частей СУО – СУПП зависит качество и эффективность функционирования и развития СУП и, конечно, СУО в целом. Технологизация СУП (СУПП) представляется в виде информационно-логической модели, которая состоит из нескольких этапов (рис. 1).

 

Рис. 1. Модель технологизации СУП организации

 

Каждый из представленных этапов модели, в свою очередь, имеет собственную модель или технологию реализации, которые можно с достаточной степенью подробности разработать, описать и освоить.

Таким образом, технологизация систем управления процессами и их составными частями включает определенные структурные составляющие, а также методологический инструментарий реализации элементов структуры СУПП, СУП и СУО в целом.

Технологии управления разрабатываются квалифицированными специалистами, имеющими опыт их проектирования и использования в системах управления процессами и их частями в организациях.

Некоторые наиболее популярные технологии управления основных процессов или их частей, реализуемые в современных СУО, разработаны автором и представлены в работе [4]. Это позволило достаточно тщательно отработать весь цикл проектирования, использования, обучения специалистов и обновления технологий в различных областях управленческой деятельности организаций.

Рассмотрим подробнее этапы процесса технологизации СУПП, представленные в модели (рис. 1). Особое внимание в этой модели уделяется информационно-логическим операциям и качеству их выполнения.

 

Реализация этапов модели технологизации систем управления процессами

Осознание необходимости технологизации приходит постепенно, когда организация сталкивается с необходимостью упорядочения управленческих процессов своей деятельности. В настоящее время практически отсутствуют типовые системы или модели, которые формировали и развивали технологические процессы управленческой деятельности организаций.

Упорядочением процессов организации, чаще всего, занимаются системы менеджмента качества. Необходимость этого диктует простая истина: невозможно выпускать востребованные продукцию или услуги, если не упорядочить документацию, а также связанные с её формированием операционные и информационные процессы.

Модель принятия решения по технологизации управленческой деятельности элементов СУП организации представлена на рис. 2.

 

Рис. 2. Модель принятия решения о технологизации СУП организации

 

Решение о технологизации процессов управления организации может быть обусловлено необходимостью четкого выделения работ, закрепления за ними конкретных исполнителей и стандартизации процедур их решения [6, 10].

Технология процессов обеспечивает выполнение требования, чтобы однотипные операции в процессах реализации СУП выполнялись одинаково. Это важно и для выбора круга элементов поддержки и средств обеспечения при реализации СУП [7]. Кроме того, технологизация СУП способствует взаимозаменяемости специалистов организации.

Главным направлением принятия управленческих решений на высшем уровне является определение основных объектов технологизации в организации и закрепление ответственных лиц за этот непростой и длительный процесс.

Если организация никогда раньше не занималась технологизацией управленческой деятельности, то все надо начинать с нуля.

Наличие подпроцесов в структуре СУП позволяет перейти к внедрению разработанных планов и/или программы в сфере технологизации управления организации [6]. Технологизация управленческих процессов, как известно, требует большого количества ресурсов, которые необходимо либо приобрести на рынке, либо перепрофилировать уже имеющиеся в организации.

При проявлении надлежащей гибкости все необходимые работы можно выполнить достаточно оперативно. При этом следует заручиться поддержкой рядовых работников. Важной задачей данного этапа является выделение финансовых средств на все этапы технологизации СУП. Модель подготовки организации к технологизации СУП представлена на рис. 3.

Важным фактором успешной подготовки к технологизации СУП является наличие компетентных специалистов. Именно от них зависит разработка или приобретение и эксплуатация методического обеспечения и правовых документов в организации. Уровень и качество документации, в конечном счете, позволят выявить или вырастить в организации целую плеяду компетентных работников, которые будут связаны с разработкой и реализацией технологий СУП и процессом их обеспечения.

 

Рис. 3. Модель подготовки организации к технологизации СУП

 

Методическое обеспечение технологизации процессов и подпроцессов организации должно регулярно обновляться в свете новых достижений в теории и методологии управления.

Существуют различные варианты реализации стратегии процесса технологизации элементов СУПП:

• поиск и приобретение технологий решения СУПП на стороне;
• создание собственной группы технологического проектирования;
• комбинированный вариант.

Возможно, принимая участие в приобретении технологий реализации СУП для организации на стороне по варианту 1 и, включаясь по мере необходимости в процесс их постоянной модернизации, можно приобрети умения и навыки проектирования технологий управления собственными силами.

Движение по варианту 2 — это самый сложный путь из всех, но он более надежен, так как позволяет организации не зависеть от внешних условий: квалификации сторонних разработчиков, сроков поставок, качества технологий реализации СУП, необходимости их срочной коррекции. Это направление позволяет осуществлять профессиональный рост собственным специалистам, в т.ч. в методологическом плане.

Наиболее универсальным является направление 3, которое охватывает все возможные варианты. Важными факторами на этом пути являются: выбор лучших образцов технологий управления, существующих в практике других организаций, приглашение опытных разработчиков, обращение к консультантам, выращивание собственных специалистов, повышение квалификации ведущих специалистов, передача от них опыта к новичкам в области проектирования и использования технологий управления в организации [15].

 

Проектирование технологий управления

Технология управления – это совокупность некоторых действий, последовательно выполняемых для успешной реализации данной задачи. Технологии управления могут быть выполнены на уровне операций и процедур.

Операция – это преобразование предметов, информации, поведения или деятельности людей. Иначе говоря, преобразование материи. Совершаются операции и мыслительные (сознательные) и подсознательные. Часть из них относятся к идеалистическому пониманию материи ибо формы её многообразны.

Нас интересуют те операции или их совокупности, которые сориентированы на реализацию управленческой деятельности в экономических и социальных средах. Поэтому можно с уверенностью констатировать, что операции являются конкретной, специально выделяемой частью процессов мышления, деятельности и коммуникации в деятельности организаций, что позволяет их назвать «строительными кирпичами» содержания управления организации.

Процедура – это некоторая совокупность преобразований или действий в рамках одной или нескольких операций.

Операция, по мнению автора, более крупная совокупность действий, включающая несколько процедур, которая не раскрывает их содержание и поэтому операции их стоит использовать тогда, когда не требуется подробного рассмотрения управленческих действий.

Функционирование многих СУП и СУПП должна носить целенаправленный характер. Типичным актом такого осуществления является реализация совокупности конкретных СУПП для достижения заданной цели технологизации конкретного процесса. Модель проектирования технологии реализации СУПП представлена на рис. 4.

 

Рис. 4. Модель проектирования технологии реализации СУПП

 

Результатом решения любой СУПП должен быть план (программа) деятельности, т.е. частично-упорядоченная совокупность операций. План деятельности напоминает сценарий, в котором в качестве отношения между вершинами выступают отношения типа: «цель-подцель» «цель-действие», «действие-результат» и т.п. Любой путь в этом сценарии, ведущий от вершины, соответствующей текущей ситуации, в любую из целевых вершин, определяет план дальнейших действий.

Технология реализации СУПП может быть выполнена только на уровне операций. При этом входная и выходная информация явно не выделяются. Конечно, отсутствие документов или их неполный состав может весьма затруднить или совсем не позволить построить схему документооборота в рамках СУПП. Однако бывает, что такая задача в научном исследовании или практическом задании и не ставится.

Построение технологии на уровне операций является вполне достаточной для той или иной СУПП. Такая технология состоит из четырех этапов: подготовка, выполнение (проведение), заключительные операции, мониторинг. Фрагмент технологии на уровне операций приводится для этапа «Подготовка» представлен на рис. 5.

 

Рис. 5. Технология реализации СУПП на уровне операций (фрагмент)

 

Для каждого этапа технологии управления подпроцессом с определенной степенью подробности приводятся операции преобразования информации. На этапе «Подготовка» определяются все исходные документы, необходимые для выполнения оценки персонала. Аналогично выполняются и другие этапы.

На этапе «Проведение» выполняется вся совокупность действий по самому подпроцессу в рамках процесса организации. Этот этап является самым ответственным и трудоемким, благодаря которому устанавливается соответствие работников занимаемым должностям. Соблюдение всех правил  позволит этот подпроцесс выполнить достаточно объективно, так как от него зависит судьба некоторых людей.

На этапе «Заключительные операции» проводится оформление важнейших документов, получаемых в рамках СУПП.

На этапе «Мониторинг» производится анализ выполненных операций на предыдущих этапах, определение качества и эффективности деятельности специалистов, выработка и утверждение необходимых изменений в технологию реализации СУПП.

Пример технологии реализации СУПП «Управление оценкой специалистов» на уровне операций представлен в рис. 6. Такая технология предназначена для реализации данного подпроцесса в целом независимо от функций управления, которые присутствуют в неявном виде внутри технологии, представленной на уровне операций.

 

 

Рис. 6. Технология реализации СУПП «Управление оценкой специалистов»

 

 

Главная цель мониторинга технологий реализации СУПП — оценка результатов деятельности подразделений и отдельных специалистов организации по регулярной реализации СУПП. Самым важным является определение уровня управляемости какой-либо системы или её части. Особое внимание уделяется характеру выявленных отклонений и приобретению специалистами способностей по их устранению.

Основой для проведения мониторинга технологий на стадии эксплуатации СУПП является анализ качества и своевременность выдачи выходной информации. Кроме того, уделяется внимание достоверности информации. Уровень технологизации СУПП и даже её отдельной части оценить весьма непросто. Исследовать надо либо в целом уровень технологии реализации СУПП или её отдельных операций. Если проявятся серьезные недостатки, производится исследование выполнения всей технологии, либо отдельных элементов технологий реализации СУПП.

В рамках мониторинга выполнения СУПП производится сравнение с заданными параметрами её деятельности или её отдельной части. Основные показатели связаны с качеством и эффективностью технологии реализации СУПП.

К наиболее важным показателям относятся: своевременность, достоверность удобство использования информации. Каждый показатель имеет свои значения для различных СУПП, поэтому необходимо ориентирования на их величины. В случае соответствия фактических показателей деятельности СУПП нормативным показателям, эксплуатация системы продолжается. В случае несоответствия отыскиваются элементы, которые нарушают нормативные показатели деятельности СУПП. При этом целесообразно исследовать причину возникновения дефектов в деятельности СУПП.

В случае необходимости принимаются управленческие решения о внесении изменений в процесс технологизации СУПП на основе проделанной работы на стадии эксплуатации [9].

Решения могут касаться замены каких-либо элементов СУПП. Чаще всего, это может касаться введения, исключения или дополнения, также средств реализации отдельных операций СУПП, так как для выполнения некоторых стандартных операций нужны более точные методы. Если дело касается нарушения сроков выполнения технологии реализации СУПП, то в этом случае целесообразно применять ПЭВМ. Если ПЭВМ уже применялась для технологии реализации СУПП, то следует рекомендовать более современные программные средства, существенно ускоряющие процесс обработки информации.

Организационные изменения производятся за несколько периодов, включающих совокупности операций, которые могут быть сведены в методику проведения изменений. На основе проведенного мониторинга и выбранной системы показателей строятся три варианта состояний технологизации в организации: фактическое, желаемое и критическое. При составлении фактической картины используются реальные данные о состоянии организации, содержавшиеся во внутренней отчетности и аналитических материалах.

Технология подготовки изменений выполняется по материалам, представленным в работах [5, 10]. При этом готовится текст изменений, согласовывается с разработчиком основной версии, с разработчиками смежных СУПП, вносится в тест технологии реализации конкретной СУПП. Иногда на какое-то время сохраняется старый и новый форматы технологий для понимания сущности нововведений. После вхождения нового варианта технологии в повседневную жизнь старый вариант отменяется.

Таким образом, постоянное и обоснованное внесение изменений в рабочие документы в рамках существующих СУПП позволяет постоянно и целенаправленно повышать эффективность и качество управленческой деятельности.

 

Заключение

Четкое выполнение представленных в модели этапов технологизации управления позволит иметь организации устойчивую и надежную систему управления процессов и подпроцессами на уровне операций, а также систему её развития и обновления в процессе функционирования и развития организации.

Следует отметить, что полнота изображения технологий в графовой или табличной форме может быть разная, так по глубине показа операционной проработки, отражённой на бумаге, так и с точки зрения их наименования, последовательности выполнения и описания содержания технологий в рамках управленческой деятельности организаций [4].

Таким образом, деятельность в направлении проектирования технологий управления в дальнейшем предстоит обширная и кропотливая. При этом необходимо, чтобы дисциплина «Технологии управления» была отдельно выделена в учебном процессе подготовки и переподготовки управленцев и некоторых смежных категорий специалистов. Однако эта весьма благородная цель потребует значимых усилий по различным направлениям. Важнейшей задачей при этом необходимость в ближайшее время добиться, чтобы названия публикаций с дефиницией «технология» обязательно присутствовали в ведущих управленческих журналах и, главное, чтобы их названия соответствовали своему содержанию.

Библиографический список:

1. Албастова Л.Н. Технологии эффективного управления. М.: ПРИОР, 1998. 258 с.
2. Анисимов О.С. Методология: функция, сущность и становление. М., 1996. 353 с.
3. Большой экономический словарь / под ред. А.Н. Азрилияна. 7-е изд. доп. М.: Институт новой экономики, 2008. 1472 с.
4. Герасимов Б.Н. Технологизация управления: обзор научной литературы и авторский взгляд // Современные технологии управления. Дата публикации: 2017-02-02. Режим доступа: https://sovman.ru/article/7403
5. Герасимов Б.Н. Основы российского управления: Технологии управления. ч. 2. Самара: СГАУ, МИР, 2006. 228 с.
6. Герасимов Б.Н. Технологии управления. Самара: НОАНО ВПО СИБиУ, 2010. 460 с. Серия «Энциклопедия управленческих знаний».
7. Герасимов Б.Н. Технологизация процессов в системах управления организации // Вестник Алтайской академии экономики и права. 2015. № 2(40). С. 65-71.
8. Герасимов К.Б. Проектирование систем управления процессами организации // Вестник Ленинградского государственного университета им. А.С. Пушкина. 2012. Т. 6. № 1. С. 46-55.
9. Герасимов К.Б. Модель проектирования технологии решения функциональных задач управления // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2013. Т. 13. № 3-2. С. 431-438.
10. Сурмин Ю.П., Туленков Н.В. Теория социальных технологий. К. МАУП, 2004. 608 с.
11. Соснина Т.Н. Понятие «технология»: объективные и субъективные основания его терминологического статуса // Вестник Самарского государственного аэрокосмического университета № 1 (21) 2010 г. С. 262-269.
12. Третьякова Е.П. Технологии управления как способ формализации организационных процессов // Вестник ИрГТУ №2 (73) 2013. С. 206-211.
13. Шарапов В.М, Шарапова Е.В. Универсальные технологии управления. М.: Техносфера, 2006. 496 с.
14. Шепель В.М. Человековедческая компетентность менеджера. М.: Народное образование, 1999. 432 с.
15. Gerasimov B.N., Gerasimov K.B. Modeling the Development of Organization Management System // Asian Social Science; Vol. 11, No. 20; 2015. Р. 82-89.

Введение

Интеллектуальное управление является обобщением семиотического [1], когнитивного [2] и информационного управления [3]. В интеллектуальном управлении транспортом выделяют направления: интеллектуальных транспортных систем [4], интеллектуального семиотического управления [5] и интеллектуального когнитивного управления. Интеллектуальное семиотическое управление связано с разными формами логики, системой продукций, эволюционными алгоритмами. Интеллектуальное когнитивное управление рассматривается как синтез человеческого компьютерного управления с использованием ассоциативных каналов и анализа неявных знаний. Интеллектуальное управление рассматривается как средство принятия решений в условиях неопределенности [6]. Интеллектуальное информационное управление рассматривается как поддержка интеллектуального управления с помощью информационных технологий.

 

Необходимость интеллектуального управления

По мере развития общества и усложнения объектов и задач управления менялись и технологии управления. Наиболее остро в управлении сложными ситуациями обнаружилась проблема «больших данных» [7]. Она создает информационный барьер [8, 9] для технологий «организационного управления». Для современного управления характерен рост  слабо структурированной информации. Это обуславливает переход к интеллектуальному управлению [10, 11], которое, в свою очередь, приводит к необходимости применения технологий управления знаниями [12]. Основой интеллектуального управления являются интеллектуальные системы и интеллектуальные технологии. Интеллектуальная система — это техническая или программно-техническая система, способная получать творческие решения задач, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Упрощенно структура интеллектуальной системы включает три основных блока — базу знаний, решатель и интеллектуальный интерфейс [13]. Решатель является доминирующей составляющей интеллектуальной системы. В логиках первого порядка решателем называют механизм получения решений логических выражений [14]. В мультиагентных системах, которые относят к области искусственного интеллекта, также используют понятие решателя. Агентом называют [15] решатель задач, который представляет собой программную сущность, способную  действовать в интересах достижения поставленных целей. В символическом моделировании  решателем (s-solver) называют значение специализации сообщения. Одним из первых в России ввел  это понятие Ефимов Е.И. [16]. Из этого краткого перечня следует важность  решателя для интеллектуальных систем и интеллектуальных технологий.

 

Интеллектуальное управление в рамках прикладной семиотики

Семиотика изучает природу, виды и функции знаков, знаковые системы и знаковую деятельность человека, знаковую сущность естественных и искусственных языков с целью построения общей теории знаков. В области семиотики существует направление «прикладная семиотика», основоположником которого является Д.А. Поспелов [1].

В семиотике выделяют  две сферы приложения знаков: познания и коммуникации. Это делит семиотику на две части: семиотика познания;  семиотика смысловых коммуникаций. Основой интеллектуального управления служит семиотическая система. Согласно Поспелову [1] семиотической системой W называется упорядоченная восьмерка множеств:

 

W=< T, R, A, P, τ, ρ, α, π>,  (1)

 где
T — множество основных символов;
R — множество синтаксических правил;
A — множество знаний о предметной области;
P — множество правил вывода решений (прагматических правил);
τ — правила изменения множества T;
ρ — правила изменения множества R;
α — правила изменения множества A;
π — правила изменения множества P.

 

Первые два множества порождают язык системы W, а τ и ρ осуществляют его изменение. Правила α изменяют множество знаний о предметной области. Если считать знания аксиомами формальной системы (которую образуют первые четыре элемента из W), то правила α, по существу, изменяют интерпретацию основных символов и, следовательно, правильно построенных формул языка семиотической системы W.

Первые четыре множества образуют формальную систему FS, элементы с пятого по восьмой образуют правила изменения формальной системы. Этим они обеспечивают адаптацию формальной системы, «подстраивая» ее для решения задач и проблем, которые в рамках системы FS решить не удается.

Таким образом, семиотическая система (1) может быть определена как составная динамическая система: W=<FSi, MFsi >, где FSi — определяет состояние семиотической системы, а MFsi – правило смены ее состояния. В этом следует отметить, что хотя речь идет о семиотической системе, де факто такая система описывает объект управления, то есть состояние объекта управления и его динамику.

Поэтому семиотической системе можно дать новую интерпретацию. Составная  динамическая система: W=<FSi, MFsi > включает два компонента: статический FSi, который  определяет состояние в информационной ситуации или информационную позицию, динамический MFsi  , который определяет правила перехода  объекта управления из одной информационной позиции в другую.

Правила  MFsi = (τ, ρ, α, π), меняющие состояние формальной системы (объекта управления) связаны зависимостью, существующей в элементах семиотического треугольника (треугольника Фреге) [17]. Это означает, что применение одного из правил из этой четверки приводит к применению оставшихся правил.

Зависимости эти сложны, их аналитическое представление отсутствует, и это представляет трудность и является предметом исследования семиотических систем искусственного интеллекта. Поэтому более простым является применение информационного подхода и информационного моделирования.

Расширения формальных систем управления  в виде динамических компонент MFsi обеспечивают свойства открытости систем. Они создают возможность адаптации объекта управления к управленческим воздействиям  и меняющемся внешним условиям.

Это, в частности, позволяют значительно расширить возможности поддержки принятия решений в условиях неопределенности, неполноты и противоречивости исходной информации [17].

 

Виды неопределенностей при реализации интеллектуального управления

Традиционные методы  управления, включая некоторые виды интеллектуального управления основаны на предположении, что модели состояния и управления  объекта  точно описывают его поведение. Методы, основанные на этом предположении, входят в классическую теорию управления. Однако в условиях увеличения объемов, роста неструктурированной информации и воздействия внешней среды – характерны отклонения от этого условия.

Практически  любая модель представляет собой упрощенное описание реального объекта, его состояния и его поведения. Степень упрощения может быть допустимой или создавать неопределенность [18]. В динамике поведения объекта управления  некоторые характеристики объекта могут значительно изменяться в процессе его функционирования. Все это создает  неопределенности  различных моделей описания объекта и затрудняет управление им, включая интеллектуальное. Типовую модель управления, положенную в основу алгоритма управления или совокупность установленных правил управления, называют номинальной.

В условиях значимой неопределенности классические методы теории управления оказываются неприменимыми или дают неудовлетворительные  результаты. В этих случаях необходимо применение специальных методов анализа и синтеза систем управления объектами с неопределенными моделями. Первым этапом является оценка вида и значения неопределенности.

Выделяют  основные типы неопределенностей управленческих моделей: параметрическая, функциональная, структурная и сигнальная.

Параметрическая неопределенность означает, что неизвестными или неточно определенными являются постоянные параметры  модели. Например, вместо точечных значений имеют место интервальные значения. При переходе к информационно измерительным системам можно говорить об отсутствии информационной определенности параметров. Поэтому во  многих случаях реальные значения параметров могут существенно отличаться от принятых номинальных

Функциональная неопределенность означает, что функциональная модель объекта либо не адекватно описывает его функции, либо содержит неучтенные функциональные зависимости (чаще всего зацикливание или паразитические обратные связи).

Структурная неопределенность означает, что структура модели управления или структура объекта управления. структура взаимодействия объекта управления со внешней средой — является неточно установленной. Структурная неопределенность означает также, что при известной структуре плохо определены отношения между элементами структуры. Структурная неопределенность означает также, что при известной структуре плохо согласованы информационные потоки для данной структуры, то есть отсутствует информационное соответствие между потоками и структурой. Структурная неопределенность может приводить к наличию у объекта паразитной динамики.

Сигнальная неопределенность означает, что на управленческое воздействие или информационные потоки в системе управления воздействуют помехи существенно изменяющие номинальные сигналы. Такие сигналы, отклоняющие процесс управления от номинального называют возмущениями или помехами. Различие в том, что помеха пассивна и меняет только отношение сигнал/шум. Возмущение меняет сигнал при той же помехе.

 

Многоуровневое  интеллектуальное управление

Современные системы интеллектуального управления должны обеспечивать автономную работу множества связанных технических объектов. Это дает основание говорить об интеллектуальной системе управления (ИСУ). Интеллектуальная система должна решать сложные задачи, включая планирование, целеполагание, прогнозирование и прочее. Для универсальности, адаптации и точности решений целесообразно применение многоцелевого  интеллектуального управления.

Многоуровневая  архитектура интеллектуальной системы управления состоит из трех уровней: концептуального, информационного и операционного (рис.1). Система, построенная по такой архитектуре, управляет поведением сложных технических объектов в условиях автономного и коллективного взаимодействия. Концептуальный  уровень является ответственным за реализацию высших интеллектуальных функций

 

Рис.1. Многоуровневое интеллектуальное управление.

 

На концептуальном уровне используется семиотическое (знаковое) представление знаний и осуществляется обмен сообщениями с остальными уровнями. Информационный и операционный  уровни содержат модули, поддерживающие разные интеллектуальные и информационные процедуры и трансформирующие их в управление.

Основной задачей управления на концептуальном уровне является хранение, приобретение и использование концептуальных знаний, представленных в семиотическом (символьном) виде.

Составная  динамическая система: W=<FSi, MFsi > включает два компонента: статический FSi, который  определяет систему знаков динамический MFsi  , который определяет систему правил (рис.1).

Приобретение знаний  основывается на модели реальной ситуации во внешней среде.  К высшим интеллектуальным функциям относят функции постановки главной цели и подцелей, планирования поведения  и распределения воздействий в общем плане действий.

На информационном уровне управления решаются задачи информационного моделирования, основными из которых являются: построение информационной ситуации [19], информационной позиции [20], которые соответствуют компоненте FSi. На информационном уровне управления решаются задачи построения информационной конструкции [21], которая является отражением системы правил концептуального уровня и соответствует компоненте Mfsi.  Языковая среда семиотического управления на информационном уровне реализуется применением различных информационных единиц. Которые служат основой построения информационной ситуации, информационной позиции и информационной конструкции.

На операционном (исполнительном) уровне происходит реализация управленческих решений (управленческих воздействий). Управленческие воздействия в обязательном порядке меняют информационную позицию объекта управления. Управленческие воздействия могут менять, если это необходимо, информационную ситуацию объекта управления. В то же время менять информационную ситуацию, чаще всего,  нет необходимости. Основной задачей этого уровня изменение состояния и позиции объекта управления и сообщение  об изменениях на концептуальный уровень.

Многоуровневая архитектура имеет ряд особенностей. Она включает в себя ряд  когнитивных функций человека. Она опирается на использование информационного подхода к интеллектуальному  управлению.

Следует отметить различие между интеллектуальными и информационными  технологиями. Информационные технологии выполняют функции поддержки интеллектуального управления. Основную роль играют интеллектуальные технологии принятия решений. Они дают возможность наряду с решением или в ходе получения решения осуществлять поиск новых знаний и накопления интеллектуальных ресурсов. Информационные технологии создают только информационные ресурсы. Это означает, что знания, формализованные в явном виде, будучи освоенными, могут стать частью опыта и частью базы знаний и быть использованы им для решения задач и принятия решений.

 

Заключение

Интеллектуальное управление  эффективно и необходимо при управлении сложными объектами, для которых трудно или невозможно найти формальные модели функционирования. Основой интеллектуального управления являются семиотические модели [22, 23] в первую очередь и информационные во вторую. Методы  интеллектуального управления разнообразны и применимы к техническим, когнитивным и транспортным  системам [24-26]. Интеллектуальное управление широко применяют для многоцелевого управления [27]. Современное интеллектуальное управление интегрируют в облачные платформы и сервисы [28]. При управлении распределенными организациями и корпорациями возникает необходимость учета пространственных отношений и пространственных знаний. Еще одной проблемой является ограниченное количество интеллектуальных технологий работы с неявными знаниями. Технически проблема управления знаниями связана трансформацией информационных ресурсов  в интеллектуальны  ресурсы и их применением их в интеллектуальных технологиях.

Библиографический список:

1. Поспелов Д.А. Прикладная семиотика и искусственный интеллект// Программные продукты и системы. – 1996. – №3. –  C.10-13
2. Цветков В.Я. Когнитивное управление. Монография — М.: МАКС Пресс , 2017. — 72с. ISBN 978-5-317-05434-2
3. Цветков В.Я. Информационное управление. — LAP LAMBERT Academic Publishing GmbH & Co. KG, Saarbrücken, Germany 2012 -201с
4. Осипов Г. С. и др. Интеллектуальное управление транспортными средствами: стандарты, проекты, реализации //Авиакосмическое приборостроение. – 2009. – №. 6. – С. 34-43.
5. Осипов Г.С. От ситуационного управления к прикладной семиотике. Новости искусственного интеллекта. 2002, № 6.
6. Никифоров В. О., Слита О. В., Ушаков А. В. Интеллектуальное управление в условиях неопределенности. — СПб: СПбГУ ИТМО, 2011.
7. McAfee A., Brynjolfsson E. Big data: the management revolution //Harvard business review. – 2012. – №. 90. – С. 60-6, 68, 128.
8. Цветков В.Я Маркелов В.М., Романов И.А. Преодоление информационных барьеров // Дистанционное и виртуальное обучение. 2012. № 11. С. 4-7.
9. Forbes L. S., Kaiser G. W. Habitat choice in breeding seabirds: when to cross the information barrier //Oikos. – 1994. – С. 377-384.
10. Tsvetkov V. Ya. Intelligent control technology. // Russian Journal of Sociology, 2015, Vol. (2), Is. 2.-р.97-104. DOI: 10.13187/rjs.2015.2.97 www.ejournal32.com.
11. Zilouchian A., Jamshidi M. Intelligent control systems using soft computing methodologies. – CRC Press, Inc., 2000
12. Alavi M., Leidner D. E. Review: Knowledge management and knowledge management systems: Conceptual foundations and research issues //MIS quarterly. – 2001. – р.107-136.
13. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989. -184c.
14. De Moura L., Bjørner N. Z3: An efficient SMT solver //Tools and Algorithms for the Construction and Analysis of Systems. – Springer Berlin Heidelberg, 2008. – С. 337-340.
15. Розенберг И.Н., Цветков В.Я. Применение мультиагентных систем в интеллектуальных логистических системах. // Международный журнал экспериментального образования. – 2012. — №6. – с.107-109
16. Ефимов Е.И. Решатель интеллектуальных задач — М.: Наука, Главная редакция физико-математической литературы, 1982. – 320с.
17. Поспелов Д.А., Осипов Г.С. Прикладная семиотика // Новости искусственного интеллекта. — 1999. — №1.
18. Цветков В.Я. Информационная неопределенность и определенность в науках об информации // Информационные технологии. — 2015. — №1. -с.3-7
19. Tsvetkov V. Yа. Dichotomic Assessment of Information Situations and Information Superiority // European researcher. Series A. 2014, Vol.(86), № 11-1, pp.1901-1909.    DOI: 10.13187/er.2014.86.1901
20. Tsvetkov V. Ya. Information Situation and Information Position as a Management Tool // European researcher. Series A. 2012, Vol.(36), 12-1, p.2166- 2170
21. Tsvetkov V. Ya. Information Constructions // European Journal of Technology and Design. -2014, Vol (5), № 3. — p.147-152
22. 22. Поспелов Д.А. Семиотические модели: успехи и перспективы// Кибернетика. – 1976. – №6. – С.114-123.
23. 23. Поспелов Д.А. Семиотические модели в управлении. Кибернетика. Дела практические. — М.: Наука, 1984. – С.70-87
24. Осипов Г. С. и др. Интеллектуальное управление транспортными средствами: стандарты, проекты, реализации //Авиакосмическое приборостроение. – 2009. – №. 6. – С. 34-43.
25. Снитюк В. Е., Юрченко К. Н. Интеллектуальное управление оцениванием знаний //ВЕ Снитюк, КН Юрченко.− Черкассы. – 2013.
26. Пугачев И. Н., Маркелов Г. Я. Интеллектуальное управление транспортными системами городов //Транспорт и сервис: сб. науч. трудов.–Калининград: Изд-во имени И. Канта. – 2014. – №. 2. – С. 58-66.
27. Атиенсия В., Дивеев А. И. Синтез интеллектуальной системы многоцелевого управления //Современные проблемы науки и образования. – 2012. – №. 6.
28. Грибова В. В. и др. Облачная платформа для разработки и управления интеллектуальными системами //Международная научно-техническая конференция «Открытые семантические технологии проектирования интеллектуальных систем»(OSTIS-2011).-Минск: БГУИР. – 2011. – С. 5-14.

Введение

Традиционно семиотику связывают с лингвистикой и языкознанием [1]. Тем не менее, существует направление в области искусственного интеллекта, называемое «прикладная семиотика», которое тесно связано с искусственным интеллектом, моделированием и управлением [2, 3, 4]. Существует понятие «компьютерная семиотика» [5]. Компьютерная  семиотика занимается изучением особенностей взаимодействия человека и компьютера, что имеет место и в современном управлении. Это еще одна сторона семиотического управления. Основой семиотического управления является специальный язык описаний. Отсюда такое управление связывается с формальными методами решения задач. В нашем случае это задачи поиска управленческих решений и принятия управленческих решений. Г. Пойа [6] определяет задачу так: «Задача предполагает необходимость сознательного поиска соответствующего средства для достижения непосредственно недоступной цели». Таким соответствующим средством в настоящее время служит информационная ситуация [7].

Е. И. Ефимов предложил следующую классификацию типов задач [8]. Задачи первого типа, для которых существует формальная схема решений, представленная на неком формальном языке. Решение задач осуществляется по имеющейся схеме (детерминированной или вероятностной). Алгоритмическое решение таких задач  не представляет проблемы. Задачи второго типа, для которых не существует заранее готовой схемы решения, но хорошо известны знания о предметной области. Обычно в этом случае человек сам формирует схему решения на основе трансформации неявного знания в явное знание – решение. Алгоритмическое решение таких задач  не представляет проблемы.  Задачи третьего типа, для которых не существует заранее готовой схемы решения и не  известны знания о о предметной области, которые можно трансформировать в решение. Поиск решения таких задач реализуются сложными эвристическими методами. Упрощенно задачи первого и второго типа называют задачами первого рода, а задачи третьего типа задачами второго рода [9]. Для задач первого рода существует возможность семиотического описания, которое и создает возможность семиотического управления.

 

Ситуационное управление как база для  семиотического управления

Одним из основных положений ситуационного управления  [10, 11] является постулат о конечности числа различных дискретных одношаговых управлений. В ситуационном управлении по Поспелову с каждым возможным управлением (воздействием на объект) связывают некую  «обобщенную ситуацию». Она представляет собой параметрическую модель и может рассматриваться  как упрощенный аналог «информационной ситуации». Обязательным требованием в ситуационном управлении по Поспелову является наличие специального языка для описания этих обобщенных ситуаций. При этом отмечается его возможная непригодность для описания реальной ситуации [3].  Это приводило к  задаче преобразования реальной ситуации в обобщенную ситуацию, таким образом, чтобы результат преобразования оказывался сопоставим с некоторой обобщенной ситуацией.

Для решения этой задачи применялись методы обобщения текущих ситуаций. Среди методов обобщения особенно «хорошо шли»  [3] методы обобщения по признакам и методы обобщения по структурам ситуаций.  Среди методов обобщения по признакам выделялись  методы разделения в пространстве признаков, в частности, метод гиперплоскостей [12].

Семиотическое управление связано с ситуационным управлением, поскольку использует его принципы, но дополняет их своими. В ситуационном управлении используют причинно следственные правила и принципы ситуационного управления.

Первый принцип ситуационного управления состоит в построении модели информационной ситуации [7], в которой находится объект управления. Модель  информационной ситуации отражает реальную ситуацию.

Второй принцип ситуационного управления состоит в построении модели информационной позиции [7] объекта управления для определенной ранее информационной ситуации. Модель  информационной позиции объекта управления отражает реальную позицию в реальной ситуации.

Третий принцип ситуационного управления состоит в построении управляющего воздействия на объект управления, исходя из цели управления и информационной позиции объекта управления. Это воздействие вырабатывается на основе причинно-следственных правил.

Четвертый принцип ситуационного управления состоит в контроле изменения позиции объекта управления и адекватности причинно-следственных правил.

Пятый принцип ситуационного управления состоит в изменении или дополнении совокупности причинно-следственных правил.

Все эти принципы использует семиотическое управлении и технологическое семиотическое управление. Однако дополнительно семиотическое управление  применяют специальный  язык описания управления и единую языковую среду для описания процессов и ситуаций. Однако эта единая языковая среда в семиотическом управлении и технологическом семиотическом управлении задается по разному.

Следует подчеркнуть общность ситуационного и семиотического управления. Как и в ситуационном управлении, применение семиотического управления основано на использования множества правил, описывающих законы поведения объекта управления и множества правил, ставящих в соответствие позиции и ситуации объекта правило принятия решения.

Как и в ситуационном управлении, в семиотическом управлении под  задачей управления понимают  задачу выбора правил из известной совокупности  для применения в конкретной ситуации и позиции.

Как и в ситуационном управлении, в семиотическом управлении допустима модификация семиотической системы управления, которая состоит в изменении множества правил на основе анализа результата управления.

 

Информационное семиотическое управление как интеграция информационного подхода и семиотического управления

Информационное семиотическое управление использует принципы ситуационного управления, семиотического управления и информационный подход [13]. Информационное семиотическое управление использует методы информационного управления  [14, 15] в сочетании с методами семиотического управления. Информационное семиотическое управление использует принцип семиотического  управления язык и языковую среду.

Язык в технологическом семиотическом управлении выступает как средство описания информационных ситуаций, информационных позиций,  правил их преобразования и причинно следственных правил как основы управления. Первый шаг построения такого языка состоит в нахождении основы языка — групп информационных единиц  [16, 17] для описания объектов, информационных конструкций, ситуаций, правил и моделей принятия решений, когда речь идет об управлении.

Семиотическое управление и информационное семиотическое управление включают семиотическое моделирование. Семиотическое моделирование является формальным (теоретическим) моделированием, которое служит основой для других видов моделирования, хотя и не всегда применяется в них. Семиотическое управление можно сравнить со структурным программированием, которое задает логическую основу для других видов программирования. хотя не доходить до практического написания программ. однако структурное программирование применимо для любых языков программирования, что делает его универсальным средством логического анализа и верификации. Таким же универсальным средством логического анализа и верификации является семиотическое управление. Информационное семиотическое управление служит основой организационного управления. Он использует принципы ситуационного управления, субсидиарного управления [18], информационного управления [14], интеллектуального управления [19].

Наиболее ярко «чистое» семиотическое управление выразилось в области искусственного интеллекта для описания ситуационного  управления [2, 20]. Основой такого управления является специальный язык. Построения такого языка требует нахождения его функциональных  механизмов и  выделение языковых  групп, несущих функциональную или технологическую нагрузку.

Основной единицей языка может быть информационная конструкция вида (xRz) [21]. В средней ее позиции (R) находится некоторое отношение или действие. В крайних позициях — ситуация и решение. Если в левой позиции находится «ситуация», а  в средней позиции находится отношение «получить решение», то в правой позиции стоит «решение для данной ситуации и позиции». Если в левой позиции находится «целевая ситуация», а  в средней позиции находится отношение «получить решение», то в правой позиции стоит «решение для достижения целевой ситуации и позиции».

Одной из основ семантического управления являются аксиомы о конечности числа состояний объекта управления и о конечности шагов управления. Это означает, что с каждым возможным управленческим действием связать информационную ситуацию и информационную позицию  объекта управления.

Технологически информационное  семиотическое управление сводится к  задаче преобразования текущей информационной позиции, чтобы результат преобразования оказывался сопоставим с целевой информационной позицией. Для решения этой задачи применяют  методы многошагового перехода из одного состояния  в другое. Для такого решения возможно применение  метода прямого и обратного решения. Семиотическая среда описания дает возможность построить прямую цепочку достижения цели из исходной позиции в исходной ситуации.

Семиотическая среда описания дает возможность построить обратную цепочку достижения цели из целевой позиции в исходную позицию. При этом возможны решения задач первого рода (алгоритмические) и решения задач второго рода (эвристические, интеллектуальные). Во втором случае возникает проблема разрешения конфликтного множества решений.

Под задачей информационного семиотического управления будем понимать задачу выбора правил принятия решений для заданной информационной ситуации.  Задача управления, как и в организационном управлении, решается с помощью тех или иных стратегий управления.

По мере развития объектов управления, роста уровня их сложности растет количество  слабо формализуемых задач принятия решений. Эксперт-аналитик обращается к информационным системам, имея зачастую лишь нечеткое представление о плане предстоящих действий. Это приводит к необходимости решения задач второго рода.  Полезность семиотического и ситуационного управления в таких ситуациях тем выше, чем больше моделей ситуационного анализа имеется в распоряжении лица принимающего решение.

Теоретическое семиотическое управление опирается и на семантические методы. Семантические методы позволяют давать решение на уровне концептов и концепций, однако этим исключается большое количество ненужных вариантов. Информация, хранимая информационной системе, характеризуется противоречивостью, неточностями, неопределенностями  [22]. Эта особенность не является следствием низкого качества сбора данных, но объективно следует из многообразия информационной ситуации и ее динамики.

Модели таких ситуаций являют собой образно-знаковые  модели действительности, что естественным образом приводит к целесообразности семиотического подхода и рассмотрения таких моделей. Для  решения задач управления следует использовать методы оптимизации, имеющиеся в области математического программирования. Однако, непосредственное применение существующих математических моделей на практике невозможно из-за отсутствия необходимых данных требуемой точности. Получаемые результаты неоднозначны и требуют привлечения экспертов для интерпретации.

Решение прикладных задач в информационно-аналитических системах связано с отбором полезной информации и отбором имеющихся стереотипных решения для разных ситуаций из огромных информационных массивов, накопление которых идет непрерывно. Решаются задачи эвристически либо с применением формальных методик – начальным шагом решения всегда является отбор наиболее полезных фрагментов. Семиотические модели как модели верхнего уровня концептов существенно сокращают объем лишней работы.

 

Знаковые ситуации в семиотическом управлении

При классическом семиотическом рассмотрении моделей говорят о знаковой ситуации. Знаковая ситуация – множество знаков с регулярными отношениями между ними, отражающее регулярные отношения между их концептами и денотатами. Под знаком подразумевается объект или событие, способные что-либо обозначать. Отношение между знаком, его концептом и денотатом выражает семиотический треугольник Фреге (рис.1). Денотат – это объект, обозначаемый данным знаком. Концепт – это свойство денотата, выражаемое знаком. Каждый концепт определяет свой денотат.

Вершина «Д» обозначает предмет, объект, явление действительности — денотат понятия. Вершина  «З»  обозначает знак или имя понятия,

Вершина  «К» обозначает понятие о предмете, объекте, в лингвистике – десигнат, в математике – смысл имени, или концепт денотата. Когда знак реально вступает во взаимодействие со своим денотатом и концептом, возникает знаковая ситуация.

 

Рис. 1. Треугольник Фреге

 

Знак имеет две знаковые функции: обозначает не только денотат, но и его концепт. Объем знака – это объем поля денотата. Конкретный класс всех допустимых денотатов знака определяется экстенсионалом. Содержание понятия и характер концепта определяются   интенсионалом.

В прикладной семиотике в противовес семиотическому треугольнику (рис.1) вводят квадрат Поспелова (рис.2). Этот квадрат служит для описания знака и включает: синтаксис — способ кодирования знака, представление — денотат знака, семантику — понятие о знаке и прагматику — действие, связанное со знаком.

Для построения сложных систем в прикладной семиотике потребовалось введение понятия метазнака. Метазнак образуют вершины 1, 2 и 3 квадрата, приведенного на рис. 2. Первая вершина задает синтаксис — способ кодирования знака. Вторая вершина задает — семантику или смысловое содержание. Третья вершина соответствует прагматике, что в прикладной семиотике [3] служит обозначением процедур, которые связаны с этим знаком и ему предписываются. Четвертая вершина соответствует множеству знаков или фрагменту некоторой структуры на множестве знаков. Она играет здесь роль денотата метазнака.

 

Рис.2 Квадрат Поспелова как знаковая ситуация

 

Знак  обладает собственным именем, выделяющим его среди остальных. Это имя представлено в вершине 1, понятие представлено в вершине 2, а связанные с ним действия — в вершине 3. Стороны квадрата и его диагональ, соответствуют различным процедурам, связывающим компоненты знака.

Квадрат Поспелова вводит метауровень в знаковых представлениях. Введение метауровня позволяет ввести внутреннюю интерпретируемость в знаковые представления. Внутренняя интерпретируемость позволяет проводить динамическое связывание имен с их денотатами и понятиями. По мнению представителей прикладной семиотики метауровень  позволяет обеспечить  знаковые системы свойством рефлексии, реализовать с помощью семиотических представлений процедуры моделирования и главное управления.

 

Дискуссия

Прикладная семиотика содержательно является наукой , применяемой в области искусственного интеллекта, для описания процессов в интеллектуальных системах, включая управление. Важным в этой области является связь между ситуационным и семиотическим управлением. Однако прикладная семиотика это, в первую очередь, управление, и во вторую практическая технология.

Семиотическое управление можно рассматривать как обобщенное управление. Необходимость  обобщения как объективная необходимость возникает при сложных ситуациях, при больших по объему исходных данных, при большом количестве связей и зависимостей. Для принятия решений в таких сложных ситуациях прибегают к обобщению и редукции при сохранении существенных факторов ситуации и позиции объекта управления. Поэтому семиотическое управление является решением управления в таких сложных ситуациях. Применение единой языковой среды описания управленческих действий и ситуации решает задачи интеграции и повышает эффективность и надежность управления.

Описанное семиотическое управление отличается от варианта, даваемого Поспеловым. В прикладной семиотике основой управления является обобщенная ситуация, которая принципиально не адекватна реальной ситуации. В описанном варианте вводится информационная ситуация, которая принципиально  адекватна реальной ситуации.

В прикладной семиотике рассматривается знаковая ситуация как некое обобщение и не рассматривается реальная позиция объекта управления. В описанном варианте вводится дополнительный фактор управления – информационная  позиция объекта управления, которая соответствует описанию реальной позиции в реальной ситуации. Именно информационная позиция является точным фактором управления объектом, в то время как параметры ситуации являются промежуточной средой, на которые воздействовать не обязательно.

В описанном варианте вводится также дополнительный фактор описания семиотической языковой среды, который у Поспелова не рассматривается. Этот фактор информационные единицы разных типов, которые соответствуют разным типам  информационных технологий и служит основой реализации гетереогенной семиотической среды.

Введение Поспеловым знакового четырехугольника в противовес семиотическому треугольнику  [3] ничего для практики управления не дало и не применяется в практическом организационном управлении. В целом предлагаемое в работах [2, 3, 4] решение семиотического управления является формальным и теоретическим. В данной работе дается технологическое решение проблемы семиотического управления. В описанном варианте вводится возможность решения задач второго рода.

 

Заключение

Основой информационного семиотического управления является создание единой семиотической среды описания, которая интегрирует: правила принятия решений, описание управленческой ситуации, описание позиций объекта управления, описание результата управления, описание эффективности управления. Основой информационного семиотического управления является использование моделей информационной ситуации, информационной позиции, информационных единиц, информационных конструкций.

Семиотическая среда описания  требует специального языка описания для информационного семиотического управления. На сегодняшний день таким языком  являются группы информационных единиц, которые делят на: структурные и семантические, графические [23] и управленческие [24]. Создание единого языка семиотического управления в настоящее время представляется проблематичным, а применение информационных единиц является достаточно простым механизмом, который обладает высокой степенью адаптации.

Семиотические модели являются моделями верхнего уровня абстракции по отношению к ситуационным моделям. В свою очередь, ситуационные модели являются моделями верхнего уровня по отношению к технологическим моделям. Анализ на уровне семиотических моделей  существенно сокращает анализ ситуаций и логику управленческих решений. В этом смысле применение семиотического управления и моделирования по отношению организационному управлению сравнимо со структурным программированием в сравнении с обычным программированием. Семиотическое управление является ключевым в реализации систем управления сложными ситуациями. Применение семиотического управления позволит повысить оперативность и качество управления.

Библиографический список:

1. Eco U. A theory of semiotics. – Indiana University Press, 1976.
2. Поспелов Д.А. Прикладная семиотика и искусственный интеллект // Программные продукты и системы. – 1996. –  №3. –  C.10-13.
3. Osipov G.S. Semiotic modeling: an overview// Proc. of Workshop on Russian Situation Control and Cybernetic/Semiotic Modeling (Columbus, USA, March 1995)/ Ed.by R.J.Strohn. – P.38-64.
4. Поспелов Д.А. Семиотические модели в управлении. Кибернетика. Дела практические. — М.: Наука, 1984. – С.70-87.
5. Тарабанов Н.А. Основные направления исследований в компьютерной семиотике // Гуманитарная информатика: Сб. статей / Под ред. Г.В. Можаевой. – Томск: Изд-во Томского университета, 2011
6. Пойя Г. Математика и правдоподобные рассуждения. М.: Наука, 1975.
7. Tsvetkov V. Ya. Information Situation and Information Position as a Management Tool // European researcher. Series A. 2012, Vol.(36), 12-1, p.2166- 2170.
8. Ефимов Е. И. Решатели интеллектуальных задач. — М.: Наука, 1982.
9. Цветков В.Я. Решение задач второго рода с использованием информационного подхода // Международный журнал прикладных и фундаментальных исследований. – 2014. — №11. (часть2) – с.191-195.
10. Поспелов Д. А. Принципы ситуационного управления // Изв. АН СССР. Техническая кибернетика. 1971, № 2.
11. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука, 1986.
12. Аникина Г.А., Поляков М.Г., Романов Л.Н., Цветков В.Я. О выделении контура изображения с помощью линейных обучаемых моделей. // Известия АН СССР. Техническая кибернетика. -1980. — №6. — c.36-43.
13. Неймарк Ю. И., Стронгин Р. Г. Информационный подход к задаче поиска экстремума функций. //Изв. АНСССР. Техн. кибернетика. – 1966. – №. 1. – С. 17-26.
14. ЦветковВ.Я. Информационное управление. – LAP LAMBERT Academic Publishing Gmb H&Co. KG,Saarbrücken, Germany2012 -201с. ISBN: 978-3-659-18089-7.
15. Елсуков П.Ю. Управление с использованием информационных методов // Государственный советник. – 2015. — №2. – с29-33.
16. Ozhereleva T. А. Systematics for information units // European Researcher, 2014, Vol.(86), № 11/1, pp. 1894-1900. DOI: 10.13187/er.2014.86. 1900.
17. Tsvetkov V. Ya. Information Units as the Elements of Complex Models // Nanotechnology Research and Practice. — 2014, Vol.(1), № 1, р57-64.
18. Цветков В. Я. Субсидиарное управление// Современные технологии управления. —№1 (73). — С.6-12.
19. Александров А.В. Интеллектуальное управление // Славянский форум, 2016. -1(11). – с.15-22.
20. Поспелов Д.А. Семиотические модели: успехи и перспективы// Кибернетика. – 1976. – №6. – С.114-123.
21. Tsvetkov V. Ya. Information Constructions // European Journal of Technology and Design. -2014, Vol (5), № 3. — p.147-152.
22. Коваленко Н.И. Учёт неопределённости при управлении транспортным комплексом // Государственный советник. – 2014. — №3. – с50-54.
23. Докукин П. А. Графические информационные единицы// Перспективы науки и образования. — 2015. -№3. — с.32-39.
24. Романов И.А. Применение информационных единиц в управлении// Перспективы науки и образования- 2014. — №3. – с.20-25.

Введение

Управление как особый вид деятельности выступает в виде предмета исследований разных научных направлений и на теорию и технологию управления оказывают влияние научные достижения разных наук. «Центральным элементом современной концептуализации управленческой эффективности выступают концепции распределенного познания, распределенного организационного знания и т.д.» [1]. Распределенные методы управления смещают представление об управлении из области иерархически центрического информационного взаимодействия и управления [2] в область много центрического управления и командной деятельности [3]. Длительное время иерархическое или центрическое  управление было основной технологией управления. При этом первоначально главной технологией управления была схема управления с единим главным центром управления. Затем появились схемы управления с дополнительными  центрами управления. Такое управление является распределенным. Общим для разных видов управления было понятие информационной управленческой ситуации [4] и технологии управления. Рост сложности информационных управленческих ситуаций и развитие сетевых и информационных технологий привели к и возможности создания нового типа управления. В технологиях управления появилась техническая и методическая возможность сетевой организации управления. Одним из новых подходов, позволяющим осуществлять распределенное управление является применение сетевых систем и методов управления. Технологией  управления, которая позволила  повысить эффективность таких схем является технология субсидиарного и сетецентрического управления. Эти технологии близки, но между ними есть и различие. Обе технологии позволяют реализовать распределенное управление.

 

Особенности распределенного управления и распределенных систем

Следует отметить довольно большое количество работ в области распределенных систем, меньше в области распределенных технологий и совсем мало в области распределенного управления. Различают распределенные информационные системы [5], распределенные информационно аналитические  системы [6], распределенные интеллектуальные  системы [7], распределенные  системы поддержки принятия решений [8], распределенные базы данных (распределенные информационные системы хранения информации) [9],  асинхронные распределенные системы [10].

Как показывает анализ, распределенные информационные системы на самом деле в большинстве случаем являются сетевыми коммуникационными системами, основная функция которых не управление,  а сетевой обмен.

Основная особенность распределенных технологий и систем – гетерогенность [5]. Гетерогенность требует обеспечение унифицированного  доступа к семантически разнородным данным, хранящимся в различных технологически разнородных базах данных и информационных серверах. Унификация требует интеграции информационных ресурсов. Интеграция информационных ресурсов должна обеспечиваться не только на техническом уровне, но и на уровне их семантики. Другими словами должно обеспечиваться полное информационное соответствие [11] в системе. Информационное соответствие имеет различные виды. Важным для распределенного управления является структурное и семантическое информационное соответствие.

Информационное соответствие в распределенных системах и технологиях  должно обеспечиваться не только на техническом уровне, но и на уровне их семантики. Информационное соответствие дает возможность сделать распределенные данные доступными для распределенной обработки и обеспечить возможность их корректной  интерпретации. При этом существуют две проблемы, связанные с гетерогенностью систем и технологий — это структурная неоднородность и семантическая неоднородность [12].

Структурная неоднородность имеет место, когда разные узлы информационной системы используют различные структурные  информационные единицы для хранения или организации данных.  В этом случае констатируют  структурное несоответствие как частный вид информационного несоответствия.

Семантическая  неоднородность означает информационное несоответствие или нарушение информационного соответствия на уровне смыслового значения семантической информационной единицы [13]. В этом случае констатируют  семантическое  несоответствие как частный вид информационного несоответствия или нарушения семантического информационного соответствия.

 

Принципы распределенного управления

Распределенное управление основано на применении гетерогенных систем. Распределенное управление включает структурные, технологические и модельные компоненты (рис.1). Структура развивается от иерархической (наиболее простой) к сетевой  — наиболее сложной.

 

Рис.1. Компоненты  распределенного управления.

 

Современно распределенное управление включает цифровые, информационные и когнитивные технологии. В соответствии с технологиями используют модели управления. Субсидиарное распределенное управление [14, 15] является наиболее развитым видом распределенного управления.

 

Распределенное иерархическое управление

Распределенное иерархическое управление отличается от иерархического включением дополнительных центров управления. Эта схема приведена на рис.2.

 

Рис.2. Схема формирования  распределенного управления.

 

Ядром системы является главный центр управления (ГЦУ). Между объектами управления (ОУ) и главным центром управления находятся распределенные центры управления (РЦУ), которые снижают информационную нагрузку на главный центр управления и повышают оперативность управления и действий. Например, директору завода нет необходимости знать, как токарь вытачивает деталь. За работником операционного уровня следит мастер и начальник цеха.

 

Одноконтурное субсидиарное управление

Такое управление является модификацией иерархического при котором контур управления замыкается в  кольцо. Субсидиарность заключается в делегировании части функций управления из главного центра на периферию в РЦУ. То есть схема на рис.2 является иерархической распределенной схемой с элементами субсидиарности [15]. Развитие сетевых технологий позволило модифицировать такое распределенное управление и перейти к сетецентрическому субсидиарному управлению. Оно показано на рис.3

 

Рис.3. Схема одноконтурного сетецентрического  распределенного управления.

 

Схема на рис.3 является повторением схемы рис.2 с введение контура  управления по распределенным центрам управления.

В иерархической схеме управления  [16] существуют нисходящие потоки и восходящие потоки. Свойством иерархического управления является рост масштаба элементов иерархической системы с ростом числа уровней. Это ведет к общему росту интенсивности информационных потоков. Поэтому при большом числе уровней, значительно возрастает общее время на прохождение директивных (нисходящих) и отчетных (восходящих) потоков.

 

Матричная схема управления

Рост времени на прохождение нисходящих и восходящих потоков, затрудняет применения иерархического управления в сложных ситуациях. Этот недостаток устраняет матричная система управления [16]. На рис.4 дана  матричная схема управления.

 

Рис.4. Структура матричного управления

 

Матричное управлении содержит уровни иерархии и поэтому является не чистой матрицей, а модификацией иерархического управления. Матрица управления имеет размерность m x n , где n  –  число уровней , m — максимальное число элементом на нижнем уровне. Новым  в матричном управлении в сравнении с иерархическим управлением является введение регулирующих горизонтальных потоков G, связывающих элементы одного уровня матрицы Регулирующие потоки снижают информационную нагрузку на высшие органы управления.

 

Сетецентрическое управление

Основой распределенного управления является сетецентрическое управление, приведенное на рис.5. Рис.5  можно рассматривать как модификацию матричного управления в котором уровни матрицы замкнуты в концентрические окружности.

 

Рис.5. Структура субсидиарного распределенного управления.

 

Уровней управления может быть много от 1 до n. По концентрическим уровням функционируют гармонизирующие  или регулирующие потоки от ГП1 до ГПn. Система управления на рис.5 является гетерогенной. Гетерогенность проявляется в различие полномочий, в различии содержания управления и технических различиях. Кроме того объекты управления также могут различаться. Все это накладывает дополнительные требования к согласованию управленческих и отчетных потоков. Все уровни от 1 до n-1 являются управляющими. Уровень n является операционным.

Существенное отличие данной схемы от иерархической и матричной схемы проявляется в наличие на нижнем операционном уровне управления дополнительных связей между объектами управления. Элементы нижнего уровня также связаны, как и элементы верхних уровней. Это позволяет осуществлять передачу ресурсов на случае такой необходимости от объекта, у которого имеются избыточные ресурсы к объекту, у которого не хватает ресурсов. Таким образом, гетерогенность операционного уровня проявляется в распределенном управлении ресурсами. Гетерогенность верхних уровней управления проявляется в применении гармонизирующих информационных потоков, которые в разной степени воздействуют на нисходящие или восходящие информационные потоки.   Этим существенно разгружается информационная логистика [17] и существенно повышается оперативность управления.

Такие простые, на первый взгляд, схемы управления существенно усложняют функционирование таких систем [18]. Адаптивное распределенное управление требует выполнения условия структурного изменения и возможности структурной перестройки [19]. Этим распределенное управление существенно отличается от эксплуатации сетевых систем, в которых структура сети неизменна и изменяются только потоки,  их направление и их интенсивность. Распределенное управление по этой причине требует использования в качестве вспомогательной технологии относительно новую технологию – структурный менеджмент [20].

Распределенное управление существенно увеличивает число объектов  управления  в сравнении с матричной схемой и тем более в сравнении с иерархической схемой. Это обусловлено сокращением времени принятия решений [15]  и введением адаптивной декомпозиции управленческих задач вместо фиксированной декомпозиции. Фиксированная декомпозиция характеризуется заданием структуры управления (рис.2) и заданием числа и структуры задач. Однако с течением времени при росте сложности задач такие структуры могут оказаться не эффективными.

Например, если одна большая задача разделена на множество независимых подзадач, то может оказаться, что их количество  больше, чем число доступных управляющих узлов и это снижает эффективность управления. Противоположная информационная ситуация возникает при декомпозиции задачи на подзадачи которых меньше, чем число управляющих узлов. В этом случае эффективность распределенной системы также падает. Из этого вытекает необходимость согласования разбиения задач и физических узлов в аспекте информационного соответствия [11] по структуре и по интенсивности информационных потоков [18, 19].

В тоже время распределенное управление существенно  увеличивает количество объектов управления и на порядки снижает требования к количеству ресурсов. Идеологически распределенные системы управления тесно связаны с сетевыми. Однако сетевые ориентированы на коммуникацию а распределенные системы управления на упраление.

В аспекте взаимодействия с пользователем близкими к распределенным системам управления являются распределенные базы данных (РБД) [9]. Они имеют сходство в аспекте структуры  и информационного взаимодействия. Физически РБД  [21] представляет собой набор узлов, связанных между собою коммуникационной сетью, в которой каждый узел обладает своими собственными независимыми от других узлов ресурсами и своими локальными пользователями. Любой из узлов способен независимо обрабатывать запросы, однако для такой системы характерна однородность или тенденция к однородности.

Технологически РБД можно  рассматривать как способ совместной работы отдельных локальных узлов (БД), расположенных в сети. Акцент информационного взаимодействия в такой распределенной системе направлен из периферии в центр. Узлы в такой информационной системе стараются сделать однородными по программному обеспечению и по форматам данных.

Распределенная система управления может быть рассмотрена также как способ совместной работы отдельных локальных узлов, расположенных в сети. Акцент информационного взаимодействия в такой распределенной системе направлен из центра на  периферию. Узлы в такой системе стараются сделать не однородными по правам принятия решений, по задачам и по функциям обработки информации.

 

Заключение

Распределенное управление основано на принципе субсидиарности [15], в противном случае оно становится не эффективным.  Распределенное управление требует введения нескольких новых понятий и соответственно требований к системе управления. Необходимо применять и реализовывать три вида информационного соответствия: по структуре, по интенсивности по семантике. Необходимо проектировать и использовать гармонизирующие информационные потоки. Необходимо использовать сетецентрические [22] структуры управления. Отличительными особенностями распределенного управления является  регулируемый параллелизм информационных потоков. В тоже время распределенные информационные системы в отличие от конвейеров или матричных систем параллельных вычислений [23] могут быть реализованы как асинхронные распределенные системы. Такие системы не накладывают никаких временных ограничений, и, благодаря этому, идеально подходят для работы в сети  и решения неоднородных гетерогенных задач. Для пользователя распределенные системы управления создают много удобств, но их техническая реализация намного сложнее, чем обычных систем управления.

Библиографический список:

1. Кудрявцева Е. И. Психология управленческой эффективности в условиях распределенного управления //Управленческое консультирование. – 2013. – №. 9 (57). – с.22-32.
2. Tsvetkov V. Yа. Information interaction // European researcher. Series A. 2013. №11-1 (62). С. 2573-2577.
3. Каляев И. А., Гайдук А. Р., Капустян С. Г. Распределенные системы планирования действий коллективов роботов. – М. : Янус-К, 2002.
4. Tsvetkov V. Ya. Information Situation and Information Position as a Management Tool // European researcher. Series A. 2012, Vol.(36), 12-1, p.2166- 2170.
5. Э. Таненбаум, М. ван Стеен.. Распределенные системы. Принципы и парадигмы — СПб.: Питер, 2003. — 877с.
6. Шокин Ю. И. и др. Распределенная информационно-аналитическая система для поиска, обработки и анализа пространственных данных //Вычислительные технологии. – 2007. – Т. 12. – №. S3.
7. Швецов А. Н., Яковлев С. А. Распределенные интеллектуальные информационные системы. — СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003.
8. Ириков В. А., Тренев В. Н. Распределенные системы принятия решений. – М. : Наука, 1999.
9. Цветков В.Я. Базы данных. Эксплуатация информационных систем с распределенными базами данных Учебное пособие. — М.: МИИГАиК, 2009 — 88с.
10. Фирсов А. Н. Оптимизация на основе статистических данных асинхронной распределенной системы, устойчивой к произвольным отказам //Параллельные вычислительные технологии (ПаВТ’2009): Труды международной научной конференции (Нижний Новгород, 30 марта–3 апреля 2009 г.).–Челябинск: Изд. ЮУрГУ. – 2009. – С. 765-771.
11. Цветков В.Я. Информационное соответствие // Международный журнал прикладных и фундаментальных исследований. — 2016. — №1 (часть 3) – с.454-455.
12. Смирнов А. В., Пашкин М. П., Шилов Н. Г., Девашова Т. В. Онтологии в системах искусственного интеллекта: способы построения и организации. Ч. 2 //Новости искусственного интеллекта. 2002. №2. С. 3–9.
13. Tsvetkov V. Ya. Semantic Information Units as L.Florodi’s Ideas Development // European researcher. Series A. 2012. № 7 (25). С. 1036-1041.
14. Цветков В.Я. Субсидиарное управление// Современные технологии управления. ISSN 2226-9339. — №1 (73). Номер статьи: 7302. Дата публикации: 2017-01-13 . Режим доступа: https://sovman.ru/article/7302/
15. Цветков В.Я. Применение принципа субсидиарности в информационной экономике // Финансовый бизнес. -2012. — №6. – с.40-43.
16. Ожерельева Т. А. Структурный анализ систем управления // Государственный советник. – 2015. — №1. – с40-44
17. Цветков В.Я. Логистика информационных распределенных систем // Перспективы науки и образования. — 2016. — №4. — с.18-22.
18. Трахтенгерц Э. А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений //Автоматика и телемеханика. – 1995. – №. 4. – С. 3-52.
19. Воронин А. А., Мишин С. П. Модель оптимального управления структурными изменениями организационной системы //Автоматика и телемеханика. – 2002. – №. 8. – С. 136-150.
20. Mishra A., Kar S., Singh V. P. Prioritizing structural management by quantifying the effect of land use and land cover on watershed runoff and sediment yield //Water Resources Management. – 2007. – V. 21. – №. 11. – p. 1899-1913
21. Демидов Л.Н., Кравцов А. В., Кравцов Н. В. Взгляд на создание распределенных баз данных для телекоммуникационных сетей связи // Информост. -2008. – 2(55). — с. 36-39
22. Кудж С.А. Принципы сетецентрического управления в информационной экономике // Государственный советник. – 2013. — №4. – с30-33.
23. Кулагин В.П. Проблемы параллельных вычислений // Перспективы науки и образования. — 2016. — №1. — с.7-11.

Введение

В условиях глобальной информационно-сетевой экономики появляется возможность получать и присваивать различные сетевые, информационно-интеллектуальные эффекты. В индустриально-рыночной экономике действует закон убывающей доходности (отдачи). В информационной экономике в результате осуществления масштабных инноваций повышается эффективность использования факторов производства, под воздействием ИКТ начинает действовать закон возрастающей отдачи. Действие этого закона обусловлено целым рядом факторов: доминированием информационных товаров и услуг, инновациями, ростом общей производительности, интеграцией бизнеса, возникновением сетевых эффектов и др.

Еще в начале ХХ века А. Маршал одним из первых стал рассматривать знания как капитал. Он считал, что конечный результат зависит от применения знаний, и отмечал: «роль, которую играет в производстве природа, обнаруживает тенденцию к сокращению отдачи, роль, которую играет в ней человек и его знания, обнаруживает тенденцию к возрастанию» [10]. Производство и распространение информационных продуктов и услуг отличается от производства традиционных индустриальных товаров. К. Шапиро обосновывает важное положение о том, что информацию дорого производить, но дешево воспроизводить и копировать[15].

В условиях современного информационно-инновационного производства происходит быстрая смена технологических инноваций и непрерывно сокращается жизненный цикл от разработки до производства и вывода новой продукции на рынок. Производительность в отраслях ИКТ постоянно и быстро растет. Затраты на проведение научных исследований, конструирование, разработку и изготовление информационных технологий и продуктов составляют самую крупную часть затрат, тогда как затраты на их последующее массовое производство (копирование) снижаются. Основные затраты идут на научно-технологическую разработку и создание оригинала, первого экземпляра информационного продукта, а затраты на создание его копий очень малы и имеют тенденцию к постоянному снижению. Производство информационного продукта связано с высокими постоянными затратами, но с низкими (постоянно уменьшающимися) предельными издержками.

 

Сетевые эффекты: сущность дефиниции

Понятие «сетевые эффекты» в 1908 году в научный оборот ввел Теодор Вейл (Theodore Vail), который занимался изучением оптимизации и распространения телефонных услуг. Сетевой эффект принимает значительную величину тогда, когда достигается определенное число пользователей информационного продукта (услуги), которое получило название «критической массы пользователей». После данной точки ценность, получаемая от использования информационного продукта (услуги), становится больше заплаченной за нее цены. Важную закономерность, характеризующую производство информационных продуктов (чипов), в 1965 году сформулировал один из основателей компании Intel Г. Мур (Gordon Moore). Согласно закону Мура, вычислительная мощь микропроцессоров и плотность микросхем памяти удваивается примерно каждые 18 месяцев при неизменной цене, т.е. цены на единицу мощности снижаются в 2 раза каждые 18 месяцев.

Содержание понятия «сетевой эффект» раскрыл Роберт Меткалф, который являлся одним из разработчиков сетевой системы Ethernet. Он сформулировал закон, который получил название закон Меткалфа, в соответствии с которым ценность любой сети для пользователя эквивалентна квадрату количества узлов соединения, то есть если в сети присутствует n пользователей, то ценность сети для каждого пропорциональна количеству остальных пользователей [12]. В соответствие с законом Меткалфа полезность или потребительная стоимость сетей резко повышается с увеличением числа абонентов (пользователей). Полезность сетей в качестве прямого сетевого эффекта начинает нарастать только по достижении так называемой критической массы, под которой понимается минимальное количество пользователей, начиная с которого система обретает определенный уровень полезности, обеспечивающий долгосрочную эксплуатацию сети.

В общем виде закон Меткалфа можно выразить так:

Ц_n= (n-1) w ,

P_n = n (n-1) w ,

где
Ц_n — ценность сети (n – узлов) для каждого абонента;
Р_n — общая ценность сети (n-узлов) для всех ее абонентов;
w – оценка возможности вести переговоры с одним абонентом.

 

Для производственно-сетевых систем, требующих аккумуляции критической массы пользователей (участников), необходимо стартовое (базисное) обеспечение, заключающееся в создании базисного количества пользователей, предоставление особых условий деятельности в сети, сервисов, дифференциация услуг и тарифов, воздействие на формирование благоприятных ожиданий потребителей  и др. После достижения критической массы новые пользователи будут воспринимать ценность информационной услуги большей, чем ее цена из-за действия положительных сетевых экстерналий. Следует отметить, что сетевые экстерналии могут быть и отрицательными, например, при сбое и перегрузке компьютерной сети.

Сформулирован еще один закон, касающийся ИТ-эффектов, получивший название «закон Ципфа». Его открывателем является американский лингвист из Гарвардского университета Джордж Ципф (George Zipf). Закон Ципфа выражает эмпирическую закономерность распределения частоты слов естественного языка: если все слова языка (или просто длинного текста) упорядочить по убыванию частоты их использования, то частота n-го слова в таком списке окажется приблизительно обратно пропорциональной его порядковому номеру n (так называемому рангу этого слова) [18]. Формально закон Ципфа, выражающий оценку увеличения полезности сети (NE) может быть определен следующим образом:

 NE = n log (n) ,

NE – полезность сети;
n – количество элементов (узлов) сети.

 

Американский инженер и ученый Клод Шеннон в 1948 году опубликовал фундаментальную статью «Математическая теория связи». В ней он, решая проблему передачи информации через коммуникационный канал, подверженный шумам, предложил вероятностный подход к количеству передаваемой информации и ввел меру дискретного распределения вероятности на множестве альтернативных состояний передатчика и приемника сообщений. К. Шеннон  предложил формулу для определения количества информации, определяемую как обратную величину энтропии:

где:
IH – информационная энтропия, определяющая количество информации;
n – число символов, из которых может быть составлено сообщение (алфавит);
q _j — значения вероятностей; вероятности могут быть заменены их статистическими оценками:  , которые представляют собой относительную частоту  j-го символа в сообщении;
N – число всех символов в сообщении;
N _j – абсолютная частота  j-го символа в сообщении, т.е. число встречаемости  j-го символа в сообщении.

 

Предложенная К.Шенноном формула используется для измерения количества информации, определяемого как отрицательная величина энтропии. Собственно сетевой эффект данная формула не измеряет.

 

Вопросы разработки интегральной оценки и измерения сетевых эффектов и сетевых выгод

На наш взгляд, следует предложить и сформулировать следующее фундаментальное положение: для интегральной оценки и измерения разнообразных сетевых эффектов и сетевых выгод, возникающих в определенной сложной системе сетевого типа, нужно оценивать и учитывать следующие составляющие:

• количество элементов, количество информации и количество связей;
• характер и способ связей в сети;
• уровень, тип, структурно-функциональную организацию (архитектуру) сетей;
• качество и меру внутренних информационных связей между элементами и их  функциями внутри системы;
• целевую доминанту (главную целевую функцию) развития самой этой системы;
• энтропийно-синергийный сетевой баланс данной системы.

В условиях инновационно-информационного производства имеют место высокие постоянные затраты и низкие предельные издержки. В этих условиях производитель должен стремиться к производству и продаже максимально возможных объемов информационных продуктов (например, программные продукты для компьютерных систем), чтобы получить большую прибыль и компенсировать высокие первоначальные расходы на разработку информационного продукта-оригинала. Как отмечает Р.Вайбер в информационно-сетевой экономике в отличие от индустриальной экономики доминирует не закон убывающей предельной доходности, а прямые сетевые эффекты и положительная обратная связь, что выражается в возрастающей предельной доходности [5].

В глобальной информационной экономике  имеют место  различные информационно-сетевые эффекты. Информационно-сетевые эффекты – это эффекты от инноваций, от сетевого взаимодействия, от интеграции бизнеса. По сути,  это синергийно-сетевые (интегральные) эффекты, выражающиеся в различных формах. Х.Р. Вэриан выделяет два основных вида сетевых эффектов: прямые сетевые эффекты (directnetworkeffects) и косвенные сетевые эффекты (indirectnetworkeffects) [6].

Сетевые эффекты с одной стороны, выражают специфические эффекты, возникающие в результате внедрения ИКТ, осуществления электронного бизнеса и взаимодействий в глобальных сетях, с другой стороны, способствуют росту общей производительности в экономике. Данные эффекты могут быть получены также в результате применения передовых методов осуществления гиперконкуренции, интеграции ИКТ-бизнеса, координации сетевыми взаимодействиями, опережающего программирования и управления экономическим поведением конкурентов и потребителей, с помощью гиперконкурентного креативного нейромаркетинга, менеджмента, логистики и др.

Лауреат Нобелевской премии по экономике Дж. Стиглиц ввел понятие «креативная бухгалтерия» (creativeaccounting). Суть данного понятия он раскрывал на примере анализа практики приобретения высшим менеджментом крупных компаний пакетов акций своих компа­ний по цене ниже рыночной с целью получения дивидендов, что приводило в условиях роста капитализации данных компаний к значительных росту доходов креативных менеджеров [16].

ИКТ создают дополнительные факторы роста добавленной стоимости, реализуемой компаниями, которые формируются, с одной стороны, из возможности снижать издержки производства за счет роста скорости обработки и передачи информации, совершенствования управления, а с другой – путем повышения рыночной привлекательности товаров и услуг в результате сокращения  времени разработки новых продуктов и осуществления сервисного обслуживания. В сфере управления экономический потенциал интеграции ИКТ в традиционные отрасли народного хозяйства реализуется, в первую очередь,  как результат развития информационных систем управления, которые позволяют оптимизировать информационные потоки на предприятиях, фирмах и создать возможность экономии как  производственных, так и трансакционных издержек. Они снижают экономические риски, сокращают затраты времени, оптимизируя логистику предприятий и фирм  [9].

Х.Р. Вэриан верно отметил важную сторону действия интеграционного эффекта, выражающуюся в том, что «совместное действие закона Мура, интернета, компьютерной осведомленности и финансовых рынков привело к периоду «быстрых инноваций» (rapidinnovations) [6].

Себастьян Кнол выделяет особый вид кросс-бизнес синергии  — информационную синергию,  которая порождена использованием общих каналов информации, широкой доступностью этих каналов и их  эффективностью, значительно большей возможностью получения достоверной и полной информации о конкурентах, о национальных и региональных фондовых  рынках и бизнес инициативах [13].

Информационно-инновационная деятельность носит чрезвычайно сложный,  многоаспектный и нелинейный характер, содержит множество прямых и обратных связей, прямых и косвенных сетевых эффектов. Следует сделать важный вывод о развертывания в современной информационно-сетевой экономике процессов интеграции и сетизации (networking) производителей, генераторов, сбытовиков и потребителей интеллектуально-информационных благ и инновационно-знаниевых технологий, а также коммерционализации разнообразных сетевых эффектов.

В современной информационно-сетевой экономике инновационного типа возникает информационная рента. Информационная рента (информационно-инновационная рента) – это важнейшая категория глобальной информационной экономики, которая может быть определена как производимая на базе нового научного знания (инноваций, ИКТ), получаемая и присваиваемая гиперконкурентным собственником-инноватором интегральная, распределенная во времени и в пространстве денежная и неденежна выгода (эффект), которая получена в результате капитализации (разработки, внедрения, накопления, тиражирования и реализации) нововведений на всех уровнях и во всех сферах физического и виртуального пространства глобальной экономики [9].

Информационно-инновационная рента — это долговременный дополнительный интегральный эффект, получаемый от владения и использования информационно-интеллектуального капитала, капитализируемых инноваций (знаний, информации, нематериальных активов). В информационно-сетевой экономике информационная рента в структуре цены реализуемого инновационного продукта (услуги) составляет значительную долю получаемой собственником прибыли. Информационно-инновационная (интеллектуальная рента) может рассматриваться как факторный доход от использования интеллектуально-информационного капитала, объектов интеллектуальной собственности и инноваций и, следовательно, часть ее должна направляться на развитие инновационной сферы и сферы воспроизводства информационно-интеллектуального капитала.

Следует отметить, что информационно-инновационная рента может составлять часть инновационной гиперконкурентной прибыли, но не сводится только к ней, поскольку включает в себя также и интегральную, распределенную во времени и пространстве, денежную и неденежную выгоду, а также сетевые эффекты, получаемые на основе использования новых знаний, интеллектуальной собственности, опережающих инноваций и присваиваемая собственником-инноватором, а также глобальными сетевыми структурами и институтами.

Механизм образования информационно-инновационной ренты не является традиционным, линейным, а является нелинейным, распределенно-сетевым механизмом, обеспечивающим получение потоковых величин интегральных взаимосвязанных полифункционально-сетевых эффектов. Основой присвоения информационно-инновационных ренты является формирование, реализация и воспроизводство статусно-брендовых, полифункционально-сетевых, интерактивных прав на новые знания, информацию, интеллектуальную, статусно-брендовую собственность и полифункциональные сервисно-продуктовые инновации инноватором-собственником. Механизм реализации такой собственности связан с интерактивным установлением  прав и интересов инноватора-собственника и предполагает обеспечение их институционально-законодательной защиты.

 

Особенности формирования энейро-сетевой институциональной инфраструктуры

В условиях развертывающейся сегодня новейшей энейро-сетевой, социо-гуманитарной технологической  революции, усиливающейся инновационной гиперконкуренции идет формирование новой глобальной, интегративно-распределенной инфраструктуры энейро-сетевой экономики (Electronic Neural Network Economy) и появляется целый класс новых энейро-сетевых благ (услуг) и энейро-сетевых эффектов [9]. Формирование энейро-сетевой институциональной инфраструктуры имеет ряд новых свойств и особенностей, обусловленных процессами глобализации, цифрофикации, сетизации, интеграции, универсализации, нейрофикации и социализации.

Новым свойством и спецификой энейро-сетевых услуг является их полифункциональность — то, что они функционально многообразны и могут выражаться в разнообразных формах, сопряженных с воспроизводством их в различных формах: общественных благ, рыночных товаров и энейро-сетевых эффектов, интегративно распределенных в реальном экономическом пространстве и виртуальном, облачном, энейро-сетевом дополненном пространстве. Аналогом последнего служит технология блок-чейн (blockchain), которая используется для эмиссии, оборота и учета электронно-сетевых денег (криптовалют) и представляет собой распределенную информационную базу данных о всех осуществляемых участниками сети транзакциях, автоматически обновляемую и хранящуюся одновременно у всех участников и институтов регулирования сети, включая нейро-персонифицированные и облачные серверы, что является одним из факторов обеспечения ее стабильного функционирования и устойчивости].

Новым свойством энейро-сетевых услуг является их сетевая социо-нейро-морфность – функциональная неотделимость и тесная связь с людьми, их бытием и поведением в реальном и виртуально-сетевом пространстве. Важным свойством является программируемость и коррекция целей, интересов, мотивов, потребностей, предпочтений, реакций, поведения (принимаемых решений) людей – потребителей сетевых услуг, участников сетевых взаимодействий и отношений.

Важнейшей новой особенностью энейро-сетевых услуг (энейро-сетевых эффектов) является то, что они имеют интегративно-распределенный социо-нейро-морфный характер и при их реализации энейро-сетевая добавленная стоимость создается интегративно-распределенным сетевым способом в неразрывном единстве процессов создания, предоставления, потребления и оценки (учета) энейро-сетевой услуги. Добавленная стоимость энейро-сетевой услуги (эффекта) создается интегративно-распределенным сетевым способом одновременно и производителями, и посредниками, и потребителями, и теми, кто ее фиксирует, учитывает и оценивает (сетевыми институтами глобального регулирования, контроля, оценки и учета). Энейро-сетевая добавленная стоимость – это интегральный социально-экономический, нейро-сетевой эффект [8].

В современной экономике в результате действия закона повышающейся отдачи (роста интегральной производительности)  энейро-сетевые услуги и  эффекты приносят интегративную, распределенную в пространстве и во времени интегративную добавленную стоимость, оценка и учет которой приводит к увеличению стоимости валового мирового (национального) продукта и доходов участников интегративно-распределенного энейро-сетевого взаимодействия.

Полифункциональные доходы участников сетевых взаимодействий могут выражаться в разнообразных формах – в форме общественных благ, рыночных товаров и энейро-сетевых эффектов. Важной, но чрезвычайно сложной является проблема оценки энейро-сетевых эффектов, которые как явления социально-экономической реальности имеют невещественную, нематериальную, информационную природу. Сложнейшая проблема состоит в том, как, наряду с оценкой и учетом рыночной величины предоставленной сетевой услуги (эффекта), оценить и учесть ее нерыночную, общественно-сетевую составляющую, которая не может быть в данный момент времени линейным способом непосредственно оценена в денежных  единицах. Например, возможное дополнительное возникновение капитализируемого денежного эффекта (прямого и косвенного, линейного и нелинейного), который может быть получен в будущем, зависит от  количества пользователей данной энейро-сетевой услугой в социальной сети и в настоящем, и в будущем. В этой связи, важное значение имеет определение принципов оценки полифункциональных энейро-сетевых услуг и эффектов, их включения  и учет в величине ВНП, доходов фирм и граждан.

 

Проблемы оценки стоимости сетевых эффектов

В настоящее время не существует какого-то одного универсального метода и методики оценки стоимости нематериальных активов, интеллектуального капитала, сетевых эффектов. В экономической литературе есть несколько подходов к оценке нематериальных благ и сетевых эффектов. Обобщение различных методов измерения интеллектуального капитала осуществил Карл-Эрик Свейби (Sveiby K.E.) [17]. Оценке стоимости технологий, исследований и разработок посвящена работа Боера Ф. П. [4]. Дятлов С.А. подробно рассмотрел подходы к оценке эффективность вложений в человеческий капитал [6]. Нижегородцев Р.М. занимался институциональным анализом сетевых эффектов и благ  [11].

Министерством имущественных отношений России утверждены «Методические рекомендации по определению рыночной стоимости интеллектуальной собственности» [2]. Существуют международные [1] и российские стандарты оценки и учета нематериальных активов (например, федеральный стандарт «Цель оценки и виды стоимости (ФСОN 2)», утвержден приказом Минэкономразвития РФ от 20 июля 2007 г. N 255 (с изменениями от 22.10.2010 г.).

Однако, имеющиеся традиционные методы оценки нематериальных активов применительно к энейро-сетевым эффектам не дадут их полной, адекватной оценки. Мы предлагаем общий теоретический авторский подход, который разрабатывается в рамках субстанционально-информационной парадигмы общественного развития [8, с. 5] и который определяет новое, перспективное направление поиска решения данной сложной проблемы.

Суть предлагаемого нами методологического подхода раскрывается в следующих положениях. В условиях формирующейся энейро-сетевой экономики существует целый класс новых энейро-сетевых эффектов []. Полифункциональные энейро-сетевые услуги (энейро-сетевые эффекты) воплощаются в различные объекты интеллектуально-сетевой собственности (овеществленные и персонифицированные, вещественные и невещественные, линейные и нелинейные, локализованные и облачные). В глобальной гиперконкурентной информационно-сетевой экономике важнейшей и сложнейшей задачей является осуществление спецификации разнообразных прав на новые нейро-сетевые объекты интеллектуально-сетевой собственности.

На наш взгляд, общий методологический принцип состоит в следующем: подлежат учету и оценке все интегративно-распределенные во времени и в пространстве результаты и эффекты от производства-предоставления-потребления-оценки (учета) полифункциональных нейро-сетевых благ и услуг, направленных на реальное удовлетворение актуализируемых и верифицируемых потребностей людей и возникающих при этом новых специфицируемых прав на нейро-сетевые объекты интеллектуально-сетевой собственности.

Возникающие новые энейро-сетевые эффекты требуют спецификации и классификации как новые  объекты (элементы) интеллектуально-сетевой собственности, должны получить адекватную оценку и учитываться при расчете расширенного (с учетом интегрально-сетевых благ и эффектов) ВНП.  Это предполагает расширение традиционной системы национального счетоводства путем включения в нее новых интегративно-распределенных полифункциональных нейро-сетевых эффектов, а также необходимость скорректировать (увеличить) оценку ВВП на их величину (в частности, на величину оценки специфицируемых прав на новые нейро-сетевые объекты интеллектуальной собственности) [7].

 

Заключение

В глобальной гиперконкурентной информационно-сетевой экономике актуальной, важной и сложной задачей является разработка методики оценки и учета величины нейро-сетевых эффектов как новых объектов интеллектуально-сетевой собственности, а также разработки универсальной методики выявления и спецификации разнообразных прав на новые энейро-сетевые объекты интеллектуально-сетевой собственности и обеспечение их законодательно-правовой защиты. В связи с этим, вполне закономерно предложить создание совершенно нового раздела (направления) в международном законодательстве о защите прав на интеллектуальную собственность — энейро-сетевая интеллектуальная собственность, изучением которой будет заниматься новая формируемая метадисциплина «энейро-сетевое право».

Библиографический список:

1. Международный стандарт финансовой отчетности (IAS) 38 «Нематериальные активы» (введен в действие для применения на территории Российской Федерации приказом Минфина России от 25.11.2011 № 160н).
2. Методические рекомендации по определению рыночной стоимости интеллектуальной собственности, утвержденные Министерством имущественных отношений Российской Федерации от 26.11.2002 № СК-4/21297.
3. Боер Ф. П. Оценка стоимости технологий: проблемы бизнеса и финансов в мире исследований и разработок / пер. с англ. Г. Микерин и Н. Павлов – М.: Олимп-Бизнес, 2007. – 448 с.
4. Вайбер Рольф. Эмпирические законы сетевой экономики // Проблемы теории и практики управления. – 2003. – № 4.
5. Вэриан Х.Р. Экономическая теория информационных технологий / Социально-экономические проблемы информационного общества / Под ред Л.Г. Мельника.- Сумы: ИТД «Университетская книга», 2005.- С.265, 226.
6. Дятлов С.А. Инвестиции в человеческий капитал: критерии эффективности // Известия Санкт-петербургского государственного экономического университета.- 1996.- № 4.- С. 32-51.
7. Дятлов С.А. Энейро-сетевые услуги и эффекты: проблемы оценки / Экономика, управление и право: инновационное решение проблем. Сборник статей IV международной научно-практической конференции.- Пенза: МЦНС «Наука и Просвещение».- 2016.- С.6-11.
8. Дятлов С.А. Энейро-сетевая гиперконкурентная экономика.- СПб.: Изд-во СПбГЭУ, 2017.- 133 с.
9. Дятлов С.А. Энейро-сетевая экономика: формирование новых сегментов глобального рынка // Современные технологии управления. ISSN 2226-9339. — №2 (74). Номер статьи: 7401. Дата публикации: 2017-02-02. Режим доступа: http://sovman.ru/article/7401/.
10. Маршалл А. Принципы политической экономии. М.: Прогресс, 1984.-Т.1.- С. 404.
11. Нижегородцев Р.М.Сетевые эффекты, институциональные фильтры и ловушки и проблемы образования в экономике знаний // Вопросы новой экономики.- 2011.- № 3. — С. 12–23.
12. Рейнгольд Г. Умная толпа: новая социальная революция. Пер. с англ.- М.: Фаир пресс, 2006.- С. 96.
13. Knool Sebastian. Cross-Business Synergies: A Typology of Cross-business Synergies and a Mid-range Theory of Continuous Growth Synergy Realization.- Wiesbaden, 2008.- 388 p.
14. Shannon C.E. A Mathematical Theory of Communication / C.E. Shannon// Bell System Technical Journal. – 1948. – V. 27. – No. 3. – P. 379-423. – No. 4. – P. 623-656.
15. Shapiro Carl. Competition Policy in the Information Economy. In Einar Hope, editor. Foundations of Competition Policy Analysis. Volume 25.- Routledge, 2000.
16. Stiglitz J.E. TheRoaringNineties. A New History of the World’s Most Prosper­ Ous Decade.- N.Y.; l. 2003.
17. Sveiby Karl-Erik. The New Organizational Wealth: Managing and Measuring Knowledge-based Assets. – San Francisco: Berrett Koehler. 1997.
18. Zipf G.K.Human Behavior and the Principle of Least Effort.- Addison-Wesley Press. 1949.- С. 484-490.

Введение

В управлении большое значение имеет системный, ситуационный [1, 2] и структурный анализ [3-5]. Построение структур в управлении связывают с последовательностью действий, в которых основу составляют последовательные линейные  цепочки, состояние из двух понятий «причина-следствие».  Однако еще со  времен Аристотеля выделяют информационные и логические конструкции из трех категориальных понятий. Например,  ум-чувство-воля, информация-данные-знание, надсистема — система- подсистема и т.п. Стремление к упрощению привело  к широкому применению диадной модели принятия решений в управлении. Это обусловило развитие  бинарного  линейного мышления, опирающегося на простое правило

А→В (1)

Такое простое  правило означает возможность прямого установления связи между отдельными объектами А и В.  Оно интерпретируется по-разному, но отражает связь или отношение двух объектов: «А влечет В», «если А, то В», «из А следует  В», «А является причиной  В»,. «А предпочтительнее В», «условие А требует управленческого решения  В», и так далее

Правило (1)  задает серию  бинарных отношений типа  «причина-следствие», «часть-целое», «элемент-класс». Правило допускает рекурсивную вложенность  одних понятий в другие и этим задает рекурсивную линейную схему анализа. Существуют более сложные тринитарные отношения, которые часто разбивают на бинарные, стремясь к упрощению анализа. Например, часто тринитарное правило

А→В→С

разбивают на три бинарных правила в предположении выполнения условия транзитивности

А→В; В→С;   А→С;

Если условие транзитивности нарушается при отношении  А←С, то разбиение триады на три диады невозможно. Бинарное линейное мышление часто строится на упрощении ситуации и формировании дихотомических пар типа объект-субъект, случайность-необходимость, идеализм-материализм [6]. В других случаях упрощение становится еще более сильным и сводится к использовании  оппозиционных переменных [7] «истина- ложь», «0-1», «хорошо – плохо», «белое – черное» и т.п. Такого рода дихотомические и оппозиционные оценки часто используются как упрощение ситуации  в управлении, в частности, при введении экспертных оценок.

Более сложные ситуации исключают бинарный подход и самая яркая из таких ситуаций – управление с обратной связью [8]. Обратная связь строится на  тринитарной модели. Без обратной связи (без тринитарной составляющей) управление невозможно.  Ряд известных моделей, таких как треугольник Фреге, не сводятся к бинарным моделям.  Следовательно, есть все основания исследовать тринитарную модель как инструмент описания управленческих информационных ситуаций, которые не укладываются в бинарные конструкции. В современной практике термин «тринитарные системы» в технических науках часто заменяют на термин «триангуляционные системы». Это понятие более узкое, поскольку подразумевает наличие одной только связи между вершинами треугольника. В управлении возможно несколько связей.

 

Тринитарные системы

Тринитарные системы [6, 9, 10] являются простейшими системами, которые можно отнести к сложным системам. Тринитарная система – это система, которая имеет три сущности, между которыми существует не менее трех разных связей или отношений. Эти системы служат основой построения более сложных систем. Например, треугольник как система служит основой построения триангуляционной сети (системы разных треугольников). Пример тринитарной системы  приведен на рис.1.

Тринитарная  система (рис.1) представляет собой три сущности  (вершины) А, В, С, между которыми существует три типа  разных отношений или  связей Re(A, B), Re(B, C), Re(A, C). Модель, на рис. 1 является нелинейной. Она создает возможность обратной связи и дает возможность организовать цикл.

 

Рис.1. Тринитарная система

 

Наличие третьего отношения Re(A, C) между сущностями (A, C) замыкает систему и создает нелинейность. При отсутстствии отношения Re(A, C) схема на рис.1 превращается в линейную цепочку.

Примером тринитарной системы может служить египетская пирамида, пирамида потребностей Маслоу. В геометрии  триадное, или тринитарное представление это представление в трехмерном пространстве. Такое представление может быть сведено к трем диадным моделям (три плоские проекции). Для выпуклых объектов легко восстановить трехмерный объект по его трем проекциям. Однако если объект не выпуклый и имеет сложную форму, для его восстановления трех проекций недостаточно. Необходима дополнительная информация. Это служит примером эмерджентности – не сводимости свойств сложной системы к ее составляющим.

Если в модель тринитарной системы (рис. 1) ввести направленные отношения, то получают два варианта системы отношений. Такая ситуация имеет место в органолептическом анализе (дегустация вин, оценка качества драгоценных камней, сравнительной оценке деятельности разных предприятий экспертом). Отношения при таком анализе могут быть следующие: «вкуснее», «крепче», «лучше», «хуже», «качественнее», «предпочтительней», «оптимальней». Они возникают при экспертной оценке, когда количественных характеристик не хватает для получения общего сравнения.

Модель на рис. 1 может иметь разные представления в зависимости от вида отношений  Re. На рис. 2 приведены два варианта тринитарной системы с разными отношениями, что выражено направлением стрелок.

 

Рис. 2. Тринитарные системы «согласования» (а) и «противоречия» (b).

 

Тринитарную систему на рис.  2а называют треугольником согласования. Она сохраняет правило переноса транзитивности. Например, стрелка показывает отношение больше. Тогда для А=10; В=5; С=2  треугольник на рис. 2а выражает правило

if А > B and B>C Then A>C.

Это  правило выполняется в алгебре. В  геометрии оно описывает правило векторной суммы. В качественной ранговой шкале оно соответствует правилу ранжирования иерархий. В порядковой шкале эта информационная ситуация соответствует согласованной шкале иерархии, в которой все объекты упорядочены и имеют разные ранги. Такая информационная ситуация описывает тринитарное правило в предположении выполнения условия транзитивности

А→В; В→С; А→С. ( 2)

Тринитарную систему на рис. 2b называют треугольником рассогласования. Она нарушает правило переноса транзитивности. Эта ситуация часто встречается в спортивных соревнованиях. Например, команда А побеждает команду В. Команда В побеждает команду С.  Но при этом команда С побеждает команду А.  В порядковой шкале эта схема (рис. 2b) описывает ситуацию в которой некоторые объекты  имеют одинаковые ранги.

Можно констатировать, что линейная  интерпретация согласно выражениям (1) , (2) обеспечивает линейную однозначную интерпретацию событий и процессов.  Триадная интерпретация событий (рис. 1) является нелинейной и множественной. Она может описывать принципиально разные ситуации (рис. 2а, рис. 2b). В то же время эта модель описывает ситуации, которые линейной моделью не могут быть описаны (рис. 2b). Следовательно, при описании нелинейных ситуаций, линейная модель не адекватна, а применима  тринитарная нелинейная модель. Здесь следует остановиться и отметить, что модель тринитарной системы, как и когнитивная карта, описывает разные ситуации, служит инструментом анализа этих ситуаций и основой принятия решений.

Рассмотрим процесс построения тринитарной системы и диадной системы. На рис. 3 приведены три информационные ситуации, обозначенные как: a, b, c.

 

Рис. 3. Построение тринитарной системы

 

Ситуация (а) соответствует первоначальному дихотомическому [11] делению некой системы или совокупности на две части: некая сущность А и все, что «не А». Здесь  Re1 – отношения принадлежности; Re2 – отношения не эквивалентности. Дальнейшее деление осуществляется с частью «не А». При этом возможны разные варианты построения в зависимости от выбора отношения между А и объектом деления.

Если выбрать отношения следования Re3,  то  из ситуации (а) получается информационная ситуация (b), которая создает триаду: «А, следование из А, средний член». Если средний член не влияет на ситуацию, то получается диада

А→ «Следование из А»

Это полный аналог выражения (1).  Если средний член влияет на ситуацию, то сохраняется триада, которая может интерпретироваться по разному.

Если выбрать отношения оппозиции Re4,  то из ситуации (а) получается информационная ситуация (с), которая создает триаду: «А, оппозиция А, средний член». Если средний член не влияет на ситуацию, то получается оппозиционная пара или оппозиционные переменные [7].

А↔ «Оппозиция А»

Если средний член влияет на ситуацию, то сохраняется триада, которая может интерпретироваться по разному. Проведенный эксперимент позволяет констатировать, что диадные модели являются упрощением сложных ситуаций. Их истинность является ограниченной.

Тринитарные системы имеют свойства отличающие их от треугольника. Свойство 1. Между сущностями тринитарной системы можно построить множество связей. Свойство 2. Тринитарная система может связывать между собой разные пространства и разные многомерные объекты.

 

Анализ тринитарной системы «цель – метод – результат»

Рассмотрим тринитарную систему «цель – метод – результат» (Рис. 4). Например, выбор субподрядчика для исполнения договорных работ, В этом случае «цель – заказчик»;  «метод – исполнитель», «результат – результат».

Более наглядный пример: доставка груза из одной точки большого города в другую. Цель – оптимальная доставка груза. Эта цель подразумевает множество связей с методом доставки, что обусловлено множеством выбора критерия оптимальности. Это следствие первого свойства тринитарной системы. Оптимальность пути доставки можно определять по разным критериям оптимальности: затраты (стоимость), время в пути, длина пути, безопасность перевозки и так далее. Каждый критерий оптимальности дает набор методов для достижения цели. Критериев много, но метод выбирается один.

 

 

Рис. 4. Тринитарная система «цель – метод – результат»

 

На основе выбранного метода при условиях, которые считаются неизменными, получают результат. Однако возможно множество ситуаций, меняющих начальные условия, и возможно множество результатов, на которые повлияли условия. Возможно множество путей (связей) «метод – результат», в том числе, обусловленных человеческими  ошибками при реализации правильного метода. Поэтому при выборе одного метода реализации можно получить множество результатов в зависимости от влияния внешней среды. В большом городе, в зависимости от времени суток, существенно меняется пропускная способность магистралей, что влияет на результат. В силу этого влияния оптимальный метод, рассчитанный для одного времени (утро), может не дать оптимальный результат для другого времени (день), поскольку условия перевозки (условия реализации метода) изменились и в ходе реализации стали не соответствовать первоначально заданным. Это временный фактор.

Результат будет единственным, но он может отличаться от целевых установок. Результат связан с целью, поэтому, после его получения, проводят сравнение степени соответствия полученного результата с заданной целью. Замыкается третий тип связей, который определяет данную систему как тринитарную. В этой  третьей связи также имеется множественность, обусловленная разными методами оценки и разными точками зрения на результат. Каждый эксперт оценивает качество и результат по-разному. Кроме того, возможен выбор разных методов оценки показателей.

Рис. 4 дает хорошую иллюстрацию множества связей, что имеет место в реальных  системах управления. Именно это отличает тринитарную систему от примитивного треугольника на плоскости в геометрии. На практике получить решение с помощью тринитарной системы сложно из-за большого количества связей.

Схема на рис. 4 может быть использована в разных сферах. В сфере логистики для анализа грузопотоков и их оптимизации. В сфере градостроительства для улучшения качества существующих и ли строительства новых трасс доставки грузов. В области ресурсного обеспечения и региональной экономики схема на рис. 4 может быть использована для рационального размещения ресурсов и решения задачи «ресурсы – производство — потребление». Сама по себе эта задача также представляет собой тринитарную систему.

В топологии  и управлении тринитарная система  (рис. 5), будучи вставленной в сложную цепочку, создает новое качество – цикл или обратную связь.

 

Рис. 5. Топологическая схема с циклом или обратной связью

 

Обратная связь создает возможность контроля и управления. Это позитив.  Следовательно, тринитарная система служит основой управления и является обязательной в технологиях управления. Обратная связь создает возможность паразитических и неуправляемых связей. – это негатив.

Управление возможно только при наличии хотя бы одной элементарной  тринитарной системы. Тринитарная логическая система в отличие от бинарной логики создает новое качество – возможность решения задач в условия нарушения правила переноса транзитивности, то есть в условиях противоречивой информации.

 

Заключение

Тринитарные системы описывают два класса реальных ситуаций. Первый класс нелинейные ситуации с циклами, с возможностью деградации или развития (рис.5). Второй класс  нелинейные ситуации с множественностью вариантов (альтернатив) на замкнутом цикле управления или принятия решений (рис.4). Недостатком тринитарного подхода является высокая сложность анализа и многовариантность. Достоинством тринитарного подхода является адекватность описания сложных ситуаций, которые упрощенными бинарными моделями искажаются и не приводят к правильным выводам и решениям. Тринитарный подход применим в сложных ситуациях с циклами. В простых линейных ситуациях он не применим и в этом случае применим диадный подход.

Библиографический список:

1. О’Доннел С., Кунц Г. Управление: системный и ситуационный анализ управленческих решений. – М.:: Прогресс, 1981, 495 с.
2. Ожерельева Т.А. Информационная ситуация как инструмент управления // Славянский форум, 2016. -4(14). – с.176-181
3. Балабайкин В. Ф. Структурное управление техническим развитием промышленного предприятия //Челябинск: Челяб. гос. ун-т. – 1999.
4. Mishra A., Kar S., Singh V. P. Prioritizing structural management by quantifying the effect of land use and land cover on watershed runoff and sediment yield //Water Resources Management. – 2007. – V. 21. – №. 11. – p. 1899-1913.
5. Ожерельева Т. А. Структурный анализ систем управления // Государственный советник. – 2015. — №1. – с40-44.
6. Баранцев Р. Г. О тринитарной методологии / Философский век. Альманах. Вып. 7. Между физикой и метафизикой: наука и философия. — СПб., 1998. — с.51-61/
7. Tsvetkov V.Y. Correlative analysis and opposition variables // European Journal Of Natural History, №1 2014, с.48-52.
8. Поляков А.А., Цветков В. Я. Информационные технологии в управлении. — М.: МГУ факультет государственного управления, 2007 — 138с
9. Герасимова И. Б. Методология управления социальными процессами в научных и образовательных  системах на основе когнитивных и динамических моделей. Спец.  05.13.10 Управление в социальных и экономических системах (технические науки)/  Дисс. на соиск. уч. ст. доктора технических наук — Уфа.: УГТУ, 2010. -389с
10. Цветков В.Я. Триада как интерпретирующая система. // Перспективы науки и образования. — 2015. — №6. — с.18-23.
11. Tsvetkov V.Ya. Dichotomous Systemic Analysis. Life Science Journal 2014; -11(6).- рр586-590.