В.Е. Ланкин
Децентрализация управления социально-экономическими системами (системный аспект)
Монография. – Таганрог: Изд-во ТРТУ, 2005. – 228с.
| Предыдущая |
1. Экономическая система как объект управления
1.3. Общие закономерности систем. Определение. Классификация
1.3.2. Классификация систем по степени организованности и ее роль в выборе методов моделирования систем
Впервые разделение систем по степени организованности по аналогии с классификацией Г.Саймона и А.Ньюэлла (хорошо структризованные, плохо структуризованные и неструктуризованные проблемы) было предложено В.В.Налимовым [68], который выделил класс хорошо организованных и класс плохо организованных или вероятностных систем.
Позднее к этим двум классам был добавлен еще класс самоорганизующихся, сложных, систем, который включает рассматриваемые иногда в литературе раздельно классы саморегулирующихся, самообучающихся, самонастраивающихся и т.п. систем.
Выделенные классы практически можно рассматривать как подходы к моделированию объекта или решаемой задачи, которые могут выбираться в зависимости от стадии познания объекта и возможности получения информации о нем.
Ниже приведена краткая характеристика этих классов.
1. Хорошо организованные (детерминированные) системы – системы, для которых исследователю удается определить все элементы и их взаимосвязи между собой и с целями системы в виде детерминированных (аналитических, графических) зависимостей.
Для отображения сложного объекта в виде детерминированной системы приходится выделять существенные и не учитывать относительно несущественные для конкретной цели рассмотрения компоненты.
Представление объекта в виде хорошо организованной системы применяется в тех случаях, когда может быть предложено детерминированное описание и экспериментально показана правомерность его применения, т. е. экспериментально доказана адекватность модели реальному объекту или процессу.
2. Плохо организованные (вероятностные) системы. Такие системы характеризуются вероятностными (стохастическими) параметрами, определенными статистическими методами на достаточно представительной выборке факторов, представляющих исследуемый объект или процесс.
Моделирование объектов в виде вероятностных систем находит широкое применение при определении пропускной способности систем разного рода, при определении численности штатов в обслуживающих, например, ремонтных цехах предприятия и в обслуживающих учреждениях (для решения подобных задач применяют методы теории массового обслуживания), при исследовании документальных потоков информации и т.д.
3. Саморганизующиеся (развивающиеся или сложные) системы характеризуются рядом признаков, особенностей, приближающих их к реальным развивающимся объектам.
Эти особенности, как правило, обусловлены наличием в системе активных элементов (человека), являющихся с одной стороны источником развития и адаптивности системы во внешней среде, но с другой стороны – источником неопределенности и непредсказуемости поведения, затрудняяющих управление. Сложные системы отличаются нестационарностью параметров и стохастичностью поведения.
Перечисленные особенности объясняются с помощью закономерностей систем, основные группы которых перечислены выше.
Анализ деятельности предприятий показывает, что если не создавать условия для развития предприятия такие, как способность адаптироваться, вырабатывать варианты поведения, формулировать цели, изменять структуру и т.п., то предприятие не выживет в условиях нестабильной среды. А реализацию этих свойств можно обеспечить, изучая и используя закономерности функционирования и развития самоорганизующихся систем.
По мере накопления опыта исследования и преобразования систем, обладающих подобными свойствами, была осознана их основная особенность – принципиальная ограниченность формализованного описания развивающихся, самоорганизующихся систем. Эта особенность, т. е. необходимость сочетания формальных методов и методов качественного анализа, и положена в основу большинства моделей и методик системного анализа. При формировании таких моделей меняется привычное представление о моделях, характерное для математического моделирования и прикладной математики. Изменяется представление и о доказательстве адекватности таких моделей.
Адекватность модели доказывается как бы последовательно (по мере ее формирования) путем оценки правильности отражения в каждой последующей модели компонентов и связей, необходимых для достижения поставленных целей. Иными словами, такое моделирование становится как бы своеобразным «механизмом» развития системы.
Практическая реализация такого «механизма» связана с необходимостью разработки языка моделирования процесса принятия решения. В основу такого языка может быть положен один из методов моделирования систем: например, теоретико-множественные представления, математическая логика, математическая лингвистика, имитационное динамическое моделирование, информационный подход, и т. д. По мере развития модели методы могут меняться.
Представление объекта в виде самоорганизующейся системы применяется для решения наиболее сложных проблем, присущих децентрализованным системам с большой начальной неопределенностью и непредсказуемостью поведения агентов экономических отношений. При этом системный «механизм» развития (самоорганизации) может быть реализован в форме соответствующего подхода (см. Постепенная формализация модели принятия решения. Графосемиотическое моделирование или методики системного анализа) с использованием различных методов для реализации ее этапов [34].
Кратко охарактеризованные классы систем удобно использовать как подходы на начальном этапе моделирования любой задачи. Этим классам поставлены в соответствие методы формализованного представления систем [84], Определив класс системы, можно дать рекомендации по выбору метода, который позволит более адекватно ее отобразить.
Если предварительный анализ проблемной ситуации показывает, что она может быть представлена в виде детерминированных систем, то можно выбирать методы моделирования из классов аналитических и графических методов. Если специалисты по теории систем и системному анализу рекомендуют представить ситуацию в виде плохо организованных или вероятностных систем, то следует обратиться прежде всего к статистическому моделированию [50].
При представлении ситуации классом самоорганизующихся систем следует применять методы дискретной математики, нечеткой логики и когнитивного моделирования, в частности, теоретико-множественные представления, математическую логику, математическую лингвистику.
| Предыдущая |