автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Автоматизация этапов системного анализа и процедур принятия решений на основе неформальных подходов

На правах рукописи

Шпехт Ирина Александровна

АВТОМАТИЗАЦИЯ ЭТАПОВ СИСТЕМНОГО АНАЛИЗА И ПРОЦЕДУР ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ НЕФОРМАЛЬНЫХ ПОДХОДОВ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (информационные и технические системы)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

3 МАЙ ¿012

Краснодар - 2012

005016488

005016488

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Кубанский государственный технологический университет»

Научный консультант: доктор технических наук, профессор

Симанков Владимир Сергеевич

Официальные оппоненты: доктор технических наук, профессор

Атрощенко Валерий Александрович заведующий кафедрой информатики ФГБОУ ВПО «Кубанский технологический

университет»

доктор физико-математических наук, профессор Веремей Евгений Игоревич заведующий кафедрой информационных технологий и систем ФГБОУ ВПО «Санкт-Петербургский государственный университет»

доктор технических наук, Халафян Алексан Альбертович профессор кафедры прикладной математики ФГБОУ ВПО «Кубанский государственный университет»

Ведущая организация: ФГБОУ ВПО «Кубанский государственный

университет»

Защита диссертации состоится 27 июня 2012 г. в 14.00 часов на заседании диссертационного совета Д 212.100.04 в Кубанском государственном технологическом университете по адресу: г. Краснодар, ул. Московская 2, ауд. Г-251.

С диссертацией можно ознакомиться в библиотеке Кубанского государственного технологического университета.

Автореферат разослан 25 апреля 2012 г.

Ученый секретарь

диссертационного совета Д 212.100.04 канд. техн. наук, доцент » А.В. Власенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Эффективное управление и предотвращение внутрисистемных конфликтов современных сложноструктурированных информационных и технических систем не представляется возможным без активного использования системного анализа как эффективного инструмента системных исследований, при котором объект управления рассматривается в виде системы взаимосвязанных элементов. Причем на первый план выдвигается формирование функциональной структуры системы на основе построения иерархической подчиненности функциональных подсистем.

Проведение системных исследований усложняет наличие различных трактовок этапов системного анализа, предлагающих отличающиеся друг от друга формулировки, как основных этапов системного анализа, так и схем их реализации. Кроме того, наряду с наличием формализованных процедур, поддающихся автоматизации, на различных этапах системного анализа приходится сталкиваться с естественными неопределенностями, которые не могут сниматься с помощью классических (формальных) методов и подходов.

Классические методы обработки информации и математического моделирования оказываются непригодными при компьютерном моделировании сложных систем, а использование малых выборок при высокой степени неопределенности и большого набора показателей делает практически невозможным получить в процессе исследования сложных систем точное описание всех внутренних и внешних количественных взаимосвязей подсистем и элементов.

В настоящее время из-за отсутствия полной формализации и унификации процесса применения системного анализа при исследовании сложных систем каждый исследователь решает свои конкретные задачи исходя из собственного опыта и знаний, используя предпочтительные со

своей точки зрения подходы, методы и инструментарий системного анализа, иногда игнорируя отдельные этапы и подэтапы системного анализа.

Несмотря на развитый математический аппарат и широкие возможности информационных технологий, на сегодня не существует единой концепции автоматизации этапов системного анализа на общей информационной и программной платформе. Объяснением этому может служить наличие неформализованных процедур на каждом этапе системного анализа, существенно затрудняющие процесс автоматизации.

Для повышения качества и сокращения времени системных исследований необходима организация выбора наиболее детализированной трактовки этапов системного анализа, а также формализация самого процесса применения системного анализа при исследовании сложных систем.

При этом на каждом этапе системного анализа выделять формализованные и неформализованные процедуры, определять места переходов от одной процедуры к другой, что даст возможность разработать методы частичной формализации процесса исследования сложной системы в целом. Кроме того, организация окончательной схемы реализации неформализованных процедур предполагает тщательное изучение ролей исследователя, внешнего эксперта, внутреннего аналитика и лица, принимающего решение.

Таким образом, выявление, формулировка и реализация неформализованных процедур этапов системного анализа на основе методов и алгоритмов современных неклассических информационных технологий в виде обобщенной методологии автоматизации системных исследований приведет к более последовательному и эффективному результату в исследовании сложных систем.

Цель и задачи исследования. Целью диссертационной работы является разработка методологии исследования сложных систем на основе адаптивного механизма снятия неопределенностей при реализации

неформализованных процедур с возможностью автоматизации этапов системного анализа.

Для достижения цели в работе были решены следующие фундаментальные и практические задачи.

¡.Исследование теоретических основ системного анализа с целью обоснования и определения подходов формализации его этапов и подэтапов при исследовании сложных систем.

2. Создание методологии автоматизации этапов системного анализа на основе развития положений системного анализа и определения области применения компьютерных технологий в целях их оптимизации.

3. Разработка принципов построения технологий анализа и моделирования соответствующих этапов системного анализа на основе адаптивных алгоритмов снятия неопределенностей.

4. Обоснование и разработка модульной структуры технологий анализа и моделирования как совокупности технологических операций реализации одного или нескольких шагов соответствующего этапа системного анализа, ограниченных рамками решения общей задачи.

5. Разработка процедурно-ролевого алгоритма снятия неопределенностей неформализованного участка исследования с учетом ролей участников процесса исследования в процедурах принятия решений.

6. Определение стандартов и принципов адаптации при моделировании неформализованных участков на основе процедурно-ролевого алгоритма.

7. Исследование и разработка методов и алгоритмов автоматизации специфических задач системных исследований на основе функциональных, информационных и динамических моделей.

8. Разработка программного комплекса автоматизации этапов системного анализа на основе адаптивной системы анализа и прогнозирования сложных систем с единым доступом к комплексу согласованных инструментальных средств.

9. Проведение теоретических и экспериментальных исследований в рамках ситуационных центров руководителей различных уровней для апробации разрабатываемой методологии и программного комплекса автоматизации этапов системного анализа.

Методы исследования. Для решения поставленных задач в работе использованы методы и подходы теории систем, системного анализа, теории информации, математического моделирования, теории принятия решений, распознавания образов, нечетких множеств, а также графические методы анализа и оптимизации информационных и технических систем.

Объект исследования: процесс системных исследований с опорой на современные информационные технологии.

Предмет исследования: методология автоматизации неформализованных участков этапов системного анализа и процедур принятия решений на основе общей информационной и программной платформы.

Научная новизна выполненных в диссертации исследований состоит в следующем.

1. Обоснована возможность формализации процедур принятия решений в рамках этапов системного анализа на основе сочетаний формальных и неформальных методов.

2. Разработаны теоретические и методологические положения автоматизации этапов системного анализа и процедур принятия решений.

3. Разработан адаптивный алгоритм постепенного снятия неопределенностей неформализованного участка с учетом ролей участников процесса исследования в разрезе выполняемых ими процедур.

4. Впервые предложен механизм сочетания последовательности неформализованных и формализованных процедур при реализации этапов системного анализа.

5. На основе принципов адаптации процедурно-ролевого алгоритма предложены технологии анализа и моделирования как основа реализации этапов системного анализа.

6. Разработаны методы и алгоритмы решения специфических задач визуализации и автоматической классификации при реализации исследовательских и аналитических процедур.

7. Разработаны теоретические положения и обосновано применение динамической нечеткой базы знаний в системах поддержки принятия решений с изменяющимися в реальном времени правилами.

8. Предложена и обоснована концепция построения интегрированной информационной системы, как среды сопровождения процесса исследования сложных систем с возможностью доступа к единому комплексу инструментальных средств.

Все представленные в работе результаты являются новыми и впервые опубликованы в работах автора диссертации.

Основные положения, выносимые на защиту.

1. Методология автоматизации этапов системного анализа как единый подход многостороннего и эффективного исследования (анализа) и последовательного проектирования (синтеза) сложных систем.

2. Технология анализа и моделирования реализации этапов системного анализа, представляющая собой структурированную систему взаимосвязанных модулей, соответствующих группе задач, необходимых для реализации этапа системного анализа.

3. Процедурно-ролевой алгоритм как адаптивный механизм снятия неопределенностей неформализованных участков модуля на основе кросс-функциональной диаграммы с учетом ролей участников процесса исследования и выполняемых ими процедур.

4. Алгоритмы и реализованные на их основе инструментальные средства для решения специфических задач в рамках реализации

определенных технологий анализа и моделирования с учетом особенностей методологии автоматизации этапов системного анализа.

5. Концепция единой информационной платформы как среды информационной поддержки процесса исследования сложных систем, обеспечивающей доступ к единому комплексу инструментальных средств.

Достоверность и обоснованность научных положений подтверждается:

— использованием системного подхода, формальных и неформальных методов системного анализа и современных информационных технологий для решения задач диссертации;

— сведениями из научных источников;

— согласованием предложенных в работе положений с уже известными теоретическими положениями науки;

— признанием результатов исследований научным сообществом (публикации в рецензируемых и рекомендованных ВАК РФ журналах, обсуждение результатов диссертации на всероссийских и международных конференциях);

— апробацией и результатами внедрения разработанных Методологии «Автоматизация этапов системного анализа» и Единой информационной платформы в ситуационные центры руководителей местного и регионального уровней власти (Краснодарский край).

Практическая значимость и внедрение результатов работы. На основе развития положений системного анализа предложена методология «Автоматизация этапов системного анализа», которая может быть использована как для исследования, так и для последовательного проектирования сложных информационных и технических систем.

В среде визуального проектирования приложений Delphi версии 7.0 на основе авторских алгоритмов разработаны программные средства, решающие следующие прикладные задачи: визуальное представление, первичная разведка и естественная классификация объектов исследования в пространстве признаков при ограниченном объеме данных (алгоритмы

«ДИВИЗ», «ЗОНТ», «JIOTOC»); аналитическая обработка и управление данными (алгоритм «АРФА»); система поддержки принятия решений в условиях изменения внешней среды.

Программные средства зарегистрированы в Федеральной службе по интеллектуальной собственности РФ.

На основе положений Методологии «Автоматизация этапов системного анализа» и алгоритмов решения специфических задач спроектирована Единая информационная платформа для сопровождения процесса исследования сложных систем различной природы (информационных, технических).

Единая информационная платформа представляет собой открытый ресурс, может быть адаптирована или дополнена новыми информационно-справочными и инструментальными средствами автоматизации системных исследований. Имеет дружественный интерфейс с организацией интерактивной связи между подсистемами и возможностью запуска по требованию автоматизированных инструментальных. Единая информационная платформа внедряется в Ситуационный центр руководителя муниципального образования г. Краснодар, на ее основе решены некоторые аналитические задачи регионального характера (Краснодарский край).

Разработанные в работе методы и алгоритмы внедрены и используются в специальных курсах и практикумах Кубанского государственного технологического университета и Российского государственного социального университета.

Апробация работы. Основные положения и результаты диссертационной работы были представлены на различных всероссийских и международных конференциях: XI Всероссийская конференция «Математические методы распознавания образов» (г. Москва, 2003 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2004)» (г. Симферополь, 2004 г.); VII Международная конференция «Распознавание образов и анализ изображений: новые

информационные технологии (РОАИ-7)» (г.Санкт-Петербург, 2004 г.); XII Всероссийская конференция «Математические методы распознавания образов» (г. Москва, 2005 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2006)» (г. Симферополь, 2006 г.); XIII Всероссийская конференция «Математические методы распознавания образов» (г. Зеленогорск, 2007 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2008)» (г. Алушта, 2008 г.); IX Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-9)» (Нижний Новгород, 2008 г.); VIII международная научно-практическая конференция "Исследование, разработка и применение высоких технологий в промышленности" (г. Санкт-Петербург, 2009 г.); IV Всероссийская научно-практическая конференция «Здоровье населения - основа процветания России» (г. Анапа, 2010 г.); X международная научно-практическая конференция "Исследование, разработка и применение высоких технологий в промышленности" (г. Санкт-Петербург, 2010 г.); IX Международная IEEE Сибирская конференция по управлению и связи, «СИБКОН-2011» (г. Красноярск, 2011 г.); XV Всероссийская конференция «Математические методы распознавания образов» (г. Петрозаводск, 2011 г.); II Международная научно-практическая конференция «Перспективные разработки науки и техники - 2011» (Польша, 2011 г.).

Публикации. Основные результаты диссертации опубликованы в 41 печатной работе, в том числе 1 монография, 8 статей в журналах, рекомендованных ВАК РФ, и 5 авторских свидетельств о государственной регистрации программ для ЭВМ в Федеральной службе по интеллектуальной собственности РФ.

Структура и объем работы. Диссертационная работа состоит из введения, 6 глав, заключения, списка литературы, содержащего 205 наименование и приложений. Основное содержание изложено на 369 страницах машинописного текста, содержит 110 рисунков и 10 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении сформулирована проблема исследования и обоснована актуальность темы диссертации, поставлена цель и указаны задачи исследования, приведены основные научные и практические результаты проведенных исследований, показана их научная новизна и практическая значимость, сформулированы основные положения, выносимые на защиту, дана краткая характеристика содержания работы, приведены сведения о ее общей структуре.

В первой главе дается обобщенное представление системного анализа как фундаментальной основы исследования сложных информационных и технических систем.

Определено, что системный анализ представляет собой научный метод исследования сложных, многоуровневых, многокомпонентных систем и явлений, опирающийся на комплексный подход учета взаимосвязей между ее элементами, а также совокупность методов и подходов выработки, принятия и обоснования решений при проектировании, создании и управлении социальными, экономическими, человеко-машинными и техническими системами. При этом результатом системных исследований является, как правило, выбор определенной альтернативы: прогнозного сценария развития региона, стратегического плана реинжиниринга и т. д.

Показано, что современное развитие системный анализ получил под влиянием достижений как классических областей науки (философия, математика, физика, химия, биология, история и др.), так и неклассических областей:

— синергетики, в том числе теории нелинейной динамики и динамического хаоса, теории катастроф, лингвистической синергетики и прогностики;

— когнитологии;

— искусственного интеллекта, в том числе теории нечетких множеств и нечеткой логики, искусственных нейронных сетей, эволюционных и генетических алгоритмов.

Кроме того, особо подчеркнуто, что на развитие системного анализа и методологию проектирования сложных технических и информационных систем большое влияние оказывают информационные технологии, причем это влияние - взаимное: развитие системного анализа обогащает современные информационные технологии новыми методами, моделями, средами. В общем случае формально модель системного анализа можно представить в виде:

<р, £ г, к,х,о,м, с, а, и, в, и, щ у>, о)

где Р - проблема, которую необходимо разрешить в процессе системных исследований; 5 - определение системы; 2 — определение целей системы; к - множество критериев эффективности системы; x - множество шкал измерений критериев; й - способы исследования системы; М- методы моделирования системы; с - принципы управления системой; а - множество альтернатив; Т7 - отображение множества альтернатив на множестве критериев; б - система предпочтений решающего элемента; II— вид целевой функции; iv - решающее правило, отображающее систему предпочтений; v- уровень компьютеризации процедур.

Проведенный обзор работ по развитию системного анализа показал, что, несмотря на развитый математический аппарат и современные возможности вычислительной техники и информационных технологий, на сегодня не выработана единая концепция автоматизации этапов системного анализа и процедур принятия решений на общей аппаратной и программной платформе. Объяснением этому может служить наличие неформализованных процедур, которые присутствуют на каждом этапе системного анализа и существенно затрудняют процесс автоматизации. Сделан вывод, что для разрешения выявленной проблемы необходимо подробное рассмотрение всех

этапов системного анализа и процедур принятия решений с точки зрения их формализации и возможной автоматизации.

С целью определения степени формализованное™ каждого из этапов системного анализа была выбрана трактовка, предложенная профессором B.C. Симанковым, являющаяся на сегодня наиболее детализированным описанием этапов системного анализа, представляемая в виде IDEF0-диаграммы (рис. 1).

Рисунок 1 - Этапы системного анализа Далее в работе была рассмотрена детализация этапов системного анализа с учетом выбранной трактовки, описаны задачи внутри подэтапов и показано, что на всех этапах системного анализа в рамках их формализации и алгоритмизации приходится сталкиваться с естественными неопределенностями, которые трудно снимаются с помощью классических (формализованных) методов и подходов. При этом неформализованные процедуры принятия решений требуют тщательного изучения роли исследователя, внешнего эксперта, внутреннего аналитика и лица, принимающего решение, для разработки методов и подходов реализации шагов (подэтапов, этапов) системного анализа.

Исходя из вышесказанного, важной задачей является разработка адаптивного механизма снятия неопределенностей при реализации неформализованных (экспертных) процедур, что позволит автоматизировать процесс прохождения шагов, подэтапов и этапов системного анализа, тем самым повысив эффективность процесса исследования сложной системы.

Уровень развития современных информационных технологий позволяют создавать прикладные программные средства, реализующие алгоритмы формирования экспертных процедур на основе неклассических методов теории принятия решений. Однако при этом необходимо обратить внимание на следующие трудности автоматизации этапов системного анализа:

— различие математических методов и подходов реализации процедур системного анализа (методы формализованного представления систем, методы активизации интуиции специалистов);

— разнообразие программных средств, реализующих эти методы и подходы (отсутствие универсального языка человеко-машинного общения);

— различие между программными средствами, созданными на различных платформах или языках программирования (сложности организации связи обмена данными);

— явная специализация отдельных программных продуктов, ориентированных на решение локальных задач узкой предметной области.

Решением данного комплекса проблем является построение интегрированной автоматизированной системы, содержащей комплекс единых инструментальных средств, включающих ограниченное число универсальных многофункциональных программных продуктов, реализующих большое число методов и моделей, обращение к которым происходит посредством единого интерфейса.

Вторая глава посвящена разработке единой методологии формализованного описания реализации этапов системного анализа,

являющейся ориентирующей основой реализации процедур принятия решений при исследовании сложных систем, которая призвана:

— обосновать выбор схемы трактовки этапов системного анализа;

— определить оптимальную последовательность перехода от одного этапа системного анализа к другому с описанием соответствующих входных и выходных потоков информации;

— формализовать процесс применения подходов и методов системного анализа при исследовании сложных систем;

— алгоритмизировать роли и поведение исследователя, внешнего эксперта, внутреннего аналитика и лица, принимающего решение, при реализации схем формализованных и неформализованных процедур системного анализа;

— объединить в единую платформу средства реализации формализованных участков системного анализа с опорой на современные информационные технологии.

Разработанная таким образом обобщенная методология формулировки и реализации последовательности формализованных и неформализованных процедур этапов системного анализа на основе методов и алгоритмов современных неклассических информационных технологий, в свою очередь, позволит автоматизировать реализацию этапов системного анализа, что приведет к более последовательному и эффективному результату в исследовании сложных систем.

Проведенный анализ показал ограниченность существующих методологий автоматизации системных исследований выполнением узкоспециализированных задач в конкретном сегменте этапов системного анализа.

В связи с этим в работе для многостороннего и эффективного исследования (анализа) и последовательного проектирования (синтеза) сложных систем впервые предложена методология (единый универсальный подход) к формализации и реализации этапов системного анализа,

получившая название «Методология «Автоматизация этапов системного анализа» («Automation of Stages of the System Analysis», далее методология ASSA), содержащая технологии и поддерживающий их комплекс согласованных инструментальных средств, обеспечивающих автоматизацию процессов, выполняемых на этапах системного анализа (рис. 2).

Рисунок 2 - Методология автоматизации этапов системного анализа Методология ASSA, с учетом выбранной трактовки этапов системного анализа, содержит в своем составе пять технологий анализа и моделирования соответствующих этапов системного анализа и представляется в виде:

Met = {Т, Нг,1) , (2)

где Met - методология «Автоматизация этапов системного анализа»;

Т - множество технологий анализа и моделирования, реализуемых в

рамках методологии Met, в соответствии с этапами системного анализа

(Т = [t,,t2,... t„], п - количество этапов);

Нг - участники процесса исследования сложной системы: исследователи, лица, принимающие решения, внутренние аналитики, внешние эксперты, разработчики, проектировщики и другие;

I - комплекс согласованных инструментальных средств для реализации технологий анализа и моделирования с учетом адаптивного процедурно-ролевого алгоритма.

Методология ASSA, декларируя единый подход к реализации этапов системного анализа, повышает технологичность процесса исследования сложных информационных и технических систем, при этом увеличивая эффективность результатов анализа и синтеза, одновременно снижает временные и трудовые затраты на его проведение.

Технология анализа и моделирования (технология AM) как составная часть методологии ASSA представляет собой совокупность методов, подходов и правил, предназначенных для получения и переработки входящей информации в результатную и ее дальнейшего представления в удобной форме, как для реализации последующих этапов, так и для организации соответствующей выходной документации, отражающей ход выполнения данного этапа.

Каждая технология AM включает в себя модули, представляющие собой технологические операции реализации ограниченных рамками решения общей задачи одного или нескольких шагов соответствующего этапа системного анализа и представляется в операторном виде как:

T={Mod,Pr)\iFOFHrjStTmEc, (3)

где Mod - определенное количество модулей в составе технологии;

Рг - адаптивные процедурно-ролевые алгоритмы реализации модулей;

IF (Input Flow) - поток входной информации, выраженный в соответствии с принятыми стандартами представления; OF (Output Flow) — поток выходной информации, содержащий результаты реализации технологии;

Hr (Human recourse) - участники процесса выполнения технологии;

I (Instruments) - инструменты реализации технологических процедур на основе информационных технологий;

St, Тт, Ее (Standards, Training materials, Evaluation criteria) -стандарты, методические материалы, критерии оценки результатов выполнения процедур технологической цепочки. Технология AM, являясь системообразующей основой методологии ASSA, одновременно представляет собой структурированную систему

взаимосвязанных модулей (рис. 3).

Рисунок 3 - Модульная структура технологии АМ Выбор стандартов, методов и критериев оценки (Л, Тт, Ее) производится участниками процесса исследования (Нг) в соответствии с

целями и задачами текущего этапа системного анализа. Неудовлетворительная оценка результатов выполнения текущего модуля может вызвать необходимость возврата к нему или одному из предыдущих модулей и повторения его реализации с учетом новых требований. Стандарты, методы и критерии оценки, определяемые целями и задачами конкретного этапа, в совокупности с новыми требованиями, сформированными в результате реализации модулей, образуют контур управления технологией в целом.

Внутри конкретной технологии АМ модули различаются между собой как по специфике решаемых задач, так и по методам и подходам, выбираемым для их решения. При этом, задачи, входящие в модуль, могут включать как формализованные, так и неформализованные участки (рис. 4).

1"

База стратегических знаний

БЗ аналитиче ских процедур

Рисунок 4 - Реализация модуля технологии АМ Формализованные участки модуля реализуются в рамках оперативных процедур с помощью классических методов и алгоритмов и разработанных на их основе программных средств. Неформализованные участки требуют

предварительного снятия неопределенностей, что достигается постепенным снижением степени их неформализованное™ на стратегическом и тактическом уровнях исследовательских процедур с привлечением внутреннего аналитика и внешнего эксперта (рис.4). По достижению требуемой степени формализации осуществляется реализация рассматриваемого участка на оперативном уровне исследовательских процедур с использованием конкретных инструментальных средств на основе современных информационных технологий.

В процессе реализации модуля организуется обновляемая база знаний прототипов поддержки процедуры принятия решений с целью сокращения времени решения задачи за счет исключения из контура принятия решений внутреннего аналитика и внешнего эксперта, не снижая при этом эффективность процесса исследования.

В рамках выполнения технологических модулей впервые разработан процедурно-ролевой алгоритм (ПР-алгоритм) формализации исследуемого участка до требуемого уровня как основа автоматизации этапов системного анализа. Предложенный ПР-алгоритм реализован в виде пошагового описания действий и рассуждений всех участников процесса исследования (с разделением их ролей и выполняемых процедур) в процессе принятия решений по снятию неопределенностей неформализованных участков. Для его представления была адаптирована кросс-функциональная диаграмма нотации «Процедура» технологии Work Flow, как наиболее наглядно отражающая суть реализации технологии AM (рис. 5).

Эффективное применение разработанного ПР-алгоритма в конкретных технологиях AM требует адаптации самого ПР-алгоритма, для чего в работе были разработаны отличительные признаки адаптации с учетом особенностей соответствующих этапов системного анализа:

а) принцип модульности, т.е. логика объединения подзадач этапа в модули и обоснование сущности информационных потоков;

б) ограниченность формализованности, т.е. наличие неформализованного участка внутри модуля, определяющего инициирующее событие;

Рисунок 5 - Кросс-функциональная диаграмма реализации модуля технологии АМ

в) иерархия по вертикали, т.е. логика разделения ролей участников системного анализа при управлении процессом исследования;

г) иерархия по горизонтали, т.е. логика деления исследовательских процедур по уровням формализации (стратегический, тактический, оперативный);

д) принцип прецедентности, т.е. формулировка сущности и правил выбора модели (прототипа) снятия неопределенностей.

В третьей главе проведен анализ формальных методов и подходов системного анализа, определена возможность автоматизации системных исследований на основе выделенных классов методов формализованного представления систем в рамках реализации технологий анализа и моделирования.

Показано, что эффективное исследование динамики развития сложной системы и взаимосвязей ее подсистем в процессе построения моделей включает два взаимосвязанных уровня:

— уровень формирования модели - организация постепенного снятия неопределенностей на основе качественных (эвристических) методов',

— уровень реализации модели - организация практического исполнения реальной модели на основе методов прикладной математики.

Отмечено, что результат моделирования на первом уровне определяет класс методов прикладной математики для реализации модели на втором уровне:

— для хорошо организованных моделей (явно выраженные связи) применение аналитических и графических методов как наиболее корректных к полученным результатам;

— для недостаточно организованных моделей (неявно выраженные связи) применение методов математической логики, математической лингвистики и т.д.

В работе рассмотрены отдельные группы методов формализованного представления систем, которые были использованы при конкретизации автоматизации этапа системного анализа в рамках методологии ЛБЗЛ.

1. Для автоматизации конкретных участков реализации этапов системного анализа рассмотрена возможность применения статистических методов идентификации и аналитического представления данных, программная реализация которых позволяет доступно и наглядно представить результаты обработки экспериментальных данных и наблюдений. В качестве математического и алгоритмического обеспечения задач системного анализа выступают методы и подходы, основанные на применении полиномов наилучшего приближения, сплайн-функций и атомарных функций, метода наименьших квадратов, ортогональных полиномов и функций и др.

Так, в процессе интерпретации результатов моделирования при упорядочении экспериментальных данных функции многих переменных, восстановлении (идентификации) исследуемой зависимости для любых сочетаний значений переменных и поиске аналитических наилучшие решения получают, применяя методы полиномиальной интерполяции на основе базисных функций Лагранжа.

В работе для визуализации результатов экспериментов и наблюдений в информационных системах аналитической обработки и управления данными в рамках методологии АББА реализовано сглаживание рассматриваемых зависимостей посредством кубических сплайнов, получивших на сегодня наиболее широкое практическое применение.

Выявление обобщенных закономерностей изменения основных параметров (определение трендов) при исследовании сложных систем в работе выполнено с учетом возможностей метода наименьших квадратов

2. Для получения достоверных сведений о поведении сложных систем на научной основе, выбора рациональных режимов функционирования на этапе синтеза системы, оптимизации структуры моделей системы, выявления

закономерностей ее поведения, анализа влияния факторов на показатели эффективности достижения целей системы в работе при экспериментальных исследованиях предлагается опираться на прикладную теорию планирования эксперимента, как инструмент оптимизации содержания системных исследований.

Теория планирования эксперимента, используя аппарат математической статистики, линейной алгебры, комбинаторики и другие разделы прикладной математики, решает широкий круг вопросов, связанных с разработкой оптимальных планов проведения экспериментов, с целью сокращения объема проводимых исследований при заданной точности и достоверности получения результатов.

3. При автоматизации системных исследований в рамках разработанной методологии АЗБА на разных уровнях снятия неопределенностей неформализованных участков актуальной задачей является возможная формализация экспертных процедур принятия решений.

Для этих целей в работе в задачах автоматизации этапов системного анализа разработаны и применены прикладные методы классификаг/ии и распознавания образов, основанные на эвристических алгоритмах автоматической классификации эталонного типа. Достоинствами предложенных методов являются небольшие априорные сведения, требуемые для классификации, быстродействие, а также практическое отсутствие ограничений по объему исследуемых данных (программная реализация алгоритма классификации многомерных линейно несепарабельных данных «ЛОТОС» и ее применение подробно описаны в Главах 5 и 6).

4. В рамках реализации модулей технологий АМ, как было указано выше (рис.4), для автоматизации процедур принятия решений, а именно, возможного исключения экспертов из контура принятий решений, организуется база знаний прототипов, реализация которой в работе предложена на основе формального аппарата нечеткой логики.

Тогда совокупность нечетких правил «если-то», формируемых экспертом для описания взаимосвязей между входными и выходными признаками исследуемой системы, образует «нечеткую базу знаний», представляемую в виде: Р/ . -

и

к=1 V -

где д- нечеткий терм, которым оценивается переменная Х,- в строчке с номером к (/с = 1, Р;); I = 1,п — номер входной переменной; р;— количество строчек-конъюнкций, в которых выход у оценивается нечетким термом уу(/=1, т); т - количество термов, используемых для лингвистической оценки выходного показателя у; м/к £ [0,1] - весовой коэффициент правила с номером к.

При этом нечеткий логический вывод, представляющий собой нечеткую аппроксимацию функции у =/(Х1,Х2,...,Х1, ...,Хп) на основе нечеткой базы знаний (4) и операций над нечеткими множествами организован на основе алгоритма Мамдани:

к=1

где П/и - операции «тт/тах» по Заде.

Все вышесказанное отвечает актуальности развития и приоритетности применения нечеткой логики Заде в задачах создания методологического обеспечения систем оперативного принятия решений и управления в исследовании сложных (трудноформализуемых) информационных и технических системах.

Четвертая глава посвящена демонстрации работоспособности методологии АЗБА на основе подробной реализации технологии АМ, соответствующей второму этапу системного анализа «Определение целей

П<

[=1

X[ = х(к с весом Wjk)j у = У] , у = 1 ,т , (4)

) = 1 ,т,

(5)

системы», как наиболее представительному этапу с точки зрения наличия неформализованных участков разной степени формализуемости.

В соответствии с представленной в Главе 1 детализацией этапа на подэтапы и шаги, выделены обобщенные задачи, определившие структуру и логическую завершенность модулей технологии АМ: определение множества целей системы и ограничений среды; формулирование и декомпозиция глобальной цели; определение критериев эффективности по подцелям; разработка методики определения критериев системы.

В работе формализация перечисленных обобщенных задач реализована на основе специально разработанной технологии АМ, которая в силу наличия экспертных и классификационных процедур названа технологией экспертно-классификационного анализа и моделирования (технология ЭКАМ) дерева целей и критериев эффективности, реализуемая посредством следующих модулей:

— модуль 1: «Формирование целей и ограничений»;

— модуль 2: «Выбор информативных признаков»;

— модуль 3: «Построение и анализ дерева целей»;

— модуль 4: «Анализ и моделирование дерева критериев».

Дано структурно-модульное описание технология ЭКАМ целей и критериев сложной системы, при этом выявлены характерные задачи реализации каждого модуля и проблемы сопряжения модулей с точки зрения организации информационных потоков «выход-вход». Результат выделения модулей в рамках подэтапа «Выявление целей системы», с учетом информационных потоков «выход-вход» представлен на рис. 6.

Внутри каждого модуля выявлены неформализованные участки, даны характеристики степени их неопределенности, определен круг участников процесса исследования в рамках конкретного модуля, предложены методы и подходы их реализации.

В соответствии с признаками адаптации ПР-алгоритма для каждого

модуля разработана подробная кросс-функциональная диаграмма выполнения исследовательских процедур на всех уровнях формализации.

Так, например, при реализации Модуля 2 «Выбор информативных признаков» на уровне стратегических процедур (первый уровень формализации)исследователем решается задача выработки подходов выявления структур и характеристик локальных целей в рамках глобальной цели. Определенные исследователем первичные кластеры целей получают оценку со стороны специалиста системы (лица, принимающего решения -ЛПР), который в случае необходимости формирует запрос внутреннему аналитику или внешнему эксперту с целью получения новых знаний о совокупности локальных целей (блок-решение 5, рис. 7).

С учетом новых знаний на тактическом уровне исследовательских процедур (второй уровень формализации) исследователем осуществляется оптимизация способов определения и декомпозиции качественных кластеров целей (блок-процесс 9) на основе классов количественных показателей с помощью инструментального средства классификации многомерных линейно несепарабельных данных (алгоритм «ЛОТОС»)

Рисунок 7 - Кросс-функциональная диаграмма реализации Модуля 2 «Выбор информативных признаков» - часть 3

авторской разработки (на диаграмме инструментальное средство отмечено синей маркировкой).

На основе модифицированного способа определения кластеров целей формируется концептуальная схема описания конфигурации подцелей, также оцениваемая ЛПР (блок-решение 10). При отрицательных результатах оценки, ЛПР передает управление во внутренний (аналитик - блок-процесс 11) или внешний (эксперт - блок-процесс 13) контур принятия решений для поиска дополнительной информации о схемах описания конфигурации подцелей. Далее полученная информация передается исследователю для итерационной корректировки.

Одобренная ЛПР концептуальная схема описания конфигурации подцелей добавляется в базу знаний прототипов (блок-процесс 14) и служит основой выбора информативных признаков (количественных целей низшего уровня) на оперативном уровне исследовательских процедур (блок-процесс 15) с помощью инструментальных средств моделирования типа матричной лаборатории Ма1ЬаЬ, интегрированной системы анализа и управления данными Ла//5/('са и др.

Набор информативных признаков в виде сконфигурированных целей служат входным информационным потоком для реализации последующего модуля.

Результатом разработки технологии ЭКАМ является совокупность ПР-алгоритмов, регламентирующих реализацию логически связанной цепочки модулей, выполнения этапа системного анализа с учетом ролей участников процесса исследования на основе комплекса согласованных инструментальных средств.

В пятой главе определены инструментальные средства (ИС) информационной поддержки процедур принятия решений методологии «Автоматизация этапов системного анализа». С точки зрения функциональных возможностей и области применения рассмотрены

инструментальные средства, используемые на разных участках технологий

АМ (рис. 8).

Рисунок 8 - Классы инструментальных средств по функциональным возможностям и области применения

Представлены разработанные в рамках диссертационного исследования алгоритмы и инструментальные средства для выполнения исследовательских и аналитических процедур и решения специфических задач на всех уровнях формализации технологий АМ в рамках методологии АББА. При разработке указанных автоматизированных инструментальных средств ставилась задача обеспечения участников процесса исследования инструментарием, обладающим необходимыми функциональными возможностями для процесса исследования, а также дружественным интерфейсом, способным представлять информацию в удобной форме для восприятия и анализа.

1.Для первичного разведочного анализа многомерных данных, представляющих исследуемую систему, разработаны методы, алгоритмы и инструментальные средства интеллектуального анализа и визуализации данных в рамках методологии «Автоматизация этапов системного анализа».

Алгоритм «ДИВИЗ», решающий задачу динамической визуализации многомерных данных, упрощает первичную классификацию объектов представления в условиях априорной неопределённости в отношении, как самих объектов, так и условий их наблюдения (рис. 9).

Файл Алгоритм Навигация Окно Помощь

i &В wiillF^^I 4 00 S> 1 Si || SI "Я1 |! По признакам

ХЗ. XS. X?. Ц о% 5— Группы | оо0 Классификация Щ Данные И 8из^т<2ш<я Отображение; Г Оси;еам»е Ц] [Г^ |7 Векторы Ц [Т-^ Г Фигуры ц гГ^ Г При:™:,, ЩГ^ 17 Объекты Ш -ч С по периметру - С попясшаш Цвет Фома ^ Выделение | | выбор осей: ■7 ХЗ |Х2 17 Х5 . / ГХ6 ^Д 17 Х7 . > Параметры вращения > > Грапус поворота: 0.5 п Интервал: ЮтБес

Рисунок 9 - Экранная форма ПК «ДИВИЗ»

Алгоритм «ЛИЛИЯ» и его модификация, алгоритм «ЗОНТ», реализующие разведочный анализ и сегментацию многомерных данных путем их проецирования на псевдотрехмерные когнитивные образы (рис. 10), позволяют при предварительной разведке структуры данных частично решить проблему наложения различных кластеров путем проецирования многомерных данных на двумерную плоскость (в пространства малой размерности).

Программная реализация алгоритмов выполнена для операционной системы Windows 7 на языке Delphi 6.0., получены свидетельства

регистрации программы для ЭВМ Федеральной службы по интеллектуальной

собственности РФ.

2. В рамках методологии АвБА разработана собственная информационная система аналитической обработки и управления данными (ИС «АРФА»), предназначенная для графического (в том числе

картографического) представления данных и построения прогнозных моделей динамики исследуемой системы.

Для визуализации результатов было реализовано сглаживание рассматриваемых зависимостей на основе кубических интерполяционных сплайнов, а выявление обобщающих закономерностей изменения основных параметров (т.е. определение трендов) выполнено с учетом возможностей метода наименьших квадратов.

ИС «Арфа» позволяет в диалоговом режиме осуществлять ввод и обработку информации, исследовать поведение системы на основе имитационных и прогнозных моделей для поддержки процесса принятия управленческих решений в различных сферах деятельности. Программная реализация выполнена для операционной системы Windows 7 на языке Delphi 6.0.

3. Для выявления линейно неразделимых классов в многомерном массиве данных в работе разработан алгоритм автоматической классификации в непрерывном признаковом пространстве при ограниченном объеме данных (алгоритм «ЛОТОС»), Суть алгоритма заключается в выделении классов произвольной формы, образованных слиянием по специальному алгоритму множества гиперсфер с изменяющимся по формуле (6) радиусами:

, - количество пересекающиеся гиперсфер (количество точек, относящихся к такому же классу, что и г-ая точка), изначально равное 1.

4. Для выполнения задач оперативного принятия решений была разработана информационная система поддержки принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний. Такая задача, например, стоит перед участниками процесса исследования (исследователь, аналитик) в рамках реализации модуля «Анализ и моделирование дерева критериев» технологии ЭКАМ.

Здесь на основе системы критериев требуется в реальном времени принимать решение об оценке эффективности функционирования системы в целом, как степени достижения системой глобальной цели.

При отображении критериев эффективности на дерево целей, как правило, требуется получить количественное значение оценки глобальной цели в виде интегрального критерия эффективности. Такую оценку можно получить путем нечеткого агрегирования критериев эффективности посредством нечетких логических выводов, основанных на возможных

(6)

где к - номер шага итерационного обучения;

Т] - коэффициент регулирования скорости обучения, Л е

9 - среднеарифметический коэффициент нормирования; N - количество точек (объектов);

логических выражениях типа «если-то», совокупность которых и составляет нечеткую базу знаний (НБЗ).

В работе разработана система оперативного принятия решений, которая эффективно функционирует с учетом изменяющихся в реальном времени правил и критериев оценки состояний сложной системы. Такие исследуемые сложные системы в работе названы динамическими сложными системами (ДСС), а нечеткая база знаний, описывающая систему принятия решений на основе динамических нечетких логических правил (ДНЛП) в таких системах, - динамической нечеткой базой знаний (ДНБЗ). В общем случае предложенная ДНБЗ представляется в виде:

(7)

где - у-я строка НБЗ, # = 1,/, / - количество строк (нечетких

правил);

Мук - функции принадлежности к-х термов выходной

лингвистической переменной, к = 1,«;

«|» - вертикальная черта, означающая условие, при котором может быть получена выходная лингвистическая переменная (символ «|» читается «.. .при условии, что...»); / - время;

Мг] ) - функции принадлежности у'-х термов 1-х входных !

лингвистических переменных, / = \,т, у = 1 .

Логические связки «и/или» (операторы тт/тах по Заде) здесь заменены запятой.

Для реализации способа ручного учета изменения нечетких логических выражений «если-то» в работе разработана собственная автоматизированная система с использованием программного комплекса МАТЬАВ (матричная

лаборатория), содержащего модуль нечеткой логики Fuzzy Logic Toolbox, и среды программирования Delphi версии 7.0. При этом решены следующие прикладные задачи:

1. разработан модуль сопряжения среды Delphi со средой MATLAB;

2. разработан модуль взаимодействия среды Delphi со средой MATLAB;

3. создана автоматизированная система принятия решений с функциональными возможностями, удовлетворяющими как простого пользователя, так и администратора, использующих эти модули.

В шестой главе представлена практическая реализация методологии «Автоматизация этапов системного анализа» в рамках единой информационной платформы (Платформа ASSA) как среды сопровождения участников процесса исследования с возможностью доступа к единому комплексу инструментальных средств, а также получения необходимой информации для проведения системных исследований в интерактивном режиме.

Платформа ASSA реализована в среде визуального проектирования приложений Delphi версии 7.0, которая включает в себя полный набор визуальных инструментов для скоростной разработки приложений (RAD -Rapid Application Development), поддерживающей разработку пользовательского интерфейса и подключение к базам данных. Интерактивность интерфейса обеспечена с помощью среды разработки профессионального интерактивного контента Adobe Flash Professional CS5 и языка программирования JavaScript.

Внедрение теоретических и практических результатов диссертационного исследования в работе показано на примере Ситуационного центра (СЦ), являющегося на сегодняшний день наиболее современной формой реализации автоматизированной системы управления в социально-экономической и общественно-политической сфере. Работа СЦ основана на интегрированных технологиях моделирования и анализа

ситуаций, предельно концентрированном (визуальном) представлении информации и обеспечивающего комплексное управление организацией, муниципалитетом, регионом, страной на самом верхнем уровне.

Одновременно, СЦ представляет собой информационно-аналитическую систему, реализующую методы и подходы системного анализа для оценки реального состояния объекта управления, определения тенденций его развития, разработки и выбора сценария развития ситуации и возможных последствий применения управленческих воздействий. Особую важность при этом играет эффективная обработка информации и принятия обоснованных решений в условиях нечеткости, неопределенности, неполноты и противоречивости исходных данных, а также в изменяющихся условиях окружающей среды и специфики проблемной области. При этом обеспечивается высокая скорость доступа к необходимой информации (данным и знаниям), формализация алгоритмов принятия решения и накопление опыта разрешения проблем на основе разработанных сценариев.

В качестве обоснования актуальности внедрения результатов диссертационного исследования в СЦ, приведен отчет Аналитического центра при правительстве РФ «Ситуационные центры: наблюдаемые проблемы и перспективы развития (результаты экспертных опросов)», где указано, что первоочередными задачами развития СЦ в числе прочих являются введение единых стандартов работы с ситуационными центрами и приобретение специального программного обеспечения. При этом повышение качества принимаемых решений требует интеграции разнообразных программных продуктов в единый комплекс инструментальных средств.

Проведенный анализ обосновал актуальность внедрения разработанной в работе Платформы АЗБА в СЦ руководителей разных уровней для повышения эффективности принимаемых управленческих решений. С другой стороны, проблема отсутствия единых стандартов организации работы в СЦ позволяет рекомендовать Методологию А55А как основу

реализации задач анализа и синтеза и выполнения процедур принятия решений в СЦ как в плановом режиме работы, так и в условиях чрезвычайной ситуации. Решение в рамках СЦ трудноформализуемых задач предложено рассматривать как реализацию стандартизированных технологий анализа и моделирования (технологий АМ) этапов системного анализа с опорой на единый комплекс согласованных инструментальных средств. В свою очередь, формализация указанных задач как средство достижения поставленных целей в рамках СЦ, достигается на основе применения разработанного в рамках методологии АББА адаптированного процедурно-ролевого алгоритма (ПР-алгоритм).

Демонстрация возможностей Единой платформы АБЭА в работе реализована посредством информационной поддержки принятия решений в задаче оценки эффективности деятельности органов местного самоуправления (ОМСУ) Краснодарского края в сфере здравоохранения по 6 показателям из 24 за 2009-2010 гг., предоставленным Территориальным органом федеральной службы государственной статистики по Краснодарскому краю.

Для организации информационной поддержки процесса принятия решений в задаче оценки эффективности деятельности ОМСУ Краснодарского края решена задача многомерного анализа и определения местоположения муниципальных образований (МО) в системе показателей здравоохранения на основе многомерной классификации и когнитивной визуализации результатов исследования. Под определением местоположения понимается выделение в пространстве выбранных показателей здравоохранения классов МО, похожих между собой с точки зрения близости уровней показателей.

По результатам проведенной классификации в отдельный класс выделились муниципальные образования, имеющие значительно отличающиеся от остальных муниципальных образований показатели здравоохранения (Краснодар, Сочи, Отрадненский и Туапсинский районы -

табл.1). Следующий класс объектов явился самым малочисленным, но достаточно близким по совокупности показателей здравоохранения. В него вошли Анапа, Геленджик и Выселковский район. Таблица 1 - Результат классификации МО в системе показателей

здравоохранения

Названия МО 35. поликлиники 42. врачи 45. число коек 51. бюджет 52. ОС 54. зарплата Группа

1 2 3 4 5 6 7 8

Краснодар 1,004 105,3 140,5 13242 2003 6814 Класс 1

Отрадненский 0,464 21,1 246,1 30234 829 19191 Класс 1

Сочи 0,696 41 96 58126 35980 8866 Класс 1

Туапсинский 1,027 32 81,8 39827 2131 22662 Класс 1

Анапа 1,171 34,5 73,4 21194 791 11228 Класс 2

Выселковский 0,332 30,8 249,2 18488 1233 8352 Класс 2

Геленджик 0,999 41,7 73,3 20704 2074 10310 Класс 2

Абинский 0,436 23,9 140,6 10531 420 5671 Класс 3

Армавир 0,864 30,2 79,2 12305 870 6454 Класс 3

Белоглинский 0,319 20,2 92,8 18043 950 9223 Класс 3

Третий класс объединил МО (13 муниципальных образований), достаточно близкие по многим показателям, а ядро (четвертый класс)

представленного множества МО образует плотное облако, включающее 24 МО, что говорит о существовании общей картины обеспечения МО в сфере здравоохранения.

Представленные выше классы по своему качественному и количественному составу продемонстрировали дифференциацию МО Краснодарского края в сфере здравоохранения. При этом сделано предположение, что у муниципальных образований, объединенных в общие классы, прослеживаются как высокие достижения по отдельным показателям эффективности деятельности, так и единые задачи, характерные для большинства МО, составляющих данный класс.

С целью выявления тенденций изменения показателей здравоохранения, в рамках информационной поддержки принятия решений в задаче оценки эффективности деятельности ОМСУ, в работе были проведены аналогичные исследования по данным за 2009 год. Результаты проведенных

исследований за 2009-2010 годы по показателям здравоохранения представлены на сравнительной картограмме (рис. 11), где можно проследить перехода МО из класса в класс.

образований за 2009 (слева) и 2010 (справа) годы

Практическая реализация Единой информационной платформы Л55Л с комплексом согласованных инструментальных средств, на примере организации информационной поддержки принятия решений в задаче оценки эффективности деятельности ОМСУ Краснодарского края показала актуальность и эффективность ее использования в рамках ситуационного центра руководителя (МО, региона).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Обоснована необходимость и определены подходы формализации этапов и подэтапов системного анализа при исследовании сложных технических и информационных систем.

2. Разработаны теоретические положения методологии автоматизации этапов системного анализа как универсального подхода системных исследований с опорой на единый комплекс инструментальных средств на основе современных информационных технологий.

3. Предложена технология анализа и моделирования этапов системного анализа как совокупность методов, подходов и алгоритмов снятия

неопределенностей в рамках реализации обобщенных задач отдельных этапов системного анализа.

4. Разработан адаптивный процедурно-ролевой алгоритм снятия неопределенностей неформализованных участков в рамках технологии анализа и моделирования с учетом ролей участников процесса в процедурах принятия решений.

5. Впервые предложен механизм последовательного снятия неопределенностей на различных уровнях формализации исследовательских процедур (стратегический, тактический, оперативный) посредством сочетания неформализованных и формализованных процедур.

6. Для решения специфических задач в рамках реализации определенных технологий анализа и моделирования с учетом особенностей методологии автоматизации этапов системного анализа разработаны следующие алгоритмы и реализованы на их основе программные средства (защищены свидетельствами Федеральной службы по интеллектуальной собственности РФ):

— алгоритм «ДИВИЗ», решающий задачу динамической визуализации многомерных данных в сложных системах;

— алгоритм «ЛИЛИЯ» и его модификация, алгоритм «ЗОНТ», позволяющие проводить разведочный анализ и сегментацию многомерных данных путем их проецирования на псевдотрехмерные когнитивные образы;

— информационная система аналитической обработки и управления данными «АРФА», предназначенная для графического (в том числе картографического) представления данных и построения прогнозных моделей;

— алгоритм «ЛОТОС», позволяющий проводить автоматическую классификацию линейно неразделимых данных в непрерывном признаковом пространстве при ограниченном объеме данных;

— информационная система поддержки принятия решений в условиях изменения внешней среды на основе динамической нечеткой базы знаний.

7. Для сопровождения процесса исследования сложных систем разработана Единая информационная платформа «Автоматизация этапов системного анализа» с организацией доступа к комплексу инструментальных средств на основе информационных технологий.

8. Реализовано практическое применение Единой информационной платформы «Автоматизация этапов системного анализа» в рамках Ситуационного центра руководителя при реализации задач принятия решений и управления в социально-экономической сфере.

9. Реализована информационная поддержка принятия решений в задаче оценки эффективности деятельности органов местного самоуправления Краснодарского края в сфере здравоохранения на основе автоматической классификации и определения местоположения муниципальных образований в общей картине показателей деятельности.

10. Разработаны рекомендации применения результатов исследования в рамках системы поддержки принятия решений руководителем региона.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Основные материалы диссертации изложены в следующих публикациях.

Монография

1. Симанков B.C., Шпехт И. А. Автоматизация системных исследований на основе неформальных подходов. Монография. М.: БиномПресс, 2012. 358с.

Публикации в журналах, рекомендованных ВАК РФ

1. Шпехт И.А. Разработка интеллектуальной системы поддержки принятия решений в трудноформализуемых экономических информационных процессах // Системы управления и информационные технологии. 2009. №4.1. С.151-154.

2. Шпехт И.А. Интеллектуальная система управления качеством жизни и здоровьем населения на региональном и муниципальном уровне // Системы управления и информационные технологии. 2010. №3. С. 100-104.

3. Шпехт И.А. Разведочный анализ многомерных данных и их сегментация методом динамического проецирования на псевдотрехмерные образы // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2011. №2. С. 103-106.

4. Шпехт И.А., Симанков B.C., Саакян P.P. Технология экспертно-квалификационного анализа и моделирования целей сложных систем с опорой на процедуры методологии ASSA // Информатика и системы управления. 2011. №2. С.140-150.

5. Симанков B.C., Шпехт И.А. Методология автоматизации этапов системного анализа сложных систем // Информатика и системы управления. 2011. №4. С. 149-156.

6. Шпехт И.А., Самсонов А.Ю. Разработка информационной системы принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний // Информационные системы и технологии. 2011. №6. С.73-84.

7. Шпехт И.А. Анализ и моделирование дерева критериев оценки эффективности системы на основе процедурно-ролевого алгоритма // Информатикаи системы управления. 2012. №1. С.114—123.

8. Шпехт И.А. Алгоритм автоматической классификации линейно неразделимых данных в непрерывном признаковом пространстве при ограниченном объеме прецедентов // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2012. №1. С.85-90.

Свидетельства о государственной регистрации программ для ЭВМ

1. Шпехт И.А., Саакян P.P., Терентьев JI.A. Программный комплекс информационно-аналитического обеспечения управления качеством жизни и здоровьем населения на муниципальном и региональном уровне // Свидетельство о государственной регистрации программы для ЭВМ

№2009612296. Федеральная служба по интеллектуальной собственности РФ,

06.05.2009.

2. Шпехт И.А., Саакян P.P., Чепенко Р.В. Программный комплекс классификации многомерных линейно несепарабельных данных (Алгоритм «ЛОТОС») // Свидетельство о государственной регистрации программы для ЭВМ №2010612788. Федеральная служба по интеллектуальной собственности РФ, 23.04.2010.

3. Шпехт И.А., Саакян P.P., Бурло А.Н. Программный комплекс динамической визуализации многомерных данных (Алгоритм «ДИВИЗ») // Свидетельство о государственной регистрации программы для ЭВМ №2010612789. Федеральная служба по интеллектуальной собственности РФ,

23.04.2010.

4. Шпехт И.А., Саакян P.P., Соляник М.В. Программный комплекс визуализации многомерных данных методом динамического проецирования на псевдотрехмерные когнитивные образы (Алгоритм «ЗОНТ») // Свидетельство о государственной регистрации программы для ЭВМ №2011616265. Федеральная служба по интеллектуальной собственности РФ,

10.08.2011.

5. Шпехт И.А., Саакян P.P., Димитриенко A.C. Программный комплекс визуализации многомерных данных методом проецирования в пространство малой размерности (Алгоритм «ЛИЛИЯ») // Свидетельство о государственной регистрации программы для ЭВМ №2011617626. Федеральная служба по интеллектуальной собственности РФ, 30.09.2011.

Публикации в других изданиях и материалах научных конференций

1. Шпехт И.А., Жиганов Н.К., Саакян P.P. Сочетание регулярных и эвристических подходов прогнозирования свойств химических нитей в поле технологических факторов // Математические методы распознавания образов -ММРО-11: 11-я Всероссийская конференция (Пущино, 23- 29 ноя. 2003 г.): Сборник докладов. М.ВЦ РАН, 2003. С.430-433.

2. Романов В.Е., Шпехт И.А., Дедус Ф.Ф. и др. Совершенствование аналитических представлений закономерностей в трудноформализуемых

задачах при опоре на использование ортогональных аппроксимаций изменения основных переменных // Искусственный интеллект. 2004. №2. С.168-172.

3. Шпехт И.А., Сигачева В.В., Маежов Е.Г. и др. Применение теории распознавания образов к изучению функционирования ткацкого станка // 7-я Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии» - «РОАИ-7-2004» (Санкт-Петербург, 18-22 окт. 2004г.): Доклады конференции. С.Пб.ОМН РАН, 2004. T.III. С.914-917.

4. Шпехт И.А., Саакян P.P. Руденко E.H. Реализация расширенного метода линейных направлений-согласующих функций при прогнозировании поведения керамики под воздействием радиоактивного облучения // Математические методы распознавания образов - ММРО-12: 12-я Всероссийская конференция (Москва, 20- 26 ноя. 2003г.): Сборник докладов. М.ВЦ РАН, 2005. С.429^32.

5. Шпехт И.А., Саакян P.P. Руденко E.H. Моделирование процессов формирования и изменения прочностных характеристик керамических материалов под воздействием радиоактивного облучения с использованием расширенного метода JIH-СФ // Искусственный интеллект. 2006. №2. С.440-443.

6. Шпехт И.А., Яхшибекян М.Р., Саакян P.P. Проектирование новых материалов с заданными свойствами и оптимизация существующих технологий их изготовления с помощью систем интеллектуального анализа данных // Математические методы распознавания образов - ММРО-13: 13-я Всероссийская конференция (Зеленогорск, 30 сент.- 06 окт. 2007г.): Сборник докладов. М.ВЦ РАН, 2007. С.531-533.

7. Шпехт И.А., Терентьев Л.А., Саакян P.P. Анализ и прогнозирование показателей качества жизни населения на основе интеллектуализированной системы классификации муниципальных образований (на примере Краснодарского края) // Таврический вестник информатики и математики. 2008. №2. С. 176-179.

8. Шпехт И.А., Саакян P.P., Децкин И.С. Задачи определения опорного центра и первичной классификации в интеллектуальной системе распознавания отпечатков пальцев // 9-я Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии» - «РОАИ-9-2008» (Нижний Новгород, 15-20 сент. 2008г.): Доклады конференции. II Новгород. ОМН РАН, 2008. T.I. С.140-142.

9. Симанков B.C., Шпехт И.А. Автоматизация этапов системного анализа и процедур принятия решений в трудноформализуемых экономических информационных процессах на основе неформальных процессов // Сборник трудов Восьмой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 27-28 окт. 2009г.). Изд-во СПб. Полит, ун-та, 2009. С.77-81.

10. Шпехт И.А., Саакян P.P. Динамическая визуализация и алгоритм классификации многомерных данных в трудноформализуемых экономических информационных системах // Сборник трудов Восьмой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 27-28 окт. 2009г.). Изд-во СПб. Полит, ун-та, 2009. С.86-88.

11. Шпехт И.А. Методология системных исследований социально-экономических процессов на основе автоматизации этапов системного анализа и процедур принятия решений // Информационные технологии моделирования и управления. 2009. №7. С.910-915.

12. Шпехт И.А. Методология построения дерева целей и их взаимоотношения с критериями эффективности в задачах управления сложными социально-экономическими системами // Здоровье населения -основа процветания России: Материалы IV Всероссийской научно-практической конференции (Анапа, 21-22 апр. 2010г.). Изд-во АФ РГСУ, 2010. С.320-325.

13. Шпехт И.А. , Терентьев JI.A. , Саакян P.P. и др. Разработка концептуальных подходов моделирования геоинформационной системы регионального образовательного пространства с развитыми динамическими

связями // Сборник трудов Десятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 09-11 дек. 2010г.). Изд-во СПб. Полит, ун-та, 2010. С.79-82.

14. Шпехт И.А., Саакян P.P., Марченко А.Г. Метод разведочного анализа многомерных данных в условиях априорной неопределённости // Сборник трудов Десятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 09-11 дек. 2010г.). Изд-во СПб. Полит, ун-та, 2010. С.215-218.

15. Шпехт И.А. , Самсонов А.Ю. Формализация этапа определения целей в системном анализе на основе методологии экспертно-классификационного анализа II Сборник трудов Десятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 09-11 дек. 2010г.). Изд-во СПб. Полит, ун-та, 2010. С.218-221.

16. Шпехт И.А. Региональная интеллектуальная система социально-экономического мониторинга для оценки качества жизни и здоровья населения на примере Краснодарского края // Информационные технологии моделирования и управления. 2010. №3. С.395-401.

17. Шпехт И.А., Самсонов А.Ю. Разработка информационной системы принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний // Здоровье населения - основа процветания России: Материалы V Всероссийской научно-практической конференции с международным участием (Анапа, 26-27 апр. 2011 г.). Изд-во АФ РГСУ, 2011. С.429-431.

18. Шпехт И.А. Методы и алгоритмы создания интеллектуальной системы управления качеством жизни населения на региональном и муниципальном уровне // Экономика и менеджмент систем управления. 2011. №1. с.72-80.

19. Симанков B.C., Шпехт И.А. Автоматизация процедур системного анализа // IX Международная IEEE Сибирская конференция по управлению и

связи - СИБКОН-201 ¡(Красноярск, 15-16 сент. 2011г.): Материалы. Изд-во Сиб. фед. ун-та, 2011. С.ЗЗО-ЗЗЗ.

20. Шпехт И.А., Саакян P.P. Визуализация многомерных данных методом проецирования на пространства малой размерности // Математические методы распознавания образов - ММРО-15: 15-я Всероссийская конференция (Петрозаводск, 11-17 сент. 2011г.): Сборник докладов. М.МАКСПресс, 2011. С.604-606.

21. Шпехт И.А., Самсонов А.Ю., Саакян P.P. Автоматизированная система анализа и моделирования дерева целей и критериев сложных систем на основе нечеткой логики II Материалы VII Международной научно-практической конференции «Перспективные разработки науки и техники -2011» (Польша, 07-15 ноя. 2011г.). Изд-во Наука и образование, 2011. С.39-45.

Подписано в печать 21.03.2012. Печать трафаретная. Формат 60x84 Vie- Усл. печ. л. 2,7. Тираж 100 экз. Заказ № 636.

Отпечатано в ООО «Издательский Дом-ЮГ» 350072, г. Краснодар, ул. Московская 2, корп. «В», оф. В-120, тел. 8-918-41-50-571

e-mail: olfomenko@yandex.ru Сайт: http://id-yug.narod2.ru

ВВЕДЕНИЕ.

ГЛАВА 1 СИСТЕМНЫЙ АНАЛИЗ КАК ФУНДАМЕНТАЛЬНАЯ ОСНОВА ИССЛЕДОВАНИЯ СЛОЖНЫХ СИСТЕМ.

1.1 Современный уровень развития методов и подходов системного анализа.

1.2 Этапы системного анализа и методы их реализации для исследования сложных систем.

1.3 Определение проблемы и оценка возможностей автоматизации этапов системного анализа при исследовании сложных систем

1.4 Постановка задачи, методы и подходы ее решения.

ГЛАВА 2 МЕТОДОЛОГИЯ АВТОМАТИЗАЦИИ ЭТАПОВ СИСТЕМНОГО АНАЛИЗА КАК ОРИЕНТИРУЮЩАЯ ОСНОВА РЕАЛИЗАЦИИ ПРОЦЕДУР ПРИНЯТИЯ РЕШЕНИЙ ПРИ ИССЛЕДОВАНИИ СЛОЖНЫХ СИСТЕМ.

2.1 Общее описание методологии «Автоматизация этапов системного анализа».

2.2 Технологии анализа и моделирования как основа формализованного представления этапов системного анализа.

2.3 Модульная структура технологий анализа и моделирования и процедур принятия решений.

2.4 Процедурно-ролевой алгоритм реализации модулей в рамках методологии «Автоматизация этапов системного анализа».

2.5 Особенности применения процедурно-ролевого алгоритма при реализации технологий анализа и моделирования, соответствующих этапам системного анализа.

2.6 Выводы.

ГЛАВА 3 АВТОМАТИЗАЦИЯ СИСТЕМНЫХ ИССЛЕДОВАНИЙ С ОПОРОЙ НА ФОРМАЛЬНЫЕ МЕТОДЫ И ПОДХОДЫ СИСТЕМНОГО АНАЛИЗА.

3.1 Формализованное представление сложных систем как основа автоматизации процессов системных исследований.

3.2 Статистические методы идентификации и аналитического представления данных в математическом и алгоритмическом обеспечении задач системного анализа.

3.3 Планирование эксперимента как инструмент оптимизации содержания системных исследований.

3.4 Прикладные методы классификации и распознавания образов в задачах автоматизации этапов системного анализа.

3.5 Формальный аппарат нечеткой логики в процедурах оперативного принятия решений и управления.

3.6 Выводы.

ГЛАВА 4 ТЕХНОЛОГИЯ АНАЛИЗА И МОДЕЛИРОВАНИЯ «ОПРЕДЕЛЕНИЕ ЦЕЛЕЙ СИСТЕМЫ» С ОПОРОЙ НА ПРОЦЕДУРЫ МЕТОДОЛОГИИ «АВТОМАТИЗАЦИЯ ЭТАПОВ СИСТЕМНОГО АНАЛИЗА».

4.1 Структурно-модульное описание технологии экспертно-классификационного анализа и моделирования целей сложной системы.

4.2 Формирование целей системы и ограничений среды на основе процедурно-ролевого алгоритма.

4.3 Оптимизация подмножества целей на основе анализа связей и характеристик системы.

4.4 Построение и анализ дерева целей системы в задаче определения критериев их достижения.

4.5 Анализ и моделирование дерева критериев оценки эффективности системы.

4.6 Выводы.

ГЛАВА 5 ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ ПРОЦЕДУР ПРИНЯТИЯ РЕШЕНИЙ МЕТОДОЛОГИИ «АВТОМАТИЗАЦИЯ ЭТАПОВ СИСТЕМНОГО АНАЛИЗА».

5.1 Современные инструментальные средства автоматизации исследования сложных систем на основе информационных технологий.

5.2 Разработка методов, алгоритмов и инструментальных средств интеллектуального анализа и визуализации данных в рамках методологии «Автоматизация этапов системного анализа».

5.3 Информационная система аналитической обработки и управления данными.

5.4 Алгоритм автоматической классификации линейно неразделимых данных в непрерывном признаковом пространстве при ограниченном объеме данных.

5.5 Разработка информационной системы принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний.

5.6 Выводы.

ГЛАВА 6 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ МЕТОДОЛОГИИ АВТОМАТИЗАЦИИ ЭТАПОВ СИСТЕМНОГО АНАЛИЗА НА ЕДИНОЙ ИНФОРМАЦИОННОЙ ПЛАТФОРМЕ.

6.1 Информационные комплексы поддержки исследования сложных систем.

6.2 Разработка единой информационной платформы «Автоматизация этапов системного анализа».

6.3 Формализация задач ситуационного центра на основе методов и подходов системного анализа.

6.4 Практическая реализация единой информационной платформы при решении задач анализа и визуализации данных Ситуационного центра руководителя.

6.5 Выводы.

Эффективное управление и предотвращение внутрисистемных конфликтов современных сложноструктурированных информационных и технических систем не представляется возможным без активного использования системного анализа как эффективного инструмента системных исследований, при котором объект управления рассматривается в виде системы взаимосвязанных элементов. Причем на первый план выдвигается формирование функциональной структуры системы на основе построения иерархической подчиненности функциональных подсистем.

Проведение системных исследований усложняет наличие различных трактовок этапов системного анализа, предлагающих отличающиеся друг от друга формулировки, как основных этапов системного анализа, так и схем их реализации. Кроме того, наряду с наличием формализованных процедур, поддающихся автоматизации, на различных этапах системного анализа приходится сталкиваться с естественными неопределенностями, которые не могут сниматься с помощью классических (формальных) методов и подходов.

Классические методы обработки информации и математического моделирования оказываются непригодными при компьютерном моделировании сложных систем, а использование малых выборок при высокой степени неопределенности и большого набора показателей делает практически невозможным получить в процессе исследования сложных систем точное описание всех внутренних и внешних количественных взаимосвязей подсистем и элементов.

В настоящее время из-за отсутствия полной формализации и унификации процесса применения системного анализа при исследовании сложных систем каждый исследователь решает свои конкретные задачи исходя из собственного опыта и знаний, используя предпочтительные со своей точки зрения подходы, методы и инструментарий системного анализа, иногда игнорируя отдельные этапы и подэтапы системного анализа.

Несмотря на развитый математический аппарат и широкие возможности информационных технологий, на сегодня не существует единой концепции автоматизации этапов системного анализа на общей информационной и программной платформе. Объяснением этому может служить наличие неформализованных процедур на каждом этапе системного анализа, существенно затрудняющие процесс автоматизации.

Для повышения качества и сокращения времени системных исследований необходима организация выбора наиболее детализированной трактовки этапов системного анализа, а также формализация самого процесса применения системного анализа при исследовании сложных систем.

При этом на каждом этапе системного анализа выделять формализованные и неформализованные процедуры, определять места переходов от одной процедуры к другой, что даст возможность разработать методы частичной формализации процесса исследования сложной системы в целом. Кроме того, организация окончательной схемы реализации неформализованных процедур предполагает тщательное изучение ролей исследователя, внешнего эксперта, внутреннего аналитика и лица, принимающего решение.

Таким образом, выявление, формулировка и реализация неформализованных процедур этапов системного анализа на основе методов и алгоритмов современных неклассических информационных технологий в виде обобщенной методологии автоматизации системных исследований приведет к более последовательному и эффективному результату в исследовании сложных систем.

Цель и задачи исследования. Целью диссертационной работы является разработка методологии исследования сложных систем на основе универсального механизма снятия неопределенностей при реализации неформализованных процедур с возможностью автоматизации этапов системного анализа.

Для достижения цели в работе были решены следующие фундаментальные и практические задачи.

1. Исследование теоретических основ системного анализа с целью обоснования и определения подходов формализации его этапов и подэтапов при исследовании сложных систем.

2. Создание методологии автоматизации этапов системного анализа на основе развития положений системного анализа и определения области применения компьютерных технологий в целях их оптимизации.

3. Разработка принципов построения технологий анализа и моделирования соответствующих этапов системного анализа на основе универсальных алгоритмов снятия неопределенностей.

4. Обоснование и разработка модульной структуры технологий анализа и моделирования как совокупности технологических операций реализации одного или нескольких шагов соответствующего этапа системного анализа, ограниченных рамками решения общей задачи.

5. Разработка процедурно-ролевого алгоритма снятия неопределенностей неформализованного участка исследования с учетом ролей участников процесса исследования в процедурах принятия решений.

6. Определение стандартов и принципов адаптации при моделировании неформализованных участков на основе процедурно-ролевого алгоритма.

7. Исследование и разработка методов и алгоритмов автоматизации специфических задач системных исследований на основе функциональных, информационных и динамических моделей.

8. Разработка программного комплекса автоматизации этапов системного анализа на основе адаптивной системы анализа и прогнозирования сложных систем с единым доступом к комплексу согласованных инструментальных средств.

9. Проведение теоретических и экспериментальных исследований в рамках ситуационных центров руководителей различных уровней для апробации разрабатываемой методологии и программного комплекса автоматизации этапов системного анализа.

Методы исследования. Для решения поставленных задач в работе использованы методы и подходы теории систем, системного анализа, теории информации, математического моделирования, теории принятия решений, распознавания образов, нечетких множеств, а также графические методы анализа и оптимизации информационных и технических систем.

Объект исследования: процесс системных исследований с опорой на современные информационные технологии.

Предмет исследования: методология автоматизации неформализованных участков этапов системного анализа и процедур принятия решений на основе общей информационной и программной платформы.

Основное содержание диссертации.

Первая глава посвящена вопросам современного уровня развития методов и подходов системного анализа при исследовании сложных информационных и технических систем.

На основании рассмотренных представлений этапов системного анализа была выбрана наиболее детализированная трактовка системного анализа как основа формализации и алгоритмизации системных исследований. Рассмотрена детализация этапов системного анализа в рамках их формализации и алгоритмизации. Проведена оценка возможности автоматизации этапов системного анализа при исследовании сложных систем. Конкретизированы задачи и методы дальнейшего исследования.

Во второй главе представлена разработанная в рамках диссертационного исследования методология «Автоматизация этапов системного анализа». Описана модульная структура входящих в нее технологий, соответствующих этапам системного анализа. Разработан адаптивный процедурно-ролевой алгоритм снятия неопределенностей неформализованных участков с учетом ролей участников процесса исследования и выполняемых ими процедур.

В третьей главе проведен анализ формальных методов системного анализа и определены и описаны методы, которые будут использоваться при реализации конкретной технологии анализа и моделирования в рамках методологии А88А.

В четвертой главе поставлена и решена задача подробной регламентации процесса реализации технологии экспертно-классификационного анализа и моделирования (технологии ЭКАМ), соответствующей второму этапу системного анализа - «Определение целей системы», как наиболее представительной с точки зрения наличия неформализованных участков разной степени формализуемости.

В пятой главе рассмотрены классы инструментальных средств на основе информационных технологий, с помощью которых автоматизируются этапы системного анализа. Приведены описания авторских алгоритмов и инструментальных средств, разработанных в рамках диссертационного исследования, для решения специфических задач при реализации технологий анализа и моделирования в рамках методологии А88А.

В шестой главе приведено описание практической реализации методологии А88А в виде Единой информационной платформы «Автоматизация этапов системного анализа» как среды сопровождения участников процесса исследования с возможностью доступа к единому комплексу инструментальных средств, а также получения необходимой информации для проведения системных исследований в интерактивном режиме.

Приведены результаты практической реализации Единой информационной платформы в рамках ситуационного центра руководителей разных уровней власти, осуществлена информационная поддержка принятия решений в задаче оценки эффективности деятельности органов местного самоуправления Краснодарского края в сфере здравоохранения с помощью инструментальных средств визуализации, естественной классификации, анализа и управления данными. Выявлена динамика изменения показателей здравоохранения муниципальных образований за 2009-2010 годы.

Научная новизна выполненных в диссертации исследований состоит в следующем.

1. Обоснована возможность формализации процедур принятия решений в рамках этапов системного анализа на основе сочетаний формальных и неформальных методов.

2. Разработаны теоретические и методологические положения автоматизации этапов системного анализа и процедур принятия решений.

3. Разработан адаптивный алгоритм снятия неопределенностей неформализованного участка с учетом ролей участников процесса исследования в разрезе выполняемых ими процедур.

4. Впервые предложен механизм сочетания последовательности неформализованных и формализованных процедур при реализации этапов системного анализа.

5. На основе принципов адаптации процедурно-ролевого алгоритма предложены технологии анализа и моделирования как основа реализации этапов системного анализа.

6. Разработаны методы и алгоритмы решения специфических задач визуализации и автоматической классификации при реализации исследовательских и аналитических процедур.

7. Разработаны теоретические положения и обосновано применение динамической нечеткой базы знаний в системах поддержки принятия решений с изменяющимися в реальном времени правилами.

8. Предложена и обоснована концепция построения интегрированной информационной системы, как среды сопровождения процесса исследования сложных систем с возможностью доступа к единому комплексу инструментальных средств.

Все представленные в работе результаты являются новыми и впервые опубликованы в работах автора диссертации.

Основные положения, выносимые на защиту.

1. Методология автоматизации этапов системного анализа как единый подход многостороннего и эффективного исследования (анализа) и последовательного проектирования (синтеза) сложных систем.

2. Технология анализа и моделирования реализации этапов системного анализа, представляющая собой структурированную систему взаимосвязанных модулей, соответствующих группе задач, необходимых для реализации этапа системного анализа.

3. Процедурно-ролевой алгоритм как адаптивный механизм снятия неопределенностей неформализованных участков модуля на основе кросс-функциональной диаграммы с учетом ролей участников процесса исследования и выполняемых ими процедур.

4. Алгоритмы и реализованные на их основе инструментальные средства для решения специфических задач в рамках реализации определенных технологий анализа и моделирования с учетом особенностей методологии автоматизации этапов системного анализа.

5. Концепция единой информационной платформы как среды информационной поддержки процесса исследования сложных систем, обеспечивающей доступ к единому комплексу инструментальных средств.

Достоверность и обоснованность научных положений подтверждается:

- использованием системного подхода, формальных и неформальных методов системного анализа и современных информационных технологий для решения задач диссертации;

- сведениями из научных источников;

- согласованием предложенных в работе положений с уже известными теоретическими положениями науки;

- признанием результатов исследований научным сообществом (публикации в рецензируемых и рекомендованных ВАК РФ журналах, обсуждение результатов диссертации на всероссийских и международных конференциях);

- апробацией и результатами внедрения разработанных Методологии «Автоматизация этапов системного анализа» и Единой информационной платформы в ситуационные центры руководителей местного и регионального уровней власти (Краснодарский край).

Практическая значимость и внедрение результатов работы. На основе развития положений системного анализа предложена методология «Автоматизация этапов системного анализа», которая может быть использована как для исследования, так и для последовательного проектирования сложных информационных и технических систем.

В среде визуального проектирования приложений Delphi версии 7.0 на основе авторских алгоритмов разработаны программные средства, решающие следующие прикладные задачи: визуальное представление, первичная разведка и естественная классификация объектов исследования в пространстве признаков при ограниченном объеме данных (алгоритмы «ДИВИЗ», «ЛИЛИЯ», «ЗОНТ», «ЛОТОС»); аналитическая обработка и управление данными (информационная система «АРФА»); система поддержки принятия решений в условиях изменения внешней среды.

Программные средства зарегистрированы в Федеральной службе по интеллектуальной собственности РФ.

На основе положений Методологии «Автоматизация этапов системного анализа» и алгоритмов решения специфических задач спроектирована Единая информационная платформа для сопровождения процесса исследования сложных систем различной природы (информационных, технических).

Единая информационная платформа представляет собой открытый ресурс, может быть адаптирована или дополнена новыми информационносправочными и инструментальными средствами автоматизации системных исследований. Имеет дружественный интерфейс с организацией интерактивной связи между подсистемами и возможностью запуска по требованию автоматизированных инструментальных средств. Единая информационная платформа внедрена в Ситуационный центр руководителя муниципального образования г. Краснодар, на ее основе решены некоторые аналитические задачи регионального характера (Краснодарский край).

Разработанные в работе методы и алгоритмы внедрены и используются в специальных курсах и практикумах Кубанского государственного технологического университета и Российского государственного социального университета.

Апробация работы. Основные положения и результаты диссертационной работы были представлены на различных всероссийских и международных конференциях: XI Всероссийская конференция «Математические методы распознавания образов» (г. Москва, 2003 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2004)» (г. Симферополь, 2004 г.); VII Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-7)» (г.Санкт-Петербург, 2004 г.); XII Всероссийская конференция «Математические методы распознавания образов» (г. Москва, 2005 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2006)» (г. Симферополь, 2006 г.); XIII Всероссийская конференция «Математические методы распознавания образов» (г. Зеленогорск, 2007 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2008)» (г. Алушта, 2008 г.); IX Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-9)» (Нижний Новгород, 2008 г.); VIII международная научно-практическая конференция "Исследование, разработка и применение высоких технологий в промышленности" (г. Санкт-Петербург, 2009 г.); IV Всероссийская научнопрактическая конференция «Здоровье населения - основа процветания России» (г. Анапа, 2010 г.); X международная научно-практическая конференция "Исследование, разработка и применение высоких технологий в промышленности" (г. Санкт-Петербург, 2010 г.); IX Международная IEEE Сибирская конференция по управлению и связи, «СИБКОН-2011» (г. Красноярск, 2011 г.); XV Всероссийская конференция «Математические методы распознавания образов» (г. Петрозаводск, 2011 г.); II Международная научно-практическая конференция «Перспективные разработки науки и техники - 2011» (Польша, 2011 г.).

Публикации. Основные результаты диссертации опубликованы в 41 печатной работе, в том числе 1 монография, 8 статей в журналах, рекомендованных ВАК РФ, и 5 авторских свидетельств о государственной регистрации программ для ЭВМ в Федеральной службе по интеллектуальной собственности РФ.

Структура и объем работы. Диссертационная работа состоит из введения, 6 глав, заключения, списка литературы, содержащего 205 наименований и приложений. Основное содержание изложено на 369 страницах машинописного текста, содержит 110 рисунков и 10 таблиц.

6.5 Выводы

Для качественного проведения исследования сложных систем при выполнении исследовательских и аналитических процедур участники процесса исследования должны быть оснащены современными инструментальными средствами, реализующими методы и алгоритмы системного анализа на основе информационных технологий, обладающих дружественным интерфейсом и глубокой функциональной наполненностью.

На сегодняшний день работы по созданию таких инструментальных средств остаются актуальными и требуют от разработчиков не только интеграции различных методов и программных средств на общей платформе, но и внедрения информационного и справочного сопровождения для алгоритмизации работы участников исследования по последовательности проведения исследовательских процедур и выбору инструментов их реализации.

В главе представлена разработанная Единая информационная платформа ASSA, объединяющая комплекс инструментальных средств в сопровождении интуитивно понятного графического интерфейса и мультимедийных электронных средств, предоставляющая пользователю не только организацию доступа к сопряженным инструментальным средствам, но и к информационному сопровождению по описанию этапов системного анализа и методологии их автоматизации. В результате работы над указанной Единой информационной платформой ASSA были решены следующие теоретические и практические задачи.

1. Рассмотрены информационные комплексы поддержки исследования сложных систем, представленные двумя типами: системы поддержки принятия решений и аналитические комплексы.

2. Проведен краткий обзор представителей данных типов информационных комплексов, определены сферы решаемых ими задач и особенности реализации.

3. Показана актуальность разработки Единой информационной платформы, объединяющей комплекс программных средств и мультимедийные электронные средства, содержащие информационную поддержку процесса исследования сложных систем и реализации технологий AM в рамках методологии ASSA.

4. Разработана концептуальная схема Единой информационной платформы ASSA (Платформа ASSA), определенны ее подсистемы и информационный контент.

5. Реализована Платформа ASSA в среде визуального проектирования приложений Delphi версии 7.0, поддерживающей разработку пользовательского интерфейса и подключение к базам данных. Интерактивность интерфейса обеспечена с помощью среды разработки профессионального интерактивного контента Adobe Flash Professional CS5 и языка программирования JavaScript.

6. Для практической реализации применения методологии А8БА и Единой информационной платформы выбрана современная форма реализации автоматизированной системы управления в социальной сфере в виде Ситуационного центра.

7. Рассмотрены типы и организация подсистем Ситуационного центра, определены основные задачи, решаемые указанными подсистемами, выявлен круг задач, которые могут быть решены с помощью разработанного в работе инструментария.

8. Для демонстрационного примера выбрана задача организации информационной поддержки принятия решений при оценке эффективности деятельности органов местного самоуправления (ОМСУ) Краснодарского края в сфере здравоохранения.

9. Проведена классификация и сравнительная оценка эффективности деятельности ОМСУ Краснодарского края за 2009-2010 годы, выделены основные классы близких по показателям муниципалитетов, приведено картографическое представление показателей в сравнении двух лет.

10. Сделан вывод о возможности применения эвристических методов классификации для оперативного мониторинга местоположения ОМСУ в общей картине показателей деятельности.

ЗАКЛЮЧЕНИЕ

1. Обоснована необходимость и определены подходы формализации этапов и подэтапов системного анализа при исследовании сложных технических и информационных систем.

2. Разработаны теоретические положения методологии автоматизации этапов системного анализа как универсального подхода системных исследований с опорой на единый комплекс инструментальных средств на основе современных информационных технологий.

3. Предложена технология анализа и моделирования этапов системного анализа как совокупность методов, подходов и алгоритмов снятия неопределенностей в рамках реализации обобщенных задач отдельных этапов системного анализа.

4. Разработан адаптивный процедурно-ролевой алгоритм снятия неопределенностей неформализованных участков в рамках технологии анализа и моделирования с учетом ролей участников процесса в процедурах принятия решений. При этом снятие неопределенностей осуществляется последовательно на различных уровнях формализации исследовательских процедур (стратегический, тактический, оперативный).

5. Впервые предложен механизм последовательного снятия неопределенностей на различных уровнях формализации исследовательских процедур (стратегический, тактический, оперативный) посредством сочетания неформализованных и формализованных процедур.

6. Для решения специфических задач в рамках реализации определенных технологий анализа и моделирования с учетом особенностей методологии автоматизации этапов системного анализа разработаны следующие алгоритмы и реализованы на их основе программные средства (защищены свидетельствами Федеральной службы по интеллектуальной собственности РФ):

- алгоритм «ДИВИЗ», решающий задачу динамической визуализации многомерных данных в сложных системах;

- алгоритм «ЛИЛИЯ» и его модификация, алгоритм «ЗОНТ», позволяющие проводить разведочный анализ и сегментацию многомерных данных путем их проецирования на псевдотрехмерные когнитивные образы;

- информационная система аналитической обработки и управления данными «АРФА», предназначенная для графического (в том числе картографического) представления данных и построения прогнозных моделей;

- алгоритм «ЛОТОС», позволяющий проводить автоматическую классификацию линейно неразделимых данных в непрерывном признаковом пространстве при ограниченном объеме данных;

- информационная система поддержки принятия решений в условиях изменения внешней среды на основе динамической нечеткой базы знаний.

7. Для сопровождения процесса исследования сложных систем разработана Единая информационная платформа «Автоматизация этапов системного анализа» с организацией доступа к комплексу инструментальных средств на основе информационных технологий.

8. Реализовано практическое применение Единой информационной платформы «Автоматизация этапов системного анализа» в рамках Ситуационного центра руководителя при реализации задач принятия решений и управления в социально-экономической сфере.

9. Реализована информационная поддержка принятия решений в задаче оценки эффективности деятельности органов местного самоуправления Краснодарского края в сфере здравоохранения на основе автоматической классификации и определения местоположения муниципальных образований в общей картине показателей деятельности.

10. Разработаны рекомендации применения результатов исследования в рамках системы поддержки принятия решений руководителем региона.

1. Адлер Ю.П. Планирование эксперимента при поиске оптимальных условий / Ю.П. Адлер, Е.В. Маркова. М.: Наука, 1976. 279 с.

2. Адлер Ю.П. Управление качеством. Часть 1. Семь простых методов: учебное пособие / Ю.П. Адлер, Т.М. Полховская, П.А. Нестеренко. М.: Стандарты и качество, 2001. 170 с.

3. Айвазян С.А. Классификация многомерных наблюдений / С.А. Айвазян, З.И. Бежаева, О.В. Староверов. М.: Статистика, 1974. 240 с.

4. Аракчеев Д.Б. Компьютерная система поддержки принятия решений «Эксперт» //Геоинформатика. 2001. №2. С.33-37.

5. Арнольд В.И. Теория катастроф. М.: Едиториал УРСС, 2004. 128 с

6. Атанов С.К. Программные средства реализации адаптивных моделей с нечеткой логикой // Вестник науки КазАТУ им. С.Сейфуллина, 2009. №2. С.27-31.

7. Бикулов С. Программы под маркой «T-FLEX» комплексная автоматизация в новых условиях // СППР и графика. 2001. №9. С. 54—56.

8. Бронштейн И.Н. Справочник по математике для инженеров и учащихся втузов / И.Н. Бронштейн, К.А. Семендяев. М.: Главная редакция физико-математической литературы, 1981. 718 с.

9. Букатова И.Л. Эволюционное моделирование и его приложения. М.: Наука, 1979. 231 с.

10. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. М.: Изд-во Финансы и статистика, 1998. 176 с.

11. Вендров A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. М.: Финансы и статистика, 1999. 112 с.

12. Вержбицкий В.М. Численные методы (математический анализ и обыкновенные дифференциальные уравнения): Учебное пособие для вузов. М.: Высш.шк., 2001. 382 с.

13. Верников Г. Основные методологии обследования организаций. Стандарт IDEF0 // Корпоративный менеджмент. 08.02.2000. URL: http://www.cfin.ru/vernikov/ idef/idefÖ.shtml (дата обращения: 14.01.2012).

14. Версия 2.0 спецификации BPMN // Documents Associated With Business Process Model And Notation. 2011. URL: http://www.omg.org/spec /BPMN/2.0/ (дата обращения: 14.01.2012).

15. Веселов Г.Е. Прикладная теория и методы синергетического синтеза иерархических систем управления: автореф. дис. . докт. техн. наук. СПб., 2006. 48 с.

16. Волкова В.Н. Методы формализованного представления (отображения) систем: текст лекций / В.Н. Волкова, Ф.Е. Темников. М.: ИПКИР, 1974. 114с.

17. Волкова В.Н. Основы теории систем и системного анализа: Учебник. Изд. 2-е, перераб. и доп. / В.Н. Волкова, A.A. Денисов. СПб.: Изд-во СПбГТУ, 1999. 512 с.

18. Волошин Г.Я. Методы распознавания образов. М.: ВГУЭС, 2000. 74 с.

19. Всеобщее управление качеством: учебник для вузов / О. П. Глудкин, Н.М. Горбунов, А.И. Гуров, Ю. В. Зорин. М.: Радио и связь, 1999. 600 с.

20. Гаврилова Т.А. Извлечение и структурирование знаний для экспертных систем / Т.А. Гаврилова, K.P. Червинская. М.: Радио и связь, 1992. 200 с.

21. Гайдадин А.Н. Использование метода композиционного планирования эксперимента для описания технологических процессов: метод, указания / А.Н. Гайдадин, С.А. Ефремова. Волгоград: ВолгГТУ, 2008. 16 с.

22. Генератор отчетов Crystal Reports // Сайт «Первые шаги». URL: http://www.firststeps.ru/sql/cryrep/cryrepl.html (дата обращения: 14.01.2012).

23. Глинских А. Общие сведения о CAD/CAM/CAE-системах // Компьютер-Информ: электронный журнал. 2002. № 1(117). URL: http:// www.kvantpo.ru/index.php/faq/cad-sofl (дата обращения: 14.01.2012).

24. Голота Я.Я. Непрерывнозначная логика. Л., 1982. Деп. В ВИНИТИ 14.10.82.

25. Голубков Е.П. Маркетинговые исследования: теория, методология и практика. М.: Финпресс, 1998. 416 с.

26. Громов А. Управление бизнес-процессами на основе технологии Workflow / А. Громов, Каменнова М., Старыгин А. // Открытые системы: электронный журнал. 1997. №1, URL: http://www.osp.ru/os/1997/01 /179063/ (дата обращения: 14.01.2012).

27. Губко М.В. Теория игр в управлении организационными системами: Учебное пособие / М.В. Губко, Д.А. Новиков. М.: СИНТЕГ, 2002. 148 с.

28. Демидович Б.П. Основы вычислительной математики / Б.П. Демидович, И.А. Марон. М.: Главная редакция физико-математической литературы, 1966. 664 с.

29. Денисов A.A. Иерархические системы: Учебное пособие / A.A. Денисов, В.Н. Волкова. Л.:ЛПИ, 1989. 88 с.

30. Дюк В. Data Mining: учебный курс / В. Дюк, А. Самойленко. СПб.: Изд-во Питер, 2001.368 с.

31. Дядик В.Ф. Статистические методы контроля и управления: Учебное пособие / В.Ф. Дядик, С.А. Байдали, Т.А. Байдали. Томск: Изд-во Томского политехнического университета, 2011. 144 с.

32. Емельянов A.A. Системный анализ в управлении: Учебное пособие /

33. A.A. Емельянов, B.C. Анфилатов, A.A. Кукушкин. М.: Финансы и статистика, 2002. 368 с.

34. G2 вопросы и ответы // Сайт Научно-технологического парка «Дубна». URL: www.ntpdubna.ru/faq.shtml (дата обращения: 14.01.2012).

35. Журавлев Ю.И. Распознавание образов. Избранные научные труды. М.: Магистр, 1998. 415 с.

36. Заболеева-Зотова A.B. Использование естественного языка при автоматизации слабоструктурируемых процессов в проектировании технических, программных и информационных систем: автореф. дис. . докт. техн. наук. Волгоград, 2004. 52 с.

37. Завьялов Ю.С. Методы сплайн функций / Ю.С. Завьялов, Б.И. Иванов,

38. B.Л. Мирошниченко. М.: Наука, 1980. 247 с.

39. Загоруйко Н.Г. Гипотезы компактности и компактности в методах анализа данных // Сиб. журн. индустр. математики. 1998. Т.1. № 1. С.114-126.

40. Загоруйко Н.Г. Прикладные методы анализа данных. Новосибирск: Изд-во Ин-та математики СО РАН, 1999. 270 с.

41. Zadeh L.A. Computing with Words in Information. Intelligent Systems / L.A. Zadeh, J. Kacprzyk. New York: Physica-Verl, 1999. 518 p.

42. Zadeh L.A. Knowledge representation in fuzzy logic // IEEE Transactions on Knowledge and Data Engineering. 1989. Vol.1. P. 89-100.

43. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений/ Пер. с англ. М.: Мир, 1976. 165 с.

44. Закис A. RUP и другие методологии разработки ПО // 12.08.2005. URL: http://www.shmakov.ru/news/textl36.html (дата обращения: 14.01.2012).

45. Заславский Г. М.Введение в нелинейную физику: От маятника до турбулентности и хаоса / Г. М. Заславский., Р.З. Сагдеев. М.: Наука, 1988. 368 с.

46. Информационная платформа T-FLEX DocsLine // Сайт Компании «Топ системы». URL: http://www.tflex.ru/products/docs/docsline/ (дата обращения: 14.01.2012).

47. Кальянов Т.Н. CASE-технологии. Консалтинг при автоматизации бизнес процессов. М.: Горячая линия Телеком, 2000. 320 с.

48. Капица С.П. Синергетика и прогнозы будущего / С.П. Капица, С.П. Курдюмов, Г.Г. Малинецкий. М.: Наука, 1997. 285 с.

49. Князева Е.Н. Законы эволюции и самоорганизации сложных систем / Е.Н. Князева, С.П. Курдюмов. М.: Наука, 1994. 236 с.

50. Ковальски Р. Логика в решении проблем. М.: Наука. Гл.ред.физ.-мат.лит., 1990. 280 с.

51. Codd Е. F. A relational model of data for large shared data banks. NY, USA: Springer-Verlag New York, Inc., 2002.

52. Колесников Д.А. Разработка математического и алгоритмического обеспечения управления режимами работы ситуационного центрарегионального уровня на базе сетей Петри: автореф. дис. . канд. техн. наук, Краснодар, 2011г. 24 с.

53. Коротаев A.B. История и синергетика: Методология исследования / A.B. Коротаев, С.Ю. Малков. М.: КомКнига, 2005. 184 с.

54. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 431 с.

55. Краснухин А. Методологии проектирования сложных изделий // Открытые системы: электронный журнал. 2003. №6. URL: http://www.osp.ru/os/2003/06/183131/ (дата обращения: 14.01.2012).

56. Crystal Info особенности версии 7.5 // Сайт Компании «Интерфейс». URL: http://www.interface.ru/home.asp?artld=4073 (дата обращения: 14.01.2012).

57. Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. М.: Горячая линия Телеком, 2001. 382 с.

58. Кузнецов С.П. Динамический хаос (курс лекций). М.: Физматлит, 2001. 296 с.

59. Кухтенко А.И. Об аксиоматическом построении математической теории систем // Кибернетика и вычислительная техника. Киев: Наукова думка, 1976. С. 3-25.

60. Лакофф Дж. Когнитивное моделирование. М.: Язык и интеллект, 1995. 228 с.

61. Лапко В.А. Синтез и анализ непараметрических коллективов решающих правил: автореф. дис. . докт. техн. наук. Красноярск, 2004. 48 с

62. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981. 160 с.

63. Левченко Т. Ситуационные центры: в проектах и над проектами // Сайт CNews. URL: http://www.cnews.ru/reviews/free/national2006/articles /sitcenterl/ (дата обращения: 14.01.2012).

64. Лоскутов А.Ю. Введение в синергетику / А.Ю. Лоскутов, A.C. Михайлов. М.: Наука, 1990. 272 с.

65. Mamdani E.H. Applications of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Transactions on Computers. 1977. No. 12. Vol. 26. P. 1182-1191.

66. Мелихов A.H. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, J1.C. Берштейн, С.Я. Коровин. М.: Наука. Гл.ред.физ.-мат.лит., 1990. 272 с.

67. Методология Rational Unified Process (RUP) / Аллана. URL: http://www.aplana.ru/services139.htm (дата обращения: 14.01.2012).

68. Методология SSADM // URL: http://www.case.nnov.ru/site.aspx?IID= 320653&SECTIONID=320638 (дата обращения: 14.01.2012).

69. Методы поиска идей и создании инноваций / Центр креативных технологий //URL:http://www.inventech.ru/pub/methods/ (дата обращения: 14.01.2012).

70. Минаков И.А. Системный анализ, онтологический синтез и инструментальные средства обработки информации в процессах интеграции текстовой информации: автореф. дис. . докт. техн. наук. Самара, 2007. 52 с.

71. Моделирование бизнеса. Методология ARIS. Практическое руководство / М. Каменнова, А. Громов, М. Ферапонтов, А. Шматалюк. М.: Весть -МетаТехнология, 2001. 327 с.

72. Никаноров С.П. Системный анализ и системный подход // Системные исследования. Сборник Института естествознания и техники. М.: Наука, 1972. С. 55-71.

73. Никифоров А.Ф. Классические ортогональные полиномы дикретной переменной / А.Ф. Никифоров, С.К. Суслов, В.В. Уваров. М.: Наука, 1985.216 с.

74. Николис Г. Самоорганизация в неравновесных системах: от диссипативных структур к упорядоченности через флуктуации / Г. Николис, И. Пригожин. М.: Мир, 1979. 512 с.

75. Новикова Н.М. Математическое и алгоритмическое обеспечение интеллектуальной поддержки принятия решений в автоматизированныхсистемах сбора и обработки стохастической информации: автореф. дис. . докт. техн. наук. Воронеж, 2006. 52 с.

76. Об общих принципах организации местного самоуправления в РФ Электронный документ.: Федеральный закон N 131-ФЭ от 6 окт. 2003г. Доступ из справ.-правовой системы «КонсультантПлюс».

77. Об оценке эффективности деятельности органов местного самоуправления городских округов и муниципальных районов Электронный документ.: Указ Президента РФ N 607 от 28 апреля 2008 г. Доступ из справ.-правовой системы «КонсультантПлюс».

78. Обзор различных систем CAD/CAM/CAE/GIS // Сайт поддержки пользователей САПР под редакции Виктора Ткаченко. URL: http://www.cad.dp.ua/obzors/cads.php (дата обращения: 14.01.2012).

79. Оптнер C.J1. Системный анализ для решения деловых и промышленных проблем. М: Советское радио, 1969. 216 с.

80. Орлов А. И. Принятие решений. Теория и методы разработки управленческих решений. Учебное пособие. М.: МарТ, 2005. 496 с.

81. Орлов А.И. Прикладная статистика. Учебник. М.: Издательство "Экзамен", 2004. 656 с.

82. Официальный сайт MATHWORKS // URL: http://www.mathworks.com (дата обращения: 14.01.2012).

83. Оценка эффективности деятельности органов исполнительной власти регионов // Сайт Министерства регионального развития РФ. URL: http://ef.minregion.gas-u.ru/minreg2/ (дата обращения: 14.01.2012).

84. Оценка эффективности деятельности органов местного самоуправления // Сайт НКО Центр публичных реформ. URL: http://www.rosreforma.ru /?id=468 (дата обращения: 14.01.2012).

85. Павлов С.Н. Теория систем и системный анализ: Учебное пособие. Томск: Томский межвузовский центр дистанционного образования, 2003. 134с.

86. Перегудов Ф.И. Введение в системный анализ: Учебное пособие для вузов / Ф.И. Перегудов, Ф.П. Тарасенко. М.: Высш. шк., 1989. 367 с.

87. Перегудов Ф.И. Основы системного подхода / Ф.И. Перегудов, Ф.П. Тарасенко. Томск: ТГУ, 1976. 127 с.

88. Полещук О.М. Методы формализации и обработки нечеткой экспертной информации, автореф. дис. докт. техн. наук. М., 2004. 48 с.

89. Половинкин А.И. Основы инженерного творчества: Учебное пособие для студентов втузов. М.: Машиностроение, 1988. 368 с.

90. Полубояров В.В. Использование MS SQL Server Analysis Services 2008 для построения хранилищ данных. M.: Изд-во ННТУ, 2010. 487 с.

91. Постон Т. Теория катастроф и её приложения / Т. Постон, И. Стюарт. М.: Мир, 1980. 607 с.93. 111111 ОТЭКС (для анализа данных) / Н.Г. Загоруйко, В.Н. Ёлкина, C.B. Емельянов, Г.С. Лбов. М.: Финансы и Статистика, 1986. 160 с.

92. Прангишвили И.В. Системный подход и общесистемные закономерности. М.: СИНТЕГ, 2000. 528 с.

93. Применение Oracle Express для статистического анализа результатов внешней торговли в Государственном Таможенном Комитете России //

94. Сайт OLAP.ru. URL: http://www.olap.ru/best/analitic.asp (дата обращения: 14.01.2012).

95. Проблемы описания бизнес-процессов в виде потоков работ (IDEF3, ARIS еЕРС) // Проект quality.eup.ru. URL: http://quality.eup.ru /MATERIALY3/kdr.html (дата обращения: 14.01.2012).

96. Проблемы планирования и управления. Опыт системных исследований / под редакцией Е. П. Голубкова и А. М. Жандарова. М.: Экономика, 1987. 206с.

97. Программный комплекс «ИНЭК-Аналитик» // Сайт Группы ИНЭК. URL: http://www.inec.ru/it/automated-analysis/inec-analyst/ (дата обращения: 14.01.2012).

98. Программный комплекс IOSO NM // Сайт ЗАО «Сигма Технология». URL: http://www.iosotech.com/ru/iosonm.htm (дата обращения: 14.01.2012).

99. Прохорович В.Е. Прогнозирование состояния сложных технических комплексов. СПб.: Наука, 1999. 158с.

100. Репин B.B. ARIS, еЕРС или «Процедура» Business Studio? // Сайт Группа компаний «Современные технологии управления». 07.2010. http://www.businessstudio.ru/procedures/business/procedure/ (дата обращения: 14.01.2012).

101. Репин В.В. Бизнес-процессы компании: построение, анализ, регламентация. М.: Изд-во Стандарты и качество, 2007. 240 с.

102. Репин В.В. Описание бизнес-процессов: стремление к простоте // Портал FineXpert.ru. 03.11.2010. URL: http://www.finexpert.ru/print version.php?id=77 (дата обращения: 14.01.2012).

103. Репин В.В. Сравнительный анализ нотаций ARIS, eEPC/IDEFO, IDEF3 // Проект IDEFinfo.Ru. URL: http://idefinfo.ru/content/view/43/25/ (дата обращения: 14.01.2012).

104. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Далог-МГУ, 2003. 82 с.

105. Садовский В. Н. Становление и развитие системной парадигмы в Советском Союзе и России во второй половине XX века // Системныеисследования. Методологические проблемы. Ежегодник / М.: Наука, 2001. С. 7-36.

106. Садовский В.Н. Проблемы философского обоснования системных исследований // Системные исследования. Методологические проблемы. Ежегодник/М.: Наука, 1984. С. 32-51.

107. Саймон Г.А. Менеджмент в организациях / Г.А. Саймон, Д.У. Смитбург, В.А. Томпсон. М.: Экономика, 1995. 335 с.

108. Салашур А., Перасоло М. Создайте инфраструктуру очередности выявления проблем // 25.06.07. URL:http://www.ibm.com /developerworks/ru/ library/ac-pdtriagel/index.html (дата обращения: 14.01.2012).

109. Самарский A.A. Численные методы: Учебное пособие для вузов / A.A. Самарский, A.B. Гулин. М.: Наука. Гл. ред. физ-мат. лит., 1989. 432 с.

110. Ш.Саркисян С.А. Большие технические системы. Анализ и прогноз развития / С.А. Саркисян, В.М. Ахундов, Э.С. Минаев. М.: «Наука», 1977. 350 с.

111. Саркисян С.А. Большие технические системы. Анализ и прогноз развития / С.А. Саркисян, В.М. Ахундов, Э.С. Минаев. М.: «Наука», 1977. 350 с.

112. Семухин М.В. Методологические основы анализа и обработки нечеткой информации на нефтегазодобывающих предприятиях: Автореф. дис. . докт. техн. наук. Самара, 2008. 52 с.

113. Сигорский В.П. Математический аппарат инженера. Киев: Техшка, 1977. 768 с.

114. Симанков B.C. Автоматизация системных исследований: Монография. Краснодар: изд-во КубГТУ, 2002. 376с.

115. Симанков B.C. Аналитические информационные системы управления технологическими процессами: Монография / B.C. Симанков, А. В. Ковардаков. Краснодар: КубГТУ, 2006. 272 с.

116. Симанков B.C. Оптимизация функционирования ситуационного центра при решении задач в различных областях / B.C. Симанков, А.Н. Черкасов // Естественные и технические науки. 2011. №5. С. 430^133.

117. Симанков B.C. Формирование дерева целей и системы критериев эффективности в альтернативной энергетике на основе системного подхода / B.C. Симанков, П.Ю. Бучацкий // Вестник Адыгейского государственного университета. 2007. N 4 (28). С. 39^48.

118. Симанков B.C. Генетический поиск решений в экспертных системах: Монография / В. С. Симанков, В. А. Частикова. Краснодар: 2008. 161 с.

119. Симанков B.C. Системный анализ и современные информационные технологии в медицинских системах поддержки принятия решений: Монография / B.C. Симанков, А. А. Халафян. М.: Бином, 2009. 362 с.

120. Симанков B.C. Аналитическая информационная система в практике управления технологическими процессами / B.C. Симанков, A.B. Ковардаков // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2007. № 2. С. 4-9.

121. Симанков B.C. Аналитическая информационная система управления технологическими процессами / B.C. Симанков, A.B. Ковардаков // Известия ВУЗов. Северо-Кавказский регион. Технические науки. Приложение к № 4. 2006. С. 5-12.

122. Симанков B.C. Методологические аспекты построения систем поддержки принятия решений / B.C. Симанков, А.О. Денисенко, С.Н. Владимиров, А.Н. Черкасов // Вестник Донского государственного технического университета. Том 8. 2008. № 3(38). С. 258-267.

123. Симанков B.C. Системный анализ функциональной стабильности критичных информационных систем: Монография под науч. ред. В. С. Симанкова / B.C. Симанков, П.В. Сундеев. Краснодар: КубГТУ; Ин-т совр. технол. и экон., 2004. 204 с.

124. Симанков B.C. Система поддержки принятия решений как результат интеграции статистических пакетов и баз данных / B.C. Симанков, A.A. Халафян, Д.В. Савенко // Вестник компьютерных и информационных технологий. 2009. № 6. С. 38^4.

125. Симанков B.C. Системный анализ при решении структурных задач альтернативной энергетики: Монография / B.C. Симанков, Т.Т. Зангиев. Краснодар: Ин-т совр. технол. и экон., 2001. 151 с.

126. Симанков B.C. Методика синтеза управляющего автомата на основе комбинированного использования нечетких множеств и дискретно-событийных автоматов / B.C. Симанков, Д.Ю. Динцис // Естественные и технические науки. 2011. № 4. С. 426—429.

127. Симанков B.C. Режимы работы ситуационного центра регионального уровня / B.C. Симанков, Д.А. Колесников // Программные продукты и системы. 2010. № 1. С. 3-5.

128. Симанков B.C. Интегрированная система моделирования в режимах работы ситуационного центра / B.C. Симанков, Д.А. Колесников // Вестник Южного научного центра РАН. Том 6. 2010. № 1. С. 84-89.

129. Симанков B.C. Методологические основы принятия решений с использованием автоматизации неформальных процедур / B.C. Симанков, М.М. Путято, Е.С. Тарасов // Естественные и технические науки. 2010. № 4(48). С. 292-297.

130. Симанков B.C. Методические основы синтеза структуры информационно-аналитической системы в рамках ситуационного центра / B.C. Симанков, А.Н. Черкасов, Д.А. Колесников // Естественные и технические науки. 2010. № 4(48). С. 304-308.

131. Симанков B.C. Системные исследования безопасности региона на основе нейронной сети: Монография / B.C. Симанков, В.В. Бучацкая. Краснодар: 2003. 228 с.

132. Симанков B.C. Системный подход к разработке медицинских систем поддержки принятия решений / B.C. Симанков, A.A. Халафян // Известия высших учебных заведений. Северокавказский регион. Технические науки. 2010. № 1. С. 29-36.

133. Симанков B.C. Методология автоматизации этапов системного анализа сложных систем / B.C. Симанков, И.А. Шпехт // Информатика и системы управления. 2011. №4. С. 149-156.

134. Симанков B.C. Автоматизация процедур системного анализа / B.C. Симанков, И.А. Шпехт // IX Международная IEEE Сибирская конференция по управлению и связи СИБКОН-2011 (Красноярск, 1516 сент. 2011 г.): материалы. Изд-во Сиб. фед. ун-та, 2011. С. 330-333.

135. Симанков B.C. Автоматизация системных исследований на основе неформальных подходов: Монография / B.C. Симанков, И.А. Шпехт. М.: БиномПресс, 2012. 358с.

136. Синеокий Т.В. Обзор CAD/CAM/CAE-систем // Сайт поддержки пользователей САПР под редакции Виктора Ткаченко. URL: http://www.cad.dp.ua/obzors/obzor-cad.php (дата обращения: 14.01.2012).

137. Система поддержки принятия решений «Выбор» // Сайт Компании ЦИРИТАС. URL: http://www.ciritas.ru/product.php?id=10 (дата обращения: 14.01.2012).

138. Ситуационные центры // Сайт Компании «ДЕЛАИТ 2000». URL: http://www.delight2000.com/compl.html?idrub=394716&obj=catalog (дата обращения: 14.01.2012).

139. Ситуационные центры: наблюдаемые проблемы и перспективы развития / Результаты экспертного опроса // URL: www.ac.gov.ru/Files/lvolna.pdf (дата обращения: 14.01.2012).

140. Спицнадель В.Н. Основы системного анализа: Учебное Пособие. СПб.: Изд.дом «Бизнес-пресса», 2000. 326 с.

141. SSADM британский стандарт анализа и разработки автоматизированных систем // Центр выбора технологий и поставщиков. 21.14.2010. URL: http://www.tadviser.ru/index.php/CTa^:SSADM (дата обращения: 14.01.2012).

142. Статические и динамические экспертные системы / Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель и др. М.: Финансы и статистика, 1996. 320с.

143. Стратегия национальной безопасности Российской Федерации до 2020 года Электронный ресурс.: Указ Президента Российской Федерации от 12 мая 2009 г. N 537. Доступ из справ.-правовой системы «КонсультантПлюс».

144. Сурмин Ю.П. Теория систем и системный анализ: Учебное пособие. Киев.: МАУП, 2003. 368 с.

145. Теория систем и системный анализ в управлении организациями: Учебное пособие / Под ред. В.Н. Волковой и A.A. Емельянова. М.: Финансы и статистика, 2006. 848 с.

146. Теория систем и системный анализ: Учебное пособие / Сост. А.Н. Тырсин. Челябинск: УрСЭИ АТиСО, 2002. 128 с.

147. Терехов В.А. Нейросетевые системы управления / В.А. Терехов, Д.В. Ефимов, И.Ю. Тюкин. Высшая школа, 2002. 184 с.

148. Тоискин B.C. Автоматизация процессов проектирования на основе CASE технологий: Учебное пособие /B.C. Тоискин, В.В. Красильников, В.В. Малиатаки. Ставрополь: Изд-во СГПИ, 2010. 131 с.

149. Трофимец В.Я. Системный анализ и синтез автоматизированных процедур поддержки принятия решений: автореф. дис. . докт. техн. наук. М., 2004. 48 с.

150. Тряскин В.Н. Методология автоматизированного проектирования конструкций корпуса судна: автореф. дис. . докт. техн. наук., СПб., 2007. 40с.

151. Уемов А.И. Системный подход и общая теория систем. М.: Мысль, 1978. 272 с.

152. Универсальная информационно-аналитическая система (ИАС) поддержки принятия решений "ОЦЕНКА и ВЫБОР" // Сайт Дамира Абдрахимова. URL: http://www.deol.ru/users/DecisionSupporter/ (дата обращения: 14.01.2012).

153. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир, 1992. 240 с.

154. Фальков Д.С. Автоматизация комплексных испытаний сложных технологических объектов с использованием нечетких логик: дис. . канд. техн. наук: 05.13.07. СПб, 1999. 169 с.

155. Федоров И. Сравнительный анализ нотаций моделирования бизнес-процессов // Открытые системы: электронный журнал. 2011. №8, URL: http://www.osp.ru/os/2011/08/13011140/ (дата обращения: 14.01.2012).

156. Федулов A.C. Модели, методы и программные средства обработки нечеткой информации в системах поддержки принятия решений на основе когнитивных карт: автореф. дис. докт. техн. наук. М.,2007. 36с.

157. Ходасевич Г.Б. Обработка экспериментальных данных на ЭВМ. Часть 1. Обработка одномерных данных. СПб.: СПбГУТ, 2002. 235 с.

158. Ходасевич Г.Б. Обработка экспериментальных данных на ЭВМ. Часть 2. Обработка многомерных данных. СПб.: СПбГУТ, 2002. 250 с.

159. Holland J.H. Adaptation in natural and artificial systems. Ann Arbor: Univ. of Michigan Press, 1975. 183 p.

160. Худсон Д. Статика для физиков. M.: Мир, 1970. 294 с.

161. Черняк Ю.И. Анализ и синтез систем в экономике. М.: Экономика, 1970. 151 с.

162. Черняк Ю.И. Системный анализ в управлении экономикой. М.: Экономика, 1975. 191 с.

163. Чубукова И.A. Data Mining. M.: Изд-во Бином. Лаборатория знаний, 2008. 384 с.

164. Шаповалов В.И. Синергетические методы и модели структурообразования в открытых системах: автореф. дис. . докт. техн. наук. Таганрог, 2006. 48 с.

165. Шеннон Р. Имитационное моделирование систем: искусство и наука. М.: Мир, 1978. 420 с.

166. Шпехт И.А. Анализ и моделирование дерева критериев оценки эффективности системы на основе процедурно-ролевого алгоритма // Информатика и системы управления. 2012. №1. С.102-111.

167. Шпехт И.А. Интеллектуальная система управления качеством жизни и здоровьем населения на региональном и муниципальном уровне // Системы управления и информационные технологии. 2010. №3. С. 100— 104.

168. Шпехт И.А. Методология системных исследований социально-экономических процессов на основе автоматизации этапов системного анализа и процедур принятия решений // Информационные технологии моделирования и управления. 2009. №7. С.910-915.

169. Шпехт И.А. Методы и алгоритмы создания интеллектуальной системы управления качеством жизни населения на региональном и муниципальном уровне // Экономика и менеджмент систем управления. 2011. №1. С. 72-80.

170. Шпехт И.А. Разработка интеллектуальной системы поддержки принятия решений в трудноформализуемых экономических информационных процессах // Системы управления и информационные технологии. 2009. №4.1(38). С. 151-154.

171. Шпехт И.А. Разработка информационной системы принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний / И.А. Шпехт, А.Ю. Самсонов // Информационные системы и технологии. 2011. №6 (68). С. 73-85.

172. Шпехт И.А. Региональная интеллектуальная система социально-экономического мониторинга для оценки качества жизни и здоровья населения на примере Краснодарского // Информационные технологии моделирования и управления. 2010. №3. С. 395-401.

173. Шпехт И.А. Технология экспертно-квалификационного анализа и моделирования целей сложных систем с опорой на процедуры методологии ASSA / И.А. Шпехт, B.C. Симанков, P.P. Саакян // Информатика и системы управления. 2011. №2. С. 140-150.

174. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. Винница: Изд-во Винницкого государственного технического университета, 2001. 198 с.

175. Yager R. Génération of Fuzzy Rules by Mountain Clustering / R. Yager, D. Filev // Journal of Intelligent & Fuzzy Systems. 1994. No.3. Vol.2. P. 209219.

176. Ямалов И.У. Поддержка принятия решений для управления в условиях информационных систем на основе когнитивных и динамических моделей: автореф. дис. докт. техн. наук. Уфа, 2007. 48 с.

177. Ямпольская Д., Зонис М. Цели и целеполагание управленческой деятельности // URL: http://www.inventech.ru/lib/management /management-0018/ (дата обращения: 14.01.2012).

178. Jang J.-S. R. ANFIS: Adaptive-Network-based Fuzzy Inference Systems // IEEE Transactions on Systems, Man, and Cybernetics. 1993. No.3. Vol. 23. P. 665-685.