автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Математические модели и методы принятия решений при управлении организационными системами

1646

На правах рукопис;

ЛОКТАЕВ Сергей Викторович

/

МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ОРГАНИЗАЦИОННЫМИ СИСТЕМАМИ

05.13.01 - системный анализ, управление и обработка информации (промышленность)

Автореферат диссертации на соискание ученой степени доктора технических наук

1 ? СЕС

Санкт-Петербург 2008

003461646

Работа выполнена в Санкт-Петербургском государственном политехническом университете.

Научный консультант: доктор технических наук, профессор, заслуженный деятель науки Российской Федерации Щербаков Олег Вячеславович

Официальные оппоненты:

доктор технических наук, профессор Пусь Вячеслав Васильевич; доктор технических наук, профессор Еременко Владимир Тарасович; доктор технических наук, профессор Уткин Лев Владимирович

Ведущая организация: Санкт Петербургский государственный технологический институт (Технический университет)

Защита состоится «/? 6 » ф £ про Л Л 2009 г. в «_» часов на заседании диссертационного совета Д 205.003.04 по защите диссертаций на соискание ученой степени доктора наук в Санкт-Петербургском университете ГПС МЧС России по адресу: 196105, Санкт-Петербург, Московский проспект, дом 149.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского университета ГПС МЧС России.

Автореферат разослан «2 3» ,.Р /У Л_2009 г.

Ученый секретарь

диссертационного совета Д 205.003.04 кандидат технических наук, доцент

А. С. Смирнов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Для решения экономических, социальных, политических, научных, технических проблем, стоящих перед обществом, требуется организованная деятельность многих людей. Такая деятельность осуществляется в рамках искусственных созданных человеком формирований, называемых организационными системами (ОС) - промышленных предприятий, компаний, холдингов, банков, кооперативов.

Количество таких объектов в стране измеряется сотнями тысяч и продолжает расти. Несмотря на это, ОС как специфический класс систем постоянно выпадали из поля зрения исследователей. Имеется множество институтов и проектных организаций, занимающихся вопросами создания различных технических систем, которые по своей сложности значительно уступают ОС, тогда как исследования в области их создания практически отсутствуют. Основная причина этого состоит в том, что начиная с 30-х годов вопросы формирования организационных структур управления, экономических, социальных, политических и экономических систем являлись неоспоримой прерогативой административной системы. Наука к этим вопросам попросту не допускалась. Без научной теории построения ОС невозможно успешно создать эффективную систему управления, в том числе и ОС. Это стало ясно, когда наука управления получила новый импульс, связанный с развитием кибернетики, но только в последние годы появилась реальная возможность создать такую теорию и вооружить ею организаторов управления.

Актуальность данной работы обуславливается постоянной проблемой выбора рационального решения. При принятии решения мы всегда сталкиваемся с проблемой выбора и учета наиболее существенного и абстрагирования от второстепенного; тем самым человек производит интуитивное сравнивание различных вариантов решения. Задачи принятия решения постоянно возникают при управлении ресурсами организационной системы. Условия избытка информации, превышающего границы познания человека, определяют самое актуальное требование в области принятия решений — предоставление человеку средств помощи для оценки вариантов решений и сжатого представления сущности проблемы.

Необходимо научиться своевременно распознавать ненадежных партнеров, объективно оценивать ситуацию, отличая временные проблемы с ликвидностью от полной неплатежеспособности. Необходимо объективно оценивать положение дел у существующего или потенциального контрагента и принимать решение о путях дальнейшего взаимодействия с ним. Это особенно актуально при планировании долгосрочных отношений с предприятием.

В условиях рыночной экономики управление материальными и денежными средствами становиться действительно актуальной задачей. Попыток решить проблему автоматизации управления финансами компании на основе методов математического моделирования при создании ОС, прогнозирования, в том числе лингвистического с использованием причинной модели, пока немного. В отечественной литературе данное направление исследования остается малоизученным, что свидетельствует об актуальности выбранной темы.

Цель и задачи работы. Цель заключается в разработке методов синтеза систем информационного обеспечения (управления), обладающих инструмен-

тальными средствами интеллектуальной поддержки принятия управленческих решений, для обеспечения финансовой безопасности функционирования организационных систем самого различного назначения.

При достижении поставленной цели решены следующие задачи:

1. Создание классификации нештатных ситуаций, возникающих при управлении, разработка нового подхода к автоматизации учета состояния и выбор общей концепции управления состоянием организационных систем;

2. Создание модели выработки и принятия решений на основе принципа поэтапного преодоления неопределенностей;

3. Оценка риска при кризисной ситуации на основе причинной модели прогнозирования и формирование нового подхода к принятию решений при управлении организационными системами в условиях прогнозирования;

4. Анализ методов принятия решений в проблемных ситуациях при управлении организационными системами;

5. Создание модели функционирования организационной системы в нештатных ситуациях;

6. Организация инструментальных средств в виде программного комплекса реализации алгоритмов для автоматизации поддержки управления организационными системами. Внедрение результатов диссертационной работы на ведущих предприятиях Российской Федерации: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

Объект и методы исследований. Объектами исследований являются информационные системы управления организационными системами самого различного характера.

Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур.

Предмет исследования. Исследование закономерностей процесса принятия решений в организационных системах

Методы исследований. Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур.

Научная новизна работы представлена:

-созданием системы управления организационными системами, отличающейся применением системного подхода для исследования противоречий при использовании общих финансовых, информационных и временных ресурсов, что позволяет предложить определение организационной системы как совокупности противоречащих элементов, структурированных общей целью;

-системной моделью управления организационными системами отличающейся тремя уровнями абстрагирования: диагностики состояния, классическим информационным и ситуационным;

-классификацией ситуаций, отличных от штатной, учитывающей приори-

теты противоречий и пять типов ситуаций: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование;

-методом формирования признаков текущей ситуации по классам, отличающимся: применением таблиц истинности, построенных на моделях сетей Петри; расчетом ресурсов (финансовых, временных, информационных) и диалоговым общением лица, принимающего решение с базой знаний.

-методом последовательного прогнозирования с альтернативными моделями по комплексу критериев, возникающих при функционировании организационной системы в рамках общей концепции непрерывного управления ее состоянием;

-принципом поэтапного преодоления неопределенностей, который предполагает: построение имитационной модели функционирования системы с учетом воздействий окружающей среды, формирование вариантов решений и их универсума, прогноз последствий принятия решений, сравнение ценности разных вариантов решения, выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям;

-методом оценки технико-экономического риска при функционировании организационной системы в условиях кризисной ситуации;

-методом формирования инструментальных средств в виде программного обеспечения алгоритмов информационной и интеллектуальной поддержки принятия управленческих решений, отличающимся интеграцией комплексной, специализированной базы знаний в базу данных современных ЯСАОЛ-систем.

Теоретическое значение. Полученные результаты диссертационной работы на основе стратификации комбинированной структуры ситуационного и классического управления с использованием альтернативных моделей, методов и алгоритмов адаптации развивают теоретические основы автоматизации управления организационными системами, в том числе и при функционировании в штатных и нештатных ситуациях.

Практическая ценность работы. Полученные в работе результаты развивают методологию практического применения системного анализа и синтеза систем управления организационными системами, функционирующими в условиях нештатной ситуации. Разработанные инструментальные средства в виде комплекса программ конкретных систем информационного обеспечение (управления) могут быть использованы в САПР и АСУ различного уровня иерархии. Методические аспекты могут быть успешно использованы в учебном процессе при подготовке студентов широкого круга специальностей в области управления организационными системами самого широкого назначения. Основные теоретические разработки диссертации в виде предметно-ориентированных моделей, алгоритмов и программ внедрены на: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

Результаты, выносимые автором на защиту:

-метод перехода от задачи принятия управляющих решений, к задаче управления в заданном классе детерминированных решений на ситуационном уровне и представление возникающих при функционировании организационных систем ситуаций пятью типами: проблемной, кризисной, недостаток ресурсов, неопределенность, прогнозирование;

-представление задачи обеспечения безопасного функционирования организационных систем тремя уровнями абстрагирования: диагностическим, ин-

формационным и ситуационным и концепцию непрерывного управления состоянием организационной системы на диагностическом уровне;

- организация систем управления и информационного обеспечения организационными системами в пределах единой методологии и новый подход к автоматизации учета состояния организационных систем на классическом информационном уровне;

-модель поэтапного преодоления неопределенностей при реализации алгоритма выработки и принятия решений в нечеткой среде;

- причинная модель прогнозирования, позволяющая принимать обоснованные решения в кризисных ситуациях;

-методы оценки риска при функционировании организационной системы в условиях проблемной ситуации.

Апробация результатов исследования. Основные результаты исследований, выполненных по теме диссертации, были доложены на девяти Международных конференциях.

Публикации. Для представления наиболее важных результатов исследований и практических разработок из имеющихся у соискателя публикаций выбрано 9 источников, рекомендованных ВАК для публичной апробации докторских диссертаций: 1 монография, 1 учебное пособие, 9 докладов на Всесоюзных, Всероссийских и международных конференциях, 16 статей в научно-технических журналах. В работах, опубликованных в соавторстве, личное участие автора заключается в постановке проблемы и формализации задач, теоретическом обосновании исследований и непосредственном участии в создании инструментальных средств в виде алгоритмов и программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения, списка литературы из 264 источников, включает в себя 408 страниц, 22 таблицы и 75 рисунков.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цель и задачи исследования, научная новизна и практическая значимость полученных результатов, защищаемые положения, изложено содержание диссертационной работы по главам.

Глава первая. Особенности управления организационными системами.

Выполнен анализ ОС с позиций абстрагирования относительно классов ситуаций, возможных в условиях их функционирования, то есть при использовании стратегии ситуации принятия управляющих решений. Основное состояние объекта определено штатной ситуацией как динамическое состояние ОС, при котором не выделена ни одна другая ситуация, требующая вмешательства специальных алгоритмов ее перевода в штатное состояние. Управление в штатной ситуации - это взаимодействие ОС, системы управления и среды (рынка), в ходе которого происходит целенаправленное и прогнозируемое изменение поведения в рамках ее возможного функционирования. Под системой управления ресурсами в рамках некоторой ОС понимается минимальная по своим возможностям организация времени (последовательности действий) - ресурсов (финансовых средств) - информации (ВРИ), благодаря которой реализуется управ-

ление. Существенные параметры системы управления можно разделить на две группы:

-те, которые участвуют в формировании управляющих воздействий и определяют их значения, посредством которых и осуществляется управление (управляющие существенные параметры);

-те, по которым оценивается ее состояние, поведение, качество функционирования ОС (регулируемые существенные параметры).

Обобщенные существенные параметры и созданные системы управления будут зависеть от выбранной для управления из базы объекта элементарной единицы. Каждая организация ВРИ составляющая объекта, выбранная для целей управления, будет определяться своим набором существенных параметров. В этой относительности существенных параметров заключены возможности их широкого выбора и кроются значительные трудности априорного формулирования состава каждой их группы для организации требуемого управления. Поэтому для системы управления важна роль и потребность компонентов по определению значений регулируемых и управляющих параметров, а также выделению и изменению состава этих параметров (рис. 1).

Управляющих параметров и формирование управляющих воздействий

7Г

Ч:

Средства выделения н изменения состава _ _

Управляющих параметров

Регулируемых параметров

Рис. 1. Существенные параметры в структуре управления штатной ситуацией

Анализатору ситуаций отводится исключительно важная роль - определить ситуацию, отличную от штатной. Именно потеря времени на отличие ситуации от штатной резко ограничивает возможности менеджера, несмотря на своевременное поступление информации о развитии финансового кризиса.

Если ситуация отличается от штатной, то это не обязательно плохо. Возникновение задач прогнозирования - это тоже нештатная ситуация, но решение их позволяет получить дополнительную прибыль от проведения операций с ресурсами в сложившихся условиях. Ситуация с прогнозированием это максимум прибыли в желаемых состояниях ОС. Потребность в решении задачи прогнозирования возникает в случае изменения степени свободы выбора управляющих решений. Такое решение не требует немедленного исполнения. Поэтому этим задачам присвоим низший приоритет, пятый уровень приоритета в ряду остальных.

При прогнозировании язык информационно-ресурсного взаимодействия может выступать в двух вариантах: для связи с управляющими воздействиями и для связи с процессом управления посредством регулируемых параметров (рис. 2).

Средства выделения и изменения состава управляющих параметров

Стратегия и язык формирования моделей

[Модель среды системы управления} [ Модель ОС. Модель рынка |

| Модель органа управления. Модель среды органа управления ]

Средства

Выделения и изменения состава регулируемых параметров

Диалогового формирования исходных моделей и стратегий ,

I Автоматического формирования моделей I

Рис. 2. Формирование моделей в структуре управления при прогнозировании

Средства формирования моделей могут быть представлены в виде: некоторой взаимодействующей группы специальных объектов, лингвистических конструкций и языка формирования, определенного программно-аппаратного комплекса и т.д.

Существенным является не только то, что при любых реализациях в моделях всегда можно выделить аналог лингвистических конструкций, из которых она формируется, и аналог языка, осуществляющего формирование моделей, но и стратегия построения моделей, которая определяет то, что необходимо изменять, когда корректировать, к чему стремиться.

Новые данные об объекте, среде, качестве функционирования системы управления в целом и т.п. — исходный материал для стратегии построения моделей, которая является ядром комплекса, обеспечивающего формирование моделей.

Основная сложность состоит в том, что невозможно создать стратегию, способную начать работу с пустыми моделями (с пустого места). Априорно человек должен создать некую начальную модель, начальную ситуацию, с которой и начнет развиваться процесс управления. Полезность средств диалогового формирования начальных моделей и стратегий (как обучение или идентификация объекта) в структуре управления представляется очевидной (рис. 2).

Оценка функционирования ОС производится по набору качественных показателей, каждый из которых количественно характеризует либо прибыль от проведения определенных операций с ресурсами, либо затраты на их проведение с позиций достижения поставленной цели. Одновременное рассмотрение отдельных операций с ресурсами с целью повышения их прибыльности пока-

зывает наличие противоречий между ними. Чтобы избежать неопределенности цели (некорректно поставленной задачи) для формирования критерия оптимальности из комплекса противоречивых показателей требуется принятие дополнительных гипотез, несвязанных с исходной постановкой задачи.

Отнесем такую ситуацию к классу ситуаций с неопределенностью. Задачу устранения неопределенности цели решает руководство путем формирования критерия оптимальности, что является необходимым условием для синтеза оптимального управления. Задачи этой ситуации должны обладать более высоким приоритетом, чем прогнозирование. Присвоим им порядок под номером четыре.

Следующая по возрастанию приоритета (третий уровень) задача, вызванная ситуацией недостатка ресурсов, которая, в большинстве случаев, порождается погрешностью финансового уровня управления, а именно некачественным маркетингом. Это приводит к недостатку информации, времени, ресурсов, необходимых для проведения конкретной сделки. Выход из такой ситуации возможен в результате привлечения дополнительных ресурсов, займа финансов, а также создания новой или реорганизации существующей ОС. Необходимость реорганизации определяет менеджер, основываясь на количественных и качественных моделях оценки риска, хранящихся в базе знаний информационной системы. В работе предложен один из методов решения задачи реорганизации или создания новой ОС, основанный на модели построения организационной системы.

Кризисная ситуация отличается от проблемной ситуации и банкротства возможностью вернуть ОС в устойчивое финансовое состояние без привлечения дополнительных финансовых средств. Моделирование и имитация являются центральными событиями при управлении в кризисных ситуациях. В них вырабатываются наиболее подходящие управляющие воздействия, оценивается качество управления, проводится экспериментирование на моделях объекта, среды и устройства управления, принимаются превентивные меры защиты от нежелательных последствий управления (рис. 3). Можно выделить несколько особенностей, значительно влияющих на реализацию системы управления.

Во-первых, объективно обусловленное наличие нескольких параллельных процессов управления. Это касается не только одновременного функционирования различных частей системы управления, но и принципиально порождается самой ее структурой (экспериментирование с моделями, коррекция моделей, выделение и оценка существенных параметров управления и т.д.).

Во-вторых, объективное априорно заданное существование объекта управления, для которого изначально отсутствует технология управления. Созданное затем для целей управления, оно может не учитывать особенности существующей системы. В процессе управления могут корректироваться не только модели, стратегии, цели и языки, но и различные элементы системы управления.

В-третьих, массовая (общепринятая) реализация моделей и моделирования лингвистическими средствами на цифровых вычислительных машинах дискретного действия. Это может значительно расходиться с содержанием объекта управления.

В-четвертых, существенные различия сложности структур управления в отдельных подразделениях и в системе управления в целом. Более продуктивным будет принцип подобия сложности структур, когда и часть и система управления в целом в равной степени характеризуется основными функциями.

Структура управления

Стратегия и язык моделирования, языки имитации

Модель ОС. Модель рынка

Средства

Выделения и изменения состава управляющих параметров

Диалогового формирования

исходных стратегий _моделирования_

Коррекции конструкций языков имитации моделирования

Стратегия и язык формирования моделей

| Модель ОС. Модель рынка ]

[ Модель среды системы управления]

Модель органа управления. Модель среды органа управления

Средства

Выделения и изменения состава регулируемых параметров

Диалогового формирования исходных моделей и стратегий

Автоматического формирования

Рис. 3. Вариант структуры управления

Банкротство, согласно Закону - это свершившийся факт. Определение такой ситуации достаточно стандартизовано и основано на оценке деятельности ОС по одной из принятых методик. Банкротству предшествует проблемная ситуация, для каждой ОС разрабатывается план выхода из проблемной ситуации, в котором с учетом специфических условий ОС предусматриваются оперативные действия персонала по ликвидации ее последствий. Классу проблемных ситуаций присвоим высший приоритет под первым номером. Отличительной особенностью признаков проблемной ситуации является частичная потеря финансовой независимости; тем не менее, сохраняется возможность за счет собственных средств осуществить план ликвидации кризиса. Ограниченное время управления с момента возникновения кризиса, отведенное для предотвращения его развития в банкротство, требует привлечения специальных программных средств быстрого реагирования.

Переход от ситуационного анализа к классическим методам решения задач управления осуществляется на этапе работы классификатора. В отличие от ситуационного управления он не имеет выхода на коррелятор, присваивающий конкретное решение согласно текущей ситуации, а направляет задачу для продолжения синтеза управления в соответствующие классам комплексы алгоритмического обеспечения. После того, как анализатор определил нарушение штатной ситуации, задача классификатора заключается в сопоставлении текущей ситуации с одним из пяти классов: проблемная ситуация, кризисная ситуация, недостаток ресурсов, ситуация с неопределенностью, прогнозирование (рис. 4).

Внешняя среда

Менеджер

Интерфейс

Организационная система

Анализатор ситуаций

База знаний: математические модели, минилоги, фреймы, свойства замещений, ЗУБ-экспертиза. База данных

Классификатор ситуаций

Выделение ядра отношений

(Ш

Ситуации

Оу Штатная ситуация

Работа согласно инструкций

Прогнозирование

Оценка степени свободы для выбора управления

Формирование модели

и

Недостаток ресурсов

Задача создания (расширения) организационной системы

Решение менеджера

©

Кризисная ситуация

Определение причин кризисного состояния

Ликвидации кризисной ситуации

Ситуация с ^ неопределенностью

Функция полезности

Гипотезы и решения менеджера

р) Проблемная ситуация N

Активизация специальных средств У

Синтез и формирование управляющих воздействий

Рис. 4. Ситуационная модель управления ОС

Определим процедуры формирования признаков каждого класса ситуаций в модели синтеза управления ОС. Во-первых, формирование признаков кризисной ситуации осуществляется путем сравнения истинности текущей ситуации с ситуацией, заданной на данный этап развития алгоритма управления. Выявление истинности проводится с использованием логико-лингвистического подхода на основе анализа нечетких множеств.

Во-вторых, признаки предкризисной ситуации формируются путем анализа финансовых показателей на принадлежность заданной области. Кризисная ситуация дает некоторый временной запас для выполнения последовательности операций вывода ОС в безопасную зону значений финансовых показателей до наступления необратимых последствий.

В-третьих, признаки задачи недостатка ресурсов формируются путем анализа имеющихся финансовых средств с учетом накопленной информации и возможных временных ограничений. При отнесении ситуации к классу перераспределения ресурсов активизируется меню альтернативных проектов реорганизации ОС, созданных на базе экспертных оценок, по которому менеджер выбирает предпочтительный вариант. По результатам выбора вариант, хранящийся в базе знаний, количественно модифицируется под новую финансовую обстановку и переводится в базу данных для текущего исполнения.

В-четвертых, если ситуация оказалась не распознанной классификатором (в базе данных не найдены соответствующие нечеткие множества), то формируется признак ситуации с неопределенностью и задача передается на рассмотрение менеджера. С этого момента ИС предоставляет менеджеру диалоговый режим общения с базой знаний. К таким ситуациям относится неопределенность цели в многокритериальной задаче оптимизации. Менеджер осуществляет сужение множества альтернатив через совокупность функций полезности 0 = [9,(5),...,^„(5)] применением принципа Парето для систем, таких, что >- 52 (знаку лучше), если V, =1 ,...,т, и хотя бы для одного

1-го имеет место д1{81)>д:{82). Функции полезности, построенные на основе имеющейся информации, представляются менеджеру. Менеджер постулирует дополнительные гипотезы для устранения неопределенности цели, или принимается решение о снятии задачи прогнозирования. Он разрешает возникшие противоречия на параметрическом уровне, основываясь на представлении состояния объекта точкой в многомерном пространстве нормированных притязаний, после чего дается команда на внесение коррекции в штатные задачи управления.

В-пятых, если классификатор определил, что задача прогнозирования уже решается или задача направлена на выполнение командой менеджера, то формируются признаки ситуации прогнозирования для инициирования комплекса прикладных программ. Задачи прогнозирования являются равноправными участниками экстремальных ситуаций, их решение позволяет улучшить (в отличие от остальных экстремальных ситуаций, где требуется вернуть) состояние ОС по отношению к штатной ситуации.

Глава вторая. Модели принятия решений при создании организационных систем. Опираясь на осмысление закономерностей реального формирования ОС и с учетом традиционных этапов разработки больших систем можно предложить следующие технологические этапы создания ОФС (рис. 5) для наиболее сложного вида проблем (непрограммируемых проблем).

Рис. 5. Технология создания (реорганизации) ОС

Постановка проблемы. В работе рассматриваются проблемы, допускающие траекторное описание. Подобная проблема характеризуется некоторым постоянным набором показателей (Р1,Р2,...,Рк), называемых результирующими показателями, объективно отражающими состояние проблемы в любой момент времени т. Геометрически каждому такому набору соответствует точка в пространстве показателей, а совокупность точек при значениях х образует траекторию

Траекторное описание позволяет формализовать постановки многих социально-экономических проблем, где требуется перевести некоторый объект исследования (ОС) из одного состояния в другое или изменить неблагоприятную динамику его состояния. Увеличить его доходность или снизить издержки. Такие проблемы можно представить в виде кортежа П = {01 ,Р,Р° ,Р*), где П - проблема; 01 - объект исследования, организационная система или организационно-финансовая система как частный случай ОС; Р - результирующий показатель, характеризующий его состояние; Р°, Р * - исходное и желаемое состояние ОС. Проблемы могут быть выражены не одним, а несколькими результирующими показателями (Р^Рг,...,Рк). Математическая постановка таких проблем (П) имеет вид

п=\Р"-Р*\,

где Р° =(Р1",Р^...,Р^) - исходное состояние объекта исследования; р* = (Р1*,Р2*,...,Р1*) -его желаемое состояние.

Решить проблему - значит ликвидировать расхождение между желаемым Р *

и фактическим Р° состоянием ОС. Это значит сократить «расстояние» между векторами Р* и Р" до нуля, добиться выполнения равенства Р°=Р*. Достичь этого можно лишь при условии, что состояние объекта зависит от управляемых факторов. Причинно-следственная связь между его состоянием Р и факторами, влияющими на это состояние, может быть представлена в виде модели ОС Р=(р(х,у), где Р = (Р],Р2,...,Р1) - вектор состояния ОС; х = (х1,х2,...,х11) - вектор неуправляемых факторов; У = (У\,У2,---,У„) - вектор управляемых факторов, или вектор управления; Ф - функция, оператор, алгоритм, правило, высказывание на любом языке, выражающая причинно-следственную связь между Р и х, у.

Чтобы объект исследования мог достичь желаемого состояния Р *, необходимо найти и реализовать некоторое управляющее воздействие (управление) у*, выбранное из области допустимых управлений Ф и обеспечивающее достижение цели (решение проблемы). Важно, чтобы управляемые факторы у(1 = 1,т) являлись фактически управляемыми у = (у,,у2,-,уг)в рамках существующих ОС. Это обстоятельство является одним из главных, учитываемых при создании новой ОС. Она должна охватывать как можно больше управляемых факторов, включая те, которые до внедрения ОС были потенциально управляемымим = (щ,и2,...,иг). Модель объекта исследования будем представлять в виде функции Р = .

Исследование проблемы. Исследование проблемы с использованием модели заключается в построении аналитической или имитационной (машинной) модели объекта исследования и проведении с нею экспериментов с целью анализа путей ее решения. Построение аналитической модели включает сбор и анализ проблемных данных, выбор структуры модели и ее идентификацию. На основе проведения экспериментов с моделью производится объективная количественная оценка значимости факторов, влияющих на решение проблемы, и сделан вывод о целесообразности проведения дальнейших исследований.

Определение границ (состава) проблемного объекта. Проблемный объект -это множество ОС, деятельность каждой из которых влияет или может повлиять на проблемную ситуацию. Такое влияние может быть положительным или отрицательным. Важно, чтобы оно было заметным. Следует различать три типа связей между деятельностью ОС и конечным результатом: технологическую, функциональную и функционально-технологическую.

Технологическая связь имеет место, если ОС непосредственно участвует в выполнении одной или нескольких технологических операций с финансами с целью получения конечной прибыли. Эта связь отражается в технологической документации на проведения финансовых операций. Определить функциональную связь значительно сложнее. Чтобы обнаружить функциональную связь между снижением издержек на работу кредитной организации и повышением ее прибыльности, необходимо провести специальные исследования или воспользоваться имеющимися знаниями по данному вопросу. Функционально-технологическая связь представляет собой сочетание (комбинацию) этих типов связей.

Указанные типы связей лежат в основе определения состава проблемного объекта, выбираемых в зависимости от характера решаемых проблем. Для

программируемых проблем определяющими являются технологические связи, для непрограммируемых проблем - функциональные и функционально-технологические. Для класса непрограммируемых проблем могут использоваться три метода определения состава проблемного объекта: программно-целевой, «факторы - деятельность», экспертный.

Обследование проблемного объекта. При обследовании проблемного объекта выясняются недостатки в существующих отношениях между ОС относительно решаемой проблемы. Если требуется изменить эти отношения, то разрабатывается соответствующий комплекс мероприятий и решается вопрос о целесообразности создания новой ОС. Для каждой ОС, входящей в состав проблемного объекта, определяется: виды проблемно-обусловливающей деятельности и как она выполняется; являются ли виды деятельности планируемыми и контролируемыми; можно ли их контролировать и регулировать и что нужно сделать для этого; требуется ли изменить характер этой деятельности, и как это лучше сделать. В любом случае этап завершается разработкой программы мероприятий по решению проблемы, реализация которой должна окупать затраты на выполнение исследования.

Выбор критерия эффективности ОС. Критерий должен отражать ожидаемое изменение проблемной ситуации, вызываемое внедрением системы, и затраты ресурсов на ее создание и эксплуатацию. Критерий эффективности © необходимо выразить в виде функции / от ожидаемого изменения результата АР, вызываемого внедрением системы, и затрат на ее создание и эксплуатацию е. 0 = /(АР, 2). Например, критерий эффективности ОС может иметь следующий вид:

где Р" - значение результирующего показателя до внедрения системы; Р* -ожидаемое значение результирующего показателя после внедрения системы; С - текущие затраты на эксплуатацию системы; К - капитальные вложения на создание системы; Ен - нормативный коэффициент эффективности капитальных вложений. Цель создания ОФС — получить наибольший результат (социальный, экономический) при выделенных средствах на создание и внедрение системы.

Выбор границ (состава) объекта управления. Нами предлагаются методы, исходящие не из сложившейся системы связей, а из требования построения высокоэффективной системы. Пусть А является множеством ОС, образующих проблемный объект Л = {0 : /' = 1, А'}, где О, - ОС с порядковым номером

' (¡' = 1,Л0.

В качестве объекта управления выбирается одно из подмножеств множества А, удовлетворяющее двум противоречивым условиям. С одной стороны, объект управления должен по возможности охватывать как можно больше ОС, влияющих на решение проблемы. С другой - должны учитываться ресурсные и прочие ограничения на создание новой ОС, которые не позволяют включить в состав объекта управления большое число существующих ОС. Для выбора состава объекта управления предлагается использовать оптимизационный метод.

Оптимизационный метод применим при наличии аналитической или ими-

тационной модели системы. Пусть имеется его аналитическая модель в виде функции Р =у(х,у,й), где х = (хп i = \,п) - неуправляемые факторы; y = {yr j = \,m) - фактически управляемые факторы; й = (ик,к = 1,х) - потенциально управляемые факторы. Обозначим Q область возможных управлений, реализуемых существующей ОС. Потенциально управляемые факторы ut,(k = 1,х) рассматриваются как нерегулируемые и управление осуществляется только за счет фактически управляемых факторов уj (j = l,m), каждый из которых имеет свой диапазон изменения у< yt < у""".

Значения неуправляемых факторов x,(i = l,n) можно только прогнозировать. К началу этапа выбора границ объекта управления известно, что рассматриваемая проблема не может быть решена существующей ОС и область П" не содержит решения х*,у*,й*, достигающего цели Р = Р*.

Обозначим Q* область возможных управлений, реализуемых с учетом создания новой ОС. Потенциально управляемые факторы ик будем рассматривать

как управляемые с определенным диапазоном изменения и™" <ик< икт, устанавливаемым проблемными экспертами на основе анализа объективных данных. Очевидно, что П°<П*. Создание и внедрение новой ОС позволит расширить исходную область возможных управлений С2° за счет перевода потенциально управляемых факторов в фактически управляемые с определенным диапазоном их изменения, зависящим от количества средств, выделяемых на создание системы. Пусть Ск - величина затрат, необходимых для расширения диапазона изменения фактора ик на единицу. Введем дополнительные неотрицательные переменные Ек,{к = 1,х), задающие диапазоны изменения каждого потенциально управляемого фактора при создании новой ОС. Тогда объем затрат, необходимых для обеспечения перевода потенциально управляемых факторов в фактически управляемые с диапазоном изменения Ек равен

L = ^CkEk • Выбор состава объекта управления производится в результате рек

шения оптимизационной задачи следующего вида: L = ^CkEk- min,

к

Р* = ц>(х,у,й), (х,у,й) £ Q* .

Используя известные методы оптимизации, находим оптимальные значения х,. У,. ик. , обеспечивающие решение задачи. Определяя для ненулевых значений Ек соответствующие им ОС из проблемного объекта, находим оптимальный состав объекта управления.

Проведение обследования объекта управления и остальные этапы разработки ОС. Основное внимание при обследовании объекта управления должно уделяться вопросам определения новой системы показателей, отражающей ранее не планируемые виды проблемно-обусловливающей деятельности. Для этого за основу берутся потенциально управляемые факторы и для них разрабатываются соответствующие оценочные показатели.

Предлагаемый вариант организационной структуры системы управления

показан на рис. 6:

- проблемная комиссия - коллегиальный орган управления, состоящий из руководителей (или специалистов) организаций, входящих в состав объекта управления. Собирается для обсуждения и утверждения планов выполнения производственной деятельности. Председатель комиссии отвечает за решение проблемы, утверждает планы деятельности и принимает стратегические решения;

- орган контроля - постоянно действующее подразделение системы управления, осуществляющее контроль за выполнением планов;

- органы планирования и оперативного управления подготавливают проекты планов и текущих распоряжений для утверждения и доводят их до сведения исполнителей. При планирующем органе может быть создан проблемный совет, включающий проблемных экспертов и экономистов;

- информационно-вычислительная система служит для обеспечения структурных подразделений системы управления необходимой информацией.

На этапах технического и рабочего проектирования основное внимание должно уделяться вопросам информационного, организационного и правового обеспечения создаваемой системы. Информационное обеспечение включает текущие и ретроспективные проблемные данные, нормативы и другие материалы, необходимые для оптимального управления объектами, входящими в состав объекта управления. Организационное обеспечение - это документы, регламентирующие структуру системы, штатное расписание и должностные инструкции для аппарата управления и персонала ОС. Правовое обеспечение должно включать документы, регламентирующие правовой статус ОС. Необходимо разрабатывать соответствующее техническое, математическое, программное и лингвистическое обеспечение.

На стадии внедрения ОС основное внимание должно уделяться вопросам организации поэтапного проведения опытной эксплуатации и ввода системы в промышленную эксплуатацию, так как при межотраслевом характере систем не всегда возможно обеспечить согласованный ввод в эксплуатацию подсистем.

Глава третья. Принятие решений на основе прогнозирования. В первом приближении модель организационной системы (ОС) можно представить в виде «черного ящика», на вход которого подаются некоторые входные факто-

Рис. 6. Вариант организационной структуры системы управления

ры (у,,у2,...,у^) (управляемые и неуправляемые), а на выходе поддаются результаты (р„р2<, определяемые внутренним устройством «ящика», скрытым от наблюдателя. Необходимо сделать содержательные прогнозы.

Пусть похожие входные ситуации приводят к похожим выходным реакциям системы. Для каждой новой ситуации достаточно найти в таблице данных одну или несколько самых близких, похожих на нее ситуаций и принимать решения (прогнозировать выход), опираясь на эти прецеденты. Этого обычно оказывается достаточно для получения практически приемлемых решений для прогноза и управления в каждом конкретном случае. Известна область изменения вектора входных факторов V , т.е. V е Л'.; элементы V , по крайней мере, измеряемы и контролируемы; известна область изменения вектора е неконтролируемых воздействий; е не зависит от V; среднее значение е равно нулю; вероятностные характеристики е неизвестны; значения е в различных опытах независимы друг от друга; математическая модель объекта задается соотношением р = /?(у) + е , но вид функции Л(5) неизвестен.

Эти предпосылки определяют объем - весьма незначительный - априорной информации об ОС. Следующие две отражают достаточные условия гипотезы монотонности пространства решений:

- отношение составляющей выхода модели, обусловленное действием входных факторов, к шумовой (случайной) компоненте намного превышает единицу;

- функция Л(у) является дифференцируемой (гладкой) во всех точках области , тогда для любых V* б 5У и § > 0 найдется подобласть 5 с такая, что при V* е 5*, V е 5* справедливо неравенство

Щг)

сЯ

(у-У') < 8 .

Отсюда область может быть разбита на конечное число не Перекрыла

вающихся подобластей е , , таких, что в каждой из этих подобластей

к

систематическая составляющая модели Л(у) может бьпъ с заранее заданной точностью 5 аппроксимирована линейной формой, в частности, при скалярном р:

м

где с0 = /?(?*), ст = (с,,с2,...,с„) - постоянные коэффициенты, для нахождения оценок которых достаточно л + 1 уравнений (всего таких коэффициентов п +1) вида

с0+сту,=р, / = 1,2,..., и +1, где V, , р1 - пары наблюдений, относящиеся к /-му наблюдению (по сути, это обоснование метода « М ближайших узлов»).

Для прогнозирования выхода исследуемого объекта в области 5„ с помощью линейной аппроксимации и с некоторой гарантированной точностью достаточно иметь таблицу опытных данных конечного размера, но относящуюся не менее

чем к Л^ (л +1) наблюдениям. «Истинная» зависимость между V и р неизвестна. Ее непосредственное восстановление не является задачей построения модели.

Построение модели проводится в два этапа в условиях пассивных или активных наблюдений. Предположим, что имеют место пассивные наблюдения, когда значения входа V, только фиксируются, но не определяются исследователем. На первом этапе производится измерение и ввод в базу данных модели N пар значений входных и выходных данных V, и р, (см. рис. 7).

р р Л Ръ Р Др ~р 1 Р.ч Рн

V У2 V, V V *1 V V

Рис. 7. Пояснение идеи метода алгоритмической аппроксимации

На втором этапе наблюдений, объем которых может быть заранее не определен, для каждой вновь вводимой величины х ищется в базе данных несколько М ближайших значений, по которым строится локальная аппроксимирующая зависимость простого вида, например, линейная или квадратичная (для линейной модели минимальное значение М = 2).

По данной аппроксимации определяется выход модели (р на рис. 7), который сравнивается с соответствующим измеренным значением р. Если модуль разности Др = |р-р| оказывается меньше некоторой априори заданной величины с1 > О, то опыт считается «удачным» и точка (у,Р) отбрасывается. В противном случае можно либо увеличить степень аппроксимирующего полинома и повторить проверку неравенства \р~р\ > ^, либо сразу признать опыт «неудачным» и предъявленную точку добавить в базу данных. Если точка V совпадает с какой-либо из имеющихся V,, аппроксимация не производится, а в базе данных модели сразу производится модификация заменой р, на (р + р,)/2. Второй этап идентификации заканчивается, например, в случае, если ¿У0 подряд предъявленных пар наблюдений (значение оговаривается заранее) приводят к удачным опытам.

Описанная процедура может быть представлена рис. 8, при этом блок «Набор решающих правил» на этапе построения модели осуществляет поиск точек, ближайших к вновь предъявленной.

При использовании модели для целей прогноза предполагается, что база данных модели полностью сформирована и значение р рассчитывается по введенному V с использованием метода « М ближайших узлов» и выбранной формулы аппроксимации.

Достоинства предложенного метода моделирования: минимальный объем априорной информации об объекте исследования; возможность оценивать состояние сложных нелинейных систем; простота алгоритма вычислений, позволяющая его реализацию в виде функционально законченного микропроцессорного модуля.

Рис. 8. Иллюстрация процедуры построения алгоритмической модели

Подход к моделированию допускает обобщение на многомерные статические и динамические объекты, а также на случайные процессы. Предположим, что исследуемая ОС как статический объект имеет п входов (иначе - векторный вход х) и один выход у и имеет «истинное» описание у = г](*) + £, где г](х) - функция неизвестного вида, 6 - случайная аддитивная помеха (отражающая действие неучитываемых факторов) с нулевым средним значением и произвольным (неизвестным) распределением на (-£„,,О. Предположим, что на объекте может быть реализовано наблюдение, заключающееся в регистрации N2 пар значений (х,,у,), / = 1,2,..., А^ , векторы х, измеряются без ошибок; значение Лг, при необходимости допускает модификацию. Возможна следующая алгоритмическая модель аппроксимации.

Во-первых, осуществляется нормирование значений входных факторов, которое приводит область факторного пространства к единичному гиперкубу, т. е. 0 < х:]н < 1. В дальнейшем будем предполагать факторы нормированными, опуская для простоты записей индекс «н».

Во-вторых, из А' > я +1 (Л' < Л^) произвольных значений (х,у,) составляется начальная база модели, отображаемая матрицей ¿^х<„4|) со строками вида

В-третьих, для каждой новой экспериментальной точки (х,у) вначале, в соответствии с (1), производится нормирование элементов х и (для нормированных значений) формируется вектор расстояний, например, евклидовых:

Если точка х совпадает с какой-либо х1 из имеющихся в базе данных, то матрица 0 модифицируется заменой у, на (у, + у) 12 ; переход к началу п. 3 с

вводом новой экспериментальной точки. В-четвертых, создается матрица:

Я, 5>Т У,

Л, У-

Кы Уи

В-пятых, осуществляется сортировка строк данной матрицы £> таким образом, чтобы элементы 1-го столбца располагались в порядке возрастания Й>=80П(/3).

В-шестых, М первых (верхних) строк матрицы № используются для формирования матрицы Р и вектора у :

Ут~

1 -т

1 (2> Ут

> У =

Л»>_

1

В-седьмых, рассчитывается прогноз модели с использованием линейной регрессии.

В-восьмых, проверяется неравенство \у~у\ > <1.

При выполнении неравенства база данных модели пополняется путем расширения матрицы и (добавлением строки (хТ,у^). В противном случае матрица 0 остается без изменений.

В-девятых, проверяется правило останова. В данном варианте алгоритма построение модели считается законченным, если в соответствии с п. 3 «перебраны» точки всех наблюдений N} (без учета значений начальной базы данных).

Если не все точки наблюдений использованы, то переход к п. 3, в противном случае - останов.

При реализации алгоритма параметры М и о! считаются априори заданными.

При использовании модели заданными считаются матрица и (на этапе использования модели она не изменяется), отмеченные параметры М и с1, и расчет у производится в соответствии с п. п. 3-7 приведенного алгоритма.

Как видно из описания алгоритма для построения алгоритмической модели аппроксимации многофакторной статической системы, данный алгоритм практически соответствует для одномерного случая.

Несмотря на определенную меру схожести с известными методами рассмотренная модель отличается от них и, в общем, не является их каким-либо симбиозом. В действительно сложных ситуациях неизвестная характеристика ОС, если использовать классический регрессионный анализ, может привести к необходимости подбора коэффициентов полинома высокой степени, при этом основной окажется именно проблема вычислений. В предложенном же подходе данная проблема не возникает и единственное, что может потребоваться, -это увеличение, при необходимости, объема обучающей выборки.

Глава четвертая. Модели принятия решений при наличии неопределенности. В основу настоящей работы был положен принцип поэтапного пре-

одоления неопределенностей (рис. 9), с которыми сталкиваются участники выработки и принятия решений.

Рис. 9. Принцип поэтапного преодоления неопределенностей

Здесь же могут использоваться рекомендации по возможным математическим методам поддержки, а главное - формулирование задач, целесообразных для решения на том или ином этапе. Использование методов имитационного моделирования определяется спецификой технологии и классом решаемых задач. При исследовании конкретной предметной области они выступают как инструмент для совместного (эксперт и ПЭВМ) решения задач.

Основы построения модели производства без глубокой переработки сырья предполагают выпуск продукции с заданными свойствами из однотипных компонентов. Моделирование выпуска можно производить на основе моделей отдельных операций распределения потоков, в результате которых происходит изменение количественных и качественных параметров потоков. Совокупность операций определяет распределение материальных потоков при производстве продукции, а синтез моделей отдельных операций позволяет получить общую модель.

Отдельная операция предполагает наличие склада 1 с некоторым исходным компонентом, склада 2 с готовой продукцией (конечной или промежуточной) и комплекса оборудования для приготовления готовой продукции.

Пусть £>, 2 - переход денежных средств в единицу времени со склада 1 на склад 2, связанный со стоимостью исходного компонента расходуемого в производстве. Можно записать следующие соотношения для изменения денежных средств на складе 1 и 2, связанного со стоимостью расходуемого исходного компонента: (т + Дт) = (т) - Ь12Дт, с?2 (т + Дт) = (12 (т) + Ь12 Дт.

После простых преобразований получим

б?, (т + Дт) = с/, (т)[1 - £), 2Дт / (т)], сГ2(т + Дт) = (т) + ¿(т)Щ 2 Дт/ (т)], или в виде цепи Маркова

с1х(х + Дт) = (т)ри, с/2(т +Дт) = ¿/2(т) + с/1(т)р12, (1)

где ри и Р| 2 - вероятности денежных средств остаться на складе 1 и перейти на склад 2 соответственно

А,1=1-Л,2ДтЧ(т)> Р\,г = 012Ах/£^(т). (2)

В матричной форме выражение (1) имеет следующий вид

¿Дт + Дт) = ^т) + Х4(т)р,,(т), (3)

м

где р1: - элементы матрицы переходных вероятностей Р, которые согласно (2) не остаются постоянными во времени (неоднородная Марковская цепь)

Р=Га.1 />1.2 [о 1

Логичным развитием модели (3) является переход к большему числу компонентов готовой продукции. Пусть число компонентов продукции п, тогда общее число состояний цепи Маркова (3) будет равно / = 2п. Состояния от п +1 до / будут принадлежать непосредственно стоимости готовой продукции. Такой подход хотя и приводит к значительному увеличению размерности матрица переходных вероятностей, но позволяет значительно упростить расчет стоимости готовой продукции. В общем виде выражение (3), называемое основным рекуррентным соотношением цепей Маркова, примет вид

¿,(т + Дт) = Х4(т)р,,(т), ¿,(0) = </о, / = 1,2,...,/, (4)

№

Особенности производства продукции, ее состав и последовательность операций задаются матрицей переходных вероятностей.

Если принять линейной зависимость стоимости готовой продукции от ее массового состава и,, то стоимость готовой продукции и ее процентный состав на момент времени т

т (т + Дт) = £т,.(т + Дт), (5)

м,(х + Дт) = + Дт)//лс(т + Дт), / = я +1,...,/. (6)

Соотношение (5) позволяет оценивать изменение во времени суммарной стоимости готовой продукции на каждый момент времени.

Шаг по времени Дт должен выбираться с учетом того, что выражение (4) есть ни что иное, как матричная форма записи уравнения денежного баланса для разностной схемы первого порядка точности. Вероятность остаться в любом состоянии не должна превышать 0.95 - 0.98.

Рассмотрим случай, когда из двух компонентов формируются два типа продукции и при формировании второй продукции частично используется первая (см. рис. 10). Два исходных компонента (т = 2) могут находиться в трех состояниях: исходном, в первой продукции, во второй продукции. Тогда

общее число состояний равно будет иметь следующий вид

I = Зп = 6 . Матрица переходных вероятностей

А.1 0 А.з 0 Д ,5 0

0 Рг.г 0 Л. 4 0 Л.6

0 0 Р\з 0 Л.5 0

0 0 0 Ам 0 Л.6

0 0 0 0 1 0

0 0 0 0 0 1

Р\,1 =1~Р|,з ~Р|.5> = °иДт/^т), р13 = £»15Дт/аГ,(т), Р2.2=1-Р2л~Р2.б> А,4=4.4Дт/</2(т), р26 = Д6Дт/с12(х),

Й.З=1-РЗ,5> Рз,5 = ДзА-чЧСО' А.4=1-Р4,6. />4.6=Д.6Дт/Ч(т)-

Рис. 10. Схема формирования двух типов продукции из двух компонентов

По условиям задачи потоки D3 S и Ц, Л должны быть равны, поскольку состояния d3 и dA образуют первую продукцию, которая используется для приготовления второй. Для каждой продукции будем иметь следующие текущие показатели

2п I

с/'°(х + Дх) = 2Х(т + Дт), </<2)(х + Дх) = £4(т + Дт),

i=n+l i=2n+l

и'"(X + Дх) = d,(x + Дх)/^"(х + Дх), i = n +1,...,2п , d™(х+ Дх) = dt (х + Дх)/d(c2> (х ■+ Дх), / = 2п +1,..., /.

а;|,(х+дх)= ¿^««"(х+дх), Д;2>(х+дх)= ¿¿я.и<2)(т+дх), s = 1,2,...,а:.

л+1 (_2«+1

Данный пример показывает возможность в рамках предлагаемого подхода моделировать самые различные схемы производства готовой продукции при сохранении единого алгоритма расчета (уравнения (4), (5), (6)).

Согласно самой логике производства к-ой продукции денежные потоки £>,; должны быть связаны между собой в соответствии с ее рецептурой к/". Если исходить из того, что по условиям производства задана производительность по каждой продукции в денежной форме D(t>, то для получения одной продукции £)« > _ ,7 »>/)"■> _ Общий объем выпускаемой продукции в единицу времени (в денежном выражении) ° = X /У .

к

Оценим влияние характеристик денежных потоков для отдельных компонентов на процент использования сырья при производстве конечной продукции, состоящей из четырех компонентов. Принимается, что каждый компонент используется не полностью, т. е. имеются отходы (см. таблицу).

Компонент, _ . _ . Плотность, Процент

Доля (объемная) , ,

номер кг/мЗ использования

первый 0,08 755 92,5

второй 0,15 655 78,9

третий 0,74 783 96,0

четвертый 0,03 727 81,9

Стохастическая модель производства продукции из четырех компонентов будет иметь следующий вид.

rf,(x + Ax) = td,(x)Pyj(x), di(0) = d0, / = 1,2,...,/,

г-1

Л. I

Л.2

Рз.з

р =

Р 4.4

Р|.5

Р 2.6

Я3.7

Л.»

А.1=1-Р|.5- />1.5=Л.5Дт/4№> Л.2=1-Р2,6. />2.6 = Аи^-ЧМ'

Л,3=1-Рз,7. Рз.7 = ¿>3,7ДХ/|^3(Х). Р4,4=1-Л.8. = По условиям нашей задачи (компонента четыре, продукция одна) / = 8.

Оценка использования сырья для производства продукции в целом проводится по следующей формуле

Цпи,

ля„„ =-

^ДТ;)

где р, - плотность компонентов (см. таблицу).

В условиях производства процент использования отдельных компонентов из-за изменения их качества не остается постоянным. Колебания процента использования основного по содержанию в продукции компонента могут достигать 30 %. Для учета этого явления было предложено следующее уравнение //Я7(т^) = ЯЩ1 51п(а)и)|, при написании которого принято во внимание, что изменения процента использования основного компонента происходят по периодическому закону с частотой со. Здесь значение ПИ1 берется по таблице, а разброс процента использования основного компонента является параметром модели ЪПИ1.

Предположим, что денежный поток (в нашем случае их четыре) можно также описать двумя уравнениями. Первое уравнение отражает периодичность изменения непосредственно денежного потока: £>Дту) = <£>,)[1-50 5т(ю'и)], где

Д(ту) - денежный поток /-го компонента (' = 4) в период времени т, (/ = 1,2,{£)) — среднее значение денежного потока (-го компонента; 50 - разброс денежного потока /-го компонента 80 = (О"'" - О"""); со - частота

изменения денежного потока.

Второе уравнение учитывает тот факт, что денежный поток остается постоянным в течение некоторого времени (шага по времени), которое также изменяется согласно периодического закона Дту = Дх[1 - 5Д, ят(ш * *п)], где 5Д, - разброс шага по времени, в течение которого производительность остается постоянной; Ах среднее значение шага по времени; <о* * — частота изменения шага по времени.

Использование в модели денежного потока двух периодических законов позволяет наиболее точно воспроизвести его изменение во времени. Периодичность изменения денежного потока по амплитуде вытекает из особенностей производства в целом, а периодичность его колебания во времени являет-

ся следствием непосредственной переработки данного компонента, т.е. периодичностью работы оборудования по переработки данного компонента. С целью упрощения задачи можно принять, что частота изменения денежного потока <м* и частота изменения шага по времени ю** совпадают.

Исходными данными для моделирования производства будут 8яи?, со,

(Д), 80/, 8Дт, со*, объем производства в денежном выражении о и среднее значение шага по времени Дт. Зная массовый состав и, смеси (см. таблицу) можно рассчитать общее число шагов по времени N = £>/ / ; (Д )Дт.

Поскольку исходная стохастическая модель производства является линейной, то выбор объема производства М , среднего значения шага по времени Дт и суммарного денежного потока для четырех компонентов не оказывает влияния на получаемый результат. Важно чтобы их значения были реалистичными, близкими к практике и получаемое число шагов по времени было достаточным для графического отображения результатов расчета, т. е. чтобы N получалось не менее 10000.При £> = 1.0, (£>> = 0.001, Дт = 0.1 такой результат может быть достигнут.

Выбор значений 8ЯИ?, 80., 5Дт соответствующих отклонений также требует реалистичного подхода. Разброс процента использования оказывает влияние только на разброс использования сырья в целом; он был принят равным 8ди7 =0Д ■ Разброс денежного потока 80. практически не оказывает влияния на результаты расчетов, если его величина остается в разумных пределах ±5% 80. = 0,1. Наибольшее влияние на результаты расчетов оказывает разброс шага по времени, который первоначально также был принят равным 5Д1 = 0,1.

Сами по себе частоты ю и со* не оказывают влияние на характер использования сырья в целом во времени. Важно их отношение К = со/со*. При К , близком к единице, получаем хорошо воспроизводимую кривую изменения процента использования сырья во времени, как показано на рисунке (см. рис. 11). На графике по оси абсцисс отложены значения процента использования сырья, а по оси ординат время по моде, кратной я.

912 о 0.5 I Г< 2 2.5 т,к1(„,.п.п) 92 3 0 0.5 1 1.5 2 2 5 тсДши.*)

в г

Рис. 11. Изменение процента использования сырья во времени, по моде л:

а - К = 2; б- К = 80; в - К = 1200; г - £ = 8000

При изменении параметра К характер графика претерпевает существенные изменения. При его малых значениях имеем замкнутую кривую, которая говорит о периодическом изменении процента использования сырья во времени. Такая периодичность позволяет нам прекратить производство в том случае, когда процент использования сырья максимален. Это графики 11, а и б. Прекратить производство можно в любой момент времени с учетом периодичности процесса. Для первого случая (рис. 11, я) это две крайние точки, соответствующие среднему значению процента использования сырья. В центре кривой с равной вероятностью можем получить как его максимальное, так и минимальное значение.

Для второго случая (рис. 11,6) это, наоборот, центральные точки или две других, соответствующих максимуму процента использования сырья.

Практический вывод при малых значениях параметра К : возможно, простое управление производством и неопределенности не существует.

При существенном увеличении параметра ситуация изменяется коренным образом. Изменение процента использования сырья становится плохо предсказуемым (рис. 11, в и г). При таких значениях параметра можно говорить только о некоторой вероятности получения того или иного значения процента использования сырья, имеет место неопределенность в чистом виде.

Для дальнейшего анализа такой ситуации был построен псевдофазовый портрет как зависимость У„ от Хп (см. рис. 12)

У ПИпр(^)-ПИпр(^) х ПИ„р(х„)-(ПИ„р) (пи„р> ' " (ПИ„р) где (ПИпр) - среднее по времени значение процента использования сырья.

При построении псевдофазового портрета использовались относительные значения процента использования сырья. Он отражает зависимость нового значения процента использования сырья от его значения в предыдущий момент времени и является наглядной характеристикой поведения любой динамической системы.

При малых отношениях частот (рис. 12, а) имеют место воспроизводимые и прогнозируемые периодические колебания процента использования сырья. С ростом отношения частот наблюдается последовательное удвоение периода колебаний (рис. 12, б), которые также остаются прогнозируемыми. Многократное удвоение периода в конечном итоге приводит к хаотическим колебаниям (рис. 12, в и г), при которых прогнозирование невозможно.

Необходимо установить, когда именно наступят непрогнозируемые колебания процента использования сырья. Для этого нужен некоторый численный критерий. Таким критерием может быть фрактальная размерность псевдофазового портрета производства как характеристики динамической системы.

Для фазового портрета рис. 12, а значение фрактальной размерности равно единице = 1. Так и должно быть, поскольку фазовый портрет представляет собой замкнутую кривую и о хаотических колебаниях речь идти не может. Для следующих трех фазовых портретов (рис. 12, б, в, г) фрактальная размерность возрастает (= 1,38, с/3 = 1,77, с/4 = 1,92) и стремится к максимально возможному в рассматриваемой задаче значению, равному двум. Именно при с1г=2 точки на фазовом портрете должны покрывать его полностью. В этом случае имеют место именно хаотические (непредсказуемые) колебания.

в г

Рис. 12. Псевдофазовый портрет процента использования сырья:

а - К = 2; б— К = 80; в — К = 1200 \ г — К - 8000

Итогом следует считать создание динамической модели прогнозирования процента использования сырья при производстве продукции из четырех компонентов.

Модель учитывает возможность отклонения от заданного значения процента использования компонентов в производстве конечного продукта. Она также учитывает неравномерность работы денежных потоков между складом сырья и складом готовой продукции. Колебания процента использования отдельных компонентов и неравномерность денежных потоков могут привести к возникновению колебаний процента использования сырья в конечной продукции. При определенных условиях могут возникнуть хаотические (непредсказуемые) колебания. С точки зрения управления возникновение хаотических колебаний недопустимо. Необходимо изменить технологические параметры работы производства так, чтобы было возможно контролировать процент использования сырья.

Глава пятая. Причинные модели принятии решений в кризисных ситуациях. Изучение цикла материальных и денежных потоков внутри предприятия показывает, что часто целесообразный путь сокращения издержек оборотного капитала состоит в уменьшении неоправданной дебиторской задолженности, то есть ужесточении контроля кредитной политики на основе прогнозирования.

Можно предложить следующую тактику прогнозирования финансового состояния ОС, основанную на совместном использовании идей исчисления предикатов и теории нечетких множеств. Необходимо различать состояния, ситуации и события.

Под состоянием {сое} или группой состояний {соск, к = 1,2,...} понимается некоторый систематически наблюдаемый финансовый показатель. Ситуации {сит,.} определяются как реализованные или ожидаемые предыстории состояний за некоторый временной промежуток. Под событием {соб} или группой

событий {соб,, / = 1,2,...} понимается совокупность воздействий, оказываемых на финансовое состояние компании (извне или изнутри). В качестве состояний, ситуаций и событий могут рассматриваться величины, переменные, включая лингвистические переменные или выражения (рис. 13).

Рис. 13. Этапы обработки сведений при прогнозировании на основе причинной модели

В практике управления имеем конкретное исполняемое событие или их группу, вне зависимости от того, сколь бы значительными были неопределенности (нечеткости) и многозначности (размытости) в состояниях и ситуациях. Пусть имеются: множество или группа состояний {сое}, ожидаемых при прогнозировании; совокупность оцениваемых ситуаций (сит); ожидаемый прогноз {пр} и, наконец, совокупность событий {соб}. Тогда факт получения (выполнении) конкретного прогноза и события можно описать некоторой языковой конструкцией -Текст!, которая объединяет их в некую организационно-коммуникативную структуру и позволяет определить реальные {пр}* и {соб}*:

Текст({сос}, {сит}, {пр},{соб},{пр} *, {соб} *). (7)

Вид и структура (7) зависят от принятых минимальных синтаксически различных, но эквивалентных по смыслу текстовых единиц. Ввиду семантической недостаточности глаголов при прогнозировании крайне сложно обойтись только простыми предложениями ПСД (подлежащее - сказуемое - дополнение), поскольку принятие решений при управлении характеризуется наличием многих предикативных единиц, образующих единую подчинительную цепь со значительной глубиной синтаксической перспективы. Задачам прогнозирования соответствует именно многочастное сложноподчиненное предложение с двумя-тремя типами синтаксической связи (последовательного подчинения, однородного или неоднородного соподчинения). С позиций структурной минимизации можно начать отбор различных простейших сложноподчиненных предложений. С позиций структурно-семантических особенностей многочастного сложноподчиненного предложения самой простой будут конструкция с придаточными сравнения и причины:

(ПСД), если (ПСД) (8)

выражает действия в причинно-следственном плане, например, с придаточным обстоятельства цели, места, образа действия, сравнения. Усложняя тип синтаксических связей, добавляя объектное, атрибутивное придаточное, можно обеспечить трансформацию прогнозирующего текста от простого к более семантически насыщенным.

Трудно сделать заключение о широте и преимуществе использования различных структур. Поэтому будем исходить из наиболее простой структуры текста,

построенного на основе причинно-следственных придаточных (8). В простейшем случае прогнозирующий текст может иметь следующую структуру:

(ПСД)п, если (ПСД)12. (ПСД)21, если <ПСД}22.

(9)

(ПСД}Ы1, если (ПСД>Ы2. (ПСД)л1, если (ПСД^.

Структура (9) - причинная модель прогноза.

Синтаксическая простота прогнозирующего текста (9) в семантическом плане сочетается с достаточно богатыми возможностями для технических (формальных) применений. Прогнозирующий текст (9) можно представить прогнозной модели в виде совокупности (набора)

>(Х,У,г,Р) (10)

Сюда входят следующие множества лингвистических переменных:

> X = \ I = 1,2,..., л; у = 1,2,..., т} - отражает ситуацию {1}, сложившуюся

на объекте прогнозирования к моменту времени т. Здесь п - количество признаков, определяющих состояние объекта прогнозирования, т - глубина ретроспекции. Переменная ; характеризует и формализует состояние {а} (признак) в момент времени (т—у). Терм-множества переменных х1] и хгМ совпадают. Будем обозначать их символом 7"; >У = {у(|/ = 1,2,...,и}, он описывает ожидаемое состояние \р) объекта прогнозирования. Терм-множество переменной у совпадает с терм-множеством переменной х: /; >2 = {г1\1 = \,2,...,т} -

формирует описание (событие) организационно-технических мероприятий {/и}; > Р = {(еслии,(х),то й ■.= №,( х), л, >}, / = 1,2,...,/ - множество прогнозирующих правил, где и,(х) - условие, х = х,0,х,х„Л; »:=№,(?) - следствие, ^ = у1,у2,...,уп,г1,г1,...,г1Л; л, е[0,1] - вес правила (степень истинности, коэффициент достоверности).

Согласно прогнозной модели (10), определены три компоненты четверки. Множество лингвистических переменных: X, которые описывают ситуацию, сложившуюся на объекте прогнозирования к моменту времени х (А'= {Р(г),Р(г —1)}); К, которые описывают ожидаемое состояние объекта прогнозирования (У = {Р(( + 1))); 2 , которые формируют описание организационно-технических мероприятий (г = {Д0,доклад}).

Элементами множества прогнозирующих правил Р являются пары вида: (еслии(х), том':=м'(л),п)) где: и(х) - условие правила, представляющее собой формальное описание ситуации; м< := »(?) - следствие, включающее формальное описание ожидаемого состояния и (или) события; л е [0,1] - вес правила, формализующий значение.

Переход от лингвистических переменных к их числовому представлению позволяет использовать для получения прогноза методы формальных вычислений. Учитывая специфику проблемы и предложенного способа прогнозирования, рационально использовать реляционную структуру данных состояния

дебиторской задолженности предприятия; имеем следующие данные: имя клиента, общую сумму дебиторской задолженности, а также дебиторские задолженности просроченную и не просроченную. В итоге можно предложить следующую схему данных (рис. 14).

Счета

/№

Номер счета

Шк со

Дата открытия счета

Общая сумма кредита

Остаток неоплаченного кредита

Прогноз по счету

Клиенты

Т 1Ык

Названия

Адреса, контактные телефоны

Общая сумма кредита

Общая сумма долга

Платежи

Юр

Сумма

варианты ситуаций

INvs

INI

Модальность

Нижний предел

Верхний предел

Значения модальности

Ситуации

необходимые действия

дополнительная информация

Лингвистические переменные

1-я точка функции принадлежности

2-я точка функции принадлежности

3-я точка функции принадлежности

4-я точка функции принадлежности

Рис. 14. Схема данных со связями

Предлагаемую структуру базы данных целесообразнее всего создать в Microsoft Access, т. к. программа позволяет создавать необходимые таблицы, связи и базу Access можно зарегистрировать как системную, что облегчает доступ к ней других программ. Учитывая специфику проблемы можно предложить следующую структуру интерфейса - рис. 15. Данный интерфейс имеет стандартный вид окон Windows, есть инструментарий для работы с базой данных и данные представлены в понятной табличной форме.

Произвести расчет I |j Запрос "смета" i| Помощь I Разработчик! Выкод I

¡клиенты Счета | Лиигвистичвские переметде | Таблица ситуаций | Препложе»« |

« 1 - 1 ► 1 " 1 + 1 - ж | - 1 н

Номер счета | ИйвмгчФнклцнотыЯ помер клиенте Дета открытия чета|Су*ма коедита| 1-й тлатеж (2-йплатеж |3-й платеж 14-й visrex |прог*оз по счетам -1

► 1 1 28.09.2002 1000 20 480 500 С

2 1 30.10.2002 200000 0 С 0 0

3 1 14.12.2002 40000 20000 10000 0 0 J

4 2 14.12.2002 380000 80000 150000 0 0

5 2 01.01 2002 40000 20000 10000 0 0

Б 3 05 02.2002 500000 0 300000 150000 0

Нл if1

Рис. 15. Структура интерфейса

На основе предложенной причинной логико-лингвистической модели можно предложить следующий алгоритм прогнозирования финансовой устойчивости предприятия (рис. 16).

1

загрузка данных из базы

Да,, Л„ О/),, к ~ ▼

кк-к

г

Риъ - + к

кк = кк*к

перебраны все

Рис. 16. Алгоритм расчета прогноза, необходимых действий, модальности

Для расчета прогноза погашения задолженности и необходимых организационно-финансовых мероприятий у-го счета клиента загружаются следующие данные: сумма кредита по счету - Ж^, у.е.; дата открытия счета - БЗр день, месяц, год; платежи - Рй^, у.е.; даты платежей Г)рч('г-1,2, ...,п), день, месяц, год. Вычисляются: *

периоды Рбц = Dsj + к, (к = 1,2...; Р$щ<(1), где к =1 месяц - величина периода; ¿/-текущая дата;

доля на период 8Кр) = БЩ/т, где ш - число долей; сумма платежей за к-й период ¿р5у=Ррк", долг за к-й период, %: &4 = Ррк + Бс!/,./)-100/БКр/, Определяется принадлежность к лингвистической переменной «дебиторская задолженность», может одновременно принадлежать к двум термам (о) с соответствующими степенями принадлежности (//):

а]к/р(а)к), (7 = 1, 2.....п), = 1, 2....,п)

где к - период.

Выявляется, с какими базовыми совпадает сложившаяся ситуация с вытекающими прогнозами аь, организационно-финансовыми мероприятиями тс, и степенями принадлежности

5/, = (а,к+ а^/ттц (а,у), /и (а1к)) аь, тс, /и(Б^, (И=],2......п), (Ь=1,2.....п).

Формируются значения переменной «дебиторская задолженность» (прогнозируемая) и «организационные мероприятия» для всех исходов (рис. 17).

И' 1

Рис. 17. Пример формирования значений лингвистических переменных

Определяется прогноз погашения дебиторской задолженности 20 на следующий период, %:

Ъг^ 15-,

и=|

где 2/ - центр масс Ь-й функции принадлежности, %; - площадь 1-й функции принадлежности.

Аналогично для определения организационных мероприятий М0, %:

-.

IX

где М/ - центр масс 1-й функции принадлежности, %; 5« - площадь Ь-й функции принадлежности.

Далее определяется модальность по значению (1=1,2.....п).

Формируется предложение: «модальность» изменить отгрузку на М0, так как к следующему платежному сроку задолженность будет погашена на 20.

Окончательно алгоритм прогнозирования и принятия решений на основе причинной модели представлен на рис. 18.

Грамотно построенная система прогнозирования помогает решать критически важные для предприятия задачи в сжатые сроки с высокой точностью и надежностью. Что даст автоматизация конкретному предприятию, зависит лишь от того, насколько далеко готово пойти его руководство при оптимизации работы своего предприятия, насколько оно заинтересовано в результате и насколько четко представляет себе его цели и этапы. Любая качественная автоматизация - это долговременное капиталовложение. Ожидать от нее мгновенной отдачи обычно нельзя, но долгосрочный эффект многократно превосходит понесенные затраты.

ИСХОД I ИСХОД 1 ИСХОД 1 исход 4

Рис. 18. Алгоритм расчета прогноза погашения дебиторской задолженности (ДЗ), необходимых организационно-финансовых мероприятий (ОФМ), модальности: ЛП — лингвистическая переменная

Глава шестая. Принятие решений в проблемных ситуациях. Синтез комбинаций методов, позволяющих осуществить не пустой выбор решений, рассматривается как задача выбора на графе, описывающем совокупность допустимых методов ма={хп^,(Р,,т,)), и целевого подграфа мсц:=<хПп1,(Рц,,тЦ1)>.

Описание состояний условий выбора в виде графов мф и мс отображается в БЗ сетями фреймов, построенных на основе унифицированных структур фреймов-прототипов и фреймов-примеров.

Формализация этих правил осуществляется на основе анализа условий существования и единственности решений, условий сходимости и эмпирических правил. Переменные высказываний, записанные в виде логических функций, отображают совокупность формализованных условий:

С;(Х,)сС,(ХД С,(Х,)*0, |С((*()|*1, а также сами отношения определяются правилами их установления

где /•'(' )/ю - количественное условие существования и (или) единственности решения или условие сходимости; и - символ отношения, принимающий одно из значений "<", "< ", ">", "> »", "=".

В общем случае, цели выбора методов принятия решений могут быть состояниями элементов кортежа (Хт,дп,1.п), где ХПц - непосредственное задание характеристик метода; о„ ~ векторный критерий эффективности метода^ = '-и - отношение предпочтения менеджера на х.

Комбинированный выбор предполагает наличие в составе системы управления интеллектуального интерфейса для обращения менеджера к базе знаний.

Ядром информационных технологий управления, организующим алгоритмические процедуры выбора решений, в комбинированном методе является решатель. Выделим основные функции: ведение базы знаний (БЗ) (ввод, интерпретация, описание состояний, представление решений); управление заданием целей и логикой выбора на множестве фреймов правил; распределение ресурсов реального времени совместно с интеллектуальным интерфейсом.

Сетевая модель предметной области является предпочтительным способом создания решателя. Оценим принципиальный алгоритм функционирования решателя (рис. 19) применительно к задачам синтеза управления в противоречивых ситуациях. Достоинство общей блок-схемы алгоритма заключается в принципе динамического формирования, когда слоты фреймов заполняются в реальном масштабе времени. База знаний строится на сети фреймов-прототипов и наборе минимальных логов - элементарных акций на классифицированные ситуации. Язык представления знаний - язык представления фреймов. Структура фрейма:

{(имя фрейма)(имя слота){значение слота) {имя слота)(значение слота)...).

Основные операции: поиск по образцу, введение новых фреймов прототипов (знаний) с новыми связями между ними, наполнение слотов данными.

Четыре типа фреймов-прототипов: фрейм функционирования (описание функциональных моделей объектов управления); фрейм противоречий (описание способов выявления и уменьшения напряженности противоречий); фрейм продукции (продукционные правила для получения конечной ситуации - цель управления); фрейм показателя (критерии оптимальности и функции полезности).

Анализатор и классификатор ситуаций работают на предикатных функциях качественных г и количественных г отношений

£„(«,-» 5)) е {0,1}, £Г((ФЙ ->2,))е(0,1} для множества (Г,}сМ#иМ, и множества (Г,|эМ^иМ, играют роль анализатора в виде последовательности: (Т:п,...,Ёп,...,ЁГп,Еп,...,Ет,...,ЕГт), где п - число количественных отношений г„; т - число качественных отношений гк; каждое Ег() - признак ситуации п,, принимающим значение 0 или 1.

Вектор полной ситуации п =(п,,п2,...,п^) для сборки фрагментов описания -продукционные правила. Формирование ядра отношений - по признакам на обучающей выборке осуществляется на схеме правила вывода по методу различия.

НАЧАЛО

ТТЛ

Рис 19. Общая блок-схема алгоритма функционирования решателя

Схема реализации ситуационного выбора подкласса и, обладает отличием: кр ситуационный выбор ограничивается подклассом и,; и, - классические методы управления. Классификатор работает с признаками по схеме на рис. 20.

АНАЛИЗАТОР

Признаки

Классификатор

Признаки 5 Ситуация

1 0 1 / Проблемная

1 1 1 2 Кризисная

0 1 0 3 Ресурсная

0 0 0 4 Неопределенность

1 0 1 5 Прогнозирование

Рис. 20. Структура классификатора

Пример набора признаков и, представлен в таблице.

Ситуация Б 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1 проблемная 1 1 1

2 кризисная 1 1 1 1 1 1 1 1 1

3 ресурсная 1 1

4 неопределенность 1

5 прогнозирование 1

Ситуация 5 16 17 18 19 20 21 22 23 24 25

1 проблемная 1

2 кризисная 1 1

3 ресурсная

4 неопределенность 1 1 1 1

5 прогнозирование 1 1 1 1

Продукционные правила признаков:

1-5 - безусловная классификация менеджера.

6 — недостаток ресурсов: для выполнения некоторой кредитной операции не оказалось нужных денежных средств, планируемых на выполнение.

7 - нет совпадения заданной и текущей лигвистической переменной.

8-17 - нарушены кризисные ограничения на выполнение некоторого договора или финансовой операции.

18 - ситуация не распознана.

19 - размер и структура финансовых средств при анализе состояния предприятия в текущем цикле за нижними пределами ограничений (высокая дебиторская задолженность).

20 и 21 - финансовые средства недостаточны для нормальной работы кредитной организации; изменены ограничения на расходование ресурсов.

22 - изменены ограничения на величину оптимального управления;

23 и 24 - изменены весовые коэффициенты в критерии оптимальности; изменены ограничения на параметры оптимизации.

25 - отменено ограничение на срок кредитования.

Основная нагрузка на систему менеджер-ЭВМ ложится при работе с классами ситуаций неопределенности и недостатка ресурсов. Менеджер, функционирующий в составе системы управления, при экстремальных условиях принимает решение единолично, поскольку времени на выработку коллективного решения нет, а ответственность не может быть расплывчатой. Общение менеджера с системой управления построено на отслеживании состояния диалога как функции текущей цели в фазе решения задачи с помощью обмена сообщениями на установленном языке через дисплей и клавиатуру.

Для систем управления производством предложена модель диалога, рассматривающая две обобщенные цели взаимодействия менеджера и ЭВМ. Первая цель Ц! - уточнение и корректировка взаимных представлений о существующих и прогнозируемых состояниях на момент формирования управляющих воздействий. Вторая цель Ц2 - формирование решений средством диалога в каждой точке, определяющей различные пути развития поиска рациональных результатов. Тогда можно выделить две подцели менеджера и две подце-

ли ЭВМ, отображенных в виде кортежа

2)~{Ц" ,42 .42

где Ц" - задание характеристик (возможно нечетких) структурного и параметрического описания предметной области; - построение полностью определенной модели объекта управления; Ц" - формирование представлений о системе предпочтений; Ц2ВМ - формирование альтернативных решений.

В этом случае диалог может быть построен на базе: команд; меню; экранных форм; вопросов - ответов; смешанной структуры.

Структура диалога в зависимости от конкретных целей имеет различные уровни детализации. Анализ его информативности можно проводить исследованием графа состояний. Вершины этого графа соответствуют определенному состоянию диалога, а дуги определяют смену состояний. На практике структура диалога уточняется экспериментальной доводкой сценариев для различных ОС совместно с менеджером, чтобы избежать некорректных и неинформативных сообщений.

Удобной формой создания гибкой структуры диалога, легко адаптируемой к различным условиям, является проектирование вложенных сценариев с выбором ответов в кадрах меню. Сценарий диалога кроме описания структуры включает в себя информационную и операционную модель диалога.

Формально сценарий описывается следующим образом: й - (5,(9, С, где - множество состояний; О - множество опера-

ций; С = <2\}Р - множество условий; 0 - множество входных сообщений (запросов); Р - множество программных условий; Л - множество выходных сообщений (реакций); С:5хС->5 - структура (граф) диалога; информационней ]5'->0 ная модель диалога I \ ^ ^ ^ ^; операционная модель диалога ^' | ^ х £ £ •

Организация диалогового сеанса с помощью языка высокого уровня может быть основана на семантических сетях фреймов в форме и терминах, приближенных к естественному языку пользователя в конкретной предметной области. Можно представить сценарий диалога в виде сети формализованных фреймов-диалогов (ФД), соответствующих структурам метамоделей Мф и Мс, положив в основу модели в виде графов описания состояний.

Вершину графа занимает имя фрейма-диалога, представленное элементом множества состояний - х + ЕХ формата

{имя ФД): (НУ))(УФДУ, {НУ)){УФД), где {имя ФД) - имя фрейма-диалога, соответствующее состоянию Х| определенного уровня; {НУ) - номер уровня иерархической структуры фрейма-диалога, который представляет собой целое число; {УФД) - узел фрейма-диалога.

Расположенные на одном иерархическом уровне узлы фрейма-диалога, имеют одинаковые номера и формат описания:

/{имя УФД) 11{тип УФД) //{параметр) /,...,/{параметр) /, где {имя УФД) - имя узла фрейма-диалога; {тип УФД) - тип узла фрейма-диалога, определяющий тип структурной единицы фрейма-диалога: элемен-

тарная или повторяющаяся (циклическая) структурная единица; {параметр) -параметр данной структурной единицы фрейма-диалога. В качестве параметров могут быть элементы множеств: операций - О, условий - С, запросов - Q и реакций системы - R.

Имя узла ФД является именем структурной элементарной единицы и одновременно фразой сценария диалога управления. Структурная элементарная единица должна иметь обязательный параметр, описывающий ее тип.

Любую группу данных или структурную элементарную единицу можно связать с другой группой, что обеспечивает повышение уровня автоматизации поиска.

Автоматическое ведение диалога согласно сценарию осуществляется путем интерпретации диалога, для чего служат управляющие узлы фрейма-диалога: диалоговый повтор (ДП); диалоговое ветвление (ДВ); диалоговый мультицикл (ДМЦ).

При обработке сценария диалога диалоговый повтор порождает действия в соответствии со сценарием по всей ветви фрейма-диалога от данного узла до тех пор, пока не будет исчерпано число повторений. Диалоговое ветвление определяется параметром: ВЕТКА-.(/'(СЕЛЕКТОР)','(имя ДВ)',...,' (СЕЛЕКТОР)',' (имя ДВ)'/), где (СЕЛЕКТОР) — значение (имя УФД), в соответствии с которым осуществляется переход на ветвь с именем (имя ДВ). Диалоговый мультицикл определяется совместным использованием диалоговых повторов и диалоговых ветвлений.

Со свойством объекта может также ассоциироваться процедура, проверяющая корректность указанного значения свойства при создании конкретного фрейма (фрейма-примера). Такая возможность применения ассоциированных процедур является специфической для фреймового подхода.

Фреймовое представление сценария диалога соответствует основным требованиям языка описания знаний. Поддержание структурированности описания знаний обеспечивается структурой ФД.

Рассмотренные конструкции языка построения системы диалога в основном базируются на экранных и аудио формах интерактивного общения ЛПР с системой управления. Конкретный вид экранных форм, визуального динамического отображения планируемых ситуаций и аудио сообщений определяется предметной областью объекта управления.

На рис. 21 представлена структура комплексной базы знаний, данных и диалогового общения, созданной для управления комплексом ОАО Автопарк № 6 «Спецтранс», которая входит в общую структуру системы принятия решений.

В данном случае база знаний, исполнительная система, анализатор запросов, подсистема организации и ведения множества решений связанны специальным программным обеспечением с применением языка программирования С++. Отличительная особенность предложенной структуры заключается в организации преобразования и передачи принятых управляющих решений непосредственно на исполнительную подсистему объекта через каналы SCADA -системы TRACE MODE.

ВЫВОДЫ

1. В рамках системного анализа проблем управления ОС показана объединяющая роль противоречий между их элементами, вне которых она распадается на независимые части и предложено определение системы как совокупности противоречащих элементов, структурированной общей целью, что позволяет рассматривать создание организационных систем и систем управления ими в пределах единого подхода и предложить концепцию создания жизнеспособной развивающейся ОС.

2. Выполненные теоретические и практические исследования задачи управления организационными системами показали необходимость ее представления тремя уровнями абстрагирования: диагностическим, классическим информационным и ситуационным, что позволило предложить и реализовать:

-на диагностическом уровне - концепцию непрерывного управления состоянием организационной системы. Концепция основана на принципах использования имеющихся ресурсов. Также это позволило разработать методы управления ОС в рамках предложенной концепции;

-на классическом информационном уровне - новый подход к автоматизации учета состояния организационных систем, который предполагает создание информационной БД имеющихся ресурсов, подсистемы прогнозирования и планирования;

-на ситуационном уровне - метод перехода от задачи принятия управляю-

щих решений путем корреляции текущей ситуации по одному из имеющихся альтернативных прототипов к задаче синтеза управления в заданном классе детерминированных решений.

3. Возникающие в организационных системах ситуации, отличные от штатной, представлены пятью типами: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование. Их своевременное выявление дает возможность оперативного принятия решений по управлению.

4. В результате анализа особенностей задач прогнозирования, возникающих при функционировании организационных систем, предложен метод алгоритмического моделирования, который может быть использован при анализе сложных многофакторных систем (рынка ресурсов).

5. В основу работы предложенного и реализованного алгоритма выработки и принятия решений был положен принцип поэтапного преодоления неопределенностей, который предполагает построение имитационной модели функционирования системы с учетом воздействий окружающей среды, формирование вариантов решений и их универсума, прогноз следствий принятия решений, сравнение ценности разных вариантов решения, выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям.

6. Исследование функционирования ОС показало, что это, прежде всего, управление потоками ресурсов, следующих из ОС в ее окружение и обратно. Для:

-достижения ресурсной устойчивости ОС необходимо убедиться, что поток доходов превышает поток расходов и положение предприятия стабильно;

-оптимального прогнозирования устойчивости предприятия наиболее эффективна экспертная система приближенных рассуждений;

-реализации прогнозирующей экспертной системы предложен метод логико-лингвистического прогнозирования на основе нечетких экспертных оценок и причинной модели, когда: переменным присваиваются не числовые значения, а слова и предложения естественного языка, что стало возможно за счет применения аппарата нечеткой логики при использовании лингвистических переменных; моделирование процесса управления происходит в терминах, близких и понятных менеджеру (слова и предложения естественного языка с придаточными обстоятельствами причины).

Сформулирована экспертная технология прогнозирования для прямой лингвистической реализации прогнозирующего текста средствами совместного использования идей исчисления предикатов и теории нечетких множеств, допускающих наличие нечеткого предиката, присутствие недостоверности и развитие прогнозирования в реальном времени.

7. Для принятия решений в проблемных ситуациях предложено использовать в рамках информационной технологии модели представления данных и знаний, принятия решений и комбинированную модель альтернативного выбора.

8. Создан пакет программных средств реализации алгоритмов в нештатных ситуациях, включающий набор минимальных логических модулей для оперативного формирования последовательностей управления.

9. Внедрение результатов диссертационной работы осуществлено на ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ОТРАЖЕНО В СЛЕДУЮЩИХ РАБОТАХ I. Статьи в рецензируемых научных журналах и изданиях, рекомендованных ВАК Министерства образования и науки РФ

1. Локтаев C.B., Веригин А.Н. Концепция создания развивающихся финансовых систем //Финансы 2003. -№12. С 64-66.-0,2/0,1 п.л.

2. Локтаев C.B., Веригин А.Н. Технология лингвистического прогнозирования при управлении финансами // Финансы 2004. - №2. С 60-63. - 0,25/0,13 пл.

3. Локтаев C.B., Коськин A.B., Бирюлева Н.В. Анализ существующей практики создания организационных систем // Вестник СПбИГПС. - 2004. - № 1. -С. 86-89.-0,25/0,1 п.л.

4. Локтаев C.B., Бирюлева Н.В., Коськин A.B. Закономерности построения организационных систем//Вестник СПбИГПС.-2004.-№1. С. 89-91.-0,2/0,06 п.л.

5. Локтаев C.B. Развивающиеся организационные финансовые системы и концепция их создания / C.B. Локтаев, А.Н. Веригин, В.Г. Джангирян и др. // Вестник СПбИГПС. - 2004. - № 3. С. 65-72. - 0,5/0,13 п.л.

6. Локтаев C.B., Бирюлева Н.В., Бирюлев М.Ю. Лингвистическое прогнозирование в управлении предприятием // Вестник СПбИГПС. - 2004. - № 2. С. 69-71.-0,2/0,06 п.л.

7. Локтаев C.B., Веригин А.Н., Федоров В.Н. Создание организационных систем и управление при решении непрограммируемых проблем в области экономики // Вестник СПб института ГПС МЧС России. - 2004. - № 4. С. 80-87. - 0,5/0,17 пл.

8. Локтаев C.B., Веригин А.Н., Бирюлева Н.В. Лингвистическое прогнозирование при управлении финансами // Вестник СПбИГПС. - 2005. - № 1. С. 80-85.-0,38/0,13 пл.

9. Локтаев C.B., Веригин А.Н., Бирюлева Н.В. Системность и управление финансовыми системами // Вестник СПбИГПС. - 2005. - № 3. - С. 81. - 0,4/0,13 п.л.

II. Публикации в иных изданиях

10. Локтаев C.B., Веригин А.Н. Методы прогнозирования. - СПб.: Изд-во СПб. ун-та, 1999.-6/3 п.л.

11. Локтаев C.B. Решение задач управления финансами с использование ЭВМ // Проблемы экологии и экономики в химической промышленности. -СПб.: Изд-во СПб. ун-та, 2000. С. 16-28. - 0,75 п.л.

12. Локтаев C.B., Веригин А.Н. Финансовый анализ и прогнозирование // Проблемы экологии и экономики в химической промышленности. - СПб.: Изд-во СПб. ун-та, 2000. - С. 45-54. - 0,38/0,19 п.л.

13. Локтаев C.B. Роль региональных банков в развитии малого и среднего предпринимательства // Международный банковский конгресс: «Банки: вызов нового столетия» (МБК-2000, 7-10 июня СПб), Секция № 1: «Банки и экономика».-0,13 п.л.

14. Локтаев C.B., Веригин А.Н. Лингвистическое прогнозирование при управлении финансами компании (банка) // Проблемы экологии и экономики в химической промышленности. - СПб.: Изд-во СПб. ун-та, 2000. - С. 63-71. - 0,5/0,25 пл.

15.Локтаев C.B., Веригин А.Н. Причинная модель прогнозирования и финансы // Экология энергетика экономика (выпуск III), Теория и практика безопасности жизнедеятельности в техносфере. - СПб.: Изд-во СПб. ун-та, 2001. -С. 118-129.-0,69/0,35 п.л.

16.Локтаев C.B., Веригин А.Н. Банк как жизнеспособная развивающаяся система // Экология энергетика экономика (выпуск III), Теория и практика безопасности жизнедеятельности в техносфере. - СПб.: Изд-во СПб. ун-та, 2001. - С. 163-177. - 0,88/0,44 п.л.

17.Локтаев C.B., Веригин А.Н., Ивахнюк С.Г. Системность и управление финансами банка // Экология энергетика экономика (выпуск IV), Пожарная и промышленная безопасность. - СПб.: Изд-во СПб. ун-та, 2001. - С. 152-161. -0,5/0,17 п.л.

18. Локтаев C.B. Формализация знаний в системах управления финансами // Экология энергетика экономика (выпуск IV), Пожарная и промышленная безопасность. - СПб.: Изд-во СПб. ун-та, 2001. С. 185-192. - 0,44 п.л.

19. Локтаев C.B. Социально-политическое прогнозирование и финансовая политика банка // Экология энергетика экономика (выпуск V), Безопасность в чрезвычайных ситуациях. - СПб.: Изд-во «Менделеев», 2002. - С. 168-171. - 0,19 пл.

20. Локтаев C.B., Веригин А.Н., Константинов И.С. Методы прогнозирования деятельности банка // Экология энергетика экономика (выпуск VI), Экологическая и экономическая безопасность. — СПб.: Изд-во Менделеев, 2002. -С. 159-165,-0,38/0,13 п.л.

21. Локтаев C.B., Веригин А.Н. Системный анализ и управление финансами // Экология энергетика экономика (выпуск VII), Радиационная, химическая и экономическая безопасность. - СПб.: Изд-во Менделеев, 2003. - С. 195-200. -0,31/0,16 п.л.

22. Локтаев C.B., Веригин А.Н., Константинов И.С. Прогнозирование при управлении финансами компании // Экология энергетика экономика (выпуск VII), Радиационная, химическая и экономическая безопасность. - СПб.: Изд-во Менделеев, 2003.-С. 208-214.-0,38/0,13 п.л.

23. Локтаев C.B., Федорова Н.В., Веригин А.Н. Управление финансами и системность // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. - СПб., 2003. - 0,6/0,2 п.л.

24. Локтаев C.B., Веригин А.Н., Федорова Н.В. Системный анализ развивающихся финансовых систем // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. - Т. 2. - СПб., 2003. - 0,6/0,2 пл.

25. Локтаев C.B., Веригин А.Н., Федорова Н.В. Системный анализ и управление финансами банка // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. - Т. 2. - СПб., 2003. - 0,6/0,2 пл.

26. Локтаев C.B., Веригин А.Н., Федорова Н.В. Тактика финансового прогнозирования // Междунар. конф. по мягким вычислениям и измерениям: Сб. мат. - СПб., 2003. - 0,25/0,08 п.л.

27. Локтаев C.B. Экспертная система управления компанией / C.B. Локтаев, А.Н. Веригин, A.B. Тур и др. // Междунар. конф. по мягким вычислениям и измерениям: Сб. мат. - СПб., 2003.-0,19/0,05 п.л.

28. Локтаев C.B. Экспертная технология прогнозирования при управлении финансами компании / C.B. Локтаев, А.Н. Веригин, Н.В. Федорова и др. // Междунар. конф. по мягким вычислениям и измерениям: Сб. мат. - СПб., 2003. - 0,19/0,05 п.л.

29. Локтаев C.B., Веригин А.Н., Федоров В.Н. Организационные системы для решения непрограммируемых проблем // Экология энергетика экономика (выпуск VIII), Безопасные экологические и экономические технологии. - СПб.: Изд-во Менделеев, 2003. - С. 91-104. - 0,94/0,31 п.л.

30. Локтаев C.B., Веригин А.Н. Особенности создания организационных финансовых систем // Экология энергетика экономика (выпуск VIII), Безопасные экологические и экономические технологии. - СПб.: Изд-во Менделеев, 2003. -С. 121-129.-0,56/0,28 п.л.

31. Локтаев C.B. Необходимость предоставления факторинговых услуг банком своим клиентам / C.B. Локтаев, М.Ю. Бирюлев, Н.В. Бирюлева и др. // Экология энергетика экономика (выпуск VIII), Безопасные экологические и экономические технологии.-СПб.: Изд-во Менделеев, 2003.-С. 131-135.-0,25/0,06 п.л.

32. Локтаев C.B. Работа с данными в программах прогнозирования / C.B. Локтаев, A.A. Алашкин, В.Н. Фёдоров и др. // Экология энергетика экономика (выпуск VIII), Безопасные экологические и экономические технологии. -СПб.: Изд-во Менделеев, 2003. - С. 135-142. - 0,38/0,09 п.л.

33. Локтаев C.B. Работа с данными в программах прогнозирования / C.B. Локтаев, A.A. Алашкин, В.Н. Федоров и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. - СПб., 2004. - Т. 1. -С. 251-255,- 0,25/0,06 п.л.

34. Локтаев C.B. Лингвистический подход при создании систем управления / C.B. Локтаев, Н.В. Бирюлева, М.Ю. Бирюлев и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. - СПб., 2004. -Т. 2. - С. 50-52. - 0,19/0,05 п.л.

35. Локтаев C.B., Лисицын Н.В. Управление организационными системами. - СПб.: ХИМИЗДАТ, 2005. - 37/18,5 п.л.

36. Локтаев C.B., Веригин А.Н. Стохастическая модель производства // Новые технологии и их применение. - 2007. № 2. - С. 15. - 0,25/0,13 п.л.

Подписано в печать 14.11.2008 Формат 60x84 те

Печать цифровая_Объем 2,6 п.л._Тираж 100 экз.

Отпечатано в Санкт-Петербургском университете ГПС МЧС России 196105. Санкт-Петербург, Московский проспект, д. 149

ВВЕДЕНИЕ.

ГЛАВА 1. ОСОБЕННОСТИ УПРАВЛЕНИЯ ОРГАНИЗАЦИОННЫМИ СИСТЕМАМИ

1.1. Управление и его характеристики.

1.2. Роль прогнозирования в системах управления.

1.3. Качество управления.

1.4. Характеристика внешней среды управления.

1.5. Организационная система как объект управления.

1.6. Выводы по первой главе.

ГЛАВА 2. МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ СОЗДАНИИ ОРГАНИЗАЦИОННЫХ СИСТЕМ

2.1 .Системность и управление.

2.2. Системный анализ при управлении.

2.3. Понятие организационной системы.

2.4. Модели построения организационных систем.

2.5. Создание жизнеспособной развивающейся организационной системы

2.6. Выводы по второй главе.

ГЛАВА 3. ПРИНЯТИЕ РЕШЕНИЙ НА ОСНОВЕ ПРОГНОЗИРОВАНИЯ

3.1. Экспертные системы.

3.2. Проблематика прогнозирования.

3.3. Прогнозирование на основе экспертных оценок.

3.4. Комбинированные методы прогнозирования.

3.5. Метод алгоритмического моделирования в задачах прогнозирования

3.6. Выводы по третьей главе.

ГЛАВА 4. МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ НАЛИЧИИ НЕОПРЕДЕЛЕННОСТИ

4.1. Выработка управленческих решений в условиях неопределенности будущей ситуации.

4.2. Противоречия при управлении организационными системами.

4.3. Математическое моделирование и принятие решений.

4.4. Имитационное моделирование.

4.5. Модель принятия решений в нечеткой среде.

4.6. Выводы по четвертой главе.

ГЛАВА 5. ПРИЧИННЫЕ МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ В КРИЗИСНЫХ СИТУАЦИЯХ

5.1. Человеческий аспект в системе управления.

5.2. Прогнозирование в структурах управления ресурсами компании.

5.3. Прогнозирование состояния организационной системы.

5.4. Содержание причинной модели прогнозирования.

5.5. Подход к формализации прогнозирующего текста.

5.6. Построение лингвистических переменных причинной модели.

5.7. Формализация прогнозирующих правил.

5.8. Выводы по пятой главе.

ГЛАВА 6. ПРИНЯТИЕ РЕШЕНИЙ В ПРОБЛЕМНЫХ СИТУАЦИЯХ

6.1. Автоматизация поддержки управленческих решений.

6.2. Информационные технологии управления в задачах принятия решений

6.3. Модели представления данных и знаний при управлении в проблемных ситуациях.

6.4. Модели принятия решений в условиях притязаний.

6.5. Комбинированная модель альтернативного выбора.

6.6. Выводы по шестой

главае.

ВЫВОДЫ.

Для решения проблем экономических, социальных, политических, научных, технических, стоящих перед обществом, требуется организованная деятельность многих людей. Такая деятельность осуществляется в рамках искусственных созданных человеком формирований, называемых организационными системами (ОС) - промышленные предприятия, компании, холдинги, банки, кооперативы.

Количество таких объектов в стране измеряется сотнями тысяч, и продолжает расти. Несмотря на это, ОС как специфический класс систем постоянно ускользали из поля зрения исследователей. В стране имеется множество институтов и проектных организаций, занимающихся вопросами создания различных технических систем (самолетов, ракет, автомобилей, роботов, технологических линий), которые по своей сложности значительно уступают организационным финансовым системам. Тогда как исследования в области создания ОС, практически отсутствуют. Основная причина этого состоит в том, что, начиная с 30-х годов вопросы формирования организационных структур управления, экономических, социальных, политических и экономических систем являлись неоспоримой прерогативой административной системы. Наука к этим вопросам попросту не допускалась. Без научной теории построения ОС невозможно успешно создать эффективную систему управления, в том числе и ОС. Это стало ясно, когда наука управления получила новый импульс, связанный с развитием кибернетики, но только в последние годы появилась реальная возможность создать такую теорию и вооружить ею организаторов управления.

Организационные системы имеют многовековую историю. Они появились в результате выделения управленческой (организаторской) деятельности в самостоятельный вид трудовой деятельности. По словам А. А. Богданова [1], которого по праву можно назвать основоположником теории социального управления, «организаторский труд, по-видимому, представляет собой исторически самую раннюю форму сложного (квалифицированного) труда вообще».

В настоящее время система управления по численности занятых в ней специалистов является третьей (после промышленности и сельского хозяйства). Тем не менее, она не справляется должным образом с усложняющимися функциями управления трудовыми, материальными, финансовыми ресурсами в современных экономических условиях. Поправить положение можно за счет совершенствования существующих и создания новых высокоэффективных организационных систем. Дело в том, что исторически сложившийся в нашей стране субъективный подход к их построению при ослабленном (после «свертывания» нэпа) механизме естественного отбора наиболее жизнеспособных структур привел к тому, что многие организационные формы оказались «застывшими» на десятки лет. В результате многие существующие ОС обладают большой избыточностью, «омертвляя» значительную часть принадлежащих им ресурсов, которые могли быть использованы для решения актуальных задач экономического развития страны.

Необходимо пересмотреть действующий механизм формирования организационно-финансовых систем (ОФС), чтобы исключить или ограничить практику создания неэффективных систем. Дальнейшее игнорирование ОС как самостоятельного класса систем, требующего специального изучения, при наблюдаемом росте их количества неизбежно приведет к дальнейшему снижению эффективности принадлежащих им ресурсов. До тех пор пока мы не научимся создавать высокоэффективные ОС, нам не удастся увеличить отдачу от их использования. Вот почему вопросы разработки научных основ их построения требуют первостепенного внимания и незамедлительного решения.

Может ли быть разработана универсальная методология построения ОС при значительном многообразии их видов? Уверенность в этом создают наличие общих свойств у различных видов ОС, позволяющих объединить их в один класс. Закономерности, характеризующие построение разнообразных ОС. Возможность использования методов построения систем программно-целевого управления, а также методов системного анализа, теории управления и богатого опыта построения ОС и структур управления.

Одной из самых важных проблем при реализации управления организационными системами является проблема прогнозирования. Известные попытки составления прогнозов с использованием традиционных методов гуманитарных наук, как правило, были несостоятельными. Более плодотворные результаты получены на основе математического моделирования.

В математическом смысле организационная система представляет собой квазиустойчивую совокупность элементов и связей между ними или некоторое число взаимосвязанных элементов, обладающих свойствами, не сводящимися к сумме свойств отдельных элементов [1]. Данное определение применимо и к ОС.

Существует несколько десятков определений понятия «модель объекта». Отличаясь друг от друга терминологией и глубиной охвата данного понятия, большинство из них отражает мысль, что под моделью понимается выраженная в той или иной форме информация о наиболее существенных и устойчивых причинно-следственных связях между переменными объекта. Различают качественную информацию о характере поведения системы и количественную информацию, которая извлекается из экспериментальных данных, полученных в результате наблюдения за ее функционированием.

Модель - представление объекта, системы или понятия (идеи) в некоторой форме, отличной от формы их реального существования и служит средством, помогающим нам в объяснении, понимании или совершенствовании окружающей нас природы.

В широком смысле модель - это уменьшенное (или в натуральную величину) воспроизведение чего-либо. В науке по ее существу всегда приходится иметь дело с моделями. Вне их конкретных классов бессмысленно говорить об основных понятиях теории и закономерностях природы. По существу анализ объекта при прогнозировании - это анализ специальным образом построенных моделей. От того, насколько правильно построены отдельные модели, как они увязаны друг с другом, зависят результаты прогнозирования.

В основе математического моделирования лежит явление изоморфизма, который означает сходство форм при качественном различии явлений. В математике изучение одной из изоморфных систем сводится в значительной степени к изучению другой изоморфной системы. Изоморфизм указывает на единство, связь, взаимодействие и взаимозаменяемость в определенных пределах различных явлений материального мира, на сходство их формы и отдельных закономерностей. В строго определенных границах и условиях можно заменить изучение одного явления изучением другого, подобного ему по форме и структуре. Появляется возможность моделировать одну систему с помощью другой.

Относительность понятия модели связана с влиянием на ее создание субъективного фактора. Многое зависит от лица, которое строит модель с учетом условий конкретной задачи. Исследователь определяет те стороны модели, которые должны отражаться в ней, и те, которые опускаются из рассмотрения, осуществляет принятие тех или иных допущений, выбор средств моделирования, применение разнообразных методов в рамках выбранных средств.

Идея исследования некоторого объекта, системы или понятия при помощи модели носит столь общий характер, что дать полностью классификацию функций модели затруднительно. Различают пять ставших привычными случаев применения моделей в качестве средства: понимания действительности, общения, обучения и тренажа, инструмента прогнозирования, средства постановки эксперимента.

При математическом моделировании вместо изучения и исследования оригинала исследуются математические зависимости, описывающие оригинал. При построении математической модели необходимо учитывать основные стороны и взаимосвязи рассматриваемого явления и отказаться от изучения второстепенных сторон и связей. Модель представляет собой некоторую абстракцию от действительности, учитывающую только характеристики, представляющие интерес.

Классификация моделей отражает лишь отдельные аспекты исследований. Модели можно классифицировать по различным признакам. В зависимости от вида прогнозируемого объекта модели могут быть следующими: физических процессов; развития производства; развития науки и техники; экономические модели; демографические модели; социальные модели; модели политических ситуаций. Модели каждого вида могут различаться в зависимости от описываемого процесса. Экономические модели использования трудовых ресурсов, воспроизводства основных фондов, формирования потребностей и т. п.

К классификации моделей более рационально подойти с позиций классификации огромного многообразия возможных задач, решаемых при прогнозировании. Можно выделить два случая воспроизведения натуры: материальное (предметное) и идеальное (абстрактное). Материальное воспроизведение натуры предполагает исследование объекта на физических моделях, при котором изучаемый объект воспроизводится с сохранением его физической природы или используются другие аналогичные физические явления.

Абстрактное воспроизведение - это описание объекта определенными символами. Особое место в абстрактном воспроизведении играют математические модели, исследования в которых осуществляются на основе идентичности формы уравнений и однозначности соотношений между переменными, фиксируемыми в натуре и модели. Для решения трудно формализуемых задач большое значение приобретают методы эвристического (интуитивного) моделирования. Возможная упрощенная структура видов моделирования представлена на рис. 1.

МОДЕЛИРОВАНИЕ

Предметное

Физическое

Аналоговое

Квазианалоговое

Абстрактное

Интуитивное

Метод сценариев

Мысленный эксперимент

Операционные игры

Знаковое

Логическое

Графическое

Математическое

Имитационное

Аналитическое

Алгоритмическое

Рис. 1. Возможные виды моделирования

В зависимости от характера протекания прогнозируемого явления существуют следующие группы интуитивных моделей: эволюционного развития; революционного развития; включающие оба типа развития.

В зависимости от вида математического описания аналитические модели можно разделить на: дифференциально-разностные; алгебраические, использующие понятия и результаты общей алгебры; основанные на теории автоматов; топологические; теоретико-графические; игровые, использующие аппарат теории игр; модели математического программирования.

В зависимости от наличия неопределенностей имитационные модели можно разделить на детерминированные и стохастические, последние делятся на модели для расчета математических ожиданий процессов (модели динамики средних для массовых явлений в экономике, биологии, военном деле) в непрерывной или дискретной форме. Вероятностные в непрерывной форме (теория массового обслуживания, стохастические дуэли и т. д.) или дискретной форме (цепи Маркова). Модели статистических испытаний (метод Монте-Карло).

В зависимости от вида функций, описывающих детерминированную основу процесса, аналитические модели могут быть: полиномиальные, тригонометрические, экспоненциальные, комбинированные, включающие различные комбинации« перечисленных моделей. Большинство из приведенных моделей находит применение в задачах прогнозирования и управления при оценивании и измерении.

Решая задачи моделирования, рассмотрим ОФС с точки зрения кибернетического подхода как некоторые объекты управления и воспользуемся для их математического описания известными методами теории идентификации, ранее использовавшиеся преимущественно для построения моделей технических систем.

Объектом управления будем называть ту часть окружающего мира (ОФС), поведение которой нас интересует. Схематично взаимодействие объекта с остальными частями окружающего мира (средой) представлено на рис. 2.

Объекту соответствует некоторый субъект управления, формирующий как выбор (определение) объекта как части среды, так и задачи (цели) такого выбора.

Под субъектом совершенно не обязательно' подразумевать конкретную личность: это' может быть группа людей, объединенная по некоторому признаку, и даже все человечество, если, например, изучению подлежат глобальные объекты (космос, окружающая среда и т. д.).

Выделим субъект из среды, как это показано на рис. 3. Под у понимаются. только интересующие субъекта состояния объекта, под X - измеряемые (контролируемые) входы, а под е - неконтролируемые воздействия. Априори (субъектом) предполагается, что между указанными переменными существует причинно-следственная связь. В подавляющем большинстве случаев функционирование объекта интересует субъекта в плане решения одной из трех задач: управление объектом; прогноз выхода объекта; выяснение механизма явлений, происходящих в объекте.

Рис. 3. Схема взаимодействия субъекта со средой и объектом1

Задача управления. Субъект находится в той же среде, что и объект, т: е. воспринимает (см. рис. 3) состояние X среды. Одновременно, и это самое главное, на него влияет состояние у объекта. Если состояние у удовлетворяет потребностям субъекта, взаимодействующим с этим'объектом'и использующим его для своих целей, то никакого управления ему не нужно. Если же это состояние не .устраивает субъекта, то ему необходимо организовать такое воздействие на объект, которое переведет его в новое состояние, удовлетворяющее субъекта. Предполагается, что субъект может произвольно изменять часть компонентов вектора X; обозначим эту часть через ху, набор оставшихся компонентов - через, хн, так что

X = Ху О Хн. Это воздействие и есть управление. Отсюда следует, управление происходит от неудовлетворенности субъекта ситуацией, сложившейся в объекте.

Удобно считать, что субъект всегда формулирует свою цель г*, реализация которой в объекте приведет, по мнению субъекта, к удовлетворению его потребностей. Эта цель представляет собой набор требований, предъявляемых субъектом к состоянию объекта.

Проверить состояние цели г * в объекте можно только по его состоянию у, но для этого состояние объекта необходимо выразить на языке целей субъекта, т.е. выполнить преобразование £ = \|/(у). В частном случае может оказаться, что г = у, т.е. субъект формулирует свои цели на языке состояний объекта.

Очевидно, что равенство свидетельствует о том, что состояние объекта удовлетворяет целям субъекта, т. е. цели субъекта выполнены. Если же 2 ФI *, то цели субъекта не реализованы в объекте. В этом случае необходимо управление, и математически его сущность можно отразить соотношением ху = где V - алгоритм управления, I — {5с, у) - информация о входах и состояниях объекта. Но данный алгоритм может быть реализован только тогда, когда известен количественный характер связей между X и у, т. е. известно математическое описание объекта.

Можно выделить следующие этапы управления объектом: формулировка целей управления; определение объекта управления; создание модели объекта управления; синтез управления; реализация управления.

Задача прогноза. Данная задача преследует только одну цель: по известному х определить прогнозируемое состояние у объекта и включат следующие этапы: формулировка целей прогноза; определение объекта исследования; создание модели объекта. Отличительной чертой задачи прогноза является количественный характер модели, а не ее форма или структура.

Выяснение механизма явлений. Можно так же выделить три этапа: формулировка целей исследования; определение объекта исследования; создание модели объекта. Основным является выявление формы и структуры модели, скорее нас интересует качественная сторона дела, а не количественная.

Нетрудно видеть, что в трех сформулированных задачах имеется общий этап -создание модели объекта. Этому этапу и будет посвящено дальнейшее исследование. Представим объект в виде некоторой кибернетической системы, которая определяется входящими в нее элементами и связывающими их соотношениями

А = {хЛОЬ (1) где хТ = (х1,х2,.,хп) - множество входных сигналов (Г - символ транспонирования), 8 - множество неконтролируемых воздействий, (2 - множество характеристик и ограничений, действующих в системе и накладываемых на х и 8.

Для реализации кибернетической системы необходимо знать действие механизма «вход-выход» или «стимул-реакция». При заданных множествах х, 8 и (9 нужно уметь находить выходной вектор у, т. е. знать отображение

Я:={х,в,в}^у. (2)

Основополагающим в моделировании является принцип изоморфизма.

Строгий изоморфизм. Две системы Ах ={х1,81,01} и Л2 = {х^г^г) СТР0Г0 изоморфны, если между элементами воздействий с, и х2, с2 можно установить взаимно однозначное соответствие. Между множествами 0,х и , можно установить взаимно однозначное соответствие таким образом, что каждому элементу из выражающему ориентированное отношение между двумя элементами из

X], 8], будет соответствовать элемент из 02, выражающий то же самое ориентированное отношение между элементами из х,, в?.

Строгий изоморфизм между двумя системами означает наличие взаимно однозначного соответствия не только между входными сигналами и характеристическими множествами (0\ и 02), но и между выходными сигналами систем.

В практических исследованиях предпринимаются попытки построить модель, изоморфную реальной задаче только в отношении ограниченного числа специфических свойств. В таких случаях говорят об ограниченном изоморфизме.

Ограниченный изоморфизм. Две системы Д и А-, изоморфны в ограниченном смысле, если выполнено одно из следующих условий.

Во-первых, системы изоморфны только к подмножеству выходных сигналов независимо от природы их входных сигналов.

Пусть Ах = {ххЛ\,0.\}'-> А2 - {Зс2,ё2'02} и заданы отображения

У\=К\{Х\Л\,(>\}, У2 г«е Я =(У2\>У22>-,У2,п2)> уТ = {уп,уХо,-;У\т ) условие можно записать так:

У\] = У2]> ^ = 1>г> г~1> Г<Щ> г<т2, т. е. значения г элементов на выходе двух систем одинаковы, хотя между элементами х^, и х2,е2, а также между и ()2 могут быть различия.

Во-вторых, хотя системы Ау и А2 не имеют одинаковых выходных множеств, разница между выделенными выходными сигналами не превышает допустимых пределов. Для некоторых небольших су справедливы неравенства

Уу~Уг] 1<е/ 7 =

Если число выходных сигналов в обеих системах одинаково, т. е. тх = т2 = т, то У может принимать любое значение от 1 до т .

В-третьих, две системы изоморфны в смысле первых двух условий по отношению к мерам, заданным на их выходных множествах. Что соответствует случаю, когда две системы эквивалентны с точки зрения обобщенных показателей, характеризующих некоторые элементы выходных множеств. Такими показателями могут быть затраты, доходы, функция распределения и т. п.

Две частично изоморфные системы А\ и А2 называются гомоморфными, если некоторая часть системы: Ау и (например, А^) строго изоморфна А2; А2 и (например, А2 ) строго изоморфна Ау.

Приведенное определение подразумевает, что некоторая часть системы Ау изоморфна А2 в строгом смысле или наоборот. Иначе говоря, одна система является подсистемой другой. Разница между гомоморфизмом и ограниченным изоморфизмом очевидна. Понятия изоморфизма и гомоморфизма лежат в основе моделирования в исследовании операций, экономике и в других дисциплинах.

Математическая модель - это логическая структура, объясняющая механизм действия системы с помощью соотношений (1) и (2). Дадим определение математическому моделированию в плане рассмотренных понятий изоморфизма.

Пусть система задана тройкой и отображением

У\ = И\{х\-Л\,0.\}, а система А2 - тройкой {х2,82,С?2} и отображением у2 = Л2{х2,£}• А. является моделью А2, если А\ изоморфна или гомоморфна А2. Если А^ изоморфна (в строгом или ограниченном смысле) А2, то А\ называется изоморфной моделью А2, если А^ гомоморфна А2, то называется гомоморфной моделью А2.

Конкретизируя это определение, будем в дальнейшем полагать под математической моделью объекта правило преобразования входных переменных в выходные в виде функциональной зависимости у = г|(3с) + 5, где г|(х) - некоторая вектор-функция, £ - вектор неконтролируемых возмущений при условии, что априорная информация о сигналах х и £ (область их изменения и т. п.) задана элементами множества £ = {5*х, £с }. Элементы векторов определяются субъектом.

Приступая к поиску математической модели (функции г)(5;) ), экспериментатор обладает некоторой априорной информацией, степень его информированности можно охарактеризовать двумя основными уровнями.

1. Вид функции т|(3с) неизвестен. Известно лишь, что функция в интересующей экспериментатора области может быть достаточно хорошо аппроксимирована конечным рядом по некоторой системе (или системам) наперед заданными функциями. Требуется найти наилучшее описание функции г|(3с).

2. Функция г)(х) известна с точностью до параметров, т. е. т\(х) = т](х,с), где с - вектор параметров модели. В этом случае, очевидно, имеем у - г|(х,с) + в, а прогноз состояния объекта дается соотношением у* = г|(х,с*), где оценка С * находится исходя из некоторого критерия ошибки или функции потерь, определяющих меру близости выходов объекта и их прогноза: = а^гшп У (у, у*), Т- ес в результате «подгонки» с к имеющимся экспериментальным данным.

Можно выделить следующие этапы построения математической модели исследуемого объекта. Выбор модели, т. е. установление вида зависимости г)(3с) с точностью до параметров с. Нахождение с * (этап оценивания). Проверка и подтверждение модели (диагностическая проверка, проверка адекватности).

Второй и третий этапы описанной процедуры в достаточной степени формализованы, и наибольшее затруднение при моделировании обычно вызывает первый этап, на котором применяются два основных подхода - аналитический (или имитационный) и на основе аппроксимации.

Выбор модели объекта прогнозирования (управления) представляет собой задачу, трудность которой зависит от: степени изученности объекта моделирования; «степени искаженности» информации; объема этой информации.

При анализе количественной информации в задачах прогнозирования используются методы аппроксимации и можно выделить два подхода к ее извлечению. При первом - параметрическом - подходе пространство экспериментальных данных редуцируется (трансформируется) в пространство существенно меньшей размерности параметров или коэффициентов некоторой заранее постулируемой мог дели. Успех моделирования зависит во многом от того, насколько удачно подобрана структура модели. При втором - непараметрическом - подходе экспериментальные данные полностью сохраняются и используются для нахождения оценок параметров выходных сигналов объекта. Объем хранимой информации здесь может быть весьма существенным.

Возможен и промежуточный вариант: экспериментальные данные редуцируются, но путем оставления только наиболее информативных значений, которые затем используются для прогноза состояния объекта. Данный подход к моделированию имеет сходные черты с широко известными непараметрическими и нейронными сетевыми методами.

При анализе качественной информации речь идет об аналитических и имитационных моделях в задачах управления.

В первом случае объект (система) отображается состоящим из отдельных взаимосвязанных элементов, для каждого из которых составляются частные описания, аналогичные уравнениям баланса: для динамики процесса приращение = приход —убыток; для статики процесса приход —убыток.

Частные описания имеют вид линейных и нелинейных алгебраических, дифференциальных (потоки) и разностных (отображения) уравнений. Внутренние (для объекта) перекрестные или обратные связи между элементами определяют общую структуру модели. Несмотря на значительные достижения в области разрешения нелинейных и стохастических моделей, их прогнозирующая ценность (если речь идет о сложных системах), пока еще невелика.

Различают детерминированные модели при наличии полной априорной информации об их параметрах. Если вид модели объекта известен, данные о котором не являются искаженными, задача управления может стать тривиальной.

Можно себе представить также модели детерминированных систем при неполной априорной информации о ее параметрах (неизвестны начальные условия при известных уравнениях, неизвестны некоторые коэффициенты уравнений). Если вид модели нам априорно известен и информация о нем не является искаженной помехами, то при решении задачи управления могут встретиться трудности лишь вычислительного характера. Если вид модели априорно не известен, но система является детерминированной и информация о ней не искажена, задача управления также может быть успешно решена. Более сложную задачу представляет определение модели при наличии о системе лишь ограниченной информации вида «поведение системы является стационарным», «такая-то характеристика системы является неубывающей (невозрастающей) функцией времени» и т. п.

В тех случаях, когда о системе априорно ничего не известно и поступающая информация является искаженной помехами, задача выбора и обоснования модели становится сложной и требует искусства и опыта исследователя.

В настоящем исследовании делается попытка заложить основы теории построения ОС, обобщающей практику разработок и внедрения различных классов систем. В ней исследуется связь «проблема - ОС», рассматриваются особенности ОС как специфического класса систем, проводится анализ существующих методов их создания и предлагается подход к их построению. Приводятся примеры использования предлагаемого подхода в области управления финансами на основе прогнозирования. Обсуждаются вопросы организации ОС, а также некоторые общие вопросы, связанные с перестройкой управления.

Теория построения ОС должна быть междисциплинарной, для ее формирования необходима интеграция усилий экономистов, системотехников, организаторов управления и производства, социологов, психологов, юристов. Надеемся, что данное исследование привлечет внимание ученых различных специальностей к вопросам создания ОС, и будет способствовать ускорению разработки теории и методики их построения.

В условиях рыночной экономики прогнозирование при управлении материальными и денежными средствами, становиться действительно актуальной задачей. Причин тому несколько. Необходимость прогнозирования нередко возникает при разработке бизнес плана, обосновании инвестиционных проектов, запрашиванием кредитов и т.д. В учетно-аналитической практике известны различные методики прогнозирования, тем не менее можно выделить некоторые их общие черты.

При анализе движения денежных средств, большую часть показателей достаточно трудно спрогнозировать с необходимой точностью. Поэтому прогнозирование денежного потока как правило сводят к построению бюджетов денежных средств в планируемом периоде. Более последовательный учет особенностей финансового состояния партнеров при использовании методов лигвистического прогнозирования позволит повысить надежность прогноза и следовательно повысить эффективность работы конкретного предприятия.

Попыток решить проблему автоматизации управления финансами компании на основе'лингвистического прогнозирования с использованием причинной модели пока немного. В отечественной литературе данное направление исследования остается малоизученным, что свидетельствует об актуальности выбранной темы.

Цель и задачи работы. Цель заключается в разработке методов синтеза систем информационного обеспечения (управления) обладающих инструментальными средствами интеллектуальной поддержки принятия управленческих решений, для обеспечения финансовой безопасности функционирования организационных систем самого различного назначения.

При достижении поставленной цели решены следующие задачи.

1. Классификация нештатных ситуаций, возникающих при управлении, разработка нового подхода к автоматизации учета состояния и выбор общей концепции управления состоянием организационных систем.

2. Создание модели выработки и принятия решений на основе принципа поэтапного преодоления неопределенностей.

3. Оценка риска при кризисной ситуации на основе причинной модели прогнозирования и формирование нового подхода к принятию решений при управлении организационными системами в условиях прогнозирования.

4. Анализ методов принятия решений в проблемных ситуациях при управлении организационными системами.

5. Создание модели функционирования организационной системы в нештатных ситуациях.

6. Организация инструментальных средств в виде программного комплекса реализации алгоритмов для автоматизации поддержки управления организационными системами. Внедрение результатов диссертационной работы на ведущих предприятиях Российской Федерации: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

Объект и методы исследований. Объектами исследований являются информационные системы управления организационными системами самого различного характера.

Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур.

Предмет исследования. Исследование закономерностей процесса принятия решений в организационных системах

Методы исследований. Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур. Научная новизна работы:

-создание систем управления организационными системами, отличающихся применением системного подхода для исследования противоречий при использовании общих финансовых, информационных и временных ресурсов, что позволяет предложить определение организационной системы как совокупности противоречащих элементов, структурированной общей целью;

-системная модель управления организационными системами отличается тремя уровнями абстрагирования: диагностики состояния, классическим информационным и ситуационным;

-классификация ситуаций, отличных от штатной, учитывающая приоритеты противоречий и пять типов ситуаций: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование;

-методы формирования признаков текущей ситуации по классам, отличающиеся: применением таблиц истинности, построенных на моделях сетей Петри; расчетом ресурсов (финансовых, временных, информационных) и диалоговым общением лица, принимающего решение с базой знаний.

-метод последовательного прогнозирования с альтернативными моделями по комплексу критериев возникающих при функционировании организационной системы в рамках общей концепции непрерывного управления ее состоянием;

-принцип поэтапного преодоления неопределенностей, который предполагает: построение имитационной модели функционирования системы с учетом воздействий окружающей среды, формирование вариантов решений и их универсума, прогноз последствий принятия решений, сравнение ценности разных вариантов решения, выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям.

-метод оценки технико-экономического риска при функционировании организационной системы в условиях кризисной ситуации;

-метод формирования инструментальных средств в виде программного обеспечения алгоритмов информационной и интеллектуальной поддержки принятия управленческих решений, отличающийся погружением комплексной, специализированной базы знаний в базу данных современных ЗСАБА-систем.

Теоретическое значение. Полученные результаты диссертационной работы на основе стратификации комбинированной структуры ситуационного и классического управления с использованием альтернативных моделей, методов и алгоритмов адаптации развивают теоретические основы автоматизации управления организационными системами, в том числе и при функционировании в штатных и нештатных ситуациях.

Практическая ценность работы. Полученные в работе результаты развивают методологию практического применения системного анализа и синтеза систем управления организационными системами, функционирующими в условиях нештатной ситуации. Разработанные инструментальные средства в виде комплекса программ конкретных систем информационного обеспечение (управления) могут быть использованы в САПР и АСУ различного уровня иерархии. Методические аспекты могут быть успешно использованы в учебном процессе при подготовке студентов широкого круга специальностей в области управления организационными системами самого широкого назначения. Основные теоретические разработки диссертации в виде предметно-ориентированных моделей, алгоритмов и программ внедрены на: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецгранс», ОАО Ленгазтеплострой. Результаты, выносимые автором на защиту:

-метод перехода от задачи принятия управляющих решений, к задаче управления в заданном классе детерминированных решений на ситуационном уровне и представление возникающих при функционировании организационных систем ситуаций пятью типами: проблемной, кризисной, недостаток ресурсов, неопределенность, прогнозирование;

-представление задачи обеспечения безопасного функционирования организационных систем тремя уровнями абстрагирования: диагностическим, информационным и ситуационным и концепцию непрерывного управления состоянием организационной системы на диагностическом уровне;

-организация систем управления и информационного обеспечения организационными системами в пределах единой методологии и новый подход к автоматизации учета состояния организационных систем на классическом информационном уровне;

-модель поэтапного преодоления неопределенностей при реализации алгоритма выработки и принятия решений в нечеткой среде;

-причинная модель прогнозирования, позволяющая принимать обоснованные решения в кризисных ситуациях;

-методы оценки риска при функционировании организационной системы в условиях проблемной ситуации.

Апробация результатов исследования. Основные результаты исследований, выполненных по теме диссертации, были доложены: на девяти Международных конференциях.

Публикации. Для представления наиболее важных результатов исследований и практических разработок из имеющихся у соискателя публикаций выбрано 9 источников, рекомендованных ВАК для публичной апробации докторских диссертаций, 1 монография, 1 учебное пособие, 9 докладов на Всесоюзных, Всероссийских и международных конференциях, 16 статей в научно-технических журналах. В работах, опубликованных в соавторстве, личное участие автора заключается в постановке проблемы и формализации задач, теоретическом обосновании исследований и непосредственном участии в создании инструментальных средств в виде алгоритмов и программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения, списка литературы из 264 источника, включает в себя 408 страниц, 22 таблицы и 75 рисунков.

ВЫВОДЫ

1. В рамках системного анализа проблем управления ОС показана объединяющая роль противоречий между их элементами, вне которых она распадается на независимые части и предложено определение системы как совокупности противоречащих элементов, структурированной общей целью, что позволяет рассматривать создание организационных систем и систем управления ими в пределах единого подхода и предложить концепцию создания жизнеспособной развивающейся ОС.

2. Выполненные теоретические и практические исследования задачи управления организационными системами показали необходимость ее представления тремя уровнями абстрагирования: диагностическим, классическим информационным и ситуационным, что позволило предложить и реализовать:

- на диагностическом уровне концепцию непрерывного управление состоянием организационной системы. Концепция основана на принципах использования имеющихся ресурсов. Разработать методы управления ОС в рамках предложенной концепции;

- на классическом информационном уровне новый подход к автоматизации учета состояния организационных систем, который предполагает создание: информационной БД имеющихся ресурсов, подсистемы прогнозирования и планирования;

- на ситуационном уровне метод перехода от задачи принятия управляющих решений путем корреляции текущей ситуации по одному из имеющихся альтернативных прототипов к задаче синтеза управления в заданном классе детерминированных решений.

3. Возникающие в организационных системах ситуации, отличные от штатной, представлены пятью типами: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование. Их своевременное выявление дает возможность оперативного принятия решений по управлению.

4. В результате анализа особенностей задач прогнозирования, возникающих при функционировании организационных систем, предложен метод алгоритмического моделирования, который может быть использован при анализе сложных многофакторных систем (рынка ресурсов).

5. В основу работы предложенного и реализованного алгоритма выработки и принятия решений был положен принцип поэтапного преодоления неопределенностей, который предполагает построение имитационной модели функционирования системы с учетом воздействий окружающей среды, формирование вариантов решений и их универсума, прогноз следствий принятия решений, сравнение ценности разных вариантов решения и выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям.

6. Исследование функционирования ОС показало, что это, прежде всего, управление потоками ресурсов, следующих из ОС в ее окружение и обратно. Для

- достижения ресурсной устойчивости ОС необходимо убедиться, что поток доходов превышает поток расходов и положение предприятия стабильно;

- оптимального прогнозирования устойчивости предприятия наиболее эффективна экспертная система приближенных рассуждений;

- реализации прогнозирующей экспертной системы предложен метод логико-лингвистического прогнозирования на основе нечетких экспертных оценок и причинной модели. Когда переменным присваиваются не числовые значения, а слова и предложения естественного языка, что стало возможно за счет применения аппарата нечеткой логики при использовании лингвистических переменных; моделирование процесса управления происходит в терминах, близких и понятных менеджеру (слова и предложения естественного языка с придаточными обстоятельствами причины).

Сформулирована экспертная технология прогнозирования для прямой лингвистической реализации прогнозирующего текста средствами совместного использования идей исчисления предикатов и теории нечетких множеств, допускающих наличие нечеткого предиката, присутствие недостоверности и развитие прогнозирования в реальном времени.

7. Для принятия решений в проблемных ситуациях предложено использовать в рамках информационной технологии модели представления данных и знаний, принятия решений и комбинированную модель альтернативного выбора.

8. Создан пакет программных средств реализации алгоритмов в нештатных ситуациях, включающий набор минимальных логических модулей для оперативного формирования последовательностей управления.

9. Внедрение результатов диссертационной работы осуществлено на ведущих предприятиях Российской Федерации: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

1. Богданов А. А. Краткий курс экономической науки. — J1. — М., 1912. - С. 20.

2. Koontz H. The Management Theory Jungle Revisted // Academy of Management Review, 1980.-V. 5.-N2.-P. 176-187.

3. Попов Г. X. Проблемы теории управления. -М.: Экономика, 1970. С. 5.

4. Локтаев С. В., Лисицын Н. В. Управление организационными системами. -СПб.: ХИМИЗДАТ, 2005. 37/18,5 п.л.

5. Моисеев H. Н. Оптимизация и управление (эволюция идей и перспективы) // Техн. кибернетика. № 4. - 1974. - С. 3-16.

6. Бир С. Кибернетика и управление производством. М.: Физматгаз, 1963. -391 с.

7. Ивахненко А. Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975.-311 с.

8. Васильев В. И. Распознающие системы: Справ. Киев: Наукова думка, 1983.-422 с.

9. Ивахненко А. Г. Самообучающиеся системы распознавания и автоматического управления. Киев: Техника, 1969. - 392 с.

10. Ципкин Я. 3. Адаптация и обучение в автоматических системах. М.: Наука, 1968.-399 с.

11. Кунцевич В. М., Лычак M. М. Синтез оптимальных и адаптивных систем управления. Киев: Наукова думка, 1985. - 248 с.

12. Фельдбаум А. А. Основы теории оптимальных автоматических систем. -М.: Наука, 1966.-624 с.

13. Васильев В. И., Коновалеико В. В., Горелов Ю. И. Имитационное управление неопределенными объектами. Киев: Наукова думка, 1989. - 216 с.

14. Васильев В. И., Коваль П. И., Коноваленко В. В. и др. Имитационное управление сталеплавильными процессами с использованием теории распознавания образов // Автоматика. 1982. - № 1. - С. 60-69. - № 2. - С. 58-65.

15. Туркенич Д. И. Управление плавкой стали в конвертере. — М.: Металлургия, 1975. 360 с.

16. Искусственный интеллект: Теория и приложения: Межвуз. сб. науч. тр.

17. Саратов: Изд-во Сарат. ун-та, 1993.

18. Бондарев В. Н., Аде Ф. Г. Искусственный интеллект: Учеб. пособие для студентов вузов. — Севастополь: Изд-во СевНТУ, 2002. 613 с.

19. Горбатов В. А., Огиренко А. Г., Смирнов М. И. Искусственный интеллект в САПР: Учеб. пособие. М.: МГГУ, 1994. - 183 с.

20. Кьюсиак Э., Яп К. Т., Чау У. М. и др. Искусственный интеллект: Применение в интегрированных производственных системах / Под ред. А. И. Дащенко, Е. В. Левнера. -М.: Машиностроение, 1991. 539 с.

21. Курейчик В. М., Лебедев Б. К. Искусственный интеллект в САПР: Текст лекций. Таганрог: ТРТИ, 1989. - 47 с.

22. Большакова Е. И., Мальковский М. Г., Пильщиков В. Н. Искусственный интеллект. Алгоритмы эвристического поиска: Учеб. пособие. М.: Фак. ВМК МГУ, 2002.-81 с.

23. Люгер Д. Ф. Искусственный интеллект: Стратегии и методы решения сложных проблем / Пер. с англ. Н. И. Галагана и др. 4-е изд. М.: Вильяме, 2003.- 863 с.

24. А. Тейз, П. Грибомон, Ж. Луи и др. Логический подход к искусственному интеллекту: От классической логики к логическому программированию / Под ред. Г. П. Гаврилова. -М.: ВЦ РАН, 1990.-429 с.

25. Ашихмин А. А. Разработка и принятие управленческих решений: формальные модели и методы выбора: Учеб. пособие для студентов вузов. М.: Изд-во МГГУ, 1995. - Вып. 2. - 79 с.

26. Арсеньев Ю. Н. Шелобаев С. И., Давыдова Т. Ю. Принятие решений. Интегрированные интеллектуальные системы: Учеб. пособие для студентов вузов.- М.: ЮНИТИ-ДАНА, 2003. 269 с.

27. Методы и модели оптимизации ресурсов в интеллектуальных системах принятия решений в экономике, технике, финансах и образовании: Сб. науч. ст. / Под ред. Ю. Н. Арсеньева. М.: Б. и., 2000. - 214 с.

28. Гаврилова Т. А. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 199 с.

29. Малышев Н. Г. Берштейн Л. С., Боженюк А. В. Нечеткие модели дляэкспертных систем в САПР. М.: Энергоатомиздат, 1991. - 134 с.

30. Варфоломеев В. И., Воробьев С. Н. Принятие управленческих решений в сложных ситуациях. М.: Кудиц-образ, 2001. - 287 с.

31. Воробев С. Н., Уткин В. Б., Балдин К. В. Управленческие решения: Учеб. для вузов. М.: ЮНИТИ-ДИАНА, 2003. - 317 с.

32. Мишин А. В., Мишин С. А. Принятие управленческих решений в организационных системах: теория и практика. Воронеж: ВИ, 2004. - 171 с.

33. Цыпкин Я. 3. Синтез робастно оптимальных систем управления объектами в условиях ограниченной неопределенности // АиТ. 1992. № 9. - С. 139-159.

34. Цыпкин Я. 3. Робастно оптимальные дискретные системы управления // АиТ. 1999. - № 3. - С. 25-37.

35. Локтаев С. В., Веригин А. Н. Финансовый анализ и прогнозирование // Проблемы экологии и экономики в химической промышленности. СПб.: Изд-во СПб. ун-та, 2000. - С. 45-54. - 0,38/0,19 п.л.

36. Локтаев С. В. Роль региональных банков в развитии малого и среднего предпринимательства // Международный банковский конгресс: «Банки: вызов нового столетия» (МБК-2000, 7-10 июня СПб), Секция № 1: «Банки и экономика». 0,13 п.л.

37. Локтаев С. В. Решение задач управления финансами с использование ЭВМ // Проблемы экологии и экономики в химической промышленности. СПб.: Изд-во СПб. ун-та, 2000. - С. 16-28. - 0,75 п.л.

38. Локтаев С. В., Лисицын Н. В. Управление организационными системами.- СПб.: ХИМИЗДАТ, 2005. 37/18,5 п.л.

39. Локтаев С. В. Лингвистический подход при создании систем управления / С. В. Локтаев, Н. В. Бирюлева, М. Ю. Бирюлев и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. СПб., 2004.- Т. 2. С. 50-52. - 0,19/0,05 п.л.

40. Локтаев С. В., Веригин А. Н., Федорова Н. В. Системный анализ и управление финансами банка // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. - СПб., 2003. -0,6/0,2 п.л.

41. Локтаев С. В., Федорова Н. В., Веригин А. Н. Управление финансами и системность // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. СПб., 2003. - 0,6/0,2 пл.

42. Локтаев С. В., Веригин А. Н., Бирюлева Н. В. Системность и управление финансовыми системами // Вестник СПбИГПС. 2005. -№ 3. - С. 81. - 0,4/0,13 пл.

43. Локтаев С. В., Веригин А. Н. Системный анализ и управление финансами // Экология энергетика экономика (выпуск VII), Радиационная, химическая и экономическая безопасность. СПб.: Изд-во Менделеев, 2003. - С. 195-200. -0,31/0,16 пл.

44. Локтаев С. В., Веригин А. Н., Ивахнюк С. Г. Системность и управление финансами банка // Экология энергетика экономика (выпуск IV), Пожарная и промышленная безопасность. СПб.: Изд-во СПб. ун-та, 2001. - С. 152-161. -0,5/0,17 пл.

45. Оптнер С. Л. Системный анализ для решения деловых и промышленных проблем / Пер. с англ. М.: Сов. радио, 1970.

46. Дитрих Я. Проектирование и конструирование. Системный подход / Пер. с польск. М.: Мир, 1981. - С. 24.

47. Bartee Е. М. Engineering Experimental Design Fundamentals, Prentice-Hall, Inc. Eng. N. Y., 1968.

48. Глобальные проблемы современности. M.: Мысль, 1981.

49. Справочник разработки АСУ. М.: Экономика, 1978; Тищенко Н. М. Введение в проектирование систем управления. - М.: Энергоиздат, 1986.

50. Богданов А. А. Всеобщая организационная наука (тектология). Ч. I. Л. -М.: Книга, 1925.-С. 26.

51. Акофф Р., Эмери Ф. О целеустремленных системах / Пер. с англ. М.: Сов. радио, 1974.

52. Системное проектирование АСУ хозяйством области / Под общ. ред.

53. Ф. И. Перегудова. -М.: Статистика, 1977. С. 10.

54. Авдулов П. В. Введение в теорию принятия решений. М.: ИУНХ, 1977. -С. 8-9.

55. Бобрышев Д. Н. Основные категории теории управления. М.: АНХ при Совете Министров СССР, 1988. - С. 6.

56. Силюк Н. А,, Веселов П. В., Галахов В. В. Организация управленческого труда. М.: Экономика, 1986. - С. 5.

57. Локтаев С. В., Коськин А. В., Бирюлева Н. В. Анализ существующей практики создания организационных систем // Вестник СПбИГПС. 2004. - № 1. -С. 86-89.-0,25/0,1 п.л.

58. Табурчак П. П. Проблемы теории и практики корпоративного управления предприятиями. СПб, 1999.

59. Системный анализ в экономике и организации производства/ С. А. Валуев,

60. B. Н. Волкова, А. П. Градов и др.; Под общ. ред. С. А. Валуева, В. Н. Волковой. -Л.: Политехника, 1991. 398 с.

61. Дмитриев О. Н. Системный анализ в управлении. М.: Издательство «Гном и Д», 2002.

62. Глушков В. М. Введение в АСУ. Киев: Техника, 1974.

63. Мамиконов А. Г. Методы разработки АСУ. М.: Энергия, 1973. - С. 66.

64. Кабаков В. С. Организация управления и эффективность производства. -Л.: ЛИЭИ, 1985.

65. Каменицер С. Е., Соломатин В. В. Автоматизированная система управления машиностроительным предприятием. -М.: Машиностроение, 1971.1. C. 15.

66. Бодрунов С. Д., Дмитриев О. Н., Ковальков Ю. А., Мантуров Д. В., Федорова О. Н. Проблемы, принципы и методы корпоратизации авиапромышленного комплекса России СПб.: Корпорация «Аэрокосмическое оборудование» и «Петроградский и К°», 2000.

67. Обозов С. А. Программно-целевой метод как инструмент развития инвестиционного потенциала города. -Н. Новгород: ВВАГС, 1998.

68. Ковалев В. В., Финансовый анализ: Управление капиталом. Выборинвестиций. Анализ отчетности. 2-е изд., перераб. и доп. М.: Финансы и статистика, 1997.

69. Мильнер Б. 3., Евенко Л. И., Раппопорт В. С. Системный подход к организации управления. М.: Экономика, 1983.

70. Рамин М. Л., Мишин В. И. Региональное программно-целевое планирование и управление. Рига: АВОТС, 1985. - С. 9.

71. Франчук В. И. Основы построения организационных систем. М.: Экономика, 1991.

72. Локтаев С. В., Веригин А. Н. Концепция создания развивающихся финансовых систем // Финансы 2003. -№ 12. С 64-66. 0,2/0,1 п.л.

73. Локтаев С. В. Развивающиеся организационные финансовые системы и концепция их создания / С. В. Локтаев, А. Н. Веригин, В. Г. Джангирян и др. // Вестник СПбИГПС. 2004. - № 3. - С. 65-72. - 0,5/0,13 п.л.

74. Локтаев С. В., Веригин А. Н. Банк как жизнеспособная развивающаяся система // Экология энергетика экономика (выпуск Ш), Теория и практика безопасности жизнедеятельности в техносфере. СПб.: Изд-во СПб. ун-та, 2001. -С. 163-177.-0,88/0,44 пл.

75. Локтаев С. В., Веригин А. Н., Федорова Н. В. Системный анализ развивающихся финансовых систем // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. - СПб., 2003. -0,6/0,2 п.л.

76. Локтаев С. В., Веригин А. Н., Федоров В. Н. Создание организационных систем и управление при решении непрограммируемых проблем в области экономики // Вестник СПб института ГПС МЧС России. 2004. - № 4. С. 80-87. -0,5/0,17 п.л.

77. Локтаев С. В., Веригин А. Н. Особенности создания организационных финансовых систем // Экология энергетика экономика (выпуск VIII), Безопасные экологические и экономические технологии. СПб.: Изд-во Менделеев, 2003. -С. 121-129.-0,56/0,28 п.л.

78. Справочник разработчика АСУ. М.: Экономика, 1978.

79. Общеотраслевые руководящие методические материалы по созданию

80. АСУП. М.: Экономика, 1977.

81. Поспелов Г. С., Ириков В. А. Программно-целевое планирование и управление. -М.: Сов. радио, 1976.

82. Лопухин М. М. Паттерн-метод планирования и прогнозирования научных работ. -М.: Сов. радио, 1971.

83. Якушев Д. И. Алгоритмы математического моделирования. СПб.: МГП «Поликом», 2002. - 100 с.

84. Растригин Л. А. Современные принципы управления сложными объектами. -М.: Советское радио, 1980.

85. Циркун А. Д., Акинфиев В. К., Филиппов В. А. Имитационное моделирование в задачах синтеза структуры сложных систем. М.: Наука, 1985.

86. Бокучава И. Т., Цвиркун А. Д., Орлов С. П. Оптимизация функционирования и структурного построения сложных систем. Тбилиси: Мецниереба, 1989.

87. Орлов С. П. Имитационное моделирование при структурном синтезе сложных логистических систем // Сб. докладов междунар. конф. по мягким вычислениям и измерениям, 8СМ 2003. СПб.: Изд. СПбГЭТУ «ЛЭТИ», 2003. -С. 157-160.

88. Акофф Р., Сасиени М. Основы исследования операций / Пер. с англ. М.: Мир, 1971.

89. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

90. Жданова Л. А. Организация и управление капиталистической промышленной фирмой. М.: Изд-во Ун-та дружбы народов, 1987.

91. Пэнтл Р. Методы системного анализа окружающей среды / Пер. с англ. -М.: Мир, 1979.

92. Лотов А. В. Введение в экономико-математическое моделирование. М.: Наука, 1984.

93. Аганбегян А. Г. Оптимальное территориально-производственное планирование. Новосибирск: Наука, 1969. - С. 59-60.

94. Лейбкинд А. Р. Вопросы формирования организационных структуруправления производственно-хозяйственными комплексами // Известия АН СССР. Сер. экономическая. 1985. - № 1. - С. 25-36.

95. Бородкин Ф. М., Гершензон М. А., Миркин Б. Г. Проблемы расширенного социалистического воспроизводства. Новосибирск: ИЭ и ОПП СО АН СССР, 1968.

96. Мартынов Г. В. Модели оптимизации многоотраслевых производственных комплексов. -М.: Финансы и статистика, 1982.

97. Моисеев Н. Н. Теория ноосферы и математические модели //Философия и социология науки и техники: Ежегодник. М.: Наука, 1987.

98. Моисеев Н. Н. Алгоритмы развития. М.: Наука, 1987.

99. Пригожий И. Р. От существующего к возникающему. М.: Наука, 1985.

100. Пригожий И. Р., Стенгерс И. Порядок из хаоса. М.: Прогресс, 1986.

101. Де Шарден П. Т. Феномен человека. М.: Наука, 1987.

102. Верин И. Л. Фундаментальный код // На суше и на море: Сборник. М.: Мысль, 1969;

103. ЮО.Герловин И. Л. Самоорганизация в природе и в обществе // Тез. сообщения на межреспубликанской конференции. Л.: Наука, 1988.

104. Герловин И. Л. Основы единой теории всех взаимодействий в веществе. -Л.: Энергоатомиздат, 1990.

105. Бир С. Кибернетика и управление производством. М.: Физматгаз, 1963. -391 с.

106. Локтаев С. В. Социально-политическое прогнозирование и финансовая политика банка // Экология энергетика экономика (выпуск V), Безопасность в чрезвычайных ситуациях. — СПб.: Изд-во «Менделеев», 2002. С. 168-171. — 0,19 п.л.

107. Романов А. Н., Одинцов Б. Е. Советующие информационные системы в экономике: Учеб. пособие для вузов. М.: ЮНИТИ-Дана, 2000. - 486 с.

108. Миронов А. С. Введение в искусственный интеллект: Учеб. пособие. М.: МГАПИ, 1995.-42 с.

109. Локтаев С. В. Экспертная технология прогнозирования при управлении финансами компании / С. В. Локтаев, А. Н. Веригин, Н. В. Федорова и др. //

110. Междунар. конф. по мягким вычисленим и измерениям: Сб. мат. СПб., 2003. -0,19/0,05 п.л.

111. Аппак М. А. Искусственный интеллект в экономике: Учеб. пособие. М.: МГАПИ, 2000. - 19 с.

112. Рудакова Г. М. Искусственный интеллект. Экспертные системы. -Красноярск: СибГТУ, 2002. 87 с.

113. Локтаев С. В., Веригин А. Н. Методы прогнозирования. СПб.: Изд-во СПб. ун-та, 1999. - 6/3 п.л.

114. Гноенский Л. С., Каменский Г. А., Эльсголыд Л. Э. Математические основные теории управляемых систем. М.: Наука, 1969.

115. Мун Ф. Хаотические колебания. М.: Мир, 1990.

116. Ямпольский С. М., Хилюк Ф. М., Лисичкин В. А. Проблемы научно-технического прогнозирования. -М.: Экономика, 1969.

117. Чуев Ю. В. Исследование операции в военном деле. М.: Воениздат, 1970.

118. Винер Н. Творец и робот. М.: Прогресс, 1966.

119. Клаузевиц К. О войне. М.: Воениздат, 1936.

120. Artificial Intelligence // Amsterdam: Time Life - Books, 1986.

121. Научное открытие и его восприятие. M.: Наука, 1971.

122. Винер Н. Кибернетика. М.: Сов. радио, 1968.

123. Эльсгольц Л. Э. Качественные методы в математическом анализе. М.: Гостехиздат, 1955.

124. Адамар Ж. Исследование процесса изобретения в области математики. -М.: Сов. радио, 1970.

125. Бройль Л. де. По тропам науки. М.: ИЛ, 1962.

126. Райфа Г. Анализ решений. М., 1977.

127. Локтаев С. В. Работа с данными в программах прогнозирования / С. В. Локтаев, А. А. Алашкин, В. Н. Федоров и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. СПб., 2004. -T. 1.-С. 251-255.-0,25/0,06 пл.

128. Головихин С. А., Басов Е. А. Управление рисками в системе интеграционных отношений промышленных предприятий с банками. -Челябинск: ЧелГУ, 2000. 24 с.

129. Забелина О. В. Управление рисками в сфере промышленного бизнеса. -Тверь: Твер. гос. ун-т, 1999. 158 с.

130. Цифрова М. В., Андреева О. В. Управление рисками экономических систем. Саратов: Изд-во Сарат. ун-та, 2001. - 119 с.

131. Кузьменков В. А. Теория принятия решений и управление рисками: Учеб. пособие. СПб.: СПбГПУ, 2002. - 38 с.

132. Буянов В. П., Кирсанов К. А., Михайлов Л. М. Рискология. Управление рисками: Учеб. пособие. 2-е изд., испр. и доп. М.: Экзамен, 2003. - 381 с.

133. Чернова Г. В., Кудрявцев А. А. Управление рисками: Учеб. пособие. М.: Проспект: ТК Велби, 2003. - 158 с.

134. Карпова Е. А. Управление рисками: Учеб. пособие. Челябинск: ЧГАУ, 2003.-79 с.

135. Уткин Э. А., Фролов Д. А. Управление рисками предприятия: Учеб.-практ. пособие. М.: ТЕИС, 2003. - 247 с.

136. Боровкова В. А. Управление рисками в торговле. СПб.: Питер, 2004. -287 с.

137. Афоничкин А. И. Принятие управленческих решений в экономических системах: Учеб. пособие. Саранск: Изд-во Морд, ун-та,, 1998. 183 с.

138. Баранов Г. JI. Структурное моделирование сложных динамических систем / Г. JI. Баранов, А. В. Макаров. К.: Наукова думка, 1986. 272 с.

139. Акофф Р., Эмери Ф. О целеустремленных системах. М.: Сов. радио, 1974.-273 с.

140. Бахтадзе Н. Н. Виртуальные анализаторы (идентификационный подход) // Автоматика и телемеханика. 2004. - № 11. - С. 3-24.

141. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973. - 344 с.

142. Сысоев В. В. Конфликт. Сотрудничество. Независимость. Системное взаимодействие в структурно-параметрическом представлении. М.: Московская академия экономики и права, 1999. - 151 с.

143. Сысоев В. В. Системное моделирование многоцелевых объектов // Методы анализа и оптимизации сложных систем. М.: ИФПТ, 1993. - С. 80-88.

144. Герасименко В. А. Концепция современной информатики // Зарубежная Радиоэлектроника. 1993. - № 4. - С. 77-90.

145. Стерлигов Б. И., Лебедев В. В., Сухоруков А. И. и др. Организация, планирование производства и управление на предприятиях мясной и молочной промышленности. -М.: Легкая промышленность, 1981. 560 с.

146. Цыпкин Я. 3. Основы теории обучающихся систем. М.: Наука, 1968. -208 с.

147. Thorn P. Structural Stability and Morphogenesis Reading. Benjamin, 1975.

148. Акивис M. А., Гольдберг В. В. Тензорное исчисление. М.: Наука, 1972. -351 с.

149. Коршунов Ю. М, Математические основы кибернетики: Учеб. Пособие для вузов. М.: Энергоатомиздат, 1987. - 496 с.

150. Минский М. Фреймы для представления знаний. -М., 1979.

151. Цыпкин Я. 3. Оптимальность в адаптивных системах управления // Измерения, контроль, автоматизация. 1985. - № 3. - С. 36-52.

152. Стерлигов Б. И., Лебедев В. В., Сухоруков А. И. и др. Организация, планирование производства и управление на предприятиях мясной и молочной промышленности. -М.: Легкая промышленность, 1981. 560 с.

153. Браверман Э. М., Левин М. И. Неравновесные модели экономических систем. М.: Наука, 1981. - 304 с.

154. Первозванский А. А. Математические модели в управлении производством. М.: Наука, 1975.

155. Куо Б. Теория и проектирование цифровых систем управления. М.: Наука, 1986.-448 с.

156. Макаров И. М. и др. Теория выбора и принятия решений. — М.: Наука, 1978.-352 с.

157. Борисов А. Н., Вилюмс Э. Р., Сукур Л. Я. Системы управления с ЭВМ: информационное, тематическое и программное обеспечение. Рига: Зинатне, 1986.-195 с.

158. Калашников В. В. Сложные системы и методы их анализа. М.: Знание, 1980.-312 с.

159. Понтрягин Л. С. Математическая теория оптимальных процессов. М.: Наука, 1976.- 192 с.

160. Руа Б. Проблемы и методы принятия решений в задачах со многими целевыми функциями // Вопросы анализа и процедуры принятия решений: Сб. пер.-М., 1976.-С. 20-58.

161. Таха X. Введение в исследование операций: В 2-х кн.: пер. с англ. М.: Мир, 1985.

162. Бахтадзе Н. Н. Виртуальные анализаторы (идентификационный подход) // Автоматика и телемеханика. 2004. - № 11. - С. 3-24.

163. Радойков Е. Логические сети Петри, одна обобщенная модель параллельного вычисления // Проблемы кибернетики и робототехники. 1990. -№ 12.-С. 21-26.

164. Головкин Б. А. Параллельная обработка информации. Программирование, вычислительные методы, вычислительные системы // Изв. АН СССР. Техническая кибернетика. 1979. - № 2. - С. 116.

165. Матвеев М. Г., Сысоев В. В. Концепция информационных технологий управления перерабатывающими производствами // Информационная бионика и моделирование: Сб. науч. тр. М.: ГОСИФТП РАН, 1995. - С. 25-31.

166. Айзерман М. А., Алескеров Ф. Т. Выбор вариантов. Основы теории. М.: Наука, 1990.-240 с.

167. Перегудов Ф. И., Тарасенко Ф. П. Введение в системный анализ. М.: Высш. шк., 1989.-367 с.

168. Хокинсон Л. Б., Никербокер К. Дж., Мур Р. Л. Экспертная система для управления производственными процессами в реальном масштабе времени // Искусственный интеллект: применение в химии. М.: Мир, 1988. - С. 84-90.

169. Месарович М., Такахара Я. Общая теория систем: математические основы. -М.: Мир, 1978.-311 с.

170. Муромцев Ю. Л., Линин Л. Н., Попова О. В. Моделирование и оптимизация сложных систем при изменениях состояния функционирования. -Воронеж: ВГУ, 1993.-164 с.

171. Питерсон Дж. Теория сетей Петри и моделирование систем. М.: Мир, 1984.-264 с.

172. Саати Т., Керне К. Аналитическое планирование. Организация систем. -М.: Радио и связь, 1991. 224 с.

173. Мельцер М. И. Диалоговое управление производством (модели и алгоритмы). -М.: Финансы и статистика, 1983. 240 с.

174. Имитационное моделирование производственных систем / Под общ. ред. А. А. Вавилова. М.: Машиностроение, Берлин: Техника, 1983. - 416 с.

175. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука, 1986.-288 с.

176. Айзерман М. А., Алескеров Ф. Т. Выбор вариантов. Основы теории. М.: Наука, 1990.-240 с.

177. Локтаев С. В., А. Н. Веригин, В. Н. Федоров Создание организационных систем и управление при решении непрограммируемых проблем в области экономики // Вестник СПб института ГПС МЧС России № 4, 2004. С. 80-87.

178. Литвинов В. В. Марьянович Т. П. Методы построения имитационных систем. Киев: Наукова Думка, 1991. - 245 с.

179. Васильев Д. В., Сабинин О. Ю. Ускоренное статистическое моделирование систем управления. Л.: Энергоатомиздат, 1984. - 136 с.

180. Berardinis L. A. Clear thinking of fuzzy logic // Vachine Dessign, 1992. V. 64. №8.

181. Цвиркун А. Д., Акинфиев В. К., Филиппов В. А. Имитационное моделирование в задачах синтеза структуры сложных систем. М.: Наука, 1985. -174 с.

182. Баранов Г. Л., Макаров А. В. Структурное моделирование сложных динамических систем. К.: Наукова думка, 1986. - 272 с.

183. Кадыров А. А. Машинные методы моделирования и исследования структурно-сложных систем. Ташкент: Фан, 1989. - 100 с.

184. Локтаев С. В., Веригин А. Н. Стохастическая модель производства // Новые технологии и их применение. 2007. - № 2. - С. 15. - 0,25/0,13 пл.

185. Лесин В. В., Листовая Ю. П. Основы методов оптимизации. М.: МНИ, 1998.-344 с.

186. Taxa X. Введение в исследование операций: В 2-х кн. М.: Мир, 1985.

187. Трахтенгерц Э. К. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998. - 376 с.

188. Осипов Г. С. Приобретение знаний интеллектуальными системами: Основы теории и технологии. М.: Наука, 1997. - 112 с.

189. Алексеева М. Б., Балан С. Н. Основы теории систем и системного анализа: Учеб. пособие. СПб.: СПбГИЭУ, 2002. - 88 с.

190. Дворянкин А. М., Сипливая М. Б., Жукова И. Г. Искусственный интеллект. Моделирование рассуждений и формальные системы: Учеб. пособие. -Волгоград: Политехник, 2003. 140 с.

191. Степанов М. Ф. Машинный перевод и общение на естественном языке: Учеб. пособие. Саратов: СГТУ, 2000. - 96 с.

192. Локтаев С. В., Веригин А. Н. Технология лингвистического прогнозирования при управлении финансами // Финансы 2004. №2. - С 60-63. -0,25/0,13 п.л.

193. Локтаев С. В., Бирюлева Н. В., Бирюлев М. Ю. Лингвистическое прогнозирование в управлении предприятием // Вестник СПбИГПС. 2004. -№ 2. С. 69-71. - 0,2/0,06 п.л.

194. Локтаев С. В., Веригин А. Н., Бирюлева Н. В. Лингвистическое прогнозирование при управлении финансами // Вестник СПбИГПС. 2005. - № 1. -С. 80-85.-0,38/0,13 п.л.

195. Локтаев С. В., Веригин А. Н. Лингвистическое прогнозирование при управлении финансами компании (банка) // Проблемы экологии и экономики в химической промышленности, СПб.: Изд-во СПб. ун-та, 2000. - С. 63-71. -0,5/0,25 п.л.

196. Эшби У. Р. Введение в кибернетику. М.: ИЛ, 1959.

197. Васильев В. И. Распознавание систем. Киев: «Наукова думка», 1969.

198. Ильичев А. В. Эффективность проектируемой техники. М.: Машиностроение, 1991. - 336 с.

199. Медич Дж. Статистически оптимальные линейные оценки и управление. -М.: Энергия, 1973.

200. Турбович И. Т. О нахождении скрытых закономерностей на основе опытных данных // Нелинейные и линейные методы в распознавании образов. -М.: Наука, 1975.-С. 5-12.

201. Юрков Е. Ф. Нахождение одномерных нелинейных преобразований на основе одномерных статистических характеристик при прогнозировании // Нелинейные и линейные методы в распознавании образов. М.: Наука, 1975. -С. 13-19.

202. Гитис В. Г. Алгоритмы прогнозирования и синтеза признаков с использованием одномерных кусочно-линейных функций //Нелинейные и линейные методы в распознавании образов. М.: Наука, 1975. - С. 19-33.

203. Гмошинский В. Г. Инженерное прогнозирование технологии строительства. М.: Стройиздат, 1988. - 296 с.

204. Локтаев С. В., Веригин А. Н. Причинная модель прогнозирования и финансы // Экология энергетика экономика (выпуск III), Теория и практика безопасности жизнедеятельности в техносфере. СПб.: Изд-во СПб. ун-та, 2001. -С. 118-129.-0,69/0,35 п.л.

205. Поспелов Г. С., Поспелов Д. А. Искусственный интеллект прикладные системы. - М.: Знание, 1985. - 48 с.

206. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. М.: Наука, 1986. - 312 с.

207. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р. Р. Ягера. М.: Радио и связь, 1986.

208. Нейлар К. Как построить машину вывода // Экспертные системы. Принципы работы и примеры. М.: Радио и связь, 1987. - С. 62-83.

209. Блехман И. И., Мышкис А. Д., Пановко Я. Г. Прикладная математика: предмет, логика, особенности подходов. К.: Наукова думка, 1976. - 271 с.

210. Блехман И. И., Мышкис А. Д., Пановко Я. Г. Правдоподобность и доказательность в прикладной математике // Механика твердого тела. № 2. -1967.-С. 196-202.

211. Пойа Д. Математическое открытие. М.: Наука, 1970.

212. Глушков В. М. О прогнозировании на основе экспертных оценок // Кибернетика. № 2. 1969. - С. 2-4.

213. Тейп A. van Dijk. Studies In The Pragmatics of Discourse. The Hague, The Netherlands: Mouton Publishers, 1981. P. 215-241.

214. Teun A. van Dijk. Cognitive Situation Models In Discourse Production: The Expression Or Ethnic Situations In Prejudiced Discourse //Language And Social Situations, New York: Springer Verlag Inc, 1985. P. 61-79.

215. Т. А. Дейк. Язык. Познание. Коммуникация. M.: Прогресс, 1989. - 312 с.

216. Почепцов Г. Г. Конструктивный анализ структуры предложения. Киев.: Вищашк., 1971.-191 с.

217. Мамиконов А. Г. Методы разработки АСУ. М.: Энергия, 1973.

218. Блох M. Я. Теоретические основы грамматики. М.: Высш. шк., 1986.

219. Ракова К. И. Многочастное сложноподчиненное предложение в современном английском языке. Автореферат. М.: МГПУ им. Ленина, 1991. - 16 с.

220. Панфилов. В. 3. Грамматика и логика. Грамматическое и логико-грамматическое членение простого предложения. М.-Л.: АН СССР, 1963. - С. 39.

221. Константинов И. С., Веригин А. Н., Раков В. И. Лингвистическое прогнозирование в структурах управления. СПб.: Изд-во С.-Петербургского унта, 1998.- 165 с.

222. Николаева Т. М. Определенности неопределенности категория // Лингв, энцикл. словарь. - М.: Сов. энц., 1990. - С. 349.

223. Ляпон М. В. Модальность // Лингв, энцикл. словарь. М.: Сов. энц., 1990. - С. 303-304.

224. Zadeh L. A. Fuzzy Algorithm // In-Formation Control. 1968. - Vol. 12. -№2.-P. 94-102.

225. Zadeh L. A. Fuzzy logic and approximate reasoning // Synthese. 1975. -Vol. 80. -P. 408^428.

226. Пензов Ю. E. Элементы математической логики и теории множеств. -Саратов: Изд-во Саратов, ун-та, 1968.

227. Заде Л. А. Понятие лингвистической переменной и его применения к принятию приближенных решений. М.: Мир, 1976.

228. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. -М.: Наука, 1996.

229. Нечеткие множества и теория возможностей. Последние достижения. /Под ред. Р. Р. Ягера. М.: Радио и связь, 1986.

230. Малпас Дж. Реляционный язык: Пролог и его применение / Под ред. В. В. Соболева. М.: Наука, 1990.

231. Прикладные нечеткие системы / Под ред. Т. Тэрано, К. Асам, М. Сугэно. -М.: Мир, 1993.

232. Buchanan В., Shortliffe Е. Rule based expert systems: The MYCIN Experiments of The Stanford Henristic Programming Project. 1984.

233. Shortliffe E., Buchanan B. A Model Of inexact reasoning in medicine // Math.

234. Bisciences. 1975. - Vol. 23. - P. 351-379.

235. Dubois D., Prade H. Operations in fuzzy valued logic // Information and Control. 1979. Vol. 43. - P. 224-240.

236. Дюбуа Д., Прад A. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990.

237. Mizumoto M., Tanaka К. Some properties of fuzzy sets of type 2 // Information and Control, 1976.-Vol. 31.-P. 312-340.

238. Краснова В, Матвеева A и др. Семь нот менеджмента. / Под ред. В. Красновой, А. Привалова. Изд. 2-е. М.: ЗАО «Журнал Эксперт», 1997. - 176 с.

239. Лэнд П. Э. Менеджмент искусство управлять: Секреты и опыт практ. менеджмента / Пер. с англ. М. Шерешевской, М. Орлова. - М.: ИНФРА-М, 1995. 143 с.

240. Файоль А., Эмерсон Г., Тэйлор Ф. и др. Управление это наука и искусство. — М.: Республика, 1992. - 349 с.

241. Балабанов И. Т. Основы финансового менеджмента. Как управлять капиталом? Изд. 2-е. М.: Финансы и статистика, 1997. - 384 с.

242. Сосненко Л. С. Бухгалтерская отчетность: Учеб. пособие. Челябинск: Изд-во Юж. -Урал. гос. ун-та, 2000. - 31 с.

243. Костиков Л. М. Системная подготовка и принятие управленческих решений: Учеб. пособие. 2-е изд. М.: Б. и., 1988. - 80 с.

244. Дворянкин А. М., Кизим А. В., Жукова И. Г., Сипливая М. Б. Искусственный интеллект. Базы знаний и экспертные системы: Учеб. пособие. -Волгоград: Политехник, 2003. 139 с.

245. Анисимов О. С. Принятие управленческих решений: Методология и технология. М.: РосАКО АПК, 2002. - 436 с.

246. Грачев А. В. Финансовая устойчивость предприятия: анализ, оценка и управление: Учеб. -практ. пособие. М.: Дело и сервис, 2004. - 190 с.

247. Петров А. В. Федулов Ю. Г. Подготовка и принятие управленческих решений. М.: Изд-во РАГС, 2000. - 241 с.

248. Климова М. А. Принятие управленческих решений. М.: МГУП, 2001. -102 с.

249. Лескин А. А., Мальцев В. Н. Системы поддержки управленческих и проектных решений. Л.: Машиностроение, 1990.

250. Бирюлева Н. В., Локтаев С. В., Коськин А. В. Закономерности построения организационных систем // Вестник СПб института ГПС МЧС России. № 1(4). -СПб., 2004.

251. Локтаев С. В., Коськин А. В., Бирюлева Н. В. Анализ существующей практики создания организационных систем // Вестник СПб института ГПС МЧС России. -№ 1(4).-2004.

252. Веригин А. Н., Локтаев С. В., Джангирян В. Р. Бирюлева Н. В. Развивающиеся организационные финансовые системы и концепция их создания // Вестник СПб института ГПС МЧС России. № 3(6). - СПб., 2004.

253. Виссема X. Менеджмент в подразделениях фирмы: Предпринимательство и координация в децентрализованной компании. М.: ИНФРА-М, 1996. - 287 с.

254. Нейлор К. Как построить свою экспертную систему / Пер. с англ. Н. Н. Слепова. М.: Энергоатомиздат, 1991. - 288 с.

255. Бережная Е. В., Бережной В. И. Математические методы моделирования экономических систем: Учеб. пособие для студентов вузов. М.: Финансы и статистика, 2002. - 366 с.

256. Глущенко В. В. Глущенко И. И. Разработка управленческого решения. Прогнозирование-планирование. Теория проектирования экспериментов: Учеб. пособие. 2-е изд., испр. Железнодорожный: Крылья, 2000. - 397 с.

257. Тихомирова А. И., Маматказин А. Р. Консалтинг и автоматизированные системы управления // Экология, энергетика, экономика: Межвуз. сб. науч. тр. -Вып. 7. СПб.: Изд. Менделеев, 2002. - С. 191-194.

258. Сысоев В. В. Системное моделирование многоцелевых объектов // Методы анализа и оптимизации сложных систем. М.: ИФПТ, 1993. - С. 80-88.

259. Матвеев М. Г. Концепция информационных технологий управления перерабатывающими производствами // Информационная бионика и моделирование: Сб. науч. тр. М.: ГОСИФТП РАН, 1995. - С. 25-31.

260. Саати Т., Керне К. Аналитическое планирование. Организация систем. -М.: Радио и связь, 1991. -224 с.

261. Уотермен Д. Руководство по экспертным системам. М.: Мир, 1989. -388 с.

262. Захаров В. Н., Ульянов С. В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. Эволюция и принципы построения // Известия РАН. Техническая кибернетика. 1993. - № 4. - С. 189-205.

263. Искусственный интеллект: в 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д. А. Поспелова. М.: Радио и связь, 1990. - 368 с.

264. Проблемы программно-целевого планирования и управления / Под ред. Г. С. Поспелова. М.: Наука, 1981.-460 с.

265. Хоггер К. Введение в логическое программирование. М.: Мир, 1988. -348 с.

266. Горбатов В. А. Интеллектуальные информационные технологии и стратегии (состояния и перспектива) // Информационные технологии. Нулевой выпуск. М.: Машиностроение, 1995. - С. 35-38.

267. Герасименко В. А. Информатика, информатизация и индустриализация управления. Деп в ВИНИТИ. № 7753-В89. 388 с.

268. Герасименко В. А. Концепция современной информатики // Зарубежная Радиоэлектроника. 1993. - № 4. - С. 77-90.

269. Алиев Р. А., Абдикеев H. М., Шахназаров M. М. Производственные системы с искусственным интеллектом. М.: Радиосвязь, 1990. - 264 с.

270. Захаров В. Н., Поспелов Д. А., Харецкий В. Е. Системы управления. М.: Энергия, 1977. - 424 с.

271. Brubaker D. Fuzzy logic system solves control problem // END. 1992. V. 37. -№ 13.

272. Brubaker D. Fuzzy logic basics: intuitive rules replace complaxmath // END. -1992. -V. 37.-№ 3.

273. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука, 1986.-288 с.

274. Муромцев Ю. Л., Линин Л. Н., Попова О. В. Моделирование и оптимизация сложных систем при изменениях состояния функционирования. -Воронеж: ВГУ, 1993.- 164 с.

275. Поспелов Г. С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988. - 386 с.

276. Представление знаний в человеко-машинных и робото-технических системах. М.: ВЦ АН СССР, ВИНИТИ, 1984. Т. А.: Фундаментальные исследования в области представления знаний. - 264 с.

277. Борисова А. Н., Алексеев А. А., Крумберг О. А. Модели принятия решений на основе лингвистической переменной. Рига: Знание, 1982

278. Беллман Р., Заде JI. Принятие решения в расплывчатых условиях // Вопросы анализа и процедуры принятия решений: Сб. науч. тр. М.: Мир, 1976. -С. 172-215.

279. Мелихов А. Н., Берштейн JI. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272 с.

280. Руа Б. Проблемы и методы принятия решений в задачах с многими целевыми функциями // Вопросы анализа и процедуры принятия решений: Сб. пер. -М., 1976.-С. 20-58.

281. Горбатов В. А. Основы дискретной математики. М.: Высш. шк., 1986. -311 с.

282. Еремеев А. П. Методы и инструментальные средства проектирования систем поддержки принятия решений продукционного типа: Автореф. дисс. докт. тех. наук. М., 1994. - 40 с.

283. Столл Р. Р. Множества. Логика. Аксиоматические теории. М.: Просвещение, 1968.-231 с.

284. Дейт К. Введение в системы баз данных: Пер. с англ. М.: Наука, 1990. -574 с.

285. Мартин Дж. Организация баз данных в вычислительных системах: Пер. с англ. М.: Мир, 1990. - 479 с.

286. Вейнеров О. М., Самохвалов Э. Н. Разработка САПР. В 10-ти кн. Кн. 4. Проектирование баз данных: Практ. Пособие / Под ред. А. В. Петрова. М.: Высш. шк., 1990. - 144 с.

287. Стратопович Р. А. Принципы адаптивного приема. М.: Советское радио, 1973.-156 с.4251. С ¿Г

288. Тиори Т., Фрай Дж. Проектирование структур баз данных. В 2-х кн. Кн. 1. -М.: Мир, 1985.-287 с.

289. Тиори Т., Фрай Дж. Проектирование структур баз данных. В 2-х кн. Кн. 2. М.: Мир, 1985.-320 с.

290. Матвеев М. Г. Моделирование информационных потоков технологического объекта управления // Математическое моделирование технологических систем. Воронеж: ВГТА, 1995. - С. 34-41.

291. Минский М. Фреймы для представления знаний. М.: 1979.

292. Цоленко М. Ш. Философия и математика моделирования процессов обработки информации (на примере реляционных бах данных) // Семиотика и информатика. 1976.-Вып. 13.-С. 150-183.

293. Попов Э. В. Экспертные системы: решение информационных задач в диалоге с ЭВМ. М.: Наука, 1978. - 283 с.

294. Острем К., Виттенмарк Б. Система управления с ЭВМ. М.: Мир, 1987. -480 с.

295. Кафаров В. В., Мешалкин В. П. Анализ и синтез химико-технологических систем. М.: Химия, 1991. - 432 с.

296. Коршунов Ю. М. Математические основы кибернетики: Учеб. Пособие для вузов. М.: Энергоатомиздат, 1987. - 496 с.

297. Мельцер М. И. Диалоговое управление производством (модели и алгоритмы). М.: Финансы и статистика, 1983. - 240 с.

298. Артемьев В. И., Строганов В. Ю. Разработка САПР: В 10-ти кн. Кн. 5. Организация диалога в САПР: Практ. пособие. М.: Высш. шк., 1990. - 158 с.

299. Сысоев В. В., Матвеев М. Г., Павлов И. О. Представление диалога для организационного управления предприятием математического моделирования и обработки информации в задачах автоматического управления // Сб. науч. тр. -Рязань: РГРА, 1995. С. 20-25.