
Osnovy_SA_BI_mag.pptx
- Количество слайдов: 42
Основы системного анализа
Системный подход – методология науки на уровне общенаучных принципов и форм исследования. Системный подход заключается в рассмотрении и исследования объекта (процесса, явления) во всем многообразии его внутренних и внешних связей. Системный подход ориентирует исследователя на рассмотрение объекта как системы. Применение системного подхода при разработке систем – каждый компонент системы должен разрабатываться так, чтобы обеспечивать требуемую эффективность системы в целом (в условиях существующих ограничений ресурсов и внешней среды) Процесс применения системного подхода – тоже система, следовательно, это процесс должен строиться на основе системного подхода
Системный анализ – это методология выбора решений сложных проблем, возникающих в целенаправленной деятельности и совокупность методов выбора. Методология системного анализа опирается на системный подход Системный анализ используется при необходимости выбора определенных методов, средств, способов действия в рамках решения любой задачи или проблемы В рамках системного анализа для обеспечения лучшего выбора характеристик системы по сути производится сокращение исходного множества альтернатив Сокращение множества альтернатив до единственной альтернативы производится с учетом целей системы более высокого уровня
Анализ и синтез системы Анализ системы – процесс исследования системы, в процессе которого по известным параметрам системы и внешней среды определяются показатели функционирования системы Синтез системы – процесс исследования системы, при котором по требуемым показателям функционирования системы и имеющимся ограничениям на ресурсы в известных условиях внешней среды (в том числе и меняющихся) требуется определить параметры системы На практике синтез систем проводится путем многократного анализа системы при изменяющихся наборах параметров и (или) структуры системы. Это приводит к чрезвычайно большим (практически не реализуемым) потребностям в вычислительных мощностях для получения решения задачи синтеза системы. Основным инструментом анализа и синтеза систем является математическое моделирование
Инструментарий СА • Строгие формальные методы (математика, вычислительная техника, моделирование) • Неформальные эвристические методы (экспертные оценки, морфологический анализ, др. ) • Натурные наблюдения и эксперименты • Практически подтвержденные полезные приемы, рекомендации, советы
Основные этапы исследования систем • Постановка задачи – Формирование модели цели системы – Выбор (формализация) критерия предпочтения • Разработка математической модели • Проведение расчетов • Выработка рекомендаций Постановка задачи является наиболее важным и наименее формализованным из этапов исследования системы Наиболее формализованными этапами являются разработка математической модели и проведение расчетов Процедура исследования системы является рекуррентной – всегда возможен возврат к любому из предыдущих этапов
Постановка задачи исследования системы Задачи этапа • Составление (выбор, определение) модели цели системы т. е. списка функциональных требований к системе • Формирование системы допущений, используемых при исследовании системы • Формирование множества альтернатив и выявление ограничений этого множества • Выбор показателей свойств системы, которые должны определяться количественно • Построение критерия предпочтения • Формулировка постановки задачи
Особенности процесса постановки задачи Процесс является сложным и не формализуемым математически. Обусловлен объективными свойствами исследуемой систем и субъективными данными исследователя. В результате различные исследователи могут формировать различные постановки задачи исследования одной и той же системы (то же может относиться и к другим этапам системного анализа) Постановка задачи является итеративным процессом 1. Обусловлено итеративностью процесса мышления (различные варианты принятия решений, некоторые могут заводить в тупик, что требует возврата) 2. Обусловлено итеративностью процесса исследования вследствие появления новой информации из внешней среды и в процессе исследования, что может потребовать пересмотра принятых ранее решений.
Этапы постановки задачи • Постановка задачи в первоначальном виде: опирается на неполную информацию, часто на интуитивные представления, обычно формулируется не четко и в дальнейшем подвергается существенным изменениям • Развитие постановки задачи: требует сбора и обработки дополнительной информации, конкретизации цели исследований, целесообразно проводить с содержательной (расширение постановки задачи по горизонтали и вертикали) и организационной (анализ располагаемых ресурсов, определение порядка проведения работ) точек зрения • Сужение задачи, сформированной на втором этапе, с учетом ограниченных ресурсов: обычно формируется несколько суженных постановок, которые анализируются совместно с лицом, принимающим решения.
Алгоритм постановки задачи исследования системы Первоначальная постановка задачи Выбор расширенной задачи Описание цели системы Описание внешней среды Описание системы Выбор множества альтернатив Декомпозиция задачи Описание операций Выбор показателей и критериев Определение объектов моделирования Постановка решаемой задачи Подготовка исходных данных
Содержание блоков алгоритма • Первоначальная постановка задачи – проводится по данным заказчика работ • Выбор расширенной задачи – содержание указано ранее • Описание цели системы – опирается на изучение цели вышестоящей системы, должно обеспечить обоснование цели исследуемой системы, возможна корректировка ранее сформулированной цели. Необходимо участие заказчика в выборе цели. Заканчивается описанием цели системы в виде списка функциональных требований к системе • Описание системы – включает описание состава и структуры системы, перечень основных функций системы и ее компонентов • Описание внешней среды – описание условий и возможных вариантов взаимодействия системы с внешней средой, характеристик внешней среды, подлежащих учету • Описание операций системы – формирование логической модели операции по достижению цели и/или поддержанию структуры системы
Содержание блоков алгоритма (продолжение) • Выбор множества альтернатив – формирование множества допустимых значений управляющих (и управляемых) параметров системы • Выбор показателей и критерия предпочтения – составление перечня и формализация оцениваемых показателей и критерия, формирование перечня информации, необходимой для расчета показателей и критерия • Определение объектов моделирования и синтеза – обеспечивает сужение задачи за счет исключения компонентов системы и воздействий внешней среды, слабо влияющих на решение задачи • Декомпозиция задачи – разделение расширенной задачи на составные части • Подготовка исходных данных – сбор необходимой информации для решения задачи • Формулировка постановки решаемой задачи – формализованная запись альтернатив с ограничениями и критерия
Список функциональных требований к системе • Является моделью цели системы • Должен учитывать функциональные, технические, конструктивные, технологические, эксплуатационные, экономические, организационные и т. д. требования • Включает две группы показателей – Результаты функционирования системы – Важнейшие свойства и/или параметры системы, обеспечивающие достижение цели • Формализуется в виде – qi = qiтреб – qi ≥ qiтреб – qi → min (qi ≤ qiтреб) (qi → max) • Формируется из качественных требований к системе путем их конкретизации
Классификационные шкалы Простейший вид шкал - определяет различимость любых двух объектов по какому-либо признаку. Все объекты относятся к одному из классов (обозначению), внутри класса объекты неразличимы (по определяющему признаку) В рамках классификационной шкалы отношения между состояниями объектов (и их обозначениями) удовлетворяют аксиомам тождества 1. Либо А=В, либо А≠В 2. Если А=В, то В=А 3. Если А=В и В=С, то А=С (Здесь символ «=» - обозначение эквивалентности, если А, В, С – числа, то данный символ означает равенство) Множество классов образуют шкалу
Классификационные шкалы (продолжение) Измерение в классификационной шкале (иначе – шкале наименований) определение принадлежности объекта к тому или иному классу Обозначения классов – символы, в том числе обозначения могут быть количественными, т. е. обозначения классов – числа. Если обозначение класса число – с ним нельзя производить математические операции Возможные операции с результатам измерений по классификационной шкале: Определение количества наблюдений класса Определение относительных частот классов Сравнение частот классов между собой Выполнение статистических процедур с частотами классов Пример классификационной шкалы – возраст, т. п. (дискретизация непрерывных параметров, измерения дискретных объектов), результаты социологических опросов
Порядковые (ранговые) шкалы Аксиомы упорядоченности: 4. Если A>B, то BB и B>C, то A>C Если символы, обозначающие классы, удовлетворяют аксиомам 1 -5 – порядковая шкала В порядковых шкалах: Первичная обработка данных – вычисление ранга; Вторичная обработка данных – как с классификационными шкалами, а также определение медиану, квантили любого порядка
Модифицированные порядковые шкалы Обычно являются только кажущимся усилением порядковых шкал. Часто применяются при дискретизации непрерывных измеряемых величин Примеры: Шкала твердости (из двух минералов тверже тот, который оставляет следы на другом) – тальк (1), …, апатит (5), …, алмаз (10) Шкала силы ветра – штиль (0 баллов, но данная величина является не условной), …, сильный ветер (6), …, ураган (12) Шкала землетрясений – по последствиям землетрясений (1 -12 баллов по шкале Рихтера)
Интервальные шкалы Применяются, если упорядочивание объектов можно произвести с измерением интервалов между значениями их свойств. Измерения должны производиться в одинаковых единицах (пусть произвольных). При этом объективно равным расстояниям между значениями свойств объектов будут соответствовать равные участки шкалы. Произвольными (в общем случае) являются единицы измерения и точка начала отсчета. Числами являются интервалы, сами отсчеты в интервальных шкалах не являются числами. Первичная обработка данных включает (дополнительно) определение интервала между ними. Вторичная обработка включает арифметические и т. д. действия, в том числе статистическую обработку. При этом среднее значение остается условной величиной, но средний интервал и, тем более, среднеквадратическое отклонение, имеют физический смысл. Частный случай интервальных шкал – периодические шкалы (измерение углов, времени суток)
Абсолютная шкала и шкалы отношений Абсолютная шкала имеет абсолютный ноль и абсолютную единицу (числовая ось, которая используется при счете элементов, а как вспомогательное средство присутствует во всех остальных шкалах). В шкалах отношений величины измерений удовлетворяют (дополнительным) аксиомам 6. Если A=C и B>0, то A+B>C 7. A+B=B+A 8. Если A=P и B=Q, то A+B=P+Q 9. (A+B)+C=A+(B+C) Если измерения удовлетворяют аксиомам 1 -9, то выполняется условие X 1/X 2=Y 1/Y 2 где X 1 и X 2, Y 1 и Y 2 – значения данных (1) и (2) в шкалах с разными единицами измерений. Шкалы отношений имеют естественный абсолютный ноль, единицы условны Примеры: длина, вес, прочие физические величины
Показатели в условиях стохастической неопределенности
Показатели в условиях интервальной неопределенности
Пример влияния показателя на решение
Выбор доминирующей альтернативы , Альтернатива (можно считать без нарушения общности) , если , Доминирующая альтернатива априорно не существует, т. к. существуют показатели (затраты и уровень сервиса, т. д. ) явно противоречащие другу
Парето-оптимальное множество решений Множество Парето: • позволяет уменьшить количество анализируемых альтернатив • выявляет ситуации когда лучшие альтернативы отличаются 1 -2 параметрами • позволяет производить кластеризацию решений, если эффективны альтернативы незначительно отличаются друг от друга • в общем случае не дает единственного решения
Перевод показателей в ограничения Исходная задача: Новая задача: Выбор показателя – в общем случае субъективное решение Выбирается показатель, поддающийся расчету Переводятся в ограничения показатели, имеющие низкую точность расчетов Для проверки производится расчет при разных критериях и ограничениях
Переход к показателю системы более высокого уровня Исходная задача: Новая задача: - вектор параметров, которые влияют на Ω • Система более высокого уровня – компания в целом • Обычно выбираются финансовые показатели • Многие показатели могут быть сведены к затратам, что приводит к сокращению числа показателей • Компания в целом также обычно имеет более одного показателя
Свертка критериев Исходная задача: Выбор показателей Новая задача: субъективен и сложен Метод целесообразно применять: • количество показателей мало (3 -4 показателя) • имеется общепризнанный набор стандартных коэффициентов • показатель (форма и входящие в него весовые коэффициенты) заданы в директивном порядке
Анализ среды функционирования Свертка критериев – Обобщенная свертка критериев Выбор весовых коэффициентов: Экспертные оценки Решение оптимизационной задачи вида при ограничениях
Получение линейной формы для АСФ
Множество производственных возможностей (пример)
Лексикографическое упорядочивание Жесткое Альтернатива , если Гибкое Альтернатива , если Приводится к свертке критериев подстановкой
Управление по KPI • Задание требуемых значений для всех показателей функционирования системы • Задача определения цели функционирования системы и значений KPI переносится на уровень руководства системой (более высокий уровень управления) • Система KPI должна обеспечивать эффективность функционирования системы в целом • Система KPI должна быть переменной во времени, чтобы отражать изменения условий функционирования системы • Управление по KPI может быть сведено к случаю перехода к показателю функционирования системы более высокого уровня
Разработка математической модели Модель системы – формализованное описание логикоматематических зависимостей между показателями функционирования (производительности, качества, надежности, стоимости и т. п. ) с одной стороны и альтернативами достижения цели и характеристиками системы и внешней среды – с другой стороны Модель должна обеспечивать получение количественных значений искомых показателей Модели реальных систем формализуются алгоритмически и являются «необратимыми» , т. е. позволяются получать показатели функционирования по характеристикам системы и внешней среды, но не наоборот (задача анализа системы)
Методология формирования модели
Схема моделирования
Адекватность модели Работоспособность Достоверность
Адекватность модели • Модель должна служить средством решения задачи • Адекватность – соответствие целям моделирования и реальному объекту • Адекватность достигается компромиссом между представительностью (достоверностью) и умеренной сложностью (работоспособностью модели) • Используется принцип существенности: используются только факторы, существенные по отношению к цели моделирования • Выбор существенных факторов осуществляется по: литературе, качественному анализу реальности, эвристическим методам, суждениям исследователя, расчетам (факторный анализ)
Работоспособность модели • Работоспособность модели – возможность получения результата в условиях располагаемых ресурсов (программных средств, вычислительной техники, затрат, времени, квалификации и количества персонала) • Работоспособность достигается быстродействием, устойчивостью и модифицируемостью • Быстродействие – свойство обеспечить получение результатов в требуемое время • Устойчивость – способность работать в широком диапазоне изменения входных параметров • Модифицируемость – способность допускать изменения (ограниченные) в процессе развития модели
Классификация моделей по практическому применению - распределение ресурсов Детерминированные модели - управление запасами - построение маршрутов и сетей - управление проектами - загрузка оборудования Стохастические модели - системы с очередями - надежность систем - динамика средних (системная динамика) Неопределённые модели - конфликтные ситуации - игры с «природой» - кооперативное поведение
Имитационные модели Дискретно событийные Агентные Системной динамики
Проведение расчетов Выполнение работ данного этапа (практически всегда) требует проведения компьютерных вычислений Чем сложнее система, тем меньше шансов, что для нее будет применимо стандартное программное обеспечение. На практике даже наиболее продвинутые комплексы прикладных программ, настраиваемые на особенности функционирования системы, не обеспечивают проведения эффективных расчетов Применение специально разработанных методов расчета и поиска оптимальных характеристик системы обычно позволяет повысить эффективность системы на 5 -15% Этап проведения расчетов часто сопровождается уточнением системы допущений
Проблемы принятия решений При принятии решения руководителем обычно возникают следующие проблемы: • На практике часто приходится иметь дело с многокритериальными задачами • Наличие показателей функционирования системы имеющих разную измеримость • Недостаток времени на получение необходимых исходных данных и/или разработку моделей • Отсутствие (обычно некоторой части) информации о показателях функционирования системы и/или характеристиках внешней среды • Влияние на процесс и результат решения субъективных мнений и предпочтений руководителя (ЛПР – лица, принимающего решения)