시스템 분석을 수행하는 방법. 형태학적 방법. 형태 학적 접근의 주요 아이디어는 선택한 요소 또는 그 기능을 결합하여 문제에 대한 가능한 모든 솔루션을 체계적으로 찾는 것입니다. 체계화된 형태에서, morph 메소드는

지식 기반에서 좋은 작업을 보내는 것은 간단합니다. 아래 양식을 사용하세요

잘 했어사이트로 ">

연구와 작업에 지식 기반을 사용하는 학생, 대학원생, 젊은 과학자들은 매우 감사할 것입니다.

http://www.allbest.ru/에 게시됨

소개

1. 시스템 분석

결론

서지

소개

시스템 분석 실용적인 포인트관점은 "문제"의 개념이 "현실에 대한 주체의 주관적인 부정적인 태도"로 정의되는 임의적 성격의 복잡한 문제를 해결하기 위한 보편적인 기술입니다. 문제 진단의 어려움은 부분적으로 피험자가 특별한 지식이 없어 시스템 분석가가 수행한 연구 결과를 적절하게 해석할 수 없다는 사실 때문입니다.

시간이 지남에 따라 시스템 분석은 복잡한 기술 및 사회 시스템을 연구하는 방법론을 일반화하면서 학제 간 및 학제 간 과정이되었습니다.

지구상의 인구 증가, 과학 기술 발전의 가속화, 기아, 실업 및 다양한 환경 재해의 위협으로 인해 시스템 분석을 사용하는 것이 점점 더 중요해지고 있습니다.

서양 작가(J. van Gig, R. Ashby, R. Ackoff, F. Emery, S. Beer)는 대부분 응용 시스템 분석, 조직 분석 및 설계에 대한 응용에 관심이 있습니다. 소비에트 시스템 분석의 고전(A.I. Uemov, M.V. Blauberg, E.G. Yudin, Yu.A. Urmantsev 등)은 시스템 분석 이론에 더 많은 관심을 기울이며, 과학적 지식을 높이는 틀로서 철학적 범주 "시스템 "," 요소 "," 부분 "," 전체 " 등

시스템 분석은 자기 조직화 시스템의 특징과 패턴에 대한 추가 연구가 필요합니다. 변증법적 논리에 기반한 정보 접근 방식의 개발; 형식적 방법과 기술의 조합을 기반으로 하는 의사결정 모델의 점진적인 형식화에 기반한 접근 방식; 전신 구조 합성 이론의 형성; 복잡한 시험을 조직하는 방법 개발.

"시스템 분석"이라는 주제의 정교함은 상당히 큽니다. 많은 과학자, 연구원, 철학자가 체계성 개념에 종사했습니다. 그러나 관리에 적용하는 주제를 연구하기 위한 완전하고 명확한 이론의 수가 충분하지 않다는 점에 유의해야 합니다.

본 연구의 연구 대상은 시스템 분석이며, 주제는 이론과 실제에서 시스템 분석의 진화에 대한 연구 및 분석이다.

작업의 목표는 시스템 분석의 개발 및 형성의 주요 단계를 식별하는 것입니다.

이 목표를 달성하려면 다음과 같은 주요 작업을 해결해야 합니다.

시스템 분석의 개발 및 변화의 역사를 연구합니다.

시스템 분석 방법론을 고려하십시오.

시스템 분석 구현의 가능성을 연구하고 분석합니다.

1. 시스템 분석

1.1 시스템 분석 정의

하나의 학문으로서의 시스템 분석은 정보의 불완전성, 제한된 자원 및 시간 부족의 조건에서 복잡한 시스템을 관리하고 연구하고 설계해야 할 필요성의 결과로 형성되었습니다.

시스템 분석은 운영 연구, 최적 제어 이론, 의사 결정 이론, 전문가 분석, 시스템 운영 조직 이론 등과 같은 여러 분야의 추가 개발입니다. 할당된 작업을 성공적으로 해결하기 위해 시스템 분석은 공식 및 비공식 절차의 전체 집합을 사용합니다. 나열된 이론 분야는 시스템 분석의 기초이자 방법론적 기초입니다. 따라서 시스템 분석은 복잡한 기술, 자연 및 사회 시스템을 연구하는 방법론을 일반화하는 학제 간 과정입니다. 시스템 분석에 대한 아이디어와 방법의 광범위한 보급, 그리고 가장 중요한 것은 컴퓨터의 도입과 광범위한 사용을 통해서만 이를 실제로 성공적으로 적용할 수 있다는 것입니다. Ackoff, R. 목적이 있는 시스템에 대해 / R. Ackoff, F. Emery. - M .: 소비에트 라디오, 2008 .-- 272 p. 복잡한 문제를 해결하기 위한 도구로 컴퓨터를 사용함으로써 시스템의 이론적 모델 구성에서 광범위한 실제 적용으로 이동할 수 있었습니다. 이와 관련하여 N.N. Moiseev는 시스템 분석이 컴퓨터 사용을 기반으로 하는 일련의 방법이며 기술, 경제, 환경 등 복잡한 시스템 연구에 중점을 둡니다. 시스템 분석의 핵심 문제는 의사 결정의 문제입니다.

복잡한 시스템의 연구, 설계 및 관리 문제와 관련하여 의사 결정 문제는 다양한 종류의 불확실성 조건에서 특정 대안을 선택하는 것과 관련이 있습니다. 불확실성은 최적화 문제의 다중 기준 특성, 시스템 개발 목표의 불확실성, 시스템 개발 시나리오의 모호성, 시스템에 대한 사전 정보 부족, 동적 개발 중 무작위 요소의 영향으로 인한 것입니다. 시스템 및 기타 조건. 이러한 상황을 감안할 때 시스템 분석은 대안을 선택하기 위해 다양한 물리적 특성의 복잡한 정보에 대한 분석이 필요한 상황에서 의사 결정 문제를 다루는 분야로 정의할 수 있습니다. 볼코바, V.N. ACS / V.N.에서의 시스템 분석 및 적용 볼코바, A.A. 데니소프 - L .: LPI, 2008 .-- 83 p.

시스템 분석은 종합적인 학문입니다. 크게 3가지 방향으로 나눌 수 있습니다. 이 세 가지 방향은 복잡한 시스템 연구에 항상 존재하는 세 단계에 해당합니다.

1) 조사 대상의 모델 구축

2) 연구 문제에 대한 설명

3) 명시된 수학적 문제의 솔루션.

이러한 단계를 고려해 보겠습니다.

모델의 구성(연구된 시스템, 프로세스 또는 현상의 공식화)은 수학 언어로 프로세스를 설명하는 것입니다. 모델을 구축할 때 시스템에서 발생하는 현상과 프로세스에 대한 수학적 설명이 수행됩니다.

지식은 항상 상대적이기 때문에 모든 언어로 된 설명은 진행 중인 프로세스의 일부 측면만 반영하며 절대 완전하지는 않습니다. 반면에, 모델을 구축할 때 연구자가 관심을 갖는 연구 중인 프로세스 측면에 초점을 맞출 필요가 있다는 점에 유의해야 합니다. 시스템의 모델을 구성할 때 시스템의 존재에 대한 모든 측면을 반영하려는 욕망은 크게 잘못되었습니다. 시스템 분석을 수행할 때 일반적으로 시스템의 동적 거동에 관심이 있으며 수행되는 연구의 관점에서 동적을 설명할 때 기본 매개 변수와 상호 작용이 있지만 다음과 같은 매개 변수가 있습니다. 이 연구에서는 중요하지 않습니다. 따라서 모델의 품질은 수행된 설명이 연구 요구 사항을 준수하는지, 모델을 사용하여 얻은 결과가 관찰된 프로세스 또는 현상의 과정에 부합하는지에 따라 결정됩니다. 수학적 모델의 구성은 모든 시스템 분석의 기초이며 모든 시스템의 연구 또는 설계의 중심 단계입니다. 전체 시스템 분석의 결과는 모델의 품질에 따라 다릅니다. Bertalanffy L. 배경. 일반 시스템 이론: 비판적 검토 / Bertalanffy L. Von // 일반 시스템 이론에 대한 연구. - M .: 진행 상황, 2009 .-- S. 23 - 82.

연구 문제 진술

이 단계에서 분석의 목적이 공식화됩니다. 연구의 목적은 시스템과 관련하여 외부 요인으로 가정됩니다. 따라서 목표는 독립적인 연구 대상이 됩니다. 목표를 공식화해야 합니다. 시스템 분석의 임무는 불확실성, 제약 조건에 대한 필요한 분석을 수행하고 궁극적으로 일부 최적화 문제를 공식화하는 것입니다.

시스템 요구 사항을 분석하여 연구자가 달성하고자 하는 목표와 불가피하게 존재하는 불확실성에 대해 연구자는 분석의 목표를 수학의 언어로 공식화해야 합니다. 최적화 언어는 여기에서 자연스럽고 편리한 것으로 밝혀졌지만 이것이 유일하게 가능한 것은 아닙니다.

제기된 수학적 문제의 해결

이 세 번째 분석 단계만이 수학적 방법을 완전히 사용하는 단계 자체에 기인할 수 있습니다. 수학에 대한 지식과 그 장치의 기능이 없더라도 처음 두 단계의 성공적인 구현은 불가능합니다. 공식화 방법은 시스템 모델을 구축할 때와 분석의 목표와 목적을 공식화할 때 모두 널리 사용해야 하기 때문입니다. 그러나 미묘한 수학적 방법이 필요할 수 있는 시스템 분석의 마지막 단계에 있습니다. 그러나 시스템 분석 작업에는 공식 절차와 함께 발견적 접근 방식을 사용해야 하는 여러 기능이 있을 수 있다는 점을 염두에 두어야 합니다. 휴리스틱 방법으로 전환하는 이유는 주로 분석된 시스템에서 발생하는 프로세스에 대한 선험적 정보의 부족과 관련이 있습니다. 또한 이러한 이유에는 벡터 x의 큰 차원과 집합 G의 구조의 복잡성이 포함됩니다. 이 경우 비공식 분석 절차를 사용해야 하는 데 따른 어려움이 결정적인 경우가 많습니다. 시스템 분석의 문제를 성공적으로 해결하려면 연구의 각 단계에서 비공식 추론을 사용해야 합니다. 이러한 관점에서 솔루션의 품질을 확인하면 원래 연구 목표에 대한 준수가 주요 이론적 문제로 바뀝니다.

1.2 시스템 분석 업무의 특성

시스템 분석은 현재 과학 연구의 최전선에 있습니다. 복잡한 시스템의 분석 및 연구를 위한 과학적 장치를 제공하기 위한 것입니다. 시스템 분석의 주도적 역할은 과학의 발달로 인해 시스템 분석이 해결하도록 설계된 과제의 공식화로 이어졌기 때문입니다. 현재 단계의 특징은 아직 본격적인 과학 분야로 형성될 시간이 없었던 시스템 분석이 사회가 충분히 개발되고 검증된 방법과 결과를 적용할 필요성을 느끼기 시작하는 상황에서 존재하고 발전해야 한다는 것입니다. 그들과 관련된 결정을 내일로 미룰 수 없습니다. 이것은 시스템 분석의 강점과 약점 모두의 원천입니다. 강점 - 그는 끊임없이 실천의 필요성의 영향을 느끼고, 연구 대상의 범위를 지속적으로 확장해야하며, 추상화 할 기회가 없기 때문에 사회의 실제 필요; 약점 - 종종 "원시"의 불충분하게 개발된 체계적인 연구 방법을 사용하면 성급한 결정을 채택하고 실제 어려움을 무시하기 때문입니다. 클리어, D. 시스템론 / D. 클리어. - M .: 라디오 및 통신, 2009 .-- 262 p.

전문가의 노력으로 해결해야 할 주요 과제와 추가 개발이 필요한 주요 과제를 살펴 보겠습니다. 첫째, 분석된 개체와 환경의 상호 작용 시스템을 연구하는 작업에 주목해야 합니다. 이 문제에 대한 해결책은 다음과 같습니다.

고려 대상으로 제한되는 고려된 상호 작용의 최대 영향 깊이를 미리 결정하는 연구 중인 시스템과 환경 사이의 경계를 그립니다.

그러한 상호 작용의 실제 자원 결정;

더 높은 수준의 시스템과 연구 중인 시스템의 상호 작용에 대한 고려.

다음 유형의 문제는 이 상호작용에 대한 대안, 시간과 공간에서 시스템 개발을 위한 대안의 설계와 관련됩니다. 시스템 분석 방법 개발의 중요한 방향은 독창적인 솔루션 대안, 예상치 못한 전략, 특이한 아이디어 및 숨겨진 구조를 구성하기 위한 새로운 가능성을 창출하려는 시도와 관련이 있습니다. 즉, 우리는 여기에서 인간 사고의 연역적 능력과 대조적으로 인간 사고의 귀납적 능력을 향상시키는 방법과 수단의 개발에 대해 이야기하고 있습니다. 이 방향에 대한 연구는 아주 최근에 시작되었으며 아직 단일 개념 장치가 없습니다. 그럼에도 불구하고 귀납 논리의 형식적 장치, 형태학적 분석 방법 및 새로운 대안을 구성하기 위한 기타 구조적 및 구문적 방법, 합성 방법 및 창의적 문제를 해결하기 위한 그룹 상호 작용의 조직과 같은 몇 가지 중요한 방향이 여기에서 구별될 수 있습니다. , 주요 패러다임 검색 사고의 연구뿐만 아니라.

세 번째 유형의 작업은 연구 대상의 행동에 대한 상호 작용 또는 이러한 상호 작용의 영향을 설명하는 일련의 시뮬레이션 모델 구성으로 구성됩니다. 체계적인 연구에서 특정 수퍼 모델을 만드는 목표는 추구되지 않습니다. 우리는 각각의 특정 문제를 해결하는 개인 모델의 개발에 대해 이야기하고 있습니다.

이러한 시뮬레이션 모델이 생성되고 조사된 후에도 시스템 동작의 다양한 측면을 특정 통합 체계로 결합하는 방법에 대한 문제는 여전히 열려 있습니다. 그러나 슈퍼모델을 구축하는 것이 아니라 상호작용하는 다른 객체의 관찰된 행동에 대한 반응을 분석함으로써 해결할 수 있고 해결해야 합니다. 유사한 객체의 거동을 연구하고 이러한 연구의 결과를 시스템 분석의 대상으로 전달합니다.

이러한 연구는 구성 요소인 상위 시스템의 구조에서 연구 중인 시스템의 위치를 ​​결정하는 상호 연결의 구조와 상호 작용 상황에 대한 의미 있는 이해를 위한 기초를 제공합니다.

네 번째 유형의 작업은 의사 결정 모델의 구성과 관련이 있습니다. 모든 체계적인 연구는 시스템 개발을 위한 다양한 대안 연구와 관련이 있습니다. 시스템 분석가의 임무는 최상의 개발 대안을 선택하고 정당화하는 것입니다. 개발 및 결정 단계에서 시스템과 하위 시스템의 상호 작용을 고려하여 시스템의 목표를 하위 시스템의 목표와 결합하고 글로벌 및 보조 목표를 강조 표시해야 합니다.

가장 발전되고 동시에 과학적 창의성의 가장 구체적인 영역은 의사 결정 이론의 발전 및 목표 구조, 프로그램 및 계획의 형성과 관련이 있습니다. 여기에는 작품과 적극적인 연구자가 부족하지 않습니다. 그러나 이 경우 너무 많은 결과가 확인되지 않은 발명 수준에 있으며 당면한 과제의 본질과 해결 수단을 모두 이해하는 데 불일치가 있습니다. 이 분야의 연구에는 다음이 포함됩니다. Volkova, V.N. ACS / V.N.에서의 시스템 분석 및 적용 볼코바, A.A. 데니소프 - L .: LPI, 2008 .-- 83 p.

a) 결정 또는 형성된 계획 및 프로그램의 효율성을 평가하기 위한 이론 구축

b) 결정 또는 계획의 대안을 평가할 때 다중 기준의 문제를 해결합니다.

c) 특히 통계적 성격의 요인이 아니라 전문가 판단의 불확실성 및 시스템 동작에 대한 아이디어의 단순화와 관련된 의도적으로 생성된 불확실성과 관련된 불확실성의 문제를 조사합니다.

d) 시스템의 행동에 영향을 미치는 여러 당사자의 이익에 영향을 미치는 결정에 대한 개별 선호의 집합 문제의 발전;

e) 효율성에 대한 사회경제적 기준의 구체적인 특징에 대한 연구

f) 목표 구조와 계획의 논리적 일관성을 확인하고 외부 사건과 실행에 대한 아이디어의 변화에 ​​대한 새로운 정보가 도착했을 때 실행 프로그램의 사전 결정성과 구조 조정 준비 사이에 필요한 균형을 설정하는 방법의 생성 이 프로그램.

후자의 방향은 목표 구조, 계획, 프로그램의 실제 기능과 수행해야 하는 것들의 정의 및 이들 간의 연결에 대한 새로운 이해를 필요로 합니다.

시스템 분석에서 고려되는 작업은 전체 작업 목록을 다루지 않습니다. 가장 해결하기 어려운 문제가 있습니다. 체계적인 연구의 모든 작업은 서로 밀접하게 연결되어 있으며 시간과 수행자 구성 모두에서 분리되거나 별도로 해결할 수 없습니다. 또한 이러한 모든 문제를 해결하기 위해서는 연구자가 폭넓은 시야를 가져야 하며 과학적 연구의 방법과 수단이 풍부해야 합니다. 안필라토프, V.S. 관리 시스템 분석: 교과서. 수당 / V.S. Anfilatov 및 기타; 에드. A.A. 에멜랴노바. - M .: 재정 및 통계, 2008 .-- 368 p.

시스템 분석의 궁극적인 목표는 진행 중인 시스템 연구의 대상(보통 특정 조직, 팀, 기업, 별도의 지역, 사회 구조 등) 앞에서 발생한 문제 상황을 해결하는 것입니다. 시스템 분석은 문제 상황에 대한 연구, 원인 설명, 제거 옵션 개발, 문제 상황을 해결하는 시스템의 추가 기능에 대한 의사 결정 및 구성을 다룹니다. 모든 체계적인 연구의 초기 단계는 후속 형식화와 함께 수행된 시스템 분석의 대상에 대한 연구입니다. 이 단계에서 시스템 연구의 방법론을 다른 학문의 방법론과 근본적으로 구별하는 문제, 즉 시스템 분석에서 두 갈래의 문제가 해결되는 문제가 발생합니다. 한편으로는 체계적 연구의 대상을 공식화해야 하는 반면, 시스템을 연구하는 과정, 즉 문제를 공식화하고 해결하는 과정은 공식화의 대상이 된다. 시스템 설계 이론의 예를 들어보겠습니다. 복잡한 시스템의 컴퓨터 지원 설계에 대한 현대 이론은 시스템 연구의 일부로 간주될 수 있습니다. 그녀에 따르면 복잡한 시스템을 설계하는 문제에는 두 가지 측면이 있습니다. 첫째, 디자인 대상에 대한 정형화된 기술을 수행해야 한다. 또한이 단계에서 시스템의 정적 구성 요소(기본적으로 구조적 조직은 형식화의 대상임)와 시간에 따른 동작(기능을 반영하는 동적 측면) 모두에 대한 형식화된 설명 작업이 해결됩니다. 둘째, 디자인 프로세스를 공식화해야 합니다. 설계 프로세스의 구성 요소는 다양한 설계 솔루션을 형성하는 방법, 엔지니어링 분석 방법 및 시스템 구현을 위한 최상의 옵션을 선택하기 위한 결정을 내리는 방법입니다.

다양한 실제 활동 영역(기술, 경제, 사회 과학, 심리학)에서 상황을 미리 결정하는 조건을 완전히 고려할 수 없는 결정을 내려야 할 때 상황이 발생합니다.

이 경우 의사 결정은 성격이 다른 불확실성 조건에서 이루어집니다.

가장 단순한 유형의 불확실성 중 하나는 초기 정보의 불확실성으로 다양한 측면에서 나타납니다. 우선, 알려지지 않은 요인의 시스템에 대한 영향과 같은 측면에 주목합시다.

알 수 없는 요인으로 인한 불확실성도 발생 다른 유형... 이러한 종류의 불확실성의 가장 간단한 형태는 확률적 불확실성입니다. 알려지지 않은 요인이 무작위 변수 또는 무작위 기능인 경우에 발생하며, 통계적 특성은 체계적 연구 대상의 기능에 대한 과거 경험의 분석을 기반으로 결정할 수 있습니다.

다음 종류의 불확실성은 목표의 불확실성입니다. 시스템 분석의 문제를 해결할 때 목표의 공식화는 시스템 연구 문제의 공식화를 결정하는 대상이기 때문에 핵심 절차 중 하나입니다. 목표의 모호성은 시스템 분석 작업의 다중 기준 특성의 결과입니다.

목표의 목적, 기준의 선택, 목표의 공식화는 거의 항상 어려운 문제입니다. 많은 기준을 가진 문제는 대규모 기술, 경제 및 경제 프로젝트에서 일반적입니다.

그리고 마지막으로 문제 상황에 대한 결정 결과의 후속 영향과 관련된 불확실성과 같은 유형의 불확실성에 주목해야 합니다. 요점은 그 순간에 취해진 결정과 특정 시스템에서 구현되는 결정이 시스템의 기능에 영향을 미치도록 설계되었다는 것입니다. 실제로 이것이 시스템 분석가의 아이디어에 따르면이 결정이 문제 상황을 해결해야하기 때문에 이것이 받아 들여지는 이유입니다. 그러나 복잡한 시스템에 대한 결정이기 때문에 시간이 지남에 따라 시스템의 개발은 많은 전략을 가질 수 있습니다. 그리고 물론 결정을 내리고 통제 조치를 취하는 단계에서 분석가는 상황 전개에 대한 완전한 그림을 상상하지 못할 수도 있습니다. 안필라토프, V.S. 관리 시스템 분석: 교과서. 수당 / V.S. Anfilatov 및 기타; 에드. A.A. 에멜랴노바. - M .: 재정 및 통계, 2008 .-- 368 p.

분석 시스템 기술 자연 사회

2. 시스템 분석에서 "문제"의 개념

실용적인 관점에서 시스템 분석은 임의적 성격의 복잡한 문제를 해결하기 위한 보편적인 기술입니다. 이 경우 핵심 개념은 '문제'의 개념으로, '현실에 대한 주체의 주관적인 부정적 태도'로 정의할 수 있다. 따라서 복잡한 시스템에서 문제를 식별하고 진단하는 단계는 시스템 분석의 목표와 목적, 그리고 향후 의사결정을 지원하기 위해 사용될 방법과 알고리즘을 결정하기 때문에 가장 중요합니다. 동시에 이 단계는 가장 어렵고 공식화되지 않은 단계입니다.

시스템 분석에 대한 러시아어 작업의 분석을 통해 이 분야에서 가장 큰 두 영역을 선별할 수 있습니다. 이 영역은 조건부로 합리적이고 객관적인 주관적인 접근이라고 할 수 있습니다.

첫 번째 방향(합리적 접근)은 시스템 분석을 복잡한 시스템 연구에 중점을 둔 컴퓨터 사용에 기반한 방법을 포함한 일련의 방법으로 간주합니다. 이 접근 방식에서는 시스템 모델을 구성하는 형식적인 방법과 시스템을 연구하는 수학적 방법에 가장 큰 관심을 기울입니다. "주제"와 "문제"의 개념은 고려되지 않지만 "전형적인" 시스템 및 문제의 개념은 일반적입니다(관리 시스템 - 관리 문제, 재무 시스템 - 재정 문제 등).

이 접근 방식에서 "문제"는 실제와 원하는 것 사이의 불일치, 즉 실제로 관찰된 시스템과 시스템의 "이상적인" 모델 간의 불일치로 정의됩니다. 이 경우 시스템은 참조 모델과 비교되어야 하는 객관적 현실의 일부로 독점적으로 정의된다는 점에 유의하는 것이 중요합니다.

우리가 "문제"라는 개념에 의존한다면 합리적인 접근으로 문제가 특정 시스템의 특정 형식 모델을 가지고 있는 시스템 분석가에게만 발생하고 이 시스템을 찾아 모델 간의 불일치를 드러낸다는 결론을 내릴 수 있습니다. 그리고 그의 "현실에 대한 부정적인 태도"를 유발하는 실제 시스템. 볼코바, V.N. ACS / V.N.에서의 시스템 분석 및 적용 볼코바, A.A. 데니소프 - L .: LPI, 2008 .-- 83 p.

분명히 조직과 행동이 모든 주제 (예 : 법률)에 의해 엄격하게 규제되고 인정되는 시스템이 있습니다. 이 경우 모델(법률)과 현실의 불일치는 해결해야 할 문제(범죄)입니다. 그러나 대부분의 인공 시스템은 엄격한 규정이 존재하지 않으며 이러한 시스템과 관련하여 피험자는 자신의 개인적인 목표를 가지고 있으며 이는 다른 피험자의 목표와 거의 일치하지 않습니다. 또한 특정 주제는 자신이 어떤 시스템에 속해 있고 어떤 시스템과 상호 작용하는지에 대한 자신의 아이디어를 가지고 있습니다. 주제가 작동하는 개념은 일반적으로 수용되는 "합리적인" 개념과 근본적으로 다를 수 있습니다. 예를 들어, 주제는 환경에서 제어 시스템을 전혀 선택하지 않고 자신만을 위해 세계와 상호 작용하는 이해하기 쉽고 편리한 특정 모델을 사용할 수 있습니다. 일반적으로 받아 들여지는 (합리적 일지라도) 모델의 부과는 주제에 "부정적 태도"의 출현으로 이어질 수 있으며, 따라서 시스템 분석의 본질과 근본적으로 모순되는 새로운 문제의 출현으로 이어질 수 있습니다. 개선 효과를 가정합니다 - 문제의 적어도 한 참가자가 좋아지고 아무도 나빠지지 않을 때.

매우 자주 합리적인 접근 방식의 시스템 분석 문제의 공식화는 최적화 문제의 관점에서 표현됩니다. 즉, 문제 상황은 수학적 모델과 정량적 기준을 사용하여 최상의 솔루션을 결정할 수 있는 수준으로 이상화됩니다. 문제에.

아시다시피, 시스템 문제의 경우 구성 요소 간의 인과 관계를 철저하게 설정하는 모델이 없으므로 최적화 접근 방식은 완전히 건설적인 것처럼 보이지 않습니다. "... 시스템 분석 이론은 최적의 부재에서 진행됩니다. 절대적으로 모든 성격의 문제를 해결하기 위한 최선의 선택 ... 문제를 해결하기 위해 실제로 달성 가능한(타협한) 선택을 위한 반복적 탐색 가능을 위해 원하는 것을 희생할 수 있고 가능한 것의 경계가 상당히 클 수 있을 때 원하는 것을 달성하려는 욕망으로 인해 확장되었습니다. 이는 상황적 선호 기준, 즉 초기 태도가 아니라 연구 과정에서 발전되는 기준의 사용을 의미한다...".

시스템 분석의 또 다른 방향 - Ackoff의 작업에 기반한 객관적-주관적 접근은 시스템 분석의 선두에 주제와 문제의 개념을 둡니다. 사실, 이 접근법에서 우리는 기존의 이상적인 시스템의 정의에 주제를 포함합니다. 한편으로 시스템 분석은 사람들의 이익에서 진행됩니다. 문제의 주관적인 구성 요소를 도입하는 반면 객관적으로 관찰 가능한 사실과 패턴을 조사합니다.

"문제"의 정의로 돌아가 봅시다. 특히, 우리가 주체의 비합리적인(일반적으로 받아 들여지는 의미에서) 행동을 관찰하고 주체가 일어나고 있는 일에 대해 부정적인 태도를 갖지 않을 때 해결해야 할 문제가 없다는 결론이 나옵니다. 이 사실이 "문제"의 개념과 모순되지는 않지만 특정 상황에서는 문제의 객관적인 구성 요소가 존재할 가능성을 배제하는 것이 불가능합니다.

시스템 분석은 주제의 문제를 해결하기 위해 다음과 같은 가능성을 가지고 있습니다.

* 객관적인 현실에 개입하고 문제의 객관적인 부분을 제거한 후 주체의 주관적인 부정적인 태도를 변화시키고,

* 현실을 간섭하지 않으면서 주체의 주관적 태도를 변화시키고,

* 객관적 현실에 개입함과 동시에 주체의 주관적 태도를 변화시킨다.

분명히 두 번째 방법은 문제를 해결하지 않고 주제에 대한 영향만 제거하므로 문제의 객관적인 구성 요소가 남아 있습니다. 문제의 객관적인 구성 요소가 이미 나타났지만 주관적인 태도가 아직 형성되지 않았거나 여러 가지 이유로 아직 부정적이지 않은 경우 반대 상황도 마찬가지입니다.

주제가 "현실에 대한 부정적인 태도"가 부족한 데에는 몇 가지 이유가 있습니다. Director, C. 시스템 이론 소개 / S. Director, D. Rorar. - M .: Mir, 2009 .-- 286 p.

* 하지 않았다 전체 정보시스템에 대해 또는 완전히 사용하지 않습니다.

* 정신 수준에서 환경과의 관계에 대한 평가를 변경합니다.

* "부정적 태도"를 유발하는 환경과의 관계를 방해합니다.

* 문제의 존재와 그 본질에 대한 정보를 믿지 않기 때문에 신고하는 사람들이 자신의 활동을 비방하거나 자신의 이기적인 이익을 추구한다고 생각하며 아마도 개인적으로 이러한 사람들을 좋아하지 않기 때문일 수 있습니다.

주제의 부정적인 태도가 없으면 문제의 객관적인 구성 요소가 남아 있고 어느 정도 주제에 계속 영향을 미치거나 미래에 문제가 크게 악화 될 수 있음을 기억해야합니다.

문제를 식별하기 위해서는 주관적인 태도에 대한 분석이 필요하기 때문에 이 단계는 체계화되지 않은 시스템 분석 단계를 의미한다.

어느 효율적인 알고리즘또는 방법이 현재 제안되지 않은 경우 시스템 분석에 대한 작업의 저자는 대부분 분석가의 경험과 직관에 의존하고 그에게 완전한 행동의 자유를 제공합니다.

시스템 분석가는 대상이 상호 작용하거나 상호 작용할 수 있는 객관적 현실의 부분을 설명하고 분석하기 위한 충분한 도구 세트를 가지고 있어야 합니다. 도구에는 시스템 및 해당 모델링의 실험적 조사 방법이 포함될 수 있습니다. 조직(상업, 과학, 의료 등)에 현대 정보 기술이 광범위하게 도입되면서 활동의 거의 모든 측면이 이미 매우 많은 양을 보유한 데이터베이스에 기록되고 저장됩니다. 이러한 데이터베이스의 정보에는 시스템 자체와 시스템(시스템) 개발 및 수명에 대한 자세한 설명이 포함되어 있습니다. 오늘날 대부분의 인공 시스템을 분석할 때 분석가는 시스템에 대한 정보 부족보다 시스템 연구를 위한 효과적인 방법의 부족에 직면할 가능성이 더 높다고 말할 수 있습니다.

그러나 주관적인 태도를 공식화해야 하는 주체는 피험자이며 특별한 지식이 없어 분석가가 수행한 연구 결과를 적절하게 해석하지 못할 수 있습니다. 따라서 분석가가 궁극적으로 받게 될 시스템 및 예측 모델에 대한 지식은 해석할 수 있는 명시적 형식(아마도 자연어)으로 제시되어야 합니다. 이러한 관점은 연구 중인 시스템에 대한 지식이라고 할 수 있습니다.

불행히도 시스템에 대한 지식을 얻는 효과적인 방법은 현재 제안되지 않았습니다. 가장 흥미로운 것은 원시 데이터에서 지식을 추출하기 위해 개인 응용 프로그램에서 사용되는 데이터 마이닝 모델 및 알고리즘입니다. 데이터 마이닝은 다차원 개념 표현이라는 아이디어의 사용을 기반으로 한 데이터베이스 관리 및 온라인 데이터 분석(OLAP) 이론의 진화라는 점은 주목할 가치가 있습니다.

하지만 에서 지난 몇 년증가하는 "정보 과부하" 문제와 관련하여 점점 더 많은 연구자들이 지식 추출 문제를 해결하기 위해 데이터 마이닝 방법을 사용하고 개선합니다.

지식 추출 방법의 광범위한 사용은 매우 어렵습니다. 이는 한편으로는 충분히 형식적인 수학적 및 통계적 방법을 기반으로 하는 대부분의 알려진 접근 방식의 불충분한 효율성과 관련이 있으며 다른 한편으로는 공식적인 설명이 충분하지 않고 값비싼 전문가를 유치해야 하는 지능형 기술의 효과적인 방법을 사용하는 데 어려움이 있습니다. 후자는 지능형 정보 기술의 자동화된 생성 및 구성을 기반으로 시스템에 대한 데이터 분석 및 지식 추출을 위한 효과적인 시스템을 구축하는 유망한 접근 방식을 사용하여 극복할 수 있습니다. 이 접근 방식을 사용하면 먼저 고급 지능형 기술을 사용하여 시스템 분석에서 문제를 식별하는 단계에서 주제에 제시될 지식 추출 문제를 해결하는 효율성을 크게 높일 수 있습니다. 둘째, 지능형 기술은 자동 모드에서 생성 및 구성되므로 설정 및 사용에 전문가가 필요하지 않습니다. Bertalanffy L. 배경. 일반 시스템 이론의 역사와 상태 / Bertalanffy L. Von // 시스템 연구: 연감. - M .: Nauka, 2010 .-- P. 20-37.

결론

시스템 분석의 형성은 20 세기 중반과 관련이 있지만 실제로는 훨씬 더 일찍 적용되기 시작했습니다. 그것의 사용이 자본주의 이론가 K. Marx의 이름과 관련이 있다는 것은 경제학에서.

오늘날이 방법은 보편적이라고 할 수 있습니다. 시스템 분석은 모든 조직의 관리에 사용됩니다. 경영 활동에서 그 중요성은 과대 평가되지 않습니다. 체계적인 접근 방식의 위치에서 관리는 개체의 동작과 외부 환경의 상태에 대한 정보를 기반으로 주어진 목표를 달성하기 위해 개체에 대한 일련의 작업을 구현하는 것입니다. 시스템 분석을 통해 회사에서 일하는 사람들의 사회 문화적 특성과 조직이 운영되는 사회의 문화적 전통의 차이를 고려할 수 있습니다. 관리자는 시스템과 시스템에서의 역할을 이해하면 특정 작업을 조직 전체의 작업과 보다 쉽게 ​​맞출 수 있습니다.

시스템 분석의 단점은 일관성이 확실성, 일관성, 무결성을 의미하지만 실생활에서는 이것이 관찰되지 않는다는 사실을 포함합니다. 그러나 이러한 원칙은 모든 이론에 적용되며 이것이 모호하거나 모순되지 않습니다. 이론상 각 연구자는 기본 원리를 찾아 상황에 따라 조정해야 합니다. 시스템의 틀 내에서 한 회사에서는 작동하고 다른 회사에서는 완전히 쓸모가 없을 수 있는 전략 또는 그 형성을 위한 기술을 복사하는 문제를 찾아내는 것도 가능합니다.

개발 과정에서 시스템 분석이 개선되었으며 적용 범위도 변경되었습니다. 이를 기반으로 관리 작업은 여러 방향으로 개발되었습니다.

서지

1. Ackoff, R. 운영 연구의 기초 / R. Ackoff, M. Sasienne. - M .: Mir, 2009 .-- 534 p.

2. Ackoff, R. 목적이 있는 시스템에서 / R. Ackoff, F. Emery. - M .: 소비에트 라디오, 2008 .-- 272 p.

3. Anokhin, P.K. 선정된 작품: 시스템 이론의 철학적 측면 / P.K. 아노킨. - M .: Nauka, 2008.

4. Anfilatov, V.S. 관리 시스템 분석: 교과서. 수당 / V.S. Anfilatov 및 기타; 에드. A.A. 에멜랴노바. - M .: 재정 및 통계, 2008 .-- 368 p.

5. Bertalanffy L. 배경. 일반 시스템 이론의 역사와 상태 / Bertalanffy L. Von // 시스템 연구: 연감. - M .: Nauka, 2010 .-- P. 20-37.

6. Bertalanffy L. 배경. 일반 시스템 이론: 비판적 검토 / Bertalanffy L. Von // 일반 시스템 이론에 대한 연구. - M .: 진행 상황, 2009 .-- S. 23 - 82.

7. 보그다노프, A.A. 일반 조직 과학: 본문 비평: 2권. / A.A. 보그다노프. - 엠., 2005

8. 볼코바, V.N. 시스템 이론 및 시스템 분석의 기초: 대학 교과서 / V.N. 볼코바, A.A. 데니소프 - 제3판. - SPb .: SPbSTU 출판사, 2008.

9. 볼코바, V.N. ACS / V.N.에서의 시스템 분석 및 적용 볼코바, A.A. 데니소프 - L .: LPI, 2008 .-- 83 p.

10. 보로노프, A.A. 자동 제어 이론의 기초 / A.A. 보로노프. - M .: 에너지, 2009 .-- T. 1.

11. Director, S. 시스템 이론 소개 / S. Director, D. Rorar. - M .: Mir, 2009 .-- 286 p.

12. 클리어, D. 시스템론 / D. 클리어. - M .: 라디오 및 통신, 2009 .-- 262 p.

Allbest.ru에 게시됨

유사한 문서

관리 결정의 효율성을 평가하기 위한 기준 선택. 문제의 예비 공식화. 수학적 모델의 편집. 효율성 기준에 따른 솔루션 옵션 비교. 복잡한 결정을 내리기 위한 방법론으로서의 시스템 분석.

테스트, 2012년 10월 11일 추가됨


시스템 분석의 주제 및 개발 역사. 모델링은 목적이 있는 활동의 구성 요소입니다. 주관적이고 객관적인 목표. 시스템 분류. 데이터 처리 모델. 다수의 의사결정 업무. 목표의 실현으로서의 선택.

치트 시트, 2010년 10월 19일 추가됨


시스템 이론의 기본 원리. 경제학의 시스템 연구 방법론. 시스템 분석 절차, 그 특성. 인간과 사회 행동의 모델. 관리에 대한 체계적인 접근의 가정. 문제에 대한 해결책을 찾기 위한 핵심 아이디어.

테스트, 2013년 5월 29일 추가됨


시스템 분석의 정의. 시스템 접근 방식의 주요 측면. 의사결정 절차. 복잡한 문제를 해결하기 위해 시스템 분석을 적용하는 기술에 따라 인사 관리 서비스를 생성하기 위한 관리 솔루션의 개발.

2009년 7월 12일에 추가된 학기말


대상을 시스템으로 연구하고 기능의 특징과 패턴을 식별합니다. 의사 결정 방법. 서비스의 조직 구조. 복잡한 그래프를 사용하여 OJSC "Murom Radio Plant"의 생산 시스템 상태 진단.

테스트, 2014년 6월 16일 추가됨


주택 및 공동 서비스 개발의 상태, 문제 및 주요 방향. LLC "Khabteploset 1" 활동의 시스템 분석, 문제 식별, 해결 방향 및 방법. 기업에서 정보 처리의 의사 결정 트리, 구조적 및 논리적 체계를 구축합니다.

학기 논문, 2011년 7월 18일 추가됨


현재 단계에서 아파트 취득의 주요 문제점 분석 및 식별. 이 문제를 해결하기 위해 시스템 분석 방법을 적용하는 순서와 원리. 결정을 위한 평가 시스템의 선택과 문제에 대한 최적의 솔루션 식별.

테스트, 2010년 10월 18일 추가됨


시스템의 생산 관리, 설계 및 유지 관리에 대한 체계적인 접근 방식입니다. 관리 결정을 내리고 대체 옵션에서 하나의 조치를 선택합니다. 디자인 조직의 원칙. 관리 시스템 분석.

초록, 2010년 3월 7일 추가됨


기업의 성공 여부는 외부 변화에 빠르게 적응할 수 있는 능력에 달려 있습니다. 엔터프라이즈 관리 시스템에 대한 요구 사항. 제어 시스템의 조사, 성능 기준에 따라 문제를 해결하기 위한 최적의 옵션을 선택하는 방법론.

2010년 4월 15일에 추가된 초록


물류에서 복잡한 조직 및 경제 시스템을 관리하는 개념. 산업 기업의 물류 시스템 설계에 대한 체계적인 접근 방식. 복잡한 조직 및 경제 시스템의 제어 매개변수를 개선합니다.

→

강의 1: 문제 해결 방법론으로서의 시스템 분석

우리 주변의 세계를 새로운 방식으로 인식하기 위해서는 추상적으로 생각할 수 있어야 합니다.

R. 파인만

고등교육 구조조정의 방향 중 하나는 협소한 전문화의 단점을 극복하고 학제간 유대를 강화하며 세계에 대한 변증법적 비전과 시스템적 사고를 발전시키는 것이다. V 강의 계획서많은 대학에서 이미 이러한 추세를 구현하는 일반 및 특별 과정을 도입했습니다. 공학 전문 분야 - "설계 방법", "시스템 공학"; 군사 및 경제 전문 분야 - "작전 연구"; 행정 및 정치 관리 - "정치 과학", "미래학"; 응용 과학 연구 - "시뮬레이션 모델링", "실험 방법론" 등 이러한 분야에는 복잡한 기술, 자연 및 사회 시스템을 연구하는 방법론을 일반화하는 일반적으로 학제 간 및 초학문 과정인 시스템 분석 과정도 포함됩니다.

1.1 현대 시스템 연구의 구조에서 시스템 분석

현재 과학 발전에는 두 가지 반대 경향이 있습니다.

1. 차별화, 지식의 증가와 새로운 문제의 출현으로 특수 과학이보다 일반적인 과학에서 두드러지는 경우.
2. 2. 통합, 관련 과학의 특정 섹션과 그 방법의 일반화 및 발전의 결과로 보다 일반적인 과학이 발생하는 경우.

분화와 통합의 과정은 유물론적 변증법의 두 가지 기본 원칙을 기반으로 합니다.

1. 다양한 형태의 물질 운동의 질적 고유성 원리, def. 물질 세계의 특정 측면을 연구할 필요성;
2. 세계의 물질적 통일성의 원리, def. 물질 세계의 모든 대상에 대한 전체적인 관점을 얻을 필요가 있습니다.

통합 추세가 나타난 결과 과학 활동의 새로운 영역이 나타났습니다. 시스템 연구는 매우 복잡하고 복잡한 대규모 문제를 해결하는 것을 목표로 합니다.

시스템 연구의 틀에서 이러한 통합 과학은 사이버네틱스, 운영 연구, 시스템 엔지니어링, 시스템 분석, 인공 지능 등으로 발전하고 있습니다. 저것들. 우리는 지능형 인터페이스가 사용되는 5세대 컴퓨터(컴퓨터와 기계 사이의 모든 중개자를 제거하기 위해. 미숙련 사용자)의 생성에 대해 이야기하고 있습니다.

시스템 분석은 시스템 접근 방식 및 일반 시스템 이론의 원칙에 따라 복잡한 응용 문제를 해결하기 위한 체계적인 방법론을 개발하고, 사이버네틱스, 운영 연구 및 시스템 엔지니어링의 개념(이념적) 및 수학적 장치를 개발하고 방법론적으로 일반화합니다.

시스템 분석은 의사 결정을 위한 체계적인 방법론을 개발하고 현대 시스템 연구의 구조에서 특정 위치를 차지하는 통합형의 새로운 과학적 방향입니다.

그림 1.1 - 시스템 분석

1. 시스템 연구
2. 시스템 접근
3. 특정 시스템 개념
4. 일반 시스템 이론(특정 시스템과 관련된 메타 이론)
5. 변증법적 유물론(시스템 연구의 철학적 문제)
6. 과학 시스템 이론 및 모델(지구 생물권 교리, 확률 이론, 사이버네틱스 등)
7. 기술 시스템 이론 및 개발 - 운영 연구; 시스템 엔지니어링, 시스템 분석 등
8. 시스템의 특정 이론.

1.2 구조화 정도에 따른 문제 분류

Simon과 Newell이 제안한 분류에 따르면 많은 문제는 지식의 깊이에 따라 세 가지 클래스로 나뉩니다.

1. 수학적 형식화에 적합하고 형식적 방법을 사용하여 해결되는 잘 구조화되거나 수량화된 문제;
2. 실질적인 수준에서만 설명되고 비공식 절차를 사용하여 해결되는 구조화되지 않았거나 질적으로 표현된 문제
3. 양적 및 질적 문제를 포함하는 반구조적(혼합 문제), 문제의 질적, 잘 알려지지 않은 불확실한 측면이 지배적인 경향이 있습니다.

이러한 문제는 공식적 방법과 비공식적 절차의 복잡한 사용을 통해 해결됩니다. 분류는 문제 구조화 정도에 따라 이루어지며 전체 문제의 구조는 5가지 논리적 요소에 의해 결정됩니다.

1. 목표 또는 목표 세트;
2. 목표 달성을 위한 대안;
3. 대안 구현에 소요되는 자원;
4. 모델 또는 모델 범위;
5. 5. 선호하는 대안을 선택하기 위한 기준.

문제의 구조화 정도는 문제의 표시된 요소가 얼마나 잘 식별되고 이해되었는지에 따라 결정됩니다.

동일한 문제가 분류표에서 다른 위치를 차지할 수 있는 것이 특징입니다. 점점 더 심층적인 연구, 이해 및 분석 과정에서 문제는 비구조화에서 반구조화로, 그리고 반구조화에서 구조화로 바뀔 수 있습니다. 이 경우 문제 해결 방법의 선택은 분류 표에서의 위치에 따라 결정됩니다.

그림 1.2 - 분류표

1. 문제 식별;
2. 문제의 공식화;
3. 해결책;
4. 구조화되지 않은 문제(경험적 방법을 사용하여 해결할 수 있음)
5. 전문가 평가 방법;
6. 구조화되지 않은 문제;
7. 시스템 분석 방법;
8. 잘 구성된 문제;
9. 운영 연구 방법;
10. 의사결정;
11. 솔루션 구현;
12. 솔루션 평가.

1.3 잘 구조화된 문제를 해결하기 위한 원칙

이 수업의 문제를 해결하기 위해 I.O. 운영 연구에서 주요 단계는 다음과 같이 구분할 수 있습니다.

1. 목표 달성을 위한 경쟁 전략의 결정.
2. 작업의 수학적 모델 구성.
3. 경쟁 전략의 효과를 평가합니다.
4. 목표 달성을 위한 최적의 전략 선택.

작업의 수학적 모델은 기능적입니다.

E = f (x∈x →, (α), (β)) ⇒ extz

• E - 운영 효율성의 기준;
• x는 운영 당사자의 전략입니다.
• α - 작업 수행을 위한 일련의 조건;
• β는 환경 조건의 집합입니다.

모델을 통해 경쟁 전략의 효율성을 평가하고 그 중에서 최적의 전략을 선택할 수 있습니다.

1. 문제의 지속성
2. 제한
3. 성능 기준
4. 연산의 수학적 모델
5. 모델의 매개변수이지만 일부 매개변수는 일반적으로 알려져 있지 않으므로 (6)
6. 예측 정보(즉, 여러 매개변수를 예측해야 함)
7. 경쟁 전략
8. 분석 및 전략
9. 최적의 전략
10. 승인된 전략(간단하지만 여러 기준을 충족함)
11. 솔루션 구현
12. 모델 수정

작업의 효율성에 대한 기준은 다음과 같은 여러 요구 사항을 충족해야 합니다.

1. 대표성, 즉 기준은 작업의 2차 목적이 아니라 1차 목적을 반영해야 합니다.
2. 중요도 - 즉. 작업 매개변수를 변경할 때 기준을 변경해야 합니다.
3. 유일성, 이 경우에만 최적화 문제에 대한 엄격한 수학적 솔루션을 찾을 수 있기 때문입니다.
4. 일반적으로 일부 작업 매개변수의 임의적 특성과 관련된 확률성을 설명합니다.
5. 일부 작업 매개변수에 대한 정보 부족과 관련된 불확실성 고려.
6. 작전의 전체 매개변수를 통제하는 의식 있는 적에 의해 종종 발생하는 반격을 고려합니다.
7. 간단하기 때문에 단순 기준을 사용하면 opt를 검색할 때 수학적 계산을 단순화할 수 있습니다. 솔루션.

다음은 운영 연구의 효율성 기준에 대한 기본 요구 사항을 설명하는 다이어그램입니다.

쌀. 1.4 - 운영 연구의 수행 기준에 대한 요구 사항을 설명하는 체계

1. 문제에 대한 설명(2 및 4(제한 사항)이 뒤따름)
2. 효율성 기준;
3. 최상위 작업
4. 제한 사항 (우리는 모델의 중첩을 구성합니다);
5. 최상위 모델과의 커뮤니케이션;
6. 대표성;
7. 중요도;
8. 독창성;
9. 확률에 대한 설명;
10. 불확실성에 대한 설명;
11. 반대에 대한 설명(게임 이론);
12. 간단;
13. 필수 제한 사항;
14. 추가 제한 사항;
15. 인위적인 제한;
16. 주요 기준 선택;
17. 제한 번역;
18. 일반화된 기준의 구성;
19. 수학적 otid-i의 평가;
20. 신뢰 구간 구성:
21. 가능한 옵션의 분석(시스템이 있습니다. 입력 흐름의 강도가 정확히 무엇인지 알지 못합니다. 특정 확률로 특정 강도만 가정할 수 있습니다. 그런 다음 출력 옵션에 무게를 둡니다.)

고유성 - 엄격하게 수학적 방법으로 문제를 해결할 수 있습니다.

항목 16, 17 및 18은 다중 기준을 제거하는 방법입니다.

확률에 대한 설명 - 대부분의 매개변수에는 확률적 값이 있습니다. 어떤 경우에는 스토. 우리는 f 및 분포의 형태로 지정하므로 기준 자체를 평균화해야 합니다. 따라서 수학적 기대치를 적용하십시오(19, 20, 21절).

1.4 구조화되지 않은 문제를 해결하기 위한 원칙

이 수업의 문제를 해결하려면 전문가 평가 방법을 사용하는 것이 좋습니다.

전문가 평가 방법은 문제의 참신함과 복잡성으로 인해 문제의 수학적 공식화가 불가능하거나 많은 시간과 비용이 필요한 경우에 사용됩니다. 전문가 평가의 모든 방법에 공통된 것은 전문가의 기능을 수행하는 전문가의 경험, 지도 및 직관에 호소하는 것입니다. 제기된 질문에 대한 답변을 제공하는 전문가는 분석되고 일반화되는 정보의 센서와 같습니다. 따라서 답변의 범위에 참된 답변이 있으면 불일치 의견의 집합체가 현실에 가까운 일반화된 의견으로 효과적으로 통합될 수 있다고 주장할 수 있습니다. 모든 전문가 평가 방법은 발견적 출처의 정보를 얻고 수학적 및 통계적 방법을 사용하여 이 정보를 처리하는 것을 목표로 하는 일련의 절차입니다.

시험 준비 및 수행 과정에는 다음 단계가 포함됩니다.

1. 전문 지식 사슬의 정의;
2. 분석가 그룹의 형성;
3. 전문가 그룹의 형성;
4. 시나리오 및 검사 절차 개발;
5. 전문가 정보 수집 및 분석
6. 전문가 정보 처리;
7. 검사 및 의사 결정 결과 분석.

전문가 그룹을 구성할 때 검사 결과에 영향을 미치는 개별 x-ki를 고려해야 합니다.

• 능력 (전문 교육 수준)
• 창의성(인간의 창의성)
• 건설적인 사고(구름에서 "날지" 마십시오)
• 순응 (권위의 영향에 노출)
• 시험에 대한 태도
• 집단주의와 자기비판

전문가 평가 방법은 다음과 같은 상황에서 매우 성공적으로 사용됩니다.

• 과학적 연구의 목표와 주제 선택
• 복잡한 기술 및 사회 경제적 프로젝트 및 프로그램에 대한 옵션 선택
• 복잡한 객체 모델의 구성 및 분석
• 벡터 최적화 문제의 기준 구성
• 속성의 심각도에 따른 동질 객체의 분류
• 제품 및 신기술의 품질 평가
• 생산 관리 업무의 의사 결정
• 생산, 연구 및 개발 및 개발의 장기 및 현재 계획
• 과학, 기술 및 경제 예측 등 등.

1.5 반구조적 문제 해결을 위한 원칙

이 클래스의 문제를 해결하려면 시스템 분석 방법을 사용하는 것이 좋습니다. 시스템 분석을 사용하여 해결된 문제에는 다음과 같은 여러 가지 특징이 있습니다.

1. 내린 결정은 미래(아직 존재하지 않는 식물)를 나타냅니다.
2. 다양한 대안이 있다
3. 결정은 기술 발전의 현재 불완전성에 달려 있습니다.
4. 의사 결정에는 막대한 자원 투자가 필요하고 위험 요소가 포함되어 있습니다.
5. 문제 해결을 위한 비용 및 시간과 관련된 요구 사항이 완전히 정의되지 않음
6. 내부 문제는 솔루션을 위해 다양한 리소스를 결합해야 하기 때문에 복잡합니다.

시스템 분석의 기본 개념은 다음과 같습니다.

• 문제를 해결하는 과정은 특정 영역에서 달성하고자 하는 최종 목표를 식별하고 정당화하는 것으로 시작해야 하며 이미 이를 기반으로 중간 목표와 목표가 결정됩니다
• 모든 문제는 복잡한 시스템으로 접근해야 하며 가능한 모든 세부 사항과 상호 관계는 물론 특정 결정의 결과를 식별해야 합니다.
• 문제를 해결하는 과정에서 목표 달성을위한 많은 대안의 형성이 수행됩니다. 적절한 기준을 사용하여 이러한 대안을 평가하고 선호하는 대안을 선택합니다.
• 문제 해결 메커니즘의 조직 구조는 목표 또는 일련의 목표에 종속되어야 하며 그 반대의 경우도 마찬가지입니다.

시스템 분석은 다단계 반복 프로세스이며 이 프로세스의 시작점은 문제를 초기 형태로 공식화하는 것입니다. 문제를 공식화할 때 두 가지 상충되는 요구 사항을 고려해야 합니다.

1. 문제는 중요한 것을 놓치지 않도록 충분히 광범위하게 공식화되어야 합니다.
2. 문제는 가시적이고 구조화될 수 있는 방식으로 형성되어야 합니다. 시스템 분석 과정에서 문제 구조화의 정도가 증가합니다. 문제는 점점 더 명확하고 포괄적으로 공식화되고 있습니다.

쌀. 1.5 - 1단계 시스템 분석

1. 문제의 공식화
2. 목적 정당화
3. 대안의 형성
4. 자원 탐사
5. 모델 구축
6. 대안 평가
7. 의사 결정 (하나의 결정 중 선택)
8. 민감도 분석
9. 초기 데이터 검증
10. 궁극적인 목표의 명확화
11. 새로운 대안을 모색하다
12. 자원 및 기준 분석

1.6 CA의 주요 단계 및 방법

CA는 다음을 제공합니다. 문제를 해결하기 위한 체계적인 방법의 개발, 즉 선호하는 솔루션 대안을 선택하기 위해 논리적이고 절차적으로 구성된 일련의 작업입니다. CA는 실질적으로 여러 단계로 구현되지만, 그 수와 내용 면에서 아직 통일성이 없다. 다양한 응용 문제입니다.

다음은 다른 과학 학교의 SA의 기본 패턴을 보여주는 표입니다.

시스템 분석의 주요 단계
F. Hansman에 따르면 독일, 1978년	D. Jeffers에 따르면 1981년 미국	V.V.Druzhinin에 따르면 1988년 소련
문제의 일반적인 방향(문제 설명 개요) 적절한 기준 선택 형성 대체 솔루션 중요한 환경 요인의 격리 모델 구축 및 검증 모델 매개변수의 추정 및 예측 모델을 기반으로 정보 얻기 솔루션 선택 준비 구현 및 제어	문제 선택 문제 설명 및 복잡성 정도 제한 계층 구조, 목표 및 목표 설정 문제 해결 방법 선택 모델링 가능한 전략 평가 결과의 구현	문제의 격리 설명 기준 설정 이상화(극단적인 단순화, 모델 구축 시도) 분해(부품 분해, 부품에서 솔루션 찾기) 구성(부분을 함께 "붙이기") 나이의 수락 더 나은 솔루션

CA의 과학적 도구에는 다음과 같은 방법이 포함됩니다.

• 스크립팅 방법(시스템을 설명하려고 함)
• 목표 트리 방법(있다 최종 목표, 하위 목표, 문제에 대한 하위 목표 등으로 세분화됩니다. 해결할 수 있는 문제로 분해)
• 형태분석법(발명용)
• 전문가 평가 방법
• 확률 및 통계적 방법(ML 이론, 게임 등)
• 사이버네틱 방법(블랙박스 개체)
• IO 메서드(스칼라 옵트)
• 벡터 최적화 방법
• 시뮬레이션 기술(예: GPSS)
• 네트워크 방법
• 매트릭스 방법
• 경제 분석 방법 등

CA 프로세스에서는 다양한 수준에서 휴리스틱이 형식주의와 결합되는 다양한 방법이 사용됩니다. CA는 문제를 해결하는 데 필요한 모든 방법, 연구 기술, 활동 및 리소스를 결합하는 방법론적 프레임워크 역할을 합니다.

1.7 의사 결정자의 선호 시스템과 의사 결정 과정에 대한 체계적인 접근 방식.

의사 결정 프로세스는 의사 결정자의 선호 시스템을 고려하여 일련의 대안 솔루션 중에서 합리적인 솔루션을 선택하는 것으로 구성됩니다. 사람이 참여하는 모든 과정과 마찬가지로 객관적인 측면과 주관적인 측면이 있습니다.

객관적인 측면은 사람의 의식 외부에 있는 실제적인 것이고 주관적인 측면은 사람의 의식에 반영되는 것입니다. 사람의 마음에 객관적인. 목표는 항상 적절하게 충분하지 않은 사람의 의식에 반영되지만 올바른 결정이 있을 수 없다는 것은 아닙니다. 실제로 올바른 결정은 주요 개요에서 상황을 올바르게 반영하고 당면한 작업에 해당하는 것으로 간주됩니다.

의사 결정자의 선호 시스템은 다음과 같은 많은 요인에 의해 결정됩니다.

• 문제 및 개발 전망 이해
• 일부 작업 상태 및 해당 과정의 외부 조건에 대한 현재 정보;
• 상급 당국의 지시 및 다양한 종류의 제한;
• 법적, 경제적, 사회적, 심리적 요인, 전통 등

쌀. 1.6 - 의사 결정자의 선호 시스템

1. 운영 목표(기술 프로세스, 예측)에 대한 상위 당국의 지시
2. 자원의 제약, 독립성 등
3. 정보 처리
4. 작업
5. 외부 조건(외부 환경), a) 결정 b) 확률론적(컴퓨터가 임의의 간격 t에서 실패함); c) 조직적인 반대
6. 외부 조건에 대한 정보
7. 합리적인 결정
8. 제어 합성(시스템에 따라 다름)

이러한 상황에서 의사 결정자는 잠재적 솔루션 세트를 정규화해야 합니다. 그 중 4~5개를 선택하고 그 중 1개의 솔루션을 선택하십시오.

의사 결정 프로세스에 대한 체계적인 접근 방식은 3가지 상호 관련된 절차의 구현으로 구성됩니다.

1. 많은 잠재적 솔루션이 눈에 띕니다.
2. 많은 경쟁 솔루션이 그 중에서 선택됩니다.
3. 의사결정자의 선호도를 고려하여 합리적인 솔루션을 선택합니다.

쌀. 1.7 - 의사결정 과정에 대한 체계적인 접근

1. 가능한 해결책
2. 경쟁 솔루션
3. 합리적인 결정
4. 작전의 목적과 목적
5. 작업 상태 정보
6. 외부 조건에 대한 정보
   1. 확률적
   2. 조직적인 대응
7. 자원 제약
8. 독립 정도의 제한
9. 추가 제한 및 조건
   1. 법적 요인
   2. 경제력
   3. 사회학적 요인
   4. 심리적 요인
   5. 전통 등
10. 효율성 기준

현대 시스템 분석은 "문제의 소유자"가 직면한 실제 어려움에 대한 이유를 설명하고 제거 옵션을 개발하는 것을 목표로 하는 응용 과학입니다. 가장 발전된 형태의 시스템 분석에는 문제 상황에 대한 직접적이고 실용적이며 개선된 개입도 포함됩니다.

일관성은 일종의 혁신, 과학의 최신 성과처럼 여겨져서는 안 됩니다. 체계성은 물질의 보편적 속성이자 존재의 한 형태이며, 따라서 사고를 포함한 인간 실천의 양도할 수 없는 속성입니다. 모든 활동은 덜 또는 더 체계적일 수 있습니다. 문제의 출현은 일관성이 부족하다는 신호입니다. 문제에 대한 해결책은 일관성을 높인 결과입니다. 다양한 추상화 수준의 이론적 사고는 일반적으로 세계의 일관성과 인간 지식과 실천의 일관성을 반영했습니다. 철학적 수준에서 이것은 변증법적 유물론이며 일반적인 과학적 수준에서는 체계론 및 시스템의 일반 이론, 조직 이론입니다. 자연 과학 - 사이버네틱스. 컴퓨팅 기술의 발달로 정보학 및 인공 지능이 등장했습니다.

1980년대 초, 이러한 모든 이론 및 응용 분야가 단일 흐름, 즉 "체계적 운동"을 형성한다는 것이 분명해졌습니다. 일관성은 이론적인 범주일 뿐만 아니라 실천 활동의 의식적인 측면이 됩니다. 크고 복잡한 필연적 시스템이 연구, 관리, 설계의 대상이 되면서 시스템을 연구하는 방법과 시스템에 영향을 미치는 방법을 일반화할 필요가 있게 되었다. 체계성에 대한 추상적 이론과 살아있는 체계 실천 사이의 "다리"인 일종의 응용 과학이 발생했어야 합니다. 그것은 또한 우리가 언급했듯이 다양한 분야와 다른 이름으로 발생했으며 최근에는 "시스템 분석"이라는 이름을 받은 과학으로 발전했습니다.

현대 시스템 분석의 특징은 복잡한 시스템의 본질에서 비롯됩니다. 문제를 제거하거나 적어도 그 원인을 명확히 한다는 목표로 시스템 분석은 이를 위한 광범위한 수단을 포함하고 다양한 과학 및 실제 활동 분야의 기능을 사용합니다. 기본적으로 적용된 변증법, 시스템 분석은 시스템 연구의 방법론적 측면에 큰 중요성을 부여합니다. 반면에 시스템 분석의 응용 방향은 수학, 컴퓨터 기술, 모델링, 현장 관찰 및 실험과 같은 모든 현대 과학 연구 수단의 사용으로 이어집니다.

실제 시스템을 조사할 때 일반적으로 다양한 문제에 직면합니다. 한 사람이 각각의 전문가가 되는 것은 불가능합니다. 탈출구는 시스템 분석을 수행하는 사람들이 특정 문제를 식별하고 분류하고 분석을 계속하기 위해 연락해야 할 전문가를 결정하는 데 필요한 교육과 경험을 가지고 있다는 사실에서 알 수 있습니다. 이것은 시스템 전문가에게 특별한 요구 사항을 부과합니다. 그들은 광범위한 박식, 여유있는 사고, 사람들을 일하도록 유인하는 능력, 집단 활동을 조직해야합니다.

이 강의를 듣거나 이 주제에 관한 여러 책을 읽은 후에는 시스템 분석 전문가가 될 수 없습니다. W. 셰익스피어(W. Shakespeare)가 말했듯이 "할 일을 아는 것만큼 쉽다면 예배당은 대성당이 될 것이고 오두막은 궁전이 될 것입니다." 전문성은 연습을 통해 습득됩니다.

미국에서 가장 빠르게 확장되는 고용에 대한 흥미로운 예측을 고려하십시오. Dynamics in % 1990-2000.

• 간호 직원 - 70%
• 방사선 기술 전문가 - 66%
• 여행사 - 54%
• 컴퓨터 시스템 분석가 - 53%
• 프로그래머 - 48%
• 전자 엔지니어 - 40%

체계적인 표현의 개발

"시스템"이라는 단어 자체 또는 "큰 시스템"은 무엇을 의미합니까? "시스템적으로 행동"한다는 것은 무엇을 의미합니까? 이러한 질문에 대한 답변을 점차적으로 받아 지식의 일관성 수준을 높이는 것이 이 강의의 목적입니다. 그 동안 우리는 "시스템"이라는 단어가 "사회정치적", "태양열", "신경질적인", "가열" 또는 "방정식"이라는 단어와 결합하여 일상적인 연설에서 사용될 때 발생하는 연상을 충분히 가지고 있습니다. "지표", "관점 및 신념". 결과적으로 일관성의 징후를 상세하고 종합적으로 고려할 것이며 이제 가장 분명하고 의무적인 것만 주목합니다.

• 시스템의 구조화;
• 구성 부분의 상호 연결성;
• 특정 목표에 대한 전체 시스템 조직의 종속.

실천 활동의 일관성

예를 들어 인간 활동과 관련하여 이러한 징후는 분명합니다. 왜냐하면 우리 각자는 자신의 실제 활동에서 쉽게 감지할 수 있기 때문입니다. 우리의 의식적인 행동은 각각 잘 정의된 목표를 추구합니다. 어떤 행동에서도 그 구성 요소, 작은 행동을 쉽게 볼 수 있습니다. 이 경우 구성 부분은 임의의 순서가 아니라 특정 순서로 수행됩니다. 이것은 일관성의 표시인 목표에 종속된 구성 요소의 명확한 상호 연결성입니다.

일관성 및 알고리즘성

그러한 활동 구성의 또 다른 이름은 알고리즘성입니다. 알고리즘의 개념은 수학의 시작 부분에서 시작되었으며 숫자 또는 기타 수학적 대상에 대해 명확하게 이해된 연산의 정확하게 정의된 시퀀스의 할당을 의미했습니다. 최근 몇 년 동안 모든 활동의 알고리즘 특성이 실현되기 시작했습니다. 이미 그들은 관리 결정을 내리기 위한 알고리즘, 학습 알고리즘, 체스를 하기 위한 알고리즘뿐만 아니라 발명을 위한 알고리즘, 음악 작곡을 위한 알고리즘에 대해서도 이야기하고 있습니다. 우리는 이것이 알고리즘에 대한 수학적 이해에서 벗어남을 강조합니다. 논리적 동작 순서를 유지하면서 알고리즘에 형식화되지 않은 동작이 포함될 수 있다고 가정합니다. 따라서 모든 실제 활동의 명시적 알고리즘화는 개발의 중요한 속성입니다.

인지 활동의 일관성

인지의 특징 중 하나는 분석적이고 종합적인 사고 방식의 존재입니다. 분석의 본질은 전체를 부분으로 나누는 것으로 구성되어 복합물을 더 단순한 구성 요소의 집합으로 나타냅니다. 그러나 전체, 복잡함을 인식하기 위해서는 역과정인 합성도 필요하다. 이것은 개인의 사고뿐만 아니라 보편적인 인간 지식에도 적용됩니다. 사고를 분석과 종합으로 분해하고 이 부분들의 상호연결성이 인지의 체계적 본성의 가장 중요한 표시라고 하자.

물질의 보편적 속성으로서의 체계성

여기서 일관성은 외부의 능동적 활동과 사고를 포함하는 인간 실천의 속성일 뿐만 아니라 모든 물질의 속성이라는 생각을 강조하는 것이 중요합니다. 우리 생각의 일관성은 세상의 일관성에서 나옵니다. 현대 과학 데이터와 현대 체계 개념을 통해 우리는 세계를 다양한 수준의 시스템 계층 구조에서 개발 중이고 다양한 개발 단계에 있는 시스템의 끝없는 계층적 시스템으로 말할 수 있습니다.

요약하다

결론적으로, 우리는 생각을 위한 정보로서 위에서 논의한 문제의 연결을 보여주는 다이어그램을 제공합니다.

그림 1.8 - 위에서 논의한 문제 간의 관계

지식 기반에서 좋은 작업을 보내는 것은 간단합니다. 아래 양식을 사용하세요

연구와 작업에 지식 기반을 사용하는 학생, 대학원생, 젊은 과학자들은 매우 감사할 것입니다.

• 소개 2
• 1. 시스템 분석의 기초가 되는 시스템 접근의 본질 5
• 1.1 시스템 접근법의 내용과 특징 5
• 1.2 시스템 접근의 기본 원칙 8
• 2. 시스템 분석의 주요 요소 11
• 2.1 시스템 분석의 개념적 장치 11
• 2.2 시스템 분석의 원리 15
• 2.3 시스템 분석 방법 20
• 결론 29
• 문학 31
• 소개
• 현대 생산과 사회의 역동성 조건에서 경영은 오늘날의 추세와 기회를 연구하지 않고 발전의 대안과 방향을 선택하지 않고는 관리 기능과 경영 의사 결정 방법을 수행하지 않고는 보장될 수 없는 지속적인 발전 상태에 있어야 합니다. . 기업의 개발 및 개선은 관리 시스템에 대한 연구가 필요한 조직의 활동에 대한 철저하고 심층적인 지식을 기반으로 합니다.
• 연구는 선택한 목표에 따라 특정 순서로 수행됩니다. 연구는 조직 관리의 필수적인 부분이며 관리 프로세스의 기본 특성을 개선하는 것을 목표로 합니다. 제어 시스템에 대한 연구를 수행할 때 연구 대상은 특정 기능이 특징이고 여러 요구 사항이 적용되는 제어 시스템 자체입니다.
• 제어 시스템 연구의 효율성은 주로 선택되고 사용되는 연구 방법에 의해 결정됩니다. 연구 방법은 연구를 수행하는 방법, 기술입니다. 그들의 유능한 사용은 조직에서 발생한 문제에 대한 신뢰할 수 있고 완전한 결과를 얻는 데 기여합니다. 연구 방법 선택, 통합 다른 방법연구를 수행할 때 연구를 수행하는 전문가의 지식, 경험 및 직관에 의해 결정됩니다.
• 조직 작업의 세부 사항과 생산 및 경제 활동을 개선하기위한 조치 개발을 식별하기 위해 시스템 분석이 사용됩니다. 시스템 분석의 주요 목표는 최적의 모든 요구 사항에 최대한 부합하는 기준 시스템으로 선택되는 이러한 제어 시스템의 개발 및 구현입니다. 시스템 분석은 본질적으로 복잡하며 일련의 접근 방식을 기반으로 하며, 이를 적용하면 최상의 분석을 수행하고 원하는 결과를 얻을 수 있습니다. 성공적인 분석을 위해서는 경제 분석 방법과 생산 조직에 대해 잘 알고 있는 전문가 팀을 선택해야 합니다.
• 특성이 다양하고 복잡한 하위 시스템으로 구성된 매우 복잡한 시스템을 이해하려고 시도하면 과학적 인지가 분화 방식으로 진행되고 하위 시스템 자체를 연구하고 하위 시스템이 들어가는 큰 시스템과의 상호 작용을 무시합니다. 전체 글로벌 시스템 전체에 결정적인 영향을 미칩니다. 그러나 복잡한 시스템은 구성 요소의 단순한 합으로 제한되지 않습니다. 무결성을 이해하기 위해서는 분석이 반드시 심층적인 체계적 종합으로 보완되어야 합니다. 여기에는 학제 간 접근과 학제 간 연구가 필요하며 완전히 새로운 과학적 도구가 필요합니다.
• 코스 작업에서 선택한 주제의 관련성은 인간 활동을 지배하는 법칙을 이해하기 위해 각각의 특정 경우에 다음 작업에 대한 인식의 일반적인 맥락이 어떻게 발전하는지 이해하는 법을 배우는 것이 중요하다는 사실에 있습니다. 시스템(따라서 이름 - "시스템 분석")으로 처음에는 문제 상황에 대한 흩어져 있고 중복된 정보, 서로 조정하는 방법 및 단일 활동과 관련된 다른 수준의 다른 아이디어 및 목표 중 하나를 도출하는 방법을 가져옵니다.
• 여기에 모든 인간 활동 조직의 거의 기초에 영향을 미치는 근본적인 문제가 있습니다. 다른 상황에서, 다른 수준의 의사 결정에서 동일한 작업을 수행하려면 완전히 다른 조직 방식과 다른 지식이 필요합니다. 전환 과정에서 실행 계획이 한 수준에서 다른 수준으로 구체화됨에 따라 주요 목표와 그 달성의 기반이 되는 주요 원칙의 공식이 근본적으로 변형됩니다. 그리고 마지막으로 개별 프로그램 간에 제한된 공통 자원을 분배하는 단계에서 각 프로그램의 효율성은 하나의 고유한 기준에 의해서만 평가될 수 있기 때문에 근본적으로 비교할 수 없는 비교를 해야 합니다.
• 시스템 접근법은 현대 과학과 실천의 가장 중요한 방법론적 원리 중 하나입니다. 시스템 분석 방법은 많은 이론 및 응용 문제를 해결하는 데 널리 사용됩니다.
• 코스 작업의 주요 목표는 시스템 접근 방식의 본질뿐만 아니라 시스템 분석의 기본 원리와 방법을 연구하는 것입니다.
• 1. 시스템 분석의 기초가 되는 시스템 접근의 본질

1 시스템 접근법의 내용과 특징

20세기 중반부터. 시스템 접근 및 일반 시스템 이론 분야에서 집중적인 개발이 진행 중입니다. 시스템 접근 방식은 다음과 같은 삼중 과제를 해결하기 위해 개발되었습니다. 현실 대상의 체계적 조직 및 인식 방법에 관한 사회, 자연 및 기술 과학의 최신 결과에 대한 일반적인 과학적 개념 및 개념의 축적; 철학 발전의 원칙과 경험의 통합, 주로 일관성 및 관련 범주의 철학적 원리 발전의 결과; 시급하고 복잡한 문제를 해결하기 위해 이를 기반으로 개발된 개념 장치 및 모델링 도구의 적용.

SYSTEM APPROACH는 과학의 방법론적 방향이며, 주요 임무는 연구 방법을 개발하고 복잡한 개체를 설계하는 것입니다. 다른 유형그리고 수업. 시스템 접근 방식은 인지 방법, 연구 및 디자인 활동 방법, 분석되거나 인공적으로 생성된 대상의 특성을 설명하고 설명하는 방법 개발의 특정 단계를 나타냅니다.

현재 체계적인 접근 방식이 관리에 점점 더 많이 사용되고 있으며 연구 대상에 대한 시스템 설명을 구성하는 데 경험이 축적되고 있습니다. 체계적인 접근의 필요성은 연구된 시스템의 확장 및 복잡화, 대규모 시스템 관리의 필요성 및 지식의 통합 때문입니다.

"시스템"은 문자 그대로 부분으로 구성된 전체를 의미하는 그리스 단어(systema)입니다. 서로 관계와 연결에 있고 특정 무결성, 통일성을 형성하는 요소 집합입니다.

다른 단어는 "systemic", "systematize", "systematic"이라는 단어에서 형성될 수 있습니다. 좁은 의미에서 체계적 접근은 실제 물리적, 생물학적, 사회적 및 기타 시스템을 연구하기 위해 체계적인 방법을 적용하는 것으로 이해됩니다.

넓은 의미의 시스템 접근법에는 분류 문제를 해결하고 복잡하고 체계적인 실험을 계획하고 구성하기 위한 체계적인 방법의 사용도 포함됩니다.

"시스템 접근"이라는 용어는 실제 개체가 상호 작용하는 구성 요소의 모음으로 설명되는 방법 그룹을 포함합니다. 이러한 방법은 개별 과학 분야, 학제 간 종합 및 일반 과학 개념의 틀 내에서 개발됩니다.

시스템 연구의 일반적인 임무는 시스템의 분석과 합성입니다. 분석 과정에서 시스템은 환경과 분리되고 구성이 결정되며,
구조, 기능, 통합적 특성(속성), 중추 요인 및 환경과의 관계.

합성 과정에서 실제 시스템의 모델이 생성되고 시스템의 추상적 설명 수준이 상승하고 구성 및 구조의 완전성, 설명 기반, 역학 및 행동 법칙이 결정됩니다.

시스템 접근 방식은 개체 집합, 개별 개체 및 해당 구성 요소뿐만 아니라 개체의 속성 및 통합 특성에 적용됩니다.

체계적인 접근은 그 자체가 목적이 아닙니다. 각각의 특정한 경우에, 그것의 적용은 실제적이고 꽤 가시적인 효과를 제공해야 합니다. 체계적인 접근 방식을 통해 주어진 대상에 대한 지식의 격차를 확인하고, 불완전성을 감지하고, 과학 연구 과제를 결정하고, 경우에 따라 내삽 및 외삽을 통해 설명에서 누락된 부분의 속성을 예측할 수 있습니다. 통합, 구조, 전체론과 같은 여러 유형의 시스템 접근 방식이 있습니다.

이러한 개념의 범위를 정의할 필요가 있습니다.

통합 접근 방식은 대상 또는 응용 연구 방법의 구성 요소 집합이 있음을 나타냅니다. 이 경우 객체 간의 관계, 구성의 완전성 또는 구성 요소 전체의 관계는 고려되지 않습니다. 주로 정적 작업이 해결됩니다: 구성 요소의 양적 비율 등.

구조적 접근은 물체의 구성(하위 시스템)과 구조에 대한 연구를 제공합니다. 이 접근 방식에서는 여전히 하위 시스템(부분)과 시스템(전체) 사이에 상관 관계가 없으며 시스템을 하위 시스템으로 분해하는 것은 단일 방식으로 수행되지 않습니다. 구조의 역학은 일반적으로 고려되지 않습니다.

전체론적 접근에서는 대상의 부분뿐만 아니라 부분과 전체 사이의 관계를 연구합니다. 전체를 부분으로 분해하는 것은 독특합니다. 따라서 예를 들어 "전체는 아무것도 빼낼 수 없고 아무것도 추가할 수 없는 것"이라고 말하는 것이 관례입니다. 전체론적 접근은 정적뿐만 아니라 역학, 즉 시스템의 행동과 진화에 대한 연구를 제공하는 역학에서 대상의 구성(하위 시스템) 및 구조에 대한 연구를 제공합니다. 전체적인 접근 방식은 모든 시스템(객체)에 적용할 수 없습니다. 그러나 높은 수준의 기능적 독립성을 특징으로 하는 경우에만 해당됩니다. 시스템 접근 방식의 가장 중요한 작업은 다음과 같습니다.

1) 연구 대상 및 시스템으로 설계된 대상을 나타내는 수단의 개발

2) 시스템의 일반화된 모델, 다른 클래스의 모델 및 시스템의 특정 속성 구축

3) 시스템 이론과 다양한 시스템 개념 및 개발의 구조에 대한 연구.

체계적인 연구에서 분석된 객체는 특정 요소 세트로 간주되며, 이들의 상호 관계는 이 세트의 통합 속성을 결정합니다. 주요 강조점은 연구 대상 내부 및 외부 환경, 환경과의 관계 모두에서 발생하는 다양한 연결 및 관계를 식별하는 것입니다. 통합 시스템으로서의 개체의 속성은 개별 요소의 속성 합계에 의해서만 결정되는 것이 아니라 구조의 속성, 특수 시스템 형성, 고려 중인 개체의 통합 연결에 의해 결정됩니다. 주로 목적이 있는 시스템의 동작을 이해하려면 이 시스템에 의해 구현된 제어 프로세스를 식별하는 것이 필요합니다. 즉, 한 하위 시스템에서 다른 하위 시스템으로 정보를 전송하는 형태와 시스템의 일부가 다른 부분에 영향을 미치는 방식, 상위 레벨의 요소에 의해 시스템의 하위 레벨, 제어, 다른 모든 하위 시스템의 마지막에 영향. 체계적인 접근에서 중요한 중요성은 연구 대상의 행동의 확률적 특성을 식별하는 것입니다. 시스템 접근법의 중요한 특징은 대상뿐만 아니라 연구 프로세스 자체가 복잡한 시스템으로 작용한다는 것입니다. 특히 대상의 다양한 모델을 하나의 전체로 결합하는 것이 그 과제입니다. 마지막으로 시스템 개체는 일반적으로 연구 프로세스에 무관심하지 않으며 많은 경우에 상당한 영향을 미칠 수 있습니다.

1.2 시스템 접근의 기본 원칙

체계적인 접근의 주요 원칙은 다음과 같습니다.

1. 무결성, 시스템을 전체로서 동시에 고려하는 동시에 상위 수준의 하위 시스템으로 간주할 수 있습니다. 2. 구조의 계층 구조, 즉 하위 수준의 요소를 최고 수준의 요소에 종속시키는 것을 기반으로 위치한 요소 세트(최소 2개)의 존재. 이 원칙의 구현은 특정 조직의 예에서 명확하게 볼 수 있습니다. 아시다시피 모든 조직은 관리 및 제어라는 두 가지 하위 시스템의 상호 작용입니다. 하나는 다른 하나에 순종합니다. 3. 특정 조직 구조 내에서 시스템의 요소와 이들의 관계를 분석할 수 있는 구조화. 일반적으로 시스템의 기능 프로세스는 개별 요소의 속성이 아니라 구조 자체의 속성에 의해 결정됩니다.

4. 개별 요소와 시스템 전체를 설명하기 위해 다양한 사이버네틱, 경제 및 수학적 모델을 사용할 수 있는 복수.

위에서 언급했듯이 체계적인 접근 방식을 사용하면 시스템으로서의 조직의 특성, 즉 조직의 특성을 연구하는 것이 중요합니다. "입력", "프로세스"의 특성 및 "출력"의 특성.

마케팅 연구에 기반한 체계적인 접근 방식을 통해 "출구" 매개변수를 먼저 조사합니다. 상품이나 서비스, 즉 무엇을 생산할 것인지, 어떤 품질 지표로, 어떤 비용으로, 누구를 위해, 언제, 어떤 가격에 판매할 것인지. 이러한 질문에 대한 답변은 명확하고 시기적절해야 합니다. 결과적으로 "출력"은 경쟁력 있는 제품 또는 서비스여야 합니다. 그런 다음 입력의 매개변수가 결정됩니다. 고려중인 시스템의 조직 및 기술적 수준 (기술 수준, 기술, 생산 조직의 특징, 노동 및 관리 수준 ) 및 외부 환경의 매개변수(경제, 지정학적, 사회, 환경 등).

그리고 마지막으로 자원을 완제품으로 변환하는 프로세스의 매개변수에 대한 연구도 그다지 중요하지 않습니다. 이 단계에서는 연구 대상에 따라 생산 기술 또는 제어 기술과 개선 요인 및 방법을 고려합니다.

따라서 체계적인 접근 방식을 통해 특정 특성 수준에서 모든 생산 및 경제 활동과 관리 시스템의 활동을 종합적으로 평가할 수 있습니다. 이것은 단일 시스템 내의 모든 상황을 분석하여 진입, 프로세스 및 퇴장 문제의 본질을 식별하는 데 도움이 됩니다.

체계적인 접근 방식을 사용하면 관리 시스템의 모든 수준에서 의사 결정 프로세스를 가장 잘 구성할 수 있습니다. 통합 접근 방식에는 분석에서 조직의 내부 및 외부 환경을 모두 고려하는 것이 포함됩니다. 이는 경제, 지정학, 사회, 인구 통계, 환경 등 내부 요인뿐만 아니라 외부 요인도 고려해야 함을 의미합니다. 요인은 조직 분석에서 중요한 측면이며 불행히도 항상 고려되는 것은 아닙니다. . 예를 들어, 사회 문제는 종종 새로운 조직을 설계할 때 간과되거나 연기됩니다. 신기술을 도입할 때 인체 공학 지표가 항상 고려되는 것은 아니므로 작업자의 피로가 증가하고 결과적으로 노동 생산성이 감소합니다. 새로운 노동 집단을 구성할 때 사회 심리적 측면, 특히 노동 동기 문제가 제대로 고려되지 않습니다. 지금까지 언급한 내용을 요약하면 통합 접근 방식은 다음과 같다고 주장할 수 있습니다. 필요조건조직 분석 문제를 해결할 때.

시스템 접근 방식의 본질은 많은 저자에 의해 공식화되었습니다. 확장된 형태로 V.G. Afanasyev가 공식화했으며 함께 함께 체계적 접근을 구성하는 여러 상호 관련된 측면을 식별했습니다.

시스템 구조, 시스템의 내부 조직, 구성 요소의 상호 작용 방식을 나타냅니다.

- 시스템 기능, 시스템과 그 구성 요소에 의해 수행되는 기능을 보여줍니다.

시스템 통신, 수평 및 수직으로 이 시스템과 다른 시스템의 관계를 나타냅니다.

시스템 통합, 시스템의 메커니즘, 보존 요소, 개선 및 개발을 보여줍니다.

시스템-역사적, 시스템이 어떻게, 어떻게 발생했는지, 발전의 어떤 단계가 지났는지, 역사적 전망은 무엇인지에 대한 질문에 답합니다. 현대 조직의 급속한 성장과 복잡성 수준, 수행되는 운영의 다양성으로 인해 관리 기능의 합리적인 구현이 극도로 어려워졌지만 동시에 기업의 성공적인 운영에 더욱 중요해졌습니다. . 운영의 수와 복잡성의 불가피한 증가에 대처하기 위해 대규모 조직은 시스템 접근 방식을 기반으로 활동을 해야 합니다. 이 접근 방식 내에서 리더는 조직 관리에서 자신의 행동을 보다 효과적으로 통합할 수 있습니다.

체계적인 접근 방식은 이미 언급했듯이 주로 개발에 기여합니다. 올바른 방법관리 프로세스에 대해 생각합니다. 리더는 체계적인 접근 방식에 따라 생각해야 합니다. 학습 시스템 접근은 한편으로는 불필요한 복잡성을 제거하는 데 도움이 되고 다른 한편으로는 리더가 복잡한 문제의 본질을 이해하고 환경에 대한 명확한 이해를 기반으로 결정을 내리는 데 도움이 되는 사고 방식을 심어줍니다. 시스템의 경계를 설명하기 위해 작업을 구조화하는 것이 중요합니다. 그러나 리더가 업무 과정에서 처리해야 하는 시스템이 전체 산업 또는 여러, 때로는 많은 회사와 산업 또는 심지어 사회를 포함하는 더 큰 시스템의 일부라는 점을 고려하는 것만큼 중요합니다. 전체. 이러한 시스템은 끊임없이 변화하고 있습니다. 생성, 운영, 재구성 및 때로는 청산됩니다.

시스템 접근은 시스템 분석을 위한 이론적이고 방법론적인 기초입니다.

2. 시스템 분석의 주요 요소

2.1 시스템 분석의 개념적 장치

시스템 분석은 통합 접근 방식을 기반으로 복잡하고 다단계, 다중 구성 요소 시스템 및 프로세스를 연구하는 과학적 방법이며 시스템 요소 간의 관계와 상호 작용을 고려하고 개발, 제작, 사회, 경제, 인간-기계 및 기술 시스템의 설계, 생성 및 관리에 대한 결정을 정당화합니다.

'시스템 분석'이라는 용어는 1948년 외부 경영 문제와 관련하여 RAND Corporation의 작품에서 처음 등장했으며, 국내 문헌에서는 S. Optner의 책 번역 이후 널리 퍼졌습니다. Optner S. L., 비즈니스 및 산업 문제 해결을 위한 시스템 분석, trans. 영어, M., 1969에서;

시스템 분석은 관리자를 위한 일련의 지침이나 원칙이 아니라 조직 및 관리와 관련된 사고 방식입니다. 시스템 분석은 포괄적인 방식으로 다양한 각도에서 대상을 조사하려는 경우에 사용됩니다. 시스템 연구의 가장 일반적인 영역은 시스템 분석으로 간주되며, 이는 시스템 이론의 틀 내에서 개발된 개념을 기반으로 복잡한 문제와 문제를 해결하는 방법론으로 이해됩니다. 시스템 분석은 또한 "계획과 관련된 관리 기능에 대한 시스템 개념의 적용" 또는 심지어 전략 계획 및 목표 계획 단계로 정의됩니다.

시스템 분석 방법의 참여는 주로 의사 결정 과정에서 엄격하게 정량화할 수 없는 요인이 존재하기 때문에 불확실한 조건에서 선택을 해야 하기 때문에 필요합니다. 시스템 분석의 절차와 방법은 특히 문제에 대한 대안 솔루션을 제안하고, 각 옵션에 대한 불확실성의 규모를 식별하고, 하나 또는 다른 성능 기준에 따라 옵션을 비교하는 것을 목표로 합니다. 시스템 분석 전문가는 솔루션을 준비하거나 제안할 뿐이며 결정은 관련 공무원(또는 기관)의 권한에 있습니다.

시스템 분석 활용 범위의 집중적인 확대는 중요한 문제를 해결하기 위해 구체적으로 프로그램을 작성하여 조직(기관 또는 네트워크 기관) 및 필요한 물질적 자원이 할당됩니다.

기업 또는 조직의 활동에 대한 체계적인 분석은 특정 관리 시스템 생성 작업의 초기 단계에서 수행됩니다.

시스템 분석의 궁극적인 목표는 제어 시스템의 선택된 참조 모델을 개발하고 구현하는 것입니다.

주요 목표에 따라 다음과 같은 체계적인 연구를 수행해야합니다.

이 기업의 발전에 대한 일반적인 추세와 현대 시장 경제에서 그 위치와 역할을 식별합니다.

기업 및 개별 부서 기능의 기능을 설정합니다.

설정된 목표의 달성을 보장하는 조건을 식별합니다.

목표 달성을 방해하는 조건을 결정합니다.

현재 관리 시스템을 개선하기 위한 조치의 분석 및 개발에 필요한 데이터를 수집합니다.

다른 기업의 모범 사례를 사용합니다.

선택한(합성된) 참조 모델을 해당 기업의 조건에 적용하는 데 필요한 정보를 연구합니다.

시스템 분석 과정에서 다음과 같은 특성이 발견됩니다.

업계에서 이 기업의 역할과 위치

기업의 생산 및 경제 활동 상태;

기업의 생산 구조;

관리 시스템 및 조직 구조;

기업과 공급자, 소비자 및 상위 조직과의 상호 작용의 특성;

혁신적인 요구 사항(이 기업과 연구 개발 조직의 연결 가능성;

직원의 인센티브 및 보수의 형태와 방법.

따라서 시스템 분석은 특정 관리 시스템(기업 또는 회사)의 목표를 명확히 또는 공식화하고 특정 지표의 형태로 표현되어야 하는 효율성 기준을 찾는 것으로 시작됩니다. 일반적으로 대부분의 조직은 다목적입니다. 많은 목표는 환경 상태 (지정학적, 경제적, 사회적 요인)뿐만 아니라 고려중인 기간의 기업 (기업) 발전 및 실제 상태의 특성에서 따릅니다. 시스템 분석의 주요 임무는 조직의 글로벌 개발 목표와 기능 목표를 결정하는 것입니다.

기업(회사)의 발전을 위해 명확하고 유능하게 공식화된 목표는 연구 프로그램의 체계적인 분석 및 개발의 기초입니다.

시스템 분석 프로그램에는 조사할 문제 목록과 우선 순위가 포함됩니다.

1. 다음을 포함하는 조직 하위 시스템 분석:

정책 분석(목표);

개념 분석, 즉 견해 시스템, 평가, 의도한 작업을 달성하기 위한 아이디어, 해결 방법;

관리 방법 분석;

작업 구성 방법 분석;

구조 및 기능 다이어그램 분석;

채용 및 배치 시스템 분석;

정보 흐름 분석;

마케팅 시스템 분석;

보안 시스템 분석.

2. 경제 하위 시스템 분석 및 진단NS수락.

기업의 경제 진단 - 가능한 발전 전망 및 현재 경영 결정의 결과를 식별하기 위해 개별 결과, 불완전한 정보에 대한 연구를 기반으로 한 기업의 경제적 성과 분석 및 평가. 진단 결과 농장 현황과 그 효과에 대한 평가를 바탕으로 빠른 도입에 필요한 결론이 도출되지만, 중요한 결정예를 들어, 대상 대출에 대한 정보, 기업의 구매 또는 판매에 대한 정보, 폐쇄에 대한 정보 등

분석 및 연구를 기반으로 기업의 기존 조직 및 경제 하위 시스템을 변경하고 최적화하기 위한 예측 및 정당화가 이루어집니다.

2.2 시스템 분석의 원리

시스템 분석의 가장 중요한 원칙은 다음과 같습니다. 의사 결정 프로세스는 궁극적인 목표를 식별하고 명확하게 공식화하는 것으로 시작해야 합니다. 전체 문제를 단일 시스템으로 전체로서 고려하고 각 특정 결정의 모든 결과와 상호 관계를 식별하는 것이 필요합니다. 목표를 달성하기 위한 가능한 대안적 방법을 식별하고 분석할 필요가 있습니다. 개별 부서의 목표가 전체 프로그램의 목표와 충돌하지 않아야 합니다.

시스템 분석은 다음 원칙을 기반으로 합니다.
1) 단일성 - 시스템 전체 및 부분 집합에 대한 공동 고려

2) 개발 - 환경의 역학을 고려하여 시스템의 가변성, 개발 능력, 정보 축적 능력을 고려합니다.

3) 글로벌 목표 - 글로벌 목표 선택에 대한 책임. 하위 시스템의 최적이 전체 시스템의 최적이 아닙니다.

4) 기능 - 구조보다 기능을 우선시하여 시스템 및 기능의 구조에 대한 공동 고려

5) 탈중앙화 - 탈중앙화와 중앙화의 결합

6) 계층 - 부품의 종속 및 순위를 고려합니다.

7) 불확실성 - 이벤트의 확률적 발생을 고려합니다.

8) 조직 - 결정 및 결론의 이행 정도.

시스템 분석 방법론은 의사 결정자가 초기 단계에서 문제 상황에 대한 충분한 정보를 가지고 있지 않은 경우 개발되어 적용되어 형식화 된 표현 방법을 선택하거나 수학적 모델을 형성하거나 적용 할 수 있습니다. 질적 및 양적 수용을 결합하여 모델링에 대한 새로운 접근 방식을 소개합니다. 이러한 조건에서 시스템의 형태로 객체를 표현하고 다양한 모델링 방법을 사용하여 의사 결정 프로세스를 구성하는 것이 도움이 될 수 있습니다.

이러한 프로세스를 구성하려면 단계의 순서를 결정하고 이러한 단계를 수행하는 방법을 권장하며 필요한 경우 이전 단계로의 복귀를 제공해야 합니다. 구현을 위해 권장되는 방법이나 기술을 사용하여 특정 방식으로 정의되고 정렬된 이러한 단계의 시퀀스는 시스템 분석 기술입니다. 시스템 분석 기법은 복잡한 문제 상황에서 의사 결정 프로세스를 구성하기 위해 개발됩니다. 분석의 완전성, 의사 결정 모델의 형성을 입증하고 고려 중인 프로세스 또는 대상을 적절하게 반영할 필요성에 중점을 두어야 합니다.

시스템 연구의 다른 영역과 구별되는 시스템 분석의 기본 기능 중 하나는 형성과 시스템 연구를 촉진하는 도구의 개발과 사용입니다. 비교 분석제어 시스템의 목표와 기능. 초기에 목표의 구조를 형성하고 연구하는 방법은 이러한 경험을 특정 사례에 축적하는 전문가의 경험을 수집하고 일반화하는 데 기반을 두었습니다. 그러나이 경우 얻은 데이터의 완전성을 고려하는 것은 불가능합니다.

따라서 시스템 분석 방법의 주요 특징은 형식적 방법과 비정형화된(전문가) 지식의 조합입니다. 후자는 형식적 모델에 포함되지 않은 문제를 해결하는 새로운 방법을 찾는 데 도움을 주어 모델과 의사결정 과정을 지속적으로 발전시킴과 동시에 때로는 어려운 모순과 역설의 근원이 됩니다. 해결합니다. 따라서 시스템 분석에 대한 연구는 응용 변증법의 방법론에 점점 더 의존하기 시작했습니다. 위의 관점에서 시스템 분석의 정의에서 시스템 분석은 다음과 같이 강조되어야 합니다.

별도의 수학 방법으로 제기할 수 없고 해결할 수 없는 문제를 해결하는 데 사용됩니다. 공식적인 방법뿐만 아니라 질적 분석 방법("공식화된 상식"), 직관 및 의사 결정자의 경험을 사용할 때 의사 결정 상황의 불확실성에 대한 문제;

단일 기술을 사용하여 다양한 방법을 결합합니다. 과학적 세계관에 의존합니다.

다양한 지식 분야의 전문가의 지식, 판단 및 직관을 결합하고 특정 사고 분야를 의무화합니다.

목표와 목표 설정에 중점을 둡니다.

철학과 고도로 전문화 된 학문 사이에서 발생하는 과학적 방향의 특성으로 인해 철학 및 방법론 분야, 시스템 이론, 시스템 접근 방식, 시스템학, 시스템 분석, 시스템 공학, 사이버네틱스, 운영 연구, 특수 학문.

시스템 분석은 철학적 및 방법론적 개념(철학, 시스템 이론에 일반적임)과 형식화된 방법(특수 분야에 일반적임)을 거의 동일한 비율로 사용하기 때문에 이 목록의 중간에 있습니다.

고려 중인 과학 분야는 공통점이 많습니다. 문제(과제)가 수학의 방법이나 고도로 전문화된 학문으로 해결될 수 없는 경우에 적용의 필요성이 발생합니다. 처음에 방향이 다른 기본 개념(운영 연구 - "운영"의 개념에서; 사이버네틱스 - "제어", "피드백", "시스템 분석", 시스템 이론, 시스템 공학, 시스템론의 개념에서)에서 진행되었다는 사실에도 불구하고 - 개념 " 시스템 ")에서 추가 방향은 요소, 연결, 목표 및 수단, 구조 등 많은 동일한 개념으로 작동합니다.

다른 방향에서도 동일한 수학적 방법을 사용합니다. 동시에 특정 의사 결정 상황에서 선택을 결정하는 차이점이 있습니다. 특히, 다른 시스템 방향과 구별되는 시스템 분석의 주요 특징은 다음과 같습니다.

가용성, 목표 설정, 구조화 및 분석 프로세스를 구성하는 수단(다른 시스템 지침은 목표 달성 작업을 설정하고, 목표 달성을 위한 옵션을 개발하고, 이러한 옵션 중 최선을 선택하며, 시스템 분석은 개체를 다음을 수행할 수 있는 활성 요소가 있는 시스템으로 간주합니다. 및 목표 설정을 위해 노력한 다음 형성된 목표 달성);

시스템 분석의 단계, 하위 단계 및 구현 방법이 결정되고 방법론이 지식을 사용하는 데 도움이되는 전문가의 직관을 기반으로 공식 방법과 모델 및 방법을 결합하는 방법론의 개발 및 사용, 이는 경제적 문제를 해결하는 데 시스템 분석을 특히 매력적으로 만듭니다.

시스템 분석은 완전히 형식화될 수 없지만 구현을 위해 몇 가지 알고리즘을 선택할 수 있습니다. 시스템 분석을 사용한 결정의 정당화는 항상 엄격하고 형식화된 방법 및 절차의 사용과 관련이 있는 것은 아닙니다. 개인적인 경험과 직관에 근거한 판단도 허용되지만이 상황을 명확하게 이해하기 만하면됩니다.

시스템 분석은 다음 순서로 수행할 수 있습니다.

1. 문제 진술이 연구의 출발점이다. 복잡한 시스템의 연구에서 그는 문제를 구조화하는 작업을 선행합니다.

2. 문제를 문제로 확장, 즉 본질적으로 연구 중인 문제와 관련되어 있지만 해결될 수 없는 문제 시스템을 찾는 것.

3. 목표 식별: 목표는 문제를 점진적으로 해결하기 위해 나아가야 할 방향을 나타냅니다.

4. 기준의 형성. 기준은 시스템이 목표를 달성한 정도를 정량적으로 반영한 것입니다. 기준은 여러 대안 중에서 선호하는 솔루션을 선택하기 위한 규칙입니다. 몇 가지 기준이 있을 수 있습니다. 다중 기준은 목표 설명의 적절성을 향상시키는 방법입니다. 기준은 목표의 모든 중요한 측면을 가능한 한 많이 설명해야 하지만 필요한 기준의 수는 최소화해야 합니다.

5. 기준의 집계. 식별된 기준은 그룹으로 결합되거나 일반화 기준으로 대체될 수 있습니다.

6. 대안의 생성 및 그 중 최선의 기준을 사용한 선택. 많은 대안의 형성은 시스템 분석의 창조적 단계입니다.

7. 정보 자원을 포함한 자원 기회 조사.

8. 문제 해결을 위한 형식화(모델 및 제약 조건)의 선택.

9. 시스템 구축.

10. 수행된 체계적인 연구의 결과를 활용합니다.

2.3 시스템 분석 방법

시스템 분석의 중심 절차는 솔루션을 구현하는 과정에서 나타날 수 있는 실제 상황의 모든 요인과 관계를 반영하는 일반화된 모델을 구축하는 것입니다. 결과 모델은 원하는 행동에 대한 대안 행동 옵션 중 하나 또는 다른 것을 적용한 결과의 근접성, 각 옵션에 대한 자원의 비교 비용, 모델의 민감도 정도를 찾기 위해 조사됩니다. 다양한 바람직하지 않은 외부 영향. 시스템 분석은 운영 연구, 전문가 평가 방법, 임계 경로 방법, 대기열 이론 등 현대 경영 활동에서 널리 사용되는 여러 응용 수학적 분야 및 방법을 기반으로 합니다. 시스템 분석의 기술적 기반은 현대 컴퓨터 및 정보 시스템입니다.

시스템 분석을 활용한 문제 해결에 사용되는 방법론적 도구는 단일 목표를 추구하는지, 일련의 목표를 추구하는지, 한 사람이 결정하는지 아니면 여러 사람이 결정하는지 등에 따라 결정됩니다. 충분히 명확하게 표현된 하나의 목표가 있을 때, 하나의 기준에 기초하여 성취도를 평가할 수 있는 수학적 프로그래밍 방법이 사용됩니다. 목표 달성 정도를 몇 가지 기준에 따라 평가하려면 효용 이론의 장치를 사용하여 기준을 정렬하고 각 기준의 중요성을 결정합니다. 사건의 전개가 여러 사람 또는 시스템의 상호 작용에 의해 결정될 때, 각각은 자신의 목표를 추구하고 자신의 결정을 내릴 때 게임 이론의 방법이 사용됩니다.

제어 시스템 연구의 효율성은 주로 선택되고 사용되는 연구 방법에 의해 결정됩니다. 의사 결정의 실제 조건에서 방법 선택을 용이하게 하려면 방법을 그룹으로 나누고 이러한 그룹의 기능을 특성화하고 모델 및 시스템 분석 방법 개발에 사용에 대한 권장 사항을 제공해야 합니다.

전체 연구 방법 세트는 세 가지 큰 그룹으로 나눌 수 있습니다. 지식의 사용과 전문가의 직관에 기반한 방법; 제어 시스템의 형식화된 표현 방법(조사된 프로세스의 형식적 모델링 방법) 및 통합 방법.

이미 언급했듯이 시스템 분석의 특정 기능은 정성적 방법과 형식적 방법의 조합입니다. 이 조합은 사용되는 모든 기술의 기초를 형성합니다. 전문가의 직관과 경험을 사용하는 주요 방법과 시스템을 공식화하는 방법을 고려하십시오.

경험이 풍부한 전문가의 의견을 식별하고 요약하여 조직 활동 분석에 대한 경험과 비전통적인 접근 방식을 기반으로 하는 방법에는 "브레인스토밍" 방법, "시나리오" 방법, 전문가 평가 방법(SWOT 분석 포함), " 델파이 ", "목표 트리", "비즈니스 게임", 형태학적 방법 및 기타 여러 방법과 같은 방법.

위의 용어는 경험이 풍부한 전문가(라틴어로 "전문가"라는 용어는 "경험이 있는"을 의미함)의 의견을 식별하고 일반화하기 위한 하나 또는 다른 접근 방식을 특징으로 합니다. 이러한 모든 방법을 때때로 "전문가" 방법이라고 합니다. 그러나 전문가 조사와 직접적으로 관련된 특별한 종류의 방법인 소위 전문가 평가 방법이 있습니다(조사 중에 평가를 점수와 순위로 매기는 것이 일반적이기 때문에). 따라서 명명된 유사한 접근 방식은 다음과 같습니다. 때로는 "정성적"이라는 용어와 결합됩니다(전문가로부터 받은 의견을 처리할 때도 정량적 방법을 사용할 수 있기 때문에 이 이름의 규칙을 명시함). 이 용어(다소 번거롭긴 하지만)는 전문가가 분석 의존성으로 고려 중인 문제를 즉시 설명할 수 없을 뿐만 아니라 위 중 어느 것이 시스템의 형식화된 표현 방법은 모델을 얻는 데 도움이 될 수 있습니다.

브레인스토밍 방법. 브레인스토밍의 개념은 1950년대 초반부터 "직관적 사고를 바탕으로 새로운 아이디어를 발견하고 집단의 동의를 얻는 것"을 목표로 하는 "창의적 사고의 체계적인 훈련 방법"으로 널리 보급되었습니다.

이 유형의 방법은 새로운 아이디어의 탐색, 광범위한 토론 및 건설적인 비판이라는 주요 목표를 추구합니다. 주요 가설은 많은 아이디어 중에서 적어도 몇 가지 좋은 아이디어가 있다는 것입니다. 채택된 규칙과 시행 정도에 따라 다이렉트 브레인스토밍, 의견 교환 방식, 위원회 등의 방식, 법원(한 그룹은 가능한 한 많은 제안을 하고 두 번째 그룹은 최대한 비판하려고 할 때)로 구분합니다. 가능한 한) 등. 최근에는 가끔 비즈니스 게임의 형태로 브레인스토밍을 하기도 한다.

연구 중인 문제에 대해 토론할 때 다음 규칙이 적용됩니다.

단일 중심점을 강조하여 문제를 기본 용어로 공식화합니다.

거짓을 선언하지 말고 아이디어 연구를 중단하지 마십시오.

그 당시에 관련성이 의심스러운 것처럼 보이더라도 모든 종류의 아이디어를 지원하십시오.

토론 참가자를 제약에서 자유롭게 할 수 있도록 지원과 격려를 제공합니다.

모든 단순해 보이지만 이러한 논의는 좋은 결과를 제공합니다.

"스크립트" 유형의 메소드. 문제 또는 분석 대상에 대한 아이디어를 준비하고 합의하는 방법을 서면으로 작성하는 것을 시나리오라고 합니다. 처음에 이 방법은 사건의 논리적 순서 또는 적시에 배치된 문제에 대한 가능한 솔루션을 포함하는 텍스트를 준비하는 것과 관련되었습니다. 그러나 나중에 시간 좌표에 대한 필수 요구 사항이 제거되었으며 제시된 형식에 관계없이 고려중인 문제에 대한 분석 및 해결 또는 시스템 개발 제안을 포함하는 모든 문서를 시나리오라고 부르기 시작했습니다. . 일반적으로 실제로 이러한 문서 준비에 대한 제안은 전문가가 먼저 개별적으로 작성한 다음 합의된 텍스트가 형성됩니다.

시나리오는 공식 모델에서 고려할 수 없는 세부 사항(실제로 시나리오의 주요 역할)을 놓치지 않도록 도움이 되는 의미 있는 추론을 제공할 뿐만 아니라 일반적으로 정량적 기술 및 분석 결과를 포함합니다. 예비 결론과 함께 경제 또는 통계 분석. 시나리오를 준비하는 전문가 그룹은 일반적으로 기업 및 조직에서 필요한 인증서, 필요한 상담을 받을 권리를 가집니다.

시나리오 준비에서 시스템 분석 전문가의 역할은 관련 지식 분야의 관련 선도 전문가가 시스템의 일반적인 패턴을 식별하도록 돕는 것입니다. 개발 및 목표 형성에 영향을 미치는 외부 및 내부 요인을 분석합니다. 이러한 요인의 출처를 식별합니다. 정기 간행물, 과학 간행물 및 기타 과학 및 기술 정보 출처에 대한 주요 전문가의 진술을 분석합니다. 해당 문제를 해결하는 데 도움이 되는 보조 정보 기금(더 나은 자동화)을 만듭니다.

최근 시나리오의 개념은 적용 영역과 프레젠테이션 형식 및 개발 방법의 방향으로 점점 더 확장되고 있습니다. 컴퓨터(머신 스크립트), 시나리오 준비의 대상 관리 방법을 제안합니다. ...

스크립트를 사용하면 공식 모델로 즉시 표시할 수 없는 상황에서 문제(시스템)에 대한 예비 아이디어를 생성할 수 있습니다. 그럼에도 불구하고 스크립트는 다른 전문가에 의한 모호한 해석의 가능성과 관련된 모든 결과(동의어, 동음이의어, 역설)가 있는 텍스트입니다. 따라서 그러한 텍스트는 미래 시스템 또는 해결되는 문제에 대한 보다 형식화된 관점을 개발하기 위한 기초로 간주되어야 합니다.

전문가 평가 방법. 이러한 방법의 기본은 다양한 형태의 전문가 설문조사에 이어 가장 선호되는 옵션을 평가하고 선택하는 것입니다. 전문가 평가 사용 가능성, 객관성 입증은 연구 중인 현상의 알려지지 않은 특성이 확률 변수로 처리된다는 사실에 기반하며, 분포 법칙의 반영은 신뢰성과 중요성에 대한 개별 전문가의 평가입니다. 특정 이벤트의.

조사된 특성의 실제 값은 전문가 그룹에서 얻은 추정치의 범위 내에 있으며 일반화된 집단 의견은 신뢰할 수 있다고 가정합니다. 이 방법들에서 가장 논란이 되는 점은 전문가들의 평가에 따른 가중치 계수를 설정하고 상충되는 평가를 일정 평균값으로 줄이는 것이다.

전문가 설문조사는 일회성 절차가 아닙니다. 고도의 불확실성을 특징으로 하는 복잡한 문제에 대한 정보를 얻는 이 방법은 복잡한 시스템에서 일종의 "메커니즘"이 되어야 합니다. 전문가와 정기적으로 협력하는 시스템을 만드는 것이 필요합니다.

전문가 방법의 다양성 중 하나는 조직의 강점과 약점, 조직 활동의 기회와 위협을 연구하는 방법인 SWOT 분석 방법입니다.

이 방법 그룹은 사회 경제적 연구에서 널리 사용됩니다.

델피 유형 방법. 초기에는 브레인스토밍 세션을 진행하기 위한 절차의 하나로 델파이 방법이 제안되었는데, 이는 심리적 요인의 영향을 줄이고 전문가 평가의 객관성을 높이는 데 도움이 될 것입니다. 그런 다음이 방법을 독립적으로 사용하기 시작했습니다. 피드백을 기반으로 전문가에게 이전 라운드의 결과를 숙지하고 전문가의 중요성을 평가할 때 이러한 결과를 고려합니다.

델파이 절차를 구현하는 특정 기술에서 이 도구는 다양한 정도로 사용됩니다. 따라서 단순화된 형태로 일련의 반복적인 브레인스토밍 주기가 구성됩니다. 더 복잡한 버전에서는 전문가 간의 접촉을 배제하지만 라운드 사이에 서로의 의견에 익숙해지는 설문지를 사용하여 순차적 개별 인터뷰 프로그램이 개발됩니다. 라운드에서 라운드로 설문지를 업데이트할 수 있습니다. 다수의견에 대한 암시나 각색 등의 요인을 줄이기 위해 전문가의 검증이 필요한 경우도 있으나, 이것이 항상 원하는 결과로 이어지지는 않고 오히려 적응력의 효과를 높일 수 있음 . 가장 발전된 방법에서 전문가에게는 이전 설문 조사를 기반으로 계산된 의견의 중요성에 대한 가중치 계수가 할당되고 라운드에서 라운드로 정제되고 일반화된 평가 결과를 얻을 때 고려됩니다.

"목표 트리" 유형의 방법. "트리"라는 용어는 공통 목표를 하위 목표로 나누어 얻은 계층 구조의 사용을 의미하며, 이는 차례로 하위 수준의 하위 목표라고 부를 수 있는 보다 상세한 구성 요소로, 또는 특정 수준에서 시작하여 - 기능 .

목표 트리 방법은 목표, 문제, 방향 등의 비교적 안정적인 구조를 얻는 것을 목표로 합니다. 이러한 구조는 일정 기간 동안 개발 중인 시스템에서 발생하는 불가피한 변경으로 인해 거의 변경되지 않았습니다.

이를 달성하기 위해 초기 버전의 구조를 구성할 때 목표 설정 패턴을 고려하고 계층 구조를 형성하는 원칙을 사용해야 합니다.

형태학적 방법. 형태 학적 접근의 주요 아이디어는 선택한 요소 또는 그 기능을 결합하여 문제에 대한 가능한 모든 솔루션을 체계적으로 찾는 것입니다. 체계적인 형태로 형태학적 분석 방법은 스위스 천문학자 F. Zwicky에 의해 처음 제안되었으며 종종 "Zwicky 방법"이라고 불립니다.

F. Zwicky는 형태학적 연구의 출발점을 다음과 같이 고려합니다.

1) 형태학적 모델링의 모든 대상에 대한 동등한 관심;

2) 연구 지역의 완전한 구조가 얻어질 때까지 모든 제한 및 평가의 제거;

3) 제기된 문제의 가장 정확한 공식화.

이 방법에는 세 가지 주요 계획이 있습니다.

연구 분야의 소위 강점 지식을 할당하고 해당 분야를 채우기 위해 일부 공식화된 사고 원리를 사용하여 해당 분야를 체계적으로 다루는 방법;

일부 가정을 공식화하고 반대 가정으로 대체한 다음 발생하는 불일치에 대한 분석으로 구성된 부정 및 구성 방법;

문제에 대한 솔루션이 의존할 수 있는 모든 가능한 매개변수를 결정하는 것으로 구성된 형태학적 상자 방법. 공개된 매개변수는 가능한 모든 매개변수 조합을 포함하는 행렬을 형성하며 각 행에서 하나씩 최상의 조합을 선택합니다.

비즈니스 게임 - 주어진 규칙에 따라 여러 사람 또는 사람과 컴퓨터를 플레이하여 다양한 상황에서 경영 결정을 내리기 위해 개발된 모방 방법. 비즈니스 게임은 프로세스의 모델링 및 모방을 통해 분석에 이르고 복잡한 실제 문제를 해결하고 정신 문화, 관리, 의사 소통 기술, 의사 결정, 관리 기술의 도구적 확장의 형성을 보장합니다.

비즈니스 게임은 관리 시스템을 분석하고 전문가를 양성하는 수단으로 사용됩니다.

실제로 제어 시스템을 설명하기 위해 다양한 정도의 공식화 된 방법이 사용되어 시간에 따른 시스템 기능 연구, 제어 계획 연구, 부서 구성, 종속 등을 보장합니다. 만들기 주문 정상 조건관리장치의 업무, 관리의 개인화 및 명확한 정보지원

시스템의 공식화된 표현을 기반으로 하는 가장 완전한 분류 중 하나입니다. 수학적으로 다음과 같은 방법이 포함됩니다.

- 분석적(고전적 수학 및 수학적 프로그래밍 방법);

- 통계(수학적 통계, 확률 이론, 대기 이론);

- 집합 이론, 논리, 언어, 기호(이산 수학의 섹션으로 간주);

그래픽(그래프 이론 등).

이 분류에서 잘못 조직된 시스템의 클래스는 통계적 표현에 해당합니다. 자기 조직화 시스템 클래스의 경우 가장 적합한 것은 이산 수학 모델과 그래픽 모델 및 이들의 조합입니다.

응용 분류는 경제 및 수학적 방법과 모델에 중점을 두고 있으며 주로 시스템이 해결하는 일련의 기능적 문제에 의해 결정됩니다.

결론

시스템 분석에 사용되는 모델링 및 문제 해결 방법의 범위가 지속적으로 확장되고 있음에도 불구하고 시스템 분석은 본질적으로 과학적 연구와 동일하지 않습니다. 적절한 의미의 과학적 지식을 얻는 작업과 관련이 없지만 과학적 방법을 적용하여 실질적인 관리 문제를 해결하고 의사 결정 과정에서 불가피한 주관적인 순간을 배제하지 않고 의사 결정 과정의 합리화를 목표로 추구합니다.

사회경제적, 인간-기계 등 시스템을 구성하는 매우 많은 수의 구성요소(요소, 하위 시스템, 블록, 연결 등)로 인해 시스템 분석을 수행하려면 현대 컴퓨터 기술을 사용해야 합니다. 그러한 시스템의 일반화된 모델을 구축하고 그와 함께 작동하기 위해(예를 들어, 시스템 기능의 시나리오를 사용하고 얻은 결과를 해석함으로써).

시스템 분석을 수행할 때 수행자 팀이 매우 중요합니다. 시스템 분석 팀에는 다음이 포함되어야 합니다.

* 시스템 분석 분야의 전문가 - 그룹 리더 및 미래 프로젝트 관리자

* 생산 조직을 위한 엔지니어;

* 경제 분석 분야를 전문으로 하는 경제학자, 조직 구조 및 워크플로 연구자

* 기술적 수단 및 컴퓨터 장비 사용 전문가

* 심리학자와 사회학자.

시스템 분석의 중요한 특징은 정형화된 수단과 비정형화된 수단과 이에 사용되는 연구 방법의 통일성입니다.

시스템 분석은 광범위한 내부 및 외부 인과 관계를 가진 연구 대상으로 모든 시장 상황을 고려할 수 있기 때문에 마케팅 연구에서 널리 사용됩니다.

문학

골룹코프 3.P. 의사 결정에 시스템 분석 사용 - M .: 경제, 1982

Ignatieva A. V., Maksimtsov M. M. 제어 시스템 연구, M .: UNITI-DANA, 2000

Kuzmin V.P. 역사적 배경과 인식론적 기초
체계적 접근. - 사이코. zhurn., 1982, vol.3, no.3, p. 3 - 14; 4, p. 3 - 13.

V.B. 레멘니코프 관리 솔루션 개발. 교과서. 용돈. - M .: UNITY-DANA, 2000.

매니저 사전. / Ed. MG 라푸스타. - M .: INFRA, 1996.

기업 이사의 디렉토리. / 에드. MG 라-빈. - M .: INFRA, 1998.

스몰킨 AM 관리: 조직의 기초. - M .: INFRA-M, 1999.

8. 조직 관리. / 에드. A.G. 포르시네바, Z.P. Rumyantseva, N.A. 살로마티나. --M .: INFRA-M, 1999.

유사한 문서

복잡한 분석의 기초로서 체계적인 접근의 본질. 시스템 접근의 기본 원칙. 조직 관리에 대한 체계적인 접근 방식. 관리 조직에서 체계적인 접근 방식의 가치. 운영 관리에 대한 체계적인 접근 방식.

학기 논문, 2008년 11월 6일 추가됨


학기 논문 추가 2014년 9월 10일


시스템 분석의 정의. 시스템 접근 방식의 주요 측면. 의사결정 절차. 복잡한 문제를 해결하기 위해 시스템 분석을 적용하는 기술에 따라 인사 관리 서비스를 생성하기 위한 관리 솔루션의 개발.

2009년 7월 12일에 추가된 학기말


제어 시스템의 기본 속성. 관리 결정의 개발 및 구현에 대한 체계적인 접근 방식의 본질, 원칙 및 요구 사항. 야쿠츠크시 개선을 위한 행정부의 의사결정 과정의 시스템 분석을 위한 메커니즘 및 절차.

학기 논문, 2014년 4월 17일 추가됨


조직 관리 시스템 연구에서 체계적인 접근 방식의 본질과 기본 원칙. 산업 기업 LLP "Bumkar Trading"의 예에서 제품 품질 관리 시스템을 분석하기 위한 체계적인 접근 방식의 적용.

학기 논문, 2010년 10월 11일 추가됨


관리 및 주요 인물에 대한 체계적인 접근 방식. 시스템 접근 방식에 대한 현대적 이해. 체계적인 접근 방식의 개념, 주요 기능 및 원칙. 관리에 대한 전통적인 접근 방식과 체계적인 접근 방식의 차이점. 관리에 대한 체계적인 접근의 가치.

학기 논문, 2008년 10월 21일 추가됨


시스템과 네트워크의 차이점. 개념 "출현"의 본질. 모델 구성에 사용되는 시스템 접근 방식의 원칙. 기본적, 현상학적 모델. 시스템 분석을 사용한 문제 해결의 효율성. 의사 결정 과정.

2013년 10월 14일에 추가된 프레젠테이션


시스템 분석의 본질과 원리. 기업의 외부 기회와 위협, 강점과 약점에 대한 SWOT 분석. Ishikawa 다이어그램을 사용하여 조직 작업의 문제 식별. 계층 분석 방법을 사용하여 관리자의 중요한 자질을 결정합니다.

테스트, 2013년 10월 20일 추가됨


시스템 분석의 본질, 대상, 주제, 기술, 구조, 내용, 원칙, 특성, 방법, 의미, 분류 및 순서. 방법론적 개념 구축의 초기 단계로서 원칙의 정당화.

테스트, 2009년 11월 20일 추가됨


시스템 이론의 기원. 시스템 사고의 형성과 20세기 시스템 패러다임의 발전. 조직 및 실제 적용을 관리하기 위한 체계적인 접근 방식의 이론적 토대. 관리의 체계적인 아이디어 개발 단계.

• 번역

시스템 분석은 의사 결정 기술에 대한 엄격한 접근 방식을 제공합니다. 대안을 조사하는 데 사용되며 모델링 및 시뮬레이션, 비용 분석, 기술적 위험 분석 및 성능 분석이 포함됩니다.

SWEBoK와 달리 SEBoK는 러시아에서 훨씬 덜 널리 퍼져 있습니다. 적어도 준비 중 훈련 과정치안 판사의 경우, 나는 그의 기사에 대한 번역을 적어도 찾을 수 없었습니다. 그럼에도 불구하고 이 책은 시스템 분석을 포함하여 대규모 시스템 개발에 매우 ​​유용하고 지금까지 흩어져 있는 지식을 구성합니다.

내 과정은 시스템 분석을 구체적으로 다루었기 때문에 컷 아래에 이 SEBoK 챕터의 번역이 있을 것입니다 ... 그러나 이것은 이 책의 7개 섹션 중 하나의 몇 챕터에 불과합니다.

추신 이 기사(품질, 필요성) 및 시스템 분석 및 시스템 엔지니어링에 대한 관심에 대한 귀하의 의견과 의견에 감사드립니다.

시스템 분석의 기본 원리

시스템 엔지니어링의 주요 임무 중 하나는 프로세스의 결과로 얻은 결과를 평가하는 것입니다. 비교, 평가는 다음을 위해 필요한 기술과 도구를 제공하는 시스템 분석의 중심 대상입니다.

• 시스템 요구 사항에 따른 비교 기준 정의
• 선택한 기준과 비교하여 각 대안 솔루션의 예상 속성 추정
• 각 옵션에 대한 요약 평가 및 설명
• 가장 적합한 솔루션을 선택합니다.

확인된 문제/가능성에 대한 대안 솔루션을 분석하고 선택하는 프로세스는 SEBoK의 섹션 2(시스템 설계에 대한 시스템 접근)에 설명되어 있습니다. 시스템 분석의 기본 원칙을 정의해 보겠습니다.

• 시스템 분석은 시스템 합성 중에 얻은 대체 솔루션을 평가하는 것으로 구성된 반복적인 프로세스입니다.
• 시스템 분석은 문제 또는 시스템 기능에 대한 설명을 기반으로 하는 평가 기준을 기반으로 합니다.
  • 기준은 이상적인 시스템 설명을 기반으로 합니다.
  • 기준은 가능한 모든 광범위한 컨텍스트에서 최종 솔루션에서 시스템의 필수 동작 및 속성을 고려해야 합니다.
  • 기준에는 시스템 보안 및 안전 등과 같은 비기능적 문제가 포함되어야 합니다. ("시스템 엔지니어링 및 특수 설계" 장에서 더 자세히 설명됨).
  • "이상적인" 시스템은 "퍼지" 기준을 결정할 수 있는 "느슨한" 설명을 지원할 수 있습니다. 예를 들어 이해 관계자는 특정 유형의 결정에 찬성하거나 반대하며 관련 사회적, 정치적 또는 문화적 관습 등도 고려해야 합니다.
• 비교 기준에는 최소한 이해 관계자가 수용할 수 있는 비용 및 시간 제약이 포함되어야 합니다.
• 시스템 분석은 대안 솔루션을 분석하기 위한 별도의 트레이드오프 탐색 메커니즘을 제공합니다.
  • 트레이드오프 탐색은 실행 가능한 여러 옵션 중에서 가장 균형 잡힌 솔루션을 찾기 위한 학제 ​​간 접근 방식입니다.
  • 이 연구는 한계와 상호 관계를 고려하여 전체 평가 기준 세트를 고려합니다. "평가 기준 시스템"이 만들어지고 있습니다.
  • 대안을 비교할 때 객관적인 기준과 주관적인 기준을 모두 다루어야 합니다. 전체 점수(전체 점수의 민감도)에 대한 각 기준의 영향을 결정하는 데 주의를 기울여야 합니다.

참고: 시스템에 대한 "소프트" / "느슨한" 및 "엄격한" 설명은 시스템의 목표, 목적 및 사명을 명확하게 정의할 수 있는 능력으로 구별됩니다("소프트" 시스템의 경우 이는 종종 매우 어렵습니다).

트레이드오프 탐색

참고: 우리 문헌에서 "대안 분석" 또는 "대안 평가"라는 용어가 더 일반적입니다.
시스템 설명의 맥락에서 트레이드오프 연구는 평가되는 기준에 가장 적합한 전체 솔루션을 결정하기 위해 각 시스템 요소와 각 시스템 아키텍처 옵션의 특성을 비교하는 것으로 구성됩니다. 다양한 특성에 대한 분석은 비용분석, 위험분석, 성과분석의 과정에서 이루어집니다. 시스템 엔지니어링 관점에서 이 세 가지 프로세스에 대해 더 자세히 설명합니다.

모든 분석 방법은 다음과 같은 일반 규칙을 사용해야 합니다.

• 평가 기준은 다양한 솔루션을 분류하는 데 사용됩니다. 상대적이거나 절대적일 수 있습니다. 예를 들어, 생산 단위당 최대 가격은 루블, 비용 절감은 %, 효율성 증가는 %, 위험 감소도 %로 표시됩니다.
• 분석 중에 적용되는 평가 기준의 허용 가능한 한도가 결정됩니다(예: 고려해야 할 비용 유형, 허용 가능한 기술적 위험 등).
• 평가 척도는 정량적 특성을 비교하는 데 사용됩니다. 설명에는 최대 및 최소 한계와 이러한 한계(선형, 로그 등) 내에서 특성이 변경되는 순서가 포함되어야 합니다.
• 모든 기준에 걸쳐 각 결정 옵션에 점수가 할당됩니다. 절충 연구의 목적은 비용, 위험 및 효율성과 같은 각 솔루션에 대해 3차원(별도의 기준으로 분해)에서 정량적 비교를 제공하는 것입니다. 이 작업은 일반적으로 복잡하며 모델 생성이 필요합니다.
• 특성 또는 속성을 최적화하면 가장 흥미로운 솔루션의 평가가 향상됩니다.

의사 결정은 정확한 과학이 아니므로 대안을 탐색하는 데에는 한계가 있습니다. 다음과 같은 문제를 고려해야 합니다.

• 주관적인 평가 기준은 분석가의 개인적인 의견입니다. 예를 들어 구성 요소가 아름답다고 가정하면 "아름다움"의 기준은 무엇입니까?
• 정의되지 않은 데이터입니다. 예를 들어, 인플레이션은 시스템의 전체 수명 주기 동안 서비스 비용을 계산할 때 고려되어야 합니다. 시스템 엔지니어가 향후 5년 동안 인플레이션을 어떻게 예측할 수 있습니까?
• 민감도 분석. 각 대안에 부여된 전체 등급은 절대적이지 않습니다. 따라서 각 평가 기준의 "가중치"의 작은 변화를 고려하여 민감도 분석을 수행하는 것이 좋습니다. "가중치"의 변경이 추정치를 실질적으로 변경하지 않는 경우 추정치는 신뢰할 수 있는 것으로 간주됩니다.

신중하게 수행된 절충 연구는 결과의 허용 가능한 값을 결정합니다.

효율성 분석

성능 분석은 시스템 사용 또는 문제의 컨텍스트를 기반으로 합니다.

솔루션의 효과는 이해 관계자의 요구 사항의 만족을 기반으로 식별되는 시스템의 주요 및 추가 기능의 구현을 기반으로 결정됩니다. 제품의 경우 이것은 안전, 보안, 신뢰성, 유지보수성, 사용성 등과 같은 일반적인 비기능적 품질의 집합이 될 것입니다. 이러한 기준은 종종 관련 기술 분야 및 분야에서 정확하게 설명됩니다. 서비스 또는 조직의 경우 기준은 사용자의 요구 또는 조직의 목표를 정의하는 것과 더 관련될 수 있습니다. 이러한 시스템의 일반적인 특성에는 탄력성, 유연성, 개발 능력 등이 있습니다.

솔루션의 절대적인 효율성을 평가하는 것 외에도 비용 및 구현 시간 제약도 고려해야 합니다. 일반적으로 시스템 분석의 역할은 주어진 반복마다 할당된 비용과 시간을 고려하여 어느 정도 효율성을 제공할 수 있는 솔루션을 식별하는 것으로 축소됩니다.

솔루션 중 어느 것도 예상 투자를 정당화하는 수준의 성능을 제공할 수 없는 경우 문제의 원래 상태로 돌아가야 합니다. 옵션 중 하나라도 충분한 효과가 나타나면 선택이 가능합니다.

솔루션 효율성에는 성능, 사용성, 안정성, 생산, 서비스 및 지원과 같은 몇 가지 필수 특성이 포함되지만 이에 국한되지는 않습니다. 이러한 각 방향의 분석은 다양한 측면의 관점에서 제안된 솔루션을 강조합니다.

소위 효율성 분석을 위해 측면의 중요성에 대한 분류를 설정하는 것이 중요합니다. 핵심 성과 지표. 효율성 분석의 주요 어려움은 효율성을 평가하는 측면에서 일련의 측면을 올바르게 분류하고 선택하는 것입니다. 예를 들어, 제품이 일회용으로 제조된 경우 유지보수성은 적절한 기준이 아닙니다.

비용 분석

비용 분석은 전체 수명 주기의 비용을 고려합니다. 일반적인 비용의 기본 집합은 특정 프로젝트 및 시스템에 따라 다를 수 있습니다. 비용 구조는 인건비(인건비)와 비인건비를 모두 포함할 수 있습니다.

유형	설명 및 예
의 개발	설계, 도구(하드웨어 및 소프트웨어) 개발, 프로젝트 관리, 테스트, 프로토타이핑 및 프로토타이핑, 교육 등
제품을 제조하거나 서비스를 제공하는 행위	원자재 및 소모품, 예비 부품 및 재고, 작업에 필요한 자원(수도, 전기 등), 위험, 대피, 폐기물 또는 스크랩 처리 및 보관, 관리 비용(세금, 관리, 문서 흐름, 품질 관리, 청소, 통제 등), 포장 및 보관, 필요한 문서.
판매 및 애프터 서비스	판매망(지점,매장,서비스센터,유통업체,정보획득 등),불만처리 및 보증제공 등의 비용
고객 사용	세금, 설치(고객 현장), 운영에 필요한 자원(수도, 연료 등), 재정적 위험 등
용품	운송 및 배송
서비스	서비스 센터 및 방문, 예방, 통제, 예비 부품, 보증 비용 등
삭제 중	접기, 해체, 운송, 폐기물 처리 등

원가 계산 방법은 계획 섹션(섹션 3)에 설명되어 있습니다.

기술적 리스크 분석

위험은 지정된 비용, 일정 및 기술적 제약 내에서 목표를 달성할 수 없는 잠재적 가능성입니다. 두 부분으로 구성됩니다.

1. 실현 가능성(위험이 정당화되고 목표가 달성되지 않을 확률);
2. 구현의 영향 또는 결과의 정도.

각 위험은 0보다 크고 1보다 작은 확률, 영향의 정도는 0보다 크며, 미래의 시점을 갖습니다. 확률이 0이면 위험이 없고, 1이면 위험이 아니라 이미 사실입니다. 영향의 정도가 0인 경우 - 위험이 없습니다. 왜냐하면 발생의 결과가 없습니다(무시할 수 있음). 날짜가 미래가 아닌 경우 이미 당연한 결과입니다.

모든 영역의 위험 분석은 세 가지 요소를 기반으로 합니다.

1. 잠재적 위협 또는 원치 않는 이벤트의 존재 및 발생 가능성에 대한 분석.
2. 식별된 위협의 결과 분석 및 심각도 척도에 따른 분류.
3. 위협의 가능성 또는 영향 수준을 허용 가능한 값으로 줄입니다.

시스템이 더 이상 요구 사항을 충족하지 않을 때 기술적 위험이 실현됩니다. 그 이유는 요구 사항이나 솔루션 자체에 있습니다. 그것들은 불충분한 효율성의 형태로 표현되며 몇 가지 이유가 있을 수 있습니다.

• 기술적 능력에 대한 잘못된 평가;
• 시스템 요소의 기술적 준비 상태 재평가
• 장비, 구성 요소 또는 소프트웨어의 마모 또는 노후화로 인한 사고,
• 공급업체 종속성(호환되지 않는 부품, 배송 지연 등)
• 인적 요인(부적절한 교육, 잘못된 설정, 불충분한 오류 처리, 부적절한 절차, 악의적 의도) 등

기술적 위험은 관리 방법이 동일하더라도 프로젝트 위험과 혼동되어서는 안 됩니다. 기술적 위험이 프로젝트 위험으로 이어질 수 있다는 사실에도 불구하고 시스템 자체에 초점을 맞추고 있으며 개발 과정이 아닙니다(자세한 내용은 섹션 3의 "위험 관리" 장 참조).

프로세스 접근 방법

접근의 목적과 원칙

시스템 분석 프로세스는 다음을 위해 사용됩니다.

1. 의사 결정에 대한 엄격한 접근 방식을 보장하고, 충돌 요구 사항을 해결하고, 대체 물리적 솔루션(개별 요소 및 전체 아키텍처)을 평가합니다.
2. 요구 사항의 만족 수준 결정;
3. 위험 관리 지원;
4. 비용, 타이밍, 성능 및 시스템 설계 또는 재설계에 대한 위험 영향을 계산한 후에만 결정이 내려진다는 확인.

이 프로세스는 의사결정 분석 프로세스(NASA, 2007)라고도 하며 의사 결정을 위한 기술적 문제, 대안 솔루션 및 불확실성을 평가하는 데 사용되었습니다. "의사결정 관리" 장(섹션 3)에서 자세한 내용을 확인하십시오.
시스템 분석은 다른 시스템 설명 프로세스를 지원합니다.

• 이해 관계자 요구 사항 설명 및 시스템 요구 사항 설명 프로세스는 시스템 분석을 사용하여 요구 사항 간의 충돌을 해결합니다. 특히 비용, 기술적 위험 및 효율성과 관련이 있습니다. 위험이 높거나 상당한 아키텍처 변경이 필요한 시스템 요구 사항에 대해 자세히 설명합니다.
• 논리적 및 물리적 아키텍처 설계 프로세스는 시스템 분석을 사용하여 아키텍처 옵션의 특성 또는 속성을 평가하고 비용, 기술적 위험 및 효율성 측면에서 가장 효율적인 옵션을 선택하는 근거를 제공합니다.

시스템을 설명하는 모든 프로세스와 마찬가지로 시스템 분석은 반복적입니다. 각 작업은 여러 번 수행되며 각 단계는 분석의 정확도를 향상시킵니다.

프로세스 내의 작업

이 프로세스의 주요 활동 및 작업은 다음과 같습니다.

• 대안 연구 계획:
  • 분석을 위한 대안의 수, 사용된 방법 및 절차, 예상 결과(선택 대상의 예: 행동 시나리오, 물리적 아키텍처, 시스템 요소 등) 및 근거 결정.
  • 모델, 기술 데이터(시스템 요구 사항, 시스템 속성 설명), 인력 자격 및 선택한 절차의 가용성에 따라 분석 일정 생성.
• 모델 선택 기준의 결정:
  • 비기능 요구 사항(성능, 작동 조건, 제한 사항 등) 및/또는 속성 설명에서 평가 기준 선택.
  • 정렬 및 정렬 기준;
  • 각 평가 기준에 대한 비교 척도의 결정 및 다른 기준에 대한 중요도에 따라 각 기준의 가중치 결정.
• 의사 결정 옵션, 관련 모델 및 데이터를 식별합니다.
• 이전에 정의된 방법 및 절차를 사용하여 옵션 평가:
  • 각 평가 기준에 대한 척도에 모든 대안을 배치하여 비용 분석, 기술적 위험 분석 및 성능 분석을 수행합니다.
  • 모든 대안을 일반적인 평가 척도로 평가하십시오.
• 시작 프로세스에 결과 제공: 평가 기준, 등급 선택, 비교 척도, 모든 옵션에 대한 평가 결과 및 근거가 있는 가능한 권장 사항.

아티팩트 및 프로세스 용어

이 프로세스는 다음과 같은 아티팩트를 생성합니다.

• 선택 기준 모델(목록, 등급 척도, 가중치);
• 비용, 위험, 효율성 분석에 대한 보고서
• 선택을 정당화하는 보고서.

이 프로세스에서는 아래 표에 나열된 용어를 사용합니다.

용어	설명
평가기준	시스템 분석의 맥락에서 기준은 시스템의 요소, 물리적 아키텍처, 기능 시나리오 및 비교할 수 있는 기타 요소를 비교하는 데 사용되는 특성입니다. 포함: 식별자, 제목, 설명, 무게.
평가 선택	시스템 요소, 물리적 아키텍처 또는 사용 사례의 선택을 설명하는 점수를 기반으로 시스템 요소를 관리합니다.
평가 점수(점수)	평가 점수는 일련의 평가 기준을 사용하여 시스템, 물리적 아키텍처, 기능 시나리오의 요소에서 얻습니다. 포함: 식별자, 제목, 설명, 값.
경비	시스템 요소 등의 값과 연결된 선택한 통화의 값입니다. 포함: 식별자, 제목, 설명, 금액, 비용 유형(개발, 생산, 사용, 유지 관리, 폐기), 평가 방법, 유효 기간.
위험	시스템의 목표 또는 개별 특성(기술적 위험)에 영향을 미칠 수 있는 이벤트입니다. 포함: 식별자, 제목, 설명, 상태.

시스템 분석의 정확성 확인

검증된 결과를 얻으려면 다음 사항이 충족되는지 확인해야 합니다.

• 시스템 사용의 맥락에서 모델 및 데이터의 대응;
• 시스템 사용 맥락과 관련된 평가 기준 준수
• 시뮬레이션 및 계산 결과의 재현성;
• 비교 척도의 충분한 정확도 수준;
• 견적에 대한 신뢰;
• 평가 기준의 가중치와 관련하여 얻은 점수의 충분한 수준의 민감도.

모델 사용 원칙

• 일반 모델 사용. 시스템 분석의 맥락에서 다양한 유형의 모델을 사용할 수 있습니다.
  • 물리적 모델은 물리적 현상을 실험할 수 있는 축소 모델입니다. 각 분야에 따라 다릅니다. 예: 인형, 테스트 벤치, 프로토타입, 진동 테이블, 감압 챔버, 공기 터널 등
  • 뷰 모델은 주로 시스템의 동작을 모델링하는 데 사용됩니다. 예를 들어 상태 다이어그램 등이 있습니다.
  • 분석 모델은 추정치의 가치를 설정하는 데 사용됩니다. 방정식이나 도표를 사용하여 시스템의 실제 작동을 설명하십시오. 매우 간단하거나(요소 추가) 엄청나게 복잡할 수 있습니다(여러 변수가 있는 확률 분포).
• 필요한 모델의 사용. 프로젝트의 각 단계에서 적절한 모델을 사용해야 합니다.
  • 프로젝트 초기에 사용 간단한 도구많은 비용과 노력 없이 대략적인 근사치를 얻을 수 있습니다. 그러한 근사는 종종 비현실적인 솔루션을 즉시 식별하기에 충분합니다.
  • 프로젝트가 진행됨에 따라 여전히 경쟁하는 옵션을 비교하기 위해 데이터의 정확성을 향상시킬 필요가 있습니다. 프로젝트의 혁신 수준이 높으면 작업이 더 어려워집니다.
  • 시스템 엔지니어 혼자서는 복잡한 시스템을 모델링할 수 없기 때문에 관련 주제 분야의 전문가들의 도움을 받습니다.
• 과목 전문가에 의한 심사 : 평가기준의 가치를 객관적이고 정확하게 설정할 수 없는 경우 검사는 4단계로 진행됩니다.
  1. 고려 중인 문제에 대한 적격한 의견을 얻기 위해 응답자를 선택합니다.
  2. 설문지 초안 작성. 정확한 질문이 있는 설문지는 평가하기 쉽지만 너무 폐쇄적일 경우 중요한 요점을 놓칠 위험이 있습니다.
  3. 보다 정확한 의견을 얻기 위해 문제에 대한 심층 토론을 수행하는 것을 포함하여 설문지에 대한 전문가와 인터뷰를 수행합니다.
  4. 여러 다른 사람들과 함께 얻은 결과를 분석하고 평가 또는 결정 옵션에 대한 기준 분류에 대한 합의에 도달할 때까지 피드백을 비교합니다.

  시스템 분석 프레임워크에서 가장 일반적으로 사용되는 분석 모델이 표에 나와 있습니다.
  

  모델 유형	설명
  결정적(정의) 모델	결정론적 모델은 확률 이론에 의존하지 않는 모델입니다. 이 범주에는 통계 기반 모델이 포함됩니다. 원칙은 상당한 양의 데이터와 이전 프로젝트의 결과를 기반으로 모델을 만드는 것입니다. 기술이 이미 알려진 시스템 구성 요소에만 적용할 수 있습니다. 유추 모델은 이전 디자인도 사용합니다. 연구 중인 요소는 알려진 특성을 가진 기존 요소와 비교됩니다. 그런 다음 이러한 특성은 전문가의 경험을 기반으로 개선됩니다. 학습 곡선을 통해 특성이나 기술의 변화를 예상할 수 있습니다. 한 가지 예: "생산된 모듈의 수가 두 배가 될 때마다 해당 모듈의 비용은 일정한 비율만큼 감소합니다."
  확률론적(확률적) 모델	모델에 확률 변수가 포함된 경우, 즉 일부 확률적 특성에 의해서만 결정되는 경우 모델을 확률론적(확률적, 무작위적)이라고 합니다. 이 경우 모델을 고려할 때 얻은 모든 결과는 본질적으로 확률적이므로 그에 따라 해석해야 합니다. 확률 이론을 사용하면 많은 사건의 결과로 가능한 솔루션을 분류할 수 있습니다. 이 모델은 가능한 옵션의 간단한 조합으로 제한된 수의 이벤트에 적용할 수 있습니다.
  다중 기준 모델	10개 이상의 기준이 있는 경우 다중 기준 모델을 사용하는 것이 좋습니다. 다음 작업의 결과로 얻습니다. 기준의 계층 구조를 구축하십시오. 동일한 수준의 기준에 상대적인 "가중치"가 있는 트리의 각 분기를 각 기준과 연결합니다. 각 분기에 대한 기준의 각 "잎"에 대한 가중치는 분기의 모든 가중치를 곱하여 계산됩니다. 기준에 따라 각 대안 솔루션을 평가하고 점수를 요약하고 서로 비교합니다. 민감도 분석은 컴퓨터를 사용하여 수행하여 정확한 결과를 얻을 수 있습니다.

  시스템 분석의 주요 함정과 성공적인 사례는 아래 두 섹션에 설명되어 있습니다.

  수중 암석

  수중바위	설명
  분석 모델링은 의사 결정 도구가 아닙니다.	분석 모델은 분석된 데이터의 분석 결과를 제공합니다. 그것은 도움으로 보아야 하지만 의사 결정 도구로 볼 수 없습니다.
  시스템 분해의 모델 및 수준	이 모델은 n번째 수준의 시스템 분해에 적합하며 하위 수준의 데이터를 사용하는 상위 수준 모델과 호환되지 않습니다. 시스템 엔지니어는 모델이 다양한 수준에서 일관성을 유지하도록 하는 것이 중요합니다.
  최적화는 최적화된 요소의 합이 아닙니다.	연구 중인 시스템의 전체 최적화는 각 부분의 최적화의 합이 아닙니다.

  입증된 방법론

  방법론	설명
  운영 분야에 머물다	모델은 시스템의 모든 동작과 응답을 표시할 수 없습니다. 모델은 제한된 변수 집합으로 제한된 공간에서 작동합니다. 모델을 사용할 때 입력과 매개변수가 작동 필드의 일부인지 항상 확인해야 합니다. 그렇지 않으면 잘못된 결과가 나올 위험이 높습니다.
  모델 개발	모델은 매개변수 설정 변경, 새로운 데이터 도입(평가 기준, 수행된 기능, 요구사항 등 변경), 이전 도구가 한계에 도달했을 때 새 도구 사용 등 프로젝트 전반에 걸쳐 발전해야 합니다.
  여러 유형의 모델 사용	여러 다른 유형의 모델을 동시에 사용하여 결과를 비교하고 시스템의 다른 측면을 고려하는 것이 좋습니다.
  컨텍스트 요소의 일관성 유지	시뮬레이션 결과는 사용된 도구, 가정, 입력된 매개변수 및 데이터, 출력의 분산과 같은 시뮬레이션 컨텍스트 내에서 항상 얻어집니다.

1. 시스템 분석의 개념

시스템 분석연구의 원리, 방법 및 수단을 연구하는 과학 및 방법론 분야입니다. 복잡한 객체그것들을 다음과 같이 제시함으로써 시스템(매스 미디어 분석(참조) 이러한 시스템. 따라서 시스템 분석에서 모든 대상은 시스템적 특성, 즉 단일 전체가 아니라 상호 연관된 구성 요소, 속성 및 프로세스의 복합물로 고려됩니다.

시스템 분석은 주로 연구에 적용됩니다. 인공의시스템(사회적, 경제적, 조직적, 기술적, 인간-기계 등)과 이러한 시스템에서 중요한 역할은 인간 활동(센티미터. ). 가장 광범위한 시스템 분석은 이론과 실제에서 이루어졌습니다. 관리(참조) - 복잡하고 다단계 및 다성분 인공 시스템의 설계, 생성 및 관리와 관련된 결정의 개발, 채택 및 정당화.

일반적으로 이러한 시스템을 개발, 설계 및 운영할 때 구성 요소(요소, 하위 시스템 및 연결)의 속성뿐만 아니라 전체 시스템 개체의 기능 규칙성과 관련된 문제가 발생합니다. 수명 주기(일반적인 시스템 문제)와 시스템 분석 방법을 사용하여 해결되는 광범위한 특정 관리 문제를 보장합니다. 이러한 의미에서 시스템 분석은 다음 영역에 속합니다. 시스템 엔지니어링(참조) 규모와 목적에 관계없이 구조적으로 복잡한 시스템의 설계, 생성 및 작동을 연구합니다.

시스템 분석은 일반 과학, 특수 과학, 실험, 통계, 수학적 방법의 복합물을 기반으로 합니다. 그 이론적, 방법론적 근거는 시스템 접근(매스 미디어 일반 시스템 이론(참조) 수학적 논리, 수학적 통계, 알고리즘 이론, 게임 이론, 상황 이론, 정보 이론, 조합론, 발견적 프로그래밍, 시뮬레이션 및 기타 여러 가지를 포함하는 연구 방법. 시스템 전반에 걸친 이론이 그 기초로 간주되지만 시스템 분석은 가장 일반적인 초기 아이디어와 전제만을 차용합니다.

시스템 분석에서 과학과 실천의 요소는 밀접하게 얽혀 있기 때문에 시스템 분석을 사용한 의사 결정의 정당화는 항상 엄격한 형식화 된 방법 및 절차의 사용과 거리가 멀고 개인적인 경험과 직관에 근거한 판단도 허용됩니다. 시스템 분석의 중요한 특징은 정형화된 수단과 비정형화된 수단과 이에 사용되는 연구 방법의 통일성입니다.

2. 시스템 분석 개발

시스템 분석 개발을 위한 전제 조건은 20세기 전반부에 형성되었으며, 이는 여러 분야에서 새로운 유형의 과학 및 기술 문제로의 전환으로 인한 것입니다. 과학(매스 미디어 기술자(참조) 복잡한 대상의 조직 및 기능 문제가 중심적인 위치를 차지하기 시작합니다. 인식과 실천은 시스템과 함께 작동하기 시작하며, 그 경계와 구성은 명확하지 않으며 각 개별 사례에 대해 특별한 연구가 필요합니다. 20 세기 후반에는 유사한 유형의 문제가 사회적 관행에서도 발생합니다. 기술은 점점 더 복잡한 시스템의 기술로 바뀌고 있으며 다양한 기술 및 기타 수단이 하나의 큰 문제의 해결책으로 밀접하게 연결되어 있습니다. (예를 들어, 복잡한 사회-기술 및 인간-기계 시스템); 사회 관리에서는 이전에 지배적인 지역, 부문별 작업 및 원칙 대신 경제, 사회 및 기타 사회적 관계 측면의 긴밀한 상호 연결을 요구하는 크고 복잡한 문제가 주도적 역할을 수행합니다.

과학 및 실제 문제 유형의 변화는 체계적인 접근의 기본 아이디어를 한 형태 또는 다른 형태로 사용하는 것이 특징 인 일반 과학 및 특수 과학 개념의 출현을 동반합니다. 과학 및 기술 발전의 특정 단계에서 실용적인 지식시스템 이론은 독립적인 과학 및 방법론 분야에서 형태를 갖추기 시작했으며, 그 성과는 엔지니어링, 기술 및 조직 및 관리 문제의 복잡한 솔루션에 의도적으로 사용되어 궁극적으로 "시스템 분석"이라는 새로운 방법론적 접근 방식의 출현으로 이어졌습니다. ". 이와 함께 시스템 이론 및 시스템 분석의 형성과 거의 동시에 실습의 필요성이 관련 영역의 출현으로 이어지며 이후 "시스템 연구"라는 용어로 통합되기 시작했습니다(예: 사이버네틱스, 운영 연구, 의사결정 이론, 전문가 분석, 시뮬레이션 모델링, 상황 관리, 구조 및 언어 모델링 등).

독립적인 연구 라인으로서 시스템 분석은 1950년대에 형성되기 시작했는데 주로 미국에서 생산 능력 할당, 새로운 장비에 대한 미래 요구 결정 및 대기업의 응용 문제 해결과 관련되어 사용되었습니다. 노동력하나 또는 다른 자격, 다양한 유형의 제품에 대한 수요 예측 등. 동시에 시스템 분석은 특히 군대의 개발 및 기술 장비 및 우주 탐사와 관련된 문제 해결과 관련된 대규모 국가 프로젝트와 관련된 문제를 해결하는 국가 장치의 행정 활동 영역으로 점점 더 침투하고 있습니다. 그들을.

1960년대에서 1970년대 사이에 시스템 분석의 아이디어와 방법이 널리 보급되고 실제로 성공적으로 적용되는 것은 컴퓨터의 도입과 광범위한 사용을 통해서만 가능했습니다. 복잡한 문제를 해결하기 위한 도구로 컴퓨터를 사용함으로써 시스템의 이론적 모델 구성에서 광범위한 실제 적용으로 이동할 수 있습니다. 또한, 시스템 분석의 활용 범위의 집중적인 확대는 특정 중요한 문제를 해결하기 위해 구체적으로 프로그램을 작성하는 프로그램 대상 관리 방법의 확산과 밀접한 관련이 있습니다. 조직(기관 또는 네트워크 기관)을 구성하고 필요한 물적·인적 자원을 배분한다.

그 후 시스템 이론을 연구에 적용하는 다양한 시스템 분석 학파가 등장했습니다. 다른 분야-전략적 계획 및 기업 관리에서 사회 경제적 및 기술 시설의 기능 과정에서 다양한 문제 상황 발생시 특정 유형의 활동에 대한 기술 단지의 프로젝트 관리 및 의사 결정. 1972년 오스트리아 비엔나 근교의 Laxenburg에 국제응용시스템분석연구소(IIASA)가 설립되어 소련과 미국을 포함한 12개국이 참여하였다. 현재 본 연구소는 국제적 협력이 필요한 글로벌 문제를 해결하기 위해 주로 시스템 분석 방법을 적용하는 작업을 하고 있습니다.

소련에서는 1960년대부터 소련의 시스템 분석 및 시스템 이론 학파가 활발하게 발전해 왔습니다. 소비에트 시스템 분석 학교의 전신은 20세기 초에 일반 조직 과학의 개념을 제안한 A.A. Bogdanov였습니다. 지질학, 시스템 L. von Bertalanffy의 일반 이론의 선구자 역할을 했습니다. Bogdanov 이론의 주요 아이디어는 기존의 모든 객체와 프로세스가 특정 수준의 조직을 가지고 있다는 것입니다. 이는 높을수록 전체의 속성이 구성 요소의 속성의 단순한 합계와 더 많이 다릅니다. 전체와 그 부분의 속성에 대한 분석은 후에 복잡한 시스템 개념의 주요 특징으로 제시되었습니다. 이와 함께 Bogdanov는 구조의 정적 상태뿐만 아니라 물체의 동적 동작을 연구하고 조직의 발전에 관심을 기울이고 피드백의 중요성을 강조하며 조직의 자체 목표를 고려해야 할 필요성을 지적합니다. , 개방형 시스템의 역할을 언급합니다. 그렇게 함으로써 그는 조직 이론의 문제를 해결하기 위한 잠재적인 방법으로서 모델링과 수학적 분석의 역할에 특별한 관심을 기울입니다. 나중에이 이론의 아이디어는 I. I. Shmalgauzen, V. N. Beklemishev 및 기타 여러 전문가의 작업에서 개발되었습니다. 소련에서 시스템 분석의 첫 번째 방법은 Yu. I. Chernyak, SA Valuev 및 EP Golubkov에 의해 개발되었습니다. 그런 다음 철학적 개념에 기반한 구조화 방법의 개발 기간이 시작되었습니다. 1973년 라디오 엔지니어링, 전자 및 통신의 All-Union 과학 및 기술 학회에서 이 방향을 개발하기 위해 "설계 및 관리의 시스템 분석" 세미나가 만들어졌습니다(F. Ye. Temnikov, Yu. I. Chernyak, VN 볼코바). 그 후, 시스템 분석의 개별 학교는 고등 교육 기관에서 체계적인 연구를 계속했습니다.

3. 시스템 분석 업무

학문으로서의 시스템 분석은 연구 및 설계의 필요성의 결과로 발전했습니다. 큰(대규모) 및 복잡한정보의 불완전성, 제한된 리소스 및 시간 부족 조건에서 시스템을 관리합니다. 시스템 분석에서는 모든 시스템뿐만 아니라 크고 복잡한 시스템도 고려됩니다. 크고 복잡한 시스템을 나누는 보편적으로 인정되는 경계는 없습니다. 그러나 "대형 시스템"이라는 용어는 동일한 유형의 다중 레벨 연결을 갖는 상당한 수의 요소를 포함하는 다중 구성 요소 시스템을 특징짓는다는 점에 유의하십시오. 대형 시스템은 하위 시스템(해당 구성 요소)도 복합 시스템의 범주에 속하는 고도의 복잡성을 가진 공간적으로 분산된 시스템입니다. 대형 시스템을 특징짓는 추가 기능은 다음과 같습니다.

• 큰 크기;
• 복잡한 계층 구조;
• 대규모 정보, 에너지 및 물질 흐름 시스템의 순환;
• 시스템 설명의 높은 수준의 불확실성.

차례로 "복잡한 시스템"이라는 용어는 상호 연결되고 상호 작용하는 많은 요소가 있는 구조적 및 기능적으로 복잡한 다중 구성 요소 시스템을 특징으로 합니다. 다양한 유형의그리고 그들 사이에 수많은 이질적인 연결이 있습니다. 복잡한 시스템은 다차원성, 구조의 이질성, 요소 및 연결의 특성의 다양성, 저항의 조직적 다양성 및 영향에 대한 다른 민감성, 기능 및 기능 장애 변화의 구현 가능성의 비대칭성으로 구별됩니다. 또한 이러한 시스템의 각 요소는 시스템(하위 시스템)으로 나타낼 수도 있습니다. 복잡한 시스템은 다음 기능 중 하나 이상을 갖는 것으로 분류할 수 있습니다.

• 전체로서의 시스템은 그 구성 요소 중 어느 것도 소유하지 않는 속성을 소유합니다.
• 시스템은 하위 시스템으로 나눌 수 있으며 각각은 별도로 연구할 수 있습니다.
• 시스템은 지표 변경의 무작위 특성을 결정하는 상당한 불확실성과 환경에 미치는 영향의 조건에서 작동합니다.
• 시스템은 행동을 의도적으로 선택합니다.

복잡한 시스템 관리 문제는 시스템 분석 문제의 주요 내용입니다. 이 문제에 성공적으로 대처하기 위해서는 제어의 대상, 즉 시스템 자체를 연구하고 제어의 목적을 결정하여 시스템의 필요(편리한) 상태, 즉, , 노력해야 하는 상태. 시스템 분석의 방법과 절차는 목표 식별, 문제 해결을 위한 대안 제안 제안, 각 옵션에 대한 불확실성의 규모 식별, 하나 또는 다른 성과 기준에 따른 옵션 비교 및 ​​관련 조직 작업을 목표로 합니다.

시스템 분석의 주요 임무는 진행중인 시스템 연구의 대상 앞에서 발생한 문제 상황을 해결하는 것입니다. 시스템 분석은 문제 상황에 대한 연구, 원인 설명, 제거 옵션 개발, 문제 상황을 해결하는 시스템의 추가 기능에 대한 의사 결정 및 구성을 다룹니다. 모든 체계적인 연구의 초기 단계는 후속 형식화와 함께 수행된 시스템 분석의 대상에 대한 연구입니다. 이 단계에서 시스템 연구의 방법론을 다른 학문의 방법론과 근본적으로 구별하는 문제, 즉 시스템 분석에서 두 갈래의 문제가 해결되는 문제가 발생합니다. 한편으로는 체계적 연구의 대상을 공식화해야 하는 반면, 시스템을 연구하는 과정, 즉 문제를 공식화하고 해결하는 과정은 공식화의 대상이 된다.

시스템 분석의 다음으로 중요한 작업은 의사 결정의 문제입니다. 많은 수의 요소와 하위 시스템을 포함하는 복잡한 시스템의 연구, 설계 및 관리 문제와 관련하여 의사 결정 문제는 다양한 조건에서 시스템 개발을 위한 특정 대안의 선택과 관련이 있습니다. 일종의 불확실성. 불확실성은 정확하게 평가할 수 없는 많은 요소의 존재로 인한 것일 수 있습니다. 알 수 없는 요소가 시스템에 미치는 영향, 최적화 문제의 다중 기준, 시스템 개발 목표의 확실성 부족, 시스템 개발 시나리오의 모호성 , 시스템에 대한 사전 정보의 부족, 시스템의 동적 개발 중 무작위 요인의 영향 및 기타 조건. 또 다른 일반적인 유형의 불확실성은 문제 상황에 대한 결정 결과의 후속 영향과 관련된 불확실성입니다. 사실 복잡한 시스템의 동작은 모호성이 특징입니다. 즉, 결정이 내려진 후 시스템 동작에 대한 다양한 옵션이 가능합니다. 이러한 옵션의 평가, 발생 가능성도 시스템 분석의 주요 작업 중 하나입니다.

일반적으로 이러한 불확실성의 조건에서 대안을 선택하려면 복잡하고 다면적인 정보에 대한 분석이 필요합니다. 이러한 의미에서 시스템 분석을 적용하는 목적은 결정의 타당성 정도를 높이고 합리적인 선택이 이루어지는 옵션 집합을 확장하는 것입니다. 이를 위해 시스템 분석은 의사 결정 모델, 의사 결정을 선택하는 방법 및 의사 결정의 품질을 특징짓는 기준을 정당화하는 방법을 개발합니다. 개발 및 결정 단계에서 시스템과 하위 시스템의 상호 작용을 고려하여 시스템의 목표를 하위 시스템의 목표와 결합하고 글로벌 및 보조 목표를 강조 표시해야 합니다.

시스템 분석의 또 다른 중요한 작업은 목표 설정 프로세스, 목표 작업 수단(목표 구조, 프로그램 및 계획의 공식화, 구조화 또는 분해, 이들 간의 연결)에 대한 연구 및 개발입니다. 최상의 솔루션을 선택하는 것보다 더 어려운 작업으로 판명되었습니다. 이러한 의미에서 시스템 분석은 때때로 목적이 있는 시스템 연구를 위한 방법론으로 정의됩니다. 시스템 분석의 문제를 해결할 때 목표의 공식화는 시스템 연구 문제의 공식화를 결정하는 대상이기 때문에 핵심 절차 중 하나입니다.

시스템 분석에서 중요한 위치는 계층적 시스템의 관리 문제, 최적의 구조 선택, 최적의 작동 모드, 하위 시스템과 요소 간의 상호 작용에 대한 최적의 조직 및 기타 조직의 문제를 포함하여 조직의 작업에 의해 차지됩니다. 작업. 이러한 문제의 식별과 해결은 해당 연구분야의 시스템 분석가와 전문가들의 공동 작업으로 성공적으로 해결될 수 있다.

시스템 분석은 현대적인 수학적 도구와 컴퓨팅 시스템을 사용하지만, 복잡한 시스템의 동작 예측을 포함하여 설명하기 위해 엄격한 수학적 방법에만 의존하는 것은 불가능합니다. 따라서 비공식 절차는 시스템 분석에 널리 사용되는 반면 복잡한 시스템 연구에서 발생하는 시스템 분석의 중심 방법론적 문제 중 하나는 공식 및 비공식 분석 및 합성 방법의 조합입니다. 이러한 통합을 제공하는 주요 도구는 컴퓨터 모델링 방법을 사용하여 만든 시뮬레이션 모델입니다.

시스템 분석의 임무는 모든 복잡성의 모방 시스템을 설계하는 것이지만 시스템 연구는 일종의 "수퍼 모델"을 만드는 목표를 추구하지 않는다는 점에 유의해야 합니다. 자체 특정 문제를 해결합니다. 이러한 시뮬레이션 모델이 생성되고 조사된 후에도 시스템 동작의 다양한 측면을 특정 통합 체계로 결합하는 방법에 대한 문제는 여전히 열려 있습니다. 그러나 그것은 "수퍼모델"을 구축함으로써가 아니라, 상호작용하는 다른 객체의 관찰된 행동에 대한 반응을 분석함으로써, 즉 유사한 객체의 행동을 연구하고 이러한 연구 결과를 객체에 전달함으로써 해결할 수 있고 또 그래야 합니다. 시스템 분석의. 이러한 연구는 구성 요소인 상위 시스템의 구조에서 연구 중인 시스템의 위치를 ​​결정하는 상호 연결의 구조와 상호 작용 상황에 대한 의미 있는 이해를 위한 기초를 제공합니다.

시스템 분석 작업의 별도 그룹은 분석된 개체와 외부 환경의 복잡한 상호 작용을 연구하는 작업으로 구성됩니다. 이러한 문제를 해결하려면 연구 중인 시스템과 외부 환경 사이의 경계를 그리는 것이 포함되며, 이는 고려 중인 상호 작용의 최대 영향 깊이를 미리 결정하고, 고려를 제한하고, 그러한 상호 작용의 실제 자원 결정, 더 높은 수준의 시스템으로 연구 중인 시스템. 이 유형의 문제는 시스템과 외부 환경의 상호 작용을 위한 대안 설계, 시간과 공간에서 시스템 개발을 위한 대안과 관련이 있습니다.

4. 시스템 분석 방법론

시스템 분석은 공식화 및 비공식화 연구 도구뿐만 아니라 일련의 원칙, 즉 다음과 같이 취한 초기 규칙을 포함하여 경영 활동에 널리 사용되는 여러 논리 및 수학 분야, 기술 절차 및 방법을 기반으로 합니다. 분석 방법 구성의 기초로 사용되는 진실.

시스템 분석의 방법론적 기초는 가장 일반적인 의미에서 다음과 같은 복잡성 정도의 시스템에 대한 고려를 의미하는 체계적인 접근 방식입니다.

• 특정 관계, 부품으로 상호 연결된 별도의 구성 요소;
• 외부 환경과의 상호 작용;
• 지속적인 개발에.

시스템 분석 중 연구 프로세스를 구성하기 위해 분석 단계의 순서와 구현 절차를 결정하는 일련의 방법이 개발됩니다.

4.1. 시스템 분석의 원리

시스템 분석을 수행하기 위한 보편적인 방법과 방법은 없습니다. 대부분의 경우 이러한 유형의 방법론은 연구원이 발생한 문제의 공식화 및 솔루션을 포함하여 연구 프로세스를 공식화할 수 있는 시스템에 대한 충분한 정보가 없는 경우에 개발 및 적용됩니다. 시스템 분석의 모든 방법에 공통적 인 것은 시스템 기능의 규칙 성의 결정, 시스템 구조의 변형 형성 (주어진 기능 법칙을 구현하는 여러 대체 알고리즘) 및 최상의 옵션 선택입니다. 분해 문제를 풀고, 연구 중인 시스템을 분석하고 시스템을 합성하고, 실천의 문제를 제거함으로써 수행됩니다.

특정 조건에서 시스템을 분석하고 합성하는 방법론을 구성하는 기초는 목록입니다. 시스템 분석의 원리, 이는 복잡한 시스템으로 작업하는 관행을 일반화한 것입니다. 현재 일반적으로 받아 들여지는 통일된 공식이 없기 때문에 다른 저자들은 몇 가지 차이점이 있는 원칙을 설정합니다. 그러나 모든 공식은 본질적으로 동일한 개념을 설명합니다. 다음 원칙은 가장 흔히 체계적인 것으로 간주됩니다.

1. 궁극적인 목표의 원칙.이 원칙은 최종(글로벌) 목표의 우선 순위를 의미하며, 그 달성은 궁극적으로 시스템 활동에 종속되어야 합니다. 따라서 조직과 관련하여 목표는 이 특정(제한된) 자원(물적, 인적 및 기타)에 소비한 특정 시점까지 (바람직하게는) 달성되어야 하는 조직의 상태로 정의됩니다. 목표에 대한 명확한 이해가 없으면 어떤 결정도 의미가 없을 수 있습니다. 궁극적인 목표 원칙에는 몇 가지 규칙이 포함됩니다.
   • 체계적인 분석을 수행하려면 우선 연구의 목적을 공식화하는 것이 필요합니다. 모호하고 불완전하게 정의된 목표는 잘못된 결론으로 ​​이어집니다.
   • 시스템 분석은 연구 중인 시스템의 주요 목표(기능, 주요 목적)에 대한 1차적 이해를 기반으로 수행되어야 하며, 이를 통해 주요 필수 속성, 품질 지표 및 평가 기준을 결정할 수 있습니다.
   • 시스템을 합성할 때 변경하거나 개선하려는 모든 시도는 궁극적인 목표 달성에 도움이 되는지 또는 방해하는지에 대해 평가해야 합니다.
   • 인공 시스템의 기능 목표는 일반적으로 연구 중인 시스템이 구성 요소인 시스템에 의해 설정됩니다.
2. 측정 원리.어떤 시스템의 기능 품질은 상위 시스템과 관련해서만 판단할 수 있습니다. 이것은 시스템 기능의 효율성을 결정하기 위해 더 일반적인 시스템의 일부로 제시되어야 하고 연구 중인 시스템의 외부 속성이 상위 시스템의 목표 및 목적과 관련하여 평가되어야 함을 의미합니다.
3. 평등 원칙.시스템은 시간에 관계없이 필요한 최종 상태에 도달할 수 있으며 다른 초기 조건과 다른 방식으로 시스템의 고유한 특성에 의해서만 결정됩니다. 초기 및 경계 조건에 대한 안정성의 한 형태입니다.
4. 통일의 원칙.이 원칙에 따라 시스템은 특정 관계, 부분(요소)으로 상호 연결된 별도의 전체로 간주되어야 합니다.
5. 연결의 원리.환경과 함께 모든 부분을 고려한다는 것은 고려 중인 시스템 요소 간의 연결을 식별하고 외부 환경과의 연결을 식별하는 절차를 의미합니다(외부 환경 고려). 이 원칙에 따라 시스템은 수퍼 시스템 또는 이전 시스템이라고 하는 다른 시스템의 일부(하위 시스템)로 간주되어야 합니다.
6. 모듈화의 원리.이 원칙에 따라 모듈은 연구 중인 시스템에서 식별되고 전체로서 모듈 세트로 간주됩니다. 여기서 모듈은 입력과 출력으로만 설명되는 시스템 요소 그룹이라고 합니다. 시스템을 상호 작용하는 모듈(하위 시스템)로 나누는 것은 연구의 목적에 따라 다르며 재료(재료), 기능, 알고리즘, 정보 등을 포함하여 다른 기반을 가질 수 있습니다. 시스템을 모듈로 나누면 시스템에 존재하는 기본 관계의 본질을 이해하고 결과를 결정하는 사소한 세부 사항에서 추상화하는 것이 가능하기 때문에 시스템 분석 및 합성의보다 효율적인 구성에 기여합니다. 시스템. 모듈이라는 용어 대신 "블록", "하위 시스템" 등의 용어가 자주 사용됩니다.
7. 계층 구조의 원칙.이 원칙에 따라 고려 중인 시스템의 부분 계층이 도입되고 순위가 지정되어 시스템 개발이 단순화되고 부분의 고려 순서가 설정됩니다. 계층은 모든 복잡한 시스템에 내재되어 있습니다. 조직 시스템 구조의 계층 구조는 시스템 관리의 성격, 관리 분권화 정도와 모호하게 관련되어 있습니다. 선형(나무와 같은) 계층적 조직 구조에서는 관리의 완전한 중앙 집중화라는 아이디어가 실현됩니다. 동시에 복잡한 비선형 계층 구조 시스템에서 어느 정도의 탈중앙화를 구현할 수 있습니다.
8. 기능 원리.이 원칙에 따라 연구 중인 시스템의 구조와 기능은 구조보다 기능을 우선적으로 고려하여 함께 고려됩니다. 이 원칙은 모든 구조가 시스템 및 그 구성 요소의 기능과 밀접하게 관련되어 있음을 나타냅니다. 시스템에 새로운 기능이 부여되면 원칙적으로 구조도 수정됩니다. 수행되는 기능은 프로세스이므로 프로세스, 기능, 구조를 별도로 고려하는 것이 좋습니다. 차례로 프로세스는 시스템의 주요 흐름 분석으로 축소됩니다.
   • 물질 흐름;
   • 에너지 흐름;
   • 정보 흐름;
   • 상태 변경.

   이러한 관점에서 구조는 공간과 시간의 흐름에 대한 일련의 제한 사항입니다. 조직 시스템에서 구조는 기능의 집합을 정의한 후 생성되며 다양한 목적을 위한 인력, 방법, 알고리즘, 기술적 장치의 집합의 형태로 구현됩니다. 새로운 작업과 그에 따른 기능이 나타나면 구조를 조정해야 할 수 있습니다. 시스템을 만든 후에는 기존의 목표와 목적의 틀 내에서 시스템과 개별 기능의 구조를 명확히 할 수 있습니다. 즉, 기능에 대한 구조의 역효과가 가능합니다. 종종 조직과 그 구조는 시스템의 목표와 목적이 명확해지기 전에 만들어집니다. 결과적으로, 치리회 작업에 평행선이 있으며 구조를 변경하여 조직의 작업을 개선하려는 체계적인 시도가 있습니다.

9. 개발 원칙.이 원칙은 시스템의 가변성, 개발, 적응, 확장, 부품 교체 및 정보 축적 능력을 고려하는 것을 의미합니다. 합성된 시스템은 개발, 구축, 개선의 가능성을 기반으로 합니다. 일반적으로 기존 모듈과 호환되는 새로운 모듈을 포함할 수 있는 가능성을 제공함으로써 기능 확장이 예상됩니다. 반면에, 분석할 때 개발 원칙은 시스템의 기능 패턴을 밝히기 위해 시스템 개발의 선사 시대와 현재 사용 가능한 추세를 고려할 필요성에 중점을 둡니다. 개발자가 이 원칙을 고려하는 방법 중 하나는 시스템과 관련하여 고려하는 것입니다. 라이프 사이클... 시스템 수명 주기의 기존 단계는 설계, 제조, 시운전, 운영, 용량 구축(현대화), 해체(교체), 운영 또는 사용 종료입니다.
10. 중앙 집중화와 분산화의 원칙.이 원칙은 중앙 집중식 및 분산식 관리의 복잡한 시스템에서의 조합을 의미하며, 이는 원칙적으로 중앙 집중식의 정도가 최소화되어 설정된 목표의 달성을 보장해야 함을 의미합니다. 분산 관리의 주요 단점은 시스템 적응 시간이 증가한다는 것입니다. 급변하는 환경에서 시스템의 기능에 큰 영향을 미칩니다. 중앙 집중식 시스템에서 짧은 시간에 수행할 수 있는 작업은 분산형 시스템에서 매우 느릴 것입니다. 분산 관리의 주요 단점은 이전 관리 시스템에서 처리해야 하는 상당한 양의 정보 흐름과 관련된 관리의 복잡성입니다. 따라서 복잡한 시스템에는 일반적으로 두 가지 수준의 제어가 있습니다. 천천히 변화하는 환경에서 시스템의 분산 된 부분은 운영 제어로 인해 시스템 동작의 환경 적응 및 시스템의 글로벌 목표 달성에 성공적으로 대처하고 환경의 급격한 변화의 경우, 시스템을 새로운 상태로 전환하기 위해 중앙 집중식 제어가 수행됩니다.
11. 불확정성 원리.이 원칙은 시스템의 불확실성과 사고를 고려하는 것을 의미하며 시스템 접근의 기본 원칙 중 하나이다. 이 원칙에 따라 구조, 기능 또는 외부 영향이 완전히 정의되지 않은 시스템을 처리할 수 있다고 믿어집니다. 복잡한 개방형 시스템은 확률의 법칙을 따르지 않습니다. 이러한 시스템을 분석할 때 [기껏해야] 예측 가능한 상황에 대한 확률적 추정을 얻을 수 있으며 이러한 추정이 객관적으로 존재하는 경우에는 이에 대한 고려가 수행됩니다. 또한 통계적 추정(이를 위한 조건이 있는 경우), 구조를 명확히 하고 목표 세트를 확장하는 등 여러 가지를 사용하여 보장된 결과 방법을 사용하여 불확실성을 고려할 수 있습니다. 확률 이론의 장치로 불확실성과 기회가 설명되지 않는 경우 유사한 방법이 사용됩니다. 확률의 확률적 특성(수학적 기대치, 분산 등)에 대한 정보가 있으면 시스템에서 출력의 확률적 특성을 결정할 수 있습니다. 연구 주제에 대한 불완전한 지식의 모든 경우, 퍼지 또는 확률적 정보 입력연구 결과는 모호하거나 확률적이며 이러한 연구를 기반으로 한 결정은 모호한 결과를 초래할 수 있습니다. 흐릿한(본성상) 또는 불완전한 경우(때 장애연구원) 정보를 수집하기 위해 가능한 모든 가능성을 식별하고 평가하기 위해 노력해야 하며, 여기에는 가능성이 없어 보이는 결정의 결과가 포함되며, 바람직하지 않은 상황이 발생하면 시기적절하게 공개하고 현지화할 수 있는 피드백을 제공해야 합니다.

이 모든 원칙은 매우 높은 수준의 일반성을 가지고 있습니다. 직접 적용의 경우 연구자는 연구 주제와 관련하여 구체적인 내용을 기입합니다. 시스템 모델에서는 시스템의 본질과 해결하려는 문제에 따라 지정해야 합니다.

4.2. 시스템 분석 방법

시스템 분석 방법은 문제 공식화, 목표 식별, 문제에 대한 대체 솔루션 제안, 각 옵션에 대한 불확실성의 규모 식별 및 다양한 성능 기준에 대한 옵션 비교, 의사 결정 및 관련 조직 작업을 목표로 합니다. 일반적으로 기존 시스템과 그 기능의 과정을 고려할 때 문제 상황은 기존 상황과 요구되는 상황 사이의 불일치로 드러납니다. 문제 상황을 해결하기 위해 다음 방법을 사용하여 체계적인 연구가 수행됩니다. 분해, 분석그리고 합성시스템. 시스템을 모델링하는 것, 즉 시스템을 모델 형태로 구현하면 문제 상황의 제거 정도를 평가할 수 있습니다. 시스템 분석의 프레임워크에서 사용되는 문제 상황을 해결하기 위한 일반적인 접근 방식은 다이어그램 1에 나와 있습니다.

시스템 분석의 주요 방법과 해당 절차를 단순화한 형태로 3단계 트리 형태로 제시할 수 있다(다이어그램 2번).

실제로, 그들은 실제로 시스템 분석의 작업이 매우 복잡하기 때문에 일반적으로 Scheme No. 단계는 그 자체로 끝이 될 수 없습니다. 특정 방법의 직접 적용은 연구 주제 및 해결 중인 문제의 특정 내용과 관련이 있습니다.

4.2.1. 시스템 분해

무대에서 시스템 분해, 일반적인 프레젠테이션을 제공하는 다음과 같이 수행됩니다.

1. 연구 목표의 결정 및 분해 및 시스템의 상태 공간 또는 허용 가능한 상황 영역에서 궤적의 제한으로서의 시스템의 주요 기능;
2. 시스템과 환경의 분리: 시스템의 근거리 및 원거리 환경 결정, 영향 요인의 식별 및 설명
3. 다양한 종류의 개발 동향, 한계 및 불확실성에 대한 설명;
4. "블랙 박스"로 시스템에 대한 설명;
5. 시스템의 구성 요소(요소 유형별) 및 구조적(요소 간의 관계 유형별) 분해를 수행합니다.

분해 과정은 다소 복잡하며 자격을 갖춘 전문가의 참여가 필요합니다. 주요 문제는 두 가지 상충되는 원칙을 준수하는 것입니다.

1. 완전성의 원칙 - 시스템 문제는 가능한 한 포괄적이고 상세하게 고려되어야 합니다.
2. 단순성의 원칙 - 시스템 모델링은 모든 수준에서 가능한 한 간결해야 합니다.

이 모순에 대한 타협은 네 가지 기본 원칙을 사용하여 달성됩니다.

1. 중요성 원칙 - 분석 목표와 관련하여 중요한 구성 요소만 시스템 모델에 포함됩니다.
2. 기본 원칙 - 분해를 간단하고 이해하기 쉽고 실현 가능한 결과로 가져옵니다.
3. 모델의 점진적 상세화 원칙;
4. 반복의 원리 - 새로운 요소를 베이스에 도입하고 트리의 다른 가지에서 계속해서 분해할 가능성.

분해 깊이가 제한됩니다. 따라서 요소를 하위 시스템으로 표시하기 위해 추상화 수준을 변경해야 하는 경우 분해를 중지해야 합니다. 분해 중에 모델이 "블랙 박스"의 형태로 기능의 법칙 대신 요소 기능의 내부 알고리즘을 설명하기 시작하는 것으로 밝혀지면 이 경우 추상화 수준이 변경된 것입니다. 이는 시스템을 연구하는 목적의 범위를 넘어서는 것을 의미하며, 따라서 분해가 종료됩니다. 현대 기술에서는 모델을 5-6 수준의 깊이로 분해하는 것이 일반적입니다. 일반적으로 하위 시스템 중 하나는 이러한 깊이로 분해됩니다. 이 수준의 세부 사항이 필요한 기능은 종종 매우 중요하며 자세한 설명은 전체 시스템이 작동하는 방식의 기본에 대한 단서를 제공합니다.

시스템 이론에 따르면 대부분의 시스템은 기본 하위 시스템 표현으로 분해될 수 있습니다. 여기에는 다음이 포함됩니다.

1. 요소의 순차적(캐스케이드) 연결;
2. 요소의 병렬 연결;
3. 피드백을 사용하여 요소 연결.

분해의 문제는 복잡한 시스템에서 하위 시스템의 기능 법칙과 이를 구현하는 알고리즘 사이에 일대일 대응이 없다는 것입니다. 따라서 시스템 분해의 여러 옵션(또는 시스템이 계층 구조의 형태로 표시되는 경우 하나의 옵션)의 형성이 수행됩니다.

가장 일반적으로 사용되는 분해 전략은 다음과 같습니다.

1. 기능적 분해.시스템 기능 분석을 기반으로 합니다. 이것은 작동 방식에 관계없이 시스템이 무엇을 하는지에 대한 질문을 제기합니다. 기능적 하위 시스템으로의 분할은 요소 그룹이 수행하는 기능의 일반성에 기반합니다.
2. 라이프 사이클 분해.하위 시스템 분리의 징후는 생성에서 기능 또는 사용 종료까지 시스템 존재주기의 여러 단계에서 하위 시스템 기능 법칙의 변화입니다. 따라서 생산 수명주기 (ISO 9000에 따름)에서 다음 단계가 구별됩니다.
   • 마케팅;
   • 설계;
   • 준비 및 개발;
   • 생산;
   • 제어 및 테스트;
   • 포장 및 보관;
   • 구현 및 배포;
   • 설치 및 운영;
   • 서비스 기술 지원;
   • 처분.

   조직 및 경제 시스템의 관리 수명주기에서 다음 단계가 구별됩니다.

   • 계획;
   • 개시;
   • 조정;
   • 제어;
   • 규제.

   정보 시스템의 수명주기에서 해당 단계는 정보 처리 단계에 해당합니다.

   • 등록;
   • 수집;
   • 방송;
   • 치료;
   • 표시하다;
   • 저장;
   • 보호;
   • 파괴.
3. 물리적 과정에 의한 분해.하위 시스템 할당의 표시는 하위 시스템의 기능을 위한 알고리즘 구현 단계, 상태 변경 단계입니다. 이 전략은 기존 프로세스를 설명하는 데 유용하지만 서로에 대한 기능에 의해 부과되는 제약을 완전히 고려하지 않은 시스템에 대한 지나치게 일관된 설명을 초래할 수 있습니다. 이 경우 제어 시퀀스가 ​​숨겨질 수 있습니다. 이 전략은 모델의 목적이 물리적 프로세스를 그대로 설명하는 것인 경우에만 적용되어야 합니다.
4. 서브시스템 분해, 또는 구조적 분해. 하위 시스템 분리의 표시는 시스템에 존재하는 관계 유형(연결) 중 하나(정보, 논리, 계층, 에너지 및 기타)에 따라 요소 간의 강력한 연결입니다. 통신의 강도, 예를 들어 정보에 따라 하위 시스템의 정보 상호 연결 계수를 추정할 수 있습니다. k = N/N 0, 어디 N- 서브시스템에서 상호 사용되는 정보 어레이의 수, N 0 - 정보 배열의 총 수. 전체 시스템을 설명하려면 모든 개별 모델을 결합하는 복합 모델을 구축해야 합니다. 시스템의 주요 부분으로의 이러한 분할이 변경되지 않는 경우에만 하위 시스템으로의 분해를 사용하는 것이 좋습니다. 하위 시스템 경계의 불안정성은 개별 모델과 그 조합 모두를 빠르게 평가절하할 것입니다.
5. 조직 시스템에 대한 입력에 의한 분해.하위 시스템 분리의 표시는 시스템에 대한 영향의 원천이며 필수 환경뿐만 아니라 상위 또는 하위 시스템이 될 수 있습니다.
6. 시스템에서 소비하는 리소스 유형별 분해.자원 유형의 공식 목록은 에너지, 물질, 시간 및 정보로 구성됩니다(조직 시스템의 경우 인력 및 재무가 이 목록에 추가됨).
7. 시스템의 최종 제품에 의한 분해.기초는 시스템에서 생산되는 다양한 유형의 제품이 될 수 있습니다.
8. 활동에 의한 분해.시스템은 활동의 주체, 활동이 지시되는 대상, 활동 과정에서 사용되는 수단, 외부 환경 및 이들 사이의 가능한 모든 연결을 식별합니다. 일반적으로 활동별 분해는 여러 가지 이유로 수행되며 선택 순서는 연구 주제와 해결되는 문제의 특정 내용에 따라 결정됩니다.

4.2.2. 시스템 분석

무대에서 시스템 분석, 자세한 프레젠테이션의 구성을 제공하는 다음 방법이 가장 자주 사용됩니다.

1. 인지 분석- 새로운 지식의 발표, 저장, 처리, 해석 및 생산 과정에 대한 특정 주제 영역의 "지식"에 중점을 둡니다. 문제에 대해 가용한 정보의 양과 질이 전통적인 방법을 사용할 수 없는 경우에 사용되며, 전문가의 지식을 추출하고 문제를 이해하는 과정을 연구하고 데이터를 추가로 구조화해야 합니다. . 의사 결정 및 상황 관리에 적용되는 인지 분석의 발전 역사는 인간의 사고 및 심리학의 과정에 대한 연구와 밀접한 관련이 있습니다.
2. 구조 분석- 생성 중인 시스템에 대한 요구 사항을 공식화하기 위해 기존 시스템을 고려할 수 있습니다. 여기에는 요소 기능의 구성 및 규칙성, 하위 시스템의 기능 및 상호 작용을 위한 알고리즘, 제어된 특성과 제어되지 않은 특성 분리, 시스템의 동작이 지정된 상태 공간 및 매개변수 공간 설정, 무결성 분석이 포함됩니다. 시스템 및 생성 중인 시스템에 대한 공식화 요구 사항.
3. 형태학적 분석- 분석된 시스템에서 기본 기능 그룹을 선택할 수 있습니다. 시스템 구조의 요소 또는 요소의 기능은 그러한 기호로 간주 될 수 있습니다. 각 기능에 대해 구현을 위한 다양한 대안이 제안됩니다. 그런 다음 제안된 옵션이 서로 결합됩니다. 얻은 전체 조합 세트에서 허용 가능한 조합을 선택한 다음 일부 품질 기준에 따라 가장 효과적인 옵션을 선택합니다.
4. 효율성 분석- 효율성, 자원 집약도, 효율성 측면에서 시스템을 평가할 수 있습니다. 여기에는 측정 척도의 선택, 성과 지표의 형성, 성과 기준의 정당화 및 형성, 얻은 추정치의 직접 평가 및 분석이 포함됩니다.
5. 요건 형성- 평가 기준 및 제한 선택을 포함하여 생성 중인 시스템에 대한 요구 사항을 공식화할 수 있습니다.

4.2.3. 시스템 합성

무대에서 시스템 합성수행:

1. 필요한 시스템의 모델 개발.이 단계에는 연구에 해당하는 수학적 장치의 선택, 시스템의 실제 모델링, 적절성, 단순성, 정확성과 복잡성 간의 일치, 오류 균형, 구현의 다변량, 모듈성 기준에 따른 모델 평가가 포함됩니다. 건설의. 결과 모델은 구현을 위한 옵션 중 하나를 원하는 옵션에 적용한 결과의 근접성, 각 옵션에 대한 리소스의 비교 비용, 모델의 민감도 정도를 찾기 위해 조사됩니다. 다양한 바람직하지 않은 외부 영향.
2. 시스템의 대체 구조를 합성하여 문제 상황을 해결합니다.이 단계에서 구조 및 형태 분석 결과를 적극적으로 활용하여 대안을 도출합니다.
3. 문제를 제거하는 시스템 매개변수의 합성.이 단계에는 구조의 기능적 요소의 질적 및 양적 특성과 해당 기능에 대한 설명, 시스템에 들어오고 나가는 흐름의 주요 특성(재료, 에너지, 시간 및 정보)과 상호 작용 매개변수가 포함됩니다. 외부 환경과 함께.
4. 합성 시스템의 대체 변형 평가.이 단계는 원칙적으로 전문가의 참여로 수행되며 시스템 모델 구현, 평가 실험 수행, 평가 결과 처리, 결과 분석 및 선택에 대한 옵션 평가 계획의 입증을 포함합니다. 최고의 옵션.

4.3. 시스템 분석 절차

연구 과정에서 시스템 분석을 수행 할 때 문제 상황을 공식화하고 시스템의 일반적인 목표, 개별 하위 시스템의 목표를 결정하고 이러한 목표를 달성하기위한 많은 대안을 제시하는 것을 목표로하는 일련의 절차가 사용됩니다 , 하나 또는 다른 효율성 기준에 따라 비교될 뿐만 아니라 결정을 구현하는 과정에서 나타날 수 있는 실제 상황의 모든 요인과 관계를 반영하는 일반화된 모델을 구축합니다. 문제 상황을 해결하고 시스템의 필수(목표) 상태를 달성하는 가장 수용 가능한 방법이 선택됩니다.

4.3.1. 시스템 분석의 목표 정의

시스템, 특히 인공 시스템의 가장 중요한 특성 중 하나는 활동의 목표 지향적 특성입니다. 시스템 분석에서 목표존재하지 않지만 원하는 시스템 상태의 주관적인 이미지(추상 모델)로 이해됩니다. 목표는 성과 지표, 자원 집약도, 시스템의 운영 효율성 또는 주어진 결과 달성 궤적에 대한 요구 사항에 따라 설정할 수 있습니다. 외부 환경의 특정 상태(예: 비효율)에서 시스템의 기존 상태와 필요한(목표) 상태 사이의 불일치를 호출합니다. 문제 상황.

따라서 시스템 분석에서 목표를 정의하는 출발점은 문제의 공식화와 관련이 있습니다. 동시에 관련 시스템 분석 작업에는 여러 가지 기능이 있습니다. 우선, 시스템 분석의 필요성은 고객이 이미 자신의 문제를 공식화했을 때 발생합니다. 즉, 문제가 존재할 뿐만 아니라 솔루션이 필요합니다. 그러나 고객의 문제는 일반적으로 대략적인 작동 버전입니다. 문제의 원래 공식이 첫 번째 근사값으로 간주되어야 하는 이유는 다음과 같습니다. 시스템 분석의 목적이 공식화되는 시스템은 고립되지 않습니다. 다른 시스템과 연결되거나 특정 상위 시스템의 일부로 포함되는 등입니다. 따라서 고려 중인 시스템에 대한 문제를 공식화할 때 이 문제의 솔루션이 이 시스템이 연결된 시스템에 어떤 영향을 미칠지 고려해야 하며 계획된 변경은 필연적으로 이를 구성하는 두 하위 시스템 모두에 영향을 미칩니다. 시스템 및 이 시스템을 포함하는 수퍼 시스템. 따라서 시스템 분석의 실제 문제는 단일 문제가 아니라 상호 관련된 문제 중 하나의 대상으로 간주됩니다.

목표는 초기 문제를 구조화하는 작업이 완료되고 시스템 분석 과정에서 극복해야 할 문제 상황이 공식화 된 후에 결정됩니다. 시스템 분석의 목적을 결정하려면 문제를 해결하기 위해 수행해야 하는 작업에 대한 질문에 답해야 합니다. 따라서 목표를 공식화한다는 것은 기존 문제를 해결하기 위해 나아가야 할 방향을 제시하고 기존 문제 상황에서 벗어나는 경로를 식별하는 것을 의미합니다. 이 경우 연구의 목적은 시스템과 관련하여 외적 요인으로 가정되어 독립적인 연구 대상이 된다.

대상의 간단한 분류는 다음과 같이 요약될 수 있습니다.

목표:
• 유한 / 무한;
• 질적/양적;
• 개발/기능;
• 단순/복잡;
• 개인/조직
• 등…

궁극적인 목표는 주어진 시간과 공간에서 얻을 수 있는 잘 정의된 결과를 특징으로 합니다. 이 경우 목표는 시스템 상태 파라미터의 원하는 값(또는 원하는 값의 범위)의 형태로 설정할 수 있습니다. 따라서 최종 목표는 상태 공간의 어떤 점(또는 영역)으로 표현될 수 있습니다. 무한 목표는 일반적으로 활동의 일반적인 방향을 결정합니다. 무한 목표는 예를 들어 상태 매개변수를 최대화하거나 최소화하는 함수의 형태로 시스템의 상태 공간에서 벡터로 지정할 수 있습니다. 이 목표 또는 그 목표 클래스의 선택은 해결하려는 문제의 특성에 따라 다릅니다. 분명히 목표를 정의할 때 시스템의 일반적인 이익에서 진행해야 합니다. 이 경우 목표의 공식화는 질적 형태와 양적 형태 모두로 표현될 수 있다.

목표 상태와 관련하여 시스템은 기능 및 개발의 두 가지 모드에 있을 수 있습니다. 첫 번째 경우 시스템이 외부 환경의 요구를 완전히 충족시키고 상태에서 상태로의 전환 과정과 개별 요소가 설정된 목표의 불변성과 함께 발생하는 것으로 간주됩니다. 두 번째 경우는 시스템이 어느 시점에서 외부 환경의 요구를 충족하지 못하는 것으로 간주되어 이전 목표 설정의 조정이 필요합니다.

거의 모든 시스템이 다중 제품(다목적) 시스템의 클래스에 속한다는 점을 고려하면 시스템의 단순(특정) 목표와 복잡한(복잡) 목표도 고려해야 합니다.

대부분의 경우 타겟팅은 건설 방법을 사용하여 수행됩니다. 목표 나무... 이 방법의 아이디어는 W. Churchman(Charles West Churchman, 1913-2004)이 미국 산업의 의사 결정 과정에 대한 연구의 틀에서 처음 제안했습니다. 목표 트리를 구축하여 해결하는 주요 작업은 솔루션에 대한 특정 작업 및 절차를 정의할 수 있는 구현을 위해 복잡하고 글로벌한 목표를 비교적 간단한 하위 목표의 유한 집합으로 변환하는 것입니다. "목표 트리"라는 용어는 일반적으로 일부 공통 목표를 하위 목표로 나누고 이를 다시 더 자세한 구성 요소(새로운 하위 목표, 기능 등)로 나누어 얻은 엄격한 순서의 계층 구조와 관련하여 사용됩니다. 동시에 목표 트리를 구성하는 방법은 "약한"계층 구조의 사용을 의미하며, 구조에서 하위 수준의 동일한 상단이 동시에 상위 수준의 두 개 이상의 봉우리에 종속될 수 있습니다.

목표 트리를 구축하는 기본 원칙은 상위 계층 수준의 모든 목표를 하위 수준의 하위 목표 집합으로 변환하는 것입니다. 따라서 모든 목표는 엄격한 논리적 순서로 정렬됩니다. 하위 목표를 분리하는 프로세스는 모든 하위 목표가 구현 수단의 이름과 일치할 때까지 계속됩니다. 구성된 목표 트리는 일반적으로 그래픽 다이어그램으로 표시되거나 Dewey 1 코드를 사용하여 표시됩니다. 예:

1. 글로벌 목표:
   • 1.1. 글로벌 목표의 하위 목표:
     • 1.1.1. 목표의 하위 목표 1.1.
     • 1.1.2. 목표의 하위 목표 1.1.
   • 1.2. 글로벌 목표의 하위 목표:
     • 1.2.1. 골의 하위 골 1.2.
     • 1.2.2. 골의 하위 골 1.2.
   • 등…

목표 트리 방법의 확장 버전은 다음과 같습니다. 패턴 방식 2, 산업 및 연구 개발 분야의 전략적 의사 결정 프로세스의 효율성을 향상시키기 위해 미국에서 개발되었습니다. PATTERN 방법은 계획에서 가장 어려운 위치-전략적 목표, 구현 계획과 물질적 및 기술적 지원 메커니즘 간의 격차, 즉, 새로운 요구의 성장 사이의 모순을 분석한 결과 발생했습니다. 그리고 그들의 만족에 대한 잠재적인 기술적 능력과 경제적 기회의 느린 증가.... PATTERN은 목표 구조 요소의 우선 순위, 형성 방법 및 평가 순서가 결정되는 시스템 분석의 첫 번째 방법이되었습니다.

PATTERN 방법의 기본 요소에는 다음 절차가 포함됩니다.

• 공식화된 연구 목표를 기반으로 목표 트리가 구축됩니다(목표의 수는 제한되지 않지만 동시에 세부적이고 상호 연결되어야 함).
• 목표 트리의 각 수준에 대해 여러 관련 기준이 도입됩니다.
• 전문가 평가의 도움으로 기준의 가중치와 중요도 계수가 결정되어 기준 제공에 대한 목표 기여의 중요성을 특성화합니다.
• 특정 목표의 중요성은 연결 계수에 의해 결정됩니다. 연결 계수는 해당하는 중요 계수에 의한 모든 기준의 곱의 합입니다.
• 특정 목표의 일반 결합 계수(최고 수준 목표 달성과 관련하여)는 트리 상단 방향으로 해당 결합 계수를 곱하여 결정됩니다.
• 목표 평가 결과 처리 (통계 방법 사용)가 수행되고 최종 결과가 의사 결정자에게 확인 및 표시됩니다.

모든 경우에 일련의 목표를 선택할 때 다음을 포함한 여러 평가를 제공해야 합니다.

• 실현 가능성에 대한 목표 확인, 목표 달성 방법에 대한 장애물 및 제한 사항 식별: 경제적, 기술적, 사회적, 법적 및 기타
• 계층의 하위 수준 목표와 상위 수준 목표 간의 연결 평가;
• 각 수준에서 목표의 일관성(비일관성의 성격과 정도의 일반적인 경우) 평가;
• 목표 공식의 의미론적 정확성과 목표와 관련된 모든 이해 관계자 및 개인의 인식 평가.

일반적으로 목표의 정의와 공식화는 복잡하고 복잡한 과정이므로 시스템 분석의 실천에서 목표 설정은 전체 작업의 복잡성을 결정하는 시스템을 만드는 가장 중요한 단계 중 하나입니다.

4.3.2. 시스템 분석에서 여러 대안 생성

시스템 분석의 다음 단계는 명시된 목표를 달성할 수 있는 다양한 방법을 만드는 것입니다. 즉, 이 단계에서 시스템 개발을 위한 최상의 경로 선택이 수행될 많은 대안을 생성해야 합니다. 시스템 분석의 이 단계는 매우 중요하고 어렵습니다. 그 중요성은 시스템 분석의 궁극적인 목표가 주어진 집합에서 최상의 대안을 선택하고 이 선택을 정당화하는 것이라는 사실에 있습니다. 가장 좋은 것이 형성된 대안 세트에 포함되지 않으면 가장 완벽한 분석 방법 중 어느 것도 계산에 도움이 되지 않습니다. 이 단계의 어려움은 언뜻 보기에 가장 실현 불가능한 대안을 포함하여 충분히 완전한 대안 세트를 생성해야 하기 때문입니다.

대안을 만드는 것, 즉 목표를 달성할 수 있는 방법에 대한 아이디어를 만드는 것은 무엇보다도 창의적인 과정입니다. 고려 중인 절차를 수행하기 위한 가능한 접근 방식에 대한 일반적인 권장 사항이 많이 있으며 이에 따라 가능한 한 많은 대안을 생성해야 합니다. 대부분의 경우 권장 사항은 대안을 생성하기 위해 다음과 같은 방법을 언급합니다.

• 집단적 아이디어 생성 방법을 사용하여 대안을 찾습니다.
• 다양한 교육과 경험을 가진 유인된 전문가의 의견을 활용합니다.
• 조합으로 인한 대안 수의 증가, 이전에 제안된 대안 간의 중간 옵션 형성;
• 기존 대안의 수정, 즉 알려진 대안과 부분적으로 만 다른 대안의 형성;
• "제로" 대안을 포함하여 제안된 것과 반대되는 대안 포함(아무것도 하지 않음, 즉 사건 진행을 방해하지 않고 사건 발전의 결과 고려)
• 이해 관계자 인터뷰 및 기타 광범위한 설문지;
• 언뜻 보기에 억지스러워 보이는 대안까지도 고려합니다.
• 다양한 시간 간격(장기, 단기, 비상)을 위해 설계된 대안의 생성.

많은 대안의 형성에 관한 작업을 수행할 때 첫 단계가능한 한 많이, 즉 가능한 한 완전한 대안 세트를 만들려고 노력하면 일부 문제의 경우 그 수가 수십에 달할 수 있습니다. 그들 각각에 대한 자세한 연구는 수용할 수 없을 정도로 많은 시간과 돈을 투자해야 합니다. 따라서 이 경우 대안에 대한 예비 분석을 수행하고 분석 초기 단계에서 집합을 좁히는 노력이 필요합니다. 이 분석 단계에서는 보다 정확한 정량적 방법에 의존하지 않고 정성적 방법을 사용하여 대안을 비교합니다. 따라서 대안의 대략적인 선별이 수행됩니다.

4.3.2.1. 집단적 아이디어 생성 기법:

개념 집단적 아이디어 생성 1950년대 초반부터 직관적인 사고를 바탕으로 새로운 아이디어를 발견하고 집단 간의 합의를 이끌어내는 사고력 개발 방법으로 널리 보급되었습니다. 이 유형의 방법은 " 영감"," 브레인스토밍 "," 아이디어 회의 "," 아이디어의 집단 생성. "

일반적으로 집단적 아이디어 생성 세션을 수행할 때 특정 원칙을 따르려고 하며 그 핵심은 다음과 같은 기본 규칙으로 요약됩니다.

• 아이디어의 집단적 생성과 새로운 아이디어의 표현에 참여하는 사람들의 가능한 최대의 사고의 자유를 보장합니다.
• 처음에는 의심스럽거나 터무니없더라도 아이디어를 환영합니다(아이디어에 대한 토론 및 평가는 나중에 수행됨).
• 어떤 아이디어에 대한 비판도 허용하지 않고, 그것이 거짓이라고 선언하지도 않고 토론을 중단하지도 않습니다.
• 가능한 한 많은 아이디어, 특히 중요하지 않은 아이디어를 표현하려고 노력하십시오.
• 상당한 수의 대안이 있는 경우 예비 "거친" 분류를 수행하는 것이 좋습니다(예: 쉽게 구현됨, 가장 유망하고 효과적인 기타).

채택된 규칙과 구현의 심각성에 따라 직접적인 "브레인스토밍", 의견 교환 방법 및 아이디어 및 의사 결정 옵션에 대한 기타 유형의 집단 토론이 있습니다. 최근에는 특정 아이디어 시스템을 형성하는 데 도움이되는 규칙이 널리 보급되어 예를 들어 이전에 표현 된 것과 관련이 있고 개발 및 일반화를 나타내는 가장 가치있는 것을 고려하도록 제안 된 프레임 워크 내에서 제안되었습니다. 참가자는 미리 작성한 제안 목록을 읽을 수 없습니다. 동시에 토론 중인 문제에 대한 참가자를 사전 타겟팅하기 위해 사전에 또는 세션 시작 전에 집합적 아이디어 생성 세션을 구성할 때 참가자에게 토론 중인 문제에 대한 몇 가지 예비 정보가 제공됩니다. 서면 또는 구두. 다양한 종류의 회의는 집단적 아이디어 생성 회의와 유사한 것으로 간주될 수 있습니다. 생성자, 문제에 대한 과학 위원회 회의, 특별히 생성된 임시 위원회 회의 및 기타 유능한 전문가의 내용 중심 회의.

일반화에 대한 통일된 접근 없이는 아이디어에 대한 비교 분석이 불가능하므로 이 방법에 대한 권장 사항은 다음 수준을 일반화하는 것이 좋습니다.

• 목표 및 목표 대안의 공식화;
• 목표 달성의 일반화된 (기능적) 원칙;
• 기능 구현을 위한 구조적 원칙;
• 특정 물리적 원리를 구현하는 기술 장치에 대한 설명.

아이디어 선택은 전문 분석가 그룹이 수행하지만 분석 프로세스에서는 규칙이 적용됩니다. 모든 아이디어는 동일합니다. 실제로 특정 문제에 대한 전문가를 한 곳에 모으는 것이 어렵 기 때문에 의무적으로 참석하지 않고도 유능한 전문가를 유치하는 것이 좋습니다. 총회최소한 예비 옵션의 형성에서 시스템 분석의 첫 번째 단계에서 아이디어의 집단 생성 및 견해의 구두 표현.

4.3.2.2. 스크립팅 방법:

문제 또는 분석된 대상에 대한 형식화된 표현을 준비하고 동의하는 방법을 서면으로 설명합니다. 스크립팅 방법... 처음에 이 방법은 사건의 논리적 순서 또는 문제에 대한 가능한 해결책을 시간 순서대로 포함하는 텍스트를 준비하는 것과 관련되었습니다. 그러나 시간 좌표에 대한 요구 사항은 나중에 제거되었으며 제시되는 형식에 관계없이 고려 중인 문제에 대한 분석이나 솔루션에 대한 제안이 포함된 모든 문서를 시나리오라고 부르기 시작했습니다. 일반적으로 실제로 이러한 문서 준비에 대한 제안은 전문가가 먼저 개별적으로 작성한 다음 합의된 텍스트가 형성됩니다.

시나리오는 시스템의 공식 프레젠테이션에서 일반적으로 고려되지 않는 세부 사항을 놓치지 않는 데 도움이 되는 의미 있는 추론을 제공할 뿐만 아니라(이것이 원래 시나리오의 주요 역할이었습니다) 정량적 기술 및 경제적 결과를 포함합니다. 또는 기초적으로 얻을 수 있는 예비 결론이 있는 통계적 분석. 시나리오를 준비하는 전문가 그룹은 조직에서 필요한 인증서, 전문가 조언을 얻을 권리가 있습니다. 시나리오의 개념은 적용 영역과 프레젠테이션 형식 및 개발 방법의 방향으로 확장되고 있습니다. 양적 매개 변수가 시나리오에 도입되고 상호 관계가 설정될 뿐만 아니라 기계 컴퓨팅을 사용하여 시나리오를 구성하는 방법도 다음과 같이 확장됩니다. 제안했다.

스크립트를 사용하면 공식 모델에서 즉시 표시할 수 없는 상황에서 문제(시스템)에 대한 예비 아이디어를 생성할 수 있습니다. 그러나 스크립트는 여전히 모든 결과(동의어, 동음이의어, 역설)를 수반하는 텍스트이므로 모호하게 해석할 수 있습니다. 따라서 미래 시스템이나 해결하려는 문제에 대한 보다 형식화된 관점을 개발하기 위한 기초로 간주되어야 합니다.

현재까지 시나리오 개발 분야에서는 어느 정도의 경험이 축적되어 있습니다. 예를 들어, 가능한 미래가 놓일 수 있는 일종의 제한적인 경우인 "상위" 및 "하위" 시나리오를 개발하는 것이 좋습니다. 이 기술을 사용하면 미래 예측과 관련된 불확실성을 부분적으로 보상하거나 명시적으로 표현할 수 있습니다. 시나리오에 가상의 능동적으로 반대되는 요소를 포함하여 "최악의 경우"를 시뮬레이션하는 것이 때때로 유용합니다. 또한 초기 단계의 작은 편차에 너무 "민감한" 시나리오를 상세하게(신뢰할 수 없고 비현실적) 개발하지 않는 것이 좋습니다.

4.3.2.3. 전문가 방법:

복잡한 시스템의 연구에서는 형식적인 수학적 방법으로만 해결할 수 없는 문제가 발생합니다. 이 경우 그들은 전문가의 서비스, 즉 고려중인 주제 분야에 대한 충분한 경험이 있고 직관을 개발한 사람에 의존합니다. 주요 아이디어 전문가 방법다양한 대안 중에서 선택하는 문제를 포함하여 약하게 형식화된 문제를 해결하기 위해 사람들의 지능을 사용하는 것입니다. 이 프로세스는 전문가 작업 구성과 전문가 의견 처리라는 두 가지 중요한 부분으로 구성됩니다.

전문가 그룹의 작업을 결정하는 초기 요소는 작업 목적의 특성, 어떤 결과가 질적으로 필요한지, 즉 의사 결정자에게 제공된 정보 또는 결정 자체의 초안을 식별하는 것입니다. 첫 번째 경우, 그룹은 합의된 초안 결정을 개발하지 않고 결정에 대한 특정 옵션에 대해 "찬성" 및 "반대" 주장, 가능한 한 많은 관련 정보를 수집해야 합니다. 또한 일반적이고 가장 독창적이며 예상치 못한 평가와 의견을 드러내는 방식으로 작업을 구성 할 수 있습니다. 두 번째 경우, 전문가 그룹은 의사 결정자에게 어떤 결정의 초안을 제안하고 정당화해야 합니다. 이 경우 서로 다른 의견을 조정하기 위해서는 전문가 집단의 의견을 처리하는 특별한 방법을 적용할 필요가 있습니다.

전문가 작업 구성에는 다음과 같은 주요 단계가 포함됩니다.

• 전문가 조사의 목적에 대한 의사 결정자의 공식화;
• 작업 (이니셔티브) 그룹의 생성;
• 정보 수집 시나리오 개발, 전문가 그룹 작업 기술 및 의견 처리 방법 선택
• 질문의 목적에 따른 전문가의 선택;
• 전문가 정보 수집;
• 전문가 정보 분석;
• 얻은 결과의 해석 및 의사 결정자를 위한 의견 준비.

전문가 설문 조사의 목적에 대한 의사 결정자의 공식화는 전문가의 작업을 조직하기 위한 시작 이벤트이며 그 결과는 전문가에게 기대되는 결과에 대한 명확한 정의입니다. 작업(이니셔티브) 그룹은 전문가의 작업에서 중요한 역할을 수행하여 작업을 안내, 구성 및 지원합니다.

시나리오, 기술 및 방법을 개발할 때 다음 사항을 고려해야 합니다.

• 전문가는 선택의 성격에 심리적 제한을 부과하기 때문에 검사 ​​결과 사용에 대한 책임에서 벗어나야합니다.
• 대인 관계 및 전문가의 개인적 관심 요소를 가능한 한 많이 고려할 필요가 있습니다.

가장 어려운 문제 중 하나는 전문가의 선택입니다. 물론 전문가로서 적절한 결정을 내리는 데 도움이 될 지식과 역량을 갖춘 사람들을 사용해야 하지만 오늘날에는 시험의 성공을 보장하는 전문가를 선택할 수 있는 방법이 없습니다. 공식적인 지표(직위, 학력 및 직위, 근속 기간, 출판물 수 등)의 사용과 함께 전문가의 역량에 대한 상호 평가 및 자체 평가 방법의 사용은 고품질 시험, 이전 시험 참여의 성공이 항상 새롭고 독특한 프로젝트에 대한 전문가 작업의 효과를 보장하는 것은 아닙니다. 궁극적으로 전문가 선정은 이니셔티브 그룹의 기능이며 어떤 선정 방법도 전문가의 역량과 할당된 작업을 해결하는 기본 능력에 대한 책임을 덜어주지 않습니다.

그룹 시험에서 다음과 같은 상황이 가장 일반적입니다.

• 전문가들은 일련의 기준에 대해 서로 다른 의견을 가지고 있습니다.
• 전문가들은 기준의 비교 중요성에 대해 서로 다른 의견을 가지고 있습니다.
• 전문가들은 기준에 따라 대안에 대해 서로 다른 평가를 내립니다.

전문가 의견을 처리하는 방법은 전문가 판단이 "불일치"인 상황에서 많은 대안을 구성하는 것을 가능하게 한다고 말할 수 있습니다. 기존 투표 방식과의 중요한 차이점은 이른바 '조작 방지' 방식의 특수한 경우를 제외하고 전문가 평가를 폐기하지 않고 처리한다는 점이다.

기준 세트를 구성할 때 각 전문가에게 자신의 기준 세트를 제공하도록 요청한 다음 모든 세트를 하나로 결합할 수 있습니다. 기준 수에 대한 엄격한 제한이 지정되면 드롭 없이는 할 수 없습니다. 가장 쉬운 방법은 기준을 언급 빈도별로 정렬하고 주어진 제한을 충족하지 않는 기준을 버리는 것입니다.

기준의 비교 중요성을 평가하기 위해 절충 순위가 사용됩니다. 각 전문가는 중요도에 따라 자신의 기준 순위를 제공합니다. 개별 순위를 기반으로 일반화된 순위를 구축해야 합니다. 이것은 다양한 방법으로 수행할 수 있습니다. 가장 정확한(그러나 가장 시간이 많이 소요되는) 방법이 고려됩니다. 케메니 중앙값삼. 중앙값을 찾으려면 우선 순위 간의 거리를 결정하는 방법을 지정하거나 수학 용어를 사용하여 "랭킹 공간에서 메트릭 결정"을 지정해야 합니다. 그 후, 주어진 모든 전문가 순위까지의 총 거리가 최소가 되는 그러한 순위를 찾는(구축) 필요가 있습니다. 원하는 순위는 Kemeny의 중앙값이 됩니다. 따라서 전문가 답변의 조정은 다음 단계로 구성됩니다.

• 케메니 중앙값 계산;
• Kemeny 중앙값으로부터 Kemeny 거리가 최대인 관계를 결정하는 단계;
• 불일치로 이어지는 답변의 결정 및 전문가에 대한 프레젠테이션 이 경우, 전이적 클로저에 의해 수신된 응답은 고려되지 않습니다.
• 전문가의 답변을 종합하여 불일치 수준을 결정합니다. 불일치가 더 높으면 수용 가능한 수준, 전문가 동의 절차를 반복해야 하며, 그렇지 않으면 표준 모드에서 전문가 폴링을 계속합니다.

일반적으로 Kemeny의 중앙값을 사용하는 것은 전문가가 동의할 근거가 있고 응답이 여러 순위에 고르지 않게 분포되어 있을 때 의미가 있습니다.

더 간단한 것은 행 합계 방법, 비교 행렬의 구성을 가정합니다. 이 경우 행과 열의 이름은 대안의 이름에 해당합니다. 행과 열의 교차점에 다음 규칙에 따라 숫자가 배치됩니다. 예를 들면 다음과 같습니다.

• 행 이름이 있는 대안이 열 이름이 있는 대안보다 더 나은 경우 1을 입력합니다.
• 행 이름이 있는 대안이 열 이름이 있는 대안보다 나쁜 경우 0으로 설정합니다.
• 행 이름 대안이 열 이름 대안과 같은 경우 1/2를 넣습니다.

주 대각선은 비워둘 수 있습니다. 입력 후 행의 합계가 계산됩니다. 그 후 대안의 순위는 다음과 같은 방식으로 구성됩니다. 행 합계가 최대인 대안에는 순위 1이 할당되고 다음으로 높은 합계를 가진 대안에는 순위 2가 할당되는 식입니다.

이러한 방법을 사용하면 모든 개별 순위가 고려되기 때문에 단일 의견을 버리지 않고 전문가의 일반화된 의견이 표시된다는 점에 유의해야 합니다.

위와 함께 널리 델파이 방식, 동료 검토의 전통적인 방법과 달리 집단 토론을 완전히 거부합니다. 이것은 가장 권위있는 전문가의 의견을 고수하고 다수와 다른 사람들의 의견에 따라 공개적으로 표현 된 의견을 포기하지 않으려는 것과 같은 심리적 요인의 영향을 줄이기 위해 수행됩니다. 델파이 방식에서는 직접 토론을 설문 형식으로 수행되는 순차적 개별 인터뷰 프로그램으로 대체합니다. 답변이 요약되고 새로운 추가 정보와 함께 전문가가 사용할 수 있게 된 후 초기 답변을 수정합니다. 이 절차는 표현된 의견 집합의 수용 가능한 수렴이 달성될 때까지 여러 번 반복됩니다. 실험 결과 5차례의 설문조사 결과 전문가들의 평가가 수용 가능한 수렴을 보였다. 델파이 방법은 원래 독일과 미국의 수학자이자 논리학자이자 미래학자인 O. Helmer(Olaf Helmer; 1910-2011)가 심리적 요인의 영향을 줄이고 결과의 객관성을 높이는 데 도움이 되는 반복적인 브레인스토밍 절차로 제안했습니다. 그러나 거의 동시에 델파이 절차는 대상 나무를 평가하고 피드백을 사용하여 시나리오를 개발할 때 정량적 평가를 사용하여 전문가 설문 조사의 객관성을 높이고 전문가가 이전 설문 조사 결과를 숙지하고 이를 수행하는 주요 수단이 되었습니다. 전문가 의견의 중요성을 평가할 때 결과를 고려합니다.

델파이 방식의 절차는 다음과 같습니다.

• 일련의 브레인스토밍 주기가 구성됩니다.
• 설문지의 도움으로 순차적 개별 인터뷰 프로그램이 개발 중이며 전문가 간의 접촉은 제외되지만 라운드 사이에 서로의 의견을 알 수 있습니다. 라운드에서 라운드로 설문지를 지정할 수 있습니다.
• 가장 개발 된 방법에서 전문가는 이전 설문 조사를 기반으로 계산 된 의견의 중요성에 대한 가중치 계수를 할당하고 라운드에서 라운드로 정제하고 일반화 된 평가 결과를 얻을 때 고려합니다.

1940년대 후반에 RAND Corporation 분석 센터에서 수행한 미 국방부의 여러 과제를 해결하기 위해 Delphi 방법을 처음으로 실제 적용한 것은 광범위한 범주로 확장할 수 있는 효율성과 타당성을 보여주었습니다. 미래 사건의 평가와 관련된 문제. 동시에, 이 방법은 많은 연속적인 평가의 반복과 관련된 시험에 많은 시간이 소요되고, 전문가가 자신의 답변을 반복적으로 검토해야 하는 필요성과 관련하여 가장 자주 언급되는 단점이 나타났습니다. 그에게 부정적인 반응을 일으켜 검사 결과에 영향을 미칩니다. ...

1960년대에는 델파이 방법의 실용화 분야가 크게 확대되었지만, 그 고유한 한계로 인해 전문가의 판단을 사용하는 다른 방법, 특히 탐구그리고 시어.

QUEST 4는 R&D 자원 할당 결정의 효율성을 개선하기 위해 개발되었습니다. 이 방법은 모든 범위의 문제 해결에 대한 다양한 산업 및 과학적 방향의 가능한 기여(전문가 평가 방법에 의해 결정됨)를 고려하여 자원 할당이라는 아이디어를 기반으로 합니다.

SEER 5 방법은 두 번의 평가만을 제공합니다. 각 라운드에는 다양한 전문가 구성이 포함됩니다. 1차 전문가는 업계 전문가, 2차 전문가는 의사결정권자이자 과학기술 전문가입니다. 각 라운드의 전문가는 자신의 답변이 대부분의 평가가 위치한 특정 간격(예: 모든 평가의 90%가 위치).

4.3.2.4. 형태학적 분석 방법:

주요 아이디어 형태학적 분석 방법선택된 요소 또는 그 기능을 결합하여 문제를 해결하거나 시스템을 구현하기 위해 생각할 수 있는 모든 옵션을 체계적으로 찾는 것입니다. 체계화된 형태에서 형태학적 접근은 스위스 천문학자 F. Zwicky(Fritz Zwicky; 1898-1974)에 의해 개발되고 처음 적용되었으며 오랫동안 다음과 같이 알려졌습니다. Zwicky 방법.

형태학적 방법 중 가장 널리 사용되는 방법은 형태학적 상자 방법, 또는 지금은 형태적 매트릭스 방법... 그 아이디어는 문제에 대한 솔루션이 의존할 수 있는 모든 생각할 수 있는 매개변수를 결정하고, 테이블의 행렬 열 형태로 표현한 다음, 형태학적 행렬에서 각 열에서 하나씩 가능한 매개변수의 모든 조합을 결정하는 것입니다. . 이러한 방식으로 얻은 옵션을 다시 평가하고 분석하여 최상의 옵션을 선택할 수 있습니다. 형태학적 행렬은 2차원일 뿐만 아니라

형태소 테이블의 방법에 의한 구성 및 연구는 5단계로 수행됩니다.

1. 문제의 정확한 공식이 제기되었습니다.
2. 하이라이트 표시기 나는문제에 대한 솔루션이 의존하는 것입니다. F. Zwicky에 따르면 문제의 정확한 공식이 있는 경우 지표 선택이 자동으로 발생합니다.
3. 지표 비교 파이그 가치 피와 케이및 이러한 값을 형태학적 행렬로 변환하는 단계를 포함합니다. 다양한 지표에 대한 값 집합(각 행에서 하나의 값)은 이 문제에 대한 가능한 솔루션을 나타냅니다(예: 옵션( 11쪽, 23쪽, … 피케이엔)). 이러한 세트를 솔루션 옵션 또는 간단히 옵션이라고 합니다. 형태학 테이블에 포함된 변이체의 총 수는 다음과 같습니다. N = 케이 1, 케이 2 … 엔, 어디 케이 (NS = 1 , 2 , … N) - 값의 수 NS-번째 지표.
4. 형태학적 표에서 사용 가능한 모든 옵션의 평가.
5. 형태학적 표에서 문제에 대한 가장 바람직한 솔루션 선택.

형태학적 분석은 기술적 예측의 분석 및 개발에 광범위하게 적용되는 반면, 조직 시스템의 경우 다차원성이 발생하여 구성 가능성을 근본적으로 복잡하게 만듭니다. 따라서 조직 시스템을 모델링하기 위한 형태학적 접근이라는 아이디어를 사용하여 시스템에서 가능한 상황, 가능한 솔루션을 생성하고 종종 하위 수준을 형성하는 보조 수단으로 사용되는 모델링 언어가 개발되고 있습니다. 목표의 구조를 모델링하고 조직 구조를 모델링하는 계층 구조. 이러한 언어의 예로는 시스템 구조 언어(기능 언어 및 구조 유형, 명목상 구조 언어), 언어 상황 관리, 구조 및 언어 모델링 언어.

매트릭스를 구성한 후 결정 옵션의 기능적 가치는 비용 및 조건부 효용의 기준에 따라 결정됩니다. 가능한 모든 옵션을 분석하는 과정에서 특정 조건에 가장 적합한 옵션을 선택합니다. 선택의 수가 합리적이려면 목표와 한계가 가능한 한 정확하게 공식화되어야 합니다.

4.3.3. 시스템 분석의 대안 평가 및 선택

선택 또는 의사 결정은 일련의 대안에 대한 조치로, 그 결과 미리 선택된 대안의 하위 집합이 먼저 얻어지고 최종 단계- 하나의 대안, 목표 달성의 품질을 평가하기 위해 허용된 기준에 따른 최선. 선택된 대안은 승인된 결정 또는 결정에 대한 정당한 후보입니다.

모든 상황에 대한 일반적이고 단일한 적합한 선택 알고리즘은 없으며 분명히 있을 수 없습니다. 이 작업은 항상 구체적입니다.

일반적인 경우 선택이 모호할 수 있으며 이는 다음 상황에 따라 결정됩니다.

• 대안에 대한 모호한 설명;
• 많은 기준의 존재;
• 솔루션 결과에 대한 불명확한 설명;
• 솔루션의 예측 결과의 모호성;
• 솔루션 조정의 어려움, 모순 극복;
• 솔루션 제공의 어려움.

객관적인 조건과 작업 조직에 따라 다음을 선택할 수 있습니다.

• 1회 또는 반복(적응)
• 개인 또는 다자 (이 경우 연합, 협력, 갈등 상황이 가능).

다음 조건에서 선택할 수 있습니다.

• 확실성(이 경우 최적의 솔루션을 찾는 경우, 대안을 주문하는 경우, 임의의 선택이 가능함);
• 불확실성(이 경우 다양한 정보 상황이 가능합니다: 확률적 정보, 모호한 정보, 완전한 불확실성).

어떤 선택에 대해서도 다음 사항이 적용됩니다.

• 선택할 수 있는 몇 가지 옵션이 있다고 가정하고 실제 사례선택할 수 있는 옵션의 다양성은 제한적입니다.
• 전체 옵션 세트에서 하나를 선택해야 하지만 이를 위해서는 옵션의 선호도를 평가하기 위한 기준이 있어야 합니다.

대안의 평가 및 선택은 다양한 목적으로 수행될 수 있습니다. 첫째, 최적화를 위해 - 즉, 가능한 여러 옵션 중에서 최상의 옵션을 선택합니다. 둘째, 식별을 위해, 즉 주어진 조건에서 실제 물체와 가장 일치하는 품질을 가진 시스템을 결정합니다. 셋째, 시스템 관리에 대한 결정을 내리기 위해. 시스템 평가가 필요한 특정 목표 및 목표의 목록은 상당히 광범위할 수 있습니다. 이러한 모든 문제에서 공통적인 것은 "평가"와 "평가"의 개념이 별도로 고려되고 평가가 여러 단계로 수행된다는 사실에 기반한 접근 방식입니다. 평가는 그 과정에서 얻은 결과로 이해되며, 이를 평가라고 정의합니다. 정성적 평가는 올바른 평가 프로세스를 통해서만 얻을 수 있습니다.

다양한 대안 중에서 선택하는 세 가지 주요 방법이 있습니다.

1. 기준 방법;
2. 이진 관계에 기반한 방법;
3. 선택한 기능에 기반한 방법.

4.3.3.1. 평가 척도:

평가는 연구 중인 시스템의 질적 또는 양적 특성 값을 해당 척도의 값과 비교하는 과정을 기반으로 합니다. 특성에 대한 연구는 가능한 모든 스케일이 이러한 스케일에서 허용되는 작업 목록에 의해 결정된 여러 유형 중 하나에 속한다는 결론을 이끌어 냈습니다.

가장 약한 품질 척도는 명목 규모, 또는 분류 척도어떤 개체에 의해 엑스 나또는 구별할 수 없는 그룹이 표시됩니다. 이 척도의 주요 속성은 동일한 척도에서 경험적 시스템의 요소 사이의 평등 관계가 변하지 않고 보존된다는 것입니다. 명목 유형의 척도는 척도 값의 허용 가능한 일대일 변환 세트로 지정됩니다. "명목"이라는 이름은 그러한 기능이 객체에 관련 없는 이름만 부여한다는 사실로 설명됩니다. 다른 객체에 대한 이러한 값은 같거나 다릅니다. 값 사이의 더 미세한 관계는 고정되어 있지 않습니다. 명목 유형의 척도는 이러한 요소 집합에 대한 평등 관계의 이행 검증을 기반으로 하는 객체 간의 구별만 허용합니다.

공칭 유형의 저울은 척도 값이 객체의 이름으로 만 사용되는 가장 간단한 유형의 측정에 해당하므로 공칭 유형의 저울은 종종 또한 이름 지정 척도... 공칭 유형의 저울에서 측정의 예는 자동차, 전화, 도시 코드, 사람 및 기타 물체의 수입니다. 이러한 측정의 유일한 목적은 다른 클래스의 개체 간의 차이점을 식별하는 것입니다. 각 클래스가 하나의 객체로 구성된 경우 명명 척도를 사용하여 객체를 구별합니다.

저울의 또 다른 일반적인 유형은 유형입니다. 순위 저울, 또는 주문의 저울... 집합이 있는 경우 척도를 순위라고 합니다. Φ 단조 증가하는 모든 허용 스케일 값 변환으로 구성됩니다. 이러한 변환을 단조 증가라고합니다. φ (NS), 다음 조건을 만족하는 경우: NS 1 > NS 2, 그럼 φ (NS 1) > φ (NS 2) 모든 척도 값에 대해 NS 1 > NS도메인에서 2 φ (NS).

서수형 척도는 명목형으로 대상을 구분할 수 있을 뿐만 아니라 측정된 속성에 따라 대상을 정렬하는 데에도 사용됩니다. 차수 척도의 측정은 예를 들어 다음과 같은 상황에서 적용될 수 있습니다.

• 시간이나 공간에 물건을 배열해야합니다. 이것은 그들이 그들의 특성의 표현 정도를 비교하는 것이 아니라 이러한 대상의 상호 공간적 또는 시간적 배열에만 관심이있는 상황입니다.
• 어떤 품질에 따라 물체를 배열해야하지만 동시에 정확한 측정을 할 필요는 없습니다.
• 일부 품질은 원칙적으로 측정할 수 있지만 현재 실용적 또는 이론적 이유로 측정할 수 없습니다.

질서 척도의 예는 1811년 독일 과학자 F. Mohs(Carl Friedrich Christian Mohs, 1773-1839)가 제안한 광물의 경도 척도이며 여전히 지질학 연구에 널리 퍼져 있습니다. 질서의 척도의 다른 예로는 풍속, 지진 강도, 무역 시스템의 상품 등급, 다양한 사회학적 척도 등이 있습니다.

저울의 가장 중요한 유형 중 하나는 유형입니다. 간격 척도... 이 유형의 척도에는 다음 형식의 허용 가능한 양의 선형 변환 집합까지 고유한 척도가 포함됩니다. φ (NS) = 엑스 + NS, 어디 NS ∈ 와이 와이; NS> 0 ; NS- 모든 값.

이러한 척도의 주요 속성은 등가 척도의 간격 비율이 변경되지 않고 유지된다는 것입니다. 이것이 이 유형의 저울의 이름이 유래한 곳입니다. 온도 눈금은 간격 눈금의 예입니다. 한 척도에서 동등한 척도로의 전환은 척도 값의 선형 변환으로 지정됩니다. 간격 척도 측정의 또 다른 예는 "사건 날짜"기호입니다. 특정 척도로 시간을 측정하려면 척도와 원점을 고정해야 하기 때문입니다. 따라서 그레고리력과 이슬람력은 간격 척도의 사양에 대한 두 가지 예입니다. 따라서 간격 척도의 선형 변환을 사용하여 등가 척도로 전달할 때 기준점(파라미터 NS) 및 측정 규모(매개변수 NS). 명목 및 서수뿐 아니라 간격 척도는 측정 대상의 구별과 순서를 유지합니다. 그러나 이것과는 별도로 객체 쌍 사이의 거리 비율도 유지합니다.

저울의 또 다른 일반적인 유형은 유형입니다. 관계 척도, 또는 유사성의 척도... 관계의 척도는 다음과 같은 경우 척도입니다. Φ 유사성 변환으로 구성 φ (NS) = 오, NS> 0 , 어디 NS ∈ 와이정의 영역의 스케일 값 와이; NS- 실수. 관계의 척도에서 대상의 수치적 평가 비율은 변하지 않습니다.

비율 척도 측정의 예로는 물체의 질량 및 선형 치수 측정이 있습니다. 질량을 설정하는 데 다양한 수치 추정치가 사용되는 것으로 알려져 있습니다. 따라서 킬로그램으로 측정하면 파운드로 측정할 때 하나의 숫자 값을 얻습니다. 그러나 질량이 측정되는 단위 시스템이 무엇이든 모든 물체의 질량 비율은 동일하며 한 수치 시스템에서 다른 등가 시스템으로 이동할 때 변경되지 않습니다. 물체의 거리와 길이의 측정은 동일한 속성을 가지고 있습니다. 위의 예에서 알 수 있듯이 관계의 척도는 객체의 속성 관계, 즉 한 객체의 속성이 다른 객체의 동일한 속성보다 몇 배나 우수한지를 반영합니다.

비율 척도는 매개변수의 0 값을 고정하여 간격 척도의 하위 집합을 형성합니다. NS : NS = 0 ... 이러한 고정은 모든 비율 척도에 대한 척도 값의 원점을 영점으로 설정하는 것을 의미합니다. 한 규모의 관계에서 이에 상응하는 다른 규모로의 전환은 유사성 변환 (스트레칭), 즉 측정 규모를 변경하여 수행됩니다. 간격 척도의 특별한 경우인 비율 척도는 영점 기준점을 선택할 때 물체의 속성 관계뿐만 아니라 물체 쌍 사이의 거리 비율도 보존합니다.

차이 척도번역 변환까지 고유한 스케일로 정의됩니다. φ (NS) = NS + NS, 어디 엑스와 와이- 정의 영역의 스케일 값 와이; NS- 실수. 즉, 한 숫자 체계에서 다른 숫자 체계로 이동할 때 카운트 시작 부분만 변경됩니다. 차이 척도는 한 대상이 다른 대상보다 특정 속성에서 얼마나 우월한지를 측정해야 하는 경우에 사용됩니다. 차이 척도에서 속성의 수치적 추정치의 차이는 변경되지 않은 상태로 유지됩니다.

차이 척도의 측정 예는 전년도에 비해 금년도 기업 생산량(절대 단위)의 증가, 기관 수의 증가, 연간 구매 장비 수 등의 측정입니다. 에. 차이 척도에서 측정의 또 다른 예는 연대기(연도)입니다. 한 연대기에서 다른 연대기로의 전환은 기준점을 변경하여 수행됩니다.

비율 척도와 마찬가지로 차이 척도는 매개변수를 고정하여 얻은 간격 척도의 특수한 경우입니다. NS : (NS = 1 ), 즉 측정 규모의 단위를 선택합니다. 간격 척도와 마찬가지로 차이 척도는 개체 쌍의 추정치 사이의 간격 비율을 유지하지만 관계 척도와 달리 개체 속성 추정치의 비율을 유지하지 않습니다.

절대 스케일유일하게 허용되는 변환이 있는 척도로 정의됩니다. Φ 동일한 변환입니다 φ (NS) = {이자형), 어디 이자형(NS) = NS... 이것은 경험적 객체를 숫자 체계에 매핑하는 것이 하나만 있음을 의미합니다. 따라서 척도의 이름은 측정의 고유성이 문자 그대로 절대적인 의미로 이해되기 때문입니다.

절대 척도는 예를 들어 객체, 이벤트, 결정 등의 수를 측정하는 데 사용됩니다. 개체 수를 측정할 때 눈금 값으로, 정수, 객체가 전체 단위로 표시되는 경우, 그리고 객체의 일부가 전체 단위에 추가로 존재하는 경우 실수. 절대 척도는 위에서 고려한 모든 유형의 척도의 특수한 경우이므로 숫자 사이의 모든 비율을 유지합니다. 즉, 차이, 차수, 간격 비율, 값의 비율 및 차이 등 개체의 측정된 속성 추정값을 유지합니다.

표시된 것 외에도 다음과 같은 중간 유형의 스케일이 널리 사용됩니다. 파워 스케일그리고 그 다양성 - 로그 스케일.

일반적으로 측정이 이루어지는 척도가 "강해질수록" 연구 대상, 현상, 과정에 대한 더 많은 정보가 측정을 통해 제공됩니다. 따라서 각 연구원이 가능한 가장 강력한 규모로 측정을 시도하는 것은 당연합니다. 그러나 측정 척도의 선택은 관찰된 값이 종속되는 객관적인 관계에 따라 이루어져야 하며 이러한 관계와 가장 일치하는 척도로 측정하는 것이 가장 좋다는 점을 유념하는 것이 중요합니다. 합의된 것보다 약한 척도에서 측정을 수행하는 것이 가능하지만(이는 유용한 정보의 일부를 잃게 됨) 더 강한 척도를 사용하는 것은 위험합니다. 그들의 처리가 지향하는 것입니다. 측정을 수행한 후에도 유사한 상황이 발생합니다. 연구원은 관찰 프로토콜을 변환하여 한 척도에서 다른 척도로 옮기도록 촉구하는 이유가 있을 수 있습니다. 동시에 데이터가 더 약한 규모로 전송되면 일반적으로 연구원은 결과적으로 결론의 품질이 약간 저하된다는 것을 인식합니다. 그러나 때때로 연구자들은 저울을 강화합니다. 일반적인 경우는 품질 척도의 "디지털화"입니다. 명목 또는 순위 척도의 클래스에는 숫자가 할당되며 숫자와 마찬가지로 추가로 "작업"됩니다. 이 처리가 허용 가능한 변환의 한계를 넘지 않으면 "디지털화"는 보다 편리한(예: 기계 계산의 경우) 형식으로의 단순한 재코딩을 의미합니다. 그러나 다른 작업을 사용하면 이러한 방식으로 적용되는 속성이 실제로 발생하지 않기 때문에 오해와 오류가 발생할 수 있습니다.

4.3.3.2. 기준 방법:

가장 대중적인 평가 방법은 기준 방법- 개별적으로 취한 각각의 대안을 특정 수치(기준, 목적함수 등)로 평가하여 대안의 비교를 해당 수치의 비교로 축소하는 경우. 즉, 전체 대안 세트에 대해 NS = {x 1, x 2, x 3 … x n) 목적 함수 도입 - 지 = NS(NS) ⇒ 최대 또는 최소 대안의 값은 스칼라, 벡터, 다중 및 기타 수량을 통해 다양한 방식으로 표현될 수 있다는 점에 유의해야 합니다.

대안을 실질적으로 고려할 때 대부분의 경우 평가에 둘 이상의 기준, 즉 다수가 필요하다는 것이 밝혀졌습니다. 지 = 에프 나(NS), 어디 NS = 1 , N... 대부분의 경우 전체 기준에서 선호되는 대안을 찾기가 불가능하며, 이 경우 특별한 다중 기준 선택 방법을 사용해야 합니다. 이러한 솔루션의 예는 다중 기준 문제를 단일 기준, 즉 상위 기준의 도입으로 축소하는 것입니다.

Z 0 = Z 0(에프 나 (NS)), 어디 NS = 1 , N.

각 기준의 기여도를 결정하기 위해 일반적으로 덧셈 및 곱셈 함수가 사용됩니다.

어디에 나는- 이질적인 기준의 정규화를 보장하는 값; 피- 가중치(그것은 반드시 ∈이어야 함), 상위 기준에 대한 특정 기준의 기여도를 나타냅니다.

추가 기준의 장점은 단순성과 가용성을 포함합니다. 이 경우 하나 또는 여러 지표 값의 절대 감소의 총 수준이 다른 지표 값의 절대 증가의 총 수준을 초과하지 않는 이러한 타협은 공정한 것으로 간주되어야 합니다. 덧셈 초기준의 주요 단점은 시스템의 품질을 결정하는 특정 기준의 객관적인 역할을 따르지 않아 문제에 편리한 형식을 제공하는 공식 수학적 장치로 작용한다는 것입니다. 또한 일부 기준의 낮은 점수는 다른 기준의 높은 점수로 상쇄될 수 있습니다. 이것은 기준 중 하나가 0으로 감소하는 것을 다른 기준의 증가로 커버할 수 있음을 의미합니다.

승법 슈퍼 기준의 적격성은 공정한 상대 보상의 원칙에 기반합니다. 하나 또는 여러 기준의 값의 상대적 감소의 전체 수준이 상대의 전체 수준을 초과하지 않는 경우 공정한 타협을 고려해야 합니다. 다른 기준의 값 증가. 곱셈 함수의 경우 덧셈 함수와 비교하여 실제로 규칙은 "적어도 하나의 기준에 대한 낮은 점수는 상위 기준의 낮은 값을 수반합니다"입니다.

특정 기준의 덧셈 컨볼루션과 곱셈 컨볼루션 사이의 선택은 각각 특정 기준 값의 절대적 또는 상대적 변화의 중요성 정도에 따라 결정됩니다.

초 기준을 구성하는 전문가 방법과 함께 근본적으로 다른 소위 "객관적" 방법이 있습니다. 사용에 대한 가중치 요소는 전문가의 개입 없이 결정됩니다. 이러한 방법은 전문가나 응답자의 의견에 의존하지 않으며 이러한 의미에서 주관적이지 않습니다. 그 중 하나가 주성분 분석입니다. 이 방법에 따르면 적분 지수의 초기 지표의 가중치는 이러한 지표의 분산과 이들 사이의 상관 관계에 따라 달라집니다. 적분 지수의 형성에 대한 또 다른 접근 방식은 도구 변수가 있는 회귀 모델의 사용을 기반으로 합니다. 이 경우 회귀식의 계수를 가중치로 사용합니다.

시스템을 평가할 때 두 가지 큰 기준 그룹이 구별됩니다. 품질 기준그리고 성과 기준시스템.

품질 기준의도된 사용에 대한 적합성(적합성)을 결정하는 속성 또는 시스템의 필수 속성 집합을 나타냅니다. 대부분 시스템의 구조(구성 부품의 구성 및 속성, 구조, 조직 등)와 관련이 있습니다.

제어 시스템의 품질을 평가할 때 고려 중인 속성의 복잡성이 증가하는 순서대로 순위가 매겨진 여러 수준의 품질을 도입하는 것이 편리한 것으로 간주됩니다.

1. 모든 시스템의 기본 품질은 지속 가능성... 간단한 시스템의 경우 안정성은 강도, 외부 영향에 대한 저항, 균형, 안정성, 항상성(외부 영향에 의해 시스템에서 제거되었을 때 평형 상태로 돌아가는 시스템의 능력)과 같은 속성을 결합합니다. 복잡한 시스템은 신뢰성, 활력 등과 같은 다양한 형태의 구조적 안정성이 특징입니다. 그들은 시스템의 일부가 오작동하거나 손상된 경우 지표 값을 유지하는 시스템의 능력을 결정합니다. 시스템의 안정성 품질은 오작동, 손상 또는 파괴의 경우 시스템의 나머지 지표가 허용 한계를 초과하지 않는 요소(또는 연결)의 상대적인 수로 특징지을 수 있습니다.
2. 지속 가능성보다 더 어려운 것은 노이즈 내성, 왜곡 없이 정보 흐름을 감지하고 전송하는 시스템의 능력으로 이해됩니다. 노이즈 내성은 주로 제어 시스템에 고유한 여러 속성을 결합합니다. 이러한 속성에는 정보 시스템 및 통신 시스템의 신뢰성, 대역폭, 정보를 효율적으로 인코딩/디코딩하는 능력 등이 포함됩니다.
3. 시스템 품질 척도의 다음 수준은 제어 가능성- 시스템이 제한된(주어진) 시간 동안 제어 조치의 영향으로 필요한 상태로 전환하는 능력. 제어 가능성은 우선 직접 및 피드백의 존재에 의해 제공되며 제어의 유연성, 효율성, 정확성, 생산성, 관성, 연결성, 제어 개체의 관찰 가능성과 같은 시스템의 속성을 통합합니다. 복잡한 시스템의 품질 수준에서 제어 가능성에는 제어 조치의 형성에 대한 결정을 내리는 능력이 포함됩니다.
4. 품질 척도의 다음 단계는 능률... 이것은 주어진 기간에 사용 가능한 리소스를 기반으로 필요한 결과를 달성하는 능력을 결정하는 시스템의 품질입니다. 이 품질은 생산성, 전력, 자원 집약도 및 효율성과 같은 속성이 특징입니다. 따라서 효율성은 시스템 기능의 잠재적 효율성, 리소스를 이상적인 방법으로 사용하고 외부 환경 영향이 없는 상태에서 필요한 결과를 얻을 수 있는 능력입니다.
5. 시스템의 가장 까다로운 품질은 자기 조직... 자기 조직화 시스템은 효율성을 높이기 위해 구조, 매개 변수, 기능 알고리즘 및 행동을 변경할 수 있습니다. 이 수준의 근본적으로 중요한 속성은 결정의 자유, 적응력, 자가 학습, 상황 인식 능력입니다. 결정 선택의 자유 원칙은 일반적인 상황에 따라 의사 결정의 모든 단계에서 기준을 변경할 가능성을 제공합니다.

품질 수준을 도입하면 연구를 나열된 수준 중 하나로 제한할 수 있습니다. 단순한 시스템의 경우 안정성 연구로 제한되는 경우가 많습니다. 품질 수준은 시스템의 복잡성, 연구의 목적, 정보의 가용성, 시스템 사용 조건에 따라 연구자가 선택합니다.

시스템 성능 기준운영 목표 달성(시스템 작업 수행)에 대한 적응성을 특징으로 하는 시스템 기능 프로세스의 복잡한 운영 속성에 해당합니다. 예를 들어 작업 결과 및 결과 수신을 보장하는 "알고리즘"의 품질 측면에서 효율성, 자원 집약도 및 효율성의 기준이 될 수 있습니다.

1. 유효성시스템이 작동하기 위해 수신된 타겟 효과에 따라 작동이 결정됩니다.
2. 자원 집약도목표 효과를 얻기 위해 사용되는 모든 유형의 자원으로 특징지어집니다.
3. 신속성작업의 목표를 달성하는 데 필요한 시간의 소비에 의해 결정됩니다.

작업 결과의 평가는 작업이 특정 목표, 즉 작업의 결과를 달성하기 위해 수행된다는 점을 고려합니다. 작업의 결과는 작업이 완료될 때 발생하는 상황(시스템의 상태 및 외부 환경)으로 이해됩니다.

작동하는 알고리즘에 대한 평가는 효율성을 평가하는 데 있어 가장 앞서가는 것입니다. 이 진술은 실제에 의해 확인된 이론적 가정을 기반으로 합니다. 시스템 기능을 위한 좋은 "알고리즘"이 있으면 필요한 결과를 얻는 데 대한 확신이 높아집니다. 원칙적으로는 좋은 알고리즘 없이도 원하는 결과를 얻을 수 있지만 그럴 가능성은 낮습니다. 이 조항은 운영 결과가 실시간으로 사용되는 조직 및 기술 시스템 및 시스템에 특히 중요합니다.

효율성, 자원 집약도 및 효율성을 종합하면 복잡한 속성이 생깁니다. 프로세스 효율성, 목표를 달성하기 위한 체력의 정도. 운영에만 내재된 이 속성은 시스템이 작동하는 동안 나타나며 시스템 자체의 속성과 외부 환경 모두에 따라 달라집니다.

4.3.3.3. 이진 관계에 기반한 선택 방법:

이진 관계에 기반한 선택 방법실제로는 하나의 대안을 평가하는 것이 어려울 수 있지만 별도로 고려하지 않고 다른 대안과 함께 고려하면 그 중 어느 것이 더 바람직하다고 말할 수 있는 이유가 있다는 사실에 근거합니다. 따라서 이 방법의 주요 조항은 다음과 같습니다.

• 별도의 대안이 평가되지 않습니다. 즉, 기준 기능이 도입되지 않습니다.
• 각 쌍의 대안에 대해 NS그리고 와이어떤 식으로든 그들 중 하나가 다른 것보다 더 선호되거나 동등하다는 것이 확립될 수 있습니다.
• 모든 대안 쌍 내의 선호 관계는 대안 집합의 다른 요소에 의존하지 않습니다.

수학적 이항 관계 NS세트에 NS순서쌍의 일부 하위 집합으로 정의됩니다( NS, 와이). 표기법이 사용된다 x R y, 만약 NS관계에있다 NS~와 함께 와이, 그리고 x R y- 반대의 경우. 관계를 설정한다는 것은 어떤 방식으로든 모든 쌍을 나타내는 것을 의미합니다( NS, 와이)에 대한 관계 NS전체 이진 관계의 하위 집합입니다. 즉, NS ⊆ NS * NS.

4가지가 있다 다른 방법들관계 할당 (계획 번호 3), 각각의 선호도는 세트의 특성에 의해 결정됩니다 NS.

계획 번호 3. 이진 관계에 기반한 선택을 설명하는 방법.

관계를 정의하는 첫 번째 방법은 가장 분명하며 쌍의 직접적인 열거로 구성됩니다.

관계를 정의하는 두 번째 방법을 사용할 때 모든 요소에 번호가 지정되고 관계는 행렬의 요소에 의해 결정됩니다. 아이즈 = {1 : x i R x j; 0 : x i R x j), 여기서 값 NS, 제이다를 1 ~ 전에 N- 집합의 요소 수 NS... 실제로 관계는 이 관계의 속성을 특성화하는 모든 스칼라로 표현할 수 있습니다.

관계를 정의하는 세 번째 방법은 기본 설정 그래프를 작성하는 것입니다. 이 그래프의 정점은 집합의 번호가 지정된 요소입니다. NS, 만약 x i R x j그럼 위에서부터 엑스 나위로 향하는 호를 그립니다. x j; 언제 x i R x j호가 그려지지 않습니다.

무한한 대안 집합에 대한 관계를 정의하기 위해 관계를 정의하는 네 번째 방법인 관계 정의가 사용됩니다. NS섹션.

많이 NS + (NS) = {와이 ∈ NS | (와이, NS) ∈ NS)는 상단 섹션이라고합니다 - 이것은 모두의 집합입니다 와이 ∈ NS관계에 있는 사람 y R x, 주어진 요소로 NS ∈ NS... 많이 NS - (NS) = {와이 ∈ NS | (NS, 와이) ∈ NS)는 하위 섹션이라고합니다. 이것은 모든 것의 집합입니다. 와이 ∈ NS주어진 요소와 함께 NS관계에있다 NS... 비율은 섹션 중 하나에 의해 고유하게 결정됩니다. 대안의 선호는 등가, 질서 및 지배의 엄격하게 정의된 관계를 통해 지정됩니다.

4.3.3.4. 선택 기능에 따른 선택 방법:

선택 기능에 따른 선택 방법실제로 두 대안 사이의 선호도가 다른 대안에 의존하는 경우가 많다는 사실에서 비롯되었습니다. 또한 선호의 개념이 전혀 이해되지 않을 때 이러한 선택 상황이 가능합니다. 예를 들어, 복수의 대안에 대하여 "전형적인", "보통의", "가장 다른, 독창적인" 등의 선택 규칙이 적용되는 경우.

이 방법은 선택을 임의의 대안 집합에 대한 작업으로 설명합니다. NS, 이 집합을 선호하는 일부 하위 집합과 일치시킵니다. 씨(NS): 씨(NS) ∈ NS.

집합의 집합을 집합의 집합으로 매핑하는 선택 기능은 한 집합에서 다른 집합으로 요소별 매핑이 없고 집합을 숫자 축에 매핑하지 않고 아직 완전히 연구되지 않은 일종의 수학적 대상입니다.

의 시스템에 주목해야 한다. 제한- 의사 결정 작업에서 고려해야 할 외부 및 내부 요인의 영향을 반영하는 조건. 문제를 고려할 때 일관성 요구 사항은 조직적, 경제적, 법적, 기술적, 환경적, 심리적 등 가능한 모든 제한 사항을 고려해야 합니다. 동시에 질적 제한은 원칙적으로 "허용되지 않음", "허용되지 않음"및 양적 제한 - "더 이상", "적지 않음", "~까지"범위에서 공식화됩니다. 일반적으로 제약 조건은 이전에 공식화된 목표를 보완(구체화)하며 경우에 따라 목표를 실현 불가능하게 만들 수 있습니다. 이 경우 일련의 반복적인 절차를 통해 일부 제한 사항을 제거하거나 목표를 재구성해야 합니다.

4.3.3.5. 쌍대 비교를 기반으로 한 선택 방법:

쌍별 비교 선택 방법기준 및 이진 관계에 따라 선택 요소를 결합합니다.

쌍 비교 방법의 주요 단계는 다음과 같습니다.

• 목표를 평가하고 그에 상응하는 기준을 정의합니다.
• 기준의 특정 가중치를 측정하고 결정합니다.
• 각 기준에 대한 대안의 쌍별 비교 수행;
• 대안을 평가하고 각 대안의 상대적인 총 가치를 결정하기 위한 최종 매트릭스를 작성하는 단계;
• 상대적 가치가 가장 높은 대안을 선택합니다.

라인섬 방식으로 순위를 매긴 후 모든 골 에이정규화된 가중치 얻기 지 나, 또한 각각에 대해 NS- 목적 기준을 정의해야 합니다. 지이(계획 번호 4), 여기서 NS- 대상의 일련 번호( NS = 1 , N), NS 제이- 기준 번호 NS-두 번째 목표( 제이 = 1 , 나는).

하나의 목표에 대해 둘 이상의 기준이 결정된 경우 정규화된 가중치를 얻기 위해 선 합 방법으로 순위를 매겨야 합니다. 씨 ij, 그런 다음 기준의 총 가중치를 계산합니다. q ij공식에 따르면:

q ij = 지 나 * 시지,

어디에 NS = 1 , N- 표적의 수; 제이 = 1 , 나는- 기준의 수 NS세 번째 목표.

다음 단계에서는 대체 프로젝트의 쌍별 비교가 수행됩니다. 아이각 기준에 대해 지이얻은 결과를 기반으로 행렬이 구성됩니다 ( P kn), 어디:

특정 기준에 대한 비교 결과를 구성하는 각 열의 상대적 선호도.

대안 평가를 위한 최종 매트릭스 계산은 아래 표에 나와 있습니다. 상대적 선호도 행렬의 요소에 기준의 총 가중치를 곱한 결과 각 행에 대해 얻은 결과를 합산하여 최종 추정치를 얻습니다. 파이, 점수가 높을수록 프로젝트가 좋습니다.

대안에 대한 최종 평가 매트릭스:

기준	Z 11	Z 12	…	Z nm	최종 점수
대체 프로젝트, 아이	총 기준 가중치
	큐 11	큐 12	…	q nm
1	P 11 * Q 11	P 12 * Q 12	…	P 1k * q nm	여 1
…	…	…	…	…	…
NS	P n1 * q 11	P n2 * q 12	…	P nk * q nm	F n

4.4. 시스템 분석의 모델링

시스템 분석의 중심 절차는 모델링- 일반화된 시스템 구축을 포함한 실제 시스템을 연구하는 과정 모델(또는 모델) 모든 기본 속성, 특성, 현상 및 프로세스는 물론 실제 시스템의 관계를 표시합니다. 이 절차에는 연구 중인 시스템을 공식화하고, 시스템 모델을 구축하고, 속성을 연구하고, 얻은 정보를 시뮬레이션된 시스템으로 전송하는 작업이 포함됩니다. 결과 모델은 원하는 행동에 대한 대안 행동 옵션 중 하나 또는 다른 것을 적용한 결과의 근접성, 각 옵션에 대한 자원의 비교 비용, 모델의 민감도 정도를 찾기 위해 조사됩니다. 다양한 바람직하지 않은 외부 영향. 공통 기능시뮬레이션은 실제 시스템의 동작을 설명, 설명 및 예측합니다. 모델링의 일반적인 목표는 최적 또는 최적 솔루션에 가까운 검색, 솔루션의 효율성 평가, 시스템 속성 결정, 시스템 특성 간의 관계 설정, 시간 경과에 따른 정보 전송 등이 될 수 있습니다. 전체 시스템 분석의 결과는 모델의 품질에 따라 다릅니다. 모델의 품질은 수행된 설명이 연구 요구 사항을 준수하고 모델을 사용하여 얻은 결과가 관찰된 프로세스 또는 현상의 과정을 준수하는지에 따라 결정됩니다.

4.4.1. 시스템 분석에서 모델 및 모델링의 개념

넓은 의미에서 모델링은 실제 요구에 필요한 정확도로 연구 대상의 가장 중요한 측면을 적절하게 표시하는 프로세스로 이해됩니다. 일반적인 경우 모델링은 복잡한 시스템 연구에 대한 공식화 된 접근 방식을 기반으로하는 특별한 형태의 중재라고도 할 수 있습니다. 모델링의 이론적 기초는 유사성 이론입니다. 유사성은 두 객체 간의 일대일 대응으로, 한 객체의 매개 변수에서 다른 객체의 매개 변수로의 전환 기능이 알려져 있으며 이러한 객체에 대한 수학적 설명이 동일한 것으로 변환될 수 있습니다. 유사성 이론은 유사성의 존재를 확립하거나 유사성을 획득하는 방법을 개발할 수 있게 합니다. 따라서 모델링은 연구 대상에 대한 정보를 얻기 위해 적절한(유사한) 모델로 연구 대상을 표현하고 모델로 실험을 수행하는 과정입니다.

시스템 분석에서 "모델"이라는 용어는 매우 다양한 해석을 가지고 있습니다. 가장 일반적인 공식에서 다음과 같은 모델 정의가 일반적으로 준수됩니다. 연구 목표. 모델의 가장 중요한 품질은 프로토타입의 모든 속성을 반영하지 않고 연구에 필수적인 속성만 반영하는 단순화된 이미지를 제공한다는 것입니다. 따라서 모델은 어떤 면에서 원본을 대체하는 물리적 또는 정보적 개체입니다. 원칙적으로 원본과 완전히 동일한 모델은 없습니다. 모든 모델은 원본의 일부 측면만 반영합니다. 따라서 원본에 대해 더 많은 지식을 얻으려면 일련의 모델을 사용해야 합니다. 프로세스로서의 모델링의 복잡성은 필요한 관계에서 실제 장치 또는 개체를 대체하는 이러한 모델 세트를 적절하게 선택하는 데 있습니다.

복잡한 시스템은 시간이 지남에 따라 수행되는 프로세스(기능), 구조 및 동작이 특징입니다. 복잡한 시스템에서 이러한 측면의 적절한 모델링을 위해 서로 교차하는 기능, 정보 및 행동 모델이 구별됩니다.

1. 시스템의 기능적 모델시스템에서 수행하는 기능 세트를 설명하고 시스템의 형태(구성)를 특성화합니다. 기능 하위 시스템의 구성, 상호 관계;
2. 시스템 정보 모델데이터 구조(구성 및 관계)의 형태로 시스템 요소 간의 관계를 반영합니다.
3. 시스템의 행동 모델정보 프로세스(기능의 역학)를 설명하며 시스템 상태, 이벤트, 한 상태에서 다른 상태로의 전환, 전환 조건, 이벤트 시퀀스와 같은 범주를 포함합니다.

복잡한 시스템 및 해당 요소에 대한 설명의 세부 수준에 따라 세 가지 주요 모델링 수준을 구분할 수 있습니다.

1. 알고리즘 모델(모델링 알고리즘)을 사용하는 복잡한 시스템의 구조적 또는 시뮬레이션 모델링 수준과 전문 모델링 언어, 집합 이론, 알고리즘, 형식 문법, 그래프, 대기열, 통계 모델링을 사용합니다.
2. 복잡한 시스템의 요소 및 노드의 기능 회로에 대한 논리적 모델링 수준, 모델은 직접 연결 방정식 (논리 방정식)의 형태로 표시되고 논리의 2 값 또는 다중 값 대수 장치를 사용하여 작성됩니다.
3. 정량적 모델링(분석) 수준 개략도복잡한 시스템의 요소, 모델은 비선형 대수 또는 적분-미분 방정식 시스템의 형태로 표현되고 기능 분석, 미분 방정식 이론 및 수학적 통계의 방법을 사용하여 조사됩니다.

모델링의 구조적, 논리적 및 양적 수준에서 개체 모델 세트는 개체 설명의 다양한 측면 간의 관계를 드러내고 디자인 프로세스의 모든 단계에서 요소와 속성의 체계적인 연결을 보장하는 계층적 시스템입니다. 상위 추상화 수준으로 이동하면 모델링된 객체의 데이터가 접히고 더 자세한 설명 수준으로 이동하면 데이터가 확장됩니다. 각 주요 모델링 수준에서 구조적, 논리적, 양적 속성과 관계에 대한 세부 수준이 다르기 때문에 완성도와 일반화가 다양한 대상에 대한 설명이 가능합니다. 그러나 주어진 설계 수준에서 물체 또는 그 요소의 특성을 정확하게 반영함과 동시에 연구에 사용할 수 있는 필요한 근사 모델을 구성하는 작업은 상당한 어려움을 나타냅니다.

4.4.2. 시스템 모델

시스템 설명의 가장 단순하고 가장 추상적인 수준은 다음과 같습니다. 블랙박스 모델(계획 번호 6). "블랙박스"를 사용한다는 아이디어는 시스템의 내부 구조(구성)에 대한 정보가 부족하여 생겨났으므로 불투명한 블랙박스로 묘사되며, 이는 두 가지 중요하고 필수적인 속성인 무결성과 환경으로부터의 격리. 이러한 속성은 "블랙박스"로 상징되는 선택된 시스템이 격리, 즉 환경과 격리되어 있지만 완전히 격리된 것은 아니지만 일련의 입출력을 통해 외부 환경과 연결되어 있음을 나타냅니다. 블랙박스 모델의 출력은 시스템의 성능을 설명하고 입력은 자원과 제약을 설명합니다. 이것은 우리가 시스템의 내부 내용에 대해 아무것도 모르고 알 수 없다고 가정합니다.

당연히 블랙박스 모델은 고려하지 않는다. 내부 조직따라서 시스템의 내부 [구성 요소] 구성을 고려하여 모델링을 개발하고 시스템에 대한 설명을 자세히 설명하려면 모델의 복잡성, 즉 생성이 필요합니다. 시스템 구성 모델(계획 번호 7). 이 모델은 시스템의 요소와 시스템 내의 계층 구조를 나눌 수 없는 구성 요소로 간주하여 시스템의 주요 구성 요소(개별 요소 및 하위 시스템)를 설명합니다.

"블랙 박스"모델과 시스템 구성 모델의 단순성과 가용성으로 인해 사용에 대한 많은 실제 문제를 해결할 수 있습니다. 동시에 시스템에 대한 더 깊은 연구를 위해서는 시스템 구성 모델에서 구성 요소와 하위 시스템 간의 관계(연결)를 설정할 필요가 있습니다. 따라서 시스템의 요소를 유지하면서 연결을 변경하면 새로운 속성을 가진 다른 시스템을 얻거나 다른 기능 법칙을 실현할 수 있습니다. 목표를 달성하기 위해 필요하고 충분한 요소 간의 관계 집합을 시스템 구조... 시스템의 구조는 시스템 분석에서 문제 상황을 제거하기 위한 표적 활동의 담지자이며, 이 활동의 ​​최종 결과는 그 효율성에 크게 좌우된다. 목표를 달성하기 위해 요소 간의 필요하고 충분한 관계의 전체를 통한 시스템의 설명은 다음과 같이 정의됩니다. 시스템 구조 모델(계획 번호 8).

시스템의 구조 다이어그램은 종종 수학적 모델을 사용하거나 요소의 지정과 요소 간의 연결로 구성된 그래픽 표현(그래프)을 사용하여 설명됩니다. 그래프는 모든 구조를 나타낼 수 있으며 이러한 모든 구조 체계에는 공통점이 있기 때문에 수학자들은 그래프를 수학 연구의 특별한 대상으로 간주하게 되었습니다. 이를 위해 우리는 구조의 내용 측면에서 추상화하여 고려 중인 모델의 각 체계에 대한 일반 사항만 남겨 두어야 했습니다. 그 결과 의미 있는 그래프 이론, 수많은 실용적인 응용 프로그램을 받았습니다.

일반적으로 모델링 시스템의 일반화된 경험을 기반으로 시스템 구조 및 시스템에서 발생하는 프로세스에 대한 정보 가용성이 다른 모델을 개발하기 위한 여러 기본 접근 방식이 제안되었습니다.

1. 시스템은 예를 들어 시스템을 사용하는 사람들을 관찰하거나 인터뷰함으로써 검토하고 이해할 수 있을 정도로 간단하고 투명합니다. 시스템을 연구한 결과를 기반으로 직접 모델을 구성할 수 있습니다.
2. 시스템의 구조는 분명하지만 설명 방법이 명확하지 않은 경우 연구 중인 시스템의 유사성을 다른 시스템과 사용할 수 있습니다. 여기에는 설명이 알려진 더 간단한 시스템이 포함될 수 있습니다.
3. 시스템의 구조는 알려져 있지 않지만 시스템의 기능에 대한 데이터를 분석하여 결정할 수 있습니다. 사실, 구조에 대한 가설이 얻어질 것이고, 그런 다음 실험적으로 검증되어야 합니다.
4. 시스템 운영에 대한 데이터 분석은 시스템 성능에 대한 개별 변수의 영향을 결정하는 것을 허용하지 않으며, 관련 요인과 시스템 운영에 미치는 영향을 식별하기 위해 실험을 수행해야 합니다. 이것은 시스템에서 해당 실험을 수행할 가능성을 가정합니다.
5. 시스템에 대한 충분한 설명 데이터가 없으며 시스템에 대한 실험을 수행하는 것이 허용되지 않습니다. 이 경우 인공 현실에 대한 충분히 상세한 모델을 구축할 수 있으며, 이는 현실 세계에 대한 가설에 대한 통계적 테스트를 통해 시스템의 가능한 기능에 대한 통계를 축적하는 데 사용됩니다.

4.4.3. 시스템 모델 분류

미디어 유형 및 모델의 특성(서명)에 따라 다음 유형의 모델링이 구별됩니다.

• 결정론적 및 확률론적;
• 정적 및 동적, 이산;
• 연속 및 불연속-연속.

결정론적 모델링은 무작위 영향이 없다고 가정하는 프로세스를 표시합니다. 확률적 모델링은 확률적 프로세스와 이벤트를 고려합니다. 정적 모델링은 특정 시점의 물체의 상태를 설명하는 데 사용되며 동적 모델링은 시간에 따라 개체를 연구하는 데 사용됩니다. 동시에 아날로그(연속), 이산 및 혼합 모델과 함께 작동합니다.

캐리어의 구현 형태와 모델의 서명에 따라 다음 유형의 모델링이 구별됩니다.

• 멘탈 모델링;
• 실제 시뮬레이션.

멘탈 모델링주어진 시간 간격으로 모델을 실현할 수 없거나 물리적 생성을 위한 조건이 없을 때 사용됩니다(예: 미시 세계의 상황). 실제 시스템의 정신적 모델링은 시각적, 상징적, 수학적 형태로 구현됩니다. 이러한 유형의 모델링의 기능, 정보 및 이벤트 모델을 나타내기 위해 상당한 수의 도구와 방법이 개발되었습니다.

~에 비주얼 모델링실제 물체에 대한 사람의 아이디어를 기반으로 물체에서 발생하는 현상과 과정을 반영하는 시각적 모델이 생성됩니다. 다이어그램 및 다이어그램은 이러한 모델의 예입니다.

기본 가상 모델링대상에 대한 연구자의 지식 수준을 반영하고 연구 대상의 입력과 출력 사이의 인과 관계를 기반으로 하는 실제 대상에서 프로세스의 규칙성에 대한 가설이 세워집니다. 이 유형의 모델링은 객체에 대한 지식이 정식 모델을 작성하기에 충분하지 않을 때 사용됩니다.

아날로그 시뮬레이션다른 수준에서 유추의 사용을 기반으로 합니다. 상당히 단순한 객체의 경우 가장 높은 수준은 완전한 유추입니다. 시스템이 더 복잡해짐에 따라 아날로그 모델이 개체 기능의 여러 측면(또는 하나만)을 표시할 때 후속 수준의 비유가 사용됩니다. 프로토타이핑은 실제 개체에서 발생하는 프로세스가 물리적 모델링에 적합하지 않거나 다른 유형의 모델링보다 선행할 수 있는 경우에 사용됩니다. 정신 모델의 구성은 일반적으로 현상과 대상의 프로세스 간의 인과 관계에 기반한 유추를 기반으로 합니다.

상징적 모델링실제를 대체하고 일부 기호 및 기호의 특정 시스템의 도움으로 기본 속성을 표현하는 논리적 대상을 생성하는 인위적인 과정입니다. 언어(센티미터. ). 언어 모델링은 다음을 기반으로 합니다. 시소러스, 이는 학습된 주제 영역의 개념 집합으로 구성되며 이 집합은 고정되어야 합니다. 시소러스는 단어 또는 주어진 언어의 다른 요소 사이의 연결을 반영하는 사전으로 이해되며, 의미로 단어를 검색하도록 설계되었습니다. 개별 개념, 즉 기호에 대한 일반적인 지정과 이러한 기호 사이의 특정 작업을 도입하면 기호 모델링을 구현하고 기호를 사용하여 일련의 개념을 표시하여 별도의 단어 및 문장 체인을 구성할 수 있습니다. 집합 이론의 합집합, 교집합 및 덧셈의 연산을 사용하여 별도의 기호로 실제 개체에 대한 설명을 제공하는 것이 가능합니다.

수학 모델링라고 불리는 어떤 수학적 대상의 주어진 실제 대상에 대한 대응을 확립하는 과정입니다. 수학적 모델... 원칙적으로 컴퓨터를 포함한 모든 시스템의 특성을 수학적 방법으로 연구하기 위해서는 이 과정을 공식화해야 합니다. 즉, 수학적 모델을 구축해야 합니다. 모델에 대한 수학적 설명은 대상 자체뿐만 아니라 일부 대수, 즉 대상에 대한 허용 가능한 작업을 결정하는 일련의 규칙을 설명하는 공리 시스템이 공식화되는 순간부터 시작됩니다. 수학적 모델의 유형은 실제 대상의 특성과 대상을 연구하는 작업, 문제 해결에 필요한 신뢰성 및 정확성에 따라 다릅니다. 모든 수학적 모델은 다른 모델과 마찬가지로 어느 정도 근사치를 사용하여 실제 개체를 설명합니다.

다양한 모델을 사용하여 수학적 모델을 나타낼 수 있습니다. 녹음 양식... 주요 기능은 불변, 분석 및 알고리즘입니다.

1. 불변형- 모델 방정식을 푸는 방법에 관계없이 전통적인 수학적 언어를 사용하여 모델 관계를 작성합니다. 이 경우 모델은 시스템의 입력, 출력, 상태 변수 및 전역 방정식의 모음으로 나타낼 수 있습니다.
2. 분석 형태- 모델의 원래 방정식을 푼 결과로 모델을 기록합니다. 일반적으로 분석 형식의 모델은 입력 및 상태 변수의 함수로 출력 매개변수를 명시적으로 표현한 것입니다. 분석적 모델링은 기본적으로 시스템의 기능적 측면만 모델링된다는 사실이 특징입니다. 이 경우 기능의 법칙 (알고리즘)을 설명하는 시스템의 전역 방정식은 일부 분석 관계 (대수학, 적분 미분, 유한 차분 등) 또는 논리적 조건의 형태로 작성됩니다. 해석 모델은 다음과 같은 여러 방법으로 조사됩니다.
   • 분석적, 일반적으로 시스템의 초기 조건, 매개변수 및 상태 변수와 필요한 특성을 연결하는 명시적 종속성을 얻으려고 노력할 때;
   • 수치적, 일반적인 형태의 방정식을 풀 수 없을 때 특정 초기 데이터에 대한 수치적 결과를 얻으려고 노력할 때(이러한 모델을 디지털이라고 함을 상기하십시오);
   • 정성적, 명시적 솔루션 없이도 솔루션의 일부 속성을 찾을 수 있는 경우(예: 솔루션의 안정성 추정).

   현재 복잡한 시스템의 기능 프로세스의 특성을 연구하는 컴퓨터 방법이 널리 보급되어 있습니다. 컴퓨터 수학적 모델을 구현하려면 적절한 모델링 알고리즘을 구축해야 합니다.

3. 알고리즘 형식- 알고리즘의 형태로 모델과 선택된 수치적 해법 사이의 관계를 기록합니다. 알고리즘 모델 중 중요한 클래스는 다양한 외부 영향 하에서 물리적 또는 정보 프로세스를 시뮬레이션하도록 설계된 시뮬레이션 모델로 구성됩니다. 이러한 프로세스의 실제 모방을 모방 모델링이라고 합니다.

~에 시뮬레이션 모델링제 시간에 시스템이 작동하는 알고리즘이 재생됩니다. 시스템의 동작 및 프로세스를 구성하는 기본 현상이 시뮬레이션되며, 초기 데이터를 사용하여 정보를 얻을 수 있는 논리적 구조와 흐름 순서를 유지합니다. 특정 시점의 프로세스 상태에 대해 시스템의 특성을 평가할 수 있습니다. 해석 모델링에 비해 시뮬레이션의 주요 이점은 더 복잡한 문제를 해결할 수 있다는 것입니다. 시뮬레이션 모델을 사용하면 이산 및 연속 요소의 존재, 시스템 요소의 비선형 특성, 수많은 무작위 영향 및 기타 분석 연구에서 종종 어려움을 야기하는 기타 요소를 아주 간단하게 고려할 수 있습니다. 현재 시뮬레이션은 시스템을 연구하는 가장 효과적인 방법이며, 특히 설계 단계에서 시스템의 동작에 대한 정보를 얻는 데 실질적으로 사용할 수 있는 유일한 방법인 경우가 많습니다.

시뮬레이션 모델링에서는 통계적 검정 방법(또는 몬테카를로 방법)과 통계적 모델링 방법을 구분합니다. 몬테카를로 방식- 확률적 특성이 분석 문제의 솔루션과 일치하는 확률 변수 및 기능을 시뮬레이션하는 데 사용되는 수치적 방법. 확률변수와 함수의 구현인 과정의 다중 재생산과 수학적 통계적 방법에 의한 정보처리로 구성된다. 무작위 영향을 받는 시스템의 기능 프로세스 특성을 연구하기 위해 이 기술을 기계 시뮬레이션에 사용하는 경우 이 방법을 통계 모델링을 통해.

시뮬레이션 방법은 시스템 구조, 효율성에 대한 옵션을 평가하는 데 사용됩니다. 다른 알고리즘시스템 제어, 시스템의 다양한 매개 변수 변경의 영향. 시뮬레이션 모델링은 특정 제약 조건에서 주어진 특성을 가진 시스템을 생성해야 할 때 시스템의 구조적, 알고리즘적 및 매개변수적 합성을 위한 기초로 사용할 수 있습니다.

결합(해석 및 시뮬레이션) 모델링을 통해 분석 및 시뮬레이션 모델링의 장점을 결합할 수 있습니다. 결합 모델을 구성할 때 객체의 기능 프로세스를 구성하는 하위 프로세스로 사전 분해하고, 그 중 가능한 경우 분석 모델을 사용하고 나머지 하위 프로세스에 대해서는 시뮬레이션 모델을 구축합니다. . 이 접근 방식을 사용하면 분석 또는 시뮬레이션 모델링을 별도로 사용하여 조사할 수 없는 질적으로 새로운 시스템 클래스를 다룰 수 있습니다.

정보 모델링모델, 실제 프로세스에서 발생하는 물리적 프로세스의 직접적인 유사성이 없는 모델의 연구와 연결됩니다. 이 경우 실제 개체를 여러 입력 및 출력이 있는 "블랙박스"로 간주하여 특정 기능만 표시하고 출력과 입력 간의 일부 연결을 시뮬레이션하는 경향이 있습니다. 따라서 정보 모델은 일부 정보 관리 프로세스의 반영을 기반으로 하므로 실제 개체의 동작을 평가할 수 있습니다. 이 경우 모델을 구축하기 위해서는 연구 중인 실제 객체의 기능을 골라내고, 이 기능을 입력과 출력 사이의 일부 통신 연산자의 형태로 형식화하고, 시뮬레이션 모델에서 이 기능을 재현하는 것이 필요합니다. , 완전히 다른 수학적 언어로, 자연스럽게 프로세스의 다른 물리적 구현.

구조 모델링시스템을 연구하는 수단으로 사용되는 특정 유형의 구조의 일부 특정 기능을 기반으로 하거나 이를 기반으로 시스템의 다른 형식화된 표현 방법(집합 이론, 언어, 사이버네틱 등). 객체 지향 모델링은 구조 모델링의 개발입니다.

시스템 분석의 구조 모델링에는 다음이 포함됩니다.

• 네트워크 모델링 방법;
• 언어와 구조화 방법의 조합;
• 집합 이론 표현과 측정 이론의 명목 척도 개념에 기반한 다양한 유형의 구조(계층적, 행렬, 임의 그래프)의 구성 및 연구의 형식화를 향한 구조적 접근.

이 경우 "모델 구조"라는 용어는 시스템의 기능과 요소 모두에 적용될 수 있습니다. 해당 구조를 기능적 및 형태적이라고 합니다. 객체 지향 모델링은 두 가지 유형의 구조를 요소와 기능을 모두 포함하는 클래스 계층 구조로 결합합니다.

상황 모델링의사 결정 과정을 규제하는 주요 메커니즘을 설명하는 것이 가능한 사고의 모델 이론에 의존합니다. 사고 모델 이론의 중심에는 뇌 구조에서 대상과 외부 세계의 정보 모델 형성에 대한 아이디어가 있습니다. 이 정보는 이미 가지고 있는 지식과 경험을 바탕으로 사람이 인식합니다. 합리적인 인간 행동은 목표 상황을 형성하고 초기 상황을 목표 상황으로 정신적으로 변형함으로써 구축됩니다. 모델 구축의 기초는 주제 영역의 의미를 반영하는 특정 관계로 상호 연결된 요소 집합 형태의 개체에 대한 설명입니다. 개체 모델은 다단계 구조를 가지며 제어 프로세스가 진행되는 정보 컨텍스트를 나타냅니다. 객체의 정보 모델이 풍부하고 조작 가능성이 높을수록 관리 중에 내리는 결정의 품질이 더 좋고 다양합니다.

~에 실제 시뮬레이션실제 물체의 전체 또는 일부에 대한 특성을 연구하는 능력이 사용됩니다. 이러한 연구는 일반 모드에서 작동하는 개체와 연구원에게 관심 있는 특성을 평가하기 위해 특수 모드를 구성할 때 모두 수행됩니다(변수 및 매개변수의 다른 값, 다른 시간 척도 등). 실제 모델링이 가장 적절하지만 그 기능은 상당히 제한적입니다.

실제 모델링의 가장 일반적인 유형 중 하나는 본격적인 모델링- 유사성 이론에 기반한 실험 결과의 후속 처리로 실제 물체에 대한 연구 수행. 본격적인 모델링은 과학 실험, 복합 테스트 및 생산 실험으로 세분화됩니다. 과학 실험은 자동화 도구의 광범위한 사용, 정보 처리의 매우 다양한 수단의 사용, 실험에 대한 인간의 개입 가능성이 특징입니다. 실험의 다양성 중 하나는 복잡한 테스트이며, 그 과정에서 전체 (또는 시스템의 많은 부분) 테스트를 반복한 결과 품질 및 신뢰성 특성에 대한 일반 법칙 이러한 개체가 공개됩니다. 이 경우 모델링은 균질한 현상 그룹에 대한 정보를 처리하고 일반화하여 수행됩니다. 특별히 조직된 테스트와 함께 생산 과정에서 얻은 경험을 일반화하여 본격적인 모델링을 구현하는 것, 즉 생산 실험에 대해 이야기할 수 있습니다. 여기에서는 유사성 이론에 기초하여 생산 과정에 대한 통계 자료를 가공하여 일반화된 특성을 얻습니다. 실험과 프로세스의 실제 과정 사이의 차이를 고려할 필요가 있습니다. 이는 실험에서 개별적인 중요한 상황이 나타날 수 있고 프로세스 안정성의 경계가 결정될 수 있다는 사실에 있습니다. 실험하는 동안 새로운 요소와 혼란스러운 영향이 대상 기능의 과정에 도입됩니다.

실제 시뮬레이션의 또 다른 유형은 물리적 모델링, 현상의 본질을 보존하고 물리적 유사성을 갖는 장치에 대한 연구가 수행된다는 점에서 자연과 다릅니다. 물리적 모델링 과정에서 외부 환경의 일부 특성이 설정되고 외부 환경의 주어진 또는 인위적으로 생성된 영향에 따라 실제 개체 또는 해당 모델의 동작이 조사됩니다. 물리적 모델링은 실제 및 모델(의사-실제) 시간 척도에서 발생하거나 시간을 고려하지 않고 고려할 수 있습니다. 후자의 경우 특정 시점에 고정된 소위 "동결된" 프로세스가 연구 대상입니다.

4.4.4. 시스템 모델 확인

시스템 모델은 생성 순간부터 필요한 결과를 얻을 때까지 지속적으로 확인(테스트)되어야 합니다. 실험을 시작하기 전에 모델 전체를 테스트해야 하며, 이는 모델 개발의 마지막 단계입니다. 이러한 테스트는 다음을 목적으로 수행됩니다.

• 모델이 예상대로 작동하는지 확인하기 위해 첫 번째 근사치에서 모델의 가능성을 "정성적으로" 공개합니다. , 행동과 결과 뿐만 아니라 "극단적인" 상황;
• 정량적 적절성 검증 - 모델 보정을 통해 달성되는 정보 변환의 정확성.

모델 보정은 모델 계수의 정의(정밀화)입니다. 즉, 모델의 외생 변수와 내생 변수를 연결하는 비율의 계수입니다. 모델에서 얻은 결과를 실제 시스템을 테스트할 때 얻은 결과 또는 참조 예제 및 문제를 사용하는 해석 계산 결과와 비교하여 보정을 수행합니다. 전체 시스템의 모델은 모델의 모든 속성을 포함하는 소위 참조 문제에 의해 확인됩니다. 그러나 문제를 구조화하는 것이 좋습니다. 한 가지 예를 사용하여 모델 종속성의 일부만 다루고 계수의 일부를 결정하도록 이러한 예 세트를 구축합니다.

테스트의 작업 중 하나는 모델의 민감도, 즉 모델의 결과가 입력 변수의 변화에 ​​얼마나 민감한지를 테스트하는 것입니다.

일반적으로 모델을 테스트하고 보정하는 것은 통계적 작업입니다. 즉, 문제 분석 작업은 모델에서 얻은 데이터를 기반으로 통계적으로 유의미한 결론을 내리는 것입니다. 테스트에서는 회귀, 상관 및 분산 분석과 같은 통계 방법이 널리 사용됩니다. 연구원이 모델링되는 시스템과 사용된 정보의 특성에 대한 명확한 이해가 없는 경우 통계적 방법이 잘못된 결과를 초래할 수 있다는 점을 고려하는 것이 중요합니다.

모델의 적합성을 보장하기 위해 개발 및 운영 중에 다음 유형의 제어가 제공됩니다.

• 차원 제어: 동일한 차원의 수량만 비교 및 ​​추가할 수 있습니다.
• 주문 통제: 주요 용어와 명확한 용어 강조;
• 변수 간의 종속성 특성 제어: 실제 시스템에서 유사한 종속성 유형과 모델 종속성 유형의 질적 일치 식별;
• 극한 상황의 제어: 이러한 상황에서 모델의 행동은 유사한 상황에서 시스템의 행동과 일치해야 합니다(극한 상황에서 시스템의 행동은 종종 쉽게 평가됨).
• 경계 조건 제어: 경계에서 함수는 특정 값을 취해야 합니다.
• 수학적 종결의 제어: 문제가 모델에 작성된 형식의 솔루션을 가지고 있는지 여부를 찾는 것;
• 모델 안정성 제어;
• 물리적 의미에 대한 변수 값의 대응 제어: 모델 변수의 부호와 값은 시뮬레이션된 물리량의 가능한 값과 모순되어서는 안 됩니다.

복잡한 시스템의 모델을 테스트하는 것은 상당한 비용과 관련이 있기 때문에 테스트 계획은 매우 엄격해야 합니다. 테스트 결과는 궁극적으로 모든 사용 단계에서 필요한 수준의 모델 적합성을 제공해야 합니다. 테스트 케이스와 참조 문제를 합리적으로 선택하면 이 문제는 최소한의 자금과 자원으로 해결됩니다.

4.5. 시스템 분석 결과 구현

시스템 분석은 과학적이고 실용적인 응용 학문이며, 궁극적인 목표는 체계적인 연구의 대상 앞에서 발생한 문제 상황을 해결하는 것, 즉 설정된 목표에 따라 기존 상황을 변경하는 것입니다. 시스템 분석은 문제 상황에 대한 연구, 원인 설명, 제거 옵션 개발, 문제 상황을 해결하는 시스템의 추가 기능에 대한 의사 결정 및 구성을 다룹니다. 시스템 분석의 정확성과 유용성에 대한 최종 판단은 실제 적용 결과를 토대로 할 수 있습니다. 최종 결과는 분석에 사용된 방법이 얼마나 완벽하고 이론적으로 입증되었는지뿐만 아니라 권장 사항이 얼마나 정확하고 효율적으로 구현되었는지에 달려 있습니다.

현재 시스템 분석 결과를 실제로 구현하는 데 더 많은 관심을 기울이고 있습니다. 동시에 시스템 연구의 관행과 그 결과를 구현하는 관행은 시스템 유형에 따라 크게 다릅니다. 그들 각각에는 결과 구현에 대한 작업을 구성 할 때 고려해야 할 고유 한 특성과 문제가 있습니다. 시스템에서 반구조적 문제의 가장 큰 부분 조직 유형... 따라서 이러한 시스템에서 가장 어려운 작업은 시스템 연구 결과를 구현하는 것입니다.

시스템 분석 결과를 구현할 때 다음과 같은 상황을 염두에 두어야 합니다. 시스템 분석가의 작업은 시스템 분석의 결과로 결정되는 방식으로 시스템을 변경할 수 있는 충분한 권한을 가진 클라이언트(고객)를 위해 수행됩니다. 모든 이해 관계자가 직접 참여해야 합니다. 이해관계자는 문제 해결에 책임이 있는 사람과 문제의 직접적인 영향을 받는 사람입니다. 시스템 연구를 구현한 결과 이해 당사자 중 적어도 한 사람의 관점에서 고객 조직의 개선을 보장해야 합니다. 동시에 문제 상황의 다른 모든 참가자의 관점에서이 작업의 악화는 허용되지 않습니다.

이와 함께 실생활에서 연구가 먼저 수행되고 그 결과가 실제에 도입되는 상황은 상대적으로 드물고 상대적으로 단순한 시스템의 경우에만 해당된다는 점을 염두에 두어야 합니다. 조직 시스템 연구에서 시간이 지남에 따라 자체적으로 그리고 연구의 영향으로 변경됩니다. 시스템 분석을 수행하는 과정에서 문제 상황의 상태, 시스템의 목표, 참가자의 개인 및 양적 구성, 이해 관계자 및 기타 매개 변수 간의 관계가 변경됩니다. 또한 결정의 구현은 시스템 기능의 모든 요소에 영향을 미칩니다. 이러한 유형의 시스템에서 연구 및 구현 단계는 실제로 병합됩니다. 즉, 반복 프로세스가 있습니다. 수행된 연구는 시스템의 수명에 영향을 미치며 이는 문제 상황을 수정하고 새로운 연구 과제를 설정합니다. 새로운 문제 상황은 추가적인 체계적인 분석 등을 자극합니다. 따라서 적극적인 연구를 통해 문제를 점차적으로 해결하고 있습니다.