Введение. Основные понятия и определения

Основные задачи теории информационных систем.

Развитие различных сфер человеческой деятельности на современном этапе невозможно без широкого применения вычислительной техники и создания информационных систем различного направления. Обработка информации в подобных системах стала самостоятельным научно-техническим направлением.

 Научно-техническая революция (НТР) - коренное, качественное преобразование производительных сил на основе превращения науки в ведущий фактор развития  общественного производства. В ходе НТР, начало которой относится к середине XX в., бурно развивается и завершается процесс превращения науки в непосредственную производительную силу. Научно-техническая революция изменяет облик общественного производства, условия, характер и содержание труда, структуру производительных сил, общественного разделения труда, ведет к быстрому росту производительности труда, оказывает воздействие на все стороны жизни общества, включая культуру, быт, психологию людей, взаимоотношение общества с природой, ведет к резкому ускорению научно-технического прогресса (НТП).

Начало НТП связано с революцией в технике. Усложнение проектируемых систем "заставили" государства организовать в рамках крупных национальныхо научно-технических проектов согласованное взаимодействие науки и промышленности. Начался резкий рост ассигнований на науку, числа исследовательских учреждений. Научная деятельность стала массовой профессией. Во второй половине 50-х годов в большинстве стран началось создание общегосударственных органов планирования и управления научной деятельностью. Усилились непосредственные связи между научными и техническими разработками, ускорилось использование научных достижений в производстве. В 50-е годы создаются и получают широкое применение в научных исследованиях, производстве, а затем и управлении электронные вычислительные машины (ЭВМ), ставшие символом НТП. Их появление знаменует начало постепенного перехода к комплексной автоматизации производства и управления, изменяющий положение и роль человека в процессе производства.

Можно выделить несколько главных научно-технических направлений НТП:

n    комплексная автоматизация производства, контроля и управления производством;

n    открытие и использование новых видов энергии; создание и применение новых конструкционных материалов.

Рассмотрим более подробно одно из главных научно-технических направлений НТП - комплексную автоматизацию производства, контроль и управление производством.

Автоматизация производства - это процесс в развитии машинного производства, при котором функции управления и контроля, ранее выполнявшиеся человеком, передаются приборам и автоматическим устройствам.

Цель автоматизации производства заключается в повышении эффективности труда, улучшении качества выпускаемой продукции, в создании условий для- оптимального использования всех ресурсов производства.

Одной из характерных тенденций развития общества является появление чрезвычайно сложных (больших) систем. Основными причинами этого являются: непрерывно увеличивающаяся сложность технических средств, применяемых в народном хозяйстве; необходимость в повышении качества управления как техническими, так и организационными системами (предприятие, отрасль, государство и др.); расширяющаяся специализация и кооперирование предприятий - основные тенденции развития народного хозяйства.

В отличие от традиционной практики проектирования простых систем при разработке крупных автоматизированных, технологических, энергетических, аэрокосмических, информационных и других сложных комплексов возникают проблемы, меньше связанные с рассмотрением свойств и законов функционирования элементов, а больше - с выбором наилучшей структуры, оптимальной организации взаимодействия элементов, определением оптимальных режимов их функционирования, учетом влияния внешней среды и т.п. По мере увеличения сложности системы этим комплексным общесистемным вопросам отводится более значительное место.

Темпы НТП вызывают усложнение процессов проектирования, планирования и управления во всех сферах и отраслях народного хозяйства. Развитие отраслей и усиление их взаимного влияния друг на друга приводят к увеличению количества возможных вариантов, рассматриваемых в случаях принятия решений при проектировании, производстве и эксплуатации, планировании и управлении предприятием, объединением, отраслью и т. п. Анализируя эти варианты, необходимо привлекать специалистов различных областей знаний, организовывать взаимодействие и взаимопонимание между ними.

Все это привело к появлению нового - системного - подхода к анализу больших систем. Они часто не поддаются полному описанию и имеют многогранные связи между отдельными функциональными подсистемами, каждая из которых может представлять собой также большую систему. В основе системного подхода лежит специальная теория - общая (абстрактная) теория систем.

Потребность в использовании понятия «система» возникала для объектов различной физической природы с древних времен: еще Аристотель обратил внимание на то, что целое (т. е. система - авт.) несводимо к сумме частей, его образующих.

В частности, термин "система" и связанные с ним понятия комплексного, системного подхода исследуются и подвергаются осмыслению философами, биологами, психологами, кибернетиками, физиками, математиками, экономистами, инженерами различных специальностей. Потребность в использовании этого термина возникает в тех случаях, когда невозможно что-то продемонстрировать, изобразить, представить математическим выражением и нужно подчеркнуть, что это будет большим, сложным, не полностью сразу понятным (с неопределенностью) и целым, единым. Например - "солнечная система", "система управления станком", система организационного управления предприятием (городом, регионом и т. п.)", "экономическая система", "система кровообращения" и т.д.

В математике термин система используется для отображения совокупности математических выражений или правил - "система уравнений", "система счисления", "система мер" и т. п. Казалось бы, в этих случаях можно было бы воспользоваться терминами "множество" или "совокупность". Однако понятие системы подчеркивает упорядоченность, целостность, наличие определенных закономерностей.

Интерес к системным представлениям проявлялся не только как к удобному обобщающему понятию, но и как к средству постановки задач с большой неопределенностью.

По мере усложнения производственных процессов, развития науки, появились задачи, которые не решались с помощью традиционных математических методов и в которых все большее место стал занимать собственно процесс постановки задачи, возросла роль эвристических методов, усложнился эксперимент, доказывающий адекватность формальной математической модели.

Для решения таких задач стали разрабатываться новые разделы математики; оформилась в качестве самостоятельной прикладная математика, приближающая математические методы к практическим задачам; возникло понятие, а затем и направление принятие решений, которое постановку задачи признает равноценным этапом ее решения.

Однако средств постановки задачи новые направления не содержали, поскольку на протяжении многовековой истории развития по образному выражению С.Лема "математики изгоняли беса, значение, из своих пределов"', т. е. не считали функцией математики разработку средств постановки задачи.

Исследование процессов постановки задач, процесса разработки  сложных проектов позволили обратить внимание на особую роль человека: человек является носителем целостного восприятия, сохранения целостности при расчленении проблемы, при распределении работ, носителем системы ценностей, критериев принятия решения. Для того, чтобы организовать процесс проектирования начали создаваться системы организации проектирования, системы управления разработками и т. п.

Понятие "система" широко использовалось в различных областях знаний, и на определенной стадии развития научного знания теория систем оформилась в самостоятельную науку.

Краткая историческая справка.

Развитие научного знания и его приложений к практической деятельности в XVIII - XIX в.в. привело к все возрастающей дифференциации научных и прикладных направлений. Возникло много специальных дисциплин, которые часто используют сходные формальные методы, но настолько преломляют их с учетом потребностей конкретных приложений, что специалисты, работающие в разных прикладных областях (так называемые "узкие специалисты"), перестают понимать друг друга. В то же время в конце XIX века стало резко увеличиваться число комплексных проектов и проблем, в первую очередь для управления экономикой, требующих участия специалистов различных областей знаний.

Роль интеграции наук, организации взаимосвязей и взаимодействия между различными научными направлениями во все времена выполняла философия - наука наук, которая одновременно являлась и источником возникновения ряда научных направлений.

В частности, И.Ньютон сделал открытия своих основных законов в рамках натурфилософии, как тогда называлась физика, являвшаяся частью философского знания.

Так, и в 30-е годы 20-го столетия философия явилась источником возникновения обобщающего направления, названного теорией систем. Основоположником этого направления считается биолог Л. фон Берталанфи. 

Отметим, что важный вклад в становление системных представлений внес в начале XIX века (еще до Л. фон Берталанфи) А.А.Богданов. Однако в силу исторических причин предложенная им всеобщая организационная наука тектология не нашла распространения и практического применения.

Важную роль в развитие этого направления В.Н.Садовского, Э.Г.Юдина, И.В.Блауберга, С.П.Никаиорова.

 В нашей стране вначале теорию систем активно развивали философы, ими были разработаны концептуальные основы, терминологический аппарат, исследованы закономерности функционирования и развития сложных систем, поставлены другие проблемы, связанные с философскими и общенаучными основами системных исследований.

Однако философская терминология не всегда легко применяется в практической деятельности. Поэтому потребности практики почти одновременно со становлением теории систем привели к возникновению направления, названного  исследованием операций.

Это направление возникло в связи с задачами военного характера.  Несмотря на довольно широкое распространение в других прикладных областях, благодаря развитому математическому аппарату, базирующемуся на методах оптимизации, математического программирования и математическое статистики, исходная терминология направления часто трудно интерпретируется в практических условиях проектирования сложных технических комплексов, в экономических задачах, при решении проблем организации производства и управления предприятиями, объединениями, научно-исследовательскими организациями, объектами непромышленной сферы и т. п.

В 60-е годы при постановке и исследовании сложных проблем проектирования и управления довольно широкое распространение получил термин системотехника.

Применительно к задачам управления в определенный период более широкое распространение получил термин кибернетика, введенный М.А.Ампером (от "kiber" - кормчий, рулевой, управляющий чем-то), принятый для названия новой "науки об управлении в живых организмах и машинах" Н.Винером [1.12].

В нашей стране вначале кибернетика не признавалась наукой, а затем этот термин использовался в период становления работ по автоматизации управления как обобщающий для названия всех системных направлений. Однако в связи с неоднозначной трактовкой термина этот термин в настоящее время используется в более узком смысле как одно из направлений теории систем, занимающееся процессами управления техническими объектами. А для обобщения дисциплин, связанных с исследованием и проектированием сложных систем, используется термин системные исследования, иногда используется термин системный подход.

Наиболее конструктивным из направлении системных исследований в настоящее время считается системный анализ, который появился в связи с задачами военного управления в 1948 г

Этот термин используется в публикациях неоднозначно. В одних работах системный анализ определяется как "приложение системных концепций к функциям управления, связанным с планированием". В других - термин «системный анализ» употребляется как синоним термина "анализ систем".

Развитие общества характеризуется понятием "информационных барьеров". Первый информационный барьер был достигнут в тот период, когда экономические связи полностью замыкались в рамках ограниченных коллективов (род, семья. племя) и сложность управления этим коллективом стала превосходить способности одного человека. Это произошло многие тысячелетия тому назад, и вызвало соответствующие изменения в технологии управления, которые состояла в изобретении двух механизмов управления экономикой: первый механизм - создание иерархических систем управления (при котором руководитель заводит себе помощников, а те. в свою очередь, распределяют функции между своими подчиненными); второй механизм - введение правил взаимоотношения между людьми и социальными коллективами: предприятиями, регионами, государствами и т. д. (эти функции первоначально выполняла религия, а в последующем - законодательная система). Одним из наиболее действенных способов реализации этого механизма являются экономические регуляторы, основанные на введении рыночных товарно-денежных отношений.

Второй информационный барьер связан с ограниченной способностью к переработке информации у всего населения страны - сложность задач управления экономикой растет быстрее числа занятых в ней людей.

Теоретические исследования о тенденциях роста численности управленческого персонала подтверждались и статистикой. Например, в США в начале нынешнего столетия на одного конторского работника приходилось 40 рабочих: в 1940 г.-10; в 1958 г.-6; а в 1965 - всего лишь 1 рабочий. Отечественная статистика аналогично констатировала рост численности управленческого персонала до 40 и более процентов от общей численности работников предприятия.

Иными словами, возникла ситуация, когда как бы каждым рабочим командует управленческий работник. На самом деле ситуация гораздо сложнее: система организационного управления занимается не только непосредственно организацией производства, но и его технической подготовкой, материальным, финансовым, кадровым и т. п. обеспечением, развитием предприятия и т. д. По мере укрупнения предприятий, более частого обновления номенклатуры выпускаемой ими продукции и технологий растет потребность в обслуживающих видах деятельности, а соответственно и численность управленческого персонала, что и приводит к такому парадоксальному результату.

Аналогичная ситуация наблюдалась и с ростом численности управленческого персонала регионов, страны. При этом возник как бы особый класс управленческих работников - номенклатура, а эффективность управления повысить не удавалось.

Для решения проблемы началась разработка автоматизированных систем управления - АСУ), но в дальнейшем стало ясно, что необходимы более радикальные изменения в управлении страной, учет закономерностей функционирования и развития сложных систем с активными элементами.

К числу задач, решаемых теорией систем, относятся: определение общей структуры системы; организация взаимодействия между подсистемами и элементами; учет влияния внешней среды; выбор оптимальной структуры системы; выбор оптимальных алгоритмов функционирования системы.

Проектирование больших систем обычно делят на две стадии: макропроектированне (внешнее проектирование), в процессе которого решаются функционально-структурные вопросы системы в целом, и микропроектирование (внутреннее проектирование), связанное с разработкой элементов системы как физических единиц оборудования и с получением технических решений по основным элементам (их конструкции и параметры, режимы эксплуатации). В соответствии с таким делением процесса проектирования больших систем в теории систем рассматриваются методы, связанные с макропроектированием сложных систем.          

 Макропроектирование включает в себя три основных раздела:

1) определение целей создания системы и круга решаемых ею задач;

2) описание действующих на систему факторов, подлежащих обязательному учету при разработке системы;

3) выбор показателя или группы показателей эффективности системы.

Теория систем как наука развивается в двух направлениях. Первое направление - феноменологический подход (иногда называемый причинно-следственным или терминальным). Это направление связано с описанием любой системы как некоторого преобразования входных воздействий (стимулов) в выходные величины (реакции). Второе - разработка теории сложных целенаправленных систем. В этом направлении описание системы производится с позиций достижения ее некоторой цели или выполнения некоторой функции.

ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ СИСТЕМ

Определение понятия "система". В настоящее время нет единства в определении понятия "система". В первых определениях в той или иной форме говорилось о том, что система - это элементы и связи (отношения) между ними. Например, основоположник теории систем Людвиг фон Берталанфи определял систему как комплекс взаимодействующих элементов или как совокупность элементов, находящихся в определенных отношениях друг с другом и со средой. А. Холл определяет систему как множество предметов вместе со связями между предметами и между их признаками. Ведутся дискуссии, какой термин - "отношение" или "связь" - лучше употреблять.

Позднее в определениях системы появляется понятие цели. Так, в "Философском словаре" система определяется как "совокупность элементов, находящихся в отношениях и связях между собой определенным образом и образующих некоторое целостное единство".

В последнее время в определение понятия системы наряду с элементами, связями и их свойствами и целями начинают включать наблюдателя, хотя впервые на необходимость учета взаимодействия между исследователем и изучаемой системой указал один из основоположников кибернетики У. Р. Эшби.

М. Масарович и Я. Такахара в книге "Общая теория систем" считают, что система - "формальная взаимосвязь между наблюдаемыми признаками и свойствами".

Таким образом, в зависимости от количества учитываемых факторов и степени абстрактности определение понятия "система" можно представить в следующей символьной форме. Каждое определение обозначим буквой D (от лат. definitions) и порядковым номером, совпадающим с количеством учитываемых в определении факторов.                 

D1.  Система есть нечто целое:

S=А(1,0).

Это определение выражает факт существования и целостность. Двоичное суждение А(1,0) отображает наличие или отсутствие этих качеств.

D2. Система есть организованное множество (Темников Ф. Е.):

S=(орг, М),

где орг - оператор организации; М - множество.

DЗ. Система есть множество вещей, свойств и отношений (Уемов А. И.):

S=({т},{n},{r}),

где т - вещи, n - свойства, r - отношения.

D4. Система есть множество элементов, образующих структуру и обеспечивающих определенное поведение в условиях окружающей среды:

S=( e , SТ, ВЕ, Е),

где e   - элементы, SТ - структура, ВЕ - поведение, Е - среда.

D5. Система есть множество входов, множество выходов, множество состояний, характеризуемых оператором переходов и оператором выходов:

S=(Х, Y, Z, H, G),

где Х - входы, Y - выходы, Z - состояния, Н - оператор переходов, G - оператор выходов. Это определение учитывает все основные компоненты, рассматриваемые в автоматике.

D6. Это шестичленное определение, как и последующие, трудно сформулировать в словах. Оно соответствует уровню биосистем и учитывает генетическое (родовое) начало GN, условия существования КD, обменные явления МВ, развитие ЕV, функционирование FС и репродукцию (воспроизведения) RР:

S=(GN, KD, MB, EV, FC, RP).

D7. Это определение оперирует понятиями модели F, связи SС, пересчета R, самообучения FL, самоорганизации FQ, проводимости связей СО и возбуждения моделей JN:

S=(F, SС, R, FL, FO, СО, JN).

Данное определение удобно при нейрокибернетических исследованиях.

D8. Если определение D5 дополнить фактором времени и функциональными связями, то получим определение системы, которым обычно оперируют в теории автоматического управления:

S=(Т, X, Y, Z, W ., V, h, j),

где Т - время, Х - входы, Y - выходы, Z - состояния, W . - класс операторов на выходе, V - значения операторов на выходе, h  - функциональная связь в уравнении y(t₂)= h(x(t₁),z(t₁),t₂), j - функциональная связь в уравнении  z(t₂)=j(x(t₁), z(t₁), t₂). 

 D9. Для организационных систем удобно в определении системы учитывать следующее:

S=(РL, RO, RJ, EX, PR, DT, SV, RD, EF),

где РL - цели и планы, RO - внешние ресурсы, RJ - внутренние ресурсы, ЕХ - исполнители, PR - процесс, DТ - помехи, SV - контроль, RD - управление, ЕF - эффект.

Последовательность определений можно продолжить до Dn (n=9, 10, 11, ...), в котором учитывалось бы такое количество элементов, связей и действий в реальной системе, которое необходимо для решаемой задачи, для достижения поставленной цели. В качестве "рабочего" определения понятия системы в литературе по теории систем часто рассматривается следующее: система - множество элементов, находящихся в отношениях и связях друг с другом, которое образует определенную целостность, единство.

Под системой, понимается объект свойства которого не сводятся без остатка к свойствам составляющих его дискретных элементов (неаддитив­ность свойств). Интегративное свойство системы обеспечивает ее целост­ность, качественно новое образование по сравнению с составляющими ее частями.

Любой элемент  системы  можно  рассматривать  как самостоятельную систему (математическую модель,  описывающую какой - либо функциональный блок, или аспект изучаемой проблемы), как правило более низкого поряд­ка. Каждый элемент системы описывается своей функцией. Под функцией понимается присущее живой и костной материи вещественно-энергетические и информационные отношения между входными и выходными процессами. Если такой элемент обладает внутренней структурой, то его называют подсистемой, такое описание может быть ис­пользовано при реализации методов анализа и синтеза систем. Это нашло отражение в одном из принципов системного анализа - законе системнос­ти, говорящим о том что любой элемент может быть либо подсистемой в некоторой системе либо, подсистемой среди множества объектов аналогич­ной категории. Элемент всегда является частью системы и вне ее не представляет смысла.

Выбор определения системы.

Рассматривая различные определения системы и не выделяя ни одного из них в качестве основного обычно подчеркивают сложность понятия системы, неоднозначность выбора формы описания на различных стадиях исследования. При описании системы рекомендуется воспользоваться максимально полным способом, а потом выделить наиболее компоненты влияющие на ее функционирование и сформулировать рабочие описание системы.   

Рассмотрим основные понятия, характеризующие строение и функционирование систем.

Элемент. Под элементом принято понимать простейшую неделимую часть системы. Ответ на вопрос, что является такой частью, может быть неоднозначным и зависит от цели рассмотрения объекта как системы, от точки зрения на него или от аспекта его изучения. Таким образом, элемент - это предел деления системы с точек зрения решения конкретной задачи и поставленной цели. Систему можно расчленить на элементы различными способами в зависимости от формулировки цели и ее уточнения в процессе исследования.

Подсистема. Система может быть разделена на элементы не сразу, а последовательным расчленением на подсистемы, которые представляют собой компоненты более крупные, чем элементы, и в то же время более детальные, чем система в целом. Возможность деления системы на подсистемы связана с вычленением совокупностей взаимосвязанных элементов, способных выполнять относительно независимые функции, подцели, направленные на достижение общей цели системы. Названием "подсистема" подчеркивается, что такая часть должна обладать свойствами системы (в частности, свойством целостности). Этим подсистема отличается от простой группы элементов, для которой не сформулирована подцель и не выполняются свойства целостности (для такой группы используется название "компоненты"). Например, подсистемы АСУ, подсистемы пассажирского транспорта крупного города.

Структура. Это понятие происходит от латинского слова structure, означающего строение, расположение, порядок. Структура отражает наиболее существенные взаимоотношения между элементами и их группами (компонентами, подсистемами), которые мало меняются при изменениях в системе и обеспечивают существование системы и ее основных свойств. Структура - это совокупность элементов и связей между ними. Структура может быть представлена графически, в виде теоретико-множественных описаний, матриц, графов и других языков моделирования структур.

Структуру часто представляют в виде иерархии. Иерархия - это упорядоченность компонентов по степени важности (многоступенчатость, служебная лестница). Между уровнями иерархической структуры могут существовать взаимоотношения строгого подчинения компонентов (узлов) нижележащего уровня одному из компонентов вышележащего уровня, т. е. отношения так называемого древовидного порядка. Такие иерархии называют сильными или иерархиями типа "дерева". Они имеют ряд особенностей, делающих их удобным средством представления систем управления. Однако могут быть связи и в пределах одного уровня иерархии. Один и тот же узел нижележащего уровня может быть одновременно подчинен нескольким узлам вышележащего уровня. Такие структуры называют иерархическими структурами «со слабыми связями». Между уровнями иерархической структуры могут существовать и более сложные взаимоотношения, например, типа "страт", "слоев", "эшелонов". Примеры иерархических структур: энергетические системы, АСУ, государственный аппарат.

Связь. Понятие "связь" входит в любое определение системы наряду с понятием "элемент" и обеспечивает возникновение и сохранение структуры и целостных свойств системы. Это понятие характеризует одновременно и строение (статику), и функционирование (динамику) системы.

Связь характеризуется направлением, силой и характером (или видом). По первым двум признакам связи можно разделить на направленные и ненаправленные, сильные и слабые, а по характеру - на связи подчинения, генетические, равноправные (или безразличные), связи управления. Связи можно разделить также по месту приложения (внутренние и внешние), по направленности процессов в системе в целом или в отдельных ее подсистемах (прямые и обратные). Связи в конкретных системах могут быть одновременно охарактеризованы несколькими из названных признаков.

Важную роль в системах играет понятие "обратной связи". Это понятие, легко иллюстрируемое на примерах технических устройств, не всегда можно применить в организационных системах. Исследованию этого понятия большое внимание уделяется в кибернетике, в которой изучается возможность перенесения механизмов обратной связи, характерных для объектов одной физической природы, на объекты другой природы. Обратная связь является основой саморегулирования и развития систем, приспособления их к изменяющимся условиям существования.

Состояние. Понятием "состояние" обычно характеризуют мгновенную фотографию, "срез" системы, остановку в ее развитии. Его определяют либо через входные воздействия и выходные сигналы (результаты), либо через макропараметры, макросвойства системы (например, давление, скорость, ускорение - для физических систем; производительность, себестоимость продукции, прибыль - для экономических систем).

Более полно состояние можно определить, если рассмотреть элементы e (или компоненты, функциональные блоки), определяющие состояние, учесть, что "входы" можно разделить на управляющие u и возмущающие х (неконтролируемые) и что "выходы" (выходные результаты, сигналы) зависят от e, u  и х, т.е. z_t=f(e_t, u_t, x_t). Тогда в зависимости от задачи состояние может быть определено как {e, u}, {e, u, z} или {e, х, u, z}.

Таким образом, состояние - это множество существенных свойств, которыми система обладает в данный момент времени.

Поведение. Если система способна переходить из одного состояния в другое (например, z₁®z₂®z₃), то говорят, что она обладает поведением. Этим понятием пользуются, когда неизвестны закономерности переходов из одного состояния в другое. Тогда говорят, что система обладает каким-то поведением и выясняют его закономерности. С учетом введенных выше обозначений поведение можно представить как функцию z_t=f(z_t-1, x_t, u_t).

Внешняя среда. Под внешней средой понимается множество элементов, которые не входят в систему, но изменение их состояния вызывает изменение поведения системы.

Модель. Под моделью системы понимается описание системы, отображающее определенную группу ее свойств. Углубление описания - детализация модели. Создание модели системы позволяет предсказывать ее поведение в определенном диапазоне условий.

Модель  функционирования (поведения) системы - это модель, предсказывающая изменение состояния системы во времени, например: натурные (аналоговые), электрические, машинные на ЭВМ и др.

Равновеcие - это способность системы в отсутствие внешних возмущающих воздействий (или при постоянных воздействиях) сохранить свое состояние сколь угодно долго.

Устойчивость. Под устойчивостью понимается способность системы возвращаться в состояние равновесия после того, как она была из этого состояния выведена под влиянием внешних возмущающих воздействий. Эта способность обычно присуща системам при постоянном и„ если только отклонения не превышают некоторого предела.

Состояние равновесия, в которое система способна возвращаться, по аналогии с техническими устройствами называют устойчивым состоянием равновесия. Равновесие и устойчивость в экономических и организационных системах - гораздо более сложные понятия, чем в технике, и до недавнего времени ими пользовались только для некоторого предварительного описательного представления о системе. В последнее время появились попытки формализованного отображения этих процессов и в сложных организационных системах, помогающие выявлять параметры, влияющие на их протекание и взаимосвязь.

Развитие. Исследованию процесса развития, соотношения процессов развития и устойчивости, изучению механизмов, лежащих в их основе, уделяют в кибернетике и теории систем большое внимание. Понятие развития помогает объяснить сложные термодинамические и информационные процессы в природе и обществе.

Цель. Применение понятия "цель" и связанных с ним понятий целенаправленности, целеустремленности, целесообразности сдерживается трудностью их однозначного толкования в конкретных условиях. Это связано с тем, что процесс целеобразования и соответствующий ему процесс обоснования целей в организационных системах весьма сложен и не до конца изучен. Его исследованию большое внимание уделяется в психологии, философии, кибернетике. В Большой Советской Энциклопедии цель определяется как "заранее мыслимый результат сознательной деятельности человека". В практических применениях цель - это идеальное устремление, которое позволяет коллективу увидеть перспективы или реальные возможности, обеспечивающие своевременность завершения очередного этапа на пути к идеальным устремлениям.

Понятие информации

Информация - совокупность сведений, воспринимаемых из окружающий среды, выдаваемых в окружающую среду либо сохраняемой внутри информационной системы.

Данные - представление в формальном виде конкретная информация об объектах предметной области, их свойствах и взаимосвязях, отражающая события и ситуации в этой области. 

Данные представляются в виде позволяющим автоматизировать их сбор, хранение и дальнейшую обработку информационными системами. Данные это запись в соответствующем коде.  

Информация в ЭВМ делится на:

n    процедурную (выполняемые программы);

n    декларативную (данные которые обрабатывают программы).

Организация хранения и обработки больших объемов информации привела к появлению баз данных.

Модель и цель системы

Понятие модели трактуется неоднозначно. В основе его лежит сходство процессов протекающих в реальной действительности и в заменяемым реальный объект модели. В философии, под моделью понимается широкая категория кибернетики, заменяющая изучаемый объект его упрощенным представлением, с целью более глубокого познания оригинала. Под математической моделью (в дальнейшим просто моделью) понима­ется идеальное математическое отражение исследуемого объекта.

Фундаментальные (детальные) модели, количественно описывающих поведение или свойства системы, начиная с такого числа основных физических допущений (первичных принципов), какое только является возможным. Такие модели предельно подробны и точны для явлений, которые они описывают.

Феноменологические модели используются для качественного описания физических процессов, когда точные соотношения неизвестны, либо слишком сложны для применения. Такие приближенные или осредненные модели обычно обоснованы физически и содержат входные данные, полученные из эксперимента или более фундаментальных теорий. Феноменологическая модель основывается на качественном понимании физической ситуации. При получении феноменологических моделей используются общие принципы и условия сохранения.

Управление

В широком смысле слова под управлением понимается организационную деятельность, осуществляющую функции и направленную на достижении определенных целей.    

Структура системы управления.

Информационные динамические системы

Интеллектуальные информационные системы можно классифицировать следующим образом:

n    экспертные системы;

n    системы для широкого круга пользователей;

n    системы для специалистов;

n    САПР;

n    интеллектуальные системы;

n    расчетно-логические системы;

n    обучающие системы;

n    и др.

Управляющие системы и системы обработки данных

Классификация и основные свойства единиц информации

Представление информации можно разделить на:

n    простую переменную (атрибут);

n    составная переменная (структура).

Переменная имеет имя и значение. Все допустимые значения переменных образуют домен этого атрибута. Переменная характеризуется (X,z), где X - имя переменой, z - значение. Множество Z={z₁,z₂,...z_n} объединяющая все возможные значения называется доменом.

В качестве примера можно привести описание перечисляемого типа в языке программирования Паскаль.

Type

day=(понедельник, вторник, среда, четверг, пятница, суббота, воскресенье)

Элементы, для которых не возможно указать конкретный домен значений указывается их тип, например:  

int a;   

Системы управления

Системы управления (СУ) представляют собой особый класс динамических систем, отличающихся наличием самостоятельных функций и целей управления и необходимым для реализации этих функций и целей высоким уровнем специальной системной организации .

Устройства связи и управления существенно отличаются от обычных технических устройств, тем что энергетические отношения в них не играют существенной роли, а основное внимание обращается на способность передавать и перерабатывать без искажений большое количество информации.  Так в линии радиосвязи ничтожная доля энергии излучаемой антенной передатчика получатся антенной радиоприемника. КПД такого устройства, с точки зрения передачи энергии чрезвычайно мало, однако цель - передача информации выполняется.

Реляционная модель данных

Реляционная модель данных характеризуется:

n    информационной конструкцией;

n    допустимыми операциями (выборкой, соединением и др.);

n    ограничениями (функциональными зависимостями между атрибутами).

Реализационная база данных может быть описана как:

S(rel)=<A, R, Dom, Rel, V(s)>

где

A - множество имен переменных;

R - множество имен отношений;

Dom - вхождение атрибутов в домены;

Rel - вхождение атрибутов в отношения;

V(s) - множество ограничений.

Описание процесса обработки отношений может быть выполнено двумя способами:

n    указанием перечня операций, выполнение которых приводит к требуемому результату (процедурный подход);

n    описанием требуемых свойств (декларативный подход).

Множество операций и отношений образуют реляционную алгебру.

Как правило, список операций содержит проекцию, выборку, объединение, пересечение, вычитание, соединение и деление.

Проекцией называется операция, которая переносит результирующие отношения столбцы исходного отношения.

T=R[X].

R - исходное отношение;

T -  результирующие отношение;

X - список атрибутов (условие проекции).

Выборка

Выборка - перенос в результирующие отношение строки удовлетворяющие   условию выборки.

T=R[p].

R - исходное отношение;

T -  результирующие отношение;

p - условие выборки.

Операция объединения, пересечения, вычитания.

Исходные отношения R1 и Р2, результирующие - T.

Операция объединения

Т=U(R1,R2)

Отношение Т содержит строки встречающиеся в отношениях R1 или в R2.

Операция пересечения

Т=I(R1,R2)

Отношение Т содержит строки встречающиеся одновременно в отношениях R1 и в R2.

Операция вычитания

Т=М(R1,R2)

Отношение Т содержит строки из отношения R1 за исключением строк встречающихся в отношении R2.

Операция соединения отношений.

T=R1 [p] R2

p - условие соединения.

Если строка из R1 по очереди сопоставляется со строками из R2 и если условие [p] выполняется, то строки сцепляются.

Операция натурального соединения

Операция не содержит условия

T=R1*R2

Если структуры R1 и R2 не содержат общих атрибутов то производится сцепление каждой строки из R1 со всеми строками из R2.  

Основные свойства операции натурального соединения

Свойство коммутативности   

R*S=S*R

Свойство ассоциативности

 Виды информационных систем

            Классификация ИС: по виду формализованного аппарата представления (детерминированные, стохастические); по сложности структуры и поведения; по степени организованности («хорошо» и «плохо» организованные, самоорганизующиеся).

Классификация информационных систем

Системы разделяются на классы по различным признакам, и в зависимости от решаемой задачи можно выбрать разные принципы классификации. При этом систему можно охарактеризовать одним или несколькими признаками. Системы классифицируются следующим образом:

по виду отображаемого объекта—технические, биологические и др.;

по виду научного направления — математические, физические, химические и т. п.;

по виду формализованного аппарата представления системы — детерминированные и стохастические;

по типу целеустремленности — открытые и закрытые;

по сложности структуры и поведения—простые и сложные;

по степени организованности — хорошо организованные, плохо организованные (диффузные), самоорганизующиеся системы.

Классификации всегда относительны. Так в детерминированной системе можно найти элементы стохастических систем.

Цель любой классификации ограничить выбор подходов к отображению системы и дать рекомендации по выбору методов.   

Технические, биологические и др. системы

Технические системы. Параметрами технических объектов являются движущие объекты, объекты энергетики, объекты химической промышленности, объекты машиностроения, бытовая техника и многие другие. Объекты технических систем хорошо изучены в теории управления.

Экономические объекты. Экономическими объектами являются: цех, завод,  предприятия различных отраслей. В качестве одной из переменных в них выступают экономические показатели - например - прибыль.

Биологические системы. Живые системы поддерживают свою жизнедеятельность благодаря заложенным в них механизмам управления.

Детерминированные и стохастические системы

Если внешние воздействия, приложенные к системе (управляющие и возмущающие) являются определенными известными функциями времени u=f(t). В этом случае состоянии системы описываемой обыкновенными дифференциальными уравнениями, в любой момент времени t может быть однозначно описано по состоянию системы в предшествующий момент времени. Системы для которых состояние системы однозначно определяется  начальными значениями и может быть предсказано для любого момента времени называются детерминированными.

Стохастические системы - системы изменения в которых носят случайный характер. Например воздействие на энергосистему различных пользователей. При случайных воздействиях данных о состоянии системы недостаточно для предсказания в последующий момент времени.

Случайные воздействия могут прикладываться к системе из вне, или возникать внутри некоторых элементов (внутренние шумы).  Исследование систем при наличии случайных воздействий можно проводить обычными методами, минимизировав шаг моделирования чтобы не пропустить влияния случайных параметров. При этом так как максимальное значение случайной величины встречается редко (в основном в технике преобладает нормальное распределение), то выбор минимального шага в большинстве моментов времени не будет обоснован.

В подавляющем большинстве случаев при проектировании систем закладываются не максимальным а наиболее вероятным значением случайного параметра. В этом случае поучается более рациональная система, заранее предполагая ухудшение работы системы в отдельные промежутки времени. Например установка катодной защиты.

Расчет систем при случайных воздействиях производится с помощью специальных статистических методов. Вводятся оценки случайных параметров, выполненные на основании множества испытаний. Например карта поверхности уровня грунтовых вод СПб.             

Статистические свойства случайной величины определяют по ее функции распределения или плотности вероятности.

Открытые и закрытые системы

Понятие открытой системы ввел Л. фон Берталанфи. Основные отличительные черты открытых систем - способность обмениваться с внешней средой энергией и информацией. Закрытые (замкнутые) системы изолированны от внешней среды (с точностью принятой в модели).     

Хорошо и плохо организованные системы

Хорошо организованные системы. Представить анализируемый объект или процесс в виде «хорошо организованной системы» означает определить элементы системы, их взаимосвязь, правила объединения в более крупные компоненты, т. е. определить связи между всеми компонентами и целями системы, с точки зрения которых рассматривается объект или ради достижения которых создается система. Проблемная ситуация может быть описана в виде математического выражения, связывающего цель со средствами, т. е. в виде критерия эффективности, критерия функционирования системы, который может быть представлен сложным уравнением или системой уравнений. Решение задачи при представлении ее в виде хорошо организованной системы осуществляется аналитическими методами формализованного представления системы.

Примеры хорошо организованных систем: солнечная система, описывающая наиболее существенные закономерности движения планет вокруг Солнца; отображение атома в виде планетарной системы, состоящей из ядра и электронов; описание работы сложного электронного устройства с помощью системы уравнений, учитывающей особенности условий его работы (наличие шумов, нестабильности источников питания и т. п.).

Для отображения объекта в виде хорошо организованной системы необходимо выделять существенные и не учитывать относительно несущественные для данной цели рассмотрения компоненты: например, при рассмотрении солнечной системы не учитывать метеориты, астероиды и другие мелкие по сравнению с планетами элементы межпланетного пространства.

Описание объекта в виде хорошо организованной системы применяется в тех случаях, когда можно предложить детерминированное описание и экспериментально доказать правомерность его применения, адекватность модели реальному процессу. Попытки применить класс хорошо организованных систем для представления сложных многокомпонентных объектов или многокритериальных задач плохо удаются: они требуют недопустимо больших затрат времени, практически нереализуемы и неадекватны применяемым моделям.

Плохо организованные системы. При представлении объекта в виде «плохо организованной или диффузной системы» не ставится задача определить все учитываемые компоненты, их свойства и связи между ними и целями системы. Система характеризуется некоторым набором макропараметров и закономерностями, которые находятся на основе исследования не всего объекта или класса явлений, а на основе определенней с помощью некоторых правил выборки компонентов, характеризующих исследуемый объект или процесс. На основе такого выборочного исследования получают характеристики или закономерности (статистические, экономические) и распространяют их на всю систему в целом. При этом делаются соответствующие оговорки. Например, при получении статистических закономерностей их распространяют на поведение всей системы с некоторой доверительной вероятностью.

Подход к отображению объектов в виде диффузных систем широко применяется при: описании систем массового обслуживания, определении численности штатов на предприятиях и учреждениях, исследовании документальных потоков информации в системах управления и т. д.

Самоорганизующиеся системы. Отображение объекта в виде самоорганизующейся системы — это подход, позволяющий исследовать наименее изученные объекты и процессы. Самоорганизующиеся системы обладают признаками диффузных систем: стохастичностью поведения, нестационарностью отдельных параметров и процессов. К этому добавляются такие признаки, как непредсказуемость поведения; способность адаптироваться к изменяющимся условиям среды, изменять структуру при взаимодействии системы со средой, сохраняя при этом свойства целостности; способность формировать возможные варианты поведения и выбирать из них наилучший и др. Иногда этот класс разбивают на подклассы, выделяя адаптивные или самоприспосабливающиеся системы, самовосстанавливающиеся, самовоспроизводящиеся и другие подклассы, соответствующие различным свойствам развивающихся систем.

Примеры: биологические организации, коллективное поведение людей, организация управления на уровне предприятия, отрасли, государства в целом, т. е. в тех системах, где обязательно имеется человеческий фактор.

При применении отображения объекта в виде самоорганизующейся системы задачи определения целей и выбора средств, как правило, разделяются. При этом задача выбора целей может быть, в свою очередь, описана в виде самоорганизующейся системы, т. е. структура функциональной части АСУ, структура целей, плана может разбиваться так же, как и структура обеспечивающей части АСУ (комплекс технических средств АСУ) или организационная структура системы управления.

Большинство примеров применения системного анализа основано на представлении объектов в виде самоорганизующихся систем.

Классификация систем по сложности

Определение большой системы. Существует ряд подходов к разделению систем по сложности. В частности, Г. Н. Поваров в зависимости от числа элементов, входящих в систему, выделяет четыре класса систем:

малые системы (10...10³ элементов),

сложные (10⁴...10⁷ элементов),

ультрасложные (10⁷. ..10³⁰ элементов),

суперсистемы (10³⁰.. .10²⁰⁰ элементов).

Так как понятие элемента возникает относительно задачи и цели исследования системы, то и данное определение сложности является относительным, а не абсолютным.

Английский кибернетик С. Бир классифицирует все кибернетические системы на простые и сложные в зависимости от способа описания: детерминированного или теоретико-вероятностного. А. И. Берг определяет сложную систему как систему, которую можно описать не менее чем на двух различных математических языках (например, с помощью теории дифференциальных уравнений и алгебры Буля).

Очень часто сложными системами называют системы, которые нельзя корректно описать математически, либо потому, что в системе имеется очень большое число элементов, неизвестным образом связанных друг с другом, либо неизвестна природа явлений, протекающих в системе.

 Касти, который рассматривает сложность систем в двух аспектах: структурную сложность и сложность поведения.    

Четкое определение и критерии СС НСУ в настоящее время отсутствуют. Однако есть признаки, такие как, многомерность, многосвязность, многоконтурность, а так же многоуровневый, составной и многоцелевой характер построения, по которым можно отнести модель к классу СС НСУ.  Данный термин использовался в работах научной школы А.А. Вавилова.

Примером системы с простой структурой но сложным поведением является модель странного аттрактора Лоренца.

x₁+10*(x₁-x₂)=0

x₂+x₁*x₃-28*x₁+x₂=0

x₃-x₁+x₂-2.6*x₃=0

начальные значения: x₁=8; x₂=-8;x₃=26.

Все это свидетельствует об отсутствии единого определения сложности системы.

При разработке сложных систем возникают проблемы, относящиеся не только к свойствам их составляющих элементов и подсистем, но также к закономерностям функционирования системы в целом. При этом появляется широкий круг специфических задач, таких, как определение общей структуры системы; организация взаимодействия между элементами и подсистемами; учет влияния внешней среды; выбор оптимальных режимов функционирования системы; оптимальное управление системой и др.

Чем сложнее система, тем большее внимание уделяется этим вопросам. Математической базой исследования сложных систем является теория систем. В теории систем большой системой (сложной, системой большого масштаба, Lage Scale Systems) называют систему, если она состоит из большого числа взаимосвязанных и взаимодействующих между собой элементов и способна выполнять сложную функцию.

Четкой границы, отделяющей простые системы от больших, нет. Деление это условное и возникло из-за появления систем, имеющих в своем составе совокупность подсистем с наличием функциональной избыточности. Простая система может находиться только в двух состояниях: состоянии работоспособности (исправном) и состоянии отказа (неисправном). При отказе элемента простая система либо полностью прекращает выполнение своей функции, либо продолжает ее выполнение в полном объеме, если отказавший элемент резервирован. Большая система при отказе отдельных элементов и даже целых подсистем не всегда теряет работоспособность, зачастую только снижаются характеристики ее эффективности. Это свойство больших систем обусловлено их функциональной избыточностью и, в свою очередь, затрудняет формулировку понятия «отказ» системы.

Под большой системой понимается совокупность материальных ресурсов, средств сбора, передачи и обработки информации, людей-операторов, занятых на обслуживании этих средств, и людей-руководителей, облеченных надлежащими правами и ответственностью для принятия решений. Материальные ресурсы — это сырье, материалы, полуфабрикаты, денежные средства, различные виды энергии, станки, оборудование, люди, занятые на выпуске продукции, и т. д. Все указанные элементы ресурсов объединены с помощью некоторой системы связей, которые по заданным правилам определяют процесс взаимодействия между элементами для достижения общей цели или группы целей.

Примеры больших систем: информационная система; пассажирский транспорт крупного города; производственный процесс; система управления полетом крупного аэродрома; энергетическая система и др.

Характерные особенности больших систем. К ним относятся:

большое число элементов в системе (сложность системы);

взаимосвязь и взаимодействие между элементами;

иерархичность структуры управления;

обязательное наличие человека в контуре управления, на которого возлагается часть наиболее ответственных функций управления.

Сложность системы. Пусть имеется совокупность из n элементов. Если они изолированы, не связаны между собой, то эти я элементов еще не являются системой. Для изучения этой совокупности достаточно провести не более чем n исследований. В общем случае в системе связь элемента А с элементом Б не эквивалентна связи элемента Б с элементом А, и поэтому необходимо рассматривать п(п—1) связей. Если характеризовать состояние каждой связи наличием или отсутствием в данный момент, то общее число состояний (для такого самого простого поведения) системы будет равно 2^n. Даже при небольших п это фантастическое число. Например, пусть п== 10. Число связей п(п-1) = 90.  

Поэтому изучение БС путем непосредственного обследования ее состояний оказывается весьма громоздким. Следовательно, необходимо использовать ЭВМ и разрабатывать методы, позволяющие сократить число обследуемых состояний БС. Сокращение числа состояний БС — первый шаг в формальном описании систем.

Взаимосвязь и взаимодействие между элементами

в БС. Разделение системы на элементы и подсистемы может быть произведено различными способами. Элементом системы будем называть совокупность различных технических средств и людей, которые при данном исследовании рассматриваются как одно неделимое целое.

Расчленение системы на элементы — второй шаг при формальном описании системы. Внутренняя структура элемента при этом не является предметом исследования. Имеют значение только свойства, определяющие его взаимодействие с другими элементами системы и оказывающие влияние на характер системы в целом.

Формально любая совокупность элементов системы вместе со связями между ними может рассматриваться как ее подсистема. Использование этого понятия оказывается особенно плодотворным в тех случаях, когда в качестве подсистем фигурируют некоторые более или менее самостоятельно функционирующие части системы.

В системе управления полетом самолета можно выделить следующие подсистемы:

систему дальнего обнаружения и управления; систему многоканальной дальней связи; многоканальную систему слепой посадки и взлета самолета; систему диспетчеризации; бортовую аппаратуру самолета.  Подсистемы БС сами могут быть большими системами, которые легко расчленить на соответствующие подсистемы. Так, большую систему «Городской пассажирский транспорт» по видам транспорта можно расчленить на подсистемы: троллейбусы, автобусы, трамвай, метрополитен, такси. Каждая из этих подсистем, в свою очередь, является БС. Так, таксомоторное хозяйство состоит из: сотен (тысяч) автомобилей и шоферов, нескольких автопарков, средств технического обслуживания и управления.

Выделение подсистем — третий важный шаг при формальном описании БС.

Иерархичность структуры управления. Управление в БС может быть централизованным и децентрализованным. Централизованное управление (рис. 1.1, а) предполагает концентрацию функции управления в одном центре БС. Децентрализованное — распределение функции управления по отдельным эле (рис. 1.1, б). Типичные БС, встречающиеся на практике, относятся, как правило, к промежуточному типу, когда степень централизации находится между двумя крайними случаями: чисто централизованным и чисто децентрализованным.

Децентрализация управления позволяет сократить объем перерабатываемой информации, однако в ряде случаев это приводит к снижению качества управления.

Для управления с иерархичной структурой управления характерно наличие нескольких уровней управления (рис. 1.1, в).

Примеры иерархической структуры управления: административное управление, управление в вооруженных силах, снабжение.

Обязательное наличие человека в контуре управления. Поскольку в БС обязательно наличие человека, она является всегда эргатической системой. Часть функций управления выполняется человеком. Эта особенность БС связана с целым рядом факторов:

участие человека в БС требует, чтобы управление учитывало социальные, психологические, моральные и физиологические факторы, которые не поддаются формализации и могут быть учтены в системах управления только человеком;

необходимость в ряде случаев принимать решение на основенеполной информации, учитывать неформализуемые факторы —все это должен делать человек с большим опытом, хорошо понимающий задачи, стоящие перед системой; могут быть системы, в которых нет отношений подчиненности, а существуют лишь отношения взаимодействия (межгосударственные отношения, отношения предприятий «по горизонтали»).

Модели сложных систем управления

Понятие «сложный» является одним из наиболее употребительных в различных практической и научной деятельности, в том числе в области моделирования СУ. Подобно понятию времени, нам кажется, что мы понимаем, что такое сложность, но это длится до тех пор, пока не возникает необходимость дать строгое определение сложности. Понятие сложности включает такие факторы, как противоинтуитивное поведение СУ, невозможность предсказания ее поведения без специального анализа и вычислений, уникальность и т.д.

По Г. Ню Поварову в зависимости от чисел элементов, входящих в систему, различимы 4 класса систем:

n    малые (10,,,10³ элементов);

n    сложные (10³...10⁷ элементов);

n    ультрасложные (10⁷...10³⁰ элементов);

n    суперсистемы (10³⁰...10²⁰⁰ элементов);

Так как понятие элемента возникает относительно задачи и цели исследования системы, то и данное определение является относительным.

По С. Биру деление происходит в зависимости от способа описания детермированного; вероятного.

По А. И. Бергу сложная система описывается по крайней мере на двух различных языках, например теории ДУ и алгебры логики.

По А. А. Вавилову сложная СУ представляет собой множество взаимосвязанных и взаимодействующих между собой подсистем управления, выполняющих самостоятельные и общесистемные функции и цели управления.

По А. А. Воронину сложной системой можно называть такую, которая содержит по крайней мере два нелинейных элемента, ре сводимых к одному.

Четкой границы, отделяющей простые системы от сложных нет. Деление это условное и возникло из-за появления систем, обладающих функциональной избыточностью. Например, простая система может находится только в двух состояниях: состоянии работоспособности и состоянии отказа. При отказе какого-либо элемента простая система либо полностью прекращает выполнение своей функции, либо продолжает ее выполнение в полном объеме, если отказавший элемент резервирован. Сложная система при отказе отдельных элементов и даже целых подсистем не всегда теряет работоспособность, зачастую только снижаются характеристики ее эффективности. Это свойство сложных систем обусловлено их функциональной избыточностью и, в свою очередь, затрудняет формулировку понятия “отказ” системы.

Сложность – понятие многогранное, поэтому в различных проблемах проявляются разные аспекты сложности.

Одним из важных аспектов понятия сложности является ее двоякая природа. Следует различать структурную (статическую) сложность, включающую связность и структуру подсистем, и динамическую сложность , связанную с поведением системы во времени. Эти свойства, вообще говоря, независимы.

Даже в элементарных системах могут возникать совершенно неожиданные (и неприятные) явления, если сложность взаимосвязей не изучена должным образом. Парадоксальное поведение может быть вызвано вовсе не наличием нелинейности, стохастических эффектов, а порождается исключительно структурой системы, имеющимися связями и ограничениями, присущими компонентам системы.

Структурная сложность

Сущность понятия структурной сложности связана с тем, что компоненты (подсистемы) СУ связаны между собой запутанным. Трудным для непосредственного восприятия образом. Это типичный пример структурной сложности. При этом имеем дело только со структурой коммуникационных каналов и схемой взаимодействия компонент СУ, пренебрегая динамическими аспектами. Однако и в этом случае необходимо принять во внимание еще и другие аспекты связанности структуры.

Иерархия

Некоторые специалисты считают, что определяющим фактором при решении вопроса о сложности СУ является ее иерархическая организация. Число уровней иерархии в системе может служить приблизительной мерой ее сложности.

Схема связности

Важным аспектом сложности является способ, которым подсистемы объединяются в единое целое. Структура связности СУ определяет потоки передачи информации в структуре и ограничивает воздействия, которые может оказать одна часть системы на другую.

Например, если имеется система, заданная с помощью линейного ДУ вида

Ů=AU, U(0)=U₀

где A – матрица размера nxn, то заполненн ость матрицы A (ее структура связности) в определенной мере отражает сложность процесса. Данный пример иллюстрирует, что большая размерность и высокая сложность СУ могут быть слабо коррелированны.

Порядок n СУ может быть очень большой, однако если A имеет простую структуру (диагональная), то уравнение представляет СУ малой сложности, в том смысле, что ее поведение легко предсказать и понять. Сложность может быть охарактеризована тщательным исследованием схем взаимодействия подсистем (схем связности), а не ее порядком.

Многообразие

Принцип необходимого многообразия Эшби, согласно которому многообразие выходных сигналов системы может быть достигнуто только с помощью достаточного многообразия входных воздействий также имеет непосредственное отношение  к сложности СУ.

Можно назвать такую способность системы реализовать многие различные типы поведения – сложность управления, т. к. этот аспект сложности отражает меру способностей преобразовывать многообразие входных сигналов в многообразие выходных.

Принцип необходимого многообразия гласит, что

Обще многообразие       >=         Многообразие возмущений

   в поведении СУ                        Многообразие управлений

Смысл этого утверждения таков: если необходимо, что СУ реализовала заданный вид поведения вне зависимости от внешних помех, то подавить многообразие в ее поведении можно, только увеличив множество управлений.

Другими словами – многообразие может быть разрушено только многообразием. Это кибернетический аналог второго закона термодинамики.

Уровни взаимодействия

Относительная сила взаимодействия между различными компонентами СУ и уровнями иерархии.

В ряде случаев слабое взаимодействие, вообще говоря, повышают сложность системы, однако практически этими взаимодействиями часто можно пренебречь и таким образом получить менее сложную модель СУ.

Пример:

Этой системе можно приписать сложность 1, т. к. каждый жордановский блок матрицы коэффициентов имеет размер 1.

Близкой к ней системе

Можно приписать сложность 2, т. к. матрица коэффициентов имеет наибольший жордановский блок размера 2 для любого значения параметра e!=0

Однако решение дляь второй системы при достаточно малых  e сколь угодно близко приближается к решению первой, поэтому ее сложность практически можно считать равной единице.

Динамическая сложность

Рассмотрим некоторые аспекты сложности, которые проявляются в динамическом поведении системы.

Случайность в сравнении с детерминизмом и сложностью

Можно сказать, что одним из основных интуитивный показателей сложности СУ является ее динамическое поведение, а именно: степень трудности наглядного объяснения и предсказания траекторий движущейся системы. В общем случае можно ожидать, что структурная сложность системы оказывает влияние на динамическое поведение системы, а следовательно, и на ее динамическую сложность. Однако обратное не верно. Система может быть структурно простой, т. е. иметь малую системную сложность, но ее динамическое поведение может быть чрезвычайно сложным.

Пример

Рассмотрим процесс, который является структурно простым, будучи в то же время динамически сложным

Правило порождения последовательность точек x0, x1, x2, … следующее: стороны вписанного в треугольника и диагональ используются как отражающие и пропускающие с преломлением. Процесс начинается с произвольной точки основания треугольника, кроме крайних и средней.

Приписывание каждой точке слева от середины основания треугольника число “0”, а каждой точке справа – “1”, получим последовательность чисел 0,0,1,0,0,1,…, порожденную этой детерминированной  процедурой и математически неотличимую от последовательности, получаемой в распределении по закону Бернулли с параметром p=1/2 ( другие значения p могут  быть получены использованием прямых, отличных  от диагонали квадрата).

Этот результат имеет определенное методическое и теоретическое значение. Действительно, если считать последовательность 0 и 1 выходом некоторого процесса, то не существует математического метода, позволяющего определить, является ли внутренний механизм, преобладающим вход и выход (последовательность 0 и 1), детермированным или стохастическим. Иными словами, если не заглядывать внутрь “чёрного ящика”, то никакие математические операции не могут помочь определить, является базисный механизм стохастическим или нет.

Пример подвергает серьёзному сомнению слишком категорическое утверждение о том, что глубинная природа физических процессов принципиально стохастична. Конечно, теория вероятности и статистика являются удобными инструментами для описания ситуаций, для которых характерна большая неопределённости. Однако нет априорных математических оснований полагать, что механизм, порождающий неопределённость, по своей природе непременно стохастичен.

Очевидно, что если интерпретировать динамическую сложность как способность предсказать поведение системы, то рассмотренный процесс очень сложен, так как наблюдаемый выход полностью случаен.

Шкалы времени

Другим важным аспектом динамической сложности является вопрос о различных шкалах времени для различных частей процесса. Часто возникают такие ситуации, когда скорости изменения компонент одного и того же процесса различны: одни компоненты изменяются быстрее, другие – медленнее.

Типичным примером такого процесса является регулирование уровня воды в системе водохранилищ. Для управления на уровне индивидуального распределения воды требуется принимать решения ежедневно (или даже ежечасно), хотя решение об общем потоке воды через вход-выход принимается раз в месяц или раз в квартал.

Проблема различных шкал времени напоминают проблему интегрирования “жестких” систем ДУ или когда имеем дело с некорректной проблемой.

Пример не корректности представляет линейная система

X’’-25*x=0, x(0)=1, x’(0)=-5.

Теоретическое решение

X(t)=e^-5t.

Однако при решении этой задачи численными методами в вычисления выйдет дополнительный член

X(t)=e^-5t

С малым множителем e. Т.о. в действительности вычисляется

X*(t)=e^-5t+ee^5t.

Если t (или e) достаточно мало, то всё в порядке; однако когда ошибка округления  слишком  велика (большое e) или когда желательно найти решение на большом интервале t, то преобладающим в решении будет член x(t).

В ряде случаев трудности могут быть связаны не с вычислительными процедурами, а самим решением системы. Для примера “жесткая” система

X₁’=x₁+2x₂, x₁(0)=0,

X₂=-10 X₂, X₂(0)=1

Имеет решение

X₁(t)=-2/11[e^-10t-e^-t],

X₂(t)=e^-10t.

Таким образом, первая компонента процесса изменяется на порядок быстрее, чем вторая, и любая попытка рассчитать траекторию системы численно требует использования такого малого шага интегрирования, который позволяет аккуратно отследить “быструю” компоненту.

Это явление “жёсткости” в системах, очевидно, оказывает влияние на динамическую сложность системы, так как точное предсказание поведения системы требует дополнительных затрат на вычисление.

Приведённые примеры еще раз подтверждает, что большой порядок системы (большое число компонентов) не обязательно означает большую сложность системы и наоборот. Сложность это слишком тонкое понятие, чтобы описывать его исключительно в понятиях размерности.

Пример

Пусть имеется совокупность из n элементов. Если они изолированы, не связаны между собой, то эти n элементов не являются системой. Для изучения этой совокупности достаточно провести не более чем n исследований с каждым элементом. В общем случае в системе со  взаимными связями между компонентами необходимо исследовать n(n-1) связей. Если состояние каждой связи охарактеризовать в каждый момент времени наличием или отсутствует или отсутствует, то общее число состояний системы будут равно 2^n(n-1).

Например, если n=10, то число связей n(n-1)=90, число состояний 2⁹⁰»1,3*10²⁷.

Изучение такой ССУ путем непосредственного обследования ее состояния оказывается весьма сложным. Следовательно, необходимо разрабатывать компьютерные методы, позволяющие сокращать число обследуемых состояний.

Модели сложных систем управления (по Вавилову А.А)

В соответствии с определением, введенным А.А. Вавиловым, сложная система управления (ССУ) S^S представляет собой множество взаимосвязанных и взаимодействующих между собой подсистем управления S^m, выполняющих самостоятельные и общесистемные функции и цепи управления.

На каждую из подсистем S^m  ССУ возлагаются самостоятельные и общесистемные функции, связанные с генерированием и преобразованием энергии, переносом потоков жидкости и газов, передачей и преобразованием информации.

Цепи управления определяет необходимый закон изменения  заданных переменных или некоторых характеристик подсистемы управления S^m в условиях ее функционально-целевого причинно следственного взаимодействия с внешней средой и другими подсистемами.

Принципиальных особенность модели ССУ – кроме причинно следственной информации модель ССУ S^S содержит дополнительную функционально-целевую информацию о подсистеме S^m и комплексах Z^p, интеграцией которых образована сложная система.

На рис. представлена модель комплекса Z^p ССУ, образованного на моделях M¹_FSF, M²_FSF, M³_FSF подсистем S¹, S², S³ посредством связей между ними.

Такая упорядоченная многоуровневая функционально-структурная интеграция элементов (звеньев) {Fi}. {Wi}, подсистем S^m и комплексов Z^p обеспечивает высокий уровень организации ССУ.

Нулевому (L=0) уровню интеграции ССУ соответствует причинно-следственная модель с максимальной топологической определенностью, например, обычный сигнальный граф G^S.

Первому (L=1) уровню функционально-стрктурной интеграции соответствует выделение подсистем, которые обладают всеми системными свойствами с другими подсистемами обеспечивают коллективное поведение, направленное на достижение целей всей системы.

Второму (L=2) уровню соответствует интеграция некоторых подмножеств подсистем { S^m; m=1,2,…,M} и множества их взаимосвязей

{F^mn_rg; m, kÎ1,…,M; m!=k; r=1,…,n^k_f}

в комплексы: Z^p=<{ S^p; m=1,…,M};{F^mn; m; kÎ1,…,M; m!=k}>

p=1,2,…, и т.д.

Закономерности систем

Целостность

Целостность. Закономерность целостности проявляется в системе в возникновении новых интегративных качеств, не свойственных образующим ее компонентам. Чтобы глубже понять закономерность целостности, необходимо рассмотреть две ее стороны:

1.       свойства системы (целого) не являются суммой свойств элементов или частей (несводимость целого к простой сумме частей);

2.       свойства системы (целого) зависят от свойств элементов, частей (изменение в одной части вызывает изменение во всех остальных частях и во всей системе).

Существенным проявлением закономерности целостности являются новые взаимоотношения системы как целого со средой, отличные от взаимодействия с ней отдельных элементов.

Свойство целостности связано с целью, для выполнения которой предназначена система.

Весьма актуальным является оценка степени целостности системы при переходе из одного состояния в другое. В связи с этим возникает двойственное отношение к закономерности целостности. Ее называют физической аддитивностью, независимостью, суммативностью, обособленностью. Свойство физической аддитивности проявляется у системы, как бы распавшейся на независимые элементы. Строго говоря, любая система находится всегда между крайними точками как бы условной шкалы: абсолютная целостность — абсолютная аддитивность, и рассматриваемый этап развития системы можно охарактеризовать степенью проявления в ней одного или другого свойства и тенденцией к его нарастанию или уменьшению.

Для оценки этих явлений А. Холл ввел такие закономерности, как «прогрессирующая факторизация» (стремление системы к состоянию со все более независимыми элементами) и «прогрессирующая систематизация» (стремление системы к уменьшению самостоятельности элементов, т. е. к большей целостности). Существуют методы введения сравнительных количественных оценок степени целостности, коэффициента использования элементов в целом с точки зрения определенной цели.

Интегративность

Интегративность. Этот термин часто употребляют как синоним целостности. Однако им подчеркивают интерес не к внешним факторам проявления целостности, а к более глубоким причинам формирования этого свойства и, главное,— к его сохранению. Интегративными называют системообразующие, снстемоохраняющие факторы, важными среди которых являются неоднородность и противоречивость ее элементов.

Коммуникативность

Коммуникативность. Эта закономерность составляет основу определения системы, предложенного В. Н. Садовским и Э. Г. Юдиным в книге «Исследования по общей теории систем». Система образует особое единство со средой; как правило, любая исследуемая система представляет собой элемент системы более высокого порядка; элементы любой исследуемой системы, в свою очередь, обычно выступают как системы более низкого порядка.

Иными словами, система не изолирована, она связана множеством коммуникаций со средой, которая не однородна, а представляет собой сложное образование, содержит надсистему (или даже надсистемы), задающую требования и ограничения исследуемой системе, подсистемы и системы одного уровня с рассматриваемой.

Иерархичность

Рассмотрим иерархичность как закономерность построения всего мира и любой выделенной из него системы. Иерархическая упорядоченность пронизывает все, начиная от атомно-молекулярного уровня и кончая человеческим обществом. Иерархичность как закономерность заключается в том, что закономерность целостности проявляется на каждом уровне иерархии. Благодаря этому на каждом уровне возникают новые свойства, которые не могут быть выведены как сумма свойств элементов. При этом важно, что не только объединение элементов в каждом узле приводит к появлению новых свойств, которых у них не было, и утрате некоторых свойств элементов, но и что каждый член иерархии приобретает новые свойства, отсутствующие у него в изолированном состоянии.

Таким образом, на каждом уровне иерархии происходят сложные качественные изменения, которые не всегда могут быть представлены и объяснены. Но именно благодаря этой особенности рассматриваемая закономерность приводит к интересным следствиям. Во-первых, с помощью иерархических представлений можно отображать системы с неопределенностью.

Во-вторых, построение иерархической структуры зависит от цели: для многоцелевых ситуаций можно построить несколько иерархических структур, соответствующих разным условиям, и при этом в разных структурах могут принимать участие одни и те же компоненты. В-третьих, даже при одной и той же цели, если поручить формирование иерархической структуры разным исследователям, то в зависимости от их предшествующего опыта, квалификации и знания системы они могут получить разные иерархические структуры, т. е. по-разному разрешить качественные изменения на каждом уровне иерархии.

Эквифинальность

Это одна из наименее исследованных закономерностей. Она характеризует предельные возможности систем определенного класса сложности. Л. фон Берталанфи, предложивший этот термин, определяет эквифинальность применительно к «открытой» системе как способность (в отличие от состояний равновесия в закрытых системах) полностью детерминированных начальными условиями систем достигать не зависящего от времени состояния (которое не зависит от ее исходных условий и определяется исключительно параметрами системы). Потребность во введении этого понятия возникает начиная с некоторого уровня сложности, например биологические системы.

В настоящее время не исследован ряд вопросов этой закономерности: какие именно параметры в конкретных системах обеспечивают свойство эквивалентности? как обеспечивается это свойство? как проявляется закономерность эквивалентности в организационных системах?

Историчность

Время является непременной характеристикой системы, поэтому каждая система исторична, и это такая же закономерность, как целостность, интегративность и др. Легко привести примеры становления, расцвета, упадка и даже смерти биологических и общественных систем, но для технических и организационных систем определить периоды развития довольно трудно.

Основа закономерности историчности — внутренние противоречия между компонентами системы. Но как управлять развитием или хотя бы понимать приближение соответствующего периода развития системы — эти вопросы еще мало исследованы.

В последнее время на необходимость учета закономерности историчности начинают обращать больше внимания. В частности, в системотехнике при создании сложных технических комплексов требуется на стадии проектирования системы рассматривать не только вопросы разработки и обеспечения развития системы, но и вопрос, как и когда нужно ее уничтожить. Например, списание техники, особенно сложной — авиационной, «захоронение» ядерных установок и др.

Закон необходимого разнообразия

Закон необходимого разнообразия. Его впервые сформулировал У. Р. Эшби: чтобы создать систему, способную справиться с решением проблемы, обладающей определенным, известным разнообразием, нужно, чтобы сама система имела еще большее разнообразие, чем разнообразие решаемой проблемы, или была способна создать в себе это разнообразие. Этот закон достаточно широко применяется на практике. Он позволяет, например, получить рекомендации по совершенствованию системы управления предприятием, объединением, отраслью.

Закономерность осуществимости и потенциальной эффективности систем

Закономерность осуществимости и потенциальной эффективности систем. Исследования взаимосвязи сложности структуры системы со сложностью ее поведения позволили получить количественные выражения предельных законов для таких качеств системы, как надежность, помехоустойчивость, управляемость и др. На основе этих законов оказалось возможным получение количественных оценок порогов осуществимости систем с точки зрения того или иного качества, а объединяя качества — предельные оценки жизнеспособности и потенциальной эффективности сложных систем.

Закономерность целеобразования

Закономерность целеобразования. Исследования процесса целеобразования в сложных системах философами, психологами и кибернетиками позволили сформулировать некоторые общие закономерности процессов обоснования и структуризации целей в конкретных условиях совершенствования сложных систем:

Зависимость представления о цели и формулировки цели от стадии познания объекта (процесса). Анализ понятия «цель» позволяет сделать вывод, что, формулируя цель, нужно стремиться отразить в формулировке или в способе представления цели ее активную роль в познании и в то же время сделать ее реалистичной, направить с ее помощью деятельность на получение определенного результата. При этом формулировка цели и представление о ней зависит от стадии познания объекта и в процессе развития представления об объекте цель может переформулироваться. Коллектив, формирующий цель, должен определить, в каком смысле на данном этапе рассмотрения объекта употребляется понятие цель, к какой точке «условной шкалы» («идеальное устремление в будущее» — «конкретный результат деятельности») ближе принимаемая формулировка цели.

Зависимость цели от внутренних и внешних факторов. При анализе причин возникновения цели нужно учитывать как внешние по отношению к выделенной системе факторы (внешние потребности, мотивы, программы), так и внутренние потребности, мотивы, программы («самодвижение» целостности). При этом цели могут возникать на основе противоречий как между внешними и внутренними факторами, так и между внутренними факторами, имевшимися ранее и вновь возникающими в находившейся в постоянном самодвижении целостности. Это очень важное отличие организационных «развивающихся», открытых систем от технических (замкнутых, закрытых) систем. Теория управления техническими системами оперирует понятием цели только по отношению к. внешним факторам, а в открытых, развивающихся системах цель формируется внутри системы, и внутренние факторы, влияющие на формирование целей, являются такими же объективными, как и внешние.

Возможность сведения задачи формирования общей (главной, глобальной) цели к задаче структуризации цели. Анализ процессов формулирования глобальной цели в сложной системе показывает, что эта цель возникает в сознании руководителя или коллектива не как единичное понятие, а как некоторая, достаточно «размытая» область. На любом уровне цель возникает вначале в виде «образа» цели. При этом достичь одинакового понимания общей цели всеми исполнителями, по видимому, принципиально невозможно без ее детализации в виде упорядоченного или неупорядоченного набора взаимосвязанных подцелей, которые делают ее понятной и более конкретной для разных исполнителей. Таким образом, задача формулирования общей цели в сложных системах должна быть сведена к задаче структуризации цели.

Следующие закономерности являются продолжением двух первых применительно к структурам цели.

Зависимость способа представления структуры целей от стадии познания объекта или процесса (продолжение первой закономерности). Наиболее распространенным способом представления структур целей является древовидная иерархическая структура. Существуют и другие способы отображения: иерархия со «слабыми» связями, табличное или матричное представление, сетевая модель. Иерархическое и матричное описание — это декомпозиция цели в пространстве, сетевая модель — декомпозиция во времени. Промежуточные подцели могут формулироваться по мере достижения предыдущей, что может использоваться как средство управления. Перспективным представляется развертывание иерархических структур во времени, т.е. сочетание декомпозиции цели в пространстве и во времени.

Проявление в структуре целей закономерности целостности. В иерархической структуре целей, как и в любой иерархической структуре, закономерность целостности проявляется на каждом уровне иерархии. Применительно к структуре целей это означает, что достижение целей вышележащего уровня не может быть полностью обеспечено достижением подцелей, хотя и зависит от них, и что потребности, мотивы, программы, влияющие на формирование целей, нужно исследовать на каждом уровне иерархии.

Системный подход и системный анализ

Применения системных представлений для анализа сложных объектов и процессов рассматривают системные направления, включающие в себя: системный подход, системные исследования, системный анализ (системологию, системотехнику и т. п.). За исключением системотехники, область которой ограничена техническими системами, все другие термины часто употребляются как синонимы. Однако в последнее время системные направления начали применять в более точном смысле.

Системный подход. Этот термин начал применяться в первых работах, в которых элементы общей теории систем использовались для практических приложений. Используя этот термин, подчеркивали необходимость исследования объекта с разных сторон, комплексно, в отличие от ранее принятого разделения исследований на физические, химические и др. Оказалось, что с помощью многоаспектных исследований можно получить более правильное представление о реальных объектах, выявить их новые свойства, лучше определить взаимоотношения объекта с внешней средой, другими объектами. Заимствованные при этом понятия теории систем вводились не строго, не исследовался вопрос, каким классом систем лучше отобразить объект, какие свойства и закономерности этого класса следует учитывать при конкретных исследованиях и т. п. Иными словами, термин «системный подход» практически использовался вместо терминов «комплексный подход», «комплексные исследования».

Системные исследования. В работах под этим названием понятия теории систем используются более конструктивно: определяется класс систем, вводится понятие структуры, а иногда и правила ее формирования и т. п. Это был следующий шаг в системных направлениях. В поисках конструктивных рекомендаций появились системные направления с разными названиями: системотехника, системология и др. Для их обобщения стал применяться термин «системные исследования». Часто в работах использовался аппарат исследования операций, который к тому времени был больше развит, чем методы конкретных системных исследований.

Системный анализ. В настоящее время системный анализ является наиболее конструктивным направлением. Этот термин применяется неоднозначно. В одних источниках он определяется как «приложение системных концепций к функциям управления, связанным с планированием» [5]. В других — как синоним термина «анализ систем» (Э. Квейд) или термина «системные исследования» (С. Янг). Однако независимо от того, применяется он только к определению структуры целей системы, к планированию или к исследованию системы в целом, включая и функциональную и обеспечивающую части, работы по системному анализу существенно отличаются от рассмотренных выше тем, что в них всегда предлагается методология проведения исследовании делается попытка выделить этапы исследования и предложить методику выполнения этих этапов в конкретных условиях. В этих работах всегда уделяется особое внимание определению целей системы, вопросам формализации представления целей. Некоторые авторы даже подчеркивают это в определении: системный анализ — это методология исследования целенаправленных систем (Д. Киланд. В. Кинг).

Термин «системный анализ» впервые появился в связи с задачами военного управления в исследованиях RAND Corporation (1948), а в отечественной литературе получил широкое распространение после выхода в 1969 г. книги С. Оптнера «Системный анализ для решения деловых и промышленных проблем».

В начале работы по системному анализу в большинстве случаев базировались на идеях теории оптимизации и исследования операций. При этом особое внимание уделялось стремлению в той или иной форме получить выражение, связывающее цель со средствами, аналогичное критерию функционирования или показателю эффективности, т, е. отобразить объект в виде хорошо организованной системы.

Так, например, в ранних руководящих материалах по разработке автоматизированных систем управления (АСУ) рекомендовалось цели представлять в виде набора задач и составлять матрицы, связывающие задачи с методами и средствами достижения. Правда, при практическом применении этого подхода довольно быстро выяснялась его недостаточность, и исследователи стали прежде всего обращать внимание на необходимость построения моделей, не просто фиксирующих цели, компоненты

л связи между ними, а позволяющих накапливать информацию, вводить новые компоненты, выявлять новые связи и т. д„ т. е. отображать объект в виде развивающейся системы, не всегда предлагая, как это делать.

Позднее системный анализ начинают определять как «процесс последовательного разбиения изучаемого процесса на подпроцессы» (С. Янг) и основное внимание уделяют поиску приемов, позволяющих организовать решение сложной проблемы путем расчленения ее на подпроблемы и этапы, для которых становится возможным подобрать методы исследования и исполнителей. В большинстве работ стремились представить многоступенчатое расчленение в виде иерархических структур типа «дерева», но в ряде случаев разрабатывались методики получения вариантов структур, определяемых временными последовательностями функций.

В настоящее время системный анализ развивается применительно к проблемам планирования и управления, и в связи с усилением внимания к программно-целевым принципам в планировании этот термин стал практически неотделим от терминов «целеобразование» и «программно-целевое планирование и управление». В работах этого периода системы анализируются как целое, рассматривается роль процессов целеобразования в развитии целого, роль человека. При этом оказалось, что в системном анализе не хватает средств: развиты в основном средства расчленения на части, но почти нет рекомендаций, как при расчленении не утратить целое. Поэтому наблюдается усиление внимания к роли неформализованных методов при проведении системного анализа. Вопросы сочетания и взаимодействия формальных и неформальных методов при проведении системного анализа не решены. Но развитие этого научного направления идет по пути их решения.

Теория БС с точки зрения системного анализа проблемы включает три основных  научных направления:

1.                кибернетику как науку об управлении, включающую анализ информационных процессов в системах с управлением;

2.                исследование операций как науку, дающую количественное обоснование степени соответствия управления целевому назначению системы;

3.                экономические исследования (технико-экономические, военно-экономические исследования), дающие возможность анализировать процесс функционирования основных средств системы.

4.                Следовательно, предметом теории систем применительно к большим организационным системам является круг проблем, связанных с анализом целенаправленной деятельности коллективов людей, функционирования техники, которой управляют люди, и техники с силами природы.

Уровни представления информационных систем

Характеристики уровней представления ИС: лингвистический, теоретико-множественный, абстрактно-алгебраический, динамический, логико-математический.

Кибернетический подход к описанию ИС. Процесс управления как информационный процесс. Этапы управления.

Методы и модели описания систем

Методы описания систем классифицируются в порядке возрастания формализованности - от качественных методов, с которыми в основном и связан был первоначально системный анализ, до количественного системного моделирования с применением ЭВМ. Разделение методов на качественные и количественные носит, конечно, условный характер.

n    В качественных методах основное внимание уделяется организации постановки задачи, новому этапу ее формализации, формированию вариантов, выбору подхода к оценке вариантов, использованию опыта человека, его предпочтений, которые не всегда могут быть выражены в количественных оценках.

n    Количественные методы связаны с анализом вариантов, с их количественными характеристиками корректности, точности и т. п. Для постановки задачи эти методы не имеют средств, почти полностью оставляя осуществление этого этапа за человеком.

Между этими крайними классами методов системного анализа имеются методы, которые стремятся охватить оба этапа — этап постановки задачи, разработки вариантов и этап оценки и количественного анализа вариантов,— но делают это с привлечением разных исходных концепций и терминологии, с разной степенью формализованности. Среди них: кибернетический подход к разработке адаптивных систем управления, проектирования и принятия решений (который исходит из развития основных идей классической теории автоматического регулирования и управления и теории адаптивных систем при- мнительно к организационным системам); информационно-гносеологический подход к моделированию систем (основанный на общности процессов отражения, познания в системах различной физической природы); системно-структурный подход; метод ситуационного моделирования; метод имитационного динамического моделирования.

Качественные методы описания систем

Качественные методы системного анализа применяются, когда отсутствуют описания закономерностей систем в виде аналитических зависимостей.

Методы типа мозговой атаки. Концепция «мозговой атаки» получила широкое распространение с начала 50-х годов как метод систематической тренировки творческого мышления, нацеленный на открытие новых идей и достижение согласия группы людей на основе интуитивного мышления. Методы этого типа известны также под названиями «мозговой штурм», «конференция идей», а в последнее время наибольшее распространение получил термин «коллективная генерация идей» (КГИ).

Обычно при проведении мозговой атаки или сессий КГИ стараются выполнять определенные правила, суть которых:

n    обеспечить как можно большую свободу мышления участников КГИ и высказывания ими новых идей;

n    приветствуются любые идеи, если вначале они кажутся сомнительными или абсурдными (обсуждение и оценка идей производится позднее);

n    не допускается критика, не объявляется ложной и не прекращается обсуждение ни одной идеи;

n    желательно высказывать как можно больше идей, особенно нетривиальных.

Подобием сессий КГИ можно считать разного рода совещания — конструктораты, заседания научных советов по проблемам, заседания специально создаваемых временных комиссий и другие собрания компетентных специалистов.

Методы типа сценариев. Методы подготовки и согласования представлений о проблеме или анализируемом объекте, изложенные в письменном виде, получили название сценария. Первоначально этот метод предполагал подготовку текста, содержащего логическую последовательность событий или возможные варианты решения проблемы, развернутые во времени. Однако позднее обязательное требование явно выраженных временных координат было снято, и сценарием стали называть любой документ, содержащий анализ рассматриваемой проблемы или предложения по ее решению, по развитию системы независимо от того, в какой форме он представлен. Как правило, предложения для подготовки подобных документов пишутся вначале индивидуально, а затем формируется согласованный текст.

На практике по типу сценариев разрабатывались прогнозы в некоторых отраслях промышленности. В настоящее время разновидностью сценариев можно считать предложения к комплексным программам развития отраслей народного хозяйства, подготавливаемые организациями или специальными комиссиями.

Сценарий является предварительной информацией, на основе которой проводится дальнейшая работа по прогнозированию развития отрасли или по разработке вариантов проекта. Он может быть подвергнут анализу, чтобы исключить из дальнейшего рассмотрения то, что в учитываемом периоде находится на достаточном уровне развития, если речь идет о прогнозе, или, напротив, то, что не может быть обеспечено в планируемом периоде, если речь идет о проекте. Таким образом, сценарий помогает составить представление о проблеме, а затем приступить к более формализованному представлению системы в виде графиков, таблиц для проведения экспертного опроса и других методов системного анализа.

Методы экспертных оценок. Термин «эксперт» происходит от латинского слова означающего «опытный».

При использовании экспертных оценок обычно предполагается, что мнение группы экспертов надежнее, чем мнение отдельного эксперта. В некоторых теоретических исследованиях отмечается, что это предположение не является очевидным.

Все множество проблем, решаемых методами экспертных оценок, делится на два класса. К первому относятся такие, в отношении которых имеется достаточное обеспечение информацией. При этом методы опроса и обработки основываются на использовании принципа «хорошего измерителя», т. е. эксперт —качественный источник информации; групповое мнение экспертов близко к истинному решению. Ко второму классу относятся проблемы, в отношении которых знаний для уверенности в справедливости указанных гипотез недостаточно. В этом случае экспертов уже нельзя рассматривать как «хороших измерителей» и необходимо осторожно подходить к обработке результатов экспертизы во избежание больших ошибок. В литературе в основном рассматриваются вопросы экспертного оценивания для решения задач первого класса.

При обработке материалов коллективной экспертной оценки используются методы теории ранговой корреляции. Для количественной оценки степени согласованности мнений экспертов применяется коэффициент конкордации

где

 — количество экспертов, j=  — количество рассматриваемых свойств,  — место, которое заняло -е свойство в ранжировке j-м экспертом; d_i — отклонение суммы рангов по -му свойству от среднего арифметического сумм рангов по n свойствам.

Коэффициент конкордации W позволяет оценить, насколько согласованы между собой ряды предпочтительности, построенные каждым экспертом. Его значение находится в пределах0£W£1; W=0 означает полную противоположность, а W= 1 —полное совпадение ранжировок. Практически достоверность считается хорошей, если W= 0,7...0,8.

Небольшое значение коэффициента конкордации, свидетельствующее о слабой согласованности мнений экспертов, является следствием следующих причин: в рассматриваемой совокупности экспертов действительно отсутствует общность мнений; внутри рассматриваемой совокупности экспертов существуют группы с высокой согласованностью мнений, однако обобщенные мнения таких групп противоположны.

Для наглядности представления о степени согласованности мнений двух любых экспертов А и В служит коэффициент парной ранговой корреляции

где  — разность (по модулю) величин рангов оценок -го свойства, назначенных экспертами А и В: —показатели связанных рангов оценок экспертов А и В.

Коэффициент парной ранговой корреляции принимает значения —1< <+1. Значение = +1 соответствует полному совпадению оценок в рангах двух экспертов (полная согласованность мнений двух экспертов), а =—1— двум взаимно противоположным ранжировкам важности свойств (мнение одного эксперта противоположно мнению другого).

Методы типа «Дельфи». Характерный для середины XX в. бурный рост науки и техники вызвал большие перемены в отношении к оценкам будущего развития систем. Одним из результатов этого периода в развитии методов анализа сложных систем явилась разработка методов экспертной оценки, известных в литературе как «методы Дельфи». Название этих методов связано с древнегреческим городом Дельфи, где при храме Аполлона с IX в. до н.э. до IV в. н.э. по преданиям существовал Дельфийский оракул.

Суть метода Дельфи заключается в следующем. В отличие от традиционного подхода к достижению согласованности мнений экспертов путем открытой дискуссии метод Дельфи предполагает полный отказ от коллективных обсуждений. Это делается для того, чтобы уменьшить влияние таких психологических факторов, как присоединение к мнению наиболее авторитетного специалиста, нежелание отказаться от публично выраженного мнения, следование за мнением большинства. В методе Дельфи прямые дебаты заменены тщательно разработанной программой последовательных индивидуальных опросов, проводимых обычно в форме анкетирования. Ответы экспертов обобщаются и вместе с новой дополнительной информацией поступают в распоряжение экспертов, после чего они уточняют свои первоначальные ответы. Такая процедура повторяется несколько раз до достижения приемлемой сходимости совокупности высказанных мнений. Результаты эксперимента показали приемлемую сходимость оценок экспертов после пяти туров опроса.

Метод Дельфи первоначально был предложен О. Хелмером как итеративная процедура при проведении мозговой атаки, которая должна помочь снизить влияние психологических факторов при проведении повторных заседаний и повысить объективность результатов. Однако почти одновременно Дельфи-процедуры стали основным средством повышения объективности экспертных опросов с использованием количественных оценок при оценке деревьев цели и при разработке сценариев.

Процедура Дельфи-метода:

1)  в упрощенном виде организуется последовательность циклов мозговой атаки;

2)  в более сложном виде разрабатывается программа последовательных индивидуальных опросов обычно с помощью вопросников, исключая контакты между экспертами, но предусматривающая ознакомление их с мнениями друг друга между турами; вопросники от тура к туру могут уточняться;

3)  в наиболее развитых методиках экспертам присваиваются весовые коэффициенты значимости их мнений, вычисляемые на основе предшествующих опросов, уточняемые от тура к туру и учитываемые при получении обобщенных результатов оценок.

Первое практическое применение метода Дельфи к решению некоторых задач Министерства обороны США во второй половине 40-х годов, показало его эффективность и целесообразность распространения на широкий класс задач, связанных с оценкой будущих событий.

Исследуемые проблемы: научные открытия, рост народонаселения, автоматизация производства, освоение космоса, предотвращение войны, военная техника. Результаты статистической обработки мнений экспертов позволили нарисовать вероятную картину будущего мира в указанных шести аспектах. Была оценена также степень согласованности мнений экспертов, которая оказалась приемлемой после проведения четырех туров опроса.

Недостатки метода Дельфи:

n    значительный расход времени на проведение экспертизы, связанный с большим количеством последовательных повторений оценок;

n    необходимость неоднократного пересмотра экспертом своих ответов вызывает у него отрицательную реакцию, что сказывается на результатах экспертизы.

Дальнейшим развитием метода Дельфи являются методы QUWST, SEER, PATTERN.

Методы типа дерева целей. Идея метода дерева целей впервые была предложена Черчменом в связи с проблемами принята решений в промышленности. Термин «дерево целей» подразумевает использование иерархической структуры, полученной путей разделения общей цели на подцели, а их, в свою очередь, на боле) детальные составляющие — новые подцели, функции и т. д. Как правило, этот термин используется для структур, имеющих от ношение строгого древесного порядка, но метод дерева целей используется иногда и применительно к «слабым» иерархиям в которых одна и та же вершина нижележащего уровня может быть одновременно подчинена двум или нескольким вершина» вышележащего уровня.

Древовидные иерархические структуры используются и при исследовании и совершенствовании организационных структур Не всегда разрабатываемое даже для анализа целей дерево может быть представлено в терминах целей. Иногда, например, при анализе целей научных исследований удобнее говорить о дереве направлений прогнозирования. В. М. Глушковым, например, бы. предложен и в настоящее время широко используется термин) «прогнозный граф». При использовании этого понятия появляется возможность более точно определить понятие дерева как связного ориентированного графа, не содержащего петель, каждая пара вершин которого соединяется единственной цепью.

Морфологические методы. Основная идея морфологических методов — систематически находить все «мыслимые» варианты решения проблемы или реализации системы путем комбинирования выделенных элементов или их признаков. Идеи морфологического образа мышления восходят к Аристотелю, Платону, к известной средневековой модели механизации мышления Р. Луллия. В систематизированном виде морфологический подход был разработан и применен впервые швейцарским астрономом Ф. Цвикки и долгое время был известен как метод Цвикки.

Цвикки предложил три метода морфологического исследования.

Первый метод — метод систематического покрытия поля (МСПП), основанный на выделении так называемых опорных пунктов знания в любой исследуемой области и использовании для заполнения поля некоторых сформулированных принципов мышления. Второй — метод отрицания и конструирования (МОК), базирующийся на идее

Цвикки, заключающейся в том, что на пути конструктивного прогресса стоят догмы и компромиссные ограничения, которые есть смысл отрицать, и, следовательно, сформулировав некоторые предложения, полезно заменить их затем на противоположные и использовать при проведении анализа.

Третий — метод морфологического ящика (ММЯ), нашедший наиболее широкое распространение. Идея ММЯ состоит в определении всех «мыслимых» параметров, от которых может зависеть решение проблемы, и представлении их в виде матриц-строк, а затем в определении в этом морфологическом матрице-ящике всех возможных сочетаний параметров по одному из каждой строки. Полученные таким образом варианты могут затем подвергаться оценке и анализу с целью выбора наилучшего. Морфологический ящик может быть не только двумерным. Например, А. Холл использовал для исследования структуры систем трехмерный ящик.

Морфологические ящики Цвикки нашли широкое применение для анализа и разработки прогноза в технике. Для организационных же систем, систем управления такой ящик, который, повидимому, был бы многомерным, практически невозможно построить. Поэтому, используя идею морфологического подхода для моделирования организационных систем, разрабатывают языки моделирования или языки проектирования, которые применяют для порождения возможных ситуаций в системе, возможных вариантов решения и часто — как вспомогательное средство формирования нижних уровней иерархической структуры как при моделировании структуры целей, так и при моделировании организационных структур. Примерами таких языков служат: системно-структурные языки (язык функций и видов структуры, номинально-структурный язык), язык ситуационного управления, языки структурно-лингвистического моделирования.

Методика системного анализа. Методики, реализующие принципы системного анализа в конкретных условиях, направлены на то, чтобы формализовать процесс исследования системы, процесс поставки и решения проблемы. Методика системного анализа разрабатывается и применяется в тех случаях, когда у исследователя нет достаточных сведений о системе, которые позволили бы выбрать адекватный метод формализованного представления системы.

Общим для всех методик системного анализа является формирование вариантов представления системы (процесса решения задачи) и выбор наилучшего варианта. Положив в основу методики системного анализа эти два этапа, их затем можно разделить на под этапы. Например, первый этап можно разделить следующим образом:

1. Отделение (или ограничение) системы от среды.

2.   Выбор подхода к представлению системы.

3.   Формирование вариантов (или одного варианта — что часто делают, если система отображена в виде иерархической структуры) представления системы.

Второй этап можно представить следующими под этапами:

1. Выбор подхода к оценке вариантов.

2. Выбор критериев оценки и ограничений.

3. Проведение оценки.

4. Обработка результатов оценки.

5. Анализ полученных результатов и выбор наилучшего варианта (или корректировка варианта, если он был один).

В настоящее время трудно привести примеры методик, в которых все этапы были бы проработаны равноценно.

 Количественные методы описания систем

Уровни (описания систем. При создании и эксплуатации сложных систем требуется проводить многочисленные исследования и расчеты, связанные с:

n    оценкой показателей, характеризующих различные свойства систем;

n    выбором оптимальной структуры системы;

n    выбором оптимальных значений ее параметров.

Выполнение таких исследований возможно лишь при наличии математического описания процесса функционирования системы, т. е. ее математической модели.

Сложность реальных систем не позволяет строить для них «абсолютно» адекватные модели. Математическая модель (ММ) описывает некоторый упрощенный процесс, в котором представлены лишь основные явления, входящие в реальный процесс, и лишь главные факторы, действующие на реальную систему.

Какие явления считать основными и какие факторы главными — существенно зависит от назначения модели, от того, какие исследования с ее помощью предполагается проводить. Поэтому процесс функционирования одного и того же реального объекта может получить различные математические описания в зависимости от поставленной задачи.

Так как ММ сложной системы может быть сколько угодно много и все они определяются принятым уровнем абстрагирования, то рассмотрение задач на каком-либо одном уровне абстракции позволяет дать ответы на определенную группу вопросов, а для получения ответов на другие вопросы необходимо провести исследование уже на другом уровне абстракции. Каждый из возможных уровней абстрагирования обладает ограниченными, присущими только данному уровню абстрагирования возможностями. Для достижения максимально возможной полноты сведений необходимо изучить одну и ту же систему на всех целей сообразных для данного случая уровнях абстракции.

Наиболее пригодными являются следующие уровни абстрактного описания систем:

n    символический, или, иначе, лингвистический;

n    теоретико-множественный;

n    абстрактно-алгебраический;

n    топологический;

n    логико-математический;

n    теоретико-информационный;

n    динамический;

n    эвристический.

Условно первые четыре уровня относятся к высшим уровням описания систем, а последние четыре — к низшим.

Высшие уровни описания систем. Лингвистический уровень описания — наиболее высокий уровень абстрагирования. Из него как частные случаи можно получить другие уровни абстрактного описания систем более низкого ранга. Процесс формализации в математике обычно понимают как отвлечение от изменчивости рассматриваемого объекта. Поэтому формальные построения наиболее успешно используются, когда удается с предметами или процессами действительности каким-то образом сопоставлять некоторые стабильные, неизменные понятия.

Понятие о высказывании на данном абстрактном языке означает, что имеется некоторое предложение (формула), построенное на правилах данного языка. Предполагается, что эта формула содержит варьируемые переменные, которые только при определенном их значении делают высказывание истинным.

Все высказывания делят обычно на два типа. К первому причисляют «термы» (имена предметов, члены предложения и т. д.) — высказывания, с помощью которых обозначают объекты исследования, а ко второму — «функторы» — высказывания, определяющие отношения между термами.

С помощью термов и функторов можно показать, как из лингвистического уровня абстрактного описания (уровня высшего ранга) как частный случай возникает теоретико-множественный уровень абстрагирования (уровень более низкого ранга).

Термы — некоторые множества, с помощью которых перечисляют элементы, или, иначе, подсистемы изучаемых систем, а функторы устанавливают характер отношений между введенными множествами. Множество образуется из элементов, обладающих некоторыми свойствами и находящимися в некоторых отношениях между собой и элементами других множеств. (Следовательно, автоматизированные системы управления (АСУ) вполне подходят под такого рода определение понятия «множество». Это доказывает, что построение сложных систем на теоретико-множественном уровне абстракции вполне уместно и целесообразно.

На теоретико-множественном уровне абстракции можно получить только общие сведения о реальных системах, а для более конкретных целей необходимы другие абстрактные модели, которые позволили бы производить более тонкий анализ различных свойств реальных систем. Эти более низкие уровни абстрагирования, в свою очередь, являются уже частными случаями по отношению к теоретико-множественному уровню формального описания систем.

Так, если связи между элементами рассматриваемых множеств устанавливаются с помощью некоторых однозначных функций, отображающих элементы множества в само исходное множество, то приходим к абстрактно-алгебраическому уровню описания систем. В таких случаях говорят, что между элементами множеств установлены нульарные (никакие, отсутствующие), унарные, бинарные (двойные, двойственные), тернарные отношения и т. д. Если же на элементах рассматриваемых множеств определены некоторые топологические структуры, то в этом случае приходим к топологическому уровню абстрактного описания систем. При этом может быть использован язык общей топологии или ее ветвей, именуемых гомологической топологией, алгебраической топологией и т. д.

Низшие уровни описания систем. Логико-математический уровень описания систем нашел широкое применение для: формализации функционирования автоматов; задания условий функционирования автоматов; изучения вычислительной способности автоматов.

Понятие «автомат» (от греч. automatos — самодействующий) имеет следующие значения:

1)  устройство, выполняющее некоторый процесс без непосредственного участия человека. В глубокой древности это часы, механические игрушки, со второй половины XVIII в. Широкое применение в промышленности для замены физического труда человека; в 40 — 50-х годах XX в. появились автоматы для выполнения некоторых видов умственного труда; автоматические вычислительные машины и другие кибернетические устройства. Применение автоматов значительно повышает производительность труда, скорость и точность выполнения операций. Освобождает человека от утомительного однообразного труда, для защиты человека от условий, опасных для жизни или вредных для здоровья. Автоматы используются там, где невозможно присутствие человека (высокая температура, давление, ускорение, вакуум и т. д.);

2)  математическое понятие, математическая модель реальных (технических) автоматов. Абстрактно автомат можно представить как некоторое устройство («черный ящик»), имеющее конечное число входных и выходных каналов и некоторое множество внутренних состояний. На входные каналы извне поступают сигналы, и в зависимости от их значения и от того, в каком состоянии он находился, автомат переходит в следующее состояние и выдает сигналы на свои выходные каналы. С течением времени входные сигналы изменяются, соответственно изменяются и состояние автомата, и его выходные каналы. Таким образом, автомат функционирует во времени;

3)  в узком смысле автомат употребляется для обозначения так называемых синхронных дискретных автоматов. Такие автоматы имеют конечные множества значений входных и выходных сигналов, называемых входным и выходным алфавитом. Время разбивается на промежутки одинаковой длительности (такты): на протяжении всего такта входной сигнал, состояние и выходной сигнал не изменяются. Изменения происходят только на границах тактов. Следовательно, время можно считать дискретным t=1,2, ...,n.

При любом процессе управления или регулирования, осуществляемом живым организмом или автоматически действующей машиной либо устройством, происходит переработка входной информации в выходную. Поэтому при теоретико-информационном уровне абстрактного описания систем информация выступает как свойство объектов и явлений (процессов) порождать многообразие состояний, которые посредством отражения передаются от одного объекта к другому и запечатлеваются в его структуре (возможно, в измененном виде).

Отображение множества состояний источника во множество состояний носителя информации называется способом кодирования, а образ состояния при выбранном способе кодирования — кодом этого состояния.

Абстрагируясь от физической сущности носителей информации и рассматривая их как элементы некоторого абстрактного множества, а способ их расположения как отношение в этом множестве, приходят к абстрактному понятию кода информации как способа ее представления. При таком подходе код информации можно рассматривать как математическую модель, т. е. абстрактное множество с заданными на нем предикатами. Эти предикаты определяют тип элементов кода и расположение их друг относительно друга.

Предикат — одно из фундаментальных понятий математики — условие, сформулированное в терминах точного логико-математического языка. Предикат содержит обозначения для произвольных объектов некоторого класса (переменные). При замещении переменных именами объектов данного класса предикат задает точно определенное высказывание.

Динамический уровень абстрактного описания систем связан с представлением системы как некоторого объекта, куда в определенные моменты времени можно вводить вещество, энергию и информацию, а в другие моменты времени — выводить их, т. е. динамическая система наделяется свойством иметь «входы» и «выходы», причем процессы в них могут протекать как непрерывно, так и в дискретные моменты времени. Кроме этого, для динамических систем вводится понятие «состояние системы», характеризующее ее внутреннее свойство.

Эвристический уровень абстрактного описания систем предусматривает поиски удовлетворительного решения задач управления в связи с наличием в сложной системе человека. Эврика — это догадка, основанная на общем опыте решения родственных задач. Изучение интеллектуальной деятельности человека в процессе управления имеет очень важное значение.

Эвристика вообще — это прием, позволяющий сокращать количество просматриваемых вариантов при поиске решения задачи. Причем этот прием не гарантирует наилучшее решение.

Например, человек, играя в шахматы, пользуется эвристическими приемами выработки решетя, так как продумать весь ход игры с начала до конца практически невозможно из-за слишком большого числа вариантов игры (надо обдумать около 10¹²⁰ вариантов). Если на один вариант затрачивать всего 10 с, а в году около 3*10⁷ с, то при 8-часовой работе без выходных дней и отпуска человек способен просчитать в год не более (1/3*3*10⁷)/10=10⁶ вариантов. Следовательно, на перебор всех возможных вариантов шахматной партии понадобится одному человеку 10¹¹⁴ лет.

Поэтому в настоящее время бурно развивается эвристическое программирование — программирование игровых ситуаций, доказательства теорем, перевода с одного языка на другой, дифференциальной диагностики, распознавания образов (звуковых, зрительных и т. д.).

Большое внимание сейчас уделяется созданию искусственного и гибридного интеллекта. При этом важное значение играют решение проблемы иерархически организованного перебора, создание и разработка методов отсечения заведомо невыгодных путей.

Таким образом, обзор уровней абстрактного описания систем показывает, что выбор подходящего метода формального описания при изучении той или иной реальной системы является всегда наиболее ответственным и трудным шагом в теоретико-системных построениях. Эта часть исследования почти не поддастся формализации и во многом зависит от эрудиции исследователя, его профессиональной принадлежности, целей исследования и т. д. Наибольшее значение в настоящее время в абстрактной теории систем придается теоретико-множественному, абстрактно-алгебраическому и динамическому уровням описания систем.