ГЛАВА 7. ОПЫТ И ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ АСК- АНАЛИЗА

В данной главе дан краткий обзор опыта использования предложенных технологий и подробные численные примеры их применения в четырех предметных областях: решение ряда задач управления качеством подготовки специалистов (на примере данных Краснодарского юридического института России, 7-летний лонгитюд); прогнозирование развития сегмента рынка (на примере фондового рынка доллара США, 5-летний лонгитюд); прогнозирование и управление урожайностью сельскохозяйственных культур; синтез системы автоматического управления (САУ) фотоветроэлектроэнергетическими установками (ФВЭУ). Рассмотрены перспективы развития и применения АСК-анализа в социально-экономических исследованиях и в ряде других областей.

7.1. КРАТКИЙ ОБЗОР ОПЫТА ПРИМЕНЕНИЯ АСК-АНАЛИЗА ДЛЯ ИССЛЕДОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ

Впервые предложенная модель была практически применена автором в 1981 году для разработки оптимальной методики тестирования и диагностики специальных способностей в Краснодарской краевой секции биоэлектроники при НТОРЭС им.Попова. В данном исследовании была применена максимальная анкета, состоящая из 650 вопросов, обучающая выборка составляла 150 человек из которых около 40 по результатам независимых оценок обладали выраженными способностями к специальным видам деятельности. Было сформированы обобщенные образы двух классов распознавания: "годен" и "не годен". На основе определения ценности признаков для решения задачи идентификации путем исключения незначимых признаков из максимальной анкеты был получен оптимальный опросник, содержащий всего 25 вопросов и обеспечивающий валидность 95% при 15-кратной информационной избыточности. Высокая значимость выявленных в этом исследовании вопросов подтвердилась и в дальнейших исследованиях.

Имеются акты об успешном проведении исследований с помощью данной системы в области социологии, политологии и прикладной психологии по заказам НИИ культуры Российской Федерации и Краснодарского государственного института культуры (ноябрь 1987г.), Академии общественных наук под руководством доцента Б.И.Бессалаева (март 1987г.), Института социологических исследований АН СССР под руководством доктора социологии профессора А.А.Хагурова (май 1987г. и сентябрь 1987г.).

В 1994 году система "Эйдос" была представлена в ВЦ РАН в присутствии иностранных специалистов (в основном из Японии) и получила положительную оценку председателя комитета по искусственному интеллекту Российской Академии наук академика Д.А.Поспелова (рекомендована для применения в социологических и психологических исследованиях), имеются положительные отзывы о Системе от Северо-Кавказской поисково-спасательной службы МЧС России (начальник В.М.Нархов) и Министерства Труда Российской Федерации (зам.нач. Управления, профессор Е.В.Белкин), прошла экспериментальную эксплуатацию в отделе информационного взаимодействия Аналитического центра при Президенте РФ (начальник отдела доктор технических наук, академик МАИ профессор А.Н.Райков), а также приобретена Аналитическим центром администрации Ярославской области (руководитель А.В.Бушуев), Информационно - аналитическим центром администрации Краснодарского края (директор С.Б.Лисицын), АО "Новороссийское морское пароходство" (вице-президент, капитан 1-го ранга, к.т.н. доцент В.А.Бобыр), Краснодарским юридическим институтом МВД России (начальник генерал-майор, доктор философских наук, профессор Ю.А.Агафонов).

Работы в МЧС и АО "Новошип" проводились совместно с Научно - производственной фирмой "ЭВРИТОП" (директор Б.В.Гауфман) под научным руководством кандидата технических наук, доктора биологических профессора О.А.Засухиной. Под ее же руководством Кубанским Агроуниверситетом совместно с НПП "Эйдос" была разработана методика прогнозирования урожайности и качества сельскохозяйственных культур в зависимости от вида почв, культуры-предшественника, применяемой агротехнологии (нормы высева, удобрения, вспашка и т.п.). Данная методика позволяет "просматривать" различные варианты технологии, прогнозировать последствия их применения, и, на этой основе, вырабатывать научно обоснованные рекомендации по выбору возделываемой культуры и оптимальной для поставленных целей агротехнологии. Это исследование показательно как само по себе, так и в качестве примера применения Системы для выявления взаимосвязей между различными технологиями и хозяйственными результатами. Материалы этих и других работ были представлены на международной конференции "Партнерство во имя прогресса", проходившей в конце мая 1994 года в г.Анапе. Совместно с канд.мед.наук. Г.А.Авакимяном на базе системы "Эйдос" была разработана методика диагностики избыточности и недостаточности меридианов, основанная на внешней симптоматике и анамнезе.

Для строительной фирмы "ЭКСТЕРН" (директор В.Г.Очередько) была разработана методика прогнозирования профессиональной пригодности сотрудников для работы по должностям, имеющимся в фирме. Кроме того прогнозируется возможность криминогенных проявлений. Данная методика является автоматизированным рабочим местом (АРМом) менеджера по персоналу и эксплуатировалась несколько лет в адаптивном режиме, обеспечивающем постоянное повышение качества прогнозирования на основе роста представительности обучающей выборки.

Таким образом, опыт применения АСК-анализа подтверждает эффективность его использования в следующих предметных областях:

– идентификация и анализ макроэкономических состояний городов и районов Краснодарского края и края в целом на основе оценки значимости индикаторов макроэкономики и применения методов статистической теории информации и искусственного интеллекта (Департамент экономики и прогнозирования администрации Краснодарского края);

– социологические и политологические исследования, анализ общественного мнения (Краснодарский сектор Института социологических исследований АН СССР, Краснодарский краевой агропромышленный комитет, Академия государственной службы при Президенте РФ, Краснодарский государственный институт культуры, Информационно-аналитический центр администрации Краснодарского края, Аналитический центр администрации Ярославской области и др.);

– проектирование адаптивных АСУ сложными техническими объектами (Государственное предприятие особое конструкторское бюро "Икар", Кубанский государственный технологический университет);

– решение ряда задач управления качеством подготовки специалистов (Краснодарский юридический институт МВД РФ);

– прогнозирование результатов применения агротехнологий и управление выращиванием сельскохозяйственных культур (Кубанский государственный аграрный университет);

– прогнозирование успешности будущей профессиональной деятельности в экстремальных ситуациях в условиях высокой ответственности и дефицита времени (Северокавказская региональная поисково-спасательная служба Государственного комитета РФ по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий МЧС, АО "Новошип" Новороссийское морское пароходство);

– решение задач Центра Правительственной связи в Краснодарском крае.

Это подтверждается 17 актами внедрения предлагаемых технологий за период с 1987 по 2002 годы (приложение 4).

7.2. АНАЛИЗ ДИНАМИКИ МАКРОЭКОНОМИЧЕСКИХ СОСТОЯНИЙ ГОРОДОВ И РАЙОНОВ НА УРОВНЕ СУБЪЕКТА ФЕДЕРАЦИИ В ХОДЕ ЭКОНОМИЧЕСКОЙ РЕФОРМЫ (НА ПРИМЕРЕ КРАСНОДАРСКОГО КРАЯ)

В 1993 году в Департаменте экономики и прогнозирования администрации Краснодарского края по заказу заместителя Главы администрации Краснодарского края доктора экономических наук профессора Р.А.Попова с применением технологии АСК-анализа был проведен анализ макроэкономических состояний городов и районов Краснодарского края и всего края в целом в ходе экономической реформы на основе оценки значимости индикаторов макроэкономики и применения методов статистической теории информации и искусственного интеллекта. Данная работа проведена по закрытой теме и получила положительную оценку, что подтверждается актом внедрения.

7.3. ПРОГНОЗИРОВАНИЕ УРОВНЯ БЕЗРАБОТИЦЫ (НА ПРИМЕРЕ ЯРОСЛАВСКОЙ ОБЛАСТИ)

В 1994 году в Аналитическом центре администрации Ярославской области было разработано приложение (ДСП), обеспечивающее:

1. Программный интерфейс межу базами данных Аналитического центра, созданных в среде MS Works.

2. Анализ данных мониторинга, содержащих помесячную информацию по ряду социально-экономических показателей за 5 лет (5-летний лонгитюд) представленных Аналитическим центром, с целью выявления причинно-следственных зависимостей между ними и последующим уровнем безработицы.

3. Прогнозирование уровня безработицы на основе новых данных по социально-экономическим показателям и знания ранее выявленных причинно-следственных зависимостей.

Разработанное приложение показало высокую эффективность на ретроспективных данных и получило положительную оценку. Имеется акт внедрения.

7.4. ПРОГНОЗИРОВАНИЕ РАЗВИТИЯ РАЗЛИЧНЫХ СЕГМЕНТОВ РЫНКА (НА ПРИМЕРЕ ФОНДОВОГО РЫНКА РФ)

7.4.1. Предыстория исследования

	В 1993-1994 годах, автором совместно с Б.Х.Шульман (США) были проведены исследования Российского фондового рынка [159, 233]. При этом были применены предложенные технологии и специальный программный инструментарий АСК-анализа – базовая система "Эйдос" [152] и специально
Рисунок 7. 1. Титульная видеограмма системы окружения "Эйдос-фонд"

созданная система окружения "Эйдос-фонд" (рисунок 7.1).

Было разработано несколько вариантов приложений для различных сегментов фондового рынка и с различной детализацией прогнозов. В дальнейшем данная разработка была усовершенствована (усилены графические возможности анализа данных), разработаны исследовательские режимы и др.

7.4.2. Когнитивная структуризация и формализация предметной области

Одним из основных требований системного анализа является требование полноты и всесторонности рассмотрения, а также необходимость исключения из рассмотрения несущественной информации. При когнитивной структуризации предметной области были выявлены 300 ситуаций на фондовом рынке, которые описывались 1500 показателями (таблица 7.1). В соответствии с разработанной методикой причинно-следственные взаимосвязи между ситуациями на фондовом рынке выявлялись на основании анализа биржевых баз данных, содержащих сведения примерно за 1993-1994 годы. Позже эти базы были дополнены и в настоящее время содержат данные за 1393 дня с 1992 по 1998 годы.

Таким образом, размерность модели составила: 300 прогнозируемых ситуаций на фондовом рынке, 1500 градаций факторов, 1393 прецедента за 1992 по 1998 годы, 1765907 фактов.

В соответствии с разработанной методикой, путем анализа биржевых баз данных, содержащих сведения за 1393 дня с 1992 по 1998 годы, выявлялись причинно-следственные взаимосвязи между ситуациями на фондовом рынке.

При этом были применены математические модели и технологии, а также специальный программный инструментарий АСК-анализа: когнитивная аналитическая система "Эйдос" [152]. Реализованные в данной системе когнитивные технологии основаны на системной автоматизации 10 базовых когнитивных операций с применением системного обобщения семантической меры целесообразности информации, предложенной академиком А.А.Харкевичем [330].

Таблица 7. 1 – КЛАССИФИКАЦИОННЫЕ И ОПИСАТЕЛЬНЫЕ
ШКАЛЫ И ГРАДАЦИИ ПРИ ИССЛЕДОВАНИИ ФОНДОВОГО РЫНКА

7.4.3. Исходные данные для прогноза: биржевые базы данных

Система "Эйдос-фонд" относится к окружению системы Универсальной когнитивной аналитической системы "Эйдос" и представляет собой по сути дела программный интерфейс между биржевыми базами данных и базовой системой "Эйдос".

Система "Эйдос-фонд" обеспечивает прогнозирование динамики курсов валют и ценных бумаг на 1-й 2-й, 3-й, ... , 30-й день от текущего дня с достоверностью около 85%. Преобразование данных из стандартов биржевых баз данных в стандарт Системы "Эйдос" осуществляется автоматически с помощью специально для этого созданного автором программного интерфейса. В таблице 7.2 приводится фрагмент биржевой базы данных:

Таблица 7. 2 – ФРАГМЕНТ БИРЖЕВОЙ БАЗЫ ДАННЫХ

При этом также осуществляется преобразование первичных параметров, т.е. чисел из временных рядов, характеризующих предметную область, во вторичные параметры - характеризующие наступление тех или иных экономических ситуаций (событий). Система "Эйдос" выявляет взаимосвязи между прошлыми и будущими событиями, и, на этой основе, позволяет осуществлять прогнозирование ситуаций. Технические решения, реализованные в данном программном интерфейсе, являются типовыми и могут быть использованы в других приложениях, где необходимо преобразование временных рядов, характеризующих динамику предметной области, в события, анализируемые системой "Эйдос". При использовании данного приложения были "вновь открыты" многие "сильнодействующие" закономерности валютного и фондового рынка, давно известные специалистам и вписывающиеся в так называемые "фундаментальные" (т.е. содержательные аналитические модели) и "технические" (т.е. феноменологические аналитические) модели [1]. В то же время необходимо подчеркнуть, что было открыто много новых, как правило "более слабых" и специфических закономерностей валютного и фондового рынка, характерных именно для ММВБ на момент проведения работ. Была также обнаружена определенная динамика этих закономерностей. Подход, реализованный на базе системы "Эйдос" во многом является синтезом подходов фундаментальной и технической школ и имеет определенную новизну.

7.4.4. Формирование точечных прогнозов

На приведенных ниже диаграммах, которые выдает данная система, приводится фактический курс $ США, а также множество точечных прогнозов и средневзвешенный прогноз динамики курса $, рассчитанный с учетом достоверностей точечных прогнозов. Дело в том, в данном приложении на каждый конкретный день получается 30 прогнозов, первый из которых "с позиции во времени" на 30 дней назад, второй - на 29 дней назад, и т.д.

Фрагмент карточки результатов прогнозирования, получающейся на основе данных, имеющихся на текущий день, приводится в таблице 7.3:

Таблица 7. 3 – КАРТОЧКА РЕЗУЛЬТАТОВ ПРОГНОЗИРОВАНИЯ
("ТОЧЕЧНЫЕ ПРОГНОЗЫ")

Любой прогноз основан на использовании ранее выявленных закономерностей в предметной области. Так как эти закономерности вообще говоря изменяются при прохождении активной системой точки бифуркации, то следует ожидать, что сразу после прохождения системой этой точки адекватность модели будет резко снижаться, а затем плавно возрастать со скоростью, которую называют "скоростью сходимости" за счет синтеза и адаптации новой модели (фактически исследование зависимости адекватности модели от объема выборки показывает, что погрешность модели после прохождения системой точки бифуркации уменьшается по закону близкому по форме к "затухающим колебаниям").

Из этого следует, что выявление причинно-следственных связей между событиями, между которыми было несколько точек бифуркации, вряд ли имеет смысл. Поэтому увеличение объема фактографической базы для принятия решений само по себе еще не гарантирует повышения их качества. Более того, учет данных, подчиняющихся закономерностям уже потерявшим силу, вполне может и ухудшить характеристики модели. Свойство модели сохранять адекватность при прохождении точки бифуркации будем называть устойчивостью. Результаты взвешивания "точечных прогнозов" приведены на рисунках 7.2 – 7.3.

	Рисунок 7. 2. Точечные прогнозы курса Российского рубля к доллару США, средневзвешенный прогноз и фактический курс (1993-1995)
Рисунок 7. 3. Зависимость погрешности средневзвешенного прогноза курса рубля от разброса точечных прогнозов (ММВБ, 1993-1995)

Рисунок 7. 4. Сходимость модели по атрибуту: 1246, класс: 219

Устойчивость модели, скорость ее сходимости и повышение степени адекватности при изменении объема обучающей выборки являются важнейшими характеристиками модели и определяются ее способностью к выявлению и учету новых закономерностей в предметной области, вступивших в действие после прохождения системой точки бифуркации.

Атрибут 1246: "Количество банков, участвующих в торгах сегодня по сравнению с ним же, 5 дней назад: существенно не отличается (95-105%)".

Класс 219: "На 9-й день понижение курса $ (1-3%)".

Из рисунка 7.3 видно, что погрешность прогнозирования и разброс точечных прогнозов сильно корреллируют. Таким образом, разброс точечных прогнозов может быть использован как количественный измеритель степени неопределенности состояния системы и позволяет оценить степень близости этого состояния к "детерминистскому" или "бифуркационному".

Из сравнения рисунков 7.2.и 7.3 видно, что после прохождения активной системой каждой точки бифуркации начинается колебательный процесс приближения атрибута к новому оптимальному значению, минимизирующему ошибку прогнозирования. После достижения этого состояния значение атрибута практически не изменяется до достижения системой новой точки бифуркации.

Когда разброс точечных прогнозов незначителен (рисунок 6.6), средневзвешенному прогнозу можно доверять, т.к. система находится на детерминистском участке своего развития, на котором ее поведение хорошо прогнозируется, т.к. закономерности, управляющие этим поведением на детерминистском этапе известны и не изменяются. Если же разброс точечных прогнозов велик, то средневзвешенному прогнозу доверять нельзя, т.к. система находится в бифуркационном состоянии, на котором ее дальнейшее поведение неопределенно, т.к. закономерности, управляющие этим будущим поведением только формируются, еще не определены и не отражены в модели.

7.4.5. Формирование средневзвешенного прогноза

Каждый точечный прогноз может быть представлен в форме вектора, параллельного оси Y (величина курса доллара США), имеющего определенную направленность, т.е. знак ("+" повышение, "–" понижение), а также величину, модуль, отражающую скорость изменения курса. Кроме того, каждый точечный прогноз имеет свою достоверность, нормированную от 0 до 1. Было принято, что вклад каждого точечного прогноза в средневзвешенный зависит не только от знака и модуля вектора, но от достоверности, которая просто умножается на модуль и уменьшает его пропорционально достоверности. Таким образом, средневзвешенный прогноз является векторной суммой всех точечных прогнозов с учетом их достоверностей. Так как вектора всех точечных прогнозов параллельны оси Y, то векторную сумму можно заменить их скалярной суммой в координатной форме, в которой направление вектора учитывается просто его знаком:

(6. 1)

где:

i	– дата, с которой сделан прогноз.
j	– внутренний номер прогноза, сделанного с i-й даты.
N	– количество прогнозов, сделанных с i-й даты на дату D.
PD	– средневзвешенный прогноз курса доллара США на дату D.
Pij	– модуль и знак j-го точечного прогноза курса доллара США, сделанного с i-й даты на дату D.
aij	– оценка достоверности j-го точечного прогноза курса доллара США, сделанного с i-й даты на дату D (формируется системой "Эйдос" автоматически на основе данных, представленных системой окружения "Эйдос-фонд")

Необходимо отметить, что учитываются только те точечные прогнозы, которые имеют положительное сходство с ситуацией, реально сложившейся на фондовом рынке. В результате средневзвешенный прогноз показывает, что "скорее всего произойдет на фондовом рынке".

Прогнозы, имеющие отрицательное сходство, также могут быть обобщены по аналогичной методике, но полученный средневзвешенный прогноз будет означать "чего точно не произойдет на фондовом рынке".

7.4.6. Оценка адекватности модели

Адекватность модели определяется несколькими способами:

1. Путем численного эксперимента, т.е. ретроспективного прогнозирования по данным обучающей выборки (внутренняя валидность).

2. Путем экспериментально сопоставления прогнозируемого и фактического развития активного объекта (внешняя валидность).

И внутренняя, и внешняя валидность может определяться в разрезе по классам (дифференциальная) или как средневзвешенная по всем классам (интегральная валидность). При исследовании системно-когнитивной модели было обнаружено, что ошибка прогнозирования курса Российского рубля по отношению к доллару США зависит от прогнозируемой ситуации, т.е. дифференциальная валидность существенно отличается от интегральной.

Фрагмент отчета по результатам измерения внутренней дифференциальной и интегральной валидности приведены в таблице 7.4.

Таблица 7. 4 – ИЗМЕРЕНИЕ ВНУТРЕННЕЙ ДИФФЕРЕНЦИАЛЬНОЙ И ИНТЕГРАЛЬНОЙ ВАЛИДНОСТИ СЕМАНТИЧЕСКОЙ ИНФОРМАЦИОННОЙ МОДЕЛИ ФОНДОВОГО РЫНКА

Прохождение системой точек бифуркации изменяет значения атрибута, но не изменяет его смысла по отношению к рассмотренным классам, т.е. не изменяет семантического портрета атрибута, поэтому данный вид устойчивости предлагается называть "Семантическая устойчивость".

Из рисунков 7.2 – 7.3 хорошо видно, что погрешность прогнозирования и разброс точечных прогнозов резко возрастают синхронно с "обвалами" рубля. При искусственном (волевом) "удержании" курса рубля, которое обычно следует за периодами его "обвала", прогноз сильно отличается от фактического курса. Это можно объяснить тем, что фактически прогнозируется рыночный, а не искусственно установленный курс. Таким образом, разброс точечных прогнозов является количественным измерителем степени неопределенности состояния системы и позволяет классифицировать это состояние как "детерминистское" или "бифуркационное" или оценить степень близости к этим состояниям.

Продолжим глубокую и плодотворную квантовомеханическую аналогию. Высокая степень согласованности точечных прогнозов соответствует высокой степени редукции волновой функции, т.е. состоянию объекта с высокой степенью редукции, в котором плотность вероятности его наблюдения близка к 1 для одного состояния или в некоторой точке и очень мала для остальных. Большой разброс точечных прогнозов соответствует виртуальному состоянию объекта, при котором плотность вероятности его наблюдения распределена по различным состояниям таким образом, что для любого из них достаточно далека от 1. Объект не может находиться одновременно и в полностью виртуальном, и в полностью редуцированном состояниях, при этом количественное соотношение между "степенями редукции и виртуальности" определяется известным соотношением неопределенностей Гейзенберга [25, 30, 323].

Когда разброс точечных прогнозов незначителен, средневзвешенному прогнозу можно доверять, т.к. система находится на детерминистском участке своего развития, на котором ее поведение хорошо прогнозируется, т.к. закономерности, управляющие этим поведением на детерминистском этапе известны и не изменяются. Если же разброс точечных прогнозов велик, то средневзвешенному прогнозу доверять нельзя, т.к. система находится в бифуркационном состоянии, на котором ее дальнейшее поведение неопределенно, т.к. закономерности, управляющие этим будущим поведением только формируются и еще не определены.

Таким образом, развитые методика, технология и программный инструментарий АСК-анализа позволяют либо надежно прогнозировать развитие активного объекта, либо надежно прогнозировать его переход в бифуркационное состояние, что само по себе также чрезвычайно ценно.

7.4.7. Детерминистские и бифуркационные участки траектории

При исследовании динамики среднеквадратичного отклонения точенных прогнозов от средневзвешенного (разброс точечных прогнозов от среднего) было обнаружено, что эта характеристика позволяет выделить два основных типа периодов, которые сменяют друг друга:

1. Относительно длительные периоды, характеризующиеся "высокой кучностью точечных прогнозов". Это детерминистские периоды, для которых характерна высокая точность прогнозов, высокое совпадение средневзвешенного прогноза с фактическим курсом доллара США (на уровне 90-95%).

2. Относительно короткие периоды, характеризующиеся высокой степенью разброса точечных прогнозов. Это бифуркационные периоды, для которых характерна низкая точность прогнозов, относительно слабое совпадение средневзвешенного прогноза с фактическим курсом доллара США (на уровне 50-60%).

Необходимо специально отметить, что сам факт наступления бифуркационного периода прогнозируется по величине разброса точечных прогнозов с очень высокой достоверностью (около 95%), а что произойдет конкретно в бифуркационный период с курсом доллара США и рубля спрогнозировать вообще не представляет проблемы, т.к. всегда происходило одно и то же: во все эти "черные вторники и четверги" происходил катастрофический курса обвал рубля по отношению к доллару.

7.4.8. Прогнозирования времени перехода системы в бифуркационное состояние

Остановимся подробнее на прогнозе перехода активного объекта в бифуркационное состояние. Прежде всего, если говорить о Российском фондовом рынке, то многолетний опыт его исследования убедительно свидетельствует, что в точках бифуркации неизменно происходит "обвал" рубля. Но в возможности прогнозирования сроков перехода системы в состояние бифуркации содержится и значительно более глубокий смысл, состоящий в том, что имеется теоретическая и практическая возможность определения сроков окончания любого дела на основании сроков его начала и данных о ходе реализации. Это и прогнозирование срока окончания ВУЗа по данным о сдаче сессий, прогнозирование сроков безотказной эксплуатации различных технических систем (от мобильной энергоустановки до сложной территориально распределенной энергосистемы), "сроков жизни" различных организмов, а также экономических, общественных, военных, политических и государственных организаций, и т.п. и т.д. Примерно также по изучению участка траектории снаряда специалисты по баллистике определяют точку его вылета и предполагаемую цель.

7.4.9. Исследование семантической информационной модели

Рассмотрим каким образом в предложенной технологии решаются некоторые проблемы, сформулированные в теоретической части данного исследования:

Кратко рассмотрим на примере исследования фондового рынка основные параметры семантической информационной модели предметной области:

1. Способ взвешивания точечных прогнозов.

2. Ослабление влияния факторов со временем

3. Старение информации и периоды эргодичности процессов в предметной области.

4. Время реакции системы на изменение факторов (ригидность).

5. Автоколебания системы.

6. Детерминистские и бифуркационные участки траектории.

7. Управление фондовым рынком на детерминистских участках траектории и в точках бифуркации.

Ослабление влияния факторов со временем

Разработка методики прогнозирования основывалась на предположении о том, что факторы в среднем должны оказывать тем меньшее воздействие на текущую ситуацию на фондовом рынке, чем больше прошло времени со времени окончания их действия. Поэтому в реализованной методике учитывались факторы, действующие в течение прошедшего месяца. Специальное исследование, проведенное после разработки методики, показало, что факторы, действующие примерно 30 дней до возникновения текущей ситуации на фондовом рынке, незначительно отличаются по силе влияния на фондовый рынок от факторов, действующих 10 или 20 дней назад. Это означает, что в принципе оправдано было бы взять и значительно больший предстоящий период, например 6 месяцев, в течение которого учитывалось бы действие факторов на текущую ситуацию. Для определения длины предстоящего периода необходимо проведение специального исследования с очень большим предстоящим периодом, составляющим, например, несколько лет.

Старение информации и периоды эргодичности процессов в предметной области

В то же время при исследовании зависимости валидности методики от продолжительности предстоящего периода, в течение которого учитывается действие факторов, было обнаружено, что при увеличении этого периода валидность методики сначала возрастает, а затем начинает плавно, а иногда и скачком снижаться. Рост валидности объясняется увеличением статистики базы примеров, что повышает ее представительность и адекватность. Последующее уменьшение валидности может быть объяснено тем, что закономерности в предметной области изменяются с течением времени, и, поэтому, очень старые данные основаны на иных закономерностях, чем действующие в настоящее время, и значит они уже не повышают адекватность методики, а снижают ее, по сути искажают картину.

Периоды времени, в течение которых закономерности в предметной области существенно не меняются, называются периодами эргодичности. Именно на эр годичных периодах неадаптивные АСУ сохраняют свою адекватность. Эргодичность процессов нарушается либо в результате длительного действия эволюционных изменений в предметной области, которые в конце концов приводят к ее качественному изменению, или в результате действия кратковременных революционных (качественных, скачкообразных) изменений.

Для каждой методики должны быть определены периоды эргодичности, т.к. при выходе за эти периоды необходима адаптация старой или разработка новой методики.

Автоколебания фондового рынка

При исследовании чередования детерминистских и бифуркационных этапов в развитии активных объектов методами корреляционного анализа и конечных разностей были обнаружены автоколебания средневзвешенного прогноза, разброса точечных прогнозов и ошибки средневзвешенного прогноза на фондовом рынке с периодичностью около одной недели и одного месяца (рисунок 7.5).

Рисунок 7. 5. Автоколебания фондового рынка (ММВБ, 1993-1995)

В качестве варианта содержательного объяснения полученных результатов (т.е. их интерпретации) можно предположить, что именно с этой периодичностью на фондовом рынке в 1993-1994 годах осуществлялись принятие и реализация решений. Причем в субботу и воскресенье принимаются решения на следующую неделю, а в конце месяца – на следующий месяц. Таким образом можно говорить об уровнях бифуркаций: для достижения цели месяца как закон реализуется некий план, для реализации которого необходимо каждую неделю принимать и реализовать решения так сказать 2-го уровня, подчиненные главному плану и цели месяца.

Предложенные методология, технология, методика и специальный программный инструментарий обеспечивают системно-когнитивный анализ детерменистско-бифуркационной динамики активных объектов и в других предметных областях [271, 281]. Однако необходимо отметить, что одной из предпосылок для формирования точечных прогнозов с различных точек во времени является наличие данных мониторинга за достаточно длительный период времени, т.е. отдельных точечных исследований для этого недостаточно.

Изучение графика средневзвешенного прогноза курса доллара США показало, что его автокорреляция имеет ярко выраженную недельную периодичность, т.е. ММВБ в 1994 году имела период собственных колебаний, составляющий одну неделю. Скорее всего это связано с отсутствием торгов в выходные дни.

Время реакции системы на изменение факторов (ригидность)

Исследование, проведенное после разработки методики, показало, что наиболее сильное влияние на текущую ситуацию оказывают факторы, действующие неделю назад, а более поздние факторы практически не оказывают на нее никакого влияния. Это означает, что в ММВБ в 1994 году имела высокую "инерционность", "время реакции", "ригидность", составляющую примерно одну неделю. По некоторым данным аналогичный параметр для Лондонской биржи в этот же период времени составлял около 32 секунд.

Управление фондовым рынком на детерминистских участках траектории

Из факторов, существенно влияющих на динамику курса доллара США лишь некоторые зависят от решений крупных финансовых негосударственных руководителей, да и то, если они будут действовать скоординировано. Прежде всего это количество банков, участвующих в торгах, а также объем первоначального спроса и предложения. На второй параметр может оказывать существенное влияние Центральный банк, путем крупных интервенций или закупок доллара США.

Управление фондовым рынком в точках бифуркации

Однако, в точках бифуркации обычные закономерности фондового рынка нарушаются или практически теряют силу, в игру вступают совсем другие факторы, которые имеют в основном не экономическую, а психологическую природу. Изучение этих факторов и разработка тактики оперативных действий требует прогнозирования динамики курса в течение суток буквально по часам. Такая работа была проведена совместно с Б.Х.Шульман (США). На первом этапе была разработана универсальная формальная классификация, включающая очень большое (заранее избыточное) количество вариантов суточной динамики курса доллара США, которая генерировалась автоматически. Затем было изучено влияние факторов, действующих на фондовом рынке в течение предшествующего месяца. Проведенная работа показала, что:

– не все теоретически-возможные варианты суточной динамики курса фактически реализуются;

– существует возможность надежного прогнозирования суточной динамики курса доллара не только в детерминистские периоды, но и в точках бифуркации.

Это позволяет участникам рынка сознательно и спокойно принимать ответственные решения не только заблаговременно, но и точно привязываясь к времени в течение дня.

7.5. ПРОГНОЗИРОВАНИЕ РЕЗУЛЬТАТОВ ВЫРАЩИВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР И ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО РАЦИОНАЛЬНОМУ ВЫБОРУ АГРОТЕХНОЛОГИЙ

Исследование проведено совместно с О.А.Засухиной на базе Кубанского государственного аграрного университета в 1993-1996 годах [88, 152, 157]. Предложенные технологии АСК-анализа реализовывалась на базе системы "Эйдос". С помощью сформированной содержательной информационной модели прогнозировались результаты выращивания сельскохозяйственных культур и вырабатывались научно-обоснованных рекомендации по управлению урожайностью и качеством сельскохозяйственной продукции.

Созданная модель включала: объект управления (сельскохозяйственную культуру); классы (будущие состояния объекта управления, т.е. количественные и качественные результаты выращивания); факторы управляющей системы (агротехнологии, т.е. нормы высева, виды и нормы внесения удобрений, методы вспашки, ротация севооборота и т.п.); факторы окружающей среды (вид почв, культуры–предшественники по предшествующим годам и др.).

Размерность модели составила: 35 прогнозируемых результатов выращивания, 188 градаций факторов, 217 прецедентов в обучающей выборке, 18594 факта. На основе предложенной технологии АСК-анализа разработано конкретное приложение, обеспечивающее управление урожайностью и качеством сельскохозяйственных культур путем выбора и применения оптимальной агротехнологии в зависимости от поставленной цели и вида почв, культуры–предшественника, а также ряда других параметров объекта управления и окружающей среды, например, таких как: нормы высева, виды и нормы внесения удобрений, методы вспашки, ротация и др.

При создании методики выполнялись следующие работы:

	1. Формулировка целей методики и в соответствии с ними разработка перечня прогнозируемых хозяйственных ситуаций, т.е. результатов выращивания (например, для классификации будущих состояний, в том числе целевых, могут быть использованы "шкала качества" и "шкала количества", рисунок 7.6):
Рисунок 7. 6. Будущие состояния объекта управления: количественные и качественные результаты выращивания сельхозкультуры (зерновые колосовые)
	2. Разработка формализованного паспорта результатов выращивания сельхозкультур, позволяющего описать в пригодной для компьютерной обработки форме результаты выращивания конкретной сельхозкультуры на конкретном поле и по конкретной
Рисунок 7. 7. Видеограмма с фрагментом справочника описательных шкал (факторы)

технологии. Формализованный паспорт может состоять из двух частей: первая из них содержит шкалы, описывающие не зависящие от воли человека факторы, вторая – технологические факторы, которые можно рассматривать как средство достижения желаемых хозяйственных результатов (рисунок 7.7).

	3. Использование бумажного архива по выращиванию сельхозкультур для заполнения формализованных паспортов и ввода в программную инструментальную систему в качестве примеров выращивания (обучающей выборки) (рисунок 7.8).
Рисунок 7. 8. Интерфейс ввода обучающей выборки

4. Выявление (на основе предъявленных реальных примеров выращивания сельхозкультур) взаимосвязей между применяемыми технологиями и полученными результатами и формирование информационных портретов по каждому возможному результату выращивания. Информационный портрет хозяйственной ситуации представляет собой перечень технологических факторов с количественным указанием того, какое влияние оказывает каждый из них на осуществление данной ситуации (рисунок 7.9):

Рисунок 7. 9. Примеры информационных портретов результатов выращивания "высокое количество" и "высокое качество"

5. Каждый из технологических факторов на основе приведенных примеров характеризуется тем, какое влияние он оказывает на осуществление каждой (целевой или нежелательной) хозяйственной ситуации (рисунок 7.10):

Рисунок 7. 10. Семантический портрет признака: "Предшественники – бобовые многолетние травы"

6. Сравнение различных хозяйственных ситуаций и формирование групп наиболее сходных из них (кластеров), а также определение кластеров, наиболее сильно отличаются друг от друга (конструктов). При этом на экспериментальной базе данных был выявлен конструкт "качество–количество", означающий, что для получения высокого качества и большого количества необходимы совершенно противоположные и несовместимые (т.е. невозможные одновременно) почвы: предшественники и агротехнологические приемы (рисунок 7.11):

Рисунок 7. 11. Конструкт классов: "Качество – количество" и семантическая сеть классов по шкалам: "Качество – количество"

7. Группировка технологических факторов в кластеры и конструкты. Кластерно-конструктивный анализ факторов показал, что некоторые различные по своей природе факторы имеют сходное влияние на хозяйственные результаты. Эти факторы предложено использовать для замены друг друга в случае необходимости (рисунок 7.12):

Рисунок 7. 12. Конструкт факторов: "Предшественники бобовые … – Ротация первая…" и семантической сети факторов: "Предшественники – Глубина обработки почвы"

8. Проверка способности созданного приложения правильно прогнозировать хозяйственные результаты на массиве уже введенных формализованных паспортов показала, что валидность оказалась недостаточно высокой для практического применения: на уровне 58%. Причиной этого являются артефакты, из-за которых некоторые хозяйственные ситуации оказались слабо детерминированными (рисунок 7.13). Удаление артефактов привело к повышению интегральной валидности до 80%, что достаточно для практического использования методики (рисунок 7.14)

Рисунок 7. 13. Интегральная и дифференциальная валидность методики до исключения артефактов	Рисунок 7. 14. Интегральная и дифференциальная валидность методики после исключения артефактов

Таким образом, были решены две основные задачи:

	1. Прогнозирование того, какие хозяйственные результаты наиболее вероятны (а какие практически невозможны) на данном виде почв и с данными предшественниками, а также при условии применения имеющихся в распоряжении
Рисунок 7. 15. Пример карточки прогнозирования для конкретных условий выращивания

агротехнологий (рисунок 7.15). Указана мера сходства прогнозируемой ситуации с каждым будущим состоянием.

2. Разработка рекомендаций по управляющим воздействиям, т.е. консультирование по вопросам о том, какие виды почв, предшественники и агротехнологии должны быть, чтобы можно было рассчитывать с определенной уверенностью на заданный хозяйственный результат (рисунок 7.15).

Система позволяет оценивать степень достоверности своих прогнозов и рекомендаций по управлению, т.е. она не просто дает рекомендацию, но и количественно оценивает степень ее надежности. Кроме того, система дает характеристику влияния каждого технологического приема и рекомендации по замене желательных, но очень дорогих или не имеющихся в наличии технологических приемов, другими, более дешевыми и доступными, и, при этом, имеющими сходное влияние на хозяйственные результаты.

Таким образом, данная методика позволяет "просматривать" различные варианты технологии, прогнозировать последствия применения различных технологических приемов, и на этой основе вырабатывать научно обоснованные рекомендации по выбору возделываемой культуры и оптимальной для поставленных целей агротехнологии.

В данном исследовании в количественной форме были обнаружены как уже известные закономерности по влиянию предшественников, почв, удобрений, способов вспашки и т.д. на результаты выращивания сельхозкультур, так и новые, ранее неизвестные.

7.6. СОЦИАЛЬНО–ЭКОНОМИЧЕСКИЕ ИССЛЕДОВАНИЯ

Все эти исследования проводятся примерно по одной технологии:

- разрабатывается и тиражируется опросный лист;

- проводится массовый опрос общественного мнения;

- данные опроса вводятся в компьютер и обрабатываются с помощью специальных программных систем;

- результаты компьютерной обработки анализируются, разрабатывается аналитический отчет, содержащий как описание ситуации, так и рекомендации по управлению.

Различие состоит в том, к какой сфере относится информация, собираемая с помощью опросного листа:

- в случае маркетинговых исследований – это потребительские предпочтения различных групп населения (имеется успешный опыт проведения подобных исследований по закрытой тематике);

- в рекламных исследованиях нас интересует, из каких источников информации различные группы населения получают информацию о приобретаемых ими товарах, а также то, каким образом они реагируют на различные виды и методы рекламы (имеется успешный опыт проведения подобных исследований по закрытой тематике);

- при социально–психологических исследованиях для нас важны психологические качества личности и точка зрения людей на те или иные преобразования (имеется успешный опыт проведения подобных исследований по закрытой тематике).

Различают разовые (точечные) и периодические исследования. Разовые исследования дают возможность выявить картину на момент проведения опроса, тогда как периодические – обеспечивают изучение динамики процессов. Во втором случае со временем появляется возможность прогнозирования развития ситуации.

Исследования могут иметь также различный "территориальный охват", т.е. могут ограничиваться лишь одним населенным пунктом или включать сбор информации по району или краю. Во втором случае имеется возможность выявления территориальной специфики, а также возможность выявления регионов, сходных в том или ином отношении.

Использование информации, получаемой в результате маркетинговых, рекламных и социально–психологических исследований, позволяет принимать точные и эффективные решения в области планирования закупок и продвижения на рынок (адресной реализации) различных товаров, а также управлять кадрами, обеспечивая сплоченную, согласованную и надежную работу коллектива.

7.6.1. Маркетинговые исследования

Актуальность

Маркетинговые исследования проводятся в целях получения полной и достоверной информации, необходимой для определения объема и номенклатуры закупаемых товаров и организации их адресной реализации конкретным группам потребителей.

Предлагаемый подход

Опросный лист разрабатывается таким образом, чтобы с помощью него можно было получить необходимую информацию о потребителях. В опросный лист могут входить фирменные товарные знаки и каталоги товаров как изготовленные типографским способом, так и с изображения товаров, снятые с их фотографий при помощи сканера и отпечатанные на цветном принтере. Опросный лист может служить одновременно и бланком для заполнения, но могут использоваться и специальные бланки для ответов (что более рационально).

Вопросы делятся на несколько групп:

- социальный и гражданский статус потребителя (пол, возраст, образование, состоит ли в браке, сколько имеет детей, форма занятости, если работает, то руководитель он или исполнитель и т.п.);

- уровень достатка в семье потребителя;

- товары, реально приобретенные потребителем за последнее время;

- товары, которые потребитель приобрел бы, если бы у него была финансовая возможность;

- частота приобретения товаров по их видам;

- какие потребительские и стоимостные характеристики товаров привлекают потребителя и какие его не устраивают;

- где потребитель реально приобретает товары: у частных лиц, в магазинах (каких), на рынках (каких);

- какие места приобретения товаров потребитель знает: наименования магазинов и рынков;

- какую роль в выборе товара играет сервис и способ обслуживания в магазине или на рынке.

Результаты и перспективы

В результате проведения маркетингового исследования выявляются потребительские предпочтения различных групп населения в определенном секторе рынка. Выясняется, "что, где, когда", кем и по каким причинам приобретается.

Например, выясняется, что данная категория населения приобретает такие–то виды товаров в таких–то местах, а приобрела бы и такие, но если бы цена на них была более приемлемая.

На основе этой информации может быть разработан план закупок или производства товаров, определена потенциальная емкость рынка на данный момент и перспективу, а также спрогнозирована его динамика, товар может поставляться адресно в те торговые точки, которые пользуются популярностью у конкретных категорий потребителей.

Регулярное проведение маркетинговых исследований позволяет постоянно "держать руку на пульсе" и строить свою работу используя достоверное знание предпочтений возможностей и желаний своих потребителей.

Имеется положительный опыт подобных исследований (по закрытой тематике).

7.6.2. Рекламные исследования

Актуальность

Рекламные исследования проводятся в целях получения полной и достоверной информации, необходимой для адресного управления формой и содержанием информации, на основе которой конкретными группами потребителей принимаются решения о приобретении тех или иных товаров. Подобные исследования проводились автором по закрытой тематике на основе применения технологии АСК-анализа.

Предлагаемый подход

Опросный лист разрабатывается таким образом, чтобы с помощью него можно было выяснить, какими источниками информации реально пользуются различные категории потребителей, а также какие формы подачи информации они предпочитают и лучше воспринимают.

В опросный лист могут быть включены фирменные знаки, ключевые слова и рекламные фразы, а также наименования источников информации, выполненные их фирменными стилями (которые можно снять с помощью сканера и отпечатать на цветном принтере). Опросный лист может служить одновременно и бланком для заполнения, но могут использоваться и специальные бланки для ответов.

Вопросы делятся на несколько групп:

- социальный и гражданский статус потребителя (пол, возраст, образование, состоит ли в браке, сколько имеет детей, форма занятости, если работает, то руководитель он или исполнитель и т.п.);

- наиболее популярные телевизионные программы и передачи;

- наиболее популярные радиопрограммы и передачи;

- отношение к рекламе, включаемой в состав радио и телепередач;

- наиболее популярные журналы и рубрики;

- наиболее популярные газеты и рубрики;

- отношение к внешней рекламе;

- роль форм, методов и фирменных стилей рекламы;

- иные источники и формы информации, на основе которой потребителями принимаются решения.

Результаты и перспективы

В результате проведения рекламного исследования выясняется, какими источниками информации пользуются различные потребительские группы населения и какие формы подачи информации для них предпочтительны.

Например, выясняется, что определенная группа населения в основном слушает "Радио Рокс" и именно определенную передачу, которая идет с 18 до 19. Кроме того, известно, что эту группу населения раздражает, когда любимая передача прерывается рекламой товаров, которые представителями данной группы в принципе не могут быть куплены. Известно, также, что эта группа предпочитает юмор политике.

На основе этой информации может быть разработан план использования этой передачи "Радио Рокс" для адресного сообщения данной группе населения информации о "ее товарах", причем в такой форме, которая будет воспринята этой группой эмоционально положительно.

Регулярное проведение рекламных исследований позволяет строить свою работу, используя достоверное знание источников и форм информации, которыми реально пользуются различные категории потребителей.

Имеется положительный опыт подобных исследований (по закрытой тематике).

7.6.3. Управление персоналом

Актуальность

Социально–психологические исследования проводятся с целью организации эффективного использования кадров на основе достоверного знания индивидуальных характеристик членов коллектива и учета их взаимодействия в группах. Подобные исследования проводились автором, акты имеются.

Предлагаемый подход

Такие исследования проводятся в два основных этапа.

На первом этапе на основе применения систем комплексного психологического тестирования, а также специальных опросников и методов обработки информации выявляются индивидуальные социальные ориентации, мотивации, психологические и профессиональные характеристики членов коллектива:

- разрабатываются профессиограммы, содержащие психологические и иные требования к работникам различных должностей данного предприятия;

- производится оценка действующего персонала;

- на основе индивидуального подхода оптимизируются назначения на должности;

- осуществляется антикриминальная профилактика.

На втором этапе изучается взаимодействие членов коллектива в группах и решается задача реструктуризации коллектива:

- изучаются вопросы совместимости членов коллектива в группах;

- выявляются внутренние коалиции и их лидеры;

- оптимизируется или строится многоуровневая система управления коллективом, в которой лидеры каждого иерархического уровня одновременно наиболее совместимы как со своим начальством, так и с подчиненными руководителями, а также конкретными исполнителями.

Опросный лист разрабатывается на основе стандартных тестов и опросников, что позволяет измерить индивидуальные психологические характеристики членов коллектива. Кроме того, он содержит оценки членов коллектива их непосредственными руководителями, если последние имеют полномочия приема на работу и увольнения своих подчиненных. Опросный лист может служить одновременно и бланком для заполнения, но могут использоваться и специальные бланки для ответов.

Вопросы делятся на несколько групп:

- профессиональная и личностная оценка члена коллектива руководителем;

- социальный и гражданский статус члена коллектива (пол, возраст, образование, состоит ли в браке, сколько имеет детей и т.п.);

- опросник 16PF Р. Б. Кеттелла;

- тест, выявляющий уровень самоактуализации (САТ);

- опросник по определению стиля управленческой деятельности;

- анкета "Ориентация на развитие";

- анкета "Опосредующие развитие факторы".

Результаты и перспективы

Регулярное проведение социально–психологических исследований позволяет эффективно управлять кадрами с учетом как индивидуальных возможностей членов коллектива, так и их совместимости в группах.

7.7. СИНТЕЗ И РЕШЕНИЕ ЗАДАЧ УПРАВЛЕНИЯ КАЧЕСТВОМ ПОДГОТОВКИ СПЕЦИАЛИСТОВ (НА ПРИМЕРЕ КЮИ МВД РФ)

7.7.1. Вводные замечания

Решение задач АСУ качеством подготовки специалистов было продемонстрировано в Краснодарском юридическом институте МВД России (КЮИ МВД РФ) на данных 7-летнего лонгитюда. Исследование проведено совместно с Третьяком В.Г. [124, 161, 165, 313, 314], и Лаптевым В.Н. [120–128, 161–164, 286] на основе данных по абитуриентам и учащимся КЮИ МВД РФ за 1995–2002 годы.

Социально-экономический эффект данного исследования обусловлен повышением эффективности вложения средств, направляемых на подготовку и переподготовку кадров, а также на их профессиональную деятельность.

В соответствии с типовой моделью РАСУ АО, представленной на рисунке 6.9, предложена 2-х уровневая модель предметной области. На 1-м уровне активным объектом управления являлся учащийся, который характеризовался текущим состоянием и предысторией; управляющей системой являлся педагогический процесс, а средой – образовательная среда вуза. На 2-м уровне активным объектом управления был педагогический процесс и образовательная среда вуза в целом, а также профессиональная среда (рисунок 6.10). В проведенном исследовании основное внимание было уделено 1-му уровню РАСУ КПС.

7.7.2. Некоторые теоретические аспекты постановки задачи

Эффективность функционирования правоохранительной системы Российской Федерации во многом зависит от профессионализма сотрудников ОВД. Поэтому особый интерес представляет разработка методов моделирования профессиональных траекторий [165], позволяющих прогнозировать поступление абитуриента в вуз, показатели его академической успеваемости в период обучения по различным специальностям, дисциплинам и циклам дисциплин, а также то, закончит ли он обучение в вузе, как и сколько он мог бы работать после окончания вуза по различным специальностям.

Для решения этой проблемы предлагается двухуровневая модель предметной области, уровни которой отличаются объектом управления, целями управления, управляющей системой и факторами, характеризующими объект управления, управляющую систему и окружающую среду. На первом уровне объектом управления является учащийся, который характеризуется текущим состоянием и предысторией; управляющей системой является педагогический процесс, а средой – образовательная среда вуза. На втором уровне объектом управления является сам педагогический процесс и даже образовательная среда вуза в целом, а также профессиональная среда; управляющей системой – вышестоящие организации.

В данной работе основное внимание сосредоточено на первом уровне. На этом уровне учащийся рассматривается как активный объект управления, имеющий собственные цели и мотивы их достижения, а также модель окружающей среды, включая управляющую систему. Педагогический процесс рассматриваются как способ управления учащимся. Учитываются все категории факторов, влияющих на характеристики выпускника и молодого специалиста. Это факторы, характеризующие текущее состояние учащегося, его предысторию, факторы педагогического процесса, другие факторы образовательной и профессиональной среды. Цели объекта управления вообще говоря не совпадают с целями управления, в частности они могут полностью не совпадать, а также частично или полностью совпадать. Управление активным объектом предполагает коррекцию его целей и мотиваций в направлении, сближающим их с целями управления, что может быть достигнуто обучением, стимулированием и другими воздействиями на его систему моделирования, целеполагания и принятия решений.

Одним из основных требований системного анализа является требование полноты и всесторонности рассмотрения предметной области. Исходя из этого требования в качестве факторов, характеризующих текущее состояние учащегося, были выбраны следующие: общая интернальность (по УСК); Интернальность в области достижений (по УСК); Интернальность в области неудач (по УСК); Интернальность в семейных отношениях (по УСК); Интернальность в области служебных отношений (по УСК); Интернальность в области межличностных отношений (по УСК). Интернальность в отношении здоровья (по УСК); Факторы по 16pf опроснику Кэттела; Эргичность предметной деятельности (по Руссалову); Социальная эргичность (по Руссалову); Пластичность в предметной деятельности (по Руссалову); Социальная пластичность (по Руссалову); Темп предметной деятельности (по Руссалову); Социальный темп (по Руссалову); Эмоциональность предметной деятельности (по Руссалову); Социальная эмоциональность (по Руссалову); Склонность к соглашательству; "Шизоидность"; Экстраверсия; Сила процессов возбуждения; Сила процессов условного торможения; Подвижность нервных процессов; Общая активность (по Ямпольскому); Интеллект; Мотивация к достижению цели - к успеху (по Т.Элерсу); Пол; Тип активности личности.

Данные комплексного психологического тестирования учащихся по перечисленным параметрам вводились в систему "Эйдос" вручную. В последующем с учетом опыта подобных исследований совместно с С.Д.Некрасовым была разработана и успешно применена система комплексного психологического тестирования "Эйдос-Y" [142], обеспечивающая: проведение психологического тестирования респондентов с помощью психологических тестов, накопление базы данных результатов тестирования, формирование психологических портретов различной детализации произвольных групп респондентов, автоматизированный транспорт исходных данных для углубленного анализа в универсальную когнитивную аналитическую систему "Эйдос".

В модели учтено три варианта образовательных технологий, применяемых по отношению к лицеистам, студентам (слушателям) и экстернам. Эти технологии отличаются набором учебных дисциплин. Другие факторы образовательной среды не учитывались, т.к. были для всех учащихся общими в связи с тем, что на данном этапе исследование проводилось на примере одного вуза: Краснодарского юридического института МВД РФ (КЮИ МВД РФ).

В качестве прогнозируемых состояний учащихся рассматривались: Поступление в вуз; Успеваемость; Окончание вуза; Успешность профессиональной деятельности; Работает в ОВД; Уволен из ОВД по собств.желанию; Уволен из ОВД за нарушение условий контракта, а также большое количество различных вариантов их детализации.

Для решения поставленной проблемы необходимо накопить данные мониторинга за достаточно длительный период, провести анализ данных мониторинга с целью выявления и изучения "причинно-следственных взаимосвязей" между прогнозируемыми состояниями активного объекта управления и непосредственно или опосредованно измеряемыми факторами, оказывающими влияние на его развитие, построить математическую модель предметной области, обеспечивающую решение задачи прогнозирования развития активного объекта управления под влиянием различных сочетаний факторов, а также обратной задачи прогнозирования, т.е. задачи выработки оптимального многофакторного управляющего воздействия на активный объект управления для перевода его в заданное целевое состояние.

Ключевым при построении математической модели является выбор количественной меры, обеспечивающей учет степени причинно-следственной взаимосвязи исследуемых параметров. Эта мера должна удовлетворять следующим требованиям: 1. Эффективная вычислимость на основе эмпирических данных, полученных непосредственно из опыта. 2. Универсальность, т.е. независимость от предметной области. 3. Единый для различных предметных областей принцип содержательной интерпретации и измеримость в единых единицах измерения. 4. Учет понятий "цели объекта управления", "цели управления". 5. Учет понятий "мощность множества будущих состояний объекта управления". 6. Сопоставимость в пространстве и во времени. 7. Возможность введения метрики и функции принадлежности на базе выбранной количественной меры. В качестве количественной меры, удовлетворяющей всем этим условиям, была предложена модифицированная мера семантической целесообразности информации А.Харкевича [330].

Математическая модель должна удовлетворять следующим требованиям: содержательная интерпретируемость; эффективная вычислимость на основе эмпирических данных (наличие эффективного численного метода); универсальность; адекватность; сходимость; семантическая устойчивость; сопоставимость результатов моделирования в пространстве и времени; непараметричность; формализация базовых когнитивных операций системного анализа (прежде всего таких, как обобщение, абстрагирование, сравнение классификация и др.); корректность работы на фрагментарных, неточных и зашумленных данных; возможность обработки данных очень больших размерностей (тысячи факторов и будущих состояний объекта управления); математическая и алгоритмическая ясность и простота, эффективная программная реализуемость.

Модель, удовлетворяющая этим требованиям, основанная на предложенной количественной мере причинно-следственных взаимосвязей событий, была разработана и реализована в универсальной когнитивной аналитической системе "Эйдос" [152].

На основе данных по абитуриентам и учащимся КЮИ МВД РФ за 1995 – 2002 годы [124, 161, 165, 313, 314] (7-летний лонгитюд) разработано соответствующее приложение системы "Эйдос", позволяющие продемонстрировать возможность решения сформулированной выше проблемы.

Одним из результатов применения системы "Эйдос" были профессиограммы специальностей, в которых отражены требования предъявляемым к сотрудникам ОВД. Ориентируясь на эти профессиограммы и осуществляется психологическое сопровождение учебного и воспитательного процесса вуза как составной части процесса подготовки квалифицированных кадров для МВД.

Кроме того, были сформированы информационные модели, позволяющие решать следующие задачи прогнозирования:

– поступления в ВУЗ; успешности обучения в вузе по различным дисциплинам и комплексам дисциплин; успешности окончания ВУЗа и причин отчисления; успешности профессиональной деятельности после окончания ВУЗа, продолжительности профессиональной деятельности по специальности, полученной в ВУЗе, а также причин ухода из ОВД, а также задачу выбора оптимального управления, для перевода активного объекта управления из заданного текущего состояния в заданное целевое состояние.

На этой основе можно заблаговременно принимать решение о целесообразности обучения по тем или иным специальностям для конкретных обучаемых.

С помощью системы "Эйдос" обеспечивается также кластерно-конструктивный анализ предметной области, в т.ч. синтез, адаптация и применение конструктов, отображение результатов анализа в наглядной графической форме семантических сетей и когнитивных диаграмм, в т.ч. диаграмм Вольфа Мерлина [143, 152, 189, 313].

Средневзвешенная достоверность прогнозирования на данных, используемых для синтеза модели (внутренняя интегральная валидность), составила в данном исследовании 83%. Внутренняя дифференциальная валидность при решении перечисленных задач колебалась при прогнозировании различных будущих состояний учащихся от 71 до 100% (при этом по двум состояниям корректные обобщенные образы не были сформированы).

Внешняя дифференциальная валидность при прогнозировании успешности службы в ОВД и продолжительности профессиональной деятельности в ОВД (т.е. при прогнозировании на данных, не входящих в обучающую выборку) составила около 80%, что подтверждает работоспособность предлагаемых технологий и их перспективность.

7.7.3. Характеристика источников информации, исходных данных и организационно-юридических форм их получения

В 1994 году на уровне руководства КЮИ МВД РФ и УВД Краснодарского края было принято решение о начале исследований, краткое описание которых приведено в данном разделе. Были разработаны и утверждены соответствующие документы. Таким образом были созданы организационные и юридические условия для сбора и накопления баз данных мониторинга. Ниже приводятся некоторые документы организационно-юридического обеспечения данного исследования:

1. Приказ о начале работ.

2. Приказ о создании экспертного Совета.

3. Ведомости экспертного Совета.

4. Календарный план проведения работ.

5. Письмо, с просьбой предоставить исходную информацию "обратной связи": служебные характеристики на выпускников КЮИ МВД РФ и приложение к нему (для заполнения формализованной служебной характеристики).

6. Сводная учебная ведомость с данными академической успеваемости.

7. Справочники классов и факторов.

Следует отметить сложность решения организационных и юридических вопросов, связанную прежде всего с новаторским характером проводимых работ. Эти вопросы были решены только благодаря пониманию и поддержке со стороны первых лиц.

7.7.4. Мониторинг качества подготовки специалистов

В результате мониторинга были получены данные о психологических свойствах личности учащихся, их академической успеваемости по различным дисциплинам и циклам дисциплин (таблица 7.5), а также данные, характеризующие их как специалистов в период несения службы после окончания института. Необходимо отметить, что решение перечисленных и других вопросов организационного и юридического обеспечения данного исследования потребовало доброй воли и неординарных решений на уровне руководства КЮИ МВД РФ и ГУВД Краснодарского края и оказалось едва ли не сложнее, чем создание научно-технологического и инструментального обеспечения этой работы (что подтверждают приведенные документы организационно-юридического обеспечения и рисунок 7.16):

Рисунок 7. 16. Письмо с просьбой предоставить служебные характеристики на выпускников КЮИ МВД РФ и приложение к нему

Затем эти данные были преобразованы в коды (с помощью специально созданного программного интерфейса, т.е. без ручного ввода) и введены в систему "Эйдос" для последующих обработки и анализа. Необходимо отметить, что использование программного интерфейса для выполнения этих трудоемких и рутинных работ обеспечивает решение подобных задач практически на любых объемах исходных данных.

Таблица 7. 5 – ДАННЫЕ АКАДЕМИЧЕСКОЙ УСПЕВАЕМОСТИ

7.7.5. Изучение влияния факторов на качество подготовки специалистов и прогнозирование

В соответствии с предложенной моделью учащийся рассматривался как активный рефлексивный объект управления, имеющий собственные цели и мотивы их достижения, а также модель окружающей среды, включая модель себя (адекватная и неадекватная самооценка), а также модель учебной среды и управляющей системы. Педагогический процесс рассматриваются как способ управления учащимися (управляющая система). Были учтены все категории факторов, влияющих на характеристики выпускника и молодого специалиста. Это факторы, характеризующие текущее состояние учащегося и его предысторию, факторы педагогического процесса, другие факторы образовательной и профессиональной среды. Цели АОУ в общем случае не совпадают с целями управления. Управляющие воздействия на учащегося включают коррекцию его целей и мотиваций в направлении, сближающим их с целями управления, а также обучение, стимулирование и другие законные воздействия на систему моделирования, целеполагания и принятия решений.

В качестве классов распознавания были выбраны 318 будущих состояний учащихся и выпускников института. В таблице 7.6 приведены 41 из них, представляющие особый интерес для прогнозирования. Разработана классификация факторов, потенциально влияющих на качество подготовки специалистов и определен полный набор факторов, оказывающих влияние на качество подготовки специалистов (в рамках проводимого исследования) (таблица 7.7).

На основе данных по абитуриентам и учащимся КЮИ МВД РФ за 1995 – 2002 годы (7-летний лонгитюд) с помощью системы "Эйдос" был осуществлен синтез семантической информационной модели, отражающей информационные взаимосвязи между индивидуальными личностными особенностями учащихся и их учебными и профессиональными достижениями. Размерность модели составила: 318 прогнозируемых состояний учащихся и выпускников КЮИ МВД РФ, 129 градаций факторов, 69 прецедентов в обучающей выборке, 76128 фактов. Для каждого фактора определены величина и направление его влияния на качество подготовки специалистов.

Таблица 7. 6 – СПРАВОЧНИК КЛАССОВ – БУДУЩИХ СОСТОЯНИЙ УЧАЩИХСЯ И ВЫПУСКНИКОВ КЮИ МВД РФ	Таблица 7. 7 – СПРАВОЧНИК ФАКТОРОВ ВЛИЯНИЯ НА УЧАЩИХСЯ И ВЫПУСКНИКОВ КЮИ МВД РФ

Особый интерес представляет изучение влияния форм обучения и типа активности личности на учебные и профессиональные достижения (рисунок 7.17) и выявление факторов, играющих определяющую роль в детерминации состояния "Успешность профессиональной деятельности – отличная" (рисунок 7.18):

Рисунок 7. 17. Семантический портрет влияния фактора: "Тип активный, гармоничный"	Рисунок 7. 18. Информационный портрет класса: "Успешность профессиональной деятельности – Отличная"

Определение минимального набора относительно независимых факторов, оказывающих определяющее влияние на качество подготовки специалистов осуществляется путем Парето-оптимизации.

Созданное приложение системы "Эйдос" позволило решить следующие задачи (рисунок 7.19):

	1. Прогнозирование поступления в ВУЗ. 2. Прогнозирование успешности обучения по различным специальностям, циклам дисциплин и дисциплинам. 3. Прогнозирования успешности окончания вуза.
Рисунок 7. 19. Пример карточки прогнозирования для конкретного респондента

4. Прогнозирование успешности будущей профессиональной деятельности в разрезе по должностям и специальностям.

5. Прогнозирование продолжительности деятельности по специальности после окончания ВУЗа.

6. Исследование влияния активности и мотивации на учебные и профессиональные успехи.

7. Изучение влияния образовательных технологий на учебные и профессиональные достижения и выработка рекомендаций по управлению образовательными технологиями.

7.7.6. Анализ результатов и перспективы развития предложенной технологии

Предлагаемая модель профессионально-значимых личностных качеств сотрудников ОВД, представленная в виде развернутой характеристики индивидуальных свойств и особенностей их взаимосвязи, отраженная в профессиограммах, необходима для повышения эффективности профессионального отбора и последующей целенаправленной подготовки будущих офицеров милиции, а также выявления степени соответствия выпускников юридического института требованиям профессии следователя, оперативного работника, инспектора ГИБДД и т.д. Каждая из сторон профессиограмм, представляющих важнейшие элементы модели психологических качеств личности сотрудников милиции, отражает, во-первых, определенный цикл профессиональной деятельности, а во-вторых, в ней заложены эталонные личностные качества, навыки, умения и знания, обеспечивающие успех на различных уровнях правоприменительных отношений.

С помощью модели решены следующие задачи прогнозирования, входящие в состав рефлексивной АСУ качеством подготовки специалистов:

1) поступление в вуз;

2) успешность обучения в вузе по различным дисциплинам и циклам дисциплин;

3) успешность окончания вуза;

4) причины отчисления;

5) успешность профессиональной деятельности после окончания вуза;

6) продолжительность профессиональной деятельности по специальности, полученной в вузе;

7) причины ухода из ОВД (средневзвешенная достоверность прогнозирования составила 83%).

Система "Эйдос", как специальное программное средство (инструментарий интеллектуальной обработки информации), продемонстрировала возможность решения задач выбора оптимальной педагогической технологии для перевода учащегося из текущего состояния в заданное целевое состояние. Технология применения системы "Эйдос", разработанная автором для КЮИ МВД РФ, позволяет заблаговременно принимать обоснованные решения о целесообразности обучения конкретных курсантов по тем или иным специальностям.

Таким образом проведенное исследование показало, что определяющую роль в успешности обучения и профессиональной деятельности играет мотивация. Следовательно и мета-управление, направленное на повышение качества подготовки специалистов прежде всего должно быть сориентировано на формирование адекватных мотиваций, а следовательно, ценностей, систем самооценки и оценивания. По-видимому, для этих целей целесообразно применить весь арсенал средств морально-политического воспитания и богатые отечественные традиции патриотического воспитания, а также сравнительно новые методы коррекции систем целеполагания, мотивации, внутреннего и внешнего стимулирования, оценки и самооценки, такие, например, как нейролингвистическое программирование (НЛП). Необходимо также отметить, что полные и достоверные данные об учащихся могут быть получены без их непосредственного тестирования на основе личных дел (в т.ч. фотографий, подчерка), а также с применением компьютерных Y-технологий [161, 290] без сознательного участия респондента.

Проведенное исследование подтверждает эффективность применения АСК-анализа для создания рефлексивных АСУ активными объектами.

Перспективно применение данного инструментария и технологии в режиме адаптации и периодического синтеза модели на систематической основе на выборках значительно большего и постоянно увеличивающегося объема по широкому спектру специальностей, в том числе и на межвузовском и межведомственном уровне. Развитие данного направления исследований и разработок целесообразно осуществить за счет включения в модель данных, характеризующих динамику личностных свойств учащихся, т.е. путем учета данных, полученных в процессе обучения, а не только перед его началом (как в проведенном исследовании), а также путем более детального учета влияния педагогических технологий, учебной, бытовой и профессиональной среды.

7.8. ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ СЛОЖНЫМИ ТЕХНИЧЕСКИМИ СИСТЕМАМИ

7.8.1. Общие положения и постановка задачи

Рассмотрим применение предложенной методологии для синтеза операционного уровня систем автоматического управления (САУ) автономными комбинированными фотоветроэлектроэнергетическими установками (ФВЭУ), представляющими собой типичный пример сложной технической системы [146, 271, 277].

Для создания автономных энергосистем малой мощности, которые могут быть использованы на удалении от линий электропередач и теплотрасс, а также в аварийных ситуациях, когда традиционные источники или системы транспорта энергии выходят из строя, в качестве резервных целесообразно использовать возобновляемые источники энергии, в первую очередь энергию солнечной радиации и ветрового потока. Однако эти источники энергии обладают недостатками, основным из которых являются высокая стоимость энергии, малая мощность, непостоянство во времени в течение суток и года, непредсказуемость.

Стоимость энергии не является определяющей в аварийных ситуациях. В то же время по данным метеостатистики недостатки таких возобновляемых источников энергии, как солнечная радиация и ветровой поток удачно компенсируют друг друга: при длительной последовательности облачных дней отсутствие солнца компенсируется обычно наличием ветра; отсутствие солнечной радиации в ночные часы суток также компенсируется обычно наличием ветра; ветер по статистике обычно бывает сильнее в зимние месяцы, тогда как солнечная радиация – в летние. Поэтому совмещение преобразователей нескольких источников энергии в единую энергосистему позволяет повысить устойчивость и эффективность выработки электроэнергии за счет уменьшения мощностей преобразователей и емкости накопителей.

Наиболее перспективными для использования в качестве системы электроснабжения удаленных потребителей малой и средней мощности в настоящее время представляются автономные комбинированные фотоветроэлектрические установки (ФВЭУ), которые и рассмотрены нами в качестве примера технического применения предложенных в данной работе методологии и технологии синтеза РАСУ АО. Система автоматического управления (САУ) автономной энергосистемой с возобновляемыми источниками энергии значительно повышает ее эффективность.

Синтез САУ проводится с учетом анализа ФВЭУ на двух уровнях: уровне компонентов энергосистемы, на котором решается задача оптимального управления отдельными устройствами ФВЭУ; операционном уровне, на котором решается задача оптимального распределения энергии между потребителями и накопителем. На уровне компонентов ФВЭУ САУ осуществляет оптимальное управление по техническим критериям эффективности. Соответствующие технические решения известны и не являются предметом рассмотрения в данной работе, которой развивается метод синтеза САУ ФВЭУ на операционном уровне [277]. Рассматриваемые ФВЭУ включают следующие установки: фотоэлектроэнергетическую установку (ФЭУ) – солнечные элементы (СЭ); ветроэлектроэнергетическую установку (ВЭУ); аккумуляторную батарею (накопитель); потребитель; систему автоматизированного управления (САУ) (рисунок 7.20):

Рисунок 7. 20. Обобщенная схема комбинированной ФВЭУ

Реальные ФВЭУ могут отличаться друг от друга структурой, типом используемых устройств (преобразователей, накопителей, потребителей), родом вырабатываемого тока.

Цель САУ заключается в автоматическом обеспечении технологических требований работоспособности компонентов энергосистемы, снижении вероятности аварийных ситуаций, связанных с недоотпуском потребителю энергии. Данная цель достигается автоматическим поддержанием работы электрогенераторов в режиме максимальной мощности, автоматической защитой устройств от аварийных ситуаций, координацией работы отдельных установок в целях приведения хода производства электроэнергии в заданный, нормальный режим.

Существование операционного уровня означает, что эффективная работа автономных ФВЭУ возможна только при использовании систем автоматического управления (САУ), т.е. зависит не только от эффективной работы компонент ФВЭУ, рассматриваемых отдельно, но и от способа их взаимодействия.

Вследствие вышеприведенных особенностей автономных ФВЭУ в качестве метода их управления на операционном уровне целесообразно принять комбинированный метод с накоплением избыточной энергии и распределением нагрузки. При этом в условиях существующего или прогнозируемого дефицита энергии осуществляется распределение нагрузки с учетом приоритета, а при избытке вырабатываемой энергии – ее накопление.

В настоящее время не существует четкого оптимального алгоритма управления энергораспределением автономных ФВЭУ в условиях дефицита вырабатываемой мощности. Кроме того, из-за большой изменчивости поступления возобновляемой энергии данный оптимальный алгоритм управления для условий различных климатов может не совпадать. На операционном уровне САУ осуществляется оперативное управление распределением энергопотоков между элементами энергосистемы посредством координации функционирования отдельных управляющих устройств на первом уровне.

Цель рассматриваемого уровня САУ – наиболее полное и бесперебойное снабжение потребителей электроэнергией при ее неравномерном поступлении в условиях нормального эксплуатационного режима всех элементов энергосистемы. Таким образом, цель САУ на операционном уровне дуальна: наиболее полное обеспечение как текущих, так и будущих потребностей потребителя в электроэнергии. Это обеспечивается выбором рационального режима энергораспределения ФВЭУ: в условиях существующего или прогнозируемого дефицита энергии осуществляется распределение нагрузки с учетом приоритетов; при избытке вырабатываемой энергии осуществляется ее накопление.

Выбор режима энергораспределения осуществляется на основе анализа информации о текущем состоянии ФВЭУ и прогнозируемом будущем состоянии первичных энергоресурсов (таблицы 7.8 – 7.9):

Таблица 7. 8 – ВАРИАНТЫ УПРАВЛЕНИЯ ФВЭУ

Таблица 7. 9 – ВЫБОР РЕЖИМА ЭНЕРГОРАСПРЕДЕЛЕНИЯ ФВЭУ

В соответствии с предложенным подходом, на основе обучающей выборки, представляющей собой экспертные оценки целесообразности выбора тех или иных режимов энергораспределения в различных ситуациях, описанных факторами, выявляются причинно-следственные взаимосвязи между факторами и выбором режимов энергораспределения. Адаптивность обеспечивается тем, что в процессе эксплуатации системы в качестве эксперта может выступать и сам пользователь, т.е. обучающая выборка может пополняться его решениями, после чего осуществляется адаптация или синтез новой модели.

7.8.2. Синтез модели, оценка ее адекватности и использование для поддержки принятия решений

В соответствии с приведенным выше общим алгоритмом АСК-анализа, который рассматривается как алгоритм синтеза и эксплуатации РАСУ АО (рисунок 2.16) и основываясь на результатах работы [277] рассмотрим пример синтеза САУ ФВЭУ.

Шаг 1–й: формализация предметной области (БКОСА-1): разработка описательных и классификационных шкал и градаций, необходимых для формализованного описания предметной области. Описательные шкалы описывают факторы различной природы, влияющие на поведение АОУ (таблица 7.10), а классификационные – все его будущие состояния, в том числе целевые (таблица 7.11):

Таблица 7. 10 – ОПИСАТЕЛЬНЫЕ ШКАЛЫ (ФАКТОРЫ)

Таблица 7. 11 – КЛАССИФИКАЦИОННАЯ ШКАЛА
(РЕЖИМЫ ЭНЕРГОРАСПРЕДЕЛЕНИЯ ФВЭУ)

Шаг 2–й: формирование обучающей выборки (БКОСА-2): с использованием приведенных выше шкал представим экспертные оценки целесообразности выбора различных режимов энергораспределения из работы [277] в форме, соответствующей требованиям обработки информации в автоматизированных системах [152] (таблица 7.12):

Таблица 7. 12 – ОБУЧАЮЩАЯ ВЫБОРКА

Шаг 3–й: обучение (БКОСА-3): обучающая выборка обрабатывается обучающим алгоритмом, в результате чего формируются решающие правила (обобщенные образы состояний АОУ, отражающие весь спектр будущих возможных состояний объекта управления), а также определяется ценность факторов для решения задач подсистем идентификации, мониторинга, прогнозирования и выработки управляющих воздействий, представленные в матрице информативностей (таблица 7.13), показывающую количество информации о целесообразности выбора того или иного режима энергораспределения получает САУ, если установлено действие некоторого фактора. Данная матрица информативностей и представляет собой конкретную информационную модель ФВЭУ, на основе которой САУ может принимать решения о выборе наиболее целесообразного режима энергораспределения. Выбирается тот режим, о котором в системе факторов {X, Y, Z} содержится максимальное количество информации.

Таблица 7. 13 – МАТРИЦА ИНФОРМАТИВНОСТЕЙ

Таким образом, размерность модели составила: 11 прогнозируемых состояний ФВЭУ, 11 градаций факторов, 40 прецедентов в обучающей выборке, 531 факт.

Шаг 4–й: оптимизация (БКОСА-4): оптимизация модели в данном примере не осуществлялась, т.к. оптимальная система факторов была выбрана на основе содержательных представлений.

Шаг 5–й: верификация модели (БКОСА-5): показала ее 100% внутреннюю дифференциальную и интегральную валидность.

Шаг-6: принятие решения об эксплуатации модели или ее пересинтезе. С учетом результатов верификации модели есть основания принять ее к эксплуатации.

Шаг 7-й: идентификация и прогнозирование состояния АОУ (БКОСА-7). В таблице 7.14 приведен пример отчета по выбору режима ФВЭУ по факторам:

Таблица 7. 14 – ВЫБОР РЕЖИМА ФВЭУ (ПРИ X=1, Y=1, Z=1)

7.8.3. Исследование модели

Взвешенное обобщение экспертных оценок рациональности режимов энергораспределения (БКОСА-2, БКОСА-3)

В обучающей выборке (таблица 7.12), мнения экспертов по выбору рационального режима энергораспределения сведены в одну таблицу. При этом возникает задача определения средней силы влияния каждого фактора на принятие решения о выборе режима энергораспределения. В предлагаемой технологии результатом решения данной задачи является таблица 7.13, представляющая собой результат взвешивания экспертных оценок на основе математической модели, предложенной в данной работе.

Автоматизация экспертных оценок и их замена оценками непосредственного пользователя ФВЭУ (БКОСА-2, БКОСА-3)

В предложенной технологии нет необходимости привлекать экспертов для построения модели ФВЭУ и разработки алгоритмов принятия решений в САУ. Имеется возможность поставки "не обученной" ФВЭУ пользователю. В этом случае ему предлагается самому сформировать классификационные и описательные шкалы и градации (возможно, вместе с поставщиком) и некоторое время самостоятельно принимать решения о выборе режимов энергораспределения, формируя на этой основе обучающую выборку. С использованием режима адаптации САУ возможна имитация автоматизированных решений с оценкой их эффективности без фактической реализации. Если их качество устраивает заказчика, то система может быть переведена в автоматизированный режим реального принятия решений о выборе режима энергораспределения. В дальнейшем, при необходимости, обучающая выборка может дополняться, а также могут изменяться оценки, приведенные в ней, в результате чего через некоторое время после переобучения САУ будет принимать решения, наиболее приемлемые для пользователя.

Определение дифференцирующей мощности факторов относительно режимов энергораспределения и контролируемое снижение размерности модели (БКОСА-3, БКОСА-4)

Анализ обучающей выборки в соответствии с математической моделью показывает, что различные факторы имеют различное влияние на перевод АОУ в различные будущие состояния.

Дифференцирующей мощностью фактора называется среднее количество полезной информации, которое САУ получает для выбора режима, если установлено, что данный фактор действует (таблица 7.15):

Таблица 7. 15 – ДИФФЕРЕНЦИРУЮЩАЯ МОЩНОСТЬ ФАКТОРОВ

Итак, факторы имеют различную дифференцирующую мощность, которая может быть установлена. Из этого следует два важных вывода: во–первых, нет необходимости перед построением модели ФВЭУ пытаться решить задачу выбора наиболее существенных факторов (как это обычно предлагается в факторном анализе); можно исследовать все факторы, о которых имеется систематическая информация; во–вторых, незначимые факторы всегда можно удалить из модели ФВЭУ без ущерба для ее эффективности и адекватности, тем самым сократив эксплуатационные расходы на сбор и обработку информации САУ.

Определение силы влияния факторов на принятие решения о переключении ФВЭУ в различные режимы энергораспределения (БКОСА-3.2, БКОСА-4.1, БКОСА-9.2)

Как видно из таблицы 7.13, различные факторы содержат различное среднее количество информации для принятия решения о выборе режима энергораспределения. Каждый режим может быть охарактеризован единственной последовательностью факторов, в которой они ранжированы в порядке убывания количества информации в пользу выбора данного режима. Такая последовательность называется информационным портретом режима ФВЭУ [152]. Аналогично каждый фактор может быть охарактеризован единственной последовательностью режимов, в которой они ранжированы в порядке убывания количества информации в пользу их выбора, содержащейся в данном факторе [152].

Информационные портреты режимов и факторов могут быть представлены в графическом виде.

Определение степени детерминированности режимов энергораспределения ФВЭУ (БКОСА-3.3, БКОСА-4.2, БКОСА-9.1)

Различные режимы отличаются друг от друга средним количеством информации о выборе или не выборе данного режима, содержащейся в факторах. Если выбор некоторого режима однозначно, т.е. детерминистским образом, определяется некоторым фактором, то этот фактор будет содержать максимально-возможное количество информации о выборе данного режима и этот режим будет иметь высокую степень детерминированности (определенности). Если же наоборот, в обобщенном образе режима все факторы содержат небольшое количество информации, то данный режим будет слабодетерминированным, а его выбор – неопределенным (таблица 7.16).

Слабодетерминированные режимы, как правило, являются сходными сразу с несколькими сильнодетерминированными. В инструментальной системе реализован режим, обеспечивающий удаление из модели тех классов, которые сводятся к суперпозиции некоторого минимального количества слабо коррелирующих друг с другом классов.

Таблица 7. 16 – ДЕТЕРМИНИРОВАННОСТЬ РЕЖИМОВ ФВЭУ

Определение фактической приоритетности нагрузок

В технологии, предлагаемой в данной работе, нет необходимости искусственно вводить группы приоритетности нагрузок, так как модель обеспечивает обработку данных большой размерности. Это означает, что все нагрузки могут быть перечислены как градации – факторы в соответствующей описательной шкале. В результате после формирования обучающей выборки на основе решений пользователя ФВЭУ выясняется порядок, в котором нагрузки обслуживаются в случае дефицита внешних энергетических ресурсов.

Исследование сходства и различия режимов ФВЭУ и факторов (БКОСА-10)

Данная задача решается в два этапа: формирование кластеров и конструктов режимов ФВЭУ и факторов; содержательное сравнение режимов ФВЭУ и факторов. Кластеры формируются инструментальной системой, на основе сравнения векторов режимов энергораспределения и факторов, представленных в таблице 7.13. Конструкт представляет собой систему наиболее сильно отличающихся кластеров (со спектром промежуточных кластеров). На рисунках 7.21 – 7.22 приведены диаграммы семантических сетей, построенных по результатам кластерно–конструктивного анализа режимов энергораспределения ФВЭУ и факторов, влияющих на принятие решений о выборе этих режимов.

Рисунок 7. 21. Семантическая сеть классов

Рисунок 7. 22. Семантическая сеть признаков

Содержательное сравнение режимов (факторов) друг с другом представляет собой информационные портреты двух режимов, в которых факторы соединены друг с другом линиями, цвет и толщина которых соответствуют знаку и величине их вклада в сходство или различие данных двух режимов (факторов). Графическое отображение этой информации называется когнитивной диаграммой [152]. Примеры когнитивных диаграмм классов и признаков приведены на рисунках 7.23 и 7.24.

Рисунок 7. 23. Когнитивная диаграмма классов

1. В разделе обоснована актуальность применения автономных комбинированных фотоветроэлектроэнергетических установок (ФВЭУ), основанных на использовании таких возобновляемых источников энергии, как солнечная радиация и поток ветра.

Рисунок 7. 24. Когнитивная диаграмма признаков

2. Показано, что КПД ФВЭУ существенно повышается при использовании систем автоматического управления (САУ). Рассматриваются два уровня САУ ФВЭУ: уровень компонент системы и операционный уровень. Технические проблемы управления ФВЭУ на уровне компонент решаются разработчиками этих компонент. Операционный уровень САУ обеспечивает выбор наиболее эффективного режима энергораспределения ФВЭУ в зависимости от состояния ФВЭУ и краткосрочного прогноза мощности первичных возобновляемых энергоресурсов. Поэтому для разработчиков ФВЭУ наибольший интерес представляет эффективный синтез именно операционного уровня САУ. Однако решение этой проблемы связано со значительными сложностями, обусловленными тем, что ФВЭУ представляет собой сложную техническую систему.

3. Приводится численный пример использования разработанной методологии синтеза РАСУ АО для синтеза операционного уровня САУ ФВЭУ. Показано, что предлагаемая методология не только обеспечивает синтез адаптивных САУ, настраивающихся на локальные особенности места установки ФВЭУ и потребности пользователя, но и позволяет поставить и решить целый комплекс взаимосвязанных задач, представляющих интерес в связи с теорией и практикой управления сложными системами, в частности при эксплуатации ФВЭУ: взвешенное обобщение экспертных оценок рациональности режимов энергораспределения; автоматизация экспертных оценок и их замена оценками непосредственного пользователя ФВЭУ; определение дифференцирующей мощности факторов относительно режимов энергораспределения и контролируемое снижение размерности модели; определение силы влияния факторов на принятие решения о переключении ФВЭУ в различные режимы энергораспределения; определение степени детерминированности режимов энергораспределения ФВЭУ; определение фактической приоритетности нагрузок; исследование сходства и различия состояний ФВЭУ и факторов.

Разработанная методика, технология и инструментарий синтеза рефлексивных АСУ активными объектами могут быть применены и в других областях.

7.9. ОГРАНИЧЕНИЯ ПРЕДЛОЖЕННОЙ ТЕХНОЛОГИИ И ВОЗМОЖНОСТИ ОБОСНОВАННОГО РАСШИРЕНИЯ ОБЛАСТИ ЕЕ ПРИМЕНЕНИЯ НА ОСНОВЕ НАУЧНОЙ ИНДУКЦИИ

Необходимо отметить, что ряд материалов данного раздела носят в определенной степени проблемно–дискуссионный характер.

Предложенные и развитые в данной работе математическая модель, методология и конкретная технология синтеза РАСУ АО основаны на фундаментальных положениях теории информации, распознавания образов и принятия решений, имеющих весьма общий характер. Они разрабатывались в общем виде без привязки к специфике какого–либо конкретного объекта управления. По этим причинам методы, развитые в данной работе и детализированные в главе 6 данной работы, обладают высокой универсальностью и применимы для синтеза РАСУ АО в самых различных предметных областях, в частности таких как: техника (управление сложными техническими системами); технология (управление технологиями в целях получения заданных хозяйственных и финансовых результатов); психология (разработка и применение профессиограмм, идентификация, мониторинг, прогнозирование и управление психологическими состояниями); обучение (прогнозирование успешности профессиональной деятельности, управление индивидуальным обучением, исследования влияния учебной активности на качество обучения и т.д.); другие применения (социология, политология, реклама, маркетинг, правоохранительная сфера и др.).

Рассмотрим перспективы применения методики и технологии АСК-анализа в некоторых из этих предметных областей более подробно. Многие из рассмотренных ниже применений технологии АСК-анализа описаны в работах: [14, 69, 70, 136–165, 230–233, 237, 270, 273–286, 314, 320, 329, 366].

Предложенная технология АСК-анализа продемонстрировала эффективность в различных предметных областях: это и синтез систем управления сложными техническими системами, и решение задач управления качеством подготовки специалистов; и прогнозирование ситуаций на фондовом рынке; и прогнозирование результатов выращивания сельскохозяйственных культур; и выбор оптимальных агротехнологий.

На первый взгляд эти области имеют мало общего между собой, между тем с математической точки зрения и с точки зрения технологии интеллектуальной обработки информации во всех этих областях решались одни и те же задачи. В этой связи возникает закономерный вопрос о существовании ограничений предложенной технологии и возможном корректном расширении области ее применения на другие предметные области.

Очевидно, ограничения АСК-анализа должны существовать, а значит они должны быть изучены, чтобы, с одной стороны, пользователь обоснованно пользовался этой технологией в областях ее оптимального, уверенного и рискованного применения, а с другой стороны, не возлагал необоснованных надежд на ее применение в тех предметных областях и для решения тех задач, для которых она не предназначена.

При решении вопроса о расширении области применения АСК-анализа целесообразно основываться на методе научной индукции.

В данном контексте этот метод научной индукции состоит в следующем:

1. Применить АСК-анализ для синтеза рефлексивной АСУ активными объектами на одном примере, в нашем случае – на примере управления качеством подготовки специалистов в КЮИ МВД РФ.

2. Выявить факторы, которые являются причинами успешности, т.е. обусловили успех применения АСК-анализа в данном случае.

3. Выдвинуть гипотезу, что и в других случаях, когда сформулированные факторы (причины) успешности применения АСК-анализа действуют, т.е. имеют место, применение этой технологии будет успешным, и наоборот, при отсутствии хотя бы одного из этих факторов – на успех надеяться нет оснований.

4. Применить АСК-анализ в других предметных областях, обеспечив в обязательном порядке действие факторов успешности.

5. Проверить, успешным ли оказалось применение АСК-анализа в этих других случаях.

6. Если да, т.е. успешным, то считается, что такой результат получен за счет действия факторов успешности, и что на этом основании можно обоснованно утверждать, что и в других случаях, в которых будут присутствовать факторы успешности, можно надеяться на успешное применение АСК-анализа, и наоборот, в тех случаях, когда один или несколько факторов не соблюдаются, надеяться на успех нет оснований.

Примечание к п.6: если для какого-либо фактора успешности неизвестно, действует он или нет в данном конкретном случае, то результат применения АСК-анализа может быть положительным и отрицательным, в зависимости от того, действует ли данный фактор или нет и от того, является ли данный фактор детерминистским. В этом случае мы имеем дело с рискованным применением АСК-анализа.

Выполним эту программу.

1. АСК-анализ успешно применен для синтеза рефлексивной АСУ активными объектами: качеством подготовки специалистов в КЮИ МВД РФ.

2. Этот результат обусловлен следующими факторами:

– семантическая информационная модель адекватна предметной области;

– информация в обучающей выборке полна и достоверна: 1) достоверны тесты, применяемые для получения вторичных параметров (качественны и сами тесты и процедуры их использования), 2) достоверны и согласованны (объективны) независимые экспертные оценки объектов обучающей в выборки, (эксперты компетентны, процедуры сбора и обобщения экспертных оценок корректны и эффективны); 3) ввод информации в автоматизированную систему произведен качественно;

– в предметной области существуют реальные закономерности;

– обучающая выборка обладает общей и структурной репрезентативностью;

– методические и технологические этапы АСК-анализа реализованы корректно;

– специальный программный инструментарий выполняет возложенные на него функции автоматизации БКОСА.

3. Выдвигается гипотеза (т.е. предполагается), что когда обязательные факторы успешности применения АСК-анализа, приведенные в п.2 действуют, его применение будет успешным.

4. АСК-анализ реально эффективно применялся в десятках различных предметных областей с обязательным соблюдением факторов успешности.

5. Успешность применения АСК-анализа подтверждена актами внедрения (всего имеется 17 таких актов, подтверждающих успешность применения). О некоторых из этих применений информация приведена в данном разделе (ниже). При этом необходимо отметить, что примерно треть применений не документировались по ряду причин.

6. Это подтверждает гипотезу, сформулированную в п.3 и означает, что на основании принципа научной индукции АСК-анализ должен сохранять адекватность и эффективность и в других новых предметных областях при условии действия факторов успешности.

7.10. МОНИТОРИНГ, ПРОГНОЗИРОВАНИЕ И УПРАВЛЕНИЕ В ФИНАНСОВО-ЭКОНОМИЧЕСКОЙ СФЕРЕ

7.10.1. Актуальность

Повторяющиеся с завидной периодичностью межбанковские кризисы заставили участников финансового рынка всерьез задуматься о необходимости серьезной организации социально–экономического мониторинга, а также аналитических исследований. Наиболее дальновидные банки и финансовые компании, в том числе и кубанские, начали создавать и оснащать необходимым инструментарием свои аналитические службы.

Руководители давно поняли нехитрое правило: "Хочешь заработать сто миллионов – вложи в аналитика сто тысяч".