Шумский а.А., Шелупанов а.А. Системный анализ в защите информации

В учебном пособии изложены основы системного анализа как средства исследования и решения проблем адекватных оценок ситуаций, проектов и внедряемых систем.

Базовые модели и методы системного анализа. Понятие модели

Неотъемлемой частью системного анализа является моделирование – процесс исследования реальной системы, включающий построение модели, изучение ее свойств и перенос полученных сведений на моделируемую систему.

Рис. 1. Процесс моделирования

Общими функциями моделирования являются описание, объяснение и прогнозирование поведения реальной системы.

Типовыми целями моделирования могут быть поиск оптимальных или близких к оптимальным решений, оценка эффективности решений, определение свойств системы (чувствительности к изменению значений характеристик и др.), установлении взаимосвязей между характеристиками системы, перенос информации во времени. <...> Модель – это объект, который имеет сходство с прототипом и служит средством описания и/или объяснения, и/или прогнозирования поведения прототипа.

Важнейшим качеством модели является то, что она дает упрощенный образ, отражающий не все свойства прототипа, а только те, которые существенны для исследования.

Сложные системы характеризуются выполняемыми процессами (функциями), структурой и поведением во времени. Для адекватного моделирования этих аспектов в автоматизированных информационных системах различают функциональные, информационные и поведенческие модели, пересекающиеся друг с другом.

Функциональная модель системы описывает совокупность выполняемых системой функций, характеризует морфологию системы (ее построение) – состав функциональных подсистем, их взаимосвязи.

Информационная модель отражает отношения между элементами системы в виде структур данных (состав и взаимосвязи).

Поведенческая (событийная) модель описывает информационные процессы (динамику функционирования), в ней фигурируют такие категории, как состояние системы, событие, переход из одного состояния в другое, условия перехода, последовательность событий.

Особенно велико значение моделирования в системах, где натурные эксперименты невозможны по целому ряду причин: сложность, большие материальные затраты, уникальность, длительность эксперимента. Так, нельзя «провести войну в мирное время», натурные испытания некоторых типов систем связаны с их разрушением, для экспериментальной проверки сложных систем управления требуется длительное время и т.д.

Можно выделить три основные области применения модели: обучение, научные исследования, управление. <...> [Шумский, с.19-21]

Модели «черного ящика». Модель состава системы. Модель структуры системы

Самым простым и абстрактным уровнем описания системы является модель «черного ящика». В этом случае предполагается, что выделенная система связана со средой через совокупность входов и выходов. Выходы модели описывают результаты деятельности системы, а входы – ресурсы и ограничения. При этом предполагается, что мы ничего не знаем и не хотим знать о внутреннем содержании системы. Модель в этом случае отражает два важных и существенных ее свойства: целостность и обособленность от среды.

Рис.2. Модель «черного ящика»

Декомпозиция внутренней структуры черного ящика на боле мелкие составляющие (подсистемы, отдельные элементы), позволяет строить модели состава систем.

Простота и доступность моделей «черного ящика» и состава позволяет решать с их использованием множество практических задач. Вместе с тем для более детального (глубокого) изучения систем необходимо устанавливать в модели состава отношения (связи) между элементами. Описание системы через совокупность необходимых и достаточных для достижения целей отношений между элементами назовем моделью структуры системы. [Шумский, с.21-23]

Классификация моделей

В зависимости от типа носителя и характеристических призна­ков (сигнатуры) модели различаются следующие виды моделиро­вания: детерминированное и стохастическое, статическое и дина­мическое, дискретное, непрерывное и дискретно-непрерывное.

Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий.

Стохастическое моделирование учитывает вероятностные процессы и события. Статическое моделирование служит для описания состояния объекта в фиксированный момент времени, а динамическое — для исследования объекта во времени. При этом оперируют аналоговыми (непрерывными), дискретными и смешанными моделями.

В зависимости от формы реализации носителя и сигнатуры моделирование классифицируется на мысленное и реальное Мысленное моделирование применяется тогда, когда модели не реализуемы в заданном интервале времени либо отсутствуют условия для их физического создания (например, ситуация микромира). Мысленное моделирование реальных систем реализуется в виде наглядного, символического и математическо­го. Для представления функциональных, информационных и событийных моделей этого вида моделирования разработано значительное количество средств и методов.

При наглядном моделировании на базе представлений чело­века о реальных объектах создаются наглядные модели, отобра­жающие явления и процессы, протекающие в объекте. Приме­ром таких моделей являются учебные плакаты, рисунки, схемы, диаграммы.

В основу гипотетического моделирования закладывается гипо­теза о закономерностях протекания процесса в реальном объек­те, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Этот вид моделирования ис­пользуется, когда знаний об объекте недостаточно для построе­ния формальных моделей. Аналоговое моделирование основы­вается на применении аналогий различных уровней. Для достаточно простых объектов наивысшим уровнем является полная аналогия. С усложнением системы используются анало­гии последующих уровней, когда аналоговая модель отображает несколько (или только одну) сторон функционирования объек­та. Макетирование применяется, когда протекающие в реаль­ном объекте процессы не поддаются физическому моделирова­нию или могут предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, обычно базирующиеся на причинно-след­ственных связях между явлениями и процессами в объекте.

Символическое моделирование представляет собой искусст­венный процесс создания логического объекта, который замещает реальный и выражает его основные свойства с помощью опреде­ленной системы знаков и символов. В основе языкового модели­рования лежит некоторый тезаурус, который образуется из набора понятий исследуемой предметной области, причем этот набор должен быть фиксированным. Под тезаурусом понимается сло­варь, отражающий связи между словами или иными элементами данного языка, предназначенный для поиска слов по их смыслу. Если ввести условное обозначение отдельных понятий, т, е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отобра­жать набор понятий — составлять отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта.

Математическое моделирование — это процесс установ­ления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью. В принципе, для исследования характеристик любой системы математическими методами, включая и компьютерные, должна быть обязательно проведена формализация этого процесса, то есть построена математическая модель. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта, от требуемой достоверности и точности решения задачи. Любая математическая модель, как и всякая Другая, описывает реальный объект с некоторой степенью при­ближения.

Для представления математических моделей могут использоваться различные формы записи. Основными являются инвариантная, аналитическая, алгоритмическая и схемная (графическая).

Инвариантная форма — запись соотношений модели с помощью традиционного математического языка безотносительно к методу решения уравнений модели. В этом случае модель может быть представлена как совокупность входов, выходов, переменных состояния и глобальных уравнений системы.

Аналитическая форма — запись модели в виде результата решения исходных уравнений модели. Обычно модели в анали­тической форме представляют собой явные выражения выход­ных параметров как функций входов и переменных состояния.

Для аналитического моделирования характерно то, что в ос­новном моделируется только функциональный аспект систе­мы. При этом глобальные уравнения системы, описывающие закон (алгоритм) ее функционирования, записываются в виде некоторых аналитических соотношений (алгебраических, интегродифференциальных, конечноразностных и т. д.) или логи­ческих условий. Аналитическая модель исследуется несколь­кими методами:

• аналитическим, когда стремятся получить в общем виде явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными состоя­ния системы;

• численным, когда, не умея решать уравнения в общем виде, стремятся получить числовые результаты при конкретных начальных данных (напомним, что такие модели называ­ются цифровыми);

• качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения).

В настоящее время распространены компьютерные методы исследования характеристик процесса функционирования сложных систем. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирую­щий алгоритм.

Алгоритмическая форма — запись соотношений модели и выбранного численного метода решения в форме алгоритма. Среди алгоритмических моделей важный класс составляют имитационные модели, предназначенные для имитации физических или информационных процессов при различных внешних воздействиях. Собственно имитацию названных процессов называют имитационным моделированием.

При имитационном моделировании воспроизводится алго­ритм функционирования системы во времени — поведение системы, причем имитируются элементарные явления, состав­ляющие процесс, с сохранением их логической структуры и последовательности протекания, что позволяет по исходным данным получить сведения о состояниях процесса в определен­ные моменты времени, дающие возможность оценить характе­ристики системы. Основным преимуществом имитационного моделирования по сравнению с аналитическим является воз­можность решения более сложных задач. Имитационные моде­ли позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случай­ные воздействия и другие, которые часто создают трудности при аналитических исследованиях. В настоящее время имита­ционное моделирование — наиболее эффективный метод ис­следования систем, а часто и единственный практически доступ­ный метод получения информации о поведении системы, особенно на этапе ее проектирования.

В имитационном моделировании различают метод статис­тических испытаний (Монте-Карло) и метод статистического моделирования.

Метод Монте-Карло — численный метод, который приме­няется для моделирования случайных величин и функций, вероятностные характеристики которых совпадают с решения­ми аналитических задач. Состоит в многократном воспроизве­дении процессов, являющихся реализациями случайных вели­чин и функций, с последующей обработкой информации Методами математической статистики.

Если этот прием применяется для машинной имитации в целях исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, то такой метод называется методом статистического моделирования.

Метод имитационного моделирования применяется для оценки вариантов структуры системы, эффективности различ­ных алгоритмов управления системой, влияния изменения раз­личных параметров системы. Имитационное моделирование может быть положено в основу структурного, алгоритмическо­го и параметрического синтеза систем, когда требуется создать систему с заданными характеристиками при определенных ограничениях.

Комбинированное (аналитико-имитационное) моделирова­ние позволяет объединить достоинства аналитического и ими­тационного моделирования. При построении комбинирован­ных моделей производится предварительная декомпозиция процесса функционирования объекта на составляющие под­процессы, и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели. Такой подход дает возможность охва­тить качественно новые классы систем, которые не могут быть исследованы с использованием аналитического или имитацион­ного моделирования в отдельности.

Информационное (кибернетическое) моделирование связа­но с исследованием моделей, в которых отсутствует непосред­ственное подобие физических процессов, происходящих в мо­делях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию, рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и модели­руют некоторые связи между выходами и входами. Таким обра­зом, в основе информационных (кибернетических) моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться форма­лизовать .эту функцию в виде некоторых операторов связи меж­ду входом и выходом и воспроизвести данную функцию на имитационной модели, причем на совершенно другом матема­тическом языке и, естественно, иной физической реализации процесса. Так, например, экспертные системы являются моде­лями ЛПР.

Структурное моделирование системного анализа базирует­ся на некоторых специфических особенностях структур определенного вида, которые используются как средство исследо­вания систем или служат для разработки на их основе специфических подходов к моделированию с применением других методов формализованного представления систем (теоре­тико-множественных, лингвистических, кибернетических и т. п.). Развитием структурного моделирования является объектно-ори­ентированное моделирование.

Структурное моделирование системного анализа включает;

• методы сетевого моделирования;

• сочетание методов структуризации с лингвистическими;

• структурный подход в направлении формализации построения и исследования структур разного типа (иерархических, матричных, произвольных графов) на основе теоретико-мно­жественных представлений и понятия номинальной шкалы теории измерений.

При этом термин «структура модели» может применяться как к функциям, так и к элементам системы. Соответствующие структуры называются функциональными и морфологически­ми. Объектно-ориентированное моделирование объединяет структуры обоих типов в иерархию классов, включающих как элементы, так и функции.

В структурном моделировании за последнее десятилетие сформировалась новая технология CASE. Аббревиатура CASE имеет двоякое толкование, соответствующее двум направлениям использования CASE-систем. Первое из них — Computer-Aided Software Engineering - переводится как автоматизированное проектирование программного обеспечения. Соответствующие CASE-системы часто называют инструментальными средами быстрой разработки программного обеспечения (RAD – Rapid Aplication Development). Второе — Computer-Aided System Engineering — подчеркивает направленность на поддержку кон­цептуального моделирования сложных систем, преимущественно слабоструктурированных. ТакиеCASE-системы часто называют системами BPR (Business Process Rcengineering). В целом, CASE-технология представляет собой совокупность методоло­гий анализа, проектирования, разработки и сопровождения сложных автоматизированных систем, поддерживаемую комп­лексом взаимосвязанных средств автоматизации. CASE — это инструментарий для системных аналитиков, разработчиков и программистов, позволяющий автоматизировать процесс проектирования и разработки сложных систем, в том числе и программного обеспечения.

Ситуационное моделирование опирается на модельную теорию мышления, в рамках которой можно описать основные механизмы регулирования процессов принятия решений. В центре модельной теории мышления лежит представление о формировании в структурах мозга информационной модели объекта и внешнего мира. Эта информация воспринимается человеком на базе уже имеющихся у него знаний и опыта. Целесообразное поведение человека строится путем формирования целевой си­туации и мысленного преобразования исходной ситуации в це­левую. Основой построения модели является описание объекта в виде совокупности элементов, связанных между собой опре­деленными отношениями, отображающими семантику пред­метной области. Модель объекта имеет многоуровневую струк­туру и представляет собой тот информационный контекст, на фоне которого протекают процессы управления. Чем богаче информационная модель объекта и выше возможности манипу­лирования ею, тем лучше и многообразнее качество принимае­мых решений при управлении.

При реальном моделировании используется возможность исследования характеристик либо на реальном объекте целиком, либо на его части. Такие исследования проводятся как на объек­тах, работающих в нормальных режимах, так и при организа­ции специальных режимов для оценки интересующих исследо­вателя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адекватным, но его возможно­сти ограничены.

Натурным моделированием называют проведение исследо­вания на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. Натурное модели­рование подразделяется на научный эксперимент, комплексные испытания и производственный эксперимент. Научный экспе­римент характеризуется широким использованием средств авто­матизации, применением весьма разнообразных средств обра­ботки информации, возможностью вмешательства человека в процесс проведения эксперимента. Одна из разновидностей эксперимента — комплексные испытания, в процессе которых вследствие повторения испытаний объектов в целом (или боль­ших частей системы) выявляются общие закономерности о харак­теристиках качества, надежности этих объектов. В этом случае моделирование осуществляется путем обработки и обобщения сведений о группе однородных явлений. Наряду со специально организованными испытаниями возможна реализация натурно­го моделирования путем обобщения опыта, накопленного в ходе производственного процесса, то есть можно говорить о производственном эксперименте. Здесь на базе теории подо­бия обрабатывают статистический материал по производствен­ному процессу и получают его обобщенные характеристики. Необходимо помнить про отличие эксперимента от реального протекания процесса. Оно заключается в том, что в экспери­менте могут появиться отдельные критические ситуации и опре­делиться границы устойчивости процесса. В ходе эксперимента вводятся новые факторы и возмущающие воздействия в про­цесс функционирования объекта.

Другим видом реального моделирования является физиче­ское, отличающееся от натурного тем, что исследование прово­дится на установках, которые сохраняют природу явлений и обладают физическим подобием. В процессе физического мо­делирования задаются некоторые характеристики внешней среды и исследуется поведение либо реального объекта, либо его модели при заданных или создаваемых искусственно воз­действиях внешней среды. Физическое моделирование может протекать в реальном и модельном (псевдореальном) масшта­бах времени или рассматриваться без учета времени. В последнем случае изучению подлежат так называемые «замороженные» процессы, фиксируемые в некоторый момент времени. [Шумский, с.23-32]

Принципы системного анализа

Универсальной методики - инструкции по проведению системного анализа — не существует. Такая методика разраба­тывается и применяется в тех случаях, когда у исследователя нет достаточных сведений о системе, которые позволили бы формализовать процесс ее исследования, включающий постановку и решение возникшей проблемы.

В принципе, за основу при разработке методики системного анализа можно взять этапы проведения любого научного исследования или этапы исследования и разработки, принятые в тео­рии автоматического управления. Однако специфической особен­ностью любой методики системного анализа является то, что она должна опираться на понятие системы и использовать зако­номерности построения, функционирования и развития систем. Здесь нужно подчеркнуть, что при практическом применении методик системного анализа рассматривается следующее: час­то после выполнения того или иного этапа возникает необходи­мость возвратиться к предыдущему или еще более раннему эта­пу, а иногда и повторить процедуру системного анализа полностью. Это проявление закономерности саморегулирова­ния, самоорганизации, которую при разработке методики мож­но учитывать сознательно, ввести правила, определяющие, в каких случаях необходим возврат к предыдущим этапам.

Общим для всех методик системного анализа является опре­деление закона функционирования системы, формирование вариантов структуры системы (нескольких альтернативных ал­горитмов, реализующих заданный закон функционирования) и выбор наилучшего варианта, осуществляемого путем реше­ния задач декомпозиции, анализа исследуемой системы и синтеза системы и снимающего проблему практики. Основой построе­ния методики анализа и синтеза систем в конкретных условиях является соблюдение принципов системного анализа.

Принципы системного анализа — это некоторые положе­ния общего характера, являющиеся обобщением опыта работы человека со сложными системами. Различные авторы излагают принципы с определенными отличиями, поскольку общепри­нятых формулировок на настоящее время нет. Однако так или иначе все формулировки описывают одни и те же понятия.

Наиболее часто к системным причисляют следующие прин­ципы: принцип конечной цели, принцип измерения, принцип эквифинальности, принцип единства, принцип связности, принцип модульного построения, принцип иерархии, принцип функциональности, принцип развития (историчности, откры­тости), принцип децентрализации, принцип неопределенности.

Принцип конечной цели. Это абсолютный приоритет конеч­ной (глобальной) цели. Принцип имеет несколько правил:

• для проведения системного анализа необходимо в пер­вую очередь сформулировать цель исследования; расплывча­тые, не полностью определенные цели влекут за собой невер­ные выводы;

• анализ следует вести на базе первоочередного уяснения основной цели (функции, основного назначения) исследуемой системы, что позволит определить ее основные существенные свойства, показатели качества и критерии оценки;

• при синтезе систем любая попытка изменения или совершенствования должна оцениваться относительно того, помога­ет или мешает она достижению конечной цели;

• цель функционирования искусственной Системы задает­ся, как правило, системой, в которой исследуемая система явля­ется составной частью.

Принцип измерения. О качестве функционирования какой-либо системы можно судить только применительно к системе более высокого порядка. Другими словами, для определения эффективности функционирования системы надо представить ее как часть более общей и проводить оценку внешних свойств исследуемой системы относительно целей и задач суперсистемы.

Принцип эквифинальности. Система может достигнуть требуемого конечного состояния, не зависящего от времени и определяемого исключительно собственными характеристиками системы при различных начальных условиях и различными путями. Это форма устойчивости по отношению к начальным и граничным условиям.

Принцип единства. Это совместное рассмотрение системы как целого и как совокупности частей (элементов). Принцип ориентирован на «взгляд внутрь» системы, на расчленение ее с сохранением целостных представлений о системе.

Принцип связности. Рассмотрение любой части совместно с ее окружением подразумевает проведение процедуры выявле­ния связей между элементами системы и выявление связей с внешней средой (учет внешней среды). В соответствии с этим принципом систему в первую очередь следует рассматривать как часть (элемент, подсистему) другой системы, называемой суперсистемой или старшей системой.

Принцип модульного построения. Полезно осуществлять выделение модулей в системе и рассмотрение ее как совокуп­ности модулей. Принцип указывает на возможность вместо части системы исследовать совокупность ее входных и выходных воздействий (абстрагирование от излишней детализации).

Принцип иерархии. Полезно введение иерархии частей и их ранжирование, что упрощает разработку системы и устанавливает порядок рассмотрения частей.

Принцип функциональности. Заключается в совместном рассмотрении структуры и функции с приоритетом функции над структурой. Принцип утверждает, что любая структура тесно связана с функцией системы и ее частей. В случае придания системе новых функций полезно пересматривать ее структуру, а не пытаться втиснуть новую функцию в старую схему. Поскольку выполняемые функции составляют процессы, то целесооб­разно рассматривать отдельно процессы, функции, структуры.

В свою очередь, процессы сводятся к анализу потоков различ­ных видов:

• материальный поток;

• поток энергии;

• поток информации;

• смена состояний.

С этой точки зрения структура есть множество ограничений на потоки в пространстве и во времени.

Принцип развития. Это учет изменяемости системы, ее спо­собности к развитию, адаптации, расширению, замене частей, накапливанию информации. В основу синтезируемой системы требуется закладывать возможность развития, наращивания, усовершенствования. Обычно расширение функций преду­сматривается за счет обеспечения возможности включения но­вых модулей, совместимых с уже имеющимися. С другой сторо­ны, при анализе принцип развития ориентирует на необходимость учета предыстории развития системы и тенденций, имеющихся в настоящее время, для вскрытия закономерностей ее функцио­нирования.

Одним из способов учета этого принципа разработчиками является рассмотрение системы относительно ее жизненного цикла. Условными фазами жизненного цикла ИС (информационной системы) являются проектирование, изготовление, ввод в эксплуатацию, эксплуа­тация, наращивание возможностей (модернизация), вывод из эксплуатации (замена), уничтожение.

Отдельные авторы этот принцип называют принципом изме­нения (историчности) или открытости. Для того чтобы система функционировала, она должна изменяться, взаимодействовать со средой.

Принцип децентрализации. Это сочетание в сложных систе­мах централизованного и децентрализованного управления, ко­торое, как правило, заключается в том, что степень централизации должна быть минимальной, обеспечивающей выполнение поставленной цели.

Недостаток децентрализованного управления — увели­чение времени адаптации системы. Он существенно влияет на функционирование системы в быстро меняющихся средах. То, что в централизованных системах можно сделать за короткое время, в децентрализованной системе будет осуществляться весьма медленно. Например, общее время синхронизации (перевода из состоянияz₁ в z₂) цепи из N автоматов с n внутренними состояниями, зависящими от состояний соседних автома­тов, при централизованном управлении составляет 1 такт, а для взаимодействующих только с непосредственными соседями - 3N такта, в зависимости от сложности автоматов.

Недостатком централизованного управления является сложность управления из-за огромного потока информации, подле­жащей переработке в старшей системе управления. Поэтому в сложной системе обычно присутствуют два уровня управле­ния. В медленно меняющейся обстановке децентрализованная часть системы успешно справляется с адаптацией поведения системы к среде и с достижением глобальной цели системы за счет оперативного управления, а при резких изменениях сре­ды осуществляется централизованное управление по переводу системы в новое состояние.

Принцип неопределенности. Это учет неопределенностей и случайностей в системе. Принцип утверждает, что можно иметь дело с системой, в которой структура, функционирова­ние или внешние воздействия не полностью определены.

Сложные открытые системы не подчиняются вероятност­ным законам. В таких системах можно оценивать «наихудшие» ситуации и рассмотрение проводить для них. Этот способ обычно называют методом гарантируемого результата. Он применим, когда неопределенность не описывается аппаратом теории вероятностей. При наличии информации о вероятностных характеристиках случайностей (математическое ожидание, дисперсия и т. д.) можно определять вероятностные характеристики выходов в системе.

Перечисленные принципы обладают очень высокой степенью общности. Для непосредственного применения исследователь должен наполнить их конкретным содержанием применитель­но к предмету исследования. Такая интерпретация может при­вести к обоснованному выводу о незначимости какого-либо прин­ципа. Однако знание и учет принципов позволяют лучше увидеть существенные стороны решаемой проблемы, учесть весь комп­лекс взаимосвязей, обеспечить системную интеграцию. [Шумский, с.32-37]

Метод Дельфи и другие

В отличие от традиционных методов экспертной оценки метод Дельфи предполагает полный отказ от коллективных обсуждений. Это делается для того, чтобы уменьшить влияние таких психологических факторов, как присоединение к мне­нию наиболее авторитетного специалиста, нежелание отказать­ся от публично выраженного мнения, следование за мнением большинства. В методе Дельфи прямые дебаты заменены про­граммой последовательных индивидуальных опросов, прово­димых в форме анкетирования. Ответы обобщаются и вместе с новой дополнительной информацией поступают в распоряже­ние экспертов, после чего они уточняют свои первоначальные ответы. Такая процедура повторяется несколько раз до достижения приемлемой сходимости совокупности высказанных мнений. Результаты эксперимента показали приемлемую сходимость оценок экспертов после пяти туров опроса. Метод Дельфи первоначально был предложен О. Хелмером как итеративная процедура «мозговой атаки», которая должна помочь снизить влияние психологических факторов и повысить объек­тивность результатов. Однако почти одновременно Дельфи-процедуры стали основным средством повышения объективно­сти экспертных опросов с использованием количественных оценок при оценке деревьев цели и при разработке сценариев за счет использования обратной связи, ознакомления экспертов с результатами предшествующего тура опроса и учета этих результатов при оценке значимости мнений экспертов. Процедура Дельфи-метода заключается в следующем:

1. организуется последовательность циклов «мозговой атаки»;

2. разрабатывается программа последовательных индивидуальных опросов с помощью вопросников, исключающая кон­такты между экспертами, но предусматривающая ознакомление их с мнениями друг друга между турами; вопросники от тура к туру могут уточняться;

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

Первое практическое применение метода Дельфи к реше­нию некоторых задач министерства обороны США, осуществ­ленное RAND Corporation во второй половине 40-х гг., показа­ло его эффективность и целесообразность распространения на широкий класс задач, связанный с оценкой будущих событий.

Недостатки метода Дельфи:

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

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

В 60-е гг. область практического применения метода Дель­фи значительно расширилась, однако присущие ему ограниче­ния привели к возникновению других методов, использующих экспертные оценки. Среди них особого внимания заслуживают методы QUEST и SEER.

Метод QUEST (Qualitative Utility Estimates for Science and Technology — количественные оценки полезности науки и тех­ники) был разработан для целей повышения эффективности решений по распределению ресурсов, выделяемых на исследова­ния и разработки. В основу метода положена идея распределе­ния ресурсов на основе учета возможного вклада (определяемо­го метода экспертной оценки) различных отраслей и научных направлений в решение какого-либо круга задач.

Метод SEER (System for Event Evaluation and Review — сис­тема оценок и обзора событий) предусматривает всего два тура оценки. В каждом туре привлекается различный состав экспер­тов. Эксперты первого тура — специалисты промышленности, эксперты второго тура — наиболее квалифицированные специа­листы из органов, принимающих решения, и специалисты в области естественных и технических наук. Эксперт каждого тура не возвращается к рассмотрению своих ответов, за исключением тех случаев, когда его ответ выпадает из некоторого интервала, в котором находится большинство оценок (например, интерва­ла, в котором находится 90% всех оценок). [Шумский, с.56-58]

Морфологический анализ

Основная идея морфологических методов — систематически находить все мыслимые варианты решения проблемы или реали­зации системы путем комбинирования выделенных элементов иди их признаков. В систематизированном виде морфологический подход разработан и применен впервые швейцарским астрономом Ф. Цвикки и долгое время был известен как метод Цвикки.

Наибольшее распространение получил «метод морфологического ящика», или, как его сейчас называют, метод морфологической матрицы (таблицы).

Идея его состоит в том, чтобы определить все мыслимые параметры, от которых может зависеть решение проблемы, представить их в виде матриц-столбцов, а затем определить в морфологической матрице все возможные сочетания параметров по одному из каждой строки. Полученные таким образом варианты могут снова подвергаться оценке и анализу в целях выбора наилучшего. Морфологическая матрица может быть не только двумерной.

Построение и исследование по методу морфологического анализа проводятся в пять этапов.

Этап 1. Точная формулировка поставленной проблемы, цели исследования, существующих ограничений.

Этап 2. Выделение показателей Pi, от которых зависит реше­ние проблемы. По мнению Ф. Цвикки, при наличии точной формулировки проблемы выделение показателей происходит автоматически.

Этап 3. Сопоставление показателю Pi его значений p_i^k и све­дение этих значений в морфологическую матрицу.

Набор значений различных показателей (по одному значе­нию из каждой строки) представляет собой возможный вариант решения данной проблемы (например, вариант {p11, p23, ..., pkn}). Такие наборы называются вариантами решения или просто вариантами_. Общее число вариантов, содержащихся в морфологической таблице, равно N = K₁K₂...K_n, где k_i (i=1, 2, ..., n) - число значений i-го показателя.

Этап 4. Оценка всех имеющихся в морфологической табли­це вариантов.

Этап 5. Выбор из морфологической таблицы наиболее желательного варианта решения проблемы.

Таблица 1

Морфологическая матрица

№	А – ввод информации	Б – обработка данных	В – хранение данных	Г – вывод информации
1	А1 – клавиатура	Б1 – типовой массовый процессор	В1 – жесткий диск	Г1 – ЭЛТ-монитор
2	А2 – сенсорный экран	Б2 – процессор для мобильных ПК	В2 – магнито-оптика	Г2 – ЖК-монитор
3	А3 – голосовой	Б3 – типовой DSP	В3 – флэш-память	Г3 – светодиодная индикация
4	А4 – интерфейсный разъем	Б4 – специально разработанный DSP	В4 - ОЗУ	Г4 – по беспроводному интерфейсу

Морфологический анализ нашел широкое применение для анализа и разработки прогнозов в технике и технологиях. Для организационных же систем, систем управления, возникает многомерность, радикально усложняющая возможность построения. Поэтому, используя идею морфологического подхода для моделирования организационных систем, разрабатыва­ют языки моделирования или языки проектирования, которые применяют для порождения возможных ситуаций в системе, возможных вариантов решения и часто как вспомогательное средство формирования нижних уровней иерархической структуры при моделировании структуры целей и моделировании организационных структур. Примерами таких языков служат системно-структурные языки (язык функции и видов структуры, номинально-структурный язык), язык ситуационного управления, языки структурно-лингвистического моделирования.

Рассмотрим данный метод на примере. Предложите вариант конфигурации технологического компьютера. Определяем основные признаки и характеристики, от которых зависит искомое решение: А - ввод информации; Б - обработка данных; В - хранение данных; Г - вывод информации. Составим морфологическую матрицу (табл. 1).

Каждый конкретный вариант определяется набором элементов из разных строк. Например, вариант А1, Б2, ВЗ, Г2 будет технологический компьютер с клавиатурой, процессором от мо­бильного ПК, с устройством хранения данных на основе FLASH и ЖК-монитором. Количество возможных вариантов равно произведению количества элементов в каждой из строк:

N = 4 x 4 x 4 x 4.

После построения матрицы приступаем к определению функциональной ценности вариантов решений на основании критериев стоимости и условной полезности. В процессе ана­лиза всевозможных вариантов выбираем наиболее приемле­мый в конкретных условиях. Чтобы количество вариантов было разумным, следует точнее формулировать цель и огра­ничения. [Шумский, с.58-60].