Введение:
В большинстве случаев практического применения системного анализа для исследования свойств и последующего оптимального управления системой можно выделить следующие основные этапы:
содержательная постановка задачи;
построение модели изучаемой системы;
отыскание решения задачи с помощью модели;
проверка решения с помощью модели;
подстройка решения под внешние условия;
осуществление решения.
В данной работе мы остановимся вкратце на каждом из этих этапов. Будем выделять наиболее сложные в понимании этапы и пытаться усвоить методы их осуществления на конкретных примерах.
Но уже сейчас отметим, что в каждом конкретном случае этапы системно-го занимают различный “удельный вес” в общем объеме работ по временным, затратным и интеллектуальным показателям. Очень часто трудно провести чет-кие границы — указать, где оканчивается данный этап и начинается очередной.
Теория системного анализа является теоретической .........
Глава 2:
Еще в начале рассмотрения вопросов о целях и методах системного анализа мы обнаружили ситуации, в которых нет возможности описать элемент системы, подсистему и систему в целом аналитически, используя системы уравнений или хотя бы неравенств. Иными словами — мы не всегда можем построить чисто математическую модель на любом уровне — элемента системы, подсистемы или системы в целом.
Такие системы иногда очень метко называют "плохо организованными" или "слабо структурированными". Так уж сложилось, что в течение почти 200 лет после Ньютона в науке считалось незыблемым положение о возможности "чистого" или однофакторного эксперимента. Предполагалось, что для выясне-ния зависимости величины Y=f(X) даже при очевидной зависимости Y от целого ряда других переменных всегда можно стабилизировать все перемен-ные, кроме X, и найти "личное" влияние X на Y.
Лишь сравнительно недавно (работы В. В. Налимова) плохо организован-ные или, как их еще называют — большие системы вполне "законно" стали считаться особой средой, в которой неизвестными являются не то что связи внутри системы, но и самые элементарные процессы.
Анализ таких систем (в первую очередь социальных, а значит и экономи-ческих) возможен при единственном, научно обоснованном подходе — признании скрытых, неизвестных нам причин и законов процессов. Часто та-кие причины называют латентными факторами, а особые свойства процессов — латентными признаками.
Обнаружилась и считается также общепризнанной возможность анализа таких систем с использованием двух, принципиально различных подходов или методов.
Первый из них может быть назван методом многомерного статистического анализа. Этот метод был обоснован и применен видным английским статисти-ком Р.Фишером в 20..30 годы этого столетия. Дальнейшее развитие многомер-ной математической статистики как науки и как основы многих практических приложений считается причинно связанным с появлением и совершенствова-нием компьютерной техники. Если в 30-е годы, при ручной обработке данных удавалось решать задачи с учетом 2..3 независимых переменных, то 1965 году решались задачи с 6 переменными, а к 70..80 годам их число уже приближа-лось к 100.
Второй метод принято называть кибернетическим или "винеровским", свя-зывая его название с отцом кибернетики Н.Винером. Краткая сущность этого метода — чисто логический анализ процесса управления большими системами. Рождение этого метода было вполне естественным — коль скоро мы признаем существование плохо организованных систем, то логично ставить вопрос о по-иске методов и средств управления ими. Совершенно нелепо ставить вопрос о распределении токов в электрической цепи — это процессы в хорошо органи-зованной (законами природы) системе.
Интересно, что оба метода, несмотря на совершенное различие между со-бой, могут применяться и с успехом применяются при системном анализе одних и тех же систем.
Так, например, интеллектуальная деятельность человека изучается "фише-ровским" методом — многие психологи, как иронически замечает В.В.Налимов, "уверены, что им удастся разобраться в результатах многочис-ленных тестовых испытаний ".
С другой стороны, построение т.н. систем искусственного интеллекта представляет собой попытки создания компьютерных программ, имитирующих поведение человека в области умственной деятельности, т.е. применение "ви-неровского" метода.
............
Заключение:
Таким образом, нет ничего удивительного в том утверждении, что фактор-ный анализ (а, значит, и системный анализ в современных условиях) — больше искусство, чем наука. Здесь менее важно владеть “навыками” и крайне важно понимать как мощность, так и ограниченные возможности этого метода.
Есть и еще одно обстоятельство, затрудняющее профессиональную подго-товку в области факторного анализа — необходимость быть профессионалом в “технологическом” плане, в нашем случае это, конечно же, экономика.
Но, с другой стороны, стать экономистом высокого уровня вряд ли воз-можно, не имея хотя бы представлений о возможностях анализировать и эффективно управлять экономическими системами на базе решений, найден-ных с помощью факторного анализа.
Не следует обольщаться вульгарными обещаниями популяризаторов фак-торного анализа, не следует верить мифам о его всемогущности и универсальности. Этот метод “на вершине” только по одному показателю — своей сложности, как по сущности, так и по сложности практической реализа-ции даже при “повальном” использовании компьютерных программ. К примеру, есть утверждения о преимуществах метода главных компонент — дескать, этот метод точнее расчета нагрузок на факторы. По этому поводу име-ется одна острота известного итальянского статистика Карло Джинни, она в вольном пересказе звучит примерно так........