Использование качественных методов теории принятия решений в процессе построения UFO-моделей

Міністерство освіти і наукиУкраїни
Харківський національнийуніверситет радіоелектроніки
Факультет прикладноїматематики та менеджменту
Кафедра соціальноїінформатики
Магістерськаатестаційна робота
Використання якісних методівтеорії прийняття рішень у процесі побудови UFO-моделей
Магістрант: гр. КСмаг-05-1 РінгісА.В.
Науковий керівник: доц. ЄльчаніновД.Б.
Зав. кафедри Соловйова К.О.
2006

Реферат
Об’єктдослідження – процес побудови UFO-моделей.
Мета роботи – дослідження можливості використанняякісних методів прийняття рішень у процесі побудови UFO-моделей.
Методи дослідження– якісні методи теорії прийняття рішень та сучасні комп’ютерні технологіїобробки табличних даних.
Результатироботи:
– критерії оцінкиUFO-моделі;
−класифікація UFO-моделей у Microsoft Excel;
−UFO-моделі систем телемеханіки
прийняття рішень, класифікація, UFO-аналіз, моделювання, табличнийпроцесор
Реферат
Объект исследования – процесс построения UFO-моделей.
Цель работы –исследование возможности использованиякачественных методов принятия решений в процессе построения UFO-моделей.
Методы исследования –качественные методы теории принятия решений исовременные компьютерные технологии обработки табличных данных.
Результаты работы:
– критерии оценки UFO-модели;
− классификация UFO-моделей в Microsoft Excel;
− UFO-модели систем телемеханики.
принятиерешений, классификация, UFO-анализ,МОДЕЛИРОВАНИЕ, табличный процессор

Abstract
Researchobject – process of UFO-models construction.
Work purpose –researching of possibility of verbal decision-making methods using in processof UFO-models construction.
Research methods – verbal decision-makingmethods and modern computer technologies of tabular data processing.
Work results:
– UFO-modelevaluation criteria;
− classification ofUFO-models in Microsoft Excel;
− UFO-models oftelemechanics systems.
decision-making, classification, UFO-analysis, modeling, tabularprocessor

Содержание
Введение
1. Обзорсовременного состояния проблемы
1.1 Автоматизация построения UFO-моделей
1.2 Методы решения задачи выбора
1.3 Качественные методы принятия решений
1.3.1 Метод запросранжирования многокритериальных альтернатив
1.3.2 Метод шнурвыбора лучшей многокритериальной альтернативы
1.3.3 Метод оркласспорядковой классификации альтернатив
1.3.4 Метод циклпорядковой классификации альтернатив
1.3.5 Метод кларапорядковой классификации альтернатив
1.4 Определение множества критериев
1.5 Постановка задачи
2. Многокритериальная оценка UFO-модели
2.1 Критерии оценки UFO-модели
2.2 UFO-моделис двумя лучшими значениями по критериям
2.3 UFO-моделис одним лучшим значением по некоторому критерию
2.4 UFO-моделис не лучшими значениями по всем критериям
2.5 Сравнение UFO-моделей
3. Классификация UFO-моделей в Microsoft Excel
3.1 ОписаниеUFO-моделей в Microsoft Excel
3.2 Анализклассов UFO-моделей
4. Использованиепорядковой классификации в процессе UFO-моделирования систем телемеханики
4.1 Общие сведения о фирме «Технокон»
4.2 Стратегияработы с заказчиком
4.3 Порядковая классификация UFO-моделей системы телемеханики
Выводы
Перечень ссылок

Введение
Основой процессапостроения моделей систем является библиотека готовых компонентов. Эффективнымявляется подход, при котором задается контекстная диаграмма, определяющаявнешние связи системы, а соединение входов и выходов осуществляется в автоматическом(полуавтоматическом) режиме.
В результате могутполучиться несколько конфигураций, соответствующих заданной контекстнойдиаграмме. Поэтому естественно возникает проблема выбора наилучшейконфигурации.
Задача выбора наиболеепредпочтительной модели системы из имеющегося перечня конфигураций относится кклассу задач стратегического выбора.
Выбор того или иногопринципа решения задачи является важным методологическим этапом. Известныразличные подходы к решению задачи стратегического выбора наиболеепредпочтительного варианта.
Для решения задачи выбораконфигурации системы можно использовать подход, который базируется напринципах, заложенных в методах вербального анализа решений.
Цельюданной магистерской аттестационной работы является исследование возможности использования качественных методовпринятия решений в процессе построения UFO-моделей.
Полученные результатыможно использовать в процессе UFO-анализа,а также для внедрения в CASE-инструментарии,используемые в процессе моделирования систем.

1.Обзор современного состояния проблемы
 
1.1Автоматизация построения UFO-моделей
При создании моделейорганизационных систем используют один из двух разных подходов (а часто и обаодновременно): «снизу-вверх» и «сверху-вниз». При использовании подхода«сверху-вниз» сначала строится контекстная диаграмма системы, которая затемподвергается декомпозиции на подсистемы.
Декомпозиция определяетразбиение системы на подсистемы и их взаимодействие между собой. Созданиедиаграммы декомпозиции является довольно сложным процессом, требующим большогопрактического опыта.
Основой процессапостроения моделей организационных систем является библиотека готовыхкомпонентов. Использование стандартных проверенных на практике библиотек делаетпроцесс моделирования более простым и эффективным. Однако до сих пор этотпроцесс осуществляется вручную. В таких популярных и широко применяемыхсистемах моделирования как BPwinи Rational Rose размещение компонента на диаграмме осуществляется спомощью «мыши» [1, 2].
Гораздо болееэффективным, чем рисование большого количества компонентов вручную, являетсяподход, при котором задается контекстная диаграмма, определяющая внешние связиорганизационной системы, а соединение входов и выходов осуществляется вавтоматическом или хотя бы полуавтоматическом режиме.
Именно такой подходреализован в CASE-средстве UFO-toolkit, предназначенном для анализа имоделирования бизнес-систем. Этот подход основан на формальных математическихрезультатах, обеспечивающих [3]:
–выборкомпонентов, необходимых для построения модели системы;
–исключениекомпонентов, бесполезных для моделирования системы;
–описание всехвозможных связей между подсистемами;
–построениепростых одно-, двух- и трехуровневых моделей системы;
–построениесложных многоуровневых конфигураций системы.
В результате могутполучиться несколько конфигураций, соответствующих заданной контекстнойдиаграмме. Поэтому естественно возникает проблема выбора наилучшей конфигурацииUFO-модели.
1.2 Методы решениязадачи выбора
организационныйкачественный решение моделирование
Задача выбора наиболеепредпочтительной модели организационной системы из имеющегося перечняконфигураций относится к классу задач стратегического выбора, характеризующихсяследующими особенностями [4]:
–имеется сравнительнонемного (не более 10) вариантов, из которых нужно выбрать один, наилучший;
–вариантыоцениваются по многим критериям, среди которых могут быть как количественные,так и качественные критерии, при этом последние преобладают;
–рассматриваемыеварианты, как правило, являются несравнимыми по своим оценкам;
–существуетбольшая неопределенность в оценках вариантов по критериям, неустранимая намомент принятия решений;
–принимаемоерешение относится к будущему, и его последствия имеют долгосрочный характер;
–имеется ЛПР,несущее основную ответственность за результат принятия решений;
–задачей ЛПРявляется выбор наилучшего варианта, соответствующего его целям.
Выбор того или иногопринципа решения задачи является важным методологическим этапом [5]. Известныразличные подходы к решению задачи стратегического выбора наиболеепредпочтительного варианта. Так, в литературе широко представлены методы,основанные на применении математического аппарата, который базируется наактивном использовании понятия «взвешенных сумм». Такой подход более известенкак теория многокритериальной полезности (Multi-Attribute UtilityTheory – MAUT) [6].
Например, в статье [7]рассматривается процедура принятия решения по выбору сложной техническойсистемы, в данном случае корпоративного сервера, которая базируется на активномиспользовании «взвешенных сумм». Методология выбора серверов для решенияприкладных задач является ключевым моментом статьи. Помимоинженерно-технических аспектов, в этой статье в процессе выбора учитывается множествоэксплуатационных, экономических, политических и психологических факторов.Отметим, что задачи выбора корпоративного сервера и модели организационнойсистемы достаточно близки, так как основаны на анализе конфигурации, собраннойиз некоторого набора элементов.
Использование подхода MAUT для решения задачи выбораконфигурации сложной технической или организационной системы не всегдацелесообразно по следующим причинам. Метод MAUT рекомендуется применять для решения задач с большимчислом альтернатив, оцененным по небольшому числу критериев. Однако, и в случаевыбора серверов, и в случае выбора конфигурации организационной системы, какправило, сравниваемых вариантов не много (не более 10), и они характеризуютсябольшим числом признаков. Кроме того, обычно все варианты несравнимы друг сдругом по своим характеристикам. Построение многомерной функции полезноститребует больших временных затрат. В частности, в работе [8] описана подобнаяпроцедура, которая потребовала восьми часов работы ЛПР. Когда альтернатив многои возможна ситуация, при которой к имеющимся альтернативам добавятся в будущемеще и дополнительные, то такие временные затраты оправданы. В противном случаеимеет смысл применить другую методологию.
Количественная оценканекоторых критериев, используемых для сравнения конфигураций сложнойтехнической или организационной системы, носит искусственный характер. Вкачестве примера приведем критерий «функциональная эффективность». Оценки поупомянутым критериям в большинстве случаев дают эксперты, и они плохо поддаютсярасчету [9]. Использование балльной шкалы оценок по критериям не учитываетособенности системы переработки информации человека (особенно, если выбираетсяградация из 7 и более оценок).
Поэтому при оценкеобъектов по критериям и назначении весов критериев могут возникнуть различныеошибки. Есть ряд работ, посвященных этому вопросу [10, 11], которые показывают,что методы MAUT чувствительны к ошибкам в числовыхизмерениях. И, наконец, строго доказано [6], что использование взвешенной суммыкритериальных оценок корректно только в том случае, когда критерии попарнонезависимы по предпочтению.
Для решения задачи выбораконфигурации организационной системы можно использовать подход, которыйбазируется на принципах, заложенных в методах вербального анализа решений [4].Вербальный анализ решений ориентирован на так называемые слабоструктурированные задачи, где качественные и субъективные факторы доминируют.Методы вербального анализа решений имеют психологическое обоснование. В нихиспользуются такие операции получения информации от ЛПР и экспертов, которые порезультатам проведенных психологических экспериментов считаются надежными [12].Кроме того, информация, получаемая от ЛПР, проверяется на непротиворечивость, авыявленные противоречия предъявляются ЛПР для анализа и разъяснения. В методахэтой группы используются лишь вербальные оценки альтернатив по критериям, ккоторым не применяются количественные преобразования. Оценка и сравнение могутпроводиться как для всех гипотетически возможных, так и для конкретныхальтернатив.
Особенностьрассматриваемых объектов выбора (конфигурации сложных организационных систем)состоит в том, что они характеризуются большим числом показателей.
Поскольку вариантовнемного, то обычно все варианты несравнимы друг с другом по своимхарактеристикам. И предлагаемые методы решения задачи выбора лучшего объектаприменять неэффективно. Поэтому для использования одного из методов вербальногоанализа решений необходимо решить еще одну вспомогательную, но крайне важнуюзадачу: построить процедуру, которая позволяет агрегировать большое числобазовых характеристик в небольшое число критериев, имеющих порядковые шкалыоценок (количественные и качественные). Можно ожидать, что сокращенное описаниеобъектов позволит упростить процедуру решения исходной задачи выбора.
1.3 Качественныеметоды принятия решений
 
1.3.1 Метод запрос ранжирования многокритериальных
альтернатив
Задачи ранжированияальтернатив, имеющих оценки по многим критериям, широко распространены напрактике и характеризуются следующими особенностями:
–имеется достаточно большое количествоальтернатив и критериев;
–используются порядковые шкалыкритериев с вербальными оценками;
–оценки альтернатив могут бытьполучены только от людей, играющих роль «измерительных устройств»;
–правило принятия решения должно бытьвыработано до появления реально сравниваемых объектов.
Для решения подобныхзадач ранжирования альтернатив ранее был разработан метод запрос (замкнутые процедурыу опорных ситуаций) – первый из методов вербального анализа решений.Метод запрос I был опубликован в 1978 г. [13]. Вторая версия этого метода – запрос II (ЛМ) [14, 15] содержала дальнейшее развитие идей работы [13]. Обе версиибыли основаны на похожих процедурах получения информации от ЛПР, ипредназначены для построения квазипорядка на множестве альтернатив.
Метод запрос III [16] являетсяновым этапом развития предложенного ранее подхода. В отличие от предыдущихверсий в методе запрос III:
–реализована улучшенная процедурапостроения единой порядковой шкалы изменений качества для всех критериев;
–существенно уменьшено количествонесравнимых альтернатив по сравнению с методом запрос II;
–впервые дана оценка «разрешающейсилы» метода.
Рассмотрим одну из личныхпроблем принятия решения, весьма актуальную для аспирантов и студентов: выбораснимаемой квартиры или комнаты на время учебы.
Предположим, что ЛПРопределил как наиболее важные для него следующие критерии оценки квартир спорядковыми вербальными шкалами, упорядоченными от лучшей оценки к худшей:
–цена квартиры:
1)  ниже типичной для района;
2)  близка к типичной для района;
3)  выше типичной для района;
–близость квартиры к метро:
1)  можно добраться до метро за 10 минут;
2)  можно добраться до метро в пределахполучаса;
3)  можно добраться до метро в течениепочти часа или более;
–близость квартиры к месту учебы:
1)  учеба находится в 3-4 остановкахметро от квартиры;
2)  учеба и квартира находятся на однойлинии метро;
3)  чтобы добраться до учебы нужныпересадки в метро;
–тип района:
1)  безопасный район, охраняемая зона,хорошая экология;
2)  средний по криминогенности район,типичная городская экология;
3)  опасный, криминогенный район илипромышленная зона;
–наличие мебели:
1)  квартира полностью обставлена;
2)  в квартире имеется минимум мебели;
3)  квартира без мебели.
Политика выбора квартирыуже частично определена в приведенных выше формулировках критериев и их шкал.Кроме этого, необходимо выработать правило, позволяющее сравниватьмногочисленные варианты, поступающие к ЛПР из различных источников. Можнопредположить заранее, что квартиры могут иметь достаточно разнообразные оценки.Поэтому возникает задача ранжирования всех возможных сочетаний по приведеннымвыше критериям.
1.3.2 Метод шнур выбора лучшей многокритериальной
альтернативы
Задачи ранжированияальтернатив по качеству и выбора лучшей из них являются близкими в том смысле,что последовательное выделение лучших альтернатив из заданного множествапозволяет осуществить их ранжирование.
В рамках подхода вербальногоанализа решений ранее [14] был предложенметод парк (парная компенсация), ориентированный на выбор лучшей альтернативы изгруппы заданных многокритериальных альтернатив на основе их парного сравнения,который позволил решить важные практические задачи [17]. Однако метод парк имеетсущественные ограничения:
–метод не предназначен для выбора неболее чем 3-5 альтернатив;
–в методе используются парныесравнения всех, в том числе не существующих вариантов решений;
–шкалы критериев имеют только вербальныеоценки;
–предположения о возможных процедурахполучения информации от ЛПР не подкреплены психологическими исследованиями.
Для преодоления указанныхнедостатков был предложен человеко-машинный метод шнур (шкала нормализованных упорядоченных различий)для выбора лучшей из группы альтернатив [18-20], который имеет следующиеособенности. Прежде всего, в нем активно используются возможности компьютера,который без участия ЛПР попарно сравнивает все альтернативы по определеннымправилам, анализируя их сходства и различия. При этом компьютер подготавливаетнаиболее эффективный процесс опроса ЛПР, что создает возможности для анализабольшой группы альтернатив. Во-вторых, некоторые количественные критерии(например, стоимость) также могут рассматриваться как естественный и удобныйязык выражения предпочтений ЛПР. Метод позволяет работать как с качественными,так и с количественными оценками альтернатив по критериям. Тем самым, метод шнур расширяет и дополняет возможностидругих методов вербального анализа решений.
Весьма актуальными врыночной экономике являются проблемы выбора лучшего объекта для инвестиций.Приведем пример одной из таких задач.
Фирма ищет место дляпостройки крупного универсального магазина [18]. Предварительный анализпоказал, что имеются четыре возможных места его постройки. Решая задачу выбораместа для магазина, правление фирмы решило руководствоваться следующимикритериями:
–количество мест для парковкиавтомашин (К1);
–наличие поблизости конкурентов (К2);
–плотность населения в радиусе километра(К3);
–стоимость участка (К4);
–поток общественного транспорта (К5);
–видимость магазина с главной улицы(К6);
–существующая инфраструктура (К7).
Заранее намеченныеварианты места постройки магазина были оценены экспертами, причем использовалиськритерии, имевшие шкалы оценок либо в натуральных единицах, либо вербальные.Варианты размещения магазина с оценками представлены в таблице 1.1.
Таблица 1.1 – Вариантыместа постройки магазинаКритерий Направление Варианты А1 А2 А3 А4 К1 max 400 300 250 150 К2 min 1 5 3 5 К3 max 200 4500 6000 7000 К4 min 6 16 12 20 К5 max 1 3 5 7 К6 max 5 5 3 1 К7 max 3 3 5 7
Обозначения max и min указывают на желательное направление изменения оценкипо соответствующему критерию.
Все качественные критерииимели следующие одинаковые шкалы оценок:
–плохая (низкая, мало) – 1;
–средняя – 3;
–хорошая (высокая, много) – 5;
–очень хорошая (высокая, много) – 7.
1.3.3 Метод оркласс порядковой классификацииальтернатив
Задачи классификацииобъектов, обладающих совокупностью многих признаков, относятся к наиболеераспространенным на практике задачам принятия решений. Многокритериальныезадачи классификации отличаются от других многокритериальных задач принятиярешений тем, что в них не требуется ранжировать альтернативы. Достаточнораспределить их между несколькими классами. Во многих случаях эти классы могутбыть упорядочены по качеству, по предпочтительности, по степени выраженностинекоторого свойства и тому подобное. Например, объекты, отнесенные к первомуклассу, имеют лучшее качество, более предпочтительны для ЛПР или болеехарактерны для некоторого свойства, чем объекты, отнесенные ко второму классу итак далее.
Несмотря нараспространенность подобного рода задач, их теоретическое исследование, какзадач принятия решений, проводилось в небольшом числе работ [21-24]. Одним изпервых методов, предназначенных для решения задачи порядковоймногокритериальной классификации как задачи принятия решения, был метод оркласс (ординальная классификация)[14, 23, 25], реализованный в виде интерактивной компьютерной системы.
Ряд предприятий,нуждающихся в финансовых средствах, обратились в коммерческий банк с просьбой опредоставлении займов. Правление банка поручило своему члену, курирующемукредитные подразделения банка, выработать единую политику предоставлениякредитов.
От ЛПР требуетсясформулировать четкое правило: в каких случаях и на каких условиях следуетпредоставлять кредиты предприятиям, а когда им следует отказывать в кредитах.
Исходя из целей банка,для оценки заемщиков, обратившихся за кредитом, ЛПР разработал следующиекритерии, имеющие шкалы оценок, упорядоченных от лучшей (первой) к худшей(последней):
–репутация клиента:
1)  процветающее, успешное предприятие;
2)  достаточно стабильное предприятие;
3)  стабильность предприятия вызываетсомнения;
–кредитная история:
1)  положительная;
2)  отсутствует;
3)  отрицательная;
–ликвидность залога:
1)  высокая;
2)  средняя;
3)  низкая.
Поскольку заранее неизвестно, какие именно клиенты обратятся за кредитом, нужно определить правилапринятия решений для клиентов, характеризуемых любыми комбинациями изпредставленных выше значений оценок. Ясно, что банку выгодно дать кредитпроцветающему предприятию с хорошей кредитной историей при высокой ликвидностизалога. Столь же ясно, что не следует давать кредит клиенту с сомнительнойрепутацией, плохой кредитной историей при невысокой ликвидности залога. Но какдолжен действовать банк в менее очевидных случаях? Для построения такихрешающих правил ЛПР может использовать метод оркласс.
1.3.4 Метод цикл порядковой классификацииальтернатив
Важнейшим критериемкачества алгоритма классификации является количество вопросов, задаваемых ЛПРдля получения решающих правил классификации. Время опытного специалиста,руководителя очень ценно, поэтому его необходимо использовать максимальноэффективно. Одна из наиболее продуктивных идей в направлении минимизации общегочисла вопросов к ЛПР в процессе построения полной классификации состоит виспользовании так называемых цепных покрытий множества векторных оценок.
Метод классификации,основанный на цепном покрытии, состоит в последовательном использованиипринципа дихотомии для всех цепей покрытия.
Существует многоразличных способов построения цепных покрытий множества векторных оценок. Вчастности, Ж. Ансель [26, 27], занимаясь изучением монотонных функций алгебрылогики, доказал существование и предложил алгоритм построения минимальногоцепного покрытия пространства, образованного двоичными шкалами критериев. В.Б.Алексеев [28] обобщил алгоритм построения минимального цепного покрытия наслучай произвольных шкал критериев.
В работах [28-30]предложены алгоритмы расшифровки монотонных функций алгебры логики, основанныена цепном покрытии пространства векторных оценок.
Важно отметить, что этиалгоритмы используют статическое цепное покрытие, т.е. покрытие пространствастроится до начала классификации и не изменяется в процессе опроса. Однакоможно предположить, что использование информации, полученной из ответов ЛПР,для изменения цепного покрытия, позволит сконструировать более эффективный,т.е. задающий меньшее число вопросов алгоритм. Впервые эта идея динамическогопостроения цепного покрытия была применена в алгоритме дифкласс [31], предназначенном для построения классификации взадачах с двоичными шкалами критериев и двумя классами решений. Позднее былразработан алгоритм цикл (цепная итеративная классификация),позволяющий строить полные и непротиворечивые классификации в задачах спроизвольными количествами оценок по критериям и произвольным количествомклассов решений [32, 33].
Рассмотрим следующуюпрактическую задачу. Готовясь к путешествию, турист рассматривает вариантывыбора отеля. Варианты проживания описываются следующим набором критериев соценками, упорядоченными по убыванию качества:
–класс отеля:
1)  5 звезд;
2)  4 звезды;
3)  3 звезды;
4)  2 звезды и хуже;
–расположение отеля:
1)  тихое место;
2)  иногда шумно;
3)  часто шумно;
–стоимость проживания:
1)  ниже обычной;
2)  обычная;
3)  выше обычной;
–время в пути до пляжа:
1)  меньше 10 минут;
2)  от 10 до 20 минут;
3)  больше 20 минут;
–развлечения:
1)  много;
2)  среднее количество;
3)  мало;
–кухня:
1)  изысканная;
2)  обычная;
–наличие места для прогулок:
1)  много;
2)  достаточно;
3)  мало.
Требуется построитьклассификацию, т.е. отнести произвольный рассматриваемый отель, имеющий любоесочетание оценок по критериям, к одному из двух классов решений:
–привлекательный вариант,рассматривать далее;
–неудовлетворительный вариант,исключить из рассмотрения.

1.3.5 Метод клара порядковой классификации альтернатив
Методы оркласс и цикл позволяют построить классификацию полного множестваобъектов. Однако на практике часто нужно классифицировать не все возможныеальтернативы, а только их некоторое подмножество.
Во всех развитых странахмира существует необходимость оценки коллективов, проводящих фундаментальныенаучные исследования. Предположим, что ЛПР поставило задачу разделенияисследовательских коллективов на два класса: хорошие и средние. Для оценкиколлективов предложены следующие критерии:
–публикации в журналах Академии наук:
1)  большое число;
2)  среднее;
3)  небольшое;
–публикации в зарубежных журналах:
1)  большое число;
2)  среднее;
3)  небольшое;
–принятые доклады на международныеконференции:
1)  большое число;
2)  среднее;
3)  небольшое;
–участие в оргкомитетах международныхконференций:
1)  интенсивное;
2)  удовлетворительное;
3)  слабое;
–визиты за рубеж за счет принимающейстороны:
1)  большое число;
2)  небольшое.
Всего комбинаций оценок:162.
Пусть имеются 22коллектива, получившие оценки экспертов. Нужно разделить коллективы на двакласса в соответствии с предпочтениями ЛПР, и, желательно, решить эту задачу заминимальное число обращений к ЛПР. Очевидно, что использование метода оркласс или цикл для классификации всех 162 возможных ситуаций неэффективно,т.к. они требуют значительного числа вопросов к ЛПР. Существует метод клара (классификация реальныхальтернатив) [34-36],направленный на решение данного типа задач.
1.4 Определениемножества критериев
Выборкритериев и формирование шкал оценок является задачей, которая решается ЛПРсамостоятельно или с привлечением информационного аналитика. Предлагаютсяследующие подходы к ее решению [37].
Первоначальносоставляется перечень всех базовых показателей, характеризующих отдельныекомпоненты организационной системы, систему в целом и ее окружение.Характеристики, описывающие организационную систему, можно представить в видеиерархической системы, нижним уровнем которой служат выделенные базовыепоказатели. Некоторые из базовых показателей удобно объединять в составныепоказатели, которые выступают как оценки следующего уровня иерархии. Послеклассификации эти общие оценки наполняются конкретным содержанием.
Следующимэтапом является формирование вспомогательных шкал оценок для каждого базовогопоказателя. Шкалы могут иметь числовые точечные, интервальные или вербальные(словесные) оценки. Шкалы оценок могут совпадать с обычно используемыми напрактике, либо конструироваться специально для данного критерия. Для сокращенияразмерности описания объекта часто бывает удобно перейти от непрерывной шкалыоценки к дискретной шкале, имеющей небольшое число оценок на шкале. Например,можно оценивать стоимость оценками «низкая», «средняя», «высокая», указав длякаждой из оценок соответствующие интервалы величин. Все сформированные оценкиЛПР должно упорядочить от лучшей к худшей.
ДалееЛПР по своему усмотрению определяет число и состав критериев, их содержание. Вкачестве критерия можно выбрать один из базовых показателей или несколькохарактеристик, объединенных в составной критерий. ЛПР устанавливает, какиепоказатели будут считаться самостоятельными критериями, а какие будут отнесенык тому или иному составному критерию. Шкалы простых критериев, являющихсябазовыми показателями, уже построены на предыдущем этапе. Для формирования шкалоценок по составным критериям можно воспользоваться несколькими процедурами.
Наиболеепростым способом конструирования порядковой шкалы для составного критерияявляется использование однотипных наборов порядковых вербальных шкал базовых показателейи объединение одинаковых оценок в одну общую оценку по принципу: все лучшиеоценки по базовым показателям образуют лучшую оценку по составному критерию,все средние оценки – среднюю, все худшие оценки – худшую.
Болеесложные процедуры предполагают применение методов ЗАПРОС и ЦИКЛ [14, 36, 38], вкоторых необходимо рассматривать множество всех возможных векторных оценок вкритериальном пространстве, образованном декартовым произведением значенийоценок на шкалах критериев. Метод ЗАПРОС позволяет построить единую порядковуюшкалу, формируя ее из оценок по отдельным частным критериям, с помощью которойпроизводится частичное упорядочение многопризнаковых объектов. Метод ЦИКЛпредназначен для построения полной непротиворечивой порядковой классификациимногопризнаковых объектов. В нашем случае в качестве таких многопризнаковыхобъектов выступают наборы оценок по базовым показателям, образующим составнойкритерий. При формировании шкалы оценок составного критерия важно также учесть,что одна часть характеристик, входящих в состав подобного критерия, можетрассматриваться как самостоятельная, а другая часть характеристик может бытьсоставной. Поэтому процедура построения шкалы составного критерия сама можетсостоять из нескольких этапов.
Сконструированныекритерии, имеющие порядковые шкалы оценок, используются для решенияпервоначальной задачи многокритериального выбора. После перехода от числовыхили вербальных оценок базовых показателей к критериальным оценкам можетслучиться так, что варианты станут сравнимыми и, более того, некоторый вариант(или некоторые) окажется наилучшим. Если же наилучший вариант сразу выделитьнельзя, то для его нахождения можно воспользоваться одним из методоввербального анализа решений, например ПАРК [14] или КОМПАС [39]. В этом случаеразмерность описания такой новой задачи многокритериального выбора и сложностьее решения будут существенно меньше исходной.
Рассмотренныйподход позволяет решать достаточно широкий круг задач выбора различныхтехнических и программных средств. С каждым годом с учетом многообразия новыхаппаратных решений и появления новых программных продуктов, специалистам вобласти информационных технологий становится все сложнее отслеживать новинки и,соответственно, правильно осуществлять выбор сложных технических систем. Вработе [40] в качестве примера подобной технической системы рассматриваютсявычислительные кластеры. Подобные задачи особенно актуальны для организаций,предоставляющих консалтинговые услуги в области информационных технологий.
Подходпозволяет ЛПР существенно сократить время, необходимое для выбора наиболеепредпочтительного вычислительного кластера, и воспользоваться услугамиэкспертов. При этом нет необходимости самостоятельно проводить достаточносложное тестирование многочисленных вариантов конфигураций вычислительныхкластеров совместно с программным обеспечением, что, зачастую, простоневозможно, исходя из чисто технических и организационных аспектов.
В рамкахрассматриваемого подхода в работе [40] предложена процедура построения составныхкритериев путем агрегирования более простых критериев. Важной особенностьюпроцедуры является возможность сформировать разные наборы критериев, с тем,чтобы сравнить полученные результаты для разных вариантов с целью оценкикачества выбора. Методика агрегирования базовых характеристик объекта всоставные критерии оценки была опробована на примере решения практическойзадачи многокритериального выбора вычислительных кластеров.
1.5Постановка задачи
Проведенныйанализ современного состояния проблемы показывает, что:
–результатоммоделирования системы может быть несколько конфигураций, соответствующихзаданной контекстной диаграмме;
–существуетмножество подходов к решению задачи выбора лучшей конфигурации;
–результат выборазависит от набора критериев и их шкал оценок.
Цельюданной магистерской аттестационной работы является исследование возможности использования качественных методовпринятия решений в процессе построения UFO-моделей.
Достижениесформулированной цели связано с решением следующих задач:
–разработкаподхода к определению критериевоценки UFO-модели;
–исследование UFO-моделей на основании предложенных критериев;
–осуществление классификации UFO-моделей в Microsoft Excel;
–применениеполученных результатов в процессе UFO-моделирования.

2. Многокритериальнаяоценка UFO-модели
 
2.1Критерии оценки UFO-модели
Рассмотримсистему с двумя входами и двумя выходами (рис. 2.1).
/>
Рисунок 2.1 – Система сдвумя входами и двумя выходами
Входыэтой системы могут быть соединены с ее выходами с помощью некоторых другихподсистем. Существует много вариантов соединения входов с выходами. По какимкритериям можно оценить эти варианты?
Одним изтаких критериев может быть количество подсистем. Чем меньше количествоподсистем, тем лучше. Максимальное количество подсистем определяется, например,требованиями заказчика проектируемой системы.
Другимкритерием может являться количество внутренних связей. Чем меньше количествовнутренних связей, тем лучше. Максимальное количество внутренних связейзадается также при проектировании системы.
Наконец,третьим критерием может выступать количество внешних («висящих») связей,которые могут образоваться у системы как результат процесса соединения еевходов и выходов с помощью подсистем, имеющих избыточное количество входов ивыходов.
Такимобразом, исходя из сформулированных трех критериев, наилучшим вариантомреализации системы, изображенной на рис. 2.1, является вариант, показанный нарис. 2.2.
/>
Рисунок2.2 – Наилучший вариант реализации системы

Рассмотренныйпример показывает, что критерии «количество подсистем» и «количество висящихсвязей» не зависят от заданной системы. Для любой системы наилучшим значениемкритерия «количество подсистем» будет 1, а наилучшим значением критерия«количество висящих связей» будет 0.
Чтокасается критерия «количество внутренних связей», то его наилучшее значениеполностью определяется количеством входов и выходов заданной системы (точнее,их суммой). В рассмотренном примере наилучшим значением критерия «количествовнутренних связей» будет 4.
Как былосказано выше, максимальные допустимые значения рассматриваемых критериевзадаются требованиями заказчика проектируемой системы. Пусть максимальнодопустимым значением критерия «количество подсистем» будет 3, критерия«количество внутренних связей» – 6, а «количество висящих связей» – 2. Тогдашкалы рассматриваемых критериев будут иметь вид, показанный на рис. 2.3.
/>
Рисунок2.3 – Порядковые шкалы значений критериев
Притаких значениях критериев общее количество разных гипотетически возможныхвариантов реализации системы, показанной на рис. 2.1, равно 33 = 27.Наилучший вариант реализации этой системы, показанный на рис. 2.2, формальноможно описать вектором (1, 4, 0). Здесь и далее значение первого компонентавектора показывает количество подсистем, значение второго компонента – количествовнутренних связей, третьего – количество висящих связей. Например, вектор (2,5, 1) формально описывает вариант реализации системы, состоящей из двухподсистем, пяти внутренних связей и одной висящей связи [41].

2.2 UFO-модели с двумя лучшими значениями покритериям
Рассмотрим всегипотетически возможные варианты реализации системы, показанной на рис. 2.1,исходя из сформулированных выше критериев и их шкал.
Наилучший вариант (1, 4,0) реализации этой системы показан на рис. 2.2.
Зафиксируем значенияпервых двух компонент этого варианта, и чуть ухудшим значение последнегокомпонента. Получим вариант (1, 4, 1) реализации системы (рис. 2.4).
/>
Рисунок 2.4 – Система содной висящей связью
На рис. 2.4 изображенасистема с одной висящей выходной связью. Также варианту (1, 4, 1)реализации системы может соответствовать и система с одной висящей входнойсвязью.
Продолжим ухудшатьзначение последнего компонента при фиксированных лучших значениях первых двухкомпонентов. Получим вариант (1, 4, 2) реализации системы (рис. 2.5).
/>
Рисунок 2.5 – Система сдвумя висящими связями
На рис. 2.5 изображенасистема с одной висящей входной связью и одной висящей выходнойсвязью. Также варианту (1, 4, 2) реализации системы может соответствовать каксистема с двумя висящими входными связями, так и система с двумявисящими выходными связями.
Далее ухудшать значениепоследнего компонента невозможно (достигнуто последнее самое плохое значение покритерию «количество висящих связей»). Поэтому теперь зафиксируем самые лучшиезначения первого и последнего компонента, и чуть ухудшим значение второгокомпонента. Получим формальный вариант (1, 5, 0) реализации системы (рис. 2.6).
/>
Рисунок 2.6 – Система содной «петлей»
Полученный формальныйвариант реализации системы можно считать очень неудачным. Действительно, в этомслучае подсистема на выход дает результат, который использует только она сама!
Продолжим ухудшатьзначение второго компонента при фиксированных лучших значениях первого ипоследнего компонентов. Получим вариант (1, 6, 0) реализации системы (рис.2.7).
/>
Рисунок 2.7 – Система сдвумя «петлями»
Полученный формальныйвариант реализации системы можно считать еще более неудачным, чем рассмотренныйвыше. В этом случае подсистема выдает уже два результата, которые используеттолько она сама!
Далее ухудшать значениевторого компонента невозможно (достигнуто последнее самое плохое значение покритерию «количество внутренних связей»). Поэтому теперь зафиксируем самыелучшие значения второго и третьего компонента, и чуть ухудшим значение первогокомпонента. Получим формальный вариант (2, 4, 0) реализации системы (рис. 2.8).
/>
Рисунок 2.8 – Система сдвумя подсистемами
На рис. 2.8 изображенасистема, у которой верхний вход связан с верхним выходом, а нижнийвход – с нижним выходом. Также варианту (2, 4, 0) реализации системыможет соответствовать и система, у которой верхний вход связан с нижнимвыходом, а нижний вход – с верхним выходом.
Продолжим ухудшатьзначение первого компонента при фиксированных лучших значениях последних двухкомпонентов. Получим вариант (3, 4, 0) реализации системы (рис. 2.9).
/>
Рисунок 2.9 – Система стремя подсистемами
Полученный формальныйвариант реализации системы можно считать не очень удачным. Действительно, вэтом случае с состав системы входит подсистема, которая ничего не делает!
Возможны и гораздо болеехудшие версии формального варианта (3, 4, 0) реализации, при которых полученнаясистема является частично или полностью неработоспособной! Соответствующиепримеры показаны на рис. 2.10.
/>
Рисунок 2.10 – Частично иполностью неработоспособные системы
Далее ухудшать значениепервого компонента невозможно (достигнуто последнее самое плохое значение покритерию «количество подсистем»).
Таким образом, из шестиформально возможных вариантов реализации системы с двумя лучшими значениями понекоторым фиксированным критериям только один вариант (2, 4, 0) оказалсяработоспособным. Варианты (1, 5, 0) и (1, 4, 1) обладают по крайней мере однимнедостатком, а варианты (1, 4, 2) и (1, 6, 0) – двумя. Вариант же (3, 4, 0)может обладать как одним недостатком, так и быть частично или даже полностьюнеработоспособным.
Справедливости ради стоитотметить, что и работоспособный вариант (2, 4, 0) тоже обладает полностьюнеработоспособной версией (рис. 2.11)!
/>
Рисунок 2.11 –Изолированная замкнутая система
2.3 UFO-модели с одним лучшим значением понекоторому
критерию
Зафиксируем лучшеезначение по первому критерию, а по второму и третьему – средние значения.Рассмотрим вариант (1, 5, 1).
/>
Рисунок 2.12 – Система содной «петлей» и висящей связью
На рис. 2.12 изображенасистема с одной висящей входной связью. Также варианту (1, 5, 1)реализации системы может соответствовать и система с одной висящей выходнойсвязью. Вариант (1, 5, 1) обладает всеми недостатками своих «родителей» –вариантов (1, 4, 1) и (1, 5, 0) (рис. 2.4 и рис. 2.6 соответственно).
Ухудшим значение третьегокритерия. Получим вариант (1, 5, 2).
/>
Рисунок 2.13 – Система содной «петлей» и двумя висящими связями
На рис. 2.13 изображенасистема с одной висящей входной связью и одной висящей выходнойсвязью. Также варианту (1, 5, 2) реализации системы может соответствовать каксистема с двумя висящими входными связями, так и система с двумявисящими выходными связями. Вариант (1, 5, 2) также обладает всеми недостаткамисвоих «родителей» – вариантов (1, 4, 2) и (1, 5, 0) (рис. 2.5 и рис. 2.6соответственно).
Теперь рассмотрим вариант(1, 6, 1).
/>
Рисунок 2.14 – Система сдвумя «петлями» и одной висящей связью
На рис. 2.14 изображенасистема с одной висящей выходной связью. Также варианту (1, 6, 1)реализации системы может соответствовать и система с одной висящей входнойсвязью. Вариант (1, 6, 1) обладает всеми недостатками своих «родителей» –вариантов (1, 4, 1) и (1, 6, 0) (рис. 2.4 и рис. 2.7 соответственно).
Ухудшим значение третьегокритерия. Получим вариант (1, 6, 2).
/>
Рисунок 2.15 – Система сдвумя «петлями» и двумя висящими связями
На рис. 2.15 изображенасистема с одной висящей входной связью и одной висящей выходнойсвязью. Также варианту (1, 6, 2) реализации системы может соответствовать каксистема с двумя висящими входными связями, так и система с двумявисящими выходными связями. Вариант (1, 6, 2) также обладает всеми недостаткамисвоих «родителей» – вариантов (1, 4, 2) и (1, 6, 0) (рис. 2.5 и рис. 2.7соответственно).
Зафиксируем теперь лучшеезначение по второму критерию, а по первому и третьему – средние значения.Рассмотрим вариант (2, 4, 1).
/>
Рисунок 2.16 – Система сдвумя подсистемами и одной висящей связью
На рис. 2.16 изображенасистема с одной висящей выходной связью. Также варианту (2, 4, 1)реализации системы может соответствовать и система с одной висящей входнойсвязью. На рис. 2.16 изображена система, у которой верхний вход связан сверхним выходом, а нижний вход – с нижним выходом. Такжеварианту (2, 4, 1) реализации системы может соответствовать и система, укоторой верхний вход связан с нижним выходом, а нижний вход– с верхним выходом.
Ухудшим значение третьегокритерия. Получим вариант (2, 4, 2).
/>
Рисунок 2.17 – Система сдвумя подсистемами и двумя висящими
связями
На рис. 2.17 изображенасистема с одной висящей входной связью и одной висящей выходнойсвязью. Также варианту (2, 4, 2) реализации системы может соответствовать каксистема с двумя висящими входными связями, так и система с двумявисящими выходными связями. На рис. 2.17 изображена система, у которой верхнийвход связан с верхним выходом, а нижний вход – с нижнимвыходом. Также варианту (2, 4, 2) реализации системы может соответствовать исистема, у которой верхний вход связан с нижним выходом, а нижнийвход – с верхним выходом.
Теперь рассмотрим вариант(3, 4, 1).
/>
Рисунок 2.18 – Система стремя подсистемами и одной висящей связью
На рис. 2.18 изображенасистема с одной висящей выходной связью. Также варианту (3, 4, 1)реализации системы может соответствовать и система с одной висящей входнойсвязью.
Ухудшим значение третьегокритерия. Получим вариант (3, 4, 2).
/>
Рисунок 2.19 – Система стремя подсистемами и двумя висящими
связями
На рис. 2.19 изображенасистема с одной висящей входной связью и одной висящей выходнойсвязью. Также варианту (3, 4, 2) реализации системы может соответствовать каксистема с двумя висящими входными связями, так и система с двумявисящими выходными связями.
Зафиксируем теперь лучшеезначение по третьему критерию, а по первому и второму – средние значения.Рассмотрим вариант (2, 5, 0).
/>
Рисунок 2.20 – Система сдвумя связанными подсистемами

На рис. 2.20 изображенасистема, у которой верхний вход связан с верхним выходом, а нижнийвход – с нижним выходом. Также варианту (2, 5, 0) реализации системыможет соответствовать и система, у которой верхний вход связан с нижнимвыходом, а нижний вход – с верхним выходом.
Ухудшим значение второгокритерия. Получим вариант (2, 6, 0).
/>
Рисунок 2.21 – Система сдвумя дважды связанными подсистемами
На рис. 2.21 изображенасистема, у которой верхний вход связан с верхним выходом, а нижнийвход – с нижним выходом. Также варианту (2, 6, 0) реализации системыможет соответствовать и система, у которой верхний вход связан с нижнимвыходом, а нижний вход – с верхним выходом.
Теперь рассмотрим вариант(3, 5, 0).
/>
Рисунок 2.22 – Система стремя несвязанными подсистемами
Полученный вариантреализации системы можно считать не очень удачным. случае с состав системывходит подсистема, из которой ничего не выходит!
Ухудшим значение второгокритерия. Получим вариант (3, 6, 0).
/>
Рисунок 2.23 – Система стремя связанными подсистемами
Таким образом, издвенадцати формально возможных вариантов реализации системы с одним лучшимзначением по некоторому фиксированному критерию только три варианта (2, 5, 0),(2, 6, 0) и (3, 6, 0) оказались работоспособными. Варианты (3, 5, 0) и (2, 4,1) обладают по крайней мере одним недостатком, варианты (1, 5, 1), (2, 4, 2) и(3, 4, 1) – двумя недостатками, варианты (1, 5, 2), (1, 6, 1) и (3, 4, 2) –тремя. Самым неудачным оказался вариант (1, 6, 2), обладающий четырьмянедостатками.
2.4 UFO-модели с не лучшими значениями повсем критериям
Исходяиз сформулированных выше трех критериев, наихудшим вариантом реализациисистемы, изображенной на рис. 2.1, является вариант (3, 6, 2), показанный нарис. 2.24.
/>
Рисунок 2.24– Наихудший вариант реализации системы
Улучшим значение третьегокритерия. Получим вариант (3, 6, 1).
/>
Рисунок 2.25 – Система стремя связанными подсистемами и висящей
связью
Теперь рассмотрим вариант(3, 5, 2).
/>
Рисунок 2.26 – Система стремя несвязанными подсистемами и
висящими связями

Улучшим значение третьегокритерия. Получим вариант (3, 5, 1).
/>
Рисунок 2.27 – Система стремя несвязанными подсистемами и
висящей связью
Теперь рассмотрим вариант(2, 6, 2).
/>
Рисунок 2.28 – Система сдвумя связанными подсистемами и
висящими связями
Улучшим значение третьегокритерия. Получим вариант (2, 6, 1).
/>
Рисунок 2.29 – Система сдвумя связанными подсистемами и висящей
связью
Теперь рассмотрим вариант(2, 5, 2).
/>
Рисунок 2.30 – Двесвязанные подсистемы с двумя висящими связями
Наконец, рассмотримвариант (2, 5, 1) со средними значениями по всем критериям.

/>
Рисунок 2.31 – Двесвязанные подсистемы с одной висящей связью
Таким образом, из восьмиформально возможных вариантов реализации системы с не лучшими значениями по всемкритериям, варианты (3, 6, 1), (2, 6, 1) и (2, 5, 1) обладают однимнедостатком, варианты (3, 6, 2), (3, 5, 1), (2, 6, 2) и (2, 5, 2) – двумянедостатками, а вариант (3, 5, 2) – тремя.
2.5 Сравнение UFO-моделей
Проанализировав все 27формально возможных вариантов реализации системы можно сказать, что длясравнения моделей системы недостаточно использовать только критерии «количествоподсистем», «количество внутренних связей» и «количество висящих связей».Оказывается, что модель системы, формально худшая по совокупности значений покритериям, может иметь меньше недостатков и лучше функционировать, чемформально более лучшая система. Примером могут служить варианты (1, 5, 0) и (2,5, 0) (табл. 2.1).
Таблица 2.1 –Характеристики моделей системыКоличество подсистем внутренних связей висящих связей недостатков 1 4 1 4 1 1 1 4 2 2 1 5 1 1 5 1 2 1 5 2 3 1 6 2 1 6 1 3 1 6 2 4 2 4 2 4 1 1 2 4 2 2 2 5 2 5 1 1 2 5 2 2 2 6 2 6 1 1 2 6 2 2 3 4 1 3 4 1 2 3 4 2 3 3 5 1 3 5 1 2 3 5 2 3 3 6 3 6 1 1 3 6 2 2
Количество недостатковмодели системы определяется количеством висящих связей, наличием внутренних«петель» и подсистем, не имеющих входа или выхода.
Вероятно, самымсущественным недостатком является наличие висящей связи, менее существенным –наличие подсистем, не имеющих входа или выхода, а наименее существенным –наличие внутренних «петель».

3. Классификация UFO-моделей в MicrosoftExcel
 
3.1 Описание UFO-моделей в MicrosoftExcel
Наилучшую модель (1, 4,0) системы представим, как показано на рис. 3.1.
/>
Рисунок 3.1 – Описаниенаилучшей модели системы
Для генерации количествависящих связей (рис. 3.2) используем формулу:
=ЕСЛИ(C2=2;0;C2+1)
/>
Рисунок 3.2 – Описаниетретьего критерия
Для генерации внутреннихсвязей (рис. 3.3) используем формулу [42]:
=ЕСЛИ(И(B2=6;C2=2);4; ЕСЛИ(И(C2=2;C3=0);B2+1;B2))
/>/>
Рисунок 3.3 – Описаниевторого критерия
Для генерации количестваподсистем (рис. 3.4) используем формулу:

=ЕСЛИ(И(A2=3;B2=6;B3=4);1; ЕСЛИ(И(B2=6;B3=4);A2+1;A2))
/>/>
Рисунок 3.4 – Описаниепервого критерия
Затем введем для каждоймодели количество недостатков и подсчитаем вес модели (рис. 3.5) по формуле:
=СУММ(A2:C2)+D2*4
/>
Рисунок 3.5 – Описаниенедостатков и веса модели
К первому классу отнесемвсе модели, у которых нет недостатков (вес от 5 до 9). Ко второму – модели с 1или 2 недостатками (вес от 10 до 14 и от 15 до 19). Оставшиеся модели (с 3 и 4недостатками) отнесем к третьему классу (вес от 20 до 22 и 25).
Для вычисления номеракласса (рис. 3.6) используем формулу:
=ЕСЛИ(И(E2>=5;E2=10;E2

/>/>
Рисунок 3.6 – Описаниекласса модели
Для вычисления количествамоделей в каждом классе (рис. 3.7) используем формулу:
=СЧЁТЕСЛИ($F$2:$F$28;H4)
/>
Рисунок 3.7 – Описаниеколичества моделей в классах
3.2 Анализ классов UFO-моделей
Данные о принадлежностимоделей к классам были обработаны в системе SPSS 8.0 for Windows длястатистической обработки результатов эксперимента (рис. 3.8).
/>
Рисунок 3.8. –Представление данных в системе SPSS8.0 for Windows
Анализ показал, чтораспределение моделей по классам удовлетворяет закону нормального распределения(рис. 3.9).
/>
Рисунок 3.9 – Нормальноераспределение моделей по классам

4.Использование порядковойклассификациивпроцессе
UFO-моделированиясистем телемеханики
Все результаты,представленные в этом разделе, получены в ходе преддипломной практики на фирме«Технокон» [43].
4.1 Общие сведения офирме «Технокон»
Предприятие «Технокон»предлагает услуги по проектированию и поставке «под ключ» заказных систем икомплексов телемеханики для применения на объектах:
–теплофикации;
–водоснабжения, канализации иводоочистки;
–электроэнергетики;
–нефтяной и газовой промышленности;
–транспорта.
Проектируемые под заказсистемы и комплексы телемеханики комплектуются всем необходимым для решениязадач дистанционного контроля и управления оборудованием удаленных объектов,включая:
–программируемые логическиеконтроллеры;
–модемы для обмена данными с системамиоперативно-диспетчерского контроля и управления;
–заказное прикладное программноеобеспечение;
–системы терморегулирования;
–силовая защитная и коммутационнаяаппаратура;
–аппаратура электроприводаисполнительных механизмов;
–средства обеспеченияискробезопасности, молниезащиты и пр.
В зависимости отособенностей конкретного применения, в качестве платформы (ядра) узла заказнойсистемы телемеханики используются стандартные элементы промышленной автоматики,выпускаемые группой Schneider Electric: программируемые логические контроллеры(ПЛК) серий Modicon TSX Quantum, Compactили Micro, и, при необходимости, сопрягаемые сними устройства распределенного сбора и обработки сигналов объекта – Modicon TSX Momentum.
4.2 Стратегия работы сзаказчиком
Современная скоростьэволюционирования систем и средств автоматизации диктует необходимостьприменять технологии разработки, способные учитывать как изменения требованийзаказчика, так и возможностей аппаратуры и ПО. Иначе в результате выполненияработ по проекту заказчик может получить именно то, что он запрашивал, но этобудет не то, что ему действительно необходимо.
Стратегия фирмы«Технокон» по работе с заказчиком основывается на вовлечение его в процессразработки продукта и концепции «ориентированного на пользователя» программногообеспечения. Участие заказчика на всех этапах создания продукта гарантируетвыпуск продукции высокого качества, удобной в эксплуатации и удовлетворяющейвсем требованиям заказчика еще и потому, что сам пользователь проникаетсяконцепцией и восприятием конечного продукта. Вовлечение заказчика в процесспроектирования значительно повышает качество обучения персонала заказчика.
При необходимостивзаимодействие с заказчиком реализуется с помощью различных методовпрототипирования – традиционного макетирования (создание функционирующейсистемы, в значительной степени подобной проектируемой) и демонстрационного(создание опережающей реализации ограниченной версии системы в соответствии соструктурой или этапностью процесса проектирования и разработки).
На этапе функциональногопроектирования полномасштабного программно-технического комплекса работающийпрототип улучшает взаимодействие между исполнителем и заказчиком, проясняетфункциональные требования к системе. Пользователь может также ознакомиться сособенностями ввода/вывода и его мнение может быть учтено при проектировании.
Тесное взаимодействие сзаказчиком позволяет получить обратную связь от пользователя на ранних шагахпроектирования и исключить дорогостоящие изменения проекта после этапа рабочегопроектирования [44].
4.3 Порядковаяклассификация UFO-моделей системы
телемеханики
Пусть необходимопостроить систему телемеханики, контекстная диаграмма которой показана на рис.4.1.
/>
Рисунок 4.1 – Контекстнаядиаграмма системы телемеханики
Для сравнения различных UFO-моделей системы телемеханики будемпользоваться теми же критериями, которые были рассмотрены в разделе 2:
–количество подсистем (три значения от1 до 3);
–количество внутренних связей (пятьзначений от 6 до 10);
–количество висящих связей (три значенияот 0 до 2).
Всего 3*5*3 = 45различных состояний. Разбиваем их на пять классов, центры которых указаны втаблице 4.1.

Таблица 4.1. – ЦентрыклассовКласс Центр класса Вес 1 (1; 1; 1) 3 2 (1,5; 2; 1,5) 5 3 (2; 3; 2) 7 4 (2,5; 4; 2,5) 9 5 (3; 5; 3) 11
Центром первого классабудет UFO-модель, содержащая одну подсистемубез висящих связей, которая формально описывается вектором (1; 1; 1) (рис.4.2).
/>
Рисунок 4.2 – Центр первогокласса
К первому классу такжеотнесем состояние (1; 2; 1), в котором мы «чуть-чуть» ухудшили значение повторому критерию. Состояния (2; 1; 1) и (1; 1; 2) не представляется возможнымотнести к первому классу, так как ухудшение по первому и третьему критерию, укоторых всего три значения, на одно значение шкалы гораздо более существенно,чем ухудшение на одно значение шкалы по второму критерию, у которого пятьзначений. Поэтому отнесем состояния (2; 1; 1) и (1; 1; 2) ко второму классу.Все три состояния с весом 4 проклассифицированы.
Ко второму классу отнесемвсе состояния с весом 5, кроме состояний (3; 1; 1) и (1; 1; 3), которые отнесемк третьему классу. Причина та же – длина шкалы первого и третьего критериев.
Центром третьего классабудет UFO-модель, содержащая две подсистемы свосемью внутренними связями и одной висящей связью, которая формальноописывается вектором (2; 3; 2) (рис. 4.3).

/>
Рисунок 4.3 – Центртретьего класса
Все состояния с весами 6,7 и 8 отнесем к третьему классу. К четвертому классу отнесем все состояния свесом 9, кроме состояний (1; 5; 3) и (3; 5; 1), которые отнесем к третьемуклассу (по аналогии с состояниями с весом 5).
Центром пятого классабудет UFO-модель, содержащая три подсистемы сдесятью внутренними связями и двумя висящими связями, которая формальноописывается вектором (3; 5; 3) (рис. 4.4).
/>
Рисунок 4.4 – Центрпятого класса
К пятому классу такжеотнесем состояние (3; 4; 3), а состояния (2; 5; 3) и (3; 5; 2) – к четвертому(по аналогии с состояниями с весом 4). Построим гистограмму по полученнымданным (рис. 4.5).
/>
Рисунок 4.5 – Первыйвариант распределения UFO-моделей

Рассуждения логичные, нополученные результаты сильно отличаются от эталонного нормальногораспределения. Попробуем действовать более прямолинейно (табл. 4.2).
Таблица 4.2 – Диапазонвесов классовКласс Центр класса Диапазон весов 1 (1; 1; 1) 3 2 (1,5; 2; 1,5) 4-5 3 (2; 3; 2) 6-7-8 4 (2,5; 4; 2,5) 9-10 5 (3; 5; 3) 11
Построим гистограмму пополученным данным (рис. 4.6).
/>
Рисунок 4.6 – Второйвариант распределения UFO-моделей
Теперь полученныерезультаты более соответствуют нормальному распределению.
Попробуем перенестисостояние (2, 2, 2) с весом 6 из третьего класса во второй и состояние (2, 4,2) с весом 8 из третьего класса в четвертый. Построим гистограмму по полученнымданным (рис. 4.7).
/>
Рисунок 4.7 – Третийвариант распределения UFO-моделей
Теперь полученные результатыпочти идеально соответствуют нормальному распределению.

Выводы
В процессе выполнениямагистерской аттестационной работы получены следующие результаты:
–  проанализирована проблемаавтоматизации построенияUFO-моделей;
–  проанализированы методы решения задачи выбора;
–  проанализированы качественные методыпринятия решений:
1)  ранжирования многокритериальныхальтернатив;
2)  выбора лучшей многокритериальнойальтернативы;
3)  порядковой классификации альтернатив;
–  проанализированы особенности определения множества критериев;
–  разработан подход к определению критериев оценки UFO-модели;
–  на основании предложенных критериевисследованы UFO-модели:
1)  с двумя лучшими значениями покритериям;
2)  с одним лучшим значением понекоторому критерию;
3)  с не лучшими значениями по всемкритериям;
–  осуществлена классификация UFO-моделей в Microsoft Excel:
1) реализовано описание UFO-моделей в Microsoft Excel;
2) проведен анализклассов UFO-моделей;
– полученныерезультаты применены в процессе UFO-моделирования систем телемеханики.
Полученные результатыможно использовать в процессе UFO-анализа.
Среди возможныхнаправлений развития следует отметить перспективность исследования возможностиприменения вербальных методов принятия решений, не затронутых в данной работе,в процессе UFO-анализа. Также направлением развитияможет быть внедрение полученных результатов в CASE-инструментарии, используемые в процессе моделированиясистем.
Результаты работыапробированы на IV-м Международномнаучно-практическом форуме «Информационные технологии и кибернетика 2006», которыйпроходил в Днепропетровске 27-28 апреля 2006 г., и опубликованы в сборникедокладов и тезисов этого форума [41].

Перечень ссылок
1. Бондаренко М.Ф., Маторин С.И.,Ельчанинов Д.Б. Системная технология моделирования информационных иорганизационных систем: Учебное пособие. – Харьков: ХНУРЭ, 2005. – 116 с.
2. Бондаренко М.Ф., Соловьева Е.А.,Маторин С.И., Ельчанинов Д.Б. Объектная технология моделирования информационныхи организационных систем: Учебное пособие. – Харьков: ХНУРЭ, 2005. – 160 с.
3. Бондаренко М.Ф., Соловьева Е.А.,Маторин С.И., Ельчанинов Д.Б. Системологическая технология моделированияинформационных и организационных систем: Учебное пособие. – Харьков: ХНУРЭ,2005. – 136 с.
4. Ларичев О.И. Теория и методыпринятия решений: Учебник. Изд. 2-е, перераб. и доп. – М.: Логос, 2002. – 392с.
5. Петровский А.Б. Компьютернаяподдержка принятия решений: современное состояние и перспективы развития. /Системные исследования. Методологические проблемы: Ежегодник. – М.: УРСС, 1996.– С. 146-178.
6. Кини Р.Л., Райфа Х. Принятиерешений при многих критериях: предпочтения и замещения. – М.: Радио и связь,1981. – 560 с.
7. Иванилов Е.И. Некоторые аспектывыбора серверов. // Корпоративные системы. − 2003. – №4. – С. 34-36.
8. Кини Р.Л. Размещениеэнергетических объектов: выбор решений. – М.: Энергоатомиздат, 1983. – 320 с.
9. Рытиков А.М., Ройтман Е.Я., ШафринЮ.А. Что мешает эффективному внедрению типовых АСУ. // Цветные металлы. −1988. – №1. – С. 98-101.
10. Ногин В.Д. Принятие решений вмногокритериальной среде: количественный подход. – М.: Физматлит, 2002. – 176с.
11. Подиновский В.В. Количественнаяважность критериев. // Автоматика и телемеханика. − 2000. – №5. – С.110-123.
12. Ройзензон Г.В., Фуремс Е.М. Исследованиявозможностей человека при сравнении трехкритериальных альтернатив. / Труды восьмойнациональной конференции по искусственному интеллекту с международным участием(КИИ-2002). – Т. 1. – М.: Физматлит, 2002. – С. 511-518.
13. Ларичев О.И., Зуев Ю.А., ГнеденкоЛ.С. Метод запрос (замкнутые процедуры у опорныхситуаций) анализа вариантовсложных решений. / Многокритериальный выбор в слабоструктуризованных проблемах./ Под ред. С.В. Емельянова. – М.: ВНИИСИ, 1978. – С. 83-97.
14. Ларичев О.И., Мошкович Е.М.Качественные методы принятия решений. – М.: Физматлит, 1996. – 208 с.
15. Larichev O.I.,Moshkovich H.M. ZAPROS-LM: A method and a system for ordering multiattributealternatives // Europ. J. Operat. Res. – 1995. – Vol. 82. − №3. – P.503-521.
16. Larichev O.I. Rankingmulticriteria alternatives: The method ZAPROS III. // Europ. J. Operat. Res. – 2001. – Vol. 131. − №3. – P. 550-558.
17. Larichev O., Brown R.Numerical and verbal decision analysis used for the problems of resourcesallocation in Arctic. // J. Multi-Criteria Decision Anal. – 2000. – Vol. 9. −№6. – P. 263-274.
18. Larichev O.I., KochinD.Yu., Ustinovicius L.L. Multicriteria method for choosing the best object forinvestments. / DSS in the Uncertainty of the Internet age. – Katowice: TheKarol Adamiecki Univ. of Econ., 2003. – P. 255-270.
19. Kochin D.,Ustinovicius L. Verbal analysis of the investment risk in construction. // J.Business Econ. and Manag. – 2003. – Vol. 4. − №4. – P.228-234.
20. Кочин Д., Ларичев О., Устинович Л.Вербальный метод определения эффективности инвестиций в строительстве. // Computer Modell. and New Technol. – 2003. – Vol. 7. − №2. – P. 37-47.
21. Ларичев О.И. Наука и искусство принятиярешений. – М.: Наука, 1979. – 199 с.
22. Clansey W.Classification problem solving. / Proc. of National Conf. ArtificialIntelligence AAAI. – Austin: Univ. of Texas, 1984. – P. 49-55.
23. Ларичев О.И., Мошкович Е.М. Задачаклассификации в принятии решений. // Докл. АН СССР. – 1986. – Т. 287. −№3. – С. 567-570.
24. Выявление экспертных знаний. /О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович, Е.М. Фуремс. – М.: Наука, 1989.– 128 с.
25. Мошкович Е.М. Конструктивныйпоиск и устранение противоречий в предпочтениях лица, принимающего решения приразбиении многомерных альтернатив на конечное число классов. / Проблемы ипроцедуры принятия решений при многих критериях. Сборник трудов. №6. / Под ред.С.В. Емельянова, О.И. Ларичева. – М.: ВНИИСИ, 1982. – С. 73-80.
26. Hansel G. Sur le nombre desfunctions Booleennes monotones de n variables. // C. r. Acad. sci. – 1966. –Vol. 262. − №20. –P. 1088-1090.
27. Ансель Ж. О числе монотонных булевыхфункций от n переменных. / Кибернетическийсборник. №5. Н. с. – М.: Мир, 1968. – С. 53-57.
28. Алексеев В.Б. О расшифровкенекоторых классов монотонных многозначных функций. // Журн. вычисл. математикии мат. физики. – 1976. – Т. 16. − №1. – С. 189-198.
29. Соколов Н.А. Об оптимальнойрасшифровке монотонных функций алгебры логики. // Журн. вычисл. математики имат. физики. – 1982. – Т. 22. − №2. – С. 449-461.
30. Соколов Н.А. Оптимальнаярасшифровкя монотонных булевых функций. // Журн. вычисл. математики и мат.физики. – 1987. – Т. 27. − №12. – С. 1878-1887.
31. Ларичев О.И., Болотов А.А.Система дифкласс: Построениеполных и непротиворечивых баз экспертных знаний в задачах дифференциальнойклассификации. // НТИ. Сер. 2, Информ. процессы и системы. – 1996. – №9. – С. 9-15.
32. Асанов А.А. Методы извлечения ианализа экспертных знаний: Дис. … канд. техн. наук. – М., 2002. – 129 с.
33. Ларичев О.И., Асанов А.А. Метод цикл порядковой классификациимногокритериальных альтернатив. // Докл. РАН. – 2000. – Т. 375. − №5. –С. 592-596.
34. Кочин Д.Ю. Метод классификациизаданного множества многокритериальных альтернатив. / Методы поддержки принятиярешений: Сб. тр. Ин-та систем. анализа РАН. / Под ред. О.И. Ларичева. – М.:Эдиториал УРСС, 2001. – С. 4-18.
35. Larichev O.I., KortnevA.V., Kochin D.Yu. Decision support system for classification of a finite setof multicriteria alternatives. // Decision Support Systems. – 2002. – Vol. 33. − №1. – P. 13-21.
36. Ларичев О.И. Вербальный анализрешений. – М.: Наука, 2006. – 181 с.
37. Ройзензон Г.В. Выборвычислительных кластеров на основе анализа количественной и качественнойинформации. / Искусственный интеллект. – Т. 2. – Донецк: Наука і освіта, 2004. – С. 375-379.
38. Асанов А.А., Борисенков П.В.,Ларичев О.И., Нарыжный Е.В., Ройзензон Г.В. Метод многокритериальнойклассификации ЦИКЛ и его применение для анализа кредитного риска. // Экономикаи математические методы. − 2001. – Т.37. – №2. – С. 14-21.
39. Ашимихин И.В., Ройзензон Г.В.Выбор лучшего объекта на основе парных сравнений на подмножествах критериев. /Методы поддержки принятия решений: Сб. трудов ИСА РАН / Под ред. О.И. Ларичева.– М.: УРСС, 2001. – С. 51-71.
40. Ройзензон Г.В. Многокритериальныйвыбор вычислительных кластеров. / Методы поддержки принятия решений: Сб. трудовИСА РАН. – М.: УРСС, 2005. – С. 68-94.
41. Рингис А.М. Качественные методыпринятия решений в процессе организационного моделирования. / Информационныетехнологии и кибернетика 2006: Сборник докладов и тезисов IV-го Международногонаучно-практического форума (Днепропетровск, 27-28 апреля 2006 г.). –Днепропетровск: ИТМ, 2006. – С. 61.
42. Петров В.Н. Информационныесистемы. – СПб.: Питер, 2002. – 688 с.
43. Технокон– О фирме [Электронный ресурс]. – Режим доступа: www.tehnokon.com/company.html. – Загл. с экрана.
44. Технокон– АСУТП [Электронный ресурс]. – Режим доступа: www.tehnokon.com/asutp.html. – Загл. с экрана.