Вертикальная декомпозиция процесса выработки решений при исследовании эффективности и качества

Неопределенность компонентов модели проблемной ситуации приводит к необходимости рассматривать задачу принятия решений с позиций системного подхода, т. е. проводить исследования по последовательно убывающим уровням обобщения с учетом комплекса межуровневых и внутри-уровневых взаимосвязей.
Например, с общесистемных позиций любая операция, реализуемая в рамках 50-системы, может быть декомпозирована как по элементам, так4и по процессам (под процессам). Элементами операции являются активные ресурсы, условия и способы ее проведения. Процессы, сопровождающие операцию, - могут быть условно разделены на целевые, которые непосредственно приводят к целевому результату, и функциональные — обеспечивающие целевые процессы. К последним, как правило, относят: сбор и обработку информации, планирование, управление и контроль и т. д.
Выводы, вытекающие из исследования операции, и рекомендации для выработки обоснованного суждения с последующим принятием решения могут быть конструктивными (т. е. носить нетривиальный характер в отличие от суждений типа «чем больше, тем лучше») лишь в том случае, если они базируются на количественных или числовых оценках. Последнее обстоятельство требует привлечения метода математического моделирования в качестве основного средства исследования эффективности операции. Выявленные при экспериментировании с построенной мЬделью свойства и закономерности затем обобщают и переносят на реальный объект исследования. Формально процесс исследования может быть представлен следующей совокупностью отображений: где {X, /?} — множество элементов X 50-системы и связей между ними; Г — множество моментов времени;— процесс функционирования 50-системы; гомоморфное отображение процесса т. е. модель операции; — информация об операции на к-м шаге исследования; 0^ (к) — новая информация, полученная по результатам моделирования на 6-м шаге; 6г (6) — новые знания на Л-м шаге, полученные на основе информации (Л).
Таким образом, (10.1) вскрывает сущность исследования как процесса получения новых знаний об объекте исследования (50-системе) для принятия решения. Качество нового знания (его достоверность, и прагматика), приобретенного на й-м шаге исследования, зависит, во-первых, от логической организации процесса исследования, задаваемого структурой составного отображения (10.1); во-вторых, от адекватности отображения (модели- операции) целям исследования*; в-третьих, от способов получения, обработки и анализа результатов для формирования информации 0^ (й); в-четвертых, от интерпретации ич^юрмации 6^ (к) в элементы новых, Знаний 0г (к) об операции; в-пятых, от обобщения новых непротиворечивых сведений в новую информацию (знание) 0(*+1).
Это превращает задачу принятия решения в многошаговый процесс, который может быть декомпозирован как по «вертикали», так и по «горизонтали». Именно такая декомпозиция
Поскольку при исследовании эффективности операции наиболее часто используют критерии пригодности или оптимальности, то оценивание эффективности проводится по конечному состоянию. В случае использования критерия адаптивности правая часть (10.2) трансформируется и определяет логическую организацию процесса исследования и принятия решения. Множество {к} шагов исследования формально можно представить номерами элементов декартова произведения: где Хъ — {Л®} — множество уровней принятия решений «вертикальной» декомпозиции; Хт — {6Г} — множество шагов исследования «горизонтальной» развертки уровня.
Хотя формально в (10.1) множество {6} является бесконечным, тем не менее при решении всех практических задач оно имеет верхнюю грань, которая определяется обобщенным ресурсом на проведение исследования (отпущенное время, вычислительные ресурсы, уровень прикладных и общенаучных знаний).
Способ представления модели зависит от цели исследования. Если целью исследования является лишь установление наиболее общих закономерностей для принятия решений относительно выработки долговременных концепций развития большой технической системы, то модель (10.2) должна строиться в наиболее общей форме, предполагающей высокую степень агрегирования исходной информации для выявления тренда. Построение чрезмерно детальной модели в этом случае зачастую не только невозможно, но и просто вредно, так как излишний учет факторов затрудняет выявление «целевой» тенденции среди возникающих побочно. Кроме того, в этом случае неоправданно растут затраты на построение модели и экспериментирование с ней, обработку и обобщение получаемой информации, что снижает мощность множества {к} и, следовательно, снижает полноту нового знания 0(*+1).