Принятие решений в условиях хаоса/кризиса: обзор основных подходов и инструментария

Проблемы принятия решений, которые в широком плане можно рассматривать как проблемы анализа сложных систем, занимают все большее место в современной науке. В той или иной степени любая управляющая система базируется на принятии решений. При этом критически важной является информационная среда принятия решений: если она чистая (в отношении доминанты проверенной и валидной фактической информации) и четкая (возможность применения простых логических алгоритмов существует), то принятие решений достаточно стандартно. И его методы варьируются от простых логических схем до математических моделей. Но если информационная или иная среда «грязная» (состоит из фактоидов — суждений, мнений, слухов, сплетен и экспертных оценок более чем на 65%) и нечеткая (вариабельная), то для принятия решений требуются специальные методы и инструментарий, а стандартные будут неэффективны.

Кризис как состояние хаоса генерирует нечеткую «грязную» среду, которую называют «тонкими сигналами». Для идентификации подсистемы принятия решений в нечеткой обстановке используем разработки В. Б. Силова, лучшие на сегодняшний день для менеджмента в этой области.

По мере развития предприятия, упорядочения структуры организации и налаживания в ней информационных и коммуникативных связей проблема разработки и принятия решений (ПР) решается просто — через управляющих и ИТ, а также техники обучения принятию решений для коллектива. В условиях же хаоса ПР становится латеральным креативным процессом при повышенном риске. В хаотических средах особенно страдают системы сбора и обработки информации, так как предоставляемые ими для ПР данные оказываются невалидными.

Одним из главных вопросов разработки системы ПР в условиях нечеткой обстановки и хаотизации системы является выбор математических моделей и методов ПР, составляющих основу ее функционирования. ПР в системе управления промышленными предприятиями связано со сложностью системы, распределенностью ее подсистем, неопределенностью текущего состояния, необходимостью учитывать большое число различных факторов и критериев, характеризующих варианты решений. Адекватные хаосу математические методы позволяют отражать структуру сложной системы, для которой принимается решение, оперировать субъективными оценками экспертов, учитывать качественный (вербальный) характер оценки специалистами вариантов решения проблемы, неясность, неточность данных средствами нечеткой логики.

Бурно развивавшаяся в последнее время математическая теория оптимизации создала совокупность методов, помогающих при компьютерной поддержке эффективно принимать решения при фиксированных и известных параметрах, характеризующих исследуемый процесс, а также в том случае, когда параметры — случайные величины. Однако основные трудности возникают в том случае, когда параметры оказываются неопределенными и когда они в то же время сильно влияют на результаты решения. Такие ситуации могут возникать как вследствие недостаточной изученности процессов, для которых принимается решение, так и вследствие участия в управление нескольких лиц, преследующих различные цели. Все перечисленное очень актуально для системного кризиса в компании.

Приближенные, но в то же время эффективные способы анализа сложных, плохо определенных систем, не поддающихся точному математическому описанию, опираются на использование лингвистических переменных и нечетких алгоритмов. Основные приложения такого подхода относятся к областям экономики, управления производством, к искусственному интеллекту, психологии, лингвистики, обработке информации, медицине, биологии.

Компьютеризация общества вызвала быстрое расширение сферы использования количественных методов анализа в результате их применения для анализа экономических, урбанистических, социальных, биологических и других систем. Большинство методов, используемых в настоящее время для анализа гуманистических систем, т. е. таких, в которых участвует человек, представляют собой модификации методов, которые в течение длительного времени создавались для механистических систем. Замечательные успехи, достигнутые с помощью этих методов, позволили объяснить многие природные явления и создавать все более и более совершенные устройства. Но эти же успехи обусловили широко распространенное убеждение в том, что теми же методами или подобными им можно сравнительно эффективно исследовать и гуманистические системы.

Так, например, успехи, достигнутые с помощью теории управления в конструировании космических навигационных систем высокой точности, стимулировали применение этой теории для анализа экономических и биологических систем. Успехи макроскопического анализа физических систем с помощью моделирования на ЭВМ привели к тому, что эконометрическое моделирование с помощью ЭВМ стали применять для решения задач прогнозирования, экономического планирования и управления производством.

По глубоко укоренившейся традиции научного мышления понимание явления отождествляют с возможностью его количественного анализа. Однако по своей сути обычные количественные методы анализа систем непригодны для гуманистических систем и вообще любых систем, сравнимых по сложности с гуманистическими. В основе этого тезиса лежит то, что можно было бы назвать принципом несовместимости. Суть этого принципа можно выразить примерно так: чем сложнее система, тем менее можно дать точные и в то же время имеющие практическое значение суждения о ее поведении. Чем глубже анализ реальной задачи, тем неопределеннее становится ее решение.

Для систем, сложность которых превосходит некоторый пороговый уровень, точность и практический смысл становятся почти исключающими друг друга характеристиками. Именно в этом смысле точный количественный анализ поведения гуманистических систем не имеет, по-видимому, большого практического значения в реальных социальных, экономических и других задачах, связанных с участием одного человека или группы людей.

Важно понимать, что для создания системы ПР в нечеткой обстановке необходимо видеть схему мышления человека, принимающего креативные решения. Элементами такого мышления человека являются не числа, а элементы некоторых нечетких множеств или классов объектов — символы, для которых переход от «принадлежности к классу» к «непринадлежности» не скачкообразен, а непрерывен. И в самом деле, нечеткость, присущая процессу правополушарного (творческого, креативного, интуитивно-сенсорного) мышления человека, наводит на мысль о том, что в основе этого процесса лежит не традиционная двузначная или даже многозначная логика, а логика с нечеткой истинностью, нечеткими связями и нечеткими правилами вывода.

Именно такая нечеткая логика играет основную роль в том, что может оказаться одной из наиболее важных сторон человеческого мышления — способности оценивать информацию, т. е. выбирать из разнообразия сведений те и только те, которые имеют отношение к анализируемой проблеме. По своей природе оценка является приближением. Во многих случаях достаточна весьма приближенная характеризация набора данных, поскольку в большинстве основных задач, решаемых человеком, не требуется высокая точность.

Человек использует допустимость такой неточности, кодируя информацию, «достаточную для решения задачи» элементами нечетких множеств, которые лишь приближенно описывают исходные данные. Поток информации, поступающей в мозг через органы зрения, слуха, осязания и др., суживается таким образом в тонкую струйку информации, необходимой для решения поставленной задачи с минимальной степенью точности. Способность оперировать нечеткими множествами и вытекающая из нее способность оценивать информацию является одним из наиболее ценных качеств человеческого разума, которое фундаментальным образом отличает человеческий разум от так называемого машинного разума, приписываемого вычислительным машинам.

Традиционные методы анализа систем недостаточно пригодны для анализа гуманистических систем именно потому, что они не в состоянии охватить нечеткость человеческого мышления и поведения. Поэтому для действенного анализа гуманистических систем нужны подходы, для которых точность, строгость и математический формализм не являются чем-то абсолютно необходимым и в которых используется методологическая схема, допускающая нечеткости и частичные истины. В работе, с одной стороны, проводится сравнительный анализ методов ПР в условиях неопределенности; с другой стороны, рассматривается возможность создания единого подхода к процессу ПР, что позволит специалисту конкретной предметной области не выбирать среди имеющихся методов адекватный для данной ситуации, а пользоваться универсальным алгоритмом, значительно упрощающим процедуру ПР. Основным компонентом такой системы ПР является методика или подход к работе с неопределенностью (нечеткостью).