4.2. ЭКСПЛИЦИТНОЕ РАССМОТРЕНИЕ ПРОЦЕССА ФОРМИРОВАНИЯ РЕШЕНИЙ И ЗАДАЧА ОБРАТНЫХ ВЫЧИСЛЕНИЙ

Выбор цели - исходная точка в процессе принятия решения. Она формулируется в результате выполнения первой группы процедур - констатации и анализа ситуации, (/f-сгупенчатый ситуационный анализ, используемый при этом, подробно рассматривался нами ранее.)

Вторая группа процедур, основное назначение которых состоит в прямой трансформации сформулированной цели в средства ее достижения, предполагает применение обратных вычислений и знание ресурсов и резервов, имеющихся в распоряжении лица, принимающего решение.

Определение ресурсов и резервов предприятия особых сложностей не вызывает, за исключением тех, что зависят от внешней среды (проценты за банковский кредит, уровень таможенной пошлины, темпы инфляции национальной валюты и др.). Однако и здесь имеются пути получения достаточно объективной информации.

Главная цель декомпозируется в дерево целей. Мы уже рассматривали правила декомпозиции, здесь же уместно будет напомнить, что этот процесс неодназначен. Например, если в качестве цели выбрать повышение рентабельности предприятия, то путей для ее достижения всегда существует несколько: с помощью повышения объема прибыли или снижения стоимости основных фондов, сокращения стоимости оборотных средств, снижения себестоимости продукции и т.д. Кроме того, существует несколько вариантов расчета одних и тех же показателей, что достаточно быстро усложняет процесс поиска оценочной функции.

Декомпозиция главной цели в дерево целей - процесс неформальный, творческий, требующий определенных знаний и опыта.

Данное правило общеизвестно и приведено здесь для того, чтобы подчеркнуть наличие теоретической основы, изложенной в [269], для выдвигаемых ниже идей.

Обратимся к рис. 4.2, где представлено дерево целей в графической (а) и табличной формах (б). Каждый из узлов дерева снабжен знаком «плюс» или «минус», указывающим на желаемое направление изменения (увеличение или уменьшение) соответствующего показателя в процессе достижения главной цели А. Очевидными условиями, упомянутыми ранее, являются: а+Р=1, y+a+q= 1, (kh=1. Возможных вариантов для достижения цели А может быть 2"-п, где п - число узлов в дереве. Данная формула справедлива, если отсутствует узлы-константы, т.е. узлы, значения показателей в которых не изменяются (например, узел F). Таким узлом может обозначаться количество месяцев в году или количество цехов на предприятии и т.д.

Ресурсно-целевая иерархически расчетная инженерия (РОЦ-тех- нология) позволяет эксплицировать процессы, представленные на рис. 4.2, следующим образом: необходимо увеличить (знак «плюс») прибыль от реализации товарной продукции, услуг, работ (показатель А) за счет повышения (знак «плюс») выручки от реализации (показатель В) и снижения (знак «минус») полной себестоимости реализованной продукции (показатель С).

Причем достижение цели, т.е. увеличение показателя А на величину DА должно быть обеспечено в объеме аЛА за счет увеличения показателя Бив объеме рдА - за счет уменьшения показателя С.

АА(В) + AA(Q= АА, AA(B)=fl(a,B); ДЛ(С)=/2(Р,С), где ДА - задаваемый (желаемый) прирост показателя А;

ЛА(В) - прирост, получаемый за счет увеличения показателя В;

ДА(С) - прирост, получаемый за счет уменьшения показателя С;

j\, f2 - обратные функции, используемые для расчета приростов ДА(В) иДA(Q;

а, Р - КПЦ для каждой из подцелей (В и С)

Аналогично читается часть дерева, касающаяся выручки: увеличить выручку от реализации за счет увеличения количества товара (показатель D), снижения цены единицы товара (показатель ?) и сохранения остатка от выручки товаров на прежнем уровне (показатель F). Показатель Fw& изменяется, так как КПЦ для него равен нулю. А В С D Е F С н А © а Р В ® У ст Я С © е h D © Е © F const G © Н © б

Рис. 4.2. Дерево целей с указанными КПЦ и направлениями изменений показателей

А ©

Подобным образом следует читать и оставшиеся экспликации: необходимо снизить показатель С за счет снижения прямых производственных затрат (показатель G) и накладных переменных затрат (показатель Н). Здесь же пользователю необходимо определить ресурсы и ограничения на их использование. Материальные, финансовые, трудовые, энергетические,информационные и другие ресурсы предприятия, например, временные, ограничены, поэтому нужно искать способы достижения целей путем маневрирования резервами.

Вершины дерева целей (см. рис. 4.2) можно разделить на две группы: абстрактные и терминальные. Абстрактные - это вершины, которые являются производными (расчетными), терминальные - это вершины, косвенно диктующие пользователю его действия, кото- рые следует предпринять, чтобы добиться желаемой цели, например, увеличить производство товара А на 100 ед. или взять кредит по ставке, не превышающей 10 ед.

Отсюда видно, что термин ресурс используется расширительно, так как под ним будут пониматься и материальные ресурсы (например, количество станков вида А в цехе Nt), и финансовые (ставка процента за кредит в период А), и трудовые (количество рабочих с профессией А).

Ресурсно-целевая иерархически расчетная инженерия, отраженная в РОЦ-технологии, в полной мере демонстрирует свои возможности в процессе реализации третьей группы процедур, где необходимо найти альтернативные варианты решений и рассчитать последствия для каждого из них. РОЦ-технологию рассмотрим в сравнении с общеизвестными подходами построения и использования матрицы решений.

Согласно общепринятому подходу [248], каждому из вариантов решения В.ставят в соответствие условие решения U На пересечении строки и столбца величина С указывается связь условия с результатом и вариантом. В последнем столбце находятся результаты последствий в случае принятия варианта В. при условиях U.k, где к= 1 ,т.

Для иллюстрации воспользуемся задачей повышения прибыли от реализации товарной продукции (см. рис. 4.2) и построим для нее фрагмент матрицы решений (табл. 4.2). В графе РЕЗ отражается результирующее значение изменений по варианту, например, величина РЕЗ, указывает на абсолютный или относительный показатель достижения цели вариантом Вх

Таблица 4.2 Матрица решений для достижения цели повышения прибыли Вариант^^^ D D Е Е G G Я Я РЕЗ + + + + РЕЗ, в, + + + + РЕ32 в, + + + + РЕЗ, В4 + + + + рез4 Очевидно, что число вариантов огромно, так как следует учитывать не только количество перестановок в условиях, но и различные значения КПЦ, диапазон изменения которых находится в пределах от 0 до 1. Кроме того, достижение целей зависит от имеющихся ресурсов, варьирование которыми порождает (генерирует) дополнительное количество вариантов.

Условия в матрице решений в данном случае следует читать так: используя вариант Bt, цель можно достичь при условиях

Dгде D<,d означает, что предприятие должно выпускать продукцию в объеме Д не превышающего объем d\

Е<е - цена за единицу продукции не превышает е;

GHТипичной ситуацией является нехватка какого-либо ресурса. В матрице такая ситуация показана, например, конкатенацией D Е GH. В таком случае следует повторить процесс расчета, пытаясь достичь желаемой цели за счет других ресурсов. Конкатенация D Е GH читается следующим образом: цель может бьггь достигнута при условии, что дополнительный ресурс, который необходим для замещения нехватающего ресурса D, будет достаточным в вершине Е. Аналогично можно расшифровать конкатенациюDE GH: цель может быть достигнута при условии, что дополнительный ресурс, необходимость в котором возникает в связи с нехваткой ресурса в вершине D, будет восполнен за счет ресурса вершины Е, а дополнительный ресурс, необходимый в связи с нехваткой ресурса в вершине G, будет восполнен за счет ресурса вершины Н.

Простота появления вариантов объясняется тем, что мы воспользовались, хотя и неявно, элементами РОЦ-технологии, так как условиями нам естественным образом послужили значения терминальных вершин дерева целей. Однако трудности с поиском оценивающей функции остались. Для того чтобы их обойти, в соответствии с главными идеями РОЦ-концепции, задачу принятия решения следует сформулировать не в сослагательном, а повелительном наклонении, указывая уровень достижения главной цели вполне конкретными (абсолютными либо относительными) значениями, например: увеличить рентабельность на 20%; снизить затраты на 10 ед. и т.д. В результате система должна уметь давать ответ на вопрос: «Что не- обходимо предпринять для того, чтобы добиться увеличения рентабельности на 20 %?».

В соответствии с РОЦ-технологией прежде всего следует изменить матрицу решений. Элементы матрицы теперь должны состоял» из трех полей: первое поле отражает значения терминальной вершины после выполнения расчетов по очередному варианту; второе поле (в скобках) указывает граничные значения ресурса, в пределах которого может варьироваться величина данного показателя; третье поле (в скобках) предназначено для характеристики прироста данной терминальной величины. Оно содержит две позиции: первая указывает на коэффициент (процент) прироста (снижения) данного показателя за счет ресурса «соседа справа», а вторая - на предел заимствования (коэффициент).

Кроме изменений элементов матрицы, введено изменение и в идентификации столбцов: рядом с идентификатором вершины дерева указывается КПЦ подцели, а также желаемое направление изменения цели. В матрицу введены также градации в пределах граничных значений КПЦ для явного перечисления вариантов решения.

Здесь следует ответить на вполне закономерный вопрос, возникающий в связи с заимствованием недостающих ресурсов: какую тактику следует использовать при нехватке ресурсов?

Можно предложить несколько способов перераспределения ресурсов для достижения цели в конкретном узле. Наиболее эффективными являются: •

равный подход к распределению дефицита в ресурсах на все терминальные вершины или на группы оставшихся вершин; •

распределение дефицита в ресурсах пропорционально мощности каждого из оставшихся узлов; •

заем у «соседа справа».

Последний способ наиболее простой, поэтому далее он будет использоваться в целях иллюстрации. В общем виде он формулируется следующим образом: если не хватает ресурсов, займи у «соседа справа». Этот способ восходит к основам логического программирования и базируется на одном из фундаментальных принципов обработки знаний, представленных в иерархической форме. Этот принцип требует обработки знаний в следующей последовательности: сверху вниз слева направо. Этот принцип теоретически обоснован в ряде работ, в частности в [139]. Применение его в рамках РОЦ-тех- нологии снимает множество проблем, связанных со стратегией выбора направления движения к заданной цели.

Иллюстрацией предлагаемой экспликации может служить табл. 4.3.

Таблица 4.3

Матрица решений Терминальная вершина ^\дерева Вариант а>Р (а=0,6, Р=0,4) Результат D(y,+) <К 9,-) Щ h,-) С,,МХ0;0,5) с„тодад С14(АХ0,5;0,8) РЕЗ, в2 рез2 Вариант В2 в процессе расчета величины для вершины D характеризуется следующим: для того чтобы добиться увеличения показателя D на требуемую, согласно КПЦ (у) величину, оказалось недостаточным ресурсов в объеме d. Поэтому заимствованы ресурсы «соседа справа» в объеме 0,2 всех его ресурсов. Цифра 0,4 указывает на объемы ресурсов «соседа», в пределах которых возможно заимствование.

'В примере показаны лишь КПЦ высшего уровня. На самом деле должны использоваться варианты КПЦ всех уровней, что быстро ведет к усложнению задачи.

Следует отметить, что, в отличие от других подходов в области теории принятия решений, с помощью РОЦ-технологии процесс построения и обработки матрицы решений полностью автоматизирован и вмешательства человека не требует.

В функции данной группы процедур входит также выбор из матрицы решений наиболее приемлемого варианта решения. Здесь, если это необходимо, может подключаться компонент обучения пользователя, рассмотренный ниже.

В настоящее время известны следующие критерии выбора решения [205, 248]: минимаксный, Байеса-Лапласа, Сэвиджа, Гурвица, Ходжа-Лемана, Гермейера и др. Как правило, применяется не один, а несколько критериев, что позволяет получить ограниченное множество вариантов.

Перечисленные критерии без труда можно применить, если у пользователя имеется заполненная матрица решений, т.е. он указал условия, перечислил варианты решений и вывел функцию, с помощью которой рассчитываются последствия принятия решения по каждому варианту. Нами уже упоминалось, что именно эти работы вызывают основные трудности в принятии решений.

Применение РОЦ-технологии снимает данную проблему, но при этом возникает другая: общеизвестные и зарекомендовавшие себя в практической деятельности критерии выбора лучшего варианта оказываются бесполезными, так как матрица решений утратила первоначальный, т.е. канонический вид. В связи с этим, пользуясь информацией из предложенной формы матрицы решений (см. табл. 4.3), введем два критерия, вытекающие естественным образом из принципа «займи у соседа справа»: 1.

Лучшим будет тот вариант решения, который обеспечивает максимальное продвижение к цели с минимальным заимствованием ресурсов у «соседа справа». 2.

Лучшим будет тот вариант, который обеспечивает максимальное продвижение к цели с минимальным заимствованием у любого партнера (дешевый кредит).

Первый критерий предполагает жестко установленную последовательность займов, соответствующую расположению терминальных вершин дерева целей, второй такой последовательности не предполагает: заем будет сделан в той терминальной вершине, где «платить» за него придется меньше всего.

Более определенно первый критерий можно выразить следующим правилом: выбрать ту строку в матрице решений, в которой среднее заимствование у «соседа справа» будет наименьшим.

Рис. 4.3. Иллюстрация применения критерия выбора решения

Схема применения данного критерия представлена на рис. 4.3.

Согласно правилу выбора лучшего решения, среднее значение заимствований по строкам равно:

вариант 1: 0+0,2+0,2+0,1+0=0,5;

вариант 2: 0+0,1+0,1+0,2+0=0,4;

вариант 3: 0+0,4+0,4+0,4+0,4=1,6.

Решением является вариант 2 со значениями вершин: А= 2, В=6, С=3, D=5, Е- 9.

Заимствованием можно управлять с помощью более тонкого инструмента: штрафуя заемщика в случае надобности за превышение некоторого порога. Увеличение штрафа может определяться различными функциями, применение которых зависит от тактики, используемой в практике управления лицом, принимающим решение: •

линейной (пропорциональной); •

степенной (у-ах); •

экспоненциальной (у=е*); •

комбинированной экспоненциально-степенной (у=е'а").

Для того чтобы данные функции можно было применять для управления заимствованием, в третье поле элемента матрицы решений следует добавить третью позицию (подполе). Напомним, что первая позиция содержит коэффициент прироста (снижения) показателя за счет ресурса «соседа справа», вторая - предел (граница) заимствования. Сюда добавим третью позицию, указывающую на штраф за заимствование.

Рассмотрим простейший вариант, реализуемый линейной зависимостью. Всем терминальным вершинам присваивается нормированный коэффициент штрафа за заимствование. Нормирование заключается во введении шкалы, например от Одо 100, причем сумма всех нормированных коэффициентов равняется 100.

Коэффициент штрафа за заимствование, умноженный на коэффициент прироста (снижения) за счет ресурса «соседа справа», указывает на состояние дел в данной терминальной вершине. Обратимся к рис. 4.4, где, в отличие от предыдущего варианта (см. рис. 4.3), появилось дополнительное поле (показано в кружке).

Согласно правилу расчета общего штрафа за заимствование, получим:

вариант 1:0-30+0,2 -10+0,2 - 15+0,1 -20+0-25=7;

вариант 2:0-30+0,1 • 10+0,1 • 15+0,2-20+0-25=6,5;

вариант 3:0 • 30+0,4 • 10+0,4 • 15+0,4 • 20+0,4 • 25=18.

Рис. 4.4. Иллюстрация применения коэффициентов прироста за счет штрафа за заимствование

Решением, в отличие от случая, представленного на рис. 4.3, является не вариант 2, а вариант 1 со значениями вершин: А-2; В-4; С=3; D=4; Е=9.

Интересно проследить, какой вариант будет лучшим, если применить не линейную, а экспоненциальную зависимость штрафа от величины займа. Веса штрафа за единицу займа в этом случае не нужны. Воспользуемся исходными данными, представленными на рис. 4.3. Результаты расчетов приведены в табл. 4.4, они указывают, что наилучшим является вариант 2.

Таблица 4.4

Расчет величины штрафов на основании экспоненциальной зависимости Вариант Штрафная характеристика терминальных вершин А В С D Е Сумма 1 е°=1 е°-2= 1,2 е°-2=\,2 е°=\ 5,5 2 е°=1 е01=1,1 е0|=1,1 еол= 1,2 е°=1 5,4 3 е°=1 ем= 1,5 ем=1,5 е°-*= 1,5 е°'4=1,5 7,0 Теперь перейдем к анализу второго критерия - «дешевого кредита». Его смысл состоит в привлечении средств такого «кредитора», заимствование у которого имеет наименьший коэффициент штрафа. Последовательность займов может бьггь следующей. Первая вершина, для которой не хватило ресурсов, обращается не к «соседу спра- ва», а к той вершине, для которой установлен наименьший коэффициент штрафа. Если ресурсов данной вершины также не хватило, обращаются к следующей вершине, имеющей наименьший коэффициент штрафа, и т.д. Очередная вершина, в случае надобности, также обращается за займом к оставшимся вершинам, имеющим наименьший коэффициент штрафа.

Таблица 4.5

Таблица решений Вариант Характеристики терминальных вершин А В С D Е 1 2 3 3(3X0,3;0,4;40) 3(ЗХ0Д0,3;40) 3(3X0,1;0,4;40) 4(6X0,2;0,5;40) 4(6X0,3;0,4;40) 4(6X0,2Д5;40) 5(5X0Д 0,4; 10) 5(5X0,1;0,5;10) 5(5X0,4;0,4;10) 4(5X0,1;0Д20) 4(5Х0ЖЗ;20) 4(5Х0,4;0,5^0) 9(10X0:1^5) 9(10X0,1^5) 9(10X0,4Д6;25) В процессе расчета требуемой величины для вершины А выяснилось, что выделенных для нее ресурсов объемом 3 ед. не хватило (табл. 4.5). В результате произошло обращение не к «соседу справа», а к вершине С, так как штраф за заимствование у нее установлен в 10 ед., что на 30 ед. меньше по сравнению в вершиной В.

Критерий «дешевого кредита» более тонкий, чем критерий «займи у соседа справа», так как позволяет управлять заимствованием, исходя не из наперед жестко заданной схемы (слева направо), а на основании динамично изменяющейся схемы, учитывающей состояние дел не только у «соседа справа», а у всей совокупности терминальных вершин.

Совершенствование предложенных здесь критериев выбора лучшего решения может быть продолжено в направлении установления некоторой границы заимствований, в пределах которой заимствование может не штрафоваться или штрафоваться по линейной зависимости, а за ее пределами - более жестко, например по экспоненциальной. В арсенале разработчика системы здесь может использоваться весь перечень известных ему функций.

Все это влечет усложнение структуры каждого элемента таблицы решений. Второе поле, ранее предназначавшееся для указания границ, в пределах которых возможно заимствование, теперь делится на две части: первая из которых указывает на одну плату за заимствование, а вторая - на другую. Более подробно об этом речь вдет ниже.

Рассмотренные теоретические положения ориентированы на класс задач, цель решения которых удается сформулировать. Известны также элементарные зависимости между показателями, характеризующими подцели. Но, кроме таких задач, существуют противоположные по своим характеристикам задачи. Для них невозможно сформулировать главную цель и разложить ее в виде дерева целей, а отсюда неизвестна зависимость между показателями. Иногда вместо целей удается сформулировать гипотезы свершения тех или иных событий, процессов, состояний. При этом, как правило, известна информация лишь о связях между объектами, эти связи характеризуются нечеткими правилами. Все это оценивается экспертом-пользователем специальными коэффициентами определенности [251].

Идеи РОЦ-концепции и процедуры РОЦ-технологии здесь применимы лишь частично. Для того чтобы очертить эту область, можно задать следующий вопрос: «Если исходная информация для принятия решения неточная, а правила, с помощью которых эта информация обрабатывается, приблизительны, то нельзя ли получить несколько вариантов решения задачи, среди которых выбрать лучший, по мнению пользователя, или на основе формальных правил? Иными словами, как и в процессе применения таблиц решений, мы воспользуемся дроблением, но уже не КПЦ, а коэффициентов определенности, характеризующих исходные данные и правила.

Допустим, что гипотеза 1 выводится на основании двух правил, представленных в виде дерева И-ИЛИ на рис. 4.5.

Коэффициент определенности для условий и правил всегда можно указать в некотором диапазоне, ибо эксперту легче ориентироваться на некоторую область возможных значений, а не на отдельное значение, так как множество возможных значений вызывает больше доверия. Комбинация значений коэффициентов определенности генерирует множество ответов. Разумеется, выбирается тот, который обеспечивает максимум определенности гипотезы.

Подтверждением удобства применения одной из идей РОЦ-концеп- ции может служить рассмотрение примера, показанного на рис. 4.5. Допустим, что для коэффициента определенности эксперт вместо одного значения в состоянии указать диапазон (0,2-4-0,5), а для условия В - (0,4-г0,5). Для правила 2 он также в состоянии указать лишь диапазон (0,3-4-0,45). Комбинируя эти значения в процессе расчета коэффициентов определенности гипотезы 1, можно получить максимальный коэффициент, что является основой для анализа ситуации, послужившей причиной для такого ответа. Каким образом выполняются подобного рода расчеты, изложено нами в [141].

Последняя группа процедур РОЦ-технологии предназначена для информационной поддержки, необходимость в которой может появиться у лица, принимающего решение, в любое время. Здесь в полной мере проявляется вторая составляющая эффективности системы, появляющаяся в результате двухуровневой интеграции процедур РОЦ-технологии.

На каждом из этапов формирования решения перед пользователем возникает проблема нехватки знаний для его выполнения, в силу постоянно меняющихся целей, задач, ограничений, внешних по отношению к предприятию условий. Кроме того, после принятия решения перед пользователем возникает проблема критического осмысления полученного варианта решения, ибо его получение вовсе не означает автоматическое внедрение в производственно-хозяйственную практику. Воплощение решения в жизнь требует учета дополнительных условий, проведения дополнительных консультаций и, как правило, осуществления ряда доработок. Здесь незаменимым инструментом выступает система формирования решений, обращение к которой может носить консультативно-обучающий, согласовательный или критический характер.

Такое общение с системой крайне важно, ибо практически любое мыслительное усилие происходит в виде диалога, а роль партнера по диалогу неоценима: она стимулирует и обостряет способности пользователя к рассуждениям, умозаключениям и выводам. Диалог с системой, ее информационная поддержка - вот та среда, которая может помочь в воплощении решения в производственную среду.

Один из путей понимания того, что должна делать система поддержки исполнения решения, заключается в следующем: пользователь должен вспомнить ситуацию, при которой возникает недостаток знаний и практического опыта, необходимый для решения проблем, возникающих в процессе деятельности. Далее следует мысленно очень четко представить себе задачу, которая требует решения, а затем выбрать стратегию ее решения и понять, какие ресурсы необходимы для этого.

Вот некоторые из вопросов, которые обычно приходят в голову на этом этапе работы:

Что я должен делать?

Как мне сделать это?

Правильно ли я делаю?

В процессе обучения новички - исполнители часто переключаются с одного вопроса или запроса на другой или повторяют их, т.е. они пытаются управлять своим пониманием ситуации, а также тем, что должно быть выполнено в первую очередь. Требуемые последовательность, глубина и повторение информации будут разными для каждого отдельного человека. Так, пользователь может быть внутренне непоследовательным в отношении того пути, который он использует в процессе выполнения решения и изучения проблемы.

Если один из методов решения не работает, новичок пытается избрать другой или конкретизирует запрос. Человек, помогающий новичку, может выбрать различные стратегии помощи - описание того, что нужно делать, или иллюстрации. Кроме того, он может корректировать работу обучаемого, подтверждая выбранную им стратегию, или предложить другую, более выгодную для достижения поставленной учеником цели.

Учителя и ученики периодически общаются друг с другом и обсуждают возникшие ситуации. В лучшем случае этот процесс продуктивен - ученики поддерживают и увеличивают свою мотивацию в области приобретения знаний, их уверенность в себе растет, преподаватели понимают нужды учеников и оптимальным образом помогают им преодолевать трудности. Однако не всегда все происходит так безупречно. Процесс общения между учениками и преподавателями может бьггь деморализующим и непродуктивным, и тогда один из участников общения или оба выбывают из процесса.

Ниже представлены вопросы [249], возникающие у пользователя при выполнении новых или сложных заданий, а также ответы на них. Вопросы или нужаы обучаемого

Зачем это делать? Что это?

Что относится к этому'' Как я это делаю?

Как и почему это случилось? Покажи мне пример... Научи меня...

Помоги мне.. Посоветуй мне...

Дай мне попробовать... Понаблюдай за мной Оцени меня Пойми меня

Как это работает? Почему так работает? Сравни это и это для меня Прогнозируй для меня Где я?

Что дальше?

Ответы системы

Объяснения, примеры Определение, иллюстрации, описания Доступные связи

Процедура, интерактивные справочники, готовые методы (блок-схемы, алгоритмы, консультации)

Объяснение, пример или демонстрация Примеры

Интерактивное обучение, практическая деятельность с обратной связью Интерактивные консультации Готовые методы, блок-схемы, алгоритмы, консультации

Практическая работа Система слежения Оценки или тесты

Обратная связь с отчетом, суждением, интерпретацией, системы слежения, отслеживающие действия пользователя или связь Объяснения Примеры

Сравнительные объяснения и описания Описания и демонстрация последствий Системы управления, слежения, виды связи (Вы здесь)

Направления, подсказки, тренировки, список опций или путей Перечисленные вопросы и ответы позволяют создать базу для творческого мышления при разработке системы формирования решений. Следует помнить, что количество вопросов ограничено и вся связанная с ними информация может быть точно определена. Каждый ученик может использовать те связи вопросов-ответов, которые ему более понятны, реализуя тем самым индивидуальное обучение. Понятно, что индивидуальные занятия с учителем - наиболее перспективная форма обучения.

Восполнение пробелов в знании способов внедрения принятого решения в реальный производственно-хозяйственный процесс, т.е. поддержка исполнения решений, во многом зависит от обучающих способностей системы. Ее главная функция состоит в умении объяснить пользователю то, что он не знает или не понимает. Объяснительные возможности информационных систем подробно излагаются в [82]. На наш взгляд, там также приведена достаточно полная и глубокая классификация возможностей этих средств, средств общения с ними. К ним прежде всего относится объяснение: •

способностей системы; •

фактических событий; •

гипотетических событий; •

критических ситуаций.

Объяснительные способности системы могут быть реализованы различными способами. Так, система может быть организована подобно тому, как это было предложено нами в [66] для выдачи диагностических сообщений о финансовом состоянии предприятия. Это могут быть заготовленные объяснения на естественном языке либо объяснения, генерируемые программой. В любом случае база учебных знаний должна содержать в себе развитую схему диалога, способную без особых сложностей выяснить затруднения пользователя, совместно поискать необходимую информацию, сделать, если нужно расчеты, поддержать пользователя при критическом осмыслении предложенных системой действий по внедрению решения в жизнь.

Разработке подобного рода обучающих систем посвящено достаточное количество научных работ [15, 27, 31, 98, 126, 183]. Наиболее близко к РОЦ-концепции стоит подход А. Растригина [182]. Им предложена модель адаптируемой обучающей системы, рассматриваемой с позиции управления объектом. Объектом управления служит обучаемый. Для целенаправленного воздействия на объект предложен алгоритм обучения - набор правил, по которым определяется, чему учить данного человека в той или иной ситуации. Алгоритм обучения реализуется в виде обучающей программы - тьютора, [261] который:

а) предоставляет обучаемому порции обучающей информации;

б) анализирует выполняемые им задания;

в) оценивает знания обучаемого.

В основу анализируемого подхода положена проверенная на практике модель обучаемого. Используя данные психологии в обла- сти исследования памяти, ученые в качестве модели выбрали классическую экспоненциальную зависимость вида:

Р? = Р,= 1 - е""'" ,/ = UN;n = 1,2...

где Р" - возможность незнания /-го элемента обучающей информации; /" - время с момента последнего заучивания /-го элемента обучающей информации;

а" - скорость забывания /-го элемента обучающей информации на п-м сеансе.

Нет сомнений в высокой адекватности предложенной модели, апробированной в процессе обучения иностранному языку, однако мы придерживаемся иной точки зрения, касающейся модели обучаемого.

Монотонная экспоненциальная закономерность убывания числа слов, удерживаемых в памяти, приобрела статус классической благодаря трудам И. П. Павлова, Г. Эббингауза, Э. Л. Торндайка. Дальнейшее развитие она получила в работах Р. Аткинсона, Г. Ба- дэра и Э. Кротерса [235]. Однако постепенно стали выявляться несовпадения реального процесса с общепризнанной установкой - обязательной аппроксимацией экспериментальных данных с монотонной асимптотической кривой обучения.

Исследования, результаты которых приведены в [33], показывают, что процесс обучения может описываться традиционными монотонными моделями лишь в частных случаях. Более правдоподобно эти процессы представляются с помощью немонотонных трансформационных кривых, переходящих одна в другую. Законы, согласно которым появляются трансформационные кривые и на которые далее мы будем ориентироваться, тщательно рассмотрены в упомянутой выше работе. Главное достоинство принципов, вытекающих из этих законов, заключается в том, что они достаточно ясно показывают, каким образом трансформационная теория обучения отражает процесс взаимной адаптации обучаемого и обучающей системы. Характеристические кривые позволяют проанализировать эффективность той или иной стратегии обучения в зависимости от параметров обучения.

РОЦ-концепция предусматривает самоадаптацию системы формирования решений к уровню знаний пользователя. В соответствии с определением стратегии адаптации, введенному в предыдущем разделе, здесь остановимся еще на одном понятии - шаге адаптации. Шаг адаптации - это замена значений одного или нескольких пара- метров в результате диалогового взаимодействия пользователя с обучающей системой.

Кроме стратегии адаптации, введем еще одно понятие - текущая последовательность состояний системы - цепочка состояний, которые система преодолевает фактически. Цепочка стратегии адаптации и фактическая цепочка могут совпадать (и тогда система продвигается к конечному состоянию успешно с минимальными затратами), либо не совпадать. Последнее свидетельствует о том, что найден не самый лучший путь к полной адаптации. Для того чтобы можно было оценить эффективность адаптации, ниже будет введена функция, способная численно охарактеризовать фактический путь продвижения к цели.

В задачу оценочной функции должно входить также управление поведением системы, цель которого состоит в обеспечении ее попадания в конечное состояние. Иллюстрация двух цепочек - цепочки стратегии адаптации (а) и фактической цепочки (б) - приведена на рис. 4.6.

Рис. 4.6. Иллюстрация цепочек стратегии адаптации (в), и фактической цепочки (б)

Попадание в какое-либо состояние, например S7 из состояния S0 через состояния S, - S4 или через S9 характеризуется вероятностным величинами, ибо никогда однозначно нельзя сказать, какой ответ будет получен от пользователя и в какое состояние системе затем следует перейти. Поэтому воспроизведение процесса самонастройки системы на обучаемого должно ориентироваться на предварительно разработанные стратегии адаптации.

Рекомендательно-контролирующие системы, создаваемые в среде СФР, менее зависимы от уровня компетентности пользователя. Диалог с системой здесь проще, однако ее функции не менее сложны, так как главная задача состоит в выполнении дополнительных расчетов, полезных для организации поддержки исполнения решений. По существу, здесь происходит продолжение расчетов, аналогичных расчетам значений терминальных вершин дерева целей. Разница заключается лишь в том, что результаты расчетов снабжаются инструкциями по их использованию.

Эксплицитное описание интеллектуальной информационной поддержки формирования решений в среде РОЦ-технологии предпринято нами с целью выполнения предварительного шага к формализации процедур создания нового рода систем. Представляется выполнение данного шага необходимым, ибо большой объем информации, требуемый для понимания формализмов, применяемых во время описания методов создания системы, затеняет содержательные аспекты проблемы.