CC BY
6Модуль оценки рисков реализации генеральной схемы инфраструктур связи
Фролова Кристина Александровна
аспирант Санкт-Петербургского государственного университета телекоммуникаций им. проф. М.А. Бонч-Бруевича, г. Санкт-Петербург, Россия, frolkris988@gmail.com
Шестаков Александр Викторович
д.т.н., с.н.с., профессор кафедры Санкт-Петербургского государственного университета телекоммуникаций им. проф. М.А. Бонч-Бруевича, г. Санкт-Петербург, Россия, alexandr.shestakov01@yandex.ru
АННОТАЦИЯ_
Исследование посвящено ведению сведений о риск-параметрах элементов электронных цифровых генеральных схем топологических инфраструктур, таких, как сети связи единой сети электросвязи России, территориально-распределенные центры обработки информации критически важной инфраструктуры Российской Федерации, интеллектуальной транспортной инфраструктуры России и других, подобного назначения. Данные о риск-параметрах формируются на основе процедур кластеризации элементов инфраструктур, которые создаются (модернизируются) в рамках единого проекта, преобразования кластеров в цифровую топооснову с применением взвешенных графовых моделей, оверлея слоев кластера с выявлением взаимоувязанных элементов инфраструктур, расчета и оценки значений параметров существенных рисков с учетом прецедентов. Обоснована функциональная структура системы компьютерного моделирования, которая реализует указанные процедуры с возможностью предоставления данных пользователям электронных цифровых генеральных схем и ответственным за кластеры элементов с учетом импортозамещения и устойчивости критически важных инфраструктур России.
КЛЮЧЕВЫЕ СЛОВА: инфраструктурный проект; генеральная схема; графовые модели; риски; сложные проекты.
Введение
В настоящее время существует противоречие между растущим объемом данных от различных источников о состоянии динамически развивающихся топологических инфраструктур сложных систем, данных мониторинга уровня реализации локальных проектов по созданию (модернизации) элементов, подсистем и инфраструктур сложных систем в целом и методами и способами их интегрированного использования в управлении процессами поддержания функционирования подсистем и проектами развития элементов взаимовлияющих подсистем топологических инфраструктур сложных систем.
Цель исследования
При поэтапной реализации проектов развития инфраструктур связи, таких как сети связи единой сети электросвязи России, территориально-распределенные центры обработки информации ситуационных центров, интеллектуальных транспортных систем, возникает необходимость определения рисков для принятия решений по управлению такими сложными инфраструктурными проектами.
Под сложным инфраструктурным проектом в данном исследовании понимается проект создания, развития и совершенствования информационно-телекоммуникационной инфраструктуры, которая представляет собой сложную систему со свойствами расширения, разнотипными подсистемами (элементами) и разнородными связями, различной степенью связи элементов по этапам реализации сложного проекта. При пересечении элементов отдельных проектов в рамках единого инфраструктурного проекта риск-параметры взаимоувязанных проектов оказывают влияние на реализацию друг друга.
Анализ исследований в области управления сложными проектами, таких как определение отклонений от базового плана в работах Аньшина В.М., Богданова В.В., Ильина В.В., Царькова И.Н., оптимизация контрольных точек на примере пооперационного контроля разработки программных средств в работах Авдошина С.М., Липаева В.В., ситуационное управление в работах Бородина В.А., Врума В., Горшенина В., Джильберта Л., Иеттона Ф., Поспелова Д. Г, Клыкова Ю. И., Митчелла Т., Розенберга И. Н., Фидлера Ф., Хауса Р., Хер-сли П., Цветкова В. Я., Цыганова В. В., Шишкина Г. Б. и других, показал, что в них не учитывается использование многосценарных стратегий управления проектами и взаимоувязанными риск-параметрами.
Методы исследования
Для исследования риск-параметров сложных проектов, с учетом расположения структурных элементов проектов на действующей инфраструктуре и их пересечений, предлагается использование графовых моделей.
Пример соответствия вершин и ребер графов для трех инфраструктурных проектов приведен в табл.1.
Данные о риск-параметрах формируются на основе процедур кластеризации элементов инфраструктур, которые создаются (модернизируются) в рамках единого проекта, преобразования кластеров в цифровую топооснову с применением взвешенных графовых моделей, оверлея слоев кластера с выявлением взаимоувязанных элементов инфраструктур, расчета и оценки значений параметров существенных рисков с учетом прецедентов [1-2].
Таблица 1. Соответствие элементов графов инфраструктурных проектов реальным объектам
инфраструктур
Инфраструктурный проект Вершины Ветви
Телекоммуникационная инфраструктуры Узлы связи разного уровня Линии (тракты, каналы) связи
Инфраструктура ситуационных центров Ситуационные центры ФОИВ/субъектов РФ и местного самоуправления/предприятий и т.д., ЦОДы ситуационных центров Линии (тракты, каналы) связи между ситуационными центрами
Интеллектуальные транспортные системы Транспортные средства, объекты транспортной инфраструктуры Линии (тракты, каналы) связи между транспортными средствами, объектами транспортной инфраструктуры
Типовая графовая модель взаимоувязанных сложных инфраструктурных проектов, имеющих общие структурные элементы представлена на рис.1.
Рис. 1. Графовая модель взаимоувязанных инфраструктурных проектов
Результаты исследования
Процессы создания, развертывания и развития (модернизации) элементов инфраструктур можно рассматривать как процессы, которые осуществляются в рамках единого сложного проекта, процедуры которого представлены на рис.2.
Рис. 2. Процессный подход сложного проекта инфраструктурных систем
Концептуальная модель управления параметрами систем многосценарных сложных проектов на примере автоматизированных систем управления телекоммуникационной системы с применением процедур ситуационного управления {КМа} и с учетом функциональных элементов модели системы ситуационного управления объектом проектирования, может быть представлена в виде:
{КМа} = {Ss}^{Yy}^{Kk}^{Iг}^{Mm}^{Ww}^{Vv}^{Dd}^{Rr}^{Pp}, (1)
где - подмножество данных об условиях функционирования объектов автоматизации проектируемой системы управления телекоммуникационной инфраструктурой;
{Yy} - подмножество данных о состоянии объектов автоматизации проектируемой системы управления телекоммуникационной инфраструктурой;
{Кк} - подмножество процедур обработки данных о состоянии объектов автоматизации проектируемой системы управления телекоммуникационной инфраструктурой;
{1г} - подмножество процедур представления результатов состояния объектов автоматизации проектируемой системы управления телекоммуникационной инфраструктурой;
{Мт} - подмножество процедур представления эталонных (заданных) состояний объектов автоматизации проектируемой системы управления телекоммуникационной инфраструктурой;
{Ww} - подмножество процедур определения наиболее схожих вариантов состояний объектов автоматизации проектируемой системы управления телекоммуникационной инфраструктурой;
{ Vv} - подмножество процедур определения целевой ситуации об условиях функционирования и состоянии объектов автоматизации проектируемой системы управления телекоммуникационной инфраструктурой;
{Dd} - подмножество процедур выработки стратегий проектирования системы управления телекоммуникационной инфраструктурой;
{^г} - подмножество процедур принятия решений по проектированию системы управления телекоммуникационной инфраструктурой;
{Pp} - подмножество процедур выдачи коррекций на проектирование системы управления телекоммуникационной инфраструктурой.
Также значимым направлением в управлении рисками является проактивный подход, предупреждающее управление рисками. Он подразумевает использование моделей анализа и оценки рисков и инструменты, которые ответственные лица проекта могут использовать для определения рисков, принятия решений, мониторинга реакций на риски проекта [3-4].
В силу содержания в едином сложном проекте множества реализуемых отдельных проектов с взаимоувязанными элементами, высокими рисками нереализации [5], принятия решений по реализации отдельных проектов и их элементов разными ответственными лицами имеет место использование системы поддержки принятия решений по управлению реализацией сложных проектов.
Кластеризация рисков сложных инфраструктурных проектов представлена в табл. 2 (уточненная модель [6]).
По результатам предварительных исследований графового моделирования и численных методов исследования графов выявлено, что для исследования сложных проектов используются математические модели сложности графов в работах Кохова В.А. и Кохова В.В. [7-8], сценарные графовые модели в работах Махутова Н.А. [9-10], графовые модели с дополнительными весами ребер в работах Марона М.А. [11], модели прогнозирования ситуаций проектов с использованием алгоритмов свертки графов в работах Сергеева Н.Е. и Мунтяна Е.Р. [12-13], моделирование проектов на основе нечетких графов и определение живучести проектов в работах Ястребинской Д.Н. [14-15] и др [16-17].
Использование риск-ориентированного подхода к ситуационному управлению сложными инфраструктурными проектами позволяет учитывать риск-параметры проектов при принятии решений по реализации должностными лицами исполнительных органов власти [18-19].
Помимо описанных выше процессов формирования, сбора и обработки данных о риск-параметрах проектов, наблюдается растущий объем данных от различных источников о состоянии динамически развивающихся топологических инфраструктур сложных систем, например, в информационной системе «Генеральная схема развития сетей связи и инфраструктуры хранения и обработки данных Российской Федерации» (ИС «Генеральная схема») [20].
Реализацию интегрированного использования данных в управлении процессами поддержания функционирования подсистем и проектами развития элементов взаимовлияющих подсистем топологических инфраструктур сложных систем можно представить посредством разработки и внедрения дополнительного модуля системы компьютерного моделирования данных мониторинга уровня реализации локальных проектов по созданию (модернизации) элементов, подсистем и инфраструктур сложных систем в целом.
Функциональная структура системы компьютерного моделирования в среде ИС «Генеральная схема», которая реализует указанные процедуры с возможностью предоставления данных пользователям электронных цифровых генеральных схем и ответственным за кластеры элементов, представлена на рис.3.
Таблица 2. Типы рисков сложных инфраструктурных проектов
Категория риска Этап подготовки Этап реализации Этап эксплуатации Этап окончания
Систематические риски Политические и регуляторные риски Риск неполучения разрешения и согласования проектной документации Риск отмены ранее выданных разрешений Риск пересмотра условий контракта/договора Риск изменения тарифных нормативов Риск закрытия контракта и ликвидации активов
Риски изменения системы валютного регулирования
Страновой риск
Риск законодательных изменений
Правовые риски
Форс-мажорный риск
Макроэкономические риски Риск доступности финансирования Риск рефинансирования
Риск ликвидности
Риск волатильности спроса/ рыночный риск
Финансовые риски (процентный, валютный, инфляционный)
Несистематические риски Бизнес-риски Риск финансового планирования Ресурсный риск
Кредитный риск (риск контрагента)
Риск планирования и управления проектом
Технические риски Риск неосуществимости проекта и предварительного завершения Операционный риск (исполнения обязательств проекта) Риск несоот-вет-ствия проектной документации
Моральный износ, устаревания используемых технологий
Технологический риск и риски кибербезопасности
Интеграционные Риски, связанные с взаимозависимостью проектов, связанные со сложностью проектов
Наиболее сложным в реализации компонент системы компьютерного моделирования является компьютерная система графового моделирования. В процессе исследования проведена оценка возможности использования существующих программных средств открытого (свободно распространяемого) специального программного обеспечения графового моделирования с учетом обеспечения требований безопасности и устойчивости критически важных инфраструктур России.
Примерами средств построения графовых моделей инфраструктурных проектов являются:
yEd graph editor (разработчик yWorks) - кроссплатформенное, свободно распространяемое ПО построения диаграмм общего назначения с многодокументным интерфейсом (https://www.yworks.com/products/yed);
Рис.3. Функциональная структура системы компьютерного моделирования в среде ИС «Генеральная схема»
Gephi (группа разработчиков Технологического университета Компьеня, Франция) -пакет ПО для сетевого анализа и визуализации с открытым исходным кодом (https://gephi.org/);
Tulip (группа разработчиков Университета Бордо и Национального центра научных исследований, Франция) - ПО, которое предназначено для визуализации информации, предназначенное для анализа и визуализации реляционных данных (https://tulip.labri.fr/site/);
Cytoscape (группа разработчиков Института системной биологии в Сиэтле, штат Вашингтон, США) - биоинформатическое ПО с открытым исходным кодом, предназначенное для визуализации сетей молекулярных взаимодействий и биологических путей с возможностью использования дополнительных данных, таких как функциональная аннотация, информация об уровне экспрессии генов и прочих (https://cytoscape.org/);
Graphviz (разработчик AT&T) - пакет утилит для автоматической визуализации графов, заданных в виде описания на языке DOT, а также дополнительных текстовых и графических программ, виджетов и библиотек, используемых при разработке ПО для визуализации структурированных данных (https://graphviz.org/).
Результаты оценки применимости существующих программ для системы графового моделирования представлены в табл.3 и на рис.4.
Таблица 3. Оценка программных средств для использования в модуле компьютерных систем
графового моделирования
Наименование программного обеспечения
Параметр yE <1 Gep М Ти- Ир Cyto-scape Graph- viz Модуль оценки рисков и поддержки принятия решений при ведении ИС «Генеральная схема»
1. Возможность работы на
разрешенных операцион- 1 1 1 1 1 1
ных системах в органах ис-
полнительном власти
2. Применяемые средства разработки 0,8 0,8 0,7 0,8 0,6 0,8
3. Распространение 0,5 0,8 0,8 0,8 0,8 0,8
4. Поддерживаемые форматы импорта данных 0,6 0,5 0,6 0,8 0,3 0,9
5. Поддерживаемые форматы экспорта данных 0,9 0,6 0,3 0,9 0,6 0,9
Рис.4. Диаграмма оценок программных средств для использования в модуле компьютерных систем графового моделирования
Заключение
Предложенное системотехническое решение позволит агрегировать данные от существующих информационных источников по результатам мониторинга состояний действующих инфраструктур и процессов развития (совершенствования) элементов и подсистем инфраструктур сложных проектов и обеспечит более адекватное управление не только в контуре операционного управления инфраструктурами, но и в контуре управления развития сложных систем.
Дальнейшим направлением развития рассмотренной проблематики является проработка модуля визуализации комплекта агрегированных данных, предоставляемых в электронные цифровые генеральные схемы для должных лиц в системах поддержки принятия решений.
Исследование проведено в рамках прикладных научных исследований СПбГУТ, регистрационный номер 121021500261-5 от 15.02.2021 в ЕГИСУ НИОКТР.
Литература
1. Ouyang M. Review on modeling and simulation of interdependent critical infrastructure systems // Reliability Engineering & System Safety. 2014. Vol.121. Pp. 43-60. DOI: 10.1016/j.ress.2013.06.040.
2. Wang T., Wang S., Zhang L., Huang Z. A major infrastructure risk-assessment framework: Application to a cross-sea route project in China // International Journal of Project Management. 2016. Vol. 34(7). Pp. 1403-1415. DOI: 10.1016/j.ijproman.2015.12.006.
3. Rihar L. Zuzek T., Berlec T., Kusar J. Standard Risk Management Model for Infrastructure Projects // Risk Management in Construction Projects. IntechOpen. 2019. DOI: 10.5772/intechopen.83389.
4. Jovanovic J., MosurovicM., Beric I. Risk as a Factor of Decision Making in Projects Financing of Infrastructure Projects // European Project Management Journal. 2020. Vol. 10(2). Pp. 11-17. DOI: 10.18485/epmj.2020.10.2.2.
5. Bata Krishna Tripathy. Risk Assessment in IT Infrastructure // Security and Privacy From a Legal, Ethical, and Technical Perspective. IntechOpen. 2020. Pp. 1-14. DOI: 10.5772/intechopen.90907.
6. Шибаева В.С., Спасская Н.А. Риски инфраструктурных проектов в условиях развития цифровой экономики // Инновационная экономика и современный менеджмент. 2019. № 2. С. 10-13.
7. Кохов В.А., Кохов В.В., Джасим М.Р. Графовые модели для анализа структурной сложности систем // Вестник МЭИ. 2010. № 1. С. 103-116.
8. Кохов В.А., Кохов В.В. Метод решения задачи различения орграфов на основе сложности // Бизнес-информатика. 2011. № 1(15). С. 11-23.
9. Махутов Н.А., Абросимов Н.В., Гаденин М.М. Обеспечение безопасности - приоритетное направление в области фундаментальных и прикладных исследований // Экономические и социальные перемены: факты, тенденции, прогноз. 2013. № 3(27). С. 46-71.
10. Махутов Н.А. Безопасность и риски: системные исследования и разработки. Новосибирск: Новосибирское отделение издательства «Наука». 2017. 724 с.
11. Марон А.И., Марон М.А. Информационный подход к организации контроля проектов // Бизнес-информатика. 2012. № 4(22). С. 54-60.
12. Сергеев Н.Е., Мунтян Е.Р., Целых А.А., Самойлов А.Н. Обобщение графов ситуаций на основе спискового алгоритма свертки для задач ситуационного управления // Известия ЮФУ. Технические науки. 2017. № 3. С. 111-121.
13. Сергеев Н.Е., Мунтян Е.Р. Применение алгоритма свертки для разделения графа на пропорциональные подграфы // Вестник УГАТУ. 2018. Т. 22, № 1 (79). С. 121-130.
14. Ястребинская Д.Н. Анализ живучести нечеткой транспортной сети с потоками двух продуктов // Известия ЮФУ. Технические науки. 2008. № 1 (78). С. 144-145.
15. Ястребинская Д.Н. Увеличение степени живучести нечеткого графа второго рода // Известия ЮФУ. Технические науки. 2008. № 10 (87). С. 200-204.
16. Turskis Z., Goranin N., Nurusheva A., Boranbayev S. Information Security Risk Assessment in Critical Infrastructure: A Hybrid MCDM Approach // Informatica. 2019. Vol. 30(1). Pp. 187-211. DOI: 10.15388/Informatica.2019.203.
17. Денисова А.И. Моделирование рисков разработки и реализации инфраструктурного проекта на основе методов сетевого планирования // Вестник университета. 2019. № 12. С. 56-65. DOI: 10.26425/1816-4277-2019-12-56-65.
18. Ходосова Е.В. Риски в ситуационном управлении проектами // Молодой ученый. 2019. № 6(244). С. 155-156.
19. Гусева И.Ю. Ситуационный подход и когнитивное моделирование в управлении рисками муниципальной собственности // Экономика и управление. 2008. № 32(89). С. 39-43.
20. Девяткин Е.Е., Иванкович М.В., Володина Е.Е. Стратегическое управление сетями связи Российской Федерации как главная задача развития информационной инфраструктуры // Электросвязь. 2020. № 9. С. 24-29.
RISK ASSESSMENT IMPLEMENTATION MODULE FOR THE GENERAL SCHEME OF COMMUNICATION INFRASTRUCTURES
KRISTINA A. FROLOVA,
St-Petersburg, Russia, frolkris988@gmail.com
ALEXANDER V. SHESTAKOV,
St-Petersburg, Russia, alexandr.shestakov01@yandex.ru
ABSTRACT
The study focuses on the maintenance of data on the risk-parameters of elements of electronic digital master schemes of topological infrastructures, such as communication networks of the unified telecommunications network of Russia, geographically distributed information processing centers of critical infrastructure of the Russian Federation, intelligent transport infrastructure of Russia and others, of a similar purpose. Risk-parameter data are formed on the basis of procedures for clustering infrastructure elements that are created (upgraded) as part of a single project, converting clusters into a digital topographic base using weighted graph models, overlaying cluster layers to identify interrelated infrastructure elements, calculation and evaluation of the values of significant risk parameters, taking into account the precedents. The functional structure of the computer modelling system, which implements the above procedures with the ability to provide data to users of electronic digital master schemes and responsible for clusters of elements, taking into account import substitution and sustainability of critical infrastructures in Russia, is substantiated.
Keywords: infrastructure project; master plan; graph models; risks; complex projects.
REFERENCES
1. Ouyang M. Review on modeling and simulation of interdependent critical infrastructure systems. Reliability Engineering & System Safety. 2014. Vol.121. Pp. 43-60. DOI: 10.1016/j.ress.2013.06.040.
2. Wang T., Wang S., Zhang L., Huang Z. A major infrastructure risk-assessment framework: Application to a cross-sea route project in China. International Journal of Project Management. 2016. Vol. 34(7). Pp. 1403-1415. DOI: 10.1016/j.ijproman.2015.12.006.
3. Rihar L. Zuzek T., Berlec T., Kusar J. Standard Risk Management Model for Infrastructure Projects. Risk Management in Construction Projects. IntechOpen. 2019. DOI: 10.5772/intechopen.83389.
4. Jovanovic J., Mosurovic M., Beric I. Risk as a Factor of Decision Making in Projects Financing of Infrastructure Projects. European Project Management Journal. 2020. Vol. 10(2). Pp. 11-17. DOI: 10.18485/epmj.2020.10.2.2.
5. Bata Krishna Tripathy. Risk Assessment in IT Infrastructure. Security and Privacy From a Legal, Ethical, and Technical Perspective. IntechOpen. 2020. Pp. 1-14. DOI: 10.5772/intechopen.90907.
6. Shibaeva V.S., Spasskaya N.A. Risks of infrastructure projects in the conditions of digital economy development. Innovative economics and modern management. 2019. No. 2. Pp. 10-13.
7. Kochov V.A., Kochov V.V., Jasim M.R. Graph models for the analysis of structural complexity of systems. Bulletin of the MEI. 2010. No. 1. Pp. 103-116.
8. Kochov V.A., Kochov V.V. Method of solving the problem of distinguishing digraphs based on complexity. Business Informatics. 2011. No. 1(15). Pp. 11-23.
9. Makhutov N.A., Abrosimov N.V., Gadenin M.M. Ensuring safety is a priority direction in the field of fundamental and applied research. Economic and social changes: facts, trends, forecast. 2013. No. 3(27). Pp. 46-71.
10. Makhutov N.A. Safety and risks: system research and development. Novosibirsk: Novosibirsk branch of the publishing house "Nauka". 2017. 724 p.
11. Maron A.I., Maron M.A. Informational approach to the organization of project control. Business Informatics. 2012. No. 4(22). Pp. 54-60.
12. Sergeev N.E., Muntyan E.R., Tselev A.A., Samoilov A.N. Generalization of situation graphs based on a list convolution algorithm for situational management problems. News of the SFU. Engineering science. 2017. No. 3. Pp. 111-121.
13. Sergeev N. E., Muntean E. R. Application of the convolution algorithm for dividing a graph into proportional sub-graphs. Vest-nik UGATU. 2018. Vol. 22. No. 1 (79). Pp. 121-130.
14. Yastrebinsky D. N. Analysis of the survivability of fuzzy transportation network with two streams of production. Izvestiya yufu. Technical Sciences. 2008. No. 1 (78). Pp. 144-145.
15. Yastrebinskaya D.N. Increasing the degree of survivability of a fuzzy graph of the second kind. Izvestiya SFU. Technical Sciences. 2008. No. 10 (87). Pp. 200-204.
16. Turskis Z., Goranin N., Nurusheva A., Boranbayev S. Information Security Risk Assessment in Critical Infrastructure: A Hybrid MCDM Approach. Informatica. 2019. Vol. 30(1). Pp. 187-211. DOI: 10.15388/Informatica.2019.203.
17. Denisova A.I. Risk modeling of the development and implementation of an infrastructure project based on network planning methods. Bulletin of the University. 2019. No. 12. Pp. 56-65. DOI: 10.26425/1816-4277-2019-12-56-65.
18. Khodosova E.V. Risks in situational project management. Young Scientist. 2019. No. 6(244). Pp. 155-156.
19. Guseva I.Y. Situational approach and cognitive modeling in risk management of municipal property. Economics and Management. 2008. No. 32(89). Pp. 39-43.
20. Devyatkin E.E., Ivankovich M.V., Volodina E.E. Strategic management of communication networks of the Russian Federation as the main task of information infrastructure development. Telecommunication. 2020. No. 9. Pp. 24-29.
