CC BY
38
УДК: 004.8+658 ББК: 30.606+32.965
Куралесова Н.О.
ОЦЕНКА ВЛИЯНИЯ РИСКОВ НА УРОВЕНЬ СВЯЗНОСТИ В ГИБКИХ
СИСТЕМАХ
Kuralesova N. O.
ASSESSMENT OF THE IMPACT OF RISKS ON THE LEVEL OF CONNECTIVITY
IN FLEXIBLE SYSTEMS
Ключевые слова: архитектура предприятия, критерий модульности, нечеткая критериальная оценка
Keywords: enterprise architecture, the criterion of modularity, fuzzy criteria assessment
Аннотация: в статье рассматривается модель статистического контроля за процессами передачи данных, в рамках определения информационных связей гибких систем.
Abstract: the model of statistical control of processes of data transmission in the framework of the definition of the information links flexible systems is discussed in the article
Одной из основных задач любой архитектуры предприятия является сближение бизнеса и ИТ-подразделений организации, чтобы они эффективно работали на достижение единой цели, а методология построения архитектуры предприятия стала бы инструментом для реализации следующих задач:
- эффективного использования информационных технологий, повышающих адаптацию бизнеса;
- ориентированность ИТ-систем на цели организации;
- повышение надежности ИТ-систем;
- повышение производительности существующих ИТ-систем;
- адаптируемость новых ИТ-систем;
- связь между ИТ-показателями и бизнес-требованиями.
Связь решений архитектурных и ИТ не однозначна, что влечет дополнительные риски по принятию решений. Существующие информационные технологии поддержки процесса построения архитектур используют функционально-структурный и объектно-ориентированный подходы на базе моделей бизнес-процессов с детерминированными решениями, например, SAP BusinessObjects, Rational System Architect, Business Studio, ARIS ToolSet, Oracle Designer и т.д.
В последнее время растет популярность использования интеллектуальных моделей в технологиях автоматизированных систем. Концепция интеллекта информационных систем моделирования архитектуры предприятия базируется на накоплении разнообразных данных, получаемых от бизнес-модели, их формализации и классификации с последующим анализом связности и предоставлением каждому элементу системы архитектур. Каждый участник такой системы имеет в своем распоряжении интерфейс, позволяющий получать нужную информацию в любое время и в любом месте системы. Причем предполагается возможность принимать на основе полученной информации соответствующее решение в реальном времени.
Основой для разработки инструментальных модулей, позволяющих строить системы с интегрированным интеллектом, является объектно-ориентированное проектирование, при котором каждое приложение, каждый модуль представляется в виде законченного объекта-шаблона, обладающего заданными свойствами. Этот объект-шаблон может быть неоднократно повторен на любом уровне архитектуры. Модуль-анализатор применяется для статистического контроля за процессами транспортировки данных, который важен для определения информационных связей. Графический и статистический инструментарий обеспечивает сбор данных, статистику
диагностических сообщений, выявление особых причин вариации значений показателей связности.
Критерий модульность используемого программного обеспечения делает внедрение интеллектуальных модулей относительно простым. Интеллектуальный модуль реализует методы формирования наборов значимых рисков и вычисление оценок влияния рисков на степень связности артефактов архитектуры предприятия (например, по Захману).
Пусть набор рисков есть множество параметров связей в системе.
Построение многомерных зависимостей для отдельных параметров, выявление и устранение несогласованности описаний этих зависимостей, непротиворечивости их и избыточности определяет метод оценки влияния рисков на уровень связности архитектур.
Метод включает следующие этапы:
1 этап. Определение набора и уровня рисков как характеристик бизнес-процессов. Набор определяется функциями компонентов системы и особенностями влияния информационных потоков.
2 этап. Определение степени связности экземпляра структуры системы архитектур на основе влияния изменений свойств элементов и связей.
3 этап. Вычисление количественных оценок влияния рисков.
4 этап. Анализ корректировки информационных связей структуры.
На 1 этапе необходимо провести сбор исходной информации о критических участках системы. Исходная информация принимает форму логических высказываний и используется для описания зависимости критериев (связности) от параметров (рисков), являются выражением субъективных представлений лица принимающего решение, содержащаяся в них информация может оказаться противоречивой, избыточной или неполной. С этими же недостатками следует считаться при нечетком задании распределений вероятностей на множестве значений параметров.
Пусть значения некоторого критерия (или вероятности различных его значений) зависят от т параметров {у, ] = 1, т}. В общем виде эта зависимость может быть выражена набором высказываний gi:
^ =< Если Ц (У) ИСТИННО, то функция Ф принимает значение >
=< Если У = ВЫСОКАЯ, то X = С, >
Необходимо на основании конечного числа высказываний восстановить зависимость Х=Ф^, ..., Ym) и распределение р(х).
Формирование высказываний осуществляется в несколько этапов:
- определяются характеристики шкал, на которых зафиксированы значения параметров и критериев;
- дается описание термов лингвистических переменных, которые будут использоваться в высказываниях;
- определяется характер зависимости критериев от параметров, выявляется необходимость обработки распределения возможностей или субъективных вероятностей при обработке высказываний;
- осуществляется представление высказываний в виде гранул и производится их обработка.
Следует учитывать следующие ограничения:
- параметры могут влиять на сами критериальные оценки или их вероятности;
- зависимость может иметь заранее оговоренные свойства (непрерывность, монотонность) или не иметь их;
- исследователь может указать зависимость критерия сразу от всех известных ему параметров или в состоянии наметить только общий характер зависимости от каждого параметра отдельно или от небольших подмножеств параметров;
- наборы могут содержать как четкую информацию, так и нечеткую.
Проводятся вычисления критериальных оценок альтернатив необходимой информации, требуется:
- определить критерии оценки альтернатив;
- определить параметры, влияющие на критериальные оценки альтернатив;
- определить подмножества (возможно, пересекающиеся) параметров, влияющих на оценки альтернатив по различным критериям;
- выделить в каждом множестве параметров, влияющих на оценки альтернатив, по одному критерию, независимые подмножества;
- определить тип высказываний о зависимости критериев от каждого из подмножеств параметров;
- сформулировать высказывания, сопоставляющие различные значения критериев и параметров;
- выполняется корректировка наборов с помощью проверки введенных высказываний по критериям непротиворечивости, полноты и безызбыточности.
Второй этап. После сбора информации следует проверить, не является ли она противоречивой, неполной, избыточной. Для этого, в дополнение к анализу качества информации в наборе высказываний, можно задать лицу, принимающему решение, ряд вопросов. При этом анализ противоречивости проводится с новым высказыванием g* так же, как в описанной ранее процедуре проверки непротиворечивости уже имеющихся высказываний.
Если для высказывания g* расчет дает высокое значение показателя противоречивости, то следует уточнить правильность высказываний, наиболее близких по входящим в них значениям параметров к высказыванию g*, при необходимости скорректировать их, а затем заново проанализировать непротиворечивость высказывания g*. По окончании проверки информации на полноту (и дополнения недостающих высказываний), безызбыточность (и удаления избыточных высказываний), непротиворечивость можно перейти к анализу описания альтернатив и проверить его непротиворечивость. Поскольку последнее связано с вычислением критериальных оценок, алгоритм соответствующей проверки будет описан ниже.
Если оказывается, что для некоторой альтернативы противоречивость превышает допустимый уровень, то следует уточнить описание альтернативы или, если исследователь считает это необходимым, скорректировать описание зависимости критериев от параметров.
Если информация о зависимостях или альтернативах неполна, то по желанию исследователя ее недостаток может быть восполнен искусственно на основании предположения о кусочно-линейном, монотонном и других характерах зависимости.
На третьем этапе вычисляются количественные значения рисков на базе критериальных оценок.
Нечеткая критериальная оценка G может быть вычислена волновым алгоритмом последовательного возбуждения вершин на основе нечеткого описания зависимости критерия от параметров в виде нечеткого свидетельства Е. Исходные значения параметров Н=(Н1,^,Нт) должны быть предварительно заданы. Начальные вершины, соответствующие этим параметрам, считаются возбужденными. Алгоритм заключается в последовательном возбуждении вершин, имеющих хотя бы один ресурс, все входные дуги которого исходят из возбужденных вершин.
1. Сформировать множество ^ целевых вершин, т. е. вершин, соответствующих показателям, значения которых необходимо вычислить.
2. Сформировать множество М2 всех вершин сети.
3. Найти вершину I е М2, из которой можно попасть в какую-либо вершину 5 е М1 за один шаг. Если нет такой Д перейти к шагу 5.
4. Включить і в множество М1 : М1 = М1 и ^ Исключить вершину і из множества М2 : М2 = М2 \ І. Перейти к шагу 3.
5. Сформировать множество S1 возбужденных вершин сети, которые принадлежат M1.
6. Сформировать множество $2 = Мх \ £2.
7. Для каждой 5 є $2 проверить возможность возбуждения одного из ресурсов на основании информации о возбужденности вершин S1. Если ресурс может быть изменен, то с учетом отношений, обозначенных на входных дугах, вычислить значение показателя, которому соответствует вершина, и последнюю занести в список возбужденных вершин:
и 5; £2 = £2 \ 5. Если s соответствует интересующему нас показателю Х1 (является конечной вершиной), то искомое значение найдено и алгоритм успешно завершается.
8. Если на шаге 7 хотя бы одна вершина была добавлена в S1, то перейти к шагу 7. Если на шаге 7 ни одна вершина не добавлена, в S1, то искомое значение не может быть вычислено, алгоритм заканчивается безрезультатно.
Если ряд параметров, определяющих свидетельства Ek, имеет случайный характер, то алгоритм вычисления критериальной оценки, остается тем же, но возбуждение вершины сети сопровождается присвоением ей не одного нечеткого значения, а некоторого множества значений, каждому из которых соответствует вероятность pк.
В итоге критериальная оценка также становится случайной величиной с распределением вероятностей, которое в зависимости от распределений на множестве значений случайных параметров может быть задано в виде либо четких вероятностей нечетких оценок, либо нечетких вероятностей нечетких оценок.
Чтобы определить вероятность нечеткой критериальной оценки по известным вероятностям р^, необходима информация о стохастической зависимости критериев у, 7 є М . Для взаимно независимых параметров имеем:
Т
Р. =ППр, (1)
7єМ /=1
Если информация о взаимной зависимости параметров отсутствует, вероятность pk может быть оценена интервально:
Р. є
0,тіп П Рц
ієМ У 7
(2)
Пусть распределения вероятностей на множестве случайных параметров непротиворечивы и заданы с помощью нечетких вероятностей, т. е. ряду нечетких значений случайного параметра Yj, поставлены в соответствие нечеткие вероятности , * е М. В таком случае нечеткая вероятность А/г нечеткого значения параметра У., может быть определена выражением
(3)
^1, (Р) = эиртт цх
* у г
где f удовлетворяет условию Р = | (у)у(у)ф.
У
т
Для взаимно независимых случайных параметров 1 =ПП1 , а для случайных пара-
.
]єМ І=1
метров с неизвестной степенью взаимной зависимости Лк = тт|з,тт |П , где т1п - опе-
рация обобщенного минимума, 3 - нечеткое число с функцией принадлежности:
Т
fl при 0 < p < 1
Ms (Pj = 1.
[0 в остальных случаях ^
Четвертый этап - модификация ресурсных связей корпоративной структуры, основан на методе выбора альтернатив по обобщенному критерию максимина:
1. Для каждого критерия вычислить нечеткую максимальную критериальную оценку
G = max G,. по каждому из критериев оценки.
t max ^ it
2. Вычислить приведенные нормализованные оценки альтернатив по критериям
Gu, = G, / G, max .
3. Выключить минимальную критериальную оценку для каждой альтернативы GZmm,
определяемую как G/min = min G ..
i 11
4. Определить обобщенный максимум найденных минимальных оценок G0max = max G,mn.
5. Оценить степень сходства Go с каждой оценкой Glmin . В качестве показателя сходства нечетких чисел может быть использована величина ^ = J|mg (z) ~mGi (Z)|oZ.
6. Лучшей следует считать альтернативу с максимальным индексом .
Применение теории нечетких множеств в предлагаемой модели позволило формализовать неопределенности структурного вида с множественными связями. Данный результат может эффективно использоваться в ИТ-поддержке моделирования архитектур предприятий на основе моделей бизнес-процессов.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Стратегическое управление организационно-экономической устойчивостью фирмы: Логистическоориентированное проектирование бизнеса /А.Д. Кан-чавели, А.А. Колобов, И.Н. Омельченко и др. ; Под ред. А.А. Колобова, И.Н. Оменьченко. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2001.
2. Брусникин, Н.Ю., Краснов, С.В, Куралесова, Н.О. Организация промышленных корпоративных структур на основе логистико-ориентированной системы критериальных оценок / Под ред. И.Н. Омельченко. - Тольятти: Изд-во ТолПИ, 2000.- 191с
3. Куралесова, Н.О. Особенности формирования эффективной модульной организационной структуры гибкой корпоративной системы // Вестник ВУиТ. Серия «Информатика», 2011. - №19.
4. Куралесова, Н.О. Метод оценки взаимосвязности элементов организационной системы // Вестник Самарского государственного технического университета. Серия «Технические науки». - 2009. - № 1 (март). - С.99-103.
