CC BY
218Игорь Николаевич Холкин
Мастер ТРИЗ, консультант BDO Unicon Business Solutions, Научные интересы в области ТРИЗ — Directed Evolution, SLCA,
ПРИМЕНЕНИЕ МЕТОДА DIRECTED EVOLUTION ДЛЯ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ ИНФОРМАЦИОННЫХ СИСТЕМ (НА ПРИМЕРЕ ТЕХНОЛОГИИ IN-MEMORY DATA MANAGEMENT, IMDM)
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
ВВЕДЕНИЕ
Растущая потребность в инновациях в сфере ИТ нуждается в прогнозировании и интенсивном осмыслении тенденций развития информационных технологий и систем. Целью прогнозирования является минимизация потерь от внедрения «тупиковых» инженерных решений и максимизация доходности при «попадании в точку» — создании востребованной рынком высокоэффективной информационной системы.
Настоящая статья имеет целью донести до аудитории возможности метода Directed Evolution как инструмента для анализа и поиска перспективных путей развития информационных систем; при этом имеется в виду целенаправленное повышение полезных характеристик систем для их лучшей реализации в секторе рынка бизнес-аналитики и поддержки принятия решений (Business Intelligence & Decision Support Systems).
«ИННОВАЦИОННЫЙ КПД»
Ускоряющиеся темпы развития информационных технологий, усиление рыночной конкуренции, растущая потребность в инновациях для поддержания нужных темпов экономического роста определяют необходимость существенно повысить эффективность цикла «от идеи до рынка». В настоящее время эта эффективность очень мала: и в мире, и в России до внедрения доходит менее 1% разработок; «инновационный КПД» недопустимо низок.
Как видно из рис. 1, за последние 50 лет в США из 125 разработок новых продуктов до рыночной реализации доходила только одна; «КПД» = 0,8%. В СССР, в период 1960-1980 годов, из 150 тысяч разработок до внедрения доходила только 1 тысяча.
Сегодня в России дела обстоят не лучше — итоги деятельности организаций, призванных повысить эффективность инноваций (например, Роснано и Сколково), пока оцениваются как неудовлетворительные* **, а в мировом рейтинге инновационной активности Россия занимает 51-е место из 133 стран*.
«Инновационный КПД» в уходящем постиндустриальном обществе был ниже, чем у паровоза. Сегодня, на этапе перехода к информационному обществу и экономике знаний, стало возможным повысить его до 40-60%. Каким образом?
ПРОБЛЕМА И РЕШЕНИЕ
Создание информационной системы — всегда значительная инновация, со всеми присущими ей проблемами и задачами. По разным оценкам, при создании информационных систем от 30% до 60% проектов заканчиваются неудачей. Причем
* http://www.ach.gov.ru/userfiles/tree/201B05rosnano-tree_files-fl-755.pdf;
http://www.ach.gov.ru/ru/news/archive/15022013/.
** The Global Competitiveness Report 2009-2010 (World Economic Forum).
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
Источник: Greg A. Stevens and James Burley, Research Technology Management, Industrial Research Institute USA, 2003
Рис. 1.
причины этих неудач лежат не только в сфере управления проектами (превышение плановых сроков и бюджета) — они часто связаны с принятием «тупиковых», неверных инновационных решений, требующих дорогостоящего перепроектирования всей системы или ее отдельных компонентов.
Как повысить «инновационный КПД» при создании информационных систем? Как избежать тупиковых путей и неверных решений?
Оставим пока в стороне вопросы управления проектами и посмотрим в корень самой инновации: как получить высокоэффективный, патентоспособный инновационный продукт, несущий в себе потенциал рыночного успеха? Как получить хорошее решение, «алмаз» инженерной мысли?
Воспользуемся аналогией: можно добывать алмазы, перерабатывая сотни тонн породы, а можно выращивать их искусственным путем (синтезировать). Сегодня мы видим, что успешные решения в ИТ появляются далеко не сразу — идет долгий перебор разнообразных вариантов, совершается множество удачных и неудачных попыток. То есть инновационное решение возникает внутри некоторого стохастического, малоуправляемого процесса, и хорошая конкурентоспособная система получается лишь в результате многочисленных проб и ошибок.
А ведь есть и другой, давно используемый в мире подход. Успешные инновационные решения должны быть целенаправленно «синтезированы»: при этом инновации вырабатываются «по правилам», процесс получения инженерных решений-«алмазов» оказывается управляемым, и появление новых, совершенных информационных систем — целенаправленно спрогнозированнным.
Мы говорим о методах синтеза инноваций и прогнозирования развития систем.
В США, Франции, Финляндии, Израиле, Австралии, Японии и Южной Корее уже
Стадии инновационного процесса
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
около 20 лет развиваются методы, которые можно объединить под общим названием «синтез инноваций». Эти методы основаны на ТРИЗ* и служат для интенсификации инженерного творчества и управления процессом выработки технологических инноваций.
Синтез инноваций в качестве наддисциплинарного метода высокоэффективен в любой области знания (техника, информатика, общество) и в любой отрасли деятельности (нефтегазовая, авиационная, автомобильная, аграрная, банковская и т. п.).
Метод предоставляет специалисту и менеджеру комплекс приемов, операторов и алгоритмов, основанных на объективных закономерностях технической эволюции, которые выявил анализ мирового фонда патентной информации на протяжении полувека. Родоначальник метода — Генрих Альтшуллер* (1926-1998), создатель ТРИЗ.
СИНТЕЗ ИННОВАЦИЙ
Метод синтеза инноваций сегодня используется во многих областях знания и отраслях мировой промышленности***.
Как можно видеть из рис. 2, наибольшее применение метод нашел в машиностроении, электротехнике, химической промышленности, автоматике и вычислительной технике, электронике и радиотехнике, энергетике, транспорте, медицине и здравоохранении, а также при решении общих комплексных проблем технических и прикладных наук.
Проекты по синтезу инноваций ведутся в таких мировых компаниях и организациях, как British Petroleum/Amoco, NASA, Boeing, 3M, Sony, Renault, Dow Chemical, Ford, General Motors, DaimlerChrysler, Bentley, General Electric, LG Electronics, Samsung, Hitachi, HP — всего более двух с половиной тысяч компаний во всем мире.
В состав метода входят следующие компоненты:
■ технология прогнозирования развития технических и информационных систем на базе объективных закономерностей технической эволюции — Directed Evolution;
■ технология анализа проблем и выявления технических противоречий, постановки инновационных задач;
■ технология генерации инновационных решений, включающая инструментальное ПО инженера-инноватора и базу знаний;
■ технология оценки эффективности полученных инновационных решений, в том числе в форме патентов;
■ технология автоматизированного патентного поиска по мировым информационным базам с использованием критериев отбора;
* См.: Структура и функции ТРИЗ. — Википедия. Май 2014 года.
** См.: Альтшуллер, Генрих Саулович. — Википедия. Май 2014 года.
*** Источник: ЦИТК «Алгоритм». — http://gen3.ru/3639/3934.
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
< 51
Сельское Транспорт Жилищно- Медицина Прочие отрасли экономики
Рис. 2. Области применения синтеза инноваций
Машиностроение Металлургия Горное дело вычислительная техника
■ технология выявления технологических и иных рисков, их предотвращения и устранения.
Из этого перечня в контексте настоящей статьи нас интересует первый пункт.
Как известно, далеко не все существующие на сегодня методы прогнозирования обеспечивают нужный результат. Например, экспертно-интуитивные методы основаны на использовании знаний, опыта и профессиональной интуиции экспертов, а формализованные методы — на математической экстраполяции существующих тенденций. И те, и другие имеют свои преимущественные области применения и присущие им недостатки.
Directed Evolution**** относится к методам управляемого развития, и заменяет предсказание (прогнозирование) на планируемое, целенаправленное создание (изобретение) новых путей и способов развития систем. В основе современного метода технологического прогнозирования Directed Evolution лежат закономерности технической эволюции, выявленные в рамках классической ТРИЗ и развитые современными исследователями в России и за рубежом.
Метод Directed Evolution используется на всех этапах жизненного цикла инноваций.
Кратко рассмотрим основные положения метода.
**** Термин ввел Борис Злотин, автор Directed Evolution. См.: http://www.ideationtriz.com/new/materials/ DEinInformationalCivilization.pdf.
DIRECTED EVOLUTION
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
А
Снятие
с производства. Поиск новой идеи продукта
Указание направления к «идеальной системе», выбор наиболее эффективных линий развития
Выработка
инновационных
технических
решений
Формулировка проблем, генерация идей решений, создание концепции
К
Рост выпуска продукта, расширение рынка
I
новой системы
Экспертиза
Серийное производство и продажа продукта
Выработка новой концепции системы
Плановое
' улучшение системы по реакции рынка
Выход на рынок, рекламная кампания, опытная серия продукта
Устранение
недостатков
и снижение
стоимости
владения
системой
Оценка технического уровня решений
Выявление и предотвра-
щение
рисков
Бизнес-
планирование
Разработка
инвестиционного
проекта
Доработка образца продукта
Решение конструктивных проблем опытного образца
Открытие
финансирования
Пилотный образец инновационного продукта
Создание start-up компании
Рис. 3. Directed 1. Закон повышения идеальности систем
Evolution в жизненном
цикле инноваций Все системы развиваются в направлении повышения
своей идеальности.
Идеальность — это отношение суммы полезных факторов в системе к сумме ее негативных факторов (рисков и затрат).
I полезных факторов
Идеальность -------------------------------------
I факторов риска + I факторов затрат
Полезные факторы — это такие понятия, как функциональность, производительность, эргономичность и т. п.
Факторами риска могут быть сбои, недостатки, проблемы, аварии и прочие негативные явления в системе.
Факторы затрат в нашем случае — это совокупная стоимость владения системой — Total Cost of Ownership (TCO).
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
Следствием первого закона является понятие идеальной системы.
«Идеальная техническая система — это система, вес, объем и площадь которой стремятся к нулю, хотя ее способность выполнять работу при этом не уменьшается. Иначе говоря, идеальная система — это когда системы нет, а функция ее сохраняется и выполняется». (Г. С. Альтшуллер)
Теоретически «самая идеальная» система имеет бесконечное количество полезных функций в числителе и полное отсутствие вредных факторов в знаменателе. Иными словами, это система, которая «умеет всё», делает это мгновенно, не стоит ни копейки и сделана «из ничего».
Для информационных систем этот основной закон диктует развитие ИС по пути выполнения все большего количества полезных функций, со все большей производительностью, с использованием все меньших вычислительных и программных ресурсов (уменьшение размеров и количества подсистем, оптимизация программного кода, переход от программирования к сборке из программных модулей, самоорганизация систем и переход к самообслуживанию, уменьшение совокупной стоимости владения системой).
2. Закон трехэтапного развития по S-кривой
Идеальность систем изменяется по S-образной кривой, охватывающей три этапа развития систем:
■ 1-й этап — «рождение и детство», эксперименты, start-up, появление на рынке;
■ 2-й этап — «рост и взросление», промышленная эксплуатация, широкое признание рынком;
■ 3-й этап — «угасание и старость», «дотягивание» характеристик, уход с рынка.
Закон трехэтапного развития диктует необходимость мониторинга «уровня
идеальности» и прогнозирования развития технической системы для того, чтобы вовремя заметить наступление третьего этапа и начать очередной инновационный цикл, избежав потерь на поддержание функционирования изжившей себя системы.
Это особенно важно для информационных систем — с учетом очень высоких темпов развития информационных технологий по сравнению с другими технологическими областями, в том числе с учетом действия закона Мура и концепции технологической сингулярности.
Следует отметить при этом, что концепцию технологической сингулярности* в чистом виде — как своего рода «страшилку» — российские ученые справедливо критикуют, поскольку развитие мировых технологий также подчинено за-
* Технологическая сингулярность — гипотетический момент, по прошествии которого, по мнению сторонников данной концепции, технический прогресс станет настолько быстрым и сложным, что окажется недоступным пониманию; это предположительно этап, следующий после создания искусственного интеллекта и самовоспроизводящихся машин, интеграции человека с вычислительными машинами либо значительного скачкообразного увеличения возможностей человеческого мозга за счет биотехнологий. — Википедия.
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
Рис. 4. Этапы развития систем
кону трехэтапного развития и идет по S-образной кривой, не достигая точки острого кризиса, а переходя на следующую S-кривую развития — более высокого уровня.
Технология in-memory находится на первом отрезке S-кривой (см. рис. 4), то есть на переходе с 1-го на 2-й этап развития.
На рис. 5 приведена оценка, сделанная компанией Gartner в 2012 году, которая детализирует положение различных применений in-memory на этом отрезке.
На рисунке указаны некоторые применения технологии in-memory на разных этапах развития.
На расстоянии от 5 до 10 лет до достижения «плато продуктивности» (масштабное признание рынком) находятся следующие продукты:
■ серверы приложений in-memory;
■ СУБД i n-memory для OLTP;
■ серверы, использующие флэш-память как дополнительную, а также инфраструктура для высокоскоростного обмена сообщениями;
■ магниторезистивная RAM;
■ твердотельные устройства;
■ обработка сложных событий «на лету».
Следующие продукты находятся уже на расстоянии от 2 до 5 лет до достижения «плато продуктивности»:
■ аналитические СУБД in-memory;
■ инфраструктурные приложения in-memory;
■ распределенные хранилища данных in-memory;
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
<55
Период выхода технологии на плато продуктивности: О меньше 2 лет • от 2 до 5 лет • от 5 до 10 лет
expectations Аналитические СУБД in-memo Твердотельные устройства Магниторезистивная RAM
Серверы с доп. флэш-памятью Мгновенные оповещения
СУБД in-memory для OLTP
Серверы приложений in-memory
Обработка сложных событий «на лету»
memory
n-memory
уровня предприятия я DDR4 DRAM
As of July 2012
Technology Peak Trough of Slope of Enlightenment Plateau of Trigger of Inflated Disillusionment Productivity
Expectations
time
Источник: Gartner (July 2012)
Рис. 5. Положение технологии inmemory на S-кривой
3. Закон полноты частей системы
Необходимым условием принципиальной жизнеспособности системы является наличие и минимальная работоспособность ее четырех основных частей — Источника, Преобразователя, Исполнителя и Управления.
■ Источник — формирует Ресурсы для выполнения Главной полезной функции системы и выработки Продукта системы.
■ Преобразователь — превращает Ресурсы в Продукт.
■ Исполнитель — завершает выполнение Главной полезной функции системы и передает Продукт потребителю.
■ Управление — прогнозирует, планирует, координирует, контролирует, анализирует, оповещает и обеспечивает обратную связь.
Для информационно-аналитической системы этот закон означает, что архитектура системы должна включать все четыре названные части, и может выглядеть примерно
■ бизнес-аналитика in-memory;
■ технология DDR4 DRAM.
Из этого следует, что основанные на технологии inmemory информационно-аналитические системы уже через 2-3 года будут широко востребованы на мировом рынке.
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
Рис. 6. Полнота частей системы
Продукт
так, как показано на рис. 7. На примере ИАС КИНЕФ ОАО «Сургутнефтегаз» можно представить эти компоненты следующим образом.
■ Источник — формирует Ресурсы для выполнения Главной полезной функции системы и выработки Продукта системы. Главной полезной функцией ИАС КИНЕФ является поддержка бизнес-аналитики, Продуктом — аналитические отчеты, Ресурсами — данные из транзакционных систем КИНЕФ. Источник — это системы SAP ECC и АС КИНЕФ, а также компонент SLT, реплицирующий данные в Преобразователь.
■ Преобразователь — превращает Ресурсы в Продукт. В ИАС КИНЕФ преобразование транзакционных данных в аналитические модели для последующего преобразования в Продукт (аналитические отчеты) происходит в SAP HANA и BW on HANA.
■ Исполнитель — завершает выполнение Главной полезной функции системы и передает Продукт потребителю. В ИАС КИНЕФ Исполнитель SAP BО на основе данных и правил, содержащихся в аналитических моделях Преобразователя SAP HANA, формирует Продукт — аналитические отчеты, запрашиваемые пользователем.
■ Управление — планирует, координирует, контролирует, анализирует, оповещает и обеспечивает обратную связь. В ИАС КИНЕФ функции Управления выполняет Репозиторий Бизнес-объектов.
4. Закон развертывания-свертывания
Системы развиваются от функционального центра к периферии, проходя фазы развертывания и свертывания.
Развертывание — это увеличение числителя (суммы полезных факторов) с одновременным увеличением знаменателя (суммы негативных факторов — рисков и затрат).
^ I полезных факторов
Идеальность =------------------------------------
Ф! факторов риска + I факторов затрат
Свертывание — это увеличение или сохранение числителя с одновременным уменьшением знаменателя.
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
Источник
Преобразователь
Бизнес-объекты
Показатели
НСИ
У
Управление
Бизнес-
объекты
Исполнитель
Аналитические
отчеты
Бизнес-
пользователи
Аналитические
запросы
Показатели
Репозиторий бизнес-объектов/показателей (ББО)
Введение метаданных Ведение правил формирования БО Отражение структуры хранения и сбора данных
Контроль версий и изменений БО Просмотр данных Управление доступом, запуском и архивированием
Управление качеством и мониторинг Поддержка НСИ Управление моделями
ф I полезных факторов
Идеальность =------------------------------------
факторов риска + I факторов затрат
Рис. 7. Полнота частей применительно к ИАС
Основная идея свертывания — устранить из системы часть элементов (вместе с их вредными функциями и другими известными и неизвестными недостатками), а полезные функции распределить среди оставшихся элементов системы или ее надсистемы.
В нашем случае, рассматривая технологию in-memory, можно сказать, что предшествующая ей традиционная технология СУБД «свернулась». При этом произошло:
■ увеличение полезных факторов: на два порядка возросло быстродействие; улучшилась энергоэффективность;
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
■ уменьшение негативных факторов: исчезли «лишние» подсистемы, обеспечивающие функции дисковой памяти, чтения/записи на диск, ввода-вывода;
■ упростились структуры данных; уменьшился объем хранимых данных. Свертывание произошло за счет использования обработки в оперативной
памяти, поколоночных структур данных и параллелизма для поддержки многоядерных архитектур. In-memory обеспечивает нужное для параллелизма расположение данных близко к ядрам в локальной памяти, колоночные структуры данных эффективны при вводе/выводе и являются необходимым условием для сжатия: их можно сжимать гораздо более эффективно, чем строчные данные.
Пример свертывания в in-memory — это реализация только одной из линий развития, одного из направлений повышения идеальности ИС.
ЗАКОНЫ И ЛИНИИ РАЗВИТИЯ СИСТЕМ
Всего в классической ТРИЗ сформулировано восемь законов развития технических систем. Эти законы были подробно декомпозированы на линии развития, которые используются в методе Directed Evolution.
Для прогнозирования используются сотни линий развития систем — кроме описанной выше линии свертывания, это могут быть такие, как:
■ Повышение использования системой ресурсов, в том числе:
- Увеличение числа типов используемых ресурсов
- Переход к использованию производных ресурсов
- Увеличение количества уровней структурной иерархии
■ Повышение адаптивности системы, включая:
- Повышение динамичности
- Повышение управляемости
- Согласование/рассогласование
■ Появление и разрешение противоречий в системе
■ Вытеснение человека из системы — и многие другие.
В целом метод включает около 600 линий развития систем, а также около 700 операторов для решения инновационных задач и проведения инверсионного анализа.
ДИАГРАММА ИДЕАЛЬНОСТИ СИСТЕМЫ
Каждая из линий развития систем имеет свое начало и конец. Весь путь системы от зарождения до идеального состояния по конкретной линии можно принять за 100%. Анализируя протекающий этап развития системы по каждой линии, специалист по синтезу инноваций может дать каждой линии количественную экспертную оценку.
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
Развитие полезных функций 1
Перемены в участии человека 12
Стремление к многоуровневости
Эволюция полей 10
Развитие процессо
Разрешение противоречий
2 Устранение вредных функций
3 Развитие приложений
4 Интеграция и структуризация
Повышение динамичности и управляемости
Развитие соответствия/несоответствия
7
Применение ресурсов
Рис. 8. Диаграмма идеальности системы
ОБЩАЯ СХЕМА DIRECTED EVOLUTION
Применение Directed Evolution опирается на следующие логические шаги:
■ прогноз развития рассматриваемой системы:
- выявление возможных и вероятных позитивных вариантов развития;
- выявление негатива — опасностей и рисков, которые могут быть связаны с развитием (использование метода инверсионного анализа).
■ выбор среди возможных вариантов развития одного, наиболее реализуемого имеющимися ресурсами системы;
■ формулирование и синтез необходимых инноваций в системе, обеспечивающих реальную возможность желаемого развития;
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
Причинно-
следственная
диаграмма
Изучение
системы
# План защиты 1 интеллектуальной 1 собственности 1
1 ... |
# Рабочие планы 1
1 Ближний Средний Дальний 1
2
Реализация планов
# Сценарии эволюции
Планирование развития
Применение законов развития
Рис. 9. Общая схема процесса ■ создание сценария желательного развития системы
на базе выполненного прогноза и синтезированных инноваций;
■ управление реализацией сценария — план, координация, контроль, анализ, оповещение (отчетность) и обратная связь.
Его можно проиллюстрировать следующей схемой:
В состав проекта по проведению Directed Evolution входят следующие крупные этапы:
1. Подготовка проекта.
2. Экспресс-прогноз.
3. Анализ эволюции системы.
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
< 61
Рис. 10. Пошаговый процесс
4. Ресурсы и ограничения.
5. Причинно-следственный анализ.
6. Прогноз по линиям развития.
7. Выработка прогнозных гипотез.
8. Оценка результатов.
9. План внедрения.
Весь процесс поддерживается соответствующим ПО, указанные выше этапы подробно декомпозируются на шаги процесса (см. пример — снимок экрана ПО Directed Evolution на рис. 10).
Проект Directed Evolution идет итеративно, со многими циклами, включая большие циклы итераций и малые (вложенные) циклы.
В большие циклы входят:
■ Express Directed Evolution как подготовка к основной работе
■ Основной цикл работ
■ Вспомогательные циклы, проводимые по мере необходимости.
В малые вложенные циклы на каждом шаге работ включены:
■ Сбор специфической информации по данному шагу
■ Анализ собранной информации
■ Творческий процесс поиска новых идей
■ Предварительная интеграция идей данного шага с идеями, найденными ранее.
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
ПРИМЕР ЭКСПРЕСС-ПРОГНОЗА
Метод синтеза инноваций работает уже более 20 лет во многих развитых странах, во многих отраслях промышленности и различных областях знания, в том числе в сфере ИТ.
За это время только тремя наиболее известными компаниями в США, специализирующимися на синтезе инноваций* **, выполнено более 1700 инновационных проектов, обучено более 250 тысяч специалистов, в более чем 2000 мировых компаниях около 50 тысяч пользователей применяют ПО поддержки инноваций*.
Как использовать метод синтеза инноваций и его прогнозную часть, Directed Evolution, для целей развития информационных систем в российском нефтегазовом комплексе и в ОАО «Сургутнефтегаз»?
Компания «Сургутнефтегаз» традиционно опирается на ИТ-решения в рамках продуктов компании SAP AG, а операционная деятельность компании поддерживается ERP-системой SAP R3 (SAP ECC). В настоящее время в компании «Сургутнефтегаз» идет внедрение информационно-аналитической системы, основанной на SAP HANA, использующей технологию in-memory.
Путь от идеи до промышленной реализации in-memory занял 18 лет, с 1998 (Bell Labs, Dali Main-Memory Storage Manager) по 2011 год (SAP HANA). Интересно, каков будет путь от идеи Real-Time Enterprise до ее будущей промышленной реализации, если сейчас начать использовать метод Directed Evolution?
Попытаемся дать экспресс-прогноз эволюционирования технологии in-memory в направлении к концепции Real-Time Enterprise (RTE).
Зададим цель: повысить полезные характеристики транзакционных и аналитических систем, в том числе систем бизнес-аналитики и поддержки принятия решений (Business Intelligence & Decision Support Systems), в направлении к реализации концепции предприятия, обрабатывающего информацию в режиме реального времени.
Зададим вектор, направленный к «идеалу», то есть сформулируем «образ будущего» — идеальную систему предприятия в концепции RTE, использующего технологию in-memory и другие сопутствующие идеи и технологии. Такой образ будущего был сформирован в рамках «проектной мастерской» на старте проекта ИАС КИНЕФ и лег в основу концепции ее построения. Дополним этот образ, основанный на знаниях экспертов предметной области и ИТ-специалистов, прогнозными гипотезами Directed Evolution, основанными на представлениях о закономерностях технической эволюции в форме «линий развития» систем. В ограниченных рамках статьи, в качестве примера экспресс-прогноза, рассматривается только одна из нескольких сотен существующих линий развития — свертывание.
* Ideation International Inc., GEN3 Partners, Invention Machine Corp.
** Invention Machine Corp. — http://www.invention-machine.com.
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
ПРОГНОЗНЫЕ ГИПОТЕЗЫ ПО ЛИНИИ СВЕРТЫВАНИЯ СИСТЕМ
Одна из линий повышения идеальности систем — это линия свертывания. В нашем случае идеальная ИС предприятия предполагает максимально свернутую ИС. Это означает, что информационная система свертывается до состояния, в котором часть ее функций оказывается встроенной в отдельные элементы предприятия (в цеха, аппараты, детали), а другая часть функций ИС вынесена в надсистему, за пределы предприятия — например, в облако, в Интернет, в глобальные системы позиционирования и т. п.
Как сказано выше, технология IMDM — только одно из направлений свертывания в ИС; свернуть можно и другие компоненты.
Например, четыре архитектурных домена TOGAF (Бизнес, Приложения, Данные, Технология) можно свернуть в два:
1) Информация (виртуальный аспект)
2) Носители информации (материальный аспект).
Можно представить также такую архитектуру системы в виде «информационного потока» и «русла потока».
Таким образом, свернутая ИС состоит из двух основных частей — виртуального и материального слоев. Будем опираться на эту метафору по ходу экспресс-прогноза.
Виртуальный слой «Информация»
Информация в свернутой ИС обрабатывается с очень высокой скоростью, позволяя предприятию достичь состояния real-time enterprise/production on demand. В связи с этим появляются существенные улучшения и ранее недоступные возможности.
Приложения, или SaaS-свертывание
Отдельных функциональных приложений в свернутой ИС не будет — они превратятся в интегрированный конгломерат собираемых «на лету» информационных процессов (сервисов), отражающих реальные бизнес-процессы производства/ управления и выполняемых как по стандартным регламентам, так и по специальным запросам пользователей.
В развитие парадигмы SaaS «ПО как услуга по требованию», прикладные приложения свертываются в интернет-сервисы, доступные с мобильных устройств. Сервисы выносятся за физические границы ИС — например, в облако, в дата-центры. Усиливается ориентация на предоставление гибких информационных сервисов вместо использования жестко детерминированных функциональных компонентов, они свертываются в упомянутый выше интегрированный конгломерат. Назовем его рабочим термином «свернутое ПО» — Furled Software.
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
Свертывание in-memory + cloud + mobility
Происходит свертывание (конвергенция) нескольких технологий в интегрированное решение, например in-memory + cloud + mobility. Такое решение используется как для предприятия в целом, так и для отдельного корпоративного пользователя — например, оно обеспечивает доступ сотрудников к мобильным сервисам предприятия через информационные витрины, поддерживающие «свернутое ПО».
Основные вычисления, хранение информации, бизнес-аналитика будут вестись в таком свернутом решении. Мобильные приложения ИС, привязанные к облачным услугам аналитики и репозиториям «больших данных», обеспечивают возможность анализа, оптимизации и моделирования бизнес-ситуаций в любом месте и в любое время.
Свертывание в архитектуре ИС
В архитектуре ИС свертывание проявляется в форме переноса некоторых функций с одних функциональных компонентов на другие либо на информационные сервисы (компоненты становятся ненужными, система упрощается). Вместо вопроса «какой новый компонент нужно создать для выполнения данной функции» разработчик задается вопросом «какой существующий компонент или сервис может взять на себя данную функцию». При этом происходит многократное использование одних и тех же функциональных элементов ИС, увеличивается удельная нагрузка на них — значит, повышается эффективность функционирования, ликвидируется дублирование функций, происходит унификация типовых операционных процессов.
Аналитика
Вся бизнес-аналитика сворачивается в единую платформу in-memory, где транзакционные данные обрабатываются в режиме реального времени, где существенно упрощены структуры многомерных кубов и витрин данных, агрегирование и расчеты, а аналитические функции выполняются «на лету», как сказано выше.
Обработка потоков событий
Обработка потоков событий ведется по данным, поступающим прямо с датчиков (функции SCADA в сегодняшнем понимании становятся ненужными, сворачиваются); управление и анализ осуществляются непосредственно на оперативных данных, с учетом оперативных условий, обеспечивая мгновенную обратную связь.
Мгновенный снимок бизнеса
Итоговые учетные процедуры по предприятию (закрытие периода) выполняются за несколько часов, а не за несколько дней (а записав трек закрытия, всегда можно
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
быстро перезакрыть период, изменив лишь несколько транзакций в треке). Имеется возможность «закрыть предприятие» по факту каждой транзакции, тогда пере-закрытие вообще не потребуется. В этом случае предприятие может практически в любой момент иметь «мгновенный снимок» своего бизнеса. Сворачивается (существенно упрощается) весь механизм подготовки фискальной и управленческой отчетности.
Системы поддержки принятия решений (СППР)
В СППР анализируется не только текущая информация, но и события в бизнеспроцессах; ведется как мониторинг выполняемых бизнес-процессов, так и упреждающий прогноз возможных событий — «что будет, если», «что именно и когда может случиться». Используются прогностические возможности Directed Evolution, которые встраиваются в оперативный бизнес как средство поддержки принятия решений и управления жизненным циклом решений.
Ведется мониторинг истории и траектории управленческих решений: какое решение было предложено, какое принято, как оно выполнялось, какие получены результаты и какими оказались последствия, в том числе побочные.
Материальный слой «Инфраструктура»
Сеть передачи данных в рамках предприятия становится полностью беспроводной, высокоскоростной, с пропускной способностью, близкой к real-time — поскольку требуется мгновенная передача данных между всеми объектами с RFID-метками. Здесь возникают реально Большие Данные, Big Data.
Интернет (Интранет) Вещей
Технологическое оборудование предприятия и различные потребительские устройства интегрируются в Интернет (Интранет) через встроенные сенсоры. Каждому материальному объекту реального предприятия будет соответствовать его информационный виртуальный «двойник» (аналог понятия Internet of Things — назовем его Intranet of Things, Интранет Вещей).
Каждый бизнес-объект предприятия (например, деталь, прибор, инструмент, станок, материал, изделие, работник), то есть каждый элемент, входящий в предприятие как в бизнес-систему, будет иметь идентификатор, метку типа RFID, по которой ИС отслеживает состояние и положение этого объекта в технологическом цикле и в бизнес-процессах. Возникает действующая в реальном времени виртуальная модель предприятия.
Сеть передачи данных и вычислительные ресурсы
Происходит свертывание внутренней сети предприятия и внешних сетей —
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
в процессе интеграции с Интернетом, сетями мобильной связи, GPS-ГЛОНАСС, спутниковыми и кабельными сетями телевещания и другими — вплоть до систем управления транспортными потоками для отслеживания логистики в цепочках поставок (снабжение) и отгрузок товарной продукции (сбыт).
Вычислительные ресурсы сворачиваются, переходя большей частью в надсисте-му: они выполняются в мощных облачных кластерах, в дата-центрах на аутсорсинге, за пределами ИС предприятия.
В результате свернутая ИТ-инфраструктура предприятия становится:
■ с одной стороны, полностью интегрированной в структуры, объекты и процессы предприятия; в них сворачиваются все ключевые компоненты ИТ-инфраструктуры, которые реализуют специфику предприятия и, например, необходимы для виртуализации объектов Интранета Вещей;
■ с другой стороны, значительная часть инфраструктуры ИС выносится за физические пределы предприятия, происходит свертывание в надсистему, предприятие пользуется инфраструктурой провайдеров вычислительных услуг — с тем, чтобы сосредоточиться на своих бизнес-задачах и не отвлекать силы на собственные ИТ.
В итоге ИТ-инфраструктура предприятия потребует меньше серверов БД, дисковых ресурсов, сетевых компонентов, аппаратная часть ИС приобретет гораздо более высокую масштабируемость и гибкость, снизится совокупная стоимость владения ИТ.
Дополнительные гипотезы
Виртуальные помощники и их роли
В связи с наличием подробной и точной информации о реальной деятельности предприятия (мгновенная аналитика через Интранет Вещей), отражаемой в «виртуальной модели предприятия», у сотрудников возникают виртуальные ассистенты. Например, может быть создан инфокибер «виртуальный аудитор» финансового департамента для автоматической сверки, или «виртуальный инспектор по технике безопасности», или «виртуальный контролер качества», или «виртуальный риск-аналитик».
Изменения в системном окружении и в надсистеме
В ходе развития информационных систем в рассмотренных направлениях, когда упомянутые изменения происходят на многих других предприятиях и в организациях, ИС конкретного предприятия гораздо более тесно интегрируется с бизнес-партнерами, с государством, с рынком. Например:
■ Информационные системы поставщиков (supply chain), работающие на тех же принципах и связанные с ИС предприятия, обеспечивают ему мгновенную прозрачную информацию о состоянии процесса поставок, возможных задержках
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
и сбоях в логистике, мониторинг движения грузов и т. п.
■ Потребители общаются с ИС предприятия через мобильные устройства (делая заказы, оплачивая закупки, получая отчеты и консультации).
■ ИС налоговых и регулирующих госорганов связаны с ИС предприятия через Интернет с возможностью получения статистики и регламентной отчетности, проведения быстрых налоговых и иных контрольных проверок и т. д.
Информационная и технологическая безопасность
Наличие меток на всех бизнес-объектах позволяет вести мониторинг подозрительной деятельности в режиме реального времени, мгновенно выявлять и анализировать угрозы, а в случае внедрения системы оценки рисков — эффективно выявлять и предотвращать потенциальные аварии, брак, другие негативные явления.
Самоорганизация систем
Развитие в направлении к идеальной системе подразумевает не только использование принципа свертывания, но и принципа «система сама себя улучшает» — то есть принципа самоорганизации. Самоорганизующейся является система, способная без специального воздействия извне формировать/изменять свою функциональную и компонентную структуру.
Такая система имеет возможность модифицировать себя под требования пользователей — без перепроектирования, с целью обеспечить свое нормальное функционирование при изменениях как внешних факторов (решаемые бизнес-задачи), так и внутренних факторов (недостаточный объем ресурсов, рост базы данных, выявление дубликатов данных). Система также сама себя обслуживает, предотвращая и выявляя сбои и неполадки, уменьшая тем самым необходимость вмешательства ИТ-службы.
Итоги экспресс-прогноза
Таким образом, подытоживая экспресс-прогноз с использованием одной-един-ственной линии развития — свертывания, уже можно выделить следующие интересные предположения:
■ Приложения превращаются в «свернутое ПО», набор собираемых «на лету» инфосервисов, доступных бизнес-пользователям с мобильных устройств в любом месте в любое время; пользователи могут в реальном времени получить любую аналитику по предприятию, включая «мгновенный снимок бизнеса», прогноз показателей деятельности, предупреждения о возможных событиях или о возникающих рисках.
■ Существенно упрощается и удешевляется вычислительная инфраструктура, но одновременно развертывается инфраструктура съема данных с датчиков для Интранета Вещей — действующей в реальном времени виртуальной модели предприятия.
Управление жизненным циклом информационных бизнес-систем. Real-Time Enterprise 2.0
■ На предприятии появляются информационные роботы — киберпомощники «виртуальный аудитор», «виртуальный инспектор», «виртуальный контролер качества» и др.
■ Существенно упрощается и ускоряется информационное взаимодействие с деловым окружением предприятия — бизнес-партнерами, государством, рынком — за счет более тесной интеграции их информационных систем на принципах свертывания.
Следующим важным шагом к идеальной системе станет полная смена сегодняшней парадигмы вычислений — переход от архитектуры фон Неймана к искусственным нейронным сетям. Нейронные сети уже выходят из «детского возраста», их основная проблема, низкая скорость обучения, уже решается, и практическое применение нейронных сетей в корпоративных системах не за горами.
Но это уже следующая S-кривая развития информационных систем.
ВЫВОДЫ
Метод Directed Evolution может быть положен в основу проектирования информационно-аналитических систем нового поколения, имеющих принципиальные отличия в лучшую сторону по производительности, стоимости и иным ключевым характеристикам.
Кратко резюмируя, можно сказать, что метод имеет следующие преимущества:
■ Directed Evolution «просчитывает ходы» технической эволюции и помогает пройти самым коротким путем к выигрышу в конкуренции информационных систем.
■ Directed Evolution используется для целенаправленного совершенствования любых типов информационных систем и технологий.
■ Directed Evolution обеспечивает принципиальное улучшение ключевых характеристик, устранение проблем и тупиков в развитии систем.
Применение метода Directed Evolution в отношении in-memory-технологий подтверждает его потенциальные возможности по обеспечению качественного скачка в развитии корпоративных информационных систем.
ЛИТЕРАТУРА
1. Plattner H. A Common Database Approach for OLTP and OLAP Using an In-Memory Column Database // SIGMOD’09, June 29 — July 2, 2009, Providence, Rhode Island, USA.
2. Холкина М. М., Холкин И. Н. Феномен инфосоциосреды: системные отношения и прогноз развития. В рамках гранта РФФИ № 09-06-00274 «Трансформации общественного сознания и картины мира личности в условиях формирования информационного общества» // Институт системных исследований и КСП. М., 2010.
И.Н. Холкин. Применение метода Directed Evolution для анализа и прогнозирования развития информационных систем
3. Холкина М. М., Холкин И. Н. Интернет как часть феномена инфосоциосреды в информационном обществе // Институт системных исследований и КСП. М., 2010.
4. Mizrachi Yo. Comments on Intellectual History, The Logical and Applicative Visibility, and The Underlying Assumption of Directed Evolution (DE) // The BRM Institute for Technology and Society, The Graduate School of Business Administration. Tel Aviv University, 2007.
5. Fulbright R. Don’t Try to Predict the Future, Engineer it With Directed Evolution // Ideation International Inc., 2006.
6. Zlotin B., Zusman A. Patterns of Evolution: Recent Findings on Structure and Origin // Ideation International Inc., 2006.
7. Zlotin B., Zusman A. Directed Evolution as a Method of Thinking in the Era of Informational Civilization // Ideation International Inc., 2001.
8. Злотин Б., Зусман А. ТРИЗ-прогнозирование: вчера, сегодня, завтра. Выход за парадигму // Ideation International Inc., 2002.
9. Zlotin B., Zusman A. Directed Evolution: Philosophy, Theory and Practice // Ideation International Inc., 2001.
10. Петров В. М., Злотина Э. С. Теория решения изобретательских задач — основа прогнозирования развития технических систем. — Прага: ЧДНТО, 1989.
11. Альтшуллер Г. С. Творчество как точная наука. Теория решения изобретательских задач. — М.: Советское радио, 1979.
