Analiza systemowa: Gołubkow

„Podejście systemowe w planowaniu długookresowym”, Gołubkow, Rajzenberg i Pekarski, 1975 (w języku rosyjskim).

Analiza systemowa obejmuje zbiór metod naukowych i praktycznych technik rozwiązywania złożonych problemów (technicznych, przyrodniczych, ekonomicznych, społeczno-politycznych i innych).

Przede wszystkim wykorzystuje ona pojęcie systemu jako jedności wzajemnie powiązanych elementów działających wspólnie na rzecz osiągnięcia wspólnego celu. Właściwości, jakie posiada system jako całość, różnią się od właściwości jego poszczególnych elementów. Każdy system charakteryzuje się własnymi, specyficznymi regularnościami, które nie wynikają bezpośrednio ze sposobów działania jego elementów.

Głównymi częściami systemu są wejście, proces (struktura) i wyjście. Wejście systemu jest pojęciem złożonym. Z jednej strony jest to substancja, która wchodzi do systemu i podlega w nim określonym przekształceniom. Z drugiej strony jest to otoczenie zewnętrzne (środowisko), czyli ogół czynników i zjawisk wpływających na system (warunki naturalne, sytuacja polityki zagranicznej, warunki rynkowe). Wejściem są również ustalone sposoby działania elementów systemu, na przykład instrukcje, regulaminy i rozkazy, które określają procedury, zasady, ograniczenia i cele funkcjonowania systemu.

Drugą częścią systemu jest jego struktura wewnętrzna, czyli kanały, przez które przepływają materia, energia i informacja wchodzące do systemu poprzez jego wejścia, oraz procesy lub operacje, które je przekształcają (dla systemów ekonomicznych są to procesy reprodukcji zasobów materialnych, pracy i finansów).

Trzecią częścią systemu jest jego wyjście — produkt lub wynik jego działalności.

Na podstawie stopnia interakcji z otoczeniem zewnętrznym systemy dzieli się na otwarte i zamknięte. Systemy otwarte intensywnie wymieniają materię, energię lub informację ze swoim otoczeniem, natomiast systemy zamknięte, izolowane funkcjonują przy stosunkowo niewielkiej wymianie (na przykład zamknięty cykl przetwarzania informacji planistycznej i gospodarczej albo zamknięty cykl technologiczny). Należy zauważyć, że system może być zamknięty lub otwarty odrębnie w odniesieniu do materii, energii lub informacji. System ma bądź granice naturalne, bądź granice ustalone na podstawie celów badania; w tym drugim przypadku granice systemu wyznacza badacz.

Ten sam obiekt można przedstawić jako kilka różnych systemów. Jeśli przedsiębiorstwo produkcyjne rozpatruje się jako zbiór maszyn, procesów technologicznych, materiałów i produktów przetwarzanych na tych maszynach, przedsiębiorstwo przedstawia się jako system technologiczny. Przedsiębiorstwo można też rozpatrywać z innej perspektywy: badając relację pracowników do środków produkcji, ich udział w procesie pracy i podziale jego wyników, miejsce przedsiębiorstwa w szerszym systemie gospodarczym i tak dalej. W tym przypadku przedsiębiorstwo jest systemem ekonomicznym.

W trakcie rozwoju społecznego i rewolucji naukowo-technicznej powstał nowy obiekt badań w dziedzinie zarządzania, znany jako system wielkiej skali. Uogólniając poglądy różnych autorów, można wyodrębnić następujące najważniejsze cechy systemów wielkiej skali:

• obecność podsystemów o wyraźnie wyrażonych właściwościach lokalnych, które łącznie tworzą system wielkiej skali;
• celowość i sterowność systemu, czyli istnienie wspólnego celu i ogólnego przeznaczenia, ustalanego i korygowanego w ramach systemów wyższego poziomu;
• złożona, hierarchiczna (wielopoziomowa) struktura organizacyjna systemu, zapewniająca połączenie scentralizowanego zarządzania z autonomią części (podsystemów), obecność powiązań wertykalnych między elementami różnych poziomów oraz powiązań horyzontalnych między elementami tego samego poziomu;
• duży rozmiar systemu, czyli duża liczba elementów, wejść i wyjść oraz różnorodność funkcji;
• integralność i złożoność zachowania, złożone splotowanie zależności między zmiennymi oraz sprzężenia zwrotne powodujące, że zmiana jednej zmiennej wywołuje zmiany wielu innych.

Analiza systemowa oferuje specjalne techniki, za pomocą których system wielkiej skali, trudny do zbadania jako całość, można podzielić na szereg mniejszych, wzajemnie oddziałujących systemów, czyli podsystemów.

Wśród ważnych pojęć analizy systemowej znajduje się fundamentalne pojęcie cybernetyczne sprzężenia zwrotnego. Właśnie to pojęcie pomogło ustalić podobieństwo między organizacją zarządzania w jakościowo różnych systemach. Sprzężenie zwrotne oznacza istnienie kanału komunikacji między wyjściem a wejściem systemu — bezpośredniego albo poprzez inne elementy systemu (na przykład poprzez blok kontrolny). Za pomocą sprzężenia zwrotnego dane o funkcjonowaniu systemu kontrolowanego są przekazywane z jego wyjścia do systemu kontroli. Tam dane te są porównywane z danymi określającymi treść i zakres pracy (na przykład z planem). W przypadku niezgodności między rzeczywistym a określonym stanem systemu opracowywane są środki eliminujące tę niezgodność.

Ważnym pojęciem stosowanym w analizie systemowej jest pojęcie niepewności. Czynnik niepewności jest obecny przy rozwiązywaniu wielu złożonych problemów w dziedzinie planowania i zarządzania gospodarką narodową.

Niepewność napotykana w trakcie analizy systemowej może wynikać z niedostatecznej wiedzy o badanym zjawisku albo z tego, że konsekwencje podjętych decyzji ujawniają się w dostatecznie długim okresie i nie mogą być przewidziane z wystarczającą dokładnością.

Innymi przyczynami niepewności są niemożność kwantytatywnej oceny wielu zjawisk, w szczególności trudność kwantytatywnej interpretacji pojęć „lepiej–gorzej”, „więcej–mniej” w podejmowaniu decyzji, niedokładne sformułowanie problemu oraz indywidualne cechy osób podejmujących decyzje.

Analiza systemowa charakteryzuje się przede wszystkim nie specyficznym formalizmem naukowym, lecz uporządkowanym, logicznie uzasadnionym podejściem do badania problemów. Za pomocą metod analizy systemowej badane są złożone systemy i sytuacje, przede wszystkim te związane z potrzebą określenia celów, zadań i sposobów działania.

Analiza systemowa stanowi zbiór metod stosowanych w badaniu możliwych podejść do rozwiązywania złożonych problemów, a jednocześnie służy jako środek uporządkowania i efektywniejszego wykorzystania wiedzy, osądów i intuicji specjalistów w procesie podejmowania decyzji dotyczących tych problemów. Innymi słowy, analiza systemowa jest naukowym narzędziem dla badaczy i decydentów.

Zadaniem analizy systemowej jest wyjaśnienie problemów stojących przed decydentami w taki sposób, aby osoba wykonawcza uświadomiła sobie wszystkie główne konsekwencje decyzji i mogła je uwzględnić w swoim działaniu. Analiza kwantytatywna pomaga osobie odpowiedzialnej za decyzję podejść bardziej rygorystycznie do oceny możliwych sposobów działania i wybrać najlepszy z nich, uwzględniając dodatkowe, niesformalizowane czynniki i względy, które mogą być nieznane specjalistom przygotowującym decyzję (analitykom systemowym). Analiza systemowa służy określeniu najbardziej realistycznych sposobów rozwiązania powstałych problemów, zapewniając maksymalne zaspokojenie postawionych wymagań.

Doświadczenie zastosowania analizy systemowej w sprawach wojskowych miało duży wpływ na jej rozwój jako metodologii, co pozostawiło pewny wpływ na terminologię tej i blisko powiązanych dyscyplin naukowych (badania operacyjne, inżynieria systemów).

Między poszczególnymi kierunkami analizy systemowej noszącymi różne nazwy często nie istnieją zasadnicze różnice ani jasno wyznaczone granice; jednocześnie każdy z tych kierunków charakteryzuje się pewnymi odrębnymi cechami i niuansami. Tak więc badania operacyjne rozumie się zazwyczaj jako naukę zajmującą się opracowywaniem kwantytatywnych zaleceń niezbędnych do planowania i organizacji operacji. Operacja jest tu rozumiana jako jakiekolwiek celowe działanie osoby, grupy osób lub systemu człowiek–maszyna. Inżynieria systemów tworzy metody syntezy systemów wielkiej skali na podstawie badania funkcjonowania ich poszczególnych elementów. Choć wiele metod i wyników inżynierii systemów uzyskano w zastosowaniu do systemów technicznych, mogą one w znacznym stopniu zostać przeniesione na obiekty o innej naturze, w tym ekonomiczne.

Powstanie analizy systemowej w metodologii uzasadniania decyzji zarządczych oznacza przejście od rozwiązywania problemów dobrze ustrukturyzowanych, sformalizowanych (w których cele, ścieżki i kryteria są jasno określone i osiągalne za pomocą metod badań operacyjnych) do rozwiązywania problemów słabo ustrukturyzowanych, które powstają w warunkach niepewności i zawierają elementy niesformalizowane, nieprzekładalne na język matematyki.

Specjalista badań operacyjnych wykorzystuje metody analizy matematycznej lub logicznej w warunkach, gdy istnieje jasne rozumienie tego, co stanowi „bardziej efektywne” działanie. Rzadko zagłębia się on w definiowanie celu pracy lub metod oceny jej sukcesu; jest to jedno z głównych zadań analityka systemowego.

Specjalista od planowania praktycznie zawsze działa jako analityk systemowy, ponieważ postrzega rozwiązywany problem jako całość. Wyniki analizy systemowej zależą od przyjętego systemu kryteriów. Wybór kryteriów jest integralną częścią analizy. Rola analizy polega na ustaleniu, jakich kryteriów wskazane jest używać do podejmowania określonych decyzji w dziedzinie zarządzania.

Jedną z odmian analizy operacyjnej, znaną jako analiza kosztów i efektywności, jest wszechstronne porównanie efektu realizacji jednego lub drugiego sposobu działania z zasobami wymaganymi do jego realizacji.

Różnica między analizą systemową a analizą kosztów i efektywności polega na tym, że w drugim przypadku analiza jest ukierunkowana na znalezienie racjonalnych sposobów wykorzystania zasobów w warunkach sformułowanego, najczęściej danego celu. Analiza systemowa stawia problem szerzej, traktując sam cel jako przedmiot wyboru dokonywanego zgodnie z pewnymi zasadami.

Metodologię analizy systemowej można zdefiniować jako zbiór jej zasad, czyli najbardziej ogólnych, fundamentalnych regularności rządzących przeprowadzaniem konkretnych analiz różnych systemów i procesów w nich zachodzących.

Zasadą definiującą analizę systemową jest celowość. Każdy system istnieje i rozwija się zgodnie z celami wyznaczonymi zewnętrznie lub aktywnie kształtowanymi przez sam system. Z punktu widzenia analizy systemowej to właśnie zbiór celów definiuje i wyznacza system, jednocząc system i jego działalność w jedną całość.

Kolejna zasada analizy systemowej wynika z konieczności zastosowania podejścia systemowego i polega na identyfikacji i badaniu wszystkich istotnych wzajemnych powiązań, zarówno wewnątrz systemu, jak i między systemem a jego otoczeniem zewnętrznym, a także na wybieraniu poszczególnych rozwiązań z uwzględnieniem ich wpływu na system jako całość.

W analizie systemowej należy pamiętać, że te same cele można osiągnąć za pomocą kilku różnych środków i metod. Z tego wynika zasada analizy systemowej polegająca na szukaniu kilku alternatywnych rozwiązań powstałych problemów. Badanie możliwych wariantów struktury systemu, jego organizacji i zachodzących w nim procesów (technologicznych, planistycznych, zarządczych i innych) w celu wyboru najlepszego z nich jest istotną cechą analizy systemowej.

Często głównym zadaniem analizy systemowej jest znalezienie rozwiązań optymalnych. Rozwiązania optymalne to takie, które według jednego lub drugiego kryterium są korzystniejsze od innych. Zazwyczaj przy wyborze rozwiązania optymalnego według jakiegoś kryterium efekt uzyskany z realizacji określonej strategii postępowania jest porównywany z nakładami zasobów wymaganymi do jej realizacji.

Głębokość i pełność analizy procesów zachodzących w różnych systemach są w dużej mierze determinowane stopniem zbadania dynamicznego charakteru ich funkcjonowania i rozwoju. Analiza systemowa wychodzi z konieczności rozumienia nie tylko statycznych wzajemnych powiązań w systemie, ale i dynamicznych interakcji, badania nie tylko stanu systemu w danym momencie, ale i jego zmiany w czasie. Badanie zjawisk w ich dynamice i rozwoju jest również ważną zasadą analizy systemowej.

Zasada rozdziału odpowiedzialności za zalecenia wynikające z analizy systemowej i decyzje podjęte na ich podstawie zakłada ustalenie jasno wyznaczonego zestawu praw i obowiązków analityków systemowych oraz decydentów działających na podstawie wyników analizy. Przy ostatecznym zatwierdzaniu decyzji odpowiedzialni za nią mogą uwzględniać, oprócz zaleceń wynikających z analizy systemowej, szereg dodatkowych względów kwantytatywnych i kwalitatywnych, które nie zostały uwzględnione przez analityków.

W przypadkach, gdy badany jest złożony system, analizę którego można przeprowadzić tylko poprzez uogólnienie wyników analizy jego części składowych (podsystemów, elementów), najpierw badana jest struktura analizowanego systemu (problemu) i możliwości jego podziału na elementy. Następnie przeprowadzana jest sekwencyjna dekompozycja (strukturyzacja) systemu na jego części składowe zgodnie z jego strukturą, funkcjami i procesami wewnętrznymi, z uwzględnieniem wszystkich najważniejszych wzajemnych powiązań. Zasada celowej strukturyzacji badanego systemu znajduje konkretne praktyczne ucieleśnienie w szeregu metod analizy systemowej, na przykład w metodzie drzewa celów.

Zakres zastosowania analizy systemowej, w zależności od złożoności rozwiązywanych problemów i możliwości stosowania metod matematycznych, można w przybliżeniu podzielić na pięć poziomów:

• optymalizacja planowania i zarządzania poszczególnymi operacjami;
• wybór typu systemu lub najefektywniejszych ścieżek osiągania postawionych celów;
• opracowywanie nowych systemów;
• określanie miejsca i roli systemu w problemach wyższego poziomu;
• planowanie i zarządzanie systemem gospodarczym na poziomie gospodarki narodowej.

Ta kolejność odpowiada wzrastającej złożoności problemów, poziomowi niepewności i trudności w opracowywaniu zaleceń, na podstawie których można podjąć konkretne działanie. Na pierwszym poziomie analiza w największym stopniu przybiera formę matematyczną i może opierać się na wykorzystaniu formalno-logicznych narzędzi i metod. W istocie są to badania operacyjne mające na celu zwiększenie skuteczności systemu w warunkach, gdy pojęcie „bardziej efektywne” jest jasno określone. Główną cechą problemów w tej dziedzinie jest to, że mają one jasno wyznaczoną strukturę podlegającą sformalizowanemu opisowi. Na pozostałych poziomach zastosowanie analizy systemowej jest nieuchronnie związane z potrzebą badania czynników i warunków kwalitatywnych, najczęściej o charakterze społecznym.

W pewnych przypadkach analiza systemowa jest nieuchronnie związana z potrzebą badania sprzeczności. Przykładami sprzeczności i niezgodności są niezbalansowane plany, zakłócenia w dostawach określonych rodzajów materiałów i sprzętu, niezgodności między wzrostem wolumenu produkcji i konsumpcji określonych typów wyrobów oraz sprzeczności związane z powolnym wprowadzaniem nowej technologii.

Analiza problemów na drugim i trzecim poziomie obejmuje projektowanie nowych systemów przeznaczonych do lepszego wykonywania znanych operacji lub operacji nigdy wcześniej nie wykonywanych. Przy rozpatrywaniu problemów na tym i kolejnych poziomach coraz większe znaczenie ma uwzględnianie czynników społecznych i politycznych.

„Zastosowanie analizy systemowej w planowaniu branżowym”, E.P. Gołubkow, 1977 (w języku rosyjskim).

Ogólna metoda rozwiązywania konkretnych problemów analizy systemowej jest zróżnicowana i ucieleśniona w wielkiej różnorodności metod, które, w zależności od przyjętej zasady klasyfikacji, można podzielić na różne grupy — na przykład na metody analizy i syntezy, metody opisowe i eksperymentalne. W zależności od stopnia wykorzystania elementów formalnych w analizie systemowej można wyróżnić trzy grupy metod: matematyczne (formalne), heurystyczne (nieformalne) oraz kombinowane, matematyczno-heurystyczne.

Metody analizy systemowej można rozpatrywać zarówno w szerokim, jak i w wąskim, specyficznym sensie. W szerokim sensie metody analizy systemowej obejmują wszelkie metody z trzech wymienionych powyżej grup, które są stosowane do rozwiązania danego problemu na podstawie podejścia systemowego. W tym szerokim rozumieniu metody analizy systemowej są identyczne z metodami rozwiązywania problemów i mogą być klasyfikowane zgodnie z poszczególnymi etapami procesu podejmowania decyzji.

W wąskim sensie metody analizy systemowej to specyficzne metody przeznaczone do określania zbioru celów działalności systemu i najlepszych ścieżek ich osiągania, do wyboru modeli i kryteriów, do sekwencyjnej, celowej dekompozycji systemu (problemu) na jego elementy składowe, do określania wzajemnych powiązań i zależności między tymi elementami oraz do określania względnej istotności (preferencji) poszczególnych celów, mierników, kryteriów i modeli. Są to więc przede wszystkim metody ukierunkowane na rozwiązywanie problemów słabo ustrukturyzowanych w przypadkach, gdy zastosowanie formalnych, matematycznych metod jest ograniczone.

Główny korpus metod matematycznych w analizie systemowej stanowią metody badań operacyjnych (różne rodzaje programowania, teoria gier, teoria kolejek i inne). Metody te są szeroko stosowane w analizie systemowej, jednak raczej do badania poszczególnych aspektów rozwiązywanego problemu niż do badania jego istoty.

Metody matematyczne w analizie systemowej są najczęściej stosowane:

• do określania wartości numerycznych wskaźników charakteryzujących wyniki funkcjonowania systemu;
• do znajdowania najlepszych sposobów działania prowadzących do osiągnięcia określonych wyników (optymalizacja);
• do przetwarzania i analizowania danych o charakterze heurystycznym, twórczym.

Pomimo wzrastającej roli metod matematycznych w rozwiązywaniu problemów ekonomicznych, nie można ich uważać za uniwersalny środek rozwiązania. Metody oparte na zgromadzonym doświadczeniu i intuicji, czyli metody heurystyczne (nieformalne), pozostają niezbędne.

Chęć uzyskania precyzyjnych odpowiedzi na postawione pytania za pomocą metod matematycznych może prowadzić do tego, że inżynier i ekonomista zagłębiają się tak silnie w swoją pracę i metodologię określania potrzeb badawczych, że ostatecznym wynikiem ich wysiłków staje się wniosek o potrzebie dodatkowych badań.

Tymczasem w warunkach, gdy pewne dane o danym procesie, zjawisku lub wyniku gospodarczym są nieobecne, lepiej uzyskać przybliżone odpowiedzi na najważniejsze pytania, niż próbować dać precyzyjne odpowiedzi na pytania niedostatecznie jasne i zrozumiane. Procedury formułowania celów systemu, alternatyw ich realizacji, modeli i kryteriów nie mogą być w pełni sformalizowane.

Przeprowadzanie takich ekspertyz i konferencji jest bardzo często regulowane przez tradycję, czyli w ostatecznym rozrachunku przez doświadczenie, i w wielu aspektach stanowi sztukę. Jednakże stopniowo różne metody matematyczne przetwarzania materiału źródłowego pochodzenia heurystycznego zaczynają przenikać także do tej dziedziny.

Charakterystyczną cechą metod heurystycznych jest to, że specjalista, oceniając zdarzenie, w znacznym stopniu opiera się na informacji wynikającej z jego doświadczenia i intuicji. Ta informacja jest w ogromnym stopniu zależna od cech osobowych eksperta. Stosując intuicyjną metodę podejmowania decyzji, ekspert nie jest w stanie wyrazić słowami sekwencji jej realizacji.

Intuicja zakłada bezpośrednie, skokowe dojście do rozwiązania, a nie łańcuch starannych, dobrze przemyślanych i rozważonych kroków. Osoba myśląca intuicyjnie często nie może wskazać, które aspekty sytuacji zostały zidentyfikowane w procesie percepcji, jaką część informacji zapisanej w jej pamięci wykorzystała, czy jakie „rozumowanie” doprowadziło ją od danych wejściowych do decyzji.

Metody heurystyczne podejmowania decyzji oparte na doświadczeniu wychodzą z analizy przeszłego problemu identycznego z tym, który powstał w chwili obecnej (decyzja oparta na analogii z przeszłością). Metody nieformalne obejmują również podejmowanie decyzji na podstawie odwołania do autorytetu (szukanie porady i wskazówek u kierownictwa, ekspertów lub źródeł referencyjnych, takich jak literatura naukowa i dydaktyczna).

Obszary zastosowania metod analizy systemowej:

1. Określanie zbioru celów i ścieżek ich osiągania (na przykład definiowanie celów planu branżowego i opracowywanie kilku alternatyw jego realizacji).
2. Określanie preferencji (rankingu) poszczególnych celów, ścieżek, środków, wyników i tak dalej (na przykład określanie priorytetu i harmonogramu wdrażania poszczególnych środków w planie branżowym dotyczącym nowej technologii).
3. Dekompozycja celów, programów, planów i tak dalej na ich elementy (na przykład opracowywanie planów dla poszczególnych zrzeszeń lub przedsiębiorstw na podstawie zadań postawionych dla całej branży).
4. Wybór najlepszych ścieżek osiągania postawionych celów (na przykład analiza i porównanie różnych środków organizacyjnych i technicznych proponowanych do włączenia do planu).
5. Wybór kryteriów porównywania celów i ścieżek ich osiągania (na przykład wybór kryteriów oceny skuteczności różnych alternatyw planu branżowego).
6. Konstruowanie modeli wyboru celów i ścieżek ich osiągania (na przykład model podziału zadań planowych między przedsiębiorstwa branży według kryterium minimalizacji zredukowanych kosztów).
7. Uogólnianie danych z analizy funkcjonowania poszczególnych podsystemów w celu wyciągnięcia wniosków o optymalności funkcjonowania systemu jako całości (na przykład opracowanie optymalnego schematu opracowywania planów branżowych na podstawie analizy procedur planowania przyjętych w poszczególnych zrzeszeniach lub przedsiębiorstwach branży).

Należy zauważyć, że granica między metodami heurystycznymi a kombinowanymi jest w pewnym stopniu konwencjonalna, ponieważ nie istnieje między nimi ścisłe rozgraniczenie. Obecnie techniki matematyczne przetwarzania danych źródłowych o charakterze heurystycznym są stosowane przy zastosowaniu prawie wszystkich metod heurystycznych.

W analizie systemowej, w zależności od stopnia określenia formułowania problemów i warunków ich rozwiązania, mogą występować różne typy problemów, które determinują zastosowanie tej lub innej konkretnej metody rozwiązania. Problemy te, przy zastosowaniu klasyfikacji stosowanej w badaniach operacyjnych, można podzielić na trzy grupy, choć konieczne są tutaj również pewne wyjaśnienia.

1. Problemy deterministyczne. Są to problemy wyboru najlepszej alternatywy rozwiązania w sytuacjach, gdy każda strategia prowadzi do jednoznacznego wyniku (na przykład dana alternatywa planu prowadzi do uzyskania wymaganego wyniku ze stuprocentowym prawdopodobieństwem).
2. Problemy probabilistyczne. Są to problemy wyboru najlepszej alternatywy rozwiązania w sytuacjach, gdy każde działanie może przynieść różne wyniki, których prawdopodobieństwa są znane lub mogą być oszacowane (na przykład każda alternatywa planu prowadzi do uzyskania znanych wyników z określonym prawdopodobieństwem).
3. Problemy w warunkach niepewności. Są to problemy wyboru najlepszej alternatywy rozwiązania w sytuacjach, gdy prawdopodobieństwa uzyskania różnych wyników są nieznane, albo całkowicie nieznane jest, jakie wyniki można uzyskać, wybierając tę czy inną strategię z rozważanych.

Wprowadzenie takiej terminologii dla problemów analizy systemowej jest w pewnym stopniu konwencjonalne, ponieważ na przykład czynnik niepewności jest obecny nawet przy rozwiązywaniu problemów probabilistycznych.

Należy pamiętać, że klasa problemów probabilistycznych i problemów w warunkach niepewności obejmuje również problemy, dla których nie zdefiniowano pełnego zbioru możliwych strategii, a rozważane są tylko strategie znane. Taka sytuacja jest charakterystyczna dla praktyki podejmowania decyzji, gdy rozważa się nie wszystkie możliwe alternatywy rozwiązania powstałego problemu, lecz tylko ograniczoną liczbę takich alternatyw.

Problemy deterministyczne i problemy w warunkach niepewności można rozpatrywać jako przypadki graniczne (na przykład pełna znajomość i pełna niewiedza o wynikach) problemów probabilistycznych. Z tego powodu najpierw rozpatrzymy problemy probabilistyczne, po czym przejdziemy do rozpatrzenia problemów deterministycznych i problemów w warunkach niepewności.

Przy rozwiązywaniu problemów probabilistycznych wybór najlepszej alternatywy rozwiązania przeprowadza się poprzez maksymalizację wartości oczekiwanej stopnia preferencji. Kryterium to jest stosowane przy rozwiązywaniu większości problemów tego typu.

W przypadkach, gdy pewne obliczenia, na przykład techniczno-ekonomiczne, umożliwiają określenie efektywności jednej lub drugiej strategii w różnych warunkach otoczenia zewnętrznego, konkretne wartości charakteryzujące efekt realizacji danej alternatywy rozwiązania muszą być użyte w miejsce wartości stopnia preferencji. Ostateczne zalecenia dotyczące wyboru rozwiązania powinny być opracowywane z uwzględnieniem prawdopodobieństwa uzyskania różnych wyników dla rozważanych alternatyw rozwiązania.

Problem deterministyczny można rozpatrywać jako przypadek graniczny problemu probabilistycznego, przyjmując, że prawdopodobieństwo uzyskania każdego z możliwych wyników jest równe jedności albo zeru.

Przykładami problemów deterministycznych są na przykład problemy programowania liniowego.

Kryteria stosowane przy rozwiązywaniu takich problemów mogą stanowić przypadek graniczny maksymalizacji wartości oczekiwanej stopnia preferencji, w którym prawdopodobieństwa realizacji możliwych wyników są równe jedności albo zeru. Różne wskaźniki mające konkretne znaczenie ekonomiczne (koszty zredukowane, poziom rentowności, wydajność pracy i inne) są często stosowane jako kryteria przy rozwiązywaniu problemów deterministycznych.

Najbardziej charakterystycznym typem problemów analizy systemowej są problemy w warunkach niepewności. W rzeczywistych przypadkach, gdy początkowo wydaje się, że nie istnieją żadne oszacowania prawdopodobieństwa osiągnięcia różnych wyników, analityk systemowy zazwyczaj podejmuje maksymalny wysiłek, aby uzyskać informację o tych prawdopodobieństwach, przeprowadzając specjalne badanie, i zazwyczaj mu się to udaje. Możliwe są jednak również przypadki, gdy oszacowania prawdopodobieństwa są całkowicie nieznane.

Przy rozwiązywaniu problemów w warunkach niepewności stosowane są takie znane kryteria, jak minimax, maximin, uogólniony maximin (kryterium Hurwicza), kryterium minimalnego żalu (kryterium Savage’a), kryterium Laplace’a i inne.

Stosowanie różnych kryteriów przy rozwiązywaniu jednego problemu, jako zasada, prowadzi do uzyskania odmiennych wyników. Istnieją dwa podejścia do wyboru kryteriów rozwiązywania problemów w warunkach niepewności. Pierwsze to opracowywanie nowych kryteriów lub wymagań dotyczących wyboru kryterium decyzyjnego. Drugie podejście polega na wykorzystaniu jakiejkolwiek, nawet najbardziej skromnej, informacji o prawdopodobieństwach realizacji różnych warunków otoczenia (różnych wyników uzyskanych z realizacji danej strategii) lub na przeprowadzaniu eksperymentów w celu uzyskania oszacowań tych prawdopodobieństw. W ten sposób problem niepewności staje się problemem probabilistycznym.

Oba podejścia są pracochłonne i, jako zasada, trudne do zrealizowania w praktyce; jednak drugie podejście jest preferowane. Pierwsze podejście prowadzi do poszukiwania nowych kryteriów wyboru najlepszego z tych znanych, a następnie do poszukiwania kryteriów wyboru kryteriów z rozważanych, i tak dalej. Innymi słowy, nie istnieje kryterium decyzyjne niebazujące na oszacowaniach prawdopodobieństwa, które spełniałoby pewne uzasadnione wymagania dla „dobrego” kryterium.

Próby sformułowania kryterium oceny możliwych decyzji w warunkach niepewności odzwierciedlają dążenie do uczynienia zalet i wad każdego sposobu działania w różnych warunkach bardziej przejrzystymi. Żadne z istniejących kryteriów wyboru decyzji w warunkach niepewności nie jest uniwersalne, zdolne zaspokoić każdego decydenta.

Metod analizy systemowej nie należy przeciwstawiać sobie wzajemnie. Każda z nich ma zalety i wady, ale żadna nie jest odpowiednia do rozwiązywania wszystkich problemów. Dlatego najlepsze wyniki można uzyskać, łącząc kilka metod, w zależności od charakteru rozwiązywanego problemu i poziomu, na którym jest on badany. Przy rozwiązywaniu problemów planowania na najniższym poziomie zarządzania gospodarką zwykle napotyka się problemy dostatecznie dobrze ustrukturyzowane, co pozwala na szerokie zastosowanie matematycznych metod analizy. Na wyższych poziomach cele i inne elementy analizy systemowej nabierają coraz bardziej kwalitatywnego charakteru, dlatego wzrasta znaczenie metod nieformalnych.

Złożoność modelowania procesów społecznych w systemach ekonomicznych dodatkowo komplikuje zastosowanie metod matematycznych. Jednocześnie wzrasta rola czynnika niepewności, a jego ignorowanie za pomocą metod formalnych może prowadzić do błędnych wniosków.