ИНФОРМАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ РАЗВИТИЯ НА ОСНОВЕ СИСТЕМНОГО АНАЛИЗА «УЗКИХ МЕСТ»

Цель: Цель представленного исследования заключается в расширении возможностей применения информационно-логических моделей для анализа прогнозирования «узкихмест» и количественной оценки способов их устранения в развитии социально-экономических систем.

Методология проведения работы: Проведение данного исследования базируется на использовании основных принципов, свойств и правил построения поэтапных информационно-логических моделей решения сложных проблем. Их развитие предполагает введение количественных оценок способов снижения негативного потенциала «узких мест» и сопоставление ожидаемых результатов их устранения с исходным состоянием.

Результаты работы: Авторами настоящей статьи представлен способ аналитического направленного поиска и устранения «узких мест» процессов развития сложных систем, который основан на использовании правил построения информационно-логических моделей. Количественный анализ возможностей уменьшения потенциала выявленных «узких мест» предполагает построение линейного графа на основе информационно-логической модели, а также расчет интегральных оценок ожидаемой компенсации исходного потенциала «узких мест».

Выводы: Разработанный способ аналитического представления возможностей устранения «узкихмест» в развитии социально-экономических систем применим для анализа перспектив устранения «узких мест» на основе построения схемы полного цикла принятия решения. Апробация представленного подхода на примере анализа известных проблемных ситуаций показала, что предложенный инструментарий позволяет априори оценивать результативность предлагаемых механизмов, имитировать их расширение и эффективность с точки зрения влияния на конечный результат. Это увеличивает возможности поиска эффективных решений сложных научно-технологических и социально-экономических проблем, а кроме того, будет весьма полезным при экспертизе различных проектов и программ.

1. Акофф Р, Эмери Ф. О целеустремленных системах: пер. с англ. 2-е изд. М.: ЛКИ, 2008. 269 с.

2. Оптнер С.А. Системный анализ для решения деловых и промышленных проблем. М.: Советское радио, 1969.

3. Балаян ГГ, Жарикова ГГ, Комков Н.И. Информационно-логические модели научных исследований. М.: Наука, 1978

4. Комков Н.И. Математические модели научных исследований и разработок. М.: Наука, 1978.

5. Берж К Теория графов и ее применения: пер. с фр. А.А. Зыкова; под ред. И.А. Вайнштейна. М.: Иностранная литература, 1962. 320 с.

6. Янч Э. Прогнозирование научно-технического прогресса. М.: Прогресс, 1970. 568 с.

7. Ивантер В.В, Комков Н.И. Прогноз научно-технологического развития: состояние, проблемы и перспективы // Инновации. 2006. № 10. С. 42-51. URL: https://elibrary.ru/item.asp?id=12915329

8. Форрестер Дж. Мировая динамика: пер. с англ. М.: ООО «Издательство АСТ»; СПб.: Terra Fantastica, 2003. 379 с.

9. Nagin Daniel. Group-Based Modeling of Development. Harvard University Press, 2005. DOI: https://doi.org/10.4159/9780674041318

10. Li Q, Chen YL. System Development and Integration Methodology. In: Modeling and Analysis of Enterprise and Information Systems. Springer, Berlin, Heidelberg. 2009. DOI: https://doi.org/10.1007/978-3-540-89556-5_3

11. Clements M.P. and Hendry D.F. Forecasting Economic Time Series. Cambridge University Press, 1998. DOI: https://doi.org/10.1017/CBO9780511599286

12. Reynolds, Martin and Holwell, Sue. Introducing systems approaches. In: Reynolds, Martin and Holwell, Sue eds. Systems Approaches to Managing Change: A Practical Guide. London: Springer, 2010. p. 1-23. DOI: https://doi.org/10.1007/978-1-84882-809-4_1

13. Cartwright Nancy. Scientific models versus social reality. Building Research & Information. 2015; 44(3):334-337. DOI: https://doi.org/10.1080/09613218.2015.1083811 (in Eng.)

14. The logical foundations of scientific theories: languages, structures, and models / by Daecio Krause and Jonas R.B. Arenhart. Description: New York: Routledge, 2017. 162 p. DOI: https://doi.org/10.4324/9781315535210 (in Eng.)