«МАТЕМАТИКА, ФИЗИКА, ХИМИЯ, ИНФОРМАТИКА УДК 004 Г.Ж. Абдыкерова, А.С. Чабиев ВКГТУ, г. Усть-Каменогорск ИНФОРМАЦИОННАЯ СИСТЕМА ОЦЕНКИ ИННОВАЦИОННЫХ ПРОЕКТОВ Информационная система (ИС) собирает, обрабатывает, хранит, ...»

МАТЕМАТИКА, ФИЗИКА 134

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

МАТЕМАТИКА, ФИЗИКА,

ХИМИЯ, ИНФОРМАТИКА

УДК 004

Г.Ж. Абдыкерова, А.С. Чабиев

ВКГТУ, г. Усть-Каменогорск

ИНФОРМАЦИОННАЯ СИСТЕМА ОЦЕНКИ ИННОВАЦИОННЫХ ПРОЕКТОВ

Информационная система (ИС) собирает, обрабатывает, хранит, анализирует и распространяет информацию для специфических целей. Как и любая система, ИС включает входную информацию (данные, инструкции) и выходную информацию (отчеты, расчеты). Она обрабатывает входную информацию и производит выходную информацию, которая посылается пользователю или другой системе. Она может также включать механизм обратной связи, который контролирует операции. Как и любая другая система, ИС действует в окружающей среде.

Для обеспечения основных бизнес-процессов оценки инновационных проектов выделим функциональные подсистемы, то есть произведем декомпозицию. Управление процессом оценки состоит из следующих процессов: получить проект; зарегистрировать проект, оценить по критериям; оценить по экономическим показателям; комплексность экспертов; график, отчеты; результат (рис. 1).

Критерии Критерии инновационно- конкурентоспособности сти Финансово- Проект экономически цеэкономический план лесообразен Информационная система оценки инновационных проектов Входные данные Отчеты Эксперт проекта Информационная система Рисунок 1 – Контекстная диаграмма функциональной модели ИС оценки инновационных проектов Каждый процесс функциональной модели представляет собой самостоятельную подсистему, которая имеет свои процессы, направленные на достижение общей цели функционирования. Рассмотрим принцип функционирования модели. Главная задача экспертизы инновационного проекта – предоставление сведений о перспективности новых технологических и организационных решений, оформленных в виде проекта, экономической целесообразности и рискованности инвестиций на основе интегральной оценки самого 135 МАТЕМАТИКА, ФИЗИКА ISSN 1561-4212. «ВЕСТНИК ВКГТУ» №4, 2009.

ХИМИЯ, ИНФОРМАТИКА

инновационного решения и внешних условий, в которых оно будет осуществлено. Проведение экспертизы представляет собой исключительно трудную задачу, и ее качество во многом определяется квалификацией экспертов и размерами средств, выделяемых на ее проведение. Оценка проекта на первом этапе регулируется согласно критериям конкурентоспособности и инновационности, которые определяют основные возможности будущего проекта.

Входной информацией является: заявка проекта, анкета заявителя, паспорт проекта, бизнес-план проекта. Критерии отбора есть признаки, по которым определяют приоритетность проекта. Взаимодействие данных интерфейсов в подсистеме «Метод Мак-Кинси оценки проекта» преобразует в выходную информацию – показатели критерий – которая является входной информацией для других подсистем системы. Названные интерфейсы в подсистеме «Экономические показатели» формируют данные экономических показателей, которые являются входной информацией для подсистемы «Выводы, принятия решений». Выходная информация данного блока представляет собой результат оценки инновационного проекта, которая служит для принятия решений по проекту. Вся выходная информация подсистем аккумулируется за счет внутреннего взаимодействия подсистем, и формируется единая выходная информация. Пользователями системы являются эксперты и руководители (разработчики) проекта, которые осуществляют ввод данных в систему;

операции обработки, передачи, хранения информации возложены на программные средства проектируемой системы.

В информационной модели оценки инновационных проектов можно выделить несколько информационных процессов, связанных:

- с формированием параметров информационного проекта;

- со сбором, накоплением и хранением статических данных и называемых информационными процессами сбора данных;

- с решением различных расчетных операций, называемых расчетными информационными процессами.

Информационная модель позволяет также сформировать требования к техническим решениям, лежащие в основе алгоритмического комплекса средств автоматизации. Именно такая структура описания информационной модели лежит в основе возможности отделения данных от прикладных программных средств, использующих эти данные.

Представленная на рис. 2 информационная модель дает общее описание оценки инновационных проектов, не раскрывая сущности каждого информационного процесса.

Целью инфологического моделирования является обеспечение наиболее естественных для человека способов сбора и представления той информации, которую предполагается хранить в создаваемой базе данных. Поэтому инфологическую модель данных пытаются строить по аналогии с естественным языком (последний не может быть использован в чистом виде из-за сложности компьютерной обработки текстов и неоднозначности любого естественного языка).

Инфологическая модель соответствует диаграмме «сущность-связь». Основными конструктивными элементами инфологических моделей являются сущности, связи между ними и их свойства (атрибуты).

Основу ИС составляет реляционная база данных, программные средства, обеспечивающие логику обработки данных, интерфейс пользователя.

Разработка информационного обеспечения включает подготовку документов, содерМАТЕМАТИКА, ФИЗИКА

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

жащих информацию, необходимую для решения задачи, и анализ этой информации. Такой анализ позволит произвести формализацию данных, которая имеет целью их однозначное определение для хранения, поиска и обработки информации.

Критерии определяют Проект имеет Инновационность и Метод конкурентоспособность расчет отбор инновац. и конкурентос.

Рисунок 2 – Информационная модель оценки инновационных проектов Проанализировав исходную информацию предметной области с целью определения состава и структуры информации для последующей формализации и построения информационно-логической модели данных, был определен реквизитный состав входной и результирующей информации. Выделим следующую инфологическую модель (рис. 3).

ХИМИЯ, ИНФОРМАТИКА

Для пользователя подсистемы оценки эффективности инновационных проектов в любой момент времени должны быть доступны все данные о проектах, экспертах, оценках, сведениях из справочников критериев для их использования в последующих расчетах.

Пользователь (эксперт) должен иметь возможность выполнять следующие операции:

- зарегистрировать в журнале поступившую заявку на проведение оценки проекта;

- оценить проект путем проставления баллов по критериям инновационности и конкурентоспособности проекта;

- оценить экономическую эффективность проекта;

- выполнить комплексную оценку проекта;

- редактировать данные;

- выдать результат (рекомендацию).

Фрагмент физической модели базы данных предоставлен на рис. 4.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Технологический аспект описывает конкретные технологии, отобранные для внедрения системы. Выбор технологий и интерфейсов, реализующих узлы системы, является важным шагом при достижении масштабируемости, информационной безопасности, высокой производительности и функциональности системы. Также основательный подход к вопросу выбора технологии позволяет получить максимальную выгоду от аппаратной и программной части компьютерной системы.

В Delphi основой работы с базами данных являлся Borland Database Engine (BDE) – процессор баз данных фирмы Borland. BDE служит посредником между приложением и базами данных. Он предоставляет пользователю единый интерфейс для работы, развязывающий пользователя от конкретной реализации базы данных. Благодаря этому не надо менять приложение при смене реализации базы данных. Приложение Delphi обращается к базе данных через BDE. BDE поддерживает естественный доступ к таким базам данных, как Microsoft Access, FoxPro, Paradox, dBase и ряд других. Если собственного драйвера нужной СУБД в BDE нет, то используется драйвер ODBC. ODBC (Open Database Connectivity) – DLL, аналогичная по функциям BDE, но разработанная фирмой Microsoft.

Таким образом, в разработке ИС применяется целый ряд современных технологий, которые позволяют выполнить качественную обработку и передачу данных между подсистемами ИС.

Разработка ИС относится к автоматизированной информационно-управляющей системе. Пользователями проектируемой системы являются участники проекта, они осуществляют ввод данных в систему; операции обработки, передачи, хранения информации возложены на программные средства проектируемой системы с участием экспертов. Выбор архитектуры проектируемого программного средства главным образом зависит от поставленной задачи и количества пользователей сети. Для реализации подсистемы оценки эффективности была выбрана двухзвенная архитектура, так как приложение разрабатывается в расчете на одного пользователя. На рис. 5 представлена архитектура информационной системы, которая представляет собой единую платформу управления оценкой инновационного проекта.

ХИМИЯ, ИНФОРМАТИКА

- управление процессом оценки проекта;

- управление справочниками;

- конструктор рабочих таблиц.

Рисунок 5 – Архитектура информационной системы оценки проекта Основные компоненты системы представлены в виде: хранилища данных (BDE Administrator), организация которого удовлетворяет принципам оценки инновационных проектов, ориентированной на результат; Windows-приложение представляет собой интерфейс взаимодействия пользователя с базой данных для организации и управления работой оценки проекта; программных модулей в MS Excel, которые представляют собой вычислительные модули.

Координатор работ отвечает за всю организацию работ по этапному проведению оценки проекта, основные функции которого заключаются в управлении процессом оценки проекта, управлении справочниками системы, формировании текущих и оперативных отчетов по исполнению в среде Microsoft Excel, а также позволяет представить данные в максимально удобной форме.

Информационная система разработана в виде СППР, реализующей ввод данных для экспертизы проекта, отбор проектов по критериям инновационности и конкурентоспособности, оценку экономической эффективности проекта, комплексную оценку проекта.

Разработка приложений пакета была выполнена в среде Delphi, в качестве платформы базы данных использована BDE Administrator.

Алгоритм функционирования информационной системы оценки инновационных проектов включает 3 этапа (рис. 6).

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Оценка проектов по критериям инновационности и конкурентоспособности Ранжирование проектов по экономической эффективности На первом этапе из поступивших заявок осуществляется отбор инновационных проектов по критериям инновационности и конкурентоспособности. Оценка проектов на этом

ХИМИЯ, ИНФОРМАТИКА

этапе осуществляется экспертным путем. Проекты, успешно прошедшие первоначальный отбор, переходят ко второму этапу оценки.

На втором этапе осуществляется оценка экономической эффективности инновационных проектов. Проекты, соответствующие показателям экономической эффективности, переходят на заключительный этап оценки.

Третий этап оценки представляет собой комплексную оценку проекта с учетом инновационности, конкурентоспособности и экономической эффективности.

В завершение процедуры оценки экспертной комиссией разрабатывается проект решения.

Работоспособность методов, моделей и программного решения была проверена на инновационных проектах ТОО РНТП «Алтай» и ВКГТУ им. Д. Серикбаева.

Таким образом, разработанная информационная система оценки инновационных проектов определяет программно-целевой подход к экспертизе проектов с учетом их инновационности, конкурентоспособности и экономической эффективности.

Получено 25.12. УДК 621.311. Д.С. Ахметбаев РГКП, г. Экибастуз

ПРИМЕНЕНИЕ КОЭФФИЦИЕНТОВ ТОКОРАСПРЕДЕЛЕНИЯ ДЛЯ РАСЧЕТА СИСТЕМНЫХ ФУНКЦИЙ

СОПРОТИВЛЕНИЯ ДВУХПОЛЮСНИКОВ

В теоретической электротехнике особое внимание уделяется двухполюсникам, так как общая задача анализа часто сводится к определению тока или напряжения какой-либо одной ветви сложной схемы электрической цепи. Относительно выделенной ветви, вся остальная часть схемы условно изображается в виде прямоугольника, называемого двухполюсником [1].

Пассивный двухполюсник, запитанный от идеального источника тока, изображен на рис. 1.

Если считать, что воздействие источника тока J является возмущением, то в качестве реакции цепи на это возмущение может быть принято его входное напряжение U 10 [2].

Тогда системная функция сопротивления двухполюсника, определяемая как отношение вынужденной реакции цепи на возмущение, имеет вид

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

которая совпадает с известным его входным сопротивлением.

Входное сопротивление, в свою очередь, определяется эквивалентным преобразованием исходной схемы и приведением ее к простейшему виду. При этом изменяется геометрический образ преобразуемой части цепи с соответствующим изменением ее параметров.

Применение теории матричной алгебры позволяет получить уравнение преобразованной эквивалентной схемы, которое может быть основой для составления геометрического образа и определения параметров эквивалентной схемы [3]. Следует отметить, что само преобразование матричного уравнения состояния электрической цепи не встречает особых затруднений, а затруднения возникают при составлении эквивалентной схемы и определении ее параметров. Поэтому разработка метода расчета системных функций сопротивления пассивного двухполюсника, без выполнения каких-либо преобразований схемы, имеет важное практическое значение.

Применение коэффициентов распределения узловых токов для расчета матриц узловых сопротивлений схемы сложной цепи рассмотрено в работе [4], где получено аналитическое выражение, позволяющее найти точные значения обобщенных параметров схемы электрической цепи, в виде:

В данной работе рассматривается методика применения коэффициентов токораспределения для расчета системных функций сопротивления пассивных двухполюсников. С целью обеспечения простоты изложения предлагаемого метода ниже рассматриваются различные схемы двухполюсника, начиная с простейшей по мере ее усложнения.

Последовательное соединение нагрузки показано на рис. 2.

Для схемы с последовательно соединенными сопротивлениями (рис. 2) матрица С определяется непосредственно по схеме и имеет вид [5]:

Выражение для системной функции сопротивления двухполюсника в развернутой форме запишется:

ХИМИЯ, ИНФОРМАТИКА

Из формулы (3) видно, что результаты произведения матриц представлены в виде суммы сопротивлений ветвей, которые полностью совпадают с правилом эквивалентирования последовательной цепи.

Матрица коэффициентов распределения задающего тока (рис. 3, а) имеет вид [6]:

где Z 11 Z 1 Z 2, Z 22 Z 2 Z 3, которая определяется решением системы уравнений составленный по расчетной схеме 3, б.

Рисунок 3 - Параллельное соединение нагрузки: а – исходная схема, б – расчетная схема Тогда выражение для системной функции сопротивления запишется в виде

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

В результате умножения трех матриц получено выражение для системной функции сопротивления совпадающее с формулой, определяемой обычным эквивалентированием параллельной цепи.

Смешанное соединение нагрузки изображено на рисунке 4.

Матрица коэффициентов токораспределения (рис. 4) имеет вид [6]:

В результате преобразования матричного уравнения, составленного на основе матрицы (2), получено выражение (7)

ХИМИЯ, ИНФОРМАТИКА

совпадающее с формулой, определяемой обычным преобразованием.

Таким образом, вышепроведенные матричные преобразования уравнений системных функций сопротивления применительно к простейшим схемам не требуют дополнительных доказательств.

Рисунок 5 - Сложное соединение нагрузки: а – исходная схема, б – расчетная схема Системная функция сопротивления, относительно зажимов (01), схемы, изображенной на рисунке 5, а, определяется согласно вышеизложенной методике по формуле (2), которая в результате матричного преобразования имеет вид:

где

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

деления, определяемая решением системы уравнений, cоставленной по схеме рис. 5, б [6] где Z 11 Z 1 Z 2 Z 3, Z 22 Z 3 Z 4 Z 5 - контурные сопротивления.

Полученная расчетная формула (8) может быть проверена путем определения входного сопротивления цепи относительно зажимов (01) на основе последовательно – параллельного преобразования цепи.

Проведенные исследования показали, что при известном коэффициенте токораспределения значения системных функций сопротивления двухполюсников могут быть найдены аналитическим путем для любой схемы произвольной сложности. Это существенно повышает эффективность расчетов электрических цепей, выполняемых с использованием свойств двухполюсников.

На основе вышеизложенного можно сделать следующие выводы:

1. Полученная системная функция сопротивления как частный случай системных функций электрической цепи характеризует входное сопротивление двухполюсника.

2. Основная задача расчета системных функций сопротивления двухполюсника сводиться к определению коэффициентов токораспределения в схеме, которые изучены достаточно хорошо и широко используются при различных расчетах электрической цепи сложной структуры.

3. Предлагаемый метод повышает эффективность расчетов по мере усложнения схемы исследуемой электрической цепи.

1. Зевеке Г.В. Основы теории цепей /Г.В. Зевеке, П.А. Ионкин, А.В. Нетушил, С.В. Страхов. - М.: Энергия, 1965. – 415 с.

2. Толстов О.Г. Теория электрических цепей /О.Г. Толстов, А.А. Теврюков. - М.: Высшая школа, 1971. - 295 с.

3. Максимович Н.Г. Линейные электрические цепи и их преобразование. - М.; Л.: Госэнергоиздат, 1961. - 264с.

4. Ахметбаев Д.С. Расчет узловых сопротивлений сложной схемы электрической сети энергосистем // Энергетика и топливные ресурсы Казахстана. - 2003. - № 10. – С. 75-76.

5. Веников В.А. Электрические системы. Математические задачи энергетики. - М.: Энергия, 1971. – 322 с.

6. Ахметбаев Д.С. Математическое моделирование стационарных режимов электрических цепей // Вестник ПГУ. - 2004. - № 2. – С. 108-114.

Получено 10.11.

ХИМИЯ, ИНФОРМАТИКА

УДК 681.3. Ю.А. Вайс ВКГТУ, г. Усть-Каменогорск

МОДЕЛЬ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ КАЧЕСТВА ЗДОРОВЬЯ

Установлено, что «большая часть человечества умирает от тех же болезней, что и фараоны в Египте». Основная цель «врачевания» - не сохранение здоровья, а устранение болезни, которая уже есть. Исследования в различных государствах показали, что состояние здоровья на 50 % зависит от образа жизни, на 20 % - от экологии и только на 10 % - от уровня здравоохранения в стране. Современная наука, опираясь на достижения в генетике, науке управления и организации, выдвигает новые концепции: более важным становится не предотвращение развития заболевания, а создание условий для успешной работы всех органов и систем организма, и он сам справляется с проблемой. В области организации здравоохранения положена концепция равной ответственности государства и самого гражданина за его здоровье. Мониторинг здоровья - это забота не только о его восстановлении, но, главное, его созидании. Какими показателями измерять и какими нормами оценивать этот уровень созидания - главные задачи исследования феномена качества здоровья. Всемирная организация здравоохранения сформулировала хорошо известное определение здоровья: «здоровье - это состояние полного физического, психического и социального благополучия, а не просто отсутствие заболевания или физического недостатка». В 60-е и 70-е годы ХХ в. социологи, философы, врачи и политики начали проявлять интерес к концепциям «качества жизни» и «стандарта жизни», а в конце ХХ века – к «качеству здоровья». При этом качество здоровья вырастает в актуальную проблему здравоохранения с четко очерченной политикой ее реализации.

Качество здоровья стало собирательным определением, оно включает все те человеческие потребности, которыми часто пренебрегают в системе здравоохранения. Одна из причин возникновения движения «за качество жизни» и «качество здоровья» в общественном сознании и медицине — растущая неудовлетворенность населения медицинским обслуживанием. Специфическим аспектом неудовлетворенности было то, что в своих попытках добиться продления жизни любой ценой, сосредоточившись лишь на необходимости лечения, медицина упустила базовые системные факторы в оздоровлении населения. В настоящее время нет конкретных результатов, в которых бы рекомендовался обоснованный перечень индикаторов для измерения качества здоровья. Однако с большой долей уверенности можно предположить, что эти индикаторы представляют сложную многофакторную модель. Причем модель качества здоровья должна быть адекватна конкретному региону. Повышение качества здоровья в мягкой эволюционной форме проявится в снижении внешних угроз и рисков завтрашнего дня, повышении работоспособности, повышении общественной значимости, семейного комфорта и уверенности в себе, сокращении расходов на пребывание в стационаре.

Состояние здоровья населения и особенно детей всех возрастных групп ВосточноКазахстанской области требует постоянного внимания и принятия мер. К сожалению следует отметить, что до сих пор отсутствует целостная государственная, долговременная программа мониторинга здоровья молодого населения как на государственном, так и реМАТЕМАТИКА, ФИЗИКА

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

гиональном уровнях. Для внедрения научно-обоснованной системы мониторинга качества здоровья необходимо решить целый ряд научных и практических задач. Понятие качества здоровья должно стать основным концептуальным подходом для кардинального решения проблем здоровья населения региона.

Вместе с тем чтобы управлять (контролировать, прогнозировать) качеством здоровья, необходима система современного информационного и математического обеспечения, в которой накапливались, обрабатывались, актуализировались и индицировались данные как персонально по каждому жителю региона, начиная с момента его рождения, так и данные внешних и внутренних рисков. Эта система должна работать в режиме «реального времени» и соответствующим целевым образом построена в форме мониторинговой экспертной системы. В связи с тем, что в данной системе интегрируются данные социально-экономического, экологического, политического, демографического характера с возможностью территориальной селекции, она должна проектироваться как геоинформационная система. Это необходимо для грамотного выделения приоритетных проблем в области здоровья и планирования программ по оздоровлению населения на всех уровнях – от местного и регионального до национального и международного.

В результате была разработана методика исследований, в которой в качестве количественного критерия планируется оценивать риск снижения качества здоровья. На рисунке (рис.1) представлена графическая модель интерпретации указанного риска.

Согласно статистическим данным средняя продолжительность жизни в нашем регионе составляет 60 лет. Таким образом, можно предположить, что, накапливаясь в течение жизни, к 60-ти годам суммарная вероятность риска снижения качества здоровья достигает 1, т.е. приводит к смертельному исходу. Рассматривая эту условную линию как функцию зависимости вероятности риска от возраста, можно определить среднюю величину риска снижения качества здоровья в связи со снижением качества здоровья для каждого года жизни условного жителя региона и, следовательно, оценить качество здоровья данного жителя по формуле Рисунок 1 – Графическая интерпретация риска снижения качества здоровья Предположив, что величина продолжительности жизни распределена по нормальному закону и fпж(Т) – функция плотности распределения продолжительности жизни в условиях данного условного региона, можно смоделировать продолжительность жизни каждого i-го жителя данного региона (Тi). Таким образом, условная линия вероятности

ХИМИЯ, ИНФОРМАТИКА

риска снижения качества здоровья сдвигается, и по ней можно определить качество здоровья данного i-го жителя на j-м году его жизни (рис. 2).

Рисунок 2 - Графическая интерпретация риска снижения качества здоровья i-го жителя на j-м году его жизни Риск снижения качества здоровья образуется под влиянием различных факторов, т.е.

суммарное влияние можно выразить формулой где Рi – вероятность влияния i-го фактора на риск снижения качества здоровья.

Для проведения исследования были выбраны следующие группы факторов, которые тем или иным образом влияют на качество здоровья человека: экологическая обстановка, состояние здравоохранения, наследственность, экономическое благосостояние и образ жизни.

На каждом этапе жизни влияние факторов неодинаково, следовательно, для успешного моделирования требуется корректировка условной линии вероятности снижения качества здоровья. Для этого методом экспертных оценок каждому фактору присваивается соответствующий «вес». С учетом определенных весов формула для определения вероятностной оценки качества здоровья приобретает вид:

где аi – «вес» фактора, РiРС – вероятность влияния i-го фактора.

Таким образом, полученная формула позволяет оценить качество здоровья с учетом любых факторов, влияние которых необходимо учитывать в данном регионе, а также с учетом значимости выбранных факторов для региона, оцененной экспертами.

Следующим шагом в разработке модели системы «качество здоровья» должно стать детальное исследование влияния перечисленных факторов на риск снижения качества здоровья и определение функций зависимости влияния данных факторов на здоровье человека от возраста.

На рисунках (рис. 3-6) представлены графики, отображающие влияние некоторых из вышеперечисленных факторов на риск снижения качества здоровья в зависимости от возраста человека.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Рисунок 3 - Влияние здравоохранения на риск Рисунок 4 - Влияние неблагоприятной эколоснижения качества здоровья гической обстановки на риск снижения качества здоровья Рисунок 5 - Влияние высокого экономического Рисунок 6 - Влияние низкого экономического благосостояния на риск снижения качества здоро- благосостояния на риск снижения качества Проанализировав графики, можно сделать вывод, что различные внешние факторы могут оказывать как отрицательное, так и положительное влияние на качество здоровья.

Например, неблагоприятная экологическая обстановка повышает риск снижения качества здоровья, причем отрицательное влияние имеет тенденцию увеличиваться, так как в организме накапливаются вредные вещества, попадающие из окружающей среды, такие, как радионуклиды и соли тяжелых металлов. Также повышает риск снижения качества здоровья низкое экономическое благосостояние. Это влияние особенно ощутимо в период формирования организма, то есть в детском и подростковом возрасте, когда необходимо поступление в организм всех витаминов и микроэлементов, полноценное питание и отдых в оздоровительных учреждениях. Влияние этого фактора возрастает также в пенсионном возрасте, когда организму, как правило, требуются медикаменты и оздоровительные процедуры. При низком экономическом благосостоянии человек не в состоянии позволить дорогостоящее лечение и питание, и наоборот, высокий уровень экономического благосостояния уменьшает риск снижения качества здоровья во всех тех случаях, когда низкое благосостояние его увеличивает. И в заключение, здравоохранение, конечно, положительно влияет на качество здоровья. Особенно это влияние ощутимо до года жизни каждого жителя, когда он находится под постоянным вниманием врачей, фиксирующих развитие ребенка, чтобы выявить и лечить отклонения на ранних стадиях, когда лечение наиболее эффективно и безопасно.

В процессе дальнейшей работы требуется определить математические функции влияния перечисленных факторов, а также других факторов, упомянутых выше.

В общем случае для каждого конкретного региона требуется определение списка факторов, влияние которых релевантно для жителей данного региона и требуется проведение аналогичной работы по определению математических зависимостей.

ХИМИЯ, ИНФОРМАТИКА

Получено 18.11. УДК Г.М. Мутанов, Ж.Д. Мамыкова, Г.Ж. Абдыкерова ВКГТУ, г. Усть-Каменогорск

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ОЦЕНКИ ИННОВАЦИОННЫХ ПРОЕКТОВ

Инновационный проект представляет собой сложную систему взаимообусловленных и взаимоувязанных по ресурсам, срокам и исполнителям мероприятий, направленных на достижение конкретных целей (задач) на приоритетных направлениях развития науки и техники.

Оценка инновационного проекта - важная и сложная процедура, которая представляет собой непрерывный процесс и должна учитывать многие факторы: финансовые результаты реализации проекта на всех этапах его жизненного цикла; воздействие данного проекта на другие в рамках портфеля НИОКР предприятия; влияние проекта в случае его успеха на экономику предприятия и страны в целом и т.п.

Главной особенностью инновационных проектов является то, что они относятся к категории объектов наиболее высокого риска для инвестиций, которые достаточно сложно оценить ввиду отсутствия эффективных методов оценки для них.

В этой связи важен выбор эффективного механизма оценки инновационных проектов, учитывающего особенности каждого конкретного проекта (область применения, сфера отрасли и т.д.). Актуальность научного осмысления такого выбора очевидна. В теоретическом аспекте эта проблема находится в сопряжении с поиском путей совершенствования методов оценки проектов, а в практическом - с реализацией проектов на основе современных информационно-коммуникационных технологий.

Решение поставленной задачи представляется возможным на качественно новом уровне на стыке двух научных направлений экономики и информационных систем. Поддержка принятия решений - это актуальная сфера информационных приложений, данное направление интенсивно развивается как в форме нетрудно интегрируемых обособленных программных решений, так и в форме внутрисистемных информационных средств. На практике в процессе оценки инновационных проектов назрела потребность перехода от задач автоматизации учёта к задачам поддержки принятия управленческих решений, в этой связи актуальным является создание компьютерных систем поддержки принятия решений.

Системы поддержки принятия решений (СППР) (DSS - Decision Support Systems) представляют собой информационные системы, которые максимально приспособлены к решению задач управления и являются инструментом, который помогает лицу, принимающему решения, принимать обоснованные и эффективные управленческие решения.

СППР позволяют автоматически анализировать большие объемы информации в режиме реального времени. С помощью DSS могут решаться неструктурированные и слабоструктурированные многокритериальные задачи. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

Одним из главных вопросов разработки СППР является выбор математических моделей и методов принятия решений, составляющих основу ее функционирования.

Выделяются различные виды компьютерной поддержки принятия решений: СППР,

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

экспертные системы, советующие системы и т.д. [1].

Советующие системы предполагают последовательное интерактивное взаимодействие с оператором с целью выявления параметров текущей проблемной ситуации и выдачи поэтапных рекомендаций оператору по решению возникшей проблемы.

Экспертные системы разрабатываются для компьютерного представления и хранения знаний высококвалифицированных экспертов с тем, чтобы ими могли в дальнейшем воспользоваться специалисты с более низкой квалификацией. Экспертные системы направлены на класс задач с повторяющимися решениями, при этом опыт и интуиция эксперта возрастает с годами. Предполагается, что проблемы, подлежащие решению, являются слабоструктурированными. Экспертные системы могут применяться для различных видов деятельности, которые можно сгруппировать по следующим категориям: интерпретация, прогноз, диагностика, проектирование, планирование, наблюдение, отладка, ремонт, обучение, управление. Именно при решении слабоструктурированных проблем человеческая интуиция имеет особую ценность. Диапазон применения экспертных систем очень широк, но каждая из таких систем может работать только в одной ограниченной области.

Компьютерная СППР – это интерактивная автоматизированная система, использующая модели выработки решений, обеспечивающая пользователям эффективный доступ к распределенной базе данных и предоставляющая им разнообразные возможности по отображению информации. В таком понимании СППР представляет собой совокупность следующих подсистем: комплекса распределенных технических средств; комплекса математических моделей; анализа состояний и выработки решений; базы данных; систем управления моделями, языков моделирования, обработки и отображения информации. В состав СППР входят три главных компонента: база данных, база моделей и программная подсистема.

Компьютерные СППР, как правило, ориентированы на конкретные математические методы принятия решений.

Оценка инновационных проектов относится к социально-экономическим системам, удобным инструментом при системном анализе таких систем является инструментарий когнитивной структуризации и системно-когнитивная концепция.

Когнитология - это сфера деятельности, связанная с анализом знания (в лице конкретных теорий) и обеспечением его (знания) дальнейшего развития [2].

Цель когнитивной структуризации - формирование и уточнение гипотезы о функционировании исследуемой системы, т.е. структурных схем причинно-следственных связей, их качественной и(или) количественной оценки [3].

Одной из структурных схем причинно-следственных связей являются когнитивные решетки (шкалы, матрицы), которые позволяют определять стратегии поведения (например производителя на рынке). Решетка образуется с помощью системы факторных координат, где каждая координата соответствует одному фактору, показателю (например финансовому) или некоторому интервалу изменения этого фактора. Каждая область решетки соответствует тому или иному поведению. Показатели могут быть относительными (например от 0 до 1), абсолютными (например от минимального до максимального), биполярными («высокий или большой» - «низкий или маленький») [3].

Когнитивная решетка разрабатываемой СППР (рис. 1) представляет собой результат метода оценки инновационности и конкурентоспособности, где каждая область, а их 9, образуется за счет координат показателей инновационной привлекательности и конкуМАТЕМАТИКА, ФИЗИКА

ХИМИЯ, ИНФОРМАТИКА

рентоспособности, характеризует соответствующий проект по определенным критериям инновационности и конкурентоспособности, такая решетка дает визуализацию полученных решений и рекомендаций.

Рисунок 1 - Когнитивная решетка инновационности и конкурентоспособности Когнитивный инструментарий позволяет снижать сложность исследования, формализации, структурирования, моделирования системы.

Когнитивный подход к проектированию и разработке компьютерной СППР состоит из следующих этапов:

1. Необходимо провести комплексное обследование предметной области – процесса оценки инновационных проектов, а также проанализировать информационные потоки, определить справочную и управляющую информацию, формы входной и выходной документации.

Результатом проведенного исследования должно быть техническое задание на разработку проекта, содержащее постановку задачи, цель, назначение, решаемые задачи, основное содержание работ, включающее требования к функциональному, информационному, программному, техническому, технологическому обеспечению.

На этом же этапе необходимо разработать математическую часть процесса оценки инновационных проектов.

В результате обследования вырабатываются методы и математические модели по определению критериев конкурентоспособности и инновационности инновационного проекта, модель и план построения компьютерной СППР.

2. Переходим к проектированию и построению компьютерной СППР. Необходимо изучить существующие программные и технические средства разработки программного обеспечения, аппаратно-техническое обеспечение рабочих мест пользователей и др.

В соответствии с техническим заданием проекта на втором этапе разрабатывается функциональная модель информационных процессов СППР. Методология структурного анализа и проектирования систем (SADT) является наиболее подходящим методом для построения функциональной модели и является полной методологией для создания описания систем, основанной на концепциях системного моделирования.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Разработанная функциональная модель информационных процессов служит основанием для разработки информационной модели предметной области, программных и технологических средств и основных моделей и форм представления информационносправочного контента.

Информационная модель представляет собой совокупность описаний информационных процессов оценки инновационных проектов. На основании данной модели необходимо разработать структуру базы данных, архитектуру проектируемой СППР, систему управления доступом.

Результатом данного этапа должны быть: положения об информационной системе процесса оценки инновационных проектов, требования к оформлению информационных материалов, соответствующие шаблоны рабочих таблиц, формы ввода, инструкции по вводу, обновлению информации в информационной системе.

3. Третий этап, предназначенный для создания и наполнения информационносправочного контента, должен быть строго регламентирован.

Таким образом, реализуя последовательно все этапы, разрабатывается компьютерная СППР оценки инновационных проектов.

Главной целью проектирования и создания информационной системы оценки инновационных проектов является обеспечение комплексной информационной поддержки процесса экспертизы проектов с использованием информационных и телекоммуникационных технологий.

Для достижения главной цели были поставлены и решены следующие задачи:

– формирование единого банка данных, отражающего и обеспечивающего своевременное и оперативное размещение полной, объективной, достоверной, непротиворечивой информации об инновационных проектах;

– обеспечение единой для всех пользователей информационной среды, общих стандартов подготовки информационных материалов и нормативно-справочных ресурсов;

– обеспечение эффективных двухсторонних коммуникаций и каналов обратной связи;

– обеспечение централизованного доступа к отчетной информации и удобной навигации по всей информационной системе;

– создание оформления, обеспечение централизованного доступа к отчетной информации и удобной навигации по всей информационной системе.

Функциональная значимость СППР заключается в определении критериев конкурентоспособности и инновационности инновационного проекта посредством метода экспертных оценок и метода оценки экономической эффективности. Результаты такого оценивания представляются в виде матрицы инновационной привлекательности проекта и оценки экономической эффективности, а также формализованного паспорта инновационного проекта. Структурная схема информационной системы изображена на рис. 2.

База знаний – это центральная часть СППР, которая содержит знания, необходимые для понимания, формулирования и решения задач. Включает в себя два основных элемента: факты такие, как проблемная ситуация и теоретические знания о проблемной области; и специальные эвристики - правила, которые направляют использование знаний при решении специфических задач в отдельной области. Кроме того, механизм вывода, тесно связанный с базой знаний, содержит стандартные правила решения задач и принятия решений. Информация и знания в базе знаний представлены и включены в компьютерную программу путем реализации процесса, называемого представление знаний.

ХИМИЯ, ИНФОРМАТИКА

Механизм логического вывода является мозгом СППР, его также называют управляющей структурой или интерпретатором правил. Эта компонента является в основном компьютерной программой, которая обеспечивает методологию для рассуждения об информации в базе знаний, а также для формулирования заключений. Она дает указания о том, как использовать знания системы.

Модуль приобретения знаний - механизм получения знаний.

Подсистема объяснений и рекомендаций - механизм, который не только обеспечивает возможность получения от экспертов поддержку базы знаний, но и при необходимости ее дополнения способен давать заключения, представлять различные комментарии к этому заключению, объяснять его мотивы.

База данных предназначена для хранения всей информации обо всех проектах и принятых решениях.

Пользовательский интерфейс представляет с собой оболочку взаимодействия пользователя с программой.

Разработка информационной системы относится к автоматизированной информационно-управляющей системе.

Информационная система разработана в виде СППР, реализующей ввод данных для экспертизы проекта, отбор проектов по критериям инновационности и конкурентоспособности, оценку экономической эффективности проекта, комплексную оценку проекта.

Разработка приложений пакета была выполнена в среде Delphi, в качестве платформы базы данных использована BDE Administrator.

1. Блюмин С.Л. Модели и методы принятия решений в условиях неопределенности / С.Л. Блюмин, И.А. Шуйкова. – Липецк: ЛЭГИ, 2001. – 138 с.

http://cognitology.narod.ru/Index.htm 3. Казиев В.М. Введение в анализ, синтез и моделирование систем // http://www.intuit.ru/department/expert/intsys/7/intsys_7.html.

Получено 25.12.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

УДК 338+519.6(519.8) С.А. Нурбаева, И.Ю. Быкова ВКГТУ, г. Усть-Каменогорск

МЕТОДЫ РЕШЕНИЯ СТОХАСТИЧЕСКОЙ ДВУХЭТАПНОЙ ЗАДАЧИ ПЛАНИРОВАНИЯ ИННОВАЦИОННОГО

РАЗВИТИЯ УНИВЕРСИТЕТА

В настоящее время принципиальные изменения в политической и экономической жизни Казахстана, развитие демократических принципов управления требует от руководителей вузов глубокого изучения современных методов и форм управления. Каждый ректор, проректор, декан и любой администратор организации образования обязан владеть теорией, практикой и искусством управления, уметь четко определять цели своей деятельности, определять стратегию и тактику, необходимые для их достижения, принимать управленческие решения и нести персональную ответственность за них. Поэтому очень важно изучить и проникнуться идеями тотального менеджмента качества образования для их внедрения в практику. Такая стратегия нацеливает на то, что развитие системы образования должно перейти на более новый уровень – инновационный путь развития каждого субъекта высшей школы, обеспечивающий конкурентоспособность вуза и востребованность его деятельности на рынке образовательных услуг.

Следовательно, в процессе стратегического планирования инновационного развития университета необходимо учитывать влияние факторов внешней и внутренней среды, а также то, что в процессе планирования имеющаяся информация не всегда бывает исчерпывающей, поэтому задачу планирования лучше представлять в виде стохастической, позволяющей корректировать первоначальный план [1].

Таким образом, процесс планирования инновационного развития университета можно разбить на два глобальных этапа. На первом этапе выбирается предварительный план.

На втором этапе производится компенсация невязок и возможных возмущений, вызванных внутренней и внешней средой, а также невязок, выявленных после наблюдения реализованных значений случайных параметров первоначального планирования. Причем выбор предварительного плана должен гарантировать существование плана компенсации.

Запишем задачу планирования инновационного развития университета в следующем виде:

ХИМИЯ, ИНФОРМАТИКА

где X i* – эталонные показатели достижения стратегического развития университета; через X i – текущее состояние достижения выполнения критерия по стратегическому развитию университета по оценке эксперта; i – номер критерия оценки стратегического развития университета; t – период планирования; mi – количество экспертных оценок, полученных по i -му критерию; d i - пороговая величина i -го критерия оценки стратегического развития университета; S i (t ) - эффект от проводимых мероприятий в университете, согласно стратегическому плану; Ci – воздействие внешней среды (чаще всего этот показатель имеет отрицательное значение).

В модели (1)-(4) в качестве критериев результативности использовались следующие виды оценок: X 1 (t ) – ориентация на становление инновационного университета; X 2 (t ) – гармоничное развитие образовательной, научной, производственной и консалтинговой деятельности университета; X 3 (t ) – развитие непрерывного, многогранного, многоуровневого образования и эксперта образовательных услуг; X 4 (t ) – совершенствование управления университетским комплексом на основе принципов менеджмента качества и инновации; X 5 (t ) – повышение качества подготовки, переподготовки и повышения квалификации специалистов на основе конкурентного развития образовательной технологии; X 6 (t ) - осуществление масштабных научных исследований в области разработки концепции и наукоемких технологий; X 7 (t ) – обеспечение благоприятных социальных условий для работников университета. В качестве коэффициентов можно использовать весовые коэффициенты приоритетности критериев.

Перепишем задачу (1) – (4) в более компактной форме:

В качестве метода решения рассмотренной двухэтапной стохастической задачи планирования инновационного развития университета (5)-(7) можно использовать метод обобщенных стохастических градиентов. Однако, этот метод не предполагает дифференцируемости целевой функции задачи и не требует задания стохастических характеристик случайных параметров условий задачи, поэтому целесообразно применять метод стохастических градиентов, который является общим методом стохастической аппроксимации.

Для итеративного решения задачи используется последовательность реализаций матриц A(), векторов b(, t ) и ().

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

нейной двухэтапной стохастической задачи.

Применение метода обобщенных стохастических градиентов основано на следующих соображениях.

Пусть требуется минимизировать выпуклую вниз функцию (x) на выпуклом множестве K.

Рассмотрим следующий итеративный процесс случайного поиска решения задачи где x ( 0) – произвольный n-мерный вектор, принадлежащий множеству K (начальная точка процесса); – величина шага на s-й итерации; – нормирующий множитель; ( ) – случайный вектор, условное математическое ожидание которого относительно x ( 0), x (1),....., x ( ) зависит линейно от обобщенного градиента x (субградиента или опорного функционала) функции (x) в точке x ( ) :

где a – некоторое число; m ( ) – n-мерный вектор.

Применим k (x) – оператор проектирования на множество K, т.е. такой, что Другими словами, оператор проектирования y k (x) представляет собой решение следующей задачи выпуклого программирования с квадратичной целевой функцией:

Значения a и m ( ) в (9) могут зависеть от x ( 0),...., x ( ). Однако предполагается, что Пусть min ( x ) ( x * ). Тогда имеет место следующая теорема.

Теорема 1. Пусть:

а) известна величина при б) нормирующий множитель s удовлетворяет условию

ХИМИЯ, ИНФОРМАТИКА

Тогда почти для каждого последовательность x ( s ) () сходится к решению задачи min ( x).

Заметим, что Отсюда следует, что если сумма дисперсий компонент вектора ( s) {1( s ) } и x ( x (s ) ) ограничены на K, то hs const и условие (11) выполняется.

При явно заданном множестве K процесс (8) может быть использован для решения двухэтапной задачи стохастического программирования.

Заметим, что субградиент в точке x0 целевого функционала детерминированной задачи, эквивалентной двухэтапной задаче стохастического программирования, равен Поэтому для вычисления предварительного плана x * двухэтапной задачи или, что то же самое, решения эквивалентной детерминированной задачи Предложим следующий алгоритм решения задачи (12), при выполнении условий (6) и (7).

Выберем последовательности s и s, удовлетворяющие условиям теоремы 1. В наm ( s ) 0, и, следовательно, l ( s ) 0.

шем случае Пусть на s-м шаге вычислен вектор x (s ) – очередное приближение предварительного плана двухэтапной задачи. Для получения ( s 1) -го приближения следует:

а) выбирать в соответствии с заданной вероятностной мерой случайную реализацию параметров условий задачи б) вычислить решение * ( A ( s ), b (s ), x (s ) ) задачи, двойственной к задаче второго этапа, при x x (s ), A A (s ), b b (s ) ;

В соответствии с теоремой 1 указанный процесс приводит с вероятностью 1 к решению двухэтапной задачи.

Обратим внимание, что в ряде случаев при явно заданном множестве K вычисление оператора проектирования k (x), и, следовательно, определение x ( s 1) может быть существенно упрощено. Рассмотрим несколько таких случаев.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

вается в следующем виде: y s k ( x) max{0, x}.

Поэтому процесс (8) при K {x x 0} имеет вид 2. Пусть K {x j x j j }. Видно, что в этом случае итеративный процесс (8) принимает вид матрицы Q – линейно независимы.

В этом случае задача (10) записывается в виде Решение этой задачи (по методу Лагранжа) определяет оператор проектирования Поэтому процесс (8) принимает вид Умножая обе части равенства скалярно на q ( j ) и учитывая, что x ( s 1) и x (s ) – точки множества K, получаем систему линейных уравнений, определяющих множители Лагранжа i, (10), определяющая оператор проектирования, имеет в этом случае решение Приведенный результат непосредственно следует из принципа оптимальности для задач выпуклого программирования.

Процесс (8) при K {x g ( x) 0 } принимает вид

ХИМИЯ, ИНФОРМАТИКА

5. Пусть K – выпуклый многогранник K {x Qx q}. В этом случае вычисление оператора проектирования сводится к решению задачи квадратичного программирования И итерационный процесс (8) требует на каждом шаге решения задачи квадратичного программирования Еще одним из возможных методов решения двухэтапной стохастической задачи планирования инновационного развития университета является метод Келли, предполагающий возможность вычисления Mf (( x, A, b) M { * ( A, b, x)(b Ax)}) по заданной величине x и известным стохастическим характеристикам случайных параметров условий задачи.

Метод основан на общих свойствах детерминированной задачи, эквивалентной двухэтапной стохастической задаче, и на идее выпуклого программирования. Эквивалентная детерминированная задача имеет вид:

или Задача (25), (26) может быть переписана в виде Пусть x 0 K. Рассмотрим задачу Пусть K – выпуклое многогранное множество, тогда задача (29) – (31) не вызывает трудностей. В общем случае, когда K выпуклое, но немногогранное множество, рассматриваемый здесь метод не является эффективным и может быть использован лишь для качественного анализа задачи, притом, что K – ограниченное множество. Теперь пусть x i – решение задачи (29) – (31). На второй итерации решается задача

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Пусть оптимальный план этой задачи x.

На k-й итерации решается задача ся оптимальным планом задачи.

Рассмотрим возможный вариант применения метода возможных направлений к решению двухэтапной задачи линейного стохастического программирования. Потребуем существования и непрерывности градиента целевой функции эквивалентной детерминированной задачи. Для этого достаточно, чтобы вероятностная мера была абсолютно непрерывна относительно меры Лебега. Также будем предполагать возможность вычисления всех математических ожиданий, значения которых используются в излагаемом ниже алгоритме. Тогда эквивалентная детерминированная задача к (25),(26) может быть записана в виде или (38) причем f (x ) и f i (x) отличаются на постоянную величину.

В принятых предположениях функция f (x ) обладает градиентом или, что то же самое Рассмотрим следующий итеративный алгоритм решения задачи min f ( x), где K – компактное множество.

Шаг 1. Выбираем x 0 K.

В случае, когда K K1, шаг не представляет труда. В качестве x0 выбирается любой вектор, удовлетворяющий условиям A (1) x 0 b (1), x 0 0.

Шаг 2. Вычисляем k x k x f ( x k ). Обозначим через ~k решение задачи (41). Переходим к шагу 4.

Шаг 4. Вычислим

ХИМИЯ, ИНФОРМАТИКА

Обозначим решение этой задачи через k. Очередное приближение предварительного плана x двухэтапной стохастической задачи определяется по формуле Переходим к шагу 2. Будем рассматривать двухэтапные задачи, в которых K1 K 2, K1 - ограничено и не пусто, задача второго этапа имеет конечное решение, вероятностная мера абсолютно непрерывна относительно меры Лебега и математические ожидания случайных параметров условий задачи существуют.

Имеет место следующее утверждение.

Теорема 2. Последовательность f ( x k ) сходится к оптимальному значению целевой функции детерминированной задачи, эквивалентной двухэтапной стохастической задаче линейного программирования. Последовательность {x k } содержит сходящуюся подпоследовательность. Каждая сходящаяся подпоследовательность из {x k } сходится к оптимальному предварительному плану x * двухэтапной стохастической задачи.

Нужно сказать, что общие методы решения двухэтапной задачи стохастического программирования достаточно трудоемки.

Трудности численного анализа двухэтапной задачи возрастают, если нет явного выражения для множества K предварительных планов задачи. Один из подходов к приближенному анализу решения двухэтапной задачи заключается в оценке оптимального значения ее целевой функции. Двухэтапной задаче приводятся в соответствие детерминированные задачи и оптимальные значения показателей, качества которых оценивают сверху и снизу целевую функцию стохастической задачи на оптимальном предварительном плане x *.

Теперь зафиксируем реализацию случайных параметров условий двухэтапной задачи линейного стохастического программирования. Получим детерминированную линейную задачу:

Будем рассматривать лишь x K. Пусть f ( x, A, b, ) min( x qy ).

Обозначим через f1* минимальное (при x K ) значение целевой функции f ( x, A, b, ), соответствующее двухэтапной задаче, в которой случайные параметры условий заменены своими математическими ожиданиями. Пусть этот минимум достигается при x x0 x * ( A, b, ). Таким образом, Обозначим через f 2 математическое ожидание оптимального значения f ( x, A, b, ) по всевозможным реализациям случайных параметров условий задачи

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Введем, наконец, еще величину f *3 Mf [ x * ( A, b, ), A, b, ], которая представляет собой математическое ожидание оптимального значения целевой функции стохастической задачи при условии, что в качестве предворительного плана выбран вектор x * ( A, b, ).

Величины f1* и f 3* вычисляются без труда в результате решения соответствующих задач линейного программирования. Эти величины позволяют оценить оптимальное значение f целевой функции двухэтапной задачи стохастического программирования Имеет место следующее утверждение.

Задача двухэтапного стохастического программирования, вообще говоря, не может быть точно решена, если заменить случайные параметры условий их математическими ожиданиями. Можно указать достаточные условия, при которых замена допустима.

Теорема 4. Замена допустима, если случайным является только вектор ограничений и если функцию f ( x, A, b), определяющую показатель качества решения эквивалентной детерминированной задачи (25), (26), можно представить в виде Вычисление величин f1*, f 2 * и f 3* связано с существенно менее трудоемкими расчетами, чем решение задачи двухэтапного стохастического программирования. Разности f 3* f1* и f 3* f 2* характеризуют погрешности, которые могут быть получены, если заменить решение стохастической задачи вычислением оптимальных планов более простых детерминированных задач.

Приведенные вычислительные методы нахождения решения двухэтапной стохастической задачи планирования инновационного развития университета могут быть также использованы для стохастических задач принятия технических, стратегических, экономических, социальных, политических и других видов решений, рассматриваемых в два этапа.

1. Быкова И.Ю. Исследование проблем принятия решения в условиях неполноты информации.

– СПб.: СПбГУ, 1999.-24с.

2. Юдин Д.Б. Задачи и методы стохастического программирования. - М.: Советское радио, Получено 15.10. УДК 338+519.6(519.8) С.А. Нурбаева, И.Ю. Быкова ВКГТУ, г. Усть-Каменогорск

ПОСТРОЕНИЕ РЕКУРРЕНТНЫХ АПОСТЕРИОРНЫХ РЕШАЮЩИХ ПРАВИЛ ДЛЯ СТОХАСТИЧЕСКОЙ

МОДЕЛИ ПЛАНИРОВАНИЯ ИННОВАЦИОННОГО РАЗВИТИЯ УНИВЕРСИТЕТА

ХИМИЯ, ИНФОРМАТИКА

В современных условиях преодоления мирового финансового кризиса и выработки стратегии на устойчивое развитие экономической и политической жизни страны перед высшей школой стоит задача не только выживания, но и выбора дальнейшего пути развития образовательной системы, направленной на выпуск востребованных, конкурентоспособных специалистов.

Инновационная деятельность в вузе является показателем того, что в условиях перехода к устойчивому развитию в РК необходимо гибко реагировать на потребности рыночной экономики, управления, промышленности, социальной сферы.

Это, в свою очередь, требует разработки и внедрения новых ресурсов для подготовки не только конкурентоспособных специалистов, но и специалистов, следующих принципу «образование на протяжении всей жизни» [2]. Для осуществления намеченных целей необходимо провести внутренние и внешние стратегические преобразования не только высших учебных заведений, но и всей системы образования.

Стратегические преобразования затрагивают все сферы деятельности университета и интересы всех категорий сотрудников, студентов, преподавателей, а также потребителей выпускников вузов. Поэтому все они находят отражение в стратегическом планировании, в формировании комплексных, всеобъемлющих программ развития вуза [3].

Основной особенностью стратегического плана развития вуза является то, что он охватывает все направления деятельности вуза (образовательную, организационноэкономическую, научно-исследовательскую, производственно-хозяйственную, финансовую и другие) и все этапы функционирования (профориентацию, формирование контингента, обучение, трудоустройство специалистов и т.д.). План формируется на всех направлениях и этапах, исходя из заданных целей, конечных результатов, характеризуется высокой концентрацией и тесной связью каждого вида ресурсов с его целевым назначением, определенным через конечные программные продукты.

Так, выбрав путь инновационного развития, Восточно-Казахстанский государственный технический университет разработал стратегический план осуществления поставленных целей. Процесс стратегического планирования инновационного развития можно представить в виде модели, которая должна учитывать возможность корректировки плана при проведении тех или иных мероприятий и учитывать вероятностную среду воздействия внутренних и внешних факторов на процесс планирования. Поэтому модель стратегического планирования инновационного развития университета целесообразно рассматривать в стохастической постановке в виде многоэтапной стохастической модели.

Введем некоторые понятия, необходимые для формальной постановки многоэтапной задачи стохастического программирования.

Пусть i, i 0,1,..., n – некоторые множества-пространства элементарных событий (состояний природы) i на i -м этапе. Пространство 0 состоит из единственного элемента 0. Обозначим через k декартово произведение i, i 1,..., k, k (1,..., k ) ;

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

вующая – алгебра.

Рассмотрим последовательность множеств x0, x1,..., x n произвольной структуры x k X k, k 0,1,...., n. Множество X 0 состоит из одной точки х0. Обозначим через X k декартово произведение X i, i k1,..., k, x k ( x1,..., x k ) X k, X n X.

k (, x ) размерности mk ; а на множестве X для каждого задан функционал 0 ( n, x n ). Пусть, кроме того, G k 0 G k 0 ( k ), k 1,..., n некоторые, вообще говоря, случайные множества, а b1 ( k 1 ) – mk - мерные случайные величины – ограниченные измеk функция. Будем считать, что b k ( k 1 ) принадлежит некоторому банахову пространству.

Будем его обозначать через Bk.

Обозначим, кроме того, через M k {u ( k ) k 1} (условное математическое ожидание u ( k ) в предположении, что известна реализация k 1.

Введенные понятия и обозначения позволяют сформулировать общую схему многоэтапной задачи стохастического программирования с условными статистическими ограничениями.

Обозначим через где X *i – эталонные показатели достижения стратегического развития университета; через X i – текущее состояние достижения выполнения критерия по стратегическому развитию университета по оценке эксперта; i – номер критерия оценки стратегического развития университета, t – период планирования; mi – количество полученных экспертных оценок по i-му критерию; d i - пороговая величина i-го критерия оценки стратегического развития университета; S i (t ) - эффект от проводимых мероприятий в университете, согласно стратегическому плану; Ci – воздействие внешней среды.

Тогда многоэтапная стохастическая задача планирования инновационного развития университета с условными статистическими ограничениями примет вид:

Будем вычислять апостериорные решающие правила [1], т.е. определять решение среМАТЕМАТИКА, ФИЗИКА

ХИМИЯ, ИНФОРМАТИКА

ди случайных величин x n ( n t ) ( x1 (1, t ),....., x n ( n, t )).

Будем по-прежнему обозначать через p i вероятностную меру на i, определенную следующим образом:

Меру p n будем предполагать непрерывной.

Переформулируем задачу (1) – (3) в интегральной форме.

Требуется минимизировать x1 (i, t ) : i X i, удовлетворяющих условиям Будем предполагать, что bi (i 1 ) – ограниченные измеримые вектор-функции. Введем mk – мерные вектор-функции b (, t ) (b1, t, b2 ( t ),..., bi (i ( )) и определим, как и ранее, норму b i ( i 1, t ) в соответствии с соотношением где b j - евклидова норма вектора b j в m j -мерном евклидовом пространстве. Совокупность всех таких вектор-функций образует банахово пространство. Обозначим его через Bi. Каждому вектору-функции b n ( n1 Bn ) соответствует своя задача (4), (5). Обозначим через S (b n ( n 1 )) – нижнюю грань целевого функционала этой задачи в зависимости от правой части ограничений (5). Заметим, что S (b n ( n1, t )) – функция на Bn.

Зафиксируем k 1, x k 1 (t ), bk (t ) Rmk и рассмотрим следующую задачу.

Требуется минимизировать на совокупности всех измеримых отображений x k ( k ) x k ( k 1, k ) : k X k, таких, что Обозначим нижнюю грань минимизируемого функционала в этой задаче через S k ( k 1, x k 1, bk ). Для последующих построений представляет интерес утверждение:

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Теорема 1. S (b k ( k 1 )) совпадает с нижней гранью минимизируемого функционала в следующей задаче.

Требуется минимизировать В самом деле, если x k ( k ) ( x1 (1 ),...., x k ( k )) удовлетворяет условиям (5), то Отсюда следует, что нижняя грань целевого функционала задачи (9), (10) не больше S (b k ( k 1 )). С другой стороны, мы можем найти x k 1 ( k 1 ) так, чтобы выполнялось соотношение (8) и чтобы интеграл (9) отличался от нижней грани целевого функционала задачи (9), (10) не более чем на заданное 0. Рассматривая для каждого k 1 задачу (7), (8) с x k 1 x k 1 ( k 1 ), мы найдем x k ( k ) такое, чтобы оно удовлетворило условию (8) и чтобы интеграл (7) отличался от интеграла (10) не более чем на. Тогда вектор-функция x k ( k ) ( x k 1 ( k 1 ), x k ( k )) удовлетворяет условиям (5). Обозначая через S нижнюю грань целевого функционала задачи (9), (10), получаем В силу произвольности устанавливаем, таким образом, искомое равенство S (b k ( k 1 )) и нижней грани минимизируемого функционала в задаче (9), (10).

Используя теорему 1 (или непосредственной проверкой), можно убедиться в справедливости следующего утверждения.

Теорема 2. При выпуклых по х функциях 0 ( n x n ) и k ( k, x k ), k 1,..., n, функционал S (b n ( n1 )) выпуклый.

При n 1 выпуклость S (b1 ) следует из теоремы Ляпунова о векторных мерах [4]. Для справедливости утверждения при n 1 нет необходимости в допущении о выпуклости 0 и 1. При n 1 обеспечение выпуклости S (b n ( n1 )) требует некоторых предположений о структуре целевой функции и ограничений задачи, например выпуклости Подчеркнем, что выпуклость 0 и k по x достаточное, но отнюдь не необходимое

ХИМИЯ, ИНФОРМАТИКА

условие для выпуклости S (b n ( n1 )).

Для решения стохастической задачи инновационного развития университета (4), (5) построим апостериорные решающие правила.

Для этого построим задачу, двойственную к (4), (5), и рекуррентную последовательность решающих правил.

Рассмотрим следующую последовательность функций:

Здесь символом (.,.) обозначается скалярное произведение в евклидовом пространстве, а неравенство понимается в смысле обычного упорядочения относительно неотрицательного ортанта, k { kj }, k 1,..., n ; j 1,..., m k.

Обозначим через S (b n ( n1 )) замыкание функции S (b n ( n1 )) по норме пространства Bn, т.е. S (b n ( n1 )) есть наибольшая полунепрерывная снизу на Bn функция, не превосходящая S (b n ( n1 )). Тогда будет справедливым следующее равенство.

Здесь b n ( n1 ) – не переменный параметр, а в точности тот набор функций, который стоит в правых частях (5).

Действительно, в случае n 1 утверждение справедливо, равенство S 1 S (b n ( n1 ))

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

является истинным [5]. Допустим, что теорема верна для n k 1, рассмотрим случай, когда n k. Зафиксируем, как и k 1, x k 1 и рассмотрим задачу (9), (10). Заметим теперь, что поскольку задача (6), (7) одноэтапная, то S k ( k 1, x k 1 ) совпадает с S k ( k 1, x k 1, bk ( k 1 )), где S k (.,.,.) означает замыкание S k (.,.,.) по bk (.).

Поэтому т.е. значения S k 1 ( k 2, x k 2 ) - вычисленные значения для задач (4), (5) и (9), (10), совпадают.

Следовательно, для них совпадают и все S i, i k 1. По индуктивному предположению, справедливому для задачи (9), (10), S 1 равно значению замыкания функции, равной нижней грани функционала (9) задачи (9), (10) в зависимости от правой части ограничения (10), в заданной точке b k 1 ( k 2 ). Но, как видно из теоремы 1, эта функция в точности совпадает с S (b n ( n1 )). Отсюда следует требуемый результат.

Сформулируем рекуррентное решающее правило в виде достаточного условия оптимальности.

Теорема 4. Пусть существуют такие вектор-функции x n ( n ) ( x1 (1 ),..., x n ( n )) и 1, 2 (1 ),..., n ( n1 )) 0, что удовлетворяются условия (5) (как равенства при где S n1 (, x ) 0 (, x ), а остальные S k определяются, как и выше.

Тогда x n ( n ) – решение задачи (4), (5).

Имеем Поэтому

ХИМИЯ, ИНФОРМАТИКА

рема доказана.

Подчеркнем, что в многоэтапных стохастических задачах с выпуклым функционалом 0 ( n, x n ) и вогнутыми составляющими вектор-функционал k ( k, x k ) и произвольной мерой p n, так же как и в задачах с непрерывной мерой p n и произвольными функционалами 0 и k, оптимальные значения целевых функционалов на чистых и смешанных апостериорных стратегиях совпадают. Это значит, что для решения таких задач можно ограничиться построением оптимальных апостериорных решающих правил. Необходимость в построении оптимальных апостериорных решающих распределений в этом случае отпадает.

Таким образом, построенные рекуррентные апостериорные решающие правила для исходной многоэтапной стохастической модели планирования инновационного развития университета позволяют находить наилучшие значения функционала модели с учетом вносимых корректировок решений на каждом этапе планирования.

1. Быкова И.Ю. Исследование проблем принятия решения в условиях неполноты информации.

– Санкт-Петербург: СПбГУ, 1999. – 24 с.

2. Тотальный менеджмент качества в высшем образовании / Под ред. Каланова Ш.М., Бишимбаева В.К. – Астана: Фолиант, 2006. – 476 с.

3. Трансформация технического вуза в инновационный университет: методология и практика /Под ред. д.т.н., проф. Г.М. Мутанова. – Усть-Каменогорск: ВКГТУ, 2007. – 4. Юдин Д.Б. Задачи и методы стохастического программирования. - М.: Советское радио, 5. Юдин Д.Б. Математические методы управления в условиях неполной информации. - М.:

Советское радио, 1974. – 400 с.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Получено 15.10. УДК 681.2 (075.8): 681.5(075.8): 006.91(075.8) А. П. Парамзин ВКГТУ, г. Усть-Каменогорск

ИССЛЕДОВАНИЕ ДВУХКАНАЛЬНОЙ АВТОМАТИЧЕСКОЙ СИСТЕМЫ

С ПЕРЕМЕННЫМИ ПАРАМЕТРАМИ

Объектом исследования является автоматическая система, типичные структуры которой приведены на рис. 1. Обоснование выбора таких структур, приводимое во многих работах автора статьи, основано на необходимости создания систем, удовлетворяющих высоким требованиям к точности, стабильности и чувствительности в заданном диапазоне рабочих частот в статическом режиме работы. Диапазон рабочих частот устанавливается в пределах 0 f0 Гц. При этом акцент делается на максимизацию глубины отрицательной обратной связи, определяемой из выражения 1К1(р){1+К2(р)}. Поскольку в контексте проводимого исследования соблюдается принцип суперпозиции и обе структуры считаются адекватными, то ограничимся только одной – левой.

Как было показано в [1], при скачкообразном изменении управляющего воздействия х(t) в системе возникает колебательный переходный процесс с большим перерегулированием (строчными буквами обозначены оригиналы). Если нагрузка системы чувствительна к перегрузкам, то перерегулирование недопустимо. В системе (рис. 1) с линейными характеристиками каналов апериодический характер переходного процесса может быть обеспечен только путём уменьшения глубины отрицательной обратной связи. Однако это решение противоречит основному назначению данной системы. Таким образом, возникает коллизия между значениями показателей качества в статическом и переходном режимах.

Рисунок 1 - Типичные структуры двухканальной автоматической системы: X(p) – входное воздействие, Y(p) – выходная переменная, K 1 (p) – передаточная функция основного канала; K2(p) – передаточные функции дополнительного канала; 1 – безынерционный делитель, р – оператор Лапласа Примечание: для статического режима важны точность, стабильность и чувствительность; для переходного - быстродействие и минимум перерегулирования.

Целью данной статьи является изменение структуры системы (рис. 1), параметры которой должны адаптироваться к требованиям качества переходного процесса без снижения показателей точности и чувствительности.

Развиваемая автором статьи общая теория систем рассматриваемого класса требует,

ХИМИЯ, ИНФОРМАТИКА

чтобы свойства каналов систем со структурой (рис. 1) были эквивалентны либо свойствам инерционных звеньев, либо звеньев, скорректированных оптимально по Боде. Для решения поставленной задачи достаточно будет представить:

где K10 и K20 – статические коэффициенты передачи (усиления);

B1(р) и B2(р) – полиномы оператора р.

С целью упрощения опустим оператор «р» и обозначим K1 = K10/B1, K2 = K20/B2, X, Y, тогда передаточная функция системы (рис. 1) примет вид Согласно приведённой в [2] методике оптимального синтеза исследуемой системы наилучшие показатели качества в статическом режиме достигаются при условии, если полиномы B1(р) и B2(р) имеют второй порядок:

где, 1, 2, 3 – постоянные времени.

Условие (2) обеспечивается на этапе предварительного формирования передаточных функций K1(p), K2(p), что позволяет ввести максимальную глубину отрицательной обратной связи.

После ввода весовых коэффициентов n1 = 1/, n2 = 2/, n3 = 3/, получим:

Первоначально сопоставим протекающие в системе переходные процессы, как реакцию на скачкообразное изменение управляющего воздействия вида {x(t) = 1(t), t 0}, при следующих значениях параметров системы (подробнее смотри в [1]):

Значения параметров варианта 1 обеспечивают системе глубину обратной связи 20lg{1K10(1+K20)} = 20lg{100(1+10)} 61 дБ, а значения параметров варианта 2 обеспечивают системе глубину обратной связи 20lg{1K10(1+K20)} = 20lg{100(1+1)} 46 дБ, и по этому показателю второй вариант проигрывает первому.

Кривые переходных процессов представлены на рис. 2. Хотя переходный процесс варианта 2 затянут, но у него нет перерегулирования, и по этому показателю он предпочтительней варианта 1.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Гипотетический вид переходного процесса в рассматриваемой системе объединил положительные качества обоих рассматриваемых вариантов (рис. 3).

На начальном этапе перехода системы из одного устойчивого состояния в другое должно обеспечиваться высокое быстродействие, что обусловлено целью создания подобных систем. Следовательно, до входа в зону допустимой погрешности (в данном случае взята зона ± 5% от значения y()/x() = 10) параметры системы должны соответствовать варианту 1. На рис. 3 длительность данного этапа помечена как t1.

В дальнейшем, на этапе длительностью t2 должен работать механизм корректировки значения К20 таким образом, чтобы не допускать выхода y(t) за пределы зоны допустимой погрешности. После затухания переходного процесса параметры системы должны соответствовать варианту 1 и обеспечивать требуемое качество в установившемся режиме.

Для формирования переходного процесса, подобного рис. 3, в состав системы (рис. 1) включен узел (рис. 4), функция которого – отслеживать в реальном масштабе времени изменения выходной величины у(t) и корректировать значение статического коэффициента передачи K20.

ХИМИЯ, ИНФОРМАТИКА

Рисунок 4 - Структура системы с переменным параметром Таким образом, концептуально предложено решение изменения структуры системы рис. 1, которое позволяет реализовать максимальные значения показателей качества в статическом режиме при приемлемых показателях переходного процесса по управлению.

Алгоритм функционирования встроенного в систему регулятора будет рассмотрен в последующих работах.

1. Парамзин А.П. Исследование переходных процессов в автоматической системе с активным корректором // Вестник ВКГТУ. – 2009. – № 2. – Усть-Каменогорск: ВКГТУ, 2009.

2. Парамзин А.П. Оптимизация частотных характеристик в замкнутых системах аддитивной коррекции погрешностей по входу /А.П. Парамзин, В.М. Сергеев // Проблемы технического прогресса и экологии в строительстве и других отраслях экономики Казахстана:

Сб. науч. тр. – Усть-Каменогорск: ВКТУ, 1998.

Получено 22.10. УДК 004. Д.Ж. Сатыбалдина ЕНУ, г. Астана

ПРОЕКТИРОВАНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ

ИНФОРМАЦИОННЫМИ РИСКАМИ

Применение информационных технологий, с одной стороны, дает значительные преимущества в деятельности предприятий и организаций, а с другой – потенциально создает предпосылки для утечки, хищения, утраты, искажения, подделки, уничтожения, копирования и блокирования информации и, как следствие, нанесение экономического, социального или других видов ущерба. Таким образом, проблема информационных рисков и нахождения путей снижения ущерба становится с каждым годом все острее. Разнообразие угроз и рисков диктует необходимость комплексного подхода к их минимизации, а масштаб бизнеса требует разработки новых инструментов эффективного управления рисками. В условиях интеграции экономики республики в мировую систему деятельность казахстанских предприятий окажется эффективной только в том случае, если они смогут отвечать самым высоким международным стандартам, в том числе стандартам управления рисками. В связи с этим является актуальным разработка методов и инструментальМАТЕМАТИКА, ФИЗИКА

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

ных средств управления рисками на основе мирового опыта в области процессов, процедур и стандартов качества функционирования.

В настоящей работе исследован подход в моделировании процессов нарушения информационной безопасности (ИБ) организации на основе классификации и оценки вероятности основных информационных угроз, источников их возникновения и уязвимостей автоматизированных систем управления рассматриваемого объекта информатизации. Данный процессный подход является основой построения автоматизированной информационной системы (АИС) управления информационными рисками.

Мировая практика управления рисками ИБ показала, что распространенным подходом к оценке и управлению рисками ИБ является подход, описанный Американским национальным институтом стандартов (National Institute of Standards and Technology – NIST) в документе SP 800-30 [1]. Методы оценки рисков ИБ представляют различные комбинации метода ранжирования угроз и метода анализа причин и последствий и носят качественный или количественный характер [2]. Методы количественного характера (например, RiscWatch, CRAMM и др.) выражают риски в числовых данных, т.е. ожидаемые потери в числовом эквиваленте (различные шкалы, денежное выражение), и вероятность или частоту этих потерь (например, ежегодные ожидаемые потери). Качественные методики и методы (например, КОНДОР+, COBRA, OCTAVE и др.) не имеют числовых оценок и обычно выражают мнение экспертов.

Многие организации для достижения непрерывного улучшения их деятельности в сфере деловых операций и управления рисками используют требования следующих стандартов и спецификаций, таких как ISO 9000 (Менеджмент качества), ISO 14001 (Экологический менеджмент), ISO 27001 (Менеджмент информационной безопасностью) и др.

Использование проверенной системы менеджмента в сочетании с регулярными последующими периодическими оценками дает организации возможность непрерывно обновлять свои цели, стратегию, работу и уровень услуг.

Для всех систем менеджмента имеется ряд общих инструментов и общих процессов, которые можно использовать при внедрении. В первую очередь, это касается использования «процессного подхода», основанного на систематической идентификации и управлении различными процессами, реализуемыми внутри организации, и, в особенности, взаимосвязи между такими процессами. В соответствии с процессным подходом, управление рисками – процесс циклический:

- выбор анализируемых объектов и уровня детализации их рассмотрения;

- выбор методики оценки рисков;

- идентификация активов;

- анализ угроз и их последствий, определение уязвимостей в защите;

- оценка рисков;

- выбор защитных мер;

- реализация и проверка выбранных мер;

- оценка остаточного риска.

Таким образом, суть работ по управлению рисками состоит в том, чтобы оценить их размер, выработать эффективные и экономичные меры по уменьшению этого размера и затем убедиться, что риски заключены в приемлемые рамки (и остаются таковыми). Следовательно, управление рисками включает в себя два вида деятельности, которые чередуются циклически: (пере)оценка (измерение) рисков и выбор эффективных и экономичМАТЕМАТИКА, ФИЗИКА

ХИМИЯ, ИНФОРМАТИКА

ных защитных средств (нейтрализация рисков).

Данный процессный подход является основой построения АИС «IT_Риск_Менеджер».

Cистема предназначена для построения моделей угроз, защиты от них, проведения анализа возможных событий и оценки рисков в результате нарушений ИБ.

Основой разработки можно назвать технологии Microsoft.NET и ADO.NET. Для программирования использовался объектно-ориентированный язык C#. Средой разработки послужила Microsoft Visual Studio 2005.

В АИС «IT_Риск_Менеджер» созданы базы данных (БД) структурных моделей: метаклассы, классы, массивы угроз, массивы уязвимостей, меры защиты, требования к защите, средства защиты. Справочные базы данных (СБД) имеют возможность постоянно обновляться при появлении новой информации. В качестве хранилища вышеперечисленных и других данных используется БД реляционного типа.

Таким образом, входными данными для оценки рисков являются:

- информация по подразделениям (отделы);

- инвентаризация активов с указанием критичности;

- угрозы, действующие на активы;

- уязвимости, через которые реализуются угрозы;

- вероятность реализации угрозы через данную уязвимость;

- критичность реализации угрозы через данную уязвимость.

Основная база данных – справочник классов. Любой объект информационной системы позиционируется в ней через отнесение к тому или иному классу объектов. В справочник угроз попадают всевозможные угрозы нарушения ИБ. Упорядочивание и классификация угроз производятся путем их отнесения к определенному массиву угроз и отнесением этого массива угроз к определенному классу объектов. Одна и та же угроза может входить в несколько массивов угроз и может быть отнесена к нескольким классам объектов. СБД мер защиты содержит информацию по всем известным мерам защиты от угроз.

СБД требований защиты содержит описание всех известных требований к защите средств и процессов информационных систем. Система обладает хорошими возможностями по обновлению и пополнению баз данных.

В основе метода лежит комплексный подход к оценке рисков, сочетая количественные и качественные методы анализа.

На первом этапе рассчитывается уровень угрозы по уязвимости (Th) на основе критичности и вероятности реализации угрозы через данную уязвимость. Расчет производится по формуле:

где Th – уровень угрозы по уязвимости; PR – критичность реализации угрозы через данную уязвимость (указывается в уровнях от 1 до 10); P(V) – вероятность реализации угрозы через данную уязвимость (указывается в процентах).

Значение уровня угрозы по уязвимости получаем в интервале от 0 до 1. Чтобы рассчитать уровень угрозы по всем уязвимостям (CTh), через которые возможна реализация данной угрозы на активе, просуммируем полученные уровни угроз через конкретные уязвимости по формуле (значения уровня угрозы по всем уязвимостям получим в интервале от 0 до 1):

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Аналогично, учитывая все угрозы, действующие на актив, рассчитываем общий уровень угроз по активу (CThR):

Значение общего уровня угроз по активу получим в интервале от 0 до 1.

Риск по активу (AR) рассчитывается по формуле:

где AD – критичность актива (указывается в уровнях от 1 до 10).

В результате получим значение риска по активу в интервале от 0 до 1.

Аналогично, учитывая все активы, принадлежащие отделу, рассчитываем общий уровень угроз по отделу (PThR):

Значение общего уровня угроз по отделу получим в интервале от 0 до 1. Риск по отделу(PR) рассчитывается по формуле:

где PD – критичность отдела (указывается в уровнях от 1 до 10).

В итоге получим значение риска по активу в интервале от 0 до 1.

Риск по проекту (CR) рассчитывается по формуле (значение риска по проекту получим в интервале от 0 до 1):

По каждой из моделей в соответствующих графах указываются экспертные оценки цены риска и вероятности события риска. Цена риска указывается в оценочных единицах.

Вероятность события риска указывается в процентах и не может превышать 100 %. Результат вычислений может быть отображен в графической форме, визуально показывая наиболее опасные участки.

Механизм оценивания рисков по существу является экспертной системой, в которой базу знаний составляют правила, отражающие логику взаимосвязи входных величин и риска. В простейшем случае, это «табличная» логика, в общем - более сложная логика, отражающая реальные взаимосвязи, которые могут быть формализованы с помощью продукционных правил вида «Если..., то». При этом необходимо учитывать множество источников информации и неопределенность самой информации.

В большинстве случаев показатели, оцениваемые при анализе рисков, однозначно нормировать невозможно. Ряд параметров оказывается недоступным для точного измерения, и тогда в его оценке неизбежно появляется субъективный компонент, выражаемый нечеткими оценками типа «высокий», «низкий», «наиболее предпочтительный» и т.д. Тогда параметр описывается как лингвистическая переменная со своим термом-множеством значений [3], а связь количественного значения некоторого фактора с его качественным лингвистическим описанием задается так называемыми функциями принадлежности

ХИМИЯ, ИНФОРМАТИКА

фактора нечеткому множеству.

Задача осложняется тем, что показателей много, изменяются они зачастую разнонаправленно, и поэтому при анализе стремятся «свернуть» набор всех исследуемых частных показателей в один комплексный, по значению которого и судится о степени безопасности организации.

В работе использованы методы теории нечетких множеств, основанные на статистической обработке мнений группы экспертов. В качестве примера рассмотрим задачу определения текущего состояния некоторой организации (предприятия, фирмы и т.п.). Пусть заданы два временных интервала I и II, по которым проводится сопоставительный анализ состояния информационной безопасности организации. Пусть это состояние в каждом из периодов характеризуется набором N показателей, построенных на основании отчетности анализа инцидентов за период. В периоде I это показатели Х1, …, ХN со значениями хI1, …, хIN; в периоде II - те же показатели со значениями хII1, …, хIIN, причем предполагается, что система показателей {X} достаточна для достоверного анализа (для классификации и сопоставления состояний организации).

Полное множество состояний А организации разбито на пять (в общем случае пересекающихся) нечетких подмножеств вида:

- А1 - нечеткое подмножество состояний «предельного неблагополучия»;

- А2 - нечеткое подмножество состояний «неблагополучия»;

- А3 - нечеткое подмножество состояний «среднего качества»;

- А4 - нечеткое подмножество состояний «относительного благополучия»;

- А5 - нечеткое подмножество состояний «предельного благополучия».

То есть терм-множество лингвистической переменной «Состояние организации» состоит из пяти компонентов. Каждому из подмножеств А1,…,А5 соответствуют свои функции принадлежности 1(V),…,5(V), где V - комплексный показатель состояния информационной безопасности организации, причем чем выше V, тем «благополучнее» состояние организации.

Поставим в однозначное соответствие функции принадлежности (V) нечеткое число где a1 и a4 - абсциссы нижнего основания, а a2 и a3 - абсциссы верхнего основания трапеции, задающей в области с ненулевой принадлежностью носителя V соответствующему нечеткому подмножеству.

Вернемся к комплексному показателю V. Ясно, что он функционально или алгоритмически связан с набором исходных Х показателей:

но вид неизвестен и подлежит установлению.

В отношении каждого показателя известно, как его изменение влияет на изменение V.

В качестве оценки риска ущерба в результате нарушения информационной безопасности введем лингвистическую переменную «Степень риска» со значениями {Наивысшая, Высокая, Средняя, Низкая, Незначительная}. Взаимно однозначное соответствие лингвистических переменных «Состояние организации» и «Степень риска» задано таблицей.

ХИМИЯ, ИНФОРМАТИКА

ISSN 1561-4212. «ВЕСТНИК ВКГТУ» № 4, 2009.

Значение переменной «Состояние орга- Значение переменной Тогда задача комплексного анализа состояния информационной безопасности может быть сформулирована следующим образом [4]: определить процедуру (функцию или алгоритм), связывающую набор показателей {X} с комплексным показателем V. Тогда, по мере получения количественных значений V и на основании функций {}, конструируется следующее утверждение:

«Текущее состояние организации:

- предельно благополучно с уровнем соответствия 1(V), - относительно благополучно с уровнем соответствия 2(V), - среднего качества с уровнем соответствия 3(V), - неблагополучно с уровнем соответствия 4(V), - предельно неблагополучно с уровнем соответствия 5 (V)».

Это утверждение придает определенный вес каждой из гипотез принадлежности текущего состояния организации к одному из нечетких подмножеств {А}. Лицо, принимающее решение в отношении организации, может удовлетвориться той гипотезой, для которой значение (V) максимально, и, таким образом, для себя качественно оценить состояние организации.

Пусть D(Хi) - область определения параметра Хi, несчетное множество точек оси действительных чисел. Определим лингвистическую переменную «Уровень показателя Хi» с введением пяти нечетких подмножеств множества D(Хi):

- В1 - нечеткое подмножество «очень низкий уровень показателя Хi», - В2 - нечеткое подмножество «низкий уровень показателя Хi», - В3 - нечеткое подмножество «средний уровень показателя Хi», - В4 - нечеткое подмножество «высокий уровень показателя Хi», - В5 - нечеткое подмножество «очень высокий уровень показателя Хi».

Задача описания подмножеств {В} - это задача формирования соответствующих функций принадлежности 1-5(хi).

В АИС использован метод построения функций принадлежности, основанный на статистической обработке мнений группы экспертов [5], в соответствии с которым далее выстраиваем показатели Хi по порядку убывания значимости для анализа и определим абсциссы трапециевидных Т-чисел. Принадлежность Т-числа V одному из нечетких подмножеств {A} состояний фирмы определяется с использованием формул пересечения и объединения нечетких подмножеств.

По результатам этапа оценки рисков составляется «Отчет об обработке информационных рисков компании» (Risk treatment plan), который подробно описывает способы обработки рисков. Кроме этого, составляется «План снижения рисков». В настоящем

ХИМИЯ, ИНФОРМАТИКА

плане четко описываются общие рекомендации или конкретные меры по снижению рисков; сотрудники, ответственные за выполнение каждого положения плана; сроки выполнения плана.

Таким образом, представленная в работе АИС «IT_Риск_Менеджер» позволяет оценить или переоценить уровень текущего состояния информационной безопасности организации, снизить потенциальные потери путем повышения устойчивости функционирования корпоративной сети, разработать концепцию и политику безопасности, а также предложить планы защиты от выявленных угроз и уязвимых мест.

1. NIST Special Publication 800-30. Risk Management Guide for Information Technology Systems. – Gaitherburg, USA, 2002. – 54 p.

2. Александрович Г.Я. Автоматизация оценки информационных рисков компании /Г.Я. Александрович, С.Н. Нестеров, С.А. Петренко //Безопасность компьютерных систем. 4.

Конфидент. -2003. -№2.- С. 78-81.

3. Zadeh L. Fuzzy sets // Information and Control. – 1965. – № 8. – P. 338-353.

4. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. – М.: