Лабораторная работа - моделирование бизнес процессов - общее описание

Часть 1 - предварительные замечания

На моделировании базируется ЛЮБОЙ способ проектирования систем. Модели строятся в проектах постоянно, даже если так не называются.

Модель - любой образ, аналог, описание, схема, чертеж - (т.е. знаковая синтагма - В.Р.) к-л процесса или явления.

Модель не должна быть сложнее объекта, который она моделирует.

Моделирование - это иссл. объектов путем построения и изучения их моделей (т.е. мы делаем знаковые преобразования с МОДЕЛЬЮ как знаком исходноного объекта - денотата, надеясь, что это будет справедливо по отношения к самому объекту - денотату. - В.Р.)

Поэтому модель ограничена по своей сути.

В конкретных областях принимаются более точные, но менее универсальные определения модели. как в этой лабораторной по бизнес-моделированию.


Из статьи Евгения Зиндера

Моделирование как истина в предпоследней инстанции // Директору инф службы.- Ноябрь 2000 г. - С. 18

Бизнес моделирование.

Общие понятия

Понятие «моделирование» уже давно употребляется в самых разных науках. В сущности, на моделировании в той или иной форме базируется почти любой способ проектирования систем. Эти модели могут принимать форму чертежей, черновиков обсуждений и многого другого.
То есть, в широком смысле слова, модель - это любой образ (мысленный или условное, знаковое описание) какого-либо объекта, процесса или явления.
Тогда моделирование - это исследование объектов путем построения и изучения их моделей, а также для уточнения их различных характеристик.
Существуют стандарты (ГОСТ 34), определяющие требования к моделям на различных этапах и для различных условий работы. Тогда и словесные описания - «Концепция системы» или «Техническое задание» тоже модели проектируемой системы. Можно рассматривать как модели различные документы, например инструкции и т.п.
Конечно, любая модель представляет только часть характеристик объекта. Для решения разных задач могут строиться различные модели одного и того же объекта.
Однако, даже из этих достаточно широких и общих понятий моделирования уже можно сделать некоторые выводы и обобщения.

Локализация модели.

Действительно, как уже говорилось, если не считать случая, когда модель какого-либо объекта находится в сознании человека, совершенно очевидно недоступная для других, то во всех остальных случаях модель предстает перед нами в знаковой форме - графической нотации, словесного описания и т.д. Следовательно, модель принадлежит миру знаков.

Необходимость более точного определения модели для специальных и конкретных способов моделирования. Это значит, что для реальных способов моделирования требуется разработка специальных парадигм моделирования, описывающих его как знаковый процесс с максимально допустимой точностью.


Действительно, даже если рассмотреть только процессы моделирования бизнес процессов, то можно сказать, что на рынке существует достаточное количество разнообразных средств для реализации этих потребностей. Можно упомянуть такие средства поддержки моделирования, как UML, IDEF0, BPEL, ARIS и многие другие. Как уже говорилось, в задачу данного курса не входит детальное изучение каждого из существующих средств. Требуется только достаточно ясное знание двух взаимодополняющих наборов понятий.

Ясное понимание того, на каких основах строятся современные технологии моделирования (и, в частности, бизнес-моделирования).

Решению этой проблемы будет посвящено дальнейшее изложение.
Освоение конкретных навыков в реализации процессов моделирования при помощи одного из доступных программных средств. Эта задача решается в рамках традиционного подхода - в процессе выполнения лабораторной работы.




Зиндер Е. Модель как истина в предпоследней инстанции // Директору информационной службы. - М.: 2000.
Крутов В., Русанов Е. Моделирование .… // Открытые системы. - N. 12. - M.; 2004 г.




Моделирование как семиотический процесс.

Это действительно так, и основные особенности этого процесса удобно показать на примере какой-нибудь хорошо знакомой задачи, чтобы показать основные особенности этого процесса с точки зрения науки о знаках - семиотики. И в процессе изложения эти особенности будут видны более наглядно.
В качестве такой задачи удобно рассмотреть классическую школьную задачу на составление и решение квадратного уравнения - задачу про мотоциклистов. Как уже говорилось, эта задача хороша тем, что не нужно объяснять ее в подробностях и можно сразу перейти к рассмотрению ее семиотических особенностей.
Действительно, сначала при решении задачи каждый школьник, решая эту задачу, решает первую семиотическую проблему. Представив себе по словесному описанию предметную область (ПО) задачи и происходящие в ней процессы, нужно обозначить (именно так и пишется в учебниках) основные неизвестные. Таким образом, мы присваиваем определенные знаки (X, Y, A и т.д.) денотатам в ПО.
После того, как выбраны знаки, то есть установлена связь знак-денотат со всеми интересующими нас объектами ПО, каждый школьник переходит к следующему этапу - составлению уравнения. На этом этапе мы моделируем уже целой знаковой синтагмой всю интересующую нас проблемную ситуацию.

После этого, следуя стандартным алгебраическим правилам операций над знаками (то есть синтактикой), мы последовательностью следующих друг за другом синтагм (уравнений) приходим к нахождению значений того, что мы обозначили сначала знаками.

Из описания этих шагов видны основные особенности моделирования (а нас прежде всего интересует бизнес моделирование) с точки зрения семиотики. Однако, существуют также другие знаковые системы моделирования бизнес процессов, более популярные из-за своей наглядности. Это графические системы моделирования, некоторые из которых уже упоминались выше. Некоторые семиотические особенности таких систем будут общими, то есть принципиально (в указанном выше смысле) похожими на этапы моделирования при помощи алгебраических уравнений.


Графическая нотация как способ моделирования и визуализации знаний

Указанные особенности нагляднее всего рассмотреть опять же на примере простейшей бизнес проблемы, описываемой при помощи наиболее простой доступной нотации. В качестве такой нотации предлагается так называемая IPO (input-process-output) нотация Беляева-Капустяна. Эта нотация описывает бизнес-процесс как последовательность, состоящую из входных объектов, самого процесса и его выходных объектов. Такова довольно простая синтактика этой нотации. Объекты обозначаются прямоугольниками. Процессы - эллипсами. В середине пишется дополнительная информация о том, что собой представляет данный объект или процесс. Объекты и процессы соединены стрелками. Ясно, что выходные объекты одного процесса могут служить входными объектами другого процесса. Синтактика этой нотации имеет довольно естественные ограничения. Например, два эллипса (процесса) или два объекта не могут непосредственно соединяться друг с другом.

Действительно, один процесс не может переходить в другой без промежуточных результатов. Два объекта неразличимы, если между ними нет процесса, хоть как-то меняющими их.

Проиллюстрировать эту нотацию можно на простом примере процесса заварки чая при помощи пакетика. Тогда нотация IPO будет выглядеть так - два входных объекта - кипяток и пакетик чая (прямоугольники) соединяются с эллипсом, внутри которого надпись «заварка», который соединяется стрелкой с одним выходным объектом - прямоугольником с надписью «заваренный чай».

Как можно видеть из описания, эта нотация очень наглядна, проста в освоении и может описывать (моделировать) самые сложные бизнес процессы. Однако сразу видны ограничения, которые вытекают из простоты ее синтактики. Эти ограничения касаются возможного преобразования этой нотации в программные коды, что могло бы резко повысить ее эффективность. Действительно, в этой нотации синтаксически различимы только два типа знаков - объекты и процессы. Следовательно, автоматически преобразоваться они могут только в два соответствующих класса программных объектов. Надписи внутри неформальны и не позволяют преобразовать их в программный код.
Эта нотация проста и очень эффективна для коммуникации между проектировщиками в процессе предварительного построения модели.
Продвижению этой нотации в ИТ практику посвящен диплом Сергея Горбикова - см. ссылку

Однако, для более серьезных задач нужны более сложные семиотические системы (RUP, UML, ARIS и т.д.).


Моделирование и закон разнообразия Эшби

Здесь уместно сделать небольшое замечание и обратить внимание на одну тонкость.

Модель (даже программная) не есть управляющая моделируемым объектом система.

Согласно закону о разнообразии Эшби управляющая система разнообразнее управляемой. А модель - проще.

См. ссылку на книгу Эшби внизу.
...

...

С давних пор известны аналогии между:

а) сознательной целесообразной деятельностью человека;

б) работой созданных человеком машин;

в) различнейшими видами деятельности живых организмов, которые воспринимаются как целесообразные, несмотря на отсутствие управляющего ими сознания.

Человеческая мысль искала веками объяснения этих аналогий как на путях положительного знания, так и на путях религиозных и философских спекуляций. Твердая основа для научного их изучения и рационального философского уяснения была создана, когда:

1) Дарвин предложил последовательно разработанную теорию естественного происхождения целесообразного устройства живых организмов и, в частности, происхождения сложного аппарата, позволяющего живым организмам передавать свое целесообразное устройство по наследству потомкам;

2) Павлов установил возможность объективного изучения поведения животных и человека и регулирующих это поведение мозговых процессов без всяких субъективных гипотез, выраженных в психологических терминах.

В течение последних десятилетий быстрое развитие техники связи (радио, телевидение), автоматики и вычислительной техники привело к значительному расширению самого фактического материала для сопоставлений работы машин с деятельностью живых организмов и с сознательной деятельностью человека. При этом в мышление инженеров все более стало проникать использование аналогий между работой создаваемых ими машин и работой человеческого сознания. Например, средства связи воспринимают "информацию" и передают ее точно или с "ошибками"; на автоматы возлагается задача следовать той или иной "стратегии" или "тактике" и даже "обучаться" у противника усвоенной им тактике, с тем чтобы выработать целесообразную ответную тактику; вычислительные машины имеют "запоминающие устройства" ("память"); программирующие машины сами "разрабатывают программу " сложных вычислений, пользуясь более или менее совершенной "логикой", и т.д. В этой практике инженеров трудно усмотреть какую-либо философски окрашенную преднамеренность: просто указанные аналогии слишком естественны и явным образом помогают инженерам думать и изобретать.

Вполне понятно, что "целесообразная" работа машин не имеет никакой самостоятельности и является лишь техническим придатком к целесообразной деятельности человека. Однако богатый опыт, накопленный при конструировании автоматов и вычислительных машин, в настоящее время уже представляет большой интерес в качестве запаса моделей, помогающих представить себе возможные естественные управляющие и регулирующие механизмы. Процессы формирования условных рефлексов успешно изучаются при помощи моделирующих эти процессы машин. Существенно опираются на аналогии со сложными электронными машинами современные работы, анализирующие деятельность мозга. В современных работах по теории наследственности значительное применение находят представления о способах "кодирования " информации, разработанные в технической теории связи.

Для понимания причин возникновения новой науки -- кибернетики -- более существенно другое следствие новейшего развития указанных выше разделов техники. Их развитие не только дает новый материал для философского анализа понятий "управления", "регулирования", "целесообразности" в применении к машинам и живым организмам, но, кроме того, привело к возникновению некоторых вспомогательных специальных дисциплин нефилософского характера.

Эти дисциплины возникли непосредственно из практических потребностей под названиями "теория информации ", "теория алгоритмов", "теория автоматов". Конкретные результаты, полученные в их пределах, сейчас уже довольно многочисленны. Например, они позволяют: 1) оценить "количество информации", которое может быть надежно передано данным передающим устройством или сохранено данным запоминающим устройством; 2) оценить наименьшее количество простых звеньев с заданной схемой действия, которое необходимо, чтобы из них могло быть составлено управляющее устройство, выполняющее те или иные заданные функции. В обоих примерах результаты выражаются некоторыми математическими формулами, применимы же эти результаты совершенно одинаково и при конструировании машин, и при анализе деятельности живых организмов.

Заслугой Н.Винера является установление того факта, что совокупность этих дисциплин (в создании некоторых из них Винер принимал значительное участие) естественно объединяется в новую науку с достаточно определенным собственным предметом исследования. Сейчас уже поздно спорить о степени удачи Винера, когда он в своей известной книге в 1948 году выбрал для новой науки название "кибернетика". Это название достаточно установилось и воспринимается как новый термин, мало связанный со своей греческой этимологией. Кибернетика занимается изучением систем любой природы, способных воспринимать, хранить и перерабатывать информацию и использовать ее для управления и регулирования. При этом кибернетика широко пользуется математическим методом и стремится к получению конкретных специальных результатов, позволяющих как анализировать такого рода системы (восстанавливать их устройство на основании опыта обращения с ними), так и синтезировать их (рассчитывать схемы систем, способных осуществлять заданные действия), Благодаря этому своему конкретному характеру кибернетика ни в какой мере не сводится к философскому обсуждению природы "целесообразности" в машинах и в живых организмах, не заменяя также собой общего философского анализа изучаемого ею круга явлений.

Положение автора книги -- У.Р.Эшби -- как биолога, достаточно основательно изучившего отвлеченную, математическую сторону дела, весьма выигрышно для популяризации общих идей кибернетики среди лиц, для которых математический аппарат представляет большие трудности, а чрезмерно детальное вхождение в вопросы технической кибернетики тоже было бы затруднительно, При этом У.Р.Эшби достаточно осторожен в своих выводах и далек от нередко встречающегося рекламного стиля прославления кибернетики. Однако читатель должен критически относиться к высказываниям автора методологического и философского характера. Следует также иметь в виду, что некоторые выводы автора являются дискуссионными.

А.Колмогоров

--------------------------------------------------------------------------------

Предисловие автора


Многие работники биологических наук -- физиологи, психологи, социологи -- интересуются кибернетикой и хотели бы применять ее методы и аппарат в своей собственной специальности. Однако многим из них мешает убеждение, что этому должно предшествовать длительное изучение электроники и высших разделов чистой математики; у них сложилось впечатление, что кибернетика неотделима от этих предметов.

Автор, однако, убежден, что это впечатление ложно. Основные идеи кибернетики по существу просты и не требуют ссылок на электронику. Для более сложных приложений может потребоваться более сложный аппарат, однако многое можно сделать, особенно в биологических науках, с помощью весьма простого аппарата; надо только применять его с ясным и глубоким пониманием затрагиваемых принципов. Если обосновать предмет общепринятыми, легко доступными положениями и затем излагать его постепенно, шаг за шагом, то, по мнению автора, нет никаких оснований ожидать, что даже работник с элементарными математическими знаниями не сможет достичь полного понимания основных принципов предмета. А такое понимание позволит ему точно решить, каким аппаратом он должен еще овладеть для дальнейшей работы и -- что особенно важно -- каким аппаратом он может спокойно пренебречь, как не имеющим отношения к его задачам.

Настоящая книга должна служить такого рода введением. Она начинает с общих, легко доступных понятий и шаг за шагом показывает, каким образом эти понятия могут быть уточнены и развиты, пока они не приведут к таким вопросам кибернетики, как обратная связь, устойчивость, регулирование, ультраустойчивость, информация, кодирование, шум и т.д. Нигде в книге не требуется знания математики сверх элементарной алгебры. В частности, доказательства нигде не основаны на исчислении бесконечно малых (немногими ссылками на него можно безо всякого вреда пренебречь; они приведены лишь с целью показать, каким образом исчисление бесконечно малых может применяться к рассматриваемым вопросам). Иллюстрации и примеры берутся в основном из биологических, реже из физических наук. Совпадение с книгой "Устройство мозга" невелико, так что эти две книги почти не зависят друг от друга. Однако они тесно связаны между собой, и лучше всего рассматривать их как взаимно дополнительные: одна помогает понять другую.

Книга делится на три части.

В части I рассматриваются основные черты механизмов; в ней обсуждаются такие вопросы, как представление механизмов посредством преобразований, понятие "устойчивости", понятие "обратной связи", различные формы независимости, которые могут существовать внутри механизмов, и соединение механизмов друг с другом. В этой части излагаются принципы, которыми следует руководствоваться, когда система столь велика и сложна (например, мозг или общество), что может рассматриваться лишь статистически. В ней обсуждается также случай системы, не вполне доступной непосредственному наблюдению, -- так называемая "теория черного ящика".

В части II методы, развитые в части I, применяются к исследованию понятия "информации" и к исследованию кодирования информации при ее прохождении через механизмы. В этой части рассматривается применение указанных методов к различным проблемам биологии и делается попытка показать хотя бы часть всего обилия их возможных применений. Это приводит к теории Шеннона, так что, прочитав эту часть, читатель сможет без затруднений перейти к изучению работ самого Шеннона.

В части III понятия механизма и информации применяются к биологическим системам регулирования и управления -- как к врожденным, изучаемым физиологией, так и к приобретенным, изучаемым психологией. В ней показывается, как могут строиться иерархии таких систем регулирования и управления и как посредством этого становится возможным усиление регулирования. В ней дается новое и в общем более простое изложение принципа ультраустойчивости, Эта часть закладывает основы общей теории сложных систем регулирования, развивая дальше идеи книги "Устройство мозга". Таким образом, она дает, с одной стороны, объяснение исключительной способности регулирования, присущей мозгу, а с другой стороны -- принципы, на основе которых проектировщик может строить машины, обладающие подобной способностью.

Хотя книга задумана как легкое введение, она не является просто болтовней о кибернетике -- она написана для тех, кто хочет путем самостоятельной работы войти в эту область, для тех, кто хочет на деле, практически овладеть предметом. Поэтому она содержит много легких упражнений, тщательно подобранных по степени сложности, с указаниями и подробными ответами, так что читатель по мере продвижения может проверять усвоение прочитанного и упражнять свои новые интеллектуальные мускулы. Немногие упражнения, требующие специального аппарата, отмечены звездочкой: "*Упр.". Их пропуск не затруднит продвижения читателя.



...