Основой эффективности применения любых систем является качественное управление процессом их функционирования.

Для решения проблемы повышения эффективности управления используются разные подходы, нацеленные, преимущественно, на постоянное получение информации о состоянии системы, её оперативную обработку и выдачу адекватных управляющих воздействий, совершенствование характеристик и структуры системы управления, оптимизация алгоритмов управления и т.п. Использование этих подходов позволяет решить многие проблемы, но не все. Особенно для систем, распределённых в пространстве и обладающих большой инерционностью в отработке управляющих воздействий.  Основная причина этого – в особенностях управления динамичными распределёнными системами.

В современных условиях, в рамках применяемых в настоящее время технологий, основой эффективного управления является своевременное и полное получение информации о состоянии управляемой системы. Полнота и актуальность этой информации обеспечивается наличием в системе управления средств сбора информации о состоянии и их мониторинга.

Мониторинг состояния осуществляется путём периодического считывания установленных оператором параметров управляемой системы, известных (предполагаемых) параметров противодействующих систем  и условий их функционирования с последующим сравнением их с критериальными значениями. Такой подход можно отнести к самой простой и наиболее распространённой форме мониторинга, когда агрегированные текущие параметры периодически сравниваются с критериями и сигнал “не норма” выдаётся при выходе параметра за установленные границы.

Организация программ простого мониторинга, преимущественно используемого в составе программного обеспечения автоматизированных систем управления в настоящее время, не очень сложна и, в первую очередь, требует оперативного агрегирования составляющих контролируемых параметров и наглядного представления их пользователю. Однако, в условиях управления динамичными системами, “простой” мониторинг не всегда обеспечивает  адекватность управления. В ряде случаев может наблюдаться запаздывание сигналов управления, несоответствие мощности управляющих воздействий требованиям достижения цели и т.п.

В целях повышения эффективности управления и формирования запаса времени для принятия решений целесообразно использование принципов опережающего мониторинга, который можно условно назвать “активным мониторингом”. Формально, “активный мониторинг” это тот процесс, который в специализированной литературе иногда называют “пассивным” прогнозированием [1,2]. В рамках такого процесса, по данным текущего мониторинга формируется прогноз изменения параметра на заданный период времени от момента измерения t_изм до прогнозного значения t_изм + ∆t, по которому оценивается вероятность выхода контролируемого параметра за установленные границы (рисунок 1).

Основные требования к “активному мониторингу”: получение прогнозных оценок, сбалансированных по показателям оперативности между требованиями обеспечения динамического управления системой и достаточной для принятия решений точности прогноза. Эти требования определяют выбор методов прогнозирования, которые могут быть использованы в данном процессе. В настоящее время на практике используется довольно широкий спектр методов прогнозирования. Среди них принято выделять две основные группы методов получения прогнозных оценок: интуитивные, имеющие дело с субъективными суждениями и формальные методы, использующие расчётные методики и математические модели (рисунок 2). Данные методы реализуются через применение различного математического аппарата: от методов экспертных оценок для интуитивных методов до сложных математических моделей, реализуемых в фактографических подходах [3,4,5,6].

Задача активного мониторинга, как показывает анализ содержания данной проблемы, может решаться только с применением аппарата математического моделирования. Для реализации процесса активного мониторинга могут быть использованы преимущественно фактографические типы моделей [1], которые подразделяются на модели [5]:

- на основе моделей временных рядов;

- с применением моделей предметной области.

Модели временных рядов — математические модели прогнозирования, которые обеспечиваю поиск зависимости будущих значений параметров от истории  развития самого процесса и по этой зависимости построить прогноз. Эти модели универсальны для различных предметных областей, то есть их общий вид не меняется в зависимости от природы временного ряда.

Модели предметной области — такие математические модели прогнозирования, для построения которых используют законы предметной области. В этих моделях используются зависимости, свойственные конкретной предметной области. Такого рода моделям свойственен индивидуальный подход в разработке математического аппарата и детальный учёт всех значимых параметров системы и среды её функционирования.

Каждая из описанных групп моделей обладает набором свойств, определяющим их пригодность или непригодность к применению в тех или иных областях. Активный мониторинг выдвигает свои требования к используемым моделям, в основе которых оперативность получения прогноза и наличие в составе исходной информации больших массивов динамично меняющихся данных. В таких условиях применение моделей предметной области, большинство из которых требуют временных затрат на моделирование и ввода большого количества исходных данных, даже не смотря на их высокую точность, представляется проблематичным. В то же время, модели временных рядов, обладающие несколько меньшей точностью, но менее требовательные к вводу исходных данных и более оперативные, в большинстве случаев оказываются предпочтительнее. Хотя их достоинства, как это часто бывает, являются продолжением их недостатков.  В первую очередь к таким недостаткам относится слабый учёт изменения внешних условий функционирования управляемой системы. В перспективе, с развитием методов автоматического сбора и ввода данных в модели и модели предметной области могут достойно поучаствовать в разрешении перманентного противоречия между точностью и оперативностью прогноза. Но в настоящее время основная область их применения: гносеологическая, а в прогнозной сфере – в основном прогнозирование последствий принимаемых решений при планировании.

Таким образом, анализ состава исходных данных и требований по оперативности прогноза позволяет сделать вывод о целесообразности применения для активного мониторинга в существующих условиях именно моделей на основе временных рядов. К  математическим методам, реализующим подобные модели, можно отнести:

-  методы экстраполяции тенденций (метод наименьших квадратов, метод экспоненциального сглаживания, метод сплайнов, модель прогнозирования авторегрессии проинтегрированного скользящего среднего с учетом внешнего фактора auto regression integrated moving average extended – ARIMAX и т.п.);

- методы обработки данных DataMining (методики автоматического поиска типовых сценариев SmartData, методы построения системы рассуждений на аналогиях case based reasoning – CBR и т.п.).

Отметим, что предметная область активного мониторинга до настоящее времени была  недостаточно развита и слабо реализована в практике управления. Данная ситуация определяется как организационными, так и технологическими причинами. Организационно – долгое время просто не было существенной необходимости в высокой оперативности управления: большинство управляемых распределённых систем были низкодинамичными и позволяли обойтись методами обычного мониторинга. Технологические причины порождались недостаточными возможностями применяемых в практике управления информационных технологий.

Но ситуация меняется. С повышением динамичности управляемых систем, развитием скоростных компьютерных сетей и методов работы с большими массивами информации Big Data [5,7], подобные модели обязательно будут востребованы в составе программного обеспечения автоматизированных систем управления. Исходя из этого, необходимо обеспечить развитие теоретических положений и практических методов реализации технологий “активного мониторинга” состояния распределённых систем. А для запуска этого процесса необходимо, сначала, признать наличие и классифицировать указанную проблему, начало чему и положено в данной статье.

1. Тиханычев О.В., Саяпин О.В. Оперативное прогнозирование развития обстановки как основа успешного управления применением войск (сил) // Военная мысль.  – 2015. – №4. – С. 3-7.
2. Новиков Д.А., Чхартишвили А.Г. Активный прогноз М.: ИПУ РАН, 2002. – 101 с.
3. Цигичко В. Н. Модели в системе принятия военно-стратегических решений в СССР. М.: Империум-Пресс, 2005. 96 с.
4. Тиханычев О.В. Общие подходы к обеспечению автоматизированной поддержки принятия решений. – М.: Эдитус, 2014. – 64 с.
5. Выпасняк В.И., Гуральник А.М., Тиханычев О.В. Моделирование военных действий – история, состояние, перспективы развития // Военная мысль – 2014. –№7. – С. 28-37.
6. Тиханычев О.В. Автоматизация поддержки принятия решений. – М.: Эдитус, 2015. – 96 с.
7. Хайруллов Р.Ф. Новая отрасль бизнеса или опора существующего? // Connect. Мир информационных технологий. 2015. – №10. URL: http:/www.connect-wit/njvaya-otrasl-bisnesa-ili-opora-sushhestvuyshhego.html

Все статьи автора «Oberst»