Технологии контроля

Технологии контроля

Предел управления - 12 миллиардов единиц (нейроны, люди ...), максимум 100 миллиардов при использовании ИИ - далее шизофрения, хаос и потеря контроля.

Эконометрика, бизнес и управление: что мы измеряем и чем мы управляем?

 

Вероятно, каждому математику, занятому моделированием разнообразных динамических процессов, и в особенности, применением полученных результатов к решению конкретных практических задач, приходилось испытывать разочарование в связи с тем, что  построенные им те или иные модели недостаточно точно, как бы ему хотелось бы, прогнозируют протекание процесса. В применениях статистических методов к анализу динамических рядов подобные ситуации встречаются сплошь и рядом. Они уже давно воспринимаются исследователями как вполне нормальное, само собой разумеющееся явление. Действительно, получив экспериментальные данные и описав их подходящей теоретической кривой, мы распространяем ее закономерности за пределы промежутка наблюдений. Прогноз на малую глубину в будущее, как правило, оказывается удовлетворительным, и это в значительной мере предопределяется непрерывностью теоретической кривой и самого процесса. Прогноз на значительную глубину в подавляющем большинстве случаев оказывается неприемлемым, поскольку теоретическая кривая существенно отклоняется от экспериментальных данных.

   Пытаясь спасти положение в рамках статистических методов, мы вновь возвращаемся к исходному материалу, отбрасываем подозрительные точки, применяем другие интерполяционные формулы, разрабатываем новые и получаем еще одну теоретическую кривую для того, чтобы оценить ее прогнозирующие свойства. И если вновь мы не достигаем желаемых результатов, то делаем заключение, что статистика всего лишь первое приближение к выявлению закономерностей протекания процесса.

Усманов З.Д., д-р ф-м наук, проф.,

Директор Математического института бывшей АН Таджикской ССР

 

       Неплохо сказано – «…что статистика всего лишь первое приближение к выявлению закономерностей протекания процесса?!» И это сказано в эпоху начала перестройки, когда начались исследования в сфере экономики, когда поднялся вопрос применения эконометрических методов в управлении. Что касается эконометрики, то об этом есть другой труд автора – «Новая эконометрия», где излагается суть и теория нового подхода и анализу и измерению бизнеса и управления. Но суть этих слов остается той же – во всех  ВУЗах учат эконометрическому прогнозу, но не знают его главного недостатка!

       Как же исследовать эти закономерности процессов? В мировой практике внедрено достаточно результатов исследований и внедренных в практику методов измерений бизнеса и управления. Но в эконометрике исследования сводятся всего лишь к нескольким методам экономико-математического моделирования. Оказалось, что методы математической статистики мало используются в сфере бизнеса, что никто эти методы не применяет в управлении, в том числе при анализе и оценке деятельности крупных социальных образований.

       Почему? Исследовав многие организационные системы, выяснилось, что управленцы не применяют эконометрических методов, так как сами методы и их результат непонятен и неправильно трактуется исследователями. Обычно, исследуют кривые отклонений показателей, применяют при этом регрессионный анализ, строят модели парной и множественной регрессии, линейные регрессионные модели с гетероскедастичными и автокорреляционными остатками, используют обобщенный метод наименьших квадратов (ОМНК) и др. Но на практике, построив кривые отклонений (часто используя простые программы, типа MS-Excel) по двум-трем точкам, начинают докладывать руководству о прогнозе будущих продаж и т.д.

       Многие экономисты понимают, что построить кривую можно как минимум по 7-8 точкам и ее изгиб все равно будет определяться по последним трем-четырем точкам, а это неправильно. Умный эксперт всегда использует статистику по сезонам и коэффициенты темпов роста.

       Но на самом деле профессионалы прогнозисты всегда строят три модели развития ситуации:

  1. Модель развития текущих тенденций и процессов в будущем (обычные перспективы ожидаемых и желаемых изменений, на которые всегда хочется опереться).
  2. Модель развития с учетом влияния известных и неизвестных (предполагаемых, но не ожидаемых) внешних факторов среды.
  3. Модель развития с учетом кризиса внутри и вне ОС (кризисы, форс-мажор, политические решения и т.д., то есть не желаемые последствия, даже фантастические сценарии, например, сошел с ума ведущий аналитик…).

       Руководству докладываются три кривые развития ситуации и что делать в каждой возможной ситуации развития. Естественно модели 2 и 3 никто не хочет рассматривать и не верит им (пока это не происходит). С учетом моделей руководитель принимает к действию решения (план) о создании резервных фондов, резервных договоров, списка рисков и других  организационно-технических мероприятий и финансовых решений [1-5]. И только тогда бизнес процессы, с учетом составленных и утвержденных к действию планов развития, становятся менее рискованными и более управляемыми.

       Бизнес процессы зависят от времени (изменение рынков, продукции, НТП), о чем мы говорили в нашем исследовании, естественно и время – фактор, который необходимо учитывать при построении эконометрической кривой зависимостей. Еще А. Пуанкаре утверждал, что время определяется языками описания одних и тех же процессов. То есть, пытаясь измерить процесс, мы не понимаем, что измеряем этим процессом время. А «время – деньги», как говорил герой Гайдая! И все же, как использовать эконометрические приемы и методы. Ведь В. Леонтьев тоже автор эконометрики, а по его балансам живет и работает ныне после Америки и весь мир!

       Прежде чем рассмотреть основы эконометрики, хотелось бы показать, что борьба за крепость математических истин и анализ доказательства определенности математических устоев после Давида Гильберта и Курта Геделя, оставляет еще некоторые проблемы в математической статистике и эконометрике: я их привожу обычно студентам в виде формулы: 1-1 = 0. Если в эконометрике под цифрой - 1 понимается один батон хлеба, что мы видим? Был один батон хлеба, взяли один батон хлеба, стало нуль батонов хлеба (съели что ли?) Но на деле мы имеем перемещение батона другому лицу – покупателю и нуль здесь не имеет мест, это уже программирование и логистика. Имеет место либо понимание, что из одного батона мы взяли другой батон – шутка, либо то, что на складе осталась пустая тара. Но тара и место, это не нуль! Нуль имеет место только в балансовой отчетности как отражение шкалы объектов. Если математически из объекта (батон) вычесть объект (батон), то мы что – имеем аннигиляцию батона? Парадокс в эконометрике! Нуль и как число счета также имеет смысл только в числе с нулем справа. Начинаем мы счет в эконометрике с единицы, а где же тогда нуль, где его место и начало счета? Это проблема отражения числа как количества. Теория качественных множеств в книге автора (Философия мышления. 1994 г.) отражала такие проблемы и предлагала другие методы оценки и счета объектов. Проблема определения: что такое нуль – до сих пор имеет место в математике и философии. Не говоря уже о таких понятиях как бесконечность и время! В математической логике также существуют парадоксы: если из вывода, что у меня есть один батон, следует – я могу съесть один батон; и вывода, если у меня есть один батон, следует - я могу его отдать на обед бабушке: то при объединении получить вывод, если у меня есть один батон, то я могу его съесть и отдать бабушке: требует объяснения или дополнительного определения. Проблема в логистике и программировании! Здесь необходимо вместо логического действия «И» ставить логическое действие «ИЛИ». Но в математике при таком выводе не складывают, а  умножают. Но кто определит это положение при анализе бизнес процессов, если математически все сделано правильно? Для примера я обычно даю простейшие задачи студентам на целые и дробные числа, а самым умным задачу в эконометрике - определить по одной переменной - остальные десять, - это сложно, и никто практически их не может решить. В английском языке для этого существует объединение или понимание «и/или». Поэтому в практике бизнеса управленцы пренебрегают эконометрикой: им запросто хватает простейшей логики или они следуют своему интуитивному опыту.

       Также неприменимы в эконометрике плоские, не искривленные пространства, которым нет места в реальном пространстве. А в расчетах землепользования оказываются неучтенные площади! В итоге: экономист постоянно занимается своей моделью и кривой, а результат до руководства не доходит, так как результаты или их подтверждение никого не волнуют. То есть в экономике все имеет место – в своей таблице, в своей матрице, в своей базе данных, на полке и т.д. Это как в вычислительной технике – каждая информация имеет свой адрес. Поэтому вычислительная техника смогла получить развитие только тогда, когда использовали три действия Булевой алгебры (это не математика), где действия имеют место и логическую основу (не арифметическую). И, естественно, все вычисления построены на 5 элементах, как я учу студентов: логический нуль – ЛОЖЬ, логическая единица – ИСТИНА, три логический действия: логическое умножение – И, логическое сложение - ИЛИ, логическая инверсия – НЕ. Также, при добавлении пяти электронных компонентов, пассивных: сопротивление, индуктивность и емкость (не путать, так как есть активное сопротивление) и активных транзистор и диод, получаются все компоненты вычислительной техники (электроники). Программирование построено также на логике и адресации в матрице – информации в памяти. На этой же основе построено ДНК человека, в котом записаны вся его функциональность, развитие, судьба и отклонения, в том числе - 120 лет жизни. Если счетчик числа жизни остановить, то возможно продлить жизнь. Есть и другие технологии – нанороботы (например, помощники эритроцитам и лейкоцитам) как управляемые воздействия на физиологические технологии человека. Сознание в виде информации человека переносится в информационное поле через промежуточную во время сна (КЭШ память, чтобы исключить ее переполнения или сумасшествия), так как собственной памяти у человека недостаточно. После это остаются только адресные ссылка (как гиперссылки в Интернет технологиях). То есть везде присутствует адресация и ссылки, кроме чистой математики. Форма искусственного интеллекта (разработка автора 1994 г., патент автора 2006 г.) также имеет форму виртуального информационного образования в конкретной памяти компьютера в виде программы. Также и цели информатики поставлены практически все авторами учебников неверно, так как истинные цели – прогресс человека – борьба за продление жизни, здоровье и чистоту культуры.

          Классическая вероятностная модель (по Г. Корн и Т. Корн) состоит из X1-Xn – взаимно-независимых случайных величин (как результат n- независимых повторных измерений) с одинаковой плотностью вероятности - ф(X) . То есть: случайная выборка из n- объема, n- мерная случайная величина -  (X1, X2, …, Xn), где плотность ее распределения называется функцией правдоподобия:

 

L(X1, X2, …, Xn) = ф(X1), ф(X1), …, ф(Xn),                     (29)

 

        Каждая статистика представляет собой некоторую функцию:

 

y=y (X1, X2, …, Xn),

или случайную величину, распределение которой однозначно определяется функцией правдоподобия, где y – выборочное распределение статистики, Х – величина выборки. Каждое выборочное распределение зависит от объема выборки. Статистические методы позволяют учесть данные опыта (выборочные значения) для уточнения вероятностной модели. Обычно задают значения генеральной совокупности:

 

ф = ф(X; n1, n2, …),

 

        По данным случайной выборки (X1, X2, …, Xn) оценивают неизвестные параметры (n1, n2, …) или определенное свойство теоретического распределения величины Х (генеральное, среднее и др.), которое сходится по вероятности к (n)  при стремлении  (n)  к бесконечности (состоятельные оценки) или выборочное распределение (эффективные оценки) с наименьшей дисперсией.

       Для исследования проводят проверку статистической гипотезы и оценивают правдоподобие испытываемой выборки при предполагаемой плотности распределения. Гипотеза принимается, если выборка попадает в область правдоподобия, где вероятность выбирают исходя из условий задачи.

       Непараметрические критерии определяют и проверяют свойства гипотетического распределения двух случайных выборок (величин). Это удобно для измерения выборок, где отсутствуют знания о генеральной совокупности объектов.

     Измеряемые объекты можно разделить на частотные (измерение шумов), прогнозные (урожай, рынок и др.), цикличные (социо-культурная сфера), хронологические (история, альтернатива и др.) и специальные. В целом измерения касаются показателей разброса и размаха.

     Дискретная случайная величина определяется матрицей (по замечательной книге И.М. Соболя – Метод Монте-Карло. Популярные лекции по математике. Изд. «Наука». - 1985 г.):

 

& ~ {   x1   x2   …  xn     }    ,                                                                   (30)

             p1  p2   … pn

где:

x1,  x2,   …,  xn  - возможные значение величины &,

p1,  p2,   …,  pn  - соответствующие им вероятности.

Вероятность того, что & примет значение xi =pi, где pi > 0, а  p1+p2+…+pn = 1.

Математическое ожидание М& равно сумме всех x*p (выборок от i до n ).

Математическая дисперсия D& - математическое ожидание квадрата отклонения случайной величины & от ее среднего значения.

     Риск – опасность возникновения непредвиденных потерь ожидаемой прибыли, дохода от имущества, денежных средств, в связи с изменением условий экономики.

Риск при управлении определяется прогнозными исследованиями, например, фото: