Розвиток систем предметної області

Під системами предметної області тут і далі розуміються інформаційні системи, автоматизуючи окремі операції основних бізнес-процесів, що використовують складні математичні моделі, які потребують великих обчислювальних потужностей. В якості прикладів можуть бути розглянуті системи:

· автоматизованого проектування, основані на моделях інженерних розрахунків;

· моделювання місце народжень у видобувній промисловості, основані на математичних моделях геології:

· технічного аналізу і прогнозування біржових котирувань цінних паперів;

· комп’ютерної графіки;

· біржової торгівлі і ін.

При всіх своїх відмінностях, вони мають цілий ряд спільних засобів, що відрізняють їх від інформаційних систем інших видів. До числа таких особливостей відносяться:

· жорсткі вимоги до апаратних і програмних засобів, які повинні бути виконані по принципу „все або нічого”;

· жорсткі вимоги до інфраструктури ІС – локальні мережі, засобам зв’язку, системам резервного копіювання і іншим засобам підвищення надійності зберігання даних;

· висока ступінь спеціалізації апаратного і програмного забезпечення;

Вище перераховані системи володіють рядом характеристик, які зближають методи їх економічної оцінки з оцінкою АСУ ТП. Мова йде про:

· слабкий вплив на бізнес-процеси підприємства в цілому;

· безпосереднє створення вартості в процесі експлуатації інформаційної системи;

· оцінку прибутковості на основі економічної оцінки змін не фінансових показників ефективності (шляхом сумісного використання експертних оцінок, моделей ФСУ і КПР).

Процедура оцінки проекту системи предметної області подібна з процедурою оцінки проекту АСУ ТП. Деякі відмінності обумовлені:

· відмінністю розподілу по багато численним виробничим об’єктам. В результаті відпадає проблема вибору об’єктів впровадження системи. Замість вибору об’єктів здійснюється перевірка достатності загального об’єму операцій для окупності проекту;

· компактним розміщенням обчислювальної системи, що обмежує вимоги до локальної мережі загального користування. Це не виключає високих вимог до внутрішніх каналів передачі даних і каналів зв’язку. Приклади – канали “сервер – сервер” або “сервер – дисковий масив” в середині кластера, канали зв’язку з біржовими серверами для торгівельної системи;

· зосередженням високих початкових витрат на одному виробничому об’єкті (лабораторії, досліджуваному центрі, робочому місці). Наслідок – високі постійні витрати, окупність яких потребує великого об’єму автоматизованих операцій, і великої віддачі на масштаб.

В оцінці систем предметної області також використовуються дещо інші показники. По-перше, вони відносяться вже не до виробничого процесу у вузькому розумінні слова, а до бізнес-процесу. По-друге, відмінність самих характеристик:

· ймовірність успіху операції;

· тривалість операції;

· частка обчислювальних експериментів в реалізації операції.

· час реалізації на зміни зовнішнього середовища.

Наведемо приклади дії деяких показників:

Ймовірність успіху операції. Якість прогнозування – один із критичних факторів успіху в сучасному бізнесі. В багатьох напрямках бізнесу прогноз потребує важких математичних моделей. Наприклад, для видобувної промисловості такий прогноз точок пробивання свердловин, для біржової торгівлі – прогноз динаміки цін і т. д. Відповідно експертним оцінкам, в нафтовидобутку спеціаліст знаходить оптимальне місце пробивання свердловини з ймовірністю 40%, а спеціаліст, використовуючи математичну модель місце народження – з ймовірністю 60%. Це і є ймовірність успіху операції. Фінансова оцінка показника визначається витратами на помилкове пробивання свердловини.

Тривалість операції. В автомобілебудуванні всіх видів час проектування нової моделі виробу складає від декількох місяців до декількох років і являється критичним параметром. Використання систем автоматизованого проектування і інших автоматизованих технологій дозволило зменшити тривалість проектування нової моделі автомобіля середнього класу з 72 до 37 місяців. Фінансова оцінка такого зменшення визначається в даному випадку ймовірністю успіху при виводі нової моделі на ринок. Передбачити збут за 37 місяців на багато простіше, ніж за 72.

Частка обчислювальних експериментів в реалізації операції. В автомобілебудуванні безпека новостворених моделей автомобілів перевіряється краш-тестами – штучними аваріями по спеціальній методиці. В наш час до 90% краш-тестів про розробці автомобіля моделюється шляхом обчислювального експерименту. Фінансова оцінка даного показника складається із зниження собівартості експерименту (машини і манекени з датчиками не розбиваються) і скорочення часу розробки. Часу на обчислювальний експеримент потрібно значно менше, ніж на реальний краш-тест.

Час реалізації на зміни зовнішнього середовища. В сучасних системах біржової торгівлі передбачені автоматичні реакції клієнтських терміналів на зміни цін. Тим самим портфель цінних паперів оптимізується 24 години за добу з врахуванням різниці в часових поясах на різних фінансових ринках. Фінансові наслідки цього результату оцінюються різницею вартості портфелю паперів при повністю ручному управлінні портфелем і автоматичними реакціями.

Підбиваючи підсумки, відмітимо, що оцінка систем предметної області проводиться за наступною схемою:

1. здійснюється попередня оцінка витрат на проект;

2. оцінюється достатність об’єму операцій даного класу для окупності системи предметної області;

3. оцінюються зміни показників бізнес-процесу в результаті проекту (аналогічно вище приведеним прикладом);

4. здійснюється фінансова оцінка змін показників бізнес-процесу на основі моделі КПР.

Внаслідок вище перерахованих відмінностей системи предметної області пред’являють вимоги не стільки до напрямків локальної мережі підприємства, скільки до засобів адміністрування даних і зовнішніх каналів зв’язку. При цьому спеціалізований характер обладнання і ПО даних систем (у відмінності від достатньо універсальної кабельної мережі, сервери і мережене обладнання, що використовує АСУ ТП, достатньо універсальні).

Таким чином, інформаційні системи предметної області представляють собою порівняно замкнені утворення в складі інформаційної мережі підприємства, що використовують головним чином сервіси адміністрування даних і (при умові додержування системних вимог до цих сервісів) менш впливаючи на інфраструктуру ІТ підприємства в цілому.

Така система значно ближче, ніж АСУ ТП, до “чорного ящика” з жорстко заданими входами і виходами. Як наслідок фінансовий результат проектів розвитку подібних систем практично повністю визначається фінансовим результатом проекту розвитку базового бізнес-процесу, що забезпечує даними системами. По цій причині дуже рідко виникає потреба інтеграції системи обліку витрат ІС і відповідного бізнес-підрозділу, а сумісне планування проектів, як правило, обмежується забезпеченням технічних умов функціонування системи предметної області з сторони ІС.

В результаті схема прийняття рішень на багато простіша, ніж в АСУ ТП. По скільки мова йде про задані технічні вимоги до інфраструктури ІТ, при погодженні в ІС проект розглядається службами управління пропускною здатністю і доступністю. При не достатній пропускній або не достатній технічній надійності існуючої інфраструктури ІТ формується специфіка на закупівлю необхідного обладнання і ПО.

Рис. 2.2 Схема прийняття рішення по системах предметної області

Відповідна специфіка поступає на виконання в службу закупівель ІТ або підприємства в цілому як звичайне замовлення, в рамках загального плану проекту розвитку системи предметної області.

Вже відмічена простота розрахунку в даній ситуації дозволяє піти ще по більш простому шляху експертних оцінок. Якщо збір даних потребує більших зусиль і витрат, грубий результат може бути отриманий на багато дешевше за допомогою співставлення з іншими підприємствами і екстраполяції отриманих даних. При великій величині очікуваного експертного ефекту точність таких оцінок не позначиться на якісному результаті. В противному випадку необхідно провести повний цикл розрахунків або прийняти на себе відповідальність за раніше відоме ризикове рішення.