Универсальные модули ТРИЗ как междисциплинарная практика в обучении детей

При проведении анализа предметной области на основе материалов российской и зарубежной литературы был осуществлен обзор различных методик принятия решений (далее – ПР). Существующие методы, применяемые в производственной сфере, зачастую ограничиваются одним важным аспектом: возможностью перехода от описания проблемы к её решению посредством выбора из ограниченного набора альтернатив. Несмотря на разнообразие методов принятия решений, большинство из них игнорируют ключевые условия, такие как временные и пространственные контексты, которые существенно влияют на эффективность принятия решений и могут существенно изменить их оценку. Эти обстоятельства играют важнейшую роль в реальной практике, что обусловило необходимость разработки и использования более гибких и адаптивных методик, учитывающих сложность и динамичность условий, в которых принимаются решения.

Были рассмотрены следующие методики, которые находятся в свободном доступе:

• 1.    Неформальные (эвристические) методы (Методика 1) принятия решений — это подходы, основанные на интуиции, опыте или знаниях экспертов. В таких случаях вероятность предсказания успешного исхода затруднена или практически невозможна. Тем не менее, для простых ситуаций с низкими последствиями ошибочного выбора этот метод может

• 2.    Методы, основанные на анализе формализованного опыта, которые подвергаются статистической обработке — экспертные методы принятия решений (Методика 2). Эти методы используют знания и опыт экспертов, систематически обрабатывая их в виде формализованных правил и моделей. Такой подход позволяет повысить результативность решений за счет внедрения проверенных практик и опыта. Однако привлечение экспертов увеличивает затраты на процесс принятия решений, так как требуется привлечение квалифицированных специалистов и организация встречи или консультаций. Кроме того, расширение круга участников может снизить оперативность принятия решений, особенно если требуется быстрое реагирование. Также стоит учитывать возможную предвзятость экспертов, которая может влиять на объективность результатов, особенно если опыт и знания несовершенны или предвзяты [2].

• 3.    Методы экспертизы на основе нечеткой логики представляют собой мощный инструмент для снижения субъективности в принятии решений (Методика 3). Они используют функции принадлежности, которые позволяют моделировать неопределенность и вариативность входных данных, создавая интервал возможных решений. Такой подход помогает учитывать нечеткие или неполные данные, обеспечивая более устойчивую и объективную оценку ситуации. Однако, увеличение сложности моделей требует высокого уровня компетентности специалистов и может привести к трудностям в правильной интерпретации результатов. Кроме того, корректное представление входных данных в виде нечетких множеств требует тщательной подготовки и может быть

• 4.    Квалиметрические методы оценки системы позволяют получить более точные результаты по сравнению с простыми количественными методами, поскольку они учитывают качество и степень соответствия характеристик выбранным критериям (Методика 4). Однако, несмотря на их точность, эти методы могут давать искаженную оценку из-за неполного учета всех важных факторов, что может привести к неправильным выводам и ошибочным решениям. Поэтому при использовании квалиметрических методов важно помнить о необходимости включения всех релевантных факторов и возможности проведения дополнительных проверок и уточнений для повышения надежности оценки [5].

• 5.    Аналитические методы оценки ПР (Методика 5) являются сложными и точными, поскольку они основаны на точных математических формулах, что позволяет получить подробное и корректное представление о характеристиках системы или процесса. Однако их применение связано с определенными трудностями, так как такие методы требуют наличия полной и точной информации, а также высокой квалификации специалиста для правильного их использования. Кроме того, аналитические методы могут быть очень чувствительны к погрешностям исходных данных и сложны в реализации для систем с высокой сложностью или многообразием факторов. Поэтому, несмотря на свои преимущества, эти методы требуют значительных ресурсов и внимания при использовании. [6, 7].

• 6.    Простые интеллектуальные методы на основе прецедентов (Методика 6) обладают преимуществом в накоплении и уточнении знаний о ситуации, что способствует постепенному совершенствованию процесса

• 7.    Сложные интеллектуальные методы (Методика 7), такие как машинное обучение, глубокое обучение и нейронные сети, могут значительно повысить эффективность процессов ПР, особенно при обработке больших объемов данных и необходимости точного распознавания сложных паттернов. Однако, их применение требует наличия значительных ресурсов, качественных и объемных обучающих данных, а также высокой вычислительной мощности. Поэтому их использование оправданно в случаях, когда есть доступ к соответствующим данным и ресурсам, и важна высокая точность распознавания решений [8].

быть оправдан, так как позволяет быстро и с минимальными затратами принять решение без сложных расчетов. Эти методы особенно полезны в условиях ограниченных данных или времени, когда более точные аналитические подходы недоступны или нецелесообразны [1].

ограничено в случаях недостатка или неправильной формализации данных. Анализ эффективности такого метода зависит от правильности определения функций принадлежности и способности моделировать реальную проблем [3, 4].

ПР при проектировании реструктуризации. Такой подход позволяет учитывать опыт предыдущих итераций, выявлять наиболее эффективные критерии и методы, а также адаптировать их к текущим условиям, повышая качество и точность принимаемых решений. Однако, важно помнить, что эффективность этих методов зависит от полноты и качества базы знаний, а также от правильности формулировки прецедентов и критериев. В целом, использование прецедентных моделей способствует развитию системы знаний и улучшению процессов ПР за счет инкрементального обучения и корректировки [8].

Таким образом, после выполненного обзора методик принятия решений следует перейти к их сравнительному анализу. Этот этап позволяет определить преимущества и недостатки каждого подхода, а также выбрать наиболее подходящий из них с учетом специфики задачи, доступных данных и требований к результату. Сравнительный анализ также помогает выявить наиболее эффективные методы и объединить их преимущества в гибридных моделях, что может повысить точность и надежность решений. Кроме того, он способствует оптимизации процесса принятия решений и снижению рисков ошибок, связанных с выбором неподходящих методик. В конечном итоге, такой подход обеспечивает более обоснованные и рациональные управленческие решения в рамках рассматриваемой системы.

Для сравнительного анализа методик принятия решений был использован модифицированный метод анализа иерархий. Этот подход позволяет более точно учитывать множество критериев и их взаимосвязи при оценке различных методов. [9].

Первым этапом в решении задачи принятия решения является декомпозиция проблемы через определение ее компонент и отношений между ними. Иерархия выбора методики принятия решений, выполненная с использование СППР «Решение» [10] представлена на рисунке 1.

Рисунок 1 – Иерархия выбора методики приятия решения

Как видно из рисунка 1, рассмотренные выше методики будут оцениваться по следующим критериям:

• -    применимость;

• -    вероятность ошибки при решении;

• -    сложность применения;

• -    сложность интерпретации.

Следующим этапом является осуществление попарного сравнения отдельных компонент иерархии.

Сравнение критериев представлено на рисунке 2.

Рисунок 2 – Сравнение критериев

Критерий «Вероятность ошибки при решении» является наиболее значимым.

Отношение согласованности (ОС) равно 6%. Считается нормальным, если ОС < 10%  [11]. Таким образом, матрицу можно считать согласованной.

Затем необходимо составить матрицы парных сравнений альтернатив по всем критериям.

Сравнение решений по критерию «Применимость» представлено на рисунке 3.

। Сравнение решений по критерию "Применимость’* 1.       2.       3.       4.       5.       6.       7.							> Приоритеты
1. Мтодика 1 1/1	1/3	1/5	1/2	1/7	3/1	1/5	0,042
2. Методика 23/1	1/1	1/3	2/1	1/5	5/1	1/3	0,092
3. Методика 35/1	3/1	1/1	4/1	1/3	7/1	1/1	0,198
4. Методика 42/1	1/2	1/4	1/1	1/6	4/1	1/4	0,062
5. Методика 57/1	5/1	3/1	0/1	1/1	а. 1	3/1	0,386	£
6. Методика 61/3	1/5	1/7	1/4	1/6	1/1	1/7	0,023
7. Методика 75/1	3/1	1/1 ____	4/1	1/3	7/1	1/1	0,198
СЗ: 7,323 ИС: 0,054 ОС: >0. 041 * Для сравнения критериев двойной клик на ячейке матрицы сравнения						ОК	Cancel

Рисунок 3 – Сравнение решений по критерию «Достоверность»

Пояснения к оценкам:

Нечёткая логика против квалиметрических (4): Нечёткая логика более применима, чем квалиметрические методы, поскольку нечеткая логика хорошо справляется с неопределенностью, которая часто встречается в электроэнергетике. Оценка 4 отражает важную применимость нечеткой логики.

Таким образом наилучшим вариантом по критерию достоверность являются аналитические методы оценки (методика 5).

Сравнение решений по критерию «Вероятность ошибки при решении» представлено на рисунке 4.

|А| Сравнение решений по критерию "Вероятность ошибки при... X

	1.      2.      3.      4.      5.      6.      7.      Приоритеты										Jj 1-ПЗ ш Ci < S
1.    Мтодика 1 2.    Методика 2 3.    Методика 3 4.    Методика 4 5.    Методика 5 6.    Методика 6 7.    Методика 7	1/1	3/1		5/1		4/1	7/1	2/1	6/1	0,351
	1/3	1/1		3/1		2/1	5/1	1/2	4/1	0,159
	1/5	1/3		1/1		1/2	3/1	1/4	1/2	0,056
	1/4	1/2		2/1		1/1	4/1	1/3	3/1	0,104
	1/7	1/5		1/3		1/4	1/1	1/6	1/5	0,027
	1/2	2/1		4/1		3/1	6/1	1/1	5/1	0,241
	1/6	1/4		2/1		1/3	5/1	1/5	1/1	0,062
	СЗ:		7,320		ИС:	0,053	ОС: |0,040 |
* Для сравнения критериев двойной клик на ячейке матрицы сравнения
i									OK j	Cancel

Рисунок 4 – Сравнение решений по критерию «Вероятность ошибки при решении»

Пояснения к оценкам:

Оптимальные варианты по данному критерию – являются аналитические методы оценки (методика 5).

Сравнение решений по критерию «Сложность применения» представлено на рисунке 5.

J Сравнение решений по критерию "Сложность применения"

б.

иоритеты

1. Мтодика 1

2. Методика 2

3. Методика 3

4. Методика 4

5. Методика 5

6. Методика 6

7. Методика 7

1/1	1/4	1/2	1/3	1/5	2/1	1/7	0,043
4/1	1/1	2/1	3/1	1/2	5/1	1/3	0,155
2/1	1/2	1/1	1/1	1/4	3/1	1/6	0,075
3/1	1/3	1/1	1/1	1/3	4/1	1/5	0,084
5/1	2/1	4/1	э/1	1/1	6/1	1/2	0,235
1/2	1/5	1/3	1/4	1/6	1/1	1/В	0,029
7/1	3/1	6/1	5/1	2/1	0/1	1/1	0,378

ОС: [0,023 |

СЗ: 7,183

ИС: 0,031

* Для сравнения критериев двойной клик на ячейке матрицы сравнения

ГП со о ■^ ш

|Гок

1 Cancel

Рисунок 5 – Сравнение решений по критерию «Сложность применения»

Пояснения к оценкам:

Методики с наиболее сложной применимостью являются – сложные интеллектуальные методы (Методика 7).

Сравнение решений по критерию «Сложность интерпретации» представлено на рисунке 6.

Lr_i Сравнение решений по критерию "Сложность интерпретации" X

	1.       2.		3.		4.       5.       б.				7.	Приоритеты	Jj 1 m г §
1.    Мтодика 1 2.    Методика 2 3.    Методика 3 4. Методика 4 5.    Методика 5 6.    Методика 6 7.    Методика 7	VI	1/2		1/3		1/4	1/5	2/1	1/7	0,042
	2/1	1/1		1/2		1/3	1/4	3/1	1/6	0,063
	3/1	2/1		1/1		1/2	1/3	4/1	1/5	0,096
	4/1	3/1		2/1		1/1	1/2	5/1	1/4	0,146
	5/1	4/1		3/1		2/1	1/1	6/1	1/3	0,217
	1/2	1/3		1/4		1/5	1/6	1/1	1/а	0,029
	7/1	6/1		5/1		4/1	3/1	8/1	1/1	0,408
	а: 7,216 | ИС: |ЦИ1 | ОС: |0,036 * Для сравнения критериев двойной клик на ячейке матрицы сравнения
									ок	Cancel

Рисунок 6 – Сравнение решений по критерию «Сложность интерпретации»

Пояснения к оценкам

Методики с вызывающее наиболее сложную интерпретацию (Интерпретация — это толкование, объяснение, раскрытие смысла чего-либо) являются – сложные интеллектуальные методы (Методика 7).

Проведя все сравнения для иерархии, можно перейти к результатам ранжирования методик принятия решений. Приоритетность вариантов решения проблемы представлена на рисунке 7.

Рисунок 7 – Приоритетность вариантов решения проблемы

Рейтинг методик принятия решений представлен в таблице 1.

Таблица 1 – Рейтинг методик принятия решений

Место	Номер	Название	Рейтинг
1	Методика 7	Сложные интеллектуальные методы	22,5 %
2	Методика 1	Неформальные (эвристические) методы	18,1 %
3	Методика 5	Аналитические методы оценки	15,4 %
4	Методика 2	Экспертные методы	12,5 %
5	Методика 6	Простые интеллектуальные методы	12,3 %
6	Методика 4	Квалиметрические методы	10,6%
7	Методика 3	Методы экспертизы на основе нечеткой логики	8,5 %

На основе примененного модифицированного метода анализа иерархий для выбора альтернативы, наилучшей по множеству критериев было выявлено, что наилучшими вариантом являются сложные интеллектуальные методы (Методика 7), такие как машинное обучение глубокое обучение и нейронные сети.