Глава 14. Классификация методов разработки научно

Глава 14. Классификация методов
разработки научно-технических
и технологических прогнозов
Общая классификация научно-технических и технологических прогнозов. Современная практика прогнозирования научно-технического и технологического прогресса насчитывает свыше 130 методов. Однако все их
многообразие можно свести к четырем основным методам: экспертным, логико-информационным, статистическим и комплексным (рис. 14.1).
НАУЧНО-ТЕХНИЧЕСКОЕ
И ТЕХНОЛОГИЧЕСКОЕ
ПРОГНОЗИРОВАНИЕ
…
корреляционные
регрессионного
анализа
трендовые
комплексные
методы
морфологические
…
целевого управления
инженерные
технологические
статистические
методы
прогнозной
экстраполяции
логикоинформационные
методы
патентные
групповые
индивидуальные
экспертные
методы
Рис.14.1. Общая классификация методов научно-технического
и технологического прогнозирования
313
Глава 14
Экспертные (содержательные) методы ведут свое начало с метода Дельфи. Эти методы делают в принципе возможным «случайный доступ» ко всем уровням прогнозирования. В частности, только с их помощью можно найти совокупность обоснованных отправных пунктов для нормативных методов на самых высоких уровнях («социальные
цели»). Альтернативный путь – достижение этих уровней
изыскательскими методами – привел бы к некоторым отправным пунктам такого рода путем трудоемких итеративных и других подходов, но он недостаточно универсален,
чтобы его можно было признать удовлетворительным.
Экспертные методы подразделяются на индивидуальные
и групповые. Один из распространенных групповых экспертных методов исследований, разработанный в «РЭНД
корп.», – метод Дельфи – основан на прогнозировании с
привлечением комиссий или групп экспертов. Цель метода
состоит в том, чтобы разработать тщательно спроектированную программу последовательных индивидуальных опросов (которые лучше всего проводить с помощью вопросников), дополняемых обратной связью в виде информации и
мнений, получаемой путем обработки на ЭВМ согласованной
точки зрения экспертов по более ранним частям программы.
Суть этого метода состоит в том, чтобы специалисты, входящие в одну группу, влияя друг на друга, могли компенсировать личностные ошибки. Данный метод характеризуется тремя особенностями, которые отличают его от обычных методов
группового взаимодействия экспертов: а) анонимность; б) использование результатов предыдущего тура опроса; в) статистическая характеристика группового ответа.
Метод дает возможность эффективно взаимодействовать
членам жюри, хотя результаты этого взаимодействия
фильтруются руководителем группы путем суммирования
аргументов. В рамках логико-информационных методов
наибольшее развитие вплоть до 1980-х годов получило инженерное прогнозирование – наиболее распространенный и
действенный вид прогнозирования НТП. Особое значение
314
Классификация методов прогнозов
приобрело прогнозирование на основе патентной информации
и инженерное прогнозирование нетехнических (организационно-экономических) нововведений. Наибольшим разнообразием отличается группа статистических методов, среди которых широкую популярность приобрели трендовые методы,
методы регрессионного анализа и прогнозной экстраполяции.
Условием прогнозирования на основе экстраполяции трендов
является то, что, несмотря на периодическое внедрение радикальных инноваций, во многих отраслях повышение эффективности производства, обновление технологий происходят сравнительно медленно. Как правило, НТП достигается в результате
постепенных эволюционных преобразований. Очень часто НТП
заключается в модификации технического объекта, усовершенствовании отдельных параметров. Фундаментальные нововведения становятся возможными лишь на основе множества мелких
преобразований технических объектов. Вид трендовой модели
выбирают как по содержательным, так и по формальным критериям – минимальному значению среднеквадратической ошибки,
а при ретроспективном прогнозировании – по минимальному
значению коэффициента несоответствия. Наилучшие значения
прогнозов на основе экстраполяции трендов получают в тех случаях, когда используют несколько методов одновременно.
Прогнозирование НТП на основе моделей регрессии возможно лишь при выполнении, по крайней мере, близких к идеальным условий применения регрессии в анализе явлений и
процессов. Для прогнозирования НТП чаще всего используют
модели многофакторной регрессии. Особое место прогнозирование с использованием многофакторных регрессионных моделей занимает при совершенствовании технологических процессов, разработке моделей оптимальных технологий.
Построение регрессионной модели, адекватной исследуемому технологическому процессу, позволяет переходить после ее экспериментальной проверки к решению
оптимизационной задачи. Объектом оптимизации является выходной параметр (результативный признак). Цель
оптимизации – определение таких значений факторных
315
Глава 14
признаков, при которых выходной параметр достиг бы
своего экстремального (минимального или максимального) значения (подробнее см. ниже).
Особой разновидностью технологических методов являются методы инновацинно-технологического прогнозирования. Они были разработаны для прогнозирования и
управления научными исследованиями и разработками, а
затем были успешно использованы для прогнозирования
разработки, создания и модернизации технологий.
Основу информационно-логических моделей (ИЛМ) составляют поэтапные и иерархические модели. Поэтапные модели предполагают построение последовательности этапов
прогнозируемого объекта при переходе из начального состояния в конечное, определяемое целью развития объекта. Характерным признаком поэтапных ИЛМ является наличие типовых ИЛМ и настраиваемых, адаптивных ИЛМ. Разработка типовых ИЛМ предполагает семь обязательных этапов: 1) исходные предпосылки; 2) подход к постановке; 3) постановка;
4) подход к выполнению; 5) способ выполнения; 6) ожидаемый результат прогнозирования; 7) конечный результат.
Эти этапы формируются путем выделения обязательных
компонент, которые отражают обязательные, регулярно повторяющие свойства управляемых целевых процессов. К их
числу относится: исходное состояние, способ выполнения,
результат, требование к результату, цель. Установление между этими компонентами устойчивых для конкретной
внешней среды условий позволяет однозначно определить
наиболее предпочтительную, а в случае типовых ИЛМ –
единственную последовательность этапов. Применение поэтапных ИЛМ для технологического прогнозирования дает
возможность исследователю, прогнозисту использовать
внешнюю «оболочку», внешние требования установленного
содержания прогнозируемых состояний рассматриваемого
объекта. Поэтапные ИЛМ дополняются иерархическими
ИЛМ, в которых перспективы развития рассматриваются на
316
Классификация методов прогнозов
разных уровнях детализации. Наиболее часто такие модели
представляются в виде «дерева целей».
В основу классификации методов инновационно-технологического прогнозирования (рис. 14.2 и табл. 14.1) положены следующие признаки: характеристика прогнозируемого объекта; способ (метод) получения информации; форма организации участников процесса прогнозирования.
Многочисленные подходы и методы, большое количество которых характеризует современную экспериментальную базу в этой области, можно классифицировать по различным критериям. Принципиальное различие проводится
между изыскательским и нормативным технологическим прогнозированием. В настоящее время наиболее полное технологическое прогнозирование должно исходить из сопоставления
нормативного прогнозирования (потребности, желания) и
изыскательского прогнозирования (возможности).
Изыскательские методы могут быть подразделены на
два класса, указывающие на их потенциальное применение:
• методы, с помощью которых порождается новая технологическая информация – экстраполяция тенденций
изменения технических параметров и функциональных
возможностей, «кривые обучения», экстраполяция контекстуального картографирования, морфологическое
исследование, а возможно, написание сценариев;
• методы, с помощью которых упорядочивается и перерабатывается исходная технологическая информация – историческая аналогия, написание сценариев и
синоптическая итерация, вероятностные методы преобразований, экономический анализ, операционные модели, методы, имеющие дело с агрегированным уровнем.
Наиболее систематическим подходом к производству новой технологической информации является морфологическое
исследование – метод, позволяющий на объективной основе
получить всеобъемлющий спектр функциональных технологических систем, подсистем и т. д.
317
Глава 14
рис. 14.2
318
Классификация методов прогнозов
табл. 14.1
319
Глава 14
Оценке осуществимости, которая сообщает операциональную ценность этому подходу, могут содействовать экстраполяции тенденций и другие методы, с помощью которых порождается информация.
Одно из возможных решений этой задачи может быть достигнуто на основе частного случая применения морфологического анализа – матричного метода. Этот метод позволяет
сравнивать по степени важности различные направления прогнозных разработок для достижения цели (целей). Поскольку
развитие объекта прогноза обычно зависит от значительного
числа взаимосвязанных факторов, то применение матричного
метода требует разбиения множества различных факторов на
ряд комплексов, в каждый из которых входят в определенной
мере однородные факторы. В дальнейшем оценивается влияние
этих комплексов друг на друга и на достижение конечных целей на основе использования операций с матрицами для решения задачи выбора и обоснования оптимального размещения
ресурсов. Это достигается путем ранжирования факторов и определения их относительных весов внутри комплекса.
Исходной информацией для прогнозирования по матричному методу с использованием экспертных оценок являются: перечень целей объекта прогнозирования и коэффициенты их относительной важности; перечень факторов, влияющих на достижение целей объекта прогноза, сгруппированных в однородные комплексы; коэффициенты (баллы) матриц, определяющих влияние одного комплекса факторов на
другой или на достижение целей; показатели относительной
самооценки компетентности экспертов, принимавших участие в работе по прогнозированию развития объекта; данные о группах, участвовавших в работе экспертов, необходимые для определения компетентности экспертов.
Все операции по матричному методу выполняются в следующей последовательности: 1) идентификация факторов,
влияющих на достижение поставленных целей; 2) выделение однородных комплексов факторов путем группировки
этих факторов по характеру их влияния; 3) формирование
320
Классификация методов прогнозов
матриц влияния комплексов факторов друг на друга и на
достижение целей; 4) определение влияния факторов на
достижение комплекса целей путем выполнения операций
над матрицами влияний (умножение, сложение, вычитание)
в соответствии со схемой направления влияний одних факторов на другие (графом влияний), определение относительных весов факторов и их ранжирование.
Для экстраполяции количественных параметров применяются многочисленные математико-статистические методы схемы экстраполяции. Различают формальную и прогнозную экстраполяцию. Формальная базируется на предположении о сохранении в будущем сложившихся в настоящем тенденций развития объекта прогноза. При прогнозной экстраполяции фактическое развитие увязывается с
гипотезами о динамике исследуемого процесса с учетом закономерностей его внутреннего развития.
Морфологическое исследование, опирающееся на экстраполяцию тенденций, представляет собой наилучшую из
имеющихся возможностей; экстраполяция тенденций, используемая самостоятельно, находится на втором месте (и
она уже применяется систематически в связи с методом
ПАТТЕРН компании «Хониуэлл» для нормативного прогнозирования). Вне сферы указанных методов интуитивное
мышление остается «естественной» альтернативой (равно
как и незаменимым связующим звеном) неудовлетворительным и неполностью интегрированным методам.
Сетевые методы могут оказаться полезными, когда речь
идет о специальных аспектах нормативного прогнозирования, особенно для оценки различных системных концепций.
Использование операционных моделей имеет меньшее значение в нормативном, чем в изыскательском, прогнозировании; их применяют, главным образом, к решению проблемы
выбора среди ряда сложных альтернативных разработок.
Возможности системного анализа незначительно используются для целей технологического прогнозирования. Системный анализ является общим подходом, поэтому в каж321
Глава 14
дой новой задаче его следует трансформировать применительно к объекту прогнозирования, – здесь не существует
твердых правил, которые могли бы быть легко использованы различными организациями.
Методы с обратной связью создаются в конечном счете
путем сочетания элементов изыскательского и нормативного прогнозирования или совершенно новых элементов.
Возможность объединить существующие методы таким образом, чтобы возникла полностью интегрированная система
с обратной связью, охватывающая все уровни и направления перемещения технологии, выглядит маловероятной. В
настоящее время создаются многоуровневые системы с обратной связью на базе «общения между человеком и техникой» и частных систем с обратной связью, охватывающих
лишь некоторые направления перемещения технологии.
«Обходные» методы, за исключением интуитивного мышления, устанавливают прямые прогностические отношения между несмежными уровнями. Их применимость до сих пор считается неопределенной. Основная цель этих методов состоит в
том, чтобы, начав с одного уровня перемещения технологии,
получить «случайный доступ» к любому другому уровню.
Концепция мозговой атаки (штурма) получила широкое
распространение как метод систематической тренировки творческого мышления. Все методы, нацеленные на открытие новых идей и достижение согласия группы людей на основе интуитивного мышления, возникли из концепции мозговой атаки.
Прямая мозговая атака может проводиться отдельными
лицами или группами. Она основана на гипотезе, что среди
множества идей имеется, по меньшей мере, несколько хороших. Спорадические исследования, проведенные в этой
области, привели к выводу, что ситуация мозговой атаки
может повысить продуктивность мышления ее участников.
В то время как прямая мозговая атака преследует цель
собрать множество новых идей, метод «обмена мнениями»
направлен на то, чтобы достичь согласия примерно между
шестью людьми.
322
Классификация методов прогнозов
Прогнозирование по аналогии – это сравнение прогнозируемой технологии с какой-либо сходной технологией.
Можно воспользоваться исторической аналогией в случаях,
когда необходим более строгий метод, чем простое субъективное суждение. Однако исход прогнозируемой ситуации
нельзя считать неизбежным. Не существует гарантии, что при
детальном повторении обстоятельств повторятся следствия.
Поскольку применение аналогии зависит от детального
сравнения двух ситуаций, полезно располагать систематическим способом такого сопоставления. С этой целью составляется совокупность аспектов, по которым можно сравнивать ситуации, которые включают факторы, связанные в прошлом со
склонностью к нововведениям или противодействию им. Прогноз, выполненный данным методом, может включать такую
ситуацию, для которой все отклонения от формальной аналогии однонаправленны. Это прогноз не будет обладать строгостью аналитической модели – он будет основан на субъективных суждениях о влиянии отклонений от строгой аналогии.
Метод аналогии менее субъективен, чем метод Дельфи,
но он не очень точен. При его применении нет уверенности
в том, что определенные обстоятельства, однажды приведшие к определенному результату, приведут к тому же результату еще раз.
Более точный метод прогнозирования, основанный на
кривых роста, базируется на сходстве между характером биологического развития и ростом функциональных характеристик технических устройств. Это сходство, часто только предположительное, указывает на возможность прогнозировать
техническое развитие таким же способом, каким биологи прогнозируют рост отдельных организмов и их популяции.
Данное технологическое решение с точки зрения достижения уровня функциональных характеристик не может
улучшаться безгранично. Почти всегда существует определенный предел для функциональных характеристик, достижимый этим устройством. Прогнозируя будущее развитие
конкретного устройства, следует установить этот предел и
323
Глава 14
определить темп приближения к нему. Если имеющиеся
данные фиксируются в пространстве двух координат, то
часто оказывается, что они представляют собой нижнюю
часть S-образной кривой. Прогноз может быть получен восполнением недостающей части этой кривой. Однако требуется объективный метод подбора кривой, а не просто продолжение графика «от руки».
Ряд явлений в других областях исследования характеризуется такими же S-образными кривыми роста. Можно провести аналогию между этими явлениями и развитием конкретного устройства, которая покажет, что, по всей вероятности, они представляют один тип кривой роста. Однако применимость кривых роста в технологическом прогнозировании
гораздо больше зависит от их фактических параметров, чем от
аналогии с популяциями или распределением доходов.
В технологическом прогнозировании широко используются две кривые роста, отчасти из-за простоты их применения, отчасти из-за адекватного отражения данных, характеризующих прошлое развитие. Эта кривая Перла и кривая
Гомперца. Простые методы подбора кривых позволяют
прогнозисту определить их параметры объективным и воспроизводимым путем непосредственно по совокупности
данных. Кривая может быть выявлена, а ее продление в будущее использовано как прогноз.
Основным преимуществом при применении кривых роста является их большая объективность, по сравнению с интуитивными методами прогнозирования, подобными методу
Дельфи. Тем не менее, видимость полной объективности
может вводить в заблуждение. Альтернатива, применить ли
для выравнивания кривую Перла или Гомперца, до сих пор
решается исходя из субъективной оценки пригодности подобранной кривой к данным прошлого развития. Если выбор базируется только на сравнении сумм квадратов отклонений от
данных, соответствующих двум кривым, то и в этом случае
следует признать, что выбор этого критерия остается все же
324
Классификация методов прогнозов
субъективным. Выбор может быть еще более субъективен,
если в его основе лежит внешний вид двух графиков.
Аналогии, кривые роста и тенденции предполагают, что
в то время, когда для данной части системы, создающей
технологию, в целом известны взаимосвязи между затратами ресурсов и технологическими результатами, ни один из
внутренних механизмов действия системы не известен. Еще
чаще не предполагается даже знания взаимосвязей затрат и
результатов. В них просто допускается, что условия, определяющие поведение системы в прошлом, какими бы они
ни были, будут определять характер ее поведения и в будущем. Хотя эти методы чрезвычайно полезны и широко применяются, тем не менее необходимо ясно представлять, что
они обладают некоторыми недостатками.
Таким образом, построение аналитической модели – это
построение такой разновидности модели, которая включает
как эндогенные, так и экзогенные переменные. Эти переменные должны быть установлены и описаны. В модели
должны быть выявлены и установлены взаимосвязи между
переменными. Тогда при задании современного состояния
системы и значений экзогенных переменных, начиная от настоящего момента до некоторого момента времени в будущем, модель должна предсказывать ход научно-технического
развития вплоть до заданного момента времени. Эта процедура требует прогноза экзогенных переменных.
Вероятно, невозможно создать модели, которые исчерпывающим образом могли бы предсказывать будущий ход
научно-технического прогресса. Технология не образует закрытой или автономной системы: она реагирует на воздействие внешних факторов: социальных, политических, экономических и др. Включение этих факторов как эндогенных
переменных в модель научно-технического развития, даже
если бы это было возможно, означало бы создание такой
модели, в которой технологические факторы составляют
лишь малую часть. Вероятно, предпочтительнее строить такие модели, в которых указанные нетехнологические фак325
Глава 14
торы трактуются как экзогенные переменные, прогнозируемые в первую очередь таким образом, чтобы предсказанные
их значения можно было использовать в качестве входных
данных для модели прогнозирования технологии.
Рассмотренные выше методы прогнозирования применяются в современных условиях для выявления роста технологических характеристик на основе различных принятых
допущений относительно продолжения в будущем прошлого или настоящего характера роста. Эти методы часто называют поисковыми, что отражает их использование для поиска вероятного будущего, вытекающего из потенциальных
возможностей настоящего.
Нормативные методы прогнозирования. При прогнозировании применяется также ряд методов в совокупности
именуемых нормативными. В основе этих методов лежит
целевой подход и системный анализ. С их помощью пытаются отобразить элементы какой-нибудь системы и изучить
взаимосвязи между ними. Они применяются также для исследования затрат, возможностей, ограничений и узких
мест. Цель их состоит в определении уровня технологических характеристик, который необходим для выполнения
какой-либо функции, на основе предполагаемой или проектируемой потребности. Поисковые и нормативные методы
прогнозирования не конкурируют и не заменяют друг друга.
Как правило, до составления поискового прогноза какойлибо технологии составляется нормативный прогноз, свидетельствующий о потребности в данной технологии.
Самыми распространенными методами нормативного
прогнозирования являются: деревья целей, ИЛМ, морфологические модели и блок-схемы последовательности выполнения задач. Деревья целей используются тогда, когда анализируемую систему или процесс можно представить в виде
уровней причинных взаимосвязей, уровней сложности, или
иерархических уровней. Морфологические модели и ИЛМ
применяют в тех случаях, когда систему или процесс можно
расчленить на элементы, которые можно видоизменять не326
Классификация методов прогнозов
зависимо друг от друга. Блок-схемы последовательности
выполнения задач используются в тех случаях, когда систему или процесс можно представить в виде одной или нескольких цепочек последовательных этапов.
Практическое применение состоит в определении уровня
функциональных характеристик, которых необходимо достичь
для решения некоторой проблемы или преодоления какой-либо
трудности. Деревья целей предназначены для анализа иерархических структур, морфологические модели – для анализа параллельных структур, блок-схемы последовательности выполнения задач – для анализа процессов с этапами, образующими
пространственные, временные или логические последовательности. Во многих случаях одну и ту же систему можно анализировать с помощью как дерева целей, так и морфологической
модели. В таких случаях следует применять метод, наиболее
походящий и удобный для анализа конкретной проблемы.
Преимущество нормативных методов состоит в том, что они
выявляют структуру и формируют проблему. Они могут способствовать гарантии полноты исследования таким образом,
что не будут пропущены решения, сколько-нибудь обещающие
успех. Систематический анализ структуры проблемы с помощью этих методов может способствовать разработке новых
альтернатив, которые могут превосходить варианты решений,
используемые в настоящее время. Даже тот случай, когда все
альтернативы, выявленные применением нормативных методов, кажутся хуже известных вариантов, дает дополнительную
уверенность в том, что выбранный альтернативный способ решения проблемы превосходит все остальные.
Нормативные методы обладают и недостатками, которые они разделяют со всеми системными методами решения проблем. Один из этих недостатков заключается в
присущей рассматриваемым методам тенденции вносить
«ужесточать» предлагаемые решения. При «подгонке» к
нормативной структуре сама проблема может подвергнуться искажению. Может существовать тенденция к рассмотрению только решений, которые легко выразить на
327
Глава 14
языке формальной структуры принятой модели. Другая
трудность возникает при присвоении коэффициентов
важности ветвям или элементам модели, как это делается
при применении методики ПАТТЕРН. Эта трудность состоит в свойственной коэффициентам тенденции к созданию собственной обоснованности.
Хотя одним из преимуществ нормативных методов считается их полнота, реальной гарантии полноты нормативной
модели не существует. Не существует процедуры, гарантирующей, что автор дерева целей или морфологической модели что-то не пропустил, хотя, в литературе предлагаются
правила проверки полноты. Нормативные методы представляют собой систематические способы изучения требований
к технологии. При правильном употреблении они образуют
схему, по которой могут эффективно действовать творческие способности и воображение.
Основные термины и понятия
Экспертные методы
Метод Дельфи
Инженерное прогнозирование
Метод экстраполяции трендов
Методы инновацинно-технологического прогнозирования
Информационно-логические модели
Изыскательские методы
Матричный метод
Методы с обратной связью
Поисковое прогнозирование
Нормативное прогнозирование
Вопросы для самопроверки
1. Общая родо-видовая классификация методов научнотехнического и технологического прогнозирования.
2. Каковы классифицирующие основания методов инновационно-технологического прогнозирования?
3. В чем сущность матричного метода прогнозирования?
328
Классификация методов прогнозов
4. Какие особенности метода Дельфи и метода кривых роста?
5. Какие особенности нормативных методов прогнозирования?
Литература
1. Александров Н.И., Комков Н.И. Моделирование организации и
управления решением научно-технических проблем. М.: Наука,
1988.
2. Гмошинский В.Г. Инженерное прогнозирование. М.: Энергоиздат,
1982.
3. Гребнев Е.Т. Управленческие нововведения. М.: Экономика.
4. Статистическое моделирование и прогнозирование // Учеб.
пособие / Под ред. Гранберга А.Г. М.: Финансы и статистика,
1990.
5. Комков Н.И. Модели программно-целевого управления. М.:
Наука, 1981.
329
Классификационные
признаки методов
Назначение и использование
прогнозной информации
I
Информирование руководителей
(государства, регионов, бизнеса,
науки) о возможных направлениях инновационно-технологического развития (мезо- и
микроуровень)
1.I
Обоснование принимаемых
стратегических решений
руководством (мезо- и
2.I
макроуровень)
Информирование общества
о возможных направлениях
инновационно-технологического развития (мезо- и
макроуровень)
3.I
Виды прогнозной
информации
II
Качественная (содержательная) информация
1.II
Номинально упорядоченная
информация
2.II
Интервально упорядоченная информация
3.II
Линейно упорядоченная
информация
Количественно заданная
информация
4.II
5.II
Детерминированная
1.5.II
Вероятностная
Способы (методы)
получения прогнозной
информации
III
Нормативные (целевые)
1.III
Изыскательские (эволюционные, исследовательские)
2.III
Современные (циклические, итеративные)
3.III
Экспертные
4.III
Аналитические
5.III
Стохастические
6.III
Формы организации прогнозной информации
IV
Индивидуальные (авторские)
прогнозы
1.IV
Коллективные временные
2.IV
Сетевая организация
3.IV
Институциональные
(на постоянной основе)
4.IV
2.5.II
Рис. 14.2. Классификатор методов инновационно-технологического прогнозирования
Таблица 14.1.
Классификационные признаки технологических прогнозов,
используемых в известных методах прогнозирования
1.Технологическое
прогнозирование (Technology
Forecasting)
2.Технологическое
оценивание
(Technology
Assessment)
3.Технологическое
предвидение
(Technology
Foresight)
4. Стратегическое
информирование (Technology
Intelligence)
5. Метод Дельфи
6. Морфологический анализ
7. Информационно-логическое
моделирование
8. Метод прогнозного графа
9. Имитационное
моделирование
10. Метод сигнального графа
11. “Мозговой
штурм”
12. Статистические
(стохастические) методы
13. Метод
ПАТТЕРН
1.I
2.I
3.I
1.II
2.II
3.II
4.II
5.II
признак используется полностью;
1.III
2.III
3.III
4.III
5.III
признак присутствует частично
6.III
1.IV
2.IV
3.IV
4.IV