تحلیل سیستم | روش تجزیه و تحلیل سیستم ها

بررسی مؤثر سیستم‌ها و فرآیندها می‌تواند به سازمان‌ها کمک کند تا پیشنهادات عملی را به‌منظور رفع نیازهای کاربران و مشتریان به‌کار بگیرند. تجزیه و تحلیل سیستم یکی از روش‌هایی است که متخصصان می‌توانند از آن به‌منظور شناسایی مسائل و پیشنهاد بهبود سیستم‌های کسب‌و‌کار، استفاده کنند. یادگیری اینکه تجزیه و تحلیل سیستم چیست و چگونه کار می‌کند می‌تواند به شما در درک بهتر اهمیت و ضرورت آن کمک کند. درواقع تحلیل سیستم فراتر از این است که بدانیم سیستم چیست، به‌همین‌دلیل در ادامهْ تعریف تجزیه و تحلیل سیستم را ارائه کرده‌ایم و از روش‌شناسی آن پرده برداشته‌ایم و انواع مدل‌ها در تحلیل سیستم را تبیین کرده‌ایم.

تحلیل سیستم چیست؟

به بررسی سیستم‌های پیچیده صنعتی و تجاری به‌منظور یافتن راه‌های بهبود آنها به‌ویژه با استفاده از رایانه، تحلیل سیستم گفته می‌شود. لونی بنتلی و جفری ویتن در کتاب «تجزیه‌ و ‌تحلیل سیستم‌ ها و طراحی برای سازمان جهانی»، تحلیل سیستم را این‌گونه تعریف می‌کنند: «فرآیند مطالعه یک روش خاص یا کسب‌و‌کار به‌منظور شناسایی اهداف آن و ایجاد سیستم‌ها و رویه‌هایی که به‌طور کارآمد به ساخته‌شدن آن کسب‌و‌کار یاری می‌رسانند». دیدگاه دیگری تجزیه و تحلیل سیستم را به‌عنوان یک تکنیک حل مسئله می‌بیند که یک سیستم را به اجزای آن تجزیه می‌کند.

این اصطلاح باز هم معانی مختلفی دارد. تجزیه و تحلیل سیستم به‌عنوان تحقیقی در نظر گرفته می‌شود که برای کمک به کسی (برای مثال تصمیم‌گیرنده) اجرا می‌شود تا مسیر عمل بهتری را شناسایی و تصمیم بهتری اتخاذ کند. ویژگی‌های مشخص یک موقعیت، پیچیدگی موضوع و عدم اطمینان از نتیجه روی شیوه تحلیل سیستم اثرگذار خواهد بود.

اصطلاحات تجزیه و تحلیل (analysis) و ترکیب (synthesis) از یونانی و به‌معنی «از‌هم‌جدا‌کردن» (to take apart) و «کنار‌هم‌قرار‌دادن» (to put together) سرچشمه می گیرند. این اصطلاحات در بسیاری از رشته‌های علمی، از ریاضیات و منطق گرفته تا اقتصاد و روان‌شناسی، برای بیان روش‌های تحقیقاتی مشابه استفاده می‌شوند. تحلیل به‌عنوان «روشی که از طریق آن یک کل فکری یا اساسی را به قطعات تجزیه می‌کنیم» تعریف می‌شود، در‌حالی‌که سنتز به‌معنای «رویه‌ای است که به‌وسیله آن عناصر یا اجزای جداگانه را برای تشکیل یک کل منسجم ترکیب می‌کنیم». محققان تجزیه و تحلیل سیستم این‌گونه روش‌شناسی را برای سیستم‌های درگیر اعمال می‌کنند و یک تصویر کلی را تشکیل می‌دهند.

تجزیه و تحلیل سیستم در هر زمینه‌ای که چیزی توسعه یافته باشد، استفاده می‌شود. تجزیه و تحلیل همچنین می‌تواند مجموعه‌ای از اجزا باشد که عملکردهای ارگانیک را با هم به اجرا می‌گذارد، مانند مهندسی سیستم. برای مثال همین مهندسی سیستم یک رشته مهندسی میان‌رشته‌ای است که بر چگونگی طراحی و مدیریت پروژه‌های مهندسی پیچیده تمرکز دارد. بر اساس همین تعریف‌هاست که می‌توان اصول تحلیل سیستم را درک کرد.

روش‌شناسی تحلیل سیستم‌ها

روش‌شناسی تحلیل سیستم‌ها شامل پنج مرحله است:

• شناسایی اهداف
• کمی‌سازی اهداف
• توسعه یک مدل سیستمی
• ارزیابی گزینه‌های جایگزین
• طراحی و توسعه دقیق

در ادامه هر یک از این 5 مرحله را با یکدیگر بررسی خواهیم کرد. درواقع بدون فهم روش‌شناسی، فهم اصول تحلیل سیستم عملی نیست و مراحلی که در ادامه توضیح خواهیم داد توضیح‌دهنده اصول تحلیل سیستم خواهد بود.

مرحله اول: شناسایی اهداف

یادتان باشد اگر اهداف درست مشخص نشود، مشکل حل نخواهد شد! برهمین‌اساس حتماً نکات زیر را درباره تحلیل سیستم در نظر بگیرید:

• با دیگران مشورت کنید
• از تیم‌هایی که دانش چندرشته‌ای دارند، بهره‌مند شوید
• مشتری خود را تعیین کنید!
• نیازهای مشتری را تعیین کنید
• مهم‌ترین هدف مشتری را شناسایی کنید
• راه‌های اثربخشی راه‌حل‌ها را انتخاب کنید
• در مورد هدف پروژه با مشتری صحبت کنید

درنهایت هم اطمینان حاصل کنید که مشتری به‌وضوح هدف پروژه را درک کرده و با آن موافق است.

مرحله دوم: کمی‌سازی اهداف

شناسایی و نوشتن تابع هدف؛ این تابع بیان کمی هدف یا اهداف پروژه است. تابع هدف ممکن است به‌شکل F=G(X1, X2, X3, …, Xn) باشد که در آن Xi متغیرهای مستقل هستند و مقادیر پارامترهای تحت‌کنترل تحلیلگر سیستم را نشان می‌دهند.

همچنین مجموعه محدودیت باید شناسایی شود. مجموعه محدودیت‌ها شامل معادلاتی است که دامنه راه‌حل‌های امکان‌پذیر را تعریف می‌کند. برای مثال، در تعیین ترکیب بهینه ذرت و سویا برای کاشت در مزرعه‌ای به مساحت 450 هکتار، محدودیت در میزان زمین قابل‌استفاده می‌تواند به‌صورت زیر نوشته شود: هکتار ذرت + هکتار سویا <= 450.

مرحله سوم: توسعه یک مدل سیستم

این مسئولیت بر عهده تحلیل‌گر یا مهندس سیستم است. به‌خاطر داشته باشید که مدل، یک انتزاع از سیستم است و نه خود سیستم. در این مرحله گاهی اوقات از یک فرآیند دو مرحله‌ای استفاده می‌شود:

• جداسازی مدل (model decoupling): مرحله ساده‌سازی است که در آن اجزای سیستم به‌عنوان زیرسیستم‌ها مدل‌سازی و تحلیل می‌شوند. این مورد می‌تواند برای درک بهتر سیستم مفید باشد.
• یکپارچه‌سازی مدل (model integration): کل سیستم مدل شده است (به‌عنوان‌مثال، اجزای زیرسیستم یکپارچه شده‌اند)

تعادل ظریفی بین جزئیات مدل و توانایی تحلیل مؤثر و کارآمد حالت وجود دارد. جزئیات مدل‌سازی ممکن است حقایق دقیق و بهینه‌ای را با افزایش هزینه محاسباتی ارائه دهد. تحت شرایط خاص، یک مدل ساده ممکن است ارزشمندتر از یک مدل پیچیده‌تر باشد. اهداف پروژه نیز باید سطح جزئیات موردنیاز را تعیین کند. انواع بسیاری از مدل‌ها برای استفاده در دسترس هستند. نوع مدل انتخاب‌شده به سیستم، اهداف و چشم‌انداز (مقیاس زمانی) مدل‌ها بستگی دارد. باید «مناسب‌ترین مدل» را انتخاب کرد.

مرحله چهارم: ارزیابی گزینه‌های جایگزین

در این مرحله هدفْ یافتن راه‌حل بهینه است. شما باید در این مرحله راه‌حل‌های جایگزین را شناسایی و تاآنجاکه ممکن است اطلاعات بیشتری در مورد راه‌حل‌های جایگزین جمع‌آوری کنید. در این مرحله ممکن است نیاز به به‌دست‌آوردن داده‌های فنی و هزینه در مورد تجهیزات، بهره‌برداری، نگهداری و سایر اطلاعات مربوط داشته باشید.

در مرحله ارزیابی گزینه‌های جایگزین شما به انجام تجزیه‌وتحلیل برای تعیین پاسخ به تغییر در پارامترهای مدلْ نیاز دارید و باید کد کامپیوتری مدل انتخاب‌شده را مورد بررسی قرار دهید و بسنجید که آیا مدل سیستم به‌طور صادقانه سیستم واقعی را بازتولید می‌کند یا خیر!

مرحله پنجم: طراحی و توسعه دقیق

تکمیل طراحی و اقدامات لازم در این مرحله صورت می‌گیرد. این مرحله شامل تمام اقداماتی خواهد بود که به شما برای رسیدن به هدف نهایی کمک می‌کند. همچنین هر کاری که انجام می‌دهید باید متناسب با توسعه محصول یا راه‌حل شما در ادامه مسیر، اجرایی باشد.

انواع مدل‌ها در تحلیل سیستم

در تحلیل سیستم‌ها شما به‌عنوان یک تحلیل‌گر سیستم نیاز پیدا می‌کنید که از مدل‌سازی استفاده کنید. در ادامه انواع مدل‌ها برای تحلیل سیستم را با یکدیگر مرور می‌کنیم:

• مدل نمادین (iconic): مدل‌های فیزیکی که درواقع رونوشتی از دنیای واقعی هستند. ابعاد آنها معمولا کوچک است. برای مثال، مدل‌هایی از اتومبیل‌ها ممکن است در یک تونل باد ساخته و آزمایش شوند.
• مدل آنالوگ (analog): مدلی که مجموعه‌ای از ویژگی‌ها را جایگزین دیگری می‌کند. ممکن است نمادی یا ریاضی باشد. برای مثال از مقاومت الکتریکی اغلب به‌عنوان آنالوگ اصطکاک سیال جاری در لوله استفاده می‌شود. باید در نظر گرفت که رایانه‌های دیجیتال امکان توسعه تکنیک‌های مدل‌سازی دیگر را فراهم کرده‌اند و به‌همین‌دلیل جایگزین مدل‌های آنالوگ شده‌اند.
• مدل تصادفی (stochastic): مدلی که از تصادف و احتمال برای محاسبه عوامل غیرقابل‌اندازه‌گیری (مانند آب‌و‌هوا) استفاده می‌کند.
• مدل قطعی (deterministic): مدلی که از تصادفی‌بودن استفاده نمی‌کند، اما از عبارات صریح (explicit expressions) برای روابطی استفاده می‌کند که ممکن است شامل نرخ‌های زمانی متغیر باشد یا نباشد.
• مدل گسسته (discrete): مدلی که در آن متغیرهای حالت به‌طور پیوسته با زمان تغییر می‌کنند (به‌عنوان‌مثال، تعداد گاو در انبار).
• مدل پیوسته (continuous): مدلی که متغیرهای حالت آن به‌طور‌مداوم با زمان تغییر می‌کند (به‌عنوان‌مثال، زیست‌توده در یک میدان). در این حالت معمولاً از مجموعه‌ای از معادلات دیفرانسیل استفاده می‌شود.
• مدل ترکیبی (combined): مدلی که در آن برخی از متغیرهای حالت به‌طور‌پیوسته تغییر می‌کنند و برخی دیگر در زمان رویداد تغییر می‌کنند. به‌عنوان‌مثال، یک مزرعه یونجه ممکن است با استفاده از یک رویکرد ترکیبی با زیست‌توده مدل‌سازی‌شده به‌طور‌مداوم در طول رشد و سپس به‌عنوان یک رویداد مجزا در هنگام برداشت مدل‌سازی شود.
• مدل ریاضی (mathematical): انتزاعی است و معمولاً به‌شکل معادله نوشته می‌شود.
• مدل شی‌گرا (object-oriented):  در این حالت از اشیایی استفاده می‌شود که انتزاعی از اشیاء دنیای واقعی هستند و روابط و کنش‌ها را بین اشیا ایجاد می‌کنند. این مدل در حوزه هوش مصنوعی کارایی بسیاری دارد.
• مدل اکتشافی (heuristic): از این نوع هم برای مدل‌سازی سیستم استفاده می‌شود و از حوزه هوش مصنوعی می‌آید.

به‌نظر شما در طی سال‌های آتی کدام‌یک از مدل‌ها منسوخ خواهد شد و کدام‌یک کاربرد بیشتری خواهند داشت؟ کدام‌یک از این مدل‌ها با اصول تحلیل سیستم همبسته هستند؟

بررسی چند مورد از انواع مثال تحلیل سیستم

ارائه نتایج در یک چارچوب مقایسه‌ای به‌طوری‌که تصمیم‌گیرنده می‌تواند انتخابی آگاهانه از بین گزینه‌ها داشته باشد، مستلزم شناسایی مجدد اهداف، محدودیت‌ها و روش‌های جایگزین است. در این مورد استفاده معمولی از تجزیه و تحلیل سیستم ها برای هدایت تصمیم‌گیری در مورد موضوعاتی مانند طرح‌ها و برنامه‌های ملی یا شرکتی، سیاست‌های استفاده از منابع و حفاظت، تحقیق و توسعه در فناوری، توسعه منطقه‌ای و شهری، سیستم‌های آموزشی، و سلامت و سایر خدمات اجتماعی است. بدیهی است که فهم ماهیت این مشکلات نیازمند رویکردی میان‌رشته‌ای است. چندین نوع یا تمرکز خاص از تجزیه و تحلیل سیستم ها وجود دارد که اصطلاحات مختلفی برای آنها استفاده می شود:

• تجزیه و تحلیل سیاست: تجزیه و تحلیل سیستم‌های مربوط به تصمیمات عمومی اغلب به‌عنوان تجزیه و تحلیل سیاست نامیده می‌شود.
• تجزیه و تحلیل تصمیم: تجزیه و تحلیل سیستمی که بر مقایسه و رتبه‌بندی گزینه‌ها بر اساس ویژگی‌های شناخته‌شده آنها متمرکز است، تجزیه و تحلیل تصمیم نامیده می‌شود.
• تحلیل امکان‌سنجی: آن بخش یا جنبه‌ای از تجزیه و تحلیل سیستم که بر روی یافتن پاسخ این سوال که «آیا یک اقدام هرگونه محدودیتی را نقض می کند یا خیر؟» متمرکز است، به‌عنوان تحلیل امکان سنجی نامیده می شود.
• تحلیل اثربخشی: تجزیه و تحلیل سیستمی که در آن گزینه‌ها از نظر اثربخشی برای هزینه ثابت یا از نظر هزینه برای اثربخشی برابر، رتبه‌بندی می‌شوند، تحلیل اثربخشی هزینه نامیده می‌شود.
• تجزیه و تحلیل هزینه-منفعت: تجزیه و تحلیل هزینه-منفعت مطالعه‌ای است که در آن برای هر جایگزین، جریان زمانی هزینه‌ها و جریان زمانی منافع (هر دو بر حسب واحد پولی) تنزیل می‌شوند. مقایسه و رتبه‌بندی بر حسب سود خالص (مزایا منهای هزینه) یا نسبت سود به هزینه انجام می‌شود.
• تجزیه و تحلیل ریسک-منفعت: در تجزیه و تحلیل ریسک-منفعت، هزینه (بر حسب واحد پولی) به هر ریسک تخصیص داده می‌شود تا مقایسه مجموع تنزیل‌شده این هزینه‌ها (و همچنین سایر هزینه‌ها) با مجموع تنزیل‌شده منافعی که پیش‌بینی می‌شود، حاصل شود.

این چند مثال تحلیل سیستم فقط چند مورد از کاربرد تحلیل سیستم را ارائه می‌دهد که در نسبت با انواع سیستم کاربردی خواهند شد.