Конечно, в этой связи можно возразить, что беспилотные средства как оружие применяются достаточно давно, ещё с середины прошлого века. Но необходимо помнить, что эти средства – самонаводящиеся ракеты и управляемые боеприпасы являются одноразовыми изделиями с ограниченными возможностями самостоятельного выбора цели удара. Это относится даже к самым современным из них, например, крылатым ракетам, оснащаемым системами управления с возможностью перенацеливания на конечном участке траектории. По определению, все они относятся к боеприпасам, а не к оружию. А вот боевые роботы – именно оружие, само выбирающее цель и поражающее её дистанционно, без самоуничтожения и с алгоритмом «поразить противника и уцелеть». В этом заключается существенная разница.

До настоящего времени роботизированные системы, отвечающие современному понятию определения «робот» применялись только там, где они заменяли человека в наиболее опасных сферах деятельности: беспилотные самолёты-разведчики, мишени и ложные цели для системы противовоздушной обороны противника, роботы-саперы, беспилотные системы для подводных поисковых работ и т.п.

Применение роботов на поле боя, например, в качестве разведчиков, позволило существенно повысить эффективность ведения боевых действий, хотя и решило далеко не все проблемы. Например, проблему сокращения длительности цикла поражения обнаруженных объектов. Для её решения логичным оказалось разместить вооружение на самом разведчике. Но что делать с принятием решения на удар? Этот вопрос не заставил себя ждать. При проведении операции «Несокрушимая свобода» (Enduring Freedom) беспилотным летательным аппаратом (БЛА) MQ-1 «Хищник» (Predator) была обнаружена автомобильная колонна террористов. За время принятия решения на удар колонна ушла из зоны досягаемости, хотя на борту БЛА имелись ракеты AGM-114K «Хеллфайр» (Hellfire), позволявшие при своевременном получении команды выполнить задачу поражения.

Но 17 октября 2001 года произошло событие, практически незамеченное прессой, но являющее собой определённую веху в истории взаимоотношения человека и созданных им машин: в ходе операции коалиционных сил США и НАТО в Афганистане (ISAF) получен первый опыт использования оснащенного управляемой ракетой БЛА «Предатор» для поражения зенитной установки с расчётом. Впоследствии случаи применения БЛА для поражения наземных объектов стали массовыми. В ходе проведении операций «Анаконда» (Anaconda) и «Шок и трепет» (Shock and Awe), БЛА применялись даже для непосредственной огневой поддержки и это, по заявлению американских источников, явилось очередным шагом к «войне машин» против человека [1,2].

И хотя до настоящего времени на всех этапах развития роботов от дистанционно-управляемых к беспилотным аппаратам решение на применение оружия всё-таки остаётся за человеком, но в перспективе и эта функция может быть делегирована БЛА. Это решение объективно диктуется требованиями оперативности ведения боевых действий.

Всё это позволяет сделать вывод, что на пути создания и внедрения боевых роботов, как и при использовании любой новой техники, возникают препятствия и проблемы, и не только технического плана. Возникает и ряд вопросов в других сферах: морально-этические и юридические в части применения робота против человека, проблемы безопасности для самих применяющих и мирного населения, проблема разделения ответственности между разработчиками и эксплуатантами и другие.

Проблемы безопасности всегда сопровождают развитие сложных технических систем. Робототехника – не исключение. Начиная с 1979 года, зафиксировано более десяти случаев получения гибели людей при сбоях использования промышленных роботов. Но промышленные роботы системы, не имеющие целью убивать. Боевые роботы намного опаснее и меры безопасности при их использовании должны быть куда как более продуманы. Первыми над этим стали задумываться те, кто наиболее активно применяет подобные системы [3,4,5]. Вопрос не праздный, тем более уже имеются прецеденты. 12 октября 2007 года несанкционированным огнём автоматической зенитной пушки GDF-005 «Эрликон» (Oerlikon) в Южной Африке были убиты 9 и ранены 14 военнослужащих [6]. Чем больше будет на вооружении стран мира робототехнических систем, тем выше вероятность подобных случаев.

А 14 февраля 2016 года прецеденты с автономными роботами вышли за границы военной и промышленной сферы и стали касаться всех: впервые попал в аварию самоуправляемый автомобиль Google. В районе Маунтин-Вью, штат Калифорния, он, объезжая препятствие, столкнулся с автобусом. В дорожно-транспортной происшествии никто не погиб, но «очередной звоночек» для человечества прозвенел.

И второй вопрос, вытекающий из первого: кто несёт ответственность в случаях причинения роботами вреда своим военнослужащим или мирному населению? Разделение вины между изготовителем самого робота, разработчиком программного обеспечения для него и оператором (эксплуатирующим подразделением) системы становится актуальным как никогда. Юридически эта ситуация пока не отрегулирована.

Ещё одна спорная ситуация – это наличие морального и этического права предоставлять машинам возможность самостоятельно принимать решение на поражение объектов, в которых может находиться человек.

Но, как бы там ни было, развитие техники неизбежный процесс, его не остановить и к проблемам, которые неизбежно возникнут,  нужно готовиться уже сейчас. В апреле 2013, мае 2014 и июне 2015 года вопрос поднимался  на совещаниях, проводимых под эгидой ООН в рамках обсуждения развития Конвенции о запрещении или ограничении применения конкретных видов обычного оружия [5]. Совет безопасности ООН выразил обеспокоенность и рекомендовал установить мораторий на развитие автономных боевых роботов (Lethal autonomous robotics – LAR).

Правда решение ООН – всего лишь рекомендация, оно не обязательно к исполнению. Ведущиеся в настоящее время переговоры по разработке нового соглашения наталкиваются на проблему трактовки понятий и желание каждой страны-разработчика оставить за собой право на выполнение ряда работ по данной тематике [7]. В результате ведущие промышленные государства продолжают развитие, а иногда и практическое внедрение, автономных боевых роботов. Так в США уже доведён до стадии испытаний автономный беспилотный истребитель Х49В,  в Израиле разрабатывается сеть автоматических пулемётных установок для прикрытия границы, Южная Корея разрабатывает наземный автономный боевой робот SGR-1 и т.п.

Конечно, во всех существующих роботизированных системах решение о непосредственном применении оружия принимает человек-оператор. По крайней мере пока… И до сценариев войны людей и машин, описанных фантастами ещё очень и очень далеко. Но предпосылки, как отмечалось ранее, уже есть и количество их постоянно растёт.

Исходя из этого, массовое применение автономных боевых роботов на поле боя в обозримом будущем представляется весьма вероятным. Как наемные войска в прошлом, они будут выполнять боевые задачи для тех, у кого есть средства на развитие новых технологий войны. И если менее развитые в техническом отношении государства будут по старинке решать проблемы по принципу «кровь – цена победы», то развитые страны будут беречь своих граждан, обеспечивая бескровную победу. И Россия должна быть готова к такому развитию событий. Но для этого разработчики боевых роботов должны решить ряд технических и организационных проблем [8,9], в том числе и тех, на которые обращено внимание в данной статье.

Чтобы понять эту проблему, необходимо проанализировать место использования математического моделирования в теории научных исследований и в практике управления, определить принципы рационального соотношения процессов моделирования и решения информационно-расчётных задач.

Анализ показывает, что в настоящее время выделяются три основные сферы применения модельных технологий [3,4,5]:

1)Гносеологическая, связанная с исследованием процессов и явлений

2)Обучающая, связанная с подготовкой персонала.

3)Управленческая, связанная с поддержкой принятия решений и прогнозированием последствий их реализации.

Первая область применения связана с изучением объектов и процессов, которых пока ещё физически нет в природе. Если разработка таких объектов процесс долгий и дорогостоящий, то математическое моделирование различных вариантов реализации их структуры помогает снизить временные и финансовые затраты. Частный случай этой области – полунатурные и компьютерные испытания объектов и систем, когда реальный эксперимент дополняется модельным. Примером могут являться «электронные пуски» ракет.

Вторая область – изучение и освоение принципов организации поведения объектов там, где их физически нет в настоящее время: во времени или пространстве: по причинам дороговизны или опасности. Использование математического моделирования в области обучения позволяет снизить затраты на подготовку персонала к управлению реальными объектами и системами. Примерами использования моделирования в этой области являются компьютерные формы обучения, тренажерные системы, системы дополненной реальности.

В третьей области применения моделирования – сфере поддержки принятия решений, используется самый широкий спектр математических моделей для оценки результатов воздействия на поведение сложных систем, обеспечения планирования ресурсного обеспечения, разработки управляющих, нормативных и доктринальных документов и т.п.

Анализ указанных областей использования модельных технологий показывает, что основной функцией применения моделирования в них является прогнозирование поведения реальных и виртуальных объектов и систем, ожидаемых результатов развития процессов.

В настоящее времени существует достаточно широкий спектр средств прогнозирования [6,7]. Один из вариантов их классификации приведен на рисунке 1. Как видно из рисунка, методы прогнозирования включают не только математическое моделирование, но и ряд других подходов: логические рассуждения, решение прямых расчётных задач и т.п. Но именно математическое моделирование, как наиболее точный и универсальный инструмент, является основным средством получения прогнозов, особенно при анализе сложных систем и процессов [8].

Рисунок 1. Обобщённая классификация методов прогнозирования

Основной способ избежать проблем в использовании математического моделирования – корректное использование модельных технологий и рациональное соотношение моделирования и расчётов. Обеспечение этого достигается выполнением двух основных условий, соблюдаемых при принятии решения на использование моделирования в рамках реализации конкретной задачи:

1)определение необходимости использования моделирования в принципе;

2)выбор типа используемой модели.

Первое условие оценивается, в большинстве случаев, простой логикой, на основе анализа условий получения прогноза. Как правило, чем менее задача формализуема и структурируема, тем меньше эффективность применения фактографических методов её решения. Чем проще её формализовать без потери точности результата – тем предпочтительнее применять не модели, а методы прямого вычисления. Сравнительная оценка точности формализации исследуемого объекта и адекватности получаемой модели позволит разработчику, двигаясь  “по узкой тропинке между болотом усложнения и пустыней упрощения”, определить целесообразность применения математического моделирования.

При получении решения в пользу моделирования, появляется задача выбора типа используемой математической модели. Это задача, решение которой определяется достаточно большим количеством разнообразных факторов.

В настоящее время существует достаточно большое множество задач, решаемых с применением математического моделирования и широкий спектр разнообразных моделей. Это разнообразие и порождает проблему выбора модели для эффективного решения конкретной задачи.

Каждая из групп моделей (рисунок 1) обладает собственными характеристиками, преимуществами и недостатками. Причём их комбинации по-разному проявляются в разных условиях практического применения модельных технологий [9,10,11]. В результате перед разработчиком появляется проблема выбора: какой тип модели выбрать для решения конкретной задачи прогнозирования. Проблема эта не простая, но важная, от эффективности её решения зависит качество получаемого прогноза и, в итоге, качество вырабатываемых решений. Основой решения задачи выбора может служить сопоставление характеристик двух процессов: требований к модели от управляемой системы и характеристик классов модели. Вариант анализа такого соотношения приведён в таблице 1. При проведении анализа учитывались некоторые усреднённые условия применения для средних по сложности моделей. Знак “+” в таблице обозначает возможность использования модели при заданных условиях, знак “-” – невозможность или нецелесообразность.

Таблица 1 – Матрица показателей выбора типа модели (вариант)

Разумеется, классификация характеристик выбора, приведённая в таблице 1, является осреднённой и приблизительной. Для получения точного анализа пригодности тех или иных моделей для решения конкретных задач нужно в каждом случае проводить более детальный анализ, ориентированный на конкретные условия применения [12,13,14], с составлением более детальной, уже не “плоской” а многомерной матрицы характеристик. Кроме формирования матриц применимости, могут использоваться и другие условия и принципы оценки целесообразности использования различных типов моделей в разных сферах использования: от субъективных логических до точных расчётных, например, квалиметрических. Эти подходы могут как заменять, так и дополнять предлагаемый метод.

Использование предлагаемых принципов может быть одним из условий повышения эффективности получения прогнозов в самых разных отраслях применения математического моделирования, от технических, до экономических [15] и социальных [16,17]. И, как следствие, корректного использования модельных технологий, обеспечивающего поступательное развитие области практической поддержки принятия решений.

В то же время, если для экспертных систем вопросы описания и классификации в настоящее время достаточно подробно отработаны, то для СППР, несмотря на достаточно продолжительную историю вопроса, ясности пока нет.

Сам термин «системы поддержки принятия решений» появился в начале 70-х годов прошлого века. За это время сформировано множество различных вариантов определений таких систем. Большое количество различных трактовок определений СППР возникло, как представляется, за счёт акцентирования разными специалистами различных аспектов обеспечения принятия решений.

В отечественных источниках наиболее часто можно встретить ссылки на следующие определения СППР [1,2,3,4,5,6]:

1. Системы поддержки принятия решений являются человеко-машинными объектами, которые позволяют лицам, принимающим решения (ЛПР), использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктурированных и неструктурированных проблем. К слабоструктурированным относятся задачи, которые содержат как количественные, так и качественные переменные, причём качественные аспекты проблемы имеют тенденцию доминировать. Неструктурированные проблемы имеют лишь качественное описание.

2. СППР — это интерактивные автоматизированные системы, помогающие лицу, принимающему решения, использовать данные и модели для решения слабоструктурированных проблем.

3. СППР — это интерактивная автоматизированная система, которая помогает пользователю (ЛПР) использовать данные и модели для идентификации и решения задач и принятия решений. Система должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов.

4. Система поддержки принятия решений — это компьютерная система, позволяющая ЛПР сочетать собственные субъективные предпочтения с компьютерным анализом ситуации при выработке рекомендаций в процессе принятия решения.

5. СППР — компьютерная информационная система, используемая для различных видов деятельности при принятии решений в ситуациях, где невозможно или нежелательно иметь автоматическую систему, полностью выполняющую весь процесс решения.

Анализ показывает, что все эти определения, хотя и не описывают систему в полной мере, не противоречат современным взглядам на СППР, а скорее дополняют друг друга по тем или иным показателям.

В зарубежных источниках одно время применялся английский эквивалент определения СППР — «Decision Support System» (DSS). Современный общепринятый английский эквивалент понятия СППР — «Decision-Making Support System» (DMSS).

В современных зарубежных источниках встречаются и другие варианты определения понятия СППР.

1. В глоссарии по DWH, OLAP, XML система поддержки принятия решений (Decision Support Systems) определяется как [7] «программное обеспечение, поддерживающее формирование отчетов по исключениям, стоп-сигналам, стандартным хранилищам, анализу данных и анализу, основанному на системе правил. База данных, созданная для формирования незапланированных запросов конечным пользователем».

2. В других зарубежных источниках можно найти следующие определения:

- «interactive computer-based systems that help decision makers utilize data and models to solve unstructured problems» (англ.) — диалоговые автоматизированные системы, помогающие ЛПР использовать данные и модели для решения неструктурированных проблем [8];

- «a computer-based system for identifying, collecting, analyzing and reporting those measures and data which are critical in making effective management decisions and plans. It isflexible, unstructured, and allows the manager to see new relationships» (англ.) — автоматизированная система для идентификации, сбора, анализа и обобщения данных, которые являются критичными для принятия эффективных управленческих решений и разработки планов [8].

Впрочем, несмотря на отсутствие официального определения СППР, наиболее часто в научной литературе применяется определение, предложенное отечественными специалистами О.И. Ларичевым и А.Б.Петровским [9,10]: «СППР — это человеко-машинная система, которая помогает пользователю, используя данные, математические модели (методы) и знания, проанализировать возможные варианты решения слабоструктурированных и неструктурированных проблем и найти наилучшее или допустимое решение».

Обобщенная структура СППР, отражающая суть этого определения, приведена на рисунке 1.

Отметим, что данное определение верно отражает сущность СППР, но, с точки зрения практической реализации таких систем, недостаточно детально. Проблему описания предметной области усугубляют неточности в существующей классификации систем поддержки принятия решений. Разные специалисты и научные школы предлагают различные подходы к их классификации.

Так, на уровне пользователя СППР иногда делят на пассивные (passive DSS), активные (active DSS) и кооперативные. На концептуальном уровне СППР различаются по признаку управляющих воздействий: СППР, управляемые сообщениями (Communication-Driven DSS); СППР, управляемые данными (Data-Driven DSS); СППР, управляемые документами (Document-Driven DSS); СППР, управляемые знаниями (Knowledge-Driven DSS); СППР, управляемые моделями (Model-Driven DSS). На техническом уровне различают СППР предприятия  или корпоративную (Enterprise Resource Planning System)  и личные СППР (Personal Information Systems).  В зависимости от типов данных, с которыми эти системы работают, СППР условно делят на оперативные (Executive Information Systems) и стратегические (Customer Synchronized Resource Planning). А с точки зрения конструктивных особенностей, СППР иногда разделяют на целевые, настраиваемые и собираемые.

Однако данная классификация ориентируется на процесс создания некоторой автономной СППР «с нуля». В то же время, как показала практика, рассматривать СППР как отдельную систему, в отрыве уже имеющихся от программно-технических средств автоматизации управления, не совсем корректно. СППР должна использовать и объединять в единый цикл управления уже применяемые комплексы средств автоматизации используя собственные средства интеграции, при минимально необходимых доработках существующих средств и разработках новых программ, преимущественно – диспетчеров.  В рамках такой точки зрения интерес представляет один из вариантов западной классификации автоматизированных систем управления, когда автоматизированные системы управления разделяются на уровни по степени участия в процессе управления человека [11,12,13].

Системы первого уровня – «С2» (Command and Control), «С2+» или «С3» в зависимости от функционала, предполагают наличие средств автоматизации сбора, первичной обработки и наглядного представления информации для обеспечения ЛПР максимально полными данными о текущей обстановке, обеспечивающими принятие им адекватных этой обстановке решений. Само же принятие решения и оценка последствий его реализации возлагаются на человека. Формально такие системы можно отнести к СППР типа DSS.

Системы уровня «С4» (Command, Control, Communications and  Computers), кроме средств сбора и обработки информации, имеют набор связанных между собой моделей и расчётных задач, обеспечивающих формирование управляющих воздействий по известным исходным данным и прогнозирование основных результатов принимаемых решений. За человеком в них остаётся функция формулирования задачи и формирование единого решения на основе частных управляющих воздействий. Фактически – это СППР класса DMSS.

Отдельной классификации интеллектуальных СППР в данном перечне пока нет. В той или иной степени понятию «интеллектуальных» соответствуют автоматизированным системам класса «C4ISP-System»  (Command, Control, Communications, Computers and Intelligence Support Plan). Но полноценными интеллектуальными СППР их назвать пока нельзя.

В рамках развития указанного классификационного подхода в работах [14,15] было предложено уточнить классификацию СППР, сделав основным классификационным признаком разделение по степени задействования человека в работе системы, то есть уровню автоматизации пользовательских функций, реализуемых в процессе принятия решений.

По данному признаку автоматизированные СППР естественным образом, совпадающим с историческими этапами развития автоматизации управления, можно разделить на:

- информационные;

- расчётно-информационные;

- интеллектуальные.

Безотносительно других качеств, к автоматизированным СППР, в рамках предлагаемой классификации предложено относить только системы, обладающие следующими свойствами:

- автоматизированный сбор и обработка информации, необходимой для принятия обоснованного решения, детализация неполной и уточнение сомнительной информации;

- программное формирование ранжированного перечня альтернатив и пояснений к ним по заданным в общем виде (на языке, близком к естественному) условиям;

- программное формирование предложений по изменению условий решения задачи при невозможности сформировать варианты действий по достижению поставленной цели в заданных условиях;

- представление результатов расчётов и моделирования в агрегированной наглядной форме;

- накопление и применение знаний о предметной области, в том числе с учётом предпочтений конкретного пользователя.

И, в соответствии с предлагаемой классификацией, система должна быть автоматизированной. Вариант с группой экспертов, собирающих информацию и лично формирующих варианты решений, хоть по формальным признакам и соответствует определению СППР, не рассматривается.

Предложенная классификация [16,17] позволяет определить СППР не как отдельное программно-техническое средство, а как некоторую «надсистему» или «систему систем», включающую разнородные компоненты сбора данных обстановки, оперативного анализа данных, опережающего мониторинга [18,19,27], расчётов и моделирования [20,21,22,23], компонентов интеллектуального интерфейса пользователя [24,25,26], объединённых средствами диспетчеризации поддержки принятия решений (рисунок 2).

Предложенный подход не противоречит сложившимся взглядам на организацию поддержки принятия решений [28,29,30] и позволяет уточнить определение СППР. В его рамках предлагается принять определение, созданное на основе вариантов из [11,12]: «Система поддержки принятия решений — это программно-технический комплекс, который в автоматизированном режиме собирает и анализирует информацию об управляемых объектах и условиях их функционирования и формирует на её основе варианты управляющих воздействий, обеспечивающих достижение цели, задаваемой пользователем на языке, близком к естественному».

Реализация подхода к представлению СППР не как отдельной системы, а как «системы систем», имеющей минимально необходимую собственную программно-техническую реализацию, позволит не только упорядочить предметную область поддержки принятия решений, но и, наконец, создать и внедрить в практику управления работоспособные образцы таких систем.

Вертолёт – относительно недавнее изобретение. В 1907 году Жак Бреге и братья Луи под руководством профессора Рише совершили первый полёт на геликоптере, тогда ещё неуправляемый. Геликоптер просто поднялся на небольшую высоту, а удержание на месте и изменение направления полёта осуществляли четыре ассистента, держащие его руками с четырёх сторон.

Обеспечить управляемость геликоптера помогло внедрение идеи автомата перекоса, разработанного Борисом Николаевичем Юрьевым (1889-1857), одним из учеников Жуковского. Сущность своего предложения он изложил в 1912 году в статье «О наибольшем полезном грузе, поднимаемом аэропланами и геликоптерами при данной силе мотора». Именно реализация этой идеи позволила сделать вертолёты управляемыми. С 1919 года Юрьев работал в ЦАГИ.

В 1922 году, Георгий Ботезат, выходец из России, провёл первый управляемый полёт вертолёта со схемой «квадрокоптер». Его разработка стала первый вертолётом, принятым на вооружение ВВС США.

Покинув Россию и перебравшись в США, русский инженер Сикорский в 1923 году основал фирму, которая и сейчас выпускает большинство моделей вертолётов в этой стране. Первый экспериментальный вертолет Сикорского поднялся в воздух 14 сентября 1939 года. В этом же году под его руководством была выпущена промышленная модель вертолёта S-4 (VC-300). В 1942 году, был создан опытный двухместный вертолет S-47 (R-4), который стал единственным вертолетом стран антигитлеровской коалиции, применявшимся на фронтах второй мировой войны. Одна из самых удачных моделей  Сикорского, S-58, поднялась в воздух в 1954 году. По своим летно-техническим и экономическим характеристикам этот вертолёт превзошел все вертолёты своего времени. Вертолёты Сикорского оказали существенное влияние на развитие вертолётостроения в других странах: их применение в Корее заставило обратить на эту проблему внимание военных США и СССР, с лицензии на S-55 началось серийное вертолетостроение Франции и т.п.

В Германии в 1937 году Фокке разработал вертолёт FW-81 а в 1941 году – более совершенную модель FA-223.

В СССР, несмотря на отъезд за рубеж многих видных специалистов в области вертолётостроения, также велись работы в данной области. И, так сложилась судьба, центром их стала Москва и города ближнего Подмосковья.

Именно в районе современных Люберец, августовской ночью 1930 года по шоссе медленно тянулась подвода. Ломовая лошадь тянула за собой необычный прицеп: длинное, закутанное в брезент сооружение на дутых колесах с изящными спицами. Ранним утром 3 сентября процессия достигла цели – Ухтомского аэродрома, ныне находящегося на территории Люберец [3].

Таким прозаическим образом к месту испытаний доставили самый необычный из всех летательных аппаратов, построенных к тому времени отечественными специалистами. Под брезентовым чехлом скрывался первый советский вертолет, или, как тогда говорили, геликоптер (от французского hélicoptère, созданного из корней греческих слов ἕλικος «спираль, винт» и πτερόν «крыло»), созданный группой экспериментально-аэродинамического отдела ЦАГИ.

Наземные испытания геликоптера ЦАГИ 1-ЭА были проведены в июле 1930 года. После этих испытаний и состоялся ночной марш к Ухтомскому аэродрому, выделенному для летных испытаний новой машины по распоряжению заместителя наркома по военным и морским делам Тухачевского [3].

Силовая установка ЦАГИ-1ЭА включала два двигателя М-2 по 120 л.с. каждый. Взлётная масса — 1145 кг. Полёт прошёл на высоте 10-12 метров над землёй.

Испытания прошли успешно. Уже в сентябре 1930 года вертолёт мог маневрировать на высоте 10-15 метров от земли, а поздней осенью летал на 40-50 метрах, в 2,5 раза превзойдя официальный мировой рекорд, установленный в том же году на итальянском геликоптере Асканио. Спустя два года ЦАГИ 1-ЭА стал подниматься почти на 30-метровую высоту, а тихой августовской ночью 1932 года достиг фантастической высоты 605 метров. Этот рекорд в 34 раза превосходил итальянский. На ЦАГИ 1-ЭА были достигнуто множество мировых рекордов: по высоте полёта — 605 м (в 5 раз больше, чем ранее), по его продолжительности — 14 минут, наибольшей дальности — 3 километра и скорости — 21 км/ч.

ЦАГИ 1-ЭА, как и некоторым другим геликоптерам, построенным специалистами этого научного центра, не суждено было стать прототипами серийных машин, но без них невозможно представить становление советской школы вертолетостроения.

Фото 1.Памятник на месте первого полёта ЦАГИ 1-ЭА

Так сложилось, что именно в Подмосковье продолжилась разработка отечественных вертолётов. Московский вертолётный завод имени М.Л.Миля, выросший из ОКБ геликоптеростроения, был основан в конце 1947 года. Первоначально ОКБ базировалось на территории ЦАГИ, в городе Жуковском Московской области, с 1948 года располагалось в подмосковном Тушине, с 1951 года — в Москве. Сейчас завод расположен в пгт Томилино, городского поселения Люберцы. Современное название предприятие носит с 1967 года, имя Миля присвоено в 1970 году. На МВЗ было спроектировано и построено более 15 базовых моделей вертолётов, выпускавшихся в более чем 200 модификациях (фото 2).

Именно КБ Миля был разработан первый серийный советский вертолёт — Ми-1. В декабре 1947 года М.Л.Миль стал главным конструктором опытного КБ по вертолётостроению, созданного на базе завода №383 министерства авиационной промышленности в городе Тушино. Первая машина ГМ-1 (Геликоптер Миля-1), созданная в ОКБ, поднялась в воздух 20 сентября 1948 года на аэродроме Захарково в Тушино. В начале 1950 года, после серии испытаний, вышло постановление о создании опытной серии из 15 вертолётов ГМ-1 под обозначением Ми-1.  В 1948 году лётчик-испытатель М. К.Байкалов совершил на Ми-1 первый полёт с поступательной скоростью. В 1950 году были завершены государственные испытания, вертолёт пошёл в серийное производство. С 1952 года Ми-1 начал выпускаться на Казанском вертолётном заводе, что положило начало крупносерийному производству вертолётов в нашей стране [4].

А недалеко от места испытания ЦАГИ 1-ЭА расположено ОАО «Камов» (бывшее ОКБ «Камов», Ухтомский вертолётный завод) — конструкторское бюро холдинга «Вертолёты России». КБ известно как разработчик вертолётов с соосной схемой несущих винтов. Названо в честь генерального конструктора Н. И. Камова. Датой основания ОКБ принято считать 7 октября 1948 года [5].

В настоящее время в России есть несколько вертолётных заводов: Казанский, Ростовский, Арсеньевский, Улан-Удинский [6], но самые известные из них, несомненно, заводы Миля и Камова, разработавшие самые известные российский винтокрылые машины (фото 3).

Фото 3.Памятник Ка-26 во дворе завода им.Камова (в настоящее время демонтирован)

Вертолёты стали неотъемлемой частью основных воздушных флотов мира, выполняя грузопассажирские перевозки, спасательные операции, поисковые работы там, где не справлялась «обычная» авиация.

Но говоря о вертолётах, нельзя не вспомнить об их боевом применении. В этой связи можно вспомнить, что в своё время один из основателей немецких танковых войск Гейнц Гудериан (Heinz Wilhelm Guderian) отметил: «Мы усматриваем в танке главное средство наступления и будем придерживаться этого мнения до тех пор, пока техника не преподнесёт нам лучшего подарка». В 60-е годы прошлого века ведущие военные державы: СССР и США, нашли замену танку в современной маневренной войне [7,8,9] – боевой вертолёт. Обе страны активно развивали теорию и практику применения перспективных аэромобильных соединений [10,11,12]. Но для практической организации аэромобильных действий нужна была надёжная техническая основа – эффективные и разнообразные боевые и транспортные вертолёты. И именно в СССР была создана материальная основа для такого решения – принципиально новые вертолёты. Не удивительно, что центром разработки современных винтокрылых машин стали Люберцы.

В рамках этой концепции в КБ Миля были разработаны  прорывные для своего времени машины: «летающая БМП» Ми-24 (фото 4) с невиданным на тот момент бронированием и вооружением и «летающий БТР» – Ми-8. Получилось так, что эти машины даже опередили своё время – идея создания крупных аэромобильных соединений оказалась преждевременной, но разные модификации Ми-24 и Ми-8 «вытащили» на себе не один военный конфликт и не устарели до настоящего времени.  А позже в Люберцах разработали настоящие «летающие танки» – Ми-28Н и Ка-50. Были разработаны и мощные «машины снабжения» – Ми-6 и Ми-26. То есть материальная основа для ведения перспективных боевых действий аэромобильными соединениями сбалансированного состава и вооружения обеспечена технически силами наших учёных [13,14].

Фото 4.Памятник участникам локальных конфликтов – вертолёт Ми-24 в Люберцах, установленный на улице Воинов-Интернационалистов

В наше время в Люберцах расположено не только управление корпорации «Вертолёты России», не только заводские цеха, но и ведущие вертолётные КБ страны: КБ Миля и Камова. Недаром один из символов города – памятник создателям вертолётов (рисунок 5).

Фото 5.Памятник создателям вертолётов: стрекоза на лопасти

В этих КБ и сейчас продолжается разработка новых винтокрылых машин. И самые известные вертолёты России, как гражданские, так и военные, произведены или разработаны в Люберцах – вертолётной столице России (фото 6).

Фото 6. Вертолёты «Ми» и «Ка» можно встретить на всех полигонах нашей страны: от Калининграда до Камчатки. Фото, сделанные автором на полигонах от «Раевский» до «Сергеевка»

Но, как показывает детальный анализ проблемы, существуют и минусы данного подхода: формализация существенно упрощает исследуемые объекты и явления, заменяя их символьными моделями, то есть, искажая исследуемые объекты.

Эта проблема и раньше вызывала обоснованные, хоть и неясные опасения у думающих людей. От поэтов, например, Тютчева, утверждавшего, что «мысль изречённая есть ложь», до философов, таких как Фридрих Ницше, сделавший вывод «…без допущения значимости логических фикций, без измерения действительности по меркам чисто вымышленного мира безусловного, самотождественного, без постоянного фальсифицирования мира посредством числа человек не мог бы жить…» [4].

Но, до поры до времени, проблема рассматривалась, преимущественно, в философском смысле. До и во время техногенного периода развития общества, в то время, когда человек исследовал окружающий мир самостоятельно, используя собственные органы чувств, последствия влияния формализации на познание были практически незаметны. Даже использование технических средств усиления сенсорных возможностей, человека не усложняло ситуацию до критической – деформализацию и аналитическую обработку результатов всё равно производил человек. Да и сами приборы, фиксирующие события, были в основном аналоговыми, отображающими свойства процессов и явлений без формального преобразования.

Наступила эпоха информационной революции, человечество из индустриального этапа шагнуло в эру информационного общества, и ситуация изменилась.  Устройства, усиливающие самые разные, в том числе аналитические, возможности человека, стали цифровыми, формализующими фиксируемые параметры не аналоговыми зависимостями, а наборами чисел или их диапазонов. Посредником между человеком и средствами сбора информации об окружающем мире всё чаще становится компьютерная программа, в том числе наделённая функциями обработки данных и аналитическими функциями. Теперь все погрешности описания, порождённые формализацией, стали человеку не видны и ситуация по восприятию окружающего мира им изменилась, иногда до опасного уровня.

Для пояснения сложности сложившейся ситуации  обратимся к одному из примеров формализации окружающей действительности для обеспечения её исследования – построение формальных моделей явлений, служащих основой такого метода научного познания как моделирование. И не потому, что в нём автор имеет определённый практический опыт [5,6,7]. Просто математическое моделирование, которое в настоящее время осуществляется  с использованием специализированных компьютерных программ, являет собой наиболее наглядный пример преобразования аналогового по своей сути окружающего нас мира в формальную модель [8,9,10].

В настоящее время для исследования процессов и явлений используются натурные, полунатурные и математические модели. В связи с развитием электронно-вычислительной техники, наибольшее применение в процессе исследования окружающей действительности приобрели математические модели, являющиеся приближённым описанием какого-либо класса явлений внешнего мира, выраженным с помощью математической символики.  Именно математические модели в последнее время чаще всего используются для прогнозирования поведения сложных технических и социальных систем. И проблема формализации исследуемых объектов и систем при их использовании оказывает существенное влияние на результат.

Известно, что математические модели за время своего существования прошли достаточно большой путь развития: от простых моделей несложных явлений, до систем и комплексов моделирования сложных социально-технических систем. И если при применении несложных моделей результаты моделирования могут логически контролироваться человеком, то крупные модели, а тем более полимодельные комплексы являются для простого пользователя «чёрным ящиком», принципы обработки информации внутри которого он понять не в состоянии. В дальнейшем, с ростом масштабов моделируемых явлений, оператор модели отстраняется не только от процесса моделирования, но и от операций обработки входной, а иногда и выходной информации. Исходя из этого, именно использование крупных моделей и полимодельных комплексов, описывающих сложные социально-технические системы, являет собой наиболее наглядный пример формализации исследуемых объектов и явлений.

Но их применение, с одной стороны упрощая деятельность по анализу ситуации, с другой − всё больше удаляет человека от работы с реальной информацией, подменяя картину окружающего мира формализованной моделью, формируемой компьютерной программой. И любые искажения данных, в том числе обусловленные погрешностями формализации, пользователю уже не видны. Более того, он об их влиянии на результат может даже не догадываться.

В итоге информационная ситуация, складывающая при проведении исследований с применением сложных распределённых математических моделей напоминает процесс, часто происходящий в медийном пространстве: намеренная или случайная модификация и фильтрация информации формирует у пользователей определённую картину мира, отличающуюся от реальной. Конечно, причины искажения при моделировании и использовании технологий информационного воздействия разные, а вот последствия и в том, и в другом случае могут быть одинаково опасны.

Отдаление пользователя от реальной действительности при использовании сетевых технологий, средств «виртуальной» и «дополненной» реальности является частным, но очень показательным случаем. Этот случай показывает тенденцию. И пример с моделированием далеко не единственный, подобная тенденция наблюдается уже не только в научных исследованиях, но и на бытовом уровне. С углублением уровня информатизации общества указанная тенденция только нарастает.

И проблема даже не в использовании принципов и технологий формализации. В этом, как раз, нет ничего порочного, до тех пор, пока пользователь понимает границы возможного применения. Проблема в том, что с нарастанием уровня информатизации общества сложными информационными продуктами начинают пользоваться всё большее количество неспециалистов. А вот они, как раз, опасности формализации не видят и не понимают.

А наиболее полно проблема проявляется на уровне социума, общества в целом. Наличие механизма формализации, промежуточных уровней между человеком и реальностью, порождает возможность манипулирования его поведением. В итоге – проблема переходит их чисто философской плоскости в социальную область.

Объясняется это просто: при случайных искажениях в ходе формализации, в соответствии с законом больших чисел, конечный результат всё равно нормализуется вблизи усреднённого значения. При случайных ошибках формализации, матожиданием результата будет реальное состояние формализуемой системы. Совсем другая ситуация, если искажения намеренные. Например, задаваемые при описании распределённой информационной модели современно общества [11,12].

Используя вводимые намеренно искажения, можно управлять поведением отдельных индивидуумов и социальных групп, вынуждая их принимать и реализовывать правильные с их точки зрения решения для достижения заранее задаваемых результатов. Методы достижения этой цели не так сложны, как кажется на первый взгляд – достаточно определить величину и направление вносимых в модель действительности искажений, используя существующий математический аппарат для оценки ожидаемого результата действий. Задача манипулирования обществом упрощается тем, что  ростом его коммуникативности не просто растёт доля информации, получаемой через электронные устройства, но и снижается уровень критичности её восприятия  [13]. А математический аппарат, который в перспективе может быть использован для манипулирования отображением действительности, давно существует [14,15,16]. В связи с этим, проблемы использования методов формализации крайне актуальны при использовании информационных технологий в современном мире, в условиях роста влияния невоенных методов межгосударственного противоборства [17,18.19].

Таким образом, анализ применения парадигмы формализации в современном информационном обществе показывает, что всё более широкое внедрение средств информатизации во все аспекты человеческой деятельности упрощает жизнь каждого человека и общества в целом, но одновременно удаляет их от реальности, ставя между человеком и окружающим миром всё больше технических и программных средств, оперирующих формальными данными. Парадигма формализации, ставшая двигателем прогресса в техногенном обществе, начинает по-другому работать в обществе информационном. Не обращать внимания на социальные аспекты её применения становится просто опасно. И пора уже дать объективную оценку: куда приведёт дальнейшее следование этой парадигме − в управляемый извне виртуальный мир или к гармоничному распределению функций между информационными системами и человеком? И что человечество получит в итоге: мир «гармонии чисел», обещанный ещё пифагорейцами ещё в V веке до нашей эры и развивающийся в «неопифагорейском» обществе на базе адекватной системы формализации, или далекий от реальности виртуальный мир формализованного представления об окружающей действительности, да ещё и управляемый в чьих-то интересах? Ответ лежит в отношении к дальнейшему использованию созданной на заре развития человечества парадигмы формализации в информационном мире.

Первый параметр – объективный, зависящий от математического обеспечения управления, второй – субъективный, зависящий от качества управляющего персонала. Это вполне логично соответствует двойственности процесса управления, в котором имеется и объективная, и субъективная составляющая.

Субъективная (рациональная) составляющая, априори присуща любому процессу, в котором присутствует человеческий фактор, в том числе процессу управления. Субъективный фактор при принятии управленческих решений не может быть полностью устранён по определению. Да в этом и нет необходимости, так как он не всегда оказывает отрицательное влияние: часто, особенно в условиях неопределённости. Но, во многих случаях, субъективность играет отрицательную роль и её негативное влияние необходимо снижать: принятием групповых решений, повышением качества подготовки управленцев или использованием объективных методов поддержки принятия решений.

На первый взгляд, наиболее очевидным путём повышения качества, управления, обеспечивающим минимизацию отрицательного влияния субъективных факторов, является подбор и подготовка управленческих кадров.

Первый вариант – подбор качественного персонала, может реализовываться разными способами. Можно обеспечить высокий престиж управленческого труда и отбирать для него лучших специалистов через конкурсную систему. А можно методом перебора набирать более или менее пригодные кадры, просто отсеивая профессионально непригодных.

К сожалению, чаще применяется более простой второй путь, в том числе и в нашей стране. Высказывание «у нас и кухарка сможет управлять государством», приписываемое В. И. Ленину, стало на долгие годы своеобразным «брендом» нашего отношения к управленческому труду.

Справедливости ради стоит отметить, что Ленин говорил не совсем так: «Мы не утописты. Мы знаем, что любой чернорабочий и любая кухарка не способны сейчас вступить в управление государством. Но мы… требуем немедленного разрыва с тем предрассудком, будто управлять государством, нести будничную, ежедневную работу управления в состоянии только богатые или из богатых семей взятые чиновники. Мы требуем, чтобы обучение делу государственного управления велось сознательными рабочими и солдатами и чтобы начато было оно немедленно, то есть чтобы к обучению этому немедленно начали привлекать всех трудящихся, всю бедноту». Звучит вполне логично. К сожалению, первоисточники читают не все.

Наглядный исторический пример отношения к управлению представляет опыт подбора экипажей и расчётов боевой техники в период становления механизированных армий. Например, в Германии перед Второй мировой войной экипажи танков, начиная с Pz-III и далее, вплоть до Pz-VI, имели освобождённую должность командира. Командир танка подбирался путём долгих практических проверок, в ходе которых все должностные лица экипажа менялись местами, выполняя по очереди обязанности то стрелка, то заряжающего, то механика-водителя, то командира. Лучший из справлявшихся с управлением боевой машиной и назначался командиром танка. Этот человек в дальнейшем проходил обязательное дополнительное обучение. В бою он находился в танке, наблюдая из командирской башенки через хорошую оптику за полем боя и руководя действиями экипажа. Причём, по воспоминаниям Гейнца Гудериана, для развития инициативы строго запрещалось ставить командирам танков детальные задачи, предписывая указывать только конечную цель. Как достигнуть цели, выбирал сам командир, неся за это полную ответственность. При повреждении танка командир и экипаж не списывались в пехоту, а оставались в части при ремонтных мастерских, ожидая новой машины. Это логично: нельзя разбрасываться ценными кадрами!

В тот же исторический период, когда в СССР был создан уникальный для своего времени танк Т-34, командира не стали делать отдельным членом экипажа. Сделав вывод, что управление не самый важный и трудоёмкий  процесс, на командира возложили другие задания, совместив его должность с обязанностями орудийного наводчика. И до 1944 года командир Т-34 был ещё и стрелком. А за полем боя наблюдал в свободное от стрельбы время, и не в командирской башенке, а через триплекс башни. Так управляли боем не только командиры танков, но и командиры танковых взводов, рот, батальонов. Ситуация осложнялась проблемами и с техническим обеспечением управления: средствами связи и наблюдения за полем боя. Результат — потери танков в СССР существенно превосходили потери гитлеровской Германии [3]. И это при качественном и количественном превосходстве. И только в 1944 году на танке Т-34-85 появилась командирская башенка и четвёртый освобожденный член экипажа — командир. Выживаемость Т-34 в бою сразу возросла, не смотря на рост интенсивности наступательных действий, снизились как абсолютные потери, так и их относительный процент: с 61,5% в 1942, до 52,7 и 40,5% в 1944 и 1945 годах соответственно.  И это при том, что в этот период существенно возросли качественные характеристики немецких танков и противотанковой артиллерии, а на поле боя среднему Т-34-85 пришлось встретиться с тяжелыми танками противника. Таким образом, боевая практика сама показала важность управления как процесса.

Данный исторический пример наглядно показывает, что управление — это ответственный высококвалифицированный труд. Справедливости ради стоит отметить, что мы были не единственными в таком отношении к управлению на рассматриваемом историческом этапе. Во французском танке времён Второй мировой войны B-1bis командир не только стрелял из пушки, но и выполнял обязанности заряжающего. И это, возможно, одна из причин бесславного разгрома французских танковых дивизий, превосходящих по качеству танки немецкие, в мае – июне 1940 года. И одна из причин, по которой немцы очень ограниченно использовали неплохие по своим характеристикам трофейные французские танки B-1 и S-35 Somua. Не было освобождённого командира и в английском танке того же периода «Крусейдер». А вот при разработке американских танков, начиная с серии М3, данный опыт был учтён и командир в бою занимался только своим делом.

Впрочем, подобных примеров отношения к управлению как к второстепенному занятию можно привести множество и в самых разных областях деятельности. В СССР инженер на производстве получал зарплату почти вдвое ниже, чем квалифицированный рабочий. Как результат — снижение культуры управления производством, качества производимой продукции и производительности труда.

Возвращаясь к историческому анализу, можно вспомнить VII Всероссийскую (апрельскую) конференции РСДРП(б), а именно выдвинутый на ней известный тезис «землю крестьянам, фабрики рабочим», потенциально обеспечивающий справедливую и эффективную экономику, в итоге разбившийся о неэффективность управления. А ведь достаточно было добавить «…а управление – профессиональным управленцам», всё могло пойти совсем по-другому.

Впрочем, практика показывает, что в определённых условиях подход к повышению эффективности управления через подбор кадров всё-таки работает. Например, после образования СССР долгое время ситуацию спасало формирование управленческих кадров за счёт выдвижения достойных управленцев путём естественного отбора. В годы революции и гражданской войны к власти пробилась инициативная молодежь, пополняющая недостаток знаний об управлении активностью и напористостью. В последующие годы партийная элита обновлялась за счёт крепких хозяйственников из промышленности и директоров колхозов, не владеющих теорией, но имеющих большой практический опыт. То есть пополнение управленческих кадров происходило в рамках своеобразного «естественного отбора». К сожалению, запасу устойчивости любой системы рано или поздно приходит конец. Вот и советская партийная элита, замыкаясь в себе, всё меньше пополнялась такими людьми, качество управленческих кадров стремительно падало, что и стало одним из факторов распада огромной страны.

В любом случае, повышение эффективности методом подбора кадров эффективно только при наличии большого выбора и функционировании системы «социальных лифтов», то есть далеко не всегда.

Более того, побочным явлением такого подхода является пренебрежение старыми кадрами, как «отработавшими своё». Часто, говоря о необходимости обновления управленческих кадров, вспоминают Гайдара, в 16 лет командовавшего полком. Но уж если апеллировать к истории, то не лукавить, по «гамбургскому счёту». Как следует из собственноручно написанной биографии писателя, в 16 лет он три месяца командовал ротой на германском фронте, потом полком в тылу, при подавлении крестьянского восстания. И уже в 21 год уволился из армии вчистую, по здоровью. А вот, например, Александр Васильевич Суворов полк получил только в 32 года, но в 60 лет взял Измаил, а в 69 лично перевёл войска через Альпы. Кутузов руководил армией под Бородино в 67 лет [4]. Таким образом, как показывает исторический анализ, в управлении крупными системами молодость и энергичность всё же иногда проигрывают опыту.

Данная ситуация аналогична некоторым подходам, используемым в технике, где применяются методы контроля работоспособности по срокам и по состоянию. Первый проще, зато второй признаётся более экономичным. Может быть, и при оценке управленцев смотреть не на возраст, а на функциональную пригодность к выполнению задач по предназначению? Тем более, что такой подход применяется на практике, например, в некоторых зарубежных авиакомпаниях, где пилотов оценивают не по количеству прожитых лет, а по результатам сдачи тестов и прохождения медкомиссии.

Как отмечено ранее, ещё один возможный подход повышения качества управления, реализуемый в границах субъективных факторов: повышение эффективности принимаемых решений за счёт обучения управленческого персонала, повышения его опыта, знаний и навыков.

Не секрет, что даже самый лучший ВУЗ выпускает не готовых специалистов-управленцев, а лишь теоретически образованных специалистов. Да и сама подготовка на многочисленных факультетах и кафедрах «менеджмента» – это не совсем подготовка управленцев. Из английского понятия менеджмент (management  — управление, руководство, администрирование, дирекция, умение распоряжаться, владеть, управлять), в ВУЗах прежде всего преподают администрирование и предпринимательство. Надежда на послевузовское самообучение молодого специалиста на собственном опыте, как показала практика, не всегда оправдывается. Анализ мирового опыта показывает, что для формирования качественного управленца необходима целая система обязательной дополнительной подготовки и развития, включающая обязательные этапы для каждой ступени служебного и профессионального роста.

И ещё одна проблема современного образования в части подготовки управленцев – недостаточная эффективность предварительного отбора кандидатов на обучение (за исключением военных ВУЗов). А, как показывает практика, не каждого можно научить управлять. Управление, это не только знания, но и определённые психологические качества лидера, которые есть не у всякого, и научить которым проблематично.

Результат пренебрежения подготовкой и профессиональным отбором персонала – наличие в органах власти случайных, неумелых людей. Спортсмены, артисты, бизнесмены… Они хорошие люди, много добившиеся в жизни, но, в большинстве своём не имеющие знаний по теории и практических навыков управления. За руль автомобиля по закону может сесть только человек, умеющий водить и получивший водительское удостоверение. А ведь автомобиль всего-навсего сложная техническая система, да ещё применяемая в рамках строго регламентированных правил. В отличие от автомобиля, государство – сложнейшая социально-техническая система. А в коридорах исполнительной и законодательной власти можно встретить огромное количество людей, никогда ранее никем, кроме себя, не управлявшими. То есть не знающими не только теории, но и практики управления. Как тут не вспомнить полный текст цитаты В.И.Ленина: «…учиться нужно управлять. Учиться, учиться и учиться».

При этом нужно понимать, что речь должна идти не подготовки о «чистых», управленцев, нечего более, чем теория управления не знающих. Любой управленец должен иметь знания об управляемой области и понимать, чем управляет. Достигается это, как правило, последовательным прохождением управленческих должностей с переподготовкой при расширении сферы деятельности. В противном случае складывается ситуация, когда молодые рьяные управленцы, никогда и нигде не работавшие, ничем не управлявшие, но твёрдо намеренные стать чиновниками, не знают даже структуры элементарного цикла управления. А ведь он прописан в любом наставлении, уставе [5]: от целеполагания до контроля выполнения решений.  Не зная этого, управлять можно только в надежде на «авось» и здравый смысл, а говорить о качестве управления в таком случае не приходится

Примером ответственного отношения к подготовке управленческих кадров может служить система управления вооруженными силами. Строгая иерархическая структура обучения, обязательные этапы служебного роста позволяют готовить грамотных управленцев. Система эта во всех развитых армиях мира вырабатывалась и совершенствовалась годами. Её существование и развитие определено высоким уровнем ответственности и большой ценой управленческих ошибок в военной сфере. Но ведь и в области принятия государственных решений она бывает не ниже. Так почему же не использовать наработанные и проверенные подходы? Ведь как показывает исторический опыт данный подход работает достаточно эффективно, особенно когда имеется мотивация управленцев к повышению квалификации.

В то же время, не стоит забывать, что обучение – тоже не панацея. Научить можно не каждого, нужны определённые предпосылки, определяемыми психотипом потенциального управленца. Возвращаясь к предыдущему примеру вспомним, что в сфере военного управления существует психологический отбор при поступлении в учебные заведения, а иногда – и при назначении на наиболее ответственные должности. Исторический анализ показывает, что в результате такого отбора и непрерывного обучения формируется определённая «каста» людей, умеющих принимать решения, реализовывать и отвечать за их последствия, абсолютно доверяя друг другу [6,7]. Что вполне логично для динамичных условий военного управления и многократно проверено опытом.

Разумеется, в процессе обучения и организации подбора возникает вопрос оценки качества управленцев: не только их психологической пригодности, но и конкретных профессиональных навыков. Такой системы пока нет. Существующая в нашей стране система должностных рангов отображает карьерный рост человека, к сожалению, не всегда определяемый его целевой эффективностью. Некоторые специалисты, понимая это, пытаются поднять свою значимость, получив научные степени и звания. Хотя это не показатель эффективного управленца: во-первых, учёный обладает совсем другими качествами, чем администратор, во-вторых, многочисленные скандалы с плагиатом и заказными диссертациями показывают, что пути приобретения учёных званий не всегда корректны. В то же время, в западных странах существует система оценки качества управленцев, аналогичная нашим научным званиям: магистр бизнес администрирования MBA (Master of Business Administration) и доктор администрирования DBF (Doctor of Business Administration).  Там эта система работает. Логично было бы использовать положительный опыта, тем более что эксперимент по подготовке подобных специалистов в нашей стране проводился.

Впрочем, подбор и подготовка управленческих кадров не являются единственными методами повышения эффективности управления. Как отмечалось ранее, повысить эффективность управления можно и другими методами: например, снизить влияние субъективного фактора за счёт коллегиальности и т.п.

Как отмечено в начале статьи, существуют и объективные подходы к повышению эффективности управления, основывающиеся на повышении доли рациональной составляющей в принимаемых решениях: совершенствование структуры системы управления, повышение информационной осведомлённости управленцев за счёт более эффективного сбора данных и мониторинга обстановки, применение математических методов поддержки принятия решений  и другие.

Повышение информационной осведомлённости и оперативности управления за счёт использования возможностей современных информационных технологий вполне надёжный и проверенный метод, обеспечивающий повышение эффективности управленческого труда. Применение этого метода обеспечивается активным внедрением современных информационных технологий: сетевых технологий, методов обработки больших данных (Big Data), распределённых «облачных» технологий (Cloud computing) и других. Но, как показывает практика, применение данного подхода, усиливает возможности управленцев, сокращая время на рутинную работу и увеличивая время на аналитическую деятельность, служит своеобразным «усилителем» имеющихся возможностей, но не снижает субъективные факторы в принятии решений. Если полную и своевременную информацию получают эффективные управленцы, качество управления повысится. Если не слишком эффективные – с повышением информационной осведомлённости практически ничего не изменится.

Прорывным в объективной составляющей является исключительно использование математических методов оптимизации принимаемых решений, реализуемых в экспертных системах и системах поддержки принятия решений.

Исторически, практика использования математических методов для обеспечения выработки управленческих решений прошла несколько этапов, обусловленных развитием теории управления, науки и техники, школ управления: научной, классической, поведенческой, количественной. [8,9].

На первом этапе развития математических методов решались преимущественно оптимизационные задачи, связанные с распределением ресурсов и усилий. С началом ХХ века, в связи с бурным развитием промышленности, глобализацией экономики и переходом к использованию массовых армий, возникла потребность в решении оптимизационных задач большой размерности. Интенсивные теоретические исследования начались
в середи­не XX века в рамках дисциплины «Исследова­ние операций».

На втором этапе в связи с появлением и широким применением вычислительной техники получили разви­тие автоматизированные системы управления различ­ного назначения. При решении проблемы человеко-машин­ного взаимодействия большое внимание было уделено роли человеческого фактора, что стимулировало развитие эксперт­ных методов и выделение из исследования операций теории принятия решений как самостоятельной дисциплины.

Третий этап связан с наступившей информационной революцией, характеризующейся активным развитием программного обеспечения ЭВМ и автоматизированных систем управления, инфор­мационно-аналитических систем общего и специального назначения. В изменившихся условиях появился математический аппарат, обеспечивающий анализ больших массивов данных, в том числе неполных и слабоструктурированных. Появились методы интеллектуального анализа данных Data Mining. Развитие вычислительной техники и сетевых технологий позволило использовать более совершенные математические методы обработки информации, формирования вариантов управляющих воздействий, прогнозирования результатов принимаемых решений. Совершенствование используемого математического аппарата, в свою очередь, позволило снизить субъективный фактор в принятии решений, в теории принятия решений появилось научное направление «искусствен­ный интеллект», объединяющее исследования в области человеческого мыш­ления. Практическим инструментом лиц, принимающих решения, стали экспертные системы и системы поддержки принятия решений, которые объединили в единый цикл поиска решения оптимизационные задачи, математические модели и экспертные методы, базы данных и знаний.

Сейчас, в связи с бурным развитием информационных технологий, с переходом к «облачным» и сервис-ориентированным принципам организации информационного процесса, можно ожидать начала четвертого этапа обеспечения управления, использования сетевых подходов в организации распределённых интеллектуальных систем поддержки принятия решений, использования «гибких» алгоритмов, «коллективного разума» и т. п.

Анализ предметной области показывает, что подход, основанный на применении специализированных методов поддержки принятия решений, является наиболее эффективным направлением повышения качества управления, работающим практически в любых условиях. Это обусловливается тем, что при данном подходе повышается обоснованность и оперативность решений при одновременном снижении уровня ошибок субъективности управления [10,11].

Таким образом, анализ исторического опыта показал, что управление — это сложный, ответственный интеллектуальный труд. В связи с непременным присутствием субъективного фактора это труд, находящийся на границе науки и искусства. И основными способами повышения эффективности этого труда являются подбор и подготовка управленческих кадров и реализация научных методов поддержки принятия управленческих решений [12,13,14].

Анализ исторических, технологических и организационных аспектов развития систем государственного и муниципального управления позволяет сделать ряд выводов:

1)Проверенными и надёжными способами повышения эффективности принятия решений являются совершенствование подбора и подготовки управленческих кадров, а также коллективное принятие решений. Данные меры просты и эффективны, но не снижают влияния субъективного фактора в управлении.

2)Современные информационные технологии обеспечивают новые пути повышения эффективности управления [15,16,17]:

- автоматизацию сбора и обработки информации, её агрегированного представления пользователю;

- применение количественных методов формирования вариантов управленческих решений;

- автоматизацию доведения решений и контроля из выполнения.

Первый и последний методы повышают информационную осведомлённость управленцев и оперативность  принятия решений, практически не устраняя влияния субъективного фактора, служа некоторым «усилителем» для лица, принимающего решения.

Второй – обеспечивает кардинальный прорыв в повышении качества управления, сводя к минимуму субъективизм этого процесса. Соответственно, его применение представляется более предпочтительным в условиях постоянного усложнения и повышения динамичности управления.

На ранних этапах развития военного дела при ведении боевых действий, форма одежды и различные сигнальные атрибуты войск были необходимы для обеспечения видимых различий между подразделениями, как противоборствующих армий, так и внутри каждой из них. Это определялось способом управления боевыми действиями, при котором оценка текущей обстановки была, преимущественно, визуальной [1].

Но времена менялись, рос масштаб боевых действий, появилось эффективное дальнобойное и скорострельное оружие. В соответствии с новыми условиями ведения боя изменились и требования к обмундированию и амуниции. Одним из очевидных изменений, позволившим повысить скрытность действий и защищённость личного состава, стало приведение окраски предметов формы одежды к цвету окружающей местности [2].

Полевая военная форма одежды стала целенаправленно шиться из ткани защитно-маскировочного цвета в конце XIX — начале XX века. Так, в конце XIX века британские колониальные войска в Индии были переодеты в форму цвета хаки (англ. - khaki, от персидского «хак» – пыльный, земляного цвета). Считается, что впервые она была использована британской армией в Индии в 1867-1868 годах для вспомогательных подразделений, состоящих из местных жителей. К началу южноафриканской войны с бурами в 1899-1902 годах уже и основные подразделения британской армии были переведены на новую полевую форму. Англичане не просто одели в форму защитного цвета войска, но и окрашивали в этот цвет технику и даже гужевых животных. Форма цвета хаки успешно показала себя на поле боя. А вот пренебрежение маскировкой в эпоху скорострельного и дальнобойного оружия дорого обходилось войскам. Во время русско-японской войны русская пехота, одетая в белые гимнастёрки, несла неоправданно высокие потери. В литературе описаны случаи, когда наши солдаты перед боем намеренно вываливали рубахи в грязи, чтобы приблизить цвет формы к цвету местности. С учётом опыта ведения боевых действий, уже перед Первой мировой войной форму защитного цвета приняли на снабжение армии практически всех ведущих государств.

Но простое приближение цвета маскируемого объекта к окраске окружающей местности не в полной мере решало задачу повышения скрытности. Решение, как это иногда бывает, подсказала природа – пятнистая раскраска, размывающая контуры предмета, скрывающая его геометрический центр, отдельные детали и направление движения, чтобы затруднить распознавание и прицеливание. В 1939 году французский художник русского происхождения Владимир Баранов-Россинэ запатентовал пятнистую военную форму («пуантилистически-динамичный камуфляж») или «хамелеон-метод» [3]. Само слово камуфляж появилось в русском языке от французского camouflage (маскировка). Получившаяся расцветка не просто приближала цвет объекта к фону местности, она обеспечивала размывание контуров предметов, обеспечивая принципиально новый подход к повышению скрытности.

Впрочем, говорить о патентном приоритете в части изобретения камуфляжа можно только формально: работы по созданию камуфлированного обмундирования велись примерно в это же время в Германии (Splittertarnmuster и Buntfarbenmuster, «осколочный» или «красочный» камуфляж), в ряде других стран. Просто работы проводились без оформления приоритетов.

Схемы армейских камуфляжных рисунков разрабатывались под конкретный тип местности, на которой предполагалось вести боевые действия. За основу, определяющую цветовую насыщенность рисунка, его геометрическое построение и контрастность, принимались особенности человеческого зрения в светлое время суток.

К началу Второй мировой войны камуфляж был внедрён во всех ведущих армиях мира. Он создавался с учётом географических особенностей местности предполагаемого боя и времен года. Наиболее активно во время Второй мировой использовался зимний камуфляж — белые маскхалаты, надевавшиеся поверх основной формы. Данные маскхалаты были как однотонного белого цвета, так и пятнистой окраски.

В Красной армии камуфляжная форма была введена в первой половине Великой Отечественной войны для снайперов, сапёров и разведчиков. Это были маскировочные костюмы с неровными пятнами (в форме амёбы) коричневого или чёрного цвета на базовом фоне цвета хаки или зелёном. В 1944 году появились камуфляжные костюмы светло-зелёного цвета с рисунками, имитирующими листья.

Фото 1.Варианты маскировочной окраски обмундирования Красной Армии

В армии США в Европе преимущественно использовался камуфляж Woodland – рисунок с пятнами 4-х цветов (черного, коричневого, зелёного и темно-желтого). На Тихоокеанском театре военных действий военнослужащими корпуса морской пехоты США использовался камуфляж типа US pacific, представлявший основу цвета хаки, на которую наносились пятна зелёного, светло- и тёмно-коричневого цветов. Камуфляж был выполнен двухсторонним, что позволяло использовать его в различных условиях обстановки.

В британской армии для оснащения десантных подразделений применялись так называемые «куртки Дэнисона» (Denison smock) с расцветкой «мазкового» типа. Рисунок куртки представлял собой сочетание пятен и мазков песочного, зелёного, коричневого и чёрного цветов, аналогичных современному камуфляжу DPM (Disruptive Pattern Material), но более крупных.

В немецкой армии в годы Второй мировой войны, после долгих экспериментов конца 30-х годов с остроугольными «осколочными» и «лиственными» расцветками, появилась достаточно эффективная маскировочная расцветка Flecktarn(от немецкого der Fleckt – «пятно, клякса» и die Tarnung – «маскировка»). «Флектарн» – это трёх-, четырёх-, пяти- или шестицветная «взрывная» камуфляжная расцветка. Использование точек создаёт шумовой оптический эффект, устраняющий чёткие границы между разными цветами, размывая контуры маскируемого объекта. Расцветка была разработана для использования в условиях умеренного климата и смешанных лесов. Всего к концу 1944 года в вермахте использовалось около сорока вариантов камуфляжных расцветок. Маскировочная окраска униформы «флектарн» во время Второй мировой, стала одним из отличительных признаков войск СС. Этот факт сыграл отрицательную роль в отношении к достаточно перспективной форме окраски «флектарн» – после войны о ней надолго забыли, вернувшись к работе только в конце 1970-х годов.

Фото 2.Варианты маскировочной окраски обмундирования Вермахта

В послевоенное время совершенствование камуфляжных расцветок и реализующей их формы одежды продолжилось. В армиях ведущих стран НАТО разработано большое количество расцветок камуфляжа: ACUPAT - Army Combat Unoform Pattern, MARPAT – Marine Pattern, DPM – Disruptive Pattern Material, MTP – Multi-Terrain-Pattern, CCE camo - Camouflage Central European, Flecktarn, Tropentarn и другие. Большинство из этих расцветок имеют вариации для разных театров военных действий и/или времен года: растительность, пустыня, городская расцветка, зимний и т.п. Совершенствование камуфляжных расцветок проходило на фоне череды локальных войн и вооруженных конфликтов, ведущихся во второй половине XX – начале XXI века.

Фото 3.Варианты камуфляжа стран НАТО: Woodland, ACUPAT, MARPAT, Fecktarn

 Фото 4.Варианты пустынного камуфляжа стран НАТО: DPM Desert армии Великобритании, шестицветный пустынный США, ACUPAT, Tropentarn

Работы по совершенствованию маскировочных расцветок велись и в армии СССР, а потом в России. В Советском Союзе был разработан рисунок «серебряный лист» образца 1957 года («Берёзка», костюм КЛМК), базовый камуфляж «Бутан» 1984 года (существовавший в виде цветовых решений для леса и в для пустынно-степной местности). Аналогичную «березке» раскраску, только в другой цветовой гамме, имел специальный костюм КЗС. Этот сетчатый костюм, кроме оптической маскировки, обеспечивал защиту от светового излучения ядерного взрыва, за счёт специальной пропитки, формирующей дымку при воздействии интенсивного светового излучения [4].

Первые варианты камуфляжа армии России: ВСР-93 и ВСР-98 «Флора», были созданы с использованием советских наработок. Впоследствии был разработан собственный рисунок камуфляжа – «Цифровая флора», снижающий уровень видимости в движении, особенно для электронно-оптических средств наблюдения.

Впрочем, как показала практика, «цифровые» варианты камуфляжа обладают рядом недостатков, снижающих их практическую эффективность:

- мелкие элементы сливаются для глаза человека в единый цветовой фон, в результате чего, обеспечивая маскировку от приборной разведки, теряют основное свойство камуфляжа искажать предметы для человеческого глаза;

- неизбежное в полевых условиях загрязнение обмундирования, при котором мелкие элементы как бы «затираются» сильно снижает свойства маскировки.

Впрочем, эти недостатки можно парировать, создавая, например, «цифровой» рисунок в виде мелких элементов, объединённых в крупные цветовые группы, сливающиеся на расстоянии и создающие эффект «обычного» камуфляжа.

Разумеется, принцип маскировки личного состава реализуется не только раскраской формы, но и другими методами: маскировочными накидками, чехлами, гримом, лентами для оружия. В дополнение к камуфляжной раскраске обмундирования и чехлов, используются другие методы маскировки: искажение контура за счёт мешковатого покроя и лоскутковых костюмов, применение местных предметов – веток и грязи, использование камуфлирующего грима и т.п.

Ещё одна важная область оптической маскировки – камуфляжная раскраска боевой техники. Цель этой раскраски такая же, как и камуфлирование обмундирования: обеспечить искажение контуров объектов, затрудняющая их распознавание. Наряду с применением маскировочных сетей и экранов, разрабатываются специализированные распятнованные схемы, обеспечивающие максимальное искажение контуров защищаемых объектов. При этом часто, наряду с заводской раскраской, применяются методы маскировки, реализуемые непосредственно в войсках. Например, осуществление зимнего камуфляжа нанесением на технику раствора извести, как это делалось ещё в годы Второй мировой войны. Более экзотический способ, применение которого подтверждено документально – оклеивание боевой техники мокрыми газетами или листовками. Замерзая, они прилипали к броне, создавая рисунок, сливающийся по тональности с грязным снегом (фото 5). До настоящего времени применяется метод распятновывания объектов природной грязью по схемам, приведённым в технической документации на образцы вооружения. На фотографии (фото 6) техническое подразделение, камуфлированное подручными средствами на период учений. Использование местных материалов не только удешевляет процесс маскировки, но и обеспечивает естественную маскировку под фон местности.

Фото 5.Танк Вермахта в зимней маскировке с помощью газет

Фото 6.Маскировка техники путём распятновки подручными средствами

Для оптической защиты военной техники применялись и необычные виды камуфляжа, например, такие как «ослепляющий» (англ. Dazzle camouflage), используемый для раскраски кораблей и судов в годы Первой мировой войны для того, чтобы затруднить применение оружия командирами подводных лодок противника [5]. Или, например, «обманная раскраска»: нанесение на нижнюю часть самолёта изображения фонаря кабины, как делали пилоты финских «Брюстеров» (Brewster F2A) в годы Второй мировой войны, чтобы запутать пилотов истребителей противника относительно направления манёвра. Но это скорее экзотика, применяемая не так часто.

Фото 7.Вариант расцветки «ослепляющего» камуфляжа

Кроме окраски, для защиты техники от наблюдения используются и другие методы: маскировочные сети различного типа, аэрозольные завесы. Ещё в период Первой мировой войны войска и техника прикрывались подвижными установками дымопуска, появились дымовые боеприпасы артиллерии. В годы Второй мировой на отдельные образцы бронетехники начали устанавливать дымовые гранатомёты и индивидуальные устройства дымопуска. Сейчас такими средствами оснащена практически вся боевая техника. Разрабатываются новые типы дымовых завес, обеспечивающие не только защиту в оптическом диапазоне, но и тепловые помехи средствам разведки и наведения противника. В открытых источниках имеется информация о попытках разработки завес с односторонней проницаемостью, обеспечивающих скрытие войск от противника, не создавая помех обзору для своих войск.

Говоря о методах снижения оптической заметности объектов, нельзя не вспомнить и о маскировке зданий и сооружений. С глобализацией военных действий, когда стирается грань между фронтом и тылом, возникает потребность защиты крупных объектов, иногда целых городов. Кроме прикрытия их силами противовоздушной обороны, может использоваться и маскировка. Пример этого – комплексная маскировка Москвы, Ленинграда и Севастополя в годы Великой Отечественной войны. Данная маскировка, учитывая характеристики средств дальнего огневого поражения того времени, производилась по двум направлениям: дневная и ночная.

В части мероприятий дневной маскировки, в ставшими фронтовыми Ленинграде и белоснежном Севастополе менялась окраска и скрывались контуры наиболее заметных зданий. В Москве группа архитекторов и инженеров под руководством академика Бориса Иофана разработала фантастический для того времени проект: плоскостная (путём ложной окраски) и объёмная (строительством ложных сооружений, в том числе на воде) маскировка центра столицы (фото 8 ,9). Грандиозный проект, вкупе с другими мерами защиты, выполнил свою функцию – немецким лётчикам так и не удалось выполнить прицельное бомбометание по центру города.

Фото 8.Маскировка центра Москвы в 1941 году. Фото Маргарет Берк-Уайт

Фото 9.Маскировка Большого театра

Основным методом обеспечения скрытности объектов в ночное время являлась светомаскировка. Для её реализации осуществлялся целый комплекс планирующих и контрольных мер. Часто эти меры готовились заблаговременно (фото 10).

Фото 10.Текст постановления о подготовке к введению светомаскировки в Москве

Перечисленные методы относятся к мерам по снижению оптической заметности объектов. Разумеется, в различных условиях ведения боевых действий необходимо скрывать и другие демаскирующие факторы. Например, при ведении действий флота часто используются акустические методы обнаружения противника. Соответственно, кораблями и подводными лодками применяются методы акустической маскировки, как пассивной, так и активной. С распространением радиолокационных средств разведки и наведения потребовалось противодействовать и им. Для этого, ещё в середине прошлого века, технику стали оснащать средствами пассивной маскировки и постановки помех, а впоследствии – и активного подавления РЛС противника. В СССР и ведущих зарубежных странах велись разработки маскировочных сетей, обеспечивающих поглощение или рассеивание инфракрасного и радиолокационного излучения. Для решения задач защиты техники от технических средств разведки применяются маскировочные табельные радиорассеивающие и радиопоглощающие комплекты в различном цветовом исполнении. Средства защиты личного состава тоже стали работать не только в оптическом диапазоне. Примером могут служить многослойные маскировочные радиорассеиващие костюмы, предназначенные для скрытия личного состава от оптико-визуальных, фотографических, оптико-электронных, радиолокационных средств разведки.

Ещё один подход к защите объектов – отвлечение внимания от важных целей и «раздергивание» усилий противника. В рамках обеспечения скрытности такой подход реализуется через использование различных ложных целей и районов. В оптическом диапазоне, это применяющиеся ещё со Второй мировой войны макеты вооружения и техники, в радиолокационном – отражатели разных типов. С появлением тепловизионных приборов ибоеприпасов с системами наведения в инфракрасном спектре, технику начали оснащать ИК-ловушками. Современные ложные цели, чаще всего надувные макеты вооружения, такие, как пневмоподпорные макеты танков и другой военной техники, способны вводить противника в заблуждение сразу в нескольких диапазонах ведения визуальной и технической разведки.

Но обычный камуфляж не утратил значимость и в условиях современных боевых действий. Несмотря на появление на поле боя средств наблюдения и прицеливания, работающих не только в оптическом, но и инфракрасном и радио- диапазонах, оптический камуфляж и сейчас очень важен для снижения потерь личного состава и техники [6-10]. Более того, как учит метод исторических аналогий, теперь логично будет ожидать распространение принципов камуфляжной одежды на реализацию её свойств в других диапазонах, а также с учётом особенностей «технического зрения» робототехнических систем, которых всё больше становится на поле боя [11-14]. И такие работы в технически развитых государствах уже ведутся [15].