Формализованная схема непрерывного производственного процесса. 4 страница

- отношения предпочтения внутри любой пары альтернатив не зависит от остальных альтернатив, предъявленных к выбору.

Выбор в условиях неопределенности

Понятия, не всегда строгие, категории не чисто качественного, но и не чисто количественного характера, проверка предположений с помощью численных расчетов характерны для процесса проектирования. Многие задачи просто "не решаются" на достаточно строгом уровне.

В практике проектирования широко применяются так называемые рациональные рассуждения (нестрогие рассуждения, но обеспечивающие при разумном их применении правильные результаты). Применение рациональных понятий, непосредственно связано с интуицией, здравым смыслом. Качество интуиции зависит от степени изучения данной области знания и личных качеств исследователя.

Рациональность рассуждения может оцениваться по степени достоверности рассуждения, которое может меняться от 0 до 1. Это некоторая субъективная аналогия вероятностной оценки. Трудности в определении численных значений степени достоверности приводят к необходимости прибегать к словам, например, к таким: "довольно правдоподобно" (р = 0.9).

Сложное рациональное рассуждение обычно включает физические соображения, "размытые понятия", ссылки на опыт, интуицию, целесообразность упрощения, а также дедуктивные рассуждения.

Различные рассуждения не равноценны, как по трудности их проведения, так и по вкладу в успех решения задачи. По аналогии с теорией вероятностей - если сложное рассуждение является объединением простых, то наличие среди простых рассуждений достоверного рассуждения не повысит при этом общую степень достоверности. Достоверность рационального рассуждения может быть также повышена, если прибегнуть к коллективному мнению.

Под групповым выбором обычно понимается сведение различных индивидуальных мнений о порядке предпочтения рассматриваемых объектов в единое "коллективное" предпочтение.

Проблема группового выбора – общая проблема "разумного" перехода от заданных "индивидуальных наборов данных" к единому "групповому набору данных".

Индивидуальный набор данных может иметь разную природу: члены коллектива и их "голоса" – модели голосования; эксперты и их оценки – анализ экспертных оценок; потребители и их предпочтения – тория потребительского спроса.

Формы организации экспертиз разнообразны и многочисленны: по способам представления экспертами результатов (анкеты, таблицы, интервью, аналитический текст), по взаимодействию между экспертами (свободное, регламентированное, недопустимое), по способам оценки мнений экспертов (голосование, методы группового выбора).

Модели голосования. Альтернатива, получившая наибольшее число голосов, считается принятой. Такое решение не является критерием истины – только дальнейшая практика покажет это. Здесь также трудности с постановкой задачи, определением критерия, определением правил голосования: простое большинство (51%), подавляющее большинство (75%), абсолютное большинство (близко 100%).

Модели экспертных оценок. К услугам экспертов прибегают в случае слабоформализуемых задач. В основе – методики организации экспертных оценок и их обработки (пример: балльная система). Количественная оценка мнений экспертов – методы ранга (эксперт присваивает произвольный ранг каждому фактору), шкальных оценок (факторы оцениваются по заранее выбранной шкале), парных сравнений (попарное сравнение альтернатив).

Класс задач принятия решения определяется тремя факторами - целью решения задачи выбора, типом "среды" задачи (всей совокупности неконтролируемых параметров), количеством критериев – и существенно зависит от видов имеющихся неопределенностей.

Неопределенность "среды" (неопределенность природы, формулировки целей и критериев) – имеется несколько возможностей, каждая из которых может реализоваться произвольным или случайным образом. Действий реального "противника" (конкурента) или партнера, преследующего свою цель и обладающего своими управляющими параметрами (активными средствами);

Природа неполноты информации может быть самой различной, обуславливаться разнообразными источниками. Виды неопределенностей: неизвестность, неполнота, случайность, нечеткость формулировок целей.

Множество неконтролируемых факторов может состоять из подмножеств: фиксированных случайных факторов (стохастические факторы) с известными законами распределения, факторов природной неопределенности с неопределенным законом распределения, неопределенных факторов, связанных со стратегиями поведения разумного противника, множество возможных проектных решений.

Для определения метода принятия решения необходимо определить структуру информационной ситуации: к какой информационной ситуации следует отнести неконтролируемый фактор (природа неопределенностей, известно или неизвестно распределение вероятностей, расплывчатость имеющейся информации).

Решение проблемы принятия проектных решений и их оптимизации в условиях многофакторной неопределенности требует формирования процедур принятия решений, позволяющих значительно снизить уровень неопределенности. Построение структуры системы неопределенностей и выбор методов принятия решений – субъективный фактор (также имеет неопределенность).

Возможные процедуры: формирование списка факторов природной неопределенности и системы (каталога) информационных ситуаций, присвоение каждому фактору свойственную ему конкретную информационную ситуацию.

Дальнейший путь уменьшения размерности неопределенности – операция "информационного сходства" - выделение близких информационных пар "фактор – информационная ситуация"

Нечеткость формулировки задачи приводит к необходимости пользоваться качественными критериями, характеризуемыми понятиями "предпочтение" "полезность". Термин "предпочтение" отображает качественную характеристику объекта, термин "полезность" – количественное представление предпочтений.

При различной конкретизации задачи снятия неопределенности она приобретает различный смысл и требует различных методов решения.

При выборе в условиях статистической неопределенности, особенно при задании условий внешней среды для системы (например, для проектирования системы необходимо знать, на какой глубине находится нефть, если в результате геофизической разведки получена некоторая совокупность чисел), или при разработке математической модели (как влияет солнечная активность на долговечность солнечных батарей). Основным предположением при формализации подобных задач является предположение о статистичности данных. Оно состоит в том, что связь между истинной, но неизвестной искомой закономерностью и наблюдаемыми данными адекватно описывается распределением вероятностей. Такую задачу можно решить методами теории игр – "игры против природы". Выбор закономерности на множестве возможных закономерностей (протоколы наблюдений) и действительное состояние природы (искомая закономерность) можно в совокупности охарактеризовать функцией потерь, которую и рассматривать как платежную функцию игры.

Применение статистических методов также вносят свою неопределенность. На качество решения влияют и заблуждения относительно статистичности наблюдений, и принятый протокол наблюдений, и применение процедуры, не соответствующей уровню и типу информации, и неверная содержательная информация статистического вывода.

Во всех случаях неполноты знаний, нечёткой или стохастической входной информации, будут носить нечёткий или вероятностный характер и результаты исследований, а принятые на основании этих исследований решения приведут к неоднозначным последствиям. В случае нечёткой (по своей природе) или неполной (при ограниченных возможностях проектанта) информации необходимо учитывать закономерности устойчивых состояниях и устойчивых траекторий системы. Должны быть выявлены и оценены, хотя бы на интуитивном уровне, все возможные, в том числе кажущиеся маловероятными последствия принимаемых решений, а также предусмотрены обратные связи, которые обеспечат своевременное вскрытие и локализацию нежелательного развития событий.

Моделирование принятия решения

Принятие решения может быть формализовано как выбор управления, переводящего систему из заданного состояния в желаемое. Такой выбор осуществляется с использованием математической модели принятия решения. При построении модели реальная операция неизбежно упрощается, схематизируется, с тем, чтобы ее можно было описать и затем исследовать с помощью того, или иного математического аппарата.

Общая модель операции выработки решения может состоять из совокупности тесно связанных моделей процесса операции (включая модель управляемой системы и модель обстановки проведения операции) и принятия решения.

Полной информации о внешних факторах до проведения операции чаще всего оперирующая сторона (проектант) не имеет. В такой ситуации наличие неопределенных факторов не позволяет однозначно определить фазовые переменные, следовательно, и течение операции оказывается непредсказуемым. Единственный выход – сформировать принципы принятия решений (правила, стратегии поведения), которые гарантируют определенный исход операции (либо действовать "на авось", что редко приводит к приемлемым результатам). Информация может поступить в ходе операции, что должно быть учтено при выработке возможных способов действий оперирующей стороны (правил принятия решений).

Правила поведения (стратегия принятия решений) должны исходить из достижения цели операции. Цель операции может быть достигнута не единственным способом действий, и для отбора наиболее экономного, эффективного из числа допустимых служит критерий эффективности. Всякий выбор зависящих от оперирующей стороны параметров называется решением.

При выборе оптимальной стратегии поведения задача выбора управления формулируется как задача отыскания векторной функции, доставляющей экстремальное значение целевому функционалу. На компоненты вектора управления (векторной функции) обычно накладываются ограничения.

Прогнозирование в принятии решений

Жизненный цикл многих сложных систем может составлять не один десяток лет. Поэтому при проектировании крайне трудно учесть все вопросы, связанные с прогнозированием развития системы и ее взаимодействием с внешней средой в будущем. Данная проблема должна рассматриваться уже на начальных стадиях проектирования, так как успешность ее решения во многом определяет эффективность системы в целом.

Прогноз – вероятностное суждение о состоянии объекта (процесса или явления) в определенный момент времени в будущем и (или) об альтернативных путях (сценариях) их достижения.

Сопутствующие понятия – предсказание (основано на логической последовательности – "достоверно будет"), предвидение (опережающее отражение действительности, основанное на познании законов развития - "должно быть"). Предвидение – более широкое понятие, включающее в себя прогноз и предвидение.

Прогнозирование (научно-техническое) - это специальное методическое исследование перспектив развития какой-либо системы, организации, отрасли. Прогнозирование имеет своей целью разработку прогноза - предсказания (обычно в форме вероятностного суждения) о состоянии этой системы в будущем. Объектами прогнозирования (в узком смысле) являются системы и процессы, развитие которых существенным образом определяется решениями людей (функциональные, эргативные, управляемые системы).

Сложность прогнозирования обусловлена не только сложностью проектируемой системы, но и необходимостью одновременного рассмотрения прогнозов развития науки и техники, производственных процессов, ограничений, определяемых социально-экономическими и экологическими причинами. Таким образом, понятие объекта прогноза значительно расширяется.

Одна из попыток дать универсальное определение понятия объекта прогноза – в виде собирательного понятия технологии, включающего широкую область целенаправленного применения физических наук, наук о жизни, наук о поведении. Чтобы получить достоверную информацию о будущем необходимо знание законов развития общества, хозяйства, науки и техники, знать причины и движущие силы этого развития. В этой терминологии технологическое прогнозирование – получение вероятностной оценки будущего изменения (перемещения) технологии, определяемого прежде всего техническим прогрессом.

Процесс изменения характеристик системы, являясь частью общего процесса развития, характеризуется чередованием участков постепенного (эволюционного) и резкого (скачкообразного) развития. Примеры скачкообразного развития: использование новых физических принципов, идей, решений в вычислительной технике.

В нынешнем процессе научно-технического прогресса наблюдается тенденция учащения скачков и рост величины самих скачков. Различаются скачки разных категорий (по мере убывания влияния на развитие): использование новых принципов, реализация новых решений в рамках одного принципа, совершенствование технологий изготовления.

Для управляемых систем различают два основных вида прогнозирования: поисковое и нормативное. Поисковое (генетическое) прогнозирование - это предсказание состояния в будущем при наблюдаемых тенденциях в предположении, что последние не будут изменены посредством планов, проектов, решений и т.п. Результатом поискового прогнозирования является так называемый эталонный или опорный прогноз. Нормативное (проектное) прогнозирование - это предсказание путей достижения желательного состояния объекта исследования на основе заданных целей и критериев с оценкой возможностей и ограничений. Нормативное прогнозирование часто служит основой стратегического планирования.

Таким образом, прогнозирование тенденций и направлений развития систем направлено не на категоричное предсказание, а на изучение вероятного и желательного состояния объекта исследования, что достигается сопоставлением данных поискового и нормативных прогнозов. Конечный практический результат - повышение обоснованности решений (планов, проектов, программ).

По сроку прогноза (времени упреждения) прогнозирование разделяется на текущее, краткосрочное, среднесрочное, долгосрочное, сверхдолгосрочное. Обычно эшелоны прогнозирования приравниваются к эшелонам планирования: краткосрочные - от 1 года до 2 лет, среднесрочные - от 5 до 10 лет, долгосрочные - от 15 до 20 лет, сверхдолгосрочные - от 50 до 100 лет. Наиболее широко здесь применяются среднесрочные прогнозы на срок от 5 до 10 лет. Глубина прогнозирования тесно связана с временными скачками технологии.

Организация прогнозирования.

В основе организации прогнозирования лежат общие принципы исследования сложных систем, предлагаемые исследованием операций и системным анализом.

Основные этапы прогнозирования:

- постановка задачи, отбор необходимой информации;

- выбор критерия или системы критериев;

- формирование прогнозирующей модели;

- осуществление прогноза;

- анализ результатов;

- выработка практических рекомендаций по реализации прогноза.

Прогнозирующая система включает собственно исследователей, комплекс технических, программных и математических средств.

На этапе постановки задачи четко определяется объект прогноза и цель прогнозирования. Тип и объем информации определяется объектом прогноза и поставленными целями, включает в себя прошлые и настоящие данные об объекте и его аналогах.

Методы прогнозирования.

По степени формализации все методы делятся на интуитивные и формализованные.

Интуитивные методы применяются тогда, когда объект либо слишком прост, либо настолько сложен, что аналитически учесть влияние многих факторов практически невозможно. В этом случае применяют эвристические методы, в частности методы экспертных оценок.

Группы формализованных методов: статистико-математические, ассоциативные, информационные, системно-структурные.

Статистико-математические методы – фактическая обработка статистического материала и получение на его основе математических зависимостей для последующих экстраполяций. Эти методы включают в себя методы экстраполяции, огибающих кривых, статистическое моделирование, корреляционное и регрессионное моделирование, числовая аналогия, математическое программирование. Наибольшее распространение получили методы экстраполяции тенденций. Эти методы основаны на предположении об определенном постоянстве закономерностей развития объекта в течение заданного времени (для периода времени без скачков).

Ассоциативные методы – имитационное моделирование, историко-логический анализ.

Информационные методы – анализ потоков публикаций, значимости изобретений, патентной информации.

Системно-структурные методы – функционально-иерархическое моделирование сценариев, структурная аналогия.

На основе общей методологии прогнозирования разрабатываются частные методики прогнозирования развития конкретных систем.

Конкретные методики прогнозирования, как правило, образуются путем сочетания нескольких методов в соответствии с предметом, целью и задачами проектирования.

Неотъемлемой частью процесса прогнозирования является накопление и оперативное использование больших объемов информации в формализованном виде (базы данных, информационно-поисковая система), а также знаний экспертов.

10 Особенности синтеза модели (проекта) технической системы

10.1 Особенности синтеза модели технической системы

Этапы проектирования

Принято пять этапов проектирования: техническое задание, техническое предложение, эскизный проект, технический проект, рабочая документация.

Укрупненная логическая схема проектирования представлена на рисунке.

1. Определение потребности в системе, прогнозирование условий функционирования 2. Формулировка технического задания на разработку системы 3. Анализ альтернативных вариантов, разработка технического предложения 4. Эскизное проектирование 5. Экспериментальная отработка основных решений 6. Отработка конструкторских и технологических решений   7. Техническое проектирование 8. Создание опытного образца 9. Разработка программы испытаний 10. Проведение испытаний   11. Корректировка рабочей документации по результатам испытаний   12. Выпуск технической документации   Дополнительные процедуры: п1 – формулировка концепции системы п2 – сравнение вариантов концепции п3 – структурная оптимизация п4 – параметрическая оптимизация п5 – детальное проектирование

Логическая схема проектирования

Техническое задание на разработку системы содержит цели и задачи системы, концепцию создания системы. Выполнение поставленной цели в концепции рассматривается с помощью различных видов систем, различных классов одного вида системы, различных типов систем внутри одного класса и вида.

Техническое предложение содержит техническое и экономическое обоснование разработки системы, облик системы – укрупненная структура и основные характеристики системы, которые позволят начать разработку эскизного проекта системы. При этом анализируется политическая и экономическая обстановка, исследуются целесообразные сферы и способы применения системы, возможности научно-технической и технологической реализации проекта. На этом этапе рассматривается множество возможных вариантов системы, оценивается эффективность каждого, выбирается вариант для дальнейшей разработки.

Эскизный проект содержит принципиальные решения, дающие представления об устройстве и принципе работы системы, ее основные проектные параметры.

Технический проект содержит окончательные детальные технические решения, дающие возможность подготовить рабочую документацию.

Рабочая документация содержит описание системы, дающее возможность ее изготовить.

Первые три этапа - техническое задание, техническое предложение, эскизный проект – обычно называются внешним проектированием, другие два - технический проект и разработка рабочей документации – внутренним проектированием.

Проектируемая система выступает, с одной стороны, как часть системы более высокого уровня, с другой – как система для объектов более низкого уровня (подсистем). В соответствии с этим процесс проектирования состоит из двух основных этапов: внешнего проектирования и внутреннего проектирования.

В соответствии с двумя основными классами задач – системное и детальное проектирование - различают два основных класса моделей – быстрые и поверочные модели (в каждой из них может быть несколько уровней точности).

На системном уровне модели обычно строятся по принципу «от простого к сложному» – модели уточняются в процессе проектирования по мере расширения наших знаний о системе.

На более поздних стадиях системных исследований иерархия математических моделей может строиться и по противоположному принципу: «от сложного к простому».

При построении моделей по принципу «от простого к сложному» каждый следующий шаг уточняет более простую модель после ее подробного изучения. Возникает цепочка (иерархия) все более полных моделей, каждая из которых обобщает предыдущие, включая их в качестве частного случая. Путь «от простого к сложному» дает возможность изучать все более реалистичные модели и сравнивать их свойства.

При построении моделей по принципу «от сложного к простому» из достаточно общей и сложной модели при упрощающих предположениях получается последовательность все более простых (но имеющих уменьшающуюся область применимости) моделей. Путь от общего к частному позволяет сразу установить некоторые общие свойства системы, конкретизируя и дополняя их в частных ситуациях, дает возможность проводить многочисленные оптимизационные расчеты.

На базе детализированной хорошо обоснованной модели, полученной на основании детально проработанного опорного варианта, создается ее упрощенный аналог, отражающий все основные связи и ограничения, необходимые для решения конкретной задачи. При необходимости для ограниченного количества опорных вариантов корректируются принятые проектные решения.

Особенности проектирования адаптивных систем

Условия применения систем и требования к ним непрерывно изменяются, и, несмотря на прогнозы и сценарии, любая ранее созданная система станет перед необходимостью приспособления к новым условиям. Неучет этого фактора при проектировании приведет в будущем к быстрому моральному старению системы, потере конкурентоспособности, сокращению жизненного цикла.

Возможность адаптируемости (приспособления) системы к будущим условиям применения – один из критериев оценки качества системы.

Для конкретных условий применения системы ее основные проектные параметры могут быть с достаточной степенью оптимальности определены на основе проектных проработок, моделирования, экспериментальной отработки. Для адаптации системы к будущим условиям применения необходимы такие проектные решения, которые позволят обеспечить максимальную эффективность системы в изменившихся условиях.

Этап формирования облика характеризуется множеством неопределенных факторов. Идеальное планирование работ и принятие решений состоят не в том, чтобы предусмотреть все возможные ситуации и рекомендовать соответствующие решения по применению системы, а в том, чтобы спланировать возможность маневрирования ресурсами при изменении ситуации.

Принятые на этапе проектирования решения определяют эффективность системы на весь период ее жизненного цикла и являются необратимыми. Выбор адаптивных систем предусматривает анализ информации о неопределенных факторах.

При выборе адаптивных технических решений возникает противоречивая ситуация, требующая неформальной оптимизации. С одной стороны, отсутствие адаптивных решений не может обеспечить высокую эффективность системы для достаточно широкого диапазона условий применения. С другой, - предельная степень адаптации к неопределенным условиям связана со значительными затратами, сложностью реализации, возможностью принятия рискованных (невостребуемых впоследствии) проектных решений. Поэтому необходимо обоснование степени адаптации на основе оценки эффективности системы в широких условиях применения с учетом затрат и сроков создания.

Неопределенные факторы обусловлены не только отсутствием сведений о характеристиках системы и условий применения, но и – в наиболее общем случае, характерном для конкурирующих систем, - факторами, направленными на уменьшение эффективности системы.

Наивысшая степень адаптации всех компонентов системы на всех этапах жизненного цикла – разработка алгоритма применения, позволяющего изменять параметры и варианты действий системы по мере получения информации в процессе операции (например, на борту ЛА, танка). Выбранные технические решения должны позволять это делать.

Системы, гибко реагирующие на условия операции, называют адаптивными или системами параметрической компенсации.

Возможны две предельные схемы параметрической компенсации: компенсация неопределенности до непосредственного применения (до операции) и в процессе применения (в ходе операции).

Компенсация до операции предусматривает изменение проектных параметров в процессе эксплуатации при уточнении условий применения: может быть реализована созданием адаптивно-модульных конструктивных схем элементов на основе разработки унифицированных элементов конструкций (модулей) с последующим их комплектованием в различных вариантах в зависимости от условий эксплуатации.

Компенсация в ходе операции связана с изменением параметров на основе перераспределения располагаемых ресурсов или за счет других, предусмотренных в конструкции возможностей. Обеспечивается системой управления.

Возможные пути компенсации неопределенности:

- применение набора вариантов систем различной степени специализации, каждый из которых является оптимальным в определенных условиях (в том числе, набор вариантов комплектования одной системы разнотипными компонентами – например, кухонный комбайн, различные боекомплекты на самолете, танке),

- реализацию «гибких» технических решений (многофункциональные системы, многорежимные агрегаты),

- оптимальные стратегии использования систем (перераспределение ресурсов и функций компонентов системы).

Исследование эффективности адаптивных систем связано с использованием методов прогнозирования, имитационного моделирования, игровых подходов для анализа конфликтных ситуаций.

Если для монопараметрической (без адаптации) системы задача оценки эффективности решается для каждого из вариантов системы, то для адаптивных систем оценка эффективности осуществляется с учетом анализа технических гибких решений, синтеза алгоритмов применения.

Основные особенности исследования эффективности систем с адаптивными компонентами:

- математическая модель операции должна отражать возможность изменения параметров каждого из рассматриваемых вариантов проектируемого компонента в зависимости от информации об условиях применения, изменяющихся как до, так и в ходе операции

- выбор вариантов проектируемых адаптивных компонентов может основываться на их сопоставлении с аналогичными вариантами, не реализующими адаптивные возможности.

- к числу варьируемых относится только часть параметров, обеспечивающих адаптивные возможности системы, для каждого из компонентов адаптивной системы рассматриваются возможные пути адаптации (модульность, изменение конструкции).

Моделирование функционирования технической системы

Особенности построения моделей при проектировании

В процессе проектирования с использованием математических моделей решаются следующие задачи:

- формирование структуры и выбор основных проектных параметров;

- определение оптимальных режимов функционирования системы и ее элементов в различных условиях внешней среды и оптимальная организация взаимодействия элементов;

- учет неопределенностей функционирования системы при оценке ее эффективности.

Построение моделей – процедура неформальная. Модель не только должна правильно отражать явления, но и быть удобной для пользователя – степень детализации и способы представления модели для каждой решаемой задачи зависят от пользователя.

Для каждого этапа проектирования вырабатываются стандартные приемы моделирования и общие способы работы с этими моделями.

Модель на системном уровне обеспечивает взаимосвязь критериев эффективности и основных параметров системы с учетом внешней среды. В состав модели системы в целом входят те структурные компоненты, параметры которых признаны определяющими для эффективности системы. Устанавливается физическая и функциональная зависимости (структура и поведение системы), определяются соотношения между параметрами системы, внешней среды и параметрами каждого компонента системы, которые влияют на критерии эффективности системы, составляется иерархия моделей. Модель должна позволять исследовать влияние параметров системы и среды на эффективность (анализ чувствительности).

Исходя из основных принципов системного подхода - модель строится как единое целое, все элементы, связи, действия системы подчинены достижению конечной цели (каждый компонент системы разрабатывается так, чтобы обеспечить системе достижение цели с максимальной эффективностью), строится иерархия моделей исходя из иерархического характера системы, обеспечивается совместное рассмотрение структуры системы и ее функций;