Главная страница

1. организация процесса исследования систем управления


Скачать 266,15 Kb.
Название1. организация процесса исследования систем управления
Дата06.02.2017
Размер266,15 Kb.
ТипДокументы

1. ОРГАНИЗАЦИЯ ПРОЦЕССА ИССЛЕДОВАНИЯ СИСТЕМ УПРАВЛЕНИЯ


Бесконечность окружающего мира в пространстве и во времени, несмотря на ограниченности человека во времени, в материальных, энергетических и информационных ресурсах, тем не менее не является для него непреодолимым препятствием в познании мира. Противоречие между неограниченностью желаний человека познать мир и ограниченностью его возможностей разрешается наличием аналитического и синтетического образов мышления человека. Суть анализа – разделение целого на части, сложного – на совокупность простых компонент. Для познания же целого и сложного человек реализует обратный процесс – синтез. Именно анализ и синтез открывают возможности для эффективных системных исследований различных сложных систем, в том числе и систем управления. Именно такой подход позволяет объяснить целое через его части.

1.1. Декомпозиция систем


Основной операцией анализа является разделение целого на составляющие, т.е. выполнение операции декомпозиции. При этом система разделяется на подсистемы, задача – на подзадачи, цели – на подцели и т.д. Процесс декомпозиции итеративен. т.е. он может развиваться итерациями, или шагами. Как правило, декомпозиция выполняется экспертами – специалистами соответствующей предметной области. Предметной областью называется область знаний, к которой относится исследуемая система. В этой связи весьма важно подчеркнуть, что при любой декомпозиции эксперт исходит из некоторой базы декомпозиции, представляющей собой модель рассматриваемой системы. Естественно, возникает вопрос, каким образом следует выбирать модель в качестве базы декомпозиции, или формальной модели?

Рассмотрим в качестве примера исследование системы управления производством автомобилей. Здесь в качестве исследуемой системы можно выбрать:

  1. технологические процессы производства автомобилей

  2. административно-управленческую систему производства.

В первом случае будут изучаться и декомпозироваться отдельные производственные технологические линии, а во втором – структура административного аппарата и информационные потоки процессов управления.

При выборе формальной модели декомпозиции весьма важно определить ее полноту. Это позволит наиболее содержательно рассмотреть конкретную систему, провести ее всесторонний анализ с позиций конкретных требований. В системах искусственного интеллекта подобные модели называются фреймами. Заготовка фрейма – необходимое условие полноты декомпозиции. Достаточным же условием будет тщательность анализа рассматриваемой системы и конкретизация фреймовой модели особенностями этой конкретной системы.

В процессе декомпозиции эксперт должен постоянно искать компромиссы между полнотой и простотой. Это означает, что, с одной стороны, система должна быть рассмотрена максимально всесторонне и подробно. С другой стороны, с точки зрения простоты, дерево декомпозиции должно быть максимально компактным как "вширь", так и "вглубь".

Компромиссы должны обеспечить достижение главной цели: свести сложный объект анализа к конечной совокупности простых подобъектов либо , если это не удается, выяснить конкретную причину неустранимости сложности системы. Для достижения компромисса следует использовать:

  1. принцип "существенности", т.е. в модель-основание включаются только компоненты, существенные по отношению к цели анализа, называемые также релевантными

  2. принцип элементарности.

В соответствии с принципом "существенности", в модель-основание включаются только компоненты, существенные по отношению к цели анализа. В системном анализе такие компоненты называются релевантными. В соответствии с принципом элементарности для регламентации размера дерева "вглубь", т.е. по числу уровней иерархии модели декомпозиции, целесообразно принять в качестве ограничения процесса декомпозицию до достижении элементарного фрагмента системы.

Из сказанного очевидно, что из-за неформальности этого тезиса решающее слово принадлежит эксперту. Для облегчения работы эксперта в алгоритм декомпозиции должна быть включена возможность внесения в фрейм по собственному усмотрению эксперта поправок и дополнений в модель-основание. Это можно реализовать вводом в алгоритм фразы "все остальное", что будет инициировать у эксперта стремление к расширению полноты предлагаемой им модели, а также возможности разукрупнения отдельных элементов модели-основания.

В заключении рассмотрим фрагмент дерева в виде одной ветви, полученного в результате декомпозиции автомобилестроительного предприятия, приведенный на рис.3.1. Здесь декомпозиция выполнена по следующим уровням иерархии:

  1. виды конечной продукции

  2. целеполагающие системы

  3. жизненный цикл автомобилей

  4. состав системы

  5. управленческий цикл

  6. делегирование полномочий.

На рисунке в целях большей наглядности для дальнейшего представления , из каждого уровня рассмотрено по одному элементу.

1.2. Агрегирование систем


Агрегированием называется процесс, обратный декомпозиции, который предусматривает установление отношений на заданном множестве элементов. При агрегировании ряд элементов объединяются в единое целое.

Важнейшим свойством агрегированных систем является эмерджентность, т.е. возникновение в результате объединения новых качественных свойств, которыми не обладал ни один из исходных элементов. Например, автомобиль может приобрести качество самостоятельного передвижения лишь после полной сборки всех его узлов.

В зависимости от целей агрегирования возможны различные варианты решения задач агрегирования. Для системного анализа широко применимы следующие агрегаты:

  1. агрегаты-конфигураторы

  2. агрегаты-операторы

  3. агрегаты-структуры.

1.2.1. Агрегаты-конфигураторы


В ряде случаев для моделирования сложных явлений требуется разностороннее агрегированное описание системы с различных точек зрения. Агрегатом-конфигуратором называется некоторая агрегатная модель, которая включает в себя минимальную совокупность качественно различных языков, достаточную для моделирования системы.

Например, для формирования модели прибора конфигуратор включает три представления:

  1. блок-схему

  2. принципиальную схему

  3. монтажную схему.

Блок-схема определяет поэлементный состав прибора, в котором обычно представляются типовые технологические единицы, выпускаемые промышленно.

Принципиальная схема предназначена для пояснения функционирования прибора и на ней выделяются функциональные единицы, которые могут и не иметь автономных локализованных аналогов.

Монтажная схема есть расчленение прибора в соответствии с геометрией объема, в котором должен производиться его монтаж. Отметим, что в случае постановки задачи моделирования прибора с учетом его сбыта, в конфигуратор потребовалось бы включить и язык рекламы, на котором было бы необходимо описать внешний вид и потребительские качества прибора.

1.2.2. Агрегаты-операторы


На практике достаточно часты ситуации, когда необходимость агрегации возникает по причине чрезмерной многочисленности данных, существенно затрудняющей их обзор и анализ. В таком случае применимы агрегаты-операторы. Агрегатом-оператором называется агрегат, в рамках которого из частей или элементов формируются объединения для уменьшения размерности.

Одним из вариантов агрегата-оператора является классификация, которая устанавливает отношения эквивалентности между отдельными группами агрегируемых элементов, т.е. классами.

Примерами подобного агрегирования являются классы и подклассы по группам товаров в торговле, в частности, по продуктам, промышленным товарам, строительным материалам и др. Важный пример агрегирования данных дает статистический анализ. Среди различных агрегатов, называемых в этом случае статистиками, т.е. функциями выборочных значений, особое место занимают достаточные статистики, т.е. такие агрегаты, которые извлекают всю полезную информацию об б интересующем нас параметре из совокупности наблюдений. Однако при агрегировании обычно потери информации неизбежны, и достаточные статистики являются в этом отношении исключением. В таких условиях становятся важными оптимальные статистики, т.е. позволяющие свести неизбежные в этих условиях потери к минимуму в некотором заданном смысле. Наглядный пример статистического агрегирования представляет собой факторный анализ, в котором несколько переменных сводятся в один фактор.





Конкурентоспособность продукции и прибыльность производства автозавода



















Глобальная

цель

автозавода



























































































































Бытовая техника




Автомо-били




Комплек-тующие изделия
















Виды конечной продукции






























































































































Цели вышестоя-щей системы




Цели основного производ-ства автомо-билей




Цели подрядчи-ков
















Целепола-гающие

системы






























































































































Маркетинг потребно-стей в авто-мобилях




Произ-водство автомо-билей




Маркетинг потребно-стей в авто-мобилях
















Жизненный цикл процесса производства автомобилей

































































































































Кадры




Средства деятель-ности




Предметы теятель-ности




Отно-шения










Состав системы









































































































































Прогнози-рование







Планиро-вание






Организа-ция






Кон-троль





Анализ проблем-ных ситуаций






Управлен-ческий

цикл

































































































































Исполне-ние




Соиспол-нение




Согласо-вание




Утвер-ждение










Делегиро-вание полномочий


Рис.3.1

1.2.3. Агрегаты-структуры


Важнейшей формой агрегирования при синтезе систем является образование структур. При синтезе разработчик системы навязывает структуру проектируемой системе, исходя из целей, составных элементов и связей. В качестве типов структур, называемых агрегатами-структурами, применимы сети, матрицы, деревья и др.

Синтезированные структуры реальных систем в процессе функционирования могут развиваться , в результате чего могут возникнуть, установиться и начать функционировать множество новый связей, которые не проектировались и не предусматривались. Они могут происходить из самой природы системы при агрегации элементов в единое целое. Учитывая это, при проектировании системы важно задать ее структуры во всех существенных отношениях, так как в остальных отношениях структуры сложатся сами. Совокупность всех существенных отношений определяется конфигуратором системы, и отсюда вытекает, что проект любой системы должен содержать разработку стольких структур, сколько языков включено в ее конфигуратор.

Например, проект организационной системы должен содержать структуры:

  1. распределения власти

  2. распределения ответственности

  3. распределения информации.

Эти структуры могут достаточно сильно отличаться топологически. Действительно, структура подчиненности иерархична, функционирование организовано по матричной структуре и т.п. Однако различные структуры описывают одну и ту же систему лишь с разных сторон и , следовательно, не могут быть не связанными между собой.

В современных системных исследованиях широкое внимание уделяется семантическим сетям, называемых также логико-лингвистическими моделями. Они находят большое применение в ситуационном управлении, в системах искусственного интеллекта. Указанные модели отображают структуру человеческих знаний, выражаемых на естественном языке, причем это отображение может быть осуществлено средствами ЭВМ.

Наконец, для представления систем с различными циклическими операциями эффективно применение сетей Петри. Это один из инструментов моделирования дискретных процессов, протекающих в производственных системах, и в частности в гибких технологических модулях (ГТМ). В настоящее время используются их различные модификации, включая временные сети Петри, цветные сети Петри, Е-сети и т.д. Сети Петри широко используют для различных задач и данный аппарат продолжает активно развиваться. Аппарат сетей Петри позволяет описывать параллельные, асинхронные, иерархические процессы достаточно простыми средствами. Математическая модель описываемого сетью Петри процесса достаточно наглядна, легко алгоритмизируема для моделирования на ЭВМ, не требует большого дополнительного объема знаний от исследователя.

1.3. Измерительные шкалы


Во многих практических задачах, включая, управленческую, ревизионную, контрольную, следственную работу, а также экспериментальную деятельность, системный анализ, научные исследования и многие другие, обработка экспериментальных данных является весьма важным этапом между этапами получения информации и ее использования в принятии решений и их выполнении. Исходные экспериментальные данные могут представляться для обработки в виде протоколов наблюдений, матриц данных, экспериментальных таблиц. Информация в экспериментальных данных - это фактически знания об объекте исследования, которые могут носить приближенный характер, а могут быть и достаточно точными, хорошо структурированными. Однако в любом случае они требуют обработки. Обработка необходима для преобразования информации к виду, удобному для их использования, включая их перевод на язык модели, системы отношений, в которых они предполагаются для использования.

Для формирования протоколов наблюдений, матриц данных, экспериментальных таблиц необходимы измерения. Измерение – это алгоритмическая операция, которая данному наблюдаемому состоянию объекта, процесса, явления ставит в соответствие определенное обозначение: число, номер, какой-либо символ. В результате исследователь фиксирует результат измерения в виде некоторой стандартной формы представления информации о наблюдавшемся объекте. Степень полноты фиксации информации зависит от степени полноты, степени адекватности принятого соответствия и разнообразия вариантов его реализации. Необходима информация об объекте исследования есть следствие двух факторов:

  • результата измерения

  • результата преобразований или обработки экспериментальных данных.

Результат измерения в свою очередь также определяется двумя факторами:

  • от организации и методики процесса измерения

  • от природы исследуемого явления или объекта.

Одним из аспектов организации и методики процесса измерения является выбор шкалы представления результатов. В соответствии с многообразием целей измерений, природы исследуемого явления или объекта используются различные шкалы. Шкала, с одной стороны, фиксирует результат эксперимента, а с другой стороны, предопределяет возможности по экспериментальной обработке результатов исследований.

1.3.1. Шкалы наименований


Примем к рассмотрению объекты, состояния которых можно рассматривать лишь с точки зрения различимости. Для таких объектов примем алгоритмы измерения, которые различимым состояниям ставят в соответствие различные обозначения, а неразличимым состояниям - одинаковые обозначения. Обозначим состояния объекта соответственно Х1 и Х2 и введем в качестве символа эквивалентности знак "=". Для принятой постановки задачи можно сформулировать следующие аксиомы тождества:

Либо Х1 = Х2, либо Х1 Х2 (3.1)

Если Х1 = Х2, то Х2 = Х1 (3.2)

Если Х1 = Х2 и Х2 = Х3, то Х1 = Х3. (3.3)

Примем число классов эквивалентности, т.е. число различимых состояний, конечным. Поставим каждому классу эквивалентности в соответствие определенное обозначение. В этом случае процесс измерения будет заключаться в том, чтобы после эксперимента над объектом установить класс эквивалентности, к которому следует отнести результат и далее зафиксировать результат посредством символа, обозначающего данный класс. Проведенное таким образом измерение называется измерением в шкале наименований, которая называется также номинальной или классификационной шкалой. Саму шкалу формирует принятое множество символов.

Наиболее целесообразно использовать номинальную шкалу для дискретных по своей природе объектов. Это могут быть различные изделия производства, которые могут различаться по видам, подвидам, типам, маркам, группам и т.п. Для обозначения классов могут использоваться практически любые символы, включая слова, номера, регистрационные цвета, значки и т.п., а также их различные комбинации. Практически при большом числе классов удобны иерархические обозначения.

Номинальная шкала применима и для непрерывных множеств, называемых континуумами. В этом случае предварительно произвести разбиение этого множества на конечное число подмножеств. В последующем задача будет сводиться к отнесению того или иного значения из континуума к определенному классу.

Представление данных в номинальной шкале накладывает ограничения на допустимые операции по их обработке. Принимая во внимание, что обозначения классов представляют собой лишь символы, даже если они и цифровые, с ними недопустимы операции типа сравнения или какие-либо арифметические преобразования. При обработке экспериментальных данных, зарегистрированных в номинальной шкале, с ними можно выполнять только операцию проверки их совпадения или несовпадения. Эту операцию удобно выполнять с помощью символа Кронеккера:

ij = {1: x i = xj; 0: x i xj}, (3.4)

где x i и xj - записи разных измерений. Из формулы следует, что при совпадении значений будет получена единица, а при несовпадении ноль.

По результатам этой операции по формуле (3.4) можно выполнить более сложные преобразования, например, определить число совпадений для некоторого i–го класса:

n

nk =  kj = 1,

j = 1

где n - общее число наблюдений. Можно вычислить относительные частоты классов, например, для k –го класса частоту можно записать в виде:

pk = nk/n.

Можно сравнивать частоты между собой, находя, например, моду, т.е. номер наиболее часто встречающегося класса:

kmax = arg max pk.

k  D k

1.3.2. Ранговые шкалы


Ранговая, или порядковая, шкала отличается от номинальной дополнительными возможностями по сравнению классов в соответствии с некоторыми отношениями. Ранговая шкала применима, если классы, наряду с аксиомами, приведенными в соотношениях (3.1)–(3.3), удовлетворяют также и аксиомам упорядоченности:

Если Х1 Х2, то Х2 Х1 (3.5)

Если Х1 Х2 и Х2 Х3, то Х1 Х3. (3.6)

Шкала, удовлетворяющая указанным аксиомам, называется шкалой простого порядка.

В качестве примеров объектов, к которым применима такая шкала, можно назвать должностную иерархию на предприятии, в корпорации, в банке или систему воинских званий, систему распределения мест в спортивных соревнованиях, конкурсах и т.п.

Если соотношениях (3.5) и (3.6) видоизменяются и принимают вид:

Либо Х1 Х2, либо Х1 Х2

Если Х1 Х2 и Х2 Х3, то Х1 Х3,

то имеет место шкала слабого порядка, в отличие от предыдущей, называемой сильной.

В задачах анализа покупательского спроса часто возникает ситуация, когда покупатели часто в затруднении определить, какой из двух разнородных товаров им больше нравится. Например, что предпочтительнее галстук или банка консервов, чашка или подставка и т. п. Бывает непросто упорядочить и увлекательные занятия, например, пойти в кино или на лекцию. Подобная ситуация характерна в целом для социологических исследований субъективных предпочтений. Именно в этих ситуациях возникают пары классов, несравнимые между собой, т.е.

Ни Х1 Х2, ни Х1 Х2

Отметим, что в шкалах слабого порядка при одновременном Х1 Х2 и Х1 Х2 имеет место: Х1 Х2.

При обработке данных, зарегистрированных в сильных порядковых шкалах, следует иметь в виду, что отношение порядка не дает информации о дистанции между сравниваемыми классами. Поэтому даже в цифровых порядковых шкалах над этими цифрами нельзя выполнять какие-либо арифметические действия. Однако допустима операция установления предпочтения из двух наблюдений Хi и Хj.

Для установления предпочтений введем индикатор положительных чисел – функцию

Z(s) = {1: s  0; 0: s  0} (3.7)

Тогда в цифровой шкале порядка при Хi Хj получим:

Z(Хi - Хj ) = 1, а Z(Хj - Хi ) = 0,

что позволяет установить предпочтительность Хi перед Хj.

Среди n сравниваемых объектов для некоторого Хi объекта можно вычислить его ранг, под которым понимается его место среди остальных значений. Ранг считается тем большим, чем большее количество единиц получает значение Хi по формуле (3.7) по сравнению со всеми остальными значениями, приведенными в порядковой шкале. Формулу вычисления ранга можно представить в виде:

n

Ri =  Z(Хi - Хj )

j = 1

Отметим, что именно по этой причине порядковые шкалы называются ранговыми.

1.3.3. Порядковая шкала Черчмена и Акоффа


В маркетинговых обследованиях, например, при анализе спроса на продукцию целесообразно респондентам предложить упорядочить анализируемый перечень альтернатив, указав, хотя бы грубо, силу предпочтения. В целом методика реализуется по следующему алгоритму:

  1. Респонденту предлагается упорядочить в порядке уменьшения предпочтения четыре объекта: Х1, Х2, Х3 и Х4

  2. Респонденту предлагается приписать объектам любые соответствующие весовые коэффициенты в диапазоне от нуля до единицы: ki [0; 1], причем рекомендуется для первого объекта принимать весовой коэффициент, равным единице

  3. Далее для уточнения весовых коэффициентов, установленных респондентом, принимается утверждение, что весовой коэффициент совокупности альтернатив равен сумме их весовых коэффициентов. Респонденту предлагается высказать предпочтение между объектом Х1 и совокупностью объектов Х2, Х3 и Х4. В зависимости от установленного предпочтения Х1 или объединения Х2, Х3 и Х4 выполняется соответствующая корректировка весовых коэффициентов этих объектов

  4. Респонденту предлагается высказать предпочтение между объектом Х2 и совокупностью объектов Х3 и Х4. В зависимости от установленного предпочтения Х2 или объединения Х3 и Х4 выполняется соответствующая корректировка весовых коэффициентов этих объектов.

При большом количестве объектов для сокращения количества перебираемых комбинаций рекомендуется наиболее предпочтительному объекту приписывать весовой коэффициент, равный единице, а остальные группировать по три и последовательно действовать по изложенной методике.

В процессе использования методики необходимо принимать во внимание, что в некоторых случаях предположение, что при объединении объектов в группы их весовые коэффициенты аддитивны не всегда правомерно.

1.3.4. Шкалы отношений


При исследовании объектов, наблюдаемые величины которых, наряду с аксиомами (3.1)-(3.3), (3.5) и (3.6), удовлетворяют и аксиомам аддитивности:

Если Х1 C и Х2 0, то Х1 + Х2 C (3.8)

Х1 + Х2 = Х2 + Х1 (3.9)

Если Х1 = Х2 и Х3 = Х4, то Х1 + Х3.= Х2 + Х4 (3.10)

1 + Х2) + Х3 = Х1 + (Х2 + Х3), (3.11)

можно использовать шкалу отношений, которая является существенным усилением, так как измерения в такой шкале являются числами, с которыми можно выполнять любые арифметические действия. Шкала отношений обладает следующей особенностью: отношение двух наблюдаемых значений измеряемой величины не зависит от того, в какой из таких шкал произведены измерения, т.е. имеет место:

Х12 = Y1/Y2

или

Y = аХ (а  0).

Таким образом, величины, измеряемые в шкале отношений, имеют естественный, абсолютный нуль, хотя остается свобода в выборе единиц.

В качестве примеров величин, природа которых соответствует шкале отношений, являются деньги, масса, длина и т.п.

1.3.5. Абсолютная шкала


Уникальной шкалой является числовая ось. Эта шкала имеет абсолютный ноль и абсолютную единицу. Важная особенность этой шкалы по сравнению со всеми остальными является ее безразмерность и абсолютность ее единицы. Это позволяет производить над показаниями абсолютной шкалы такие операции, которые недопустимы для показаний других шкал: употреблять эти показания в качестве показателя степени, аргумента логарифма. Числовая шкала используется как измерительная шкала в явной форме при счете предметов, а как вспомогательное средство присутствует во всех остальных шкалах.

1.3.6. Выбор шкалы


Из предыдущего рассмотрения можно сделать вывод, что чем сильнее шкала, в которой производятся измерения, тем больше сведений об изучаемом объекте, явлении, процессе дают измерения. В связи с этим каждый исследователь стремиться провести исследование в возможно более сильной шкале. Однако важно иметь в виду, что выбор шкалы измерения должен ориентироваться на объективные отношения, которым подчинена наблюдаемая величина. Лучше всего производить измерения в той шкале, которая максимально согласована с этими отношениями. Можно измерять и в шкале более слабой, чем согласованная , что приведет к потере части полезной информации, но применять более сильную шкалу опасно, тат как полученные данные на самом деле не будут иметь той силы, на которую ориентируется их обработка.

Аналогичная ситуация имеет место и после того, как проведены измерения. У исследователя могут быть причины, побуждающие его преобразовать протокол наблюдений, переведя измерения из одной шкалы в другую. Если при этом данные переводятся в более слабую шкалу, то обычно исследователь отдает себе отчет в том, что в результате происходит некоторое ухудшение качества выводов.

Иногда же исследователь просто усиливают шкалы, Типичный случай – это оцифровка качественных шкал, при которой классам в номинальной или порядковой шкале присваиваются номера, с которыми далее оперируют как с числами. Если в этой обработке не выходят за пределы допустимых преобразований, то оцифровка – это просто перекодировка в более удобную например, для ЭВМ, форму. Однако применение других операций сопряжено с заблуждения ми и ошибками, так как свойства, навязываемые подобным образом данным, на самом деле не имеют места.

Вопросы для самоконтроля





  1. В чем суть анализа и синтеза в системном исследовании систем управления?

  2. Что называется декомпозицией системы и каков алгоритм декомпозиции?

  3. Каково назначение и характеристика фрейма, в чем суть релевантности?

  4. Каково назначение принципов существенности и элементарности при декомпозиции систем управления?

  5. Что понимается под агрегированием и эмерджентностью?

  6. Каковы варианты задач агрегирования при исследовании систем управления?

  7. Каково назначение агрегатов-конфигураторов при исследовании систем управления?

  8. Каково назначение агрегатов-операторов при исследовании систем управления?

  9. Каково назначение агрегатов-структур при исследовании систем управления?

  10. Что понимается под экспериментом, измерением и измерительными шкалами при исследовании систем, какова методика выбора шкалы?