|
скими определениями. Разрыв между параметрами и образом сложного процесса можно устранить двумя путями: переводом исходного описания на естественный язык и управления системой в рамках естественного языка; размыванием образа (его лингвистического описания), построением функции принадлежности состояния системы к тому или иному классу. Каждый из подходов имеет свои преимущества и недостатки. Так, первый подход позволяет получить описание ситуации на естественном языке, но уход от формализации оплачивается очень дорого — мы лишены возможности применять сильные математические методы анализа, прогноза и оптимизации. В рамках второго подхода лингвистический образ процесса "размывается" между двумя противоположными состояниями процесса (которые в идеале являются просто точками), что дает возможность ввести количественный показатель степени принадлежности к тому или иному состоянию процесса (обычно — идеальному или предельному). Математический аппарат этого подхода только начинает разрабатываться. В этом же направлении предпринимаются и другие попытки: для данного процесса вводятся синтетические показатели принадлежности к тому или иному классу, зависящие функционально (чаще всего линейно) от параметров исходного описания (методы теории игр, метод главных компонент, различные критерии полезности и т.д.). Уделяя основное внимание построению математических моделей на уровне исходного описания, мы не сможем создать цельного образа процесса, хотя у нас имеется возможность построить очень большое число моделей на этом уровне и находить на нем все новые физические законы. Само по себе увеличение объема информации на уровне исходного описания и построение все большего числа моделей может даже усложнить ситуацию при принятии решений. 21 |
позволяющие количественно оценить эти показатели. Одно из основных требований к системе контроля состоит в том, чтобы она не только описывала состояние системы, но и позволяла выявить необходимость и виды воздействия на состояние системы и получить количественные оценки результатов таких воздействий. Правильно обработав данные (т.е. сформировав обобщенные образы процессов в динамике и статике) и имея начальный временной фрагмент, мы сможем получить оценки состояния процессов и дать прогноз наиболее вероятного хода этих процессов. Особенности создания понятийных моделей сложных процессов При принятии решения о проведении того или иного вида управляющего воздействия мы сталкиваемся с необходимостью сравнивать состояния системы между собой с точки зрения разных процессов и моделей. Но если гетерогенны по своей природе, т.е. имеют различные признаки, разное признаковое пространство, то методы сопоставления этих процессов, основанные на едином признаковом пространстве, неприемлемы. Сопоставлять эти процессы можно (и просто необходимо для целей управления) на более высоком уровне абстракции, где эти процессы имеют общие точки соприкосновения: оба процесса имеют предельные состояния, которые хорошо отражают значимость данного процесса в системе, позволяют определить стадию каждого из процессов и в случае доминирования какого-либо процесса принять меры по борьбе с ним. В настоящее время многими исследователями отмечается необходимость использования новых математических методов в процессе принятия решений в диагностике и планирование мероприятий по управлению процессом. Но математические методы, эффективные сами по себе, могут оказаться бесполезными при наличии неясной терминологии и описании процессов. Поэтому необходимо все основные понятия сформулировать более точно и на их основе создать адекватный язык для принятия решений в разработке. Для распознавания образов в настоящее время наиболее характерен "экстраполяционный" подход. Возможность его применения для решения нашей задачи ограничена в связи со слабыми "обобщающими" возможностями этого метода. Он также не позволяет получить количественную оценку для текущего состояния процесса по небольшому числу экспериментальных данных. Для нахождения оценок сложных процессов по небольшому числу опытных данных необходимо привлечение априорных данных о физике процессов и свойствах восстанавливаемых правил оценки. Процесс переработки исходного описания в образ процесса должен идти последовательно. Необходимо определить понятие процесса, и в связи с большой сложностью процесса в целом использовать для его определения на разных стадиях различные признаки и характеристики процесса. Полученные на уровне исходного описания параметры системы довольно слабо связаны с интуитивными понятиями и образами сложных явлений и с их лингвистическими определениями. Разрыв между параметрами и образом сложного процесса можно устранить двумя путями: переводом исходного описания на естественный язык и управления системой в рамках естественного языка; размыванием образа (его лингвистического описания), построением функции принадлежности состояния системы к тому или иному классу. Каждый из подходов имеет свои преимущества и недостатки. Так, первый подход позволяет получить описание ситуации на естественном языке, но уход от формализации оплачивается очень дорого — мы лишены возможности применять сильные математические методы анализа, прогноза и оптимизации. В рамках второго подхода лингвистический образ процесса "размывается" между двумя противоположными состояниями процесса (которые в идеале являются просто точками), что дает возможность ввести количественный показатель степени принадлежности к тому или иному состоянию процесса (обычно — идеальному или предельному). Математический аппарат этого подхода только начинает разрабатываться. В этом же направлении предпринимаются и другие попытки: для данного процесса вводятся синтетические показатели принадлежности к тому или иному классу, зависящие функционально (чаще всего линейно) от параметров исходного описания (методы теории игр, метод главных компонент, различные критерии полезности и т.д.). Уделяя основное внимание построению математических моделей на уровне исходного описания, мы не сможем создать цельного образа процесса, хотя у нас имеется возможность построить очень большое число моделей на этом уровне и находить на нем все новые физические законы. Само по себе увеличение объема информации на уровне исходного описания и построение все большего числа моделей может даже усложнить ситуацию при принятии решений. Вводя целевую постановку задачи контроля и рассматривая ее с помощью потребностей системы управления, мы замечаем, что наши управляющие воздействия на определенных уровнях будут зависеть в основном (кроме плановых заданий) от близости системы к состояниям, дальнейшая работа системы при которых невозможна с позиций данного уровня управления. Для таких состояний введем понятие "предельные" и за показатели состояния системы примем степень принадлежности состояния системы к предельному состоянию. Степени принадлежности уровня управления k для процессов G и W будем обозначать соответственно Rk G и Rk W. Равенство Rk нулю будет означать необходимость управляющего воздействия со стороны (k-1)-гo уровня управления, Величина R(k-1) будет оценкой возможности управления на (k-1)-м уровне. При R1=0 управление системой невозможно. Наличие любого предельного состояния в системе приводит к невозможности процесса в системе. Построение образов процесса G и W дает возможность определить зоны повышенной неопределенности образов, что позволит обоснованно выбирать новые данные, которые необходимо получать о различных процессах в системе для уменьшения неопределенности ситуации, или увеличить частоту измерения существующих данных. Имеется множество самых разнообразных определений понятия процесса. Абстрактная трактовка понятия всегда должна быть связана с тем фактом, что принимается та или иная математическая модель реальной системы. Это соответствует современным положениям абстрактной теории систем. Математических моделей процесса может быть сколько угодно и все они определяются принятым уровнем абстрагирования. Поэтому следует подчеркнуть, что нет и не может быть только одного понятия процесса, так как оно будет зависеть от принятого уровня абстрагирования. Рассмотрение задач на каком-либо уровне абстракции позволяет дать ответ лишь на определенную группу вопросов, причем каждый из уровней абстракции имеет свои, только ему присущие ограниченные возможности. Для достижения максимально возможной полноты сведений необходимо изучать одну и ту же систему на всех целесообразных для |