Система управления как объект исследования

    Целью синтеза системы управления являются:

    - создание новой системы управления, на основе новых достижений науки и техники;

    - совершенствование существующей системы управления на основе выявленных недостатков, появление новых задач и требований.

    Синтез  представляет собой многошаговый итеративный  процесс.

    К задачам синтеза систем управления относятся:

    - формирование замысла и цели создания системы;

    - формирование вариантов облика новой системы;

    - приведение описания варианта облика системы во взаимное соответствие;

    - оценка эффективности вариантов и принятие решения о выборе облика новой системы;

    - разработка требований к системе управления;

    - разработка программ реализации требований к системе управления;

    - реализация   разработанных  требований   к   системе управления.

 

1.3. Методы  исследования систем  управления

 

    Для эффективного решения проблем и  задач необходим комплексный подход с использованием основных положений анализа и синтеза систем управления.

    Выбор метода поиска решения проблемы (задачи) осуществляется в зависимости от вида решения, степени соответствия потребностей и их удовлетворения в объекте управления, вида переменной лимитирующей проблемы (задачи), квалификации специалистов. Если какой-либо метод на определенном этапе творческого процесса исчерпал себя, следует рассмотреть другие методы, а также их комбинации.

    Области применения математических методов для целей исследования систем управления зависят от особенностей математической модели системы управления и вида исходной информации. Например, задачи синтеза значительно проще решать на детерминированных моделях, так как используемые при этом методы требуют рассмотрения большого числа вариантов построений системы или перебора множества значений ее параметров для поиска лучшего согласно принятому критерию. В то же время в задачах оптимизации все хорошо, когда модель линейна, однокритериальна и детерминирована. Любые отклонения от этих свойств приводят к появлению новых трудностей. Так, если оптимизируемая функция нелинейна, то приходится представлять ее как совокупность линейных функций, или линейно аппроксимировать на каком-либо интервале, либо вводить ряд допущений, т.е. искусственно уходить от нелинейности.

    При многокритериальности стремятся выделить главный критерий или проранжировать критерии, чтобы свести к некоторому обобщенному критерию, а затем переходить к однокритериальной оптимизации.

    Использовать  математический метод в чистом виде обычно не удается. Поэтому под определенный метод приходится вводить ряд допущений для «подгонки» задач под метод.

    Для обоснования законности использования  математического метода необходимо по пунктам расписать, при каких условиях он применим. Затем сравнить с ними условия своей задачи на предмет их близости.

    Эффективное использование математических методов  возможно для задач с высоким уровнем их формализации. Чем интеллектуальнее задача, тем труднее ее формализовать, а значит, и автоматизировать с использованием вычислительных средств.

    Для исследования систем управления используется обширный методологический аппарат. Однако мы рассмотрим наиболее важные и часто употребимые методы. Можно разделить методы на несколько групп:

    - эвристические методы (экспертные оценки);

    - экономико-статистические [5, с. 98-132].

    Экспертные  оценки разделяются на индивидуальные и коллективные. К индивидуальным экспертным оценкам относятся сценарии, метод «интервью», аналитические докладные записки. Коллективные экспертные оценки включают метод «комиссий», метод «мозговой атаки», метод Дельфи.

    Индивидуальные  экспертные оценки постепенно стали  особой разновидностью опроса экспертов, образовав как бы подсистему в общей системе методов опроса экспертов.

    Отдельный эксперт обладает ограниченными  возможностями прогнозирования, где сильная сторона его как специалиста – накопленные им знания, опыт, определенная логика мышления – нередко оборачивается его слабой стороной: «груз прошлого» мешает эксперту подняться над уровнем привычных тенденций и осознать необходимость качественных изменений (привык к определенной пище, но природа меняется, и привычной пищи становится все меньше, надо привыкать к другой – это качественное изменение – формирует прогноз вложений в повышение урожайности привычных культур или вложения инвестиций в новые).

    Коллективная  работа экспертов помогает совместно  преодолеть этот недостаток. Результатом опроса экспертов является обычно не просто «усредненное» мнение группы специалистов, идет процесс объективизации субъективных оценок, что при соблюдении известных методических требований заметно повышает надежность прогноза.

    Другая  разновидность очного опроса экспертов – «традиционная дискуссия» («метод комиссии»), обычный обмен мнениями, в ходе которого каждый участник имеет право задавать вопросы выступающему, критиковать, выступать неограниченное число раз.

    Такая процедура имеет относительно низкий коэффициент полезного действия. Сильной стороной этого метода является обеспечение мгновенной обратной связи и быстрое обучение экспертов, быстрое преодолевание «взаимоотношения» экспертов. Главное – это привычная, простая и не требующая спецподготовки методика прогнозирования, которая эффективна, если поставленная проблема известна всем экспертам.

    Третья  разновидность – «метод отнесенной оценки». В основу этого метода положена процедура итерации заочного опроса, т.е. процедура повторения нескольких циклов дискуссии с выяснением сущности наметившихся разногласий и постепенной разработкой единого мнения. Простейшей разновидностью заочного опроса экспертов является разовый анонимный опрос.

    Существенный  недостаток заочного опроса экспертов, заключающийся в низком коэффициенте полезного действия, породил другой вариант заочного опроса, т.н. «метод отнесенной оценки», получивший большую известность под названием: метод Дельфи, дельфийская техника, метод эвристического прогнозирования.

    В основу этого метода положена идея о потенциальной возможности самообучения экспертов при проведении заочного опроса в несколько туров.

    В практической деятельности наибольшее распространение получили четыре основных метода экспертной оценки и множество разновидностей этих методов. Четыре основных метода экспертной оценки включают:

• метод простого ранжирования;
• метод задания весовых коэффициентов;
• метод последовательных сравнений;
• метод парных сравнений.

    Метод простого ранжирования заключается  в том, что каждый эксперт располагает признаки в порядке предпочтения. Цифрой 1 обозначается наиболее важный признак, цифрой 2 – следующий по важности и т.д.

    Метод задания весовых коэффициентов  состоит в присвоении всем признакам весовых коэффициентов (коэффициентов важности).

    Присвоение  может производиться так, чтобы сумма баллов была равна какому-либо определенному числу, например 100. Иногда наиболее важному признаку предлагается присвоить фиксированное число, например 100, а остальным признакам – задать коэффициенты, равные долям этого числа. Обобщенное мнение экспертов рассчитывается как среднее арифметическое. Очевидно, что чем больше величина коэффициента, тем больше важность этого признака.

    Метод последовательных сравнений можно  изложить в виде последовательности действий по пунктам.

    1. Эксперт упорядочивает все признаки в порядке уменьшения их значимости.

2. Первому признаку присваивается значение, равное единице, а остальным назначаются весовые коэффициенты в долях единицы. 
3. Проводится сравнение первого признака с суммой коэффициентов всех последующих. При этом можно получить один из трех вариантов:

    Очевидно, преимущество данного метода состоит  в том, что эксперт анализирует оценки по совокупности признаков. Однако метод последовательных сравнений сложен и громоздок. Его не рекомендуют использовать при более семи признаках.

    Метод парных сравнений также целесообразно  изложить в виде последовательности шагов.

    1.Каждый эксперт проводит попарную оценку приоритетности признаков. При этом каждым экспертом заполняется матрица.

    2. Определяется сумма матриц всех экспертов. Суммирование проводится по элементам матриц.

    3. Определяется результирующая матрица.

    4. Находится сумма баллов, которую набрал каждый признак. Эксперт выбирает наиболее приемлемый, по его мнению, вариант и приводит в соответствие с ним оценку первого признака.

4. Процедура повторяется с отбраковкой последних признаков по одному до сравнения признака с другими признаками.
5. Эксперт переходит к сравнению признака с последующими признаками.
6. Процедура заканчивается, когда возможности сравнения будут исчерпаны.

    Метод Дельфи – это один из наиболее перспективных методов формирования групповой оценки экспертов. Метод Дельфи был разработан известным экспертом из исследовательской корпорации «РЭНД» О. Хельмером, математиком по образованию, что обеспечило получение достаточно точного прогноза. Метод Дельфи получил свое название от греческого города Дельфи и мудрецов, славившихся в древности предсказаниями будущего, представляет собой ряд последовательно осуществляемых процедур, направленных на формирование группового мнения по проблемам с ощутимым недостатком информации. Процедуры, используемые в методе Дельфи, характеризуются тремя основными чертами: анонимностью, регулируемой обратной связью, групповым ответом. Анонимность достигается за счет применения специальных вопросников, контактом с ЭВМ и другими способами. Регулируемая обратная связь осуществляется за счет проведения нескольких туров опроса, причем результаты каждого тура обрабатываются с помощью статистических методов и сообщаются экспертам. От тура к туру мнения экспертов носят все более устойчивый характер, перестают изменяться. Такое положение служит основанием для прекращения опросов.

    Мнения  экспертов могут изменяться по следующим  признакам: некоторые из экспертов в процессе оценки ситуации могли, пренебречь отдельными моментами или не были о них осведомлены; в число экспертов попали специалисты, не занимающиеся глубоко какой-либо узкой проблемой, поэтому после оглашения результатов тура опроса они могут изменить оценку, признать мнение большинства.

    Практика  показывает, что трех-четырех туров  бывает достаточно для получения устойчивой оценки экспертов.

    Метод сценариев – один из наиболее мощных методов экспертизы, применяемых для решения сложных социально-экономических задач. Он позволяет определить этапы развития большой системы посредством разработки сценариев ее развития в тот или иной временной период.

    Сценарий  – это описание (картина) будущего, составленное с учетом правдоподобных предположений. Как правило, в силу наличия определенного количества вероятных вариантов развития, прогноз включает в себя несколько сценариев (не менее трех): оптимистический, пессимистический и средний. При графическом изображении прогноза на перспективу область, расположенная между оптимистическим и пессимистическим вариантами, носит название области допустимых решений.

    Статистические  методы базируются на использовании накопленной статистической информации об изменении показателей, характеризующих анализируемый объем или процесс.

    В методическом плане основным инструментом любого прогноза является схема экстраполяции. Различают:

• формальную экстраполяцию;
• прогнозную экстраполяцию.

    Формальная  экстраполяция базируется на предположении  о сохранении прошлых и настоящих тенденций развития объема прогноза в будущем.

    При прогнозной экстраполяции фактическое  развитие увязывается с гипотезами о динамике исследуемого процесса с учетом в перспективе его физической и логической сущности.

    Для применения статистических методов  строятся статистические модели прогнозирования, которые можно разделить на трендовые и многофакторные.

    В трендовых моделях прогнозирования  выводятся зависимости анализируемого показателя от времени.

    Многофакторные  модели позволяют получить зависимости  изучаемого параметра от широкого набора факторов, которые в той или иной мере оказывают влияние на его изменения. В этой связи трендовые модели требуют для своего построения меньше информации, чем многофакторные.