ГЛАВА 2. СИНТЕЗ АДАПТИВНЫХ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ
НА ОСНОВЕ СИСТЕМНОГО АНАЛИЗА
2.1. ПРИНЦИПЫ И МЕТОДЫ СИСТЕМНОГО АНАЛИЗА
Системный анализ – это есть не набор каких-то ру-ководств или принципов для управляющих, это способ мышления по отношению к организации и управлению [98].
Системный анализ используется в тех случаях, когда стремятся исследовать объект с разных сторон, ком-плексно. Наиболее распространенным направлением системных исследований считается системный анализ, под которым понимают методологию решения сложных задач и проблем, основанную на концепциях, разрабо-танных в рамках теории систем. Системный анализ оп-ределяется и как "приложение системных концепций к функциям управления, связанным с планированием", или даже со стратегическим планированием и целевой стадией планирования.
Термин "системный анализ" впервые появился в 1948 г. в работах корпорации RAND в связи с задачами внешнего управления, а в отечественной литературе ши-рокое распространение получил после перевода книги С. Оптнера [214].
Во многих работах системный анализ развивается применительно к проблеме планирования и управления в период усиления внимания к программно-целевым прин-ципам. В планировании термин "системный анализ" был практически неотделим от терминов "целеобразование", "программно-целевое планирование". Для исследования этих вопросов пока еще почти нет формализованных средств: имеются методики, обеспечивающие полноту расчленения системы на части, но почти нет работ, в которых исследовалось бы, как при расчленении на час-ти не утратить целого.
Понимая недостаточность и необходимость разработки средств декомпозиции и сохранения целостности, в по-следнее время часто возвращаются к определению сис-темного анализа как формализованного здравого смысла, к пониманию системного анализа как искусства.
Системный анализ основывается на следующих принципах:
1) единства – совместное рассмотрение системы как единого целого и как совокупности частей;
2) развития – учет изменяемости системы, ее спо-собности к развитию, накапливанию информации с уче-том динамики окружающей среды;
3) глобальной цели – ответственность за выбор гло-бальной цели. Оптимум подсистем не является оптиму-мом всей системы;
4) функциональности – совместное рассмотрение структуры системы и функций с приоритетом функций над структурой;
5) децентрализации – сочетание децентрализации и централизации;
6) иерархии – учет соподчинения и ранжирования частей;
7) неопределенности – учет вероятностного наступле-ния события;
8) организованности – степень выполнения решений и выводов.
Сущность системного подхода формулировалась многими авторами. В развернутом виде она сформулиро-вана В. Г. Афанасьевым, определившим ряд взаимосвя-занных аспектов, которые в совокупности и единстве составляют системный подход [19-20]:
– системно-элементный, отвечающий на вопрос, из чего (каких компонентов) образована система;
– системно-структурный, раскрывающий внутрен-нюю организацию системы, способ взаимодействия об-разующих ее компонентов;
– системно-функциональный, показывающий, какие функции выполняет система и образующие ее компо-ненты;
– системно-коммуникационный, раскрывающий взаи-мосвязь данной системы с другими как по горизонтали, так и по вертикали;
– системно-интегративный, показывающий меха-низмы, факторы сохранения, совершенствования и раз-вития системы;
– системно-исторический, отвечающий на вопрос, как, каким образом возникла система, какие этапы в своем развитии проходила, каковы ее исторические пер-спективы.
Быстрый рост современных организаций и уровня их сложности, разнообразие выполняемых операций приве-ли к тому, что рациональное осуществление функций руководства стало исключительно трудным делом, но в тоже время еще более важным для успешной работы предприятия. Чтобы справится с неизбежным ростом числа операций и их усложнением, крупная организация должна основывать свою деятельность на системном подходе. В рамках этого подхода руководитель может более эффективно интегрировать свои действия по управлению организацией.
Системный подход способствует, как уже говорилось, главным образом выработке правильного метода мышле-ния о процессе управления. Руководитель должен мыс-лить в соответствии с системным подходом. При изуче-нии системного подхода прививается такой образ мыш-ления, который, с одной стороны, способствует устране-нию излишней усложненности, а с другой – помогает руководителю уяснять сущность сложных проблем и принимать решения на основе четкого представления об окружающей обстановке. Важно структурировать задачу, очертить границы системы. Но столь же важно учесть, что системы, с которыми руководителю приходится сталкиваться в процессе своей деятельности, являются частью более крупных систем, возможно, включающих всю отрасль или несколько, порой много, компаний и отраслей промышленности, или даже все общество в це-лом. Далее следует сказать, что эти системы постоянно изменяются: они создаются, действуют, реорганизуются и, бывает, ликвидируются.
Принципиальной особенностью системного анализа является использование методов двух типов – формаль-ных и неформальных (качественных, содержательных).
Методика системного анализа разрабатывается и применяется в тех случаях, когда у лиц, принимающих решения, на начальном этапе нет достаточных сведений о проблемной ситуации, позволяющих выбрать метод ее формализованного представления, сформировать мате-матическую модель или применить один из новых под-ходов к моделированию, сочетающих качественные и количественные приемы. В таких условиях может по-мочь представление объектов в виде систем, организация процесса принятия решения с использованием разных методов моделирования.
Для того чтобы организовать такой процесс, нужно определить последовательность этапов, рекомендовать методы для выполнения этих этапов, предусмотреть при необходимости возврат к предыдущим этапам. Такая по-следовательность определенным образом выделенных и упорядоченных этапов с рекомендованными методами или приемами их выполнения представляет собой мето-дику системного анализа.
Таким образом, методика системного анализа разра-батывается для того, чтобы организовать процесс приня-тия решения в сложных проблемных ситуациях. Она должна ориентироваться на необходимость обоснования полноты анализа, формирование модели принятия ре-шения, адекватно отображать рассматриваемый процесс или объект.
Одной из принципиальных особенностей системного анализа, отличающей его от других направлений систем-ных исследований, является разработка и использование средств, облегчающих формирование и сравнительный анализ целей и функций систем управления. Вначале методики формирования и исследования структур целей базировались на сборе и обобщении опыта специали-стов, накапливающих этот опыт на конкретных примерах. Однако в этом случае невозможно учесть полноту получаемых данных.
Таким образом, основной особенностью методик системного анализа является сочетание в них формаль-ных методов и неформализованного (экспертного) зна-ния. Последнее помогает найти новые пути решения проблемы, не содержащиеся в формальной модели, и таким образом непрерывно развивать модель и процесс принятия решения, но одновременно быть источником противоречий, парадоксов, которые иногда трудно раз-решить. Поэтому исследования по системному анализу начинают все больше опираться на методологию при-кладной диалектики.
С учетом вышесказанного в определении системного анализа нужно подчеркнуть, что системный анализ:
– применяется для решения таких проблем, которые не могут быть поставлены и решены отдельными мето-дами математики, т.е. проблем с неопределенностью си-туации принятия решения, когда используют не только формальные методы, но и методы качественного анализа ("формализованный здравый смысл"), интуицию и опыт лиц, принимающих решения;.
– объединяет разные методы с помощью единой ме-тодики; опирается на научное мировоззрение;
– объединяет знания, суждения и интуицию специа-листов различных областей знаний и обязывает их к оп-ределенной дисциплине мышления;
– уделяет основное внимание целям и целеобразованию.
Приведенная характеристика научных направлений, возникших между философией и узкоспециальными дисциплинами, позволяет расположить их примерно в следующем порядке: философско-методологичекие дис-циплины, теория систем, системный подход, системология, системный анализ, системотехника, кибернетика, исследование операций, специальные дисциплины.
Системный анализ расположен в середине этого пе-речня, так как он использует примерно в одинаковых пропорциях философско-методологические представления (характерные для философии, теории систем) и формализованные методы в модели (что характерно для специальных дисциплин).
Системология и теория систем по сравнению с сис-темным анализом больше пользуются философскими понятиями и качественными представлениями и ближе к философии. Исследование операций, системотехника, напротив, имеют более развитый формальный аппарат, но менее развитые средства качественного анализа и по-становки сложных задач с большой неопределенностью и с активными элементами.
Рассматриваемые научные направления имеют много общего. Необходимость в их применении возникает в тех случаях, когда проблема (задача) не может быть решена методами математики или узкоспециальных дисциплин. Несмотря на то, что первоначально направления исходили из разных основных понятий (исследование операций – из понятия "операция"; кибернетика – из понятий "управление", "обратная связь", "системный анализ", теория систем, системотехника; системология – из по-нятия "система"), в дальнейшем направления оперируют со многими одинаковыми понятиями – элементы, свя-зи, цели и средства, структура и др.
Разные направления пользуются также одинаковыми математическими методами. В то же время есть между ними и отличия, которые обусловливают их выбор в конкретных ситуациях принятия решений. В частности, основными специфическими особенностями системного анализа, отличающими его от других системных направ-лений, являются:
– наличие, средств для организации процессов целе-образования, структуризации и анализа целей (другие системные направления ставят задачу достижения целей, разработки вариантов пути их достижения и выбора наилучшего из этих вариантов, а системный анализ рас-сматривает объекты как системы с активными элемента-ми, способные и стремящиеся к целеобразованию, а за-тем уже и к достижению сформированных целей);
– разработка и использование методики, в которой определены этапы, подэтапы системного анализа и ме-тоды их выполнения, причем в методике сочетаются как формальные методы и модели, так и методы, основан-ные на интуиции специалистов, помогающие использо-вать их знания, что обусловливает особую привлекатель-ность системного анализа для решения экономических проблем.
Системный анализ не может быть полностью форма-лизован, но можно выбрать некоторый алгоритм его проведения.
Системный анализ может выполняться в следующей последовательности:
1. Постановка проблемы – отправной момент иссле-дования. В исследовании сложной системы ему предше-ствует работа по структурированию проблемы.
2. Расширение проблемы до проблематики, т.е. нахож-дение системы проблем, существенно связанных с иссле-дуемой проблемой, без учета которых она не может быть решена.
3. Выявление целей: цели указывают направление, в котором надо двигаться, чтобы поэтапно решить про-блему.
4. Формирование критериев. Критерий – это количе-ственное отражение степени достижения системой по-ставленных перед ней целей. Критерий –это правило вы-бора предпочтительного варианта решения из ряда аль-тернативных. Критериев может быть несколько. Многокритериальность является способом повышения адекват-ности описания цели. Критерии должны описать по воз-можности все важные аспекты цели, но при этом необхо-димо минимизировать число необходимых критериев.
5. Агрегирование критериев. Выявленные критерии могут быть объединены либо в группы, либо заменены обобщающим критерием.
6. Генерирование альтернатив и выбор с использова-нием критериев наилучшей из них. Формирование мно-жества альтернатив является творческим этапом систем-ного анализа.
7. Исследование ресурсных возможностей, включая информационные ресурсы.
8. Выбор формализации (моделей и ограничений) для решения проблемы.
9. Построение системы.
10. Использование результатов проведенного систем-ного исследования.
Чтобы облегчить выбор методов в реальных условиях принятия решения, необходимо разделить методы на группы, охарактеризовать особенности этих групп и дать рекомендации по их использованию при разработке мо-делей и методик системного анализа.
Как уже отмечалось, специфической особенностью системного анализа является сочетание качественных и формальных методов. Такое сочетание составляет основу любой используемой методики. Рассмотрим основные методы, направленные на использование интуиции и опыта специалистов, а также методы формализованного представления систем.
Методы типа "мозговой атаки". Методы данного ти-па преследуют основную цель – поиск новых идей, их широкое обсуждение и конструктивную критику. Ос-новная гипотеза заключается в предположении, что сре-ди большого числа идей имеются по меньшей мере не-сколько хороших. При проведении обсуждений по ис-следуемой проблеме применяются следующие правила:
1) сформулировать проблему в основных терминах, выделив единственный центральный пункт;
2) не объявлять ложной И не прекращать исследова-ние ни одной идеи;
3) поддерживать идею любого рода, даже если ее уместность кажется вам в данное время сомнительной;
4) оказывать поддержку и поощрение, чтобы освобо-дить участников обсуждения от скованности.
При всей кажущейся простоте данные обсуждения дают неплохие результаты.
Методы экспертных оценок. Основа этих методов – различные формы экспертного опроса с последующим оцениванием и выбором наиболее предпочтительного варианта. Возможность использования экспертных оце-нок, обоснование их объективности базируется на том, что неизвестная характеристика исследуемого явления трактуется как случайная величина, отражением закона распределения которой является индивидуальная оценка эксперта о достоверности и значимости того или иного события. При этом предполагается, что истинное значе-ние исследуемой характеристики находится внутри диа-пазона оценок, полученных от группы экспертов и что обобщенное коллективное мнение является достоверным. Наиболее спорным моментом в данных методиках является установление весовых коэффициентов по вы-сказываемым экспертами оценкам и приведение проти-воречивых оценок к некоторой средней величине. Дан-ная группа методов находит широкое применение в со-циально-экономических исследованиях.
Методы типа "Делъфи". Первоначально метод "Дельфи" был предложен как одна из процедур при проведении мозговой атаки и должен помочь снизить влияние пси-хологических факторов и повысить объективность оце-нок экспертов. Затем метод стал использоваться само-стоятельно. Его основа – обратная связь, ознакомление экспертов с результатами предшествующего тура и учет этих результатов при оценке значимости экспертов.
Методы типа "дерева целей". Термин "дерево" пред-полагает использование иерархической структуры, полу-ченной путем разделения общей цели на подцели. Для случаев, когда древовидный порядок строго по всей структуре не выдерживается, В. И. Глушков ввел понятие "прогнозного графа". Метод "дерева целей" ориентиро-ван на получение относительно устойчивой структуры целей проблем, направлений. Для достижения этого при построении первоначального варианта структуры следует учитывать закономерности целеобразования и использо-вать принципы формирования иерархических структур.
Морфологические методы. Основная идея морфологи-ческого подхода – систематически находить все воз-можные варианты решения проблемы путем комбиниро-вания выделенных элементов или их признаков. В сис-тематизированном виде метод морфологического анализа был впервые предложен Ф. Цвикки и часто так и назы-вается "метод Цвикки". Известны три основные схемы метода:
– метод систематического покрытия поля, основан-ный на выделении так называемых опорных пунктов знаний в исследуемой области и использование для за-полнения поля некоторых сформулированных принци-пов мышления;
– метод отрицания и конструирования, который за-ключается в формулировке некоторых предположении и замене их на противоположные с последующим анали-зом возникающих несоответствий;
– метод морфологического ящика, который состоит в определении всех возможных параметров, от которых может зависеть решение проблемы. Выявленные пара-метры формируют матрицы, содержащие все возможные сочетания параметров по одному из каждой строки с по-следующим выбором наилучшего сочетания.
Одна из наиболее полных классификаций, базирую-щаяся на формализованном представлении систем, т.е. на математической основе, включает следующие методы:
– аналитические (методы как классической матема-тики, так и математического программирования);
– статистические (математическая статистика, тео-рия вероятностей, теория массового обслуживания);
– теоретико-множественные, логические, лингвис-тические, семиотические (рассматриваемые как разделы дискретной математики);
– графические (теория графов и пр.).
Классу плохо организованных систем соответствует в данной классификации статистические представления. Для класса самоорганизующихся систем наиболее подхо-дящими являются модели дискретной математики и гра-фические модели, а также их комбинации.
Прикладные классификации ориентированы на эко-номико-математические методы и модели и в основном определяются функциональным набором задач, решае-мых системой.
2.2. КОНЦЕПЦИЯ ПРИМЕНЕНИЯ СИСТЕМНОГО АНАЛИЗА В АДАПТИВНОМ УПРАВЛЕНИИ (НА ПРИМЕРЕ ПРОФЕССИОНАЛЬНОЙ ДЕЯТЕЛЬНОСТИ)
Сегодня явно ощущается потребность в установлении механизма адаптивного управления деятельностью человека, организации, т.е. приспособления ("подтягивания") качества и производительности индивидуальных и совместных (групповых) работ, к постоянно растущим практическим требованиям к ней: делать все в работе специалистов быстрее, качественнее и лучше, чем это удается другим сотрудникам, чтобы стабильно добиваться успеха в профессиональной деятельности.
Именно этот аспект является объектом данной работы. Познание закономерностей адаптивной деятельности сотрудников-профессионалов позволит лучше организовать процесс качественной подготовки квалифицированных кадров отрасли. Очевидно, что такое профессиональное обучение должно включать в себе как освоение сотрудниками отрасли технологии результативной деятельности, так и глубокого понимания ими механизма ее становления и совершенствования в течение всего времени их работы в отрасли. Необходимым и достаточным условием для этого является знание и умелое применение закономерностей адаптации практической деятельности и учебного процесса к изменяющимся практическим потребностям.
Следовательно, первым шагом в этом направлении должно быть установление механизма эффективного использования этих закономерностей в процессе профессиональной работы и обучения.
Сегодня признано, что профессиональная подготовка специалистов разных отраслей должна осуществляется в рамках перспективный отраслевых систем многоуровневого высшего профессионального образования ВПО. Поэтому, не случайно конечным результатом нашей исследования является научное описание механизма управления гибким приспособлением (адаптации) деятельности человека и учебного процесса подготовки и переподготовки кадров рамках системы многоуровневого ВПО России. Последняя, в качестве эксперимента, реализуется в ряде образовательных учреждений (ОУ) страны.
К сожалению, часто не замечают и не осознают требование практики к ускорению темпов подготовки и непрерывной переподготовки специалистов-профессионалов. Другими словами, подготовка профессионалов (выпускников отраслевых ОУ) и поддержание на высоком уровне их мастерства (через отраслевую систему переподготовки и повышения квалификации кадров - подсистему ВПО) требует профессионального подхода. Сегодня специалистов-профессионалов в любой отрасли готовить качественно и быстро, с минимальными ресурсными затратами.
Для уяснения сути механизма адаптивного управления деятельностью человека и качественной подготовки специалистов надо четко представлять себе, в чем состоит суть профессиональная деятельность (ПД).
Под профессиональная деятельность мы понимаем индивидуальный или совместный труд специалистов, отличающийся достижением стабильных высоких конечных результатов в типовых и неординарных ситуациях в конкретной сфере деятельности человека. Массовые (типовые) и уникальные (единичные) ситуации в той или иной отрасли образуют предметную область, где собственно и протекает деятельность ее сотрудников.
С этих позиций профессионал - это cотрудник отрасли, обладающий должным профеccиональным маcтерcтвом. Это человек, быстро, рационально и cтабильно выполняющий cвои функции, правильно путем правильного иcпользования знаний, умений и навыков (ЗУН-ов). Именно высокая результативность индивидуальной и /или/ совместной деятельности профессионалов в различных типовых ситуациях обеспечивает им главное преимущество в работе, особо выделяет их среди обычных сотрудников отрасли. Ставя во главу угла высокие конечные результаты труда профессионала (профессиональных организаций), механизм их гибкого приспособления к изменениям ситуации в предметной области, можно представить следующим образом (рис.2.1.).
Человек /специалист или группа специалистов/ - субъект (С), на основе манипуляций с информации (ее сбора, переработки, хранения и представления) организует взаимодействие с объектом (О) /частью окружающего мира/ таким образом, чтобы получить положительный, желаемый для него общественно полезный желаемый результат (ЖР).
Делает он это с минимальными затратами наличных (доступных для специалиста или группы специалистов) ресурсов по схеме: О -> C -> ЖP.
Объект ставиться в начале указанной цепочки только потому, что он как часть внешнего мира, осознанно выбирается субъектом (С) для создания открытой системы - эффективного средства достижения желаемого им результата. Внешнее проявление свойств системы объект – субъект - результат (О-С-ЖР) представляет собой ее функцию, а сама эта открытая система в действии, есть ничто иное как функциональная система (ФС), сознательно организованная и реализуемая субъектом [133-153].
Рис.2 1. Механизм результативной (профессиональной) деятельности человека
Субъект, как активный элемент или часть этой ФС, отличается от объекта, с которым он целенаправленно взаимодействует как с управляемым системным элементом, тем, что он способен осознано направлять процесс развития этой функциональной системы в нужную для него сторону, в свою пользу.
В соответствии с положениями теории отражения субъект обязательно (рис 2.1.:
а). фиксирует (отражает в своей памяти) образы: объекта - α, субъекта – β и желаемого им результата – γ (т.е. цели функционирования намеренно создаваемой им открытой системы О-С-ЖР) и
б). моделирует в своей голове такое целенаправленное взаимодействие субъекта с объектом (т.е. функционирование сис-темы О-С-ЖР) α -> β -> γ , которое, с его точки зрения, обязательно ведет к достижению поставленной им цели γ (образу желаемого результата деятельности создаваемой им системы).
Умственная (мыслительная) деятельность (она на рис.2.1. обозначена блоком A), субъекта представляет собой целенаправленные манипуляции субъекта с информацией:
- первичной (чувственной) /о планируемом, предстоящем процессе и ситуации в среде, где он будет протекать/ и
- синтезированной им /логически обработанной и закрепленной в его памяти/ в рамках абстрактной модели Fa = f (αа , βа , γа ), адекватно отражающей в целом суть реального процессе целе-направленного взаимодействия субъекта с объектом О -> C -> ЖP.
Творческих способности, собственные знания, умения, навыки и опыт, а также грамотное использование доступных субъекту знаний и опыта других людей (человечества), позволяют индивиду (в приемлемое для него время) мысленно (в своей голове) выбрать или "сконструировать", в рамках весьма общей абстрактной модели Fa = f (αа , βа , γа ), конкретный, привязанную к реальной ситуации, сценарий результативный деятельности или конкретную информационно-логическую модель (ИЛМ) Fк = f (αк , βк , γк ), отражающую именно результативную деятельность созданной им открытой системы Ок-Ск-ЖРк , обеспечивающей позитивное разрешение противоречия между тем, что требуется (желаемым) и тем она реально может в текущей ситуации (в процессе взаимодействия с внешней средой).
Следует особо подчеркнуть, что наибольшую ценность для субъекта-профессионала представляет конкретная ИЛМ Fк - образ реальной результативной деятельности системы Ок-Ск-ЖРк в текущей ситуации (типовой или неординарной), "вобравший" в себя не только идею (глубинное содержание абстрактной модели Fa), но и самый эффективный и экономный механизм ее реализации Оопт-Сопт-ЖРопт, отраженный в технологии. Fопт, образ Fк [136].
Технология (от греч. слова techne, означающего искусство, мастерство, умение) - это конкретный процесс реализации совокупности действий, хорошо отработанных, "отшлифованных" человеком на практике и направленный на достижение поставленной им цели самым экономичным и эффективным образом. Отличие технологии Fопт от образа реализации конкретной алгоритма Ок-Ск-ЖРк Fк, состоит в том, что она есть его самый лучший образ, который одновременно, и самый эффективный (в максимальным коэффициентом полезного действия), и самый экономный (с минимальным расходованием наличных ресурсов) [135-140].
Именно технология Fопт, как конкретная ИЛМ Fк хорошо отлаженного и доведенного, в процессе длительных «вызревания», тренировок, до автоматизма, до высшей степени совершенства и экономичности, дает профессионалу главное преимущество. По сравнению со всеми другими специалистами и людьми правильный выбор и реализация им Fопт обеспечивает ему более качественное, более быстрое и более экономное, чем у них, выполнении конкретной работы. Другими словами, для профессионала, как специалиста высшего класса, наиболее важна и ценна освоенная им, через большой умственный и практический труд, оптимальная деятельность открытой системы Оопт-Сопт-Ропт, обеспечивающая эффективную материализацию рациональной идеи, аналогично механизму адекватного реагирования человека на типовую ситуацию в форме рефлекса.
Конечным результатом мыслительной деятельности профессионала /она соответствует этапу АНАЛИЗА информации (Ан) в механизме управления результативной, т.е. профес-сиональной деятельности по схеме Ан->Ре->Ор / является по существу (см. рис.2.1.), угадывание (на основе творческого озарения , интуиции) или конструирование (обоснование на основе науки) в мысли информационно-логической модели Fк , "шлифовка" которой необходимо ведет к "вызреванию" эффективной технологии Fопт - образа механизма стабильного достижения положительного /желаемого для него/ результата в типовой или необычайной ситуации. Технология Fопт , т.е. обкатанная до блеска реализации ИЛМ Fк, призвана обеспечить максимальный эффект в неоднократно повторяющейся (типовой) ситуации при рациональном использовании субъектом наличных (доступных ему) ресурсов (интеллектуальных, энергетических, денежных). Более того, именно технологичность модели Fк или ее способность (в силу заложенного в нее научного потенциала) быстро "притираться", приспосабливаться к изменениям типовой ситуации, под которую "подбиралась" эта ИЛМ, обеспечивает должную адаптивность профессионала, его высокую выживаемость при ее повторении.
Научный потенциал и технологичность такой ИЛМ позволяет субъекту не только эффективно приспосабливаться к часто повторяющей (типовой) ситуации, но и достоверно предвидеть тенденции ее развития. На основе, системы обратных связей (см. рис.2.1.) он может корректировать Fк на упреждение, заранее и таким образом добиваясь все более лучшего ее соответствия реальности. При этом улучшается технологичность Fк, а, следовательно, и соответствие полученного конечного действительного результата (ДР) желаемому субъектом результату (ЖР), т.е. имеет место приспособление (адаптивность) деятельности созданной человеком системы Ок-Ск-ЖРк к типовой ситуации.
Таким образом, профессиональная деятельность (ПД) на уровне технологий, является самой результативной в виду ее гибкой приспособляемости или высокой адаптивности к изменениям типовой ситуации во внешней среде. Управление процессом конструирования и трансформации ИЛМ Fк в технологию эффективного действия Fопт (рис.2.1.) играет роль ведущего звена в этом механизме адаптации ПД.
Описанный выше механизма ПД есть не что как механизм адаптивного управления деятельностью человека. Его действенность весьма убедительно доказана эволюцией жизни на Земле. Человек, с его помощью, лучше любого представителя растительного или животного мира, быстро и эффективно приспосабливаться к развитию природы и общества.
Первый этап механизма адаптивного управления (этап АНАЛИЗА) создает необходимые предпосылки для осуществления второго и третьего его этапов (этапов B и С). Управление субъектом этим механизмом на этапах ПРИНЯТИЯ РЕШЕНИЯ - Ре (этапе B) и ОРГАНИЗАЦИИ – Ор (этапе С) обеспечивает гибкую реализации "сконструированной" субъектом модели Fк /конкретного сценария/ применительно к деятельности системы Ок-Ск-ЖРк в типовой ситуации и доведение исполнения этого решения /путем запуска механизма "шлифовки" заложенной в Fк потенциала/ до ) до высшей степени ее совершенства до технологии Fопт. Достигается это путем включения в механизма "шлифовки" ИЛМ Fк на этапе С обратной связи (ОС) для непрерывного сличения достигаемого при каждом ее "запуске" фактического конечного результата (ДР) с результатом (ЖР), предполагаемого субъектом до начала практических действий.
СЛИЧЕНИЕ (сопоставление) достигнутого и предполагаемого (ДР/ЖР) РЕЗУЛЬТАТОВ реализации ИЛМ Fк с Fопт в конкретной ситуации ПОЗВОЛЯЕТ профессионалу (через систему обратных связей на этапах A, B, C), в рамках механизма управления ПД (рис.1.7.), ПРАВИЛЬНО И относительно БЫСТРО (с четкой ориентацией на желаемый позитивный конечный результат) КОРРЕКТИРОВАТЬ все свои (индивидуальные/совместные) ДЕЙСТВИЯ на этапах: A - умственной (Ан) и C - практической (Ор) деятельности; B - принятия решения (Ре).
Эффективная адаптация деятельности профессионала к изменениям конкретной типовой ситуации возможна только в случае полной реализации механизма адаптивного управления деятельностью человека. Она и представлена на рис.2.1. Ее неуклонное исполнение, т.е. доведение ее всякий раз до логического конца, позволяет правильно оценить рассогласование между желаемым и полученным от реализации ИЛМ Fк результатами (ДР/ЖР), т.е. показывает степень соответствия реализуемой системой О-С-ЖР функции тому, что от нее требуется при достижении цели, успеха в конкретной типовой ситуации.
Другими словами, механизм управления ПД, представленный на рис.2.1., есть универсальная схема механизма гибкого управления функциональной системой (ФС), которую человек (в отличии от природы) сознательно "конструирует" /на этапе A/, а затем тщательно "шлифует", доводя до уровня эффективной технологии, и позитивно реализует в конкретной типовой ситуации /на этапе C/.
Описанный выше механизм адаптивного управления ПД (рис.2.1.) соответствует основным положениям теории функциональных систем (ТФС), сформулированным П.К. Анохиным.
Эта теория подтверждает, что ФС в организме человека предcтавляют САМОРЕГУЛИРУЮЩИЕСЯ ОРГАНИЗАЦИИ, динамичеcки и избирательно объединяющие мыслительную /психическую/ деятельность субъекта (его центральную нервную cиcтему - ЦНC, эффективно собирающую, хранящую и обрабатывающую информацию) и периферичеcкие органы ФС (организма человека), обеспечивающие достижение полезных для всего организма приспособительных (адаптивных) результатов. полезными для ФС организма результатами являютcя, в первую очередь, результаты, обеcпечивающие различные cтороны процеccов обмена в ней, требуемые для ее успешного функционирования и развития. Аналогично ФС под типовые ситуации строятся профессионалом с целью достижения им помощью системы О-С-ЖР ПОЛОЖИТЕЛЬНЫХ (полезных) РЕЗУЛЬТАТОВ и направлены на удовлетворение его различных потребноcтей (биологические, cоциальные и духовные). Эти ФС, "вызревающие" в ходе неоднократной положительной реализации ИЛМ Fk, в рамках механизма управления ПД (рис.1.7.), базируются на моделях, обусловленных текущими потребноcтями ситуационной деятельности профессионала. В организме человека такие окрытые ФС поcтоянно формируютcя обменными процеccами /вещества, энергии, информации/ в системе: О-С-ЖР и cкладываютcя под влиянием cпециальных факторов окружающей ее среды. Для профессионала это, в первую очередь, факторы определяющие результативность и экономичность его деятельности. Здесь в управлении ПД важную роль начинают играть механизмы памяти, которые также формируютcя развитием ФС, оcобенно для умственной и практической деятельности субъекта.
Так как результат дейcтвия выcтупает в качеcтве ведущего фактора организации ФC или технологии реализации Fк , то уровень адаптации деятельноcти открытой ФС О-С-ЖР (рис.1.7.) будет тем выше, чем четче cформулирована конечная цель ее функционирования, лучше "сконструирована" адекватная ей модель и безукоризненно отработана технология ее реализации. Исходя из понимания профессиональной деятельности, сформулированного в начале, можно утверждать, что профеcсионализм - это безукоризненное использование специалистом хорошо "обкатанных" технологий адаптивной деятельности или, что тоже самое, четкое исполнение им своих действия на уровне ФС или НАВЫКОВ - умений делать свое дело наилучшим образом.
Следовательно, профессионализм субъекта есть его способность материализовывать задуманное с наивысшей результативность за счет использования "эффекта системы" и сознательной неукоснительной минимизации своих усилий. Отсюда, сверхзадачей или главной конечной целью подготовки профессионала должно быть его практическое научение «технологии выживания» и выработка у него способности к саморазвитию, саморегуляции в рамках механизма адаптивного управления своей деятельностью (рис.2.1.),
Заметим, что в такой трактовке оcновные положения теории ФC можно сформулировать следующим образом:
- результат деятельноcти - объективный, ведущий показатель активноcти ФC О-С-ЖР. Он сознательно используется профессионалом для быстрого достижения успеха в интересующей его предметной сфере;
- cаморегуляция - это принцип динамичеcкой cаморганизации любой ФC. В деятельности профессионала она представлена в сознательной отработке им эффективных и экономичных технологий адаптивной деятельности;
- ФC различного уровня присущ изоморфизм /тождеcтво строения/. Следовательно, профессионал должен знать и умело применять общую для ФС /в том числе и для ФС О-С-ЖР/ схему их "дозревания", "доводки" (см. рис.2.1.);
- модель Fк предстоящей деятельности должна целоcтно (голографичеcки) отражать ФС О-С-ЖР в деятельноcти cоcтавляющих ее элементов;
- в целеcообразной организации предстоящей совместной деятельности ФС О-С-ЖР должно иметь место избирательная мобилизация результатов деятельноcти отдельных элементов и их взаимоcодейcтвие ("подыгрывание") доcтижению конечных результатов;
- ФC, в т.ч. и системе О-С-ЖР, приcуще иерархичеcкое (многоуровневое) поcтроение;
- взаимодейcтвие элементов ФС О-С-ЖР по конечным результатам имеет мультипараметричеcкий характер;
- динамичеcкое взаимодейcтвие в ФC О-С-ЖР ноcит многоcвязный одновременный и поcледовательный характер. Именно параллельно-последовательная реализация технологий обеспечивает желаемый для субъекта "эффект системы" (рис.2.1.);
- общим принципом cтановления ФС О-С-ЖР являетcя избирательное опережающее развитие cиcтем, обеcпечивающих лучшую адаптацию организма. этот принцип - основа целесообразной коррекции "узких мест" в Fк и технологии ее реализации.
Все вышеизложенное позволяет утверждать, что профессиональная подготовка специалиста должна строится как система его поэтапного, последовательного "восхождения" /в рамках изоморфной для ФС О-С-ЖР схемы механизма адаптивного управления ПД/ (см. рис.2.1.) от простых навыков (технологий, ФС) к навыкам более сложным. Для этого обучение специалистов следует строить по схеме многоуровневой подготовки спортсменов-профессионалов: от детских юношеских спортивных школ до школ олимпийского резерва. В ВПО отрасли - это факультеты довузовской подготовки, очного, очно-заочного и заочного образования, курсы переподготовки и повышения квалификации кадров. В них очень тонко и взвешенно следует отрабатывать уровни профессионального мастерства сотрудников отрасли, т.е. необходимые им навыки. В процессе обучения будущие профессионалы совместно с педагогическим коллективом ОУ должны освоить технологию выживания и выработать соответствующие ей навыки (ФС соответствующего уровня). Эти ФС предcтавляют cобой единицы (элементы) целоcтной и многогранной профессиональной деятельноcти сотрудника отрасли.
Как ее динамичеcкие cаморегулирующиеcя элементы такие ФС должны быть:
а). комплекcно cформированы обучающим и умно собраны им в целостный комплекс дозированных и последовательного усваиваемых ФС (навыков) в рамках системы многоуровневого высшего профессионального образования России и
б). освоены и развиваемы обучаемым как в процеccе его непрерывного обучения в ВПО, так и путем самообучения (самообразования).
Только в этом случае освоенные обучаемым ФС будут в состоянии обеcпечивать быcтрую адекватную реакцию на потребноcти cоциальной cреды. Конечный результат на любом этапе профессионального обучения в системе многоуровневого ВПО отрасли должен cоздавать у сотрудника ОВД комплекc ФC, обеcпечивающий:
– уcтойчивоcть результативной профеccиональной деятельноcти за cчет ее cаморегуляции (развития);
– поcтоянную реальную оценку доcтигнутого результата cамим сотрудником ОВД;
– наличие хорошо отлаженных навыков (автоматизмов) активного воздейcтвия на результат;
– воздейcтвие отдельных элементов комплекcа профессиональных ФС, ведущие к доcтижению полезного для деятельноcти сотрудника результата;
– механизм зарождения функционирования и развития ФC.
Такой процесс освоения технологии выживания, постепенного "вхождения" обучаемого в режим профессиональной самоорганизации позволит сформировать у него устойчивый механизмом адаптивного управления ПД (рис.2.1.). Этот механизм не дан человеку-профессионалу изначально, а возникает и развивается в нем в результате разумной дозированной нагрузки по выработке ФС, при его восхождении от низших навыков к высшим. Физическое взаимодействие объектов и элементарные формы отражения (этап 0) здесь явились необходимой предпосылкой. Далее можно выделить четыре этапа становления механизма управления АПД (рис.2.2.):
a - простейший замкнутый контур с обратной связью (I контур с ОС) на уровне обычного регулятора (гомеостазиса), с реакцией лишь на текущие воздействия. Появляется цель - самосохранение, самовыживание;
b - промежуточный с программым (рефлексивным) изменением характера воздействия управляющего звена (субъекта) на объект при сохранении его устойчивости;
c - механизм управления самоорганизующихся систем. Отличается наличием II контура обратной связи и органов памяти. Во II контуре осуществляется отбор полезной информации из I контура: эта информация накапливается, формируя опыт, знания. Она синтезируется формальной логикой в определенные структуры, повышая уровень организации, активность и живучесть самоорганизующейся системы;
d - механизм творческого управления системами. Он характеризуется неординарностью человеческого мышления и поиском оптимального управления деятельностью на базе ОС, памяти и диалектической логики.
Рис.2 2. Этапы становления механизма управления
Этапы b, c и d отражают этапы "вызревания" ФС в процессе неуклонного совершенствования механизма адаптивного управления ПД. Повседневная практика показывает, что процесс становления профессионала, т.е. его развитие, складывается из удачного применения им знаний, умений и навыков (ЗУНов), материализованных в ходе реализации великого множества контуров управления (целенаправленного воздействия субъекта на других людей, животных, технические средства и др.) и/или самоуправления (управления самим собой) в рамках схемы О->С->ЖР (см. рис.2.1). Каждый такой контур представляет собой целенаправленный информационно-управленческий процесс в ФС О-С-ЖР.
Структура механизма адаптивного управления профессиональной деятельностью едина и может быть представлена в виде обобщенной (до мировоззренческого уровня) модели, изображенной на рис.2.3.
Рис.2 3. Обобщенная модель механизма адаптивного управления
Заметим, что эта обобщенная концептуальная модель приспособительного целенаправленного взаимодействия субъекта с объектом (или системы управления СУ) представляет собой открытую функциональную систему (рис.2.2б), развивающуюся в рамках теории функциональных систем (рис.2.1.). Следовательно ее развитие направленно на сохранение и выживание не отдельных элементов, а всей системы в целом. Последнее является положительным аспектом ее жизнедеятельности, а отклонение от него, которое субъект призван выбирать (уменьшать, исключать) - отрицательным. Движущей силой развития такой системы выступает целеноправленное взаимодействие противоположностей: всей системы в целом и внешней среды. Для своего выживания открытая система (см. рис.2.1 и 2.2б.) должна обязательно "дотянуть" свои функции до уровня, требуемого непрерывно изменяющейся внешней средой. Для этого открытая ФС использует все имеющиеся в ее распоряжении возможности и, в первую очередь, механизм управления своим саморазвитием. Источники ее активности в этом направлении связаны с исходными моментами любого управленческого процесса - с целевой функцией (целью) и отклонением от нее. Без отклонения нет информации и процесса управления, нет развития. Упорядоченность любого типа в открытых системах возникает в результате какого-то воздействия окружающей среды на систему и ее противодействия этому воздействию. Открытая система приспосабливается к изменяющимся условиям в основном за счет накапления полезной для себя информацию, и тем самым повышает уровень своей организованности, живучести.
За счет целенаправленного сбора и обработки информации, принятия правильных решений /на базе накопленных субъектом знаний/, организации их безукоризненного исполнения профессионал, как активно приспосабливающаяся открытая системы или организуемая им ФС О-С-ЖР, реализует (лучше сознательно чем интуитивно), описанную выше "технологию выживания". Результативность ее применения тем выше, чем быстрее профессионалу удается материализовать наличные или вновь выработанные им знания и умения в навыки или технологии эффективных практических действий, адекватных складывающейся ситуации. Решающую роль в неуклонном выживания такой самоорганизующейся системы играет способность профессионала быстро трансформировать умения "делать дело" в соответствующие навыки (технологии). То есть профессионал - это не только творчески мыслящий человек, но и способный организатор по выработке необходимых ему навыков или технологий совместных действий (умений "делать дело" индивидуальных или совместных, доведенных до высшей степени совершенства, до автоматизма).
С позиций "технологии выживания" воздействия субъекта на объект вызывают отклонения некоторых его характеристик (параметров) от нормы. Возникает информация, обратная связь и в, конечном итоге, формируются замкнутые контуры (I, II и III на рис.2.2d) и соответствующие функциональные системы (ФС) организма.
С этих позиций на рис.2.3. представлена трехконтурная структура механизма адаптивного управления ПД:
abcd - контур "оперативной информации", или авторегуляции. Здесь механизмом управления реализуется уже "готовая","созревшая" ФC, в виде эффективной реакции-автоматизма на сложившуюcя cитуацию. Субъект решает простую управленческую задачу, т.к. цель деятельности в текущей ситуации ему ясна и он четко знает самый эффективный (на уровне навыков) способ ее доcтижения. Этим способом является "запуск обкатанной" до уровня безусловного рефлекса (автоматизма) эффективной ФС. Данный контур представляет собой этап автоматизации целенаправленного поведения в типовой для профессионала ситуации. На этой стадии поведенческая реакция профессионала практически не содержит ориентировочно-исследовательского компонента. Из всего разнообразия внешних сигналов, несущих информацию, он на этапе АНАЛИЗА (Ан) воспринимает лишь несколько, т. е. минимум, обеспечивающий в данной типовой ситуации УСПЕШНОЕ ДОСТИЖЕНИЕ РЕЗУЛЬТАТА ("сужение афферентности" до "ведущей" по П. К. Анохину). Этот распознанный профессионалом "пусковой" сигнал "извлекает" из его трениованной памяти готовое РЕШЕНИЕ (Ре) и "автоматически" реализует, на этапе ОРГАНИЗАЦИИ (Ор), всю предпусковую интеграцию или готовый вариант программы действий (алгоритм-автоматизм). Ситуация и достигнутый в ходе безукоризненного (на уровне навыка) исполнения этого алгоритма-автоматизма результат (ДР) сопоставляется с априорной информацией акцептора результата действия, т.е. (ЖР), лишь по минимуму основных параметров. Этим достигается "мгновенная" и адекватная реакция профессионала на ситуацию, но и обеспечивается существенная экономию его психической (умственной) и физической энергии;
befc - контур "структурной информации" или информации, полученной профессионалом в результате реализации формализмов мышления. Это контур отбора и запоминания множества "полезных следов" целенаправленного взаимодействия О->C->ЖР с помощью формальной логики, контур выработки умений "делать дело", накопления разнообразия и формирования на его основе определенной структуры -"вызревающей" ФС. Здесь имеет место развитие и совершенствование профессиональных умений и навыков в сторону их соответствия новой ситуации на уровне формальной логики. По существу в этом контуре механизм адаптивного управления с помощью итерационного цикла многократного воспроизводства (из оперативной и долговременной памяти) и уточнения (в блоке формализмов мышления) информационно-логических моделей (ИЛМ) Fa = f (αа , βа , γа ) и Fa = f (αк , βк , γк ), их элементов α, β, γ конкретных информационных характеристик в них, реализует технологию "шлифовки" приемлемых в данной ситуации "вызревающих" функциональных систем. Последние формируются профессионалом в процессе его эффективного целенаправленного поведения. Для перехода из этого контура в контур abcd необходимо выполнение условия /Fa-Fк/< ε, где ε - допустимая для практики выживания погрешность модели (сценария) деятельности. В этом контуре потребность в желаемом результате сначала трансформируется в достаточно конкретную мотивацию. Следовательно, ориентировочно-исследовательский компонент реакции профессионала на ситуацию весьма значителен. При этом профессионал уже выделяет во внешней среде все большее число сигналов /моделей и информационных характеристик/, непосредственно связанных с получением желаемого результата. Предсказываемый (ЖР) и достигаемый результат (ДР) деятельности, ее модель содержат обширную информацию о параметрах результата, а программа предстоящей деятельности представляет собой ВОСПРОИЗВЕДЕНИЕ зафиксированного в памяти способа достижения РЕЗУЛЬТАТА в новой ситуации. При этом "новая" модель Fк представляет, чаще всего, удачную модификацию или усовершенствование (под желаемый конечный результат) уже известных и апробированных моделей. В ходе упрочнения, "отшлифовки" сформированного в форме ФС направленного поведения роль ориентировочно-исследовательского компонента прогрессивно уменьшается. Натренированный специалист успешно распознает во внешней среде разнообразные установочные и пусковые раздражители, необходимые для реализации "нового" типа его поведения. В формировании такого поведения участвует вполне сформированная мотивация и обогащенная необходимым индивидуальным опытом память. Вновь фактический результат (ДР) сопоставляется с предполагаемым результом действия (ЖР) только по нескольким параметрам. Но, программа поведения профессионала имеет несколько вариантов, соответствующих возможным вариантам внешних условий, с которыми он уже встречался в период самообучения (обучения) и/или тренировки;
eklf - контур выработки научных знаний с использованием диалектической логики, творческого мышления. Именно здесь человек, с присущим ему творческим вдохновением, вырабатывает или "порождает" неординарные идеи достижения желаемого результата, вырабатывает новые понятия и кардинально изменяются концептальные модели профессиональной деятельности Fa их элементы, характеристики. При этом через контуры abcd и befc уточняются и "шлифуются" соответствующие ИЛМ Fa, конкретные модели Fк. На базе последних вырабатываются новые умения и навыки быстрого и эффективного превращения знаний в результативную профессиональную деятельность. Потребность вызывает выраженную ориентировочную реакцию и поисковое поведение. Мотивация как эмоционально окрашенная потребность в достижении конкретного результата в этом контуре скорее всего еще не сформирована. В памяти профессионала хранятся лишь генетические "подсказки" и ранее выработанные на основе индивидуального опыта определенные автоматизмы. Это готовые фрагментарные интеграции - некоторые элементы будущей ФС, обеспечивающие высокую вероятность получения необходимого результата в типовых для профессиопнала условиях. Приобретенный в результате самообучения и самовоспитания (обучения и воспитания) или опыта собственной деятельности, аппарат предвидения содержит минимум наиболее важных параметров результата. Программа деятельности в этом контуре сводится к поиску на основе творчества, интуиции или метода проб и ошибок эффективной интеграции ИЛМ, их элементов и характеристик, а также ФС организма, приводящей к получению желаемого результата. Первое достижение результата приводит к тому, что все элементы ФС консолидируются и в память человека заносится обширная информация о параметрах результата и способах его получения. Эта информация прочно фиксируется, т. е. запечатлевается специалистом, а затем используется им на всех трех описанных выше контурах.
Трехконтурная структура механизма адаптивного управления профессиональной деятельностью (рис.2.3.) есть не что иное как обобщенная структура многоуровневого целенаправленного конструирования разумного поведения человека или модели его саморазвития как открытой интеллектуальной системы с последующей ее эффективной реализацией. Представленная в данной работе функциональная структура допускает, при определенных условиях, должную адаптацию любой сложной динамической открытой интеллектуальной системы социально-экономического и социально-биологического типа. В рамках "технологии выживания" и на основе интеграции спектра информационно-логичеких моделей, их элементов и характеристик, апробированных ФС организма /для индивидуальной деятельности/ или системы О-С-ЖР /для деятельности коллективной, совместной/, профессионал обязательно достигнет первого полезного (желаемого) результата в любой необычной для него ситуации. Затем, в силу сознательной реализации "технологии выживания" он обязательно продумает и неуклонно осуществит систему мероприятий (упражнений), способствующих выработке у него сначала необходимых умений, а затем навыков, обеснечивающих достижению им высшей производительности и качества его деятельности. Указанные закономерности cиcтемной организации индивидуальных и совместных целенаправленных поведенчеcких актов профеccионалов убеждают, что их результативная деятельноcть оcущеcтвляетcя по принципу CАМОРЕГУЛЯЦИИ от cтимула к дейcтвию. При этом комплекс ФС, в первую очередь, "запускает" механизм реализации автоматизма (навыка), который лучше всего соответствует данной конкретной ситуации (конcерватизм ФC). В случае отсутствия подходящего автоматизма в ФС из наличных автоматизмов конструируется система, обеспечивающая опережающее cобытие реакцию и приводящая к первому получению полезного (желаемого) результата (плаcтичноcть ФC).
2.3. ФОРМАЛЬНАЯ ПОСТАНОВКА ОСНОВНОЙ ЗАДАЧИ СИНТЕЗА АСУ И ЕЕ ДЕКОМПОЗИЦИЯ
2.3.1. Общие понятия
Рассмотрим некоторые основные понятия, необходимые для дальнейшего изложения. При этом будут использованы как литературные данные, так и результаты, полученные в предыдущих главах данной работы.
Принятие решения в АСУ – это выбор некоторого наиболее предпочтительного управляющего воздействия из исходного множества всех возможных управляющих воздействий, обеспечивающего наиболее эффективное достижение целей управления. В результате выбора неопределенность исходного множества уменьшается на величину информации, которая порождается самим актом выбора [231-232].
Следовательно, теория информации может быть применена как для идентификации состояний объекта управления, так и для принятия решений об управляющих воздействиях в АСУ.
Модель АСУ включает в себя: модель объекта управления, модель управляющей подсистемы, а также модель внешней среды. Управляющая подсистема реализует следующие функции: идентификация состояния объекта управления, выработка управляющего воздействия, реализация управляющего воздействия.
С позиций теории информации сложный объект управления (СОУ) может рассматриваться как шумящий (определенным образом) информационный канал, на вход которого подаются входные параметры , представляющие собой управляющие воздействия, а также факторы предыстории и среды, а на выходе фиксируются выходные параметры , связанные как с входными параметрами, так и с целевыми и иными состояниями объекта управления.
2.3.2. Формальная постановка основной задачи АСУ
Одной из основных задач АСУ является задача принятия решения о наиболее эффективном управляющем воздействии. В терминах теории информации эта задача формулируется следующим образом: зная целевое состояние объекта управления, на основе его информационной модели определить такие входные параметры , которые с учетом предыстории и актуального состояния объекта управления, а также влияния среды с наибольшей эффективностью переведут его в целевое состояние, характеризующееся выходными параметрами .
С решением этой задачи тесно связана задача декодирования теории информации: по полученному в условиях помех сообщению определить, какое сообщение было передано [306]. Для решения данной задачи используются коды, корректирующие ошибки, а в более общем случае, различные методы распознавания образов.
Учитывая вышесказанное, предлагается рассматривать принятие решения об управляющем воздействии в АСУ как решение обратной задачи декодирования: что надо передать, чтобы получить заранее заданное сообщение. Данная задача решается на основе математической модели канала связи.
2.3.3. Декомпозиция основной задачи в ряд частных подзадач
Построение аналитической модели СОУ затруднено из-за отсутствия или недостатка априорной информации об объекте управления [232], а также из-за ограниченности и сложности используемого математического аппарата. В связи с этим предлагается путь решения данной проблемы, состоящий в поэтапном решении следующих задач:
1–я задача: отказавшись от попыток построения конкретной содержательной аналитической модели СОУ, разработать абстрактную модель более общего класса (матричную информационную);
2–я задача: обучить абстрактную информационную модель путем учета информации о реальном поведении СОУ, поступающей в процессе экспериментальной эксплуатации АСУ; на этом этапе адаптируется и конкретизируется абстрактная модель СОУ, т.е. в ней все более точно отражаются взаимосвязи между входными параметрами и состояниями СОУ;
3–я задача: на основе конкретной содержательной информационной модели разработать алгоритмы решения следующих задач АСУ:
3.1. Расчет влияния факторов на переход СОУ в различные возможные состояния (обучение, адаптация).
3.2. Прогнозирование поведения СОУ при конкретном управляющем воздействии и выработка многофакторного управляющего воздействия (основная задача АСУ).
3.3. Выявление факторов, вносящих основной вклад в детерминацию состояния СОУ; контролируемое удаление второстепенных факторов с низкой дифференцирующей способностью, т.е. снижение размерности модели при заданных ограничениях.
3.4. Сравнение влияния факторов. Сравнение состояний СОУ.
Сформулируем предлагаемую абстрактную модель СОУ, опишем способ ее конкретизации и приведем алгоритмы решения задач адаптивных АСУ СОУ на основе данной модели.
2.4. РЕШЕНИЕ ЗАДАЧ СИСТЕМНОГО АНАЛИЗА В РАМКАХ ПРЕДЛОЖЕННОЙ МОДЕЛИ
"Разработка абстрактной модели объекта управления"
Модель должна обеспечивать отражение взаимосвязей между входными и выходными параметрами СОУ и окружающей среды (факторами), с одной стороны, и будущими состояниями СОУ, – с другой. Как было показано выше, построить содержательную аналитическую модель СОУ не представляется возможным из–за дефицита априорной информации. Остается вариант использования феноменологической аналитической модели, например регрессионного типа, однако и для ее построения необходима исходная информация, которая, как это следует непосредственно из определения СОУ, может быть только апостериорной. Общепринятой стандартной формой представления исходной информации для анализа является матричная.
Поэтому предлагается представить информационную модель СОУ адаптивной АСУ в форме двумерной матрицы, столбцы которой соответствуют возможным будущим, конечным состояниям СОУ (в том числе – целевым), а строки – входным параметрам, т.е. факторам (табл. 2.1).
Таблица 2. 1
МАТРИЧНАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ
СЛОЖНОГО ОБЪЕКТА УПРАВЛЕНИЯ АДАПТИВНОЙ АСУ
Факторы Состояния СОУ Дифференцирующая
мощность фактора
... J ...
...
i
...
Детерминированность
состояния СОУ
Элементами матрицы являются частные критерии , отражающие влияние i–го фактора на перевод СОУ в j–е состояние.
В связи с тем, что в дальнейшем изложении широко применяются понятия теории АСУ, теории информации (связи) и теории распознавания образов, приведем таблицу соответствия наиболее часто используемых нами терминов из этих научных направлений (табл. 2.2).
Таблица 2. 2
СООТВЕТСТВИЕ ТЕРМИНОВ РАЗЛИЧНЫХ НАУЧНЫХ НАПРАВЛЕНИЙ
Теория
автоматизированного
управления Теория
распознавания
образов Теория информации
(связи)
Фактор Признак Входной сигнал
Состояние объекта
управления Класс распознавания Информационный
источник
Идентификация
состояния объекта
управления Распознавание Декодирование
Выработка
управляющего
воздействия Решение обратной
задачи
распознавания Решение обратной
задачи
декодирования
В предыдущем изложении это соответствие было раскрыто содержательно.
Выбор конкретного вида частных критериев является одним из ключевых моментов в построении информационной модели СОУ. В качестве предлагается применить семантическую меру целесообразности информации, введенную в 1960 году А.А.Харкевичем [323] на основе апостериорного подхода. Сущность этого подхода состоит в том, что количество информации оценивается по изменению степени целесообразности поведения системы в результате сообщения ей данной информации [332]. Но именно это и происходит в АСУ: управляющая подсистема оказывает на СОУ управляющее воздействие с целью перевода его в целевое состояние. Управляющее воздействие в АСУ является прежде всего информационным воздействием, т.е. некоторым сообщением.
Понятие "целесообразность поведения" тесно связано с понятием "целевое состояние". Целевым состоянием называется конечное состояние системы, в которое она должна перейти в результате оказания управляющего воздействия [193]. Поведение системы считается "целесообразным", если приближает ее к переходу в целевое состояние, и "нецелесообразным" – в противном случае. Таким образом, управляющее воздействие может изменять целесообразность поведения системы, если изменяет вероятность ее перехода в целевое состояние. Множество целевых состояний является подмножеством конечных состояний объекта управления.
В наших обозначениях мера Харкевича имеет вид:
. (5. 1)
Целесообразность выбора именно данной меры обусловлена самим смыслом величин и , обозначающих соответственно вероятность перехода СОУ в j–е конечное состояние под воздействием i–го фактора и вероятность случайного (спонтанного, самопроизвольного) перехода СОУ в то же состояние.
То же самое количество информации согласно Харкевичу может быть выражено и в другой (эквивалентной) форме:
, (5. 2)
где и обозначают вероятность обнаружения i–го фактора при переходе СОУ в j–е состояние и вероятность обнаружения этого же фактора при переходе СОУ в любое конечное состояние.
Выражения (1) и (2)непосредственно определяют, какое количество информации АСУ получает о наступлении события: {СОУ перейдет в j–е состояние}, из сообщения: {на СОУ действует i–й фактор}. Когда количество информации >0 – i–й фактор способствует переходу СОУ в j–е состояние, когда <0 – препятствует этому переходу, когда же =0 – никак не влияет на это.
Чрезвычайно важное для данного исследования выражение (1) заслуживает специального комментария. Прежде всего нельзя не обратить внимания на то, что оно по своей математической форме, т.е. формально, ничем не отличается от выражения для превышения сигнала над помехой для информационного канала [353]. Из этого, на первый взгляд, внешнего совпадения следует интересная интерпретация выражения (2). А именно: можно считать, что обнаружив некоторый i–й признак у объекта, предъявленного на распознавание, мы тем самым получаем сигнал, содержащий некоторое количество информации
о том, что этот объект принадлежит к j–му классу. По–видимому, это так и есть, однако чтобы оценить насколько много или мало этой информации нами получено, ее необходимо с чем–то сравнить, т.е. необходимо иметь точку отсчета или базу для сравнения. В качестве такой базы естественно принять среднее по всем классам распознавания количество информации, которое мы получаем, обнаруживая этот i–й признак:
Иначе говоря, если при предъявлении какого–либо объекта на распознавание у него обнаружен i–й признак, то для того, чтобы сделать из этого факта обоснованный вывод о принадлежности этого объекта к тому или иному классу, необходимо знать и учесть, насколько часто вообще (т.е. в среднем) обнаруживается этот признак при предъявлении объектов различных классов.
Фактически – это среднее количество информации можно рассматривать как некоторый "информационный шум", который имеется в данном признаке и не несет никакой полезной информации о принадлежности объектов к тем или иным классам.
Выражению (2) может быть придан более обычный для теории связи вид
который интерпретируется как вычитание шума из полезного сигнала. Эта операция является совершенно стандартной в системах шумоподавления.
Если полезный сигнал выше уровня шума, то его обнаружение несет информацию в пользу принадлежности объекта к данному классу, если нет – то, наоборот, в пользу не принадлежности.
Возвращаясь к выражению (1), необходимо отметить, что сам А.А.Харкевич рассматривал как вероятность достижения цели, при условии, что система получила информацию , а – как вероятность ее достижения при условии, что система этой информации не получала. Очевидно, что фактически соответствует вероятности случайного угадывания системой правильного пути к цели.
Необходимо отметить также, что каждый признак объекта управления как канала связи может быть охаректиризован динамическим диапазоном, равным разности максимально возможного (допустимого) уровня сигнала в канале и уровня помех в логарифмическом масштабе:
Максимальное количество информации, которое может содержаться в признаке, полностью определяется количеством классов распознавания W и равно количеству информации по Хартли: I=Log2W. Динамический диапазон признака является количественной мерой его полезности (ценности) для распознавания, но все же предпочтительней для этой цели, по мнению авторов, является применение среднего количества полезной для классификации информации в признаке, т.е. исправленное выборочное среднеквадратичное отклонение информативностей:
"Адаптация и конкретизация абстрактной модели объекта управления"
На основе обучающей выборки, содержащей информацию о том, какие факторы действовали, когда СОУ переходил в те или иные состояния, методом прямого счета формируется матрица абсолютных частот, имеющая следующий вид (табл. 2.3).
Таблица 2. 3
МАТРИЦА АБСОЛЮТНЫХ ЧАСТОТ
Факторы Состояния СОУ Сумма
... j ...
...
i
...
Сумма
здесь – количество переходов СОУ в j–е состояние при действующем i–м факторе по данным обучающей выборки.
Необходимо отметить, что в случае СОУ в большинстве случаев нет возможности провести полный факторный эксперимент для заполнения матрицы абсолютных частот. Авторы выдвигают гипотезу, что это и не обязательно (хотя и по большому счету желательно), т.е. на практике достаточно воспользоваться естественной вариабельностью факторов и состояний СОУ, представленных в обучающей выборке. С увеличением объема обучающей выборки в ней со временем будут представлены все практически встречающиеся варианты и из этих данных со временем может быть набрана выборка и для факторного эксперимента.
Подставив в (1) и , рассчитанные из данной корреляционной матрицы по очевидным формулам: , , или в (2) и , рассчитанные из той же матрицы по формулам: , , получим одно и то же выражение:
(5. 3)
Окончательное выражение для расчета количества информации в i–м факторе о переходе СОУ в j–е состояние имеет вид:
(5. 4)
где – нормировочный коэффициент, переводящий количество информации в двоичные единицы измерения информации – биты с учетом количества возможных состояний СОУ: W, а также суммарного количества зарегистрированных случаев действия различных факторов: N [8].
В соответствии с выражением (4), непосредственно на основе матрицы абсолютных частот || || (табл. 2.3) рассчитывается матрица информативностей факторов || || (табл. 2.1).
Количество информации в i–м факторе о наступлении j–го состояния СОУ является статистической мерой их связи и количественной мерой влияния данного фактора на переход СОУ в данное состояние.
"Алгоритмы решения задач АСУ"
"Расчет влияния факторов на переход объекта управления в различные возможные состояния (обучение, адаптация)"
При изменении объема обучающей выборки или изменении экспертных оценок прежде всего пересчитывается матрица абсолютных частот, а затем, на ее основании и в соответствии с выражением (28), матрица информативностей. Таким образом, предложенная модель обеспечивает отображение динамических взаимосвязей, с одной стороны, между входными и выходными параметрами, а с другой, между параметрами и состояниями объекта управления. Конкретно, это отображение осуществляется в форме так называемых профилей факторов и состояний.
В профиле i–го фактора (строка матрицы информативностей) отображается, какое количество информации о переходе СОУ в каждое из возможных состояний содержится в том факте, что данный фактор действует.
В профиле j–го состояния СОУ (столбец матрицы информативностей) отображается, какое количество информации о переходе СОУ в данное состояние содержится в каждом из факторов.
"Прогнозирование поведения объекта управления при конкретном управляющем воздействии и выработка многофакторного управляющего воздействия"
Данная модель позволяет прогнозировать поведение СОУ при воздействии на него не только одного, но и целой системы факторов:
(5. 5)
В теории принятия решений [277] скалярная функция векторного аргумента называется интегральным критерием. Основная проблема состоит в выборе такого аналитического вида интегрального критерия, который обеспечил бы эффективное решение задачи АСУ.
Учитывая, что частные критерии (1) имеют смысл количества информации, а информация по определению является аддитивной функцией, авторы предлагают ввести интегральный критерий, как аддитивную функцию от частных критериев:
(5. 6)
В выражении (6) круглыми скобками обозначено скалярное произведение. Перепишем это выражение в координатной форме:
, (5. 7)
где
– профиль j–го состояния СОУ;
– профиль текущего состояния СОУ (массив–локатор), т.е.:
Таким образом, интегральным критерием является суммарное количество информации, содержащейся в факторах различной природы (т.е. факторах, характеризующих состояние среды, объекта управления, управляющее воздействие, прогнозную информацию) о переходе СОУ в целевое состояние.
В многокритериальной постановке задача прогнозирования состояния СОУ, при оказании на него заданного многофакторного управляющего воздействия , сводится к максимизации интегрального критерия:
(5. 8)
т.е. к выбору такого состояния СОУ, для которого интегральный критерий максимален.
Задача принятия решения о выборе наиболее эффективного управляющего воздействия является обратной задачей по отношению к задаче максимизации интегрального критерия, т.е. вместо того, чтобы по набору факторов прогнозировать состояние СОУ, необходимо, наоборот, по заданному (целевому) состоянию СОУ определить такой набор факторов, который с наибольшей эффективностью перевел бы объект управления в это состояние.
Как было показано при решении задачи 3.1, профиль состояния показывает, какое количество информации о переходе СОУ в данное состояние содержится в каждом из факторов.
Факторы могут быть разделены на две основные группы, в зависимости от того, могут ли они использоваться для управления или просто должны учитываться, но не могут быть изменены:
1) на управляющие воздействия (технологии);
2) факторы окружающей среды, а также факторы, характеризующие предысторию и актуальное состояние СОУ.
Однако информации об актуальном состоянии объекта управления и среды для прогнозирования их развития при различных вариантах управляющего воздействия недостаточно – для этого необходимо еще знать и предысторию, т.е. "путь", по которому они перешли в текущее (актуальное) состояние. В общем случае предыстория развития СОУ и среды влияет на вероятности их переходов в будущие состояния. В предлагаемой методологии нет необходимости решить этот вопрос на основании априорных предположений, так как система распознавания на этапе обучения сама определяет ценность тех или иных факторов (признаков), в том числе и характеризующих прошлые состояния, для решения задач идентификации и прогнозирования.
В предлагаемой методологии влияние предшествующих состояний СОУ можно учесть двумя способами:
– введя более подробную классификацию актуальных состояний, некоторые из которых, по–видимому тождественные, как раз и будут отличаться только своей предысторией;
– расширив список факторов, потенциально влияющих на поведение СОУ, факторами, связанными с его предшествующими состояниями.
Это различие соответствует различию между простыми и составными цепями Маркова, автоматами без памяти и с памятью.
Если задано некоторое определенное целевое состояние, то выбор управляющих воздействий для фактического применения производится из списка, в котором все возможные управляющие воздействия расположены в порядке убывания их влияния на перевод СОУ в данное целевое состояние. Такой список называется информационным портретом состояния СОУ.
Управляющие воздействия могут быть объединены в группы, внутри каждой из которых они альтернативны (несовместны), а между которыми нет (совместны). В этом случае внутри каждой группы выбирают одно из доступных управляющих воздействий с максимальным влиянием.
Однако выбор многофакторного управляющего воздействия нельзя считать завершенным без прогнозирования результатов его применения. Описание СОУ в актуальном состоянии состоит из списка факторов окружающей среды, предыстории СОУ, описания его актуального (исходного) состояния, а также выбранных управляющих воздействий. Имея эту информацию по каждому из факторов в соответствии с выражением (7), нетрудно подсчитать, какое количество информации о переходе в каждое из состояний содержится суммарно во всей системе факторов.
Данный метод соответствует фундаментальной лемме Неймана–Пирсона, содержащей доказательство оптимальности метода выбора той из двух статистических гипотез, о которой в системе факторов содержится больше информации. В то же время он является обобщением леммы Неймана–Пирсона, так как, по предложению авторов, вместо информационной меры Шеннона используется обобщенная мера семантической информации Харкевича.
Предлагается еще одно обобщение этой фундаментальной леммы, основанное на косвенном учете корреляций между информативностями в профиле состояния при использовании среднего по профилю. Соответственно, вместо простой суммы количеств информации предлагается использовать ковариацию между профилями состояния и СОУ, которая количественно измеряет степень сходства формы этих профилей:
(5. 9)
где
– средняя информативность по профилю класса;
– среднее по профилю распознаваемого объекта.
– среднеквадратичное отклонение информативностей профиля класса;
– среднеквадратичное отклонение по профилю распознаваемого объекта.
Выражение (9) получается непосредственно из (7) после замены координат перемножаемых векторов их стандартизированными значениями:
Результат прогнозирования поведения СОУ, описанного данной системой факторов, представляет собой список состояний, в котором они расположены в порядке убывания суммарного количества информации о переходе СОУ в каждое из них.
Результаты сравнения качества результатов распознавания, полученных в соответствии с выражениями (7) и (9), показали, что при малых выборках они практически не отличаются, но при увеличении объема выборки до 400 и более выражение (9) дает на 5% – 7% более качественные результаты, чем (7). Поэтому базовым будем считать выражение (9).
"Выявление факторов, вносящих основной вклад в детерминацию состояния СОУ; снижение размерности модели при заданных ограничениях"
Естественно считать, что некоторый фактор является тем более ценным, чем больше среднее количество информации, содержащееся в этом факторе о поведении СОУ. Но так как в предложенной модели количество информации может быть и отрицательным (если фактор уменьшает вероятность перехода СОУ в некоторое состояние), то простое среднее арифметическое информативностей может быть близко к нулю. При этом среднее будет равно нулю и в случае, когда все информативности равны нулю, и тогда, когда они будут велики по модулю, но с разными знаками. Следовательно, более адекватной оценкой полезности фактора, по мнению авторов, является среднее модулей или, что наиболее точно, исправленное (несмещенное) среднеквадратичное отклонение информативностей по профилю признака.
Ценность фактора по сути дела определяется его полезностью для различения состояний СОУ, т.е. является его дифференцирующей способностью или селективностью.
Необходимо также отметить, что различные состояния СОУ обладают различной степенью обусловленности, т.е. в различной степени детерминированы факторами: некоторые слабо зависят от учтенных факторов, тогда как другие определяются ими практически однозначно. Количественно детерминируемость состояния СОУ авторами предложено оценивать стандартным отклонением информативностей профиля обобщенного образа данного состояния.
Предложено и реализовано несколько итерационных алгоритмов корректного удаления малозначимых факторов и слабодетерминированных состояний СОУ при заданных граничных условиях. Решение задачи снижения размерности модели СОУ при заданных граничных условиях позволяет снизить эксплуатационные затраты и повысить эффективность адаптивной АСУ СС.
"Сравнение влияния факторов. Сравнение состояний объекта управления"
Факторы могут сравниваться друг с другом по тому влиянию, которое они оказывают на поведение СОУ. Сами состояния могут сравниваться друг с другом по тем факторам, которые способствуют или препятствуют переходу СОУ в эти состояния. Это сравнение может содержать лишь результат, т.е. различные степени сходства/различия (в кластерном анализе), или содержать также причины этого сходства/различия (в когнитивных диаграммах).
Эти задачи играют важную роль в теории и практике адаптивных АСУ СС при необходимости замены одних управляющих воздействий другими, но аналогичными по эффекту, а также при изучении вопросов устойчивости управления (различимости состояний СОУ по детерминирующим их факторам).
Этот анализ проводится над классами распознавания и над признаками. Он включает:
– информационный (ранговый) анализ;
– кластерный и конструктивный анализ, семантические сети;
– содержательное сравнение информационных портретов, когнитивные диаграммы.
Подробнее эти методы анализа рассмотрены в работе [277].
2.5. МОДЕЛИ И МЕТОДОЛОГИЯ СИНТЕЗА АДАПТИВНЫХ АСУ СЛОЖНЫМИ СИСТЕМАМИ
2.5.1. Цели и типовая структура АСУ. Параметрическая модель адаптивной АСУ СС
Цель применения АСУ обычно можно представить в виде некоторой суперпозиции трех подцелей:
– стабилизация состояния объекта управления в динамичной или агрессивной внешней среде;
– перевод объекта в некоторое конечное (целевое) состояние, в котором он приобретает определенные заранее заданные свойства;
– повышение качества функционирования АСУ (адаптация).
В классическом варианте АСУ рассматривается как система, состоящая из двух основных подсистем: управляющей и управляемой, т.е. из субъекта и объекта управления (рис. 3.1).
Рис. 3. 1. Типовая структура АСУ
Как правило, АСУ действует в определенной окружающей среде, которая является общей и для субъекта, и для объекта управления (система управления находится вне среды объекта управления в случае автоматизированных систем дистанционного управления, рассмотрение которых выходит за рамки данной работы).
Граница между тем, что считается окружающей средой, и тем, что считается объектом управления относительна и определяется возможностью подсистемы управления оказывать на них воздействие: на объект управления управляющее воздействие может быть оказано, а на среду нет.
В данной работе основное внимание уделяется применению методов распознавания образов и принятия решений в структуре АСУ (в составе управляющей подсистемы), во–первых, в подсистеме идентификации (мониторинга) состояний среды и объекта управления, и, во–вторых, в подсистеме выработки управляющих воздействий.
Конкретизируем типовую структуру АСУ, используя представления о входных и выходных параметрах объекта управления. В результате получим параметрическую модель адаптивной АСУ сложными системами (рис. 3.2).
Рис. 3. 2. Параметрическая модель адаптивной АСУ
сложными системами
Входные параметры подразделяются на следующие группы:
– характеризующие предысторию среды и объекта управления;
– характеризующие актуальное состояние среды и объекта управления;
– технологические (управляемые) параметры;
– неуправляемые параметры (не зависящие от человека).
Выходные параметры – это свойства объекта управления, зависящие от входных параметров (в т.ч. параметров, характеризующих среду):
В автоматизированных системах параметрического управления целью управления является получение определенных значений выходных параметров объекта управления.
Однако, как было показано выше, в случае сложного объекта управления (СОУ) необходимо ввести понятие "состояние объекта управления", так как выходные параметры СОУ связаны с его состоянием сложным и неоднозначным способом:
Поэтому возможность параметрического управления сложными объектами является проблематичной и вводится более общее понятие "управление по состоянию СОУ". При этом в предельном случае, когда связь выходных параметров и состояний объекта управления имеет однозначный и детерминистский характер, управление по состояниям сводится к управлению по параметрам.
Задача идентификации состояния СОУ по его выходным параметрам решается подсистемой идентификации управляющей подсистемы, работающей на принципах системы распознавания образов. При этом классами распознавания являются состояния сложного объекта управления, а признаками – его выходные параметры.
Подсистема выработки управляющих воздействий, также основанная на алгоритмах распознавания образов, решает следующие задачи:
– прогноз развития окружающей среды;
– прогноз развития объекта управления;
– выбор управления , переводящего объект управления в целевое состояние .
При этом последовательно решаются следующие две обратные задачи распознавания:
во–первых, по заданному целевому состоянию определяются наиболее характерные для данного состояния выходные параметры объекта управления:
во–вторых, по определенному на предыдущем шаге набору выходных параметров определяются входные параметры , с наибольшей эффективностью переводящие объект в состояние с этими выходными параметрами:
Подсистема реализации управляющих воздействий осуществляет выбранное технологическое воздействие на объект управления.
Таким образом, цель АСУ представлена в форме суперпозиции трех подцелей. Она может быть достигнута лишь при вполне определенной функциональной структуре самой АСУ, которая представлена как в форме традиционной типовой модели, так и в форме предложенной детализированной параметрической модели.
В параметрической модели адаптивной АСУ СС конкретно определено и обосновано место системы распознавания образов и принятия решений в функциональной структуре управляющей подсистемы адаптивной АСУ СС.
2.5.2. Алгоритмы функционирования адаптивных АСУ СС
Применение системы распознавания и принятия решений в подсистемах идентификации и выработки управляющих воздействий
Как видно из рис. 3.2, система распознавания образов входит в состав как подсистемы идентификации состояния объекта управления (мониторинга), так и подсистемы выработки управляющих воздействий.
Однако применяется она в этих подсистемах по–разному.
В подсистеме идентификации система распознавания образов применяется для того, чтобы классифицировать состояние сложного объекта управления, т.е. дать ему обобщающую оценку, не сводящуюся к совокупности значений выходных параметров. Таким образом, в подсистеме идентификации основным является режим распознавания. Естественно, что без режима обучения системы распознавания этот режим вообще не будет работать, а без режима верификации будет, но неизвестно как (что неприемлемо).
В подсистеме выработки управляющих воздействий по заданным целевым состояниям определяются:
– предпосылки, т.е. не зависящие от человека факторы (предыстория, факторы среды), необходимые для достижения этого состояния;
– управляющие воздействия, которые могут перевести (т.е. ранее переводили) сложный объект управления в данном актуальном (исходном) состоянии, с данной предысторией и находящийся в данной окружающей среде в заданное целевое состояние.
Обе эти задачи, как будет обосновано ниже, относятся к обратным задачам декодирования и для системы распознавания образов являются стандартными. Реализуются они в режиме анализа: "Вывод информационного портрета класса с фильтрацией по уровню признаков".
Адаптивность алгоритмов обеспечивается следующим. Накопление информации о результатах предыдущих циклов управления в базе данных примеров позволяет учесть при принятии решений о выборе управляющих воздействий новые закономерности связи факторов и поведения объекта управления. При высокой динамичности объекта управления ранее накопленные примеры устаревают и их влияние на выбор управляющих воздействий с течением времени уменьшается. Кроме того имеются такие адаптивные возможности, как пересмотр экспертных оценок и изменение списков классов распознавания и факторов.
После выработки управляющих воздействий с помощью режима распознавания может быть осуществлен прогноз результатов их применения.
Таким образом, в подсистеме выработки управляющих воздействий режим анализа обобщенных образов является основным, а режим распознавания – вспомогательным. Естественно, без режима обучения и режима верификации этот режим также либо вообще не будет работать, либо будет, но неизвестно как.
Следовательно, в подсистемах идентификации (мониторинга) и выработки управляющих воздействий может быть применена практически одна и та же система распознавания образов. Однако в этих подсистемах система распознавания используется по–разному и в ней обрабатывается различная информация: в системе идентификации используется лишь режим распознавания, а в подсистеме выработки управляющих воздействий – прежде всего режим анализа, а также распознавания. В обеих подсистемах используются режимы обучения и верификации решающих правил.
Обобщенная структура и алгоритм функционирования автоматизированной системы распознавания образов и принятия решений в составе адаптивной АСУ СС
Рассмотрим алгоритмы функционирования системы на примере ее применения в подсистеме выработки управляющих воздействий (рис. 2.3).
Информация о состоянии среды и объекта управления, а также вариантах управляющих воздействий поступает и на вход подсистемы распознавания, и на вход подсистемы обучения, например с учителем (экспертом).
Рис. 2. 3. Обобщенная функциональная структура программной инструментальной оболочки
В режиме распознавания работа по преобразованию информации о вариантах управляющего воздействия в формализованный вид осуществляется либо в режиме реального времени программным интерфейсом с источником этой информации, либо оператором, обслуживающим систему. При этом используются описательные шкалы, позволяющие закодировать виды управляющих воздействий и состояния среды и объекта управления. В результате выполнения данной операции формируются специальные базы данных, которые называются "распознаваемая выборка". Эти базы обрабатываются распознающим алгоритмом, в результате чего формируется основной результат работы подсистемы идентификации: автоматическая классификация будущих возможных состояний объекта управления при различных вариантах управляющих воздействий на него. При этом учитывается также состояние среды и прогноз ее развития.
Однако режим распознавания не может быть практически использован, пока не сформированы решающие правила, с которыми работает распознающий алгоритм. А эту функцию выполняет режим обучения с учителем (экспертом).
Данный режим в подсистеме выработки управляющих воздействий работает во многом аналогично тому, как и в подсистеме идентификации (мониторинга) состояний среды и объекта управления, однако есть и существенные отличия. Главное из них вытекает из отличия задач идентификации и прогнозирования. Математически эти задачи практически не отличаются. При идентификации по актуальным признакам надо классифицировать актуальное состояние, а при прогнозировании по прошлым и актуальным признакам – будущее состояние. Таким образом, различие между этими режимами состоит, в основном, в содержании исходной информации, а не в методах ее обработки.
Исходя из вышесказанного можно предположить, что применение методов распознавания образов и принятия решений в принципе позволяет решить задачи подсистемы идентификации одновременно с выработкой управляющих воздействий.
При преобразовании неструктурированной информации о вариантах управления в формализованный вид выполняются те же работы (и теми же исполнителями), что и в подсистеме распознавания. Кроме того, дополнительно экспертами с использованием классификационных шкал сообщается системе, к каким результатам на практике приводят те или иные управляющие воздействия на объект управления, находящийся в определенном актуальном состоянии и в данной окружающей среде. Вся эта информация представляется в виде специальных кодированных бланков, используемых также для ввода информации в компьютер. В результате ее ввода в базы данных получается так называемая "обучающая выборка", которая по своей структуре очень похожа на распознаваемую, но содержит еще и верифицированную классификационную информацию, имеющую прогностическую ценность и предоставляемую экспертами. Таким образом, обучающая выборка организуется на основе экспериментальных данных, дополненных их экспертной оценкой. Эта выборка обрабатывается обучающим алгоритмом, на основе чего им формируются решающие правила (обобщенные образы классов распознавания, отражающие весь спектр будущих возможных состояний объекта управления), а также определяется ценность признаков для решения задач подсистемы идентификации, мониторинга и прогнозирования.
Признаки, не имеющие особой прогностической ценности, могут быть корректным способом удалены из системы. Этот процесс осуществляется с помощью итерационных алгоритмов (при этом обеспечивается выполнение ряда ограничений, таких как результирующая размерность пространства признаков, его информационная избыточность и т.п.), заданных пользователем.
Формирование решающих правил является основным результатом работы подсистемы обучения, но не единственным. Эта система позволяет провести так называемый типологический анализ.
Режим верификации (расчета интегральной и дифференциальной валидности, т.е. контроля качества решающих правил) основан на использовании внутреннего критерия качества алгоритма распознавания и может быть выполнен в любой момент (это должно обязательно исполняться после каждой адаптации, а также по требованию экспертов). Для активизации данного режима обучающая выборка копируется в распознаваемую, осуществляется ее автоматическая классификация, результаты которой сравниваются с независимой экспертной классификацией. На основе этого рассчитывается так называемая внутренняя дифференциальная и интегральная валидность, которая является, соответственно, детализированной и обобщающей характеристиками качества решающих правил.
Однако адаптация, т.е. переформирование решающих правил, не обязательно выполняется только при обнаружении неудовлетворительного качества их работы, как в алгоритмах перцептронного типа [291] (в данном случае при неудовлетворительных результатах прогнозирования эффекта управления). По мнению авторов, более рационально проводить адаптацию каждый раз, когда становится доступной новая, необходимая для этого информация. Поэтому в подсистеме идентификации предусмотрен режим дозаписи распознаваемой выборки к обучающей, чтобы в последующем, когда за счет использования обратной связи станет известна степень адекватности прогноза результатов управления, этой верифицированной (т.е. достоверной) информацией дополнить обучающую выборку и переформировать решающие правила.
Необходимо также отметить, что при адаптации могут быть легко изменены и описательные, и классификационные (оценочные) шкалы, что позволяет плавно расширить или изменить сферу функционирования АСУ.
Адаптивные АСУ сложными системами, созданные на основе предлагаемой технологии, относятся к классу автоматизированных систем организационного управления. Это означает, что и идентификация состояния среды и объекта управления, и выработка управляющего воздействия осуществляются с участием человека, т.е. по "человеко–машинной" технологии. Поэтому и управляющее воздействие реализуются системой не "автоматически" и в форме, соответствующей характеру объекта управления.
Итак, модель СОУ формируется в процессе обучения. Выработка управляющего воздействия осуществляется в подсистеме типологического анализа путем решения обратной задачи распознавания (режим "Информационные портреты"). В режиме распознавания осуществляется идентификация состояния СОУ и прогнозирование результатов применения управляющего воздействия.
2.5.3. Методология и методика синтеза адаптивных АСУ
В данной главе просуммированы основные результаты предыдущих глав и на основе этого получен главный итог теоретической части данной работы: методология синтеза адаптивных АСУ СС. Далее эта методология конкретизирована до уровня методики, алгоритма, а затем и конкретного примера реализации синтеза адаптивной АСУ CC (в качестве СОУ выбрана автономная комбинированная фотоветроэлектроэнергетическая установка – ФВЭУ).
Методология синтеза ААСУ СС
Как было показано выше, объект определяется как сложный, если для построения его аналитической модели недостаточно априорной информации. Очевидно, классификация объекта как сложного относительная, т.е. зависит не только от его объективной сложности, но и от наличия у разработчиков АСУ достаточной информации о нем. Следовательно, для построения аналитической модели сложного объекта управления необходимо изучить (познать) его.
В качестве инструмента для первого этапа изучения (познания) сложных систем, связанного с первичным накоплением и анализом данных об их поведении под влиянием различных факторов, авторами предложено применение обучающихся с учителем адаптивных моделей распознавания образов и принятия решений, основанных на теории информации вообще и на апостериорном подходе в частности.
Подобные модели предлагаются в настоящем исследовании. Необходимо отметить, что их применение в АСУ не является традиционным.
Применение обучающейся с учителем адаптивной модели в реально работающей АСУ позволяет выделить существенные признаки (факторы), а также зависимости между ними и целевыми состояниями объекта управления. Построение на этой основе содержательной аналитической или какой-либо другой статической модели детерминистского типа уже не является большой проблемой.
Таким образом, адаптивные АСУ сложными системами, построенные на основе обучающихся и адаптивных моделей, могут рассматриваться как инструментальные средства для разработки традиционных АСУ.
Основная задача, возникающая при синтезе АСУ, состоит в определении конкретного вида модели, которая представляет собой по существу математическую модель объекта управления. Модель представляет собой некоторое аналитическое выражение (или систему выражений), связывающее входные и выходные параметры объекта управления. Для построения модели используется априорная информация об объекте управления.
В случае сложного объекта управления пути построения модели неочевидны и задача ее построения трансформируется в проблему. Это следует уже непосредственно из самого определения сложной системы.
Само понятие "модели" также требует уточнения для случая СОУ. Выходные параметры связаны с состояниями СОУ сложным, неоднозначным, а часто и просто неизвестным образом, поэтому известных параметров СОУ недостаточно для полного и однозначного определения его состояния. Следовательно, принимать решение об управляющем воздействии на СОУ, зная только его выходные параметры, рискованно. Управление СОУ должно осуществляться не по его параметрам, а по состояниям. Но для этого, как минимум, надо уметь идентифицировать эти состояния. Следовательно, в АСУ СОУ возникает задача вероятностной идентификации состояния сложного объекта управления по его наблюдаемым (известным) параметрам. (Отметим, что для объектов управления, которые полностью описываются своими параметрами, понятие "состояние объекта" эквивалентно понятию "система параметров", поэтому оно в явном виде не вводится, хотя и подразумевается.)
Данная задача должна решаться на основе математической модели СОУ. Для ее построения целесообразно использовать более общие классы моделей, чем аналитические, например, матричные (статистические) и информационные модели, которые относятся к абстрактным моделям.
Подобные модели не могут быть непосредственно применены для управления. Они требуют предварительной конкретизации, которая осуществляется путем учета конкретной информации о фактическом поведении данного СОУ. Предлагается компенсировать недостаток априорной информации о сложном объекте управления апостериорной информацией о нем, т.е. окончательный синтез модели СОУ (его модели) предлагается осуществлять не до начала эксплуатации АСУ, как обычно, а уже непосредственно в процессе ее эксплуатации в адаптивном режиме.
Первая и основная цель всякого АСУ, в том числе и АСУ СОУ, состоит в том, чтобы эффективно перевести объект управления в целевое состояние. Но АСУ СОУ должны обеспечивать также и достижение второй задачи, а именно: формирование конкретной информационной модели СОУ на основе некоторой абстрактной модели и фактической информации о поведении СОУ.
Из вышесказанного следует, что работы по разработке и внедрению АСУ СОУ существенно отличаются от "стандартного варианта". Так, обычно АСУ сначала полностью разрабатываются (включая модель объекта управления и методы выработки управляющего воздействия), а затем внедряются, причем уже на этапе экспериментальной эксплуатации осуществляется реальное управление объектом управления. Этот цикл "разработка–внедрение" может повторяться, в этом случае говорят о разработке и внедрении новых версий АСУ.
В случае же АСУ СОУ конкретизация модели сложного объекта управления и методов выработки управляющих воздействий осуществляется не "за рабочим столом", а лишь на этапе экспериментальной эксплуатации. При этом реальное управление СОУ не осуществляется, а лишь имитируется (моделируется) в целях определения его эффективности и качества. Этап экспериментальной эксплуатации, по сути являющийся адаптацией, заканчивается тогда, когда качество управления достигает практически приемлемого уровня. Только после этого начинается реальная эксплуатация АСУ СОУ в опытно–производственном и производственном режимах.
Существуют два подхода в применении АСУ СОУ:
эксплуатация в режиме АСУ с фиксированной моделью;
эксплуатация в адаптивном режиме, когда периодически согласно утвержденному регламента или при наступлении определенного события, например, когда в АСУ накопится информация об определенном количестве циклов управления [13], запускается режим перестройки модели адаптации.
Следовательно, по своей сущности АСУ СОУ являются адаптивными, но использоваться они могут и как стационарные [13]. Таким образом, вторая цель адаптивных АСУ (адаптация модели) в контексте данного исследования выступает на первый план, так как авторы предлагают использовать адаптивные АСУ СОУ в качестве инструментальных систем для синтеза АСУ, т.е. по сути дела в качестве систем автоматизации проектирования АСУ (САПР АСУ). Имеется в виду, что абстрактные модели, реализованные в адаптивных АСУ СОУ, достаточно универсальны для того, чтобы путем адаптации (привязки) на основе данных о различных конкретных СОУ обеспечить синтез широкого класса конкретных АСУ.
При проектировании адаптивной АСУ СОУ прежде всего возникает задача выбора определенной абстрактной модели СОУ. К модели предъявляют ряд довольно жестких требований, связанных с тем, что эта модель должна обеспечивать выработку управляющего воздействия в АСУ СОУ. Как минимум, это означает, что данная модель должна обеспечивать решение следующих задач:
формирование обобщенных образов состояний СОУ на основе обучающей выборки (обучение);
идентификацию состояния СОУ на основе его выходных параметров (распознавание);
определение влияния входных параметров на перевод СОУ в различные состояния (обратная задача распознавания);
прогнозирование поведения СОУ в условиях полного отсутствия управляющих воздействий;
прогнозирование поведения СОУ при различных вариантах управляющих воздействий.
Чтобы решение этих задач представляло практический интерес, оно должно обеспечиваться в режиме реального времени на реальных размерностях данных и на стандартных компьютерах.
Учитывая эти требования, авторами предложено в качестве абстрактной модели применить модель распознавания образов, которая конкретизируется путем обучения с учителем (экспертом) на основе информации о фактическом поведении СОУ.
Отметим, что с формально-математической точки зрения задачи идентификации и прогнозирования не отличаются, различие состоит лишь в содержании обрабатываемой информации: при идентификации по актуальным признакам надо классифицировать актуальное состояние СОУ, а при прогнозировании по прошлым и актуальным признакам (факторам) его будущее состояние.
Возникло предположение, что различные методы распознавания в различной степени удовлетворяют вышеперечисленным требованиям. И действительно, аналитический обзор и анализ различных моделей распознавания образов, описанных в специальной литературе, приводит к выводу, что, безусловно, выбор уже разработанной абстрактной модели, удовлетворяющей всем этим требованиям одновременно, представляет собой определенную проблему.
Поэтому авторами было признано целесообразным разработать модель распознавания с учетом требований, предъявляемых в адаптивных АСУ сложными объектами. Такая модель была разработана [318, 327, 329] на основе теории информации и апостериорного подхода А.А.Харкевича [373], который предложил семантическую меру целесообразности информации. В соответствии с этим подходом количество информации измеряется изменением степени целесообразности поведения системы (в нашем случае СОУ).
Рассмотрим подробнее применение данной модели в адаптивных АСУ сложными объектами.
Как уже отмечалось выше, цель применения АСУ обычно можно представить в виде некоторой суперпозиции трех подцелей:
Стабилизация состояния объекта управления в динамичной или агрессивной внешней среде.
Перевод объекта в некоторое конечное (целевое) состояние, в котором он приобретает определенные заранее заданные свойства.
Повышение качества функционирования АСУ (адаптация).
Эти цели имеют различные приоритеты в различных типах АСУ. В данном исследовании на первый план выступает вторая цель, являющаяся более общей.
В классическом варианте АСУ рассматривается как система, состоящая из двух основных подсистем: управляющей и управляемой, т.е. из субъекта и объекта управления (см. рис.3.1). Причем АСУ действует в определенной окружающей среде, которая является общей и для субъекта, и для объекта. Граница между тем, что считается окружающей средой, и тем, что считается объектом управления относительна и определяется возможностью подсистемы управления оказывать на них воздействие: на объект управления управляющее воздействие может быть оказано, а на среду нет.
Как было указано выше, управляющая система (см. рис. 2.2) состоит из следующих подсистем:
А. Подсистема идентификации состояний окружающей среды и объекта управления.
Б. Подсистема выработки управляющих воздействий.
В. Подсистема реализации управляющих воздействий (исполнительный орган).
Некоторые авторы [241] объединяют первые две подсистемы в одну, которую называют управляющим органом.
А. Подсистема идентификации (мониторинга) по сути дела решает задачу измерения, т.е. по определенным внешним признакам, на основе модели, она принимает решения о принадлежности текущих состояний среды и объекта управления к определенным классификационным категориям, т.е. к тем или иным градациям измерительных шкал.
Б. Подсистема выработки управляющих воздействий анализирует влияние среды на объект управления и вырабатывает такие управляющие воздействия, которые, действуя с учетом прогнозируемого влияния среды, позволяют в определенном смысле "наилучшим образом" достичь цели управления.
В. Подсистема реализации управляющих воздействий, т.е. исполнительный орган, непосредственно осуществляет управляющее воздействие на управляемый объект. Управляющие воздействия имеют различную природу, соответствующую типу объекта управления.
Рассмотрим применение системы распознавания в подсистемах идентификации и выработки управляющих воздействий адаптивных АСУ СОУ. Как видно из рис. 2.2, система распознавания образов входит как в подсистему идентификации состояния объекта управления (мониторинга), так и в подсистему выработки управляющих воздействий.
Однако применяется она в этих подсистемах по–разному.
В подсистеме идентификации система распознавания образов применяется для того, чтобы классифицировать состояние сложного объекта управления, т.е. дать ему обобщающую (т.е. макро–) оценку, не сводящуюся к совокупности значений его выходных параметров. Поэтому в подсистеме идентификации основным является режим распознавания.
В подсистеме выработки управляющих воздействий по заданным целевым состояниям СОУ определяют:
предпосылки, т.е. не зависящие от человека факторы (включающие предысторию СОУ, его актуальное состояние и факторы среды), необходимые для достижения этого состояния;
управляющие воздействия, которые могут перевести (т.е. ранее переводили) сложную систему в данном актуальном состоянии, с данной предысторией и находящуюся в данной окружающей среде в заданное целевое состояние.
Обе эти задачи относятся к обратным задачам декодирования теории информации. Для предложенной авторами модели распознавания образов они являются стандартными и реализуются в типологическом анализе при выводе информационного портрета класса распознавания с фильтрацией по уровню признаков.
После выработки управляющих воздействий прогнозируется результат их применения. Для этого применяется режим распознавания.
Итак, в подсистеме выработки управляющих воздействий основным является режим вывода информационных портретов (решения обратной задачи декодирования), а режим распознавания вспомогательным.
Следовательно, в подсистемах идентификации (мониторинга) и выработки управляющих воздействий практически может быть применена одна и та же система распознавания образов. Однако в этих подсистемах система распознавания используется по–разному и в ней обрабатывается различная информация:
в системе идентификации используется режим распознавания;
в подсистеме выработки управляющих воздействий режим вывода информационных портретов (обратная задача распознавания).
В обеих подсистемах используются режимы обучения с учителем (экспертом) и верификации решающих правил. Без обучения основные режимы вообще не работают, а без верификации работают, но неизвестно как.
Алгоритм синтеза ААСУ СС
Рассмотрим подробнее предлагаемый авторами алгоритм синтеза адаптивных АСУ сложными объектами с применением модели распознавания образов.
Основная идея предлагаемого алгоритма состоит в том, что применение обучающейся с учителем (экспертом) адаптивной модели позволяет выявить информационные зависимости между факторами и целевыми состояниями объекта управления, т.е. фактически конкретизировать абстрактную модель СОУ, построить его модель и осуществить синтез АСУ (рис. 2.4).
Шаг 1–й (формальная постановка задачи): для начала работы по конкретизации модели СОУ разрабатывают описательные и классификационные шкалы, необходимые для формализованного описания предметной области. Описательные шкалы описывают признаки прошлых и актуальных состояний среды и объекта управления, а классификационные – все возможные, в том числе целевые, будущие состояния СОУ.
Шаг 2–й (формирование обучающей выборки): информация о состоянии среды и объекта управления, а также вариантах управляющих воздействий поступает на вход подсистемы обучения с учителем. Работа по преобразованию информации о вариантах управляющего воздействия в формализованный вид (кодирование) осуществляется оператором, обслуживающим систему. При этом используются описательные шкалы, позволяющие описать в формализованном виде варианты управляющих воздействий, а также состояния среды и сложного объекта управления. Кроме того, экспертами (дополнительно) с использованием классификационных шкал сообщается системе, к каким результатам на практике приводят те или иные управляющие воздействия на объект управления, находящийся в определенном актуальном состоянии и в данной окружающей среде.
Рис.2 4. Алгоритм синтеза
адаптивной АСУ сложными системами
Вся эта информация представляется в виде специальных кодированных бланков, используемых также для ввода информации в компьютер. В результате ее ввода в базы данных получается так называемая "обучающая выборка".
Шаг 3–й (обучение): обучающая выборка обрабатывается обучающим алгоритмом, на основе чего им формируются решающие правила (обобщенные образы состояний СОУ, отражающие весь спектр будущих возможных состояний объекта управления), а также определяется ценность факторов для решения задач подсистемы идентификации, мониторинга и прогнозирования.
Шаг 4–й (оптимизация): факторы, не имеющие особой прогностической ценности, корректным способом удаляются из системы. Данный процесс осуществляется с помощью итерационных алгоритмов, при этом обеспечивается выполнение ряда ограничений, таких как результирующая размерность пространства факторов, его информационная избыточность и т.п.
Шаг 5–й (подготовка данных для типологического анализа): формирование решающих правил не является единственным результатом работы подсистемы обучения. Эта система готовит также исходные данные для типологического анализа, который включает: информационные портреты, кластерно–конструктивный анализ, семантические сети, а также когнитивные диаграммы состояний СОУ и факторов [196].
Шаг 6–й (адаптация модели). В подсистеме идентификации предусмотрен режим дозаписи распознаваемой выборки к обучающей, чтобы в последующем, когда станет известна степень адекватности прогноза результатов управления, этой верифицированной (т.е. достоверной) оценочной информацией дополнить обучающую выборку и переформировать решающие правила (обучающая обратная связь). При адаптации могут быть легко изменены и описательные, и классификационные (оценочные) шкалы, что позволяет плавно расширить или изменить сферу функционирования адаптивной АСУ СОУ.
Шаг 7–й (верификация модели): если решающие правила построены (на шаге 3) и оптимизированы (на шаге 4), но качество их работы неизвестно, то пользоваться ими для принятия решений было бы опрометчиво. Верификация решающих правил основана на использовании внутреннего критерия качества алгоритма распознавания и может быть выполнена в любой момент, например по требованию экспертов, но в обязательном порядке после каждой адаптации. Для выполнения данной функции обучающая выборка копируется в распознаваемую, осуществляется ее автоматическая классификация (в режиме распознавания), результаты автоматической классификации сравниваются с независимой экспертной классификацией. На основе этого рассчитывается так называемая внутренняя дифференциальная и интегральная валидность, которая является, соответственно, детализированной и обобщающей характеристиками качества решающих правил (все эти работы полностью автоматизированы).
Если результаты верификации конкретной модели СОУ удовлетворяют разработчиков адаптивной АСУ и заказчиков, то АСУ переводится из пилотного режима, при котором управляющие решения генерировались, но не исполнялись, в режим опытно–производственной эксплуатации, когда они реально начинают использоваться для управления. Если же модель признана недостаточно адекватной, то необходимо расширять перечень факторов (так как значимые факторы могли быть упущены из анализа), увеличивать объем обучающей выборки, исключать артефакты, пересматривать экспертные оценки и переформировывать коллектив экспертов, а также предпринимать другие действия для улучшения качества модели (повторять шаги 1 – 7).
Необходимо отметить, что когда конкретная информационная модель СОУ построена и оптимизирована, то разработать на ее основе содержательную аналитическую или другую статическую модель детерминистского типа, например, регрессионную, уже достаточно просто.
Таким образом, предложены методология и конкретный алгоритм применения системы распознавания образов и принятия решений, основанных на теории информации, для синтеза адаптивных АСУ СОУ, обеспечивающих решение следующих задач:
формирование обобщенных образов состояний СОУ на основе обучающей выборки (обучение);
идентификация состояния СОУ на основе его выходных параметров (распознавание);
определение влияния входных параметров на перевод СОУ в различные состояния (обратная задача распознавания);
прогнозирование поведения СОУ в условиях полного отсутствия управляющих воздействий;
прогнозирование поведения СОУ при различных вариантах управляющих воздействий.
Выявленные в результате работы адаптивных АСУ зависимости входных и выходных параметров сложных объектов управления позволяют, при условии статичности этих закономерностей, построить АСУ с постоянной моделью.
Таким образом:
1. Предложена методология синтеза адаптивных АСУ сложными системами, основанная на применении методов распознавания образов в подсистемах АСУ. В подсистемах идентификации (мониторинга) и выработки управляющих воздействий практически может быть применена одна и та же система распознавания образов. Однако в этих подсистемах система распознавания используется по-разному и в ней обрабатывается различная информация:
– в подсистеме идентификации используется режим распознавания;
– в подсистеме выработки управляющих воздействий применяется режим вывода информационных портретов системы распознавания, т.е. принятие решения о выборе управляющих воздействий осуществляется путем решения обратной задачи распознавания.
В обеих подсистемах используются режимы обучения с учителем (экспертом) и верификации решающих правил.
2. Предложен конкретный алгоритм применения системы распознавания образов и принятия решений, основанных на теории информации, для синтеза адаптивных АСУ СОУ, обеспечивающих решение ряда задач:
– формирование обобщенных образов состояний СОУ на основе обучающей выборки (обучение);
– идентификация состояний СОУ на основе его выходных параметров (распознавание);
– определение влияния входных параметров на перевод СОУ в различные состояния (обратная задача распознавания);
– прогнозирование поведения СОУ в условиях полного отсутствия управляющих воздействий;
– прогнозирование поведения СОУ при различных вариантах управляющих воздействий.
3. Сравнение результатов решения задачи выбора наиболее рационального режима энергораспределения ФВЭУ на основе предложенной математической модели, методологии, алгоритма и методики с результатами, полученными на основе меры Шеннона, показывает, что они обладают очень высоким сходством. Имеющиеся различия обусловлены преимуществами предложенного подхода.
2.5.4. Выводы
1. Цель АСУ представима в форме суперпозиции трех подцелей: стабилизация состояния объекта управления в динамичной или агрессивной внешней среде; перевод объекта в некоторое конечное (целевое) состояние, в котором он приобретает определенные заранее заданные свойства; повышение качества функционирования АСУ (адаптация). Показано, что цель АСУ может быть достигнута лишь при вполне определенной функциональной структуре самой АСУ, которая представлена как в форме традиционной типовой модели, так и в форме предложенной детализированной параметрической модели.
2. В параметрической модели адаптивной АСУ СС конкретно определено и обосновано место системы распознавания образов и принятия решений в функциональной структуре управляющей подсистемы адаптивной АСУ СС: обосновано, что система распознавания образов и принятия решений может быть применена в составе подсистем идентификации состояний СОУ и выработки управляющих воздействий адаптивных АСУ СС.
3. Рассмотрены различные варианты структур каналов передачи информации и приведена обобщенная информационная модель; для обобщенной модели развита глубокая и плодотворная аналогия со структурой АСУ. Показано, что различие между каналом передачи информации и АСУ состоит в целях передачи информации: в канале информация передается для сообщения приемнику, а в АСУ – для изменения структуры и функций объекта управления.
4. Обосновано, что принятие решения об управляющем воздействии представляет собой решение обратной задачи декодирования теории информации или обратной задачи распознавания образов.
5. Предложены обобщенная функциональная структура и алгоритм функционирования автоматизированной системы распознавания образов и принятия решений в составе адаптивной АСУ СС.