- •Оглавление
- •1. Понятие, цели и задачи синтеза
- •2. Виды синтеза систем управления
- •Тестовые задания
- •Литература
- •Методы синтеза Различают эвристические и формализованные методы синтеза организационных структур.
- •1. Нормативный метод синтеза организационных структур
- •2. Синтез организационной структуры на графовых моделях
- •3. Синтеза организационной структуры методом центральной планирующей организации
- •4. Использование методов теории массового обслуживания для синтеза
- •Тестовые задания
- •Литература
- •Задача состоит в том, чтобы получить разбиение, которое минимизирует функцию:
- •Тестовые задания
- •Литература
- •Тестовые задания
- •Литература
- •И его постулаты. Методы моделирования и принципы построения моделей
- •1. Моделирование как метод познания. Принцип моделируемости
- •2. Методы моделирования и принципы построения моделей
- •Тестовые задания
- •Литература
- •1. Имитационные модели, общие понятия
- •2. Имитационная модель системы управления процессом стекловарения
- •3. Моделирование системы в условиях неопределенности
- •4. Пример построения имитационной модели анализа надежности сложной
- •Тестовые задания
- •Литература
- •1. Элементы теории массового обслуживания
- •2. Параметры и характеристики систем массового обслуживания
- •3. Моделирование вычислительных процессов и алгоритмов обслуживания вычислительных задач
- •Тестовые задания
- •Литература
- •1. Моделирование процессов принятия решений в системах с активным
- •Тестовые задания
- •Литература
- •1. Моделирование технологических операций
- •2. Анализ моделей. Значимость оценок и доверительные интервалы
- •3. Моделирование технологических цепей
- •Тестовые задания
- •Литература
- •Тестовые задания
- •Литература
- •Показатели и критерии оценки систем
- •1. Формирование критериев и оценка эффективности функционирования системы управления (ису)
- •2. Проблемы оценки экономической эффективности ис
- •3. Методы оценки эффективности автоматизированных информационных
- •3.5. Методика bsc как способ оценивания эффективности ис
- •4. Принятие решения о необходимости совершенствования
- •Тестовые задания
- •Литература
1. Моделирование технологических операций
Информационный анализ между параметрами позволяет провести количественную оценку взаимосвязей результатов выполненной операции (качество изделия) от влияющих факторов, например, режима обработки, материала, состояние оборудования и др., выявить параметр, обладающий наибольшей информативностью.
Допустим, что в результате обработки заготовки на отдельной операции сформировались три параметра X, Y, Z. Рассмотрим возможные случаи взаимосвязи между этим параметрам (рис. 1) [2].
а б
Рисунок 1 - Диаграммы информационной связи между параметрами
На первом рисунке 1а отражена полная информационная независимость между параметрами. Второй рисунок 1б характеризует информационную связь между всеми параметрами. Сумма секторов 1, 2. 4, 5 характеризует энтропию параметра Х:
S(1,2,5,4)=H(X);
S(2,5,6,3)=H(Y);
S(4,5,6,7)=H(Z).
S(2,5)=I(X→Y)=I(Y→X) – количество взаимной информации между параметрами X и Y.
Аналогично можно показать S(4,5), S(5,6).
S(1,2,3,6,5,4)= H(X,Y) – совместное количество информации о системе Х и Y.
S(2,5,6)=H(XZ→Y) – количество информации о параметрах X и Z , заключенное в параметре Y.
Используя принятые обозначения можно вывести следующие зависимости количества взаимной информации:
I(X→Y)=S(1,2,5,4)+S(2,5,6,3)-S(1,2,3,6,5,4)=H(X)+H(Y)-H(X,Y);
I(X→Z)=H(X) + H(Z) - H(X,Z);
I(Y→Z)=H(Y) + H(Z) - H(Y,Z);
I(XY→Z)=H(X,Y) +H(Z) - H(X,Y,Z); (1)
I(XZ→Y)=H(X,Z) + H(Y) - H(X,Y,Z);
I(YZ→X)=H(Y,Z) + H(X) - H(X,Y,Z).
Информационный анализ трехпараметрического случая заключается в последовательном определении количества информации с помощью выше записанной системы уравнений.
Для количественной оценки зависимостей между параметрами рассчитываются коэффициенты информационной связи:
RI(X→Y)=I(X→Y)/H(Y);
RI(X→Z)=I(X→Z)/H(Z);
RI(Y→Z)=I(Y→Z)/H(Z);
RI(XY→Z)=I(XY→Z)/H(Z); (2)
RI(XZ→Y)=I(XZ→Y)/H(Y);
RI(YZ→X)=I(YZ→X)/H(X).
Обобщая результаты на n параметров, зависимость между ними вычисляется по формуле:
I(X1,X2,X3,…Xn-1→Xn) = H(X1,X2,X3,…Xn-1) + H(Xn) – H(X1,X2,X3,…Xn).
Таким образом, математическое моделирование технологических операций заключается в составлении и решении системы уравнений (1), (2).
2. Анализ моделей. Значимость оценок и доверительные интервалы
Информация и коэффициенты информации вычисляются с использованием эмпирических данных, являются случайными величинами. Оценка информации I(X→Y) с точностью до постоянного множителя имеет χ2 распределения [2]:
m=(k1-1)(k2 -1) – число степеней свободы ; k1, k2 – количество интервалов разбиения входного и выходного параметров; n- число опытов.
Формула позволяет определить значимость информационного взаимодействия двух параметров. Информация, передаваемая от одного параметра к другому, считается значимой при выполнении соотношения:
- квантиль распределения с уровнем значимости .
Значимость коэффициента информационной связи RI определяется значимостью информации [2]. При m>25 распределение Пирсона можно заменить распределением Гаусса с дисперсией σI2=2m, что позволяет определить доверительные интервалы для информации [2]:
.
где tα – α –квантиль нормального распределения.
Доверительный интервал для коэффициента информационной связи определяется по формуле [2]:
.
Минимальный объем выборки, необходимый для построения информационной модели с заданной точностью ∆I, определяется по формуле [2]:
.
Идентичность информационной модели реальному объекту оценивается по величине коэффициента информационной связи RI , который может использоваться в качестве меры определенности процесса [2], аналогично коэффициенту детерминации регрессионной модели.
Исследование парных причинно-следственных взаимодействий часто встречается при анализе систем, в частности, технологических операций. Рассмотрим на примере методику построения информационной модели технологической операции [2].
Для анализа использовалась выборка, состоящая из 100 измерений, отражающая зависимости показателя Y от причины Х. Для построения таблицы частот проводится дискретизация данных. Количество интервалов разбиения рассчитывается по формуле [2]:
k=3,748 + 0,012n.
Выбираемая длина интервалов должна в 2 раза и больше превышать абсолютную погрешность измерений для исключения влияния погрешностей измерения на результаты анализа. Для рассматриваемого примера таблица частот приведена ниже (табл. 1).
Таблица 1– Подсчет частот
Y |
X |
|||||
100-120 |
120-140 |
140-160 |
160-180 |
180-200 |
f y |
|
65-85 |
13 |
3 |
|
|
|
16 |
85-105 |
14 |
23 |
2 |
|
|
39 |
105-125 |
|
11 |
23 |
1 |
|
35 |
125-145 |
|
|
3 |
6 |
|
9 |
145-165 |
|
|
|
|
1 |
1 |
f x |
27 |
37 |
28 |
7 |
1 |
100 |
Рассчитаем оценки энтропий:
I(X→Y)= H(X) + H(Y) - H(X,Y);
Аналогично рассчитаем оценку энтропии Y:
Оценка совместной энтропии H(XY) рассчитывается по формуле:
Параметры искомой информационной модели будут:
I(X→Y)= H(X) + H(Y) - H(X,Y) = 1,21+1,2906-2,0089=0,4917.
Коэффициент информационной связи равен:
RI(X→Y)=I(X→Y)/H(Y)=0,4917/1,2906=0,381.
Проведем анализ полученной модели, для чего рассчитаем доверительные границы для информации I(X→Y). Оценка информации значима при выполнении соотношения:
Для уровня значимости 0,05, числа степеней свободы m=(k1-1)(k2 -1)=4*4=16 находим табличное значение Следовательно информация значима, отличается от нуля.
Определяем доверительные границы для I(X→Y):
По таблице находим значения
После подстановки в формулу получаем доверительные интервалы границы для I(X→Y):
Поскольку коэффициент информационной связи является мерой определенности процесса, то из результатов моделирования можно сделать вывод, что на зависимую переменную Y на 38,1% оказывает влияние переменная Х. Влияние неучтенных факторов значительное, составляет 61,9%.