17.2 Многовариантная активная система «Исследование»

Конкретизируем многовариантую активную систему «Исследование» (МвАСИ), структура которой полностью соответствует базовому представлению МвАС (рисунок 16.1) с организуемым взаимодействием выделенных вариантов: учебного, поискового и рабочего с главенствующей ролью поискового варианта.

Учебный вариант имеет учебно-производственные цели (обучение персонала, входящего во все вариантные системы) и представляет собой встроенные испытательно-обучающие системы, каждая из которых объединяет встроенные тренажеры, испытательные стенды, многовариантные имитационные обучающие системы, а также конкретные функционально-специализирован-

ные блоки с многовариантным воспроизведением объекта по схеме «от простого к сложному». Критерием эффективности служит показатель качества обучения, который оценивается по результатам решения обучаемыми специально разработанных тестовых задач. В качестве таковых могут быть взяты, например, задачи построения зависимостей с помощью прикладного регрессионного анализа, задачи распознавания состояний объектов с помощью методов структурного анализа, задачи построения прогнозаторов классическими методами и с привлечением аппарата нейронных сетей и т.д.

Поисковый вариант служит для научных целей – получения новой информационной продукции и предназначен для создания, сравнительного анализа, испытания новых концепций, методов, моделей, алгоритмов, изобретений в рамках МвАСИ. Он опирается на аппарат стохастической аппроксимации, факторный и компонентный анализ, прикладной регрессионный анализ и т.д.

В качестве критерия эффективности функционирования поискового варианта может быть взят обобщенный показатель, включающий количество приоритетных изобретений; суммарный эффект, полученный при их внедрении; количество опубликованных научных статей в престижных российских и зарубежных научных журналах; число полученных за научную продукцию премий областного, республиканского и др. значений, число наград на выставках, конференциях и т.д.

Рабочий вариант нацелен на получение материальной (вещественно-энергетической) продукции и опирается на эмпирический подход, натурный и полунатурный эксперимент, формирование аналогов спланированный воздействий. Критерий эффективности этого варианта зависит от улучшения технико-экономических показателей работы промышленной системы (увеличение производительности, повышение качества выпускаемой продукции и т.п.) в сравнительные периоды.

Характерной особенностью натурно-модельного уровня МвАСИ является непосредственное использование обычно регистрируемых и, главное, специально получаемых (включая активный опрос экспертов и эксперимент) натурных данных в самих постановках и методах решения, а также непосредственное использование прототипов в виде действующих объектов (природных, социальных, инженерных систем, устройств, агрегатов, технологий) или, по крайней мере, их полных описаний.

Гибкая система стимулирования на основе вариантообъединяющего организационного механизма направлена на интеграцию всех вариантных систем (в частности, на повышение заинтересованности людей, находящихся в составе поискового варианта, на использование его научных достижений для учебных и производственных целей); входящие в него вариантные показатели, как уже было отмечено ранее, берутся в нормированном виде, полученном с помощью соотношений (6.5), (6.6).

Конкретизация поисковой научно-ориентированной ВС в составе МвАСИ сделана на примере многовариантного комплексного анализа рядов данных применительно к производственным, медицинским, социальным и рыночным системам, который опирается на совместное оценивание разного рода статистических, структурных и спектральных характеристик с вариантным разнообразием по реализациям данных, объемам выборок, периодичностью отсчетов, методам и алгоритмам усредняющих преобразователей. Причем эти статистики оцениваются по типу скользящих статистических характеристик преимущественно рекуррентными алгоритмами, описанными в известных трудах Н.С. Райбмана, Я.З. Цыпкина, И.И. Перельмана и других ученых.

В основу работы многовариантной активной системы комплексного анализа рядов данных положена многовариантная по сути концепция комплексного анализа данных и интеграции методов [55]. Убедительные аргументы в пользу этого подхода содержатся в трудах Н.Д. Горского [55]: «Не существует единственного наилучшего метода (алгоритма) для решения конкретной задачи, поэтому к результатам следует двигаться всеми доступными путями, применяя различные методы к одним и тем же данным и интегрируя (на основе опыта и интуиции исследователя) получаемую выходную информацию».

Многовариантный комплексный анализ данных опирается на аппарат многовариантных передаточных функций [56, 57]. Наглядной иллюстрацией этих функций служат непрерывные и дискретные передаточные функции рекурсивного типа, описывающие базовые блоки динамических систем спектрального оценивания и многовариантных спектральных анализаторов, сглаживающих и экстраполирующих фильтров [58].

Многовариантный характер систем автоматизации производственно-исследовательского назначения в целом и конкретных математико-технических схем (алгоритмов, моделей, критериев, ограничений и т.д.) предопределен широким назначением и нестационарностью условий их применения. Главное внимание уделено стабильному (робастному) многоварантному сглаживанию одномерных (скалярных) и многомерных (векторных) первичных и расчетных динамических сигналов в непрерывной и дискретной форме, теоретические основы которого заложены в известных трудах [53, 55].