331
эксплуатации
информационно-аналитической
системы,
возникает
необходимость принятия решений в условиях нечеткой исходной
информации. Основными источниками нечеткости являются объективная и
субъективная неопределенности. Объективная неопределенность – это
неопределенность внешних возмущающих факторов,
влияющих на
технологический процесс.
Субъективная
неопределенность
–
это
неопределенность, присущая знаниям эксперта проблемы, специалиста
проектировщика, администратора сети, а также заказчика, формулирующего
свои требования и условия в форме трудно формализуемых вербальных
оценок [1].
На рисунке 1. приведено дерево неопределенностей, описывающее их
виды и взаимосвязь. При проектировании сложных технических систем,
необходимо учитывать данные виды неопределенностей. Однако эксперт или
заказчик не может описать проектировщику ситуации, которые ранее ему не
были известны. Как правило, это всевозможные нестандартные и аварийные
ситуации. Собирая большое количество информации об объекте внедрения
ИВС проектировщик может недополучить то самое главное, на
основании
которого принимается решение или эта информация может учитываться
только на уровне собственной интуиции лица, принимающего решения (ЛПР).
Рисунок 1. – Дерево видов неопределенностей
Отсутствие четкого понимания существа процесса функционирования
объекта также является причиной неполноты исходной информации для
проектировщика. Другим важным источником неопределенности и
нечеткости в задачах проектирования и управления производством является
трудноформализуемость общей цели функционирования и невозможность
учета множества характеристик системы количественными методами [2].
Неопределеность
Неоднозначность
Недостоверность
Неполнота
Неизвесность
Недостаточность
Неадекватность
Структурная
неопределенность
Физическая
неопределенность
Случайность
Неточность
Противоположность
Противоречивость
Лингвистическая
неопределенность
Неопределенность
значений слов
Неоднозначность
смысла фраз
Прагматическая
Семантическая
Синтаксическая
332
Присутствие в процессе принятия
решений неопределенности не
позволяет точно оценить влияние основных параметров и характеристик
системы на целевую функцию. Если неопределенности, существующие как в
самой системе, так и в наблюдениях, могут быть представлены как
стохастические процессы, то к таким задачам применимы методы
стохастического управления. Однако имеется сравнительно большой класс
задач, при решении которых эти методы неэффективны [3]. Последнее
можно
объяснить тем, что набор стандартных вероятностных понятий и методов
оказывается неадекватным для описания рассматриваемых ситуаций, а также
трудностью получения необходимых статистических характеристик
параметров, отсутствием эргодичности процессов и их существенной
нестационарностью. Источник неопределенности может не иметь случайного
характера, а быть иногда частично или полностью детерминированным.
В общем случае сложные условия создания информационно-
аналитической системы приводят к необходимости учета в процессе их
проектирования следующих видов неопределенностей и нечеткостей:
- недостаточности и нечеткости исходных данных,
получаемых на
этапе предварительного обследования объекта внедрения информационно-
аналитической системы, вызванных отсутствием возможности проведения
натурного
эксперимента
и
погрешности
замера
параметров
функционирования информационно-аналитической системы;
- неточности моделей, возникающие из-за сложности декомпозиции
общей задачи проектирования, большой структурной сложности объекта
автоматизации, разрыва
существенных связей в процессе, линеаризации,
дискретизации,
замены
фактических
характеристик
оборудования
паспортными, нарушения допущений, принятых при расчетах;
- неопределенности и нечеткости в задании переменных величин в
моделях, начальных и граничных условий, связанных с существенными
нелинейностями характеристик,
трудностей формализации, наличием
различных субъективных критериев и ограничений;
- неопределенности и нечеткости, вызванные неэквивалентностью
решений системных многоуровневых иерархических моделей и используемых
на практике отдельных локальных задач;
- нечеткости исходной информации, получаемой от экспертов,
связанной с неопределенностью понятий и терминов;
- нечеткости в процессе принятия проектных решений,
вызванные
трудностями формализации и представления знаний ЛПР;
- неопределенности, проявляющиеся при агрегации правил и моделей
принятия решений, исходящих от разных источников знаний (эти правила и
модели могут быть противоречивыми, избыточными и т.п.) [4];
Особенно сложным является описание областей допустимых режимов
функционирования информационно-аналитической системы в условиях, когда
задание жестких (четких) ограничений для информационно-аналитической
системы приводит к отказу оборудования информационно-аналитической
333
системы или полной ее остановке. Поэтому крайне важной представляется
возможность использования для описания и
формализации областей
допустимых режимов работы оборудования теории нечетких множеств.
Учитывая выше перечисленные неопределенности и нечеткости,
возникающие на этапе формирования технического задания и принятия
проектных решений, задача разработки машинно-ориентированных моделей и
алгоритмов эффективного управления информационно-аналитической
системы в условиях неопределенности и нечеткой исходной информации
становится актуальной [5].
Do'stlaringiz bilan baham: 
