Планирование и организация процесса исследования системы управления при трансформации функции спроса в функцию производства.

Модели, построенные на основе ПС, нецелесообразно применять в случаях:
- наличия эффективных алгоритмических методов управления, решаемых путем формализованных преобразований и процедурного анализа (т.е. задачи носят вычислительный характер);
- отсутствия или недостаточного числа экспертов;
- невозможности построения статической базы знаний (то есть знания меняются со временем).
Модели, построенные с использованием четкой и/или нечеткой логики, часто также могут быть классифицированы как качественные.
Теорию нечетких множеств применительно к области управления можно определить как расширение методов четкой логики и традиционного управления, имеющее своей целью ликвидацию ряда недостатков и ограничений четкой логики, а также использование лингвистической информации.
Одной из посылок развития этой технологии послужил факт, что для некоторых видов сложных систем интуиция и опыт человека-оператора приводит к более качественным результатам. При этом обычно большую часть объединенных интуитивных и эвристических знаний можно представить относительно простым форматом. Наиболее распространен формат «ЕСЛИ … ТО …». Если некоторое понятие введено в базу знаний (БЗ) определенного формата, то его можно использовать для программирования на ЭВМ и для автоматического получения соответствующих заключений на основе этой базы, а также имеющихся в распоряжении фактов.
Все характеристики ПС справедливы и для нечетких логических моделей (НЛМ) за исключением области применения: ПС обычно используются для диагностики, консультации и т.д., что обычно означает их непрерывное взаимодействие с оператором, а НЛ обычно используются для автоматического управления и поэтому указанное взаимодействие при обычной работе невелико.
НЛ в последнее время стала завоевывать ведущее положение в системах управления разнообразными устройствами, выпускаемыми ведущими мировыми производителями как бытового, так и технологического оборудования.
Механистические модели
Если знания о функционировании модели формализованы, то для описания таких моделей могут быть использованы механистические модели (ММ), к числу которых относят системы алгебраических, трансцендентных, дифференциальных уравнений и передаточных функций. Такие модели обычно получают путем анализа физических и химических основ моделируемых процессов.
Результатом анализа является прямая или обратная модель моделируемого процесса. Прямая модель отражает влияние входных координат процесса на выходные и может быть представлена в виде функции
F(X, Y) = 0,
где Х и Y - множества входных (в том числе управляющих) и выходных координат соответственно.
В случае использования механистического подхода к построению блоков М в модельных и семиотических СУ предпочтительным является получение обратной модели вида
X = Q(Yж),
где Yж - множество желаемых значений выходных координат процесса. Однако, в большинстве случаев построение обратных моделей невозможно.
Среди ММ можно выделить модели с распределенными и сосредоточенными параметрами. Модели с сосредоточенными параметрами описываются системами обычных дифференциальных уравнений, в то время как модели с распределенными параметрами требуют использования дифференциальных уравнений в частных производных, что делает их более сложными в использовании.
Стохастические модели
Другой технологией построения моделей является описание свойств процесса через статистические переменные. Модели, построенные согласно этой технологии с использованием методов статистического анализа, теории игр, теории информации и др. и называемые стохастическими моделями (СМ), используются при описании процессов, параметры содержат случайные составляющие.
Разновидностями СМ являются вероятностные и корреляционные модели. Вероятностные модели используют плотности вероятности переменных процесса, большинство из которых имеют нормальный закон распределения. Использование таких моделей ограничено тем, что при числе переменных более двух требуется большое число экспериментов, возникают трудности связанные с коррелируемостью параметров.
В целом СМ не могут моделировать динамические свойства систем, однако, нашли применение на верхних уровнях АСУ ТП при анализе информации.

Заключение
Любая производственная система покоится на четырех китах: люди, процессы, материалы и информация. У любого производства одни и те же основные проблемы: потери, нестабильность и отсутствие гибкости. Известно, что отдача от программ улучшений, нацеленных на каждую из этих проблем по отдельности, весьма ограниченна.
Вот почему практикуется всесторонний подход, позволяющий устранить все препятствия внутри производственной системы. И это не просто целенаправленная программа, которая проводится руководством компании и которую нужно закончить в определенные сроки — скажем, в течение года или двух. Она становится неотъемлемой частью ежедневной работы всех сотрудников и подразумевает применение технологических решений, специально разработанных с учетом нужд компании, внедрение эффективной структуры управления и большую информированность сотрудников на всех уровнях организации.
Реализация новой производственной системы в большинстве случаев начинается с приведения в соответствие информационного и материального потоков на производстве. Эта, казалось бы, тривиальная задача на самом деле сложна, и от ее решения зависит очень многое. В одной компании эффективность производственной системы значительно выросла только благодаря тому, что компания внедрила новую процедуру оповещения цеха окраски в случае задержек на предшествующем этапе — на линии металлообработки. Прежде остановки в работе из-за неналаженной коммуникации нарушали нормальное функционирование производственной системы, приводили к многодневным задержкам. Чтобы деятельность предприятия стала по-настоящему планируемой, необходимо заполнить такие пробелы и согласовать материальные и производственные потоки.

Список литературы
Басовский Л.Е., Лунева А.М., Басовский А.Л. Экономический анализ. - М.: ИНФРА-М, 2004. – 165 с.
Гребцова В.Е. Менеджмент: Учеб. пособие / Гребцова В.Е. - Ростов н/Д: Феникс, 2000. - 288 с.
Григорьев А.В. Семиотическая модель базы знаний САПР. - Донецк, ДонГТУ, 1999. – 125 с.
Кабушкин Н.И. Основы менеджмента: Учеб. пособие для вузов / Кабушкин Н.И. - 2-е изд. - М.: Остожье, 1999. - 336 с.
Клюев А.С. Автоматическое регулирование. Изд. 2-е, перераб. и доп. - М.: Энергия, 1973. - 392 с..
Лафта Д.К. Эффективность менеджмента организации: Учеб. пособие / Лафта Д.К. - М.: Русская Деловая Литература, 1999. - 320 с.
Люкшинов А.Н. Стратегический менеджмент: Учеб. пособие для вузов / Люкшенов А.Н. - М.: ЮНИТИ, 2000. - 375 с.
Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с анг. – М: Дело, 1998. – 350 с.
Поспелов Д.А. Логико-лингвистические модели в системах управления. - М.: Энергоиздат, 1981. -232 с.
Фрейдина Е.В. Исследование систем управления: Учебное пособие/ Под. ред. проф. Ю.В. Гусева. ― Новосибирск: НГАЭиУ, 2003. ― 276 с.
Фрэнк Дж. Бартос. Искусственный интеллект: принятие решений в сложных системах управления.// Мир компьютерной автоматизации, № 4, 1997, - с. 2-27
Клюев А.С. Автоматическое регулирование. Изд. 2-е, перераб. и доп. М.: Энергия, 1973. -392 с., ил.
Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981. -232 с., ил.
Фрэнк Дж. Бартос. Искусственный интеллект: принятие решений в сложных системах управления.// Мир компьютерной автоматизации, № 4, 1997, -С. 2-27

Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981. -232 с., ил.












20
















R

I

M

A

W

R

W

R

W

R

W

M

I

R

W

M

A

U

U

U

U

U

Y

Y

Y

Y

Y

ZA

ZA

UR

UR

UR

YR

YR

YR

ZI

а)

б)

в)

г)

д)




















М

А

D

G

Выход Z

Вход Х R


W

Объект управления, У

А

D

G

Выход Z

Вход Х R

W

Объект управления, У