Изобретение относится к области управления сложными системам (СС) на стадии их проектирования и может быть использовано с целью выбора наилучшего варианта реализации проектируемой СС по критерию ожидаемой полезности.
Поддержка управленческих решений при помощи новых информационных технологий является действенным способом обеспечения эффективности функционирования СС на самых разных этапах их существования: от создания и опытной эксплуатации до модернизации или утилизации [1-4]. Характерным примером является бизнес-процесс проектирования СС организационно-технического (по определению [5] нерефлекторного) типа, в состав которой входят техническая подсистема (производственное оборудование, ЭВМ, средства связи), и так называемый «человеческий фактор» - организационная подсистема в виде персонала, потребителей продукции, пользователей услуг, клиентов и абонентов. Из уровня техники известно применение для управления такого рода СС метода статистического имитационного моделирования (СИМ) [3; 6] совместно с методами сценариев, функционально-стоимостного анализа и др.
Задача управления нерефлекторными СС трудна для решения на всех этапах их существования, однако наибольшие трудности возникают на стадии проектирования - когда в виртуальной среде при помощи средств информационно-технологической поддержки действий лиц, принимающих решения (ЛПР), проводятся операции, направленные на обеспечение максимально-возможной эффективности будущей СС [5-9]. Важной особенностью работы ЛПР при этом является неопределенность знаний о свойствах (параметрах и рабочих характеристиках) проектируемой СС. Данная неопределенность не означает отсутствие знаний или другой информации об СС - речь идет о неполноте, неточности и неадекватности имеющихся у ЛПР конкретных сведений [8]. Из уровня техники известно применение метода СИМ для снижения до приемлемых пределов влияния неопределенности знаний ЛПР на эффективность управления нерефлекторной СС [3; 6].
Научной основой действий ЛПР в условиях неопределенности знаний являются теории вероятностей, риска и ожидаемой полезности. В настоящее время все они развиваются в двух вариантах: объективном и субъективном, что необходимо учитывать при управлении СС. Важным этапом решения задач, связанных с управлением нерефлекторными СС, является выбор наилучшего варианта действий ЛПР, направленных на повышение эффективности функционирования СС по критерию ожидаемой полезности, с учетом объективных и субъективных факторов, влияющих на его значение. Альтернативные подходы к определению ожидаемой полезности СС, а также известные в настоящее время из уровня развития техники ее модели, представлены в [10].
В конструктивном плане подсистема автоматизированной системы управлении (АСУ), отвечающая за определение ожидаемой полезности проекта, может быть реализована как часть программного обеспечения бизнес-процесса проектирования объекта; встроенного в АСУ самостоятельного блока; автономного внешнего блока и др. С точки зрения обеспечения информационной безопасности процесса проектирования, включая результаты СИМ, предпочтителен третий вариант.
Наиболее близким по технической сущности является способ определения ожидаемой полезности проекта СС про методу фон Неймана - Моргенштерна [10-11]. Аргументами в его пользу являются «прозрачная» и понятная для ЛПР структура, а также возможность учета значимости каждого n-го детерминированного показателя эффективности проекта, где n [1; N], в виде его относительного «веса» в составе интегрального показателя полезности проекта.
Основным недостатком способа-прототипа является отсутствие в составе интегрального показателя полезности проекта стохастических параметров, учитывающих неопределенность знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС. Поскольку метод фон Неймана -Моргенштерна базируется на понятиях объективной вероятности, объективного риска и объективной ожидаемой полезности, которые сами по себе не зависят от действий ЛПР, связанных с реализацией проекта, данный недостаток представляется принципиально неустранимым в рамках способа-прототипа. Определение значений параметров, учитывающих объективную значимость каждого nсле вып«-го показателя эффективности проекта в детерминированном виде, также сопряжена со значительными трудностями по той же причине. Кроме того, при многокритериальной оценке проекта необходимо учитывать, что часть М из числа N=N1+N2 показателей эффективности проекта подлежит максимизации, тогда как другая часть N2 - минимизации при выборе лучшего варианта реализации проекта. Переход на платформу субъективной ожидаемой полезности Сэвиджа [10; 12], целесообразный в связи с изложенным, требует как изменения принципиального подхода к оценке ожидаемой полезности СС, так и структурного изменения интегрального показателя полезности т-то варианта реализации проекта, где m [1; М]. Существенным недостатком является также отсутствие мер по обеспечению информационной безопасности процесса проектирования СС, включая безопасность хранения результатов проектирования и СИМ.
Предлагаемое решение проблемы состоит в том, чтобы объединить позитивные возможности объективного и субъективного подходов и совместно реализовать их в виде автономного технического устройства при выборе наилучшего варианта проектируемой СС по критерию ожидаемой полезности с учетом неопределенности знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС, а также необходимости обеспечения информационной безопасности процесса проектирования, включая безопасность хранения результатов проектирования и СИМ.
С этой целью в составе критерия выбора лучшего из доступных для реализации проектов СС, наряду с разнородными параметрами, оценивающими эффективность будущей СС, предлагается:
- использовать стохастические параметры, учитывающие неопределенность знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС, оценки которых могут быть получены эвристическим (экспертным) путем, а также любыми другими доступными для ЛПР исследовательскими средствами;
- использовать метод СИМ для определения средних значений указанных стохастических параметров на основе имеющихся у ЛПР объективных и субъективных данных;
- реализовать техническое устройство для выбора наилучшего варианта проектируемой СС по критерию ожидаемой полезности с учетом неопределенности знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС;
- предусмотреть реализацию указанного устройства в виде автономного внешнего блока для обеспечения информационной безопасности процесса проектирования СС, включая безопасность хранения, транспортировки и применения в других целях результатов проектирования и СИМ.
Результатом предлагаемого изобретения является обеспечение наиболее эффективного выбора лучшего варианта реализации СС при помощи критерия ожидаемой полезности с учетом неопределенности знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС. Сопутствующим результатом является обеспечение безопасности хранения, транспортировки и применения в других целях результатов проектирования и СИМ.
Сущность предлагаемого способа определения ожидаемой полезности проекта для выбора лучшего по совокупности первичных показателей эффективности варианта выполнения проекта из числа доступных вариантов, включающего определение значений первичных показателей с последующим определением интегрального показателя ожидаемой полезности для каждого указанного варианта и выбором лучшего проекта по максимуму интегрального показателя, состоит в том, что все первичные показатели разделяются на первую группу показателей, подлежащих максимизации, и вторую группу показателей, подлежащих минимизации при выборе лучшего варианта выполнения проекта, с выбором в обеих группах их максимальных значений; расчет значений вторичных показателей путем деления первичных показателей на их максимальные значения в первой и вычитанием из единицы результатов деления аналогичных показателей на их максимальные значения во второй группе; умножение значений вторичных показателей на стохастические коэффициенты, найденные методом статистического имитационного моделирования и учитывающие неопределенность знаний лиц, принимающих решения, о параметрах и рабочих характеристиках проектируемой сложной системы на основе эвристической оценки значимости и вероятности реализации каждого первичного показателя; определение интегрального показателя ожидаемой полезности с учетом неопределенности знаний лиц, принимающих решения, о параметрах и рабочих характеристиках проектируемой сложной системы для каждого варианта выполнения проекта путем суммирования произведений вторичных показателей в обеих группах на соответствующие им значения стохастических коэффициентов.
В наиболее удобном для восприятия ЛПР аналитическом виде, с учетом обозначений Фиг 1-2, речь идет о совокупности первичных показателей Xn, п [1; N] эффективности m-го варианта реализации проекта из числа М доступных для его выполнения вариантов, где n [1; М], включающего определение значений Xn с последующим определением интегрального показателя Fm ожидаемой полезности для каждого m-го варианта и выбор лучшего варианта выполнения проекта по правилу FM=MAX(Fm); а также о разделении показателей Xn на первую группу N1 показателей, подлежащих максимизации, и вторую группу N2 показателей, подлежащих минимизации при выборе лучшего варианта выполнения проекта, где N1+N2=N, с выборе в обеих группах их максимальных значений МАХ(Xn) и определении значений вторичных показателей Хи / МАХ(Xn) в группе М и 1-Xn/МАХ(Xn) в группе N2; умножении значений вторичных показателей на стохастические коэффициенты An и Pn, учитывающие, соответственно, оценки значимости и вероятности реализации каждого показателя Xn, с последующим определением интегрального показателя ожидаемой полезности m-го варианта выполнения проекта по формуле
Известный способ-прототип осуществляется следующим образом.
На предварительном этапе создания новой СС ее проектировщики, выступающие в роли ЛПР, определяют число N первичных показателей Xn, n[1; N], максимизирующих эффективность М доступных для его реализации вариантов, где т [1; М]. После этого ЛПР всеми доступными им способами (эвристическими, аналитическими, экспериментальными, статистическими и др.) собирают информацию о каждом Xn и формируют массивы исходных данных, на основании которых могут быть определены детерминированные значения первичных нормализованных показателей - включая максимальные значения МАХ(Xn), необходимые для определения объективной ожидаемой полезности по методу фон Неймана - Моргенштерна согласно [10-11]. При отсутствии объективных оценок для части Xn имеется формальная возможность сочетать их с аналогичными субъективным оценками или заменить ими - хотя это означает применение субъективной ожидаемой полезности по методу Сэвиджа согласно [10, 12] или комбинирование объективной ожидаемой полезности с ней, которые в рамках способа-прототипа не предусмотрены.
Далее производятся определение вторичных показателей Xn/MAX(Xn) путем их суммирования (при необходимости с заданным «весом») и интегрального показателя Fm ожидаемой полезности для каждого т-то варианта из числа М доступных для его реализации, а также выбор лучшего варианта проекта по правилу FM=MAX(Fm).
Основным недостатком способа-прототипа является отсутствие в составе интегрального показателя полезности проекта Fm стохастических параметров, учитывающих неопределенность знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС. Поскольку метод фон Неймана -Моргенштерна базируется на объективных понятиях вероятности, риска и ожидаемой полезности, которые существуют сами по себе и не зависят от каких-либо действий ЛПР, данный недостаток представляется неустранимым. Базы данных (экспериментальные, расчетно-аналитические, статистические), полученные на основе надежных и достоверных верифицированных знаний ЛПР, для впервые проектируемых СС, существующих только в виртуальном виде, отсутствуют. Базы данных, сформированные на основе субъективных аксиологических знаний ЛПР, отличаются неопределенностью, которую целесообразно учитывать при оценке ожидаемой полезности будущих СС. Сочетание объективной полезности фон Неймана - Моргенштерна с субъективной ожидаемой полезностью Сэвиджа требует как изменения принципиального подхода к оценке ожидаемой полезности СС, так и структурного изменения интегрального показателя полезности n-го варианта реализации проекта, где m [1; М]. Определение значений детерминированных параметров, учитывающих объективную значимость каждого n-го показателя Xn, сопряжена с трудностями по той же причине. Кроме того, при многокритериальной оценке проекта необходимо учитывать, что часть N1 из числа N=N1+N2 показателей эффективности проекта подлежит максимизации, тогда как другая часть N2 - минимизации при выборе лучшего варианта реализации СС.
Если промежуточные и окончательные результаты проектирования СС, в том числе итоги СИМ, сохраняются в памяти АСУ, это затрудняет (делает невозможным) обеспечение безопасности их хранения и транспортировки во внешнюю среду, а также применения в других целях результатов проектирования и СИМ.
С целью устранения указанных недостатков в предлагаемом изобретении, во-первых, предлагается в составе критерия выбора лучшего из М доступных для реализации проектов СС, где m [1; М], наряду с параметрами, оценивающими эффективность будущей СС, использовать стохастические параметры, учитывающие неопределенность знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС, числовые оценки которых могут быть получены эвристическим (экспертным) путем, методом статистического СИМ, а также любыми другими доступными для ЛПР объективными и субъективными исследовательскими средствами. Во-вторых, реализовать техническое устройство для выбора наилучшего варианта проектируемой СС по критерию ожидаемой полезности с учетом неопределенности знаний ЛПР о параметрах и рабочих характеристиках проектируемой СС и возможностью исполнения данного устройства в виде автономного внешнего блока для обеспечения информационной безопасности процесса проектирования СС, включая безопасность хранения, транспортировки и применения в других целях результатов проектирования и СИМ.
Предлагаемый способ осуществляется следующим образом.
На предварительном этапе, как и в способе-прототипе, элементами и подсистемами АСУ выполняются операции, связанные с определением N первичных показателей Xn, n [1; N], максимизирующих эффективность М для реализации вариантов СС, где m [1; М], а также сбор информации о каждом Xn и формирование массивов исходных данных, по которым могут быть получены оценки максимальных значений МАХ{Xn). Затем показатели Xn разделяются на группу N1 показателей, подлежащих максимизации, и группу N2 показателей, подлежащих минимизации при выборе лучшего варианта проекта, где N1+N2=N, с выбором в обеих группах их максимальных значений, после чего производится расчет значений вторичных показателей Xn/MAX(Xn) в группе М и 1-X/MAX{Xn) в группе N2 (действия такого рода при обработке разнородных показателей именуются нормализацией и известны из уровня техники, но в способе-прототипе не предусмотрены). Примерами показателей, входящих в группу N1, могут быть производительность оборудования, степень автоматизации, импортозаменимость, востребованность на мировом рынке, привлекательность дизайна. Примерами показателей, входящих в группу N2, являются стоимость оборудовании, энергоемкость, численность персонала, экологический риск, уровень рыночной конкуренции.
Ключевым моментом является определение стохастических коэффициентов An и Pn, которые учитывают эвристические оценки значимости и вероятности реализации показателей Xn. Будучи умножены на значения вторичных показателей Xn / МАХ(Xn) в группе N1 и 1-Xn / МАХ(Xn) в группе N2, эти коэффициенты дают возможность снижать посредством метода СИМ влияние неопределенности знаний ЛПР на выбор лучшего варианта реализации проекта по критерию ожидаемой полезности. В наиболее сложном случае: когда аналогов будущей СС нет, теория такого рода СС отсутствует, методы и средства их разработки неизвестны, ЛПР поручают группе квалифицированных и опытных, по их мнению, экспертов выработать и согласовать необходимые субъективные оценки An и Pn.
Из уровня техники известны методы Дельфи, круглого стола, функционально-стоимостного анализа, разработки сценариев и др., которые способствуют решению поставленной перед экспертами задачи. С точки зрения теории знаний это означает замену объективных верифицированных знаний ЛПР субъективными аксиологическими знаниями экспертов (предзнаниями в виде гипотез, личного опыта, мнений, предубеждений и других источников информационных данных о слабоструктурируемых и плохоформализуемых), что отнюдь не гарантирует эффективность последующего выбора лучшего варианта реализации проектируемой СС согласно формуле
Однако возможность применения метода СИМ, сочетающего быстродействие современных ЭВМ при выполнении численных расчетов с вероятностной комбинаторикой по методу Монте-Карло [3, 6-7], позволяет избежать противоречий и конфликтов при определении конечного результата в виде FM=MAX (Fm), поскольку любая альтернативная комбинация значений An и Pn, предложенная экспертами, может быть просчитана и учтена ЛПР фактически в режиме реального времени.
Предлагаемый способ определения ожидаемой полезности проекта универсален и прост, он удобен для реализации и автоматизации, органически сочетается с методом СИМ и другими компьютерными технологиями, которые в настоящее время используются при проектировании СС различного назначения с целью обеспечение эффективности их функционирования.
Устройство для определения ожидаемой полезности проекта.
Предлагаемый способ предполагает разработку устройства для определения ожидаемой полезности проекта. Отметим, что, с точки зрения теории СС, данное устройство является автоматической СС рефлекторного технического типа, поскольку ЛПР в его функционировании участия не принимают - за исключением вспомогательных операций, связанных с входной и выходной коммутацией.
Согласно описанию способа-прототипа, на предварительном этапе в АСУ определяются число и детерминированные значения N первичных показателей Xn, n [1; N] эффективности М доступных для его реализации вариантов, где m [1; М] - включая максимальные значения МАХ(Xn), необходимые для определения объективной ожидаемой полезности по методу фон Неймана -Моргенштерна [10-11]. Далее производятся определение вторичных показателей Xn/MAX(Xn) путем их суммирования (при необходимости с заданным «весом») и интегрального показателя Fm ожидаемой полезности, а также выбор лучшего варианта проекта по правилу FM=MAX(Fm).
Фиг. 1 демонстрирует схему устройства для реализации способа-прототипа определения ожидаемой полезности проекта по методу фон Неймана - Моргенштерна в изложенном виде.
Фиг. 2 показывает схему устройства для реализации предлагаемого способа определения ожидаемой полезности проекта.
Помимо основных цифровых обозначений Фиг. 1-2 включают вспомогательные надписи, призванные облегчить работу экспертизы над заявкой, которые в любой момент подлежат удалению.
Техническим результатом предлагаемого изобретения является реализация заявленного назначения изобретения. Сопутствующим результатом является обеспечение безопасности хранения, транспортировки и применения в других целях результатов проектирования и СИМ. Оба они полностью совпадают с результатами способа-прототипа.
Устройство-прототип реализуется и функционирует следующим образом.
Устройство-прототип представляет собой последовательно соединенные N-канальные подсистемы (подпрограммы) формирования первичных показателей 1 и вторичных показателей 2, одноканальный выход которой подключен ко входу сумматора 3, как это иллюстрирует Фиг. 1. Входом устройства-прототипа является N-канальный вход подсистемы формирования первичных показателей 7, подключенный к N-канальной подсистеме АСУ формирования исходных данных.
На предварительном этапе проектирования СС в N-канальной подсистеме АСУ формирования исходных данных определяются число и выбор первичных нормализованных показателей Xn, n [1; N] эффективности М доступных вариантов реализации проекта, где m [1; М] - включая максимальные значения МАХ(Xn). После этого подсистемы (подпрограммы) формирования первичных показателей 1 и вторичных показателей 2 определяют их детерминированные числовые значения, с N-канального выхода 2 поступающие на вход сумматора 5, который формирует значение ФОП в виде интегрального показателя Fm ожидаемой полезности, необходимое для последующего выбор АСУ лучшего варианта проекта по правилу FM=MAX(Fm). Средства проведения указанных процедур, в материальном виде реализуемые подсистемами (более подробно см. далее в описании предлагаемого устройства) и в виртуальном виде подпрограммами устройства-прототипа, известны из уровня техники.
Очевидными достоинствами устройства-прототипа являются универсальность и простота исполнения, неустранимые недостатки обусловлены недостатками способа-прототипа.
Сущность предлагаемого устройства для определения ожидаемой полезности проекта, включающего последовательно соединенные между собой многоканальные подсистемы формирования первичных показателей и вторичных показателей, выход которой подключен ко входу сумматора, где входом устройства является многоканальный вход подсистемы формирования первичных показателей, подключенный к многоканальной подсистеме автоматизированной системы управления проектом формирования исходных данных, состоит в том, что входом устройства является многоканальный вход подсистемы коммутации исходных данных, подключенный к многоканальной подсистеме автоматизированной системы управления проектом, отвечающей за формирование исходных данных; первый выход подсистемы коммутации исходных данных подключен ко входу подсистемы формирования первичных показателей первой группы, второй выход - ко входу подсистемы формирования первичных показателей второй группы; первые выходы подсистем формирования первичных показателей первой группы и второй группы соединены, соответственно, с первым и вторым входами подсистемы статистического имитационного моделирования стохастических коэффициентов, необходимых для учета неопределенности знаний лиц, принимающих решения, о параметрах и рабочих характеристиках проектируемой сложной системы; первый выход которой подключен к первому входу подсистемы определения вторичных показателей первой группы, второй выход - к первому входу подсистемы определения вторичных показателей второй группы; выходы подсистем формирования первичных показателей первой группы и второй группы подключены, соответственно, к первому и второму входам сумматора, подключенного к одноканальному коммутатору, выход которого является выходом предлагаемого устройства.
Предлагаемое устройство реализуется и функционирует следующим образом.
В соответствии с изложенным и схемой Фиг. 2 входом предлагаемого устройства является N-канальный вход подсистемы коммутации исходных данных 4, подключенный к N-канальной подсистеме АСУ формирования исходных данных. Первый выход подсистемы коммутации исходных данных 4 подключен ко входу подсистемы формирования первичных показателей первой группы 5, второй выход - ко входу подсистемы формирования первичных показателей второй группы 6. Первые выходы подсистем 5 и 6 соединены, соответственно, с первым и вторым входами СИМ-подсистемы 7 определения N1 и N2 стохастических коэффициентов An и Pn, первый выход которой подключен к первому входу подсистемы определения вторичных показателей первой группы 8, второй выход - к первому входу подсистемы определения вторичных показателей второй группы 9; выходы подсистем 8 и 9 подключены к первому и второму входам сумматора ФОП 5, подключенного к одноканальному коммутатору 10, выход которого является выходом предлагаемого устройства.
После выполнения АСУ операций, связанных с определением N=N\+N2 первичных показателей Xn, n [1; N] эффективности М доступных для реализации вариантов СС, где m [1; М], а также сбором информации о каждом Xn и формировании массивов исходных данных, по которым могут быть получены оценки максимальных значений МАХ(Xn); подсистема коммутации исходных данных 4 транслирует эту информацию в подсистемы формирования первичных показателей первой группы 5 и второй группы 6 с выбором в обеих группах их максимальных значений, после чего производится расчет значений вторичных показателей Xn/МАХ(Xn) в первой 8 группе N1 и 1-Xn/МАХ(Xn) во второй 9 группе N2.
Из уровня техники известна реализация подсистемы коммутации исходных данных 4 на основе RISC-архитектур. В частности, возможно использование семейства микроконтроллеров PIC32MX. Аналогичным образом известна реализация подсистем формирования первичных показателей первой группы 5 и второй группы 6 с выбором в обеих группах их максимальных значений. Микроконтроллеры ARM являются оптимальным решением для этой задачи (как 32-битные, так 64 битные). В частности контроллеры, LPC2148, ARM Cortex-МО, ARM Cortex-M3, ARM Cortex-M7. Из уровня техники известна реализация подсистем формирования вторичных показателей первой группы 5 и второй группы 9 с выбором в обеих группах их максимальных значений, Как и в прошлом случае возможно использование решений от ARM.
При реализации сумматора 3 оптимальным решением является использование контроллера Atmega32, который обладает высокой производительностью 1 такт на инструкцию (в отличие от АТ89С51, P89v51, которым необходимо до 12 тактов на инструкцию), поддерживает большое число интерфейсом (UART, USART, SPI, I2C, иногда CAN, USB, Ethernet) и основан на шинной RISC-архитектуре. Из уровня техники известна реализация выходного коммутаторах 10.
В зависимости от требуемого проектного соотношения «производительность / стоимость» и требований по архитектуре памяти (фон-неймановская, гарвардская, модифицированная), возможно использование семейств контроллеров PIC: PIC18fXX8, PIC16f88X, PIC32MXX (четыре такта на инструкцию), либо ARM: Cortex-M (один такт на инструкцию).
Из уровня техники известны варианты реализации СИМ-подсистемы 7 - они могут быть основаны, как на cisc-архитектурах (×86, amd_64), так и на rise-архитектурах (arm, power, powerpc, power9, и т.д.). Программное обеспечение с использованием языков высокого (python посредством библиотеки NumPy) и среднего уровней (с++, библиотеки cmath, random) может быть развернуто на большинстве современных вычислительных систем. Ключевыми проектными критерием здесь является соотношение «производительность / энергопотребление / размеры встраиваемой системы». В частности, возможно использование рабочих станций на базе процессоров intel: core i /xeon; amd ryzen/threadripper, либо встраиваемых систем на базе одноплатных компьютеров: Arduino, Raspberry Pi, Nvidia Jetson.
Варианты реализации СИМ-подсистемы 7 определения стохастических коэффициентов An и Pn, существенно различаются между собой [3; 6; 8]. Наиболее простым здесь является применение метода Монте-Карло и «разыгрывание» случайных значений An и Pn по финитным вероятностным законам в пределах, задаваемых ЛПР и экспертами вручную, с пульта оператора, или АСУ на предварительном этапе работы устройства. В наиболее сложном случае: когда аналогов будущей СС нет, теория такого рода СС отсутствует, методы и средства их разработки неизвестны, ЛПР поручают группе квалифицированных и опытных, по их мнению, экспертов выработать и согласовать необходимые субъективные оценки An и Pn.
Найденные в рамках метода СИМ оценки An и Pn, которые учитывают значимость и вероятность реализации показателей Xn, в подсистемах 8 и 9 умножаются, соответственно, на значения вторичных показателей Xn/МАХ(Xn) в группе N1 и 1-Xn/МАХ(Xn) в группе N2, после чего формируют в подсистеме 3 путем их суммирования итоговое значение ФОП. По команде ЛПР значение ФОП хранится в подсистеме 3, распечатывается, записывается во внешние устройства и т.п. На завершающем этапе одноканальный выходной коммутатор 10 отключает предлагаемое устройство от АСУ, что гарантирует информационную безопасность процесса проектирования СС, включая безопасность хранения, транспортировки и применения в других целях результатов проектирования и СИМ.
ЛИТЕРАТУРА
1. Алгазинов, Э.К. Анализ и компьютерное моделирование информационных процессов и систем [Текст]: моногр. / Э.К. Алгазинов, А.А. Сирота. - М.: Диалог-МИФИ, 2009. - 416 с.
2. Димов, Э.М. Новые информационные технологии: подготовка кадров и обучение персонала. [Текст]: моногр. 4.1. Реинжиниринг и управление бизнес-процессами в инфокоммуникациях / Э.М. Димов, О.Н. Маслов, А.Б. Скворцов. - М.: ИРИАС, 2006. - 386 с.
3. Димов, Э.М. Новые информационные технологии: подготовка кадров и обучение персонала. [Текст]: моногр. Ч. 2. Имитационное моделирование и управление бизнес-процессами в инфокоммуникациях / Э.М. Димов, О.Н. Маслов, С.Н. Пчеляков, А.Б. Скворцов. - Самара: Изд-во СамНЦ РАН, 2008. - 350 с.
4. Димов, Э.М. Новые информационные технологии: подготовка кадров и обучение персонала. [Текст]: моногр. Ч. 3. Интеллектуальные информационные системы и управление бизнес-процессами в инфокоммуникациях / Э.М. Димов, А.Р. Диязитдинова, О.Н. Маслов, В.Ф. Новаковский. - Самара: Изд-во СамНЦ РАН, 2017. - 440 с.
5. Моисеев, Н.Н. Элементы теории оптимальных систем [Текст]: моногр. / Н.Н. Моисеев. - М.: Наука, 1975. - 528 с.
6. Димов, Э.М. Снижение неопределенности выбора управленческих решений с помощью метода статистического имитационного моделирования [Текст] / Э.М. Димов, О.Н. Маслов, Ю.В. Трошин // Информационные технологии. №6, 2014. - С. 51-57.
7. Мушик, Э. Методы принятия технических решений. Пер. с нем. [Текст]: моногр. / Э. Мушик, П. Мюллер. - М.: Мир, 1990. - 208 с.
8. Маслов, О.Н. Моделирование неопределенностей [Текст] / О.Н. Маслов // Нейрокомпьютеры: разработка, применение. №9, 2014. - С. 79-84.
9. Форрестер Дж. Основы кибернетики предприятия (индустриальная динамика). Пер. с англ. [Текст]: моногр. / Дж. Форрестер. -М.: Прогресс, 1971. - 340 с.
10. Шумейкер П. Модель ожидаемой полезности: разновидности, подходы, результаты и пределы возможностей. Пер. с англ. [Текст] / П. Шумейкер // THESIS. - 1994. - Вып. 5. - С. 29-80.
11. Нейман, Дж. фон. Теория игр и экономическое поведение. Пер. с англ. [Текст]: моногр. / Дж. фон Нейман, О. Моргенштерн. - М.: Наука, 1970. - 708 с.
12. Savage, L.J. The Foundations of Statistics [Техт] / L.J. Savage. - N.Y.: Wiley, 1954. -310 p.
| название | год | авторы | номер документа |
|---|---|---|---|
| СПОСОБ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ СИСТЕМЫ УПРАВЛЕНИЯ МНОГОПАРАМЕТРИЧЕСКИМ ОБЪЕКТОМ И ПРОГРАММНО-АППАРАТНЫЙ КОМПЛЕКС ДЛЯ ЕГО РЕАЛИЗАЦИИ | 2019 |
|
RU2730387C2 |
| СПОСОБ И КОМПЬЮТЕРНАЯ СИСТЕМА ДЛЯ ПРОЕКТИРОВАНИЯ РАЗМЕЩЕНИЯ КУСТОВЫХ ПЛОЩАДОК НА МЕСТОРОЖДЕНИИ | 2017 |
|
RU2685005C1 |
| Способ автоматизированного проектирования производства и эксплуатации прикладного программного обеспечения и система для его осуществления | 2016 |
|
RU2676405C2 |
| Способ автоматизированного управления трудовыми ресурсами на основе имитационного моделирования | 2017 |
|
RU2697938C1 |
| СПОСОБ СТРУКТУРНО-ПАРАМЕТРИЧЕСКОГО СИНТЕЗА СРЕДСТВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ РАЗВИТИЕМ СЛОЖНОЙ ОРГАНИЗАЦИОННО-ТЕХНИЧЕСКОЙ СИСТЕМЫ И УСТРОЙСТВО ДЛЯ ЕГО РЕАЛИЗАЦИИ | 2020 |
|
RU2754239C1 |
| СПОСОБ ПРЕДАВАРИЙНОГО, АВАРИЙНОГО И ПОСТАВАРИЙНОГО КОНТРОЛЯ ИСТОЧНИКОВ РАДИАЦИОННОЙ, ХИМИЧЕСКОЙ И ВЗРЫВОПОЖАРНОЙ ОПАСНОСТИ В ГЕРМЕТИЧНЫХ ОБИТАЕМЫХ ОБЪЕКТАХ, ПРЕИМУЩЕСТВЕННО ПОДВОДНЫХ ЛОДКАХ, И КОМПЛЕКСНАЯ СИСТЕМА ДЛЯ ЕГО ОСУЩЕСТВЛЕНИЯ | 2015 |
|
RU2596063C1 |
| ИНТЕРАКТИВНАЯ АВТОМАТИЗИРОВАННАЯ СИСТЕМА ОБУЧЕНИЯ | 2011 |
|
RU2477528C2 |
| СИСТЕМА ИНТЕГРИРОВАННОГО КОНЦЕПТУАЛЬНОГО ПРОЕКТИРОВАНИЯ МЕСТОРОЖДЕНИЯ УГЛЕВОДОРОДОВ | 2017 |
|
RU2670801C9 |
| СПОСОБ АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ ПРОЕКТИРОВАНИЕМ БОРТОВЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ | 2012 |
|
RU2502131C1 |
| Способ обеспечения надежности вычислительных систем при различных архитектурах избыточности | 2018 |
|
RU2699056C1 |
Изобретение относится к области управления сложными системами на стадии их проектирования и может быть использовано с целью выбора наилучшего варианта реализации проектируемой системы по критерию ожидаемой полезности. Заявлено устройство для проектирования сложной системы, включающее последовательно соединенные между собой многоканальные подсистемы формирования первичных показателей и вторичных показателей, в котором входом устройства является многоканальный вход подсистемы коммутации исходных данных, подключенный к многоканальной подсистеме автоматизированной системы управления проектом; первый выход подсистемы коммутации исходных данных подключен к входу подсистемы формирования первичных показателей первой группы, второй выход - к входу подсистемы формирования первичных показателей второй группы; первые выходы подсистем формирования первичных показателей первой группы и второй группы соединены, соответственно, с первым и вторым входами подсистемы статистического имитационного моделирования стохастических коэффициентов, первый выход которой подключен к первому входу подсистемы определения вторичных показателей первой группы, второй выход - к первому входу подсистемы определения вторичных показателей второй группы; выходы подсистем формирования первичных показателей первой группы и второй группы подключены, соответственно, к первому и второму входам сумматора, подключенного к одноканальному коммутатору, выход которого является выходом предлагаемого устройства. Техническим результатом предлагаемого изобретения является реализация заявленного назначения изобретения. 2 ил.
Устройство для проектирования сложной системы, включающее последовательно соединенные между собой многоканальные подсистемы формирования первичных показателей и вторичных показателей, построенные на базе Arm v8A контроллеров, выходы которых подключены к входу сумматора, реализованного на шинном RISC-контроллере Atmega32, где входом устройства является многоканальный вход подсистемы формирования первичных показателей, подключенный к многоканальной подсистеме автоматизированной системы управления проектом формирования исходных данных, отличающееся тем, что входом устройства является многоканальный вход подсистемы коммутации исходных данных, подключенный к многоканальной подсистеме автоматизированной системы управления проектом, отвечающей за формирование исходных данных; первый выход подсистемы коммутации исходных данных подключен к входу подсистемы формирования первичных показателей первой группы, второй выход - к входу подсистемы формирования первичных показателей второй группы; первые выходы подсистем формирования первичных показателей первой группы и второй группы соединены, соответственно, с первым и вторым входами подсистемы статистического имитационного моделирования стохастических коэффициентов, необходимых для учета неопределенности знаний лиц, принимающих решения, о параметрах и рабочих характеристиках проектируемой сложной системы, первый выход которой подключен к первому входу подсистемы определения вторичных показателей первой группы, второй выход - к первому входу подсистемы определения вторичных показателей второй группы; выходы подсистем формирования первичных показателей первой группы и второй группы подключены, соответственно, к первому и второму входам сумматора, подключенного к одноканальному коммутатору, выход которого является выходом предлагаемого устройства; описанные выше подсистемы реализованы посредством специализированного компьютера для встраиваемых систем Nvidia Jetson (SoC Tegra, архитектуры Arm v8A/Maxwell), организующего выполнение вышеописанных вычислений, манипуляций с данными и взаимодействие с другими подсистемами средствами интерфейса ввода-вывода общего назначения GPIO.
| СИСТЕМА ДЛЯ ОПРЕДЕЛЕНИЯ СТОИМОСТИ ПРОЕКТА | 2000 |
|
RU2259593C2 |
| СПОСОБ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ ДАННЫХ ДЛЯ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ПО ПРОЕКТУ И ПОРТФЕЛЮ ПРОЕКТОВ | 2011 |
|
RU2480830C2 |
| RU 2004133050 A, 10.07.2005 | |||
| US 20090240557 A1, 24.09.2009 | |||
| CN 105426994 A, 23.03.2016 | |||
| US 10062127 B1, 28.08.2018 | |||
| US 20160321587 A1, 03.11.2016. | |||
