4. Четвртое свойство ( эмерджентность, интегративность)

Системы S это существование интегративных качеств( свойств) , то есть таких качеств, которые присущи лишь системе в целом, но не свойственны ни одному из её элементов в отдельности, принципиально не сводится к сумме свойств элементов и не выводится из них :

S≠

Где i-я характеристика ( свойство системы); m – общее количество характеристик.

Интегративность показывает, что свойство системы хотя и зависит от свойств элементов, но не определяются ими полностью.

Отсюда важный вывод :

- Система не сводится к простой совокупности элементов или подсистем;

- Расчленяя систему на отдельные части изучая отдельно каждую из них нельзя познать все свойства системы в целом.

Любой объект, обладающий всеми четырьмя рассмотренными основными свойствами, и будет называться системой, то есть совокупностью взаимосвязанных элементов, обладающей интегративными свойствами ( эмерджентностью) которая в в общем случае сама может быть частью более сложной системы( например, завод, -> экономика -> государство).

2. Ключевые положения теории систем.

Наряду с вышеперечисленными основными признаками ( свойствами) систем приведём кратко и несколько упрощённо важнейшие положения теории систем.

1. Целое не является простой суммой частей, поскольку систему можно рассматривать только как единство

2. Системы можно рассматривать как « закрытые» или как «открытые». Система считается открытой если она обменивается информацией, энергией или веществом со своим окружением, как это имеет место в биологических (люди и животные) или социальных ( фирма город и т.д.) системах. Система считается закрытой, если она не имеет таких взаимодействий со своим окружением ( условно: будильник, необитаемый остров, солнечная система) .

3. Что бы любая система воспринималась, выделялась идентифицировалась как отдельная система, она должна иметь «границы», отделяющие её от внешней среды. Например, будильник, пока к нему не прикоснулся человек, что бы его завести имеет закрытую и жёсткую границу. Напротив, границы социальной системы ( например отдел фирмы) не являются ни жёсткими, ни замкнутыми.

4. Закрытые ( замкнутые) физические системы подвержены энтропии – тенденции к деструктуризации, к «иссяканию». Замккнутые социальные системы обычно отстают в развитии, вырождаются (обособленные племена и т.п.) открытые же системы,по скольку они могут получать вводы (приход энергии, информации и другое), то есть «подпитываться извне» , не страдают от энтропии по крайней мере, если эти вводы в сумме равнозначны использованному, накопленному системой их количеством иллюстраций и выходу из системы.

Запись баланса: ПРИХОД ≥НАКОПЛЕНИЕ + РАСХОД 1.3

Большинство социальных систем ( правительственные учреждения, фирмы, учебные группы и т.д.) могут снижать свою энтропию забирая из внешней среды больше чем они используют или отдают, то есть развиваться ( положительный баланс)

5. Таким образом что бы открытая система продолжила существовать ,она по крайней мере, должна достичь баланса, то есть такого « устойчивого состояния» ( « динамическое равновесие», «гомеостаз»), когда она устанавливает достаточно вводов для существования, для возмещения затрат и потерь, в процессе своего функционирования, успешное растущее предприятие, ( и человек в норме), разумеется, имеет больше вводов чем выходов. Гомеостаз в биологии означает поддержание постоянства жизненноважных функций, процессов в организме. 1.2.6 Что бы система достигла динамического равновесия ( гомеостаза) , у неё должна быть обратная связь (положительное ОС усиливает исходный процес, отрицательная его тормозит) - информационный ввод, который « сообщает», действительноли система достигла устойчивого состояния(равновесия), работает ли система нормально и не подвергается ли она опасности разрушения. Кстати, это является главной целью управленческого контроля.

1.2.7

4. Моделирование систем – неотъемлемый этап системного анализа.

4.1 Определение и классификация моделей. Их свойства.

Создание современных систем, процессов, технологий разной сложности назначения немыслимо без глубокого и всестороннего изучения и прогнозирования их свойств на протяжении всего их жизненного цикла. Ри этом возникают задачи,требующие системного подхода, использование основного метода в системных исследованиях – моделирование. Это наиболее прогрессивный метод научного познания всюду, особенно в управлении, где основными являются процессы принятия решений на основе получаемой информации.

Не существует единственного определения понятия модели, приведём некоторые из них.

Модель( лат. Modelus-мера) это условное представление действительности.

Модель это обьектимеющий сходства в главных чертах, отношениях с прототипом, реальным(натуральным) обьектом и служащий средством описания(обьяснение, прогнозирование) поведения прототипа.

Модель это объект –аналог заместитель, который в определённых условиях может заменять обьект – оригинал, воспроизводя интересующие нас свойтсва и характеристики оригинала, обладающие преимуществами (простота, удобство и доступно использования и прочее)

Модель это материальный или абстрактный упрощённый аналог обьект – оригинала, обладающий собственными для изучения оригиналов для выполнения поставленной задачи свойствами.

Из приведённого понятия смысл и назначения модели. По своей природе модели делят на три основных типа:

-физические (аналоговые) модели, сходные с оригиналом по своей физической природе, процессом, основным свойством, геометрически подобные ему;

-математически ( символьные) модели имеют сходство с оригиналом в описании одними и теми же законами функционирования одинаковыми математическими уравнениями;

-Иллюстративные – чертежы, карты, макеты натурных обьектов, а так же планы, программы, схемы (алгоритмические, структурные, радиосхемы и т.п.) .

При необходимости используют, создают смешанные (комбинированные) модели. Например при создании сложных технических систем ( самолёт, гидротехнические сооружения и др.) и их испытаниях часто применяют комбинацию математических и физических моделей, а иногда и натурных блоков, когда часть процессов подсистемы не имеет удовлетворительного математического описания.

Модель в менеджменте – это представление реальной системы, предмета изучения или идеи в спицефической форме, отличной от формы исходного целого ( сложного) обьекта исследования. Например, схема организации является моделью её структуры. В управленческих, экономических задачах используют модели теории игр, теории очередей, управление запасами, линейного программирования и другое. Экономико – математическая модель часто представляет собой систему уравнений и неравенств, включающих в себя количественные переменные ( оббьем продукции, капиталовложение и другое) и параметра, например, нормы расхода материалов.

Все модели условно делятся на статические и динамические( не стационарные)

Существуют ещё следующие классификации моделей ( кстати, классификационная модель – простейший вид модели, в которой фиксируются только отношения тождественности или развития).

1. Классификация по целевому назначению:

- Модели структуры ( описывают связи между средой и компонентами системы);

- Модели функционирования ( например модели жизненного цикла системы в целом, информационные, процедурные модели);

- Стоимостные модели ( комплексная оценка по экономическим критериям).

2) Классификация по типу задач:

- Описательные модели ( описание, анализ и прогноз поведения системы; Балансированные модели; модели для задач контроля, анализа, учета, расчётов сетевого планирования, управления и т.п.);

-Нормативные модели ( оптимизация – получение лучших результатов, эффекта или состояния при некоторых исходных условиях, исходя из принятых критериев);

-Модели конструирования решений ( построение комплексных синтетических решений обычн ос использованием двух предидущих типов моделей.)

3) Классификация по форме реализации:

-аналитические алгоритмические модели – это математические модели соответственно без (49) …

4) Классификация по форме математичеаского описания:

-Детерминированные модели не учитывают элементы случайности, имеют вид уравнений, единственное решение (модели баланса);

-Стохостические модели – модели, учитывающие случайные(стохастические процессы), их ещ можно разделить на

а) модели динамики средних (исследования процессов с большим (>10 )количеством однородных объектов ,когда можно апперировать средними значениями с математическими ожиданиями) их характеристик как не случайными величинами;

б) Вероятностные модели (дискретные и непрерывные) применяются, когда число однотипных объектов мало и приходиться вычислять вероятности тех или иных состояний процесса, что значительно сложнее, чем в предидущем случае. Они используются в различных областях науки и практики, например в теории массового обслуживания, в военном деле и так далее;

-Статистические модели применяют при изучении процессов любой степени сложности, когда два предидущих типа моделей не пригодны. В этом случае используется метод Монте-карло (лежит в основе имитационного моделирования) состоящий в многократном воспроизведении процессов, состояний, причем каждый раз все случайные величины и функции, потоки определяют с помощью датчика случайных чисел заного. Естественно ирезультаты каждого такого модельного расчёта различны. Таким образом здесь исследование сложной модели заменяется многократным исследованием ( реализацией) простой модели.

4.2

Основные требования к моделям (моделированию). Этапы моделирования.

Модели строятся исходя из неоторых принципов (общих требований) таких как:

1. Адекватность - это соответсвие модели целям исследования, поставленной задачи,законам функционирования реальной системы

2. Соответствие модели конкретной реальной задачи. Так как возможно множество моделей, описывающих данную систему, то следует выбирать такую модель, которая наиболее близка конкретным условиям и цели выполняемого исследования, что очевидно связанно с принципом адекватности.

3. Упрощение модели при сохранение существенных свойств системы абстрогирование от второстепенных явлений, факторов, а учёт лиш существенных для данной задачи. Модель всегда должна быть проще оригинала, не оставаться адекватной. Согласно Альберту Эйнштейну «модели должны быть настолько простыми, насколько возможно, но не проще». Иначе говоря модель должна быть сбалансированной по критерии « простота – эффективность».

Существует известное правило – пошаговое усложнение моделей (по необходимости), начиная с простой. Упрощение ( усложнение) модели достигается изменением числа, типа переменных и функциональных зависимостей и ограничений в том числе и ограничения точности модели которое не может быть выше точности (её результатов), исходных данных.

4. Достаточность информации – использование только необходимой и достаточной информации, ничего лишнего.

5. Инвариантность информации (входных данных) означает, что модель должна работать без доработки в заданном диапазоне входных данных.

6. Преемственность. Каждая последующая модель не должна нарушать свойства объекта, ухудшать моделирование по отношению к предыдущим его этапам или другим использованным моделям. Под моделированием сдесь понимаем процесс исследования реальной или проэктируемой системы включающий построение модели, изучение свойств системы для решения конкретных задач, перенос полученных свойств на новую, моделируемую систему.

Исходя из системного подхода с учётом приведённой на рисунке 3.3 общей схемы этапов Системного анализа (алгоритм ликвидации проблем решения задач) Приведём типичный алгоритм (этапы) моделирования (рис 4.1) системы процесса.

Как видно из рисунка 4.1 процесс моделирования предусматривает цикличный интерактивный характер. Для проверки адекватности и точности моделирования на определённых его этапах выполняется сравнение полученных результатов с практикой, с результатами полученными в экспериментах и по близким моделям.

Полученные модели и результаты могут быть использованы для оптимизации совершенствования самих моделей.

Рис.4.1

5 декомпозиция и агрегирование – процедуры системного анализа

5.1 стратегии, функции и смысл декомпозиции

Анализ и синтез не являются элементарными действами (задачами) системного анализа (см пункт 3.3.), они содержат более простые операции, соответственно декомпозицию и агрегатирование. Для анализа задача расподается на подзадачи, система на подсистемы, цели на подцели. При необходимости этот процесс повторяется, что приводит к иерархическим древовидным структурам, которые будут, естественно, различаться в зависимости от выполняющего декомпозицию эксперта.

Полнота, содержание, структура анализа (декомпозиция) и модели системы неразрывно связанны. Основанием для декмопозиции является содержательная модель проблеморазрешающей системы. Примеры этого уже были даны на рисунке 1.1, 1.3.

Рассмотрим некоторые наиболее часто применяемые стратегии декомпозиции.

1. Функциональная декомпозиция базируется на анализе функции системы; ставится вопрос, что делает система.

2. Декомпозиция по жизненному циклу выполняется по изменению законов функционирования подсистем на разных этапах «жизни» системы, рекомендуется при оптимизации процессов, если выделены стадии преобразования входов в выходы.

3. Декомпозиция на подсистемы ( структурная декомпозиция) рекомендуется, когда разделение на подсистемы не меняется, стабильно. Признак выделения подсистем – сильная связь между элементами по одному из типов связей (отношений) в системе (информационных, логических, иерархических, энергетических).

4 Декомпозиция по ( физическому) процессу применяется, когда цельюу модели является описание (физического) процесса как такогого. Признак выделения подсистем – шаги выполнения алгоритма функционирование подсистемы, стадии смены состояний с учётом ограничений.

Этапу декомпозиции присущи следующие функции.

1. Определение и декомпозиция общей цели исследования и основной функции системы в пространстве состояний. Это проводится путём построения дерева целей и дерева функций.

2. Выделение системы из среды, учитывая участие её элементов в процессе.

3. Описание воздействующих ( внешних) факторов.

4. Описание тенденций развития, неопределённостей.

5. Описание системы, как « чёрного ящика».

6. Функциональная (о функциям) , компонентов.

7. По виду элементов и структурная (по виду отношений, связей между элементами) деконструкции системы.

Углубление декомпозиции ограничивается целью исследования, необходимостью представить элемент как подсистему.

Алгоритм декомпозиции определяется, главным образом её стратегией и функциями. Смысл декомпозиции заключается в том, чтобы «расщипив» систему (модель), воспользовавщись априорными сведениями об их структуре, упростить задачу синтеза системы ( модели) и управление ею.

5.2 Основные виды и свойства агрегирования.

Операции, противоположенные декомпозии является операция агрегирования (агрегации), то есть обьединение элементов в единое целое, переход от анализа к синтезу системы.

Необходимость и характер агрегатирования является следствием различных целей и обстоятельств, что приводит к различным его способам. Однако у всех агрегатов (это результат агрегатирования) есть одно общее свойство – эмерджентность: при объединении частей в целое возникает новое качество, чего не былои не могло быть без этого объеденения. Существует много форм (видов) агрегатирования. Их общность состоит в том, что: Агрегатирование диктуется выбранной моделью, исследуемой системы; агрегирование есть установление связей ( отношений) между обьединяемыми элементами.

Наиболее важными для системного анализа являются следующие виды агрегатов:

-конфигуратор (совокупность языков, способов описании системы), например при обсуждении кандидатур на руководящую должность рассматриваются профессиональные, моральные, деловые и другие качества ивозможности, состояние здоровья притендента

- Агрегат-оператор (конкретизация отношения в частности классификация – объединение в классы по ризнакам, упорядочение, числовые функции многих переменных, поиск закономерностей, статистик для извлечения информации из наблюдений и прочее);

- Структура (описание связей на всех языках конфигуратора).

Существуют мало изученные способы агрегатирования, например, самоорганизация. Ещё один пример декомпозиции \ агрегатирования (маркетинговой системы) как на рисунке 5.1. из приведённой схемы системных исследований видно, что для изучения обьекта, анализа его структурных связей и содержания выполнена его декомпозиция на подсистемы и элементы. Осле проведения анализа происходит противоположенный процесс: элементы, наполненные содержанием, с изученными связями и функциями снова объединются в агрегаты (подсистемы). Аналогично в свою очередь, исследованные подсистемы агрегатируются в цельную систему, так происходит синтез рассматриваемой подсистемы, но в результате системного исследования она уже отличается от исходной, так как обладает новыми качествами, конкретным содержанием и связями, она уже пригодна для применения, работы.

6. информационные аспекты изучения системы

6.1 Понятие и определение информации и случайного процесса.

Информация есть свойство материи, состоящее в том, что в результате взаимодействия обьектов (систем) между ними устанавливается определённое соответствие. Чем сильнее выражено это соответствие, тем полнее состояние одного обьекта отражает состояние другого обьекта, тем больше информации один обьект содержит о другом. С другой точки зрения информация – это совокупность сведений определяющих меру наших знаний о тех или иных процессах, событиях, явлениях, фактах и их взаимосвязи. Она имеет огромное значение в исследованиях. Различных физических, экономических, социальных и других явлений и систем.

Подобно веществу и энергии полученную информацию можно накапливать, хранить, обрабатывать, передавать, видоизменять её форму.

Информация (данные) об обьекте редставляют собой набор конкретных значений количественных или качественных параметров, характеризующих обьект (пример – анкетные даны).

Данные становятся информацией, когда осознается их смысловое значение и цель использования, влияние на поведение системы.

Первое и, может быть главное отличие подхода к изучению любого объекта как системы, а не как просто объекта, и состоит в том, что мы ограничиваемся не только рассмотрением и описанием вещественной и энергетической его сторон, но и (прежде всего) проводим исследование его информационных аспектов : целей, сигналов, информационных потоков, управление, организации и так далее.

Любое сведение о каком либо событии, происходящим внутри системы или вне ее, называют сообщением. Информационные связи, служащие для передачи сообщений называют каналами свзи.

Сигнал есть материальный носитель информации в каналам связи. В качестве сигналов используются состояние физических обьектов или полей.В соответствии между сигналом и несомой им информацией устанавливается по специальным правилам, называемым кодом. Преобразование сигнала из одной формы в другую называют кодированием ( например, магнитная запись звука, изображения) а обратное преобразованием декодированием (пример, воспроизведение сделанной записи).

Моделью сигнала может быть набор, ансамбль функций, параметра t (обычно время), причём до передачи сигнала неизвестно, какая из них будет отправлена; это становится известно получателю только после передачи. Каждая такая конкретная функция называется реализацией.

Если теперь ввести ещё вероятностную меру на множество реализаций, то мы получим математическую модель называемую случайным процессом, его основные характеристики – математическое ожидание ,дисперсия и другое (не случайные) функции. Другими словами если система с течением времени меняет своё состояние ( переходит из одного состояния в другое), причем заранее не известным, случайным образом, то говорят, что в системе протекает случайный процесс.

Случайные возмущения присущи любому реальному процессу, но пока они не существенны для нашего исследования, процесс можно рассматривать как детерменированный, неслучайный. Это же касается и случайных величин. Заметим, что случайный процесс называется Марковским, если для любого момента времени вероятные характеристики процесса в будующем зависят только от его состояния в данный момент и не зависят от того, когда и как система пришла в это состояние (то есть от предыстории).

Случайный процесс хорошо отображает главное свойство реальных сигналов, их неизвестность до момента приёма. Сигнальную специфику случайных процессов изучает теория информации. Случайный процесс может служить моделью сигнала как на уровне описания отдельных реализаций, так и всего их ансамбля.

6.2 Неопределенность, энтропия и её свойства. Количество (измерение) информации.

Специфическим понятием теории информации является понятие неопределённости случайного объекта для которой удалось ввести количественную меру – энтропию. Для характеристики размытости распределений широко используется второй центральный момент ( дисперсия) или доверительный интервал.

В качестве меры неопределённости случайного объекта (системы) A с конечным множеством возможных состояний (формулы, 61-64 страница. Сделать дома!)

7 Эксперимент в системном моделировании

7.1 Понятия, основные положения и системная сущность эксперимента.

Подавляющее большинство изучаемых объектов, явлений и процессов относятся к классу сложных систем, характеризующихся значительным числом взаимосвязанных свойств и параметров.

В настоящее время сформировались 2 подхода к исследованию, к решению различных проблем и задач: Детерминистский и стохастический ( Вероятностный). Ри первом подходе система описывается строго детерменированной (жёсткой, однозначной) моделью, обычно в виде системы дифференциальных уравнений, логических условий и тому подобное, например математический аппарат современной теории управления.

Однако при изучении новых и сложных явлений и систем, в условиях неполного знания их структуры и механизмов важнейшим способом получении информации является опыт, эксперимент, он дополняет теорию в процессе познания и в практической деятельности.

Проведение экспериментов часто считают искусством, которому можно научиться, но нельзя научить. Однако можно и нужно научить исключать или учитывать случайные воздействия окружающей среды, планировать эксперимент (опыты) и определять порядок изменения условий эксперимента, оценивать ошибки и их совокупное влияние, проверять получаемые данные гипотезы, подвергать их различным видам статического анализа, наконец, правильно представлять результаты. Всем этим и другими вопросами занимается теория эксперимента.

Всех исследователей интересует точность и воспроизводимость получаемых данных, а для ускорения и экономичности исследования все стремятся оптимизировать эксперимент, уменьшить его объём и число переменных, повысить эффективность анализа и т.д. Трудности возникают часто в следствии недоступности непосредственного измерения интересующих характеристик системы. Совокупность технико-экономических показателей при оценке объекта или принятии важных организационных и конструктивных решений не совпадают, как правило, с совокупностью параметров, определяемых в эксперименте.

Весьма затрудняет исследование сложный динамический характер поведения самого объекта и окружающей среды, а так же обратное влияние проводимого исследования, испытательного оборудования и т.п. на саму изучаемую систему, процесс.

Важно отметить, что без построения модели невозможно спланировать и провести эксперимент, обработать его результаты. В свою очередь, именно эксперементальная информация позволяет построить адекватную математическую модель объекта, системы, процесса.

Из всего вышеуказанного становится ясно, что важнейшим принципом организации сложных экспериментов в современных условиях является системный подход, предполагающий рассмотрение во взаимосвязи всех задач, факторов, методов и средств в эксперименте, как единой системы, описываемой соответсвующей моделью. С другой стороны системный анализ объекта часто приводит к необходимости его эксперементального изучения с участием как специалистов в данной области, так и системщиков.

7.2 Виды эксперимента. Задачи, особенности и значения активного (планового) эксперимента.

Организовать проведение эксперимента можно двумя принципиально разными путями.

1, простой путь, это когда исследователь просто наблюдает, отслеживает, регистрирует информацию (пассивный эксперимент) условия протекания и результаты, но не задает его условие, не вмешивается и не управляет им (например, астрономические, метеорологические, биологические наблюдения, сбор экономических данных). Это пассивный эксперимент. Он обусловлен либо практической недоступностью объекта наблюдения, либо недопустимостью или невозможностью вмешательства в его функционирование, деятельность (звёзды, планеты, климат, экосистемы, биосистемы, элементарные частицы вещества, неустойчивый или опасный для вмешательства технологический или другой процесс).

Пассивный эксперимент это обычно дорогостоящий, длительный, малоэффективный путь исследования.

По второму пути экспериментатор изменяет, задаёт условие, следуя выбранной модели по специально разработанной строго обоснованной программе – плану эксперимента, регистрируя результаты ( отклики, выходные параметры, системы) для заранее предусмотренных условий эксперимента (точек, факторного пространства – значений управляемых переменных). Такой плановый эксперимент называют активным, он наиболее эффективен как по результативности, так и по экономичности.

Существует ещё особый вид эксперимента – мысленный эксперимент (эврестическое моделирование), когда изменения невозможны.

С помощью активного эксперимента можно решать задачи самых разных типов, например:

- Задачи оценивания эффектов состоит в сравнении откликов (полученных результатов ) для нескольких возможных вариантов условий (проведения эксперимента), наборов, уровней выбранных факторов;

- Задача отсеивания факторов обычно возникает на начальных этапах исследования, с целью выбрать из большего числа подозреваемых факторов главные, для экономии средств и времени. Обычно работает с числом факторов < 50 ,причем на начальных этапах отсеивания факторов могут быть использованы эвристические (экспертные) методы;

-Задачи интерполяции – это получение эмперических (экспереметнальных) моделей, зависимости в частности для пасчёта значений выходных показателей ( тоесть функции отклика) повсюду внутри границ исследуемого, факторного пространства;

- Задачи экстрополяции – это получение прогнозов значений функции отклика (интересующего нас показателя) для оценки ее за границами исследованной области изменения факторов;

- Задача оптимизации очень распространенная. Это поиск, в общем случае, точки (состояния) в многомерном пространстве факторов с учётом имеющихся ограничений и условий, доставляющий экстреммул (максимум или минимум) функции отклика, то есть оптимум для поставленной задачи;

- Задача дискременации это задача корректного сравнения ( с целью выбора) нескольких моделей системы, процесса;

- Задача адаптации становится, когда необходимо непрерывно во времени решать задачу оптимизации, то есть приспосабливаться (адаптироваться) к изменяющимся во времени внешним условиям, неуправляемым факторам, например, смена сырья для непрерывного производства и другое.

В основе эксперементального исследования сложной системы лежит идея ( модель) уже упомянутого выше кибернетического чёрного ящика.

Можно сказать, что мы имеем в случае:

- Управляемого объекта - активный эксперимент ( все факторы управляемы);

- Неуправляемого объекта – пассивный эксперимент;

-Частично управляемого объекта – активно –пассивный эксперимент (встречается очень часто).

По способу реализации помимо натурного эксперимента ( с реальными объектами) существует понятие вычислительного эксперимента – эксперементирования с математической моделью объекта. Для него справедлив алгоритм на рисунке 4.1

В натурном эксперименте исследователь ставит вопросы природе, многообразной, малоизученной реальности, а в вычислительном эксперименте – математической модели.

Проведение сложного эксеримента наощупь без строгого плана и чётких правил несовместно и часто не приемлимо.

7.3 Общая схема и типовые этапы эксперимента.

Упрощенная схема типичного эксперементального исследования показано на рисунке 7.1

В конкретных случаях отдельные элементы этой схемы могут быть видоизменены или опущены. Для большинства экспериментальных исследований представляется целесообразной следующая последовательность (этапы) выполнения эксперимента.

1). Выбор цели, определение задач и этапов выполнения экспериментов

2). Оценка объёмов и сроков работ.

3). Определение необходимой материальной базы и ресурсов ( в том числе кадровых), количество и точность аппаратуры, компьютерного оснащения.

4). Сбор и анализ априорной информации об объекте исследования, проведения оценочных расчётов.

5). Выбор переменных (факторов и откликов) и областей их изменения в эксперименте а так же методов их определения.

6). Выбор вида экспериментальной модели для описания свойств объектов и процессов, возможной оптимизации и управления, шагов в пространстве факторов.

7). Составление плана эксперимента и проведение короткой предварительной сери опытов с целью оценки погрешности измерений, ранжирования (и отсеивание несущественных)факторов.

8).Выбор способа проведения и составления плана основного эксперимента, в том числе экспериментального.

9). Проведение основного эксперимента (испытаний) и измерений.

10). Декодирование (расшифровка) полученной экспериментальной информации ( результатов измерений).

11). Первичный и затем стандартный статистический анализ результатов (оценка параметров и ошибок, проверка статистических гипотез, дисперсионных кареляционный анализ и другие), построение экспериментальной (регрессионной или др.) модели объекта.

12). При необходимости проводится уточнение (корректировка) модели, изменение плана эксперимента, схемы роведения и оснащения эксперимента (интерактивный характер работы).

7.4 Некоторые особенности системных исследований, связанных с производством.

Начиная прикладные (системные) исследования связанные с производством, следует учитывать, прежде всего, экономическую сторону проблемы, ряд закономерностей и особенностей выпуска конкретной продукции, её потребительские свойства, требования безопасности и так далее, хорошо знать весь производственный цикл.

Первый вопрос, стоящий перед началом таких исследований: как связанны их ожидаемые результаты с потребительскими свойствами, объемом и себестоимостью планируемой продукции?

Если нужная продукция вообще отсутствует, то любое исследование сдесь актуально, хотя чаще производству требуется совершенствование качества, модернизация существующей продукции и технологических процессов.

Нужны исследования, направленные на расширение сферы применения продукции, выпускаемой в рамках имеющихся, стандартных технологий. Это особенно важно для массовых производств. Практически всегда оправданны исследования по утилизации и сокращению промышленных отходов, по совершенствованию технологий основных фаз производства ( с учётом реальных возможностей) .

Очень важны работы по оптимизации выхода и качества продукции, производительности, оборудования, затрат, комплекса потребительских свойств, сырье потоков, технологических схем и так далее.

В условиях действующего производства нельзя резко варьировать факторы, чтобы не нарушить его.