!!!13 И 14 вопросы отсутствуют в билетах!!!

15. Модели квалиметрии (квалиметрия технологических смесей – применение математического программирования; спектральная компьютерная квалиметрия – две базовые проблемы спектральной компьютерной квалиметрии).

Квалиметрия (от латинского "qualis" - какой по качеству и греческого "метрео" - мерить, измерять) - научная дисциплина, в рамках которой изучаются методология и проблематика комплексной, количественной оценки качества объектов любой природы: одушевленных или неодушевленных, предметов или процессов, продуктов труда или продуктов природы, имеющих материальный или духовный характер (естественно, что объектом приложения методов Квалиметрии может быть и любое конструктивное и технологическое решение, если его качество требуется подвергнуть квалиметрическому анализу). Квалиметрия - область практической и науч. деятельности, связанная с разработкой теоретических основ и методов измерения и количественной оценки качества.

Квалиметрия является составной частью квалитологии - науки о качестве. Объект Квалиметрии - это исследование принципов и методов оценки качества, а предмет - совокупность составляющих качество свойств предметов и процессов, с которыми человек контактирует в своей практической деятельности. Квалиметрия обычно подразделяется на теоретическую, изучающую проблемы оценки качества в общем плане, и прикладную, рассматривающую вопросы измерения качества применительно к конкретным объектам. Квалиметрия как наука переживает период становления, чем объясняется отсутствие единого мнения по ряду вопросов. Являясь в значительной степени научной дисциплиной межотраслевого характера, Квалиметрия по многим вопросам смыкается с конкретными инженерными дисциплинами: стандартизацией, метрологией, экономикой, организацией производства, правом, психологией и др., а в ее аппарат включается целая группа математических теорий.

Конечной целью Квалиметрии являются разработка и совершенствование методик, с помощью которых качество конкретного оцениваемого объекта может быть выражено одним числом, характеризующим степень удовлетворения данным объектом общественной или личной потребности. Кроме того, подобные методики позволяют решить и другие задачи квалиметрического анализа. С точки зрения точности и надежности получаемых оценок качества используемые в Квалиметрии методы подразделяются на точные (являющиеся хотя и самыми трудоемкими, но обеспечивающими максимально достижимую на момент разработки точность и надежность), приближенные и упрощенные (не требующие существенных затрат, но менее точные и надежные).

Свойства моделей, которые должны впоследствии оцениваться при их сравнении и выборе. а) Адекватность (лат. adaequatus – приравненный, сравнимый, вполне соответствующий). Указанным свойством должна обладать модель по отношению к тем или иным аспектам объекта-оригинала. Очевидно, что на практике следует говорить не о полной адекватности, а лишь об адекватности в некотором смысле (о некоторой степени адекватности). Для сложных систем (объектов-оригиналов), как уже отмечалось выше, одна модель может отражать лишь какую-либо сторону, аспект прототипа, и поэтому понятие адекватности «вообще» для такой модели не существует, речь может идти об адекватности отражения указанной стороны.

Для полимодельного комплекса может ставиться задача достижения адекватно-сти в более широком смысле, охватывающем различные стороны прототипа. Однако во всех случаях оценивание адекватности модели (полимодельного комплекса) должна проводиться с учётом того, в какой степени на данной модели могут быть достигнуты цели моделирования (цели субъекта).  При оценивании адекватности модели различают качественную адекватность, т.е. отражение с использованием модели тех или иных качественных сторон объекта-оригинала и количественную адекватность, под которой понимается воспроизведение тех или количественных характеристик прототипа с той или иной степенью точности. Для этого вводятся различные типы метрик (Евклидова, Хэмминга, Ли и др.). б) Простота и оптимальность модели (полимодельного комплекса). Свойство адекватности модели непосредственно связано со свойствами простоты и оптимальности модели. В самом деле, для того, чтобы достичь требуемой степени адекватности, иногда приходится идти на существенное усложнение модели. С другой стороны, если существует возможность выбора между различными моделями, имеющими примерно одинаковую адекватность, целесообразно из них выбрать наиболее простую. Перечисленные вопросы приобретают особую актуальность при оптимальном выборе структуры полимодельного комплекса. В данном случае адекватность моделирования уже определяется не только свойствами каждой модели в отдельности, но также характеристиками взаимодействия моделей. В работах, развивающих общую теорию моделирования сложных систем, приведён целый ряд принципов, правил и приёмов, обеспечивающих корректный переход от формального описания объекта оригинала к формальной схеме моделирования (машинной программе). в) Гибкость (адаптивность) моделей. Данное свойство моделей предполагает ввод в состав моделей таких параметров и структур, которые можно менять в заданных диапазонах для достижения целей моделирования. г) Универсальность и проблемная ориентация моделей. Многочисленные исследования, направленные на поиск указанного компромисса показали, что в настоящее время разработка универсальных моделей , ориентированных на широкую предметную область, является трудно разрешимой проблемой. Целесообразно создавать модели, специализированные по допустимому классу моделируемых объектов и универсальные по поддерживаемым функциям. К числу других свойств моделей, которые в рамках квалиметрии моделей должны быть исследованы в первую очередь, могут быть отнесены [4, 7, 14, 17, 19, 23, 25, 27]: надёжность, унификация, простота, открытость и доступность модели, их интеллектуальность, эффективность машинной реализации, сложность, идентифицируемость, устойчивость, чувствительность, управляемость, наблюдаемость моделей, их инвариантность, развиваемость (самоорганизация и самообучение). В докладе рассматриваются возможные подходы к количественному оцениванию степени адекватности моделей, приводятся примеры использования предлагаемых подходов при анализе и синтезе моделей управления структурной динамикой сложных технических систем, в качестве которых рассматриваются группировки космических средств.

Практически все стандарты по сертификации качества продукции различных отраслей пищевых производств включают мероприятия по оценке органолептических свойств (признаков или характеристик) пищевых сред – сырья и готовых продуктов, которые гораздо больше, чем физико-химические свойства и пищевая ценность, влияют на выбор потребителей и, в конечном счете, формируют их спрос.  Органолептическими свойствами пищевых продуктов являются внешний вид, текстура, вкус и запах, аромат. К сожалению, осуществить грамотную оценку органолептических свойств пищевых продуктов, тем более оперативную и в условиях массового производства, могут далеко не все, даже подготовленные эксперты. Необходимы некоторые «эталонные» качества, основанные на опыте и природных способностях. В то же время, создать подобное количество датчиков различных органолептических свойств, какое имеется у органов осязания и обоняния человека практически невозможно. В этих условиях и была предложена информационная технология спектральной компьютерной квалиметрии (СКК).

Идея СКК основана на  разработке специальных или же использовании уже известных инструментальных средств (методов, датчиков и приборов) оперативного контроля разнообразных физико-химических, оптических, реологических и биологических характеристик пищевых сред совместно с автоматизированными  (компьютерными) экспертными системами для связывания «спектров» (совокупностей) получаемых инструментальных характеристик с соответствующими органолептическими признаками и другими (потребительскими) характеристиками, оцениваемыми или инструментально измеряемыми опытными экспертами. В дальнейшем, с накоплением данных и знаний, такие экспертные системы должны самостоятельно давать оперативные оценки органолептических и потребительских свойств исследуемых пищевых сред, как отклик на входные запросы в виде соответствующих инструментальных характеристик данных сред. Реализация же СКК требует привлечения современных «синтетических» знаний,  а также разработки специальных методов и средств.

СКК особенно эффективна в области управления качеством продукции, основанной на органических средах (растительные и минеральные масла, нефтепродукты), а также вин и ликероводочной продукции, что связано, в первую очередь, с возможностью практического осуществления оперативного спектрального анализа данных жидких сред в широком диапазоне электромагнитных волн.

Для оперативного контроля разнообразных сред представляют интерес следующие методы получения спектральных данных.

1. Метод теплового удара – мгновенное изменение локальной (поверхностной) температуры среды (например, излучением полупроводникового лазера) и измерение температурного отклика среды.

2. Метод акустического удара – мгновенное возбуждение в среде акустических (ультразвуковых) шумов и измерение их спектральных характеристик.

3. Метод электровозбуждения – возбуждение электротока в среде и измерение спектра мощности его флуктуаций.

4. Метод инфракрасной и СВЧ (субмиллиметровой, миллиметровой и сантиметровой)спектроскопии – измерение спектральных свойств среды в диапазонах длин волн от (0,75¸80) мкм до (0,30¸30,00) см соответственно.

5. Метод оптической спектроскопии – измерение спектральных свойств среды в диапазонах длин волн от (0,20¸ 1000) мкм.

6. Методы жидкостной и газовой хроматографии – разделение вещества на фракции в соответствие их молекулярного состава.

В любом из перечисленных методов формируют спектр S(w) отклика исследуемых сред на внешнее воздействие

Данные спектры несут косвенную информацию о микро- и макроскопических, физико-химических и структурных свойствах сред. При этом количество M =W / DW потенциальных свойств определяется максимальной шириной W полосы отклика (0 £ w£ W) и разрешающей способностью DW метода.

В результате исследуемая среда с различными потребительскими свойствами 1 и 2 потенциально может откликаться близкими спектральными распределениями S₁(w) и S₂(w), носящими нечетко выраженные различия. Приведенные спектральные распределения измерены с 10% точностью (± H). Поэтому необходимы специальные высокоразрешающие методы численной обработки для их различения.