WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 || 3 | 4 |   ...   | 15 |

Необходимо понимать разницу между компьютерами и информационными системами. Компьютеры, оснащенные специализированными программными средствами, являются технической базой и инструментом для информационных систем. Современная информационная система (рис.1) немыслима без персонала, взаимодействующего с компьютерами и телекоммуникациями.

Термин «Облако» (cloud computing) используется как метафора, основанная на изображении Интернета на диаграмме компьютерной сети, или как образ сложной инфраструктуры, за которой скрываются все технические детали. Согласно документу IEEE, опубликованному в году, «Облачная обработка данных — это парадигма, в рамках которой информация постоянно хранится на серверах в интернете и временно кэшируется на клиентской стороне, например, на персональных компьютерах, игровых приставках, ноутбуках, смартфонах и т. д.».

User iBook Domain Controller Database Satellite dish Рис.1. Облачная информационная система:

1– пользователь с ноутбуком; 2 – программный код, как услуга; 3 – сервер, как услуга; 4 – база знаний, как услуга; 5 – cвязь, как услуга Вычислительные облака состоят из тысяч серверов, размещенных в датацентрах, обеспечивающих работу десятков тысяч приложений, которые одновременно используют миллионы пользователей. Непременным условием эффективного управления такой крупномасштабной инфраструктурой является максимально полная автоматизация. Кроме того, для обеспечения различным видам пользователей – облачным операторам, сервиспровайдерам, посредникам, ИТ-администраторам, пользователям приложений – защищенного доступа к вычислительным ресурсам облачная инфраструктура должна предусматривать возможность самоуправления и делегирования полномочий. Концепция облачных вычислений значительно изменила традиционный подход к доставке, управлению и интеграции приложений. По сравнению с традиционным подходом, облачные вычисления позволяют управлять более крупными инфраструктурами, обслуживать различные группы пользователей в пределах одного облака, а также означают полную зависимость от провайдера облачных услуг.

В этих условиях цена ошибки обслуживающего персонала неизмеримо возрастает. Так, например, Марк Андерсон, руководитель отраслевого ITиздания Strategic News Service, считает, что из-за значительного притока пользователей сервисов, использующих облачные вычисления (например, Flickr или Amazon), увеличивается стоимость ошибок и утечек информации с подобных ресурсов, а в 2014 году возможны крупные «катастрофы типа выхода из строя, или катастрофы, связанные с безопасностью». Так, например, в 2009 году сервис для хранения закладок Magnolia уже терял все свои данные.

Подытоживая, хотелось бы подчеркнуть важность создания повсеместной практики корректной оценки специалиста с расчетом ее погрешности. Особенно это касается массовой оценки, где ошибки эксперта тиражируются на десятки и сотни объектов. Это требует достаточно высокого уровня подготовки эксперта, использования математикостатистического аппарата (обычно, это мат.статистика и теория ошибок), соответствующих компьютерных пакетов (как пример – пакет NCSS Дж.Хинца, SAS и т.д.). Однако, как показывает опыт, это по плечу любому специалисту с высшим образованием, владеющего компьютером на уровне пользователя. Тем более, что компании, занимающиеся экспертной деятельностью, могут себе позволить подготовку такого специалиста.

Следует также выделить тот факт, что по отдельности ни модель, ни эксперт не смогут добиться того результата, который получает эксперт, владеющий моделированием или моделист с опытом оценки компетентности.

Тем более, что со стороны муниципалитетов и государственных структур требования на массовую оценку (заказов на которую становится все больше и больше) обязательно включают создание и защиту модели компетентности.

Нет сомнений, что профессиональная оценка компетентности в ближайшем будущем выйдет на уровень точной науки, в которой присутствует и доля искусства.

1.2. Нечеткая информация Отличительными особенностями сложных технологических объектов и процессов являются: большое число и сложность связей между параметрами состояния объектов; трудоемкость процедур построения математического описания и использования его для получения практических результатов с разумными экономическими затратами; высокий уровень погрешностей измерений технологических параметров, а иногда невозможность проведения измерений; необходимость принимать решения для управления технологическими агрегатами и производствами в условиях неполной информации о состоянии объектов и другие факторы.

Математические модели сложных процессов и объектов существенно нелинейны, дискретны и имеют большую размерность. Кроме того, адекватное описание сложных технологических систем требует использования и формализации качественной (субъективной) информации об особенностях их функционирования. Это связано, в основном, со следующими причинами:

Принципиальная неустранимость человека и даже группы людей из процесса выработки решения. Нечеткость, вносимая человеком, порождает многокритериальность оценочных суждений, субъективность предпочтений и т.п.

Сложность математического моделирования указанных объектов и процессов традиционными методами анализа. Большое количество переменных и ограничений, дискретность, высокий уровень производственных помех, нестабильный характер работы промышленных объектов, колебания характеристик сырья и т.п. обуславливают размытый, нечеткий характер информации, описывающей данные явления.

Многофакторность технологических процессов довольно часто затрудняет получение количественных описаний функционирования сложных производств, формирование ограничений, а в ряде случаев и целей при управлении системами в конкретных производственных ситуациях. В таких случаях используют качественную информацию для выработки решений.

Сложность измерения технологических параметров. В агрегатах имеют место зоны, труднодоступные для объективного контроля существующими измерительными средствами. Для изображения картины протекания процессов в таких зонах также используется качественная информация, представляемая в виде экспертных знаний и заключений (ЭЗЗ).

При проведении исследований на сложных объектах учитывается качественная информация, однако, полного формализованного описания данного учета до сих пор не существует. При построении математических моделей и систем управления главным образом используются физические закономерности и количественные данные, получаемые с объекта исследования, а качественная информация не рассматривается как равноправное средство. Между тем, проблема математической обработки качественной информации включает сбор, оценку достоверности, систематизацию, формализацию, переработку информации указанного характера с применением вычислительной техники.

Типичными ситуациями, когда используется качественная информация, являются:

– предварительное изучение сложного процесса и формирование цели исследования;

– выбор наиболее важных технологических параметров;

– анализ экспериментальных данных и результатов моделирования с точки зрения соответствия реальному процессу;

– классификация производимой продукции по категориям качества;

– оценка функционирования сложных систем управления;

– принятие решений в условиях неопределенности и в нечетко определенных ситуациях и т.п.

Основным способом получения качественной информации является наблюдение за ходом технологического процесса. Наряду с этим качественная информация формируется при анализе результатов экспериментальных измерений, а также результатов физического и математического моделирования. Под воздействием получаемой информации в сознании исследователя формируется модель объекта исследования, которая, в свою очередь, позволяет корректировать вновь поступающую качественную информацию и количественные данные.

Достоверность качественной информации, получаемой при наблюдении за ходом сложного технологического процесса, существенно зависит от психофизиологических возможностей человека – эксперта (оператора сложного процесса).

В связи с этим, как показано в работах, при анализе сложных систем раньше основное внимание уделялось предметной области и ее адекватному описанию, а на современном этапе на передний план вышла проблема получения знаний о самом эксперте, непосредственно принимающем участие и вырабатывающем решения в ходе технологического процесса.

Для принятия правильного решения необходимо располагать качественной информацией, представляющей и обосновывающей различные точки зрения на процесс решения задачи. Такая информация должна опираться, по меньшей мере, на результаты диагностики текущего состояния проблемы и их интерпретацию, возможные варианты и прогнозы результатов принимаемых решений.

В силу сложности и многофакторности анализа и оценки ситуации, а также субъективности индивидуального опыта и уровня квалификации лица, принимающего решения, одна и та же ситуация может приводить к различным выводам. Поэтому в нетривиальных ситуациях к решению проблем необходимо привлекать специалистов-экспертов в данной и смежных областях. Если процесс протекает в динамических, быстро меняющихся условиях, то трудности проведения таких консультаций – очевидны. Поэтому в сферах с плохо структурируемыми и алгоритмизируемыми задачами, требующими проведения постоянных консультаций с экспертами, для принятия правильного решения необходимо учитывать уровень знаний того или иного эксперта.

По поводу возможности построения математических моделей эксперта (оператора сложного процесса) существует много различных, причем порой совершенно противоречивых, мнений. Так, с одной стороны, предпринимаются попытки описания его деятельности в системе с помощью только одной передаточной функции, а с другой стороны, утверждается, например, что «единственной истинной характеристикой человека является его изменчивость». Однако, в любом случае, оценка достоверности качественной информации требует учета человеческого фактора, личностных характеристик эксперта и способности выполнять поставленные задачи.

Так, оценка действий человека-оператора в человеко-машинных системах (ЧМС) проводилась путем включения оператора в качестве функционального звена в контур управления ЧМС. Например, модели действий человека-оператора в режиме однокомпонентного слежения представлены в таблице 1.

В этой таблице приведены модели слежения, полученные эмпирическим путем различными исследователями. Управление осуществлялось интегрирующим звеном, инерционным (апериодическим) звеном, соединением звеньев с передаточной функцией Wc(s). Передаточная функция оператора в общем виде Wоп(s) фигурирует в так называемой универсальной модели Д. Макруера (1967 г.).

Разработанные ранее математические модели человека-оператора, в том числе представленные в табл. 1, исходили из предпосылки хорошей структурированности человеко-машинных систем и, как правило, игнорировали ведущую роль человека в привнесении неопределенности и субъективность исходных данных. Во многих случаях это является существенным препятствием для практического использования таких моделей.

Во многих современных системах человек-оператор перестает быть непосредственным звеном контура управления, и ему отводится роль контролера, имеющего широкие возможности вмешательства в процесс управления. Непрерывное управление объектом движения, технологическим процессом и т.п. при таком подходе осуществляется ЭВМ, которая замыкает контур между датчиками состояния системы и регуляторами управления.

Человек-оператор при этом работает в контуре управления на более высоком иерархическом уровне.

Таблица Эмпирические математические модели человека-оператора Управляемый Задающее Передаточн Авторы объект воздействие ая функция модели (год) (возмущающий оператора сигнал) Усилительное Четырехмодовый Л. Рассел (1960) (0.28s + 1) звено сигнал e-0.38s s -s Усилительное Многомодовый Дж. Элкинд ke звено сигнал (1964) Ts + -s Усилительное Многомодовый Д.Макруер, ke звено сигнал Е.Крендел (1959) (T1s + 1)(T2 s + 1) Инерционное Цветной шум, Д.Макруер, -s k (T3s + 1)e звено формирующий Е.Крендел (1959) фильтр третьего T2 s + порядка Интегрирующее Трехмодовый Анастин (1960) -s k (Ts + 1)e звено сигнал s Wc(s) Многомодовый Д.Макруер, wc сигнал О.Грехем, Wc(s)Wоп(s) = e-s s Е.Крендел (1967) Wc(s) Многомодовый (T 1s + 1) kи М.Сильверстров k + сигнал и др. (1984) (T2 s + 1) s Особенностью работы человека-оператора (эксперта) в системах такого типа является также то, что он весьма часто имеет скудную информацию о структуре объекта управления, поскольку последний может претерпевать в процессе функционирования существенные изменения. В связи с этим закономерный интерес вызывают попытки оценить качество принимаемых экспертом решений в задаче управления объектом, структура которого ему неизвестна. В настоящее время известно чрезвычайно малое число работ, посвященных исследованию данной проблемы. Практически полностью отсутствуют работы, в которых рассматривались бы вопросы моделирования таких ЧМС.

В то же время, наиболее поразительным свойством человеческого интеллекта является способность принимать правильные решения в обстановке неполной и нечеткой информации. Построение моделей приближенных рассуждений человека и использование их в компьютерных системах представляет сегодня одну из важнейших проблем науки.

Успешное применение сложных технических систем, функционирующих в комплексе «человек-машина», невозможно без применения современных методов анализа. Усложнение систем привело к увеличению неопределенности их функционирования. В связи с этим остро встала проблема адекватности используемых моделей, определяемая в первую очередь реализацией принципа информационной достаточности как варианта использования информации, получаемой в результате применения объективных (но ограниченных) методов исследования и субъективных, основанных на экспертных знаниях и заключениях. Разработанные ранее подходы на основе детерминированных и стохастических моделей не соответствуют уровню сложности современных систем, так как вопрос оценки адекватности таких моделей реальным системам не может быть решен только в рамках принятых детерминированных методов исследований.

Поэтому в практике эксплуатации сложных объектов и систем все активнее используются результаты теории нечетких множеств, позволяющей объединить объективные и субъективные методы исследования в единый метод путем формализации опыта, интуиции исследователя, выраженных на естественном языке.

Pages:     | 1 || 3 | 4 |   ...   | 15 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.