Основы проектирования и конструирования
Операционные деловые игры представляют собой моделирование реальных ситуаций, в процессе которого участники игры ведут себя так, будто они в реальности выполняют порученную им роль. Эти игры, родившиеся в военных кругах (штабные игры и маневры, работа на тренажерах), находят сегодня применение для экспериментального генерирования альтернатив, особенно в слабо формализованных ситуациях.
Важную роль в деловых играх кроме участников играют контрольно-арбитражные группы, управляющие моделью, регистрирующие ход игры и обобщающие ее результаты [1].
Разновидностью частично формализованных моделей является вербальная. Вербальная или словесная модель представляет собой описание системы на естественном языке. Она может быть достаточно подробной и содержать большое количество информации. Однако, являясь описательной, она допускает неоднозначность трактовки, на ней трудно проследить присущие системе закономерности. Поэтому вербальные модели обычно используются на ранних стадиях изучения системы. В то же время вербальные модели являются частично формализованными, т.е. более жесткими, чек концептуальные, поскольку они в той или иной степени подчиняются ограничениям формально-нормативного характера. Например, функция объекта может быть описана с помощью операции Коллера [14], текстовые материалы должны быть оформлены с соблюдением соответствующих стандартов и т.д.
Частично формализованными являются и графические модели. Они воспроизводят средствами графики свойства и характеристики объекта-оригинала, которые не могут наблюдаться визуально. К числу подобных моделей относятся графики, диаграммы и схемы, представляющие и обобщающие данные наблюдений и экспериментов.
Графической моделью является и чертеж технического объекта, в котором соединяются формализованные элементы, определяемые стандартами, законами техники, и неформализованные, творческие элементы, определяемые подчас индивидуальными творческими способностями автора.
Вполне формализованными являются математические модели. Математическая модель - это совокупность математических (символических) объектов к отношений между ними. Математическое отношение - это правило, связывающее два или более математических объекта. Отношение, устанавливающее связь одного или нескольких объектов (операнд) с другим объектам или множеством объектов" называется математической операцией.
Необходимо заметить, что математические модели теории систем весьма специфичны. Традиционные (конструктивные) модели - такие как дифференциальные и интегральные уравнения, модели массового обслуживания и т.д. представляют собой алгоритм вычисления значения одних переменных по известным значениям других переменных. Очи ориентированы на экспериментальные данные и требуют выполнения довольно сильных ограничений. Это сужает класс явлений, описываемый конструктивными моделями.
Системные модели, напротив, обладая слабой математической структурой и, вследствие этого, возможностью описывать самые общие понятия и явления, недоступные в силу своей сложности детальному исследованию. Поэтому системные модели в значительной мере сочетают общность вербальных и строгость конструктивных моделей, занимая между ними промежуточное положение [15].
Как видно на Рис.6.1, математические модели имеют три основных разновидности: имитационные, аналитические и алгоритмические.

Рис.6.1 Классификация моделей
Имитационные модели воспроизводят в виде специального моделирующего алгоритма, как правило, реализуемого на ЭВМ, формализованный процесс функционирования технической системы. Влияние на течение процесса случайных факторов имитируется при помощи случайных чисел с заданными или выработанными в ходе моделирования вероятностными характеристиками [6].
Группа аналитических математических моделей чрезвычайно обширна и разнообразна. Она включает в себя множество абстрактных математических объектов вместе с операциями, определенными над этими объектами: все виды функциональных зависимостей, алгебраические и дифференциальные уравнения, векторы и векторные пространства, матричные формы, тензоры и т.д. Вместе с тем принадлежность модели к этой группе предполагает, что не только описание объекта моделирования, но весь процесс его исследования осуществляется аналитическими методами, т.е. в общем виде, а не численно.
Невозможность или просто излишняя сложность аналитического решения модельной задачи означает необходимость перейти к численным методам математического исследования с использованием ЭВМ и соответственно преобразовать аналитическую математическую модель в алгоритмическую (численную).
Группа алгоритмических моделей, получаемых в результате преобразования из аналитических форм, либо синтезируемых непосредственно, представляет собой наиболее универсальное средство математического моделирования. Единственным практически важным ограничением здесь является размерность модельной задачи, которая должна соответствовать возможностям используемой ЭВМ.
Алгоритмические модели практически допускают решение любых модельных задач, но только в численной форме. При этом каждый прогон дает информацию об одном конкретном состоянии объекта. Для того, чтобы исследовать объект при различных значениях параметров, начальных и граничных условий, внешних воздействий и т.п., необходимо столько повторений вычислительного процесса, сколько точек, характеризующих возможные состояния объекта, необходимо получить. Поэтому реализация численной алгоритмической модели требует значительно большего объема вычислительной работы, чем любая аналитическая модель, позволяющая исследовать свойства и характеристики объекта в общем виде, т.е. сразу во всех возможных состояниях.
Все многообразие моделируемых процессов, исходя из того, что они протекают в пространстве и времени, можно разделить на четыре класса: процессы, переменные во времени (нестационарные), процессы, не меняющиеся во времени (стационарные); процессы, в ходе которых их параметры изменяются в пространстве; процессы без пространственного изменения параметров. Поскольку математические модели являются отражением соответствующих объектов, то для них характерны те же классы. Таким образом, можно говорить о четырех классах математических моделей:
модели, неизменные во времени - статические модели;
модели, переменные во времени - динамические модели;
модели, неизменные в пространстве - модели с сосредоточенными параметрами;
модели, изменяющиеся в пространстве - модели с распределенными параметрами.
Статические модели отражают работу объекта в стационарных условиях. Поэтому математическое описание в этих моделях не включает время как переменную и состоит из алгебраических уравнений - для объектов с сосредоточенными параметрами, либо из дифференциальных уравнений - для объектов с распределенными параметрами.
Динамические модели отражают изменение объекта во времени. Поэтому математическое описание таких моделей обязательно включает производную по времени.
Для моделей с сосредоточенными параметрами характерно постоянство переменных в пространстве. В этом случае математическое описание включает алгебраические уравнения для стационарных процессов, либо дифференциальные уравнения первого порядка для нестационарных процессов.
Модели с распределенными параметрами используются, если основные переменные процесса изменяются как во времени, так и в пространстве. В этом случае математическое описание включает дифференциальные уравнения в частных производных.
В случае стационарных процессов с одной пространственной переменной можно в описании использовать обыкновенные дифференциальные уравнения [6].
Вполне формализованными являются и информационные модели, весьма многочисленные и разнообразные по характеру решаемых задач: информационно-поисковые системы, банки данных, АСУ и пр.
Общей особенностью информационных моделей являются относительно несложные, главным образом, логического характера алгоритмы - такие как поиск и выборка данных по некоторым признакам, всевозможные сортировки данных и т.д. [12]
Заканчивая обзор моделей, заметим, что любая модель, к какому бы классу она ни относилась, должна быть адекватной достигаемой ею цели. Адекватность модели означает, что предъявляемые к модели требования по полноте отражения свойств объекта-оригинала, точности и истинности выполнены в той мере, которая достаточна для достижения цели [1].
Следует заметить, что рассмотренные выше классы моделей относятся к детерминированным явлениям (процессам, объектам), когда определенному входному воздействию на произвольную систему соответствует столь же определенный и устойчивый при многократных повторениях результат (выходная реакция).
Однако в окружающем нас мире наблюдается изобилие явлений стохастических или случайных, при которых каждое конкретное изменение состояния объекта не обусловлено очевидными причинами и непредсказуемо. Такие явления встречаются в играх (бросание монеты или костей); в сфере массовых антропометрических и социально-статистических исследований и т.д.
В технике вероятностные исследования сказались особенно актуальными в области теории связи, радиотехники и теории автоматического управления.
Это потребовало создания особого класса моделей - вероятностно - статистических. Сегодня динамико-статистическое моделирование представляет собой чрезвычайно широкую в смысле используемых методов и практически безграничную по спектру конкретных приложений относительно самостоятельную область научных знаний, которая неуклонно приобретает все большее значение.
Опыт показывает, что по мере роста сложности систем удельный вес действующих в них случайных факторов возрастает, что требует соответствующего в них развития класса динамико-статистических моделей. По-видимому, в этом одна из причин, давших основание авторам работы [17] утверждать: "Несмотря на то, что моделям, моделированию и различным его видам посвящена обширная литература как философско-методологическая, так и специальная, несмотря также, на то, что в настоящее время вряд ли найдется сколько-нибудь серьезное исследование, в котором не использовались понятия модели и моделирования, - нам все же представляется, что до сих пор нет полной ясности и единого понимания того, что такое модель и что может дать в научном исследовании моделирование, а также каково его взаимоотношение с остальными методами научного исследования".
На этом мы закончим знакомство с разновидностями моделей. Автор не ставит своей целью исчерпывающий обзор моделей моделирования, что является предметом изучения соответствующих специальных дисциплин. Задачей настоящего обзора является лишь знакомство с моделями как средством системного исследования. Студентов, желающих более глубоко ознакомиться с моделями, моделированием, отошлем к литературе [1, 12, 11, 16, 18 - 21].
6.3. Системы, их свойства. Классификация систем
6.3.1 Определение и свойства систем
Существует несколько десятков определений системы, что связано с различной природой объектов, изучавшихся тем или иным исследователем, с различием задач исследования и т.д.
Такое разнообразие определений понятно: ведь определение - это языковая модель системы, а причины многообразия моделей рассматривались выше.
Анализ тридцати пяти определений при необходимости можно найти в работах А.И. Уемова [2] и В.Н. Садовского [22]. Автору представляется достаточно выразительным следующее определение: Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с ней как целое [1].
В качестве элементов системы могут выступать предметы, явления, а также знания о природе и обществе.
Системы обладают следующими важнейшими свойствами [15].
1). Система есть, прежде всего, совокупность элементов. Другими словами, любая система представляет собою непустое множество элементов, содержащее как минимум два элемента, находящихся между собой в определенных отношениях, связях.
2). Наличие существенных связей между элементами и (или) их свойствами, превосходящих по мощности связи этих элементов с элементами, не входящими в данную систему.
Заметим, что эти элементы, не входящие в данную систему, но изменение признаков которых влияет на систему, либо признаки которых изменяются вследствие поведения системы, составляют окружение системы.
3). Наличие определенной внутренней организации системы, что проявляется в снижении ее энтропии (степени неопределенности, неорганизованности) Н (S) по сравнению с энтропией системоформирующих факторов Н (Г), определяющих возможность создания (выделения) системы. К числу факторов Г относят, в частности, количество элементов nS, включаемых в систему, количество существенных связей n* (S), которыми может облагать элемент, характеристики пространства и времени, в которых может находиться и существовать элемент и его связи.
Тогда рассматриваемое свойство определяется выражением H (S) < H (Г).
4). Существование интегративных качеств, т.е. качеств, присущих системе в целом, но не свойственных ни одному из ее элементов в отдельности. Это свойство называется эмерджентностью систем.
6.3.2 Классификация систем
Крупнейший американский специалист в области теории систем М. Месарович однажды заявил, что он не может сказать, что такое система, поскольку не знает ничего, что не было бы системой. Действительно, все материальные объекты представляют собой системы из атомов, а атомы являются системами более низкого иерархического уровня, состоящими из ядра и обращающихся вокруг него электронов, ядро-система еще более низкого иерархического уровня и т.д. Системной структурой обладают знания. Закономерно, системный характер имеют явления, происходящие в природе и обществе.
Таким образом, в окружающем нас мире в зависимости от решаемых задач может быть выделено бесконечное множество систем. Стремление как-то упорядочить это бесконечное множество систем приводит к необходимости классифицировать системы по тем или иным признакам классификации. Так, в работе [1] приведена классификация систем по их происхождению, по описания переменных, по типу операторов систем, по способу управления системой.
Поскольку целью настоящего пособия является знакомство с системным подходом к задачам проектирования технических объектов, и в нем не рассматриваются конкретные задачи системных исследований в науке, организации управления системами и пр., ограничимся рассмотрением классификации систем по их происхождению, приведенной на Рис.6.2 и скомпилированной по данным работ [1] и [3]. Естественные системы в круг дальнейшего рассмотрения не входят. Поэтому разделение этих систем на подклассы ниже второго иерархического уровня на Рис.6.2 не предусмотрено.

В качестве примеров подклассов смешанных систем приведены эргономические системы, представляющие собой комплекс: машина-оператор (человек); биотехнические системы, т.е. системы, в которые входят живые организмы и технические устройства; организационные системы, состоящие из людских коллективов, оснащенных необходимыми по роду деятельности техническими средствами; автоматизированными системами, в которых некоторые управляющие воздействия осуществляют технические устройства, а некоторые - человек, и т.д.
В качестве примеров подклассов второго иерархического уровня искусственных систем приведены химические, технические и общественные системы. Деление на подклассы более низкого иерархического уровня приведено только для технических систем, которые собственно и будут интересовать нас в дальнейшем.
Приведенные выше рассуждения позволяют сделать вывод, что объект любой природы может быть представлен как система и как элемент системы более высокого иерархического уровня. Следовательно, любой объект можно изучать методами теории систем, математический аппарат которой базируется на теории множеств. Поэтому полезно ознакомиться с некоторыми терминами и основополагающими определениями теории систем.
6.3.3 Цель и задачи теории систем
Не останавливаясь на подробностях истории развития системных представлений, заметим, что их оформление в теорию систем активно происходит, начиная с 1938 года, когда австрийский естествоиспытатель Людвиг фон Берталанфи опубликовал ее основные положения.
Целью теории систем является разработка единого абстрактно-математического аппарата для исследования систем самых различных типов и назначения.
В отличие от специальных дисциплин, рассматривающих, в основном, причинно-следственные связи между немногими переменными, описывающими предмет исследования, в общей теории систем на первый план выдвигается проблема целостного рассмотрения, предусматривающая вскрытие всего многообразия связей и отношений, присущих системе.
Основными задачами теории систем являются:
разработка единого формального метода описания систем любой природа как целостного образования;
построение обобщенных моделей систем и процессов их функционирования;
изучение внутренней организации систем на уровне структуры, как правило, иерархической;
исследование процессов передачи информации и управления;
выявление условий устойчивости, управляемости, наблюдаемости систем.
На основе теории систем сформированы такие категории системных исследований как системный подход и системный анализ. Определение этих категорий будет дано позднее - после рассмотрения основных характеристик систем и методов оценки эффективности систем.
6.3.4 Исходные предпосылки для построения модели системы
Рассмотрим систему как объект, взаимодействующий с окружающей средой, т.е. открытую систему. Взаимодействие системы со средой происходит во времени и пространстве.
Ресурсы, поступающие в систему и выводимые из нее, называют соответственно входными x (t) и выходными y (t) воздействиями. Если x (t) и y (t) не материальные потоки, а сообщения, несущие информацию, их называют входными и выходными сигналами. Входные и выходные воздействия связаны между собой.

Рис.6.3 Процесс функционирования динамической системы
Но в общем случае знания x (t) недостаточно для предсказания величины y (t), поскольку последняя кроме входного Воздействия зависит и от состояния системы. Состоянием системы называется совокупность характеристик системы, знание которых позволяет определять ее поведение в ближайшем будущем. Процесс функционирования системы имеет динамический характер.
Поэтому в разные моменты времени система находится в различных состояниях. В общем случае выходное воздействие y (t) в момент времени t определяется как состоянием и входным воздействием в момент t, так и всеми предшествовавшими состояниями и входными воздействиями, т.е. предысторией.
Однако для широкого класса систем предыстория поведения не имеет существенного значения. Такие системы называются системами без последействия. Для них текущее выходное воздействие y (t) может быть предсказано по текущему входному воздействию x (t) и состоянию z (t). В этом случае процесс функционирования динамической системы S (t) можно представить соответствующим Рис.6.3. Системы с предысторией в настоящем пособии не рассматриваются.
Как сказано выше, состояние системы в определенном интервале времени Т меняется. Поэтому, рассматривая не фиксированный момент времени t, входящий в рассматриваемый интервал Т (t Т), а весь интервал T, можно говорить о множестве состояний z. Так, двухполюсное реле в разные моменты времени t T может иметь либо разомкнутый контакт (состояние z1), либо замкнутый (состояние z2). В этом случае имеется множество состояний
z = {z1, z2}.
Здесь множество z является скалярной величиной. В более сложных случаях состояние системы описывается вектором, который может быть задан своими компонентами.
Тогда поведение систем удобно описывать в пространстве состояний, определяемом как произведение множеств возможных значений компонентов вектора состояний:
z = z1... zn,
где zi - множество возможных значений i-той компоненты вектора состояний z.
Поскольку состояние системы определяется совокупностью характеристик системы, очевидно, нужно дать определение основным из этих характеристик.
6.3.5 Основные характеристики систем
Управляемость.
Управляемость - это свойство системы достигать желаемой цепи управления при тех ограниченных ресурсах управления, которыми располагает данная система в реальных условиях эксплуатации.
Наблюдаемость и измеримость
Эти два понятия тесно связаны между собой. Поэтому наблюдаемость можно определить следующим образом: если множества выходных воздействий y = (y1, y2,... yr) измеримы и выбраны так, что по y можно определить любую координату zi в пространстве состояний, то система наблюдаема.
Понятие наблюдаемости используется не только в теории систем, но имеет важнейшее значение и для науки в целом, поскольку на нем основана возможность проверки тех или иных претендующих на научность результатов. Имеется безусловный и четкий критерий, называемый принципом наблюдаемости, разграничивающий научные и ненаучные подходы к описанию действительности: любое утверждение, не допускающее проверки (экспериментальной или с помощью логических мысленно реализуемых, опытов) является ненаучным. В философии этот принцип получил название бритвы Оккама - по имени сформулировавшего его английского философа. Так, утверждение о существовании высшего разума, бога или параллельного нашему не взаимодействующего с нами мира является ненаучным, поскольку этот другой мир не наблюдаем, и данное утверждение не может быть проверено.
Однако необходимо подчеркнуть, что слова ненаучный и антинаучный - не синонимы. Новые открытия, накопление статистических материалов и т.д. могут дать основание для превращения ненаучного утверждения в доказанный наукой факт.
В то же время антинаучное утверждение может быть опровергнуто научно доказанными фактами. Так, антинаучной является геоцентрическая система мироздания Птолемея.
Устойчивость и надежность.
Устойчивость системы во времени является необходимым качеством, без которого теряют смысл все ее другие проявления. Различают два вида устойчивости: вещественно-энергетическую и структурно-функциональную. Первый вид устойчивости связан с постоянством вещественного состава и энергетического баланса системы, второй - с постоянством структуры системы и неизменностью ее реакции на одни и те же внешние воздействия.
Устойчивость же структуры при переменном вещественном составе называют надежностью. В технических системах изменение вещественного состава обусловлено обычно колебаниями параметров внешней среды и надежность есть свойство системы поддерживать в этик условиях режим функционирования в заданных пределах. Следует заметить, что в технических системах увеличение сложности сопровождается резким уменьшением надежности, что свидетельствует о несовершенстве их организации.
Упорядоченность и структура.
Система является, прежде всего, множеством взаимосвязанных элементов. Взаимосвязь элементов проявляется в упорядоченности их отношений и связей. При этом под упорядоченностью понимают ограничение многообразия за счет наличия в системе определенной организованности, которая является количественной характеристикой упорядоченности. Мера организованности:
,
где H (Г) - максимально возможная степень неопределенности в системе, соответствующая отсутствию какой-либо упорядоченности системоформирующих факторов Г; Н (S) - энтропия системы.
Если система детерминирована, т.е. все связи и отношения в ней жестко фиксированы, то Н (S) = 0 и R = Rmax = 1. Если же Н (S) = Н (Г), то организованность системы R = 0.
Другой характеристикой упорядоченности является структура. Структуру определяют как совокупность устойчивых отношений и связей системы или как ее инвариантный (неизменный во времени) аспект. В некотором смысле понятие структуры противоположно понятию функционирования системы. Функционирование проявляется как непрерывная смена состояний система во времени, структура же представляет собою множество свойств системы, не изменяющихся в процессе функционирования.
В то же время изучение структуры помогает понять, каким образом и почему именно так функционирует данная система. Это возможно потому, что структура определяет способ, каким элемента системы связаны между собой и подчинены общей цели. Только выявление структуры позволяет зафиксировать систему как целостный объект.
Для описания структур принято использовать графические модели: блок-схемы и графы.
Блок-схема состоит из отдельных блоков, связанных между собой в логическом порядке. Каждый блок отражает какое-нибудь ясно различимое функциональное преобразование. Например, блок-схема алгоритма расчета на ЭВМ отображает последовательность выполнения вычислительных операций.
Проблема выделения отдельных блоков совпадает с общей проблемой декомпозиции, т.е. разбиения системы на подсистемы и элементы. Декомпозиция системы зависит от целей исследования и может осуществляться различными путями. В соответствии с этим для одной и той же системы может быть разработано несколько вариантов блок-схем.
Графы строятся как совокупность вершин (элементов системы) и ребер (функциональных связей между элементами). При исследовании и проектировании технических систем с помощью ориентированных графов (т.е. графов с направленными ребрами) изображают конструктивные и потоковые функциональные структуры [14].
Принципы построения функциональных структур технических объектов рассматриваются в последующих главах курса "Основы проектирования им конструирования" не включенных в настоящее пособие.
Для систем управления существуют характеристики, которые можно использовать в качестве критериев для оценки структур.
Одна из них - структурная связность
,
где п* - число связей;
п - число элементов структуры.
Вторая - структурная гибкость
,
где РК - вероятность того, что система будет решать задачу К;
К = 1 - если система в состоянии решить эту задачу;
К = 0 - если система не в состоянии решать задачу К.
Таким образом, структурная гибкость характеризует степень приспособленности, структуры к изменяющимся условиям внешней среды.
Третья характеристика - структурная сложность.
,
где п - общее число элементов в системе;
п* - общее число связей в системе;
Р - число уровней иерархии;
- разнообразие элементов;
* - разнообразие связей между элементами.
В настоящее время нет единого мнения о виде оператора .
Четвертой характеристикой является неэффективность структуры
,
где V1 - мера структурной неэффективности, обусловленной тем обстоятельством, что из-за децентрализации управления структура допускает оптимизацию локальных целей подсистем в ущерб глобальной цели системы в целом;
V2 - характеризует неэффективность структуры, обусловленную недостаточной связностью, в результате чего подсистемы, не имея точной информации о фактических значениях управляющих воздействий других подсистем, вынуждены заменять их расчетными значениями;
V3 - характеризует неэффективность обусловленную тем, что наилучшие решения не могут быть реализованы из-за неблагоприятной структуры системы.
Перечисленные критерии представляется полезными в сфере управления. Например, в системе государственного управления они позволяют сделать вывод о том, что оптимальное управление в рамках региона не совпадает с условиями оптимальных решений в масштабе государстве в целом. Следовательно, оптимальный результат организации государственного управления - это компромисс между общегосударственными и региональными интересами.
Методы анализа, синтеза и оптимизации структур составляют существо развивающейся в настоящее время теории структур. Предметом теории структур являются только инвариантные аспекты системы, т.е., вообще говоря, важные вопросы динамики развития и функционирования систем остаются за пределами теории структур. Но такие существенные для практики вопросы, как определение полезности, качества, эффективности системы, определяются, прежде всего, статикой системы и, следовательно, входят в компетенцию теории структур.
6.3.6. Декомпозиция и агрегирование в анализе систем
Изучение структуры системы и связей между ее элементами создают возможность декомпозиции задачи. Декомпозиция заключается в расчленении сложного целого на все менее сложные части, которые легче исследовать и в конечном счете проектировать, если речь идет с технической системе. Однако одно лишь расчленение системы на части нарушает ее целостность, лишает Систему эмерджентных свойств, т.е. свойств которыми обладает только система в целом, но не обладает ни один ее элемент в отдельности.
Поэтому успех аналитического метода состоит не только и не столько в расчленении сложного целого наиболее простые части, а в том, что, будучи соединенными надлежащим образом, это части снова образуют единое целое. Это агрегирование частей в целом является конечным этапом анализа, поскольку лишь после этого можно объяснить целое через его части - в виде структуры целого.
Именно внутренняя целостность системы приводит к появлению количественно новых свойств, которых не могло существовать без объединения частей в целое. Важность этого факта хорошо определил кибернетик У. Эшби, показав, что у системы тем больше возможностей в выборе поведения, чем сильнее степень согласованности поведения ее частей.
6.3.7. Эффективность систем
Всякая искусственная система создается для удовлетворения общественных потребностей. Степень соответствия системы поставленным целям называется ее эффективностью. Одна система лучше другой, если она лучше приспособлена к достижению поставленных перед ней целей.
В общем случае эффективность системы Е зависит от ее состояния z, параметров множества входных воздействия х и цели АS
(6.1)
Функционал (6.1) называется критерием эффективности. В зависимости от того, можно ли найти оператор q, задающий численное значение эффективности, различают качественные и количественные цели. Качественная цель заключается в стремлении удовлетворить некоторому содержательному условию, например, "выиграть войну". Соответствующие качественным целям критерии могут принимать только два значения: 1 - если условие выполнено, или 0 - в противном случае.
Количественно измеримая цель задается как стремление к увеличению значения критерия эффективности, т.е. цель:
(3.2)
Количественно измеримые цели позволяют оптимизировать процесс функционирования или построения системы, дать рекомендации по оптимальному управлению. В этом смысле количественные цели, безусловно, более предпочтительны и конструктивны. Качественные же цели обычно не обладают степенью определенности, достаточной для построения математической модели. Поэтому по мере расширения знаний - о системе качественно сформулированные цели следует стремиться заменить количественно измеримыми.
Вид критерия эффективности зависит от специфики конкретной системы и поэтому может быть самым различным.
В качестве примеров рассмотрим несколько наиболее употребительных видов критерия эффективности.
Пример 1. Целью предприятия является получение максимальной прибыли.
В этом случае критерий эффективности имеет вид:

где Сi и Vi - цена и количество выпускаемых изделий i-го типа;
Cj и Wj - стоимость и количество используемого материала (ресурса) j-го типа (в процессе производства изделий i-го типа).
Пример 2. Целью является достижение максимальной надежности системы, состоящей из т последовательно соединенных подсистем.
Критерий эффективности:
,
где Рi - вероятность отказа подсистемы.
6.3.8. Проблема многокритериальности
Если эффективность системы возможно оценить только по одному критерию, то не возникает принципиальных трудностей, препятствующих выбору лучшей системы или оптимизации. Чем больше Е, тем эффективнее система.
Однако в реальных задачах возможность оценки эффективности системы по одному критерию является скорее исключением, чем правилом. Многокритериальность реальных задач связана не только с множественностью целей, но и с тем, что одну цель редко удается выразить одним критерием. Это особенно наглядно видно на примере технических систем, где накоплен солидный опыт по оценке их эффективности и качества.
Начнем с того, что еще в 1950 г. немецкий инженер Ф. Кессельринг попытался сформулировать требования, обеспечивающие качество технических объектов. Таких требований в его списке оказалось 700. В дальнейшем список увеличился в 3 раза. Однако не все требования были равнозначны, многие из них противоречили друг другу. Поэтому использовать их в качестве критериев оценки нельзя.
В книге А. Половинкина [14] изложены принципы, которым должны удовлетворять критерии развития техники, приведена их классификация и примеры выбора конкретных критериев в зависимости мости от класса технических объектов.
Учитывая, что каждый критерий характеризует какую-то одну сторону технического объекта (есть критерии функциональные, технические, экономические, эргономические), проблема многокритериальности сохраняет свою актуальность. Существует достаточно много методов оценки эффективности системы по нескольким критериям. Рассмотрим некоторые из них.
6.3.8.1. Методы справедливого компромисса
Пусть
система S
оценивается
по двум критериям
q1 и q2, изменение
которых в зависимости
от конструктивных
параметров
показано на
Рис.6.4. Имеется
три варианта
системы: S (1);
S (2); S
(3) со
значениями
критериев q1i
и q2i, где
i - номер варианта
системы (i =
).
Требуется
выбрать лучший
вариант системы.

Рис.6.4 Динамика критериев q1, q2, характеризующих систему S (i)
Из Рис.6.4 видно, что вариант S (3) явно лучше, чем вариант S (1), поскольку q13 > q11 и q23 >