Структура систем управления

Структура системы управления имеет исключительно важное значение для эффективного функционирования системы.

Под структурой системы понимается организация системы из отдельных элементов с их взаимосвязями, которые определяются целями системы и распределением функций между ее элементами. Другими словами, это способ, которым части системы связаны между собой в одно целое и подчинены общей задаче.

Под структурой организационной системы понимается форма распределения задач и полномочий между лицами или группами лиц (структурными подразделениями), составляющими систему, направленную на достижение общесистемных целей.

Структуры систем управления можно классифицировать по следующим основным признакам:

· по числу уровней управления – одноуровневые и многоуров­невые, иерархические;

· по принципам управления и подчиненности – централизо­ванные, децентрализованные и смешанные.

В централизованной системе все существенные решения прини­маются центральным органом, осуществляющим функции управ­ления и координации деятельности всех подсистем.

Но централизованная структура управления требует сосредото­чения и переработки в центральном органе огромного объема ин­формации, относящейся к функционированию всей системы и не­обходимой для принятия решения. Может оказаться, что полно­стью централизованный сбор и обработка информации либо техни­чески невозможны, либо приводят к значительному запаздыванию в принятии решения, то есть к принятию решений по устаревшей ин­формации. В обоих случаях это приводит к увеличению неопреде­ленности при принятии решения, а следовательно, к снижению эф­фективности системы управления.

В децентрализованных системах решения принимаются отдельными подсистемами независимо и не корректируются подсистемой более высокого уровня.

В смешанных системах управление выполнением некоторых действий происходит централизованно, а некоторых – децентрализовано.

По выполняемым функциям и целевому назначению различают структуры систем планирования, оперативного управления, информационных систем и др.

По принципу разбиения систем на подсистемы различают структуры систем, в которых элементы объединяются по функциональному или объектному принципу.

Большие организационные системы обычно имеют иерархическую структуру со смешанным управлением.

В иерархических системах трудности, вызванные большим объемом информации и сложностью ее обработки, преодолеваются распараллеливанием процедур обработки информации, то есть разделением системы управления на звенья, каждое из которых работает только с небольшой частью общего объема информации. Для принятия решений в отдельных звеньях необходимо уже иметь значительно меньший объем информации, следовательно, эти решения будут приниматься в условиях значительно меньшей неопределенности. Иерархическая структура управления – это прежде всего разделение функций обработки информации и принятия решений.

Таким образом, иерархическая структура управления приводит к некоторой децентрализации управления, так как отдельные решения получают право самостоятельно принимать решения по тем или иным вопросам.

Наиболее характерными особенностями иерархической структуры являются:

· автономность отдельных подсистем;

· уплотнение (агрегирование) информации при движении вверх по иерархии;

· наличие целей для каждой подсистемы и общесистемных целей;

· взаимовлияние и взаимозависимость подсистем из-за наличия общих ограничений.

С иерархической структурой управления логически связан метод декомпозиции целей (задач).

Управление большими системами требует достижения многих конечных и промежуточных целей, учета многих разнообразных связей и ограничений. В связи с этим находит широкое применение метод декомпозиции, сущность которого заключается в том, что исходная цель разбивается на цели меньшей сложности. Из целей всей системы вытекают цели для звеньев второго уровня. Из целей второго уровня, в свою очередь, вытекают цели третьего уровня и т. д.

Метод последовательного расчленения основных целей позво­ляет построить так называемое дерево целей. Дерево целей строит­ся таким образом, что достижение цели нижестоящего уровня обе­спечивает достижение целей более высокого уровня.

Построение дерева целей обеспечивает согласованность целей для различных подсистем и элементов, входящих в систему. При­чем, если для верхних уровней цели носят общий, иногда (для очень крупных систем) качественный характер, то по мере пони­жения уровня они конкретизируются, доходя до количественно оп­ределяемых характеристик, которые должны быть достигнуты.

Для построения дерева целей необходимы следующие данные: четко определенные цели на всех уровнях; оценки относительной важности целей каждого уровня.

Построение дерева целей рассмотрим на следующем примере.[1] Пусть требуется разработать новый комплекс летательных аппара­тов (ЛА).

Расчленение общей цели на подцели по иерархическим уровням и построение дерева целей видно из рис. 1.1. На рисунке расчленение показано только для одной составной части – ЛА. Аналогичным образом расчленяются цели и для остальных состав­ных частей.

1-й

Составные части

2-й

Основные элементы

3-й

Составляющие элементы

4-й

Комплектующие элементы

5-й

Рис. 1.1. Агрегатирование по уровням иерархии

Дерево целей помогает увязать перспективы проблемы с планом работы на текущий период, облегчает разбиение процесса выполнения всей программы на ряд последовательных во времени этапов.

Оценка относительной важности целей на высоких уровнях представляет сложную задачу, ибо, как правило, она трудно формализуема или вообще неформализуема. Цели могут быть определены количественно или качественно. Чтобы оценить их относительную важность или степень их достижения, нужно найти для их общую меру измерения. Если это сделать не удается, задача решается методом экспертных оценок. На нижних уровнях, где цели сводятся к решению конкретных научных или технических задач, они (цели) формализуются и сравнительную оценку можно произвести формальными же методами.

Рассмотрим обобщенную структурную схему автоматизированной системы управления (рис. 1.2). Каналы связи и передачи информации показаны стрелками. Жирными стрелками обозначена командная информация.

о внешней

2-й уровень

управления

3-й уровень

управления

Рис. 1.2. Структура автоматизированной системы управления

В ПЭВМ поступает информация о внешней среде, о состоянии управляемых объектов и с каждого уровня управления. С помощью математического обеспечения ПЭВМ поступившая информация обрабатывается и направляется на хранение в информационную базу. Математическое обеспечение АСУ использует эту информа­цию для решения задач управления. С его помощью на ЭВМ осу­ществляется поиск оптимальных решений и выдаются варианты решений на каждый уровень управления.

Чем выше уровень мате­матического обеспечения АСУ, тем более сложные задачи управле­ния можно решать с применением ПЭВМ.

К руководителю системы (1-й уровень управления) поступает информация о внешней среде, состоянии управляемых объектов и количественные данные и варианты решений, выработанные ПЭВМ. На основании этих данных, а также целей системы и критериев выбора руководитель принимает решение, которое поступает в ин­станции 2-го уровня управления. Здесь осуществляются функции планирования, организации и управления процессом реализации решения. Разработанные здесь решения передаются на управляе­мые объекты и ПЭВМ.

Управляемые объекты могут, в свою очередь, состоять из двух подсистем – управляемой и управляющей, причем они могут иметь свои промежуточные уровни и собственные ПЭВМ.

На схеме с целью ее упрощения изображена одна ПЭВМ. Реаль­но же в силу иерархической структуры системы ПЭВМ и другие средства обработки информации могут быть на каждом уровне управления.

Основные понятия системного моделирования

Практически задачи системотехники, которые решаются методами моделирования, можно разбить на две большие группы. К первой относятся задачи определения оптимальных методов использования как организационных систем в целом, так и их подсистем. Другими словами, это задачи управления существующими системами. Специфическая особенность этой группы задач состоит в том, что технические устройства, входящие в структуру этих систем, уже созданы и их характеристики не изменяются. Такими задачами являются оценка эффективности систем управления процессами и производствами, нахождение оптимальных вариантов технологических целей, логистическое сопровождение и др., организа­ция ремонта вооружения и т. д. Вторая группа включает задачи, связанные с определением оптимальных характеристик разрабаты­ваемых и перспективных систем техники и технологии.

Понятия оптимальности, показателей и критериев, применяе­мые для оценки эффективности функционирования систем, естест­венно, справедливы и для оценки эффективности моделей.

Уместно еще раз подчеркнуть, что решения, обоснованные методами моделирования больших си­стем, используются преимущественно как количественные реко­мендации для принятия решения. Решение принимают руководи­тели, которым приходится также учитывать и факторы, не поддающиеся формализации.

Под моделированием понимают научный метод исследования, основанный на наличии определенного соответствия (аналогии) между исследуемым объектом и другим вспомогательным объектом и позволяющий по результатам исследования второго объекта делать научные выводы о первом объекте. Изучаемый объект называют оригиналом, натурой, а вспомогательный – моделью. Таким образом, моделирование дает возможность результаты исследования модели переносить на оригинал, замещать при исследовании оригинал моделью.

Моделирование – один из самых эффективных методов познания окружающего мира. Можно сказать, что каждая наука – это модель тех явлений, которые она изучает.

Полное сходство между оригиналом и моделью не является необходимым, да и достигнуть его невозможно. Явления объективного мира обладают бесконечным числом свойств. Чтобы построить модель какого-либо явления, рассматривается не вся совокупность его свойств, а только часть, весьма незначительная и самая существенная для целей данной задачи.

Среди признаков, по которым классифицируют модели, выделим два основных: по характеру подобия и по характеру использования.

По характеру подобия различают модели геометрического подобия, модели-аналоги и математические модели. По характеру использования – модели без управления, оптимизационные модели, игровые и имитационные.

Модели геометрического подобия отображают внешние характеристики оригинала и, как правило, имеют ту же физическую природу. Поэтому моделирование с использованием таких моделей называется физическим моделированием. Примерами моделей геометрического подобия являются модели ракет, снарядов, самолетов для обдувки в аэродинамических трубах.

В моделях-аналогах набор свойств модели используется для отображения набора совершенно иных по своей природе свойств оригинала. Примерами моделей-аналогов являются схемы информационных и материальных потоков, карты с нанесенной боевой обстановкой и схемой операции, транспортные сети, представленные в виде графов, электрические схемы, содержащие сопротивления, емкости и индуктивности и отображающие свойства динамической механической системы и т.д.

Под математической моделью понимают систему математических и логических соотношений, описывающих при определенных ограничениях и допущениях структуру и процессы, протекающие в моделируемом объекте. С помощью математической модели можно по известным исходным данным получить новые, заранее неизвестные данные об исследуемом объекте или явлении. Математическая модель является наиболее общей и абстрактной моделью. Математическое моделирование основано на свойстве математических соотношений одинаково описывать различные по своей природе явления, выявляя формально схожие, аналогичные функциональные связи. В связи с этим можно привести слова небезызвестного классика: «Единство природы обнаруживается в поразительной аналогичности дифференциальных уравнений, относящихся к разным областям явлений». Указанная аналогичность математических соотношений является философской основой математического моделирования.

В системном моделировании, как правило, используются математические модели. По характеру переменных и виду математических зависимостей между ними различают математические модели: непрерывные, дискретные, линейные, нелинейные, детерминированные, стохастические (вероятностные), статистические и динамические.

Перейдем к рассмотрению моделей, классифицированных по характеру их использования.

Модели без управления являются описательными и не содержат управляемых параметров. Они математически описывают системы или процессы, изменение которых в основном определяется данным состоянием. К ним относятся модели многих явлений физики, механики, баллистики и др.

Под оптимизационными понимают модели, содержащие управляемые параметры и позволяющие исследовать, как влияют на эффективность системы или операции изменения управляемых параметров, и найти оптимальные значения этих параметров (оптимальное решение).

Задачи оптимизации, следовательно и оптимизационные модели, составляют основное содержание исследования операций.

Игровые модели описывают задачи, возникающие при необходимости найти наиболее целесообразное решение при конфликтных ситуациях и в условиях неопределенности. В этих случаях нельзя говорить об оптимизации, и для нахождения решения используются методы и подходы теории игр и статистических решений.

И оптимизационные, и игровые модели сводят, в конечном счете, исследования системы к математической задаче. При этом должны быть сформулированы также на языке математики цели и критерии. Однако в сложных ситуациях, особенно связанных с военными задачами, только отдельные части проблемы можно представить в виде оптимизационных и игровых моделей (не говоря уже о том, что аппарат теории игр практически позволяет находить решения относительно простых игровых задач).

Имитационное моделирование дает возможность исследовать большие системы и сложные ситуации во всей их полноте, а также реально невоспроизводимые ситуации и объединять в процессе моделирования формальные и неформальные методы исследования.

Под имитацией в широком смысле этого слова понимают замену экспериментов (исследований) в реальных условиях экспериментами в искусственной среде (примером имитаторов являются различного рода тренажеры). Машинная имитация – это процесс управляемого эксперимента, проводимого на вычислительной машине над моделью системы.

Под имитационной моделью понимают алгоритмическое описание со всей доступной для исследования полнотой изучаемой системы и процесса ее функционирования.

Имитационное моделирование не требует строгого математического описания всей системы. Достаточно знать в общих чертах алгоритм функционирования и взаимодействия частей системы. Этот алгоритм может быть задан описательно и затем переведен в машинную программу.

Построение моделей помогает привести сложные и подчас неопределенные ситуации, в которых приходится принимать решение, в логически стройную схему, доступную для детального анализа. Такая модель позволяет выявить альтернативные решения и оценить результаты, к которым они приводят. Другими словами, модель является средством формирования четкого представления о действительности.

Модель должна строиться таким образом, чтобы отражать сущность задачи управления и вместе с тем быть свободной от второстепенных деталей. Это позволяет отыскать более эффективное решение, которое можно проще реализовать на практике. Необходимая степень соответствия между моделью и объектом, а также возможность получения из модели реализуемого решения в значительной степени определяется уже на этапе постановки задачи. Поэтому, хотя построение математической модели является делом специалистов-математиков, руководители должны быть знакомы с подходом и методами построения моделей и разработанными моделями основных классов практических задач исследования операций.

Нахождение и анализ решения. В подавляющем большинстве операционных задач нахождение решения сводится к определению таких значений управляемых параметров (или к приближенной оценке этих значений), при которых достигается экстремум показателя эффективности и допустимые уровни других показателей. Построение алгоритма решения и нахождение решения с его помощью относится к компетенции специалистов-математиков и программистов.

Имеется большое количество разработанных алгоритмов для различных моделей. Во многих случаях удается свести решение к готовому алгоритму. В противном случае приходится строить новый.

Анализ решения имеет две стороны: первая связана с оценкой решения руководителями с точки зрения его соответствия целям операции и практическим возможностям его реализации; вторая – с определением чувствительности решения к различным параметрам модели и их изменениям. Если модель слишком упрощена, решение может оказаться нереалистичным. Чрезмерно усложненная модель может привести к значительным трудностям в получении решения и его реализации. Чтобы достичь удовлетворительных результатов, возникает необходимость проверки и корректировки модели на этапах постановки задачи, построения модели и отыскания решения.

Проверка и корректировка модели. К числу основных недостатков модели, приводящих к необходимости ее корректировки, относятся следующие:

· модель может не содержать некоторых существенных переменных;

· модель может включать несущественные переменные;

· в модели неточно оценен диапазон изменения значений существенных переменных;

· может оказаться неправильно сформулированной зависимость показателей, в том числе и показателя эффективности, от управляемых и неуправляемых переменных.

В большинстве операционных задач фигурирует очень большое число переменных. Однако, как правило, лишь небольшая их часть играет важную роль. Именно они и должны учитываться, так как цель состоит в том, чтобы построить модель, включающую минимальное число переменных и описывающую реальную действительность с необходимой точностью и полнотой.

В то же время число включенных в модель переменных не столь существенно, как соотношения между ними. Модель, содержащая часть переменных, может отображать действительность более точно, чем модель, описываемая большим числом переменных, если в первой соотношения между переменными ближе к реальным зависимостям, чем во второй.

В зависимости от полноты и характера информации, необходимой для принятия решения, различают три основных типа задач, решаемых с помощью моделирования: детерминированные задачи, вероятностные задачи, задачи в условиях неопределенности.

Детерминированные задачи возникают в ситуациях, когда имеется множество альтернативных решений и известно, что каждое из них неизменно приводит к одному и тому же результату. В детерминированных задачах значения всех факторов, влияющих на результат, известны, и информация о состоянии и поведении системы на некотором интервале позволяет полностью и однозначно описать поведение системы вне этого интервала. О детерминированных задачах говорят, что нахождение решения осуществляется в условиях определенности.

Необходимо отметить, что детерминированные задачи широко распространены в исследовании операций, аппарат построения моделей и нахождения решения хорошо разработан, и иногда для получения ориентировочных результатов к детерминированной схеме искусственно сводят задачи других типов.

Вероятностные задачи возникают в ситуациях, когда известны все альтернативы, возможные исходы по каждой альтернативе и вероятности каждого исхода. О таких задачах говорят, что решение принимается в условиях риска. Определенность есть частный случай риска, когда вероятность равна нулю или единице.

Задачи третьего типа возникают в ситуациях, когда альтернативы известны, но неизвестны вероятности результатов по каждой альтернативе либо даже неизвестно, какие возможны наборы результатов. Основной причиной возникновения таких ситуаций является неполнота информации, необходимой для нахождения решений.

Методы поиска решения в условиях неопределенности изучаются в теории игр и статистических решений. Задачи делятся на классы. Классом задач называется такое множество задач, постановка, модель и алгоритм решения которых имеют общую структуру. Задачи, входящие в один класс, могут иметь разное конкретное содержание, но одинаковое формальное математическое описание.

Различают задачи следующих классов: распределительные, управления запасами, массового обслуживания, замены и ремонта оборудования, упорядочения, сетевого планирования и управления (СПУ), выбора маршрута, состязательные.

Охарактеризуем кратко особенности каждого класса.

Задачи распределения возникают, когда:

a) существует ряд операций, которые необходимо выполнить, и ряд различных путей их выполнения;

b) нет в наличии ресурсов или средств, обеспечивающих выполнение каждой из операций наиболее эффективным образом. Задача в таком случае заключается в отыскании такого распределения ресурсов по операциям, при котором либо минимизируются общие затраты, либо максимизируется некоторая мера эффективности.

К этому классу относятся задачи целераспределения, использования транспорта при организации перевозок, выбора оптимальной системы техники.

Задачи управления запасами – задачи, связанные с проблемой запасов и требующие либо обоих, либо одного из двух следующих решений: а) сколько заказывать (производить или покупать) и б) когда заказывать. Сущность задач заключается в определении такого уровня запасов, который минимизирует сумму ожидаемых затрат по хранению запасов, а также потерь из-за их дефицита.

В качестве примера можно привести задачу определения складского запаса, обеспечивающего отсутствие дефицита с заданной вероятностью.

Задачи массового обслуживания – возникают при следующих условиях: а) имеется случайный и неуправляемый поток требований, нуждающихся в обслуживании; б) существуют потери, обусловленные ожиданием удовлетворения требований, отказом в обслуживании или простоем средств обслуживания.

Задача массового обслуживания заключается в определении количества средств обслуживания, при котором минимизируются суммарные затраты, связанные с ожиданием обслуживания требований и потерями от простоя средств обслуживания, или обеспечивается заданная пропускная способность системы обслуживания.

К задачам массового обслуживания относятся: организация ремонта техники, логистические задачи.

Задачи замены и ремонта оборудования – сюда относятся задачи, связанные: а) с заменой оборудования, с целью предупреждения его полного выхода из строя (отказа), когда вероятность отказа возрастает с увеличением срока службы; б) с выбором некоторого плана предупредительного ремонта и профилактического обслуживания, с целью уменьшения вероятности отказа.

Задачи упорядочения – включают задачи оптимального упорядочения во времени множества операций, выполняемых на заданном оборудовании (задачи календарного планирования). Наиболее часто используемые критерии оптимальности – оптимизация общей продолжительности всех операций, минимизация общего или максимального запаздывания и др.

Задачи сетевого планирования и управления (СПУ). В этом классе задач рассматриваются комплексы работ, состоящих из конечного множества отдельных работ, которые должны выполняться во времени в заданной последовательности. Требуется спланировать сроки начала и окончания каждой работы, а также ресурсы так, чтобы оптимизировать некоторый критерий, например минимизировать время завершения всего комплекса работ.

Задачи выбора маршрута. Задачи этого класса чаще всего встречаются в транспортных системах, в них требуется определить наиболее экономичный маршрут по выбранному критерию оптимальности. К ним сводятся и некоторые задачи других классов.

Состязательные задачи возникают в условиях конфликтных ситуаций, столкновения интересов сторон, преследующих противоположные цели.