вход Вход Регистрация



Во второй половине XX В. состоялось резкое увеличение роста науки и техники, которое получило название научно-технической революции (НТР), которая сделала и продолжает влиять на развитие экономики. Одним из проявлений НТР есть быстрое увеличение сложности управления экономикой. Причины роста сложности:

1. Стремительный рост номенклатуры изделий. За последние 20 -25 лет номенклатура выросшая не менее, чем в 10 раз и исчисляется ныне многими миллионами. Однако же за каждым наименованием изделий стоит есть комплект задач управления (определение нужд, планирование, материально-техническое снабжение и т.д.).

2. Резкое увеличение средней сложности изделий, которые выпускаются, и сложности технологии их производства.

3. Увеличение изменяемости изделий, которые выпускаются, в результате чего задачи управления необходимо решать чаще и быстрее.

4. Стремительное развитие науки и техники, которые делают существенное влияние на развитие экономики. Так, средний срок от научного открытия к его применению в промышленности в данное время составляет близко 5 лет, а в отдельных случаях и еще меньше. Народное хозяйство должно строиться так, чтобы оно было способным воспринять и использовать результаты любого научного открытия. Возросло значение методов прогнозирования научно-технического прогресса, методов долгосрочного планирования и т.д.

Установлено, что сложность задач управления экономикой растет быстрее числа занятых в экономике людей и может наступить момент, когда нужны коренные изменения в механизме управления.

Академик В. Г. Глушков, указывал на наличие двух порогов, при переходе, из-за которых должна меняться технология управления, то есть методы сбора и обработки экономической информации, образа подготовки и принятия решения и т.д.

Так, на зрении развития экономики, когда экономические связи целиком замыкались в рамках ограниченных коллективом (рода, племени, семьи), способностей одного человека хватало, чтобы держать в своей памяти все ресурсы и осуществлять эффективное управление коллективом. Однако, способности человека к восприятию, запоминанию и переработки информации ограничены, и по мере развития экономики сложность необходимых задач управления рано или поздно превосходит эти способности.

Этот порог В. Г. Глушков называет первым информационным барьером в развитии экономики. Он был достигнут многими тысячелетиями назад, и вызвал соответствующие изменения в управлении. Были изобретенные два механизма, параллельных решения задач управления на многих людей. Первый механизм – использование вместо одного единственного руководителя иерархической системы управления. Второй механизм - введение товарно-денежных отношений. Не удаваясь в роль рынка, как механизма для распределения товаров, заметим, что он есть одновременно и регулятором производства.

Однако, способности к переработки информации даже у всего населения ограничены. Если через N обозначить число всех людей, занятых в управлении экономикой, через А - среднюю способность одного человека к переработки информации, то суммарная способность к переработки информации всех людей будет равняется А∙N. При развития экономики суммарная сложность Р объективно необходимых задач управления экономикой рано или поздно превысит А∙N. Это отвечает второму информационному барьеру в управлении экономикой.

Возникает вопрос о том, или перешла современная экономика второй информационный барьер или нет? Попробуем оценить это. Опыт создания АСУ позволяет оценить общую сложность задач управления в масштабе всей страны в 1016 арифметических операций в год. Причем это оценка снизу, действительная сложность еще больше.

Производительность человеческого мозга в процессе переработки информации определить еще труднее, однако исходя из норм времени для операторов, которые работают, на клавишные операции над многозначительными числами нужно не менее 10сек.

Учитывая то, что в году близко 3*107 сек., получаем, что при 8-часовой активной работе ( без исходных дней и отпуска) человек способен выполнить не более операции в год. Отсюда для управления экономикой страны, для выполнения 1016 операций в год потребуется не менее 1010, то есть не менее 10 миллиардов мужчина. Это значит, что экономика страны давно переступила второй информационный барьер. Преодолеть барьер можно только благодаря повышениям производительности работы в сфере управления.

Это можно сделать только с помощью ЭВМ и основанными на них автоматизированных систем управления АСУ. Именно АСУ есть тем новым инструментом, который поможет преодолеть второй информационный барьер.

«Автоматическое управление технологическим процессами», будучи составной частью общей ТАУ и автоматики, решает конкретные вопросы управления технологическими агрегатами, системами теплоснабжения и т.д.

Необходимость использования автоматических устройств возникает:

1. Если для обслуживающего персонала есть физические границы через недостаточность его силы, тяжесть окружающих условий.

2. Если нужен контроль и управления на протяжении продолжительного времени, когда физическое утомление оператора может отразиться на точности контроля, показателях процесса.

3. Если тепловой агрегат не допускает разброс эксплуатационных характеристик в процессе работы, которая возникает в следствии невозможности стандартизировать обращение человека - оператора.

4. Если использование ручного управления просто не экономически.

 

Случайные новости

15 Математическая обработка исправленных результатов измерений

15.1 Обработка результатов равнорассеянных наблюдений

Прямыми называются измерения, в результате которых находят непосредственно искомые значения величин.

Результаты наблюдений Xi; Х2; ...; Хп, что получают при прямых измерениях постоянной физической величины Q , называются равнорассеянными если они являются независимыми, равнораспределенными случайными величинами. Равнорассеянные результаты получают при измерениях, которые проводятся одним наблюдателем или группой наблюдателей с помощью одних и тех же средств измерений в неизменных условиях внешнего среды. Их математическую обработку проводят для определения итога измерений в виде выражения (46) или (51).

Результаты обрабатывают по разному в зависимости от того, имело (п <40) или много

> 40) проведены наблюдения. При количества наблюдений п <40 результата обрабатывают в следующем порядке:

1.Определяют точечную оценку действительного значения измеренной
величины — среднее арифметическое результатов наблюдений (38).

2.Вычисляют случайные отклонения и их квадраты.

3.Вычисляют точечную оценку среднего квадратичного отклонения
результатов наблюдений (44).

4.Определяют точечную оценку измерений (45).

5.Проверяют нормальность распределения результатов наблюдений.

6.Предоставляя определенных значений доверительной достоверности , находят доверительную погрешность результата измерения и доверительный интервал для среднего квадратичного отклонения.

7.Определяют наличие грубых погрешностей и промахов и , если последние выявленные, соответствующие результаты отбрасывают и повторяют вычисление.

8. Итог измерений записывают в виде

(n=….)

или (n = …; P = … % ),

если распределение случайных погрешностей есть нормальным .

Пример 6 . Провести обработку результатов наблюдений полученных при измерении сопротивлений партии резисторов в количестве 20шт.

1. Для вычисления применим пакет Excel . На рис.18 , 19. приведенные образцы заполненных рабочих листов: (Таблица1,Таблица2)

 

Таблица 1

определение нормального распределения
номер измерения поз. позн .резистору величина сопротивления резистору(Ом) Ri= отклонение результатов наблюдений

 

( Ri-Rсер.ар)

квадраты

 

случайных отклонений( Ri-Rcер.ар.)2

1 2 3 4 5
1 R1 179,3 -2,95 8,7025
2 R2 182,5 0,25 0,0625
3 R3 184,8 2,55 6,5025
4 R4 183,3 1,05 1,1025
5 R5 180,5 -1,75 3,0625
6 R6 180,7 -1,55 2,4025
7 R7 183,3 1,05 1,1025
8 R8 186,6 5,35 28,6225
9 R9 182,9 0,65 0,4225
10 R10 178,5 -3,75 14,0625
11 R11 180,1 -2,15 4,6225
12 R12 181,8 -0,45 0,2025
13 R13 179,8 -2,45 6,0025
14 R14 180,3 -1,95 3,8025
15 R15 185,3 3,05 9,3025
16 R16 180,9 -1,35 1,82251
17 R17 180,8 -1,45 2,1025
18 R18 186,5 4,25 18,0625
19 R19 181 -1,25 1,5625
20 R20 185,1 2,85 8,1225
сред.арифм Rcер.ар.. =

 

182,25

сумма отклонений по результатам наблюдений Σ=

 

(Ri-R cер.аp)

 

-1.05E-12

оценка среднеквадратичного отклонения наблюдений
Sr(Om) = 2,4268
оценка среднеквадратичного отклонения результата

 

среднеквадратичного отклонение результата измерений

Srcеp.kb(Om) = 0,565802

 

 

Рис.18

2. В колонках 1и 2 расположенные номера наблюдений и позиционные обозначения резисторов.

3. В колонке 3 вносим результаты наблюдений .

4. Вычисляем среднее арифметическое Rсер. и также располагаем в колонке 4

5.Вычисляем сумму отклонений .Теоретически сумма должна равняться 0 ,но вследствие

округление возникает небольшая погрешность (колонка 4).

6.Рассчитываем отклонение результатов наблюдения (Ri- Rсер. арифм.) , их квадраты

( Ri-Rсер.арифм.)2 и заносим их значение у колонки 4 и 5 соответственно.

7. Проверяем принадлежности характеру распределения результатов наблюдений к нормальному. Учитывая , что количество наблюдений n <40 , для определения закона распределения воспользуемся методикой использования статистической функции распределения , которая изложена в приведенном выше примере.

В таблице 2 приведенные результата проверки на принадлежности результатов наблюдений к нормальному распределению.

 

пpовеpкa нормального распределения
Ri= Fn(Ri)=i/(n+1)=Φ(Zi) Zi
178,5 0,047619 -1,67
179,3 0,095238 -1,31
179,8 0,142857 -1,07
180,1 0,190476 -0,88
180,3 0,238095 -0,71
180,5 0,285714 -0,565
180,7 0,333333 -0,43
180,8 0,380952 -0,205
180,9 0,428571 -0,18
181 0,47619 -0,058
181,8 0,52381 0,03
182,5 0,571429 0,18
182,9 0,619048 0,305
183,3 0,666667 0,43
183,3 0,714286 0,555
184,8 0,761905 0,77
185,1 0,809524 0,875
185,3 0,857143 1,07
186,5 0,904762 1,31
187,6 0,952381 1,66

Таблица 2

 

 


 

Рис.19

8. Порядок расчетов доверительного интервала для среднего квадратичного отклонения результатов наблюдений при α = 1-q = 0,96 с использованием χ2 ( кси – квадрат) распределения Пирсона и пакету Mathcad приведенный выше с результатом

SR1 = 3,768 ом ; SR2 = 1, 9 ом

9. Устанавливая достоверность Р= 98% для среднего арифметического и используя распределение Стьюдента находим дробь Стьюдента, как квантиль обратной функции

tp = qt( 0.98, 19) с пакету Mathcad и там же определяем доверительную погрешность результата:

 

 

10. Определяем наличие грубой погрешности среди измеренных значений. Поскольку среднее квадратичное значение σ не являются заданными , будем пользоваться формулой ( 62 ).Учитывая принятые обозначения , запишем условие принадлежностей

 

≤ t(P,n) , исходя из распределения Стьюдента.

Коэффициент n1 определяется как n1 = n-1 учитывая то , что из всего количества наблюдений n изымается одно наблюдение с подозрением на наличие грубой погрешности. Исходя из этого необходимо пересчитать Rсер и среднее квадратичное отклонение .

Из анализа табл. 1 и табл. 2 видно , что самое большое отклонение имеет значение R8 = 186,6 ом . Изымая это значение из ряда наблюдений будем иметь n1 = 20-1 =19 .

Перечисленное значение Rсер = 181,6 ом = 2,427.Подставляя числовые значения в приведенную формулу , получаем следующее:

2,055

Задаваясь вероятностью P= 98% , k = 18 находим дробь Стьюдента tp с помощью пакету Mathcad как квантиля функции qt(p,k):

 

 

 

Сравнивая полученные результаты , можно сделать выводы , что результат наблюдения, подозреваемого на грубую погрешность не является такой , поскольку 2,055 < tp <2,214 .

 

 

© 2019
  • Сайт "Литературка"
  • мы собираем различную техническую, образовательную, научную литратуру