microbik.ru
1 2 ... 4 5



А.П.Стехин

КОНСПЕКТ ЛЕКЦИЙ

по курсу

«ОСНОВЫ КОНСТРУИРОВАНИЯ, МОДЕЛИРОВАНИЯ

И ПРОЕКТИРОВАНИЯ

ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ»



(4-редакция, исправленная и дополненная)

2005 (июнь)

Тема 1. Основы моделирования
Лекция 1. Введение в курс. Основы моделирования.
1.1. Цель и задачи курса.

Цель курса - приобретение навыков для:

  • оценки эффективности системы управления объектом, процессом, предприятием в целом;

  • принятия решения о необходимости замены либо совершенствования существующей системы;

  • правильной постановки задачи исполнителю;

  • квалифицированной экспертизы проекта;

  • обеспечения необходимых условий по реализации проекта.

Задачи курса - изучение следующих основных вопросов:

  • основные понятия, структура, принципы построения и характеристики систем управления объектами, технологическими процессами, производством в целом;

  • методы моделирования объектов и систем;

  • технико-экономические аспекты конструирования;

  • современные методы и средства конструирования и моделирования.


1.2. Понятия системы и модели.

Наблюдение, анализ и моделирование являются средствами познания и прогнозирования процессов, явлений и ситуаций во всех сферах объективной действительности. Наблюдения за явлениями природы, постановка экспериментов позволили установить физические законы. Эти законы проявляются в определенных количественных соотношениях между параметрами процесса или явления независимо от того, происходят ли они в действительности или их реализацию можно только представить.

Знание физических законов позволяет облечь их в ту или иную математическую форму, после чего, решая дифференциальные, алгебраические уравнения или производя другие вычисления, мы получим значения интересующих нас параметров или показателей.

В процессе моделирования очень важным является системное представление о рассматриваемом объекте (систематизация), первое и главное свойство которого - наличие цели, для реализации которой предназначается рассматриваемая совокупность предметов, явлений, логических представлений, формирующих объект. Цель функционирования системы редуцирует системные признаки, с помощью которых описываются, характеризуются элементы системы. При изменении цели другими могут стать как существенные системные признаки, так и связи с внешней средой.

Для выделения системы требуется наличие:

  • цели, для реализации которой формируется система;

  • объекта исследования, состоящего из множества элементов, связанных в единое целое важными, с точки зрения цели, системными признаками;

  • субъекта исследования (“наблюдателя”), формирующего систему;

  • характеристик внешней среды по отношению к системе и отражения ее взаимосвязей с системой.

Наличие субъекта исследования и некоторая неоднозначность, субъективность при выделении существенных системных признаков вызывают значительные трудности для однозначного выделения системы и соответственно ее универсального определения.

Изложенное выше дает возможность определить систему как упорядоченное представление об объекте исследования с точки зрения поставленной цели. Упорядоченность заключается в целенаправленном выделении системообразующих элементов, установлении их существенных признаков, характеристик взаимосвязей между собой и с внешней средой. Системный подход, формирование систем позволяют выделить главное, наиболее существенное в исследуемых объектах и явлениях; игнорирование второстепенного упрощает, упорядочивает в целом изучаемые процессы. Для анализа многих сложных объектов и ситуаций такой подход важен сам по себе, однако, как правило, построение системы служит предпосылкой для разработки или реализации модели конкретной ситуации или объекта.

Описанный подход предполагает ясность цели исследования и детерминированное к ней отношение всех элементов системы, взаимосвязь между ними и с внешней средой. Такие системы называют детерминированными.

Альтернативу представляют системы со стохастической структурой (случайной природы), когда либо отсутствует ясно выраженная цель исследования, либо по отношению к ней нет полной определенности, какие признаки считать существенными, а какие - нет; то же относится и к связям элементов системы с внешней средой.

Методы построения и исследования стохастических систем, как правило, более сложны, чем детерминированных. В некоторых случаях существуют способы сведения стохастических систем к специальным образом построенным детерминированным.

Структура и свойства модели зависят от целей, для достижения которых она создается. В этом органическое единство системы и модели. Если неизвестна цель моделирования, то неизвестно и с учетом каких свойств и качеств надо строить модель.

Модель определяется как формализованное представление об объекте исследования с точки зрения поставленной цели.

Различия между определениями системы и модели состоят в том, что систематизация предполагают лишь упорядочение, тогда как моделирование - формализацию взаимосвязей между элементами системы и с внешней средой.

Под моделированием понимается исследование объектов познания не непосредственно, а косвенным путем, при помощи моделей.
1.3. Типы моделей.

Модели можно различать по ряду признаков: характеру моделируемых объектов, сферам приложения, глубине моделирования, средствам моделирования. По последнему признаку методы моделирования делятся на две группы: материальное (предметное) и идеальное.

Материальное моделирование, основывающееся на материальной аналогии моделируемого объекта и модели, осуществляется с помощью воспроизведения основных геометрических, физических, других функциональных характеристик изучаемого объекта. Частным случаем материального моделирования является физическое моделирование, по отношению к которому, в свою очередь, частным случаем является аналоговое моделирование. Оно основано на аналогии явлений, имеющих различную физическую природу, но описываемых одинаковыми математическими соотношениями. Пример аналогового моделирования - изучение механических колебаний с помощью электрической системы, описываемой теми же дифференциальными уравнениями. Так как эксперименты с электрической системой обычно проще и дешевле, она исследуется в качестве аналога механической системы.

Идеальное моделирование отличается от материального принципиально. Оно основано на идеальной, или мыслимой, аналогии. В экономических исследованиях это основной вид моделирования. Идеальное моделирование, в свою очередь, разбивается на два подкласса: знаковое (формализованное) и интуитивное.

Интуитивное моделирование встречается в тех областях науки, где познавательный процесс находится на начальной стадии или имеют место очень сложные системные взаимосвязи. Такие исследования называют мысленными экспериментами. В экономике до последнего времени в основном применялось интуитивное моделирование; оно описывает практический опыт работников.

При знаковом моделировании моделями служат схемы, графики, чертежи, формулы. Важнейшим видом знакового моделирования является математическое моделирование, осуществляемое средствами логико-математических построений.
1.4. Методы математического описания элементов и систем управления.

Анализ процессов, происходящих в системах, и эффективное решение задач расчета, проектирования и конструирования систем и устройств возможны лишь с применением языка и методов математики. Причем первым этапом при исследовании или конструировании системы является составление математического описания (математической модели) ее элементов и системы в целом.

Составление математического описания конструктивного элемента системы состоит из следующих последовательных процедур:

  • принятие исходных допущений;

  • выбор входных и выходных переменных;

  • выбор систем отсчета для каждой переменной;

  • применение физического, экономического или иного принципа, отражающего в математической форме закономерности протекания процесса.

Наиболее распространенной, а также наиболее общей и полной формой описания передаточных свойств систем (автоматических систем) и их элементов являются обыкновенные дифференциальные уравнения. Для большинства реальных элементов исходное уравнение, составленное строго в соответствии с законами физики, оказывается нелинейным. Это обстоятельство сильно усложняет все последующие процедуры анализа. Поэтому всегда стремятся перейти от трудно разрешимого нелинейного уравнения к линейному дифференциальному уравнению, обычно записываемого в символической или операторной форме, вида
(a0pn + a1pn-1 + . . . + an) y(t) = (b0pm + b1pm-1 + . . . + bm) x(t), (1.1)
где: x(t) и y(t) - соответственно входная и выходная величины элемента или системы;

ai, bi - коэффициенты уравнения;

p - оператор, сокращенное условное обозначение операции дифференцирования: d/dt = p.

Еще одним из распространенных методов описания и анализа автоматических систем является операционный. В основе метода лежит преобразование Лапласа

X(p) = L[x(t)] = x(t) e-pt dt, (1.2)

которое устанавливает соответствие между функциями действительной переменной t и функциями комплексной переменной p.

Функциональные элементы, используемые в системах управления, могут иметь самое различное конструктивное исполнение и самые различные принципы действия. Однако общность математических выражений, связывающих входные и выходные величины различных функциональных элементов, позволяет выделить ограниченное число так называемых типовых алгоритмических звеньев. Каждому такому звену соответствует определенное математическое соотношение между входной и выходной величинами. Если это соотношение является элементарным (например, дифференцирование, умножение на постоянный коэффициент), то и звено называется элементарным.

Алгоритмические звенья, которые описываются обыкновенными дифференциальными уравнениями первого и второго порядка, получили название типовых динамических звеньев. Наиболее часто встречающиеся звенья: безынерционное (пропорциональное), инерционное первого порядка (апериодическое), инерционное второго порядка (апериодическое или колебательное), интегрирующее, дифференцирующее, изодромное (пропорционально-интегрирующее), форсирующее (пропорционально-дифференцирующее), интегро-дифференцирующее (с преобладанием интегрирующих либо дифференцирующих свойств), запаздывающее.

Приведем примеры реальных устройств, которые соответствуют определению типового динамического звена.

Типичный пример безынерционного звена, являющегося простейшим среди всех типовых звеньев, - редуктор. Его передаточные свойства описываются алгебраическим уравнением

(1.3)

или

, (1.4)

где k = b/a - передаточный коэффициент редуктора, который зависит от соотношения диаметров или чисел зубьев ведомой и ведущей шестерен.

Реальными интегрирующими звеньями являются электрические исполнительные двигатели постоянного и переменного тока. Дифференциальное уравнение (в операторной форме) идеального интегрирующего звена выглядит следующим образом:

, (1.5)

где k – коэффициент пропорциональности, зависящий от конструктивных параметров устройства.

Запаздывающее звено передает сигнал со входа на выход без искажения его формы. Однако все мгновенные значения входной величины выходная величина принимает с некоторым отставанием (запаздыванием). Способностью задерживать сигнал во времени, не изменяя его формы, обладают многие элементы промышленных автоматических систем. В первую очкредь к таким элементам относятся транспортирующие устройства – конвейеры итрубопроводы.

Уравнение запаздывающего звена

, (1.6)

где  - время запаздывания.

В операционной форме передаточная функция запаздывающего звена выглядит следующим образом:

(1.7)

Если запаздывающее звено входит в контур системы управления, то характеристическое уравнение системы будет уже не простым алгебраическим, а трансцендентным. Решение и анализ трансцендентных уравнений связаны с большими трудностями. Поэтому часто в практических расчетах трансцендентную передаточную функцию (1.7) раскладывают в ряд Пада и, учитывая только первые два члена ряда, приближенно заменяют ее дробно-рациональной функцией:

(1.8)

Запаздывающие звенья в большинстве случаев ухудшают устойчивость систем и делают их трудно управляемыми.

В заключение необходимо отметить, что методика анализа, основанная на расчленении системы на типовые звенья, широко вошла в практику инженерных расчетов, выполняемых в процессе конструирования, и в настоящее время является доминирующей.

Лекция 2. Экономическое моделирование.

2.1. Предмет, область приложения и особенности экономического моделирования.

Любой набор уравнений, основанных на определенных предположениях и приближенно описывающих экономику в целом или отдельную ее отрасль (предприятие, процесс), можно считать экономической моделью.

Предметом экономических исследований практически всегда является построение и анализ моделей.

Усложнение производства, повышение ответственности за последствия принимаемых решений и требование принятия более точных решений привели к необходимости использования в управлении методов, подобных экспериментированию в технике или естественных науках.

Однако эксперимент в экономике стоит дороже или вообще невозможен.

Моделирование, как известно, в состоянии заменить эксперимент в экономике.

Это и служит причиной широкого применения моделирования в экономике, превратив его в одно из основных направлений повышения эффективности управления.

Опыт работы ведущих организаций в этой области показывает, что эффективность от применения моделирования обычно составляет 5- 15% снижения себестоимости, повышения производительности или улучшения других технико-экономических показателей.

Метод моделирования позволяет решать и многие другие, нерешенные до сих пор задачи, математизирует экономические расчеты. Внедрение моделирования в управление неразрывно связано с применением ВТ в экономических расчетах и с созданием автоматизированных систем управления производством (АСУП), представляющих собой совокупность наиболее совершенных методов управления (в первую очередь, основанных на экономико-математическом моделировании) и современных технических средств управления.

Использование этих средств при соответствующей квалификации занятых в сфере управления лиц обеспечивает с необходимой оперативностью, при требуемой полноте информации и минимальных трудовых затратах, получение и практическую реализацию оптимальных управленческих решений.

Как было указано ранее, моделирование делится на два основных класса - материальное и идеальное. Роль идеального моделирования особенно велика в экономических исследованиях, поскольку возможности проведения натурного эксперимента и эксперимента с материальными моделями в них ограничены.

Идеальное моделирование в свою очередь подразделяется на знаковое и интуитивное. Интуитивное моделирование в течение долгого времени оставалось главным и единственным методом анализа экономических процессов. Всякий человек, принимающий экономическое решение, руководствуется той или иной неформализованной моделью рассматриваемой им экономической ситуации. В случае интуитивных моделей, основанных на личном опыте принимающего решение лица, это зачастую приводит к ошибочным решениям. В еще большей степени интуитивные модели сдерживали развитие экономической науки, поскольку разные люди могут понимать интуитивную модель по-разному и давать на ее основе различные ответы на один и тот же вопрос. Проникновение в экономические исследования математических моделей создало основу для точного и строгого описания моделей и объяснения выводов, получаемых на их основе. Следует, однако, отметить, что использование математических (знаковых) моделей не уменьшает роли интуитивного моделирования. Так называемые имитационные системы синтезируют оба вида моделирования.

В настоящее время можно сказать, что человечество обладает глубоким пониманием методологии применения математики в естественных науках. И хотя в экономике имеются определенные аналогии с физическими процессами, экономическое моделирование намного сложнее. Это объясняется в первую очередь тем, что экономика охватывает не только производственные процессы, но и производственные отношения. Моделирование производственных процессов не представляет принципиальных трудностей и не намного сложнее, чем моделирование физических процессов. Моделировать же производственные отношения невозможно, не учитывая поведения людей, их интересов и индивидуально принятых решений.

Таким образом, во всех экономических системах можно выделить два основных уровня экономических процессов.

Первый уровень - производственно-технологический. К нему относится описание производственных возможностей изучаемых экономических систем. При математическом моделировании производственных возможностей экономической системы ее обычно разбивают на отдельные, “элементарные” в данной модели, производственные единицы. После этого необходимо описать, во-первых, производственные возможности каждой из единиц, и, во-вторых, возможности обмена ресурсами производства и продукцией между “элементарными” производственными единицами. Производственные возможности описывают при помощи так называемых производственных функций различных типов, а при описании возможностей обмена главную роль играют балансовые соотношения.

На уровне социально-экономических процессов определяется, каким образом реализуются производственные возможности, описанные при моделировании производственно-технологического уровня экономической системы. Существует огромное число вариантов принятия решений и распределения заданий, укладывающихся в технологические ограничения, которые задают производственные возможности системы. В математических моделях выделяют специальные переменные, значения которых определяют единственный вариант развития экономического процесса. Эти переменные принято называть управляющими воздействиями или управлениями. На уровне социально-экономических процессов определяется механизм выбора управляющих воздействий.

Итак, для описания функционирования экономической системы необходимо смоделировать оба уровня: производственно-технологический и социально-экономический. Как показывает опыт, описание второго уровня провести гораздо сложнее.

Существует, однако, большое число проблем, в которых описание социально-экономического уровня не является необходимым. Это так называемые нормативные проблемы, в которых необходимо указать, как надо задать управляющие воздействия, чтобы достичь наилучших в каком-то смысле результатов. При этом необходимо точно определить, что понимается под наилучшим результатом, т.е. сформулировать критерий, по которому можно оценивать и сравнивать различные управляющие воздействия. Критерий (также называют целевой функцией) является функцией переменных модели изучаемой системы. Обычно предполагается, что имеется единственный критерий выбора управления системой. Ищется такое управление, чтобы критерий достигал максимального (выпуск продукции, прибыль и т.д.) или минимального (затраты) значения. Такое значение управления находится методами оптимизации и называется оптимальным.

2.2. Классификация экономических моделей.

Все экономические модели можно в самом общем смысле разбить на два класса:

  • модели, предназначенные для познания свойств реальных или гипотетических экономических систем. Значения параметров таких моделей невозможно оценить по эмпирическим данным. Пример - модели, в которых технология какой-то экономики описывается параметрами большого числа возможных видов деятельности, значительная часть которых никогда не реализуется.

  • модели, параметры которых в принципе могут быть оценены по опытным данным. Эти модели могут служить для прогнозирования или принятия решений.

Второй класс моделей в свою очередь делится на три подкласса:

  • модель фирмы (предприятия) - может быть использована как основа для принятия решений на уровне фирм и аналогичных им организаций;

  • модели централизованно планируемого народного хозяйства - основа для принятия решений на уровне централизованного планирующего органа;

  • модели децентрализованной экономики или отдельного ее сектора - имеют применение при прогнозировании или могут служить основой для экономического регулирования.

Одна из наиболее важных методологических проблем построения экономических моделей - какими уравнениями описывать такие модели - дифференциальными или конечно-разностными.

Хотя многие индивидуальные решения принимаются через регулярные промежутки времени (раз в неделю, месяц и т.д.), наблюдаемые экономистом переменные представляют собой результат множества частных решений, принятых разными лицами в различные моменты времени. Кроме того, интервалы наблюдения большинства экономических переменных существенно больше интервалов между принятыми решений, которые эти переменные отображают. Эти обстоятельства приводят к мысли, что переменные типичной экономической модели следует рассматривать как непрерывные функции времени, и что такую модель следует описывать системой дифференциальных уравнений, причем, чем выше уровень модели - тем это ближе к истине.

Несмотря на то, что многие, если не большинство, модели, рассматриваемые в теоретической литературе, принадлежат к непрерывному типу, в прикладных экономических исследованиях модели обычно представляют в виде систем конечно-разностных уравнений. Это, по-видимому, объясняется трудностью оценки параметров систем стохастических дифференциальных уравнений по дискретным наблюдениям значений переменных. Однако для получения таких оценок нет принципиальных препятствий. Более того, методы, разработанные для оценки параметров дискретных моделей, могут быть с успехом применены и для оценки параметров непрерывных моделей. Следует отметить, что чем современней система управления предприятием (АСУ ТП, ИУС) - тем меньше дискретность, тем с большей степенью достоверности модель можно считать непрерывной.

Один из аргументов в пользу представления экономических моделей в виде дифференциальных уравнений - даже при отсутствии непрерывных наблюдений экономических переменных прогнозирование непрерывных траекторий изменения этих переменных может представлять большую ценность.

Например, предположим, что по убеждению руководства фирмы (предприятия) объем сбыта ее продукции тесно связан с национальным доходом страны. Тогда для прогнозирования сбыта очень полезно иметь прогноз непрерывной траектории изменения национального дохода, хотя измерения этой переменной и производятся только один раз в год. Непрерывная модель позволяет получить такой прогноз по дискретным наблюдениям экономических переменных за прошедший период времени.

Опыт показывает, что почти весь арсенал разработанных в науке моделей может найти применение в процессе принятия управленческих решений - гипотезы, наглядные аналоги, схемы, упорядоченная запись, графовая запись, схемы замещения, программные решения, производственный эксперимент, обобщение производственного опыта, материальные математические модели (аналоговые, структурные, цифровые и функционально-кибернетические), почти все виды физических моделей и др.

Различные виды этих моделей применяются более часто или редко, строятся и исследуются самими линейными руководителями, несущими полную ответственность за принятие и утверждение решений, или же их функциональными помощниками. Одни виды моделей применяются чаще или исключительно только при решении одной группы проблем, например, организационных, другие - при решении, например, проблем планирования и т.п., и не применяются совсем или очень редко при решении других задач.

Наибольшее распространение в экономике вообще и в процессе управления при оптимизации принимаемых решений в частности получают математические (или, как их обычно называют, экономико-математические) модели - идеальные (строящиеся и исследуемые без применения каких-либо специальных приспособлений, лишь в голове человека и на бумаге) или физические (реализуемые с помощью средств электроники и ВТ).

В виде схемы классификация совокупности экономико-математических моделей, используемых для оптимизации вырабатываемых управленческих решений, представлена на рис.2.1.

Наиболее полно разработанными и применяемыми на практике моделями, позволяющими оптимизировать управленческие решения, являются модели математического программирования. Эти модели позволяют делать выбор совокупности чисел (переменных в уравнениях), обеспечивающих экстремум некоторой функции (целевая функция или показатель качества принимаемого решения) при ограничениях, определяемых условиями работы системы.

Модели, в которых показатель качества решения и функции переменных системы являются линейными функциями, называют моделями линейного программирования. Если показатель качества или некоторые функции нелинейны - моделями нелинейного программирования. Нелинейное программирование в свою очередь подразделяется на выпуклое и невыпуклое. В теории выпуклого программирования подробнее других разработаны модели квадратического программирования, которые в связи с этим выделяют в отдельную группу моделей.

Модели математического программирования, в которых переменные в уравнениях по своему физическому смыслу могут принимать лишь ограниченное число дискретных значений, составляют группу моделей целочисленного программирования.

Если исходные параметры при переменных в моделях математического программирования могут изменяться в некоторых пределах, то такие модели называют моделями параметрического программирования.

Модели, с помощью которых решаются условно экстремальные задачи при наличии случайных параметров в их условиях, называют моделями стохастического программирования.

Модели, позволяющие точно или приближенно получать оптимальные решения задачи больших размеров по решениям ряда задач с меньшим числом переменных и ограничений, относятся к моделям блочного программирования.


Рис. 2.1. Классификация экономико-математических моделей.

.

К математическому программированию относится также и динамическое программирование. Модели динамического программирования позволяют находить оптимальное решение в условиях, когда на конечные результаты влияет результат осуществления решения на предыдущем этапе, а на него - результаты осуществления решения на предшествующем ему этапе и т.д.

В процессе оптимизации управленческих решений широко применяются также модели, основанные на математической теории графов. Частным видом таких моделей являются модели сетевого планирования, которые используются как на стадии оптимизации принимаемых решений, так и при организации их выполнения, контроле выполнения, т.е. являются сквозными моделями, используемыми на всех этапах, вплоть до осуществления принятого управленческого решения. В зависимости от возможности или невозможности точного определения продолжительности работ при построении сетевого графика модели сетевого планирования делятся на детерминированные и стохастические. К моделированию, основанному на теории графов, относится также решение транспортных задач на сети и другие приложения этой теории в экономической работе.

Для оптимизации управленческих решений применяются также и модели балансовых методов анализа, представляющие собой прямоугольные таблицы, в которых по одному из направлений (по горизонтали или по вертикали) проставлены отрасли или подразделения, участвующие в производстве какой-то совокупности продуктов, и указаны количественные данные о величине участия их в производстве, а по другому направлению представлены эти же отрасли или подразделения в качестве потребителя той же совокупности продуктов и указаны их потребности. Такие модели позволяют принимать решения, учитывающие взаимосвязи между отдельными подразделениями производства и необходимость баланса между производством и потреблением. Решения с использованием этих моделей направлены на пропорциональное развитие производства. Применяются они как на уровне межотраслевого планирования, так и при планировании в масштабе отрасли или даже отдельного предприятия.

Перечисленные виды моделей относят обычно к группе детерминированных моделей, хотя некоторые из них могут быть связаны с расчетами на основе применения элементов математической статистики и теории вероятностей, например, стохастическое программирование или стохастическое сетевое планирование.

Другую большую группу экономико-математических моделей, применяемых при оптимизации управленческих решений, составляют стохастические модели или модели, основанные на теории вероятностей и математической статистике.

К стохастическим моделям относятся модели теории анализа корреляций и регрессий, теории дисперсионного анализа, теории массового обслуживания, методов статистических испытаний, теории игр, теории статистических решений, теории информации, теории надежности, теории расписаний, теории запасов и др.
2.3. Основные этапы экономического моделирования.

Первый этап посвящен постановке проблемы. Одной из главных особенностей прикладного (не теоретического) исследования является участие в работе лица или организации, которые ставят проблему перед исследователями (исполнителем), пользуются результатами исследования, финансируют исследования. Такое лицо или организацию принято называть заказчиком. В исследовании операций используется также название: лицо, принимающее решение (ЛПР).

Обычно перед заказчиком стоит большое число разнообразных проблем, причем формулируются они в довольно общих чертах. Цель первого этапа исследования экономических процессов - найти среди проблем, интересующих заказчика, такие вопросы, которые могут быть решены на современном уровне развития экономико-математических методов.

При решении вопроса о выборе проблем, которые будут проанализированы с помощью экономико-математических моделей, прежде всего необходимо помнить, что прикладное исследование может быть проведено только тогда, когда в распоряжении исполнителя имеются проверенные модели, пригодные для описания объектов, которые необходимо моделировать. Если таких моделей нет, то прежде необходимо научиться строить модели интересующих нас объектов, а это обычно требует серьезных усилий и занимает достаточно продолжительное время. Для большей части задач планирования, в которых можно ограничиться лишь производственно-технологи-ческой стороной явлений, уже построены стандартные математические модели, так что исследователю часто остается лишь понять, какая из возможных моделей наиболее пригодна для анализа интересующих его проблем.

Второй этап исследования - построение математической модели изучаемого экономического объекта и ее идентификация. Этот этап состоит в выборе подходящей модели из всего множества известных экономических моделей и в подборе параметров этой модели таким образом, чтобы она соответствовала изучаемому объекту. Процесс подбора значений параметров модели называется идентификацией модели. Параметры производственных функций подбираются на основе анализа технологической информации и статистики экономических показателей.

Как правило, математическая модель не учитывает всех связей, которые возникают при функционировании реальных объектов, что может привести к выбору решения, не реализуемого в жизни. Чтобы этого не произошло, в модель должны быть введены некоторые дополнительные ограничения на переменные. При построении таких ограничений необходимо как можно полнее использовать знания и опыт заказчика.

Следующий после построения модели этап - исследование построенной модели. Предварительно необходимо выбрать способ анализа модели для решения проблем, сформулированных на первом этапе и состоящих при анализе производственно-технологических процессов в выборе наиболее подходящих для заказчика вариантов управления экономической системой.

Существует несколько основных методов анализа экономических моделей.

Первый из них состоит в качественном анализе модели, т.е. в выяснении некоторых ее свойств. Хотя методы качественного анализа очень полезны, такое исследование можно провести лишь в достаточно простых моделях. Кроме того, эти методы обычно связаны с задачей планирования только косвенно.

Если возможно сформулировать критерий, по которому заказчик может количественно оценить различные варианты развития системы, то единственное оптимальное управление (управляющее воздействие) и траекторию можно выбрать путем решения задачи оптимизации. Оптимизационная постановка состоит в следующем. Пусть критерий развития системы имеет вид

С[х(t), u(t)] dt, (2.1)

где х - конечноразностный вектор состояния системы;

u - вектор управляющих воздействий;

Т - некоторый момент времени.

Величина Т часто называется горизонтом планирования. Чем больше значения критерия (2.1), тем этот вариант развития системы больше удовлетворяет ЛПР.

После формулировки критерия оптимизационная постановка сводится к следующей математической задаче: найти среди пар {u(t), x(t)}, 0 t T, удовлетворяющих принятым ограничениям, такую пару {u*(t), x*(t)}, на которой достигается максимальное значение критерия (2.1).

Далее поставленная задача решается одним из методов раздела прикладной математики - методов оптимизации. Полученное управляющее воздействие u*(t), 0  t  T, рекомендуется ЛПР в качестве наиболее подходящего воздействия на исследуемый экономический объект. Для выбора единственного оптимального управляющего воздействия u*(t) необходимо задать единственный критерий. В некоторых случаях это сделать невозможно. Кроме того, даже в случае единственного критерия задачу оптимизации удается решить далеко не всегда - модель может оказаться чересчур большой или чересчур сложной для современных методов оптимизации.

Для анализа экономико-математических моделей широко используется и имитационный подход, на основе которого удается преодолеть некоторые из трудностей, связанных с использованием оптимизационного метода. В имитационном подходе, вообще говоря, не требуется задавать критерий развития изучаемого объекта. Вместо него задается управление - либо в виде функции времени u(t), либо в виде функции состояния системы u(x). Подставляя эти заранее сформулированные функции в систему дифференциальных уравнений


следующая страница >>