Системы управления представляют собой интегрированную в производственный процесс вычислительный комплекс определенной конфигурации, который выполняет весьма ограниченный набор операций, не позволяющий в полной мере использовать все преимущества автоматических математический вычислений на базе микропроцессорной техники [1, 2, 3]. Причины такого положения дел лежат в программной области, слабость которой определяется отсутствием в настоящий момент высокоразвитых сложных математических алгоритмов программирования [4, с. 17].
Программы для новой системы управления либо вообще пишутся с нуля, либо представляют собой комплекс линейных программ, обеспечивающих ступенчатое (хронологически последовательное) выполнение автоматических команд, либо команд оператора. Таким образом, системы управления не способны в автоматическом режиме управлять технологическими процессами на производстве, а также диагностировать свою собственную работу на предмет ошибок, неполадок или модернизации [5, с. 15].
Решение вышеописанных задач возможно только благодаря формированию сложной теории обработки информации, объясняющей все многообразие цифровых пакетов данных, их структуры, формирование целенаправленных действий, а также строгое математическое описание таких слабо формализованных в настоящий момент понятий как цель, действие, процесс принятия решений.
Однако тщетность попыток решить поставленные задачи, несмотря на достаточно высокое развитие и математики и технических наук, заставляет задуматься об общей правильности выбранных направлений развития и научного поиска в этой области. Специалисты естественнонаучного толка не могут адекватно проанализировать и дать оценку своей предвзятой позиции в этом вопросе, а именно, эгоистичной позиции по отношению к субъекту, то есть человеку, как стоящему выше любой машины в интеллектуальном и даже моральном смысле.
Достаточно взглянуть на направления развития интеллектуальных систем, а именно экспертные системы, нейронные сети, системы нечетких множеств, чтобы понять их не вполне строго математическую концепцию. Отказ от строгих математических вычислений не является бесспорно хорошей идеей и требует критического переосмысления. Уверенно можно сказать лишь то, что интеллектуальные системы управления развиваются лишь в одном направлении, основанном на поиске каких-то новых законов математики, поскольку даже булевы функции уже ушли на второй план ввиду своей неэффективности при описании сложных процессов [6, с. 16]. Для полноты развития науки необходимы и конкурирующие теории, основанные на уже имеющихся концепциях математических вычислений.
К их числу можно отнести интеллектуальные системы управления на основе статистических цензов, которые являются развитием идей математической статистики. Использование унифицированных объектов управления [7, с. 56], данные о которых группируются по множеству возможных статистических цензов [8, с. 97], позволяет прогнозировать будущие события в системах управления, благодаря использованию прошлых данных об этих же событиях (статистика), оценивая и группируя действия системы управления по все новым теоретически возможным цензам.
Данная методология по сути основана на переборе теоретически возможных взаимосвязей одного параметра от другого без ограничения количества измерений статистики. Причем множество параметров включает в себя не только значения самих технологических параметров, но и точное время их регистрации, адрес получения, а также все эти параметры и в отношении действий оператора, и в отношении действий самой интеллектуальной системы управления, которая будет находить зависимости между своими прошлыми, настоящими и будущими действиями. Причем данный перебор является непоследовательным, что положительно сказывается на эффективности работы вычислительной системы, отсекающей анализ данных, действия согласно которым не привели к достижению поставленных целей [9, с. 60]. В случае получения подобных статистических данных перебор возможных вариантов начнется с комбинаций параметров других возможных действий.
Библиографический список
- Сироткин А.В., Бархатов Н.И. Модель системы автоматизированного управления информационным обслуживанием // Инженерный вестник Дона. Ростов-на-Дону: «Северо-Кавказский научный центр высшей школы ФГАОУ ВПО Южный федеральный университет» №4, 2013. – с. 20.
- Городецкий А.Я. Информационные системы. Вероятностные модели и статистические решения. – СПб.: Изд-во СПбГПУ, 2003. – 326 с.
- Кучма Н.А. Биокомпьютер в реальных процессах // Инженерный вестник Дона. Ростов-на-Дону: «Северо-Кавказский научный центр высшей школы ФГАОУ ВПО Южный федеральный университет» №4, 2013. – с. 248.
- Карпушин Е.С. Совершенствование автоматизированной системы управления технологическими процессами Ленинградской АЭС/ Биржа интеллектуальной собственности. М.: «Корина-Офсет» №12, 2011. – с. 17-22.
- Карпушин Е.С. Повышение эффективности систем управления атомными электростанциями // Компетентность. М.: «Калужская типография стандартов» №8, 2010. – с. 15-19.
- Карпушин Е.С. Проблемы использования булевых функций // Наука и бизнес: пути развития. М.: «Фонд развития науки и культуры» №3, 2011. – с. 15-17.
- Карпушин Е.С. Математическая модель операций в искусственном интеллекте // Международный научный журнал. М.: «Триада» №4, 2011. – с. 56-60.
- Карпушин Е.С. Статистические цензы как метод представления причинно-следственных связей // Международный технико-экономический журнал. М.: «Триада» №1, 2012. – с. 97.
- Карпушин Е.С. Рассмотрение причинно-следственных связей как совокупности статистических цензов // Компетентность. М.: «Калужская типография стандартов» №9-10, 2011. – с. 56-60.