Функционально стоимостной анализ

Под функционально стоимостным анализом понимают метод системного анализа функций объекта (технологического процесса, производства, системы управления), направленный на поиск технико-экономических резервов объекта (технологического процесса, производства, системы управления) с целью повышения его эффективности.

Функциональные, геометрические и функционально-геометрические модели отражают соответственно только функциональные, только пространственные и одновременно функциональные и пространственные свойства оригинала.

Функционально стоимостной анализ функций объекта (технологического процесса, производства, системы управления) - это комплексная стоимостная оценка функций объекта, объединяющая функционально-физический, технико-экономический анализ, организационно-технические мероприятия.

Содержание работ

Информационный этап.

● Подготовка, сбор и систематизация информации об объекте и его аналогах.

Изучение объекта и его аналогов: составление структурной схемы, изучение технологии, исследование условий применения (эксплуатации), анализ патентной информации и рационализаторских предложений, связанных с совершенствованием объекта.

● Определение затрат и их структуры на стадиях разработки, производства и эксплуатации объекта.

Аналитический этап.

● Формулирование функций объекта и его элементов, группировка функций, построение функциональной модели объекта.

● Оценка значимости функций экспертным методом.

● Построение совмещенной функционально-структурной модели объекта.

● Оценка затрат, связанных с осуществлением функций.

● Сопоставительный анализ значимости функций и затрат на их реализацию для выявления зон (частей объекта) с неоправданно высокими затратами.

Системный анализ функций объекта требует знаний техники, технологии, управления, экономики, энергетики и т.д. - функционально стоимостной анализ проводится группой специалистов разных профессий.

По своему содержанию – это комплексная стоимостная оценка функций объекта, объединяющая функционально-физический, технико-экономический анализ, организационно-технические мероприятия. Структурный анализ является составной частью функционально стоимостного анализа.

Оценку функций производят в виде функционально-стоимостных диаграмм.

4 ВИДЫ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ

4.1 Классификация математических моделей

Появление большого количества моделей самого различного типа привело к необходимости упорядочивания, классификации моделей, что является одним из условий грамотного применения моделей. Классификация необходима для ответа на вопросы: Какого вида модель более всего подходит для решения поставленной задачи? К какому классу относится разрабатываемая модель и в чем особенности ее использования?

Единая классификация видов модели затруднительна в силу многозначности понятия "модель" в науке и технике.

Математическая модель - это математическое представление реальности: система математических соотношений, описывающих процесс или явление.

Первой системой математических моделей, адекватно отражающих обширный класс процессов и явлений реального мира в конкретной области, стала классическая механика. Одной из основных задач классической механики была задача прогнозирования движения различных тел и сред. Любая модель механического движения представляет собой систему дифференциальных уравнений относительно координат и скоростей движущегося объекта – из необходимости моделирования и прогнозирования движения возникло дифференциальное исчисление.

Информационная модель - совокупность информации, характеризующая существенные свойства и состояния объекта, процесса, явления, а также взаимосвязь с внешним миром.

В качестве информационной модели могут служить наглядные изображения (фото, кино, видео), знаки (текст, знаковое табло), графические модели (график, чертеж, блок–схема) и комбинированные изображения (мнемосхема, карта). Это модели, созданные на естественном языке и формальном языке (т.е. научном, профессиональном или специализированном). Примеры формальных моделей: все виды формул, таблицы, графы, карты, схемы и т.д.

В основу классификации математических моделей могут быть положены различные принципы отображения объекта - классификационные признаки, отражающие те или иные особенности моделируемой системы (или их сочетания), например:

- по характеру моделей (т.е. по средствам моделирования);

- по характеру моделируемых объектов;

- по сферам приложения модели (модели в технике, в физических науках, в химии, экономике, модели процессов живого, модели психики и т. п.) и его уровням ("глубине"), начиная, например, с выделения в физике модели на микроуровне (модели на уровнях исследования, касающихся элементарных частиц, атомов, молекул).

Возможные классификационные признаки моделей: в зависимости от целей моделирования, в зависимости от способа получения моделей, в зависимости от оператора модели, в зависимости от параметров модели, в зависимости от методов реализации.

Большое количество возможных классификационных признаков породило много классификаций моделей, которые характеризуют их свойства, особенности применения, происхождения. Классификация моделей – это тоже элементарное моделирование.

В связи с этим любая классификация методов моделирования обречена на неполноту, тем более, что терминология в этой области опирается не столько на "строгие" правила, сколько на языковые, научные и практические традиции в конкретной области, а еще чаще определяется в рамках конкретного контекста и вне его никакого стандартного значения не имеет (типичный пример - термин "кибернетическое" моделирование).

При таком подходе выбор класса модели (классификация) является неотъемлемой частью построения модели - выбор класса модели можно рассматривать как выбор структуры модели - с позиций структурного моделирования.

Исследуемая система и ее модель могут относиться как к одному, так и к разным классам. Например, реальная система может быть подвержена воздействию случайных факторов и, соответственно, будет относиться к классу стохастических систем. Если разработчик модели считает, что влиянием этих факторов можно пренебречь, то создаваемая модель будет представлять собой детерминированную систему. Аналогичным образом возможно отображение системы с непрерывным временем смены состояний в модель с дискретными переходами и т. д.

Схема классификации систем важна не сама по себе. На этапе разработки концептуальной модели она, во-первых, позволяет уточнить цели и задачи моделирования и, во-вторых, облегчает переход к этапу формализации модели. Кроме того, на этапе оценки качества разработанной модели, знание классификационных признаков дает возможность оценить степень ее соответствия первоначальному замыслу разработчика.

Любая система может представляться некоторым набором, отличающихся друг от друга, моделей. Отличия могут содержаться в степени детализации и учете различных особенностей режимов функционирования. Могут отражаться некоторые грани сущности системы, можно ориентироваться на анализ некоторых наборов свойств. Поэтому разработке модели и ее классификации, естественно, предшествует постановка (формулировка) цели моделирования.

В зависимости от целей моделирования могут быть выделены моделипо классификационному признаку:

- «установление законов изменения параметров модели» - описательные модели;

- «изучение преобразования объектом входных сигналов» - функциональные модели;

- «изучение внутренней структуры объекта» - структурные модели;

- «определение оптимальных параметров объекта или режима управления объектом» - оптимизационные модели;

- «принятие эффективных управленческих решений»- управленческие модели.

Описательные модели являются реализацией содержательных и концептуальных моделей – позволяют определять параметры модели в зависимости от принятых условий и гипотез.

Функциональные модели отражают происходящие физические, механические, химические, информационные и др. процессы. Комбинированные структурно-функциональные модели отражают устройство и функционирование объекта.

Структурные модели – отражают устройство объекта и связи (в том числе типы связей) между его элементами.

В структурной модели можно выделить два типа - топологическую и геометрическую модели.

Топологическая модель отражает состав объекта и связи между его элементами. Такая модель обычно строится на основании структурной схемы и имеет форму графов, таблиц, матриц, списков.

Возможные типы связей: в материаловедении – типы кристаллических решеток и их симметричность, в информационных системах – направление и интенсивность передачи информации, организационных системах – иерархия в процессе принятия решений и распределение ответственности за решения.

Геометрическая модель в дополнение к топологической содержит сведения о форме и размерах объекта и его элементах, об их взаимном расположении.

В геометрическую математическую модель обычно входят совокупность уравнений линий и поверхностей, а также соотношения, определяющие принадлежность областей пространства телу или элементу.

Оптимизационные модели содержат свободные параметры или функции (оптимизируемые параметры, параметры режимов управления), управление ними (их изменение) выбирается из условия достижения системой заданной цели - заданного критерия (критериев) эффективности выполнения системой своих задач.

В оптимизационных можно выделить управленческие модели. Из управленческих моделей можно выделить кибернетические модели – имеется несколько субъектов управления, обладающих собственными целями (модели используются для разрешения конфликтных ситуаций).

Примеры возможных классификаций.

В зависимости от способа получения выделяются теоретические и эмпирические модели.

Теоретические модели получают в результате изучения свойств систем, явлений, процессов, эмпирические модели являются итогом обработки результатов наблюдений внешних проявлений этих свойств и процессов.

Среди теоретических моделей можно выделить три группы моделей – феноменологические, асимптотические и модели ансамблей.

Феноменологические модели - построенные по результатам прямого наблюдения объекта, явления, его осмысливания.

Асимптотические модели - построенные в результате процесса дедукции, как частный случай более общей модели.

Модели ансамблей - построенные в результате обобщения (синтеза) отдельных моделей (процесс индукции).

Такие модели не могут быть получены путем механического объединения моделей отдельных объектов в модель системы, поскольку внутренние свойства системы при объединении объектов могут изменяться (например, в социально-экономических системах). Свойство каждого объекта исследуются с учётом взаимодействия его с другими объектами системы.

В зависимости от параметров могут быть выделены модели по классификационному признаку:

- «состав параметров» - дискретные, непрерывные, качественные, количественные, смешанные модели;

- «вид используемой информации» - детерминированные (каждому параметру соответствует конкретное число или функция) или неопределенные (стохастические - значения всех или некоторых параметров определяются случайными величинами, нечеткие - значения всех или некоторых параметров описываются функциями принадлежности соответствующему нечеткому множеству, случайные, нечеткие) модели;

- по отношению ко времени – статические и динамические (стационарные и нестационарные):

- по отношению к размерности пространства – одномерные, двухмерные, трехмерные.

В зависимости от методов реализации - аналитические (алгебраические и приближенные) и алгоритмические (численные и имитационные) модели.

Аналитическое моделирование основывается на косвенном описании реального объекта с помощью набора математических выражений, которые образуют аналитическую модель. За счет огрубления действительности они позволяют сосредоточить внимание на существе явления, его основных закономерностях, а уточнение и конкретизация решений выполняется на статистических моделях.

Для аналитического моделирования характерно то, что процессы функционирования исследуемой системы записываются в виде некоторых функциональных соотношений (алгебраических, интегро-дифференциальных, конечно-разностных и т.п.) или логических условий. В них устанавливаются формульные, аналитические зависимости между параметрами системы. Для описания этих зависимостей разработан язык алгебраических, дифференциальных, интегральных и др. уравнений.

Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы. Однако такие зависимости удается получить только для сравнительно простых систем. При усложнении систем исследование их аналитическим методом наталкивается на значительные трудности.

Для задач, требующих учета большого количества факторов, в том числе и случайных или нечётких (неопределённых), разработаны методы имитационного моделирования. Имитационное моделирование основано на прямом описании моделируемого объекта, используя структурное подобие объекта и модели, т.е. каждому существенному, с точки зрения решаемой задачи, элементу объекта ставится в соответствие элемент модели.

Рассмотрим классификацию технических систем, параметры которых определяют соответствующий класс моделей.

Исследуемый объект (процесс) может быть распределенным или сосредоточенным в пространстве и одновременно изменяться во времени. Соответственно могут быть модели с распределенными и сосредоточенными в пространстве параметрами.

Если основные переменные процесса не изменяются в пространстве, а только во времени и не зависят от прочих координат, то математическая модель, описывающая такие процессы - модель с сосредоточенными параметрами. Такие модели представляются в виде обыкновенных дифференциальных уравнений.

Для систем с распределенными параметрами переменные зависят как от времени, так и от прочих координат. В зависимости от задачи одна и та же система может рассматриваться и как система с сосредоточенными параметрами и как система с распределенными параметрами. Например, нельзя указать точные границы для тока в проводе. Что касается классов моделей, то здесь имеется четкая граница. Системы с распределенными параметрами описываются с помощью дифференциальных уравнений в частных производных.

Если процесс развивается одновременно и во времени, и в пространстве (по одной координате l), то оператор А может преобразовывать входную векторную функцию X(t, l) в выходную векторную функцию Y(t, l) и зависеть от обоих аргументов: A=A(t,l).

Пример. Рассмотрим твердый брус, нагреваемый с одной стороны и изолированный с другой. Соотношение между температурой, временем и расстоянием от точки нагрева описывается дифференциальным уравнением в частных производных Температура в этом уравнении является функцией двух переменных: времени t и расстояния l, т.е. в любой момент времени t_i температура изменяется с изменением расстояния l_i. или, наоборот, в любом месте l_i температура изменяется со временем.

Дата добавления: 2014-08-04; просмотров: 443; Нарушение авторских прав

Мы поможем в написании ваших работ!