กำหนดรูปแบบ: คำจำกัดความ ประเภทหลักของตัวแบบกำหนดแฟคทอเรียล

2024 ผู้เขียน: Howard Calhoun | [email protected]. แก้ไขล่าสุด: 2023-12-17 10:42

การสร้างแบบจำลองเป็นหนึ่งในเครื่องมือที่สำคัญที่สุดในชีวิตสมัยใหม่เมื่อต้องการคาดการณ์อนาคต และไม่น่าแปลกใจเพราะวิธีนี้มีความแม่นยำสูงมาก มาดูกันว่าโมเดลดีเทอร์มีนิสติกคืออะไรในบทความนี้

ข้อมูลทั่วไป

ระบบกำหนดรูปแบบมีคุณลักษณะที่สามารถวิเคราะห์ได้ในเชิงวิเคราะห์หากง่ายเพียงพอ มิฉะนั้น เมื่อใช้สมการและตัวแปรจำนวนมากเพื่อการนี้ คอมพิวเตอร์อิเล็กทรอนิกส์ก็สามารถใช้ได้ ยิ่งไปกว่านั้น ตามปกติแล้ว ความช่วยเหลือทางคอมพิวเตอร์นั้นลงมาเพื่อแก้ปัญหาและค้นหาคำตอบเท่านั้น ด้วยเหตุนี้ เราจึงต้องเปลี่ยนระบบสมการและใช้การแยกย่อยแบบอื่น และสิ่งนี้ทำให้เกิดความเสี่ยงที่เพิ่มขึ้นของข้อผิดพลาดในการคำนวณ แบบจำลองที่กำหนดขึ้นเองทุกประเภทมีลักษณะโดยข้อเท็จจริงที่ว่าความรู้เกี่ยวกับพารามิเตอร์ในช่วงเวลาหนึ่งภายใต้การศึกษาช่วยให้เราสามารถกำหนดไดนามิกได้อย่างเต็มที่การพัฒนาตัวบ่งชี้ที่รู้จักกันดีในต่างประเทศ

คุณสมบัติ

ตัวแบบทางคณิตศาสตร์ที่กำหนดได้ไม่อนุญาตให้กำหนดอิทธิพลของปัจจัยหลายอย่างพร้อมกัน และยังไม่คำนึงถึงความสามารถในการแลกเปลี่ยนกันในระบบป้อนกลับ ฟังก์ชั่นของพวกเขาขึ้นอยู่กับอะไร? เป็นไปตามกฎทางคณิตศาสตร์ที่อธิบายกระบวนการทางกายภาพและเคมีของวัตถุ ด้วยเหตุนี้ การทำงานของระบบจึงคาดการณ์ได้ค่อนข้างแม่นยำ

สมการทั่วไปของความสมดุลทางความร้อนและวัสดุซึ่งกำหนดโดยแมคโครจลนศาสตร์ของกระบวนการก็ถูกนำมาใช้ในการก่อสร้างเช่นกัน เพื่อความแม่นยำในการทำนายที่มากขึ้น แบบจำลองที่กำหนดขึ้นเองควรมีข้อมูลเบื้องต้นเกี่ยวกับอดีตของวัตถุที่อยู่ระหว่างการพิจารณามากที่สุดเท่าที่จะเป็นไปได้ สามารถใช้กับปัญหาทางเทคนิคที่อนุญาตให้ละเลยความผันผวนที่แท้จริงของค่าพารามิเตอร์และผลลัพธ์ของการวัดได้ไม่ว่าจะด้วยเหตุผลใดก็ตาม นอกจากนี้ หนึ่งในข้อบ่งชี้สำหรับการใช้งานคือข้อผิดพลาดแบบสุ่มอาจมีผลเล็กน้อยต่อการคำนวณขั้นสุดท้ายของระบบสมการ

ประเภทของแบบจำลองที่กำหนด

อาจจะไม่มี/เป็นระยะๆ ทั้งสองประเภทสามารถต่อเนื่องกันในเวลา พวกเขายังแสดงเป็นลำดับของพัลส์ที่ไม่ต่อเนื่อง สามารถอธิบายได้โดยใช้ภาพ Laplace หรืออินทิกรัลฟูริเยร์

ตัวแบบแฟคทอเรียลที่กำหนดขึ้นได้มีการเชื่อมต่อบางอย่างระหว่างพารามิเตอร์อินพุตและเอาต์พุตของกระบวนการ มีการกำหนดโมเดลผ่านสมการเชิงตรรกะ อนุพันธ์ และพีชคณิต (แม้ว่าจะสามารถใช้คำตอบของสมการในรูปฟังก์ชันของเวลาได้) นอกจากนี้ ข้อมูลการทดลองที่ได้รับในสภาพธรรมชาติหรือระหว่างการทดสอบการกัดกร่อนแบบเร่ง สามารถใช้เป็นพื้นฐานสำหรับการคำนวณได้ โมเดลที่กำหนดขึ้นใด ๆ ให้ค่าเฉลี่ยของคุณลักษณะบางอย่างของระบบ

ใช้อย่างประหยัด

มาดูการใช้งานจริงกัน โมเดลการจัดการสินค้าคงคลังแบบกำหนดได้เหมาะสมสำหรับสิ่งนี้ ควรสังเกตว่าพวกมันถูกทำให้เป็นทางการในชั้นเรียนของปัญหาการเขียนโปรแกรมเชิงเส้น

ดังนั้น สำหรับการคำนวณ จำเป็นต้องกำหนดตัวบ่งชี้ต่อไปนี้: ต้นทุนของทรัพยากรและผลผลิตของผลิตภัณฑ์โดยใช้วิธีการผลิตที่หลากหลาย ซึ่งแต่ละอย่างมีความเข้มข้นของตัวเอง ตัวแปรที่อธิบายคุณลักษณะทั้งหมดในกระบวนการต่อเนื่อง (รวมถึงวัตถุดิบกับวัสดุ) ทุกอย่างจะต้องได้ผล ทรัพยากร ผลิตภัณฑ์ บริการแต่ละรายการ - ทั้งหมดนี้ถูกป้อนลงในยอดดุลวัสดุ

นอกจากนี้ เพื่อความสมบูรณ์ของการตัดสินใจ จำเป็นต้องให้การประเมินคุณภาพของการตัดสินใจที่ทำอย่างเป็นกลาง ดังนั้น แบบจำลองทางเศรษฐศาสตร์ที่กำหนดขึ้นได้จึงเหมาะอย่างยิ่งสำหรับการอธิบายกระบวนการที่สถานะเริ่มต้นของระบบขึ้นอยู่กับ เมื่อทำงานกับคอมพิวเตอร์อิเล็กทรอนิกส์ ต้องคำนึงว่าคอมพิวเตอร์สามารถทำงานได้โดยมีปัจจัยคงที่เท่านั้น

โมเดลอาคาร

ตามวิธีการนำเสนอพารามิเตอร์หลักอย่างต่อเนื่องกระบวนการทางเทคโนโลยีสามารถแบ่งออกเป็นสองประเภท:

1. รุ่นโดยประมาณ ในนั้น หน่วยการผลิตแต่ละหน่วยจะถูกนำเสนอเป็นชุดของเวกเตอร์คงที่ของตัวเลือกขอบเขตสำหรับการทำงาน
2. รุ่นที่มีพารามิเตอร์ตัวแปร ในกรณีนี้ จะมีการกำหนดช่วงของความแปรผันบางช่วง และมีการใช้สมการเพิ่มเติมเพื่อให้ตรงกับเวกเตอร์ของตัวเลือกขอบเขต

ตัวแบบปัจจัยกำหนดเหล่านี้จะช่วยให้ผู้ที่ใช้ปัจจัยเหล่านี้กำหนดผลกระทบของบทบัญญัติเฉพาะเกี่ยวกับลักษณะเฉพาะของแต่ละบุคคล แต่จะไม่สามารถรับนิพจน์ที่คำนวณได้สำหรับเส้นโค้งการแยก อย่างไรก็ตาม หากคำนวณการเพิ่มประสิทธิภาพแบบไดนามิกของการผลิตอย่างต่อเนื่องแล้ว ไม่ควรคำนึงถึงลักษณะความน่าจะเป็นของข้อมูลเกี่ยวกับวิธีการดำเนินการของกระบวนการทางเทคโนโลยี

การสร้างแบบจำลองปัจจัย

อ้างอิงถึงเรื่องนี้ได้ตลอดทั้งบทความ แต่เรายังไม่ได้พูดถึงว่ามันคืออะไร แบบจำลองปัจจัยบอกเป็นนัยว่ามีการเน้นข้อกำหนดหลัก ซึ่งจำเป็นต้องมีการเปรียบเทียบเชิงปริมาณ เพื่อให้บรรลุเป้าหมายที่ตั้งไว้ การศึกษาสร้างการแปลงรูปแบบ

หากตัวแบบกำหนดอย่างเข้มงวดมีตัวประกอบมากกว่า 2 ตัว จะเรียกว่าพหุปัจจัย การวิเคราะห์สามารถทำได้หลายวิธี ลองใช้สถิติทางคณิตศาสตร์เป็นตัวอย่าง ในกรณีนี้ จะพิจารณางานที่ได้รับมอบหมายจากมุมมองของที่กำหนดไว้ล่วงหน้าและพัฒนาแบบจำลองลำดับความสำคัญ ทางเลือกในหมู่พวกเขาจะดำเนินการตามการนำเสนอที่มีความหมาย

สำหรับการสร้างแบบจำลองเชิงคุณภาพของ จำเป็นต้องใช้การศึกษาเชิงทฤษฎีและการทดลองเกี่ยวกับสาระสำคัญของกระบวนการทางเทคโนโลยีและความสัมพันธ์ของเหตุและผล นี่เป็นข้อได้เปรียบหลักของวิชาที่เรากำลังพิจารณา แบบจำลองการวิเคราะห์ปัจจัยที่กำหนดช่วยให้คาดการณ์ได้อย่างแม่นยำในหลายด้านของชีวิตเรา ต้องขอบคุณพารามิเตอร์คุณภาพและความเก่งกาจของพวกมัน ทำให้พวกมันแพร่หลายมาก

แบบจำลองทางไซเบอร์เนติกส์

สิ่งเหล่านี้เป็นที่สนใจของเราเนื่องจากกระบวนการชั่วคราวที่อิงการวิเคราะห์ซึ่งเกิดขึ้นกับสิ่งใดๆ แม้แต่การเปลี่ยนแปลงที่ไม่สำคัญที่สุดในคุณสมบัติเชิงรุกของสภาพแวดล้อมภายนอก เพื่อความเรียบง่ายและความเร็วในการคำนวณ สถานะปัจจุบันจะถูกแทนที่ด้วยแบบจำลองที่เรียบง่าย ที่สำคัญคือตอบสนองทุกความต้องการพื้นฐาน

ประสิทธิภาพของระบบควบคุมอัตโนมัติและประสิทธิภาพของการตัดสินใจขึ้นอยู่กับความสามัคคีของพารามิเตอร์ที่จำเป็นทั้งหมด ในขณะเดียวกัน ก็จำเป็นต้องแก้ปัญหาต่อไปนี้ ยิ่งรวบรวมข้อมูลมาก ความน่าจะเป็นของข้อผิดพลาดก็จะสูงขึ้น และใช้เวลาในการประมวลผลนานขึ้น แต่ถ้าคุณจำกัดการรวบรวมข้อมูลของคุณ คุณสามารถวางใจในผลลัพธ์ที่น่าเชื่อถือน้อยลงได้ ดังนั้นจึงจำเป็นต้องหาจุดกึ่งกลางเพื่อให้ได้รับข้อมูลที่มีความแม่นยำเพียงพอ และในขณะเดียวกันองค์ประกอบที่ไม่จำเป็นก็จะไม่ซับซ้อนโดยไม่จำเป็น

ตัวกำหนดคูณรุ่น

มันถูกสร้างขึ้นโดยการแบ่งตัวประกอบเป็นเซต ตัวอย่างเช่น เราสามารถพิจารณากระบวนการสร้างปริมาณของผลิตภัณฑ์ที่ผลิตได้ (PP) ดังนั้น จึงจำเป็นต้องมีแรงงาน (PC) วัสดุ (M) และพลังงาน (E) ในกรณีนี้ ตัวประกอบ PP สามารถแบ่งออกเป็นเซต (RS; M; E) ตัวเลือกนี้สะท้อนถึงรูปแบบการคูณของระบบปัจจัยและความเป็นไปได้ของการแยก ในกรณีนี้ คุณสามารถใช้วิธีการเปลี่ยนแปลงต่อไปนี้: การขยาย การสลายตัวอย่างเป็นทางการ และการทำให้ยาวขึ้น ตัวเลือกแรกพบการใช้งานที่หลากหลายในการวิเคราะห์ สามารถใช้คำนวณประสิทธิภาพของพนักงาน เป็นต้น

เมื่อยาวขึ้น ค่าหนึ่งจะถูกแทนที่ด้วยปัจจัยอื่น แต่ผลลัพธ์ที่ได้ควรเป็นตัวเลขเดียวกัน ตัวอย่างของการยืดตัวได้รับการพิจารณาโดยเราข้างต้น เหลือเพียงการขยายตัวอย่างเป็นทางการเท่านั้น มันเกี่ยวข้องกับการใช้การเพิ่มความยาวของตัวหารของแบบจำลองแฟกทอเรียลดั้งเดิมเนื่องจากการแทนที่พารามิเตอร์ตั้งแต่หนึ่งตัวขึ้นไป ลองพิจารณาตัวอย่างนี้: เราคำนวณความสามารถในการทำกำไรของการผลิต ในการทำเช่นนี้ จำนวนกำไรจะถูกหารด้วยจำนวนต้นทุน เมื่อคูณด้วยค่าเดียว เราจะหารด้วยค่าใช้จ่ายรวมสำหรับค่าวัสดุ บุคลากร ภาษี และอื่นๆ

ความน่าจะเป็น

โอ้ ถ้าทุกอย่างเป็นไปตามแผน! แต่สิ่งนี้ไม่ค่อยเกิดขึ้น ดังนั้น ในทางปฏิบัติ แบบจำลองเชิงกำหนดและความน่าจะเป็นจึงมักใช้ร่วมกัน สิ่งที่สามารถพูดเกี่ยวกับหลัง? ลักษณะเฉพาะของพวกเขาคือพวกเขายังคำนึงถึงความหลากหลายความน่าจะเป็น ยกตัวอย่างต่อไปนี้ มีสองรัฐ ความสัมพันธ์ระหว่างพวกเขาแย่มาก บุคคลที่สามตัดสินใจว่าจะลงทุนในวิสาหกิจของประเทศใดประเทศหนึ่งหรือไม่ ท้ายที่สุดแล้ว หากเกิดสงครามขึ้น ผลกำไรก็จะได้รับผลกระทบอย่างมาก หรือจะยกตัวอย่างการสร้างโรงงานในพื้นที่ที่มีแผ่นดินไหวสูงก็ได้ ท้ายที่สุด ปัจจัยทางธรรมชาติกำลังทำงานอยู่ ซึ่งไม่สามารถนำมาพิจารณาได้อย่างแม่นยำ สามารถทำได้โดยประมาณเท่านั้น

สรุป

เราได้พิจารณาว่าแบบจำลองของการวิเคราะห์ที่กำหนดขึ้นคืออะไร อนิจจาเพื่อที่จะเข้าใจพวกเขาอย่างเต็มที่และสามารถนำไปปฏิบัติได้ คุณควรเรียนรู้เป็นอย่างดี รากฐานทางทฤษฎีมีอยู่แล้ว นอกจากนี้ ภายในกรอบของบทความ ยังมีตัวอย่างง่ายๆ ที่แยกออกมาต่างหาก นอกจากนี้จะเป็นการดีกว่าที่จะปฏิบัติตามเส้นทางของความซับซ้อนของวัสดุการทำงาน คุณสามารถทำให้งานของคุณง่ายขึ้นเล็กน้อย และเริ่มเรียนรู้เกี่ยวกับซอฟต์แวร์ที่สามารถทำการจำลองที่เหมาะสมได้ แต่ไม่ว่าจะเลือกอะไรก็ตาม เข้าใจพื้นฐานและสามารถตอบคำถามว่าอะไร อย่างไร และทำไม ยังคงมีความจำเป็น คุณควรเรียนรู้ที่จะเริ่มต้นด้วยการเลือกข้อมูลเข้าที่ถูกต้องและเลือกการกระทำที่เหมาะสม จากนั้นโปรแกรมก็จะสามารถทำงานได้สำเร็จ