Abstract
The article is devoted to DM (Data Mining) algorithms which are the basis of new type of automatic control of multivariate dynamic processes. DM methods combine immediate control decisions with deep numerical analysis of retrospective data. New conceptual principles of analytic control allow DM to be separate part of information technology.
Highlights
Проблема алгоритмизации управления многомерными динамическими процессами имеет достаточно давнюю историю и, по-видимому, ее можно было бы начать со времен английской промышленной революции
Анализ оперативных ситуаций включает в себя: обнаружение и прогнозирование скрытых тенденций и закономерностей развития наблюдаемых процессов; обнаружение и распознавание скрытых факторов влияния (в том числе, факторов угрозы); обнаружение и идентификацию ранее неизвестных взаимосвязей между многомерными динамическими параметрами и факторами влияния; анализ среды взаимодействия динамических процессов и прогнозирование изменения ее характеристик; выработку оптимизационных рекомендаций по управлению многомерными динамическими процессами; визуализацию результатов анализа, подготовку предварительных отчетов и проектов допустимых решений с оценками достоверности и эффективности возможных реализаций
ЭВМ в системе эволюционного моделирования, как и при использовании нейронных сетей, перестает быть программируемым калькулятором, а становится полноправным участником решения задачи
Summary
Проблема алгоритмизации управления многомерными динамическими процессами имеет достаточно давнюю историю и, по-видимому, ее можно было бы начать со времен английской промышленной революции. Если содержательная часть алгоритмов управления оставалось, в достаточной степени, неизменной (последовательная коррекция режимов на основе результатов оперативного мониторинга), то их оптимизационная компонента претерпела существенные изменения и вылилась в целый ряд новых разработок, объединенных общей методологией APC (advance process control). В настоящей статье приведено краткое описание основных идей аналитического управления многомерными динамическими процессами, базирующегося на DM, и представлены некоторые типы алгоритмов управления, используемые при решении задач автоматизированной поддержки принятия решений. В частности, алгоритмы нейросетевого прогнозирования и многомерного статистического анализа, применяемые в аналитических технологиях управления, активно используются при создании виртуальных анализаторов, автоматизированных систем поддержки принятия решений (СППР или Decision Support Systems, DSS) и других APC средствах [12]. Характер дальнейшего применения алгоритмов АИТ в сфере управления многомерными динамическими процессами покажет время. Весьма вероятно их использование на оперативном (MES) уровне управления, в частности, в системе автоматизированной диспетчеризации многомерными динамическими процессами. Однако наибольший эффект от внедрения АИТ следует ожидать при использовании в системе стратегического управления предприятием, например, в задачах экономического и маркетингового анализа
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
