об'єкта управління і підготовленістю його до автоматизації.
. Наявністю точних високонадійних і ефективних технічних засобів (в першу чергу, автоматичного контролю), здатних тривало працювати в режимі Безпосереднього управління виробництвом.
. Наявністю відповідного математичного забезпечення і ефективних алгоритмів обробки інформації та управління. У ряді випадків вартість математичного забезпечення становить 50-75% загальних витрат на створення автоматизованих систем і існує тенденція до подальшого збільшення цієї частки витрат.
.2 Адаптивні методи прогнозування
Одним з найважливіших напрямків підвищення ефективності виробництва збірного залізобетону є вдосконалення існуючих та розробка нових методів прогнозування. При плануванні техніко-економічних показників важливою проблемою є підвищення точності прогнозів не тільки на дальню, але і найближчу перспективу. Об'єктивна необхідність підвищення якості короткострокових прогнозів привела до створення і швидкому розвитку адаптивних методів.
Адаптивними методами прогнозування (АМП) називаються методи, що дозволяють будувати самокоректуються математичні моделі, які, враховуючи результат реалізації прогнозу, зробленого на попередньому кроці, і різну інформаційну цінність членів динамічного ряду, здатні оперативно реагувати на мінливі умови і на цій основі давати на найближчу перспективу більш точні прогнози.
АМП застосовуються там, де основною інформацією для прогнозу є окремий часовий ряд. У разі короткострокового прогнозування найбільш важливими є останні реалізації досліджуваного процесу, наприклад дані про потужність на валу бетонозмішувача ряду останніх змусив бетону однієї рецептури, тенденція його розвитку, що склалася в середньому на всьому періоді передісторії, має істотно менше значення. Іншими словами, властивість динамічності розвитку процесу тут переважає над властивістю їх інерційності. Внаслідок цього більш ефективним виявляється застосування АМП, що враховують нерівноцінність рівнів часового ряду.
Для підвищення якості короткострокових прогнозів необхідно постійно зіставляти прогнозні оцінки, отримані на основі моделі, з фактичними даними. Практично всі методи інженерного прогнозування є в тій чи іншій мірі адаптивними, оскільки прагнуть використовувати цінну інформацію результатів порівнянь с. тим, щоб пристосуватися до реального перебігу процесу. Однак у традиційних методах, що використовують регресійні моделі, криві зростання, ступінь адаптації невелика, так як вони, як правило, використовують нову точку динамічного ряду лише для «освіження» моделі шляхом простого перерахунку її коефіцієнтів по збільшеному на одиницю періоду передісторії. У цьому випадку цінність знову надходить з плином часу постійно падає і, крім того, не враховується фактична величина помилки прогнозу.
Первісна оцінка параметрів моделі зазвичай здійснюється за деякою вибіркою вихідного ряду. Всі рівні ряду складають навчальну послідовність, тобто використовуються для коригування параметрів поточної прогнозної Послідовність процесу адаптації, полягає в наступному.
Нехай модель знаходиться в деякому початковому стані (тобто визначені поточні значення її параметрів) і по ній робиться прогноз. Після закінчення однієї одиниці часу (кроку моделювання...
