Anotação: São delineados os fundamentos da abordagem de processos para o gerenciamento de TI, que se baseia no conceito de cadeia de valor de M. Porter. A tarefa é organizar um gerenciamento de TI eficaz com base nas melhores práticas. O papel dos padrões na área de TI é discutido.

O significado da cadeia de valor é distinguir entre os grupos principais e auxiliares dos processos de negócio da organização. Os principais grupos de processos agregam valor ao produto ou serviço produzido pelo negócio, os auxiliares não. Como pode ser visto na Fig.

1.1, o grupo de processos “Gestão de TI” é classificado como auxiliar, juntamente com grupos de processos como “Gestão de Recursos Humanos” ou “Gestão Financeira” (a figura, é claro, não mostra todos os grupos auxiliares). É claro que também existem tipos de atividades em que a gestão de TI é uma parte essencial do negócio e pode ser razoavelmente classificada como um dos principais grupos de processos. Trata-se, por exemplo, de empresas onde os serviços de Internet desempenham um papel importante: bancos de retalho, lojas online ou plataformas de negociação na Internet. Fundamentalmente importante tecnologia da Informação para os operadores de telecomunicações, ou, digamos, para os prestadores de serviços de navegação globais, para não falar das empresas que operam no sector das TI. Nessas empresas, alguns processos de gestão de TI (por exemplo, fornecer aos clientes acesso aos recursos de informação da empresa) passam a fazer parte do processo de produção principal da empresa, e os auxiliares serão aqueles grupos de processos de gestão de TI que são utilizados, por exemplo, quando realizando projetos de automação interna ou ao interagir com usuários corporativos sistemas de informação

com o grupo de suporte técnico. Além dos casos em que a única organização de TI é responsável pela gestão de TI numa empresa, também pode haver situações em que a gestão de TI descentralizado . Isso normalmente ocorre em empresas grandes e distribuídas geograficamente, embora também existam situações em que várias organizações de TI coexistam em uma empresa. A gestão de TI tem a vantagem de permitir ignorar diferenças nas estruturas e formas organizacionais em que ocorrem as atividades de gestão de TI, concentrando-se no principal - os resultados e a eficácia dessas atividades. Em termos práticos, isto significa que os processos de governação de TI “ponta a ponta” devem ser definidos e organizados, envolvendo pessoas de múltiplas unidades de negócio de governação de TI. Como mostra a experiência, esta é uma tarefa difícil e nem sempre possível de resolver. As fronteiras organizacionais muitas vezes acabam sendo verdadeiras barreiras ao fluxo de informações nos processos. Para superar essa dificuldade, é introduzido o conceito de dono do processo. Proprietário do processo

assume total responsabilidade pela eficácia, eficiência e melhoria do processo. Determinar o papel e o lugar dos proprietários dos processos de gestão de TI na estrutura organizacional da empresa é uma das difíceis tarefas de gestão que deve ser resolvida na implementação de processos.

Se usar a cadeia de valor geral mostrada na Fig.

1.1, construa uma cadeia para uma organização de TI, você terá a imagem mostrada na Fig. 1.2. Aqui, os grupos de processos de suporte, mostrados em branco, são comuns à organização de TI com os processos de negócios correspondentes como um todo, e os demais grupos de processos de suporte são específicos do gerenciamento de TI. São eles, juntamente com os principais grupos de processos, que nos interessam. Os principais grupos de processos na Fig. 1.2 demonstrar uma visão moderna das atividades de uma organização de TI, proposta nos últimos anos. Consiste no facto de esta atividade ser considerada como a prestação de serviços às empresas. Ainda não vou esclarecer o que se entende por serviço. Num nível de compreensão intuitivo, um serviço para uma organização de TI é o fornecimento de um recurso de informação para resolver um problema de negócio. Um recurso de informação pode ser, por exemplo,

sistema de software

Os principais grupos de processos estão relacionados ao planejamento, criação, implementação, manutenção e desenvolvimento de serviços. Os processos desses grupos envolvem interação próxima com clientes e usuários que atuam no negócio principal da empresa.

Os grupos de processos auxiliares estão associados à criação, suporte e desenvolvimento de recursos de informação (nem todos esses grupos são mostrados na Fig. 1.2). Os exemplos incluem grupos de processos de gerenciamento de infraestrutura de TI, processos de criação e manutenção de aplicativos (geralmente chamados de processos de gerenciamento vida útil sistemas de informação), processos de formação especializada, bem como grupos de processos que gerem a utilização de recursos de informação temporariamente atraídos pertencentes a subcontratados, fornecedores e subcontratantes.

Vale destacar um conjunto de processos de planejamento estratégico que determina a política de longo prazo para o desenvolvimento de serviços e recursos de informação relacionados. Esta política deve estar vinculada à estratégia empresarial e aos objetivos empresariais. Como resultado da implementação dos processos relevantes, são formados planos de desenvolvimento de serviços da organização de TI que vão ao encontro dos planos de desenvolvimento de negócios e dos consequentes planos de desenvolvimento de recursos de informação.

Mais adiante neste livro falaremos sobre atividades para melhorar a eficiência da organização de TI, ou seja, para aumentar a eficácia e eficiência dos processos principais e auxiliares de gestão de TI. Esta atividade, por sua vez, pode ser considerada como um conjunto de processos de gestão de um recurso de informação específico - o conhecimento e os processos de uma organização de TI. Na Fig.

1.2 é denominado "Melhorando os Processos de Gerenciamento de TI e Melhoria Organizacional".

Como você pode melhorar a eficácia e a eficiência dos processos principais e de suporte de gerenciamento de TI?

Um dos métodos difundidos de melhoria é a introdução de “melhores práticas de gestão” nas práticas de gestão da empresa. Do ponto de vista da abordagem de processos para a gestão de TI, os modelos de processos de referência criados como resultado da generalização da experiência mundial relevante devem ser considerados melhores práticas. Os modelos de referência existem principalmente na forma de padrões internacionais desenvolvidos pela Organização Internacional de Normalização (ISO 3 Organização Internacional de Normalização; para a origem do nome ISO, consulte http://ru.wikipedia.org/wiki/ISO) e outras organizações internacionais e nacionais autorizadas. É importante entender que a referência modelo de processo não é um modelo ideal, aplicável em todos os casos da vida, mas representa apenas uma experiência média, que é reconhecida pela comunidade profissional e, portanto, pode ser útil na resolução do problema de melhoria da eficiência da gestão de TI numa determinada organização.

Modelos de referência que podem ser usados ​​para melhorar os processos de gerenciamento de TI são discutidos nas aulas 3-5 (“Padrões de processo. GOST R ISO/IEC 12” Padrões de processo. GOST R ISO/IEC 12207”, “Implementação de GOST R ISO/IEC 12207). "Implementação de GOST R ISO/IEC 12207", "Projeto de Processo. Padrão IEEE 1074" Construção processos. Norma IEEE 1074", "Desenvolvimento de um modelo de processo de ciclo de vida. GOST R ISO/IEC 15288" Desenvolvimento de um modelo de processo de ciclo de vida. GOST R ISO/IEC 15288").

Existem modelos de processos de referência, em particular, para grupos de processos como a gestão do ciclo de vida dos sistemas de informação, quase todos os grupos de processos essenciais e a gestão de fornecedores e subcontratados. Ao mesmo tempo, não existem modelos de referência bem desenvolvidos para grupos de processos de gestão estratégica ou seleção de subcontratados (mais precisamente, não tenho conhecimento da sua existência).

Para compreender modelos de referência de processos e suas relações (às vezes bastante complexas e não óbvias), é útil estudar o chamado Corpo de Conhecimento, ou livros de referência metodológicos, onde descrições de tarefas, conceitos, objetos e processos relacionados a um determinada área são coletadas e apresentadas de forma estruturada. Em particular, o livro de referência metodológica SWEBOK (Software Engineering Body of Knowledge) está mais diretamente relacionado ao gerenciamento de TI.

Finalmente, existe um conjunto bastante extenso de manuais metodológicos em inglês. framework, que acumulam experiência prática na resolução de problemas de gestão (exemplos incluem COBIT, Val IT, Risk IT). Eles podem ser utilizados na implementação de processos como gestão estratégica, gestão de investimentos e gestão de riscos de TI.

Métodos mais complexos para melhorar os processos de gerenciamento de TI são estudados nas aulas 7 a 9 (“Maturidade das organizações de design. Metodologia CMM” Maturidade das organizações de design. Metodologia CMM”, “Uso prático do CMM. Projeto SPICE” Uso prático CMM. Projeto SPICE, "Modelo Conceitual CMMI" Modelo conceitual CMMI").

O problema de melhorar os processos básicos de uma organização de TI que interage com os processos de negócios de uma empresa é discutido em vários aspectos nas aulas 10-13 (“Processos de gerenciamento de serviços de TI e a biblioteca ITIL” Processos de gerenciamento de serviços de TI e a biblioteca ITIL” , “Biblioteca ITIL. Estratégia de Entrega de Serviços" Biblioteca ITIL. Estratégia de Entrega de Serviços", "Biblioteca ITIL. Design de Serviços" Biblioteca ITIL. serviços").

Até agora, falamos apenas sobre os processos de uma organização de TI dentro de uma empresa. Na verdade, uma organização de TI normalmente interage com diversas partes externas. Um exemplo do relacionamento entre uma organização de TI e entidades externas do mercado é mostrado na Fig.

A rede de valor agregado demonstra a importância dos processos de gerenciamento de relacionamento com o cliente para uma organização de TI. Por esta razão, muitos modelos de referência de processos incluem processos de gestão de fornecedores e subcontratados. Vale ressaltar que as abordagens para melhorar os processos de gestão de TI utilizadas por uma organização de TI também podem ser e são utilizadas por entidades independentes do mercado de TI para melhorar a eficiência de seus processos. Ao mesmo tempo, os processos de gestão do ciclo de vida de SI, auxiliares da organização de TI, estão entre os principais para a empresa desenvolvedora ou fornecedora programas. Os processos de entrega de serviços da organização de TI são da mesma natureza que os processos de entrega de serviços usados ​​por provedores externos. Grupos de processos de planejamento estratégico de TI que são auxiliares a uma organização de TI são essenciais para empresas de consultoria que prestam serviços profissionais na área de gerenciamento de TI. Mesmo dentro da mesma empresa, podem surgir questões sutis relacionadas ao duplo papel dos processos. Um exemplo seria uma situação em que diferentes instâncias de um processo 6 Uma instância de processo é uma implementação de um processo em um ambiente específico, por exemplo, em um determinado projeto ou na resolução de um problema específico.

usados ​​para diferentes propósitos e em diferentes contextos. Por exemplo, diferentes instâncias de um único processo de gerenciamento de projetos podem ser criadas ao gerenciar projetos externos e internos de uma empresa. Para efeitos de apresentação posterior, as diferenças no papel do processo não são significativas, portanto, mais adiante no livro, os processos não são divididos em principais e auxiliares e são simplesmente chamados de processos de gestão de TI. Um exemplo de uso da abordagem de processo ao descrever a interação de uma organização de TI com terceirizadores é discutido na palestra final (“Terceirização de processos de gerenciamento de TI” Terceirização de processos de gerenciamento de TI). É necessário desde já fazer uma reserva de que a terceirização em geral e a terceirização de TI em particular é um conceito muito complexo e multifacetado que ainda não é totalmente compreendido pela teoria moderna de gestão. Estou linda caso especial Terceirização de TI para demonstrar os benefícios práticos que ela pode trazer abordagem de processo

ao organizar a interação de terceirização. Conforme mencionado acima, uma das fontes reconhecidas de modelos de referência para processos de gestão de TI são os padrões na área. Apesar de seu volume total ser bastante grande, existem vários, na minha opinião, padrões fundamentais com os quais os gerentes de TI precisam se familiarizar. São sobre eles que falaremos a seguir. Espero que, começando com esses padrões, o leitor seja capaz de se aprofundar no assunto tanto quanto precisar.

Não me propus uma apresentação completa dos padrões (bem como de outros métodos discutidos abaixo), portanto, algumas das ideias e métodos ali apresentados estão inevitavelmente ausentes aqui (e a escolha dos padrões em si é inevitavelmente subjetiva). Era mais importante mostrar que existem ligações profundas, embora nem sempre óbvias, entre diferentes modelos de referência, processos e técnicas desenvolvidas em diferentes momentos e para diferentes fins. Eles mostram como os fundamentos da teoria do futuro emergem de tentativas individuais de compreender e formalizar experiências específicas de gerenciamento de TI.

Breve resumo

A palestra sugere o uso Terceirização de TI para demonstrar os benefícios práticos que ela pode trazerà análise das atividades de organizações de TI e empresas de TI. A cadeia de valor e a rede da organização de TI são apresentadas. A tarefa foi definida para melhorar os processos de gerenciamento de TI. O papel dos padrões de processo que representam modelos de referência de processos é considerado.

Questões

1. O que é uma cadeia de valor? Como é uma cadeia de valor típica para uma organização de TI?
2. Qual é a diferença entre processos principais e auxiliares? Um processo pode ser principal e auxiliar?
3. O que é uma rede de valor agregado?
4. Qual é o papel dos padrões de TI na governança de TI?

A teoria dos sistemas adaptativos surgiu em conexão com a necessidade de resolver uma ampla classe de problemas aplicados para os quais os métodos tradicionais que exigem o conhecimento de um modelo matemático adequado do objeto são inaceitáveis. Quanto maior for a qualidade dos métodos de gestão tradicionais (não adaptativos), maior será a informação a priori sobre o próprio objeto e as condições do seu funcionamento. Na prática, é bastante difícil fornecer informações precisas descrição matemática objeto de controle. Por exemplo, as características dinâmicas das aeronaves dependem fortemente do modo de voo, das variações tecnológicas e das condições atmosféricas. Nestas condições, os métodos tradicionais são muitas vezes inaplicáveis ​​ou não proporcionam a qualidade exigida do sistema de controlo automático.

Nesse sentido, já na fase inicial de desenvolvimento da teoria do controle automático, parecia muito eficaz uma forma muito eficaz de construir sistemas de controle que não exigissem informações completas a priori sobre o objeto e as condições de seu funcionamento.

O efeito de adaptação às condições de funcionamento em sistemas adaptativos é assegurado pela acumulação e processamento de informação sobre o comportamento de um objeto durante o seu funcionamento, o que permite reduzir significativamente o impacto da incerteza na qualidade do controlo, compensando a falta de um informações a priori na fase de projeto do sistema.

Um sistema de controle que determina automaticamente a lei de controle necessária analisando o comportamento de um objeto durante o controle atual é chamado adaptativo .

Os sistemas adaptativos podem ser divididos em duas grandes classes: auto-organizado e auto-ajustável.

B com sistemas auto-organizados no processo de operação, é formado um algoritmo de controle (sua estrutura e parâmetros), que permite otimizar o sistema do ponto de vista da meta de controle (CO) definida. Este tipo de problema surge, por exemplo, em condições de alterações na estrutura e nos parâmetros do objeto de controle em função do modo de operação, quando as informações a priori não são suficientes para determinar o modo atual. Dada uma ampla classe de possíveis estruturas de objetos, é difícil esperar a escolha de uma única estrutura de algoritmo de controle capaz de garantir que o sistema fechado atinja o objetivo de controle em todos os modos de operação. Assim, estamos falando de síntese com estrutura reguladora livre. A óbvia complexidade da formulação do problema não nos permite esperar algoritmos simples para resolvê-lo e, conseqüentemente, a introdução generalizada de sistemas na prática atualmente.

A tarefa é bastante simplificada se a estrutura do objeto de controle for conhecida e imutável, e o comportamento depender de vários parâmetros imutáveis. O problema é resolvido na classe de sistemas autoajustáveis ​​​​(SNS), em que a estrutura do controlador é dada (pré-selecionada) e basta determinar o algoritmo de ajuste de seus coeficientes (algoritmo de adaptação).

Sistema autoajustável o controle automático é um sistema que altera independentemente suas características dinâmicas de acordo com as mudanças nas condições externas, a fim de atingir o resultado ideal do sistema. No caso de sistemas de controle de vôo autoajustáveis, tal saída ideal do sistema será uma resposta ótima a perturbações externas.

As CNNs são divididas em duas subclasses: busca e não busca. Nas CNNs de busca, a medida de qualidade mínima (ou máxima) (desempenho da planta, consumo de combustível, etc.) é pesquisada usando sinais de pesquisa especialmente organizados. O mais simples motores de busca são a maioria dos sistemas extremos nos quais a falta de informação a priori é compensada pela informação atual obtida na forma da reação de um objeto a influências de pesquisa (ensaio, teste) introduzidas artificialmente.

Nas CNNs sem busca, existe um modelo explícito ou implícito com as características dinâmicas desejadas. A tarefa do algoritmo de adaptação é ajustar os coeficientes do controlador de forma a reduzir a zero a incompatibilidade entre o objeto de controle e o modelo. Esse controle é chamado de controle adaptativo direto, e sistemas - sistemas adaptativos com um modelo de referência .

No caso do controle adaptativo indireto, primeiro o objeto é identificado e depois são determinados os coeficientes do controlador correspondentes. Esses reguladores são chamados de autoajustáveis.

Com controle adaptativo direto, as malhas de adaptação operam em ciclo fechado, o que permite contrariar alterações nos parâmetros do objeto e do controlador durante a operação. No entanto, cada loop de autoajuste aumenta a ordem do sistema em pelo menos um e, ao mesmo tempo, afeta significativamente a dinâmica geral do sistema fechado.

No caso do controle adaptativo indireto, as malhas de autoajuste operam em malha aberta e, portanto, não afetam a dinâmica do sistema. No entanto, todos os erros de identificação, desvios nos parâmetros da planta e do controlador afetam significativamente a precisão do controle. Em sistemas autoajustáveis ​​sem busca, o modelo de referência pode ser implementado na forma de um link dinâmico real (modelo explícito) ou presente na forma de alguma equação de referência conectando as variáveis ​​​​controladas e suas derivadas (modelo implícito). No modelo implícito, os coeficientes da equação de referência são parâmetros do algoritmo de adaptação.

A Figura 1 mostra uma das opções de controle adaptativo frequentemente utilizadas em acionamentos de atuadores, onde os parâmetros do controlador são ajustados pelo computador de controle de acordo com modelo de referência.

Modelo de referência mostra a resposta ideal desejada do sistema ao sinal de comando g(t). Links típicos de sistemas de controle automático (por exemplo, um link aperiódico) são usados ​​como modelo de referência. Os parâmetros do controlador PID (Proporcional Integral Derivativo) são ajustados para minimizar a incompatibilidade entre a saída do modelo e o sistema real.

A tarefa do loop de sintonia é reduzir essa incompatibilidade a zero em um determinado tempo e, ao mesmo tempo, garantir a estabilidade do processo transitório. Este problema está longe de ser trivial - pode-se mostrar que não pode ser resolvido com relações lineares “erro – coeficientes do controlador”. Por exemplo, o seguinte algoritmo para configuração de parâmetros é proposto na literatura:

onde k são os coeficientes ajustáveis ​​do controlador PID; A é um coeficiente constante que especifica a velocidade de adaptação.

Arroz. 1. Diagrama de blocos de um sistema adaptativo com modelo de referência

A função gradiente determina a sensibilidade do erro c(t) à variação dos coeficientes do controlador. A estabilidade absoluta de um sistema em malha fechada, que é essencialmente não linear, é garantida pela seleção do parâmetro A no programa de configuração. Assim, para implementar o controle adaptativo de acordo com este esquema, o computador de controle deve resolver os seguintes problemas em tempo real:

• gerar um sinal mestre para o sistema controlado;
• calcular a resposta ideal utilizando o modelo de referência;
• calcular os coeficientes do controlador de acordo com o programa de configuração, determinar o erro atual e emitir um sinal de controle para a entrada do módulo mecatrônico.

Além do diagrama de blocos considerado com modelo de referência, outros métodos são conhecidos configurações automáticas parâmetros e estrutura dos reguladores.

Classificação do modelo

O problema de classificação de modelos, como quaisquer fenômenos e processos bastante complexos, é complexo e multifacetado. A razão objetiva para isso é que o pesquisador está interessado apenas em uma propriedade (ou várias propriedades) do sistema (objeto, processo, fenômeno), para exibir o modelo que foi criado. Portanto, a classificação pode ser baseada em muitas características de classificação diferentes: método de descrição, finalidade funcional, grau de detalhe, propriedades estruturais, escopo, etc.

Vejamos algumas das classes (tipos) de modelos mais comumente usadas (Tabela 1.4.1).

Tabela 1.4.1

Sinal de classificação	Tipos de modelos
Essência do modelo	- material (físico) - ideal (imaginário) - informativo (teórico, abstrato)
Características do objeto de modelagem	- modelo aparência- modelo de estrutura - modelo de comportamento
Grau de formalização	- informal - parcialmente formalizado - formalizado
Objetivo do modelo	- pesquisar: . descritores. cognitivo. conceptual. formal - educativo - laboral: . otimização. gerencial
Função no gerenciamento do objeto de modelagem	- registro - referência - prognóstico - simulação - otimização
Fator tempo	- estático - dinâmico

Material modelos (físicos, reais) – modelos construídos por meio do mundo material para refletir seus objetos e processos.

Ideal modelos (imaginários) – modelos construídos através do pensamento com base na nossa consciência.

Informação modelos (abstratos, teóricos) – modelos construídos em uma das linguagens (sistemas de signos) para codificação de informações.

Modelos de materiais são estruturas materiais reais que servem para substituir o original em certo aspecto. O principal requisito para a construção desta classe de modelos é a exigência de semelhança (semelhança, analogia) entre o modelo e o original. Existem vários tipos de semelhança – geométrica, física, analogia, etc.

Semelhança geométricaé o requisito básico para a construção de modelos geométricos, que representam um objeto geometricamente semelhante ao seu protótipo e servem para fins de demonstração. Duas figuras geométricas são semelhantes se a proporção de todos os comprimentos e ângulos correspondentes for a mesma. Se o coeficiente de similaridade – a escala – for conhecido, então simplesmente multiplicando as dimensões de uma figura pelo valor da escala, as dimensões de outra figura serão determinadas. No caso geral, tal modelo demonstra o princípio de funcionamento, a disposição relativa das peças, o processo de montagem e desmontagem, o layout de um objeto, e tem como objetivo estudar propriedades que são invariantes (independentes) dos valores absolutos. das dimensões lineares do objeto. Exemplos de modelos geométricos são: modelos de carros, manequins, esculturas, próteses, globos, etc. Eles retratam o protótipo não em toda a diversidade de suas propriedades, nem em quaisquer limites qualitativos, mas em limites puramente espaciais. Aqui há semelhança (semelhança) não entre coisas em geral, mas entre tipos especiais de coisas - corpos. Esta é a limitação desta classe de modelos. Observe que a semelhança direta é percebida aqui.

Semelhança física refere-se ao modelo e ao original da mesma natureza física e reflete sua semelhança na mesmice das relações das mesmas variáveis ​​físicas nos pontos espaço-temporais correspondentes. Dois fenômenos são fisicamente semelhantes se, a partir das características dadas de um, for possível obter as características do outro por simples conversão, que é semelhante à transição de um sistema de unidades de medida para outro. A semelhança geométrica é um caso especial de semelhança física. Com semelhança física, o modelo e o original podem estar em relações geométricas mais complexas do que a proporcionalidade linear, uma vez que as propriedades físicas do original não são proporcionais às suas dimensões geométricas. É importante aqui que o espaço de variáveis ​​físicas do modelo seja semelhante ao espaço de variáveis ​​físicas do original. Neste caso, o modelo físico em relação ao original é uma analogia do tipo isomorfismo (correspondência um a um). O problema central é o problema do recálculo correto dos resultados de um experimento modelo para os resultados do teste do original em condições reais. A semelhança baseia-se no cumprimento de determinados critérios físicos.

Ideal modelos (imaginários) são estruturas ideais em nossas mentes na forma de imagens ou ideias sobre certos fenômenos físicos, processos, objetos, sistemas (ponto geométrico, infinito, etc.).

Resumo modelos (teóricos, informativos) – modelos que representam objetos de modelagem em forma figurativa ou simbólica.

Exemplos de modelos abstratos incluem qualquer hipótese 1 sobre as propriedades da matéria, suposições sobre o comportamento sistema complexo sob condições de incerteza ou uma nova teoria sobre a estrutura de sistemas complexos.

Sobre modelos abstratos e sobre analogia especulativa (semelhança) entre o modelo M e o original S modelagem abstrata (teórica) é construída.

Um representante proeminente da modelagem abstrata e simbólica é um modelo matemático.

Modelo matemático – este é um conjunto de fórmulas matemáticas, equações, relações que descrevem as propriedades de um objeto de modelagem que são de interesse do pesquisador.

Para estudar cada aspecto da modelagem (aparência, estrutura, comportamento) ou uma combinação deles, podem ser usados ​​modelos apropriados: modelos de aparência, modelos de estrutura, padrões de comportamento.

Modelo de aparência na maioria das vezes se resume a listar as características externas do objeto modelado e destina-se à identificação (reconhecimento) do objeto.

Modelo de estruturaé uma lista de elementos constituintes de um objeto de modelagem indicando as conexões entre esses elementos e destina-se à exibição visual, ao estudo de propriedades, à identificação de conexões significativas e ao estudo da estabilidade de um objeto de modelagem.

Modelo de comportamentoé uma descrição das mudanças na aparência e estrutura de um objeto modelado ao longo do tempo e como resultado da interação com outros objetos. O objetivo dos modelos de comportamento é prever os estados futuros do objeto de modelagem, controlar objetos e estabelecer conexões com outros objetos externos ao objeto de modelagem.

Objetivamente, os níveis de nossas ideias, os níveis de nosso conhecimento sobre vários fenômenos, processos e sistemas são diferentes. Isto se reflete nas formas como os fenômenos em consideração são apresentados.

PARA informal os modelos podem incluir exibições (imagens) obtidas por meio de várias formas de pensamento: emoções, intuição, pensamento imaginativo, subconsciente, heurística como um conjunto de técnicas lógicas e regras para encontrar a verdade. Na modelagem informal, o modelo não é formulado, mas sim alguma reflexão mental difusa (imagem) da realidade, que serve de base para a tomada de decisão.

Um exemplo de ideias vagas (intuitivas) sobre um objeto é uma descrição vaga de uma situação baseada na experiência e na intuição.

PARA formalizado os modelos podem ser classificados como modelos figurativos, quando os modelos são construídos a partir de quaisquer elementos visuais (bolas elásticas, fluxos de fluidos, trajetórias de corpos, etc.).

Os modelos abstratos formalizados incluem modelos simbólicos, incluindo construções matemáticas, linguagens de programação, linguagens naturais, juntamente com as regras para sua transformação e interpretação.

De acordo com sua finalidade, os modelos são projetados para resolver diversos problemas:

pesquisar modelos (descritivos, cognitivos, conceituais, formais) são projetados para gerar conhecimento por meio do estudo das propriedades de um objeto;

educacional os modelos são projetados para transmitir conhecimento sobre o objeto em estudo;

trabalhadores modelos (otimização, gerenciamento) são projetados para gerar ações corretas no processo de atingir o objetivo.

PARA pesquisar os modelos incluem suportes semi-naturais, modelos físicos, modelos matemáticos. Observe que os modelos de pesquisa podem atuar como modelos educacionais se pretenderem transmitir conhecimento sobre as propriedades de um objeto. Exemplos de modelos de trabalho incluem: robô; piloto automático; um modelo matemático de um objeto integrado em um sistema de controle ou monitoramento; coração artificial, etc. Ao mesmo tempo, os modelos de investigação e de ensino devem estar mais próximos da realidade e os modelos de trabalho devem refletir esta realidade. Não há limites claros entre esses modelos. Por exemplo, um modelo de pesquisa que reflita adequadamente as propriedades de um objeto pode ser usado como modelo funcional.

Os modelos de pesquisa são portadores de novos conhecimentos, os modelos educacionais conectam conhecimentos antigos com novos.

Os modelos de trabalho idealizam o conhecimento acumulado na forma de ações ideais para desempenhar determinadas funções que seria desejável implementar.

Modelos descritores– os modelos descritivos destinam-se a estabelecer as leis de mudança nos parâmetros desses processos e são implementações de modelos descritivos e explicativos significativos no nível formal de modelagem.

Um exemplo de tal modelo é o modelo do movimento de um ponto material sob a ação de forças aplicadas, utilizando a segunda lei de Newton. Ao especificar a posição e a velocidade do ponto no momento inicial (valores de entrada), a massa do ponto (parâmetro do modelo) e a lei de mudança das forças aplicadas (influências externas), você pode determinar a velocidade e as coordenadas de o ponto em qualquer momento subsequente (valores de saída).

Cognitivo(mental, cognitivo) modelos – modelos, que representam uma determinada imagem mental de um objeto, seu modelo ideal na cabeça do pesquisador, obtido a partir da observação do objeto original.

Ao formar tal modelo, o pesquisador, via de regra, busca responder questões específicas, portanto, tudo o que é desnecessário é cortado da estrutura infinitamente complexa do objeto para obter sua descrição mais compacta e concisa.

Os modelos cognitivos são subjetivos, pois são formados especulativamente com base em todo o conhecimento e experiência anteriores do pesquisador. Você só pode ter uma ideia de um modelo cognitivo descrevendo-o de forma simbólica. A representação de um modelo cognitivo em linguagem natural é chamada modelo significativo .

Os modelos cognitivos e de conteúdo não são equivalentes, pois os primeiros podem conter elementos que o pesquisador não pode ou não deseja formular.

Modelo conceitual Costuma-se denominar um modelo significativo, cuja formulação utiliza conceitos e representações de áreas temáticas do conhecimento envolvidas no estudo do objeto de modelagem.

Num sentido mais amplo, um modelo conceitual é um modelo significativo baseado em um conceito ou ponto de vista específico.

Modelo formalé uma representação de um modelo conceitual usando uma ou mais linguagens formais (por exemplo, linguagens de teorias matemáticas, uma linguagem de modelagem universal ou linguagens algorítmicas).

Nas ciências humanas, o processo de modelagem em muitos casos termina com a criação de um modelo conceitual do objeto.

Nas ciências naturais e nas disciplinas de engenharia, via de regra, é possível construir um modelo formal.

Assim, os modelos cognitivo, de conteúdo e formal constituem três níveis inter-relacionados de modelagem.

Modelos de otimização– modelos projetados para determinar os (melhores) parâmetros ótimos de um objeto modelado do ponto de vista de algum critério, ou para procurar o modo de controle ideal (melhor) para um determinado processo.

Via de regra, tais modelos são construídos a partir de um ou mais modelos descritivos e incluem algum critério que permite comparar diferentes opções de conjuntos de valores de saída entre si para selecionar o melhor. Restrições na forma de igualdades e desigualdades relacionadas às características do objeto ou processo em consideração podem ser impostas à faixa de valores dos parâmetros de entrada.

Um exemplo de modelo de otimização é modelar o processo de lançamento de um foguete da superfície da Terra com o objetivo de elevá-lo a uma determinada altura em mínimo tempo com restrições na magnitude do impulso do motor, seu tempo de operação e a massa inicial e final do foguete. As relações matemáticas do modelo descritivo do movimento do foguete aparecem neste caso na forma de restrições do tipo igualdade.

Observe que para a maioria dos processos e estruturas reais, é necessário determinar os parâmetros ideais de acordo com vários critérios ao mesmo tempo, ou seja, estamos lidando com os chamados problemas de otimização multicritério.

Modelos de gestão– modelos usados ​​para tomar decisões de gestão eficazes em diversas áreas da atividade humana proposital.

Em geral, a tomada de decisão é um processo comparável em complexidade ao processo de pensamento em geral. Porém, na prática, a tomada de decisão é geralmente entendida como a escolha de algumas alternativas de um determinado conjunto delas, e o processo geral de tomada de decisão é representado como uma sequência dessas escolhas de alternativas.

Ao contrário dos modelos de otimização, onde o critério de seleção é considerado definido e a solução procurada é estabelecida a partir das condições da sua extremabilidade, nos modelos de gestão é necessário introduzir critérios de otimalidade específicos que possibilitem comparar alternativas sob diversas incertezas do problema. O tipo de critério de otimalidade nos modelos de gestão não é fixado antecipadamente. Esta é justamente a principal característica desses modelos.

Modelos de gravação são modelos destinados a registrar propriedades e qualidades de interesse do pesquisador que não estão disponíveis para registro direto no objeto modelado.

Na resolução de problemas de gerenciamento de objetos dinâmicos complexos, são utilizados modelos de referência e preditivos, que são uma exibição formalizada das características desejadas de um objeto de controle para fins de controle atual ou futuro do objeto.

Modelo de referênciaé um modelo que descreve de uma forma ou de outra as propriedades desejadas (idealizadas) do objeto de modelagem (controle).

Modelos preditivos– modelos projetados para determinar futuro estados ( futuro comportamento) do objeto de modelagem.

Modelos de simulação– este é um conjunto de descrições dos elementos do sistema, as relações dos elementos entre si, influências externas, algoritmos para o funcionamento do sistema (ou regras para mudança de estados) sob a influência de perturbações externas e internas.

Os modelos de simulação são criados e utilizados quando a criação de um modelo unificado de um sistema complexo é impossível ou envolve dificuldades muito grandes, os métodos matemáticos disponíveis não permitem obter soluções analíticas ou numéricas satisfatórias para os problemas em consideração; Mas a presença de descrições de elementos e algoritmos de funcionamento permite simular o processo de funcionamento do sistema e produzir medições características de interesse.

Pode-se notar também que modelos de simulação podem ser criados para uma classe muito mais ampla de objetos e processos do que modelos analíticos e numéricos. Além disso, como normalmente são utilizados meios computacionais (computadores e outros meios) para implementação, linguagens algorítmicas universais ou especiais servem como meio de descrição formalizada de modelos de simulação.

Modelagem de simulação no estudo de sistemas grandes (complexos)

continua a ser praticamente o único método disponível para obter informações sobre o comportamento de um sistema em condições de incerteza, o que é especialmente importante na fase de seu projeto. Usando este método, é possível selecionar a estrutura, parâmetros e algoritmos de controle do sistema sintetizado, avaliar sua eficácia e também simular o comportamento do sistema sob condições que não podem ser reproduzidas em um protótipo real (por exemplo, acidentes, falhas, emergências , etc.). Quando o comportamento de um sistema sob a influência de fatores aleatórios é estudado durante a modelagem de simulação com posterior processamento estatístico da informação, é aconselhável utilizar o método de modelagem estática como método para implementação de máquina de um modelo de simulação. Neste caso, o método de teste estatístico (método de Monte Carlo) é considerado um método numérico para resolução de problemas analíticos.

Uma classe especial de modelos consiste cibernético modelos que refletem os aspectos gerenciais do comportamento de sistemas complexos baseados na troca de informações entre seus elementos. A própria natureza física dos modelos cibernéticos difere da natureza física do protótipo e dos seus elementos. Uma característica dos modelos cibernéticos é a possível presença neles, além de um mecanismo de controle, também de mecanismos de auto-organização, aprendizagem, adaptação, etc., e em sistemas mais complexos - inteligência artificial.

Levar em consideração o fator tempo na modelagem leva ao uso de modelos estáticos e dinâmicos.

Modelos estáticos refletir os modos de operação em estado estacionário (equilíbrio) do sistema;

Os modos de operação estáticos de elementos, objetos e sistemas são refletidos em suas características estáticas (lineares, não lineares) e são descritos pelas dependências funcionais algébricas correspondentes.

Modelos dinâmicos refletem modos de operação instáveis ​​​​(fora de equilíbrio, transitórios) do sistema.

Para descrever os modos de operação fora do equilíbrio (transitório) de um sistema, equações diferenciais ou sistemas de equações diferenciais são mais frequentemente usados.

Consideremos algumas propriedades dos modelos que permitem, de uma forma ou de outra, distinguir ou identificar o modelo com o original (objeto, processo). Costuma-se distinguir as seguintes propriedades dos modelos: adequação, complexidade, finitude, verdade, aproximação.

Adequação. Sob adequação modelos são geralmente entendidos como a descrição qualitativa e quantitativa correta de um objeto (processo) de acordo com um conjunto selecionado de características com um certo grau razoável de precisão.

A adequação é o requisito mais importante para um modelo; exige que o modelo corresponda ao seu objeto real (processo, sistema, etc.) em relação a um conjunto selecionado de suas propriedades e características. Neste caso, não nos referimos à adequação em geral, mas à adequação em termos das propriedades do modelo que são essenciais para o investigador. A adequação total significa identidade entre o modelo e o protótipo.

Um modelo matemático pode ser adequado em relação a uma classe de situações (estado do sistema + estado do ambiente externo) e não adequado em relação a outra. A utilização de um modelo inadequado pode levar tanto a uma distorção significativa do processo real ou das propriedades (características) do objeto em estudo, quanto ao estudo de fenômenos, propriedades e características inexistentes.

Pode-se introduzir o conceito de grau de adequação, que variará de 0 (falta de adequação) a 1 (adequação completa). O grau de adequação caracteriza a proporção de verdade do modelo em relação à característica (propriedade) selecionada do objeto em estudo. Note-se que em algumas situações simples, a avaliação numérica do grau de adequação não é particularmente difícil. A dificuldade de avaliar o grau de adequação no caso geral surge pela ambiguidade e imprecisão dos próprios critérios de adequação, bem como pela dificuldade de escolher os sinais, propriedades e características pelos quais a adequação é avaliada.

O conceito de adequação é um conceito racional, pelo que o aumento do seu grau também deve ser realizado a um nível racional. A adequação do modelo deve ser verificada, monitorada e esclarecida constantemente durante o processo de pesquisa por meio de exemplos específicos, analogias, experimentos, etc. Como resultado da verificação de adequação, eles descobrem a que levam as suposições feitas: ou uma perda aceitável de precisão ou uma perda de qualidade. Ao verificar a adequação, também é possível justificar a legitimidade da aplicação das hipóteses de trabalho aceites na resolução da tarefa ou problema em consideração.

Simplicidade e complexidade. A exigência simultânea de simplicidade e adequação do modelo é contraditória. Do ponto de vista da adequação, os modelos complexos são preferíveis aos simples. Em modelos complexos é possível levar em conta número maior fatores que influenciam as características estudadas dos objetos. Embora os modelos complexos reflitam com mais precisão as propriedades simuladas do original, eles são mais complicados, difíceis de visualizar e inconvenientes de usar. Portanto, o pesquisador busca simplificar o modelo, uma vez que modelos simples são mais fáceis de operar. Ao se esforçar para construir um modelo simples, o básico princípio de simplificação do modelo:

o modelo pode ser simplificado desde que sejam preservadas as propriedades básicas, características e padrões inerentes ao original.

Este princípio aponta para o limite da simplificação.

Ao mesmo tempo, o conceito de simplicidade (ou complexidade) de um modelo é um conceito relativo. O modelo é considerado bastante simples se as modernas ferramentas de pesquisa (matemática, informacional, física) permitirem realizar análises qualitativas e quantitativas com a precisão necessária. E como as capacidades das ferramentas de pesquisa estão em constante crescimento, as tarefas que antes eram consideradas complexas agora podem ser classificadas como simples.

Uma tarefa mais difícil é garantir a simplicidade/complexidade de um modelo de um sistema complexo que consiste em subsistemas individuais conectados entre si em alguma estrutura hierárquica e multiconectada. Além disso, cada subsistema e cada nível têm os seus próprios critérios locais de complexidade e adequação, diferentes dos critérios globais do sistema.

Para reduzir a perda de adequação, é mais aconselhável simplificar os modelos:

1) no nível físico, mantendo as relações físicas básicas,

2) no nível estrutural, mantendo as propriedades básicas do sistema.

A simplificação dos modelos ao nível matemático pode levar a uma perda significativa de adequação. Por exemplo, o truncamento de uma equação característica de ordem superior para 2ª - 3ª ordem pode levar a conclusões completamente incorretas sobre as propriedades dinâmicas do sistema.

Observe que modelos mais simples são usados ​​na resolução do problema de síntese, e modelos exatos mais complexos são usados ​​na resolução do problema de análise.

Finitude dos modelos. Sabe-se que o mundo é infinito, como qualquer objeto, não só no espaço e no tempo, mas também em sua estrutura (estrutura), propriedades, relações com outros objetos. O infinito se manifesta na estrutura hierárquica de sistemas de diversas naturezas físicas. Porém, ao estudar um objeto, o pesquisador fica limitado a um número finito de suas propriedades, conexões, recursos utilizados, etc. É como se ele “cortasse” do mundo infinito algum fragmento finito na forma de um objeto, sistema, processo específico, etc. e tenta compreender o mundo infinito através do modelo finito deste fragmento.

A finitude dos modelos de sistema reside, em primeiro lugar, no fato de refletirem o original em um número finito de relações, ou seja, com um número finito de conexões com outros objetos, com uma estrutura finita e um número finito de propriedades em um determinado nível de estudo, pesquisa, descrição e recursos disponíveis. Em segundo lugar, os recursos (informativos, financeiros, energéticos, temporais, técnicos, etc.) de modelagem e nosso conhecimento como recursos intelectuais são finitos e, portanto, limitam objetivamente as possibilidades de modelagem e o próprio processo de compreensão do mundo através de modelos. Portanto, o pesquisador (com raras exceções) lida com modelos de dimensão finita.

A escolha da dimensão do modelo (seu grau de liberdade, variáveis ​​de estado) está intimamente relacionada com a classe de problemas a serem resolvidos. O aumento da dimensão do modelo está associado a problemas de complexidade e adequação. Neste caso, é necessário saber qual é a relação funcional entre o grau de complexidade e a dimensão do modelo. Se esta dependência for uma lei de potência, então o problema pode ser resolvido através do uso de sistemas computacionais. Se esta dependência for exponencial, então a “maldição da dimensionalidade” (R. Kalman 1) é inevitável e é praticamente impossível livrar-se dela.

Conforme referido acima, o aumento da dimensão do modelo conduz a um aumento do grau de adequação e ao mesmo tempo à complexidade do modelo. Neste caso, o grau de complexidade é limitado pela capacidade de operar com o modelo, ou seja, aquelas ferramentas de modelagem disponíveis ao pesquisador. A necessidade de passar de um modelo grosseiro simples para um mais preciso é concretizada aumentando a dimensão do modelo através da introdução de novas variáveis ​​​​qualitativamente diferentes das principais e que foram negligenciadas na construção do modelo aproximado. Essas variáveis ​​​​podem ser classificadas em uma das três classes a seguir:

1) fluxo rápido variáveis ​​cuja extensão no tempo ou no espaço é tão pequena que num exame aproximado foram levadas em conta pelas suas características integrais ou médias;

2) lento variáveis ​​cuja extensão da mudança é tão grande que em modelos aproximados foram consideradas constantes;

3) pequenas variáveis(pequenos parâmetros), cujos valores e influências nas principais características do sistema são tão pequenos que foram ignorados em modelos aproximados.

Observe que dividir o movimento complexo de um sistema por velocidade em movimento rápido e lento torna possível estudá-los de forma aproximada, independentemente um do outro, o que simplifica a solução do problema original. Quanto às pequenas variáveis, geralmente são negligenciadas na resolução de um problema de síntese, mas procuram levar em consideração sua influência nas propriedades do sistema na resolução de um problema de análise.

Ao modelar, eles se esforçam, se possível, para identificar um pequeno número de fatores principais, cuja influência é da mesma ordem e não é muito difícil de descrever matematicamente, e a influência de outros fatores pode ser levada em consideração usando média, características integrais ou “congeladas”.

Aproximação de modelos. Do exposto segue-se que a finitude e a simplicidade (simplificação) do modelo caracterizam qualidade a diferença (a nível estrutural) entre o original e o modelo. Então a aproximação do modelo caracterizará quantitativo lado desta diferença.

Você pode introduzir uma medida quantitativa de aproximação comparando, por exemplo, um modelo aproximado com um modelo de referência mais preciso (completo, ideal) ou com um modelo real. Proximidade do modelo com o original inevitável, existe objetivamente, uma vez que o modelo, como outro objeto, reflete apenas propriedades individuais do original. Portanto, o grau de aproximação (proximidade, precisão) do modelo ao original é determinado pelo enunciado do problema, pela finalidade da modelagem.

Desejo excessivo de maior precisão modelo leva à sua significativa complicação e, conseqüentemente, à diminuição do seu valor prático. Portanto, aparentemente, é verdadeiro o princípio de L. Zadeh 1 de que ao modelar sistemas complexos (homem-máquina, organizacionais), a precisão e o significado prático são incompatíveis e excluem-se. A razão para a inconsistência e incompatibilidade dos requisitos de precisão e praticidade do modelo reside na incerteza e imprecisão do conhecimento sobre o próprio original - seu comportamento, suas propriedades e características, seu comportamento ambiente, sobre os mecanismos de formação de metas, formas e meios de alcançá-las, etc.

A verdade dos modelos. Cada modelo tem alguma verdade, ou seja, Qualquer modelo reflete corretamente o original de alguma forma. O grau de veracidade do modelo é revelado apenas pela comparação prática dele com o original, porque apenas

a prática é o critério da verdade.

Por um lado, qualquer modelo contém o incondicionalmente verdadeiro, ou seja, definitivamente conhecido e correto. Por outro lado, o modelo também contém o condicionalmente verdadeiro, ou seja, verdadeiro apenas sob certas condições. Um erro típico na modelagem é que os pesquisadores usam certos modelos sem verificar as condições de sua veracidade, os limites da sua aplicabilidade. Esta abordagem obviamente leva a resultados incorretos.

Observe que qualquer modelo também contém o supostamente verdadeiro (plausível), ou seja, algo que pode ser verdadeiro ou falso sob condições de incerteza. Somente na prática é estabelecida a relação real entre verdadeiro e falso sob condições específicas. Assim, ao analisar o nível de verdade do modelo, é necessário saber:

1) conhecimento preciso e confiável;

2) conhecimento confiável sob certas condições;

3) conhecimento avaliado com algum grau de incerteza;

4) conhecimentos que não podem ser avaliados mesmo com algum grau de incerteza;

5) ignorância, ou seja, o que é desconhecido.

Assim, avaliar a veracidade de um modelo como forma de conhecimento se resume a identificar o conteúdo nele tanto do conhecimento objetivo confiável que reflete corretamente o original, quanto do conhecimento que avalia aproximadamente o original, bem como o que constitui ignorância.

Para coordenar a operação de dispositivos de rede de fabricantes diferentes, garantindo a interação de redes que utilizam diferentes ambientes de propagação de sinal, foi criado um modelo de referência de interação sistemas abertos(VOS). O modelo de referência é construído sobre um princípio hierárquico. Cada nível fornece serviços ao nível superior e utiliza os serviços do nível inferior.

O processamento de dados começa no nível do aplicativo. Depois disso, os dados passam por todas as camadas do modelo de referência, e através da camada física são enviados para o canal de comunicação. Na recepção ocorre o processamento reverso dos dados.

O modelo de referência OSI introduz dois conceitos: protocolo E interface.

Um protocolo é um conjunto de regras com base nas quais interagem as camadas de vários sistemas abertos.

Uma interface é um conjunto de meios e métodos de interação entre elementos de um sistema aberto.

O protocolo define as regras de interação entre módulos do mesmo nível em nós diferentes, e a interface - entre módulos de níveis adjacentes no mesmo nó.

Há um total de sete camadas do modelo de referência OSI. Vale a pena notar que as pilhas reais usam menos camadas. Por exemplo, o popular TCP/IP usa apenas quatro camadas. Por que isso acontece? Explicaremos um pouco mais tarde. Agora vamos examinar cada um dos sete níveis separadamente.

Camadas do modelo OSI:

• Nível físico. Determina o tipo de meio de transmissão de dados, físico e características elétricas interfaces, tipo de sinal. Esta camada lida com bits de informação. Exemplos de protocolos de camada física: Ethernet, ISDN, Wi-Fi.
• Nível de link de dados. Responsável pelo acesso ao meio de transmissão, correção de erros e transmissão confiável de dados. Na recepção Os dados recebidos da camada física são compactados em quadros e então sua integridade é verificada. Se não houver erros, os dados serão transferidos para a camada de rede. Se houver erros, o quadro é descartado e é gerada uma solicitação de retransmissão. A camada de enlace de dados é dividida em duas subcamadas: MAC (Media Access Control) e LLC (Local Link Control). O MAC regula o acesso ao meio físico compartilhado. LLC fornece serviço de camada de rede. Os switches operam na camada de enlace de dados. Exemplos de protocolos: Ethernet, PPP.
• Camada de rede. Suas principais tarefas são roteamento - determinação do caminho ideal para transmissão de dados, endereçamento lógico de nós. Além disso, este nível pode ser encarregado de solucionar problemas de rede (protocolo ICMP). A camada de rede funciona com pacotes. Exemplos de protocolos: IP, ICMP, IGMP, BGP, OSPF).
• Camada de transporte. Projetado para entregar dados sem erros, perdas e duplicações na sequência em que foram transmitidos. Executa controle ponta a ponta da transmissão de dados do remetente ao destinatário. Exemplos de protocolos: TCP, UDP.
• Nível de sessão. Gerencia a criação/manutenção/encerramento de uma sessão de comunicação. Exemplos de protocolos: L2TP, RTCP.
• Nível executivo. Converte dados no formato necessário, criptografa/codifica e compacta.
• Camada de aplicação. Fornece interação entre o usuário e a rede. Interage com aplicativos do lado do cliente. Exemplos de protocolos: HTTP, FTP, Telnet, SSH, SNMP.

Depois de nos familiarizarmos com o modelo de referência, vamos dar uma olhada na pilha de protocolos TCP/IP.

Existem quatro camadas definidas no modelo TCP/IP. Como pode ser visto na figura acima, uma camada TCP/IP pode corresponder a várias camadas do modelo OSI.

Níveis do modelo TCP/IP:

• Nível interfaces de rede. Corresponde às duas camadas inferiores do modelo OSI: enlace de dados e física. Com base nisso, fica claro que este nível determina as características do meio de transmissão (par trançado, fibra óptica, rádio), tipo de sinal, método de codificação, acesso ao meio de transmissão, correção de erros, endereçamento físico (endereços MAC) . No modelo TCP/IP, o protocolo Ethernet e seus derivados (Fast Ethernet, Gigabit Ethernet) operam neste nível.
• Camada de interconexão. Corresponde à camada de rede do modelo OSI. Assume todas as suas funções: roteamento, endereçamento lógico (endereços IP). O protocolo IP opera neste nível.
• Camada de transporte. Corresponde à camada de transporte do modelo OSI. Responsável por entregar pacotes da origem ao destino. Neste nível, são utilizados dois protocolos: TCP e UDP. O TCP é mais confiável que o UDP, pois cria solicitações de pré-conexão para retransmitir quando ocorrem erros. No entanto, ao mesmo tempo, o TCP é mais lento que o UDP.
• Camada de aplicação. Sua principal tarefa é interagir com aplicativos e processos em hosts. Exemplos de protocolos: HTTP, FTP, POP3, SNMP, NTP, DNS, DHCP.

O encapsulamento é um método de empacotamento de um pacote de dados no qual cabeçalhos de pacotes independentes são abstraídos dos cabeçalhos de níveis inferiores, incluindo-os em níveis superiores.

Vejamos um exemplo específico. Digamos que queremos passar de um computador para um site. Para fazer isso, nosso computador deve preparar uma solicitação http para obter os recursos do servidor web no qual está armazenada a página do site que necessitamos. No nível do aplicativo, um cabeçalho HTTP é adicionado aos dados do navegador. Em seguida, na camada de transporte, um cabeçalho TCP é adicionado ao nosso pacote, contendo os números das portas do remetente e do destinatário (porta 80 para HTTP). Na camada de rede, é gerado um cabeçalho IP contendo os endereços IP do remetente e do destinatário. Imediatamente antes da transmissão, um cabeçalho Ethrnet é adicionado à camada de enlace, que contém os endereços físicos (endereços MAC) do remetente e do destinatário. Após todos esses procedimentos, o pacote em forma de bits de informação é transmitido pela rede. Na recepção ocorre o procedimento inverso. O servidor web em cada nível verificará o cabeçalho correspondente. Se a verificação for bem-sucedida, o cabeçalho é descartado e o pacote passa para o nível superior. Caso contrário, todo o pacote será descartado.

Apoie o projeto

Amigos, o site Netcloud está se desenvolvendo a cada dia graças ao seu apoio. Planejamos lançar novas seções de artigos, bem como alguns serviços úteis.

Você tem a oportunidade de apoiar o projeto e contribuir com qualquer quantia que considerar necessária.

A ideia de controle por modelo de referência, proposta em 1961, pode ser implementada com uma ligeira modificação no circuito da Fig. 11.27. Essa ideia teve grande influência no trabalho em sistemas de controle. Sua essência é construir, sintetizar ou adaptar um sistema cuja resposta ao impulso geral melhor corresponda às características de um modelo de referência ou às características de algum modelo ideal.

Suponha, por exemplo, que as características dinâmicas de controle da aeronave sejam significativamente diferentes para velocidades abaixo da barreira do som e supersônicas. Para proporcionar ao piloto a capacidade de controlar adequadamente a aeronave independente de sua velocidade, é introduzido um piloto automático, que recebe os sinais de controle do piloto e aciona os servomecanismos de controle. A resposta da aeronave aos sinais de controle do piloto corresponde à resposta de algum modelo de referência, que é selecionado pelo projetista do sistema para fornecer à aeronave uma “sensação de leme” que seja conveniente para os pilotos. Muitos sistemas físicos são sintetizados de modo que suas características sejam semelhantes às dos modelos, e muitos desses sistemas são adaptativos.

Não é difícil implementar a abordagem descrita modificando os diagramas da Fig. 11/11 ou 11/27. Para isso, basta substituir o modelo inverso com atraso pelo modelo de referência. Então características geraisé mais provável que o sistema seja semelhante ao desempenho do modelo de referência do que apenas um salto atrasado. Esta modificação do circuito é mostrada na Fig. 11.28.

Nos sistemas da Fig. 11.11 e 11.27, o atraso é introduzido para permitir uma modelagem inversa precisa correspondente a um baixo nível de MSD. Se houver um atraso, você poderá obter uma resposta atrasada, mas mais precisa. Conforme referido acima, a introdução de um atraso é necessária nos casos em que existe um atraso de resposta no sistema controlado ou este sistema não está na fase mínima. Ao substituir um atraso por um modelo de referência, nos casos em que o atraso é necessário para uma modelagem inversa precisa, normalmente ele também precisa ser incluído no modelo de referência.

Arroz. 11.28. Controle com modelo inverso adaptativo, semelhante à Fig. 11.27, mas com modelo de referência incluído

Neste caso, é necessário formar uma característica do modelo de referência que possa ser implementada ligando sequencialmente o sistema controlado e o filtro adaptativo, se os coeficientes de peso deste filtro corresponderem ao desvio padrão mínimo. Esquema na Fig. 11.28 funciona bem quando condições flexíveis são especificadas para o sistema adaptativo. Não se deve presumir, entretanto, que este circuito seja menos inercial ou tenha uma resposta mais precisa do que é possível para o sistema controlado e seu dispositivo de controle de resposta ao impulso finito adaptativo.

Para obter um exemplo de sistema de controle adaptativo usando modelagem inversa usando um modelo de referência, considere a seguinte implementação do circuito na Fig. 11.28:

modelo de referência: coeficientes de peso no modelo de coeficiente de peso no dispositivo de controle de iteração de processo adaptativo. Na Fig. A Figura 11.29 mostra a resposta a uma única etapa do modelo controlado não compensado, e a Fig. 11h30 - resposta do sistema compensado sobreposta à resposta do sistema de referência. É óbvio que foi obtida uma aproximação muito próxima.

Análise