عنوان :

مقاله تحلیل سیستمی – پیچیدگی

تعداد صفحات : ۳۱

نوع فایل : ورد و قابل ویرایش

چکیده

در این مقاله به تحلیل سیستمی پیچیدگی، پیچیدگی ایستا (نوع اول)، پیچیدگی پویا (نوع دوم)، پیچیدگی تکاملی (نوع سوم) ، پیچیدگی خود سازمان دهی (نوع چهارم)، مقدمات کمی سازی پیچیدگی، فرضیات و اهداف و تکنیکهای کمی سازی مورد بررسی قرار می دهد.

در تفکر پیچیدگی، ما به دنبال معیارها و اندازه‌گیریهای مطلقی هستیم که بتوان آنها را در تمامی محدوده‌ها به کار گرفت. این فرض، در کنار دیگر فرضهای مرتبط، نظیر غیر قابل پیش بینی یودن، عدم تعادل، حلقه‌های علّی، غیر خطی بودن و باز بودن، بدین معناست که جهان ما از بسیاری جهات بسیار متفاوت با آن چیزی است که علوم سنتی به دست می دهند.

اهداف زیادی را می‌توان برای نظریه پیچیدگی بیان کرد که عبارت‌اند از:توضیح ساختارهای غالب (خودسازمان دهی) ، اندازه گیری پیچیدگی نسبی(پارامترهای چند گانه سلسله مراتبی)، تدارک روشهای کنترل سیستمهای پیچیده (نقاط عطف) ،به وجود آوردن مدلهای کارآ (تلخیص)، به دست دادن پیش گویی کننده های آماری (محدودیتها)،حل مسائل غیر معمول (میان بر) ،نمایش کاربردهای جدید محتمل (نوآوری)، کمی کردن قوانین ترتیب و اطلاعات

برای تمام اهداف می بایستی روشهای عملی کمی سازی ایجاد شوند (یعنی باید قابل محاسبه باشند). ما نیازمند ریاضیاتی هستیم که قادر باشد سیستمها را به همان راحتی که انسان الگوها را تشخیص و طبقه‌بندی می‌کند از همدیگر تشخیص دهد و به علاوه امیدوار هستیم که قادر به پیشگویی لااقل برخی از جنبه های آینده سیستم از رفتار گذشته آن یا وضعیت حال آن باشیم و به این طریق برخی کنترلها را بر سیر توسعه آن اعمال کنیم.

تحلیل سیستمهای پیچیده. پیش از تلاش برای اعمال هر نوع تکنیک کمی سازی به سیستمها یا سازمانها، می‌باید تصمیم بگیریم که آیا آنها در تمام جنبه‌های خود پیچیده هستند و نیز آیا پیچیدگی خود سازمان دهی در آنها وجود دارد یا خیر.

 واژه های کلیدی: پیچیدگی، کمی سازی پیچیدگی، تکنیکهای رویان، وضعیت تبدیل،  قابلیت یادگیری، قابلیت کنترل، نظریه اطلاعات، تحلیل سری های زمانی، منطق فازی،

فهرست مطالب

مقدمه    ۱
پیچیدگی ایستا (نوع اول).    ۱
پیچیدگی پویا (نوع دوم).    ۴
پیچیدگی تکاملی (نوع سوم).    ۵
پیچیدگی خود سازمان دهی (نوع چهارم).    ۶
مقدمات کمی سازی پیچیدگی    ۷
فرضیات و اهداف.    ۸
۱٫ نمایه نحوه اتصال    ۱۰
۲٫ وضعیت تبدیل    ۱۰
۳٫ قابلیت یادگیری    ۱۰
۴٫ عملکرد موازی    ۱۱
۵٫ تغییر برهم کنشها    ۱۱
۶٫ حلقه های بازخورد    ۱۱
۷٫ قابلیت کنترل    ۱۱
۸٫ حوزه های جذب    ۱۱
۹٫ مرزهای خارجی    ۱۲
۱۰٫ عملکرد سیستم    ۱۲
۱۱٫  بلوکهای سازنده    ۱۲
۱۲٫خواص غالب    ۱۲
۱۳٫ ثبات سیستم    ۱۲
۱۴٫ کنترل غیر متمرکز    ۱۳
۱۵٫ جریان اطلاعات    ۱۳
تکنیکهای کمی سازی    ۱۳
الف) تکنیکهای رویان    ۱۴
نظریه اطلاعات.    ۱۴
انتقالات فاز.    ۱۵
معیار خود  سازمان دهی.    ۱۵
جذب کننده‌ها.    ۱۶
هم تکامل.    ۱۶
دینامیک نمادی.    ۱۶
میزان دور بودن از تعادل.    ۱۷
ب) دیدگاههای دیگر    ۱۷
شیشه های اسپینی    ۱۸
تحلیل سری های زمانی.    ۱۸
منطق فازی.    ۱۸
نتیجه گیری    ۲۲
منابع    ۲۴

منابع

۱- Meyer W and Isenberg R (1990). Knowledge- based factory supervision: EP 923 Results. Int J CIM 3:206-233
۲- Pai C and Naylor P (1996). Yet it is painful but are not alone-Application of supply chain planning techniques from cognate industries. Presented at the 2nd International conference on production planning and control in the metals Industry, London, UK, November 12-14, 1996. (Available from 12 Technological Inc. Eagle House, The Ring, Bracknell, Berks (RG12 ITB)
۳- Efstashiou J, Calinescu A and Bermejo J (1996). Modeling the complexity of production planning and control. Processing of the 2nd International Conference on Production planning and Control in the Metals Industey, institute of Materials, London, pp 60-66.
۴- Bauer A et al (1991). Shop Floor Control System: from Design to Implementation. Chapman & Hall: London, UK.
۵- Lewis FL, huang HH, pastravanu OC and Gurel A (1995). Control system design for flexible manufacturing system. In: Raouf A and Daya MB (eds). Flexible Manufacturing Systems: Recent Developments. Elservier Science: Amsterdam; New York

مقدمه

یکی از وجوه  اساسی علم که آن را از هنر و ادبیات متمایز می کند امکان بیان آن به کمک اعداد و کمی کردن آن با استفاده از روابط ریاضی است.این پدیده چنان فراگیر شده است که بسیاری از اوقات کار علمی براساس کیفیت ریاضیات آن سنجیده می‌شود و نه محتوای تجربهاش. بهکارگیری روابط ریاضی، علاوه بر ایجاد شرایط جدید برای نگرش به پدیدهها (نوآوری)، نوعی سیستم ارزشی برای اندازهگیری و کمی کردن نیز به وجود می آورد.

نظریه پیچیدگی مطمئناً راه جدیدی برای نگاه کردن به پدیدههاست و به تدریج در حال تغییر دادن تکنیکهای ریاضی سنتی است. به همین دلیل نیز برخی از دانشمندان نظریه پیچیدگی را گنگ و مبهم میدانند و آن را شایسته عنوان علم نمی‌شناسند. نیاز به تکنیکهای جدید ریاضی جهت مواجهه با علوم جدید، موضوع تازه‌ای نیست (ریاضیات نیوتونی و لایبنیتز، توپولوژی پوآنکاره، هندسه غیر اقلیدسی ریمان، آمار بولتزمن و نظریه مجموعههای کانتور). تمام این دیدگاههای جدید در ریاضیات به دلیل نیاز به کمی کردن نظریه‌های جدید علمی که در آن زمان پا به عرصه وجود گذاشته بودند ابداع شدند.

بهتر است در اینجا نگاهی به اجزای اصلی یک سیستم پیچیده بیندازیم. بهطور کلی هر سیستم پیچیده یک سیستم کاملاً عملکردی است که شامل اجزای متغیر و وابسته به هم است.  به بیان دیگر، برخلاف یک سیستم کاملاً سنتی (نظیر هواپیما) اجزا دارای ارتباطات دقیقاًٌ تعریف شده و رفتارهای ثابت یا مقادیر ثابت نیستند و عملکردهای انفرادی آنها نیز ممکن است با روشهای سنتی قابل تبیین نباشد. به رغم این ابهام، این سیستمها بخش اعظم جهان ما را تشکیل می‌دهند و ارگانیسمهای زنده و سیستمهای اجتماعی و حتی بسیاری از سیستمهای غیر ارگانیک طبیعی نیز در زمره آنها قرار می‌گیرند.

پیچیدگی ایستا (نوع اول).

 براساس نظریه پیچیدگی اجزایی که دارای برهم کنشهای بحرانی هستند خود را به گونه‌ای سازمان دهی می‌کنند که به سوی ساختارهای تکاملی پیش روند و سلسله مراتبی از خصوصیات سیستمهای  غالب را ایجاد کنند. در این نظریه سیستمها را باید به صورت یک کل نگریست و برخلاف دیدگاههای سنتی، از تجزیه و ساده سازی آنها پرهیز کرد. به دلیل وجود عوامل غیر خطی در سیستمهای به شدت وابسته به هم، دیدگاههای سنتی قادر به تجزیه و تحلیل نیستند. در اینجا علتها و معلولها قابل تفکیک از هم نیستند و مجموع اجزا برابر با کل نخواهد شد. رویکرد مورد استفاده در نظریه پیچیدگی بر مبنای تکنیکهای جدید ریاضی قرار دارد که سر منشأ آنها را باید در شاخه های مختلف چون فیزیک، زیست شناسی، هوش مصنوعی، سیاست و ارتباطات راه دور جستجو کرد. ساده‌ترین شکل پیچیدگی که معمولاً توسط ریاضی دانان و دانشمندان مورد مطالعه قرار می گیرد، در ارتباط با سیستمهای ثابت است. در اینجا فرض می کنیم که ساختار مورد نظر در طول زمان تغییر نمی کند. به بیان دیگر، به اصطلاح دانشمندان سیستم، با یک تصویر ثابت از سیستم سرو کار داریم. به عنوان مثال، می توان به یک ریز تراشه کامپیوتر نگاه کرد و آن را پیچیده یافت. می‌توان آن را با یک مدار الکترونیک مرتبط دانست و برای تعیین پیچیدگی نسبی آن، آن را با سیستمهای جانشین مقایسه کرد (مثلاً از نظر تعداد ترانزیستورها). می‌توان همین کار را با اشکال زنده حیات نیز انجام داد و آنها را بر حسب تعداد سلولها، تعداد ژنها و غیره اندازه گیری کرد. تمامی این جنبه های کمی، فاقد مهمترین مسئله تفکر در پیچیدگی هستند و آن این است که آیا واقعاًٌ پیچیدگی به تعداد اجزا بستگی دارد و چرا پیچیدگی سیستمی مثلاً با ۱۰۰ جزء متفاوت با سیستم دیگر با همین تعداد اجزاست.

برای نگرشی دقیقتر به این سئوال، نیازمندیم به دنبال الگوها و آمارهای کمیتها باشیم. روشن است که پیچیدگی ترتیبی از ۵۰ توپ سفید و ۵۰ توپ سیاه، از پیچیدگی ۵ توپ سیاه، ۱۷ توپ سفید، ۳ توپ سیاه، ۳۳ توپ سفید و ۴۲ توپ سیاه کمتر است. با این حال معنای چنین ترتیبی نامشخص است. آیا ترتیب تصادفی است یا معنادار؟ هنگامی که چنین تحلیلهایی به سه بعد تعمیم داده می‌شوند و بیش از یک مشخصه برای هر جز تعریف می‌شود (اندازه، چگالی، شکل) پیچیدگیهای احتمالی به نحوه غیر قابل تصوری افزایش می یابند و توانایی ریاضیات موسوم را به چالش فرا میخوانند. در اینجا صرفاً یک سطح مورد نظر قرار داشت ولی در طبیعت سطوح مختلفی از ساختار در تمام سیستمها وجود دارند و این سطوح باعث افزایش پیچیدگی خواهند شد (پیچیدگی یک مولکول، به علاوه سلول، به علاوه ارگانیسم، به علاوه اکوسیستم، به علاوه سیاره زمین و …). این پدیده باعث می‌شود تا ریاضیات پیچیدگی ایستا نیز دشوار باشد.

پیچیدگی پویا (نوع دوم).

با افزایش بعد چهارم، یعنی زمان، موقعیت بسیار بغرنجتر خواهد شد. از زاویه دید مثبت، شاید تشخیص الگوها با تغییراتشان در زمان ساده تر از حالت سکون آنها باشد (فصول، ضربان). اما از سوی دیگر ممکن است با اجازه دادن به اجزا برای تغییر با زمان، الگوهای حالت سکونی را که قبلاً شناسایی کرده بودیم و طبقه بندیهای انجام گرفته بر پایه آنها از دست بروند (برگها سبز هستند، به جز در پاییز که زرد می‌شوند و در زمستان که اصلاً وجود ندارند!).

تشخیص عملکرد، یکی از راههای اصلی تحلیل علمی است. پرسش «سیستم چه کاری انجام می‌دهد؟» و به دنبال آن «چگونه این کار را انجام  می‌دهد؟» هر دو دارای مفهوم حرکت در زمان هستند. با توجه به ضعف ما در بررسی تجربیات تکرارپذیر، مهم خواهد بود که تشخیص دهیم آیا پدیده مورد مطالعه ایستاست یا آنکه دارای تغییرات دوره‌ای است. علم همواره با آزمایش و تأیید آزمایشها سروکار دارد و پیشنیاز این امر، داشتن نمونه‌های متعدد است. روابط ریاضی مورد استفاده به گونه‌ای هستند که برای داده‌های یکسان، همواره پاسخهای یکسانی را ارائه می کنند و این یک نکته اساسی در نظریه پیچیدگی است. ما در بسیاری از اوقات ناچار می‌شویم تا به طور مصنوعی پیچیدگی پدیده مورد بررسی را کاهش دهیم تا در چارچوب محدودیت فوق قرار گیریم. یک فرد دارای وجوه گوناگونی است ولی، او را با آن دسته از مشخصه‌هایش تعریف می کنیم که در طول زمان بدون تغییر باقی می‌مانند (و یا قابل پیش بینی هستند) نظیر نام، رنگ پوست، ملّیت یا سن، شغل، قد و مانند آنها. نظریه پیچیدگی نیازمند آن است که سیستم را به صورت یک کل مورد بررسی قرار و از آن تعریفی به دست دهیم که تمامی جنبه‌های آن را پوشش دهد و در این نقطه است که روشهای سنتی و ریاضی پاسخگو نخواهند بود.

جهت دریافت و خرید متن کامل مقاله و تحقیق و پایان نامه مربوطه بر روی گزینه خرید انتهای هر تحقیق و پروژه کلیک نمائید و پس از وارد نمودن مشخصات خود به درگاه بانک متصل شده که از طریق کلیه کارت های عضو شتاب قادر به پرداخت می باشید و بلافاصله بعد از پرداخت آنلاین به صورت خودکار  لینک دنلود مقاله و پایان نامه مربوطه فعال گردیده که قادر به دنلود فایل کامل آن می باشد .