مروری جامع بر مدیریت عدم قطعیت در سامانه های مهندسی پیچیده، از مدل سازی آماری تا کنترل داده محور

عدم قطعیت یکی از جدایی ناپذیرترین ویژگی های سیستم های مهندسی و محیط های واقعی است. اگرچه بشر همواره برای دستیابی به تصمیمات قطعی تلاش کرده است، اما تجربه نشان داده که پیش فرض های نادرست و شناخت ناکافی از محیط، شکست سیستم ها را اجتناب ناپذیر می کند. این مقاله با هدف تبیین انواع عدم قطعیت، ابتدا آن را به دو دسته ی اتفاقی (ناشی از شانس و احتمال) و شناختی (ناشی از ناآگاهی نسبت به سیستم یا محیط) تقسیم می کند و نشان می دهد که تمایز دقیق این دو در سیستم های بزرگ و پیچیده اغلب دشوار است. سپس، انواع سیستم ها—از ساده تا پیچیده تطبیقی—و ارتباط آن ها با منشاهای اصلی عدم قطعیت شامل زمان، تصادفی بودن، احتمالی بودن، خطای انسانی و پدیده ظهور، معرفی و تحلیل می شوند.در ادامه، استراتژی های مهندسی برای کاهش عدم قطعیت مانند مدل سازی، استفاده از روش های آماری، ضریب ایمنی، حجم کنترل، و بازرسی کیفیت مورد بحث قرار می گیرد. با این حال، تاکید می شود که هیچ روشی نمی تواند عدم قطعیت را به طور کامل حذف کند و حتی خود مدل ها نیز منبع جدیدی از نامعینی خواهند بود. این مقاله بر اهمیت رویکردهای اکتشافی، طراحی انعطاف پذیر و پذیرش نامعینی به عنوان بخشی جدایی ناپذیر از فرآیند مهندسی تاکید دارد.در بخش پایانی، سیر تحول رویکردهای کنترل، از مدل محور تا کنترل مقاوم داده محور و نقش فیدبک در مدیریت عدم قطعیت مرور شده و بیان می شود که اتکای بیش از حد به فرضیات یا مدل های قطعی، می تواند منجر به شکست شود. در نتیجه، این مقاله پیشنهاد می کند که پذیرش، اندازه گیری و تحلیل داده های خام و واقعی، به جای تکیه صرف بر مدل های پیش فرض، می تواند بنیان توسعه کنترل مقاوم و تصمیم گیری مطمئن در محیط های پیچیده و نامعین باشد.

کلیدواژه ها:

عدم قطعیت ، سیستم های پیچیده ، کنترل مقاوم ، مدل سازی داده محور ، استراتژی کاهش نامعینی