Совершенствование модели управления трудовыми ресурсами
Введение
В рамках развития системы управления персоналом представляем обновлённую модель, учитывающую взаимосвязь здоровья работников и их работоспособности.
Основные достижения
Новая система включает следующие важные компоненты:
Механизм взаимосвязи между здоровьем работников и их усталостью
Автоматическую корректировку процессов накопления и восстановления
Систему мониторинга состояния персонала
Ключевые нововведения
Взаимосвязь показателей реализована через:
Динамическую корректировку скорости накопления усталости в зависимости от здоровья
Обратное влияние уровня усталости на состояние здоровья
Интегрированную систему восстановления
Обновлённая программа контроля включает:
Регулярный учёт показателей здоровья
Автоматическую адаптацию нагрузок
Оптимизацию процессов восстановления
Практические преимущества
Внедрение модели позволяет:
Более точно учитывать состояние работников
Эффективно управлять процессами восстановления
Оптимизировать рабочие нагрузки
Повышать общую производительность труда
Техническая реализация
Обновлённая система обеспечивает:
Автоматический расчёт показателей здоровья и усталости
Корректную работу механизмов восстановления
Точное моделирование рабочих процессов
Возможность анализа полученных данных
Заключение
Представленное обновление модели позволяет более точно отражать реальные процессы взаимодействия между здоровьем работников и их работоспособностью, что способствует более эффективному управлению трудовыми ресурсами.
# Здоровый сотрудник — угроза для работодателя: что показывает имитационная модель
## Корпорации не хотят, чтобы вы были здоровы. По-настоящему здоровы.
Звучит как конспирология? Может быть, но это вывод моей модели.
Система наёмного труда устроена элегантно и жестоко одновременно. Работодателю нужен сотрудник в очень узком диапазоне состояний: достаточно здоровый, чтобы производить стоимость, но недостаточно здоровый и уверенный, чтобы диктовать условия. Слишком больной — издержки. Слишком здоровый и продуктивный — тоже издержки, только другого рода.
Трудоголик с железным здоровьем и высокой продуктивностью быстро движется по карьерной лестнице. Он видит свою ценность. Он требует повышения — сначала на 10%, потом ещё на 15%. Он знает, что может уйти к конкурентам. Он диктует условия. И в какой-то момент корпорация подсчитывает: этот человек обходится дороже, чем приносит. Его увольняют — и нанимают нового, свежего, ещё не осознавшего себя.
А теперь — другой сценарий. Работник со средним здоровьем. Периодически болеет. Немного устаёт. Не претендует на звёзды. Зарплата растёт медленно. Он лоялен, предсказуем, управляем. Он не уйдёт, потому что не уверен в себе достаточно. Он идеален.
Корпоративные программы здравоохранения — wellbeing-инициативы, ДМС, психологи в штате — преподносятся как забота о людях. Но посмотрите на механику: они поддерживают работника в том самом узком диапазоне. Не дают упасть до нетрудоспособности. И не дают подняться до уровня, на котором он становится неудобен.
Выгорание при этом — не баг системы, а фича. Выгоревший работник снижает производительность, соглашается на меньшее, теряет переговорные позиции. Система не заинтересована в том, чтобы он полностью восстановился. Она заинтересована в том, чтобы он держался в состоянии управляемой усталости.
---
## Это не метафора. Это можно запустить и увидеть самому.
Существует имитационная модель рабочего коллектива, построенная на методе дискретно-событийного моделирования в среде AnyLogic. В ней воспроизведены: болезни, выгорание, карьерный рост, увольнения и найм. И она показывает именно то, о чём написано выше.
**Как запустить:**
В комментариях размещу Яндекс диск ссылку.
Откройте эксперимент *Simulation: Main*. Вы увидите два ключевых переключателя:
- **Здравоохранение** (чекбокс) — включает программу укрепления здоровья
- **количествоРаботников** — слайдер, рекомендуется поставить 10
Запустите симуляцию на **1825 дней** (5 лет) в режиме x500.
**Что смотреть:**
*Сценарий 1 — без здравоохранения:*
Снимите галочку. Запустите. Наблюдайте `суммаЗарплат` и `суммаВыручки`. Выручка будет примерно в 3 раза больше зарплат — но выполняется лишь треть заданий. Работники болеют, здоровье падает до минимума у всех одинаково. Никто не вырывается вперёд. Никто не диктует условий. Никто не увольняется сам.
*Сценарий 2 — с здравоохранением:*
Включите галочку. Запустите. Теперь выполняется 100% заданий, выручка растёт. Но смотрите на `увольняемый` и поведение системы увольнения: именно самые здоровые и продуктивные работники начинают требовать повышений, упираются в потолок зарплаты 7500 рублей/час — и уходят. Система их выдавливает.
Переменная `накопленнаяУсталость` в состоянии каждого работника покажет: те, кто здоровее и работает интенсивнее, накапливают усталость быстрее. Трудоголик с отличным здоровьем выгорает не медленнее, а порой быстрее, чем хронически больной коллега — потому что работает без остановки.
**Вывод, который делает модель:**
Корпорация максимизирует прибыль не при максимально здоровом коллективе, а при коллективе в состоянии управляемой нормы. Слишком здоровые — дорого. Слишком больные — малопроизводительно. Оптимум — посередине. И именно там находится большинство корпоративных wellbeing-программ.
---
Модель — не агитка. Это математика. Но математика иногда говорит то, что принято не замечать.
Когда-то я был молодым и активным. И под воздействием средств массовой информации, окружения и прочитанных довольно глупых книг я искренне считал, что человек с активной жизненной позицией, прилагающий значительные усилия, может в жизни добиться всего.
Эту идею повторяют как мантру. Книги по саморазвитию. Мотивационные спикеры. Истории успеха, аккуратно вычищенные от роли случая. «Мечтай — действуй — достигай». Простая формула. Красивая. И, как выяснилось, лживая.
Потом были подряд 5 бизнесов-стартапов. 4 неудачных и один приносил не более чем хорошую зарплату в офисе. И при этом я регулярно пахал по 16 часов без выходных и личной жизни. И когда всё заканчивалось плохо — я говорил себе, что я, видимо, мало приложил усилий.
Шестнадцать часов в день. Без выходных. Без личной жизни. И каждый раз, когда всё рушилось, я обвинял себя: «Значит, мало старался». Это как стоять под дождём и винить себя за то, что мокрый.
Вопрос, который неудобно задавать вслух
А действительно ли личные усилия человека являются решающим фактором успешного успеха? А если не являются — то *насколько*?
Этот вопрос неудобен. Он подрывает саму основу того, как мы привыкли думать о справедливости. Если успех зависит не только от тебя — значит, и неудача не только твоя вина. А значит, и гордость успешных людей не вполне заслужена. А значит... нет, стоп. Давайте не будем торопиться с выводами. Давайте сначала посмотрим.
Что будет, если мы возьмём нескольких человек с похожими стартовыми условиями и готовых с максимальной скоростью идти к успеху и попробуем сравнить итоги через некоторое время? Здравый смысл подсказывает, что результаты будут разные. А бытовая мудрость подскажет, что одному повезло там, а другому не повезло тут.
Повезло. Не повезло. За этими словами прячется нечто гораздо более глубокое, чем мы привыкли думать.
Удача — забытое знание
Исследования в этом направлении показали, что наши предки относились к удаче несколько иначе. С одной стороны, не стоит исключать мифологическое мышление — всем известны разные ритуалы и амулеты, якобы притягивающие удачу. Но было и другое представление, куда более интересное: удача как *свойство* человека.
У викингов удачливость была такой же чертой человека, как здоровье, ум, темперамент. Не подарок богов. Не слепой случай. Удача была чем-то, что ты *несёшь в себе* — но можешь потерять. Она передавалась по наследству, но её можно было растратить бесчестным поступком. Похожие представления были у древних греков, римлян, тюркских и монгольских народов.
Задумайтесь: целые цивилизации, разделённые тысячами километров и столетиями, пришли к одному и тому же выводу — удача это не монетка, которая падает орлом или решкой. Это что-то, что живёт *внутри* человека и определяет, как мир вокруг него складывается.
В современном представлении удача скорее рассматривается как разовый фактор. Человеку просто повезло сейчас. Хотя народные пословицы вспоминают и другое отношение:
«Кому счастье, тому и честь» — удача приносит признание без заслуг.
«Без счастья и в лес по грибы не ходи» — усилия бесполезны без везения.
«От удачи до неудачи — одна задача» — о капризности фортуны.
Мне кажется, мы что-то потеряли из-за повышения комфорта жизни. Риски уменьшились — и соответственно уменьшилась наблюдательность. А это ключевой момент: удачное стечение обстоятельств можно просто не заметить.
Когда тебе не грозит голод, когда над головой крыша, когда завтра похоже на сегодня — кажется, что жизнь предсказуема и управляема. Что всё зависит от тебя. Но это иллюзия безопасности. Случайность никуда не делась. Мы просто перестали её *видеть*.
Когда философия становится задачей
Какова роль удачи в жизни человека? Как она соотносится количественно с личными усилиями? Можно ли управлять удачей?
Специалисты по управлению рисками скажут, что можно. Но вот что странно: постановка вопроса в контексте *судьбы* конкретного человека мне не встречалась в явном виде. Рисками управляют в бизнесе, в финансах, в авиации. Но не в жизни.
А ведь по сути, если заменить слово «удача» на «вероятность случайных событий с хорошим исходом для конкретного человека» — вопрос перестаёт быть философским. Он становится вполне конкретным. И на конкретные вопросы можно получить конкретные ответы.
По мере изучения я пришёл к выводу, что задачу можно сформулировать ещё шире: как и по каким причинам меняется вероятность появления условий, которые влияют на возникновение удачных обстоятельств в жизни человека?
Мы построили модель, которая пытается ответить на этот вопрос. Компьютерную симуляцию, в которой тысячи «жизней» проживаются от рождения до смерти, с учётом здоровья, богатства, окружения, образования, усилий и — да — случайности.
Что мы обнаружили (и почему это важно для каждого)
Я не буду раскрывать здесь все результаты — для этого есть следующие статьи. Но одно наблюдение невозможно замолчать.
Модель показала, что мир устроен фундаментально несправедливо — и это не чья-то злая воля, а свойство самой реальности. Разрушить всегда легче, чем построить. Потерять здоровье — быстрее, чем восстановить. Потерять деньги — проще, чем заработать. Растерять друзей — иногда это происходит мгновенно. Это не пессимизм. Это физика: энтропия всегда растёт.
И в мире, где разрушение проще созидания, *без подходящего стечения обстоятельств* даже максимальные усилия обречены. Как вода, текущая в гору — можно качать сколько угодно, но если труба дырявая, до вершины дойдёт не вся.
Но модель показала и другое — нечто обнадёживающее. Существует свойство, которое наши предки, возможно, и называли «удачей»: способность восстанавливаться после ударов и замечать открывающиеся двери. В модели это называется «адаптивность». И вот что удивительно — она растёт от преодолённых трудностей. Те, кого жизнь била, но кто не переставал пытаться, *объективно* оказывались в лучшем положении, чем те, кто жил в комфорте и не прилагал усилий.
Викинги знали это две тысячи лет назад. Модель подтвердила математически.
---
Это первая статья из цикла четырёх, где будет описан путь от постановки задачи, тяжёлого пути калибровки модели на реальных цифрах о нашей цивилизации и её реализация. Все статьи готовы, но хотелось бы получить обратную связь для их корректировки.
Цель этой статьи — понять, насколько это интересно *вам*.
А для наиболее любопытных — [вот ссылка «поиграться» с моделью](https://sim.ax5a.ru/).
По любому же многое в этой жизни задавались вопросами, наподобие: "зачем мы это делаем? Для чего мы это изучаем? Зачем это вообще нужно? ..." И я тоже задавался подобными вопросами, когда изучал много разных тем, в том числе "дифференциальные уравнения" в универе на 1-2 курсах. И не хотел погружаться, потому что: а) это было реально непонятно для чего; б) показывали сложные исчисления, формулы, расчеты; Как итог было скучно.
Сейчас же я вам постараюсь рассказать смысл этих дифференциальных уравнений (далее по тексту - дифф.ур) или же какую они играют важную роль в нашей жизни. А вернее - важную роль при развитии современных технологий, цифровизации и т.п.
Сразу скажу, что я не прям математик и отличник, но постараюсь своими словами, свой логикой донести до вас своё представление.
По сути математика как и любая другая дисциплина позволяет взглянуть на наш окружающий мир с разных сторон, описывать его с разных взглядов, и поэтому каждый человек его воспринимает по-своему (кто к чему как говорится склонен). Математика в свою очередь позволяет описывать процессы, явления в этом мире в виде формул, в виде каких-либо закономерностей, показывать вероятность событий в числах, собирать статистические данные и осуществлять прогнозирование и т.д. И в первую очень это нужно тем, кто двигает прогресс, кому нужны расчеты и исследования (научные кадры, инженеры).
Если же обычные уравнения описывают простые статические закономерности, например: простая формула движения машины (т.е. через сколько времени ты приедешь к пункту назначения, выдерживая постоянную скорость); или радиальная скорость вращения минутной стрелки (т.е. через 60 секунд минутная стрелка сместится на 360/60 градусов).
То дифференциальные уравнения позволяют описывать систему ЦЕЛИКОМ (в идеале конечно же), т.к в жизни имеются переходные процессы. Соответственно, когда заходит речь о динамике - статистические уравнения становятся сложнее, приобретая вид дифференцированных. Суть переходного процесса заключается в том, что мы переходим от одного статического положения к другому статическому.
Например (№1), ехали с одной скоростью (статическое движение), разогнались до другой скорости и продолжили ехать дальше с новой установленной скоростью (снова статическое).
Хотя в жизни это практически никогда не случается, ибо любое внешнее воздействие выводит систему из равновесия.
Простой пример (№2). Небольшая горочка или ямка, небольшой перевозимый груз или плохое топливо, тепло на улице или холодно (как внешние факторы) хотя бы минимально, но будет влиять на скорость машины, на расход топлива, на температуру двигателя, и эти процессы в real life никогда не будут статичными, и всему этому в математике как раз дается описание этим явлениям в виде дифф.ур. А организм - это вообще целый ансамбль переходных процессов внутри человека (динамичный и попрой непредсказуемый, биохимия и образ жизни дают о себе знать).
Так вот вернемся к дифф.ур. В одном дифференциальном уравнении зашито БЕСКОНЕЧНОЕ количество обычных уравнений, поэтому я и сказал ранее что дифф.ур. - это описание ЦЕЛОЙ СИСТЕМЫ, которая будет зависеть не только от НАЧАЛЬНЫХ УСЛОВИЙ, но и иметь какие-то свои КОЭФФИЦИЕНТЫ, которые будут охарактеризовать динамику переходного процесса (резкость графика функции, её крутизну, импульсивность и т.д).
Пример (№3). У нас есть график скорости машины (зависимость скорости от времени). Найдя производную в одной какой-нибудь точке, можно определить тем самым ускорение машины (конкретно в тот момент времени). Величина ускорения при этом будет охарактеризовываться величиной угла наклона касательной к оси х в этой точке. Но найдя первообразную этого же ускорения, выполняя тем самым обратное действие (как это делается при решении дифф.ур с нахождением интеграла), мы сможем построить ТОЛЬКО линейный график функции. И что нам потом этот линейный график даст? Да ничего путного! Это просто прямолинейный график, в котором мы знаем только угол наклона, который можно построить где угодно на плоскости, на любой высоте (относительно координаты х и y).
Поэтому при решении дифф.ур (при нахождении интеграла) появляются как раз те самые непонятные константы (С), которые гласят о том, что уравнений может быть бесконечно, и эти константы позволяют (если рассматривать данный пример) устанавливать конкретное положение прямой на графике.
И теперь для того, чтобы попасть в нужную нам исходную точку, нам необходимо найти эту самую константу, а для этого потребуются исходные данные (начальные условия) в виде скорости V и времени t в исходной точке. Попадая в эту точку, мы находим частное решение (уравнение со всеми известными коэффициентами). Что нам может дать это частное решение в данном случае? Спрогнозировать какая будет скорость за ближайшее время (в данном случае это через 1-3 секунды). Но как вы понимаете, это далеко не точные данные, т.к. первоначальный график был не линейный, а хаотичный. С помощью одной проведенной такой процедуры мы не построим исходный график движения, мы лишь его охарактеризовываем только в один какой-то конкретный момент времени.
Какой мы можем сделать из этого всего вывод. Общее решение дифф.ур. — это когда мы находим бесконечное количество уравнений у системы, а частное решение — это когда среди всех полученных уравнений мы находим то самое, которые нам нужно исходя из начальных условий.
Теперь для наглядности продемонстрирую самое настоящее дифф.ур. на простом бытовом примере. По каким законам у нас происходит остывание воды в кружке? Как вы понимаете, этот процесс не линейный и к тому же зависит от множества внешних факторов. В качестве таких внешних факторов выступают как минимум: объем воды, теплоёмкость жидкости (молока, воды, киселя), конвекция воды (соответственно накрыта ли кружка блюдцем или нет), испарение (влажность в комнате), теплопередача кружки (фарфор, пластик, алюминий), температура комнаты, площадь поверхности, и т.д. Под последним подразумевается, что если мы перельем горячую воду из кружки в противень, то она остынет намного быстрее, т.к. она растекается по большой площади. Поэтому чтобы описать процесс одним простым уравнением (не дифф) - нужно соблюсти ВСЕ вышеуказанные внешние условия, и подобрать все подходящие коэффициенты, но это как вы понимаете практически нереально. Поменяется чутка объем - закон изменения уже будет немного другим, а это соответственно новое уравнение. Так вот вся эта система будет описываться следующим уравнением:
dT/dt = -k(T-Tкомн)
Как я читаю это уравнение: "изменение температуры dT по изменению времени dt (или же скорость изменения температуры) равно крутизне графика", где "показатель крутизны зависит от коэффициента k и разницы между температурами". Другими словами, чем больше разница между температурами, тем круче будет график и тем быстрее значит остынет вода и наоборот. Поэтому приближаясь к комнатной температуре вода начинает остывать очень медленно.
Что такое dT/dt? Буква d - означает ПРОЦЕСС изменения (в моём понимании). Если мы просто проведём касательную к графику и достроим треугольник, то угол наклона как раз будет описываться коэффициентом T/t, что соответствует прямой y=kx+b, где b мы принимаем за ноль (т.к высота графика относительно оси y не влияет на данный анализ), y - это температура Т, х - это время t. Теперь давайте попробуем визуально начать увеличивать треугольник, и как вы понимаете процесс его увеличения никак не влияет на этот коэффициент T/t, т.к пропорции треугольника остаются прежними, и угол остаётся тем же. А если наоборот его уменьшать до бесконечности? Всё равно даже у этого милипи*дрического треугольника, у которого стороны T и t стремятся к нулю, пропорции останутся теми же, угол будет тем же, и коэффициент соответственно не поменяется и будет тоже прежним. И вот как раз этот dT/dt и охарактеризовывает угол наклона графика относительного этого достроенного маленького до бесконечности треугольника (если это можно так выразиться в простых словах). Т.е., другими словами, dT/dt - характеризует угол наклона графика в той самой точке.
Теперь просто вбиваем написанное выше уравнение в калькулятор и выводим результат (нет смысла изъё*ываться ручным счетом). Как решается это дифф.ур. — это не про данную статью, это уже целый курс по высшей математике, расписывать здесь не вижу смысла, я передаю лишь смысл этого всего. Итак, получаем решение
T(t) = Tкомн + (С)*e^(-kt) - экспоненциальная функция
Как выводилась "е" в математике - это тоже другая история. Сейчас это нам не интересно.
И вот у нас из одного диф.ур, описывающего систему, получается множество раличных уравнений, зависимых от времени t, коэффициента k и константы C. Другими словами - уравнение с параметрами.
В качестве константы C у нас будет (To - Tкомн) - в физике это, кстати, будет называться перегревом, где Тo — это температура в нужной нам точке (в той точке, которую мы хотим выбрать для расчета, например 90град.)
Зная все необходимые данные, мы можем построить точную зависимость остывания воды для конкретного случая. И затем можем уже решить простое уравнение в любой точке (любого момента времени t).
И если с константой С, комнатной температурой Ткомн и временем t всё понятно. То, как теперь, собственно, найти ту самую k, зависимую от множества раннее указанных факторов??? Самый простой способ — это провести лабораторную работу у себя дома - измерить температуру естественного остывания воды. Нам лишь нужны точки (замер температуры) в разный момент времени (t = 0, 1, 2, 3 ... 30 мин). Без этих точек у нас не получится вывести дифф.ур.
Все просто: Измерили, забили точки в эксель, построили эмпирический график))
Далее строим второй график только уже не по измеренным данным, а по формуле, указанной выше. Подставляем те же t, а коэффициент k подбираем вручную, чтобы теоретическая зависимость максимально повторяла экспериментальную (эмпирическую).
Теперь повторяем эксперимент с разными кружками, с разным объемом, с блюдцем / без блюдца, подбираем тем самым коэффициент k на все случаи жизни.
Поздравляю! Вы построили тепловую модель остывания воды!
Теперь вы можете не пользоваться термометром, а лишь рассчитывать температуру воды в любой момент времени когда захотите.
Делать конечно же это на постоянной основе вручную и при этом отслеживать тайминг — это само-собой очень муторно и очень неудобно. Однако подобные тепловые модели позволяют избавиться, к примеру от лишних датчиков в различных системах, или же сравнивать расчетные данные с реальными (фактическими), ведь компьютер способен в режиме реального времени производить мониторинг системы, выполнять более миллион операций/вычислений за долю секунды, для компа это не сложно, компу нужны лишь алгоритмы и заданные условия, для этого, собственно, предусмотрены специализированные ПО.
То, что я привёл выше - это лишь сааааамое простое диф.ур, которое имеет только отдалёёёёённое приближение к реальности. На деле же эта система будет выражена в более сложном виде, и скорее всего она будет описываться диф.ур. 2-го или 3-го порядка, система, которую невозможно будет описать в максимальной точности. Все, потому что невозможно в реальной жизни учесть прям все-все влияющие факторы и представить это в виде одной буквы k, как это сделал я для наглядности. В свою очередь эти коэффициенты k в жизни (как ни странно) ТОЖЕ динамичные! И они состоят из множества других коэффициентов, которые по-хорошему надо описывать законами физики /научно-обосновывать, а не тупо подбирать вручную. Поэтому представленное в данной статье дифференциальное уравнение описывает в ПРОСТОМ ВИДЕ систему остывания воды. И описать систему мы можем только в очень приближенном виде.
Так, где же ещё применяются дифф.ур.? Да на самом деле много где:
Расчеты электронных схем, в которых используются конденсатор, катушка, аккумулятор (т.к. эти элементы являются накопителем энергии)
Расчеты тепловых процессов (в двигателях, устройствах, в той же электронной схеме)
Расчеты нагрузок и моментов (в строительстве и проектировании)
Имитация жизненного цикла элементов, приборов, конструкций
Гидродинамика и аэродинамика
Динамичные процессы (разгон двигателя)
Картинки если что я просто в инете взял (не я рисовал)
В общем дифф.ур. позволяют моделировать процессы сложных системах, которые зависят от многих факторов, от начальных условий, процессы, которые можно максимально близко привести в соответствии с реальностью, но не повторять их в точности.
🕰 Биг Бен — один из самых знаковых звуков Великобритании, но никто до сих пор не рассматривал его с математической точки зрения. Теперь мы можем показать, что его величественные удары — не просто акустическое явление, а строгое фазовое удержание, структурированное через интеграл 1213.699.
📘 Как это работает?
✔ Звук — это не просто колебания частот.
✔ Он удерживается в фазовом пространстве, а математическое выражение фиксирует его стабильность.
🎼 Четыре ключевых звука Биг Бена:
🔹 Ми (E) — 329.63 Hz 🔹 Фа-диез (F♯) — 370 Hz
🔹 Соль-диез (G♯) — 415.30 Hz
🔹 Си (B) — 493.88 Hz
📎 Применение интеграла 1213.699:
✔ Ψ(E) = (329.63 × kₚ) × 1213.699
✔ Ψ(F♯) = (370 × kₚ) × 1213.699
✔ Ψ(G♯) = (415.30 × kₚ) × 1213.699
✔ Ψ(B) = (493.88 × kₚ) × 1213.699
🎯 Главное открытие:
✅ Периоды удержания (ф) для Биг Бена составляют 2.32 и 2.53 единиц фазы!
✅ Это доказывает, что его звук удерживается математически, а не просто распространяется как механическая волна!
✅ Теперь можно переводить акустику в точные числовые 3D-модели!
📎 Визуальная модель:
✔ Наглядное представление фазовых спиралей в 3D показывает, как звук организуется в пространстве!
✔ Это открытие можно применять не только для анализа Биг Бена, но и для любых музыкальных структур!
🎼 Практические применения:
1️⃣ Музыкальная теория: Изучение фазового баланса, а не только частотных колебаний.
2️⃣ Архитектурная акустика: Оптимизация звучания зданий через фазовую сцепку.
3️⃣ Историческое архивирование: Перевод знаковых звуков (Биг Бен, соборы, гудки кораблей) в точные математические формы.
4️⃣ Музыкальная инженерия: Расчет акустических примеров через графические 3D-модели. 5
️⃣ Акустика объектов: Получение музыки даже из неподвижных тел, например, из камней или металла!
🚀 Теперь Биг Бен звучит не только в Лондоне, но и в математическом пространстве!
Всем привет, пикабушники! Тут ваш скромный IT-шник, который по стечению обстоятельств (и недосыпа) вляпался в мир бережливого производства и опер эффективности в одной ОЧЕНЬ большой корпорации. Назвать не могу, иначе меня съест корпоративный дракон NDA, но поверьте, масштабы – как у Илона Маска, только без ракет. Пока что.
Сцена: Глухая вахта. Не просто вахта, а ВАХТА. Новый карьер. До фабрики – целых 21 км асфальта (ну, или того, что под него косплеит). Задача простая, как угол дома: решить, сколько здоровенных грузовиков купить, чтоб руда ехала на ДСК (это такая штука, что руду жует и золотишком плюется, если грубо) без перебоев.
Проблема №1 (начало хаоса): Купили машин. Ура? Не ура. Расписания нет. Водители – народ вольный (на вахте так). Началось:
Очереди на заправках – как в Ашане перед праздниками. Грузовики стоят, руда не едет, ДСК тихо плачет в уголке.
Обеденный апокалипсис: Звенит звонок – ВСЕ бросают машины где попало и мчатся жрать. Карьер? Пусто. ДСК? Голодает. Логистика? Умерла.
"А руды-то нет!": И вот он, момент истины – ДСК встал. Как заводной апельсин. Потому что руда не приехала. Руководство нервно курит бамбук. Нам – прилетает. "Ребята, вы там IT-шники, бережливые такие... РЕШАЙТЕ!"
Входим мы (IT + Бережливые Гуру): Смотрим на этот цирк. Константы-то есть!
Время обеда? – Фиксировано!
Средний расход? – Известен!
Скорость? – 20км/ч, груженным, 16 порожним и не смей обгонять! (Правила вахты – закон).
Время погрузки/разгрузки? – Померить можно.
Односторонняя погрузка или двухсторонняя? (Это когда ковш с одной стороны лезет или с двух). Вопрос на миллион (ну, на тонны золота).
Наше оружие:AnyLogic! Царь-симулятор. По сути, берем ВСЕ эти правила, ограничения ("не обгоняй!", "обед строго с 12 до 13!"), параметры машин и строим цифровой полигон.
"Цифровая модель. Ни один грузовик не пострадал (в симуляции)" Кому интересно, пишите, скину подробнее
Что моделировали до усрачки:
График движения: Не "когда водитель проснется", а четко по времени. Рассчитали оптимальные интервалы отправки.
Обеды: Сделали смещенные графики. Не все сразу! Одни едут, другие жуют. ДСК больше не голодает!
Заправки: Распределили заправку так, чтобы не создавать пробки. "Заправляйся, когда логично, а не когда бензин на нуле!"
Погрузка: Симулировали кучу сценариев. Односторонняя? Двухсторонняя? Оказалось, двухсторонняя дает выигрыш в несколько минут на цикл. Каждая минута – золото!
Главный хит – Пересменка! Раньше все начинали/заканчивали в одном месте. Бардак! Смоделировали вариант: "Оставляй машину там, где закончил смену!" (На ДСК или в карьере). Новый водитель приходит ТУДА ЖЕ. Экономия – бешеная! Машина не едет пустой на "базу", а сразу в работу.
Результат (барабанная дробь): После внедрения этого цифрового шаманства...
Среднее количество рейсов с 8-9 поднялось до 10-11! Это +24%, Карл
Что это в деньгах (вернее, в золоте)? Прикинули – это дополнительные 60-70 тонн руды на машину в смену! Представьте эту кучу! Это не просто цифра, это реальное золото, которое теперь не валяется в карьере, а едет на фабрику и приносит бабло нашей неназываемой корпорации. ВАУ-эффект был как от удара кувалдой по пальцу (только приятный).
Финал истории: Бардак победили. Очереди рассосались. ДСК сыт и доволен. Руководство перестало материться (ну, почти). А мы, IT-бережливые ребята, тихо ржем в кулачок, глядя на свои графики в AnyLogic. Вывод прост: даже на вахте, где нельзя обгонять и все хотят есть одновременно, можно навести порядок. Главное – смоделировать этот хаос на компе, прежде чем нести его в реальность!
P.S. А название корпорации? Представьте самое большое, что знаете. Вот примерно так. Анонимность – наше все! Делитесь своими историями спасения производств, коллеги!
Так же рассказываю про энилоджик и будущие кейсы в не корпорации (если будут)
Математическая модель технологической схемы – система математических соотношений, описывающих с требуемой точностью имитируемый объект или процесс (реакцию системы на действия пользователя или инструктора).
Высокая адекватность и универсальность модели тренажера определяет соответствие поведения реальной системы и поведения модели в штатном и аварийном режимах.
Под адекватностью понимается способность модели отражать заданные свойства объекта с приемлемой точностью. Универсальность модели определяется количеством параметров, учитываемых в процессе имитации. Наша компания имеет собственную запатентованную технологию синтеза высокоточных математических моделей, работающих в режиме реального времени.
Мы используем математические модели для моделирования системы в тренажерах для подготовки персонала. Для тренажеров особенное значение имеет идентичность моделируемой среды. Идентичная реальной система – это система, обеспечивающая генерацию модели реальной в соответствии с математической моделью этой реальной системы при помощи программных или аппаратных средств. Идентичность имитируемой системы … это идентичность подачи на основные каналы восприятия пользователя программно- или аппаратно- управляемых воздействий и реалистичной реакции моделируемой среды на производимые пользователями действия.
Итак, что мы сделали....
Разработана технология автоматического синтеза математической модели объекта. Технология повышает качество и технико-экономический уровень создаваемых математических моделей. Поддержка однофазных и многофазных режимов течения жидкости и газа. Точный контроль фазовых состояний веществ во всех элементах модели технологической схемы.
Были созданы следующие модули следующие модули – техническое обеспечение, математическое обеспечение, программное обеспечение, информационное обеспечение, лингвистическое обеспечение, методическое обеспечение, организационное обеспечение, интеграция с другими системами:
математическое обеспечение — совокупность математических методов, моделей и алгоритмов для выполнения проектирования ЦОР (цифровые образовательные ресурсы);
3. Создан и тестируется экспериментальный модуль на основе модифицированного метода решетчатых уравнений Больцмана (LBM)
4. Создан и используется последовательная схема расчетов- на базе решения линейных уравнений для нахождения начальных условий с последующим решением с использованием прямых численных итерационных методов на основе найденного приближенного решения и величины шага.
5. Создана точная модель > 10 полномасштабных установок для различных заказчиков (УПППНГ, УПН, УПХГК и т.д.) с точным соответствием данных по хайсису и юнисиму (отклонения не более 5-7%)
Создано значительное количество математических моделей:
Колонны
Ребойлеры
Турбодетандеры
Двухфазные и трехфазные сепараторы и т.д.
Создана расширяемая библиотека для предоставления компонентного состава. Высокая точность предоставления компонентного состава нефти и попутного газа:
Фракционный состав нефти от C1 до С40+
Метан CH4
Этан C2H6
Пропан C3H8
И-Бутан iC4H10
Бутан C4H10
И-Пентаны iC5H12
Пентан C5H12
И-Гексаны
Гексан C6H14
И-Гептаны
Бензол C6H6
Гептан C7H16
И-Октаны iC8H18
Толуол C7H8
Октан C8H18
И-Нонаны iC9H20
Нонан C9H20
И-Деканы iC10H22
Декан C10H22
Углекислый газ CO2
Азот N2
Сероводород H2S
Разработаны средства высокоточной имитации автоматики (АСУ ТП нижний и верхний уровень)
Имитация управляющих устройств
Имитация датчиков
Имитация алгоритмов контроллеров (ПИД-регуляторы и т.д.)
Имитация системы верхнего уровня (SCADA)
Разработан модуль создания сценариев событий
Линейная и нелинейная структура
Развитые механизмы ветвления сценария
Развитые механизмы задания последствий действий или условий
Простой графический редактор
Связь с математическим описанием объекта
Выполнена поддержка стандартов IEEE1516e, OPC UA, xAPI для взаимодействия с другими системами.
Выполнена интеграция с алгоритмом моделирования процессов, протекающих в электронных схемах SPICE. SPICE (Simulation Program with Integrated Circuit Emphasis). Благодаря полной поддержке данного алгоритма наши тренажеры позволяют выполнять высокоточную симуляцию электрических схем, в том числе:
AC анализ (анализ по переменному току)
DC анализ (анализ по постоянному току) для слабых сигналов
анализ DC transfer curve
анализ шумов
анализ передаточной функции (входное и выходное усиление малых сигналов и вычисление импеданса)
анализ переходных процессов
Выполнена интеграция со свободным открытым программным обеспечением для моделирования, симуляции, оптимизации и анализа сложных динамических систем – OpenModelica, основанным на языке Modelica. Modelica — объектно-ориентированный, декларативный, мультидоменный язык моделирования для компонентно-ориентированного моделирования сложных систем, в частности, систем, содержащих механические, электрические, электронные, гидравлические, тепловые, энергетические компоненты, а также компоненты управления и компоненты, ориентированные на отдельные процессы. По своим возможностям приближается к таким вычислительным средам как Matlab Simulink, Scilab xCos, имея при этом значительно более удобное представление системы уравнений исследуемого блока. Включает блоки:
механики
электрики
электроники
электродвигатели
гидравлики
термодинамики
элементы управления и т. д.
Моделирование в OpenModelica
Примеры использования САПР КИТ
Спасибо за внимание! Буду рад ответить на вопросы.
Итак, продолжаем познавать матанализ в физике. Перед прочтением очень рекомендуется ознакомиться с первой частью, но если коротко, то тезисно напомню: - Функция - зависимость одной величины от другой или других - Производная отражает скорость роста функции, является отношением дифференциала функции к дифференциалу аргумента, сами дифференциалы - бесконечно малые приращения - Интеграл является действием, обратным взятию производным, и в то же время является операцией суммирования бесконечно большого числа бесконечно малых величин - Дифференциальное уравнение - уравнение в котором неизвестной является некоторая функция
Ну а теперь продолжаем
Поскольку мы с вами уже освоили диффуры, интегралы и производные, то сейчас сами по себе они нас интересовать не будут. Будем считать, что если уравнения у нас уже есть, то мы гарантировано можем решить задачу. Сейчас сделаем упор на то как составлять уравнения для задач Общее правило довольно простое: нужно записать известные из физики формулы, которые могут что-то описывать в задаче, ограничения, при этом их должно быть достаточно для однозначного решения задачи, не больше, не меньше. Сходу может быть непонятно: а какие именно формулы подходят, какие такие ограничения надо задавать, как понять, что уравнений достаточно и так далее. Поэтому все эти моменты мы разберем, и разберем на примере, так будет понятнее
И для этого возьмем вот такую задачу:
Звучит задача, конечно, немного страшно. Но это только так кажется. Как я написал выше, нужно записать необходимые формулы и из них искать решение, и для удобства, будем делать это последовательно
И первая формула, что приходит в голову, - второй закон Ньютона для поршня. Действительно, здесь на поршень будет действовать куча всяких сил, под действием которых он будет как-то двигаться, а движение поршня нам как раз и надо описать. Помимо этого, понятно, что двигаться он может только вверх-вниз, поэтому и рассматривать движение стоит только в этом направлении (то есть в проекции на это направление, но об этом чуть дальше). Уже что-то вырисовывается:
Теперь разберемся с силой, действующей на поршень (ну вернее силами, F в уравнении заменится на сумму сил). Поршень находится в поле тяжести, значит на него будет действовать сила тяжести. Также есть внешнее атмосферное давление, которое будет вдавливать поршень. С другой стороны, под поршнем же ведь газ, который тоже будет с какой-то силой его выталкивать. А еще при его движении будет возникать сопротивление. Вот эти 4 силы и будут вызвать движение поршня:
Теперь, как я думаю в уже поняли, нужно узнать, чему будет равна каждая из сил (очевидно, что для полного описания движения поршня нам будет достаточно определить все эти силы: тогда мы будем знать ускорение поршня в любом его положении и, соответственно, сможем из уравнения определить его движение). Ну с силой тяжести все просто, F = mg. С силами давлений (от атмосферы и от газа в сосуде) тоже все довольно понятно: давит и то, и то на поршень в каждой точке одинаково (так как газы однородны), поэтому можно воспользоваться простейшей формулой, связывающей давление и силу: F = pS. Сила сопротивления тоже не сложная, F = rv, в условии ж сказано. Так что слегка перезапишем наше уравнение, и перейдем к проекциям
Проецируем все на ось h
Оставлю примечание насчет проекций. Нам, понятное дело, работать с векторами очень неудобно, поэтому мы их переводим в обычные числа - проекции векторов. Сама по себе проекция получается при опускании перпендикуляров (на картинке ниже), но при этом ее прелесть в том, что она отражает направление вектора. Если он сонаправлен с тем, на что проецируем, то проекция будет положительна, противоположно направлен - отрицательно. Ну а если вектор находится под углом к тому, на что проецируем, то проекция будет меньше, чем длина этого вектора (если что, длина вектора силы равна числовому значению силы, то есть это не совсем привычная длина в метрах и сантиметрах). Короче вот:
Надо будет как-нибудь запилить пост по векторам
Ускорение и скорость проецируются как сонаправленные с осью, на которую проецируем. Это объясняется тем, что проекции скорости и ускорения есть ни что иное, как производные координаты. Проверить довольно легко, просто сверяя знаки проекции и производной при различных направлениях вектора
Вернемся к нашим барашкам. В силе тяжести неизвестных нет, она нам сразу известна. В силе сопротивления есть скорость, но скорость определяется из самой диффуры (искомая функция в дифференциальном уравнении), поэтому ее мы оставляем так. С атмосферным давлением тоже все предельно просто: мы всегда знаем силу его давления, давление и площадь то нам даны) А вот с давлением газа в сосуде сейчас будем разбираться Что приходит в голову в первую очередь, когда мы пытаемся описать газ? Уравнение идеального газа есестно. Поскольку цифры здесь не какие-то экстремальные, то оно будет вполне рабочим, поэтому им и будем пользоваться. Запишем его пока в уме) По условию, у нас еще газ теплоизолирован. Хм... Понятно, что нужно еще какое-то уравнение, которое будет описывать газ без теплообмена. А какое уравнение содержит в себе подводимое тепло? - Первое начало термодинамики, конечно. Из этих двух уравнений мы можем получить третье, уравнение адиабатного (без теплообмена то есть) процесса. Вот вывод, если кому интересно, вообще можно это уравнение и без вывода использовать:
В нем у нас есть давление, объем и какая-то константа. Ну давление мы выразим, а что делать с объемом и константой? С объемом все просто, у нас ведь газ находится в цилиндре, значит, объем его – это площадь основания цилиндра на высоту. То есть на высоту поршня над дном. Снова неизвестная? А вот и нет, высота цилиндра определяет положение поршня, поэтому она у нас перестанет быть неизвестной при совокуплении с первым уравнением (вторым законом Ньютона, оно ж ведь и будет описывать положение и движение поршня):
Ну а что касается константы - какой момент времени мы бы ни выбрали, константа останется константой. То есть, она равна давлению с объемом и в какой-то произвольный момент, и в начальный. А значит мы ее просто напросто заменим на давление и объем в положении равновесия (для них ведь это тоже выполняется). А как посчитать давление в положении равновесия - тоже все просто, у нас ведь поршень должен будет оставаться неподвижен, то есть понадобится еще одно уравнение, для движения, и тут опять таки подойдет 2 закон Ньютона, только в этот раз скорость и ускорение мы сразу занулим, а положение поршня будет таковым, каковым было изначально. Возьмем уже выведенный закон Ньютона и переделаем его под наши нужды, ну а потом запишем наконец силу давления:
У нас в неизвестных теперь остались только характеристики движения, а они определятся из дифференциального уравнения (2 закона Ньютона) Доведем до конца уравнение для поршня. Подставим найденные силы, заменим скорость и ускорение на производные координаты (за координату мы выбрали высоту поршня над дном) и получим, наконец, конечное уравнение:
Буквы h с точками - это как раз скорость и ускорение. Вспомните, как обозначаются производные по времени
И вот у нас получилось нужное нам дифференциальное уравнение. Добавляя к нему ограничения, то есть начальную высоту цилиндра (дана в условии, сумма высоты в равновесии и расстояния, на которое поршень подняли) и начальную скорость (по условию равна нулю), у нас будет достаточно всего для однозначного решения задачи (по сути, задача свелась к одному дифференциальному уравнению второго порядка, для него нужно два начальных условия, поэтому так). Оставлю небольшое дополнение: количество ограничений, нужных для задачи мы определяем путем суммирования порядков старших производных функций. Например, было 2 диффура для функций x(t) и y(t) (сколько диффуров - столько и неизвестных функций), причем в общем в двух уравнениях мы встречаем старшие производные x'''(t) (3 порядка) и y''(t) (2 порядка). Тогда количество ограничений (начальных или граничных условий) будет равно 3 + 2 = 5. Аналитическое решение данное уравнение имеет только при малых изменениях h (попробуйте решить самостоятельно, позже разберем этот вариант), поэтому сейчас воспользуемся численным моделированием и решим это уравнение при помощи Wolfram Mathematica
1/2
Код для численного моделирования и график функции, полученной численным решением
Собсна, задача решена. Также оставлю в виде картинки ее полное решение, вдруг кому так удобнее:
А, ну и еще кое-что красивое - анимация данного процесса (выполнена кстати тоже в Wolfram-е, цилиндр если что серый, а поршень оранжевый):
Выше я упоминал про случай с малым отклонением от положения равновесия. Давайте рассмотрим его (а после поймем, почему это так важно)
Что означает малое отклонение, думаю понятно: поршень колеблется очень близко к положению равновесия. Иными словами, если мы из функции h вычтем h0 (которое соответствует положению равновесия), то полученная величина (она и будет являться отклонением от положения равновесия) будет значительно меньше, чем h или h0 Но что нам дает этот факт? Разность h и h0 значительно меньше самих h и h0, а значит разделив разность на, например, h0, мы получим очень маленькое число, и такая функция может с достаточно высокой точностью считаться бесконечно малой, и к ней можно применять формулы для этих самых бесконечно малых (например, зануление величин более высокого порядка малости для дифференциалов, если забыли, гляньте первую часть :) ). А они позволяют очень удобно преобразовывать уравнения, и сейчас мы как раз на это посмотрим (хотя я выше уже проспойлерил, что для них мы получим аналитическое решение диффуры)
Как я уже сказал, мы будем использовать формулы для бесконечно малых, так давайте сперва эту бесконечно малую получим. Как? Так уже же находили, вычтем h0 из h:
1/2
В последних двух строках мы получаем выражения, которые подставим вместо h
Сама новая функция x не будет являться бесконечно малой. В принципе, это и так понятно, абзацем выше написал, но на всякий случай. Вернемся к задаче и преобразуем дифференциальное уравнение с учетом того, что x/h0 - бесконечно малая:
Что мы видим? - А мы видим линейное дифференциальное уравнение с постоянными коэффициентами, которое крайне легко решается аналитически (надеюсь, все хотя бы краем глаза глянули, как это делается :)?):
Попробуйте на досуге доказать, что решение второй вариант решения (только с косинусом) тоже является решением (делается несложно, подстановкой). Более интересный вариант - доказать что эта же форма является общим решением диффура
А что, собственно, примечательного? Да то, что в этой довольно сложной задаче мы смогли получить ответ не численным моделированием, а в виде формул. То есть мы получили результат не только для конкретных условий, которые заданы в задаче, а вообще для всех возможных, лишь бы начально отклонение было маленьким (кстати, интересный факт, для любых колебаний с малым отклонением от положения равновесия мы можем получить аналитическое решение, попробуйте доказать это на досуге). Да, это решение, конечно, приближенное. Однако оно все же довольно точное, и помимо того, позволяет гораздо лучше исследовать то или иное физическое явление
И обращу внимание, почему это важно. Да, здесь диффур компьютер решает довольно быстро. Но и диффур у нас всего один и только лишь от времени. Попадись нам 3-мерная, да еще и нестационарная задача (речь про диффуры в частных производных), и решение бы мы ждали довольно долго, к тому же такое решение само по себе не получится толком проанализировать. Поэтому в практических задачах важно уметь находить, подбирать какие-либо приближения, которые позволят хотя бы часть задачи из численного решения перевести в аналитическое
Ну а кому интересно удостовериться в точности, вот различие между численным и приближенным аналитическим решениями, вот графики:
1/4
Обратите внимание: даже для нашей изначальной задачи, где отклонение от положения равновесия довольно большое, погрешность составляет не более 10%. Ну а для случаев, где отклонение действительно мало, и того меньше: не более сотой процента. Это, в общем-то, довольно хорошая точность
Ну и приведу еще полное решение картинкой (опять таки, вдруг кому так удобнее):
Что ж, на этом можно закончить мучать поршень с цилиндром) Но я попрошу вас здесь сделать паузу и пробежаться глазами по решению. Обратите внимание на подход: мы сперва записали одно из уравнений, которое должно будет что-то описывать в задаче (закон Ньютона), расписали его для случая в данной задаче. В результате у нас появился ряд дополнительных неизвестных, которые мы последовательно определяли, используя еще какие-либо формулы (сперва раскрыли каждую из сил, затем, так как у нас получилось неизвестным давление, записали формулы для газа, из них нашли давление и подставили в уравнение, и когда неизвестные в уравнении кончились, решили само уравнение). А при рассмотрении малых отклонений - внесли этот факт в уравнение. Думаю, осмысление и понимание этого принципа (записали формулу(-ы) и последовательно избавляемся от неизвестных в ней (них) при помощи других формул) позволит преодолеть такую проблему, как "не понятно, с чего вообще начинать решение". Хотя, конечно, тут еще будет важен опыт, то есть надо понарешивать задачек
Естественно, последовательно записывать и изменять уравнения - не единственный подход. Мы можем рассматривать бесконечно малый элемент какого-то процесса, также возможен вариант, когда мы записываем сразу все исходные уравнения и потом уточняем и редуцируем к более простой (в соответствии с условием). Но о них как-нибудь в другой раз...
Ну а на этом пост подходит к концу. Надеюсь, мне удалось изложить тему понятно, но если остались какие-то вопросы, то смело задавайте их в комментариях
