 KUTATÁS ÉS MEGÉRTÉS  ELÕREJELZÉS  ÜZEMIRÁNYÍTÁS  TERVEZÉS  STRATÉGIA ÉS SZABÁLYOZÁS  DÖNTÉSELÕKÉSZÍTÉS CÉLOK

Módszertan: dekompozíció és aggregáció AGGREGÁLT MODELL PROBLÉMA & RENDSZER MEGOLDÁS AGGREGÁCIÓ DEKOMPOZÍCIÓ MEGOLDÁS ? DEKOMPONÁLT RENDSZER

 C - KONCENTRÁCIÓ VEKTOR  HIDRODINAMIKAI EGYENLETEK  KEZDETI- ÉS PEREMFELTÉTELEK LEÍRÓ EGYENLET, FELTÉTELEK ÉS MÓDSZEREK (I) C = [C 1, … C i, … C n ]

 C - KONCENTRÁCIÓ VEKTOR  HIDRODINAMIKAI EGYENLETEK  KEZDETI- ÉS PEREMFELTÉTELEK LEÍRÓ EGYENLET, FELTÉTELEK ÉS MÓDSZEREK (I) C = [C 1, … C i, … C n ]

Peremfeltételek Dimenzió

Peremfeltételek Dimenzió

 C - KONCENTRÁCIÓ VEKTOR  HIDRODINAMIKAI EGYENLETEK  KEZDETI- ÉS PEREMFELTÉTELEK LEÍRÓ EGYENLET, FELTÉTELEK ÉS MÓDSZEREK (I) C = [C 1, … C i, … C n ]

D(x,y)=f(v(x,y))

 C - KONCENTRÁCIÓ VEKTOR  HIDRODINAMIKAI EGYENLETEK  KEZDETI- ÉS PEREMFELTÉTELEK LEÍRÓ EGYENLET, FELTÉTELEK ÉS MÓDSZEREK (I) C = [C 1, … C i, … C n ]

 R(C, P) - REAKCIÓ TAG (félempírikus) P - PARAMÉTER VEKTOR P - PARAMÉTER VEKTOR IDENTIFIKÁCIÓ SZÜKSÉGES IDENTIFIKÁCIÓ SZÜKSÉGES HIPOTÉZISEK HIPOTÉZISEK KALIBRÁLÁS ÉS IGAZOLÁS KALIBRÁLÁS ÉS IGAZOLÁS ÉRZÉKENYSÉGI ÉSBIZONYTALANSÁGI ÉRZÉKENYSÉGI ÉSBIZONYTALANSÁGI ELEMZÉSEK ELEMZÉSEK LEÍRÓ EGYENLET, FELTÉTELEK ÉS MÓDSZEREK (II)

QUAL 2E REACTION MATRIX

ÚJ IAWQ MODELL: REAKCIÓMÁTRIX

 R(C, P) - REAKCIÓ TAG (félempírikus) P - PARAMÉTER VEKTOR P - PARAMÉTER VEKTOR IDENTIFIKÁCIÓ SZÜKSÉGES IDENTIFIKÁCIÓ SZÜKSÉGES HIPOTÉZISEK HIPOTÉZISEK KALIBRÁLÁS ÉS IGAZOLÁS KALIBRÁLÁS ÉS IGAZOLÁS ÉRZÉKENYSÉGI ÉSBIZONYTALANSÁGI ÉRZÉKENYSÉGI ÉSBIZONYTALANSÁGI ELEMZÉSEK ELEMZÉSEK LEÍRÓ EGYENLET, FELTÉTELEK ÉS MÓDSZEREK (II) BIZONYTALANSÁGOK

Determinisztikus predikciós módszer Két extrém közelítés: Próba szerencse módszere alias: Empírikus iterációs módszer Tervezési módszer

Próba szerencse módszere Anélkül, hogy tudnánk “miért” lassan megtanuljuk “hogyan“ Példa: Római építmények

A rómaiak...

Próba szerencse módszere Anélkül, hogy tudnánk “miért” lassan megtanuljuk “hogyan“ Meglepő hatékonyság Példa: gótikus építmények

Notre-Dame, Párizs

Próba szerencse módszere Technológiai fejlódések (Kína) Példák: Porcelán Függő hidak szivattyuk …, az európai tudomány megjelenése előtt

A fizika fejlődése görögök (Szokratesz, Platon, Arisztotelesz, Archimedes) Mathematika …arabok Kopernikusz ( ) bolygómozgás Galilei ( ) Newton ( ) Einstein ( )

DETERMINIZMUS e = f(i 1,i 2,…i n ; p 1, p 2,….p n ) ehatás f okozati összefüggés iinput változók pparaméterek

e = f(i 1,i 2,…i n ; p 1, p 2,….p n ) + e = f(i 1,i 2,…i n ; p 1, p 2,….p n ) +  ehatásehatás f okozati összefüggésf okozati összefüggés iinput változóiinput változó pparaméterekpparaméterek  bizonytalanság  bizonytalanság Bizonytalanság:

“nem” tudás: e = f(i 1,i 2,…i n ; p 1, p 2,….p n, )*e = f(i 1,i 2,…i n ; p 1, p 2,….p n, )* f n (i a1,... i an, p a1,…p an ) +  f n (i a1,... i an, p a1,…p an ) +  ehatásehatás f okozati összefüggésf okozati összefüggés iinputiinput pparametérekpparametérek f n ismeretlen okozati összefüggésf n ismeretlen okozati összefüggés  bizonytalanság  bizonytalanság

A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság Tudás hiányaTudás hiánya