I ingenjörspraktik delas dessa osäkerheter vanligtvis in i följande typer:
Slumpmässighet är den osäkerhetsfaktor som designers först överväger. Slumpmässighet avser osäkerheten i ett visst utfall av en händelse, det vill säga de olika resultaten av något under samma förhållanden. Detta beror på de otillräckliga förhållandena, vilket förhindrar det oundvikliga orsakssambandet mellan händelser och förhållanden, vilket resulterar i diskreta resultat. Till exempel är belastningen på maskinen, arbetstillståndet den befinner sig i, prestandan för delarna och materialen, livslängden för olika delar och resultaten av varje test som utförs under samma förhållanden.
Luddighet är också en typ av osäkerhet som studeras mycket idag. Luddighet hänvisar till ett objektivt attribut där begreppet själva saken är oklar, det finns ingen exakt definition av kvalitet och det finns ingen exakt gräns för kvantitet. Till exempel "bra" och "dåligt", "utmärkt" och "sämre" i utvärderingen av innovativ design av mekaniska produktprinciplösningar, "normal" och "fel", "stabil" och "instabil", ""Säker" och "osäkra", etc., alla ovanstående visar oklara gränser, det vill säga det sker en kontinuerlig övergångsprocess från den ena sidan av skillnaden till den andra, vilket presenterar ett "det här är också det" tillstånd, det vill säga medlemmarna ingår Det är svårt att avgöra om det överensstämmer med begreppet denna sak, det vill säga det är vagt vilka objekt en uppsättning innehåller.
Osäkerheten i information avser den ofullkomliga information som orsakas av objektiva villkors begränsningar, vilket resulterar i information som beslutsfattare inte kan veta säkert när de fattar beslut. Till exempel, på grund av mätsvårigheter, kan exakta data om slitage, limning, utmattningsgropar etc. av en viss del under drift inte erhållas. Detta är ofullkomligheten i objektiv information. Dessutom orsakas ofullkomligheten i subjektiv kunskap av de otillräckliga bevis som fattas av beslutsfattaren, det vill säga ofullkomligheten av subjektiv kunskap, vilket inte är tillräckligt för att bestämma sakers faktiska status och kvantitativa förhållande, vilket resulterar i oklar subjektiv förståelse . sex. Till exempel, vid utveckling och design av mekaniska produkter, på grund av den prioritet som ges åt teknisk utveckling, kan produktens framtida prestanda inte kontrolleras helt.
bild
Egenskaper för ovanstående tre typer av osäkerheter:
För det första har de alla två sidor. Å ena sidan är denna osäkerhet en objektiv manifestation av saker, såsom materialens fysikaliska egenskaper, materialens mekaniska egenskaper, komponenters dimensionstoleranser, etc.; å andra sidan speglar det människors nivå av att förstå saker. Osäkerheter i subjektiva bedömningar såsom kunskapsnivå och policynivå, beslutsförmåga, erfarenhet, intelligens och kreativitet etc., såsom approximation av belastningar, fördelningsantaganden om strukturell utmattningshållfasthet, modellens verklighetsgrad, arbetsförhållanden. , etc.;
För det andra visar vissa saker en enda osäkerhet, det vill säga en av slumpmässighet, otydlighet och osäkerhet i informationen. Vissa saker visar dock på två eller tre typer av osäkerhet samtidigt;
Slutligen, säkerhetens och osäkerhetens dualitet och enhet. Inom mekanisk design kan ett stort antal fenomen och faktorer beskrivas och bearbetas med traditionella exakta matematiska metoder, bestämda matematiska modeller, exakta mätningar och bestämda värden. Denna typ av deterministisk kvantifiering och noggrannhet har alltid varit nyckeln till mekanisk design. det eftersträvade målet.
På grund av utvecklingen av vetenskap och teknik, särskilt utvecklingen och penetrationen av informationsvetenskap, stärks trenden med tvärvetenskaplig tvärvetenskaplig och omfattande alltmer. Kraven på djupet och bredden av de problem som ska lösas blir allt högre och mer komplexa tekniska problem krävs för att lösas. Och för att lösa relaterade ekonomiska, politiska, resurs-, miljö- och andra frågor finns det många osäkerheter inom dessa områden, exakta matematiska metoder är maktlösa, och suddig matematik, konvexa uppsättningsmodeller och andra inexakta matematiska metoder kan mycket väl beskriva och hantera sådana icke- deterministiska problem.
