Оптимизация деятельности это: Как оптимизировать работу подразделения (универсальный алгоритм)

Автор: | 13.11.2020

Содержание

Как оптимизировать работу подразделения (универсальный алгоритм)

Андрей Коновалов

В компании, численность которой превышает одного человека, как правило, имеются различные подразделения — сбыт, маркетинг, бухгалтерия и пр. Задачи, решаемые этими службами очень различны, различны и принципы их организации и функционирования. Тем не менее, можно описать универсальный алгоритм, который возможно использовать при оптимизации любого подразделения, не зависимо от его назначения и оргструктуры. Этим мы сейчас и займемся.

Что такое оптимизация?

Оптимизация деятельности — это комплекс мероприятий, направленный на повышение эффективности подразделения (или предприятия в целом). Суть этих мероприятий можно выразить известным девизом — «Выше, дальше, лучше!». То есть, в результате предпринятых действий подразделение начинает демонстрировать повышение производительности, снижение затрат и т.д.

Соответственно, если «выше и дальше» не получилось, или, более того, стало «Ниже, ближе, хуже…», то оптимизацию стоит признать неудачной.

Итак, приступаем. Наша задача — описание универсальных этапов оптимизации деятельности подразделения.

Возникновение запроса на оптимизацию

Формальный запрос на оптимизацию может исходить как от руководства компании, так и от руководителя подразделения, ищущего «что бы тут подправить». Соответственно, во втором случае запрос обычно довольно общий, направленный на общее совершенствование системы, а в первом — более конкретный, вызванный недовольством конкретными показателями подразделения. Например, у руководителя компании может возникнуть желание уменьшить расходы конкретной службы. Дескать, слишком много она потребляет. Особенно часто такое желание возникает в отношении подразделений, напрямую не влияющих на экономические результаты компании. Пример — отдел персонала, особенно, если его функции ограничены рекрутингом.

Но желание сократить издержки — далеко не единственный мотив для преобразований. Чаще всего речь идет о том, что подразделение в существующем виде недостаточно эффективно справляется со своими обязанностями.

Формулирование запроса служит запускающим элементом, именно с него все и начинается. И первым этапом в этом действе становится «Определение миссии и экономической функции подразделения»

Определение миссии и экономической функции подразделения

Наверное, этот пункт вызовет наибольшее удивление. Казалось бы, чего же тут определять? Отдел продаж — продает, курьерская служба — доставляет, отдел рекламы — рекламирует. И так далее. Однако, все совсем не так просто.

Начнем с того, что в сегодняшнем российском бизнесе понятийный аппарат более-менее устоялся, а вот с должностными обязанностями в пределах одной должности все еще очень далеко от унификации. Люди, занимающие должность с одним и тем же названием, в разных компаниях могут заниматься совершенно различными делами. Самый показательный пример — маркетологи. Разброс того, что могут вменить им в обязанности — от написания концепции развития бизнеса до личных продаж. То же самое с менеджерами по персоналу. У кого-то — обучение, мотивация, корпоративная культура, а у кого-то — хронический беспросветный рекрутинг. И такой разброс можно найти по большинству компаний.

И именно поэтому, прежде чем что-то улучшать, нужно определить, какое же место это что-то занимает в общем здании компании.

Соответственно, ответ на этот вопрос будет включать в себя:

1. Описание конкретных задач, решаемых на уровне данного подразделения

2. Место подразделения в исполнении общей деятельности компании

3. Определение экономического участия в общей деятельности компании

При ответе на данные вопросы нужно стараться соблюдать максимальную четкость и конкретность формулировок. Все-таки, это делается не «для галочки», поэтому формулировки типа «Всемерно способствовать росту благосостояния компании» тут не уместны.

Ответив на эти вопросы, движемся дальше. И следующим пунктом будет «Определение критериев эффективности».

Определение критериев эффективности

Этот пункт является ключевым. В зависимости от того, что будет избрано в качестве критерия эффективности, и будет строиться вся дальнейшая работа. Как правило, критерии выбираются исходя из задач, определенных в предыдущем пункте. То есть, в основу анализа кладется исполнение «уставных целей» подразделения. Например, определена для службы безопасности задача «предотвращение хищений собственности компании» — значит, количество хищений и будут этим самым критерием для этой задачи.

Таким образом, ранее сформулированные задачи дают нам возможность оценки результативности действий подразделения.

Если же мы сталкиваемся с невозможностью оценки, значит — задачи были сформулированы неверно, в процессе были допущены расплывчато-бессмысленные формулировки, и нужно возвратиться на один пункт назад. На колу мочало, начинай сначала.

Но вот — критерии определены, и следующим нашим шагом будет «Оценка эффективности подразделения»

Оценка эффективности подразделения

Тут все понятно. Берем выбранные критерии эффективности и оцениваем ситуацию по каждому из них. Что-то можно оценивать в числовой форме, что-то по принципу «удовлетворительно/неудовлетворительно». В итоге получаем общий отчет по подразделению, где наглядно представлена ситуация по каждой из поставленных перед ним задач. И, глядя внимательным взглядом на этот отчет, мы приступаем к следующему этапу — «Постановке задач оптимизации»

Постановка задач оптимизации

Очевидно, что этот этап также не вызывает особого труда. Оптимизировать нужно те пункты, которые сильнее всего «провисли» при проведении оценки. Формулировать задачи оптимизации стоит в положительных терминах, т.е. в качестве цели указывать желаемый результат, а не отсутствие нежелательного. Проще говоря, задача «уменьшить средний срок работы по вакансии до полутора недель» — это правильная задача.

И вот теперь, когда все задачи поставлены, начинается самое интересное. А именно — «Мероприятия по оптимизации»

Мероприятия по оптимизации

И, как ни странно, начинаем мы эти мероприятия почти с того же самого, что и пол-страницы назад. То есть — с анализа. Но это уже другой анализ, направленный на выявление внутренних резервов. И начинается он с «Составления общего списка функций внутри подразделения»

Составления общего списка функций внутри подразделения

Данный список ближе всего к подробной должностной инструкции, с той разницей, что делается для всего подразделения в целом. Но для простоты его стоит разбить в соответствии с отдельными должностями. Таким образом, мы получаем детальный перечень функций, исполняемых сотрудниками подразделения. И идем дальше.

Оценка успешности исполнения функций

Здесь мы, опять же, проводим оценку. Но уже не в общем, как раньше, а по каждой из функций. И получаем наглядную картину — какие именно функции хромают и как они распределены среди сотрудников.

В самом простом случае выясняется, что все сбои происходят у одного человека и правильное решение — этого человека заменить. Но такая ситуация — самая невероятная, поскольку этого саботажника было бы видно и безо всяких исследований. Поэтому, скорее всего, «провисающие» функции будут равномерно распределены среди сотрудников отдела.

Если же выясняется невозможность оценки выполнения функций — стоит всерьез задуматься над существующей системой контроля и тем, существует ли она вообще.

Определение зависимости успешного исполнения функций от субъективных факторов

На этом этапе мы определяем, насколько проблемы исполнения связаны с личностными особенностями сотрудников. Например, некто по жизни очень нетороплив и у него постоянные проблемы со сроками исполнения поставленных задач. Соответственно, решением будет изменение его обязанностей в пользу тех, которые не требуют быстрых реакций.

Определение зависимости от факторов внутри подразделения

Главным из внутренних факторов, влияющих на результативность работы, является рабочая атмосфера в подразделении. Причем, к печальным последствиям приводят оба отклонения от середины — как в положительную, так и в отрицательную сторону. Если в подразделении царит атмосфера разобщенности, противостояния и агрессии, то работа, очевидно, будет буксовать в части, требующей межличностного взаимодействия. Однако, с другой стороны, если коллектив сложился «теплый», то большая часть рабочего времени может проходить в неспешных чаепитиях и разговорах «за жизнь».

Другими негативными внутренними факторами являются:

1. Недостаточная автоматизированность процесса (например — ручное заполнение документов, ведение бумажных баз данных и пр.)

2. Дублирование функций сотрудников

3. Нечеткое определение должностных обязанностей

4. Наличие сотрудников с двойным подчиннием

Определение зависимости успешного исполнения функций от факторов вне подразделения

Кроме вышеперечисленного требуется отследить внешние факторы. Часто негативное влияние на результативность подразделения оказывают действие смежных отделов. Например, медлительность отдела закупок может объясняться скоростью, с которой выписанные счета оплачиваются бухгалтерией. Понятно, что в этой ситуации что-то править в закупках особого смысла не имеет.

Другие примеры — за срыв сроков подбора сотрудника или подготовки маркетингового плана могут быть ответственны не отделы персонала и маркетинга, а руководители, в чьи обязанности входило утверждение представленных кандидатов и материалов (некоторые руководители очень любят «взять пару недель на размышления»).

«Темпографическое картирование» — составление карты временных затрат на реализацию описанных функций (наблюдение)

Копаем дальше. Теперь мы должны вооружиться карандашом, тетрадью и секундомером и поселиться в отделе на несколько дней. В результате этого сидения мы получаем картину использования рабочего времени в отделе — кто, сколько и на что тратит. Иногда выясняются странные вещи. Например, может оказаться, что большую часть рабочего времени сотрудники ходят в коридор к установленному там общему сетевому принтеру и потом ищут свои документы по другим отделам (куда их случайно утащили из общей стопки).

В любом случае, данные мы получаем ценные. Из них сразу становится видно, куда уходят годы нашей жизни.

«Темпографическое картирование» (опрос)

Сразу после наблюдательной акции проводим с аналогичной целью опрос. Предлагаем сотрудникам высказаться по поводу того, на что они тратят большую часть своего времени. Высказывания сводим в таблицу, таблицу соотносим с данными наблюдения.

Внесение предложений по улучшению (опрос)

Еще одно демократическое мероприятие. Предлагаем сотрудникам высказаться на тему «Что вам мешает в работе отдела и что можно улучшить?» Результаты совсем не обязательно будут поражать глубиной анализа (кого-то напрягает лишь отсутствие мыла в туалете), но, в любом случае, прислушаться к мнению «народа» стоит.

Поиск возможностей консолидации однотипных функций

Аналитический этап можно считать законченным, и теперь мы приступаем непосредственно к улучшениям. Первым из них будет «Поиск возможностей консолидации однотипных функций». Смысл этого мероприятия в том, что однотипные функции, отнимающие время у различных сотрудников, поручаются отдельному работнику. Примеров таких решений масса. Это и автоответчик, либо секретарь, рассказывающий дорогу до офиса, на которого переключают абонента в конце разговора. Это и оператор ПК, который в бухгалтерии занимается вводом первичных документов, избавляя от этой рутины более квалифицированных специалистов. Это и «телемаркетологи» — обзвонщики в отделах продаж, и ресечеры в кадровых агентствах. И много каких вариантов еще.

Консолидация функций дает возможность экономить время дорогих специалистов и повышать общую производительность труда отдела.

Поиск возможностей автоматизации

Автоматизация — конек современного бизнеса. Действительно, в бизнес-процессе типичной организации есть масса «узлов», подлежащих переводу в цифровой формат. Соответственно, эти узлы нужно выявить и придумать, как бы поставить автоматизацию на службу человеку. Внедрение авоматизации в отделе может повысить производительность труда до 100%, за счет избавления сотрудников от рутинной работы и сокращения времени на коммуникации и поиск требуемых документов.

При поисках возможностей автоматизации стоит ориентироваться на общие потребности компании. Если в планах компании стоит приобретение единой системы управления бизнес-процессами, то возможно, проблемы отдела будут ею решены. Если внедрения общей CRM не планируется, — возможно стоит приобрести или создать какое-то типовое решение уровня отдела. И, в любом случае, остается возможность автоматизации отдельных функций за счет «самописных» программ, без замаха на «100% цифровое управление отделом».

Поиск возможностей обучения

Данный пункт мы ставим последним, несмотря на то, что во многих отделах персонала «Обучение» идет в первых строчках приоритетов. Однако, обучение обучению рознь. А, поскольку в нашем случае обучение не самоцель, а средство усовершенствования, отметим следующие моменты:

1. Оптимизация работы в результате обучения персонала не всегда возможна, поскольку есть большое количество неучитываемых заранее факторов. К ним относятся — низкая мотивация сотрудников, различная способность к обучению у разных сотрудников, недостаточная квалификация тренера, недостаточная адаптация обучающего курса к требованиям компании и пр.

2. Люди, к сожалению, не очень стойкий материал. Поэтому вложения в обучения оправданы лишь при том условии, что обучаемый сотрудник проработает в компании достаточный срок для «возврата» вложенных в него средств. Однако, так бывает далеко не всегда.

Тем не менее, если исследование выявило потребность в обучении, то обучение должно состояться. Главное условие, которое необходимо соблюсти в данном случае — отслеживание результативности обучения, того, насколько реально изменилась эффективность работы подразделения.

Экономическая оценка перспективности оптимизации

Итак, после того, как варианты оптимизации подобраны, мы подходим к самому неприятному моменту. А именно — необходимо оценить затраты на проведение этих мероприятий и сравнить их с прогнозируемым экономическим эффектом. Почему этот этап мы называем самым неприятным? Да потому, что именно тут может выясниться несопостовамый масштаб затрат и приобретаемых выгод. В том смысле, что затраты большие, а выгоды — увы. Но, тем не менее, именно этот этап является определяющим, каким именно преобразованиям стоит дать «путевку в жизнь». И, как бы это ни было горько, стоит безжалостно отказываться от «улучшений ради улучшений» — преобразований, не окупающих себя. Потому как в долгосрочной перспективе такие «нововведения» приведут лишь к разочарованиям.

И на этом, собственно, все. Почти все. Потому как после внедрения выбранных решений нужно будет еще оценить их эффективность. Но это уже возврат в самое начало нашего рассказа — «Оценка эффективности подразделения».

Успешных Вам оптимизаций!

Читайте нас в Фейсбуке и ВКонтакте. Самая быстрая HR-рассылка

условия копирования

Оптимизация управления процессами предприятия: методы и задачи

Оптимизация управления предприятием – это процесс нахождения и введения в работу оптимального решения.

Основной задачей оптимизации управления организацией является выведение конечного результата управления объектом. Ее основная цель – повысить эффективность деятельности получить при этом наибольшую прибыль. А для достижения цели необходимо выявить и ликвидировать или исправить замедляющие факторы.

Виды оптимизации

Оптимизация управления предприятием может подразделяться на оптимизацию:

  • системы;
  • финансовой деятельности;
  • персонала;
  • информационной системы менеджмента.

Проходит оптимизация в несколько этапов. Первоначально необходимо собрать всю информацию об управленческой системе. На основе собранных данных, подготавливается и разрабатывается система мер и рекомендаций, направленная на усовершенствование. Заключающим этапом является внедрение разработанных мер.

Оптимизация управления отдельными процессами

Оптимизация управления процессом осуществляется по определенным критериям: стоимости, продолжительности, количестве транзакций и т. д. Ее целями считается:

  • повышение управляемости предприятием;
  • увеличение качественного показателя произведенной продукции;
  • снижение зависимости предприятия от человеческого фактора;
  • внедрение системы контроля за результатом;
  • снижение издержек производства;
  • рациональное распределение полномочий и ответственности между предприятиями;
  • исключение повторяющихся функций между подразделениями;
  • снижение длительности производственного цикла и т. д.

Основные задачи оптимизации управления зависят от цели, которую рассчитывает получить руководитель предприятия при решении этой задачи.

Оптимизация структуры управления

При изменении ситуации на рынке предприятиям необходимо подстраиваться, совершенствуя имеющуюся систему. Для правильной расстановки кадров используется оптимизация структуры управления, которая в своем анализе учитывает профессионализм сотрудников, их компетентность и т. д.

Структурные изменения способны решить такие задачи:

  • утерю и утрату непродовольственных расходов;
  • улучшить эффективность в распределении капитала;
  • улучшить качество работы с новыми клиентами и наладить деловое общение со старыми;
  • избавление от некомпетентного персонала, путем перегруппировки.

К первым признакам необходимости изменений на предприятии можно отнести:

  • расширение штата;
  • рост числа подразделений;
  • территориальная удаленность подразделений;
  • плохо развитая система информирования.

Внимание: все выше перечисленные признаки могут привести к замедленному и некачественному принятию и исполнению решений, к появлению бесконтрольных аспектов деятельности, к нестабильной психологической обстановке в коллективе и т. д.

Вовремя оптимизированное управление позволит избежать всех этих негативных последствий.

Что дает оптимизация управления персоналом

Все организации имеют в своем плане счетов статью расходов на обслуживающий персонал, куда включена не только зарплата сотрудников, но и затраты на повышение квалификации, предоставление социальных льгот и т. д.

Оптимизация управления персоналом на основе всестороннего анализа позволяет сократить эти расходы не ущемляя при этом интересы работников.

Важно: выявить недостатки на какой-либо стадии производства или в какой-либо деятельности – еще не значит, что все сразу же наладится. Для восстановления прежнего функционирования понадобится разработать алгоритм действий, позволяющий исправить или направить ситуацию в этой сфере в нужное русло.

Методы, анализирующие управление

Для выявления наиболее оптимального решения используются различные методы оптимизации, учитывающие большинство факторов, влияющих на управление. Многим отдельным факторам, которые важны при принятии решений, невозможно дать количественную характеристику, а некоторые из них являются практически постоянными и не изменяются.

Все методы, независимо от направления, представляют собой сравнительный анализ количественных или числовых показателей. Их использование, становится возможным дать ответ на важные вопросы, возникающие у руководителей предприятий, такие как:

  • в какой степени обоснованно решение;
  • насколько оно лучше;
  • по какому критерию оптимальности выбрано решение;
  • в какой степени учтены определяющие факторы.

Методы, в зависимости от числа параметров, подразделяются на одномерные и многомерные. Они, в свою очередь, в зависимости от применения производных, подразделяются еще на несколько типов.

Для совершенствования не целого предприятия, а некоторых его направлений, применяются другие методы:

  • исключения;
  • упрощения;
  • стандартизации;
  • ускорения;
  • изменения;
  • выделения и включения.

Наиболее подробную информацию о методах можно получить в компании «Арбор Прайм». Здесь квалифицированные специалисты, основываясь на своих знаниях и опыте, смогут предложить IT-услуги по автоматизации бизнеса, способные повысить эффективность деятельности предприятий, заводов и магазинов.

Обращение к автоматизации производственных процессов позволит предприятию получить большую прибыль, снизить зарплатные расходы с улучшением качества работ, заранее просчитать рентабельность любого заказа, снизить излишнюю трудоемкость и обезопасить хранение информации.

Как оптимизация бизнес-процессов помогает преодолеть хаос в работе

Оптимизация бизнес-процессов и систем компании

Как и когда оптимизировать бизнес?

Оптимизация деятельности предприятия – это комплексная работа, которая включает оптимизацию процессов, структуры, системы управления и других систем предприятия. Мы рекомендуем делать её в такой последовательности:

1

Настоящую оптимизацию работы предприятия нужно начать с формулирования цели, определения желаемого результата и показателей для его измерения. Как правило, если речь идёт об оптимизации бизнеса в целом, на этом этапе создаётся стратегическая карта, содержащая систему целей предприятия и систему показателей для их измерения.

2

Затем нужно перейти к оптимизации бизнес-процессов. Из них в первую очередь оптимизируем основные, так как именно они дают результат (основные бизнес-процессы — это те, которые связаны с получением заказов и их выполнением). А затем уже управленческие и последними — вспомогательные.

Исключение — для случаев, когда есть очень затратные и сильно неэффективные вспомогательные или управленческие процессы , тогда начинаем с них.


Важным условием оптимизации бизнес-процесса является его стабильность, то есть достижение нужного результата определенным способом. Если процесс нестабилен (срывы сроков, процесс каждый учатсник выполняет по-своему, конфликты и т.п.) — то сначала нужно его упорядочить, регламентировать, даже если нормой являются несколько путей выполнения процесса (план А, план Б и т.п.).

Каковы основные шаги при работе с процессом?

→ формулирование требуемой цели (что такое оптимально, какой результат нам нужен),
→ измерение и учет результатов (в том числе ведение статистики и промежуточных результатов) для измерения продвижения,
→ анализ оптимизируемого бизнес-процесса (подробнее, на что аналзируем см. в описании услуги оптимизации бизнес-процесса),
→ изменение оптимизируемого процесса,
→ отслеживание результатов
Цикл последних трёх шагов может повторяться несколько раз.

3

Затем — изменение системы управления. Сначала меняем процессы предприятия, делаем их эффективнее, проще, быстрее — а потом смотрим, что необходимо изменить вследствие этого в структуре, системе мотивации, движении инофрмации, учёте и др. Соответственно, оптимизация организационной структуры производится не в качестве первого шага, а исходя из новой системы бизнес-процессов предприятия.


Два подхода к оптимизации

Есть два «полюса» подходов к оптимизации
1.   Реинжиниринг. Подчас это радикальная переделка процесса или системы.
2.   Постепенное усовершенствование. Например, здесь можно использовать принципы бережливого производства.

Эти подходы можно сочетать в рамках одного проекта по усовершенствованиям.

Построение и оптимизация систем

После того, как выполнено предыдущее (или прямо во время проекта по оптимизации), полезно выстравивать системы процессов

Чем система учёта отличается от просто учёта? Наличием синергетического эффекта: тем, помогают ли друг другу её отдельные части или мешают.

В связи с этим полезно создавать и совершенствовать системы процессов в своей компании:
•   Оптимизация документооборота
•   Оптимизация системы учета
•  Оптимизация системы мотивации
•  Оптимизация системы контроля (информации, безопасности, выполнения планов и т.п.)
•   Оптимизация системы управления качеством
•   Оптимизация движения информации

Эти вопросы мы будем раскрывать в наших следующих публикациях.

→ В раздел «Бизнес-процессы» Базы знаний

ОПТИМИЗАЦИЯ ДЕЯТЕЛЬНОСТИ ЧЕЛОВЕКА — это… Что такое ОПТИМИЗАЦИЯ ДЕЯТЕЛЬНОСТИ ЧЕЛОВЕКА?


ОПТИМИЗАЦИЯ ДЕЯТЕЛЬНОСТИ ЧЕЛОВЕКА
— создание таких условий для выполнения деятельности, при которых человек может в максимальной степени при минимальных затратах физических и психологических усилий удовлетворить свои потребности.

Словарь терминов по психологическому консультированию. 2010.

  • ОПТИМАЛЬНЫЕ УСЛОВИЯ ПСИХОЛОГИЧЕСКОГО КОНСУЛЬТИРОВАНИЯ
  • ОПТИМИЗАЦИЯ ПРИНИМАЕМЫХ РЕШЕНИЙ

Смотреть что такое «ОПТИМИЗАЦИЯ ДЕЯТЕЛЬНОСТИ ЧЕЛОВЕКА» в других словарях:

  • ОПТИМИЗАЦИЯ УСЛОВИЙ ТРУДА ОПЕРАТОРА — комплекс мероприятий по созданию наилучших условий деятельности человека оператора. При О. у. т. о. обеспечивается оптимальное состояние работающих систем организма человека, достигается максимальная работоспособность, повышается …   Большая психологическая энциклопедия

  • ОПТИМИЗАЦИЯ УСЛОВИЙ ТРУДА ОПЕРАТОРА — комплекс мероприятий по созданию наилучших условий деятельности оператора. При О. у. т. о. обеспечивается оптимальное состояние работающих систем организма человека, достигается максимальная трудоспособность, повышается надежность деятельности… …   Энциклопедический словарь по психологии и педагогике

  • ОПТИМИЗАЦИЯ — – прогрессивный способ организации, управления, поддержки, содействия развитию (или функционированию) некоторой системы, объекта (или субъекта) с целью достижения идеального состояния наиболее экономным (в смысле ресурсов и времени) и… …   Энциклопедический словарь по психологии и педагогике

  • МУ 2.6.1.1981-05: Радиационный контроль и гигиеническая оценка источников питьевого водоснабжения и питьевой воды по показателям радиационной безопасности. Оптимизация защитных мероприятий источников питьевого водоснабжения с повышенным содержанием радионуклидов — Терминология МУ 2.6.1.1981 05: Радиационный контроль и гигиеническая оценка источников питьевого водоснабжения и питьевой воды по показателям радиационной безопасности. Оптимизация защитных мероприятий источников питьевого водоснабжения с… …   Словарь-справочник терминов нормативно-технической документации

  • Ходьба человека — Сюда перенаправляется запрос «Прямохождение». На эту тему нужна отдельная статья. Ходьба человека наиболее естественная локомоция человека. Автоматизированный двигательный акт, осуществляющийся в результате сложной координированной деятельности… …   Википедия

  • РАБОТОСПОСОБНОСТЬ (человека) — (англ. work capacity) характеристика наличных или потенциальных возможностей индивида выполнять целесообразную деятельность на заданном уровне эффективности в течение определенного времени. Р. зависит от индивидуальных психофизиологических… …   Большая психологическая энциклопедия

  • инженерная психология — (от франц. ingenieur инженер, специалист в области техники) отрасль психологии, исследующая процессы и средства информационного взаимодействия между человеком и машиной. И. п. возникла в условиях научно технической революции, преобразовавшей… …   Большая психологическая энциклопедия

  • Инженерная психология —         одна из специальных дисциплин психологии (См. Психология). И. п. решает следующие задачи: 1) рациональная организация деятельности людей в системах «человек и машина» (См. Система человек и машина), предназначенных для управления и… …   Большая советская энциклопедия

  • Рынок труда — (Labor market) Рынок труда это сфера формирования спроса и предложения на рабочую силу Определение рынка труда, определение рабочей силы, структура рынка труда, субъекты рынка труда, конъюнктура рынка труда, сущность открытого и скрытого рынка… …   Энциклопедия инвестора

  • Интеллектуальный капитал — У этого термина существуют и другие значения, см. Капитал (значения). Эта статья должна быть полностью переписана. На странице обсуждения могут быть пояснения …   Википедия


7 методик оптимизации рабочего процесса, о которых вы, возможно, не слышали

Времени всегда в обрез, а дел всегда невпроворот – это аксиома двадцать первого века. Неудивительно, что человечество находится в непрерывном поиске магического ритуала (или же методики организации рабочего процесса, как их принято называть), который спасет нас всех от цейтнота, дедлайнов, прокрастинации и прочих темпоральных ловушек. Самые действенные из них вам, безусловно, уже известны, однако мы, усилиями своей команды, составили небольшой хит-парад чуть менее распространенных техник, которые нам доводилось успешно применять в работе.

«Проглоти лягушку»


Звучит не слишком аппетитно, но в этом вся и суть. В списке дел на день всегда находятся такие, которые не вызывают у нас никакого энтузиазма, и, по мнению Марка Твена, который и ввел название методики в обиход, начинать работу лучше именно с них. Аргумента в пользу такого подхода как минимум два: во-первых, чем дольше откладываешь неприятное дело, тем тяжелее за него браться, во-вторых, пересилив себя и отделавшись от тягостной повинности, вы получаете заряд позитивных эмоций и мотивации в самом начале дня. В первую очередь метод «проглоти лягушку» подходит, конечно, для прокрастинаторов – он попросту не дает им возможности обратиться к дурной привычке. В значительно меньшей степени он годится для людей с напряженным графиком и массой разноплановых задач: для них намного целесообразнее сортировать дела по другим критериям (срочности, приоритету). Впрочем, для них существуют лайт-версии, построенные на той же идее, но с менее жесткой привязкой к графику – например, рекомендация отводить 15-30 минут в день специально на скучные или неприятные обязанности, которые не вы можете заставить себя выполнять в другое время.
Техника «Workstation Popcorn»

Эта оригинальная техника была разработана Joel Runyon для фрилансеров, владельцев малого бизнеса и прочих людей с относительной свободой действия и перемещения. Первые шаги выглядят достаточно стандартно: разбейте весь объем работы на мелкие задачи, сгруппируйте их в несколько тематических кластеров, определите примерное время выполнения для каждого. А затем – начинайте искать кафе, библиотеки и прочие уютные места общественного пользования в вашем районе. Суть подхода «Workstation Popcorn» в том, чтобы всякий раз переходя от одного кластера к другому, менять локацию. По мнению автора, это помогает максимально сосредоточиться, переключаться между разноплановыми задачами, не смешивая их, и избегать размытия границы между рабочим и свободным временем – распространенная проблема для тех, кто работает из дома. Кроме того, вы больше времени будете проводить в движении и сможете давать знакомым консультации на тему того, где в ваших краях готовят самый лучший кофе.

«Должен, следует, хочу»

Методика от Jay Shirley заманчиво проста. Фактически она сводится к тому, что составляя планы на день, вы держите в уме три вопроса:

  • Что я должен сегодня сделать, чтобы эффективно разрешить текущие задачи?
  • Что мне следует сделать с учетом долгосрочных целей?
  • Что я хочу сделать для собственного удовольствия?

Такая минутка рефлексии с утра помогает вам сбалансировать свой образ жизни и приоритеты. С одной стороны, вы смотрите в будущее, не довольствуясь улаживанием сиюминутных проблем, с другой, не жертвуете срочными и насущными делами в пользу абстрактных перспектив, и наконец – не рискуете перегореть в погоне за продуктивностью. Кстати, вовсе не обязательно всегда поровну распределять время и силы между этими тремя пунктами: в какие-то дни вам наверняка придется почти целиком пустить на текущие задачи, а в какие-то можно позволить себе побольше времени отвести на удовольствия.
[email protected]


Музыка – это не просто послабление и нехитрый способ развлечься без отрыва от производства; она может стать мощным инструментом оптимизации рабочего процесса… если, конечно, правильно подобрана. Исследования показывают, что в качестве фонового шума стоит выбирать знакомую, ненавязчивую не слишком громкую музыку без слов. В частности, хорошо подходят трэки в жанре эмбиент, синтезированные звуки природы, мелодии из видеоигр. Вы можете составить собственный набор любимых записей такого рода или же положиться на вкус системы [email protected], созданной как раз с этой целью. На сайте последней представлена целая коллекция плэйлистов с музыкой разных жанров, которая помогает слушателю сконцентрироваться и задает подходящий ритм. С такой звуковой дорожкой также проще придерживаться графика – выставьте таймер, и перерыв в проигрывании напомнит вам, что пришла пора отдохнуть.
«Не прерывайте цепочку»

Методика от популярного комика Jerry Seinfeld, возможно, запомнилась вам по одной из наших предыдущих статей. Это простая, но действенная схема хороша для тех, кто пытается сформировать новые привычки или более регулярно уделять время каким-либо занятиям. Все, что вам нужно – это календарь (отдельный для каждой привычки) и красный маркер. Если в какой-то день вам удалось выполнить задуманное, отмечайте его крестиком – вот, собственно, и всё. Это чисто психологический трюк: стоит только заработать несколько крестиков подряд, как вам уже захочется делать цепочку длиннее и длиннее. Таким образом запускается процесс самовозобновления мотивации. К недостаткам такого метода можно отнести недостаточную гибкость (скажем, он не учитывает непредвиденные обстоятельства и не дает возможности выделять дни на отдых). Adam Dachis в своей статье предлагает некоторые модификации, которые помогут адаптировать его под все случаи жизни.

«Биологический пик»

В своей книге «Work the System» Sam Carpenter призывает нас обращать внимание не только на «что» и «сколько», но и на «когда». По теории автора (и личному опыту многих из нас), в течение дня наша способность работать с максимальной отдачей сильно колеблется. Работоспособность в каждый момент складывается из трех составляющих: количество энергии, уровень концентрации, степень мотивированности; при этом все они определяются индивидуальными биологическими ритмами. Ключ к эффективному тайм-менеджменту – отследить пики по всем этим показателям и, наложив графики друг на друга, выявить благоприятные и неблагоприятные для работы периоды. Понадобится на это, правда, ни много ни мало три недели, в течение которых следует жить по биологическим часам, не употреблять никаких стимулирующих препаратов и скрупулезно отслеживать и оценивать свое состояние. Однако если у вас хватит на все это терпение, наградой станет возможно намного более осмысленно организовывать свой день и извлекать пользу не только из периодов активности, но и из моментов спада, которые автор советует рассматривать как повод отдохнуть и подкрепиться.

Методика «Flowtime»

LightsAndCandy предлагает своеобразный компромисс между нашумевшей ориентацией на биологические часы и методикой Pomodoro. Несмотря на несомненную эффективность последней, многие находят в ней некоторые недочеты. Самые серьезные из них – фиксированная длина сессий, которая давит, создавая страх цейтнота, и регулярные принудительные перерывы, которые могут прервать состояние потока. Преимущество подхода LightsAndCandy в том, что он позволяет начинать и завершать рабочие сессии более плавно и естественно, не загоняя вас в жесткие временные рамки. Автор предлагает придерживаться следующей схемы действий:

  1. Выберите задачу. Запишите время, прежде чем к ней приступить;
  2. Работайте, пока не ощутите желание сделать перерыв. Снова запишите время;
  3. Решите, сколько минут вам нужно на отдых и выставьте таймер;
  4. Когда время на отдых кончится, начинайте вторую сессию и повторяйте те же шаги.

Возможно, через некоторое время, просматривая записи, вы начнете замечать закономерности: допустим, в утреннее время ваши сессии длятся дольше, чем после обеда или же за продолжительными «перекурами» следуют более длительные периоды беспрерывной работы. Таким образом вы можете постепенно подстраивать режим под собственные биоритмы.
Надеемся, что какая-нибудь из этих семи методик покажется вам стоящей, не сомневаемся, что вы пустите ее в ход с понедельника, и всячески приветствуем обмен опытом в комментариях.

Что такое SEO / поисковая оптимизация?

what is seo chalkboard

Что такое SEO?

SEO означает «поисковая оптимизация». Проще говоря, это означает процесс улучшения вашего сайта для увеличения его видимости для релевантных поисковых запросов. Чем выше видимость ваших страниц в результатах поиска, тем больше у вас шансов привлечь внимание и привлечь потенциальных и существующих клиентов в свой бизнес.

Как работает SEO?

Поисковые системы, такие как Google и Bing, используют ботов для сканирования страниц в Интернете, перехода от сайта к сайту, сбора информации об этих страницах и включения их в индекс.Затем алгоритмы анализируют страницы в индексе, принимая во внимание сотни факторов или сигналов ранжирования, чтобы определить, какие страницы заказа должны появляться в результатах поиска по заданному запросу.

Факторы ранжирования поиска можно рассматривать как прокси для аспектов взаимодействия с пользователем. В нашей Периодической таблице факторов SEO факторы разбиты на шесть основных категорий, каждая из которых имеет вес в зависимости от ее общей важности для SEO. Например, качество контента и исследование ключевых слов являются ключевыми факторами оптимизации контента, а возможность сканирования и удобство использования для мобильных устройств — важные факторы архитектуры сайта.

Алгоритмы поиска предназначены для отображения релевантных, авторитетных страниц и обеспечения пользователям эффективного поиска. Оптимизация вашего сайта и контента с учетом этих факторов может помочь вашим страницам занять более высокое место в результатах поиска.

В отличие от платных поисковых объявлений, вы не можете платить поисковым системам, чтобы получить более высокий рейтинг в обычном поиске.

Почему SEO важен для маркетинга?

SEO — это фундаментальная часть цифрового маркетинга, потому что люди проводят триллионы поисковых запросов каждый год, часто с коммерческими намерениями найти информацию о продуктах и ​​услугах.Поиск часто является основным источником цифрового трафика для брендов и дополняет другие маркетинговые каналы. Большая видимость и более высокий рейтинг в результатах поиска, чем у ваших конкурентов, могут существенно повлиять на вашу прибыль.

Однако за последние несколько лет результаты поиска эволюционировали, чтобы дать пользователям более прямые ответы и информацию, которая с большей вероятностью удерживает пользователей на странице результатов, а не направляет их на другие веб-сайты.

Также обратите внимание, что такие функции, как расширенные результаты и панели знаний в результатах поиска, могут повысить видимость и предоставить пользователям дополнительную информацию о вашей компании непосредственно в результатах.

Разъяснение SEO

Новичок в SEO? Начните с этого быстрого и легкого для понимания видео об оптимизации для поисковых систем. Он быстро расскажет об основах:

Search Engine Land работал с Common Craft над созданием этого видео.

Как я могу изучить SEO?

Для полезного погружения в SEO, наша Периодическая таблица факторов SEO познакомит вас со всеми ключевыми концепциями, которые вам необходимо знать, включая элементы для успешного SEO на странице и вне страницы, а также «Токсины» или тактики, которые могут повредит ваш рейтинг.

what is seo chalkboard

В таблице и сопроводительном отчете также рассматриваются новые вертикали поиска:

Периодическая таблица факторов SEO служит основой настоящего Руководства по SEO. Вместе эти ресурсы помогут вам узнать о SEO и составят основу вашей стратегии успеха.

Search Engine Land. Руководство по SEO

В качестве дополнения к таблице, Search Engine Land’s Guide To SEO более подробно объясняет факторы поискового ранжирования. Он также содержит советы и рекомендации экспертов по SEO по их внедрению для повышения видимости и повышения рейтинга в обычных результатах поиска.

Ссылки на каждую главу Руководства по SEO показаны ниже. Ссылки на главы в нижней части каждой страницы упрощают навигацию по руководству.

Ежедневные новости SEO и советы экспертов по SEO

В дополнение к ежедневным новостям от нашей редакции, Search Engine Land публикует ежедневные статьи от экспертов-авторов, которые освещают вопросы SEO, в основном, с точки зрения перспектив.

Просмотрите канал SEO, чтобы найти самые свежие новости SEO и статьи экспертов.Подпишитесь на и получайте ежедневный электронный бюллетень Search Engine Land , содержащий сводку новостей поискового маркетинга, а также эксклюзивный анализ и полезные сведения.

SEO-библиотека Search Engine Land

В дополнение к общему покрытию SEO, Search Engine Land также имеет области поисковой оптимизации специально для основных поисковых систем:

Также в нашей библиотеке есть раздел How To: SEO, посвященный практическим советам и тактике поисковой оптимизации.

У нас также есть подкатегории, в том числе:

Мы также освещаем технические темы SEO, в том числе текущую серию статей по SEO для разработчиков.

Получайте новости и советы по SEO на свой почтовый ящик

Подпишитесь на нашу ежедневную краткую информационную рассылку, чтобы получать сводку всех последних новостей, советов и тактик, связанных с SEO, от Search Engine Land и других источников по всему Интернету.

,

Краткий обзор интеллектуальных алгоритмов на основе роя для решения задач оптимизации

1. Введение

Оптимизация — это форма математической процедуры для определения оптимального распределения ресурсов запугивания. В последние годы области оптимизации уделяется огромное внимание в первую очередь из-за стремительного развития науки и технологий в области вычислений, связи, инженерии, окружающей среды и общества. Существует несколько типов проблем оптимизации. Два важных класса объектов для большинства задач оптимизации — это ограниченные ресурсы и действия.Ресурсы включают размер земли, мощность завода и торговый персонал. Принимая во внимание, что производственная деятельность похожа на : производство нержавеющей стали , низкоуглеродистой стали или высокоуглеродистой стали ; то, как мы их решим, будет зависеть от обстоятельств, чтобы определить наилучшее состояние уровней активности с использованием имеющихся ресурсов. Все проблемы оптимизации имеют целевую функцию, ограничения и переменные выбора, которые приведут к улучшению приложения или аудитории. Например, компромисс между более быстрым алгоритмом и большим потреблением памяти и наоборот используется, чтобы вызвать наибольший интерес у аудитории [1].

Три категории методов оптимизации, а именно: стохастическая оптимизация (SO), робастная оптимизация (RO) и динамическая оптимизация (DO), представлены в следующих подразделах с выводами о преимуществах и практическом применении каждого из них. техника. Основная мотивация этого исследования вычислений, вдохновленных природой, состоит в том, чтобы определить взаимосвязь, социальное поведение и рост. Эта работа необходима в нынешнем научном сообществе, чтобы использовать использование компьютеров для демонстрации живых чудес, для исследования и улучшения нашей жизни с помощью компьютеров.Это исследование внесет существенный вклад в создание компьютерных решений для широкого спектра природных процессов.

1.1. Стохастическая оптимизация

Процесс стохастической оптимизации (SO) включает случайность в минимизации или максимизации функции и поддается реальным явлениям, которые включают неопределенность и неточность. Случайность может присутствовать либо в виде шума в измерениях, либо в виде случайности Монте-Карло в процедуре поиска, либо в виде того и другого.Некоторые общие методы SO: методы прямого поиска , стохастическое приближение , стохастическое программирование , имитация отжига , генетические алгоритмы и т. Д. и крупногабаритные модели.

Другими словами, эти модели выводятся, решаются аналитически или численно и анализируются для извлечения информации, которая должна быть представлена ​​лицам, принимающим решения [2].SO важен при анализе, проектировании и эксплуатации современных систем. Конкретные применения SO в бизнесе включают краткосрочные и долгосрочные инвестиционные решения, аэрокосмическую инженерию при проектировании ракет или самолетов, разработку новых лекарств и сеть в управлении движением. В реальных приложениях сложно оценить точное вероятностное описание случайности. Если такая информация доступна, стохастическое программирование может применяться как мощный инструмент моделирования. SO имеет преимущество в решении задач за полиномиальное время.Теоретически это гарантирует качество генерируемых решений. На практике SO ограничена своей сильной зависимостью от доступности исторических данных и сложного моделирования [3, 4].

1.2. Робастная оптимизация

Робастная оптимизация (RO) — это довольно новый подход, который имеет дело с неопределенностью данных. Два мотивационных фактора RO: во-первых, модель неопределенности довольно детерминирована и основана на множестве. Эта мотивационная концепция является наиболее подходящим понятием неопределенности параметров во многих приложениях.Второй мотивационный фактор — вычислительная управляемость. Например, для данной задачи оптимизации существует несколько устойчивых версий в зависимости от структуры набора неопределенностей, поэтому важно поддерживать управляемость. Модели классификации для RO включают локальные и глобальные, вероятностные и не вероятностные. В зависимости от характера проблемы этот метод также известен как min-max или наихудшего случая . Он обеспечивает хорошее гарантированное решение для большинства возможных реализаций неопределенности данных.Это также полезно, если некоторые параметры относятся к процессу оценки и содержат ошибки оценки.

Одним из важных понятий при определении и интерпретации устойчивости и результирующих моделей является устойчивость ограничений (устойчивость модели) [5]. Применение RO в инженерии известно как оптимизация робастного проекта или оптимизация проекта на основе надежности , где решения остаются выполнимыми для всех возможных значений неопределенных входных данных. Методология RO применима к каждой общей задаче оптимизации, в которой числовые данные могут быть отделены от структуры задач.Проблема RO заключается в том, что он дает одинаковый вес и значения для всех неопределенных параметров. Преимуществами рецептуры обратного осмоса являются экономия средств и повышение стабильности, качественной и количественной надежности. Практическое использование RO состоит в том, что в большинстве случаев он не увеличивает существенно сложность рассматриваемых задач оптимизации [6, 7].

1.3. Динамическая оптимизация

Динамическая оптимизация (DO), также известная как динамическое программирование, — это процесс поиска оптимального профиля управления одним или несколькими параметрами управления системой.Он используется, чтобы найти возможное количество решений для данной проблемы. Существует несколько подходов к DO, например, на основе вариаций исчисления, работа с оптимизацией с дискретным временем и расширение статической оптимизации. В основном процесс реализации DO включает в себя системный контроллер, критерий производительности и алгоритм для выполнения управления. Два ключевых атрибута DO — это оптимальная подструктура и перекрывающиеся подзадачи [8]. Четыре основных шага при разработке алгоритма DO:

  1. Охарактеризуйте структуру оптимального решения.

  2. Рекурсивно определить значение оптимального решения.

  3. Вычислите значение оптимального решения по восходящей схеме.

  4. Постройте оптимальное решение на основе вычисленной информации.

Преимущество этой парадигмы: она выполняет оптимизацию рекурсивно, разделяя проблемы на набор более простых подзадач. Каждая подзадача решается только один раз, используя подход сверху вниз или снизу вверх.Чтобы облегчить его поиск, применяется метод, называемый запоминание , где решения подзадач индексируются на основе значений его входных параметров, тем самым сокращая время вычислений за счет скромных затрат на пространство для хранения. Практически концепция ДО универсальна и гибка, и ее можно применять для выполнения любых усилий [9].

2. Алгоритмы

Искусственный интеллект (ИИ) рассматривается как регулирование в информатике. Он занимается разработкой и исследованием логически работающих фреймворков.Биологические вычисления, метаэвристика и вычислительный интеллект — типичные примеры алгоритмов из многих частей ИИ. В вычислениях, вдохновленных биологией, используются вычислительные мощности для демонстрации живых чудес. Вычислительный интеллект, который делает упор на стратегию и результат, можно в общих чертах разделить на пять доминирующих областей: интеллект роя, эволюционные вычисления, искусственные нейронные сети, искусственная иммунная система и нечеткие системы. В этой главе мы сосредоточимся на нескольких алгоритмах, основанных на интеллекте роя, которые вдохновлены их естественными процессами.

3. Интеллект роя

Интеллект роя (SI) оценивается как адаптивная стратегия, которая рассматривает коллективный интеллект как поведение без централизованной структуры контроля над тем, как должен вести себя человек. Правила SI просты, самоорганизуются, коэволюционируют и широко применяются в областях оптимизации, методов поиска, исследований по усовершенствованию вычислений ДНК, планирования систем отопления и т. Д. Парадигма SI включает стайку птиц, поиск кукушки, выпас животных и т. Д. стая рыб и др.Однако двумя доминирующими подполями SI являются оптимизация муравьиной колонии, вдохновленная феромонным следом поведения муравья, и оптимизация роя частиц, вдохновленная поведением стаи и роения [10].

Однако дать полный обзор всех алгоритмов на основе роя практически невозможно. В следующих подразделах представлены вдохновение, работа, метафора и эвристика восьми широко известных методов на основе роя. Эти методы были внедрены и внедрены в последнее десятилетие.Также были обсуждены основные проблемы отрасли и их будущие тенденции.

3.1. Алгоритм летучей мыши

Алгоритм летучей мыши (BA) [11] помогает в простоте и гибкости. Он оказался очень эффективным при решении нелинейных и многоцелевых задач. Летучие мыши обладают специальными высокоуровневыми возможностями биосонара (эхолокации), которые используются для обнаружения их добычи, препятствий, обнаружения щелей для ночевок и различения различных типов насекомых.

Эффективность BA зависит от следующих функций:

  1. Автоматическое масштабирование: эта возможность выполняется на основе автоматического переключения с исследовательского направления на локальное нечувствительное использование.

  2. Настройка частоты: изменение частоты осуществляется по эхолокации.

Микробаты — известные примеры среди всех видов летучих мышей. Признак эхолокации микробата используется для моделирования БА. В литературе сообщается о разнообразном диапазоне приложений BA, таких как схема нагружения ядерной активной зоны при инженерной оптимизации, нелинейная экономическая задача диспетчеризации, конструкция стабилизатора энергосистемы, оптимизация размеров каркасных структур, которые состоят из фермы и каркаса, многоуровневое пороговое значение изображения, которое является техника обработки изображений.В контексте обратной задачи и оценки параметров, вычисления летучих мышей использовались при решении численных улучшений, усовершенствовании бесщеточных двигателей постоянного тока и улучшении топологической формы в приложениях микроэлектроники [12, 13, 14, 15].

Есть несколько успешных реализаций BA в SO. В своей работе по стохастическому резонансу для улучшения МР-изображений [16] предложили модель нейрона, которая задействовала свойство многокритериальной оптимизации BA для настройки параметров. В своей работе BA используется для максимизации как коэффициента увеличения контрастности показателей качества изображения, так и средней оценки мнения.Их результаты показывают, что этот метод улучшил дифференциацию серого и белого вещества, что оказалось полезным для диагностики МРТ изображений. В другой работе [17] BA адаптирован с включением двух операций: (1) итеративный локальный поиск и (2) стохастический инерционный вес для улучшения его характеристик с точки зрения точности, скорости и стабильности сходимости. Утверждается, что ВА легко попадает в локальные оптимумы и имеет нестабильные результаты оптимизации из-за низкой способности к глобальным исследованиям. Авторы преодолевают слабые места BA, когда их алгоритм итеративного локального поиска нарушает локальный оптимум, и проводят некоторый локальный повторный поиск, так что BA имеет лучшую способность выходить из локальных оптимумов.В дополнение к их стохастическому инерционному весу, который нарушает уравнение обновления скорости, он увеличивает разнообразие и гибкость популяции летучих мышей. Они доказали свои результаты на основе 10 классических функций тестирования, набора тестов CEC 2005 и двух (2) реальных задач, в которых они завершились улучшением производительности.

Показано, что надежная настройка стабилизатора энергосистемы возможна при использовании BA [18]. В таком сценарии применения обратного осмоса стабильность энергосистемы очень важна.В этой статье предложено ВА для оптимизации коэффициента усиления и нулевых параметров стабилизатора. Они сравнили, что подход BA превосходит метод оптимизации PSO. Оптимизация проводилась с целевой функцией, основанной на смещении собственных значений, чтобы гарантировать стабильность нелинейного объекта в широком диапазоне рабочих условий.

Динамический перцептивный BA [19] используется для оптимизации фильтра частиц для отслеживания нескольких целей. Это пример DO, в котором авторы предложили алгоритм сопровождения нескольких маневрирующих целей и объединили его с BA для оптимизации фильтра частиц, обычно используемого в современной системе слежения за радаром.Их комбинированный алгоритм рассматривает частицы как летучих мышей и имитирует поведение летучих мышей, охотящихся за ними, динамически регулируя такие компоненты системы слежения, как частота, объем и частота пульса. Этот динамический контроль настройки фильтра частиц с добавлением совместной вероятностной ассоциации данных позволил повысить точность отслеживания цели даже в сложной среде.

В других соответствующих приложениях BA использовался в методах интеллектуального анализа данных классификации и кластеризации.BA был применен для группировки информации микрочипов, минимизации промежутка времени изготовления и среднего времени потока для изучения вопросов резервирования магазинов полукровок [20]. В приложении обработки изображений BA использовался для оценки положения всего тела человека. В этом исследовании BA превзошла оптимизацию роя частиц, фильтр частиц и фильтр отожженных частиц. Модель, основанная на летучих мышах, также показала свою эффективность в координации представлений по сравнению с эволюционными и генетическими алгоритмами [15]. В нечеткой логике и других приложениях BA применялся для исследования идеального положения конденсатора для уменьшения неудач в схемах дисперсии.BA и пушистые каркасы также использовались для отображения энергии и изменения энергии в газовой турбине [15].

3.2. Алгоритм светлячков

В настоящее время популяция светлячков превышает 2000. Короткий и ритмичный свет светлячков — поразительное зрелище в небе над тропическими и спокойными местами. Эта природная способность светлячков вдохновила на создание алгоритма светлячков (FA) [21]. Биолюминесценция — это процесс генерации вспышки света. Свет используется для моделирования предупреждающих сигналов.Каждая целевая функция задачи оптимизации представлена ​​различной интенсивностью света. Есть некоторое сходство между FA и бактериальным алгоритмом кормодобывания. Их привлекательность основана на целевой функции, физической форме и расстоянии соответственно. FA может решать задачи дискретной и непрерывной оптимизации. Kwiecien и Filipowicz [22] применили FA для оптимизации затрат систем массового обслуживания. Исследование, проведенное Gandomi et al. [23] доказал, что FA лучше других методов нелинейной оптимизации при проектировании ступенчатой ​​консольной балки.В недавней литературе FA описывалась как эффективная вычислительная процедура для одновременного генерирования нескольких различных альтернатив оптимальному решению [24].

FA имеет широкий спектр приложений с момента своего появления, главным образом за счет простоты реализации по сравнению с некоторыми традиционными подходами. При извлечении изображений на основе содержимого извлечение признаков было выполнено с оценкой евклидова расстояния между пикселями. Однако такой подход требует большей точности, и это побудило [25] использовать FA для оптимизации характеристик изображения.Их работа тесно связана с SO, поскольку потенциальные особенности изображения стохастически обнаруживаются FA. Они сравнили свои результаты оптимизации изображения FA с PSO и GA и обнаружили различия каждой модели с точки зрения точности и запоминания изображения. [26] также применили FA для решения проблемы SO в конструкции линейно-фазового фильтра с конечной импульсной характеристикой (FIR). Дифференциальная эволюция (DE) известна как одна из лучших в использовании для такой задачи. Тем не менее, они доказали посредством моделирования проектирования FIR-фильтров, что FA лучше, чем другие соответствующие алгоритмы (включая PSO и GA).Улучшение зафиксировано не только в скорости сходимости, но и в производительности разработанного фильтра.

Другие варианты FA также нашли свое применение в нескольких различных дисциплинах. [27] предложили гибридный PSO-FA для решения проблемы комбинаторной оптимизации при планировке этажей. [28] представили гибридный метод FA и DE для оценки параметров нелинейной биологической модели. В оптимизации конструкции канализационных труб, [29] был предложен новым метод путем объединения вектора регрессии поддержки и FA, чтобы предсказать минимальную скорость, необходимую, чтобы избежать осадка оседания в каналах трубопроводов.

3.3. Алгоритм оптимизации Lion

Оптимизация Lion (LO) [30] — это популяционный алгоритм, который был вдохновлен социальной системой льва и характеристиками сотрудничества, которые можно описать термином «гордость». Уникальность социального поведения львов делает их самыми сильными млекопитающими в мире. LO моделируется на основе двух уникальных особенностей поведения льва: территориальной защиты и территориального захвата. На основе этих двух вариантов поведения решения LO генерируются в три этапа: (1) различать, является ли каждое решение куба исходным или производным решением; (2) территориальная оборона продолжит оценку и сравнение существующих и новых решений; (3) если существующее решение лучше, чем новое решение, то территориальное поглощение сохранит существующее решение для его дальнейшего улучшения.LO может выполнять огромное пространство поиска для решения задач непрерывной оптимизации с одной или несколькими переменными. Алгоритм LO был проверен с использованием функции Де-Йонга типа 1, и его производительность сравнивалась с эволюционным программированием. Результаты показали, что LO работает лучше, чем эволюционное программирование.

LO все еще находится на ранней стадии применения, оба [31, 32] экспериментировали с его возможностями оптимизации и тестировали его на некоторых задачах оптимизации функций.Оба автора пришли к выводу о высокой производительности гетеродина при оптимизации функций. В то время как [33] продвинул LO дальше, чтобы выполнить кластеризацию данных, используя возможности оптимизации LO. Такой подход к кластеризации данных — серьезная проблема SO. В их работе LO модифицирован с помощью теории дробей для поиска кластерных центроидов данных вместо типичного измерения расстояния.

3.4. Алгоритм оптимизации куриного стаи

Цыплята — общительные птицы, которые живут группами.Алгоритм оптимизации куриного стаи (CSO) [34] был вдохновлен социальным поведением цыплят. У каждой курицы свои законы движения. Ценности приспособленности цыплят идентифицируют себя как петухов, кур и цыплят. Эти личности разделят их на группы. Наиболее приспособленные, самые слабые и промежуточные цыплята моделируются как петух, как цыпленок и как куры соответственно. Иерархический порядок играет жизненно важную роль в группе цыплят, и эта характеристика используется для моделирования алгоритма CSO.CSO был применен для эффективного решения конструкции редуктора скорости. В ходе этого исследования была создана коробка передач, обеспечивающая наиболее эффективную скорость. Исследование CSO было многообещающим. Он был использован для повышения производительности жадного алгоритма [35].

Миграция консолидации виртуальных машин без тупиков оптимизирована с помощью CSO [36]. При такой консолидации служб два отдельных, но взаимосвязанных вопроса размещения виртуальных машин и миграции представляют собой сложную задачу оптимизации.Авторы предложили схему консолидации с использованием CSO, которая превращает проблему консолидации виртуальных машин в оптимизацию упаковки векторов на основе миграции без тупиков. Оптимизация также помогает минимизировать потребление энергии. Предложенный метод достиг более высокой скорости сходимости по сравнению с несколькими другими алгоритмами безтупиковой миграции.

CSO также применяется к классической задаче планирования работы цеха в работе [37]. Усовершенствованная версия CSO также применяется для определения максимальной точки управления отслеживанием точки мощности фотоэлектрической системы [38].CSO также пытается найти применение для дезагрегирования неинвазивных бытовых приборов [39].

3.5. Алгоритм социального паука

Социальные пауки — это организмы, живущие группами. Они одиночки и агрессивны среди своего собственного вида. Их поведение в поисках пищи и их корпорация при выполнении повседневных задач используется для моделирования алгоритма социального паука (SSA) [40]. В SSA создаются два разных эволюционных оператора на основе пола пауков мужского и женского пола, чтобы разделить их задачи по хищничеству, веб-дизайну и спариванию.Этот алгоритм может решать широкий круг задач непрерывной оптимизации, включая минимизацию функции потенциальной энергии молекул [41, 42]. SSA был проверен с использованием стандартных задач эталонного тестирования для изучения его производительности. Был проведен анализ эффективности SSA против оптимизации роя частиц и искусственного пчелиного семейства. Результаты показали, что SSA превосходит другие методы.

SSA нашла широкое применение в недавних исследованиях. SSA предлагается для решения невыпуклой задачи распределения экономической нагрузки [43].Диспетчеризация экономичной нагрузки (ELD) — один из важнейших компонентов управления и эксплуатации энергосистемы. В большинстве современных энергосистем вводятся новые модели энергоблоков, которые являются невыпуклыми, недифференцируемыми, а иногда и прерывистыми; поэтому такую ​​проблему обратного осмоса трудно решить с помощью традиционных математических методов. В этой статье авторы модифицировали SSA в соответствии с характеристиками ELD, и результаты их моделирования показывают, что такая проблема ELD может быть решена с помощью SSA эффективно и действенно.

Другой пример использования SSA для задачи DO предложен в [42] для решения планирования расширения передачи в электроэнергетической системе. Авторы протестировали SSA при решении задачи планирования расширения передачи для трех тестовых систем с 6, 46 и 87 шинами. Они достигли высокой производительности, а также снизили общие инвестиционные затраты.

В многоцелевой задаче оптимизации веб-сервисов, поддерживающих QoS, [44] применил SSA для выполнения оптимизированного выбора множества функций в веб-сервисах, включая доставку сложных задач.Они изучили текущие подходы GA и PSO, чтобы понять, что временные характеристики таких подходов по-прежнему вызывают серьезную озабоченность. Предлагаемый SSA превзошел PSO как по времени выполнения, так и по пригодности.

3,6. Алгоритм оптимизации Spider Monkey

Spider Monkey (SM) [45] — это алгоритм оптимизации, основанный на популяциях, который был основан на интеллектуальных способах паукообразных обезьян для поиска наиболее подходящих источников пищи. Превосходство источника пищи соответствует пригодности раствора.Основные характеристики и стратегии алгоритма SM аналогичны алгоритму искусственного пчелосемья. Функции исследования и эксплуатации позволили алгоритму SM выполнять огромное пространство поиска и генерировать наилучшие возможные решения. Алгоритм SM прост и быстр. Он используется для решения задач численной оптимизации.

Пример применения СМ в непрерывной численной оптимизации можно найти в работе [46]. Они модифицировали SM, чтобы позволить ему решать некоторые задачи оптимизации с ограничениями.Предложенная ими SM была протестирована на четко определенных задачах оптимизации с ограничениями в наборах тестов CEC2006 и CEC2010. Алгоритм получил многообещающие результаты по сравнению с методами PSO, искусственного пчелосемья и DE.

Хотя SM лучше всего подходит для числовой задачи, несколько других исследователей применили его к более широкому кругу задач оптимизации. Оба [47, 48] в своих отдельных исследованиях предложили SM для решения оптимизации антенны. [47] фокусирует свою работу на прореживании концентрических круглых антенных решеток.Хотя такая проблема прореживания является бинарной оптимизацией, исходный SM может не подходить. Следовательно, они предложили свою версию двоичной SM, в которой она должна обрабатывать логические операторы задачи прореживания. Их результаты доказали компетентность и превосходство бинарной СМ по сравнению с существующими метаэвристическими алгоритмами. С другой стороны, [48] применяет SM для синтеза коэффициента линейной антенной решетки и для оптимальной разработки патч-антенны E-образной формы. Они обнаружили, что их SM, по сравнению с традиционным методом решения такой задачи оптимизации, может достигать оптимальных решений с меньшим количеством итераций.

3,7. Алгоритм оптимизации для африканских буйволов

Алгоритм оптимизации для африканских буйволов (ABO) [49] был вдохновлен практикой поиска пастбищ африканскими буйволами в обширных африканских лесах и саваннах. Для моделирования алгоритма ABO используются три специфические характеристики этих животных. Во-первых, у этих животных большой объем памяти. Этот навык позволяет им отслеживать свои маршруты на расстояние до тысяч километров по африканскому континенту. Во-вторых, они общаются между собой, используя две специфические вокализации: «маа» и «ваа», чтобы поддерживать друг друга в выживании.Наконец, африканские буйволы практикуют «демократическую» систему принятия решений.

Информация о прошлом и текущем местонахождении каждого буйвола используется для решения проблемы преждевременного сближения. Область поиска ведущих буйволов и опыт всех других буйволов дополняют стратегии исследования и эксплуатации в ABO. Этот алгоритм использует только параметры обучения, поэтому это простой, но легко реализуемый алгоритм, который гарантирует быструю сходимость. Эффективность и мощные возможности этого алгоритма позволяют решать задачи о ранце.ABO был подтвержден с помощью задач тестирования коммивояжера для изучения его экономической эффективности. Было проведено исследование сравнительного времени процессора для ABO против генетического алгоритма, оптимизации спаривания медоносных пчел, оптимизации колоний муравьев, имитации отжига и адаптивного имитационного отжига с жадным поиском. ABO превзошел все другие методы для получения решений с невероятно высокой скоростью.

[50] использовал ABO для решения хорошо изученной задачи коммивояжера (TSP).Они выполнили ABO по 33 эталонным симметричным TSP и отметили отличное исследование и использование поискового пространства посредством регулярного общения, сотрудничества, хорошей памяти о предыдущих индивидуальных и коллективных подвигах. Они пришли к выводу, что ABO так же конкурентоспособен, как и другие алгоритмы, превосходящие TSP.

В другом примере DO, ABO используется для оптимизации настройки параметров пропорционально-интегрально-производного (ПИД) регулятора [51]. ПИД-регулятор в их исследовании используется для автоматического регулирования напряжения.Было отмечено, что существующие методы метаэвристической настройки оказались достаточно успешными, но авторы хотели улучшить перерегулирование усиления и ошибки установившегося состояния системы. Они получили обнадеживающие результаты с ABO, когда его сравнивали с несколькими другими алгоритмами оптимизации.

3.8. Алгоритм опыления цветов

Цель растений, как и любого другого живого организма, — производить потомство для следующего поколения. Опыление — это процесс переноса пыльцевых зерен с мужского пыльника цветка на женское рыльце.Два типа процесса опыления — это самоопыление и перекрестное опыление. Когда производятся пыльцевые зерна, опылители распространяют их среди цветов для локального или глобального потока опыления. Процесс передачи пыльцевых зерен от тычинок к органам, несущим семяпочки, во время опыления используется для моделирования алгоритма опыления цветов (FPA) [52].

Предположение о текущей версии FPA: каждый цветок производит только одну гамету пыльцы. Временная сложность FPA меньше; поэтому он гибкий и простой в реализации.В области проектирования конструкций было проведено исследование для оценки оптимизации затрат на трубчатую колонну при сжимающей нагрузке с использованием FPA в сравнении с алгоритмом поиска кукушки, нечеткими правилами и методами инженерной оптимизации. Результаты показали, что FPA — самый эффективный метод, а сходимость алгоритма очень эффективна. Этот алгоритм применялся для решения задач непрерывной, одноцелевой и многокритериальной оптимизации. В дальнейшем его можно улучшить для применения в областях сжатия изображений и раскраски графиков.FPA успешно решила проблему согласования формы на основе относительно новой ветви, называемой моделью согласования атомного потенциала [53].

FPA применяется к задаче визуального отслеживания в работе [54]. В их модели визуальное отслеживание рассматривается как процесс оптимального воспроизводства цветковых растений. Это типичный пример DO. Затем FPA представляется с вероятностью переключения, которая динамически изменяется в зависимости от номера поколения. Для сравнения отслеживающей способности FPA-трекера также изучаются точность отслеживания фильтра частиц, средний сдвиг и PSO.Сравнительные результаты показывают, что их метод превосходит остальные три трекера. Другие приложения FPA можно найти в работах [55, 56, 57]. [55] предложили FPA для оптимизации задачи SO статической экономической диспетчеризации, включающей ветряную электростанцию. [56] работали над оптимизацией размеров ферм. Опять же, это еще один пример SO. В то время как [57] применил FPA к задаче оптимизации фотоэлектрических параметров. Благодаря их моделированию, FPA рекомендуется как самый быстрый и точный метод оптимизации для процесса извлечения оптимальных параметров после его тестирования на нескольких других методах.

4. Заключение

Все разные существа выживают благодаря своему уникальному поведению и особенностям. Их характеристики скрыты в естественном мире. В этой главе были рассмотрены восемь алгоритмов, вдохновленных естественными методами, в основном из области интеллекта роя. Эти методы становятся все более мощными в численной оптимизации и продемонстрировали замечательную надежность, высокую точность и огромные возможности при решении различных типов задач оптимизации.

Имея дело с проблемами оптимизации из реального мира, теперь нам предоставляется еще больше вариантов выбора алгоритмов благодаря вдохновению от природы, а также постоянному исследовательскому вкладу многих исследователей.Однако чем больше вариантов выбора, тем труднее решить, какой из алгоритмов лучше подходит для решения данной проблемы. Основываясь на теореме о запрете бесплатного обеда, безусловно, не существует единого лучшего алгоритма для каждой проблемы. Сложность, характеристики и разнообразие задач оптимизации означают, что очень маловероятно, что будет один метод, способный справиться со всеми типами задач оптимизации. Это в значительной степени текущее состояние исследований в области оптимизации, несмотря на обилие вдохновленных природой алгоритмов, добавляемых в пул решений.

Забегая вперед, исследовательское сообщество определенно не ищет единого наиболее мощного алгоритма для решения всех типов проблем. В самом деле, мы можем стать свидетелями еще более успешных вариантов алгоритмов, разрабатываемых на основе их нынешних аналогов. Это тенденция, которую мы наблюдаем с тех пор, как вдохновлялось любое введение нового алгоритма. Также возможно, что будет вдохновляться все больше и больше новых алгоритмов оптимизации, учитывая, что обширные неизвестные и непроверенные явления в природе все еще остаются за пределами нашего исследования.

.

Использование методологии поверхности отклика при оптимизации экстракции растительных материалов

, где Y — отклик (зависимая переменная), X 1 и X 2 — независимые переменные, а e — экспериментальная ошибка.

Поверхность отклика — это метод, основанный на размещении на поверхности. Следовательно, основные цели исследования RSM — понять топографию поверхности отклика, включая локальные максимумы, локальные, минимальные и гребневые линии, и найти область, в которой происходит наиболее подходящий отклик [4].

RSM исследует подходящую аппроксимационную взаимосвязь между входными и выходными переменными и определяет оптимальные рабочие условия для исследуемой системы или области факторного поля, которая удовлетворяет эксплуатационным требованиям [5, 6]. Планы Бокса-Бенкена (BBD) и центральные составные конструкции (CCD) — это два основных экспериментальных дизайна, используемых в методологии поверхности отклика [3]. Центральная композитная вращающаяся конструкция (CCRD) и центральная лицевая композитная конструкция (FCCD) также применялись в исследованиях оптимизации в последние годы [7, 8, 9].

Экспериментальные данные оцениваются для соответствия статистической модели (линейной, квадратичной, кубической или 2FI (двухфакторное взаимодействие)). Коэффициенты модели представлены постоянным членом, A, B и C (линейные коэффициенты для независимых переменных), AB, AC и BC (коэффициент интерактивного члена), A 2 , B 2 и C 2 ( коэффициент квадратичного члена). Для проверки адекватности модели используются коэффициент корреляции (R 2 ), скорректированный коэффициент детерминации (Adj-R 2 ) и соответствующая точность; модель является адекватной, когда ее значение P <0.05, неподходящее значение P> 0,05, R 2 > 0,9 и Adeq Precision> 4. Различия между средними значениями можно проверить на статистическую значимость с помощью дисперсионного анализа (ANOVA) [10].

\ n

1.1. Основные и теоретические аспекты RSM

\ n

Планирование экспериментов (DoE) является наиболее важным аспектом RSM. DoE стремится отобрать наиболее подходящие точки, в которых необходимо тщательно изучить ответ. Математическая модель процесса во многом связана с планированием экспериментов.Таким образом, выбор схемы эксперимента имеет большое значение для определения правильности построения поверхности отклика. Преимущества, предлагаемые RSM, можно суммировать как определение взаимодействия между независимыми переменными, математическое моделирование системы и экономию времени и средств за счет сокращения количества испытаний [11]. Однако наиболее важным недостатком метода поверхности отклика является то, что экспериментальные данные подгоняются к полиномиальной модели на втором уровне.Неправильно говорить, что все системы с кривизной совместимы с полиномиальной моделью второго порядка. Кроме того, абсолютно необходимо провести экспериментальную проверку оцененных значений в модели [3].

\ n

На ранней стадии DoE проводятся скрининговые эксперименты. Если существует много переменных, которые мало или больше влияют на ответ, идентифицируются переменные, которые имеют большое влияние на ответ. Поэтому цель состоит в том, чтобы определить проектные переменные, которые имеют большое влияние, для дальнейшего исследования [12].

\ n \ n

2. Применение RSM в оптимизации экстракции

\ n

Использование метода поверхности отклика в исследованиях экстракции в последние годы представляет интерес для многих исследователей [10, 13, 14]. Шаги, которые необходимо выполнить для правильного применения этого метода, показаны на рисунке 1.

\ n
Рисунок 1.

Шаги для методологии поверхности отклика.

\ n

Последние исследования по оптимизации с использованием метода поверхности отклика при экстракции из растительного сырья кратко изложены в таблице 1.Номера независимых и зависимых переменных и схемы оптимизации также показаны в той же таблице.

\ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n \ n
Экстракция Метод экстракции Параметры процесса Метод расчета Зависимые переменные Модель Ref
Лист оливы Экстракция с помощью ультразвука Концентрация растворителя , отношение твердого вещества к растворителю, время экстракции BBD Выход экстракта, общее содержание полифенолов, антиоксидантная активность Квадратичный полином [27]
Оливковые отходы Нетрадиционный метод водной экстракции NaOH, температура, время, масса отходов BBD Общее содержание фенолов, относительная сила цвета Квадратичный полином [29]
Оливковый лист Solvent-fr ee микроволновая экстракция Количество образца, мощность облучения, время экстракции. FCCD Выход олеуропеина и общее содержание фенолов Квадратичный полином [9]
Оливковое масло Экстракция с помощью ультразвука Время ультразвука, температура ультразвука, время малаксации BBD Выход масла, кислотность Квадратичный полином [10]
Оливковое масло Мощная ультразвуковая экстракция Поток оливковой пасты, интенсивность ультразвука, температура фруктов перед измельчением, влажность оливок, содержание оливкового жира BBD Температура оливковой пасты 2FI [ 17]
Оливковое масло Обычная экстракция Время и температура малаксации CCD Кислотность, пероксидное число, K232, K270, общее содержание фенола Квадратичный многочлен [ 32]
Черная морковь Экстракция с помощью ультразвука Плотность энергии ультразвука, температура CCD Соединения антоцианов Квадратичный полином [13]
Лист карри Экстракция с помощью ультразвука Температура, мощность ультразвука, концентрация метанола CCD Выход катехина, выход мирицетина, кверцетин урожайность, антиоксидантная активность Квадратичный полином [20]
Рапсовый шрот Ультразвуковая экстракция растворителем Температура, соотношение жидкости и материала, продолжительность и мощность ультразвука BBD Выход каротиноидов Полином второго порядка (квадратичный) [31]
Gac фруктовая кожура Экстракция растворителем Время извлечения д, температура экстракции, соотношение растворителей BBD Общий каротиноид, антиоксидантная способность Квадратичный полином [30]
Кофе серебристый Экстракция с помощью ультразвука / экстракция с помощью микроволн Время экстракции, температура экстракции CCD Общее содержание фенолов, способность улавливать радикалы, общее количество кофеинхиновых кислот, содержание кофеина Квадратичный полином [ 21]
Бурые водоросли Экстракция с помощью ультразвука Время экстракции, концентрация кислоты, амплитуда ультразвука BBD Общее количество фенольных, фукозных, уроновых кислот Полином второго порядка (квадратичный) [35]
Кожа фундука Экстракция с помощью ультразвука Время экстракции, температура, УЗИ litude CCD, BBD Выход сырого полисахарида, потребляемая энергия Квадратичный полином [25]
Trapa quadrispinosa стержней Экстракция с помощью ультразвука Время ультразвука, соотношение жидкости и материала, температура ультразвука BBD Выход полисахаридов, ферроредуцирующая антиоксидантная способность (FRAC) Квадратичный полином [26]
Sphallerocarpus gracilis корни Экстракция горячей водой, экстракция с помощью ультразвука Температура экстракции, время экстракции, соотношение жидкость-твердое вещество, мощность ультразвука BBD S.gracilis yield Квадратичный полином [33]
Масло семян папайи Экстракция с помощью ультразвука Время, температура, мощность ультразвука, растворитель
до соотношение образцов
SCCD Урожайность, антиоксидантная активность, п-анизидиновое число, пероксидное число, общее значение Квадратичный полином [18]
Гранат масло семян Экстракция с помощью ультразвука Мощность ультразвука, температура экстракции, время экстракции, соотношение объема растворителя и веса семян BBD Выход масла Квадратичный полином [19]

Таблица 1.

Резюме последних опубликованных исследований по экстракции растительных материалов, оптимизированных RSM.

\ n \ n

2.1. Выход

\ n

Выход экстракции — одно из основных свойств, определяющих эффективность экстракции оливкового масла. Этот параметр косвенно учитывает содержание масла в растительной воде и жмыхе [15, 16].

\ n

Выход экстракта определяется как процент экстрагированного оливкового масла от общего веса фруктов (г). Выход экстракции рассчитывается по формуле ниже [10]:

\ n

\ n \ n Выход \ n = \ n \ n \ nЭкстрагированное масло \ n \ ng \ n \ n \ n \ nOlive Fruit \ n \ ng \ n \ n \ n \ n \ nx \ n \ n100 \ n \ nE2

\ n

Aydar et al.использованные плоды оливок ( Olea europaea L. ) из сорта Эдремит, выращенного в районе Мут, были собраны в сезоне 2015 года с индексом зрелости 3,35 для получения идеальных условий для экстракции оливкового масла с помощью ультразвука. Он был направлен на экстракцию оливковых масел первого отжима с низкой кислотностью и высоким выходом с использованием конструкции Бокса-Бенкена для оптимизации параметров экстракции, включая время ультразвука, температуру ультразвука и время малаксации [10].

\ n

В терминах доходности независимая переменная (X 2 ), квадратичный член (X 2 2 ) и интерактивные члены (X 1 X 2 , X 2 X 3 ) были значительными (P <0.05). Модель квадратичной регрессии для AV была следующей:

\ n

\ n \ nYield \ n = \ n7.48 \ n + \ n0.9062 \ n \ n5X \ n2 \ n \ n + \ n0.8875 \ n \ nX \ n3 \ п \ п \ n1 \ п. \ п \ n1X \ n1 \ п \ п \ пХ \ п2 \ п \ п + \ n0.4375 \ п \ п \ пХ \ п2 \ п \ п \ пХ \ n3 \ n \ n− \ n1.3525 \ n \ n \ nX \ n2 \ n \ n2 \ n \ n \ nE3

\ n

Наиболее значительным влиянием на выход экстракции (P <0,05) была температура малаксации среди всех ультразвуковых переменные извлечения. И наоборот, время ультразвука не повлияло (P> 0,05) на урожайность [10].

\ n

Методология поверхности отклика была применена для определения оптимизации нагрева оливковой пасты и того, как на него влияют независимые переменные процесса, включая поток оливковой пасты (Q), интенсивность ультразвука (HPU) (Вт), температуру оливок (OT), влажность оливкового масла (OM) и содержание оливкового жира (OF) по Bejaoui et al.[17]. Они получили модель 2FI (двухфакторное взаимодействие) для температуры оливковой пасты согласно дисперсионному анализу, который показал, что регрессионная модель была значимой для значения P <0,0001. Наиболее значимыми элементами модели были Q, W и условия взаимодействия Q * W и W * OF, основанные на P-значениях менее 0,0001 [17].

\ n

Уравнения второго порядка для выхода олеуропеина показаны в уравнении. (4) [9]

\ n

\ n \ n \ n \ nДоходность \ n = \ n0.62767 \ n− \ n0.029622 \ n \ nX \ n1 \ n \ n– \ n2.60 \ n × \ п \ n10 \ п \ п \ n3 \ п \ п \ п \ пХ \ п2 \ п \ п \ n0.056494 \ п \ пХ \ n3 \ п \ п + \ n4.26 \ п х \ п \ n10 \ п \ п \ n5 \ п \ п \ п \ пХ \ n1 \ п \ п \ пХ \ п2 \ п \ п + \ n5.07 \ п х \ п \ n10 \ п \ п \ n3 \ п \ п \ п \ пХ \ n1 \ п \ п \ пХ \ n3 \ п \ п \ п \ п + \ n2.48 \ п × \ п \ n10 \ п \ п \ n4 \ п \ п \ п \ пХ \ п2 \ п \ п \ пХ \ n3 \ п \ п + \ n1.15 \ п х \ п \ n10 \ п \ п — \ n4 \ п \ п \ п \ пХ \ n21 \ п \ п + \ n2.53 \ п х \ п \ n10 \ п \ п \ n6 \ п \ п \ п \ пХ \ n22 \ п \ п \ n0.013423 \ n \ nX \ n23 \ n \ n \ n \ n \ nE4

\ n

Где X 1 — количество образца, X 2 — мощность микроволнового излучения (МВт), а X 3 — время извлечения. Исследователи обнаружили, что наиболее важным параметром была вторая степень интенсивности микроволн, за которой следовали количество образца, квадратичное время и мощность выхода олеуропеина [9].

\ n

Метод поверхности отклика часто использовался в последние годы для оптимизации экстракции различных масел, отличных от оливкового, включая масло семян папайи и масло семян граната [18, 19].

\ n

Чтобы оптимизировать условия экстракции с помощью ультразвука с последующей ультравысокой жидкостной хроматографией (УВЭЖХ) для достижения высокого содержания катехина, мирицетина и кверцетина, а также высокой антиоксидантной и противораковой активности в экстрактах листьев карри, RSM был применен Ghasemzadeh et al. и др.[20]. Они использовали центральный составной экспериментальный план (3-уровневый, 3-факторный) для определения оптимальных параметров экстракции, влияющих на выход экстракции катехина (Y1), мирицетина (Y2), кверцетина (Y3) и антиоксидантной активности (Y4) карри. экстракты листьев [20].

\ n

Эффективность экстракции методами UAE и MAE сравнивалась с традиционной экстракцией растворителем Guglielmetti et al. [21]. Авторы использовали RSM с ​​ПЗС-матрицей для исследования экстракции с помощью ультразвука (UAE) и экстракции с помощью микроволнового излучения (MAE) кофеоилхиновой кислоты и кофеина из кожуры кофейного серебра (CS) с двумя размерами частиц.Они обнаружили, что самое высокое содержание кофеина (14,24 г / кг -1 dw) при значительном сокращении времени экстракции было получено в UAE [21].

\ n

Поскольку различные методы экстракции оказывают важное влияние на биоактивность, выход и структуру полисахарида, очень важно найти лучший метод экстракции для получения высокого выхода полисахарида. Недавно несколько исследователей использовали RSM для оптимизации экстракции полисахаридов из различных растительных материалов [22, 23, 24, 25, 26].Чтобы исследовать дизайн наилучшей поверхности отклика для оптимизации выхода полисахаридов (CPS) из кожуры фундука, дизайны CCD и BBD были изучены Йылмазом и Тавманом [25]. Оптимальные условия для максимального выхода экстракции полисахарида из стеблей Trapa quadrispinosa , недавно определенные Raza et al. 41 мин, 31,5 мл / г и 58 ° C были оптимальными условиями для времени экстракции, отношения воды к материалу и температуры экстракции соответственно [26].

\ n \ n \ n

2.2. Экстракция фенольных и антиоксидантных соединений из растительных материалов

\ n

В последние годы растет интерес к поиску новых природных источников пищевых антиоксидантов.Как основная плодовая культура, оливковое масло ценится также из-за его листьев, содержащих фенол. Оптимизация экстракции оливковых листьев с помощью ультразвука изучалась по параметрам экстракции, включая соотношение твердое вещество / растворитель, время и концентрацию этанола Шахином и Чамли [27]. Чтобы получить максимальную эффективность экстракции при экстракции с помощью ультразвука, соотношение 500 мг оливковых листьев и 10 мл растворителя, 60 минут времени экстракции и состав 50% этанола были признаны оптимальными рабочими условиями [27].

\ n

Ширзад и др. также изучали оптимизацию экстракции оливковых листьев, чтобы сократить время экстракции и снизить потребление энергии. Условия для получения максимального выхода полифенолов, общих флавоноидов и антиоксидантов были оптимизированы с помощью RSM. Влияние ультразвуковой температуры (35–65 ° C), времени ультразвуковой обработки (5–15 мин) и отношения этанола к воде (Et: W) ( 25–75%). Самый высокий выход экстракции был обнаружен при соотношении этанола к воде 51% при 65 ° C в течение 15 мин [28].

\ n

Elksibi et al. использовали RSM для исследования оптимизации нетрадиционной технологии экстракции натуральных красителей из оливковых отходов. Они изучили комбинированное влияние условий экстракции на общее содержание фенолов (TPC) и относительную интенсивность цвета (K / S), используя трехуровневый трехфакторный дизайн Бокса-Бенкена [29].

\ n

Уравнение второго порядка для общего содержания фенолов в оливковом листе, полученное с помощью RSM, было показано в уравнении. (5) Шахин и др. [9]:

\ n

\ n \ n \ n \ nTPC \ n = \ n– \ n0.019369 \ n- \ n0.3600 \ п \ n3X \ n1 \ п \ п + \ n0.1424 \ п \ п \ n9X \ п2 \ п \ п \ п \ n13 \ п \ п \ п. \ N6102 \ п \ n9X \ n3 \ п \ п + \ n6.64 \ п х \ п \ n10 \ п \ п \ n4 \ п \ п \ п \ пХ \ n1 \ п \ п \ пХ \ п2 \ п \ п + \ n0 0,089174 \ п \ пХ \ n1 \ п \ п \ пХ \ n3 \ п \ п \ п \ п + \ n4.53 \ п х \ п \ n10 \ п \ п \ n3 \ п \ п \ п \ пХ \ n2 \ п \ п \ пХ \ n3 \ п \ п \ n0.012889 \ п \ пХ \ n21 \ п \ п \ n2.74 \ п х \ п \ n10 \ п \ п \ n4 \ п \ n \ n \ nX \ n22 \ n \ n + \ n2.3499 \ n \ n3X \ n23 \ n \ n \ n \ n \ nE5

\ n

где X 1 — количество выборки, X 2 — мощность излучения СВЧ, а X 3 — время экстракции [9].

\ n

Agcam et al.[13] использовали методологию поверхности отклика для оптимизации экстракции антоциановых соединений из черной моркови с помощью ультразвука. Независимыми переменными были температура и плотность энергии ультразвука, которая рассчитывается по следующей формуле. (6):

\ n

\ n \ nE \ n = \ n \ n \ nP \ n. \ Nt \ n \ nM \ n \ n \ nE6

\ n

Оптимизация пяти различных соединений антоциана из черной моркови был проведен с использованием дизайна CCD с 16 факторными экспериментами, 5 повторениями центральной точки. Они получили квадратные полиномиальные уравнения для каждого соединения антоцианина, которые представляли собой цианидин-3-ксилозил-глюкозил-галактозид (C3XGG), цианидин-3-ксилозил-галактозид (C3XG), моноацилированные антоцианины, цианировавшие-3-ксилозил-гликозид-S3-глюкозил-глюкозид , цианидин-3-ксилозил-глюкозилгалактозид-феруловая кислота (C3XGGF) и цианидин-3-ксилозил-глюкозил-галактозид-кумаровая кислота (C3XGGC) [13].

\ n

Гасемзаде и др. [20] обнаружили, что дисперсионный анализ для прогнозируемой модели антиоксидантной активности был значимым (значение F 17,21, P <0,0001) с хорошим коэффициентом детерминации (R 2 = 0,98). Они также заметили, что переменные экстракции показали значительные (P <0,01) квадратичные и линейные эффекты на антиоксидантную активность, и прогнозируемая модель, полученная для DPPH (Y 4 ), была следующей:

\ n

\ n \ n \ n \ nDPPH \ п = \ п + \ n79.56 \ n- \ n5.70 \ п \ пХ \ n1 \ п \ п + \ n1.88 \ п \ пХ \ п2 \ п \ п + \ n1.29 \ п \ пХ \ n3 \ п \ п \ n1.31 \ п \ пХ \ n1 \ п \ п \ пХ \ п2 \ п \ п + \ n0.24 \ п \ пХ \ n1 \ п \ п \ пХ \ n3 \ п \ п + \ n0.64 \ п \ пХ \ п2 \ п \ п \ пХ \ n3 \ п \ п \ п \ п \ n15.29 \ п \ п \ пХ \ n1 \ п \ п2 \ п \ п \ n0.57 \ п \ п \ пХ \ п2 \ п \ п2 \ п \ п \ n1.14 \ п \ п \ пХ \ n3 \ п \ п2 \ п \ п \ п \ п \ nE7

\ n

Где X 1 — температура, X 2 — концентрация метанола, а X 3 — мощность ультразвука.

\ n

Используя RSM, условия экстракции, включая время экстракции, температуру и соотношение растворитель-твердое вещество, были оптимизированы для максимизации выхода экстракции каротиноидов и антиоксидантной способности кожуры плодов Gac Chuyen et al.[30]. В этом исследовании наиболее эффективным растворителем был этилацетат, а оптимальные условия экстракции (время, температура и соотношение растворитель-твердое вещество) составляли 150 мин, 40,7 ° C и 80 мл г -1 соответственно [30].

\ n

Дизайн Бокса-Бенкена (BBD) с общим количеством 29 экспериментов был проведен для четырех факторов (температура, соотношение жидкости и материала, продолжительность и мощность ультразвука) и на трех уровнях для получения высокого выхода каротиноида из рапсового шрота. Оптимальные условия экстракции с помощью ультразвука были следующими: температура 49.6 ° C, отношение жидкости к материалу 41,4 мл / г, продолжительность 48,5 мин, мощность ультразвука 252,9 Вт [31].

\ n

Guglielmetti et al. наблюдали положительную корреляцию между повышением температуры и общим содержанием фенолов (TPC) для традиционной экстракции растворителем и UAE; отрицательно влияет на TPC при использовании МАЭ выше 50 ° C. Они обнаружили, что температура является наиболее эффективным параметром процесса экстракции [21].

\ n

Espínola et al. использовали RSM для исследования оптимальных условий экстракции оливкового масла первого отжима из оливок при трех различных индексах созревания (MI).В оливках с самым низким индексом зрелости температура положительно влияла на содержание полифенолов при низких температурах малаксации, однако не было обнаружено значительного влияния при более высоких температурах. Напротив, время малаксации оказывало небольшое влияние при более низких температурах. В оливках с более высоким ИМ вариации содержания полифенолов существенно не различались [32].

\ n \ n \ n

3. Проверка модели

\ n

В методе поверхности отклика модель, которая лучше всего представляет, как независимые переменные влияют на зависимые переменные, определяется теоретически.Однако необходимо провести эксперименты для проверки надежности теоретически определенных моделей в оптимальных условиях. Критерий хи-квадрат и t-критерии чаще всего используются для определения разницы между экспериментальными и прогнозируемыми значениями. Другой метод оценки валидации модели — вычисление экспериментальной ошибки между теоретическими и экспериментальными значениями.

\ n

Экспериментальные и прогнозируемые значения кислотности составляли 8,31 и 8,42%, а выход составил 0,31 г олеиновой кислоты / 100 г оливкового масла и 0.28 г олеиновой кислоты / 100 г оливкового масла для расчетных и экспериментальных значений соответственно. Эти результаты хорошо согласуются с прогнозируемыми значениями при оптимальных рабочих условиях. Следовательно, значение кислотности оливкового масла и урожай для любой комбинации времени ультразвука, температуры ультразвука и времени малаксации можно точно предсказать с помощью регрессионных моделей, полученных с помощью RSM [10]. В сезоне 2005–2006 гг. Расчетный выход экстракции, кислотность и пероксидный индекс образцов оливок 3,2 MI показали, что экспериментальные данные согласуются с моделью для всех трех зависимых переменных [32].

\ n

Elksibi et al. обнаружили, что экспериментальные значения параметра интенсивности цвета (K / S) и общего содержания фенола составляют 22,54 и 1120 мг / л соответственно. Прогнозируемые значения составляли 23,22 и 1134 мг / л для параметра силы цвета (K / S) и общего содержания фенола соответственно. Они определили, что результаты, полученные при оптимальной комбинации, согласуются с теоретическим результатом. Таким образом, модель, полученная в данном исследовании, подтвердилась [29].

\ n

Экспериментальный выход экстракции в процессе экстракции горячей водой составил 3.79 ± 0,13%, а выход в процессе ультразвуковой экстракции составил 6,04 ± 0,21% при оптимальных условиях, что хорошо согласуется с прогнозируемыми значениями. Эти результаты показали, что модели экстракции были надежными и точными [33].

\ n

15 мин, 45 ° C и амплитуда 50% были выбраны в качестве оптимального уровня параметров для проверки результата функций желательности. Были обнаружены выход CPS 1,69% и потребление энергии 73,00 кДж, и прогнозируемые значения, полученные с помощью CCD и BBD, были аналогичны экспериментальным значениям, а точки всех прогнозируемых и экспериментальных значений отклика коррелировали.Таким образом, разработанная модель была значимой и надежной. Студентизированные результаты испытаний согласуются с экспериментальными запусками, которые показали, что все точки данных находятся в установленных пределах [34].

\ n

Проверка уравнения регрессии и статистической модели проводилась при 49,6 ° C, 41,4 мл / г, 48,5 мин и 240 Вт, которые включали температуру, соотношение жидкости и материала, время экстракции и мощность ультразвука, соответственно. В этих оптимизированных условиях прогнозируемый ответ по выходу каротиноидов был приблизительно равен 0.1570 мг / г, экспериментальное значение составило 0,1577 ± 0,0014 мг / г. Эти результаты подтвердили, что экспериментальные значения согласуются с предсказанными значениями, таким образом, модель была подтверждена [31].

\ п.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *