Содержание к диссертации
Введение
Глава 1. Анализ методов и алгоритмов в задачах автоматизированного управления производственными и образовательными процессами 12
1.1 Методы и алгоритмы в задачах анализа сложных объектов и систем управления 13
1.2 Методы и алгоритмы в задачах анализа процесса получения знаний с использованием технических систем 16
1.2.1 Применение информационных технологий в обучении и подготовке кадров 17
1.2.2 Анализ известных подходов к построению обучающих программ и тренажеров 18
1.3 Анализ известных подходов при использовании лабиринтов 20
1.3.1 Лабиринтная модель и лабиринтная гипотеза 20
1.3.2 Морфологический анализ. Лабиринтное конструирование 22
Выводы по главе 1 24
Глава 2. Формализация анализа сложных объектов и систем управления на основе лабиринтного подхода 25
2.1 Обоснование лабиринтной структуры знаний 25
2.2 Формализация лабиринтного подхода к анализу сложных объектов и систем 27
2.2.1 Формализация представлений для элементов лабиринта 28
2.2.1.1 Классификация лабиринтных элементов 32
2.2.1.2 Взаимодействие лабиринтных элементов 34
2.2.2 Формализация задачи построения лабиринта 36
2.3 Применение введенной формализации 37
2.3.1 Свойства лабиринтных элементов з
2.3.1.1 Свойства вершин и лабиринтных элементов вершинного типа 39
2.3.1.2 Свойства дуг и лабиринтных элементов дугового типа 40
2.3.1.3 Свойства лабиринтных элементов переходного типа 41
2.3.2 Определение рационального пути в лабиринте 42
Выводы по главе 2 43
Глава 3. Разработка методов и алгоритмов для реализации лабиринтного подхода 44
3.1 Разработка метода реализации лабиринтного подхода 44
3.1.1 Определение состава хранимых данных 47
3.1.2 Метод реализации лабиринтного подхода 50
3.2 Разработка алгоритмов лабиринтного подхода 50
Выводы по главе 3 55
Глава 4. Применение лабиринтного подхода для анализа задач приборостроения 56
4.1 Примеры приложений 56
4.1.1 Корреляционное обнаружение концентрических контуров изображения 56
4.1.1.1 Методы решения поставленной задачи 57
4.1.1.2 Апробация и внедрение 61
4.1.2 Идентификация удаленных динамических объектов 62
4.1.3 Автоматизированный мониторинг состояния хранилищ с пополнением запасов 65
4.1.4 Определение вероятностных оценок для резервов времени в цепочке задач 67
4.1.5 Ограничения при анализе характеристик непрерывного динамического объекта 69
4.1.6 Лабиринтный подход в процессе обучения 73
Выводы по главе 4 80
Глава 5. Создание обучающей программы «Лабиринт знаний» и сравнение результатов лабиринтного подхода с известными результатами 81
5.1 Разработка алгоритмов и интерфейсов 81
5.1.1 Разработка обучающей программы «Лабиринт знаний» 81
5.1.2 Разработка механизма адаптации 85
5.2 Лабиринтные аспекты в анализе процесса увеличения отношения сигнал/шум методом последовательного вычисления автокорреляционной
5.3 Перспективы развития лабиринтного подхода 99
5.3.1 Панорамное представление информации 99
5.3.2 Расширение графового представления лабиринтного подхода 101
5.3.3 Разработка САПР для полного цикла применения лабиринтного подхода. 102 Выводы по главе 5 103
Заключение 104
Список литературы 106
- Применение информационных технологий в обучении и подготовке кадров
- Формализация лабиринтного подхода к анализу сложных объектов и систем
- Определение состава хранимых данных
- Определение вероятностных оценок для резервов времени в цепочке задач
Введение к работе
Актуальность темы диссертации. Автоматизация и управление технологическими процессами и производствами являются одними из ключевых моментов в современном приборостроении, как на этапе изготовления, так и на этапе подготовки производства и учета его особенностей при проектировании микроэлектронных изделий. Успешность решения соответствующих задач зависит от эффективности используемых методов и алгоритмов.
Ведущей научной организацией в нашей стране является Институт автоматики и телемеханики (ныне ИПУ им. В.А. Трапезникова РАН), созданный в 1939 году в составе Отделения технических наук АН СССР. Его фундаментальные исследования в различных областях теории управления и её приложений широко известны в нашей стране и за рубежом. Первый конгресс IF АС был проведен в Москве на базе Института автоматики и телемеханики в 1940 г. Выдающимися учеными ИПУ РАН, создавшими целые научные школы и направления, являются В.С. Кулебакин, В.А. Трапезников, В.С. Пугачёв, НС Райбман, Б.Н. Петров, М.А. Гаврилов, Н.Н. Шумиловский, Г.В. Щипанов, Н.Н. Лузин, А.А. Андронов, М.А. Айзерман, П.П. Пархоменко, А. А. Фельдбаум, ЯЗ. Цыпкин и другие.
Значительный круг задач по автоматизации удается охватить с единых позиций благодаря применению системного подхода и тому, что практически все современные науки построены по системному принципу.
Основоположниками системного подхода считаются А. А. Богданов, Л. фон Берталанфи, Э. де Боно, Л. ла Руш, Г. Саймон, П. Друкер, АЛандлер, С. А. Черногор, А.Н. Малюта.
В пятидесятых годах XX века системный подход породил множество направлений: системный анализ, кибернетика, системотехника (применение системного подхода в технических системах), системы автоматизированного проектирования и др. Для решения глобальных задач в СССР был создан Всесоюзный научно-исследовательский институт системных исследований при ГКНТ и АН СССР (ВНИИСИ).
Первая успешная попытка разработки общей теории систем, описываемых стохастическими дифференциальными уравнениями, принадлежит акад. В.С. Пугачеву.
Развитием кибернетики как науки об общих закономерностях, принципах и методах обработки информации и управления в сложных
системах, а также созданием автоматизированных систем управления технологическими процессами и промышленными предприятиями занимался акад. Глушков В.М. и его школа. Значительный вклад в развитие системного анализа внесли Д.М. Гвишиани, Г.С. Поспелов, А.А.Красовский. С 2015 года системные исследования сосредоточены в Федеральном исследовательском центре на базе Института проблем информатики РАН.
Как отмечается в литературе, системный подход является не столько методом решения задач, сколько методом постановки задач. Поэтому его развитие, разработка новых принципов его использования представляется актуальной задачей, значимость которой при современном развитии средств автоматизации и управления технологическими процессами и производствами лишь возрастает при решении конкретных задач, образующих сложное, запутанное переплетение, напоминающее лабиринт.
Назовем «лабиринтным подходом» методы и алгоритмы повышения эффективности разработки автоматизированных систем за счет расширения системного подхода путем учета особенностей ситуаций, характерных для лабиринта.
Объект и предмет исследований
Объектом исследований являются системы автоматизации и управления технологическими процессами и производствами.
Предметом исследований являются методы и алгоритмы анализа сложных объектов и систем в задачах микроэлектроники и приборостроения, а также родственных задачах образовательных процессов.
Проблемная ситуация, сложившаяся в области объекта исследований, определяется тем, что практически все современные науки построены по системному принципу, однако, их использование при решении конкретных задач образует сложное, многосвязное переплетение, напоминающее лабиринт. При описании и анализе таких систем возникает необходимость введения дополнительных структурных элементов, свойственных лабиринту, и соответствующих кибернетических и математических моделей.
Цель и задачи исследований
Целью исследований является разработка методов и алгоритмов
лабиринтного подхода для решения прикладных задач
автоматизированного управления производственными и
образовательными процессами.
Для достижения поставленной цели решаются следующие задачи, отраженные в названиях глав диссертации:
анализ методов и алгоритмов в задачах автоматизированного управления производственными и образовательными процессами;
формализация анализа сложных объектов и систем управления на основе лабиринтного подхода; - разработка методов и алгоритмов для реализации лабиринтного подхода;
применение лабиринтного подхода для анализа задач приборостроения;
создание обучающей программы для подготовки и повышения квалификации персонала сложных производств и сравнение результатов лабиринтного подхода с известными результатами.
Методы исследования. Теоретическую и методическую базу исследования составили методы системного анализа, теории графов, теории случайных процессов и теории вероятностей, а также проверка результатов с помощью компьютерного моделирования.
Научная новизна работы состоит в развитии методов анализа систем автоматизированного ^вл"ения производственными и образовательными процессами за счет введения в рассмотрение структурных элементов лабиринтного типа.
В процессе исследований получены следующие новые научные результаты.
-
Установлено, что применение системного подхода при решении задач приборостроения целесообразно дополнить введением анализа структурных элементов лабиринтного типа; введена классификация и установлены свойства таких элементов, необходимые для разработки методов лабиринтного подхода.
-
Показано, что использование разработанных методов и алгоритмов лабиринтного подхода повышает эффективность применения идей
интеллектуального управления технологическими процессами и производствами.
-
Показано, что при использовании дискретно-непрерывной модели непрерывного объекта возникает смещенность коэффициента передачи модели относительно коэффициента передачи реального объекта.
-
Показана эффективность распознавания концентрических контуров изображения с помощью корреляционных методов.
-
Впервые установлены ограничения метода увеличения отношения сигнал/шум, построенного на основе рекурсивного вычисления корреляционной функции.
Достоверность новых научных результатов подтверждена
математическим обоснованием полученных результатов,
компьютерным моделированием, а также значительным количеством приложений, демонстрирующих эффективность применения лабиринтного подхода при решении задач, важных для микроэлектроники и приборостроения.
Научные положения и результаты, выносимые на защиту: метод анализа сложных объектов и систем на основе лабиринтного подхода, который расширяет возможности системного анализа;
полученное с использованием теории графов формализованное представление введенных элементов лабиринта позволяет оценивать эффективность прохождения заданной траектории и затраты на достижение результата;
алгоритм формирования лабиринтного представления прикладных задач приборостроения;
выявленное на основе лабиринтного подхода наличие
ограничений и неоднозначностей метода обнаружения
гармонических сигналов на фоне помех, построенного на
основе рекурсивного вычисления корреляционной функции;
программная реализация методики и алгоритмов лабиринтного
подхода в обучающей программе для подготовки и повышения
квалификации персонала сложных производств.
Практическая ценность работы заключается в создании более
мощного инструментария (метода и алгоритмов), применяемого для
анализа проблемной ситуации в конкретной предметной области и при
постановке задачи. Это позволяет повысить эффективность
последующих работ при проектировании и создании новых изделий и
систем, выделить «тонкие моменты» и определить необходимый математический аппарат или необходимость компьютерного моделирования для разрешения определившейся проблемной ситуации.
Результаты имитационного моделирования показали, что предложенный метод корреляционного обнаружения концентрических контуров изображения работает до уровня помех, равномерно зашумляющих изображение по уровню яркости на 2/3. Применение лабиринтного подхода позволило впервые установить наличие ограничений и неоднозначностей нового метода обнаружения гармонических сигналов на фоне помех, мощность которых на несколько порядков превышает мощность полезного сигнала.
В результате применения разработанных в ходе исследований методов и алгоритмов время осуществления визуального автоматизированного контроля заготовок печатных плат на предприятии ООО «РЕЗОНИТ» удалось снизить на 11%.
Самостоятельную практическую ценность имеет обучающая программа «Лабиринт знаний» с ее методикой наглядного интерактивного обучения.
Самостоятельную практическую ценность имеет также созданная мультимедийная панорамная презентация, доступная для тиражирования в школах и ВУЗах.
Практическая значимость подтверждена актами внедрения результатов диссертационной работы в 000 «РЕЗОНИТ» и в учебный процесс НИУ «МИЭТ» (в учебных дисциплинах «Информатика», «Разработка и анализ требований»).
Апробация работы.
Основные результаты диссертационной работы были представлены на 17 международных, всероссийских и межвузовских конференциях:
-
Международная научная школа для молодежи «Микроэлектронные информационно-управляющие системы и комплексы - 2010», Москва, МИЭТ, 2010.
-
18-я, 19-я, 21-я, 22-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика-201..», Москва, МИЭТ, 2011-2015.
3) 4-я Всероссийская межвузовская научно-практическая
конференция «Актуальные проблемы информатизации в науке,
образовании и экономике - 2011», Москва, МИЭТ, 2011.
-
5-я, 6-я, 7-я, 8-я Всероссийская научно-практическая конференция «Актуальные проблемы информатизации в науке, образовании и экономике - 201..», Москва, МИЭТ, 2012-2015.
-
Инноватика и инновационные процессы в экономике, науке и образовании. Шестая межвузовская научно-практическая конференция. Москва, ИГУПИТ, 2012.
-
Тринадцатая международная научно-техническая конференция «ПИМ-2013» «Проблемы информатики и моделирования». Харьков, 2013.
-
Third International Conference on the History of Computers and Informatics in the Soviet Union and Russian Federation. Kazan, 2014.
-
IX Международная научно-практическая конференция «Современные информационные технологии и ИТ-образование». Москва, МГУ, 2014.
-
The sixth international conference on internet technologies and applications. Англия, Рэксэм, 2015.
-
Седьмая всероссийская научно-практическая конференция «Имитационное моделирование. Теория и практика» ИММОД-2015. Москва, ИПУ РАН, 2015.
-
III Всероссийская научная конференция «Декартовские чтения». Москва, МИЭТ, 2016.
Публикации.
Основные результаты диссертации представлены в 29 печатных работах соискателя (11 работ - без соавторов), в том числе:
5 статей в центральных изданиях, входящих в перечень ВАК;
1 монография, изданная в Германии;
1 глава в книге, изданной издательством Springer;
1 статья в сборнике, отраженном в базе данных SCOPUS;
3 свидетельства об официальной регистрации программы для ЭВМ.
Личный вклад автора.
Автором лично разработаны концепция, структура, инструментарий, алгоритмы и действующий образец обучающей программы «Лабиринт знаний», проведено моделирование распознавания концентрических контуров изображения с помощью корреляционных методов; проведено моделирование работы метода увеличения отношения сигнал/шум путем последовательного вычисления автокорреляционной функции.
Результаты, содержащиеся в работах, выполненных в соавторстве, и включенные в диссертацию, получены с участием автора и включены в диссертацию с согласия и одобрения соавторов этих работ.
Структура и объем работы.
Диссертация состоит из введения, пяти глав и заключения, списка литературы и приложений, содержащих листинги программ и акты о внедрении результатов работы. Диссертация изложена на 150 страницах, включает 42 рисунка и 3 таблицы. Список литературы содержит 136 источников.
Применение информационных технологий в обучении и подготовке кадров
Системный подход к совместной работе сложных динамических объектов и системы управления развит в классических методах ТАР и ТАУ, начиная с работ И.А. Вышнеградского и Д.К. Максвелла, где основное внимание уделяется математическим методам описания эволюции систем во времени.
Ведущей научной организацией в нашей стране здесь является Институт автоматики и телемеханики (ныне ИПУ им. В.А. Трапезникова РАН), созданный в 1939 году в составе Отделения технических наук АН СССР. За рубежом ведущей общественной некоммерческой ассоциацией профессионалов в области систем управления является IEEE (англ. Institute of Electrical and Electronics Engineers), которая появилась в 1963 году в результате слияния Института радиотехников (англ. Institute of Radio Engineers, IRE) и Американского института инженеров-электриков (англ. American Institute of Electrical Engineers, AIEE).
В работах Дж. Рауса, Н.Е. Жуковского, А.М Ляпунова, Б. Ван-дер-Поля, И.Н. Вознесенского, А.А. Андронова, М.А. Айзермана, А.А. Красовского и др., разрешены ключевые проблемы устойчивости линейных и нелинейных систем автоматического управления и оценки качества переходных процессов в ответ на стандартные возмущения. С рождением технической кибернетики (Н. Винер и К. Шеннон) расширился круг анализируемых проблем в технических, в биологических, экономических и иных приложениях, а также произошел переход к решению задач оптимального управления и адаптации в сложных динамических системах. Этому способствовали работы А.А. Фельдбаума, Л.С. Понтрягина, Р.Е. Беллмана, Ш.С.Л. Чанга, Н.С. Райбмана, ЯЗ. Цыпкина и др.
Характеризуя тенденции развития теории управления, акад. ЯЗ. Цыпкин указывает [4] на «счастливые времена детерминизма, ... менее счастливое время периода стохастичности, когда внешние воздействия ...еепрерывно изменяются во времени и заранее не могут быть определены однозначно, ...и нынешнее «многострадальное» время, когда уравнения управляемых объектов и внешние воздействия не только неизвестны, но по различным причинам нет возможности заранее определить их экспериментальным путем».
Развитие электроники и вычислительной техники обусловило переход от управления отдельными объектами (станок, орудие, батарея и т.д.) к управлению их комплексами, то есть выдвинуло задачу управления техническими системами сложной природы, возникли подходы кибернетического плана [5].
К 40-50-м годам XX века в различных научных и научно-технических дисциплинах накопилось большое количество связанных между собой фактов, сформировалось много положений и связей, имеющих междисциплинарный характер. Возникла задача установления того, что эти положения и связи не случайны, что их можно объединить в единое целое, что они являются базой формирования цельного и достаточно самостоятельного научно-технического направления. Истоками кибернетики называют [5] результаты развития и слияния теоретических знаний в отдельных естественнонаучных и научно-технических дисциплинах, таких как системы автоматического регулирования и управления; теория автоматического регулирования; моделирование; вопросы административного и производственного управления; элементы общей теории систем; элементы программирования и других.
Акад. А.И. Берг указывает [6], что целью кибернетических методов является повышение эффективности управления в трудных случаях, когда управляемая система состоит из множества взаимосвязанных структурных функциональных элементов, либо когда задача должна быть решена в очень короткий срок, превышающий возможности инерционных средств, либо когда сама задача оптимизации по одному или нескольким параметрам представляет значительные трудности.
В 1946 году военно-воздушные силы США основали компанию Rand Corporation, впоследствии выдвинувшую концепцию системного анализа. Системный анализ был создан для решения военных задач [7], когда потребовались методы, которые позволили бы анализировать сложные проблемы как целое, обеспечивали рассмотрение многих альтернатив. В числе ведущих ученых в этой области Гвишиани Д.М., Поспелов Г.С., Красовский А.А., Янг С, Оптнер С.Л., Федоренко Н.П., Никаноров СП., Черняк Ю.И., Перегудов Ф.И., Тарасенко Ф.П., Симанков В.С., Казиев В.М. и др.
В 1944 году появилась теория игр Дж. фон Неймана и О. Моргенштерна, а в 1949-м теория информации К. Шеннона и У. Уивера.
Системный анализ определяют как приложение системных концепций к функциям управления. Развитие он получил в трудах зарубежных и отечественных ученых (обширная библиография приведена в [8]).
Аспектами системного анализа называют [8]: - наличие средств для организации процессов целеобразования, структуризации и анализа целей; - разработка и использование методики, в которой определены этапы, подэтапы системного анализа и методы их выполнения, причем в методике сочетаются как формальные методы и модели, так и методы, основанные на интуиции специалистов, помогающие использовать их знания. Переход к «менее счастливым временам стохастичности» [4] ознаменовался проведенной акад. В.С. Пугачевым [9] первой успешной разработкой общей теории систем, описываемых стохастическими дифференциальными уравнениями. Отмечают [5], что системный анализ: - применяется для решения таких проблем, которые не могут быть поставлены и решены отдельными методами математики, т.е. проблем с неопределенностью ситуации принятия решения, когда используют не только формальные методы, но и методы качественного анализа;
- уделяет основное внимание целям и целеобразованию; - объединяет разные методы с помощью единой методики; - опирается на научное мировоззрение;
Формализация лабиринтного подхода к анализу сложных объектов и систем
Возможность построения математической модели в виде графа предоставляет разветвленный инструментарий для последующего математического анализа, направленного на оценку и сравнение вариантов развития рассматриваемых процессов или явлений, оптимизацию, выявление синергетических эффектов.
Введенная формализация позволяет провести оценку свойств лабиринтного подхода на основе некоторого критерия эффективности. В задачах приборостроения в качестве такого критерия выступают длительность разработки нового прибора, затраты на проектирование и изготовление, достигаемая эффективность решения (например, погрешности, энергопотребление и т.п.). Более того, критерий может быть векторным, включающим некоторый набор указанных частных критериев. Соответствующая траектория может содержать различные лабиринтные элементы, и, поэтому, результирующая эффективность определяется свойствами используемых элементов, а также их сочетаний.
После получения желаемой оценки свойств лабиринтного подхода можно решать оптимизационную задачу, где оптимум или рациональная граница достигается за счет воздействия на доступные элементы управления технологическими процессами и производствами, входящими в схему рассматриваемого лабиринта.
Для каждого элементарного лабиринтного элемента определим свойства, возможность их применения в различных задачах, вклад в критерий эффективности, передачу управления и накопление затрат.
Пусть имеется объект (процесс, явление) и некоторый параметр данного объекта (в общем случае набор параметров) изменяющийся от начального значения к конечному по заданным правилам и являющийся предметом анализа данного объекта. Например, для обучаемого таким параметром может выступать объем знаний, для технических систем - степень готовности изделия. Перечислим обобщенные свойства лабиринтных элементов: - лабиринтные элементы вершинного типа изменяют параметры объекта (и позволяют оценить стоимость такого изменения); - дуговые контролируют изменения и являются средством измерения цены перехода от одного состояния к другому, как, например, время или расстояние; - лабиринтные элементы переходного типа разделяют или объединяют различные траектории движения (см. выше рисунок 2.6).
Определим для каждого типа лабиринтных элементов общие правила воздействия на параметры рассматриваемого объекта, передачу управления и процессы накопления затрат.
В любой i-й вершине, кроме входа и выхода лабиринта, входящее значение X параметра объекта преобразуется в исходящее значение Гпо заданной функции ДХ,уі), где у І = [0,1] степень исполнения объектом заложенной функции (рисунок 2.7). Параметр у носит вероятностный характер. В частном случае, для отдельных систем, функция изменения параметра fi(X,y) может совпадать для всех вершин лабиринта.
Пусть =Мах(АХ) - максимальное изменение значения параметра в данной вершине. Тогда y/l = /, ,- реальное изменение входящего значения параметра объекта, 0 , %. Кроме того, процесс выполнения функции может требовать определенных затрат, следовательно, вершины вносят вклад в формирование оценки уровня затратности траекторий.
При пересечении элементов происходит объединение исходящего значения параметра одного элемента с входящим значением параметра другого элемента (рисунок 2.8). Ж При составлении лабиринта для каждой вершины могут устанавливаться требования к входящему значению параметра объекта (например, минимально (максимально) допустимая величина, диапазон значений и т.д.). Объект имеет возможность перехода из вершины vi в v2 тогда и только тогда, когда исходящее значение анализируемого параметра Y1 удовлетворяет установленному требованию.
Опираясь на данные сведения, дадим определение дуговому элементу «вынужденная остановка»:
Определение 2.19. Если изменения параметра, осуществляющегося в вершине Vi заведомо недостаточно для удовлетворения требований осуществления перехода объекта из вершины vi в вершину vi+1, причем вносящая недостающие изменения вершина vq (или набор вершин) заранее не известна или вершины vi и vq связаны между собой, то вершины vi и vi+1 и дуга между ними образуют лабиринтный элемент «вынужденная остановка». Кроме ограничения движения объекта, на дугах может происходить накопление затрат и/или определяться вероятности перехода к конечной вершине дуги (см. главу 3).
Лабиринтные элементы переходного типа позволяют разделить или, напротив, объединить различные траектории движения по лабиринту. Из элемента «развилка» объект может перейти на одну из двух или более вершин, появляется возможность выбора варианта развития процесса движения (преобразования) объекта. Назовем псевдо-вершинами с дополнительными условиями специальные компоненты переходных лабиринтных элементов (см. таблицу 2.2).
Определение состава хранимых данных
Для формализации доступа к данным и их последующей эффективной обработки решено использовать базы данных (БД). Здесь важно, что они представляют собой [68] совокупность специальным образом организованных данных, хранимых в памяти вычислительной системы и отображающих состояние объектов и их взаимосвязей в рассматриваемой предметной области.
В области промышленных приложений традиционно [69] применяют БД реляционного типа. К ним можно обращаться с помощью детально описанного и многофункционального языка запросов SQL, используя разнообразные инструментальные средства.
Сохранение информации о лабиринтных элементах, включая не только условные обозначения, но и индивидуальную специфику, связи между ними, функциональные преобразования и другие особенности лабиринтных схем позволяет выполнять построения, которые можно считать достаточно общими и научно обоснованными решениями для широкого круга инженерных задач. Перечень элементов может расширяться в результате выполнения узкоспециализированных задач. В зависимости от условий конкретной задачи, ключевые моменты могут лежать либо в получении данных или их хранении, либо в обработке или передаче информации.
Используя сохраненную информацию, можно провести оценку критерия эффективности для графа в целом, определить вероятностные параметры и проанализировать затраты каждого из возможных путей. С учетом разноплановости данных и их типов рационально применить принципы, используемые в репозиториях CASE-технологий с сохранением преимуществ БД реляционного типа.
В общем случае, структура таблиц БД, необходимая для хранения информации о лабиринтном представлении конкретной задачи, будет включать таблицу вершин с указанием типа (начальная, конечная или опорная точка), связанную с ней таблицу выполняемых в вершине преобразований/І(Х,УІ), таблицу дуг, содержащую данные о вершинах - источниках и приемниках, групповые индексы (для объединения нескольких дуг в сумматор), налагаемые требования на входящее значение X, затраты и др. При продвижении объекта по лабиринту необходимо будет сохранять сведения о задействованных вершинах и дугах, значении параметра X, степенях выполнения функций в вершинах у, и сопутствующих затратах.
В отдельных случаях состав хранимых данных может дополняться согласно индивидуальным особенностям задачи. На рисунке 3.1. приведен пример разработанной даталогической модели БД конкретной задачи, решаемой с применением лабиринтного подхода.
В данном случае сведения о вершинах содержатся в таблице Premises, а также в подчиненных ей таблицах. Сведения о дугах - в таблицах Element и DoorBlock, а информация о траекториях и результатах отдельных прохождений по лабиринту - в таблицах Way, Action и Answer. Element На примере процесса обучения отчетливо проявляется общность принципов вышеупомянутой триады познания: «От живого созерцания - к абстрактному мышлению, а от него - к практике». С применением категорий, используемых в информатике, на каждом из этих этапов осуществляются определенные информационные операции: сбор и получение данных, их хранение, обработка и передача информации. Повторный анализ исходного графа через призму «радикальных сомнений» (по Р. Декарту [70]) позволяет ввести лабиринтные элементы, обозначив возможные проблемные ситуации и наметить пути их преодоления. На основе скорректированного графа становится возможным оценить эффективность решения задачи для различных траекторий.
Определение вероятностных оценок для резервов времени в цепочке задач
Все это предопределяет необходимость тщательной разработки алгоритмов решения каждой возникающей задачи с учетом реальных ограничений и способов получения исходных данных.
Многокомпонентный метод идентификации, разработанный в [91], базируется на оценивании ошибки прогноза выходного сигнала объекта с применением дуального подхода. Его развитие на основе современных информационных технологий, идей SCADA-систем и лабиринтного подхода приводит [86] к следующему решению. На нижнем (клиентском) уровне осуществляется четкий и оперативный сбор отсчетов входных и выходных сигналов и их передача на верхний (серверный) уровень. Здесь проводится их достаточно сложная обработка с использованием матричных операций, приводящих к получению конечных результатов идентификации. Полученные результаты могут пересылаться руководителям и отправляться на нижний уровень для использования в контуре дуального управления.
Результаты были доложены в Англии [86, 92] на международной конференции IEEE и индексированы в SCOPUS.
Данная задача прямо соответствует формуле специальности 05.13.06: «Создание на научной основе автоматизированных производств и систем управления технологическими процессами, их последовательная увязка по иерархическим уровням и интеграция в единую систему сбора и обработки данных и оперативного управления повышает качество и эффективность всех звеньев производства в народном хозяйстве».
Из-за стохастичности процессов пополнения и расходования запасов в хранилище к моменту их пополнения может возникать излишний остаток запасов или возникать необходимость использования некоторого страхового запаса (рисунок 4.7).
Для преодоления подобной проблемной ситуации в работе нефтеналивного терминала порта, В.М. Трояновским и Ян Лин Аунгом обоснована [93] возможность описывать процесс движения запасов нефти с использованием закона Пуассона (рисунок 4.8). Если обозначить: Т - интервал времени между событиями пополнения запасов в хранилище, М - количество условных единиц запаса в хранилище, которое требуется реализовать за время Т, m - 0, 1, 2, 3,... - количество фактов расходования запаса (по 1 условной единице) за время T, то вероятностная зависимость объема запасов (к моменту их пополнения) от числа фактов расходования описывается законом Пуассона. А уже отсюда следуют распределения вероятностей для излишков и требуемых страховых запасов (рисунок 4.8).
Фактически авторы эмпирически пришли к выводу о применимости закона Пуассона в рассматриваемой ситуации, задача получила строгое вероятностное решение, а системы управления - инженерную методику определения доверительных интервалов, в том числе, при расчетах требуемых объемов хранилища.
Вместе с этим, с точки зрения лабиринтного подхода, при контроле расходования малыми порциями регулярно пополняемых запасов возникает и отчетливо проявляется множественная развилка траекторий (рисунок 4.9), которую трудно описать методами, традиционно используемыми в логистике. Рис. 4.9. Лабиринтное представление процесса изменения количества запасов, где вершинам v, соответствуют пополнения и реализации запаса
Вероятностная составляющая уг- функции ft на каждой из вершин лабиринтной схемы (см. главу 2) соответствует вероятностной зависимости количества запасов в хранилище от времени, возникающей из-за стохастичности процессов их пополнения и расходования. В результате описание решения задачи с привлечением закона Пуассона становится еще более обоснованным.
В дополнение к результатам [93] следует указать, что лабиринтный подход указывает на возможность оперативного мониторинга состояния хранилища в течение любого интервала времени с целью своевременного реагирования на внештатные ситуации.
Анализ свойств цепочки задач и результатов их последовательной увязки в единую систему является одной из проблем, указанных в формуле специальности 05.13.06.
Целые научные конференции, организуемые IF АС, значительную часть программы уделяют данному направлению. Часто в научных работах встречается предположение о возможности использовании нормального закона распределения при вероятностном описании анализируемых процессов. Вероятностные процессы сопровождают использование современных информационных технологий, включая разработку компьютерных программ, исследование логистических операций различных производств, организацию и планирование учебного процесса; вероятностные оценки необходимы при построении бизнес-процессов. Во всех этих случаях руководителям приходится вводить резервы при оценке трудоемкости и времени реализации каждого из этапов работ [94, 95]. Для получения надежных результатов определения таких резервов необходимо обоснование вероятностных характеристик разрабатываемых решений.
В работах В.М. Трояновского и Е.Л. Румянцевой обоснована возможность снижения порога применимости центральной предельной теоремы для инженерных приложений [96].
Полученные результаты позволяют описать характер вероятностной составляющей процесса, рассматриваемого в лабиринте (рисунок 4.10).
В данном случае, в качестве параметра, преобразуемого в вершинах графа, достаточно ввести расходование резервов времени. 4.1.5 Ограничения при анализе характеристик непрерывного динамического объекта
Определение границ применимости решений, используемых при создании систем автоматизации и управления технологическими процессами и производствами, является одной из важных задач методологии построения таких систем, указанных в Областях исследования Паспорта специальности 05.13.06.
Из теории автоматического управления известно, что статический коэффициент передачи нелинейного динамического объекта с нормированной весовой функцией определяется как указано на рисунке 4.11, что соответствует истинному коэффициенту передачи объекта [87].