автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.07, диссертация на тему:Автоматизация принятия решений в интеллектуальной системе управления дискретными технологическими процессами

Г 5 О Л

1СГ7

Наталья Викторовна

На правах рукописи

, КРИВОШЕЕВА

МАЯ

АВТОМАТИЗАЦИЯ ПРИНЯТИЯ РЕШЕНИЙ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ УПРАВЛЕНИЯ ДИСКРЕТНЫМИ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМ

Специальность: 05.13.07 - Автоматизация технологических

процессов и производств (промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Воронеж 1997

Работа выполнена на кафедре автоматизированных и вычислительных систем Воронежского государственного технического университета . ,

Научный руководитель

доктор технических наук,

профессор

Бурковский В. Л.

Официальные оппоненты:

доктор технических наук,

профессор

Бухарин С. В.

кандидат технических наук,

доцент

Лившин Г.Л.

Ведущая организация

ОАО "Видеофон", (г.Вороне®)

Защита состоится "25" апреля

_1997 г. в конференц-

зале в часов на заседании диссертационного совета Д063.81.02 при Воронежском государственном техническом университете по адресу: 394026, г.Воронеж, Московский пр., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан "24" марта 1997 г.

Ученый секретарь диссертационного совета . :_ Львович Я.Е.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

АКТУАЛЬНОСТЬ ТЕМЫ. Повышение эффективности производства непосредственно связано с созданием и внедрением высоких технологий и интегрированных систем управления на основе широкого использования современных средств вычислительной техники.

В настоящее время при построении подсистем информационного обеспечения алгоритмов управления в рамках автоматизированных производств широко используется принцип адаптации программных средств, имеющих универсальное структурно - функциональное содержание, к конкретным условиям работы локальных технологических систем. При этом применяемые здесь известные имитационные модели, реализующие в том числа и аппарат сетей Петри, как известно, дают возможность осуществления лишь параметрической адаптации. Специфика дискретных технологических процессов (ДТП) в условиях нестационарности структурных параметров связана с необходимостью проведения эффективной структурной адаптации соответствующих моделей, что требует проведения дополнительных исследований в этой области.

Анализ современного состояния проблемы обеспечения качества и оперативности процедур принятия решений показывает, что оценка проблемной ситуации, формирование вариантов решения, выбор наилучшего варианта осуществляются в ограниченное технологическим*! условиями время. К принимаемым решениям предъявляются требования объективности, своевременности, реализуемости, эффективности. Для их удовлетворения необходима реализация как формальных моделей в процессе подготовки и принятия решений, так и разработка специальных интеллектуальных средств, позволяющих использовать правила и реве-ния, основанные на опыте и интуиции лица, принимающего решения (ЛПР). Такие эвристические правила и решения хотя и не гарантируют строгой оптимальности принимаемых реиений, но оказываются адекватными реальным условиям производства и реализуемыми на практике.

Дальнейшее совершенствование математического обеспечения систем оперативного управления и повышение их эффективности и надежности связано с переходом на новые информационные технологии и разработкой на их основе качественно новых программных продуктов, базирующихся на знаниях и позволяющих учитывать трудноформзлизуе-мые факторы и принимать решения в условиях неопределенности.

Таким образом, создание интеллектуальных средств поддержки процедур принятия решений для эффективного решения задач оперативного управления дискретными технологическими процессами с использованием адаптивных имитационных моделей является актуальной науч-

ной проблемой.

Тематика диссертации работы связана с реализацией разделов комплексной программы Министерства общего и профессионального образования Российской федерации "Информатизация России" и соответствует научному направлению Воронежского государственного технического университета "САПР и системы автоматизации производства".

ЦЕЛЬЮ ДИССЕРТАЦИОННОЙ РАБОТЫ является разработка интеллектуальных средств принятия решений, базирующихся на использовании адаптивных имитационных моделей, ориентированных на реализацию в рамках автоматизированных систем управления дискретными технологическими процессами.

Исходя из данной цели в работе определены следующие задачи исследования:

анализ содержания и специфики реиения задач оперативного управления дискретными технологическими процессами;

разработка имитационной модели дискретных технологических процессов на основе аппарата сетей Петри, обеспечивающей структурную и параметрическую адаптацию в оперативных условиях управления к различным конфигурациям производственных систем, а также учитывающей факторы неопределенности з процессе моделирования;

разработка формализованного описания процессов принятия решений с использованием методов искусственного интеллекта;

алгоритмизация процедур принятия решений в задачах оперативного управления дискретными технологическими процессами;

разработка средств прикладного и сервисного обеспечения подсистемы принятия решений автоматизированного дискретного производства;

реализация разработанных моделей, алгоритмов и программных средств при решении задач оперативного управления дискретными технологическими процессами.

МЕТОДЫ ИССЛЕДОВАНИЯ. В работе использованы методы теории искусственного интеллекта, исследования операций, теории нечетких множеств, теории возможностей, теории математического моделирования, вычислительной математики, информационных технологий.

НАУЧНАЯ НОВИЗНА основных результатов диссертационной работы: разработано формализованное описание дискретных технологических процессов, позволяюцее учитывать факторы неопределенности, вызываемые комплексом внутренних и внешних неконтролируемых источников возмущений;

разработана имитационная модель дискретных технологических процессов, основанная на реализации аппарата нечетких сетей Петри и отличающаяся динамическими свойствами, позволяющими осуществлять оперативную адаптацию структурных и функциональных параметров к различным конфигурациям производственных систем, а также учитывать факторы неопределенности в процессе моделирования;

разработаны модели и алгоритмы принятия решений, базирующиеся на процедурах нечеткого дедуктивного вывода и отличающиеся возможностью комплексного учета трудноформализуемых факторов, что обес-• печивает осуществление режима оперативного управления в условиях неопределенности;

предложена структура и алгоритмы взаимодействия элементов подсистемы принятия решений с имитационной моделью объекта управления, обеспечивающей информационную поддержу соответствующих процедур;

разработаны элементы прикладного программного и сервисного обеспечения подсистемы принятия решений автоматизированного дискретного производства.

ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ РАБОТЫ. Предложенный в работе комплекс моделей и алгоритмов оперативного управления дискретными технологическими процессами, , базирующийся на динамической имитационной модели ОУ и реализующей методы искусственного интеллекта, является теоретической базой построения подсистемы принятия решений, отличающейся широкими возможностями адаптации к различным условиям функционирования, а также конфигурациям производственных систем.

Реализация данного комплекса в рамках автоматизированных дискретных производств дает возможность существенно повысить качество и эффективность принимаемых решений как в режиме управления на базе эталонной модели, так и в оперативном режиме управления.

РЕАЛИЗАЦИЯ И ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ РАБОТЫ. Основные теоретические и практические результаты работы реализованы в виде пакета прикладных программ, внедрены в составе подсистемы оперативного управления АСУ технологическими процессами сборки и обработки изделий электромеханики АО НПК(о) "Энергия" с онидаемым экономическим эффектом 20 миллионов рублей в ценах января 1395 года, а также в НПО "Злаке" в рамках системы оперативного управления дискретными технологическими процессами на участке сборки и регулировки блока магнитных головок.

Экономический эффект от внедрения результатов диссертации по-

лучен за счет повышения качества и оперативности принимаемых решений. Элементы программного комплекса внедрены в учебный процесс на кафедре ABC ВГТУ в курсах "Моделирование сложных систем" и "Системы искусственного интеллекта".

АПРОБАЦИЯ РАБОТЫ. Основные результаты работы докладывались и обсуждались на II всесоюзной научной конференции "Математическое и машинное моделирование" (Воронеж, 1991), IV Всероссийской научной конференции "Динамика процессов и аппаратов химической технологии" (Ярославль, 1994), IX и X Научно-технической отраслевой конференции "Состояние и пути повышения надежности видеомагнитофонов" (Воронеж, 1995, 1S96), Региональной научно-практической конференции "Технико-экономические проблемы перестройки производства в условиях конверсии" (Воронеж, 1993), Российском совещании-семинаре "Оптимальное проектирование технических устройств и автоматизированных систем" (Воронеж, 1992), Всероссийском совещании-семинаре "Высокие технологии в проектировании технических устройств и автоматизированных систем" (Воронеж, 1993), Региональном совещании-семинаре "Компьютеризация управления качеством высшего образования" (Воронеж, 1992), Региональном совещании-семинаре "Опыт информатизации в промышленности" (Воронеж, 1993), а также на научных семинарах кафедры ABC ВГТУ.

ПУБЛИКАЦИИ. Результаты исследования нашли свое отражение в 13 опубликованных в печати научных работах.

СТРУКТУРА И ОБЪЕМ РАБОТЫ. Диссертационная работа состоит из введения, пяти глав, заключения, описка литературы из 116 наименований и содержит 161 страницу машинописного текста, 22 рисунка, 14 таблиц и приложений на 20 страницах.

СОДЕРМНУЕ РАБОТЫ.

Во введении показана актуальность работы, сформулированы цели и основные задачи исследования, представлены основные научные результаты, приведено краткое содержание работы по главам. В первой главе анализируется проблематика оперативного управления технологическими процессами дискретного типа и проводится анализ известных методов и средств математического обеспечения интеллектуальных подсистем принятия решений как эффективного средства решения задач оперативного управления. Приведено обоснование необходимости перехода к интеллектуальным системам управления ЛТП.

Анализ исследуемой проблемы показал, что особенности оовре-

менных ДТП и исполнительных аппаратных средств локальных технологических систем (ЛТС), в рамках которых они реализуются, а также психологические аспекты доведения ЛПР делают этап идентификации управляемого процесса "слабым звеном" при построении системы управления. Постоянное и неуклонное усложнение современного производства привело к появлению у ДТП целого ряда свойств, отличающих их от "традиционных" объектов управления. Структура ЛТС характеризуется большим разнообразием подсистем, элементов и связей между ними, которые определяются множеством выполняемых технологических процессов в условиях воздействия возмущений. В этой связи процессам управления ЛТС присущи распределенность, параллельность, асинхроннссть и высокая динамичность. Цели управления объектом ЛПР не всегда можно формализовать и выразить в виде количественных соотношений. Кроме того эти цели не известны априори и меняются с течением времени. Это ведет к необходимости учитывать информацию, выраженную в лингвистической форме. Наконец, процессы управления ДТП связаны с переработкой больших объемов информации и решением задач большой комбинаторной сложности в условиях реального времени, когда на анализ проблемной ситуации и принятие решения отводится ограниченное время.

Все это ограничивает возможность применения в этой области известных формальных моделей и методов при решении задач оперативного управления. В работе выделены два возможных направления решения этой проблемы. Первое связано с разработкой адаптивных имитационных -моделей, выполняющих в контуре управления роль эталонной модели. Второе ориентировано на построение интегрированной модели, включающей как объект, так и систему управления. Все это обуславливает необходимость использования логико-лингвистических моделей и методов искусственного интеллекта.

Анализ методов и средств математического обеспечения процедур принятая решений позволяет сделать еывод об эффективности применения методов искусственного интеллекта, в частности экспертных систем для решения задач оперативного управления. Переход к интеллектуальной системе управления приводит к изменению в обобщенной схеме структуры АСУ ТП. Функции связанные с идентификацией и оптимизацией выполняют два новых блока - база знаний (БЗ) и механизм вывода. Именно база знаний является главной компонентой интеллектуальной системы, отражающей опит квалифицированных экспертов по управлению ДТП.

Вторая глава посвящена разработке математического аппарата моделирования дискретных технологических процессов, позволяющего количественно оценивать факторы неопределенности и обеспечивающего реализацию процедур параметрической и структурной адаптации.

Предложенное в работе проблемно-ориентированное расширение аппарата сетей Петри на случай описания (моделирования) неопределенности б управляемом технологическом процессе обеспечило возможность учета неполноты и неопределенности исходной информации. Необходимость расширения моделирующих возможностей сетей Петри возникла в результате следующих требований, предъявляемых к имитационной модели в рамках подсистемы принятия решений: описание физической неопределенности, которая обусловлена случайными контролируемыми и неконтролируемыми источниками возмущений, а также лингвистической неопределенности, возникающей при обработке информации, поступающей от ЛПР. Для моделирования неопределенности наличия меток в позициях сети использован подход, который позволяет описать эту неопределенность с позиции теории нечетких множеств -это дает возможность моделирования как стохастической, так и других видов неопределенностей объекта.

В нечеткой сети Петри пара Кг=(с,)иг), где с=(Р,Т, Е) описывает структуру сети, а отображение ]ц.г:РЧ'г присваивает каждой позиции Р! вектор распределения степеней принадлежности меток к позиции (р2). Переход в нечеткой сети разрешен, если у вектора принадлежностей каждой входной позиции этого перехода в данный момент времени имеется компонента, не равная нулю, с номером, равным или большим числу дуг, соединяющих даннуа позицию с переходом.

Правило разрешения переходов в нечетких сетях формулируется

так:

Ур^т-,) 3*1/(Р!) Ю: 1 Хр^к^)). (1)

Тогда V представляет собой множество векторов, элементы которого имеют следующий вид: у=||д(0)д(1)...д(п)||. Как и в обычных сетях Петри, в нечетких сетях при срабатывании переходов происходит процесс перераспределения меток между позициями сети. Но в нечетких сетях этот процесс отражается в изменении векторов распределения степеней принадлежности меток к позициям сети. Исследования показали, что в процедурах оперативного управления в условиях ограниченного времени кет возможности точно указывать оценки вероятностей и формировать законы распределения случайных величин. Поэтому, для учета неопределенности в имитационной модели нечеткие величины

представлены в виде нечетких интервалов. Так как такое представление позволяет одновременно иметь пессимистическое и оптимистическое представления и не требует довольно длительной процедуры экспертного опроса.

Для вычисления новых значений векторов принадлешости предложен следующий механизм срабатывания возбужденного перехода. Время срабатывания 1-го перехода имеет нечеткую продолжительность и представляется как нечеткий интервал (Ь-Ю-типа в виде четверки параметров МЧт.Ш.а,Ь)1К. В этом случае механизм срабатывания остается справедливым при замене операций сложения и вычитания, максимизации и минимизации их расширениями на случай нечетких аргументов. Так как используется параметрическое представление нечетких интервалов их вычисление можно проводить на основе известной теоремы инвариантности для суммы нечетких чисел

М + ^(¡гн-П.га+п, а+Б. Ь+э)^ (2)

М - И=(щ-П.ш-п, а-Б, (3)

Кроме того, следует отметить, что четкие временные интервалы

М' рассматриваются в модели как подмножество множества нечетких интервалов К' И Уьр (V/). Тогда при моделировании появляется возможность оперировать з одной модели как четкими, так и нечеткими характеристиками объектов ДТП, используя для вычислений методы разработанные для нечетких аргументов. .

Для оперативного анализа и количественной оценки внешних возмущений и отказов исполнительных механизмов ЛТС предлагаемая в работе адаптивная модель обеспечивает динамическую корректировку структуры в ходе имитационного эксперимента, что существенно повышает ее адекватность.

В третьей главе рассмотрены модели принятия решений на двух уровнях оперативного управления, инвариантные к производственным условиям ДТП и конфигурации ЛТС.

Система оперативного управления ДТП реализуется иерархической с двухуровневой структурой. На верхнем уровне решается задача упорядочения взаимодействия всех видов оборудования ЛТС в соответствии с описанием техпроцесса и сложившейся на производстве ситуацией в экстремальной постановке. Предложенная модель принятия решений позволяет при отсутствии строгого математического решения и невозможности применения полного перебора из-за большой размерности задачи формировать содержание эталонной модели управления на основе нечеткой оптимизации.

Рис.1. Структура системы автоматизации принятия решений.

Для формирования эталонной модели управления использован формально-эвристический подход. Метод поиска в пространстве состояний включает элементы интеллектуальной поддержки - эвристические приемы и правила. При разрепении конфликта назначения ресурса на элемент оборудования обобщенная цель выбора выражается экспертом в упрощенней лингвистической форме в виде эвристического правила. Метод выбора эвристического правила, предложенный в данной работе, основан на определении нечетких зависимостей между критериальными оценками, получаемых вариантов эталонной модели и эвристическими правилами. Критериальные оценки качества управления согласно эталонной модели зависят от нескольких параметров описания ситуации управления: эвристических правил, использованных для формирования эталонном модели, производственного задания, маршрутных техпроцессов, конфигурации оборудования. Исходы альтернатив оцениваются по нескольким критериям качества управления.

Предлагаемая в работе методика построения нечеткой зависимости для индивидуальных условий конкретного объекта управления по результатам имитационного эксперимента базируется на статистических данных и экспертных оценках. Основываясь на теории Шефера и Демпстера, вычисляются распределения возможностей значений каждого критерия для эталонной модели по известным вероятностным распределениям соответствующих значений. Эта информация, полученная после обработки результатов моделирования, выражается в виде набора сопоставлений значений параметров и критериев.

<Если значения параметров Y таковы, что выполняется условие Lj, то критерий Ск принимает значение fi¡ > или более коротко: Я^Если Lj, то CK=Gj >. (4)

4= nlY/ = H:1r . (5)

r-l

где Hj!г~ лингвистические значения параметров Yjr е У ; nt- количество элементов входящих в i-ю конъюнкцию. Выражение (4) является информационной гранулой, обозначаемой gt. Набор информационных

гранул S-ígj.....gj.....gn} задает нечеткую зависимость СК=Ф(У),

которая отражает систему предпочтений.

Отдельное высказывание g¡ задает фрагмент R;1 нечеткого отношения между значениями параметров Y3 j=l.....m и зависящего от него критерия Сk в виде нечеткого подмножества декартова произведения Yj ® Ск с функцией принадлежности

MR (Yj, Ск) - min { (Yj). Дс (Ck) }. (6)

Совокупность nJвысказываний типа (Ü задает на Y3 ® Ск отношение Rj с функцией принадлежности

Д (YJh ,Ск) = шах min { Мн (Y3). MG (Ск) }. (7)

Отсюда можно определить обдее отношение R на 'г1® Ск:

R - П Z(R3). (3)

Здесь Z(Rj) - цилиндрические расскрение отношения Rj на множество Y ® Ск. Таким образом, нечеткие описания маргинальных зависимостей критериев от параметров задают нечеткое отношение R с функцией принадлежности

Ar(Y,Ck) - min mz(r )(Y.CIt)= rain ¡iy СУл.Ск). (9)

Если теперь в пространстве YJзадать вектор нечетких значений параметров Н= {H-J}, 3=1,.. . то на основе композиционного правила вывода Заде можно определить соответствующую нечеткую критериальную оценку G с функцией принадлежности

Мс(Ск) = sup пах(0, MR(Y,Ck)+|in(Y)-l}. СЮ)

Так как критерии к ограничения задаются в модели посредством нечетких множеств, которые объединяют элементы субъективных предпочтений, для решения многокритериальной задачи в работе используется подход, предложенный Беллманом и Заде, что позволяет рассматривать задачу свертывания критериев как задачу комбинирования нечетких множеств с помощью теоретико-множественных операций над ними. Такой подход дает возможность ЛПР задавать обобщенный критерий

выбора эталонной модели управления в виде сложной лингвистической категории, базовым множеством для которой будет декартово произведение . гк.

Тогда нечеткое множество С эталонных моделей управления, совместимых с общей целью, получается путем свертывания нечетких множеств с функциями принадлежности Таким образом, предпола-

гается существование отображения Г такого, что

^аЕ А (а) =Г (а) ,ц2(а),.. . ,дк(а)). Для данной прикладной задачи определено множество допустимых операций свертки. В случае, если цели представляют собой некоторые ограничения, то они являются равнозначными по важности, т.е. когда Ск- обычное подмножество то двумя единственно возможными видами свертки является пересечение целей й^г или их объединение С2(если они взаимозаменяемы). В этом случае исключается любой компромисс между критериями. Если цели являются неравнозначными, то для выражения понятия важности предлагается использовать порог удовлетворения целей. По каждому требованию Ск, участвующему в свертке, вводится некоторый минимальный порог гк°. Достижение этого порога определяет применимость оценки шк(а) объекта а^А. В этом случае неявно предполагается, что объект а тем предпочтительнее в смысле критерия Ск, чем больше величина шк(а). Значение порога гк° эквивалентно заданию некоторой целевой функции ск, такой, что дСк(г) = 1, Уг)гк° и /*ск(2)=0 в противном случае. Предложенный подход позволяет избавить ЛПР от необходимости явно ранжировать критерии по степени важности. Для задания порогов удовлетворения целям использованы соответствующие лингвистические значения уровней совместимости. Предложенная в работе дискретная шкала предпочтений включает пять уровней на интервале [0,1]. Следуя предложенной методике решения задачи многокритериального выбора, формируются решающие правила, позволяющие производить действия -со множеством альтернатив с целью выбора.

На нижнем уровне системы оперативного управления эталонная модель задает режим функционирования в соответствии с оперативным планом при отсутствии возмущений. При возникновении нештатных ситуаций, не предусмотренных эталонной моделью, осуществляется поиск новой стратеги управления. Стратегия управления вырабатывается на основе реализации соответствующих связей между управляющими решениями и известной системой предпочтений ЛПР и формируется в результате выполнения нечеткого алгоритма.

Процедура выбора оперативных решений по назначению приоритетов отстающим от плана ЗИП основана на нечеткой модели выбора. Параметры описания ситуации управления для каждого 1-го ЭКП: х^ -отклонения от плана (временные смещения) ЭУИ и х:2 - остаточный цикл обработки ЗМП представляются как нечеткие множества, формирующие лингвистические переменные. Управляемые параметры \\ также представляется в виде нечетких множеств значений приоритетов для каждого 1-го заказа, находящегося в системе, и соответствующих лингвистических переменных. Система предпочтений ЛПР задана в виде информационных гранул вида:

X^Xj1, го Yi=y1D>. 1=1.....L. (11)

Набор информационных гранул задает нечеткую зависимость R(u,v)=Rj13, которая отражает систему предпочтения ЛПР. Запишем нечеткое уравнение и воспользуемся идеей "композиционного вывода " Заде, т. е.

V = Gj1 © V3. (12)

ц (v)= sup {min(u (u), ц (u,V))} (13)

*! UEU G! R,

Образованные таким образом нечеткие подмножества VV определяют нечеткие значения лингвистической переменной Yj1 - "Приоритет заказа 1" при текущих значениях признаков х23 и x2j. Б данной модели признаки описания ситуации управления рассматриваются как независимые, с последующим применением следующго правила обобщения независимых оценок, полученных по отдельным признакам.

л Vi/J= U min()isl3 <v).jiw2J(v)).r=i,2. (14)

vfcV i j

Особенность предложенной в работе продукционной системы состоит в том, что она не содержит явно управляющие решения. Явно система содержит предпочтения решений и возможность проверки стратегии управления на имитационной модели. То есть в системе содержатся продукции вида <ситуация -» предпочтение решенийХ Такая продукционная система менее критична к качеству экспертной информации, так как вывод решения в предлагаемой продукционной системе опирается не на прямое изложение экспертом алгоритма принятия решений, а на информацию, обосновывающую этот вывод.

Четвертая глава посвящена рассмотрению интегрированной экспертной системы, реализующей рассмотренные модели и методы. В рассматриваемой ИЭС для обработки нечетких правил интерпретатором использован принцип нечеткой фильтрации.

На- этапе сопоставления рассматривается соответствие между не-

четкими множествами, выражающими смысл факта и смысл условной части празила. С нечетким фактом F можно сопоставить описываемую образцом модуля стандартную ситуацию к, не требуя, чтобы АЧ\ достаточно чтобы AnF имели совместимые, относительно близкие значения. Тогда действенность правила оценивается с помощью двух показателей соответствия факта F ситуации А, указанной в образце:

меры возможности П(А, F), оценивающей насколько совместимы друг с другом А и F, и определяемой формулой: n(F,А) - sup min (jiF(s),jiA(s))= П(А,F); ses

меры необходимости N{A,F), оценивающей насколько факт F, является частным случаем ситуации А, и определяемой формулой: N(F, А) = Inf max (|iF (s), l-/iA(s)) . SES

Практически экстремальные значения показателей П(А,F) и N(A,F) интерпретируются следуювдм образом:

Н(А,F)=n(A,F)=l - ситуация описываемая фактом:<Х есть F>, частный случай ситуации, предусматриваемой условием:<Х есть А>. Тогда правило определенно срабатывает.

К(A,F)=n(A,F)=0 - правило не срабатывает, поскольку факт <Х есть F> вовсе не соответствует ситуации предусмотренной правилом.

П(А.F)=1, N(A,F)=0 - неизвестно, сработает правило или нет, поскольку описание содержащееся в факте <Х есть F> не противоречит условной части правила, но в го же время и не мешает согласованности этого факта с прочими ситуациями, предусматриваемыми другими правилами.

Пятая глаза посвящена практическому применению разработанных моделей, алгоритмов и инструментальных программных средств обеспечения процедур принятия оперативных решений по управлению ДТП механообработки изделий электромеханики.

На верхнем уровне оперативного управления сформирована эталонная модель управления на основе критерия, содержание которого опредесяется следующей лингвистической категорией: "Эталонная модель обязательно имеет среднее значение отступления заказов от плана ДОСТАТОЧНО ХОРОШЕЕ, желательно чтобы валовый выпуск продукции на 'участке и среднее значение моментов окончания обработки заказов имели хотя бы ПОСРЕДСТВЕННЫЕ значения". Средствами пользовательского интерфейса осуществлена идентификация каждой элементарной цели:

<цель1> -> "Валовый выпуск продукции в единицах трудоемкости" -> С7;

<цель2> -» "Среднее значение моментов окончания обработки заказов" - с2;

<цельЗ> -» "Среднее отступление заказов от плана" С5; <обобщенная цель выбора) = С5 ОР (С7 И С2)

Здесь в обобщенном критерии присутствует неравнозначность целей, а оператор лингвистической свертки ОР является конъюнкцией. Пороговое значение первой и второй элементарной цели описывается лингвистической переменной "ПОСРЕДСТВЕННО", которой соответствует значение степени возможности z°-0,25. Пороговое значение третьей элементарной цели описывается лингвистической переменной "ДОСТАТОЧНО ХОРОШЕЕ" с числовым значением степени возможности z°^0,5. Следуя предложенной методике решения задачи многокритериального выбора имеет место следующее выражение:

G G (Xn.VXj) = SUP ™ln { <xn). Ac (хв), Дс (Xj) ).

„725 7 2 5

В результате получены следующие решающие правила:

Правило 1; ЕСЛИ Дс (х) >0, 25 И Дс (х))0, 25 И ^ (х))0,5 ,

ТО и.(х) 7 = min { Ii Ix), и (x), ц'5 (>:)}.

G G G G G G

7 2 5 7 2 5

Правого 2: Если д (x)<0,25 ИЛИ д (х)<0,25 ИЛИ д (х)<0,5 ,

7 2 5

TO U (х)=0.

С G С 7 2 5

Эффективность управления на основе различных эталонных моделей

Номео Наименование критерия ЭМ-2 ЭМ-5 зм-ю неавтомат.

крит*. качества управления управление

1 Максим.момент оконча-

ния обработки (мин.) 1382,0 1382. 0 1328,0 1350, 0

2 Сведнее знач. момента

окончания (мин.) 809,3 813, 7 848,7 848, 0

3 Максимальное ожидание

обработки (мин.) 193, 0 181, 0 Э2, 0 110, 0

4 Среднее ожидание

5 обработки (мин.) 64,3 56, 2 38,6 55, 0

Среднее отступление 120, 0

от плана (мин.) 54,0 51, 0 131, 0

6 Максимальное опереже-

ние плана (мин. ) 25,0 29, 3 64, 3 24, 0

7 Валовый выпуск продук-

ции (в ед. труд. ) 2500,0 2441,0 2546,0 2440, 0

8 Общая стоимость обработки деталей-на

участке (в ед. труд.) 2953,0 2353,0 2353,0 2980, 0

В таблице представлены результаты имитационного моделирова-

ния, свидетельствующие об эффективности управления согласно сформированной эталонной модели ЭМ-2, рекомендованной на основе нечеткой оптимизации.

Процедура оперативного принятия решений в темпе реального времени использует униЕерсалвную шкалу, построенную для производственных условий цеха механообработки. Универсальная шкала представляет собой ряд взаимнопересекающихся колоколообразных кривых на интервале [0,1], соответствующих икалируемым временным оценкам. Переход от шкалы относительных временных отклонений к лингвистическим оценкам и наоборот осуществляется с помощью функции отображения % : X [т1т1п,т1,1ах]. Адаптация нечеткой модели к изменению условий управления производится подстройкой функции отображения ж, для чего проводится экспертный опрос относительно соответствия понятий универсальной шкалы и предметной шкалы в опорных точках функции отображения.

Нечеткий алгоритм формирования стратегии управления в оперативных условиях основан на нечеткой модели выбора приоритетов для ЭМП, по которым имеет место отклонение от плана. В качестве управляемого параметра рассматриваются временные характеристики прохождения элемента материального потока (ЭМП) через локальную технологическую систему, а в качестве управляющего воздействия - изменение приоритета, представляемого ЭМП для изменения его скорости продвижения через систему.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработана адаптивная имитационная модель ДТП, позволяющая учитывать специфику дискретных технологических процессов как объектов управления, которая обеспечивает информационную поддержку процедур оперативного принятия решений в контуре управления. Математическое содержание имитационной модели основано на реализации модификации аппарата сетей Петри - нечетких сетей, позволяющих количественно оценивать неопределенность, присущую технологическим процессам такой сложности, и проводить вычисление всех необходимых характеристик для информационного обеспечения алгоритмов оперативного управления.

2. Разработан специализированный механизм срабатывания возбужденных переходов в нечеткой сети Петри. Исследована технология моделирования дискретных технологических процессов на основе нечет-

ких сетей Петри.

3. Исследованы альтернативные подходы к постановке имитационного эксперимента на основе эталонной модели. Получено математи -ческое описание, составляющее содержание статического и динамического режимов реализации имитационного эксперимента.

4. На основе анализа специфических особенностей применительно к условиям технологических систем различного уровня сложности выделены два класса обобщенных информационных моделей и дано их математическое описание.

5. Осуществлена постановка задачи оперативного управления ДТП, как многовариантной оптимизационной задачи, и разработана структура базы данных и базы знаний для ее решения. Разработан алгоритм решения этой задачи на основе реализации метода поиска в прост-" ранстве состояний с применением эвристических функций предпочтения.

6. Предложена продукционная модель системы оперативного управления, реализующая методы принятия решений и позволяющая совместно использовать логико-лингвистическую информацию и информацию, выраженную в числовой форме. Особенностью этой модели является то, что продукции не содержат управляющих решений в явном виде, а поиск стратегии управления ведется на основе зависимости между ситуацией на обьекте управления и предпочтениями решений. Стратегия управления является результатом выполнения формально обоснованного нечеткого алгоритма.

7. Разработаны модели и алгоритмы принятия решений, базирующиеся на процедурах нечеткого дедуктивного вывода и отличающиеся возможностью комплексного учета трудноформализуемых факторов. Это обеспечивает осуществление режима оперативного управления в условиях неопределенности.

8. Предложена структура и алгоритмы взаимодействия элементов экспертной системы с имитационной моделью объекта управления, обеспечивающей информационную поддержку соответствующих процедур.

9. Разработаны элементы прикладного программного к сервисного обеспечения интегрированной экспертной системы оперативного управления ДТП и осуществлена их практическая апробация в реальных производственных условиях.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Десятов Д. Б., Кривошеева Н.В. Система имитационного моделирования дискретного производства // Методы и устройства обработ-

кн информации в системах автоматического управления: Межвуз. сб. науч. тр. / Рязанский радиотехнический институт. Рязань, 1991.

2. Кривошеева Н.В. Оптимизация и принятие решений в системе имитационного моделирования дискретных пооизводств // Математическое и машинное моделирование: Тез. докл.* Всесоюзной научной конференции / ВТИ. Воронеж, 1991.

3. Еурковский В.Л., Кравец О.Я. , Кривошеева Н.В. Имитационное моделирование переходных режимов в дискоетных технологических системах сборочного типа // Тез. докл. Российского совещания-семинара "Оптимальное проектишвание технических устройств и автоматизированных систем" . Воронеж, 1392.

4. Кривошеева Н.В. Принципы построения интеллектуальной оболочки обучающей среды моделирования сложных объектов управления // Компьютеризация управления * качеством высшего образования: Тез. докл. Регионального совещания-семинара для руководящих работников и преподавателей вузов ЦЧР (14-17 декабря 1992 года). Воронеж: ВПИ, 1992.

5. Бурковский В.Л., Кривошеева Н.В. Динамическая модель ГПС "как основа информационного обеспечения алгоритмов управления // Опыт информатизации в промышленности: Тез. докл. Регионального совещания-семинара 23-24 июня 1993 г. Воронеж: ВорПИ, 1993.

6. Кривошеева Н.В., Бурковский В.Л. Оперативное планирование участка сборки в системе, основанной на знаниях // Технико-экономические проблемы перестройки производства в условиях конверсии: Тез. докл. Региональной научно-поактической конференции (сентябрь 1993 года). Воронеж: ВНИИС, 1953.

7. Бурковский В.Л., Кривопеева Н.В. Сервисные функции проблемно-ориентированной экспертной системы // Высокие технологии в проектировании технических устройств и автоматизированных систем: Тез. докл. Всероссийского совещания-семинара (27-30 сентября 1993 года). Воронеж: ВПИ, 1993.

8. Бурковский В.Л., Кризошеева Н.В. Решение задачи оперативного планирования методами искусственного интеллекта // Проблемы информатизации в распределенных системах управления и проектирования: Межвуз. сб. научн. трудов / Воронеж, 1994.

9. Бурковский В.Л., Кривошеева Н.В. Динамическое моделирование в управлении дискретным производством // Динамика процессов и аппаратов химической технологии: Тез. докл. IV Всероссийской научной конференции 18-19 октября 1994 г. Ярославль: ЯГТУ, 1994.

10. Бурковский В.Л., Кривошеева Н".В. Организация базы знаний в экспертной системе управления производством видеомагнитофонов // Состояние и пути повышения надежности видеомагнитофонов: Тез. докл. IX Научно-технической отраслевой конференции март 1995 г. Воронеж: АООТ "Видеофон", 1995.

11. Кривошеева Н.В. Имитационное моделирование в системе оперативного управления технологическими объектами // Состояние и пути повышения надежности видеомагнитофонов: Тез. докл. X Научно-технической отраслевой конференции март 1996 г. Воронеж: АООТ "Видеофон",1996.

12. Бурковский В.Л., Кривошеева Н.В. Модель принятия решений в системе управления дискретными технологическими процессами // Математическое обеспечение информационных технологий в технике, образовании и медицине: Тез. докл. Всерослйского совещания-семинара 26-29 июня 1996 г. Часть II. Воронеж: ВГТУ, 1996.

13. Бурковский В.Л., Кривошеева Н.В. Принципы функционирования продукционной системы в контуре управления дискретными технологическими процессами // Нетрадиционные технологии в машиностроении и приборостроении: Сборник научн. трудов. Вып.1./ Воронеж: ВГТУ, 1996.

—