автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Байесовские модели принятия решений при управлении техническим обслуживанием по фактическому состоянию

Шалашов Иван Владимирович

БАЙЕСОВСКИЕ МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ТЕХНИЧЕСКИМ ОБСЛУЖИВАНИЕМ ПО ФАКТИЧЕСКОМУ СОСТОЯНИЮ

Специальность 05Л3.01 - «Системный анализ, управление и обработка информации» (технические науки)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

4841417

Нижний Новгород 2011

2 4 МАР 2011

4841417

Работа выполнена на кафедре «Электроника и сети ЭВМ» Нижегородского государственного технического университета им. P.E. Алексеева

Научный руководитель доктор технических наук, профессор,

Милов Владимир Ростиславович

Официальные оппоненты доктор технических наук, профессор,

Соколова Элеонора Станиславовна

кандидат технических наук, Егоров Евгений Евгеньевич

Ведущая организация ФГУП «НПП «Полёт»

Защита состоится «31» марта 2011 г. в 15 часов в ауд. 1258 на заседании диссертационного совета Д 212.165.05 в Нижегородском государственном техническом университете им. P.E. Алексеева по адресу: 603950, г. Нижний Новгород, ГСП-41, ул. К. Минина, 24.

С диссертацией можно ознакомиться в библиотеке Нижегородского государственного технического университета им. P.E. Алексеева.

Автореферат разослан «. ¿Г » февраля 2011 г.

Ученый секретарь

диссертационного совета Д 212.165.05 к.т.н.

Суркова A.C.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

В настоящее время, наряду с традиционным методом обслуживания технических систем по регламенту, начинает применяться техническое обслуживание (ТО) по фактическому состоянию. Это позволяет сократить количество обслуживаний, число отказов и, как следствие, затраты на обслуживание.

Традиционно основой ТО по фактическому состоянию является техническое диагностирование. Также в настоящее время большое значение для повышения эффективности ТО по фактическому состоянию приобретает прогнозирование отказов объекта.

Результаты диагностирования и прогнозирования составляют основу для принятия решений о необходимости ТО, времени его проведения и объеме. Поэтому эффективность применения ТО по фактическому состоянию зависит от выбора стратегии диагностирования и прогнозирования. При прогнозировании технического состояния сложных систем находят применение вероятностные модели. Более того, учёт статистических неопределённостей, обусловленных ограниченностью объёма наблюдений, должен всегда сопровождать принятие решений относительно выработки корректирующих мероприятий по повышению надёжности.

Вопросы повышения эффективности технического обслуживания и ремонта (ТОИР) на основе прогнозирующих информационных систем рассмотрены в работах JI.H. Александровской, И.З. Аронова, В.И Круглова, И.А Буралёва, Б.И. Доценко, Н.Д. Богатова, а также в работах иностранных ученых F. Saliner, М. Malek, G. Bratnik, А. Kusz, А. Marciniak и др.

Работы отечественных ученых А.И. Галушкина, Д.В Гаскарова, С.Н. Васильева, С.И. Николенко, A.JI. Тулупьева, В.М. Гупала, М.А. Круп-ского, В.П. Савчука, А.Л. Тугучева и других отражают различные аспекты вероятностного моделирования систем, в том числе с помощью байесовских сетей.

Методы прогнозирования технического состояния на основе байесовской методологии рассмотрены в работах В.В. Глущенко, A.B. Назарова, Ю.С. Середы, а также в работах иностранных ученых L.R. Murphy, R. Rabiner, R. Katz, I. Csiszär и др.

Разработкой технологий принятия решений в различных прикладных аспектах занимались Д.П. Броварный, A.B. Сиротин, В.Н. Антонов, В.А. Терехов, И.Ю. Тюкин и др.

Однако направления разработки правил принятия оптимальных статистических решений об обнаружении прогнозируемых отказов и необходимости и порядке проведения диагностических процедур при управлении техническим обслуживанием по фактическому состоянию требуют дальнейшей разработки.

Таким образом, научная проблема диссертационного исследования -разработка модели принятия решений при управлении техническим обслуживанием по фактическому состоянию - актуальна.

Цель и задачи диссертационной работы

Цель работы заключается в разработке процедур поддержки принятия решений для повышения эффективности обслуживания технического объекта по его фактическому состоянию на основе прогнозирования отказов.

Указанная цель достигается решением следующих задач:

1. Провести анализ принципов обслуживания технических систем и моделей вероятностного описания состояния объекта.

2. Разработать критерий эффективности прогнозирования отказов при управлении техническим обслуживанием по фактическому состоянию.

3. Разработать оптимальное правило принятия решения относительно прогнозируемого отказа.

4. Разработать процедуры принятия рациональных решений о проведении тестов.

Методы исследования

В диссертационной работе использованы методы исследования, базирующиеся на теории вероятностей и математической статистики, теории принятия решений, включая байесовскую методологию, теории полезности, теории информации, теории надёжности, а также методах оптимизации и математического моделирования.

Научная новизна

1. Предложен новый критерий эффективности прогнозирования отказов технического объекта, представляющий выигрыш от реализуемых действий по предотвращению отказа.

2. В развитие байесовской методологии на основе предложенного критерия разработано оптимальное правило принятия решений относительно прогнозируемого отказа.

3. Разработаны новые процедуры принятия решений о проведении тестов с учётом ценности информации и стоимости диагностических процедур, основанные на вероятностной модели технического объекта, формализованной посредством байесовской сети.

Практическая значимость работы

Предложенные в диссертационной работе методы и процедуры поддержки принятия решений для управления обслуживанием технических объектов позволяют сократить время и стоимость ремонта, что способствует повышению эффективности функционирования технических систем.

Результаты диссертационной работы нашли применение в НИР, выполнявшихся в рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники»:

• «Приобретение знаний и логический вывод в распределенных гибридных интеллектуальных системах» (государственный контракт № 02.442.11.7378, отчет о НИР инв. № 02200607048);

• «Разработка теории интеллектуальной обработки информации и автоматизированного управления сложными аппаратно-программными комплексами на основе нейросетевых технологий» (государственный контракт № 02.442.11.7378, отчет о НИР, инв. № 02200901018).

Разработан программный модуль, реализующий процедуры прогнозирования отказов и поддержки принятия решений. Получено свидетельство о государственной регистрации программы "Программный комплекс моделирования процедур нейросетевой классификации" № 2008612308.

Разработанные в диссертационной работе теоретические решения и программное обеспечение представлены к внедрению в ОАО «Газпром» в

рамках разработки общесистемных решений по обработке данных в интеллектуальной информационной системе комплексного мониторинга состояния магистрального газопровода (ИИС КМСГ).

Процедуры принятия решений с учётом ценности и стоимости информации и процедуры прогнозирования внедрены в процесс управления разработкой и тестирования программного обеспечения в ООО «Телека» (г. Нижний Новгород).

Часть материалов диссертационной работы использована в учебном процессе на кафедре «Электроника и сети ЭВМ» Нижегородского государственного технического университета им. Р.Е. Алексеева при проведении занятий для студентов и магистрантов, обучающихся по направлению 230200 «Информационные системы».

Апробация работы

Основные положения и результаты диссертационной работы докладывались на следующих научно-технических семинарах и конференциях:

1. Научно-технические семинары кафедры ЭСВМ 2006 - 2010 гг.;

2. 16-я Международная научно-практическая конференция по графическим информационным технологиям и системам - КОГРАФ (г. Нижний Новгород, 2006 г.);

3. Международные научно-технические конференции «Информационные системы и технологии» - ИСТ (г. Нижний Новгород, 2005 - 2009 гг.);

4. 10-я, 12 - 14-я Нижегородские сессии молодых ученых. Технические науки (г. Нижний Новгород, 2005, 2007 - 2009 гг.);

5. 6-я Международная конференция «Цифровая обработка сигналов и ее применение БЭРА» (г. Москва, 2007 г.);

6. 13-я Всероссийская научно-техническая конференция «Информационные технологии в науке, проектировании и производстве» (г. Нижний Новгород, 2007 г.);

7. Всероссийская научно-техническая конференция «Нелинейная динамика в когнитивных исследованиях» (г. Нижний Новгород, 2009 г.).

Разработан проект системы управления и диагностики технологических процессов, который удостоен диплома в номинации «Создаём интеллектуальный капитал конкурса» на первом областном конкурсе молодёжных инновационных команд «Россия. Ответственность. Стратегия. Технологии».

Основные положения диссертационной работы, выносимые на защиту

1. Предложенный критерий показывает, во сколько раз изменяется готовность объекта при техническом обслуживании по фактическому состоянию на основе прогнозирования отказов.

2. Разработанное решающее правило позволяет повысить готовность технического объекта при обслуживании по фактическому состоянию на основе прогнозирования отказов.

3. Процедура принятия решений о проведении тестов позволяет проводить рациональный выбор диагностических процедур.

Публикации

Основное содержание диссертации опубликовано в двух отчетах по НИР и в 26 печатных работах. Из них восемь статей в научно-технических журналах, 17 публикаций в сборниках трудов и материалов научно-технических конференций, в том числе Всероссийских и Международных, свидетельство Роспатент об официальной регистрации программы для ЭВМ.

Три статьи опубликованы в журналах «Автоматизация в промышленности» и «Информационно-измерительные и управляющие системы», которые входят в перечень изданий, рекомендованных ВАК для публикации результатов диссертационных работ.

Структура и объем работы

Диссертационная работа состоит из введения, пяти глав, заключения, библиографического списка и пяти приложений. Общий объём работы составляет 147 е., включая 127 с. основного текста, 48 рисунков. Библиографический список содержит 97 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и задачи исследования, выбраны методы исследования, отмечена научная новизна и практическая значимость работы, приведены основные положения диссертационной работы, выносимые на защиту, а также сведения об апробации результатов исследования.

В первой главе проведён обзор методов технического обслуживания и ремонта. Определены и систематизированы основные принципы управления техническим состоянием в процессе эксплуатации. Рассмотрены методы обслуживания оборудования по регламенту и по фактическому со-

стоянию. Проведённый анализ свидетельствует о целесообразности внедрения методов обслуживания по фактическому состоянию. Отмечено, что одно из основных направлений повышения эффективности обслуживания по фактическому состоянию связано с необходимостью разработки методов прогнозирования предупреждаемых постепенных и внезапных отказов и процедур принятия решений о проведении процедур технической диагностики.

Возможность прогнозировать отказы позволяет заблаговременно провести организационно-технические мероприятия по обслуживанию объекта для предотвращения или минимизации последствий отказов.

Вторая глава посвящена описанию разработанного способа повышения эффективности технического обслуживания по фактическому состоянию на основе прогнозирования. Сформирована постановка задачи диссертационного исследования, связанная с повышением эффективности метода технического обслуживания по фактическому состоянию на основе правил принятия оптимальных решений относительно выработки корректирующих мероприятий по повышению коэффициента готовности системы.

В рамках метода ТО по фактическому состоянию сформирована схема системы технического обслуживания с применением прогнозирования (рис. 1). Данные о состоянии технического объекта снимаются с датчиков и подаются на подсистему прогнозирования технического состояния. На основе прогноза будущего состояния в подсистеме ТОИР принимается решение о наступающем отказе и инициируется выполнение необходимого технического обслуживания объекта.

Рис. 1. Схема системы управления технического обслуживания и ремонта

Подсистема ТОИР охарактеризована вероятностью Рг возникновения (не предотвращения) отказа при условии правильного предсказания и

вероятностью РЕ привнесения отказа, в случае ошибочного предсказания (ложной тревоги).

Технический объект в составе системы технического обслуживания с прогнозированием охарактеризован коэффициентами кр=ТК1,/Т11 и кЕ =ТКЕ1ТК, где ТКР, ТКЕ, Тк- среднее время ремонта с подготовкой; ремонта, вызванного привнесенным отказом; ремонта объекта без применения прогнозирующего контроля, соответственно.

Эффект от применения прогнозирующего контроля предложено оценивать величиной

которая показывает, во сколько раз изменяется среднее время неработоспособного состояния технического объекта, где К и К' коэффициенты готовности без применения и с применением прогнозирующего контроля соответственно. Эффект от применения технического обслуживания по фактическому состоянию имеет место при и возрастает по мере

уменьшения неотрицательной величины V.

Исходя из (1), в результате выполненных преобразований получено выражение для оценки эффекта от применения прогнозирования

ч = КР+аКЕ{1-Рг)/Ре+р(1-КР), (2)

где Рг - априорная вероятность возникновения неисправного состояния за анализируемый интервал времени; Кр = крРг, КЕ = кЕРЕ\ аир- соответственно вероятности ошибок ложной тревоги и пропуска неисправного состояния технического объекта.

Как следует из формулы (2), эффективность прогнозирования технического состояния возрастает (величина V уменьшается) при уменьшении Кр и КЕ. Для идеальной подсистемы ТОИР Кр= 0 и КЕ-0, что может быть обеспечено, если Рр = 0 и РЕ= 0. При этом все правильно предсказанные отказы предотвращаются, а обработка ложных тревог не приводит к новым отказам. В этом случае величина выигрыша V,. = р полностью определяется вероятностью пропуска при прогнозировании отказа.

Выигрыш от применения прогнозирования технического состояния возрастает при уменьшении а и р. При высокой точности прогнозирования а = О, Р = 0 величина выигрыша составляет V -- КР. В то же время в соответствии с рабочей характеристикой подсистемы прогнозирования уменьшение одной из величин а или Р сопровождается увеличением

другой. При этом возникает необходимость синтеза решающего правила для принятия решений о наступающем отказе из условия минимизации целевой функции (2).

Выражение (2) представляет собой взвешенную сумму вероятностей ошибок первого и второго рода и по своей структуре аналогична выражению для среднего риска. Рассуждая, как и при выводе решающего правила по критерию минимума среднего риска, сформировано правило принятия решения о наступающем отказе. Решение о формировании сигнала-предупреждения о наступающем отказе а выносится в результате сравнения величины Рт с пороговым значением.

В развитие байесовской методологии получено оптимальное правило принятия решений относительно прогнозируемого отказа

¿ = Н{Рт-1гр), (3)

где РРР5 = Р(г =1|х) оценка апостериорной вероятности наступления отказа на рассматриваемом интервале времени т.

Получено выражение для порога • К,,

доставляющее наименьшее значение целевой функции (2).

Как следует из рис. 2, при использовании оптимального решающего правила (3) происходит повышение эффективности по отношению к системе ТОИР без прогнозирования технического состояния.

0,8

0,3 °<4

°'.5 0,6 °'7 0,8 0

0,6

0,3 0.4 0,5 о!б у 0,8 0,9

'Л«., "Ч ^

0,2 0,4 0,6 0,8 Кр 0,2 0,4 0,6 0,8 Кр

а) б)

Рис. 2. Линии уровня зависимости = К р) при Рр =0,1 (а); Рр =0,01 (б)

В третьей главе проведён анализ методов прогнозирования отказов. Анализ показал, что для описания системы эффективно применение модели состояния, описывающей динамику изменения вероятностей нахождения системы в различных состояниях, и модели наблюдения, описывающей связь наблюдений х с состоянием z ■ Эти модели определяются условными распределениями вероятностей Р(г(п + 1)| г(»)) и ^М'1)! ¿("))> где п — момент дискретного времени, а также распределением вероятностей Р(г(О)) состояния в начальный момент времени.

Для описания динамики состояния технических систем применены скрытые марковские модели (СММ). Эти модели формируются с учётом априорной информации посредством структурно-параметрического синтеза на основе обучающей выборки. Оценка текущего и будущего состояния технических систем осуществляется с помощью процедур фильтрации и прогнозирования СММ.

Рассмотрен способ обнаружения наступающего отказа на основе нейро-сетевого классификатора. При этом в «скользящем окне» выполняется предварительная обработка регистрируемых сигналов, в результате чего формируется вектор х признаков, характеризующих состояние объекта.

Обучение нейросетевого классификатора и скрытых марковских моделей осуществляется на основе эмпирических данных Б, представляющих значения признаков х(п) и идентификатора состояния объекта г(п), л=0,/V.

Таким образом, в результате обучения формируется система прогнозирования, позволяющая оценивать вероятность наступления отказа технического объекта на рассматриваемом интервале времени Рт. Решение о формировании сигнала-предупреждения о наступающем отказе выносится на основе сравнения величины Рт с пороговым значением, определяемым с помощью предложенного критерия эффективности прогнозирования технического состояния.

В качестве примера, для процесса постепенной деградации системы выполнено моделирование процедур фильтрации и прогнозирования состояния на основе СММ. Для этого сформирована последовательность из четырёх состояний а., / = 1,4 и последовательности данных наблюдения.

На рис. 3,а и 3,6 представлены вероятности нахождения системы в одном из четырёх состояний ^(н),/= 1,4, полученные в результате фильтрации и прогнозирования на т = 40 шагов после 40 и 80 шагов наблюдения соответственно.

п

б)

Рис. 3. Результаты прогнозирования после 40 шагов (а) после 80 шагов (б)

Результаты моделирования показывают, что в рассматриваемом примере результаты прогнозирования после 40 шагов (рис. 3,а) достаточно точно предсказывают смену состояний системы, что подтверждается результатами фильтрации на интервале от 40 до 80 шагов (рис. 3,6) и свидетельствуют о возможности применения предложенных процедур на практике.

Четвертая глава посвящена разработке способа принятия рациональных решений о проведении тестов с учётом ценности и стоимости тестовых процедур при наличии неопределенности.

В качестве модели технического объекта предложено использовать байесовскую сеть (рис. 4), формируемую с помощью процедур структурно-параметрического синтеза на основе обучающей выборки и знаний экспертов.

Сформирована логико-вероятностная диагностическая модель. В которой решения принимаются на основе обработки совокупности показаний датчиков, установленных на объекте диагностирования. При наличии данных наблюдения х решение а о состоянии системы выносится в

соответствии с методом минимума среднего риска « = arg min R (х). Здесь

«€ Л "

/?„(*)= Yjr(a'z^(z\x^ ~~ апостериорный риск, r(a,z) — функция потерь,

zeZ

которая характеризует последствия, наступающие при принятии решения ае А в ситуации, когда система находится в состоянии je Z.

В качестве целевой функции в задаче принятия решений о состоянии системы возможно применение предложенного показателя (2). При этом не требуется задавать матрицу потерь.

Отмечено, что в ряде случаев перед вынесением решения может быть получена дополнительная информация о состоянии системы. Кроме показаний датчиков х, которые поступают в подсистему прогнозирования состояния объекта, возможно получение дополнительной информации у от проведения тестов.

При использовании вероятностной модели технического объекта, формализованной посредством байесовской сети (рис. 4), проведение теста заключается в определении значения одной из переменных . Такие тесты характеризуются определенной стоимостью с,-, представляющей затраты на их проведение.

показания датчиков

Рис. 4. Модель технического состояния с применением байесовских сетей

Предложено осуществлять выбор в пользу того действия по проведению теста, которое имеет наибольшую ценность по сравнению с его стоимостью. При этом ценность теста по определению значения одной из переменных у1 определяется как разность

Д 1(х) = Ха(х)-Х(у1,х) (5)

между ожидаемыми потерями, соответствующими оптимальным решениям, принимаемым без использования дополнительной информации и при использовании таковой. На момент вынесения решения о целесообразно-

сти проведения некоторого теста его результат является неизвестным. Поэтому ожидаемые потери при проведении теста определяются с использованием усреднения по множеству возможных исходов

Л(у„х)= £Р(уМ{ штЛ„(у„х)1 (6)

V ле Д ) х

где /?„(>>,,х) = Хг(а.г)Р(г|у,-,х).

Тесты не проводятся, либо проведение дополнительных тестов завершается, если для любого из них стоимость с, превышает ценность Д,(х) получаемой информации. При этом в зависимости от условий ценность информации может существенно различаться для различных тестов.

Для формализации выбора диагностических процедур построена сеть принятия решений (рис. 5).

Рис. 5. Сеть принятия решений диагностической экспертной системы

В процессе функционирования системы мониторинга проверяется необходимость проведения теста. С учётом того, что основным состоянием системы является исправное, ценность тестов Д, (х) представляется как зависимость Д,(Ри) от апостериорной вероятности /ги = 1 - РГР5 нахождения системы в исправном состоянии. Из уравнения Д,(ри) = с; могут быть найдены пороговые значения рн и рв, определяющие границы решающих областей.

Проведение теста не назначается, если его ценность не превышает стоимость проведения Д, (ри) < с,, что имеет место в следующих двух случаях. В первом случае, при рп > рв система с высокой вероятностью на-

ходится в исправном состоянии, и принимается решение о исправности системы. Во втором случае, при р1{ < рн вероятность того, что система находится в исправном состоянии мала, и принимается решение о подготовке к устранению прогнозируемого отказа.

Ценность теста превышает стоимость его проведения Д¡(Рц)>с,- в условиях, когда состояние системы в значительной степени не определено и ри < ри < рв. После проведения теста окончательное решение о продолжении эксплуатации либо ремонте технической системы принимается с использованием результатов теста у на основе вероятностей P(z |у,х). Если рн и найдены из уравнения Д, (ри) = с, , то при работе диагностической экспертной системы не требуется выполнять трудоемкие вычисления, что определяет возможность обработки информации в реальном времени.

Пятая глава посвящена вопросам практического применения разработанных процедур.

Разработанные процедуры прогнозирования технического состояния и поддержки принятия решений о проведении технического обслуживания и диагностических мероприятий применены в составе технических решений по разработке модулей системы мониторинга и прогнозирования состояния участков магистрального газопровода (рис. 6), находящихся в условиях сейсмической активности.

Для решения задачи мониторинга положения осевой линии участков трубопровода используется информация от волоконно-оптических сенсоров а так же GPS-приёмников. Обработка данных о перемещении трубопровода осуществляется с помощью специального аппаратно-программного обеспечения. Изменение положение оси участков магистрального газопровода (МГ), вызванное сейсмической активностью приводит к деформации. Напряжённо-деформированное состояние (НДС) участков МГ рассчитывается на основе данных о смещении оси МГ.

В результате осуществляется оценка запаса прочности и прогнозирование состояния участков МГ. При этом отображаются как текущие, так и прогнозируемое состояние участков МГ на заданном временном интервале.

Возможность прогнозировать развитие динамики НДС позволит значительно снизить риск возникновения предаварийных состояний за счёт своевременного принятия решений о проведении необходимых организационно-технических мероприятий.

Результаты прогнозирования предаются в подсистему поддержки принятия решений (СППР), которая формирует рекомендации о необходимости проведения диагностики, а так же выбора тестовых процедур.

Применение процедур прогнозирования технического состояния и поддержки принятия решений о проведении технического обслуживания и диагностических мероприятий позволит значительно сократить объем ремонтных работ и продлить срок службы магистральных газопроводов за счёт своевременного принятия решений при управлении режимом эксплуатации.

Подсистема регистрации деформаций

БД

Моделей

участков

Подсистема расчета НДС

Архивная

Подсистема отображения

Подсистема прогнозирования технического состояния участков МГ

СППР

Рис. 6. Схема мониторинга и прогнозирования состояния участков МГ

Предложены процедуры прогнозирования технического состояния вычислительных узлов в системе управления заданиями, взаимодействующей с различными средствами мониторинга (рис. 7).

Система мониторинга собирает информацию обо всех основных параметрах вычислительных узлов - объём свободного места на диске, скорости вращения вентиляторов, температура процессора, загрузка процессора, количество считанных и записанных блоков на диск, статистика сетевых карт, количество новых процессов в системе, загрузка системы, статистика клиента NFS, использование файла подкачки и др.

Возможность прогнозировать отказ программной или аппаратной части позволит реализовать перемещение выполняемых программ на другой вычислительный узел посредством виртуальных машин.

Рис. 7. Схема системы управления заданиями в вычислительной системе

Разработанные вероятностные модели и процедуры принятия решений применимы не только для технических систем, но также внедрены в управление процессом разработки программных проектов в ООО «Телека».

Приводится описание используемой программы в составе комплексного решения для определения функции, которые потенциально содержат ошибки и являются источниками дефектов программного обеспечения. В результате список функций, которые наиболее вероятно содержат ошибки, предоставляются менеджерам проекта для принятия решения о необходимости рефакторинга.

В качестве примера приведён проект состоящий из файлов и описанных в них функций, характеризующихся атрибутами и количеством известных в них ошибок. Выборка содержит 38 атрибутов и один целевой атрибут, показывающий, содержит ли ошибку функция, описанная в файле. Среди атрибутов метрики Холстеда, МакКейба, количество строк кода и др.

Так, по критерию готовности разрабатываемая операционная система (ОС), в которую не вошли изменения, относящиеся к рефакторингу,

получила значительно более низкую оценку, чем та же ОС, но подверженная рефакторингу. За неделю автоматического тестирования первая система «выдала» 54 отказа: 33 были связаны с ошибками управления памятью, восемь относились к ошибкам файловой системы, а остальные имели неизвестное происхождение. Потери времени из-за этих отказов привели к коэффициенту готовности, равному 99,26%. За тот же период вторая ОС не продемонстрировала ни одного отказа, который можно отнести на счет программного обеспечения. Один аппаратный отказ стал причиной перезагрузки системы, из-за которой коэффициент готовности составил 99,95%.

Предложено расширить программу классификации разработанными в гл. 4 процедурами принятия решений с учётом стоимости, и ценности инспекций кода, которые позволят рационально управлять процессом ре-факторинга.

Отдельно рассмотрена процедура принятия решений в системе "Пг8Шпе2" оперативного управления процессом распределения заявок (описаний обнаруженных дефектов в продукте или описаний какой-либо его особенности), представленных в системе отслеживания дефектов. Система "АгзШпе2", построена с использованием байесовских сетей, процедур определения порядка тестов и логико-вероятностных моделей приложенных в главе 4.

После введения в процесс распределения работ по анализу дефектов процедуры принятия решений, отсев не относящихся к области кода дефектов, а также поиск аналогичных дефектов до написания новой заявки привели к тому, что почти 95% поступающих на рассмотрение заявок доводится до стадии изменения кода. За счёт сокращения операций, не связанных с изменением кода, реальная производительность инженеров увеличилась с 0,75-1 до 1,5-2 заявки в неделю.

В заключение сформулированы выводы и основные результаты диссертационной работы, а также рекомендации, вытекающие из проведенного исследования.

В приложении приведены акты внедрения и использования результатов диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. На основе проведенного анализа принципов обслуживания и моделей вероятностного описания состояния технических объектов сформирована схема системы управления технического обслуживания и ремонта.

2. Разработан критерий, показывающий во сколько раз изменяется готовность объекта при техническом обслуживании по фактическому состоянию на основе прогнозирования отказов.

3. Получено оптимальное решающее правило обнаружения прогнозируемого отказа, позволяющее повысить готовность технического объекта при обслуживании по фактическому состоянию на основе прогнозирования отказов.

4. Предложены процедуры принятия решений позволяющие проводить рациональный выбор диагностических процедур с учётом ценности и стоимости информации.

5. Разработанные процедуры находят применение для мониторинга и прогнозирования состояния участков магистрального газопровода и прогнозирования состояния вычислительных узлов высокопроизводительных компьютерных систем, а также при управлении тестированием, разработкой и конфигурацией программного обеспечения.

СПИСОК РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

Основное содержание, положения и результаты диссертации отражены в следующих работах.

Статьи в ведущих рецензируемых научных журналах из перечня

ВАК:

1. Милов, В.Р. Процедуры прогнозирования и принятия решений в системе технического обслуживания и ремонта / В.Р. Милов, О.В. Крюков, И.В. Шалашов // Автоматизация в промышленности. - 2010. №8. - С. 47-49.

2. Шалашов, И.В. Повышение эффективности технической диагностики на основе байесовских процедур поддержки принятия решений / И.В. Шалашов // Информационно-измерительные и управляющие системы. - 2011. № 2. - С. 24-28.

3. Милов, В.Р. Способ управления техническим состоянием на основе прогнозирования / В.Р. Милов, В.Г. Баранов, А.Ю. Эпштейн, И.В. Шалашов // Информационно-измерительные и управляющие

системы. - 2010. № 2. - Т.8. - С. 5 - 11.

Свидетельства об официальной регистрации ПО:

4. Баранов, В.Г., Милов В.Р., Зарипова Ю.Х., Суслов Б.А., Шалашов И.В. Свидетельство об официальной регистрации программы для ЭВМ №2008612308. Программный комплекс статистического моделирования процедур нейросетевой классификации.

Статьи в прочих научных журналах и изданиях:

5. Милов, В.Р. Прогнозирование состояния дискретных стохастических систем в условиях неопределенности на основе байесовской методологии / В.Р. Милов, В.Г. Баранов, А.Ю. Эпштейн, И.В. Шалашов // Системы обработки информации и управления: труды НГТУ / НГТУ. -2010. - Т. 81. Вып. 2. - С. 70-76.

6. Баранов, В.Г. Анализ эффективности процедур технического обслуживания и ремонта на основе прогнозирования отказов / В.Г. Баранов, В.Р. Милов, И.В. Шалашов // Системы обработки информации и управления: труды НГТУ / НГТУ. - 2009 - Т. 76. Вып. 16 - С. 72-76.

7. Милов, В.Р. Применение байесовской методологии для прогнозирования состояния дискретных стохастических систем в условиях неопределенности / В.Р. Милов, В.Г. Баранов, А.Ю. Эпштейн, И.В. Шалашов // Системы обработки информации и управления: труды НГТУ / НГТУ. - 2009. - Т. 74. Вып. 15. - С. 72-78.

8. Милов, В.Р. Применение байесовских сетей для поддержки принятия решений и управления техническим состоянием сложных систем / В.Р. Милов, В.Г. Баранов, И.В. Шалашов, Е.М. Левичев // Системы обработки информации и управления: труды НГТУ / НГТУ. - 2007. - Т. 65. Вып. 14.-С. 13.

9. Сидорова, Е.В. Определение эффективности сложной многоканальной системы с учётом надёжности / Е.В. Сидорова, И.В. Шалашов // Системы обработки информации и управления: труды НГТУ / НГТУ. -2005. - Т. 60. Вып. 10. - С. 37-45.

В материалах и тезисах докладов научно-технических конференций:

10 Милов, В.Р. Прогнозирование состояния дискретных стохастических систем в условиях неопределённости на основе байесовской методологии / В.Р. Милов, И.В. Шалашов, А.Ю. Эпштейн // Нелинейная динамика в когнитивных исследованиях: тез. докл. Всерос. конф. - Н.Новгород:

ИПФ РАН, 2009.-С.89.

11 Шалашов, И.В. Система управления и диагностики технологических процессов / И.В. Шалашов // XIV Нижегородская сессия молодых учёных. Технические науки: материалы докл. - Н.Новгород: ИП Гладкова О.В., 2009. - С.53.

12 Милов, В.Р. Прогнозирование состояния технического объекта на основе скрытых марковских моделей / В.Р. Милов, А.Ю. Эпштейн, И.В. Шалашов, A.B. Деревянкин // Информационные системы и технологии. ИСТ -2009: материалы Междунар. научно-технич. конф. - Н.Новгород: НГТУ, 2009.-С. 134.

13 Шалашов, И.В. Повышение эффективности ТОИР на основе прогнозирующих информационных систем / И.В. Шалашов, В.Р. Милов // Информационные системы и технологии. ИСТ - 2009: материалы Междунар. научно-технич. конф. - Н.Новгород: НГТУ, 2009. - С. 137.

14 Милов, В.Р. Проект «Система управления и диагностики технологических процессов» / В.Р. Милов, И.В. Шалашов, Ю.Х. Зарипова, Б.А. Су-слое // Информационные системы и технологии. ИСТ - 2008: материалы Междунар. научно-технич. конф. - Н.Новгород: НГТУ, 2008. - С.81 - 82.

15 Баранов, В.Г. Процедуры логико-вероятностного анализа в управлении качеством / В.Г. Баранов, В.Р. Милов, И.В. Шалашов, O.A. Матвеева // Информационные системы и технологии. ИСТ - 2008: материалы Междунар. научно-технич. конф. - Н.Новгород: НГТУ, 2008. - С. 80-81.

16 Шалашов, И.В. Система управления и диагностики технологических процессов / И.В. Шалашов, Ю.Х. Зарипова, Б.А. Суслов, В.Р. Милов // XIII Нижегородская сессия молодых учёных. Технические науки: материалы докл. - Н.Новгород: ИП Гладкова О.В., 2008. - С. 25.

17 Шалашов, И.В. Система управления и диагностики технических процессов / И.В. Шалашов, Б.А. Суслов, Ю.Х. Зарипова // Первый областной конкурс молодежных инновационных команд «РОСТ»: каталог. -Н.Новгород: Нижегородский научно-информационный центр, 2007. -С. 146- 148.

18 Баранов, В.Г. Применение вероятностных методов для диагностики знаний и умений / В.Г. Баранов, В.Р. Милов, И.В. Шалашов // Новые информационные технологии как инструмент повышения эффективности управления: материалы межрегиональной научно-технич. конф. -Н.Новгород: НГТУ, 2007. - С. 216 - 218.

19 Баранов, В.Г. Применение теории полезности для определения порядка диагностических процедур / В.Г. Баранов, В.Р. Милов, И.В. Шалашов, Е.В. Сидорова // Информационные системы и технологии. ИСТ - 2007: материалы Междунар. научно-технич. конф. - Н.Новгород: НГТУ, 2007. -С. 108- 109.

20 Суслов, Б.А. Выявление логических закономерностей в данных для управления сложными техническими системами. / Б.А. Суслов, И.В. Шалашов // X Нижегородская сессия молодых учёных. Технические науки: материалы докл. - Н.Новгород: ИП Гладкова О.В., 2007. - С. 7.

21 Шалашов, И.В. Вероятностные процедуры принятия решений в системах управления техническим состоянием / И.В. Шалашов // XII Нижегородская сессия молодых учёных. Технические науки: материалы докл. -Н.Новгород: ИП Гладкова О.В., 2007. - С. 11.

22 Шалашов, И.В. Управление техническим состоянием сложных систем на основе обработки сигналов в сетях принятия решений / И.В. Шалашов // Цифровая обработка сигналов: материалы Междунар. научно-технич. конф. - М.: ИПУ РАН, 2007. - С. 68 - 72.

23 Баранов, В.Г. Процедуры вероятностной диагностики сложных систем / В.Г. Баранов, В.Р. Милов, И.В. Шалашов Н Информационные системы и технологии. ИСТ - 2006: тез. докладов Междунар. научно-технич. конф. -Н.Новгород: НГТУ, 2006. - С. 73 - 74.

24 Шалашов, И.В. Исследование систем массового обслуживания с ожиданием / И.В. Шалашов / X Нижегородская сессия молодых учёных. Технические науки: материалы докладов. - Н.Новгород: ИП Гладкова О.В., 2005.-С. 142-143.

25 Сидорова, Е.В. Анализ дерева отказов, как метод повышения надёжности / Е.В. Сидорова, И.В. Шалашов // Информационные системы и технологии. ИСТ - 2005: тез. докл. Всерос. научно-технич. конф. -Н.Новгород: НГТУ, 2005. - С. 143.

26 Шалашов, И.В. Построение моделей процессов обслуживания в системах подвижной связи / И.В. Шалашов // Информационные системы и технологии. ИСТ - 2005: тез. докл. Всерос. научно-технич. конф. -Н.Новгород: НГТУ, 2005. - С. 45 - 46.

Подписано в печать 24.02.2011. Формат 60x84 Vi6. Бумага офсетная. Печать офсетная. Уч.-изд. л. 1,0. Тираж 100 экз. Заказ 177.

Нижегородский государственный технический университет им. P.E. Алексеева.

Типография НГТУ. Адрес университета и полиграфического предприятия: 603950, ГСП-41, г. Нижний Новгород, ул. Минина, 24.

ВВЕДЕНИЕ.

1 МЕТОДЫ ОБЕСПЕЧЕНИЯ НАДЁЖНОСТИ ТЕХНИЧЕСКИХ СИСТЕМ.

1.1 Задачи контроля и поддержки технического состояния.

1.2 Техническое состояние и показатели качества функционирования.

1.3 Методы обеспечения эксплуатационной безотказности.

1.4 Диагностирование неисправностей технических систем.

1.5 Организация технического обслуживания и ремонта.

1.6 Виды технического обслуживания и ремонта систем.

1.6.1 Обслуживание оборудования после выхода его из строя.

1.6.2 Обслуживание оборудования по регламенту.

1.6.3 Обслуживание по фактическому техническому состоянию.

1.7 Проблема перехода к обслуживанию по фактическому состоянию.

2 ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ОБСЛУЖИВАНИЯ ПО ФАКТИЧЕСКОМУ СОСТОЯНИЮ.

2.1 Определение коэффициента готовности систем различной конфигурации

2.2 Обобщенная математическая модель эксплуатации.

2.3 Способ повышения эффективности обслуживания по фактическому состоянию на основе прогнозирования.

2.4 Схема системы технического обслуживания с прогнозированием.

2.5 Разработка критерия эффективности прогнозирования отказов.

2.5.1 Показатели.

2.5.2 Критерий эффективности прогнозирования отказов.

2.6 Принятие решений при прогнозировании отказов.

2.6.1 Правила принятия решений при прогнозировании отказов.

2.6.2 Анализ эффективности прогнозирования для случая гауссовских распределений.

3 ПРОЦЕДУРЫ ПРОГНОЗИРОВАНИЯ.

3.1 Прогнозирование состояния технических систем.

3.1.1 Задачи и цели прогнозирования.

3.1.2 Способы построения прогнозных моделей.

3.1.3 Задача синтеза прогностической модели.

3.1.4 Методы вероятностного прогнозирования.

3.2 Байесовский подход к прогнозированию.

3.2.1 Представление распределения вероятностей и вероятностный вывод в байесовских сетях.

3.2.2 Оценка параметров байесовских сетей.

3.2.3 Определение структуры байесовской сети.

3.3 Прогнозирование состояния дискретных стахостических систем на основе скрытых марковских моделей.

3.3.1 Процедуры прогнозирования и фильтрации.

3.3.2 Структурно-параметрическое обучение.

3.3.3 Моделирование процедур структурно-параметрического обучения

3.3.4 Моделирование процедур прогнозирования состояния системы.

4 ПРИНЯТИЕ РЕШЕНИЙ ПРИ ОПРЕДЕЛЕНИИ ПОРЯДКА ПРОВЕДЕНИЯ ТЕСТОВЫХ ПРОЦЕДУР.

4.1 Стоимость и ценность информации.

4.2 Стратегии, основанные на теории полезности.

4.3 Выбор порядка проведения тестовых процедур на основе сетей поддержки принятия решений.

5 ПРИМЕНЕНИЕ ПРОЦЕДУР ПРИНЯТИЯ РЕШЕНИЙ.

5.1 В системе мониторинга состояния газопровода.

5.2 В прогнозировании отказов вычислительных узлов.

5.3 В управлении рисками программных проектов.

5.3.1 В системе поддержки коллективного решения группы независимых экспертов «ВгзШпе2».

5.3.2 В управлении процессом рефакторинга кода.

В настоящее время, наряду с традиционным методом обслуживания технических систем по регламенту, начинает применяться техническое обслуживание (ТО) по фактическому состоянию. Это позволяет сократить количество обслуживаний, число отказов и, как следствие, затраты на обслуживание.

Традиционно основой ТО по фактическому состоянию является техническое диагностирование. Также в настоящее время большое значение для повышения эффективности ТО по фактическому состоянию приобретает прогнозирование отказов объекта.

Результаты диагностирования и прогнозирования составляют основу для принятия решений о необходимости ТО, времени его проведения и объеме. Поэтому эффективность применения ТО по фактическому состоянию зависит от выбора стратегии диагностирования и прогнозирования. При прогнозировании технического состояния сложных систем находят применение вероятностные модели. Более того, учёт статистических неопределённостей, обусловленных ограниченностью объёма наблюдений, должен всегда сопровождать принятие решений относительно выработки корректирующих мероприятий по повышению надёжности.

Вопросы повышения эффективности технического обслуживания и ремонта (ТОИР) на основе прогнозирующих информационных систем рассмотрены в работах JI.H. Александровской, И.З. Аронова, В.И Круглова, И.А Буралёва, Б.И. Доценко, Н.Д. Богатова, а также в работах иностранных ученых F. Salfner, М. Malek, G. Bratnik, А. Kusz, А. Marciniak и др.

Работы отечественных ученых А.И. Галушкина, Д.В Гаскарова, С.Н. Васильева, С.И. Николенко, A.JI. Тулупьева, В.М. Гупала, М.А. Круп-ского, В.П. Савчука, А.Л. Тугучева и других отражают различные аспекты вероятностного моделирования систем, в том числе с помощью байесовских сетей.

Методы прогнозирования технического состояния на основе байесовской методологии рассмотрены в работах В.В. Глущенко, A.B. Назарова, Ю.С. Середы, а также в работах иностранных ученых L.R. Murphy, R. Rabiner, R. Katz, I. Csiszär и др.

Разработкой технологий принятия решений в различных прикладных аспектах занимались Д.П. Броварный, A.B. Сиротин, В.Н. Антонов, В.А. Терехов, И.Ю. Тюкин и др.

Однако направления разработки правил принятия оптимальных статистических решений об обнаружении прогнозируемых отказов и необходимости и порядке проведения диагностических процедур при управлении техническим обслуживанием по фактическому состоянию требуют дальнейшей разработки.

Таким образом, научная проблема диссертационного исследования — разработка модели принятия решений при управлении техническим обслуживанием по фактическому состоянию - актуальна.

Цель и задачи диссертационной работы

Цель работы заключается в разработке процедур поддержки принятия решений для повышения эффективности обслуживания технического объекта по его фактическому состоянию на основе прогнозирования отказов.

Указанная цель достигается решением следующих задач:

1. Провести анализ принципов обслуживания технических систем и моделей вероятностного описания состояния объекта.

2. Разработать критерий эффективности прогнозирования отказов при управлении техническим обслуживанием по фактическому состоянию.

3. Разработать оптимальное правило принятия решения относительно прогнозируемого отказа.

4. Разработать процедуры принятия рациональных решений о проведении тестов.

Методы исследования

В диссертационной работе использованы методы исследования, базирующиеся на теории вероятностей и математической статистики, теории принятия решений, включая байесовскую методологию, теории полезности, теории информации, теории надёжности, а также методах оптимизации и математического моделирования.

Научная новизна

1. Предложен новый критерий эффективности прогнозирования отказов технического объекта, представляющий выигрыш от реализуемых действий по предотвращению отказа.

2. В развитие байесовской методологии на основе предложенного критерия разработано оптимальное правило принятия решений относительно прогнозируемого отказа.

3. Разработаны новые процедуры принятия решений о проведении тестов с учётом ценности информации и стоимости диагностических процедур, основанные на вероятностной модели технического объекта, формализованной посредством байесовской сети.

Практическая значимость работы

Предложенные в диссертационной работе методы и процедуры поддержки принятия решений для управления обслуживанием технических объектов позволяют сократить время и стоимость ремонта, что способствует повышению эффективности функционирования технических систем.

Результаты диссертационной работы нашли применение в НИР, выполнявшихся в рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники»:

• «Приобретение знаний и логический вывод в распределенных гибридных интеллектуальных системах» (государственный контракт № 02.442.11.7378, отчет о НИР инв. № 02200607048);

• «Разработка теории интеллектуальной обработки информации и автоматизированного управления сложными аппаратно-программными комплексами на основе нейросетевых технологий» (государственный контракт № 02.442.11.7378, отчет о НИР, инв. № 02200901018).

Разработан программный модуль, реализующий процедуры прогнозирования отказов и поддержки принятия решений. Получено свидетельство о государственной регистрации программы "Программный комплекс моделирования процедур нейросетевой классификации" №2008612308.

Разработанные в диссертационной работе теоретические решения и программное обеспечение представлены к внедрению в ОАО «Газпром» в рамках разработки общесистемных решений по обработке данных в интеллектуальной информационной системе комплексного мониторинга состояния магистрального газопровода (ИИС КМСГ).

Процедуры принятия решений с учётом ценности и стоимости информации и процедуры прогнозирования внедрены в процесс управления разработкой и тестирования программного обеспечения в ООО «Телека» (г. Нижний Новгород).

Часть материалов диссертационной работы использована в учебном процессе на кафедре «Электроника и сети ЭВМ» Нижегородского государственного технического университета им. P.E. Алексеева при проведении занятий для студентов и магистрантов, обучающихся по направлению 230200 «Информационные системы».

Апробация работы

Основные положения и результаты диссертационной работы докладывались на следующих научно-технических семинарах и конференциях:

1. Научно-технические семинары кафедры ЭСВМ 2006 — 2010 гг.;

2. 16-я Международная научно-практическая конференция по графическим информационным технологиям и системам - КОГРАФ (г. Нижний Новгород, 2006 г.);

3. Международные научно-технические конференции «Информационные системы и технологии» — ИСТ (г. Нижний Новгород, 2005 — 2009 гг.);

4. 10-я, 12 — 14-я Нижегородские сессии молодых ученых. Технические науки (г. Нижний Новгород, 2005, 2007 - 2009 гг.);

5. 6-я Международная конференция «Цифровая обработка сигналов и ее применение DSPA» (г. Москва, 2007 г.);

6. 13-я Всероссийская научно-техническая конференция «Информационные технологии в науке, проектировании и производстве» (г. Нижний Новгород, 2007 г.);

7. Всероссийская научно-техническая конференция «Нелинейная динамика в когнитивных исследованиях» (г. Нижний Новгород, 2009 г.).

Разработан проект системы управления и диагностики технологических процессов, который удостоен диплома в номинации «Создаём интеллектуальный капитал конкурса» на первом областном конкурсе молодёжных инновационных команд «Россия. Ответственность. Стратегия. Технологии».

Основные положения диссертационной работы, выносимые на защиту

1. Предложенный критерий показывает, во сколько раз изменяется готовность объекта при техническом обслуживании по фактическому состоянию на основе прогнозирования отказов.

2. Разработанное решающее правило позволяет повысить готовность технического объекта при обслуживании по фактическому состоянию на основе прогнозирования отказов.

3. Процедура принятия решений о проведении тестов позволяет проводить рациональный выбор диагностических процедур.

Публикации

Основное содержание диссертации опубликовано в двух отчетах по НИР и в 26 печатных работах. Из них восемь статей в научно-технических журналах, 17 публикаций в сборниках трудов и материалов научно-технических конференций, в том числе Всероссийских и Международных, свидетельство Роспатент об официальной регистрации программы для ЭВМ.

Три статьи опубликованы в журналах «Автоматизация в промышленности» и «Информационно-измерительные и управляющие системы», которые входят в перечень изданий, рекомендованных ВАК для публикации результатов диссертационных работ. I

Структура и объем работы

Диссертационная работа состоит из введения, пяти глав, заключения, библиографического списка и пяти приложений. Общий объём работы составляет 147 е., включая 127 с. основного текста, 48 рисунков. Библиографический список содержит 97 наименований.

Выводы

Разработана и внедрена система поддержки коллективного решения группы независимых экспертов «Иг8Шпе2».

После введения в процесс анализа ошибок процедуры предварительного обсуждения потенциальных проблем в системе «Йгз1:1те2», отсев не относящихся к области кода проблем, а также поиск аналогичных проблем до написания реальной СЯ привели к тому, что почти 95% поступающих на рассмотрение СЯ доводится до стадии изменения кода.

За счёт сокращения количества операций дублирования, удаления и отправки проблем в другие команды реальная производительность инженера увеличилась с 0,75-1 до 1,5-2 СЯ в неделю.

5.2.2. В управлении процессом рефакторинга кода

Современные программные комплексы характеризуются высокой сложностью. В условиях, когда бюджет проекта не позволяет провести полное тестирование разрабатываемых программ, менеджеры проекта могут использовать прогнозирующие устройства, чтобы сфокусировать тестирование на тех файлах, которые наиболее вероятно подверженных отказу [2,4,6]. Потенциально опасные файлы могут быть тщательно проинспектированы, дополнительно протестированы или подвержены рефакторингу.

Рефакторинг - процесс изменения внутренней структуры программы, при котором функционирование самой программы не меняется, т.е. работа программы остается прежней. Рефакторинг служит не столько исправлению ошибок, сколько их предотвращению путём упрощения и улучшения логики взаимодействия ее внутренней структуры, действие и функциональность программы при этом не меняются.

Для апостериорного анализа главным образом используются показатели, характеризующие сложность файлов и функций содержащихся в них. Основная цель такого анализа - выявить наиболее критичные программные конструкции, которые являются потенциальными источниками ошибок и повышенных рисков на всех стадиях жизненного цикла программного проекта.

Рассмотрим программу в составе комплексного решения для определения функций, которые потенциально содержат ошибки и являются источниками дефектов программного обеспечения. В результате список функций, которые наиболее вероятно содержат ошибки, предоставляются менеджерам проекта для принятия решения о необходимости рефакторинга.

Исходные данные

На вход программы подаётся выборка, содержащая 38 атрибутов и один целевой атрибут, показывающий, содержит ли функция, описанная в файле, ошибку. Среди них метрики Холстеда, МакКейба, количество строк кода и другие (табл. 5.4).

ЗАКЛЮЧЕНИЕ

На основе общих тенденций развития метода обслуживания технических объектов по фактическому состоянию с использованием байесовских процедур поддержки принятия решений были предложены способы повышения эффективности функционирования объекта и сокращения затрат на его ремонт и обслуживание, базирующиеся на следующих основных результатах.

1. Проведён анализ принципов обслуживания и способов вероятностного описания состояния технических объектов.

2. Разработаны процедуры повышения эффективности технического обслуживания по фактическому состоянию на основе прогнозирования отказов.

3. Разработан критерий эффективности прогнозирования отказов технического объекта, на основе которого получено оптимальное решающее правило для обнаружения наступающего отказа.

4. Предложен способ принятия рациональных решений о проведении процедур технической диагностики и подготовки к ремонту.

5. Предложенные процедуры и алгоритмы планируются к внедрению в с4 г

ОАО Гипрогазцентр в рамках разработки общесистемных решений по обработке данных в интеллектуальной информационной системе комплексного мониторинга состояния магистрального газопровода (ИИС КМСГ).

В результате развития байесовской методологии синтезированы процедуры определения наиболее вероятной причины отказа при учете большого числа факторов, с привлечением эмпирических данных и экспертных оценок. При этом учитывается ценность и стоимость диагностической информации, что обеспечивает рациональный выбор проводимых тестовых процедур. Предложено применение прогнозирования в составе системы управления техническим состоянием для повышения готовности за счет действий по предотвращению отказов и подготовки к ремонту. Сформирован оригинальный способ определения эффективности прогнозирующего контроля для поддержки принятия решений по ТОиР. Получено выражение для показателя эффективности применения процедур прогнозирования технического состояния.

Сформировано решающее правило для обнаружения наступающего отказа при использовании которого не наблюдается снижения эффективности по отношению к системе ТОИР без прогнозирования технического состояния.

Приведены выражения для определения оптимального значения порога принятия решения для общего случая и случая нормального распределения наблюдаемой величины. Анализ эффективности прогнозирующего контроля позволяет определить область применимости выбранного метода упреждающего технического обслуживания, а также позволяет установить обоснованные требования к значениям параметров подсистем.

Применение системы управления на базе измеримых характеристик объекта [11,15] в полной мере справедливо и по отношению к программным проектам. Однако процесс создания ПО настолько многогранен и одновременно сложен для восприятия, что даже незначительные недостатки системы измерения неизбежно отразятся на качестве управления. Основу любой системы измерения составляют отдельные показатели, именуемые также метриками [11, 15]. Вычисление метрики в ходе реализации проекта (а при детальном проектировании оно возможно еще на этом этапе, не дожидаясь стадии кодирования) позволяет своевременно определить наиболее сложные, сопровождающиеся высокими рисками, структурные единицы и принять меры по устранению рисков за счет внесения коррективов.

Можно утверждать, что в настоящий момент существует весьма обширное число показателей, с помощью которых можно измерять множество различных аспектов создания программного обеспечения. Зачастую речь идет не о том, что одна метрика лучше другой. Все они позволяют посмотреть на один и тот же процесс под разными углами зрения, поэтому используются в комплексе, и только так могут служить отправной точкой для принятия объективных решений. Поскольку многие метрики достаточно сложны и трудоемки в вычислении, то для их расчета и последующего принятия решений разработано специальное ПО.

1. Assessing predictors of software defects / T. Menzies et al. // Proceedings workshop predictive software models. — 2004. Available from http://menzies.us/pdf/04psm.pdf

2. Cagatay C. Software fault prediction: a literature review and current trends / C. Cagatay // Expert Systems with Applications. 2011. — №4. - V.38. -P. 4626-4636.

3. Csiszar, I. The consistency of the BIC Markov order estimator /1. Csiszar, C. Shields // The annals of statistics. 2000. - № 6. - V.28 - P. 1601-1619.

4. Fenton, N.E. A critique of software defect prediction models / N.E. Fenton, M. Neil // IEEE Trans, on Software Eng. 1999. - №5 - V.25.— P.675 -689. Available from http://citeseer.nj.nec.com/fenton99critique.html

5. Friedman, N. The Bayesian structural EM algorithm / N. Friedman // Proceedings of the fourteenth conference on uncertainty in artificial intelligence San Francisco: Morgan Kaufmann, 1998. - P. 129- 138.

6. Ghahramani, Z. Propagation algorithms for variational Bayesian learning / Z. Ghahramani, M.J. Beal // Neural information processing systems. 2001. -№13.-P. 507-513.

7. Jiang, Y. Fault prediction using early lifecycle data / Y. Jiang, B. Cukic, T. Menzies // Proceedings of the 18th IEEE International symposium on software reliability (ISSRE '07). — Los Alamitos: IEEE Computer Society Press, 2007.-P. 237-246.

8. Kaszycki, G. Using process metrics to enhance software fault prediction models / G. Kaszycki // Proceedings of the 10th symposium on software reliability engineering (ISSRE 1999). Los Alamitos: IEEE Computer Society Press, 2007. - P. 164-173.

9. Katz, R. On some criteria for estimating the order of a Markov chain / R. W. Katz // Technometrics. 1981. - № 3. - V.23.- P.243 - 249.

10. Lahdesmaki, H. Learning the structure of dynamic Bayesian networks from time series and steady state measurements / H. Lahdesmaki, I. Shmulevich // Machine learning. 2008. - №2-3 - V.71. - P. 185-217.

11. McCabe, T. A Complexity measure / T. McCabe // IEEE transactions, software engineering. — 1976. — №4. V.2. — P. 308-320.

12. Available from http://www.literateprogramming.com/mccabe.pdf

13. Menzies, T. Data mining static code attributes to learn defect predictors / T. Menzies, J. Greenwald, A. Frank. // IEEE transactions on Software Engineering 2007. Available from http://menzies.us/pdf/061earnPredict.pdf

14. Rabiner, L. A tutorial on Hidden Markov Models and selected applications in speech recognition / L. R. Rabiner // Proceedings of the IEEE. — San Diego.TEEE, 1989. № 2. - V. 77 .- P. 257 - 285.

15. Salfner, F. Predicting failures of computer systems: a case study for a telecommunication system / F. Salfner, M. Schieschke, M. Malek // Proceedings of IEEE International parallel and distributed processing symposium (IPDPS 2006). 2006.

16. Available from www.cecs.uci.edu/~papers/ipdps06/pdfs/l 9-DPDNS-paper-l.pdf

17. Salfner, F. Predicting Failures with Hidden Markov Models / Proceedings of 5th European Dependable Computing Conference (EDCC-5). -Berlin:Springer, 2005. P. 41-46.

18. Salfner, F. Proactive fault handling for system availability enhancement / F. Salfner, M. Malek // Proceedings of the 19th IEEE International Parallel and Distributed Processing Symposium (IPDPS'05). — Berlin:Springer, 2005. -№ 16.-V. 17.-P. 281.

19. Weka software package. Available http://www.cs.waikato.ac.nz/ml/weka/

20. Witten I.H. Data Mining / I.H. Witten, E. Frank. — San Francisco: Morgan Kaufmann, 2005. — 525 p.

21. Александровская, JI.H. Теоретические основы испытаний и экспериментальная обработка сложных технических систем /

22. Л.Н. Александровская, В.И. Круглов. М.: Логос, 2003. - 542 с.

23. Алтунин, А.Е. Модели и алгоритмы принятия решений в нечетких условиях: монография. / А.Е. Алтунин, М.В. Семухин. Тюмень: Изд-во Тюмен. гос. ун-та, 2000. — 352 с.

24. Антонов, В.Н. Адаптивное управление в технических системах / В.Н. Антонов, В.А. Терехов, И.Ю. Тюкин СПб.:СПбУ, 2001.-244 с.

25. Баранов, В.Г. Анализ эффективности процедур технического обслуживания и ремонта на основе прогнозирования отказов /

26. B.Г. Баранов, В.Р. Милов, И.В. Шалашов // Системы обработки информации и управления: труды НГТУ / НГТУ. — Т. 76. Вып. 16.1. C. 72-76.

27. Баранов, В.Г. Процедуры вероятностной диагностики сложных систем /

28. B.Г. Баранов, В.Р. Милов, И.В. Шалашов // Информационные системы и технологии. ИСТ 2006: материалы Междунар. научно-технич. конф. -Н.Новгород: НГТУ, 2006. - С. 73 - 74.

29. Безопасность и надёжность технических систем / Л.Н. Александровская и др.. М.: Логос, 2008. - 376 с.

30. Броварный, Д.П. Определение порядка проведения дорожных работ на основе анализа развития дефектов дорожной инфраструктуры / Д.П. Броварный // Автоматизация в промышленности. 2009. - №3.1. C. 6-8.

31. Буралёв, А.И. Управление техническим состоянием динамических систем / А.И. Буралёв, А.И. Доценко, И.Е. Казаков М.: Машиностроение, 2005. - 240 с.

32. Васильев, С.Н. От классических задач регулирования к интеллектуальному управлению. I // Изв. АН РФ. Теория и системы управления. 2001. №1. - С. 5 - 22.136

33. Васильев, С.Н. От классических задач регулирования к интеллектуальному управлению. II // Изв. АН РФ. Теория и системы управления. 2001. №2. - С. 5 - 21.

34. Гаек, JI. Автоматическое образование гипотез / JI. Гаек, Т. Гавранек. -М.: Наука, 1983.-280 с.

35. Галушкин, А.И. Нейрокомпьютеры в авиации / А.И. Галушкин. -М.¡Радиотехника, 2004. 496 с.

36. Галушкин, А.И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае / А.И. Галушкин. М.:Горячая Линия - Телеком, 2004 г. - 464 с.

37. Гаскаров, Д.В. Интеллектуальные информационные системы / Д.В. Гаскаров. М.: Высш. шк., 2003. - 431 с.

38. Генкин, М.Д. Виброакустическая диагностика машин и механизмов / М.Д. Генкин, А.Г. Соколова. — М.: Машиностроение, 1987. — 282 с.

39. Глущенко, В.В. Прогнозирование / В.В. Глущенко. М.: Вузовская книга, 2000. - 208 с.

40. Гупал, В.М. Байесовская процедура распознавания как метод диагностики технических систем / В.М. Гупал, М.А. Крупский // Приборы и системы. Управление, Контроль, Диагностика. 2005. №3. -С. 56-61.

41. Джексон, П. Введение в экспертные системы / П. Джексон. М.: Вильяме, 2001. - 624 с.

42. Джонс, М.Т. Программирование искусственного интеллекта в приложениях / М.Т. Джонс. М.: ДМК Пресс, 2004. - 312 с.

43. Дианов В.Н. Диагностика и надёжность автоматических систем / В.Н. Дианов. М.: МГИУ, 2004. - 160 с.

44. Динамика неоднородных систем. Вып. 10 / Ю.С. Попков и др.. -М.: КомКнига, 2006. 264 с.

45. Доронин, В.А. Диагностика и прогноз технического состояния оборудования целлюлозно-бумажной промышленности в рыночных условиях / В.А. Доронин, Ю.А. Азовцев, Н.А.Баркова // Целлюлоза, бумага, картон. 1999. №5 - С. 39-43.

46. Евтушенко, Ю.Г. Методы решения экстремальных задач и их применения в системах оптимизации / Ю.Г. Евтушенко. — М.: Наука, 1982.-432 с.

47. Жданов, A.A. Автономный искусственный интеллект / A.A. Жданов. М.: Бином, 2008. - 359 с.

48. Иган, Дж. Теория обнаружения сигналов и анализ рабочих характеристик / Дж. Иган. М.: Наука, 1983. - 216 с.

49. Игнатьева, A.B. Исследование систем управления / A.B. Игнатьева, М.М. Максимцов. М.: ЮНИТИ-ДАНА, 2009. - 167 с.

50. Искусственный интеллект: в 3 кн. Кн. 2. Модели и методы: справочник; под ред. Д.А. Поспелова.- М.: Радио и связь, 1990. 304 с.

51. Карасёв, В.В. Идентификация логико-вероятностных моделей риска структурно-сложных систем с группами несовместимых событий /

52. B.В. Карасёв, Е.Д. Соложенцев // Автоматика и телемеханика. — 2002. — №3. С. 97-113.

53. Колесов, Ю.Б. Моделирование систем. Динамические и гибридные системы / Ю.Б. Колесов, Ю.Б. Сениченков СПб.: БХВ-Петербург, 2006.-224 с.

54. Лодон, Д. Управление информационными системами / Д. Лодон, К. Лодон. СПб.: Питер, 2005. - 928 с.

55. Лю, Б. Теория и практика неопределённого программирования / Б. Лю. — М.: Бином, 2005.-416 с.

56. Люггер, Д. Искусственный интеллект: стратегии и методы решения сложных проблем / Д. Люггер. М.: Вильяме, 2003. — 864 с.

57. Миллер, Б.М. Теория случайных процессов / Б.М. Миллер, А.Р. Панков М.: Физматлит, 2007. - 320 с.

58. Милов, В.Р. Процедуры прогнозирования и принятия решений в системе технического обслуживания и ремонта / В.Р. Милов, О.В. Крюков, И.В. Шалашов // Автоматизация в промышленности. 2010. №8.1. C. 47-49.

59. Москвин, Б.В. Теория принятия решений / Б.В. Москвин. — СПб.:ВКА им. А.Ф.Можайского, 2005. 383 с.

60. Муха, Ю.П. Нейросетевые измерительные системы. Диагностика состояния сложных объектов / Ю.П. Муха, М.Г.Скворцов — М.:

61. Радиотехника, 2007. — 336 с.

62. Надёжность технических систем и техногенный риск / В.А. Акимов и др.. — М.: Деловой экспресс, 2002. — 386 с.

63. Назаров, A.B. Нейросетевые алгоритмы прогнозирования и оптимизации и систем / A.B. Назаров, А.И. Лоскутов — М.: Наука и техника, 2004.-384 с.

64. Орлов, А.И. Теория принятия решений / А.И. Орлов. М.: Март, 2004. -656 с.

65. Пащенко, Ф.Ф. Методы и системы управления и идентификации на основе знаний / Ф.Ф. Пащенко, K.P. Чернышев // Автоматика и телемеханика. 2000. №2. С. 3 - 28.

66. Подиновский, В.В. Введение в теорию важности критериев в многокритериальных задачах принятия решений /В.В. Подиновский -М.: Физматлит, 2007. 164 с.

67. Применение байесовских сетей для поддержки принятия решений для управления техническим состоянием сложных систем / В.Г. Баранов и др. // Системы обработки информации и управления: труды НГТУ / НГТУ. 2007. - Т. 65. - Вып. 14. - С. 13.

68. Применение байесовской методологии для прогнозирования состояния дискретных стохастических систем в условиях неопределенности / В.Р. Милов и др. // Системы обработки информации и управления: труды НГТУ / НГТУ. 2009. - Т. 74. - Вып. 15. - С. 72-78.

69. Применение теории полезности для определения порядка диагностических процедур / В.Г. Баранов, и др. // Информационные системы и технологии. ИСТ 2007: материалы Междунар. научно-технич. конф. - Н.Новгород: НГТУ, 2007. - С. 108 - 109.

70. Прогнозирование состояния дискретных стохастических систем в условиях неопределенности на основе байесовской методологии / В.Г. Баранов и др. // Системы обработки информации и управления: труды НГТУ / НГТУ. 2010. - Т. 81. - Вып. 2. - С. 70-76.

71. Прогнозирование состояния технического объекта на основе скрытых марковских моделей / В.Р. Милов и др. // Информационные системы и технологии. ИСТ 2009: материалы Междунар. научно-технич. конф. -Н.Новгород: НГТУ, 2009. - С. 134.

72. Проект «Система управления и диагностики технологических процессов» / В.Р. Милов и др. // Информационные системы итехнологии. ИСТ 2008: материалы Междунар. научно-технич. конф. -Н.Новгород: НГТУ, 2008. - С.81-82.

73. Процедуры логико-вероятностного анализа в управлении качеством / В.Г. Баранов и др. // Информационные системы и технологии. ИСТ -2008: материалы Междунар. научно-технич. конф. Н.Новгород: НГТУ, 2008.- С.80-81.

74. Прочность и надёжность конструкций АЭС при экстремальных воздействиях / С.Е. Бугаенко и др. -М.: Энергоатомиздат, 2005

75. Рассел, С. Искусственный интеллект: современный подход / С. Рассел, П. Норвиг-М.: Вильяме, 2006. 1408 с.

76. Саати, ТЛ. Принятие решений при зависимостях и обратных связях: Аналитические сети / T.JI. Саати. М.: ЛКИ, 2008. - 360 с.

77. Савчук В.П. Байесовские методы статистического оценивания: Надежность технических объектов / В.П. Савчук — М.: Наука, 1989. — 328 с.

78. Северцев, H.A. Системный анализ и моделирование безопасности / H.A. Северцев, В.К. Дедков. — М.: Высш. шк., 2006. —462 с.

79. Седуш, В.Я. Управление техническим состоянием машин по результатам диагностирования. / В.Я. Седуш, В.А. Сидоров, Е.В. Ошовская // Металлургическая и горнорудная промышленность. -2000. №5. - С.86-88.

80. Середа, Ю.С. Основы диагностики и прогнозирования / Ю.С. Середа -Н.Новгород: Букинист, 2005 188 с.

81. Сидорова, Е.В. Анализ дерева отказов, как метод повышения надёжности / Е.В. Сидорова, И.В. Шалашов // Информационные системы и технологии. ИСТ -2005: материалы Всерос. научно-технич. конф. -Н. Новгород: НГТУ, 2006. С. 143.

82. Сидорова, Е.В. Определение эффективности сложной многоканальной системы с учётом надёжности / Е.В. Сидорова, И.В. Шалашов // Системы обработки информации и управления: труды НГТУ / НГТУ. — 2005. -Т. 60.-Вып. 10.-С. 37-45.

83. Синопальников, В.А. Надёжность и диагностика технологических систем / В.А. Синопальников, С.Н. Григорьев. М.: Высш. шк., 2005. - 343 с.

84. Система управления и диагностики технологических процессов / И.В. Шалашов, и др. // XIII Нижегородская сессия молодых учёных.

85. Технические науки: материалы докладов Н.Новгород: ИП Гладкова О.В., 2008. - С. 25.

86. Способ управления техническим состоянием на основе прогнозирования / В.Р. Милов и др. // Информационно-измерительные и управляющие системы. 2010. - № 2. - Т.8. - С. 35 - 38.

87. Тугучев АЛ. Байесовские сети доверия. Логико-вероятностный вывод в ациклических направленных графах / А.Л. Тугучев, A.B. Сиротин, С.И. Николенко. СПб.: Изд-во С.-Петерб. ун-та, 2009. - 400 с.

88. Хетагуров, Я.А. Проектирование автоматизированных систем обработки информации и управления / Я.А Хетагуров. М.: Высш. шк., 2006.-223 с.

89. Черноруцкий, И.Г. Методы принятия решений / И.Г. Черноруцкий — СПБ. БХВ-Петербург, 2005. 416 с.

90. Шалашов, И.В. Повышение эффективности технической диагностики на основе байесовских процедур поддержки принятия решений / И.В. Шалашов // Информационно-измерительные и управляющие системы. 2011. № 2. - С. 24-28.

91. Шалашов, И.В. Вероятностные процедуры принятия решений в системах управления техническим состоянием / И.В. Шалашов // XII Нижегородская сессия молодых учёных. Технические науки: тез. докл. -Н.Новгород: ИП Гладкова О.В., 2007. С. 11.

92. Шалашов, И.В. Исследование систем массового обслуживания с ожиданием / И.В. Шалашов / X Нижегородская сессия молодых учёных. Технические науки: тез. докл. — Н.Новгород: ИП Гладкова О.В., 2005. — С. 142-143.

93. Шалашов, И.В. Повышение эффективности ТОИР на основе прогнозирующих информационных систем / И.В. Шалашов, В.Р. Милов // Информационные системы и технологии. ИСТ — 2009: материалы Междунар. научно-технич. конф. Н.Новгород: НГТУ, 2009. — С. 137.

94. Шалашов, И.В. Построение моделей процессов обслуживания в системах подвижной связи / И.В. Шалашов // Информационные системыи технологии. ИСТ -2005: материалы Всерос. научно-технич. конф. -Н. Новгород: НГТУ, 2006. С. 45 -46.

95. Шалашов, И.В. Управление техническим состоянием сложных систем на основе обработки сигналов в сетях принятия решений / И.В. Шалашов // Цифровая обработка сигналов: материалы Междунар. научно-технич. конф. М.: ИПУ РАН, 2007. - С. 68-72.

96. Ящура, А.И. Система технического обслуживания оборудования / А.И. Ящура М.: НЦ ЭНАС, 2006. - 356 с.