автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Идентификационный анализ в задачах автоматизации технологического и логистического циклов производства

РОССИЙСКАЯ АКАДЕМИЯ НАУК Институт проблем управления им. В.А. Трапезникова

На правах рукописи УДК 681.51

БАХТАДЗЕ Натальи Николаевна

ИДЕНТИФИКАЦИОННЫЙ АНАЛИЗ В ЗАДАЧАХ АВТОМАТИЗАЦИИ ТЕХНОЛОГИЧЕСКОГО И ЛОГИСТИЧЕСКОГО ЦИКЛОВ ПРОИЗВОДСТВА

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в промышленности)

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Москва 2005

РАБОТА ВЫПОЛНЕНА 8 ИНСТИТУТЕ ПРОБЛЕМ УПРАВЛЕНИЯ им. В.А. ТРАПЕЗНИКОВА РАН

Официальные оппоненты: доктор технических наук, профессор

Афанасьев Валерии Николаевич

Член-корреспондент РАН, доктор технических наук, профессор Салыгнн Валерий Иванович

доктор технических наук, профессор Цвиркун Анатолии Данилович

Ведущая организация: Институт системного анализа РАН

Защита состоится «/¿7» 2005 г. в_часов на заседании

Диссертационного Совета №1 (Д 002.226.01) прн Институте проблем управления им. В.А. Трапезникова РАН по адресу: 117997, г. Москва, ул. Профсоюзная, 65.Телефон Совета: 334-93-29.

С диссертацией можно ознакомиться в библиотеке Института проблем управления РАН.

Автореферат разослан *_»_2005 г.

Ученый секретарь

Диссертационного Совета, доктор технических наук

,В.К. Акннфисв

¿¿ьп/ & * V

ж?

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Необходимость разработки методов идентификационного анализа и создания на их базе программных анализаторов в задачах автоматизации технологического и логистического циклов производства обусловлена интенсификацией использования современных информационных технологий в промышленности и сфере услуг. Достижение конкурентного преимущества в условиях современного динамичного рынка для производителей становится невозможным без обеспечения максимально возможной информационной прозрачности и принятия оптимальных управленческих решений.

Несмотря на существенное продвижение в области создания высокотехнологичных программных и -аппаратных средств (систем хранения больших массивов технологических данных, средств отображения технологической информации, систем мониторинга производственной ситуации и на их основе - поддержки принятия решений; корпоративных баз знаний), для формирования единой информационно-управленческой структуры необходимо преодолеть ряд трудностей, в частности, таких как обеспечение корректного обмена данными между разнородными приложениями, т.е. создание единого информационного пространства предприятия, гарантирующего мобильную надежную связь всех его подсистем. Существенную проблему представляет также доминирование скорости развития информационных технологий над темпом обновления производственного оборудования. Преодоление этих трудностей ведется по трем основным направлениям: стандартизация, использование связующего программного обеспечения, внедрение глобальных промышленных серверов.

Единая информационная корпоративная среда не только обеспечит мониторинг всей производственной панорамы, но и позволит преодолеть непродуктивность разделения тактических задач оперативного управления технологическими процессами и стратегических задач управления

производством, все еще практикуемого сегодня на отечественных предприятиях. Текущая технологическая информация, содержание цеховых архивов (с возможностью восстановления производственных ситуаций прошедших периодов) и содержание базы знаний предприятия предоставляют возможность одновременной настройки в режиме реального времени моделей разных звеньев всей цепочки производства с охватом как технологического цикла, так и административно-хозяйственных и маркетинговых процессов, относящихся к логистическому циклу.

Идентификационный анализ представляет собой процесс разработки, адаптивной настройки и использования в реальном времени - с целью управления либо информационной поддержки - моделей производственных процессов в условиях единого корпоративного информационного пространства.

Особенность функционирования программно-алгоритмических комплексов, называемых программными анализаторами, реализующих подход к построению моделей на базе идентификационного анализа, заключается в том, что они осуществляют построение модели конкретного производственного процесса, используя {помимо текущих и архивных данных) модели на других уровнях производственного управления. При этом существенно, что результаты моделирования различных участков производственного процесса не становятся элементами сложной модели на более высоком уровне, а лишь формируют для нее значения вектора входной информации. По сути, недостаточность априорной информации об исследуемом процессе компенсируется как бы дополнительными - виртуальными - измерениями. Поэтому программные анализаторы часто называют виртуальными анализаторами.

Основополагающими в концепции программных анализаторов являются два аспекта. Во-первых, независимо от моделей и методов, на основе которых они функционируют, идентификационный анализ реализует адаптивный подход к настройке моделей. При построении таких моделей используется весь спектр опытных данных (оперативных, архивных, ретроспективных - из базы знаний и

экспертных заключений, текущих значений параметров моделей на других участках). Во-вторых, в качестве дополнительного источника априорной информации для идентификации исследуемого процесса могут использоваться модели других производственных процессов, и, кроме того - рекомендуемые управляющие воздействия различных регуляторов (которые, возможно, функционируют только в режиме советчика).

По сути, идентификационный анализ представляет собой расширение идентификационного подхода к построению моделей, ставшее возможным в условиях функционирования на предприятиях распределенных информационных систем.

Соответственно, в современных программных анализаторах может быть использован широкий спектр как традиционных алгоритмов и методов анализа данных и теории управления, так и относительно авангардных (нейронные сети, нечеткая логика, генетические алгоритмы).

В диссертационной работе наряду с разработкой методов решения задач идентификации, эффективных в рамках определенных технологических условий, представлена методология синтеза на основе этих алгоритмов программных анализаторов для всех уровней производственного управления.

Практика подтверждает, что для решения задач управления на разных уровнях производства могут быть использованы одни и те же информационные массивы и применены идентичные алгоритмические средства. В случае если точность и эффективность идентификационного анализа оказываются удовлетворительными в соответствии с выбранным критерием, модели, полученные с помощью программных анализаторов, могут быть использованы в реальных системах управления.

Вышеперечисленные факторы определяют актуальность выполненных в диссертации исследований по построению теоретических основ

идентификационного анализа, методологии программных анализаторов и их внедрению.

Цель работы - создание концепции идентификационного анализа, методологии разработки и методов функционирования программных анализаторов технологического и логистического циклов производства, а также анализ возможности использования разработанных методов для широкого круга производственных задач. Полученные в работе результаты направлены на теоретическое обобщение и решение важной практической задачи: создание интеллектуальной основы интегрированных информационно-управляющих структур на производстве.

Методы исследования базируются на использовании математического аппарата теории идентификации, адаптивного управления, методов статистической обработки данных и статистического моделирования для анализа и оптимизации систем.

Научная новизна работы состоит в следующем:

• На основе теоретического анализа и комплекса практических исследований предложена методика сбалансированного решения в режиме реального времени задач производственного управления разных уровней, основанная на использовании виртуальных измерений в условиях единого информационного пространства, что расширяет объем априорной информации об объекте и способствует повышению точности модели.

• На содержательном и структурном уровне выявлено функциональное назначение идентификационного анализа как интеллектуальной основы интегрированной информационно-управляющей структуры производства на базе современных информационных технологий, что определяет новую методологию синтеза структуры корпоративных систем управления.

• В результате исследований функциональных возможностей программных анализаторов создана концепция идентификационного анализа как реализации идентификационного подхода в интегрированных системах управления производством, позволяющая наиболее эффективно осуществлять разработку и настройку моделей производственных процессов,

• Разработаны модели для программных анализаторов параметров технологических процессов, основанные на идентификации объекта с коррелированными во времени входами, но с независимыми компонентами. Предложены рекуррентные одношаговые алгоритмы идентификации с зоной нечувствительности с характеристикой, модифицированной посредством введения специальной рандомизированной матрицы.

• Предложены модели программных анализаторов параметров технологических процессов, основанные на идентификации статических и динамических объектов при коррелированных компонентах вектора входов посредством рекуррентных одношаговых алгоритмов с зоной нечувствительности, обладающих хорошей помехоустойчивостью и высоким быстродействием.

• Теоретически обосновано, что в условиях ограниченной неопределенности описания технологического процесса как объекта управления для разработки программных анализаторов концепция робастно-оптимального управления является наиболее актуальной.

• Разработаны алгоритмы синтеза оптимальной робастной системы управления при возмущениях типа белого шума и марковской последовательности, а также стационарных процессов на основе идентификационного подхода к построению внутренних моделей внешнего возмущения.

• Разработаны алгоритмы синтеза программных анализаторов для систем управления текущим коммерческим бюджетированием предприятий с использованием методов управления запасами.

• Теоретически обоснована и практически апробирована возможность применения алгоритмов управления запасами для синтеза программных анализаторов систем управления ценообразованием продукции.

• Предложен метод разработки программ стимулирования сбыта с применением моделей и алгоритмов оптимального планирования инвестиционных проектов.

• Разработана типовая структура программных анализаторов.

• Проведен анализ практического использования программных анализаторов непосредственно на технологических установках и в организационно-управляющих комплексах отечественных предприятий химической и нефтепереабатывающей промышленности и производства минеральных удобрений.

Практическая ценность и реализация результатов. Решение проанализированных в диссертации проблем позволяет проводить разработку и осуществлять практическое внедрение систем управления нового поколения для разных уровней интегрированных информационно-управляющих структур на производстве. Информационно-управляющие комплексы на базе программных анализаторов оперируют архивной, ретроспективной и текущей информацией на самом современном уровне, что позволяет наиболее эффективно осуществлять управление самыми разнообразными производственными процессами. Применение программных анализаторов качества технологических процессов целесообразно для широкого класса процессов химической, нефтеперерабатывающей, нефтехимической, целлюлозно-бумажной и пищевой промышленности, производств минеральных удобрений и строительных материалов и других отраслей.

Программные анализаторы процессов логистического цикла производства применимы как для промышленных предприятий, так и для

6

предприятий производства услуг, торговых и транспортных компаний, предприятий финансовой сферы, авиакомпаний и т.д.

Практическая ценность полученных результатов подтверждается их использованием на предприятиях нефтеперерабатывающей промышленности («ЛУКОЙЛ-Пермнефтеоргсинтез») и производства минеральных удобрений (ОАО «Воскресенские минеральные удобрения»). Применение разработанного автором информационного, математического и программного обеспечения позволило достичь существенного экономического эффекта благодаря снижению запаса по качеству и сокращению выпуска некондиционной продукции. Для определения стратегии автоматизации технологических процессов целесообразным оказалось предварительно оценить ожидаемый технический эффект по данным о работе технологической установки в режиме нормальной эксплуатации, на базе которого может быть оценен и ожидаемый экономический эффект. Только на основе этого принимаются обоснованные решения о разработке конкретного программного анализатора технологического процесса и, на его основе - о возможной дальнейшей разработке систем управления различных уровней в режиме реального функционирования. Апробация работы Основные результаты диссертационной работы докладывались на: Всесоюзном совещании по проблемам управления (Алма-Ата, 1986 г.), 10-м симпозиуме IFAC «SYS!D'94» (Копенгаген, Дания, 1994 г.), 4-й Международной конференции «Проблемы управления в чрезвычайных ситуациях» (Москва, 1997 г.), Международной научно-практической конференции «Управление большими системами» (Москва, 1997 г.), IV Международном семинаре «Комплексные исследования перехода России и других стран к устойчивому развитию с использованием математического моделирования» (Москва, 1998 г.), Международной конференции IFAC "Contror98" (Суонси, Великобритания, 1998 г), Международной конференции «Идентификация систем и задачи управления» (Москва, 2000 г.), Международных конференциях по проблемам управления (Москва, 1999, 2003 п".). Международном симпозиуме IFAC по экономическому управлению (Клагвнфурт, Австрия, 2001 г.), Международной конференции «Системный

7

анализ и управление» (Евпатория, Украина, 2004 г.), IV Международном конгрессе «Машиностроительные технологии'04» (Варна, Болгария, 2004 г.), Всероссийской научно-практической конференции Главных метрологов предприятий химической отрасли (Воскресенск, 2003, 2004 гг.), Научно-техническом совете ОАО «Воскресенские минеральные удобрения» (Воскресенск, 2004 г.), Международной конференции «Идентификация систем и задачи управления (81СРПО'04)» (Москва, 2004 г.), Международной конференции «Проблемы управления и энергетики» (Тбилиси, Грузия, 2004 г.), на пятой Всероссийской научно-практической конференции «Информационные технологии в России» (Москва, 2004 г.), на семинарах и совещаниях Института проблем управления РАН.

Публикации. Основные результаты по теме диссертации опубликованы в 32 печатных работах.

Структура и объем диссертации. Работа состоит из введения, пяти глав, 12 приложений, содержит 254 стр. основного текста, 30 рис , список литературы из 219 названий.

СОДЕРЖАНИЕ РАБОТЫ

во Введении освещены проблемная область исследований, актуальность темы, научная новизна и практическая ценность полученных результатов.

В Главе 1 приводится традиционное определение программных анализаторов (ПА) как алгоритмов «измерения» параметров либо показателей производственных процессов «по косвенным параметрам». Выявляется возможность интерпретации ПА как алгоритмов и систем идентификации. Обосновывается необходимость в расширении постановки задач идентификационного анализа в условиях современного производства, когда в качестве косвенных параметров могут быть использованы различные массивы оперативной, архивной и ретроспективной информации из корпоративного хранилища. Существенной дополнительной возможностью уточнения моделей в ПА является расширение априорных знаний об исследуемом производственном процессе на базе использования результатов моделирования процессов на

других участках производства - в качестве дополнительных компонент вектора входов. В частности, в таком качестве может быть использована информация о функционировании регуляторов в режиме советчика. Такой подход к моделированию позволяет сформулировать концепцию идентификационного анализа как построения моделей с использованием «распределенных измерений» в условиях сквозной корпоративной информационной среды. Отмечается, что в условиях современного производства исследовательская функция процесса идентификации {ломимо этапа построения модели при идентификационном синтезе систем управления) осуществляется на качественно новом уровне, что позволяет говорить об идентификационном подходе в более широком, по сравнению с традиционным, смысле.

Исследуется состояние процесса производственной автоматизации и позиционирование ПА в современной иерархии производственных информационно-управляющих систем. Обосновывается возможность использования ПА в качестве алгоритмической основы оперативных систем управления производством. Такое обоснование представляется естественным, исходя из принципа корректировки моделей в реальном времени. Однако в зависимости от типа решаемых задач, ПА могут быть отнесены и к уровню стратегического планирования, и к транспортировке, и к маркетингу. Последующие разделы Главы 1 посвящены историческому обзору методов и алгоритмов, используемых в традиционных ПА.

По мнению отечественных и зарубежных исследователей, тенденция развития математического аппарата ПА связана с методами искусственного интеллекта (нейронные сети, базы знаний, автоматизированные экспертные системы и др.) и ведет к созданию класса интеллектуальных ПА. Особенное внимание уделяется новейшим компьютерным технологиям, связанным с парадигмой интеллектуального анализа данных (Data Mining, включающим нейросетевые, генетические, эволюционные и другие методы исследований. Интеллектуальный анализ данных представляет собой процесс поддержки принятия решений, основанный на поиске в этих данных скрытых

закономерностей (шаблонов информации). При этом накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания.

Первая группа методов настройки моделей, используемых в современных ПА • это алгоритмы на основе нечеткой логики. В основе метода лежат лингвистические модели, содержащие набор слов, отражающих качество. Применение такого метода не обеспечивает требуемый уровень точности математических моделей, но дает возможность создать вполне качественную модель системы, в частности, в условиях неполной информации.

Отмечается, что, несмотря на широкий опыт практического использования систем нечеткого логического вывода, существуют факторы, определяющие некоторую ограниченность в их применении:

• отсутствует стандартная методика разработки нечетких систем;

• математический анализ нечетких систем традиционными методами невозможен, что ограничивает их использование на непрерывных производствах;

• применение нечеткого подхода, по сравнению с вероятностным, практически не приводит к повышению точности вычислений.

Следующую группу составляют методы настройки моделей, основанные на нейросетевых технологиях. Отмечается, что на такой основе синтезировано большое количество современных ПА, в особенности представляемых на рынке компаниями - лидерами разработки прикладного программного обеспечения (Aspen Tech, Siemens и др.).

Благодаря своим универсальным аппроксимирующим свойствам искусственные нейронные сети сегодня представляют собой мощный инструмент для решения задачи идентификации нелинейных статических и динамических объектов управления. Основные свойства искусственных нейронных сетей: параллельная обработка, сверхвысокое быстродействие, устойчивость при ра£юте в условиях больших помех и неполных данных -

10

создают основу для практического применения нейрокомпьютерных технологий для решения самых разнообразных задач.

Определяющим и самым сложным, как показывает практика, этапом жизнедеятельности нейронных сетей (НС) является их обучение, в отличие от непосредственного их программирования. Значительное количество работ по нейроинформатике посвящено возможности использования известных алгоритмов для обучения НС. Некорректное обучение может привести либо к продлению процесса обучения на неопределенный срок, либо к стагнации среднеквадратической ошибки, т.е. к фатальной невозможности обучить НС.

Обученная нейронная сеть обладает способностью обрабатывать новую (отличную от предъявляемой в процессе обучения) информацию, интерпретируя и/или обобщая эту информацию. Кроме того, нейронные сети способны успешно обрабатывать зашумленную, искаженную или частично поврежденную информацию. Успешное развитие теории и практики нейроидентификации и нейроуправления определяет исключительную перспективность НС для управления сложными динамическими объектами .

Генетические алгоритмы (ГА) представляют собой методы решения оптимизационных задач, имитирующие процессы эволюционного развития в живой природе на основе механизмов генетической наследственности, изменчивости и естественного отбора.

По своей сути, генетический алгоритм представляет собой многошаговую процедуру параллельного случайного поиска, направленного на локализацию координат глобального экстремума в пространстве варьируемых факторов (параметров) решаемой задачи. ГА дают хороший результат при поиске глобальных минимумов адаптивных рельефов, так как в них исследуются большие области допустимых значений параметров нейронных сетей. (Градиентные алгоритмы дают возможность находить только локальные минимумы). ГА характеризуются достаточно высокой скоростью обучения, в среднем, правда, уступая в этом градиентным алгоритмам. ГА успешно

применяются в таких областях, как распознавание образов, классификация,

И

прогнозирование (в последнее время наиболее широко генетические алгоритмы обучения используются для банковских прогнозов).

По мнению многих специалистов, одна из тенденций сегодняшнего дня - создание гибридных систем, в которых технологии нейронных сетей сочетаются с другими методами. При этом и разработчики, и пользователи убеждены, что подходов к исследованию принципов объединения в рамках решения одной задачи статистических методов с НС для управления в реальном времени существует множество.

В соответствии с концепцией ПА, базирующейся на идентификационном подходе, к методам идентификационного анализа можно отнести методы актуальных задач теории управления, таких как задачи гарантированного оценивания и управления для объектов с нестохастической неопределенностью; задачи функциональной идентификации и управления методом рекуррентных целевых неравенств; традиционный для задач идентификации круг вопросов, связанных с асимптотическим распределением нормированных оценок, вопросы асимптотической эффективности и гарантированного (робастного) оценивания по отношению к заданному классу возмущений, традиционные для линейных схем специальные методы идентификации, например, метод инструментальных переменных и др.

Выбор метода в каждом конкретном случае определяется критерием оптимальности, выбираемым исходя из сути решаемой прикладной задачи, а также априорной информацией об объекте управления. Минимальный объем априорной информации является одним из важнейших требований для современных систем автоматического управления. Для синтеза ПА это требование приобретает специальный смысл: даже если рекомендации по выбору управляющих воздействий не будут включены в контур реального управления (т.е. будут использоваться в качестве поддержки принятия решений), требуется получить по данным функционирования в режиме реального времени гарантированный (возможно, не оптимальный) результат, В

этом аспекте особенно актуальны задачи управления в условиях неопределенности и, в частности, проблемы робастной устойчивости.

В зависимости от способа устранения неопределенностей, математических моделей описания возмущений и критерия качества функционирования замкнутой системы, говорят об адаптивном или о робастном подходе к управлению в присутствии возмущений. Существует обширная литература, описывающая прямой и идентификационный методы синтеза адаптивных систем. Значимые результаты в этой области получены представителями отечественной школы: Б.Н. Петровым, Я.З, Цыпкиным, Б.Т. Поляком, А.А. Первозванским, А.Л. Фрадковым, В.Ю. Ругковским, Б.В. Павловым, C.B. Земляковым, И.Б. Ядыкиным, В.Н. Буковым, В.Н. Афанасьевым, А.П. Курдюковым, А.В. Назиным, и др.

Возможность эффективного управления в условиях неопределенности обусловливает исключительную перспективность робастных алгоритмов для синтеза программных анализаторов.

Утверждается, что при разработке современных ПА требуется не только {и не столько) использование сверхсовременных методов, но глубокая аналитическая проработка решаемых задач, основанная как на инженерной интуиции, так и на адекватной алгоритмической платформе. Методика разработки современных ПА должна предусматривать возможность сопряжения различных методов и алгоритмов в рамках одной задачи, а также использования элементов экспертного анализа и некоторых эвристических приемов.

в Главах 2 и 3 диссертации приведены результаты исследований применения адаптивных и робастных алгоритмов в ПА процессов технологического и логистического циклов производства.

В Главе 2 отмечается, что ПА технологического цикла могут осуществлять анализ текущей ситуации и исследование технологического процесса как объекта управления в режиме реального времени, прогнозирование качества выходного продукта для выбранного технологического режима, формирование оптимальных для заданного критерия качества управляющих воздействий (хотя, в соответствии с решаемой ПА

задачей, его функции могут ограничиваться, например, только созданием информационной основы для системы оперативного управления типа MES). Существенно, что в условиях единой корпоративной информационной среды перечень функций ПА включает формирование информационных потоков для идентификации процессов на других уровнях производственного управления, а также пополнение базы технологических знаний и координацию работы взаимосвязанных производств.

При построении моделей технологических процессов для непрерывных и полунепрерывных производств требуется решение задачи идентификации в условиях малых выборок наблюдений. Выбор алгоритмов идентификации должен быть обусловлен в этом случае скоростью затухания переходных процессов в идентификаторе, и, кроме того, невысокой чувствительностью к точности начального приближения.

Использование таких алгоритмов обусловлено также обеспечением монотонности переходного процесса в идентификаторе. Примером может служить релаксационный алгоритм Качмажа и его многочисленные модификации. При очевидных преимуществах, связанных с простотой реализации линейных по невязке алгоритмов, следует отметить их недостаточную помехоустойчивость, что обусловлено следующими факторами:

- значительная чувствительность к малодостоверным результатам измерений, что приводит к необходимости предварительной отбраковки;

- недостаточная эффективность при сравнительно хороших начальных оценках параметров;

- возможность повышения точности оценивания только за счет уменьшения шага, что приводит к замедлению переходных процессов в идентификаторе и может вступить в противоречие с предположением о стационарности объекта.

Применительно к классу финитных плотностей распределения помехи на выходе для достижения компромисса между томностью и быстродействием идентификатора, в частности, можно использовать нелинейные преобразования невязки типа «зоны нечувствительности», не изменяющие крутизны

характеристики алгоритма, и в то же время, обеспечивающие приемлемую помехоустойчивость. Они обладают высокой скоростью сходимости и позволяют получать сильно состоятельные оценки параметров объекта. В работе исследуются свойства модифицированных алгоритмов такого типа, содержащих рандом изирующую компоненту в характеристике. Такие модифицированные алгоритмы охраняют все описанные выше преимущества, в том числе, и в случаях, когда входная последовательность представляет собой случайные векторы, компоненты которых являются коррелированными во времени последовательностями случайных величин, что является актуальным для весьма широкого класса приложений. Эффективным методом идентификации в условиях коррелированных входов и ограниченных помех является метод введения в канал регулирования пробных воздействий с достаточно богатыми спектральными свойствами. Однако введение пробных воздействий технологически возможно далеко не для всех объектов. Поэтому актуально построение идентификационных процедур другого типа, которые позволяли бы получать сильно состоятельные оценки в условиях зависимых входов, и к тому же, обеспечивали бы выигрыш е быстродействии.

Рассматривается регрессионный объект с неизвестными параметрами

в* е Л":

у, = 9*тх, + V,, I = 1, 2,..., у( еЯ1, |и,| ^ 8 п.н. (почти наверное) (1)

с ограниченной помехой у( и наблюдениями (у,, хг) . Предположим

также, что помеха на выходе объекта (1) ограничена и принимает значения в заданном интервале (-5,6).

В разделе 2.1 Гпавы 2 решается задача идентификации в случае, когда компоненты вектора входов независимы между собой, ко каждая представляет собой коррелированную во времени случайную последовательность: Предполагается, что хи их^, вообще говоря, зависимы при любых (= 1, 2,

5 = 1, 2,..., 7 = 1, п, но хи и Ху независимы при Предполагается

также выполнение некоторых достаточно естественных допущений: \xt\ < Ь V/=1, n; t=\, 2,Ь= const >0, Цх/Ц^Оп.н .Х/^согц! п.н. V/=l, 2, . Случайные величины (с.в.) 1/х* имеют плотности распределения при любом фиксированном /и всех i =1, 2, п (отсюда следует существование математического ожидания с.в. 1/для всех компонент входного вектора в

любой фиксированный момент времени /); помеха v, не зависит от с.в. xt при всех t и является последовательностью независимых в совокупности с.в., плотность распределения которых непрерывна, симметрична и строго положительна на интервале (-6, 5} и равна 0 вне этого интервала. При | v | 5

S функция распределения помехи F(v) удовлетворяет неравенству F(v) < 1

- f^S - v)", где 8, ц а- положительные константы, сг<2.

Исследуется оценка 6t неизвестного параметра в*, определяемая соотношениями:

6t~ZtCb (2)

С,=С,., +Н и'Л У, - С1г а^х^хЫ2,

гдеД*) - нелинейная характеристика типа «зона нечувствительности»

z~S sign z при |z| > S 0 при|г|:£<? i

№

т=

(3)

\ при У<

при У>

Лц (/=1, я) - последовательность независимых в совокупности случайных величин с симметричной плотностью распределений таких, что Л*^ 0 при ?<оо, Хц —>0 при / —>оо со скоростью 1 / / 2 почти наверное. В работе доказано, что при Г—>со почти наверное.

Доказательство позволяет получить оценку скорости сходимости $ к в веде;

IV,¿[\¥о*2+кВ\2/а, Е !И|2,£/=б'-НЛ;

(5)

в разделе 2.2. рассмотрен случай, когда компоненты вектора входов не только представляют собой коррелированные во времени случайные

последовательности, но и коррелированы между собой, т.е. Ихцху & О V/, 7=1, п. В этой ситуации применяется модификация рассмотренных выше алгоритмов с использованием инструментальных переменных х' —З&и у\

Доказывается, что оценки 9( неизвестного параметра 9, определяемые алгоритмом

с^СИ+АугС7,.,^} *;|кг2, (6)

в которомX*) и 5/ - определяются аналогично рассмотренному выше случаю, являются сильно состоятельными

в разделе 2.3. исследуются алгоритмы идентификации регрессионно-авторегрессионного объекта с коррелированными входами. Посредством несложных обозначений задача идентификации интерпретируется как задача

оценки параметров 9*=( , Л,,.. )Т статического объекта с вектором

входных переменныхх(/)=(х<,дс/_1,..лг(_п)т, т.е. приводится к рассмотренным ранее объектам.

Раздел 2.4 посвящен применению идентификационного полхода при использовании метода внутренних моделей в задачах робастно-опггимального управления.

Отмечается, что задача синтеза устойчивых систем управления в условиях ограниченной неопределенности объекта является центральной при разработке программных анализаторов технологических процессов и ситуаций. Ограниченная неопределенность в знаниях об объекте, обусловленная немоделируемой динамикой, ошибками идентификации, намеренным понижением порядка регулятора с целью его огрубления, интерпретируется как совместные пертурбации объекта и регулятора. В то же время, формирование управляющих воздействий, обеспечивающих наилучшее (в смысле выбранного критерия) качество в условиях офаниченной неопределенности можно трактовать как оптимальное управление некоторым классом объектов, определяемым, например, технологическим регламентом. Я.З. Цыпкиным было введено понятие робастно-оптимальных и абсолютно робастно-оптимальных дискретных линейных систем в условиях офаниченной неопределенности и предложено конструктивное решение задачи синтеза для случая, когда возмущения, поступающие на объект, поддаются восстановлению за конечное количество тактов. При этом используются т.н. принцип поглощения и метод внутренних моделей.

Рассматривается задача синтеза робастно-оптимальных систем для класса возмущений, не относящихся к предсказуемым точно. В разделе 2.4.2 приведено описание синтеза робастно-оптимальной системы управления в случае возмущений типа «белый шум», в 2.4.3 рассматривается случай

18

марковских возмущений, а в 2.4.4 - случай ограниченных стационарных возмущений. Для каждой группы задач использование полиномов поглощения становится возможным на основе некоторых специальных идентификационных процедур.

В Главе 3 диссертационной работы исследуются задачи идентификационного анализа, относящиеся к логистическому циклу управления производством.

В разделе 3.1 рассмотрены основные элементы логистического цикла и исследуется применение логистических концепций в стратегическом планировании и текущем управлении.

Раздел 3.2 освещает перспективы использования современных методов теории управления в ЕРР-системах.

Программные анализаторы логистического цикла производства осуществляют анализ и моделирование, а также вырабатывают рекомендуемое оптимальное решение в режиме реального времени для следующих задач производственного управления:

• планирование бюджета и оптимизация стратегии бюджетирования на базе анализа текущих доходов и расходов;

• плакирование и управление запасами сырья и полуфабрикатов на основе адаптивных и робастных алгоритмов;

• формирование рекомендаций по ценообразованию на следующий период на основе статистического анализа внутренней экономической ситуации предприятия и алгоритмов прогнозирования троса с учетом различных факторов;

• разработка и расчет схем по стимулированию сбыта;

• управление процессами транспортировки, грузолереработки и упаковки.

В разделе 3.3 для решения задач управления запасами предложен метод синтеза робастно-оптимальных контроллеров. Отмечается, что в такой формулировке задача является весьма актуальной на практике, поскольку маркетинговые исследования часто сталкиваются с трудностями, вызываемыми

полной или частичной ненаблюдаемостью спроса и сильной зашумленностью

доступных измерений. Следовательно, модель для определения оптимального размера запаса должна учитывать возможность некоторых отклонений от «номинальных» допущений.

Рассматривается задача определения оптимальной величины и,* пополнения запаса (управления) «,. стабилизирующего величину запаса у, на заданном уровне п. Пусть уровень запаса в момент t удовлетворяет уравнению

&У)у,= V/yVM + ^V)** (7,

где V- оператор сдвига на такт назад a G(V), V), P/V) - неизвестные

полиномы, удовлетворяющие условиям:

6(V) = eP(V) + <56(V), 3QiV)eAs,

ЛОО =^0(V) + <5ЛХV), SPU(V) e As№ (8)

P£V) = PZ°(V) + SP^V), &Р£Ч)еА6г.

Пусть динамика спроса zt описывается моделью линейной регрессии

z,-a(v)z,+ &

где «(V)- известный полином степени N, а & - белый шум.

Стратегия управления, отвечающая сформулированной задаче, описывается следующим уравнением для размера заказа на пополнение запаса на каждом шаге

R(y)ut = P£VXrt-yt + z*f, (9)

где (а)+ — max {0, a}, a z t обозначает оптимальный в среднеквадратическом

смысле прогноз спроса.

Неопределенность в описании интервального объекта (в) можно интерпретировать как необходимость давать рекомендации по определению величины заказа на попопнение запаса а условиях существенной гибкости допустимых действий. Другими словами, должны приниматься во внимание все возможные состояния запаса и допустимые уровни его пополнения, а также

20

отслеживаться динамика спроса. В этом случае может быть выбран некоторый номинальный объект, соответствующий множеству (8), выбрана соответствующая ему оптимальная в смысле заданного критерия стратегия управления, а затем для решения поставленной задачи применена описанная в Главе 2 методика.

В разделе 3.4. исследуется применение программных анализаторов в системах управления взаимоотношениями с потребителями (СЯМ).

Подраздел 3.4.1. посвящен разработке ПА в системах управления задолженностью предприятия. ПА осуществляет оптимизацию процедуры очередности выплаты долгое поставщикам и прочим кредиторам. Положение предприятия в плане состояния его текущей задолженности должно быть приемлемым с точки зрения его инвестиционной привлекательности, поэтому такие системы могут принести существенную пользу для предприятий с большим количеством поставщиков сырья, оборудования, перечнем наименований указанных обязательных платежей в рамках общей системы управления предприятием.

Политика ранжирования выплат по кредиторской задолженности определяется в соответствии с критерием невозрастания общего долга предприятия. Решение этой задачи должно основываться на построении математической модели процесса платежей и разработке алгоритмов оптимизации. ПА предусматривают оптимизацию стратегии платежей наряду с предоставлением лицам, принимающим решения, возможности моделировать политику платежей, пользуясь структурированной текущей и архивной информацией.

Реальная ситуация характеризуется тем, что как величина, так и структура долгов на каждый день представляют собой случайные процессы. Кредиторы, случайно появляющиеся каждый день (например, в виде счетов с угрозой значительных штрафных санкций в случае просрочки выплаты), существенно нарушают очередность выплат. Поэтому необходимо планировать, или, по крайней мере, определять заявку на общую сумму для выплаты долгов

на следующий день за счет дополнительного кредита. Критерием формирования такой заявки является условие минимизации долга и процентов по обслуживанию кредита в условиях случайных поставок, поэтому в качестве алгоритма оптимизации заявки на сумму к выплате долгов на следующий день может быть использована следующая процедура.

Пусть ежедневно компания выделяет на выплату долгов сумму 5/, где ( - текущая дата (в виде номера дия на текущем временном интервале), введем обозначения:

Х( = 5/ — «запас» (денег) на начало /-го дня. Представляет собой случайную последовательность, поскольку определяется ежедневным состоянием счетов компании. т

2( — УС„ - «спрос» (иа деньги) - сумма долга всем т кредиторам к

концу 1-го дня плюс выплаченные за текущий день долги. Также является случайной последовательностью, поскольку регламентируется поведением поставщиков.

м, - объем поставки (возможно, за счет очередного кредита), поступающей в конце периода; щ - «заявка на пополнение запаса» на

следующий день. Будем формировать ее дифференцированно по отдельным кредиторам, т.е. будем полагать, что

Сумма, которая может быть выделена предприятием для выплаты долгов на следующий день, заранее неизвестна, однако, она с вероятностью 1 не будет превышать заявки. Логично интерпретировать этот факт как удовлетворение

"подзаявки" ии с вероятностью Ци полностью, либо невыполнение ее с

(Ю)

вероятностью 1-ф, Вероятности Ци неизвестны, ко очевидно, что они регламентируются приоритетностью выплаты долга ниу поставщику.

Оптимизационная процедура состоит в формировании такого плана заявок й„, который минимизирует невыплаченный долг и проценты по кредитам.

Проценты по кредитам на каждый день можно интерпретировать как «издержки хранения» (денег), а оставшиеся к концу ¿-го дня не выплаченными долги формируют "издержки дефицита" (денег) в виде выплат «неустойки». Коэффициенты И определяются размером процентных ставок по кредитам. Коэффициенты с определяются ставками неустойки при просроченном долге (соответственно, й; исг для каждого / -го поставщика).

Таким образом, исходную задачу можно рассматривать как управление запасами при случайных поставках в условиях неполной априорной информации.

Динамика изменения запаса имеет вид:

Х/+1=и,(11)

Известно, что оптимальная по критерию минимума издержех за период (в нашем случае он равен одному календарному дню)

Цй,)- сЕ(г/ — х()+ + ИЕ(х, (12)

стратегия выплаты долгов определяется следующим образом:

Л Х(-хйири*„<гй

л (13)

О при хп > га

где Е - символ математического ожидания, х+ = шах(0,х), х„ - доля суммы х,, которая идет на оплату долга /-му поставщику, а Л<г определяется посредством рекуррентной процедуры:

Д,+и = ИГн ~ Си)' —77" '

с, + я,

Будем считать, что изначально экспертами определяются основные классы приоритетности, и далее оптимизационные процедуры (13), (14) строятся для платежей одного класса. Внутри каждого класса определяются очередности выплат всем поставщикам (кредиторам) в соответствии со сроками, оговоренными в контракте. Обозначим эти приоритеты П, и определим их следующим образом

Естественно, величина каждого из них не превышает т и тем больше, чем меньше срок ¿1,-1 до крайнего дня <1-, - дня выплаты 1-му кредитору.

Тогда Хц определяются следующим образом: х„ = Х)П1 /т.

Коэффициенты определяются размером процентных ставок по кредитам. Коэффициенты Ci определяются суммами неустойки при просроченном долге. На конечном этапе работы алгоритма производится анализ качества предложенной модели и корректируются договорные сроки.

В подразделе 3.4.2. приводится метод решения задач оперативного управления бюджетом процесса отгрузки готовой продукции предприятия, также основанный на использовании адаптивных алгоритмов теории управления запасами. 24

(16)

В разделе 3 5 исследуются ПА в системах управления ценообразованием и ПА прогнозирования спроса.

Раздел 3.6 описывает разработку ПА оценки эффективности программ стимулирования сбыта. При этом для решения соответствующих задам идентификации применяются алгоритмы, аналогичные рассмотренным во второй главе.

Некоторые задачи логистического цикла трудно формализуемы и не располагают достаточным статистическим материалом для исследования классическими методами. В этом случае адекватное использование эвристических подходов в сочетании с элементами экспертного анализа позволяет получать неплохие практические результаты. Примером могут служить программные анализаторы систем стимулирования сбыта готовой продукции, для исследования эффективности которых могут быть использованы методы исследования эффективности инвестиционных проектов и адаптивные алгоритмы прогнозирования.

Системы текущего управления коммерческим бюджетированием и ценообразованием на предприятиях должны также содержать библиотеку алгоритмов прогноза и оптимизации, учитывающих специфику микроэкономических процессов, в частности, динамику факторов, определяющих спрос, и возможную коррелированность этих процессов между собой. 8 этом случае весьма эффективны алгоритмы с нелинейной характеристикой, рассмотренные во второй главе.

Отмечается, что рост производительности и сокращение незавершенного производства за счет внедрения информационно-аналитических систем типа MRPII/ERP могут быть достигнуты на практике только на базе интеграции этих систем с другими информационными системами предприятия (системами CAD/CAM, системами управления технологическими процессами, системами финансовой отчётности и т. п.).

Глава 4 посвящена методологии разработки программных анализаторов как программно-алгоритмических комплексов.

Структура и содержание такого программно-алгоритмического комплекса определяются конкретной решаемой задачей, однако некоторые его подсистемы могут быть идентичными для целого класса задач, не обязательно однотипных. Например, для исследования различных технологических процессов в рамках одного производства может быть использована одна и та же библиотека алгоритмов идентификации. Более того, та же библиотека может быть использована для решения задач идентификации технологических процессов разных производств, при условии, что свойства этих процессов как объектов управления оказываются идентичными после первичной статистической обработки данных.

В разделе 4.1. отмечено, что разработка ПА для широкого диапазона производственных процессов состоит из следующих основных этапов:

• анализ задачи и определение исходной информационной базы; определение информационных возможностей для проведения анализа, оптимизации, управления, прогноза; преобразование и структуризация больших объемов необработанных производственных данных; предварительное исследование информации о помехах;

• обеспечение гарантированного сопряжения с корпоративными СУБД на базе использования стандартных протоколов обмена либо разработки собственных драйверов; разработка программ серверов ввода-вывода для обеспечения обмена данными с аппаратными средствами (как правило, сервер ввода-вывода ориентирован на использование с конкретным видом оборудования, таким как промышленные контроллеры);

• определение информационно-функциональной структуры разрабатываемой системы в зависимости от конфетной решаемой задачи и ее уровня в иерархии информационно-управляющих комплексов предприятия;

• анализ исследуемого процесса как объекта управления;

• определение содержания функциональных модулей;

• разработка моделей исследуемых производственных процессов;

предварительный анализ адекватности и эффективности синтезируемой системы на основе архивной информации; принятие решения по вопросу целесообразности разработки; уточнение моделей и решение основной задачи;

синтез системы мониторинга исследуемого процесса: оперативное определение статистических показателей для любой величины или параметра (минимум, максимум, стандартное отклонение, интегральное значение, распределение величины и т.д.), структурирование текущей информации и определение текущих значений важных для данной задачи показателей исследуемого процесса;

визуализация текущей информации, сконфигурированная в соответствии с возможностью использования операторами, технологами, специалистами по автоматическому управлению, техническому обслуживанию, контролю качества и руководителями цехов, департаментов, предприятия; графическое отображение собранных данных на экране компьютера в удобной для пользователя форме (на мнемосхемах, индикаторах, сигнальных элементах, в виде текстовых сообщений и т.д.);

разработка интерфейса автоматического контроля состояния исследуемых параметров- автоматическое ведение журнала событий; автоматическое слежение за исполнением технологического регламента посредством оперативной загрузки набора параметров из заготовленных шаблонов в технологическое оборудование; выдача сообщений оператору в графической и текстовой форме в спучае выхода параметров за пределы регламентируемого диапазона; генерация сигналов тревоги;

разработка интерфейса оператора (запуск на выполнение алгоритмов управления производственным процессом, передача управления в промышленные контроллеры и исполнительные механизмы для регулировки

непрерывных или дискретных процессов, а также передача сообщений персоналу на информационное табло, если система сконфигурирована в режиме советчика); контроль действий оператора путем регистрации его в системе с помощью имени и пароля; регламентация прав доступа, ограничивающих возможности оператора;

• разработка модуля генерации отчетов для регулярного обобщения и представления ключевых показателей работы удаленным пользователям в соответствии с определенным уровнем доступа; санкционированные пользователи обеспечиваются диалоговыми окнами входа в систему, интуитивными средствами навигации, отчетов, документов и архивной информации;

• оперативный анализ процесса; количественная оценка работы системы управления в сравнении с оптимальным регулятором или опытом предшествующей работы оператора. Результаты измерений должны быть доступны оператору для корректировки работы контроллера, а также для регулярной и выборочной отчетности;

• анализ адекватности системы в свете достижения ранжированных оптимизационных целей и анализ эффективности системы.

В разделе 4.2 отмечается, что архитектура программных анализаторов независимо от их функционального назначения и места в иерархии производственных управляющих комплексов должна быть разработана с учетом масштабируемого, наращиваемого и централизованного администрирования. Одновременно необходимо предусмотреть при разработке возможность интерактивного взаимодействия настраиваемых компонентов системы с корпоративными приложениями, отчетами и ресурсами, а при необходимости -обеспечение интеграции приложений с внешними системами и юеЬ-сайтами.

К основным модулям структуры программных анализаторов относятся: блок аналитической обработки статистической информации - «блок анализа

данных» (для оперативного информационного обеспечения), библиотека базовых моделей, описывающих взаимосвязь качественных показателей с текущими значениями измеряемых параметров исследуемого процесса; библиотека алгоритмов настройки модели (идентификатор) по данным реального функционирования; блок формирования управляющих воздействий; интерфейс пользователя.

В разделе 4,3 предложена типовая информационно-функциональная структура ПА, предусматривающая эффективное информационное взаимодействие с другими информационными системами предприятия. Ниже на рис. 1 представлена сегментация уровней информационно-управляющих подсистем и обозначена схема информационного обмена, включая ПА.

При этом идентификационный анализ является своего рода интеллектуальной надстройкой над той информационной системой, функциональная задача которой решается конкретным программным анализатором.

Интерактивный обмен с корпоративными системами информацией, необходимой для функционирования ПА, иногда целесообразно осуществлять посредством сервера ПА. Отдельная база данных ПА необходима в связи с тем, что для построения модели в режиме реального времени, как правило, требуется оперативно запрашивать данные за длительный период функционирования технологического процесса. Программа построения модели сразу же после поступления текущих данных анализа заносит его значение в базу данных и строит модель прогноза. Таким образом, повышается не только быстродействие, но и надежность решения задач управления.

аошущемгя

«оздейслмии

Рис 1. Сегментация уровней систем управления на предприятии и схема информационного обмена

ЕСУТП

Обмен данным« :«орпорап№и«АСУБД |

Профаммный | анализатор

Данные лабораторных

Рабочее ■•сто ттопога

Рабочее места операторе

Заводская лаборатория

Рис.2. Обеспечение информационного обмена ПА с корпоративными

системами.

В разделе 4.4 рассмотрены методики разработки структур и содержания ПА некоторых производственных задач.

Рис.3. Схема ПА технологического процесса ПА маркетинговой информации должны обладать следующими функциональными возможностями:

• поддержка базы данных, содержащей внутреннюю и внешнюю маркетинговую информацию;

» первичная статистическая обработка и графическое представление результатов по различным временным интервалам;

• построение моделей прогноза объема и количества продаж (продуктов или услуг) как отклик на назначаемые цены или на изменение прочих факторов сбыта; графическое представление результатов;

• экспертный анализ внешней и внутренней маркетинговой информации; представление результатов в виде рекомендаций экспертов;

• построение моделей оптимальной поставки продукции на рынок (по количеству и ассортименту) с учетом динамики процентных ставок;

• обработка и анализ результатов социологических опросов потенциальных потребителей производимой продукции либо услуг.

32

Концепция системы управления маркетингом предусматривает наличие четырех взаимосвязанных подсистем.

Сбор и первичная обработка маркетинговой информации

Экспертный анализ

liUa

Планирование оптимальной поставки

Рис.4, Основные функциональные модули систем управления маркетингом Программное обеспечение современных программных анализаторов должно удовлетворять требованиям совместимости с различными DCS (в частности, компаний ABB, Foxboro, Honeywell, Yokogava и др.) и SCADA-систем (компаний GEFanuc, AdAstra, Wonderware, на базе PI System компании OS! Soft) и другими информационными системами.

Глава 5 содержит описания систем управления качеством выпускаемой продукции на основе ПА, внедренные на предприятиях химической и нефтехимической промышленности. Основной целью создания таких систем является формирование в режиме реального времени управляющих воздействий, обеспечивающих максимальное соответствие показателей качества выпускаемой продукции нормативным значениям.

В разделе 5.1 описано внедрение п ро фа м много анализатора содержания Р2О5 в аммофосе в процессе производства гранулированного аммофоса.

Содержание Рг05 в товарном аммофосе является основным качественным показателем готового продукта. Его значение не должно быть меньше заданной величины (51.2%). Если этот показатель не выдержан, то партия аммофоса бракуется и возвращается на переработку. С другой стороны, превышение содержания фосфорной кислоты выше заданной величины приводит к перерасходу дорогого сырья, из которого вырабатывается аммофос.

Технологическая линия «Аммофос 2» на ОАО «Воскресенские минеральные удобрения» представляет собой динамический объект, в котором время с момента поступления в реактор основных компонентов процесса: газообразного аммиака - NHj, фосфорной кислоты - Н3РО4 и серной кислоты -H2SOJ до момента взятия пробы готовой продукции на анализ составляет около двух часов. Процесс контролируется с помощью SCADA-системы Trace mode, взаимодействующей более чем с 80 датчиками расхода, температуры и давления.

Ранее для определения содержания Р2О5 в аммофосе использовался масс-спектрометр, однако из-за трудоемкости эксплуатации и неустойчивости показаний от этого прибора пришлось отказаться и использовать лабораторные * анализы. Целью внедрения программного анализатора было обеспечение заданного качества продукта при уменьшении расхода сырья. Внедрение осуществлялось в два этапа. На первом этапе был внедрен ПА, позволяющий определять значение содержания фосфорной кислоты в готовом продукте на 1 час вперед, то есть прогнозировать этот показатель. Затем на основе ПА была построена система управления содержанием фосфорной кислоты в режиме советчика оператору.

Адекватность модели, оцененная при помощи коэффициента множественной корреляции, который приблизительно равен 0,8, достаточно высока для производств с большим количеством неконтролируемых возмущений.

В результате внедрения ПА удалось уменьшить разность между максимальным и минимальным значением параметра в 1,4 раза и уменьшить дисперсию выходного параметра на 40%. Это позволяет снизить запас по качеству, т.е., гарантированно вести процесс с меньшим содержанием Р2О5 в готовом продукте без выхода за границу, установленную требованиями к качеству продукта.

N К | ' 1 -1

НЕ 52Ю

1,1? £2

не 51 £

>19 31 Л

1» 51*

1Я 521 5142

п $¿2

5!# и»

114 »> И«

15

>26 52а

•а кг и

и*

но «25 523

та и) а I?

таз »1«

«гг

4?

521 51«

ив $22 ИИ

иг 522 «221

&г лги

1* $1С 5212

л «о 411

М »11 511В

1С »а га

143 5? йа <

1« 5*1 5221

1« »! П9

1« 921 5^27

К»

1«

1*9 К) а«2

191 »э

131

Рис.5. Прогноз содержания Р2О5 е аммофосе Указанные результаты позволили получить значительный экономический эффект. Внедрение ПА только на одной производственной линии ОАО «Воскресенские минеральные удобрения» принесло экономию порядка 130 тыс. долп. США в годовом исчислении, что позволило окупить все затраты на ПА менее чем за 3 месяца.

В разделе 5.2 приведен пример внедрения ПА прогнозирования качества дистиллятов установки замедленного коксования 21-10/ЗМ на ООО •ЛУКОЙЛ-Пермнефтеоргсинтеэ». Проблема управления качеством дистиллятов с целью их дальнейшего использования в качестве компонентов сырья установок гидроочистки заключается в том, что на стадии проектирования сложная ректификационная колонна рассчитывается на усредненное количество и состав смеси питания. В действительности же загрузка установки и состав нефти в течение суток меняются, хотя и не значительно, но достаточно для того, чтобы служить возмущением го линии подачи питания для

последовательно соединенных ректификационных колонн, что оказывает влияние на качество получаемых дистиллятов.

Типичная общепринятая стратегия управления ректификационной колонной в условиях воздействия возмущений по линии подачи литания заключается в стабилизации температурного профиля колонны на значениях, полученных на стадии проектных расчетов для усредненного количества и состава смеси питания, и незначительной их корректировке, в зависимости от результатов лабораторного анализа качества дистиллятов. Анализ основных показателей качества осуществляется путем сложных лабораторных анализов, которые обычно проводятся достаточно редко - в лучшем случае один-деа раза в смену (три-шесть раз в сутки). Используемая стратегия управления не является эффективной, так как состояние ректификационной колонны не может быть однозначно идентифицировано по данным дискретного низкочастотного сигнала - результата лабораторного анализа качества дистиллятов.

Было предложено на основе статистики измерений технологических параметров, осуществляемых на установке в реальном времени, и данных лабораторных анализов построить математические модели процесса. Разработанные на базе ПА модели позволили с достаточной для ведения процесса точностью вычислять требуемые показатели качества в промежутках между анализами по параметрам, измеряемым в реальном времени.

Эффект от использования ПА качества заключается в обеспечении увеличения производства продуктов с заданным качеством.

Осуществлена разработка программных анализаторов качества для следующих продуктов установки замедленного коксования: бензин, легкий газойль. Определяемые показатели - температуры: начала кипения, выкипания 50%, выкипания 96%, конца кипения (для бензина). Выявление информативных параметров выполнялось путем статистического анализа значений технологических параметров и соответствующих им результатов анализов качества дистиллятов. На основе полученных результатов была предложена структура модели прогноза температур выкипания дистиллятов и оценка точности прогноза.

Для расчета прогноза использована математическая модель, использующая в качестве входов параметры, измеряемые в режиме реального времени. Точность прогноза при этом зависит от правильного выбора датчиков, глубины памяти и количества экспериментальных данных. При штатной работе системы прогнозирования ее адаптация к изменению объекта и статистических характеристик входных переменных происходит автоматически. При этом изменяется структура модели, а ее динамическая глубина остается постоянной.

Основными показателями адекватности модели, построенной с помощью рекуррентных алгоритмов, являются коэффициент множественной корреляции и остаточная дисперсия. На рисунке б представлен прогноз температуры выкипания 50% фракции легкого газойля.

2 4 i в 11 и 1ч It 1* U4UU

Рис.6. Прогноз температуры выкипания 50% фракции легкого газойля.

В разделе 5.3 представлен программный анализатор прогноза качества синтеза высокодисперсных магнетитов, внедренный на Редкинском опытном химическом заводе

Разработка и внедрение в производство процессов интенсивных химических технологий, к которым относится синтез высокодисперсных магнетитов, является важной практической задачей. Высокодисперсные

37

магнетиты широко используются в космической, авиационной и медицинской технике.

До недавнего времени как в России, так и за рубежом синтез магнетита производился периодическим способом. Результаты экспериментов, проводившихся на опытно-промышленной установке Редкинского опытного химического завода, показали, что существует возможность увеличения эффективности синтеза магнетита за счет организации непрерывного технологического процесса. Однако сложность технологии непрерывного процесса приводят к тому, что реальный выход магнетита с установки в отсутствие системы управления оказывается значительно меньше расчетного.

Анализ непрерывной технологии показал, что за счет введения в производство системы автоматического управления процессом можно существенно повысить его эффективность.

Приводится краткое описание процесса синтеза высокодисперсного магнетита как объекта управления. Представлена методика сбора данных о режиме функционирования объекта для построения модели процесса. Обосновывается выбор в качестве модели процесса линейной по параметрам модели, а также анализ увеличения производительности установки. В качестве алгоритмов идентификации используются алгоритмы с зоной нечувствительности, описанные в Главе 2.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. На основе теоретического анализа и комплекса практических исследований предложена методика сбалансированного решения в режиме реального времени задач производственного управления разных уровней, основанная на использовании всех массивов технологической информации, включая косвенные измерения в условиях единого информационного пространства.

2. На содержательном и структурном уровне выявлено функциональное назначение идентификационного анализа как интеллектуальной

основы интегрированной информационно-управляющей структуры производства на базе современных информационных технологий, что определяет новую методологию синтеза структуры корпоративных систем управления.

В результате исследований функциональных возможностей программных анализаторов создана концепция идентификационного анализа как реализации идентификационного подхода в интегрированных системах управления производством, позволяющая наиболее эффективно осуществлять разработку и настройку моделей производственных процессов.

Разработаны программные анализаторы параметров технологических процессов, основанные на идентификации объекта с коррелированными во времени входами, но с независимыми компонентами. Предложены рекуррентные одношаговые алгоритмы идентификации с зоной нечувствительности с характеристикой, модифицированной посредством введения специальной рандомизированной матрицы.

Разработаны программные анализаторы параметров технологических процессов, основанные на идентификации статических и динамических объектов при коррелированных в совокупности компонентах вектора входов посредством рекуррентных одношаговых алгоритмов с зоной нечувствительности, обладающих хорошей помехоустойчивостью и высоким быстродействием.

Теоретически обосновано, что в условиях ограниченной неопределенности описания технологического процесса как объекта управления для разработки программных анализаторов концепция робастно-огттимального управления является наиболее актуальной.

Разработаны алгоритмы синтеза оптимальной робастной системы управления при возмущениях типа белого шума, марковской

последовательности, стационарного случайного процессов на основе идентификационного подхода к построению внутренних моделей внешнего возмущения.

8. Разработаны алгоритмы синтеза программных анализаторов систем управления текущим коммерческим бюджетированием предприятий с использованием методов управления запасами.

9. Теоретически обоснована и практически апробирована возможность применения алгоритмов управления запасами для синтеза программных анализаторов систем управления ценообразованием продукции.

10. Предложен метод разработки программг стимулирования сбыта с применением моделей и алгоритмов оптимального планирования инвестиционных проектов.

11. Разработана типовая структура программных анализаторов.

12. Проанализирован опыт практического использования программных анализаторов непосредственно на технологических процессах и в организационно-управляющих комплексах отечественных предприятий химической и нефтеперерабатывающей промышленности и производства минеральных удобрений.

13. Результаты, представленные в диссертационной работе, позволяют осуществлять разработку и практическое внедрение систем управления нового поколения, оперирующих архивной, ретроспективной и текущей информацией для разных уровней интегрированных информационно-управляющих структур на производстве.

Публикации по теме диссертации

1. Бунич А.Л., Бахтадзе H.H. Алгоритм идентификации замкнутой динамической системы с экспоненциальной скоростью сходимости // Тезисы докладов Всесоюзного совещания по проблемам управления. Алма-Ата, 1986. С.263-264.

2. Бахтадзе H.H. Идентификация линейного объекта с ограниченной помехой с использованием пробных сигналов в канале управления - М.: ВИНИТИ, 1987. АЛ

3 Бахтадзе Н.Н. Идентификация линейного объекта с ограниченной помехой и коррелированными входами с использованием пробных сигналов в канале регулирования. - М.: ВИНИТИ, 1987.

4. Бахтадзе Н.Н. Быстросходящийся алгоритм идентификации объекта с ограниченной помехой при коррелируемых входах // Автоматика и телемеханика. 1993. Na1.C.86-91.

5. Бахтадзе Н.Н., Потоцкий В.А. Информационно-статистический подход к организации маркетинга // Экономика и математические методы. 1995. Том. 31.Вып.1.С.45-51.

6. Бахтадзе Н.Н., Потоцкий В.А. Экспертно-статистические системы управления маркетингом // Приборы и системы управления, 1996. №3, С. 35-37.

7. Бахтадзе Н.Н., Потоцкий В.А. Адаптивные алгоритмы управления ' запасами в задачах обеспечения безопасности сложных систем //

Тезисы докладов 4-й Междунар, конференции "Проблемы управления в чрезвычайных ситуациях". М„ ИПУ, 1997. С.135 -137.

8. Бахтадзе Н.Н., Потоцкий В.А., Максимов Е.М. Информационно-статистические методы в задачах маркетинга // Тезисы докладов Междунар. научно-практической конференции «Управление большими системами». М., ВИНИТИ, 1997. С.209.

9. Бахтадзе Н.Н. и др. Идентификационный подход в задачах планирования инвестиций II В сб.: Труды междунар. конференции «Идентификация систем и задачи управления» (SICPRO'2000). М., ИПУ, 2000. С.86.

10. Бахтадзе Н.Н., Потоцкий В.А. Применение нелинейных прогнозирующих моделей в маркетинговых исследованиях // Тезисы докладов IV Междунар. семинара «Комплексные исследования перехода России и других стран к устойчивому развитию с использованием математического моделирования». М.р 1998. С.10.

11. Бахтадзе Н,Н. и др. Адаптивная идентификация в задачах стимулирования сбыта // Труды ИПУ, 2000. Том 10. С. 86 - 92.

12. Bakhtadze N N , Lototsky V.A. Fast convergen! identífícatíon algonthms ¡n ¡nvenlory control problems // Proc. of lOth IFAC Symp. SYSID'94, Copenhagen, 1994.

13. Bakhtadze N.N., Lototsky V.A, Maximov EM. Adaptive Identification Algonthms in Expert Statictical Marketing System // Proc. of Int. Conf. On Informatlcs and Control. St. Petersburg, 1997. V.2. P. 429-433.

14. Lototsky V.A., Bakhtadze N.N. On identrficatron for Robust-Optimal Control // Proc. of Int. Conf. "Control'98". Swan See, UK, 1998.

15. Бахтадзе H H., Потоцкий B.A Инвариантное прогнозирование спроса в задачах маркетинга И Тезисы докладов Междунар. конференции по проблемам управления. М , ИПУ, 1999. Том 1. С.278.

16. Bakhtadze N., Lototsky V., Maximov Е. Identification-based investment policy for demand encouragement // Proc. IFAC Symp, Econ. Contr. Kiagenfurí, Austria, 2001.

17. бахтадзе H.H., Назин A.B. Применение виртуальных анализаторов в системах управления задолженностью компании // Тезисы докладов 2- й Междунар. конференции по проблемам управления. М., ИПУ, 2003. Том 2. С.4.

18. Туманов H.A., Туманов Д.Н., Чадеев В.М., Бахтадзе H.H.. Системы управления качеством производства минеральных удобрений на основе виртуальных анализаторов // Автоматизация в промышленности. 2003. №8. С.33-36.

19. Бахтадзе Н., Назин А., Виртуальные анализаторы маркетинговой информации и их использование в системах управления предприятиями // Проблемы управления. 2003. № 4. С. 30-36.

20. Мокров Д.В., H.H. бахтадзе Перспективы применения виртуальных анализаторов в системах управления ресурсами производства // Проблемы управления. 2004. Na 1. С. 40-46.

21. Лотоцкий В А, Чадеев В.М., Максимов Е.А., Бахтадзе H.H. Перспективы применения виртуальных анализаторов в системах управления производством // Автоматизация в промышленности. 2004. №5. С.24-28.

22. Бахтадзе H.H.. Виртуальные анализаторы в системах управления производством // Датчики и системы. 2004. № 4. С.52-64.

23. Лотоцкий В.А., Бахтадзе H.H., Мокров Д.В. Об использовании виртуальных анализаторов для решения задач текущего бюджетирования логистического цикла систем управления ресурсами производства // Тезисы докладов бой Междунар. конференции «Системный анализ и управление». Евпатория, 2004. С.135.

24. Лотоцкий В.А., Чадеев В.М.Т Максимов Е.А., Бахтадзе H.H. Применение нелинейного динамического лрогнозатора в виртуальных анализаторах качества управления технологическими процессами. Н Тезисы докладов 5-ой Междунар. конференции «Системный анализ и управление». Евпатория, 2004. С. 136.

25. Чадеев В.М., Туманов НА, Туманов Д.Н., Миронов В.Е., Бахтадзе H.H. Лотоцкий В.А., Максимов ЕЛ., Нелинейный динамический прогнозатор. Результаты экспериментальной проверки на линии «Аммофос-2» ОАО // Тезисы докладов Междунар. конференции «Идентификация систем и задачи управления (81СРПО'04)». С.49.

26 Бахтадзе H.H. Идентификационный подход к синтезу внутренних динамических моделей в задачах робастно-оптимального управления // Тезисы докладов Междунар. конференции «Идентификация систем и задачи управления (SICPRO'04)» С. 67.

27. Бунич А.Л., Бахтадзе H.H. Синтез и применение дискретных систем управления с идентификатором. - М.: Наука, 2003.

28. Лотоцкий В.А., Бахтадзе H.H., Мокров Д.8. Виртуальные анализаторы оптимального текущего бюджетирования логистического цикла в системах управления ресурсами производства // Тезисы докладов 5-ой Мехедунар. конференции «Проблемы управления и энергетики». Тбилиси, Грузия, 2004.

29. Потоцкий В .А., Чадеев В.М., Максимов Е.А., Бахтадзе H.H. Виртуальные анализаторы качества управления технологическими процессами на базе нелинейного динамического лрогнозатора // Тезисы докладов Междунар. конференции «Проблемы управления и энергетики». Тбилиси, Грузия, 2004.

30. Лотоцкий В.А., Бахтадзе H.H. Система оптимизации расписания авиарейсов И Тезисы докладов Междунар. конференции «Проблемы управления и энергетики». Тбилиси, Грузия, 2004.

31. Бахтадзе H.H., Мокрое Д.В. Виртуальные анализаторы в информационно-аналитических системах логистического цикла производства // Автоматизация в промышленности // 2004. №11. С.20-24.

32. Бахтадзе H.H. Виртуальные анализаторы (идентификационный подход). // Автоматика и телемеханика. 2004, Ne11 .С.3-24.

Личный вклад диссертанта в работы, выполненные в соавторстве, состоит в следующем:

В [1,2] автору принадлежит разработка модели и методов исследования свойств алгоритмов идентификации.

В [5-11,15,17] автором разработаны алгоритмы идентификации производственных процессов логистического цикла. В [12,13,14] автором предложены методы разработки алгоритмов идентификации технологических процессов в случае коррелированных входов.

В [18-21,23-25,27-31] - представлена разработанная автором методология синтеза программных анализаторов, реализующая концепцию идентификационного анализа для решения задач автоматизации.

Типография ордене «Знак почета издательства» МГУ 119234, Москва, Ленински горы Заказ № 437 Тираж 100 экз.

«

»13325

РНБ Русский фонд

2006-6 595

ф ВВЕДЕНИЕ.

Глава 1. ФУНКЦИОНАЛЬНОЕ НАЗНАЧЕНИЕ И ПРАКТИКУЕМЫЕ ПОДХОДЫ К РАЗРАБОТКЕ ПРОГРАММНЫХ АНАЛИЗАТОРОВ ТЕХНОЛОГИЧЕСКОГО И ЛОГИСТИЧЕСКОГО ЦИКЛОВ ПРОИЗВОДСТВА.

1.1. Актуальность задачи идентификационного синтеза и необходимость в расширении ее постановки в условиях современного производства.

1.2. Состояние процесса производственной автоматизации и позиционирование программных анализаторов в иерархии производственных информационно-управляющих систем.

1.3. программные анализаторы как алгоритмическая основа оперативных систем управления производством.

1.4. Функциональное назначение и типы программных анализаторов.

1.5. Концепция программных анализаторов (идентификационный подход).

1.6. Алгоритмическая база программных анализаторов.

1.6.1. Нечеткая логика.

1.6.2. Нейронные сети.

1.6.3. Гибридные технологии.

1.6.4. Генетические алгоритмы.

1.6.5. Современные методы теории управления.

1.6.6. Примеры использования ПА.

ВЫВОДЫ.

Глава 2. МОДЕЛИ И МЕТОДЫ РАЗРАБОТКИ И ФУНКЦИОНИРОВАНИЯ ф ПРОГРАММНЫХ АНАЛИЗАТОРОВ ТЕХНОЛОГИЧЕСКОГО ЦИКЛА

ПРОИЗВОДСТВА.

2.1. Идентификация при коррелированных во времени входах с независимыми компонентами.

2.2. Идентификация статического объекта при коррелированных компонентах вектора входов.

2.3. Идентификация динамического объекта с коррелированными входами.

2.4. Идентификация в задачах робастно-оптимального управления.

2.4.1. Постановка задачи.

2.4.2. Синтез робастно-оптимальной системы управления в случае возмущений типа «белый шум».

2.4.3. Робастно-оптимальный синтез при марковских возмущениях.

2.4.4. Случай стационарных возмущений.

ВЫВОДЫ.

Глава 3. АЛГОРИТМЫ ИДЕНТИФИКАЦИИ ПРОГРАММНЫХ АНАЛИЗАТОРОВ ЛОГИСТИЧЕСКОГО ЦИКЛА ПРОИЗВОДСТВА.

3.1. Применение логистических концепций в стратегическом планировании и текущем управлении.

3.2. Применение современных методов теории управления в ERP-системах.ЭЗ

3.3. Робастно-оптимальные контроллеры в задачах управления запасами.

3.4.Программные анализаторы в системах управления взаимоотношениями с клиентами.

3.4.1. Применение программных анализаторов в системах управления задолженностью компании.

3.4.2. Программные анализаторы для задач бюджетирования процесса отгрузки готовой продукции.

3.5. Программные анализаторы в системах управления ценообразованием.

3.5.1.Программные анализаторы прогнозирования спроса.

3.5.2.Оценка эффективности рекламы.

3.6. Виртуальные анализаторы эффективности программ стимулирования сбыта.

3.6.1.Программа стимулирования сбыта как объект инвестиционных капиталовложений.

3.6.2.Применение методики оценки экономической эффективности инвестиционного проекта для исследования эффективности программ стимулирования сбыта.

3.6.3. Адаптивные алгоритмы программных анализаторов в системах стимулирования сбыта.

ВЫВОДЫ.

Глава 4. ИНФОРМАЦИОННО-ФУНКЦИОНАЛЬНАЯ СТРУКТУРА

ПРОГРАММНЫХ АНАЛИЗАТОРОВ. ф) 4.1. Основные этапы синтеза программных анализаторов.

4.2. Интерактивное взаимодействие программных анализаторов с ф информационно-управляющими комплексами предприятия.

4.3.Информационно-функциональная структура программных анализаторов.

4.4. Примеры структур программных анализаторов.

4.4.1. Структура программного анализатора качества технологических процессов непрерывного и полунепрерывного типа. ф 4.4.2. Структура программного анализатора системы управления маркетингом

4.4.3. Структура программного анализатора эффективности маршрутов авиарейсов.

ВЫВОДЫ.

Глава 5. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ФУНКЦИОНИРОВАНИЯ ПРОГРАММНЫХ НАЛИЗАТОРОВ. ф 5.1. программный анализатор содержания Р205 в готовом продукте для процесса производства гранулированного аммофоса.

5.1.1.Оценка достижимой точности прогнозирующей модели.

5.1.2. Оценка достижимой точности управления.

5.1.3. Структура программного анализатора содержания Р2О5 в аммофосе.

5.2. Программный анализатор качества дистиллятов установки замедленного коксования 21-10/ЗМ ООО «ЛУКОЙЛ-ПЕРМНЕФТЕОРГСИНТЕЗ».

5.2.1. Схема установки замедленного коксования 21-10 и управление блоком фракционирования установки.

5.2.2. Перечень показателей, характеризующих качество дистиллятов.

5.2.3. Получение и первичная статистическая обработка данных функционирования технологического процесса.

5.2.4. Выявление информативных параметров.

5.2.5.Структура программного анализатора прогноза качества дистиллятов.

5.2.6. Результаты моделирования.

5.2.7. Разработка адаптивной динамической математической модели блока ректификации установки замедленного коксования 21-10/ЗМ.

5.2.8. Структура программного комплекса системы прогнозирования качества дистиллятов.

5.3. Программный анализатор прогноза качества синтеза высокодисперсных магнетитов.

5.3.1. Характеристика процесса синтеза высокодисперсного магнетита как объекта управления. Общие сведения о свойствах магнетита. Краткое описание процесса синтеза магнетита.

5.3.2. Применение адаптивных алгоритмов с зоной нечувствительности для исследования процесса синтеза магнетита.

ВЫВОДЫ.

Актуальность темы диссертации. Необходимость разработки методов идентификационного анализа и создания на их базе программных анализаторов в задачах автоматизации технологического и логистического циклов производства обусловлена интенсификацией использования современных информационных технологий в промышленности и сфере услуг. Достижение конкурентного преимущества в условиях современного динамичного рынка для производителей становится невозможным без обеспечения максимально возможной информационной прозрачности и принятия оптимальных управленческих решений.

Существенное продвижение в области создания высокотехнологичных программных и аппаратных средств обусловило реальность оперативного и достоверного информационного обеспечения технологического персонала и лиц, принимающих административно-хозяйственные решения. Значительные успехи достигнуты в области развития средств отображения технологической информации, систем хранения больших массивов технологических данных, систем мониторинга производственной ситуации и поддержки принятия решений на их основе. Значительным и мощным средством оперативного управления явилось создание корпоративных баз знаний, что предоставляет возможность более глубокой проработки текущей технологической информации - как для целей управления, так и для анализа внештатных ситуаций. Наряду с этим для формирования единой информационно-управленческой структуры необходимо обеспечение корректного обмена данными между разнородными приложениями, т.е. создание единого информационного пространства предприятия, гарантирующего мобильную надежную связь всех его подсистем. Существенную проблему представляет также доминирование скорости развития информационных технологий над темпом обновления производственного оборудования. Преодоление этих трудностей ведется по трем основным направлениям: стандартизация, использование связующего программного обеспечения, внедрение глобальных промышленных серверов.

С другой стороны, подведение единого информационного фундамента позволит преодолеть непродуктивность разделения тактических задач оперативного управления технологическими процессами и стратегических задач управления производством, все еще практикуемого сегодня на предприятиях. Практика подтверждает, что для решения задач управления на всех уровнях (задачи программирования логических контроллеров - PLC (Programmable Logic Controller), АСУТП - автоматизированные системы управления технологическими процессами (в современной терминологии это системы типа SCADA - Supervisory Control and Data Acquisition) или DCS (Distributed Control Systems), системы оперативного управления производством - MES (Manufacturing Execution Systems), наконец, системы класса ERP (Enterprise Resource Planning) - планирование ресурсов предприятия или MRP, или II (Manufacturing Resource Planning) - планирование ресурсов производства) могут быть использованы одни и те же информационные массивы и применены идентичные алгоритмические средства. Текущая технологическая информация, содержание архива (с возможностью восстановления производственных ситуаций прошедших периодов) и содержание базы знаний предприятия предоставляют возможность построения в режиме реального времени моделей любого звена всей цепочки производства, охватывая как технологический цикл, так и административно-хозяйственный и маркетинговый процессы, относящиеся к логистическому циклу.

Идентификационный анализ представляет собой процесс разработки, адаптивной настройки и использования в реальном времени - с целью управления либо информационной поддержки - моделей производственных процессов в условиях единого корпоративного информационного пространства.

Особенность функционирования программно-алгоритмических комплексов, называемых программными анализаторами, реализующих подход к построению моделей на базе идентификационного анализа, . заключается в том, что они осуществляют построение модели конкретного производственного процесса, используя (помимо текущих и архивных данных) модели на других уровнях производственного управления. При этом существенно, что результаты моделирования различных участков ^ производственного процесса не становятся элементами сложной модели на более высоком уровне, а лишь формируют для нее значения вектора входной /Д) информации. По сути, недостаточность априорной информации об Л исследуемом процессе компенсируется дополнительными (виртуальными) измерениями. Поэтому программные анализаторы часто называют виртуальными анализаторами.

Основополагающими в концепции программных анализаторов являются два аспекта. Во-первых, независимо от моделей и методов, на основе которых они функционируют, идентификационный анализ реализует адаптивный подход к настройке моделей. При построении таких моделей используется весь спектр опытных данных (оперативных, архивных, ретроспективных - из базы знаний и экспертных заключений, текущих значений параметров моделей на других участках). Во-вторых, в качестве дополнительного источника априорной информации для идентификации исследуемого процесса могут использоваться модели других производственных процессов, и, кроме того - рекомендуемые управляющие воздействия различных регуляторов (которые, возможно, функционируют только в режиме советчика).

По сути, идентификационный анализ представляет собой расширение идентификационного подхода к построению моделей, ставшего возможным в условиях функционирования на предприятиях распределенных информационных систем.

Соответственно, в современных программных анализаторах может быть использован широкий спектр как традиционных алгоритмов и методов анализа данных и теории управления, так и относительно авангардных (нейронные сети, нечеткая логика, генетические алгоритмы). В диссертационной работе наряду с разработкой методов решения задач идентификации, эффективных в рамках определенных технологических условий, представлена методология синтеза на основе этих алгоритмов программных анализаторов для всех уровней производственного управления.

Практика подтверждает, что для решения задач управления на разных уровнях производства могут быть использованы одни и те же информационные массивы и применены идентичные алгоритмические средства. В случае если точность и эффективность идентификационного анализа оказываются удовлетворительными в соответствии с выбранным критерием, модели, полученные с помощью программных анализаторов, могут быть использованы в реальных системах управления.

Вышеперечисленные факторы определяют актуальность выполненных в диссертации исследований по построению теоретических основ идентификационного анализа, методологии программных анализаторов и их внедрению.

Целью диссертационной работы является создание концепции идентификационного анализа, методологии разработки и методов функционирования программных анализаторов технологического и логистического циклов производства, а также анализ возможности использования разработанных методов для широкого круга производственных задач. Полученные в работе результаты направлены на теоретическое обоснование и решение важной практической задачи: создание интеллектуальной основы интегрированных информационно-управляющих структур на производстве.

Методы исследования базируются на использовании математического аппарата теории идентификации, адаптивного управления, методов статистической обработки данных и статистического моделирования для анализа и оптимизации систем.

Научная новизна работы состоит в следующем:

• На основе теоретического анализа и комплекса практических исследований предложена методика сбалансированного решения в режиме реального времени задач производственного управления разных уровней, основанная на использовании виртуальных измерений в условиях единого информационного пространства, что расширяет объем априорной информации об объекте и способствует повышению точности модели.

• На содержательном и структурном уровне выявлено функциональное назначение идентификационного анализа как интеллектуальной основы интегрированной информационно-управляющей структуры производства на базе современных информационных технологий, что определяет новую методологию синтеза структуры корпоративных систем управления.

В результате исследований функциональных возможностей программных анализаторов создана концепция идентификационного анализа как реализации идентификационного подхода в интегрированных системах управления производством, позволяющая наиболее эффективно осуществлять разработку и настройку моделей производственных процессов.

Разработаны модели для программных анализаторов параметров технологических процессов, основанные на идентификации объекта с коррелированными во времени входами, но с независимыми компонентами. Предложены рекуррентные одношаговые алгоритмы идентификации с зоной нечувствительности с характеристикой, модифицированной посредством введения специальной рандомизированной матрицы.

Предложены модели программных анализаторов параметров технологических процессов, основанные на идентификации статических и динамических объектов при коррелированных компонентах вектора входов посредством рекуррентных одношаговых алгоритмов с зоной нечувствительности, обладающих хорошей помехоустойчивостью и высоким быстродействием.

Теоретически обосновано, что в условиях ограниченной неопределенности описания технологического процесса как объекта управления для разработки программных анализаторов концепция робастно-оптимального управления является наиболее актуальной. Разработаны алгоритмы синтеза оптимальной робастной системы управления при возмущениях типа белого шума, марковской последовательности, стационарных процессов на основе идентификационного подхода к построению внутренних моделей внешнего возмущения.

• Разработаны алгоритмы синтеза программных анализаторов для систем управления текущим коммерческим бюджетированием предприятий с использованием методов управления запасами.

• Теоретически обоснована и практически апробирована возможность применения алгоритмов управления запасами для синтеза программных анализаторов систем управления ценообразованием продукции.

• Предложен метод разработки программ стимулирования сбыта с применением моделей и алгоритмов оптимального планирования инвестиционных проектов.

• Разработана типовая структура программных анализаторов.

• Проведен анализ практического использования программных анализаторов непосредственно на технологических установках и в организационно-управляющих комплексах отечественных предприятий химической и нефтепереабатывающей промышленности и производства минеральных удобрений.

Практическая ценность и реализация результатов. Решение проанализированных в диссертации проблем позволяет проводить разработку и осуществлять практическое внедрение систем управления нового поколения для разных уровней интегрированных информационно-управляющих структур на производстве. Информационно-управляющие комплексы на базе программных анализаторов оперируют архивной, ретроспективной и текущей информацией на самом современном уровне, что позволяет наиболее эффективно осуществлять управление самыми разнообразными производственными процессами. Применение программных анализаторов качества параметров технологических процессов целесообразно для широкого класса процессов химической, нефтеперерабатывающей, нефтехимической, целлюлозно-бумажной, пищевой промышленности, производств минеральных удобрений, строительных материалов и других отраслей.

Программные анализаторы процессов логистического цикла производства применимы как для промышленных предприятий, так и для предприятий производства услуг, торговых и транспортных компаний, предприятий финансовой сферы, авиакомпаний и т.д.

Практическая ценность полученных результатов подтверждается их использованием на предприятиях нефтеперерабатывающей промышленности

ЛУКОЙЛ-Пермнефтеоргсинтез») и производства минеральных удобрений (ОАО «Воскресенские минеральные удобрения»). Применение разработанного автором информационного, математического и программного обеспечения позволили достичь существенного экономического эффекта благодаря снижению запаса по качеству и сокращению выпуска некондиционной продукции. Для определения стратегии автоматизации технологических процессов целесообразным оказалось предварительно оценить ожидаемый технический эффект по данным о работе технологической установки в режиме нормальной эксплуатации, на базе которого может быть оценен и ожидаемый экономический эффект. Только на основе этого принимаются обоснованные решения о разработке конкретного программного анализатора технологического процесса и, на его основе - о возможной дальнейшей разработке систем управления различных уровней в режиме реального функционирования.

Апробация работы. Основные результаты диссертационной работы докладывались на: Всесоюзном совещании по проблемам управления (Алма-Ата, 1986 г.), 10-м симпозиуме IF AC «SYSID'94», (Копенгаген, Дания, 1994 г.), 4-й Международной конференции «Проблемы управления в чрезвычайных ситуациях» (Москва, 1997 г.), Международной научно-практической конференции «Управление большими системами» (Москва, 1997 г.), IV-m Международном семинаре «Комплексные исследования перехода России и других стран к устойчивому развитию с использованием математического моделирования» (Москва, 1998 г.), Международной конференции IFAC "Control'98" (Суонси, Великобритания, 1998 г), Международной конференции «Идентификация систем и задачи управления» (Москва, 2000 г.), Международных конференциях по проблемам управления. (Москва, 1999, 2003 г.г.), Международном симпозиуме IFAC по экономическому управлению (Клагенфурт, Австрия, 2001 г.), Международной конференции «Системный анализ и управление» (Евпатория, Украина, 2004 г.), IV Международном конгрессе «Машиностроительные технологии'04» (Варна, Болгария, 2004 г.), Всероссийской научно-практической конференции Главных метрологов (Воскресенск, 2003, 2004 г.г.), Научно-техническом совете ОАО «Воскресенские минеральные удобрения» (Воскресенск, 2004 г.), Международной конференции «Идентификация систем и задачи управления (SICPRO'04)» (Москва, 2004 г.),

Международной конференции «Проблемы управления и энергетики» (Тбилиси, Грузия, 2004 г.), на пятой Всероссийской научно-практической конференции «Информационные технологии в России» (Москва, 2004 г.,) на семинарах и совещаниях Института проблем управления РАН.

Публикации. Основные результаты по теме диссертации опубликованы в 32 печатных работах.

Структура и объем диссертации. Работа состоит из введения, пяти глав, 12 приложений, содержит 249 стр. основного текста, 30 рис., 2 табл., список литературы из названий.

ВЫВОДЫ

1. Использование программных анализаторов для управления качеством выпускаемого продукта на основе моделей и методов идентификации и адаптивного управления является актуальной задачей для непрерывных и полунепрерывных производств в химической и нефтехимической промышленности.

2. Применение программных анализаторов содержания Р205 в аммофосе для процесса производства гранулированного аммофоса на ОАО «Воскресенские минеральные удобрения» позволило построить прогнозирующую модель, которая обеспечила среднеквадратическую ошибку прогноза содержания Р205 в готовом продукте на час вперед, равную 0,165. Полученная точность прогноза позволяет за счет управления уменьшить разброс содержания Р205 с 0,278 до 0,165. То есть обеспечивается повышение соответствия показателей качества выпускаемой продукции нормативным значениям.

3. Внедренная на ООО «ЛУКОЙЛ-ПЕРМНЕФТЕОРГСИНТЕЗ» система прогнозирования качества дистиллятов установки замедленного коксования 21-10/ЗМ (программный анализатор) для прогноза температур выкипания основных фракций бензина позволяет получать прогноз показателей, характеризующих качество дистиллятов, по показаниям датчиков, работающих в реальном времени, в промежутках между анализами, т.е. практически непрерывно.

4. Разработанная система прогнозирования обеспечивает возможность сменному персоналу прогнозировать в непрерывном режиме по измеряемым косвенным параметрам текущие значения показателей качества вырабатываемых нефтепродуктов, что обеспечивает возможность оперативно корректировать технологический режим установки в условиях недостаточной частоты проведения анализов целевых качественных показателей.

5. Разработанные прогнозирующие модели позволили с достаточной для ведения процесса точностью вычислять требуемые показатели качества. Эффект от использования программных анализаторов качества заключается в обеспечении увеличения производства продуктов с заданным качеством.

6. Исследование процесса синтеза высокодисперсного магнетита как объекта управления с помощью системы стратегической идентификации на Редкинском опытном химическом заводе показало эффективность линейных моделей для описания объекта и использования модифицированных алгоритмов с зоной нечувствительности для уточнения моделей процесса.

7. Использование адаптивных алгоритмов с зоной нечувствительности, описанных в Главе 2 настоящей работы, в программном анализаторе качества магнетита позволило повысить эффективность процесса синтеза магнетита на 20%.

ЗАКЛЮЧЕНИЕ

В диссертационной работе проведено теоретическое обобщение и решение важной народно-хозяйственной задачи разработки программно-алгоритмических комплексов анализа и оптимизации производственных процессов на базе идентификационного анализа - программных анализаторов технологического и логистического циклов производства.

В рамках указанной проблемы получены следующие теоретические и практические результаты:

- На основе теоретического анализа и комплекса практических исследований приведено обоснование возможности сбалансированного решения в режиме реального времени задач производственного управления разных уровней - на базе единого информационного пространства и использования всех массивов производственной информации: архивной, ретроспективной, текущей, включая «косвенные измерения» -результаты моделирования на других участках производства.

- На содержательном и структурном уровне выявлено функциональное назначение идентификационного анализа как интеллектуальной основы интегрированной информационно-управляющей структуры производства на базе современных информационных технологий.

- В результате исследований функциональных возможностей программных анализаторов создана концепция идентификационного анализа как реализации идентификационного подхода в интегрированных системах управления производством.

- Разработаны алгоритмы программных анализаторов параметров технологических процессов, основанные на идентификации объекта с коррелированными во времени входами, но с независимыми компонентами. Предложены рекуррентные одношаговые алгоритмы идентификации с зоной нечувствительности с характеристикой, модифицированной посредством введения специальной рандомизированной матрицы.

- Предложены модели программных анализаторов параметров технологических процессов, основанные на идентификации статических и динамических объектов при коррелированных компонентах вектора входов посредством рекуррентных одношаговых алгоритмов с зоной нечувствительности, обладающих хорошей помехоустойчивостью и высоким быстродействием.

- Исследована возможность применения для разработки программных анализаторов методов синтеза робастно-оптимальных систем управления. Теоретически обосновано, что в условиях ограниченной неопределенности описания технологического процесса как объекта управления концепция робастно-оптимального управления представляется наиболее адекватной. Показано, что при разработке оптимальной робастной системы управления при возмущениях типа белого шума и марковской последовательности эффективен идентификационный подход к построению внутренних моделей внешнего возмущения.

- Разработаны алгоритмы синтеза программных анализаторов систем управления текущим коммерческим бюджетированием предприятий с использованием методов управления запасами.

- Теоретически обоснована и практически апробирована возможность применения алгоритмов управления запасами для синтеза программных анализаторов систем управления ценообразованием продукции.

- Предложен метод разработки программ стимулирования сбыта с применением моделей и алгоритмов оптимального планирования инвестиционных проектов.

- Разработана типовая структура программных анализаторов, включая блок анализа данных для оперативного информационного обеспечения руководства, стратегического планирования, координирования работы взаимосвязанных производств, контроля безотказной работы оборудования и т.д., библиотеку базовых моделей, описывающих взаимосвязь качественных показателей с текущими значениями измеряемых параметров исследуемого процесса, библиотеку алгоритмов настройки модели (идентификатор) по данным реального функционирования, регулятор, систему оперативного мониторинга производственных процессов.

- Проанализирован опыт практического использования программных анализаторов непосредственно на технологических процессах и в организационно-управляющих комплексах отечественных предприятий. Применение программных анализаторов качества параметров технологических процессов целесообразно для широкого класса процессов химической, нефтепереабатывающей, нефтехимической, целлюлозно-бумажной, пищевой промышленности, производства минеральных удобрений, производства строительных материалов и других отраслях.

Результаты, представленные в диссертационной работе, позволяют осуществлять разработку и практическое внедрение систем управления нового поколения для разных уровней интегрированных информационно-управляющих структур на производстве. Информационно-управляющие комплексы на базе программных анализаторов оперируют на самом современном уровне архивной, ретроспективной и текущей информацией что позволяет наиболее эффективно осуществлять управление самыми разнообразными производственными процессами.

Программные анализаторы процессов логистического цикла производства применимы как для промышленных предприятий, так и для предприятий производства услуг, торговых и транспортных компаний, предприятий финансовой сферы, авиакомпаний и т.д.

1. Лотоцкий В.А., Чадеев В.М., Максимов Е.А., Бахтадзе Н.Н. Перспективы применения виртуальных анализаторов в системах управления производством //Автоматизация в промышленности. 2004. №5. С. 24-28.

2. Бахтадзе Н.Н. Виртуальные анализаторы (идентификационный подход) // Автоматика и телемеханика. 2004. №11.С.3-24.

3. ЛьюнгЛ. Идентификация систем / Пер. санг. М.: Наука, 1991.

4. Соркин Л.Р. Достижения ИПУ РАН в разработке и внедрении информационных технологий управления в нефтегазовом комплексе // В сб. пленарных докладов Междунар. научной конференции по проблемам управления. М.: ИПУ РАН. 1999. С. 172- 179.

5. Дозорцев В.М., Кнеллер Д.В., Левит М.Ю. О проблеме адекватности тренажерных моделей технологических процессов // В сб. пленарных докладов Междунар. научной конференции «Идентификация систем и задачи управления». М.: ИПУ РАН . 2000. С. 51-61.

6. Райбман Н.С., Чадеев В.М. Адаптивные модели в системах управления. -М.: Сов. Радио, 1966.

7. Лотоцкий В.А. Идентификация структур и параметров систем управления // Измерения, контроль, автоматизация. 1991. №3-4. С.30-33.

8. Цыпкин Я.З. Информационная теория идентификации. М.: Наука,1995.

9. Бунич А.Л., Бахтадзе Н.Н. Синтез и применение адаптивных систем с идентификатором. М.: Наука, 2003.

10. Цыпкин Я.З. Синтез робастно оптимальных систем управления объектами в условиях ограниченной неопределенности // Автоматика и телемеханика. 1992. № 9. С. 139-159.

11. Пащенко Ф.Ф., Чернышев К.Р. Методы и системы управления и идентификации на основе знаний // Автоматика и телемеханика. 2000. № 2. С.3-28.

12. Куликов В.Н. Стратегия развития информационных технологий в промышленности // Мир компьютерной автоматизации. 2001. № 4. С. 1215.

13. Бахтадзе Н.Н. Виртуальные анализаторы в системах управления производством //Датчики и системы. 2004. № 4. С. 52-64.

14. Бахтадзе Н.Н., Мокров Д.В. Виртуальные анализаторы в информационно-аналитических системах логистического цикла производства // Автоматизация в промышленности //2004. №11.С. 20-24.

15. Афанасьев В.Н., Постников А.И. Информационные технологии в управлении предприятием. М.: МГИЭМ, 2003.

16. Hoske М.Т. Objects make software behave like hardware // Control Engineering. 1998. Vol. 45. № 13, P. 70-72.

17. Нестерова A. MES системы управления производством. Воспользуйтесь явными преимуществами // Мир компьютерной автоматизации. 2001. № 4. С.24-26.

18. Гайфуллин Б., Обухов И. Современные системы управления предприятием // КомпьютерПресс. 2001. N9. С.34-40.

19. Кутыркин С.Б., Волчков С.А., Балахонова И.В. Повышение качества предприятия с помощью информационных систем класса ERP // Методы менеджмента качества. 2000. № 4. С. 8-12.

20. APICS Dictionary. N.Y.: American Production and Inventory Control Society, 1987.

21. Мусаев А. А. Виртуальные анализаторы: концепция построения и применения в задачах управления непрерывными ТП // Автоматизация в промышленности. 2003. № 8. С.28-33.

22. Harrold D. Process control's latest tool: soft sensors // Control Engineering Europe. June/July 2001.P. 42-45.

23. Туманов H.A., Туманов Д.Н., Чадеев B.M., Бахтадзе Н.Н. Системы управления качеством производства минеральных удобрений на основевиртуальных анализаторов // Автоматизация в промышленности. 2003. № 8. С.33-36.

24. Бахтадзе Н.Н., Лотоцкий В.А., Максимов Е.М. Информационно-статистические методы в задачах маркетинга. // Тезисы докладов Междунар. научно-практич. конференции «Управление большими системами» М., ВИНИТИ, 1997. С.209.

25. Бахтадзе Н.Н., Лотоцкий В.А. Адаптивные алгоритмы управления запасами в задачах обеспечения безопасности сложных систем. // В сб. докладов 4-й Междунар. конференции "Проблемы управления в чрезвычайных ситуациях" М., ИПУ РАН, 1997. С.135 - 137.

26. Перельман И.И. Анализ современных методов адаптивного управления с позиций приложения к автоматизации технологических процессов // Автоматика и телемеханика. 1991. №7. С. 3 32.

27. Основы управления технологическими процессами / Под ред. Н.С. Райбмана. М.: Наука, 1978.

28. Цыпкин Я. 3. Управление динамическими объектами в условиях ограниченной неопределенности // Измерения, контроль, автоматизация. 1991. № 3-4. С. 3-21.

29. Цыпкин Я.З. Стохастические дискретные системы с внутренними моделями. // Проблемы управления и информатики. 1996. №1-2. С.21-26.

30. Фомин В.Н., Фрадков А.Л., Якубович В.А. Адаптивное управление динамическими объектами М.: Наука, 1981.

31. Первозванский А.А. Курс теории автоматического регулирования М.: Наука, 1986.

32. Новикова Н.Г. Реинжиниринг в управлении бизнес-процессами // «Эконмика и производство». 2001.№8.

33. Bartos F. J. Artificial Intelligence: Smart Thinking for Complex Control // Control engineering. 1997. №7. P. 50-56.

34. Заде Л.А. Размытые множества и их применение в распознавании образов и кластер-анализе. Классификация и кластер / Пер. с анг. М: Мир, 1980.

35. Zadeh L.A. Fuzzy Sets // Information and Control. 1965. №6. P. 338-353.

36. Zadeh L.A. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes // IEEE Trans, on Systems Man and Cybernetics. 1973. №1. P.28-44.

37. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова М.: Наука, Гл. ред. физ.-мат. лит., 1986.

38. Масалович А.И. Прогноз дает . компьютер // Софтмаркет. 1996. № 23. С.6-14.

39. Kosko, В. Fuzzy thinking. N. Y.: Hyperion, 1992.

40. Kosko, В. Neural Networks and Fuzzy Systems. A dynamic system approach to machine intelligence. N.Y.: Prentice-Hall, 1992.

41. Zemankova-Leech M., Kandel A. Fuzzy Relational Data Bases: A Key to Expert Systems. Cologne: Verlag TUV Rheinland, 1984.

42. Карпенко A.C. Многозначные логики. Логика и компьютер. Вып.4. М: Наука, 1997.

43. McNeill D. and Freiberger P. Fuzzy Logic. N.Y.: Simon and Schuster, 1993.

44. Mamdani Е.Н. Application of fuzzy algorithms for the control of a simple dynamic plant. / Proc. IEEE 1974. Vol.121. P.1585-1488.

45. Кутуков C.E., Бахтизин P.H. Генетический алгоритм диагностики осложнений технологических режимов нефтепродуктопроводов // Известия вузов. Нефть и Газ. 2003. № 5. С. 55-62.

46. Горбань А.Н., Дубинин-Барковский В.Л., Кирдин А.Н. "Нейроинформатика" Новосибирск: СП "Наука" РАН, 1998.

47. Блум Ф., Лейзерсон А., Хофстедтер Л. Мозг, разум и поведение М.: Мир, 1988.

48. Проблемы построения и обучения нейронных сетей / под ред. А.И.Галушкина и В.А.Шахнова. М.: Машиностроение. Библиотечка журнала «Информационные технологии». 1999. №1.

49. Мак-Каллок У.С., Питтс У. Логическое исчисление идей, относящихся к нервной активности. Автоматы / под ред. Шеннона К.Э. и Маккарти Дж. Пер. с анг. М.: Иностранная литература, 1956.

50. Розенблат Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга / Пер. с анг. М.: Мир, 1965.

51. Минский М., Пейперт С. Персептроны / Пер. с анг. М.: Мир, 1971.

52. Галушкин А.И., Логовский А.С. Нейроуправление: основные принципы и направления применения нейрокомпьютеров для решения задач управления динамическим объектами // В сб. докладов Междунар. конференции по проблемам управления. М.: ИПУ, 1999. С. 118-131.

53. Rumelhart D.E., Hinton G.E., Williams R.G. Learning representation by back-propagating error// Nature. 1986. Vol.323. № 6088. P. 533-536.

54. Аведьян Э.Д., Баркан Г.В., Левин И.К. Каскадные нейронные сети // Автоматика и телемеханика. 1999. № 3. С. 38-55.

55. Колосов А.И. Щербаков И.Б., Кисленко Н.А. Создание аналитического обзора информационных источников по применению нейронных сетей для задач газовой технологии // Отчет по научно-исследовательской работе. М.: ВНИИГАЗ, 1995.

56. Хехт-Нильсен Р. Нейрокомпьютинг: история, состояние, перспективы // Открытые системы, 1998. № 4.

57. Holland J. Adaptation in natural and artificial systems. Cambridge, MA: The University of Michigan Press. Reprinted by MIT, 1992.

58. Booker L.B., Goldberg D.E., Holland J.H. Classifier Systems and Genetic Algorithms //Artificial Intelligence. 1989. Vol.40. №.2. P.235-282.

59. Goldberg D. Genetic Algorithms in Machine Learning, Optimization and Search. Reading, MA: Addison-Wesley, Publishing Company, Inc., 1989.

60. Jones A.J. Genetic algorithms and their applications to the design of neural networks // Neural computing and applications. 1993. V.1. № 1. P. 32-45.

61. Куржанский А.Б. Управление и наблюдение в условиях неопределенности. М.: Наука, 1977.

62. Черноусько Ф.Л. Оценивание фазового состояния динамических систем. Метод эллипсоидов. М.: Наука, 1988.

63. Soderstrom Т., Stoica P. Instrumental variable methods for system identification. Berlin: Springer Verlag, 1983.

64. Тертычный В.Ю. Стохастическая механика. M.: Факториал Пресс, 2001.

65. Григорьев Ф.Н., Кузнецов Н.А., Серебровский А.П. Управление наблюдениями в автоматических системах. М.: Наука, 1986.

66. Красовский А.А. Исторический обзор и современное состояние фундаментальной прикладной науки управления на примере самоорганизующихся регуляторов. // В сб. пленарных докладов Междунар. конференции по проблемам управления. М.: ИПУ РАН, 1999. С. 4-23.

67. Поляк Б.Т. Робастная устойчивость //Труды ИПУ РАН, Том 5. 1999. С. 3641.

68. Семенов А.В. Основы Яда- теории управления. Курс лекций. М.: ГОСНИИАС, 1992.

69. Андронов А. А., Понтрягин Л.С. Грубые системы //ДАН СССР.1937. Т.14. №5. С. 247-249.

70. Хьюбер П. Робастность в статистике. М.: Мир, 1984.

71. Цыпкин Я.З., Поляк Б.Т. Робастная устойчивость линейных дискретных систем //ДАН СССР. 1991. Т.316. №4. С.842-846.

72. Цыпкин Я.З. Робастность в системах управления и обработки данных // Автоматика и телемеханика. 1992. №1. С. 165-169.

73. Джури Э. Робастность дискретных систем // Автоматика и телемеханика. 1990. №5. С.3-28.

74. Цыпкин Я.З., Поляк Б.Т. Частотные методы робастной модальности линейных дискретных систем //Автоматика АН УССР. 1990. №4. С.3-9.

75. Поляк Б.Т., Цыпкин Я.З. Частотные методы робастной устойчивости и апериодичности линейных систем // Автоматика и телемеханика. 1990. №9. С.45-54.

76. Lototsky V.A., Bakhtadze N.N. On identification for Robust-Optimal Control // Proc. of UКАСС Int. Conf. on CONTROL'98. SwanSea, UK, 1998. V.2. P. 1266-1270.

77. Курдюков А.П. Основы робастного управления. М.: Изд-во МГТУ им. Баумана, 1995.

78. Zypkin Y.Z., Holmberg U. Robust stochastic control using the internal model principle and internal model control // Intern. J. Control. 1995. V.61. № 4. P. 809-822.

79. Петров Б.И., Рутковский В.Ю., Земляков С.Д. Адаптивное координатно-параметрическое управление нестационарными объектами. М.: Наука,1980.

80. Земляков С.Д., Рутковский В. Ю. Алгоритмы адаптации и условия работоспособности само настраивающейся системы управления многомерным объектом с переменными параметрами // Автоматика и телемеханика.1981. №1. С. 65-73.

81. Павлов Б.В. Синтез структуры основного контура беспоисковых самонастраивающихся систем. // Автоматика и телемеханика. 1977. № 12. С. 56-64.

82. ЭЗ.Ядыкин И.Б., Шумский В.М., Овсепян Ф.А. Адаптивное управление непрерывными технологическими процессами. М.: Энергоатомиздат, 1985.

83. Буков В.Н. Адаптивные прогнозирующие системы управления полетом. -М.: Наука, 1987.

84. Афанасьев В.Н., Колмановский В.Б., Носов В.Р. Математическая теория конструирования систем управления. М.: Высшая школа, 2003.

85. Эб.Деревицкий Д.П., Фрадков А.Л. Прикладная теория дискретных адаптивных систем управления. М.: Наука, 1981.

86. Назин А.В. Адаптивный выбор вариантов: Рекуррентные алгоритмы. М.: Наука. Физматлит, 1986.

87. Курдюков А.П. Построение оптимальных робастных регуляторов при действии внешних возмущений / "Методы классической и современной теории управления". Т. 3: Методы современной теории автоматического управления. М: Изд-во МГТУ им. Н.Э. Баумана, 2000.

88. Поляк Б.Т., Щербаков П.С. Робастная устойчивость и управление. М.: Наука, 2002.

89. Doyl J.C., Stein G. Multivariable feedback design: concepts for a classical/modern synthesis // IEEE Trans. Autom. Control. 1981. V. 26. P. 4 -16.

90. Stein, G., Doyle, J. Beyond singular values and loop shapes // J.Guidance.1991. V14. P. .5-16.

91. Packard, A., Doyle, J. The complex structured singular value // Automatica.1993. V.29. № 1. P. 71-109.

92. Packard, A., Doyle, J. Quadratic stability with real and complex perturbations // IEEE Trans. Autom. Control. 1990. V. 35. P. 198-201.

93. Liu, W.M., Zhou, K„ Doyle, J. Stabilization of LFT systems // Proc. 30th CDC. Brihton, U.K., 1991. P. 1239-1244.

94. Vidyasagar, M. Optimal rejection of persistent bounded disturbanses // IEEE Trans. Autom. Control. 1986. V. 31. P. 527 -534.

95. Khammash, M.H., Pearson, J.B. Perfomance robustness of discrete-time systems with structured uncertainty// IEEE Trans. Automat. Control. 1991.V. 36. №4. P. 398-412.

96. Dahleh, M.A., Khammash, M.H. Controller design for plants with structured uncertainty//Automatica.1993. V.29. № 1. P. 37-56.

97. Chappelat, H., Bhattacharya, S.P. A generalization of Kharitonov's theorem: robust stability of interval plants // IEEE Trans. Automat. Control. 1989. V. AC-34. P. 306-311.

98. Hollot, C.V., Yang, F. Robust stabilization of interval plants using lead or lag compensators // Proc. of 28th IEEE Conference Conf. on Decision and Control. UK, 1989. V.1. P. 43-45.

99. Khargonekar P.P., Petersen I. R., and Zhou K. Robust stabilization of uncertain linear systems: Quadratic stabilizability and H 00 control theory. IEEE Trans. Automat. Control. 1990. V.35. P. 356-361.

100. Barmish, B.R., Kang, H.I. Extreme point results for robust stability of interval plants: beyond first oder compensators // Proc. First IFAC Symp. On Des. Meth. Control Sys. ETH Zurich, Switz., Sep. 4-6.1991.V.1. P. 1-16.

101. Semyonov, A.V. Vladimirov, I.G. Kurdjukov, A.P. Stochastic approach to Я00-optimization // Proc. 33rd Conf. Decision and Control, Florida, USA, 1994. V. 3. P. 2249-2250.

102. З.Владимиров И.Г., Курдюков А.П., Семенов А.В. Стохастическая проблема Я00-оптимизации //Доклады РАН. 1995.Т. № 5.С. 343-350.

103. Владимиров И.Г., Курдюков А.П., Семенов А.В. Асимптотика анизотропийной нормы линейных стационарных систем // Автоматика и телемеханика. 1999. № 3. С. 78-87.

104. Барабанов А.Е., Граничин О.Н. Оптимальный регулятор линейного объекта с ограниченной помехой // Автоматика и телемеханика. №5. 1984.С.39-46.

105. Бахтадзе Н.Н., Потоцкий В.А., Фаянс М.А. Идентификационный подход в задачах планирования инвестиций // В сб. докладов Междунар. конференции «Идентификация систем и задачи управления». М.: ИПУ РАН, 2000. С.9-14.

106. Бахтадзе Н.Н., Назин А.В. Применение виртуальных анализаторов в системах управления задолженностью компании // Тезисы докладов 2-й Междунар. конференции по проблемам управления. М.: ИПУ, 2003. Т.2. С.4.

107. Бахтадзе Н.Н., Назин А.В. Виртуальные анализаторы маркетинговой информации и их использование в системах управления предприятиями // Проблемы управления. № 4, 2003.С. 30-36.

108. Потоцкий В А, Мандель А.С. Модели и методы управления запасами. -М.: Наука, 1991.

109. Бобровский С.А. Перспективы и тенденции развития искусственного интеллекта // PC Week. 2001. №32. С. 32-34.

110. Harrold, D. Process control's latest tool: soft sensors // Control Engineering Europe. June/July 2001. P. 42-45.

111. Телешевский В.И., Мастеренко Д.А. Рекуррентное робастное оценивание в автоматизированных измерительных информационных системах // Измерительная техника. 1997. № 4. С. 16-19.

112. Зориктуев В.Ц., Никитин Ю.А. Разработка средств диагностики и оперативного контроля режущего инструмента в процессе механообработки // Инструмент. 1998. № 10. С 11-12.

113. Агамалов О. Н. Оценка технического состояния электрооборудования в реальном времени методом нейро-нечеткой идентификации // Электричество. 1999. №1. С. 10-19.127. http://www.umich.edu/flash.html

114. Helsinki University of Technology, Tampere University of Technology

115. A.P. Горбунов. Управление финансовыми потоками. М.: Тора-центр, 2003.

116. Кардаш В.А. Модели управления производственно-экономическими процессами в сельском хозяйстве. М.: Экономика, 1981.

117. Прокопчина С.В. Байесовские интегрирующие технологии на основе интеллектуальных и мягких измерений // В сб.докладов конференции SCM'99. С-Петербург: СПбГЭТУ, 1999. С. 25-32.

118. Хамитов Р.З. Информационно-управляющие системы обеспечения безопасности региона. // В сб. докладов 8-й междунар. конференции «проблемы управления безопасностью сложных систем». М., ИПУ РАН. 2001, С. 35-39.

119. Albertos, P., Goodwin, G.C. Virtual sensors for control applications // Annual Reviews in Control. 2002. V 26. P. 101-112.

120. Gevers, M. Identification for control // Annual Reviews in Control Oxford, UK: Elsevier Science, 1997. V. 20. P. 95-106.

121. Bakhtadze N.N., Lototsky V.A., Maximov E.M. Adaptive Identification Algorithms in Expert Statictical Marketing System. // Proc. of Intern. Conference On Informatics and Control. 1997. St.- Petersburg, Russia, V. 2, 429-433.

122. Gevers M. Identification and Validation for Robust Control // In 'Iterative Identification and Control Design', Albertos, P. and Sala, A. Eds. L.: Springer-Verlag, 2002. P. 185-208.

123. Захаров А.В., Шокин Ю.И. Синтез систем управления при интервальной неопределенности параметров их математических моделей // ДАН СССР. 1988. Т.299. №2. С. 26-30.

124. Grognard F., Jadot F., Magni, L., Bastin, G., Sepulchre R., Wertz, V. Robust stabilization of a nonlinear cement mill model // IEEE Trans. Aut. Cont. V. 46. 1999. №4. P. 618-623.

125. Райбман H.C., Чадеев B.M. Адаптивное управление точностью прокатки труб. М.: «Металлургия», 1980.

126. Бунич А.Л. Быстросходящийся алгоритм идентификации линейного объекта с ограниченной помехой. //Автоматика и телемеханика. 1983. № 8. С. 101 107.

127. Бунич А.Л., Бахтадзе Н.Н. Алгоритм идентификации замкнутой динамической системы с экспоненциальной скоростью сходимости // Тезисы докладов Всесоюзн. совещания по проблемам управления. -Алма-Ата, 1986. С.263-264.

128. Бахтадзе Н.Н. Идентификация линейного объекта с ограниченной помехой с использованием пробных сигналов в канале управления М.: ВИНИТИ, 1986. № 485 - В87.

129. Бахтадзе Н.Н., Райбман Н.С. Системный подход к управлению качеством технологических потоков взаимосвязанных процессов. М.: ИПКНЕФТЕХИМ, 1980.

130. Бахтадзе Н.Н. Быстросходящийся алгоритм идентификации объекта с ограниченной помехой при коррелируемых входах // Автоматика и телемеханика. 1993. №1. С. 86-91.

131. Bakhtadze, N.N., Lototsky, V.A. Fast convergent identification algorithms in inventory control problems // Proc. of 10th IFAC Symp. SYSID'94. Copenhagen, 1994. V.2.

132. Бунич А.Л. Алгебраический критерий оптимальности дискретных линейных систем и его применение к задаче синтеза // Автоматика и телемеханика. 1996. № 7. С. 115 120.

133. Бунич А.Л. О некоторых нестандартных задачах синтеза дискретных систем // Автоматика и телемеханика. 2000. № 6. С. 114 123.

134. Квакернаак X., Сиван Р. Линейные оптимальные системы управления. -М.: Мир. 1977.

135. Казаринов Ю.Ф. Нелинейный оптимальный регулятор в стохастических системах с линейным объектом // Автоматика и телемеханика. 1986. №1. С.56 64.

136. Девятериков И.П., Позняк А.С. Оценивание параметров линейных систем в условиях помех. М.: Издательство МФТИ, 1985.

137. Цыпкин Я.З., Позняк А.С., Оптимальные иробастные алгоритмы оптимизации при наличии коррелированных помех // Доклады АН СССР. 1981. Т.258. №6. С. 1330- 1333.

138. Д. Гроп. Идентификация систем. М.: Мир. 1979.

139. Гусев С.В. Конечно-сходящиеся алгоритмы восстановления функции регрессии и его применение в задачах адаптивного управления // Автоматика и телемеханика. 1989. №3. С. 99 108.

140. Чадеев В.М. Определение динамических характеристик объектов в режиме их нормальной эксплуатации // Автоматика и телемеханика. 1964. №9. С.1302- 1306.

141. Chadeev, V.M., Zaitseva, I.S. Application of adaptive identification algorithms to close-loopadaptive control system with identificator // Proc. of 6th IFAC Symp. On Identification and Parameter estimation, Washington, DC, 1982. V1, P.701-705.

142. Аведьян Э.Д. Модифицированные алгоритмы Качмажа для оценки параметров линейных объектов //Автоматика и телемеханика. 1978. №5. С. 64-72.

143. Аведьян Э.Д. Цыпкин Я.З. Повышение скорости сходимости процесса обучения в специальной системе ассоциативной памяти. // Автоматика и телемеханика. 1991. №12. С. 100-109.

144. Аведьян Э.Д. Обобщенный алгоритм Качмажа // Автоматика и телемеханика. 1979. №1. С.72-78.

145. Westphal, L.S. An Improved Adaptive Indentifier for Descrete Multivariable Linear System // IEEE Trans. Autom. Control. 1978. V. AC-233. № 5, P. 860 -865.

146. Велев К.Д. Сравнительный анализ адаптивных алгоритмов оценки параметров нестационарных объектов // Автоматика и телемеханика. 1975. №8. С.40-47.

147. Саридис Дж. Самоорганизующиеся стохастические системы управления. М.: Наука,1980.

148. Бунич А.Л. Идентификация динамического объекта в замкнутой системе с ограниченным ресурсом по управлению // Автоматика и телемеханика. 1985. № 11. С. 84-89.

149. Бакан Г.М. Адаптивное управление многомерным статическим объектом в условиях неопределенности //Автоматика и телемеханика. 1987. № 1. С. 76-79.

150. Saridis, G.N., Stein, G.A. A new Algorithm for Linear System identification. // IEEE Trans. Autom. Control. 1968. V. AC-13. № 5, P. 592-594.

151. Saridis, G.N., Lobbia, R.N. Parameter Identification and Control of Linear Discrete-time Systems. // IEEE Trans. Autom. Control. 1972. V. AC-17. № 1, P. 52-60.

152. Агафонов C.A. Алгоритмы стохастической аппроксимации с возмущением на входе в задаче адаптивного управления линейным объектом.-М.: ВИНИТИ, 1981, № 5682-81.

153. Агафонов С.А., Фомин В.Н. Синтез адаптивного управления с использованием пробных сигналов в канале обратной связи. М.: ВИНИТИ, 1982, №4226-82.

154. Граничин О.Н., Фомин В.Н. Адаптивное управление с использованием пробных сигналов в канале обратной связи // Автоматика и телемеханика. 1986. №2. С. 100-111.

155. Любич Ю.И., Майстровский Р.Д. Общая теория релаксационных процессов. Успехи, математических наук. 1970. Т. 25. №1. С. 57 112.

156. П.Л. Хеннекен, А. Тортра. Теория вероятностей и некоторые ее приложения. М.: Наука,1974.

157. Назин С.А. Предельное поведение эллипсоидальных оценок состояний линейных динамических систем. //Автоматика и телемеханика. 2001. № 4. С. 91-97.

158. Nazin S.A. Asymptotic Properties of Ellipsoidal State Estimation for Linear Discrete-Time Dynamic Systems. // Abstracts of the 2nd International Conference on Control Problems. M„ Russia, June 17-19. 2003. V. 1. P. 61.

159. Поляк Б.Т., Щербаков П.С. Возможные подходы к решению трудных задач линейной теории управления. // В сб. пленарных докладов 3-й Междунар. конференции "Идентификация систем и задачи управления" -М., ИПУ РАН, 2004. С. 6-46.

160. Цыпкин Я.З., Вишняков А.Н. Дискретное управление динамическими объектами с запаздыванием // Известия РАН. Теория и системы управления.1996. Т.6. С. 54-56.

161. Гихман И.И., Скороход А.В. Введение в теорию случайных процессов. -М.: Наука, 1965.

162. Гончаров В.Н., Колосов А.Н., Дибнис Г.И. Оперативное управление производством. М.: «Экономика», 1987.

163. Волчков С.А. Мировые стандарты управления промышленным предприятием в информационных системах (ERP-системах). — Воронеж: Международная академия науки и практики организации производства // «Организатор производства». 1999. № 1. С. 43-86.

164. Moon С., Lee М., Seo Y, Нае Lee Y. Advanced planning and scheduling with outsourcing in manufacturing supply chain // Computers and Industrial Engineering. 2002. July. V. 43. Issue 1-2. P. 351-374.

165. Галкин Г.Н. Поверх ERP//Сетевой журнал. № 12. 2001. C.15-17.

166. Рязанцев А.И., Скарга-Бандурова И.С. Проблемы информатизации промышленного региона. Единое информационное пространство '2004: // В сб. докладов ll-й Междунар. научно практической конференции -Днепропетровск, 2004г. С. 151-155.

167. Решетник Н.А. Моделирование производственных затрат машиностроительного предприятия. Единое информационноепространство '2004. // В сб. докладов 11-й Междунар. научно -практической конференции Днепропетровск, 2004г. С. 149-151.

168. Гаджинский А. М. Логистика / Учебник для высших и средних специальных учебных заведений. М.:ИВЦ «Маркетинг», 2002.

169. Николайчук В. Заготовительная и производственная логистика. Санкт-Петербург: Питер, 2001.

170. Сергеев В.И. Логистика в бизнесе М.: Инфра-М, 2001.

171. Сергеев В.И. Глобальные логистические системы. Санкт-Петербург: Бизнес-Пресс, 2001.

172. Киршина М. В. Коммерческая логистика. М.: ЗАО «Центр экономики и маркетинга», 2001.

173. Смехов А. А. «Основы транспортной логистики». М.: Транспорт, 1995.

174. Николайчук В. «Логистика в сфере распределения». Санкт-Петербург: Питер, 2001.

175. Бахтадзе Н.Н., Лотоцкий В.А. Информационно-статистический подход к организации маркетинга. // Экономика и матем. методы. 1995. Т. 31. Вып.1. С. 45-51.

176. Бахтадзе Н.Н., Лотоцкий В.А. Экспертно-статистические системы управления маркетингом. // Приборы и системы управления. 1996. №3. С. 35-37.

177. Котлер Ф. Основы маркетинга. М.: Мир, 1990.

178. Колбасова А.Б. Обзор методов изучения спроса на новые модификации товара // Экономика и мат. методы. 1993. Т.29. Вып.1. С. 27-34.

179. Завьялов П.С., Демидов В.Е. Формула успеха: маркетинг. М.: «международные отношения», 1991.

180. Vernon K.D.C. Information Sources in Management and Business. L., 1988.

181. Дихтль E, Хершген X. Практический маркетинг. M.: ИНФРА-М. Высшая школа, 1996.

182. Черкашин П.А. Готовы ли Вы к войне за клиента? Стратегия управления взаимоотношениями с клиентами (CRM). М.: Издательство: Интернет-университет информационных технологий ИНТУИТ.ру , 2004.

183. Пуха Ю., Мазитов Ю. Инновации в CRM: вызовы времени и выгоды реализации // Вестник связи. 2005. №3. С.32-35.

184. Д.В. Мокров, Н.Н. Бахтадзе Перспективы применения виртуальных анализаторов в системах управления ресурсами производства // Проблемы управления. 2004. № 1. С. 40-46.

185. Егорова Н.Е. система моделей прогнозирования спроса на продукцию сферы услуг // Экономика и мат. методы. 2002. Т. 38. № 2. С. 66-83.

186. Сох F. and Clark S. J., Problems in implementing and operating a manufacturing resource planning information system //J. Management Information Systems. 1984. №1 3. P. 81-101.

187. Зыков Ю.А. Актуальные проблемы экономики НТП. М.: Наука, 1986. Иванилов Ю.П., Лотов А.В. Математические проблемы в экономике.1. М.: Наука, 1979.

188. Ицкович Э.Л., Соркин Л.Р. Оперативное управление непрерывным производством. М.: «Наука», 1976.

189. Дейян А. Реклама. М.: Издательская группа "Прогресс", 1993.

190. Поспелов Г.С., Ириков В.А. Программно-целевое планирование и управление М.: Сов. Радио, 1976.

191. Лащенко О.В. Технология коммерческой оценки инвестиционного проекта. // В сб. докладов Междунар. научно практической конференции «Роль эксперта в инвестиционном процессе». Санкт-Петербург, 1995 г. С. 32-34.

192. Тарасов В.Б. Новые стратегии реорганизации и автоматизации предприятий: на пути к интеллектуальным предприятиям // Новости искусственного интеллекта. №4.1996. С. 40-84.

193. Латыев А.В. Промышленная автоматизация: рынок и отрасль // Промышленные АСУ и контроллеры. № 3. 2002. С. 65-70.

194. Толмасская И.И., Терлецкий М.Ю. Информационная система производства для металлургов: задачи и перспективы // Автоматизация в промышленности. 2003. №3. С. 33-36

195. Прангишвили И.В. Актуальные проблемы развития систем управления в промышленности //Автоматизация в промышленности. 2003. №1. С. 1-2.

196. Перцовский М.И., Белышев П.А. Комплексная автоматизация промышленного предприятия на примере системы учета и контроля ресурсов нефтедобывающего и нефтеперерабатывающего предприятий // Мир компьютерной автоматизации. 2002. № 6. С. 44-49.

197. Цимбал А. А., Аншина М.Л. Технологии создания распределенных систем. Для профессионалов. — Санкт-Петербург: Питер, 2003.

198. Кольский Н.И., Промышленные информационные технологии: общие проблемы это проблемы отраслевого управления и регулирования // Мир компьютерной автоматизации. 2002. №3. С. 32-34.

199. Синенко О.В., Леньшин В.Н. Автоматизация предприятия вчера, сегодня, завтра или информационная поддержка рыночного лидерства // "PC Week". 2000. № 29. С. 9-10.

200. Лотоцкий В.А., Бахтадзе Н.Н. Система оптимизации расписания авиарейсов // Тезисы докладов Междунар. конференции. Тбилиси, Грузия, 2004. С. 36.

201. Бахтадзе Н.Н., Лотоцкий В.А. Инвариантное прогнозирование спроса в задачах маркетинга // Тезисы докладов Междунар. конференции по проблемам управления. М., ИПУ. 1999. Т. 1. С. 278.

202. Bakhtadze N., Lototsky V., Maximov Е. Identification-based investment policy for demand encouragement // Proc. 10-th IFAC Symposium on Modeling and control of Economic Systems (SME 2001). Klagenfurt, Austria, 2001.

203. Разработка элементов автоматизированной системы научных исследований (АСНИ) опытных установок в ЦЗЛ (РОЗ) на базе вычислительных комплексов УВК. / Рабочая документация. Калинин: КПИ, 1990.и и

204. Рис.5.19. Функциональная схема установки получения магнетита.1. П1-1результаты моделирования).х2(0 = х2(/-1) + 772(/); ?.(?)-последовательность независимых случайных величин; i- номер шага уточнения оценок;02(/) = h2 ~C2(i) . П1-2чг ^ * т А я А #

205. Рис.5.21. Исследование сходимости модифицированного алгоритма с зоной нечувствительностирезультаты моделирования).x4(i) = x40'-i) + 74(0; 77O) последовательность независимых случайных величин; i — номер шага уточнения оценок;4(0 = A4-Q(0• • * • * • #

206. Рис.5.24. Исследование сходимости модифицированного алгоритма с зоной нечувствительностирезультаты моделирования).х(0 = sinх(/-1)+77(0; 7(0-последовательность независимых случайных величин; /- номер шага уточнения оценок;0,(0 = ^-^(0.1. Им L

207. Рис.5.26. Исследование взаимной корреляции компонент вектора входов1. УТВЕРЖДАЮ"-РАпВ^^йректора Института-j ^проВзе^управления я о Ж- т4

208. В fv Д с ^-имЗ^^рапезниковаy^Jv Павлов Б.В.2005 г.1. ОПРАВКА

209. Зав. лабораторией № 41 д.т.н. проф.

210. Зав. лабораторией № 11 д.т.н. проф.

211. Зав. лабораторией № 20 д.т.н. проф. ✓ ^ШгКульба1.I Гр^ГГГ'^ fl^Sj'jQ ' '• 'Chbp " з.аЁ.од.й'1. Вершиняк •1. Л- A / 1% 'T ' •

212. Составлен- настсяьий й том. что по разработанным программам систем статистмчевкого' моделирования и планирования экспериментов. ■<СИПЭ") и системы- имитационио'гр^мо^елироваййя :ЧИМОДС) на ПЭВМ проведено обучение персонала цеха 4> -' -;-v .

213. По ЛйННЫ М, "С/Т.;'1 ! Э: Ц?/1 ПРИ OTP ciG'OT! .О "ЗриеЗСЭ CI !;-ГТЭЗа МГТ.-i-! П'Ласт<ат©ра :;а агй «зс^юве, построены статистические.и ймитаии-.

214. ПР СГИОЭИР •/iCUit !£Z- .г;С^еЛ!'! .

215. Медали пезеоляют. уточнять свои .характеристик!* .в • процессе накоп -ления- экспериментальные данных.

216. Ввоа экспериментальных данных- должен осуществляться: персоналом цеха 4,- равно как и -процедура: дальнейшего планирования зкспеР1-^1ентов. и выполнения прогноз^ результатов, синтеза."

217. И ВЦ осуществляет доработки структуры;кинетических моделей: по .требованию цеха, консультирует- работников цеха по; методике пяани'ро^ в.аеия экспериментов.« по интерпретации результатов моделирования.

218. Настоящим. актом .-система-- СИ ПЭ и ИМОДС в совокупности .с. реалнзо-ььниыми процедурами моделирования * оптимизации и построению прогноза результатов. процесса синтеза. МБА и- пл астификатора на его основе с.даны е эксплуатацию на ПЭВМ цеха 4. v

219. От цеха А ! !а'Ч-. цеха'"41. От ИВУ. •1ач. И ВЦ1. Э .П-.Пан!ФИ/го1за:.1. A.M. Фаянс

220. УТВЕРЖДАЮ" Зам. директора Институтапроблем управления1. А. Е Шубин1. АКТо практическом внедрении результатов диссертационной работы Е Е Бахтадзе

221. Комиссии были представлены:- диссертация Бахтадзе ЕЕ;- акт о сдаче в эксплуатацию системы СИПЭ и ИМОДС на ПЭВМ в цехе 4 РОЖ.

222. Изучив представленные материалы комиссия установила следующее.

223. АКТ опытного пробега Системы прогнозирования качества дистиллятов установки замедленного коксования 21-10 ООО «ЛУКОЙЛ-Пермнефтеоргсинтез»работа выполнена согласно договору № 212-36 ( 073-03/41) от 16 июня 2003 г.).Аг. Пермь « 200 г.

224. Настоящий акт составлен по итогам работы комиссии в период с -/2. Р1. 2009г. по <2 ОСУ г. в следующем составе:

225. Звягин В.П. главный метролог ООО «ЛУКОЙЛ-ПНОС»

226. Фоминых Н. П.- главный технолог ПКТУ ООО «ЛУКОЙЛ-ПНОС»

227. Фоминых А.Н. начальник установки 21 -10 ООО «ЛУКОЙЛ-ПНОС»

228. Мустафин П.И. нач.сектора ПО отдела АСУ ТП ООО «ЛУКОЙЛ-ПНОС»

229. Бахтадзе Н.Н. руководитель работ по договору, ст.н.е. Института проблем управления им. В.А. Трапезникова РАН

230. Максимов Е.М. -.главный разработчик работ по договору, ст.н.с. Института проблем управления им. В.А. Трапезникова РАН.

231. В ходе опытного пробега было выявлено:

232. В ходе опытного пробега было выявлено: значения коэффициентов множественной корреляции по моделям:

233. Модель для t начала перегонки (Л) ( Комп- т бензинов в парк смешения), гр.С КМК = 0.89.

234. Модель для t начала кипения, гр.С легкого газойля (лг 24-67)1. КМК = 0.89

235. Модель для 50% перег-ся при t, гр.С легкого газойля (лг 24-67) FIC0006A1. КМК = 0.911. Комиссия решила:

236. Считать систему прогнозирования качества дистиллятов установки замедленного коксования успешно прошедшей опытные испытания и в целом соответствующей техническому заданию к договору № 212-36.

237. Признать необходимым передать систему в промышленную эксплуатацию.1. Подписи:

238. В.П. Звягин Н.П. Фоминых А.Н. Фоминых ГШ. Мустафин1. Бахтадзе Б.М. Максимов1. УТВЕРЖДАЮ»

239. Директор Института проблем управления им. В.А. Трапезникова РАН1. УТВЕРЖДАЮ»1. Ш.Г1рангишвили1. ЯКУНИН В.И.•кЛЬ. V/i .V/.v'-ii.1. АКТ

240. ВНЕДРЕНИЯ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ КАЧЕСТВА ДИСТИЛЛЯТОВ УСТАНОВКИ ЗАМЕДЛЕННОГО КОКСОВАНИЯ 21-10 ООО «ЛУКОЙЛ-ПЕРМНЕФТЕОРГСИНТЕЗ», разработанной согласно Договору № 212-36 (073-03/41) от 16 июня 2003 г.200*г.

241. Комиссия в составе: Председатеь комиссии:

242. Главный инженер ПКТУ О.А. Ведерников; Члены комиссии:

243. Фоминых Н. П главный технолог ПКТУ ООО «ЛУКОЙЛ-Г1НОС»

244. Звягин В.П. главный метролог ООО «ЛУКОЙЛ-ПНОС»

245. Фоминых А.Н. -начальник установки 21-10 ООО «ЛУКОЙЛ-ПНОС»

246. Муетафин П.И. нач.сектора ПО отдела АСУ ТП ООО «ЛУКОЙЛ-ПНОС»

247. Бахтадзе Н.Н. руководитель работ по договору, ст.н.с. Института проблем управления им. В. А. Трапезникова РАН

248. Комплект технической документации, в том числе:11. Техническое задание;

249. Описание функционирования;

250. Описание алгоритмов прогнозирования качества дистиллятов;

251. Описание программы Сведения о логической структуре и функционировании программы.

252. Руководство пользователя (оператора)

253. Описание контрольного примера

254. Спецификация (Состав программы и документации на неё)

255. Ведомость держателей подлинников (Перечень предприятий, на которых хранят оригиналы программ и подлинники программных документов)

256. Текст программы (Запись программы с необходимыми комментариями)

257. Пояснительная записка (Схема алгоритма, общее описание алгоритма и (или) функционирования программы, а также обоснование принятых технических и технико-экономических решений).

258. Рассмотрев предъявленные материалы, комиссия сочла их достаточными и сочла возможным приступить к приемке программного обеспечения с целью внедрения системы в производственный процесс установки замедленного коксования 21-10 в режиме советчика.

259. Комиссия провела приемочные испытания (опытный пробег) программного комплекса и установила:

260. Программный комплекс Системы пргнозирования качества дистиллятов установкизамедленного коксования 21-10 содержит программы, реализующие следующие функции:

261. Получение и первичная статистическая обработка данных функционирования технологического процесса.

262. Настройка в режиме реального функционирования адаптивной динамической математической модели, описывающей взаимосвязь качественных показателей с текущими значениями измеряемых технологических параметров процесса.

263. Визуализация показаний виртуальных анализаторов

264. Реализация модели в АСУТП установки и в системе реального времени PI SYSTEM.

265. Работа соответствует техническому заданию и выполнена на высоком научном уровне.

266. Техническая документация разработана в полном объеме и обеспечивает нормальную эксплуатацию программных функций.

267. Считать программный комплекс СИСТЕМЫ ПРОГНОЗИРОВАНИЯ КАЧЕСТВА ДИСТИЛЛЯТОВ УСТАНОВКИ ЗАМЕДЛЕННОГО КОКСОВАНИЯ 21-10 ООО «ЛУКОЙЛ-ПЕРМНЕФТЕОРГСИНТЕЗ» внедренным в производственный процесс.1. Подписи:1. Председатеь комиссии: