автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методология построения диагностико-прогнозирующих систем автоматизированного управления производственными комплексами

На правах рукописи

ПЯТЕЦКИЙ ВАЛЕРИЙ ЕФИМОВИЧ

МЕТОДОЛОГИЯ ПОСТРОЕНИЯ ДИАГНОСТИКО-ПРОГНОЗИРУЮЩИХ СИСТЕМ АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ КОМПЛЕКСАМИ (на примере металлургического предприятия)

Специальность: 05.13.06. - Автоматизированные системы

управления

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Москва - 1996

Работа выполнена в Московском государственном институте стали и сплавов (технологическом университете)

Научный консультант - академик Международной академии

информатизации, доктор технических наук, профессор Дьячко А. Г.

Официальные оппоненты : член-корреспондент Российской академии

наук, доктор технических наук, профессор Салыга В.И.;

доктор технических наук,

заслуженный деятель науки и техники РФ,

профессор Авдеев В.П.;

доктор технических наук, профессор Рожков И.М.

Ведущая организация: Кузнецкий металлургический комбинат

Защита состоится "¿¿О" ь1996г. в час. на заседай)

диссертационного совета Д.053.08.07 при Московском государственном и петиту стали и сплавов (технологическом университете) по адресу: 117049, Моей Ленинский проспект, 4

С диссертацией можно ознакомиться в библиотеке Московско государственного института стали и сплавов (технологического университета) Автореферат разослан " " о-^щ^/г*/ 1996г.

Ученый секретарь

диссертационного совета, к.т.н., доцент

Калашников Е.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В условиях внедрения рыночных механизмов хозяйствования наиболее важное значение для принятия управляющих решений приобретает качество прогноза результатов функционирования производственных комплексов промышленного предприятия в условиях неопределенности с учетом гарантированного достижения поставленных целей. Поэтому актуальной становится задача построения прогнозирующих систем для различных уровней управления на основе методов и средств идентификации и диагностирования состояния производственных комплексов. Задачи оперативного управления производством занимают одно из основных мест в функциональной структуре системы автоматизированного управления, решение которых обусловливает качество управления производственными комплексами и предприятием в целом. И поэтому они должны быть адекватно поставлены и решены в соответствующей прогнозирующей системе. В этой связи проблема построения диагностико-прогнозирующих систем оперативного управления (ДПСОУ) производственными комплексами является одной из центральных в современной теории управления производством. В то же время она взаимосвязана с рядом других проблем.

Производственные комплексы металлургического предприятия как объекты управления представляют собой сложные стохастические многомерные динамические системы, подверженные действию как внутренних, так и внешних возмущений. Такие системы характеризуются наличием высокого уровня неопределенности. Процессы, протекающие в них, в силу своей сложности являются недостаточно изученными, что усложняет разработку их математического и алгоритмического описания. Для эффективного управления производственными комплексами необходимо обрабатывать большие объемы информации и применять адекватные математические модели. При построении систем оперативного управления металлургическим производством широко применяются экономико-математические методы, имитационное моделирование, сетевые модели и графы. Многие известные процедуры синтеза ориентированы, как правило, на детерминированные классы систем. Недостаточный учет реальных условий функционирования, стохастической природы протекающих процессов приводит к потере эффективности детерминировашшх методов, высокой чувствительности их к действующим возмущениям, появлению в определенные моменты времени новых качественных изменений, не нашедших отражения в применяемых моделях и алгоритмах. Для решения

рассматриваемой проблемы должны применяться модели и методы идентификации стохастических процессов. При создании систем оперативного управления вопросы идентификации производственных комплексов (ПК-систем) в условиях неопределенности рассматривались недостаточно, что отразилось на качестве применяемых алгоритмов управления. Кроме того, не решались задачи декомпозиции производственной системы с целью определения гарантированных' областей функционирования агрегатов, участков, цехов и производственного комплекса в целом. С этими проблемами напрямую связаны вопросы достижения в условиях неопределенности заданной цели функционирования ЛК-сисгемы. Следует отметить также, что многие задачи оперативного управления решены без учета их взаимообусловленности, что требует дополнительного исследования и постановки всего комплекса задач оперативного управления металлургическим предприятием в целом. Итак, несмотря на актуальность, вопросам синтеза адекватных математических моделей и разработке на их основе эффективных алгоритмов оперативного управления в условиях неопределенности, обеспечивающих гарантированное достижение цели производственной системы, уделялось недостаточное внимание.

Целью диссертации является разработка теоретических основ, моделей и методов построения ДПСОУ сложными производственными комплексами как основы для создания систем принятия управляющих решений, обеспечивающих гарантированное достижение поставленных целей в условиях неопределенности.

Для достижения указанной цели необходимо решить следующий комплекс задач:

1. Предложить научные подходы и разработать методы построения ДПСОУ сложными стохастическими производственными системами. Для этого необходимо определить принципы построения диагностике-прогнозирующих систем оперативного управления в условиях неопределенности; на основе предложенных принципов провести декомпозицию производственной системы; разработать: операционную структуру ПК-системы и дать на ее основе постановку задач оперативного управления, критерии и методы оптимизации работы производственного комплекса в условиях неопределенности, алгоритмы оценивания надежности ПК-сисгемы и методы оптимизации системы оперативного управления с учетом обеспечения заданного уровня надежности принимаемых решений, алгоритмы и методы адаптивной идентификации процессов ПК-системы в условиях неопределенности.

2. Разработать: алгоритмические и программные средства для идентификации и прогнозирования процессов в ПК-системах; алгоритмы оценивания надежности по результатам моделирования системы оперативного управления; методику выбора адаптивных алгоритмов идентификации в системах оперативного управления.

3. Внедрить разработанные подходы, методы и инструментальные средства в практику оперативного управления производственными комплексами, оценить их эффективность и сформулировать выводы по их использованию.

Методы исследования. В диссертациотюй работе использованы методы теории идентификации стохастических процессов, адаптивных систем, нечетких множеств, цифровой фильтрации, сглаживания и обнаружения случайных сигналов, оптимального управления, методы динамического программирования и имитационного моделирования.

Научная новизна результатов исследования состоит в следующем:

а) разработаны теоретические основы построения ДПСОУ сложными производственными комплексами, функционирующими в условиях неопределенности, с учетом оценки уровня гарантированного достижения поставленных целей: предложены научные подходы и принципы построения ДПСОУ для сложных стохастических производственных систем; разработана операционная структура ПК-системы и методы ее декомпозиции на отдельные звенья; впервые предложены подходы и методы идентификации элементарного производственного звена как основы операционной структуры; показано, что в качестве критерия гарантированного достижения цели производственного комплекса должен использоваться показатель надежности системы; дана постановка задач управления ПК-системой на основе операционной структуры; разработана методология управления уровнем использования производственных мощностей агрегатов с оценкой "узких мест" в ПК-системе; предложены критерии оптимизации ПК-системы в условиях неопределенности; предложен подход к формированию интегрального критерия качества на основе локальных функционалов; введено понятие надежности выполнения ПК-системой поставленной'цели; обоснован метод оценки нечеткого отказа производственной системы в условиях неопределенности; введено понятие целевой надежности ПК-системы и предложен подход к ее оценке;

б) на основе разработанных теоретических положений созданы модели, методы и алгоритмы функционирования ДПСОУ, позволяющие вырабатывать управляющие решения, адекватные реальным условиям и обеспечивающие устойчивость функционирования производственного

комплекса: разработаны алгоритмы оценивания надежности реализации месячного производственного задания в системе оперативного управления комплексом; разработаны алгоритмы идентификации показателей надежности в условиях нечеткой цели; предложен метод оценки вероятности нечеткого отказа ПК-системы при выполнении производственного задания; предложен метод синтеза адаптивных алгоритмов идентификации стохастических процессов в ПК-системе; получен класс /'-алгоритмов параметрического оценивания, робаегных к действующим возмущениям; для идентификации нестационарных производственных процессов предложен класс .£Р-алгоритмов адаптации, основанный на принципах поисковой и беспоисковой настройки, и исследованы его свойства; дана постановка задачи идентификации стохастических процессов в ПК-системе; предложены численные алгоритмы оценки корреляционных функцией случайных процессов по экспериментальным данным; разработаны алгоритмы нелинейного преобразования случайных процессов; предложены аналитические и численные процедуры нахождения плотности распределения случайного процесса из базового распределения; разработана система моделирования случайных процессов со скачкообразным изменением параметров; предложены процедуры классификации, фильтрации и прогнозирования переменных состояния процессов в ПК-системах в условиях неопределенности;

в) целесообразность практического использования разработанных моделей, методов и алгоритмов ДПСОУ подтверждена результатами решения прикладных задач: разработаны модели и адаптивные алгоритмы управления процессом прокатки в чистовой группе клетей широкополосного стана горячей прокатки 1700; получены математические модели прогнозирования времени нагрева слитков в отделении нагревательных колодцев комплекса сталь-прокат; синтезирована математическая модель производственного участка; предложены алгоритмы оперативного управления порядком стрипперования плавок на участке сталь-прокат; разработана процедура оптимального по критерию надежности распределения по времени месячного задания на выплавку металла; синтезированы алгоритмы и модели построения суточного графика выплавки металла и определения потребности ПК-системы в изложницах; разработаны алгоритмы и: модели оперативного управления участками колпаковых печей, нагревательных колодцев, прокатки слябов без промежуточного нагрева, участком адьюстажа листопрокатного цеха.

Практическая значимость. Диссертационная работа выполнена в рамках важнейших НИР в соответствии с целевой программой ГКНТ СССР

0.80.02 "Создать и ввести в эксплуатацию системы автоматизации процессов производства и управления в народном хозяйстве на основе интеграции АСУ различного уровня, применения вычислительной техники и микропроцессорных средств (интегрированные АСУ)" и отраслевым координационным планом с 1980 по 1990 годы. Практическая ценность результатов, полученных в работе, заключается в том, что созданы методология и инструментарий для проектирования и разработки высокоэффективных ДПСОУ производственными комплексами в условиях неопределенности. По результатам проведенных исследований под руководством и при непосредственном участии автора разработан комплекс алгоритмов и программ, предназначенных для решения: задач оперативного управления производственными системами, прогнозирования, идентификации и принятия решений в условиях неопределенности.

Реализация результатов работы. Разработанные в диссертации методы, алгоритмы, методические рекомендации и пакеты программ по оптимизации, идентификации, анализу экспериментальных данных и принятию решений прошли апробацию и использованы при создании АСУ КарМК и на других предприятиях. Акты, подтверждающие экономическую эффективность внедренных разработок, приведены в приложении. Экономический эффект от внедрения результатов работы на КарМК составил более 2,7 млн. руб. (в ценах 1988г.).

На защиту выносятся наиболее значимые теоретические результаты, имеющие важное практическое значение:

1. Методология построения ДПСОУ сложными стохастическими производственными комплексами металлургического предприятия.

2. Методы оценки надежности ПК-системы с учетом гарантированного достижения поставленной цели и алгоритмы оперативного управления производственным комплексом на основе критерия надежности.

3. Подход и новый класс алгоритмов адаптивной идентификации производственных процессов в условиях неопределенности.

Апробация работы. Материалы диссертации докладывались, обсуждались и были одобрены на Республиканской научно-технической конференции "Автоматизация технологических процессов производства черной металлургии в Казахстане" (Караганда, 1979, 1984, 1986); Всесоюзном совещании по статистическим методам в процессах управления (Москва, 1981); Всесоюзной научно-технической конференции "Повышение эффективности и качества АСУ" (Москва, 1982); Всесоюзном симпозиуме "Методы теории идентификации в задачах измерительной техники и

метрологии" (Новосибирск, 1982); Всесоюзной конференции 'Теория адаптивных систем и ее применение" (Ленинград, 1983); Региональной научно-практической конференции "Интенсификация использования топливно-энергетических ресурсов" (Караганда, 1985); Всесоюзной конференции "Интегрированные АСУ предприятиями" (Новосибирск, 1985); X Всесоюзном ' совещании по проблемам управления (Москва, 1986); Всесоюзной конференции "Разработка программного обеспечения АСУ ТП" (Черновцы, 1986); Всесоюзной конференции "Автоматизация прокатного производства" (Кривой Рог, 1987); Всесоюзной научно-технической конференции "Задачи технического перевооружения листопрокатного производства" (Днепропетровск, 1987); Всесоюзной научно-технической конференции "Организационно-экономический механизм развития работ по автоматизации управления производством" (Тернополь, 1988); Всесоюзном семинаре "Модели планирования и хозрасчета на предприятии" (Москва, 1988); III Всесоюзной конференции "Проблемы и методы принятия решений в организационных системах управления" (Москва, 1988); Международном семинаре ИФАК "Развитие адаптивных систем и их применение в промышленности" (Тбилиси, 1989); XI Всесоюзном совещании по проблемам управления (Ташкент, 1989); III Международном симпозиуме "Имитация систем-90" (Одесса, 1990).

Публикации. Основные научные результаты опубликованы в 9 монографиях, более чем в 50-ти научных статьях и в ряде научно-исследовательских отчетов, защищены 15 авторскими свидетельствами.

Объем работы. Диссертация состоит из введения, шести глав, заключения, списка литературы из 207 наименований, 33 рисунков, 11 таблиц и. 4 приложений. Основная часть работы изложена на 246 страницах машинописного текста.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, определяется ее цель, раскрывается научная новизна, отмечается практическая значимость, перечисляются результаты, выносимые на защиту, дается информация по апробации, приводится структура диссертации.

Глава 1. Состояние проблемы оперативного управления

производственными комплексами. Постановка задач исследования.

В разделе 1.1 рассматриваются основные проблемы оперативного управления производственными комплексами. Производственный комплекс металлургического предприятия представляет собой совокупность технологически взаимосвязанных производственных объектов,

функционирующих в соответствии с заданными интегральными целями, и является сложной системой (ПК-система). Отмечается высокий уровень стохасгичности производственных процессов в исследуемых системах, обусловливающий необходимость постоянного прогнозирования возможных отклонений параметров от заданного графика производства. Определены задачи, решаемые в рамках автоматизированного оперативного управления ПК-системой, намечены эффективные направления их решения.

Раздел 1.2 содержит характеристику и описание структурных особенностей производственных комплексов на примере комплекса сталь-прокат КарМК. Отмечается разнообразие технологических процессов, многономенклатурность производственных программ, высокая фондоемкость комплекса, наличие большого количества последовательно и параллельно соединенных элементов, технологически тесно взаимосвязанных между собой, стохастический характер процессов функционирования, недостаточная их изученность, существе1шая зависимость результатов работы комплекса от качества оперативного управления. Дается классификация ПК-систем в зависимости от характера внутренних обратных связей между элементами. Делается вывод о том, что для систем с сильными внутренними обратными связями, к которым относятся рассматриваемые ПК-системы, теория массового обслуживания не применима и необходима разработка адекватных научных подходов и соответствующих моделей и методов оперативного управления.

В разделе 1.3 проведен анализ известных моделей и методов, применяемых в системах оперативного управления. Показано, что существующие модели, в основном, эвристические, не в полной мере отражают стохастическую природу протекающих в ПК-системе процессов. Выработка управляющих решений на основе применения детерминированных имитационных моделей в условиях отсутствия механизмов прогнозирования состояний и воздействия случайных возмущений приводит к потере устойчивости ПК-системы.

Одной из важнейших остается проблема оценивания эффективности функционирования ПК-системы (раздел 1.4). Несмотря на полученные результаты в этой области, данная проблема еще требует своего решения. В качестве критерия эффективности предложено применять обобщенный показатель экономической деятельности, который одновременно с учетом затрат на производство отражает выполнение заказов и договоров по номенклатуре и срокам, а также нормативные условия внутризаводской производственной кооперации, обусловленные оперативными плановыми решениями по оптимальной увязке производственных процессов на

агрегатах. Необходимость и важность учета стохастической природы процессов, протекающих в ПК-системе, обусловили постановку задачи и рассмотрение проблемы надежности производственных систем. Проблеме надежности ПК-систем посвящен раздел 1.5. Рассмотрены различные подходы к определению и оценке надежности сложных- систем. Отмечено, что понятие надежности не всегда связывается с эффективностью системы оперативного управления, обеспечивающей устойчивость ПК-системы, что относится к недостаткам известных подходов.

В разделе 1.6 обосновывается необходимость проведения функциональной декомпозиции задач оперативного управления производственным комплексом в целом и его составляющими звеньями как важного фактора повышения эффективности работы системы оперативного управления.

Раздел 1.7 содержит постановку задач исследования. Проведенный анализ состояния проблемы оперативного управления производственными комплексами показывает, что существующие подходы, методы и алгоритмы управления, как правило, не учитывают стохастическую природу процессов, а разработке механизмов коррекции характеристик и параметров системы в условиях неопределенности практически не уделялось внимания. Тем самым системы не обладали важными для таких условий диагностирующими и прогнозирующими свойствами. Кроме того, алгоритмы оперативного управления с детерминированными критериями не всегда позволяют обеспечивать гарантированное достижение основной цели производства. Поэтому для обеспечения требуемого запаса устойчивости производственного комплекса необходимо оптимизировать работу ПК-системы с учетом заданного уровня надежности. Несмотря на конкретные аспекты и общие исследования в этой области, задача в таком аспекте не ставилась и не решалась. Сформулирована научная проблема, сводящаяся к разработке теоретических основ и методологии построения диагностико-прогнозирующих систем автоматизированного оперативного управления производственными комплексами в условиях неопределенности с обеспечением гарантированного достижения целей производства. Для решения указанной проблемы определен комплекс задач теоретического и прикладного характера.

Глава 2., Методология построения диагностика-прогнозирующих систем

оперативного управления производственным комплексом

В разделе 2.1 рассмотрены исходные принципы и подходы, на которых базируется построение даагностико-прогнозирующих систем: системный,

адаптивно-стохастический, надежностный и нормативный подходы, принцип стохастического детерминизма и другие.

Реализация предложенных принципов неразрывно связана с исследованием самого объекта управления. Рассмотрению этого вопроса посвящен раздел 2.2, где в качестве объекта рассмотрен комплекс сталь-прокат металлургического предприятия. Показано, что исследуемый объект является сложной стохастической производственной системой. Предложены: нелинейная динамическая модель в пространстве состояний и ее линеаризованный аналог. Дана постановка задачи оптимизации функционирования ПК-системы. Предложена декомпозиция ПК-системы на ряд подсистем (технологическая, техническая, организационная, экономическая и др.). Одной из основных задач оперативного управления является обеспечение синхронизации работы элементов комплекса с целью достижения требуемых экономических показателей. Для решения этой задачи используются агрегатная и операционная структуры. Агрегатная структура отражает взаимосвязь и передачу продукта в ПК-системе. Рассмотрены схемы соединения звеньев в системе. Приведена агрегатная структура производственного комплекса сталь-прокат КарМК. Операционная структура базируется на агрегатной и отражает процесс преобразования продукта. При этом звенья агрегатной структуры, как правило, имеют однотипное операционное описание. Для агрегата А1 ей) операционная структура имеет

вид: _

>, 1 = 1,м,

где ¿у-агрегатное пространство, <Оа,...,Оа^> - кортеж элементарных

операций пространства О, + - знак соответствия.

Рассмотрению операционной структуры и задач управления ПК-системой, решаемых на ее основе, посвящен раздел 2.3. Под операцией в задачах оперативного управления понимается некоторый неделимый процесс О} еО для элемента А, е со. Множество О имеет вид:

0 = { оу|о7- =и <?}, П = 0 0(А,) = < 0,Щ),-От(А,)> , А, е ш , т < со . Из описания следует, что множество О состоит из конечного числа операций 0] , причем каждая операция 0)- не может быть выражена через

другие операции Ог}. Введено понятие элементарного производственного

звена (ЭЗ) и предложена его операционная структура: „(А) =< 0,(Л),...,04(А) >, где О, - подоперация хранения - наличия исходной заготовки, 02 - подоперация обработки, 03 - подоперация наличия

в обработке полуфабриката, готового к передаче и обработке на последующих агрегатах, 04 - подоперация передачи продукта на последующие подоперации хранения. Разработка операционной структуры и введение ЭЗ позволили решить задачи как системного характера, так и ряд задач, определяющих функциональные возможности ПК - системы, в том числе: 1) расчет оптимального по системным критериям графика поступления исходных ресурсов; 2) расчет оптимальной производственной программы с учетом ограничений рынка; 3) расчет графика ремонтов основного оборудования; 4) расчет межагрегатных производственных циклов; 5) приведение производственной программы комплекса с учетом незавершенного производства к каждому агрегату и ряд других. Приводятся алгоритмы решения указанных задач. Рассмотренные задачи определяют стратегию поведения ПК-системы на макроуровне. Реализация полученных при этом решений требует перехода на микроуровень, то есть на уровень управления ЭЗ.

Раздел 2.4 посвящен моделям и алгоритмам функционирования ЭЗ. Разработаны следующие алгоритмы управления: 1) формирования сортамента заготовки; 2) управления формированием периода обработки; 3) выбора времени обработки. Введены нормативные показатели, которые характеризуют технологические, технические возможности ЭЗ на операционном уровне. Для их оценки применяются адаптивно-стохастические методы идентификации. Рассмотрены задачи, которые решаются на уровне элементарного звена, среди них: расчет материального баланса ЭЗ; определение фонда фактического времени работы агрегатов комплекса; определение условий и алгоритмов монтажности обработки. Предложены алгоритмы решения приведенных задач.

Модели и алгоритмы функционирования ЭЗ позволили перейти к задаче оценки уровня использования производственных мощностей агрегатов с оценкой "узких мест" ПК-системы. Решение этой задачи напрямую влияет на условия гарантированного выполнения производственной программы, уровень качества продукции, экономический результат деятельности звеньев, а также на обоснование потребного объема производственных мощностей и оценку возможности выполнения производственного задания. Расчет указанных параметров осуществлен с применением вероятностных методов оценки надежности выполнения агрегатами месячных производственных заданий. Введен параметр гл. характеризующий степень соответствия потребного и фактического фондов времени работы агрегата А. Оценка надежности осуществляется на основе экспериментально полученных кривых значений параметра и его вероятности Р(гл)- Граничный уровень

1а, превышение которого для агрегата считается "узким местом", устанавливается экспериментально на основе анализа работы системы оперативного управления. Приведен алгоритм оценивания сроков выполнения производственной программы.

Другой важной характеристикой агрегата, определяющей возможность выполнения задания, является запас времени работы агрегата до критической зоны в сменах. В результате применения разработанной методики строится временная диаграмма работы агрегатов, учитывающая допустимый временной запас устойчивости ПК-системы. Рассмотрен случай отсутствия приоритетов. Введено понятие "критическая зона", характеризующее устойчивость системы. Граница надежной работы обычно устанавливается априори с учетом задания, условий работы и характеристик оборудования. Предложенный подход позволяет оперативно оценивать возможности гарантированного выполнения агрегатами производственной программы.

Проблеме выбора критериев оптимальности в системах оперативного управления производственным комплексом посвящен раздел 2.5. Рассмотрены основные подходы й определены требования, которые необходимо выполнять при выборе критерия. Предложен интегральный критерий, учитывающий как эффективность работы отдельных элементов ПК-системы, так и качество получаемой продукции. Составляющими такого критерия являются: а) время работы агрегатов при выполнении производственной программы ТА; б) количество случаев невыполнения требований монтажности и сроков обработки Nц; в) поддержание заданного уровня качества продукции Ка\ г) минимизация расхода ресурсов на агрегатах комплекса Р. Дана постановка задачи формирования интегрального критерия ¡3, = <2Л(ТЛ^,;,К„,Р). Для решения указанной задачи применяется теория нечетких множеств. Для этого локальному критерию О., ставится в соответствие функция желательности (принадлежности)

/^(д:):*-» [0,1]. Тогда интегральная функция значимости для критерия £>,

имеет вид:

(х) = шт[((х),тт((ц^ (*■),...,тт(ц^ (х),/I*1 (х))],

_ 1 N

а1 > о; ' = ь«; -¿7 = 1, /=1

где а,- - коэффициент относительной важности критерия £?/. Приведена итерационная процедура формирования критерия Од. Отмечается эффективность предлагаемого подхода в условиях неопределенности.

В разделе 2.6 рассмотрены этапы построения ДПСОУ производственным комплексом. Они включают: определение системы; формирование задач и целей, решаемых ДПСОУ; подготовку данных, их обработку и классификацию; синтез математического обеспечения на основе экпериментальной и априорной информации о процессах, протекающих в производственном комплексе; обеспечение адекватности математических и имитационных моделей; реализацию ДПСОУ на ЭВМ; проведение вычислительного эксперимента с ДПСОУ; интерпретацию и верификацию данных, полученных в результате вычислительного эксперимента.

Разработке методологии и инструментария, позволяющих реализовать основные идеи и этапы построения предлагаемой диагностико-прогнозирующей системы, посвящены следующие разделы работы.

Глава 3. Методология и способы оценки надежности функционирования

ПК-системы

В разделе 3-1 рассмотрены проблемы надежности и принятия решений в ДПСОУ производственным комплексом. Отмечена актуальность решения данной проблемы для ПК-систем в связи со стохастичносгью протекающих процессов. Отмечено влияние обратных связей на функциональное состояние ПК-системы. В отличие от известных подходов предметом настоящего исследования является оценка влияния технологии и организации ПК-системы на надежность ее функционирования. Проблема оценки функциональной надежности П К.-системы может бьггь решена при известных показателях надежности агрегатов. Более сложной и многогранной является проблема, связанная с поддержанием, заданного уровня надежности работы ДПСОУ с целью достижения требуемых результатов. Уточнено понятие надежности ПК-системы. В качестве показателя надежности используется вероятность достижения цели при некотором допустимом управлении. В условиях неопределенности для оценки указанного показателя используется теория нечетких множеств.

Разработке методов идентификации показателей надежности работы ПК-систем с помощью теории нечетких множеств посвящен раздел 3.2. Предложены алгоритмы оценки надежности. Они базируются на понятии нечеткого отказа. Нечетким отказом называется нечеткое случайное событие, определенное на носителе X с помощью вероятностной меры Р(хП), л„ еХ,п — ],Ы и функции принадлежности Вероятность

нечеткого отказа равна

= Т,»(х„)Р(хя),

где N -количество возможных состояний ПК- системы, Р(хп)-вероятность появления события хп.

Под надежностью ПК-системы будем понимаеть гарантированную способность достижения системой векторной цели. В общем случае каждая компонента векторной цели является размытой, а реализованному ее значению соответствует нечеткий отказ по цели с известным значением функции принадлежности. Пусть задана целевая вектор-функция К Тогда функция принадлежности определяется в виде:

N /=1

где gí -весовые коэффициенты важности компоненты /( вектора Р, /л, (/,) -функции принадлежности /,, / = 1, N. В качестве показателя надежности

системы Рс используется вероятность нечеткого отказа достижения цели. Если нечеткую цель функционирования ПК-системЫ определить в виде Р = {Р ,/ис(Р)), то надежность можно найти по формуле:

Рс = \р(Г)рс(¥)ЛГ у

где р (/^-совместная плотность распределения значений компонент функции Р, -область значений Р. Разработаны методы идентификации функции /1С(Р) Для случая разливки металла в изложницы. Они основаны на разработанных в работе процедурах и легко реализуются на ЭВМ.

В разделе 3.3 приводятся алгоритмы оценки надежности функционирования производственного комплекса при задании различных целевых установок. Сначала разрабатываются алгоритмы оценки вероятности нечеткого отказа по уровню технологического параметра. Пусть задан технологический параметр ,, определяющий уровень качества изделия типа (/). Для оценки надежности используется нечеткий отказ, функция принадлежности которого определяется из конкретного физического содержания ( в-, ) параметра £),• и технологических инструкций на обработку. Для каждого изделия группы у (/=1,2,...), вводится функция принадлежности За Ь (I = 1, ¿) экспериментов на модели проходят обработку я,

изделий группы у и для каждого к-то изделия (к — 1 вычисляется

значение функции принадлежности Учитывая одинаковую важность

изделий одной группы и коэффициенты важности разных групп, находится вероятность нечеткого отказа:

Ь 1Л

где $ -функция принадлежности параметра в\ некоторой группе качества по всему эксперименту.

Далее решается задача определения вероятности нечеткого отказа реализации месячного задания ПК-системы. Задание состоит в том, чтобы произвести изделия различных типов, разделив их при этом на у групп по признаку близости интервалов обработки. Рассмотрено три группы целей. Первая из них - это выпуск изделий типа I к определенному моменту времени в подном объеме. Для оценки вероятности: нечеткого отказа Р\ применяется полученное выше выражение:

1=1

Вторая группа целей связана с обеспечением требуемого качества изделий, представленного несколькими технологическими параметрами (в,*). Для каждого из них используется разработанный в предыдущих параграфах алгоритм, учитываются весовые коэффициенты параметров в комплексном критерии и аналогично находится вероятность Рч- И последняя группа целей - исключение блокировки входного потока изделий. Разработана процедура

оценки вероятности нечеткого отказа Ру.

1 ^

ГЭ ~ 1,1л <„' Ы

где - сумма интервалов времени, в течение которых входной поток был

блокирован, ¡о - период функционирования ПК-системы. Р\ и зависят от нагрузки ПК-системы, а Р^ - от специфики производства. Надежность выполнения месячного задания оценивается в виде:

Рс^ + Р}+ Р?)-

Разработанные алгоритмы и методы применены для оценки надежности функционирования комплекса сталь-прокат КарМК, начиная от разливочного пролета до обжимного стана. Для идентификации вероятности выхода температуры слитка за некоторую границу применялся регрессионный анализ. По полученным моделям определялись функции принадлежности по локальным целям работы отдельных звеньев комплекса. В качестве данных для примера получения функций принадлежности использовались результаты оценки премиальной системы на КарМК. Функция принадлежности, характеризующая нечеткий отказ в связи с недовыпуском плавок АК(%), имеет вид:

О, АК й о-

д,(ДК) = ■ -024 + 0.04 АУ, сг<АГ< 85 —1.08 + 0.138АК, 8.5<АГ<сг1, где а, сг, - некоторые числа, задаваемые априори.

В разделе 3.4 рассматриваются методы оценки надёжности выполнения задания производственным звеном ПК-системы. Задача выполнения задания может быть сведена к достижению некоторой векторной цели IV е А9. В условиях неопределенности вектору Сможет быть поставлена в соответствие некоторая нечеткая цель {IV,ЩЩ} , где М\Щ-+\<},\\ - векторная функция принадлежности, являющаяся индикатором достижения цели ПК-системой:

(7 = {Щ Ж ;> Жй = Жх(с) V/ е /Л где ^ - некоторый допустимый вектор, с - ограниченный, но точно неизвестный параметр, 7 - интервал принятия решений. Для упрощения решения задачи оптимизации осуществляется переход от И^к интегральному показателю а> и функции принадлежности /*с(й?). Приведен алгоритм преобразования М(И/) в ¿1с(ф). Отказ ПК-системы трактуется как выход О) за некоторый допуск (невыполнение задания). Для оценки уровня надежности используются пременные, непосредственно характеризующие эффективность работы ПК-системы в рамках поставленной цели: нормативно-технологическое время работы агрегата и время отгрузки. По нормативно-технологическому времени работы агрегата рассчитывается полное время выпуска продукции 7"(г). Разработан алгоритм, позволяющий по величине

А Г = |'о3- -

где - время отгрузки продукции а -го сортамента, после которого вводятся штрафные санкции; ф - заданное время отгрузки продукции а -то сортамента, обработанной на А-ом агрегате, оценивать эффективность работы ПК-системы, Начиная с некоторого Д/^, в системе может возникать ситуация, попадающая в "критическую зону", речь о которой шла выше. В предложенном подходе, в качестве оценки уровня надежности ПК-системы, используется вероятность нечеткого отказа:

'»'ж

где /0 - время отгрузки, Та - время выпуска а - вида однородной продукции, г- количество смен, Р"( г) - вероятность выполнения задания за т смен, /(Т'(т)), - функции распределения, функция

принадлежности; (д ¡к - начало и конец выполнения задания. Предложена

итерационная процедура формирования системной функции принадлежности на основе отдельных компонент /л(в>,) векторной функции М[Щ. В процессе функционирования ДПСОУ осуществляется коррекция системной функции /¿с(гу) с помощью предложенного адаптивного алгоритма. Для этого полагается ц'с = Л^А/Дгде А, е/?* -некоторый вектор, выбираемый так, чтобы доставить минимум функционалу

0(м) = (Рс ~ м'с)2,

з

а -заданная функция принадлежности, М -нечеткая векторная

функция принадлежности, полученная в ходе реализации программы. Алгоритм адаптации имеет вид

А, = А,_, + (Мгс - А1АМ,[1У])М,Щ). В разделах 3.5, 3.6 приведены алгоритмы и методы расчета оптимальных по критерию надежности суточного и месячного графиков на выплавку, которые основаны на идентификации процессов системы сталь-прокат и применении процедур оптимизации и методов динамического программирования. Проверка полученных алгоритмов управления в реальных условиях КарМК показала их высокую эффективность при расчете графика выплавки и определении потребности в комплектах изложниц при случайных вариациях моментов выпуска и интервалов обработки плавки. Разработанные в данной главе методы, алгоритмы и рекомендации включены в состав подсистемы оптимизации и имитационного моделирования ДПСОУ комплекса сталь-прокат КарМК.

Глава 4. Разработка нового класса Р-алгоритмов адаптивной идентификации в системах оперативного управления. В разделе 4.1 дается анализ методов адаптивной идентификации сложных систем. На основе проведенного анализа сформулирована задача адаптивной идентификации процессов в ПК- системах, (разд.4.2). Для решения поставленной задачи предложен новый подход, которому посвящены разделы 4.3-4.4 данной главы. Суть предлагаемого подхода состоит в том, что в условиях априорной неопределенности, существенной стохастичности протекающих процессов и неизвестных законов изменения параметров ПК-системы осуществляется выбор структуры алгоритма адаптации, исходя из реальных условий функционирования объекта, обеспечивая при этом получение гарантированных оценок параметров с достижением глобального минимума критерия идентификации. Рассмотрен класс систем:

УвЫ- с1\п]х\п]+$п],

где уп\п -выход системы, сп\п\ еЛ'-вектор параметров, ё R'-вектор входа, п -помеха. Для оценки вектора параметров применяется адаптивная модель

УиДя]- сг[и-1]х[/1 , где сг[п] е R'-вектор настраиваемых параметров. Алгоритм адаптации ищется из условия

min/(c) => с"Ы,

ф]

с учетом ограничения

!M«1|M№№]||< е, где Р[п\ е R1"1 - матрица, задающая структуру алгоритма, B\ri\ е R"-вектор оптимизационных параметров,

/(с) = M{(hyn\n\ - ¿scT[n\x[n})2}, М{•} -операция математического ожидания,

ЛУяМ = УлМ-УлЛ"]. М«1 = Ф] - Ф " 1 ■

Получен базовый Р -алгоритм адаптации

с[л]=с[и- 1]+Ду[п] Р1 п]{1ч1и]х[и]хг1и]Ля]]+^я]х[«] (1)

где . Г-знак псевдообращения матрицы. Из (1), как частный случай, можно получить й известные, й новые итерационные алгоритмы оценивания. Так, из (1) следует рекуррентный Рэ алгоритм

С[щ=сщ -1]+Ф]АУп[птп]т7^Ш^г

1 + Н' [«]/?[» - 1]Я[и]

где

Н1п}=: Рт[п]х[»1 R[n] = [PT[n]x[n]xT[n}P[n\Y, e[n] е(0,2). Свойства полученных алгоритмов существенно зависят от выбора матрицы Р[п . Показано, что ее элементы можно выбрать в виде: Рь[п] = (|с,[и - г]|Г(|хДп - z -1]|)*, где С/ е c[n], Xi е Х[п], от, к -некоторые числа. Параметр к задается

априори, a m определяется из условия

ln v- Л1п(тах||МШп]}Ц)

m <

11п(тахЦМ{Г[п]}Ц) ~ ¡п(шаЦМ{ЛГШ)1 п - п , ■ где V -число, определяющее изменение уп[п], г определяет глубину

предыстории данных и выбирается так, чтобы учесть нестационарность

системы. Рассмотрены также модификации /'-алгоритмов, в том числе, когда

матрица Р является диагональной (итерационный Р^ - алгоритм) или

вектором (Рр -алгоритм) и другие. Синтезирован класс ¿Р-алгоритмов,

который минимизирует невязку параметров при дрейфе параметров системы. При этом полагаем, что

где -диагональная матрица возможных направлений изменения

параметров модели с[п\, а оптимальный .УР-алгоршм имеет вид:

с[п] ш с\п~ /]+ 5и\\Р[п\\{Рг[п\5[}\х[п\хт[птПР\п}УРг[п)5[Пх[п)\у\п1 Из ^Р-алгоритма, используя различные способы вычисления псевдообратной матрицы, можно получить его варианты. Так, для рекурсивного ЯЯР-алгоритма получим:

г\п\-гЫ 11.

1 1 С[П 1 1+хг[|«]ЛУ]/»[И№[|1-11/»г[ли№1л|'

». , „. п, щп-цр^дшхмхУ.^т/'мкЛ"-л

Если для оценивания используется текущая информация, то ,! , 1, А I .егч |Р1п1||РгИ|хИ

х 1и]Р[и]Р |и]5Шх1п] Для управления матрицей ^УШ предложена поисковая процедура, обеспечивающая целенаправленное изменение параметров модели. Реализация полученных алгоритмов должна удовлетворять совокупности ряда требований. Изучается вопрос многокритериальное™ задачи адаптации, сводящийся к выбору конструктивных параметров Р и «УР алгоритмов. Показано, что при отсутствии помех итерационный Р -алгоритм будет сходиться, если параметр усиления а{п) удовлетворяет условию

[«№)>

где

^„(Р|и]Рг[«|), Яти(Рг[«]Р|й1) - минимальное и максимальное собственные числа соответствующих матриц. Аналогичные оценки для а(п) получены для случая возмущений, действующ! на входе и выходе системы.

В разделе 4.5 предложена имитационная система сравнительной оценку эффективности алгоритмов адаптации (ИСЭА). Разработана методика выборе адаптивного алгоритма идентификации ПК-системы. Предложена структуре ИСЭА и показатели эффективности, которые используются для принятии решений. Разработанная имитационная система реализована на ЭВМ 1 использована для оценки свойств и работоспособности Р и ЖР-алгоритмов Результаты моделирования подтверждают сходимость и быстродействш предложенных алгоритмов, а также адекватность математических моделей.

Глава 5. Методы идентификации и моделирования стохастических процессов в ПК-системах.

В разделе 5.1 разрабатывается подход к моделированию случайных процессов в производственных комплексах. Проведенный анализ состояния проблемы идентификации и прогнозирования стохастических процессов в сложных, производственных системах показал, что этому вопросу уделялось недостаточно внимания. Исходя из этого в работе предложен системный подход к моделированию случайных процессов и разработан соответствующий алгоритм. Он включает выбор базового распределения для получения требуемого закона распределения, разработку методов оценки параметров случайных процессов, определение момента возникновения аномальных наблюдений, расчет и аппроксимацию нелинейных преобразований и формирование требуемого случайного процесса, адаптацию и прогнозирование процессов с целью оценки состояния ПК- системы в реальных условиях. Реализация предложенного подхода рассматривается в следующих разделах данной главы.

Методам идентификации случайных процессов посвящен раздел 5.2. Основное внимание уделяется разработке алгоритмов построения случайных процессов с у- и /(-распределениями, так как они являются типичными для ПК-систем металлургического производства. Рассмотрена задача получения случайного процесса р\п] с заданным законом распределения и корреляционной функцией, исходя из базового нормального или равномерного процесса £0|я], которая может быть сведена к получению нелинейного преобразования Для решения поставленной задачи

могут применяться аналитические и численные методы. Первая группа методов применима к ограниченному классу распределений (нормальных, лапласовских). Поэтому в работе основное внимание уделяется численным методам получения преобразования /(•). Показано, что для ^-распределения функция распределения ^(р) может быть получена в результате решения уравнения

¿ц _ й)(£„)

которое для данного класса распределения имеет вид

Т(а) е йГ ЯЪ^ ' где от,/? определяют соответственно форму распределения а>{ц) и его масштаб, а Г (а) суть ^--функция. Если дополнить это уравнение начальными условиями, то получим задачу Коши. Для ПК-систем предложен алгоритм численного решения данной задачи. Отмечены трудности, которые

возникают при решении данного уравнения и даны рекомендации по их преодолению. Затем данный подход обобщается на случай, когда процесс имеет ^-распределение

1У(М) = Т(а + 0)рГ\\ - / Г(а)Г(/?). Предложен способ получение у- и ^-распределений с помощью подхода, основанного на применении кривых Пирсона. Для нахождения кривой Пирсона /(м)> удовлетворяющей уравнению

%(и) _ А - Яр . .

Л Ь0 + V + Ь2цгПИ)' и ее параметрам 2, используются моменты (семиинварианты)

процесса ц. Соответствующий алгоритм определения у -распределения сводится к: 1) оценке семиинвариантов предполагаемого распределения; 2) определению параметров ,Ьг и дискриминантов квадратного

уравнения; 3) выбору в зависимости от а0, ¿>0,6,, Ь2 типа кривой Пирсона; 4) оценке степени соответствия эмпирической кривой Пирсона по критерию согласия; 5) определению нелинейного преобразования и его рациональной аппроксимации. Рассмотрены частные случаи получения у- и ¿3-распределений при условии, что £„[п] имеет равномерное распределение. Предложен алгоритм идентификации корреляционных функций.

Разработке алгоритма моделирования случайных процессов с выбросами посвящен . раздел 5.3. Данный алгоритм основан на аппроксимации распределений с помощью кривых Пирсона и применялся для моделирования производственных процессов в цехе холодной прокатки. Предложена функциональная схема алгоритма моделирования. Для обнаружения выбросов разработана соответствующая процедура, основанная на использовании медианы случайного процесса. Рассмотренные методы идентификации основаны на применении параметрического и непараметрического подходов. Для эффективного применения этих методов в реальных условиях необходимо разрабатывать соответствующие алгоритмы коррекции, позволяющие адекватно отражать и прогнозировать состояние ПК-системы.

В разделе 5.4 рассматриваются методы фильтрации и прогнозирования случайных процессов. Предложен подход, позволяющий учитывать как изменение структуры самой системы, так и дрейф параметров и переменных состояния. Пусть система описывается уравнением

у\п\=ст[п]х\п\ + £[я], где у\п\ е Я -выход, х\п\еЛт -вектор входа, с\п\еЯп -вектор параметров,

- ненаблюдаемая центрированная и некоррелированная помеха, Л/[«] -немоделируемая динамика (структурное возмущение). Данное представление справедливо в окрестности некоторой локальной области функционирования. При таком подходе задача фильтрации сводится к обнаружению составляющей Е\п\ в Е\п\, где представляет аномальное измерение,

которое необходимо обнаружить и исключить из дальнейшего анализа. Отождествление ¿¡[п] и ¿Цп\ приводит к неверному принятию решений о состоянии ПК-системы, а значит, к неадекватной выработке управляющих воздействий. Для обнаружения структурной неоднородности процессов в ПК-системе разработан распознающий алгоритм, основанный на применении 5Р -алгоритмов (гл.4). Для этого вся область функционирования ПК-системы разбивается на ряд локальных областей, описываемых соответствующими моделями. Предложена процедура распознавания состояния ПК-системы. Приведен алгоритм фильтрации аномальных измерений. Затем решается задача прогнозирования состояния ПК-системы. Приведены соответствующие процедуры, основанные; на вычислении статистических критериев и моментов по результатам разделов 5.1-5.3. Рассмотрены способы классификации прогноза выхода для различных ситуаций, возникающих в производственных комплексах. Для этого используются множественные коэффициенты корреляции, а также дисперсия выхода и вероятность появления того или иного кластера. Для получения данных характеристик применяется подсистема имитационного моделирования ДПСОУ.

Глава 6. Построение и реализация подсистем ДПСОУ производственным

комплексом

В разд. 6.1, 6.2 приводятся алгоритмы и модели прогнозирования сроков готовности металла в отделении колпаковых печей цеха холодной прокатки и в задачах АСУ отделением нагревательных колодцев. С помощью методов, предложенных в гл. 4,5, получены адаптивные стохастические модели прогнозирования. Разработанные алгоритмы и методы реализованы в виде подсистем прогнозирования в соответствующих подразделениях КарМК. Прогнозирование длительности охлаждения рулонов с использованием предложенной имитационной модели значительно лучше применяемых в настоящее время в цехе холодной прокатки эмпирических методов прогнозирования, используемых оперативным персоналом. Для участка колпаковых печей цеха холодной прокатки КарМК был разработан комплекс математических моделей прогноза, и сформирован пакет прикладных программ, позволяющий прогнозировать длительность охлаждения для всех температур распаковки = 120, 130, 140, 350 4-х групп стендов в зимнее и

летнее время. Внедрение полученных моделей в информационно-учетной системе цеха холодной прокатки позволяет получить экономический эффект за счет равномерной и эффективной загрузки последующих агрегатов резки и отгрузки.

Исследование и анализ работы нахревательных колодцев с использованием операционной структуры показали, что операция нагрева часто оказывается "узким местом" в производственной структуре отделения. Это связано с существенной стохастичностью температуры посада, что приводит к колебаниям времени нагрева и, как следствие, к неритмичности выдачи слитков из-за отсутствия обоснованных методик прогноза длительности этой операции. Учитывая это, для прогноза длительности нагрева использовалась адаптивная модель, зависящая от переменных, определяющих тепловое состояние слитков до начала их нагрева, стохастической переменной, присутствие которой объясняется неточностью описания, колебаниями теплотворной способности топлива, изменяющимися свойствами ячейки. Для отделения нагревательных колодцев разработан комплекс математических моделей прогноза, позволяющих прогнозировать время нагрева для 4-х марок стали, 9 типов слитков и 4-х типов ячеек. Из полученных результатов видно, что прогноз длительности нагрева с использованием адаптивной модели превосходит прогноз по методу МНК. и значительно лучше табличного способа. Внедрение полученных результатов в виде инструкции позволило получить значительный эффект экономии топлива и улучшить работу слябинга.

Определению вероятностных характеристик процесса прокатки сляба без промежуточного нагрева посвящен раздел 6.3. Получены статистические характеристики процесса транзитной прокатки, на основе которых разработаны номограммы реализации процесса транзитной прокатки на линии нагревательные колодцы-слябинг-листопрокатный стан. Для получения окончательных рекомендаций о возможности реализации транзитной прокатки анализируются различные варианты схем прокатки с учетом циклов отработки (цроизводительностей) на слябинге и листопрокатном стане. Выбирается тот вариант транзитной прокатки (схемы прокатки), при котором циклы обработки слябинга и листопрокатного стана примерно совпадают.

Разработка алгоритмов подсистемы адаптивного прогнозирования в АСУ участком адьюстажа листопрокатного стана рассмотрена в разд. 6.4. Применение адаптивных Р-алгоритмов существенно повысило адекватность получаемых моделей. Разработаны принципы и методы расчета экономических санкций (разд.6.5) за своевременность и качество

выполнения оперативных планов с учетом нормативов приплат и скидок, отнесенных на вид или группу видов продукции. Они базируются на особенностях и взаимосвязях сквозной технологии процесса производства комплекса сталь-прокат и составляют основу подсистемы оценки эффективности моделирования ДПСОУ при реализации производственной программы. В разделе 6.6 синтезированы алгоритмы расчета оперативного плана загрузки производственных мощностей металлургического комплекса. Для этого используются критерий и методы, предложенные в гл.2. Приводится способ определения ¿Г-зоны, характеризующий допуск (надежность) на выполнение оперативного плана. Приведены алгоритмы оптимизации оперативного плана по различным критериям.

Реализация разработанных моделей, алгоритмов, методических рекомендаций и программ на КарМК позволила получить значительный экономический эффект (более 2.7 млн. руб в ценах 1988 года).

ОСНОВНЫЕ ВЫВОДЫ.

Диссертационная работа посвящена разработке теоретических положений, моделей и методов построения систем оперативного управления производственными комплексами с учетом стохастической природы протекающих процессов, ориентированных на гарантированное выполнение поставленной цели. В работе получены следующие результаты.

1. Проведен анализ используемых методов оперативного управления производственными комплексами. Отмечена необходимость повышения эффективности алгоритмов оперативного управления сложными стохастическими производственными системами. Проанализированы методы оценки надежности функционирования ПК-системы. Показано, что вопросам надежности в системах оперативного управления производством уделялось недостаточно внимания. Особенно актуальна эта проблема для стохастических ПК-сисгем, к которым относятся производственные комплексы металлургического предприятия. На основе проведенного критического анализа состояния проблемы оперативного управления сформулирована научная проблема данной работы и рассмотрены основные задачи исследований.

2. Предложены принципы построения диагностико-прогнозирующих систем оперативного управления производственным комплексом. Приведена агрегатная структура комплекса и рассмотрены способы ее декомпозиции на элементарные производственные звенья. Впервые разработанная операционная структура ПК-системы использована в качестве основы для

создания алгоритмов функционирования производственного комплекса. Предложена аксиоматическая структура элементарного производственного звена. Дана постановка системных задач, решаемых на операционном уровне.

3. Предложены критерии оптимальности и оценки эффективности работы ПК-системы в условиях неопределенности. Разработан способ получения интегрального критерия качества на основе локальных функционалов.

4. Разработанные методы формализации процессов в ПК-системе, а также способы постановки и решения задач оптимизации выполнения производственного задания на макро- и микроуровнях управления производственным комплексом составили основу методологии построения диагностико-прогнозирующих систем оперативного управления. Рассмотрены основные этапы построения ДПСОУ.

5. Показано, что в условиях неопределенности для получения требуемого запаса устойчивости системы при синтезе и реализации алгоритмов управления в качестве критерия оптимальности необходимо использовать показатель функциональной надежности ПК-системы. Дано развитие понятия отказа для системы оперативного управления производством. Разработана методика оценки уровня надежности системы управления, основанная на сочетании теории вероятности и нечетких множеств. Введено понятие целевой надежности ПК-системы. Разработаны процедуры идентификации показателей надежности в системах оперативного управления, учитывающие влияние технологических параметров звеньев ПК-системы и ошибок, связанных с реализацией месячного задания. Предложенные алгоритмы и методы применяются для решения задач оперативного управления ПК-системы, оптимальных с точки зрения надежности достижения поставленной цели.

6. Получен новый класс адаптивных алгоритмов идентификации процессов в ПК-системе, робастных к действующим возмущениям. Рассмотрены основные модификации Р-алгоритма с учетом условий реализации системы идентификации и свойств исследуемого объектов. Для случая идентификации нестационарных процессов синтезирован класс БР-алгоритмов адаптации, основанный на принципах поисковой и беспоисковой настройки. Предложен способ выбора структурных параметров разработанной процедуры идентификации. Исследована сходимость разработанных алгоритмов идентификации.

7. Для выбора алгоритма идентификации в реальных условиях разработана имитационная система сравнительной оценки эффективности алгоритмов адаптации.

8. Дана постановка задачи идентификации стохастических процессов в ПК-системах в условиях неопределенности. Разработаны алгоритмы нелинейного преобразования случайных процессов. Предложены аналитический и численный методы нахождения плотности распределения случайного процесса на основе базового распределения. Разработан алгоритм моделирования случайных процессов со скачкообразным изменением параметров. Предложены процедуры классификации и фильтрации переменных. состояния процессов в ПК-системе. На основе полученных алгоритмов разработан метод прогнозирования стохастических процессов.

9. Разработаны методы идентификации и управления производственными звеньями комплекса сталь-прокат КарМК; нагревом слитков в отделении нагревательных колодцев; производственным процессом участка сталь-прокат на примере КарМК; распределения во времени месячного задания на выплавку металла в ПК-системе; выплавкой металла и определения потребности ПК-системы в комплекте изложниц по критерию надежности. Синтезированы алгоритмы оперативного управления, обеспечивающие: прогнозирование сроков готовности металла в колпаковых печах цеха холодной прокатки; оценку времени прокатки сляб без промежуточного нагрева; адаптивный прогноз в задачах АСУ участком адъюстажа листопрокатного цеха; получение хозрасчетных санкций за невыполнение оперативного плана. Разработанные модели и алгоритмы оперативного управления составляют основу функционального наполнения ДПСОУ производственным комплексом.

10. Разработанные алгоритмы, методы и программные средства апробированы и использованы при решении задач оперативного управления и идентификации производственных процессов на ряде металлургических предприятий. Подтверждена эффективность их внедрения. Возможно широкое использование полученных результатов в металлургической отрасли.

Основные результаты диссертации опубликованы в следующих работах :

1. Пятецкий В.Е. Оперативное управление производственными комплексами металлургического предприятия. В 3-х книгах. Книга 1. Состояние проблемы и пути ее решения.- М.: ИПУ РАН, 1993,-38с.

2. Пятецкий В.Е. Оперативное управление производственными комплексами металлургического предприятия. В 3-х книгах. Книга 2. Методология построения диагаостахо-прогнозирующих систем.-М.: ИПУ РАН, 1994.-82с.

3. Пятецкий В.Е. Оперативное управление производственными комплексами металлургического предприятия. В 3-х книгах. Книга 3. Адаптивная идентификация производственнх процессов в условиях неопределенности.-М.: ИПУ РАН, 1994.-74с.

4. Пятецкий В.Е. Оптимизация сортамента проката для производства высокоточного холоднокатанного листа (Раздел 2.4 ) // Высокоточная прокатка тонких листов. -М.: Металлургия, 1988.-С. 76-83.

5. Коновалов Ю.П., Пятецкий В.Е. Стратегия управления настройкой и перенастройкой широкополосных станов горячей прокатки (ШСГП): Глава 111, п.4. //Автоматизированные широкополосные станы, управляемые ЭВМ / Беняковский М.А. и др. -М.: Металлургия, 1984. -240с.

6. Пятецкий В.Е. Адаптивные модели идентификации и управления организационно-техническими процессами на металлургическом предприятии. -М.: Деп. в Черметинформации, N 4301, 1988. -45с.

7. Карабугов H.H., Пятецкий В.Е. Параметрическая идентификация металлургических процессов: учет информационных аспектов. -М.: Металлургия, 1991.-144с.

8. Смирнов А.П., Пятецкий В.Е., Татаров В.А. Моделирование надежности функционирования производственных систем.-М.: ЦЭМИ, 1989.-144с.

9. Пятецкий В.Е., Смирнов А.П. Моделирование надежности функционирования сложной производственной системы.-М.: Деп. в Черметинформации, N4347, 1988. -37с.

Ю.Дьячко А.Г., Пятецкий В.Е., Смирнов А.П. Оценка надежности реализации производственной программы участка "сталь-прокат" металлургического предприятия.-М.: Деп. в Черметинформации, N3287, 1986.

.11. Пятецкий В.Е. Моделирование экономического результата в задачах оперативного управления металлургическим производством //Моделирование производственных процессов. - Новосибирск: ИЭиОПП, 1986. -С.120-134.

12. Пятецкий В.Е., Смирнов А.П. Статистическое моделирование движения металла на участке "сталь-прокат".-М.: Деп. в Черметинформации, N3288, 1986.

13. Смирнов А.П., Пятецкий В.Е. Структурная идентификация производственных процессов участка "сталь-прокат" //Известия ВУЗов. Черная металлургия.- 1989, N7. -С.44-46.

14.Дьячко А.Г., Пятецкий В.Е., Смирнов А.П. Оптимизация суточного графика выплавки стали по критерию надежности //Известия ВУЗов. Черная металлургия.- 1987, N5. -С.142-145.

15. Пятецкий В.Е., Смирнов А.П. Построение динамической модели функционирования сложной производственной системы.- М.: Дел. в ВИНИТИ, N90J4, 1985.

16.Пятецкий В. Е., Сычков А. Б. Оптимизация технологии горячей прокатки тонких листов на стане 1700 КарМК //Производство горячекатанной и холоднокатанной листовой стали. -М.: Металлургия, 1983. -С.4-7.

17.Пятецкий В.Е. Критериальный подход к задачам оперативного управления широкополосным станом горячей прокатки //Разработка и внедрение АСУ" в прокатном производстве. -М.: ЦНИИТЭИ приборостроения, 1983. -С.37.

18. Пятецкий В.Е. Оптимизация технологии производства листа на широкополосном стане 1700 КарМК //Теория и практика производства толстолистовой стали. -М.: Металлургия, 1982. -С.57-61.

19. Пятецкий В.Е., Литвяк B.C. Интегрированная информационная система прокатно-термического комплекса . цеха холодной прокатки //Металлургия черных металлов. -Алма-Ата: КазПИ, 1982. -С.60-64.

20. Пятецкий В.Е. Проблема повышения эффективности оперативного управления большими производственными системами //Методы решения задач оперативного управления в АСУ отраслевого и межведомственного уровней. -М: ВНИИ ПОУ, 1982. -С. 30-31.

21. Пятецкий В.Е., Урванцева С.Е. Оценка надежности планов предприятий в задачах оперативного управления // Методы решения, задач оперативного управления в АСУ отраслевого и межведомственного уровней. -М.: ВНИИ ПОУ, 1982. -С.78-80.

22.Пятецкий В.Е., Бурдо А.И. Разработка класса алгоритмов адаптивной идентификации линейных систем //Автометрия, N6,-Новосибирск: Наука, 1982. -С.36-42.

23. Пятецкий В.Е. Имитационное моделирование процессов управления производственным участком //Модели управления производством. Новосибирск: ИЭиОПП, 1980. -С.45-53.

24. Пятецкий В.Е. О методологии построения имитационно-прогнозирующих систем металлургических комплексов //Тезисы докладов Ш Международного симпозиума "Имитация. систем-90".-0десса, 1990. -С.66-67.

25.Karabutov N.N., Pyatetsky V.Y. The use of iterative identification algorithms in metallurgical process control system // 1FAC workshop on Evaluation of adaptive control Strategie in industrial application". -M, 1989, -P.70.

26. Pyatetsky V.Y. Methodology of developing P-algorithms of linear plant adaptive identification //Evaluation of adaptive control strategies in industrial applications. Proceedings of the IFAC, Workshop series, -Tbilisi, USSR, 1989, -P.109-113.

27.Пятецкий B.E. О методологии надежностного подхода в управлении производственными системами //XI Всесоюзное совещание по проблемам управления,- Ташкент, 1989. -С.320-321.

28. Пятецкий В.Е. Оптимизация надежности функционирования сложных производственных систем // Тезисы докладов Всесоюзного семинара "Модели планирования и хозрасчета на предприятии", Одесса. -М.: ЦЭМИ, 1988. -С196.

29.Пятецкий В.Е.,Бурдо А.И., Зейнешев М.К. Способ получения нелинейного безинерционного преобразования в задачах моделирования случайных процессов с лапласовским законом распределения. -М.: Деп. в Черметинформации, N4416, 1988.

30. Пятецкий В.Е. Повышение эффективности металлургического производства методами автоматизации оперативного управления //Тезисы докладов научно-технической конференции "Организационно-экономические механизмы развития работ по автоматизации и управлению производством". -Тернополь, 1988. - С.166-167.

31. Пятецкий В.Е.,Бурдо А.И. Способ получения параметров модели скользящего среднего в задачах построения стохастических систем оперативного управления. -М.: Деп. в Черметинформации, N4417, 1988.

32. Пятецкий В.Е., Бурдо А.И., Литвяк B.C. Моделирование случайных процессов с гамма-распределением в системах оперативного управления. -М.: Деп. в Черметинформации, N4160, 1987.

33. Пятецкий В.Е. Разработка организационно-технических способов повышения эффективности листопрокатного производства //Тезисы докладов Всесоюзной научно-технической конференции "Задачи технического перевооружения листопрокатного производства". -Днепропетровск, 1987. -С.80-82.

34. Пятецкий В.Е.,Бурдо А.И., Литвяк B.C. Построение стохастических моделей прогнозирования параметров производственных систем. -М.: Деп. в Черметинформации, N4161, 1987.

35. Пятецкий В.Е. Построение имитационно-прогнозирующих моделей металлургических комплексов //Тезисы докладов X Всесоюзного совещания по проблемам управления. -М., 1986. -С.255-256.

36.Пятецкий В.Е. Надежный подход в управлении интегрированными производственными системами //Тезисы докладов Всесоюзной конференции "Разработка програмного обеспечения АСУ ТП". -Черновцы, 1986. -С.52-53.

37.Пятецкий В.Е., Смирнов А.П, Оптимизация надежности обеспечения пропускной способности комплекса "сталь-прокат" //Тезисы докладов Республиканской конференции по автоматизации производственных процессов. -Караганда, 1986. -С.16-17.

38.Пятецкий В.Е. Декомпозиция систем оперативного управления //Тезисы докладов Всесоюзной конференции "Интегрированные АСУ предприятиями. -Новосибирск, 1985. -С.25-27.

39.Пятецкий В.Е., Смирнов А.П. Моделирование и оценка надежности реализации производственной программы //Тезисы докладов Всесоюзного совещания "Надежность и эффективность АСУ ТП и АСУ". -М.: ИПУ, 1984. -С.25-26.

40.Пятецкий В.Е., Литвяк B.C. Алгоритм оперативного управления цехом холодной прокатки //Тезисы докладов ВНТК "Повышение эффективности и качества АСУ". -М.: ВСНТО, 1982. -С.14-19.

41.Пятецкий В.Е., Бурдо А.И. Разработка класса алгоритмов адаптивной идентификации линейных систем //Тезисы докладов III Всесоюзного симпозиума "Методы теории идентификации в задачах измерительной техники и метрологии. -Новосибирск, 1982. -С. 16-18.

42. Способ прокатки полос. Авторское свидетельство N1290603. /В соавторстве: Пименов А.Ф. и др., 1986.

43. Сталь. Авторское свидетельство N1281603. /В соавторстве: Багрий А.И. и др., 1986.

44. Способ транспортирования полосы отводящим рольгангом листопрокатного стана. Авторское свидетельство N1308415. /В соавторстве: Эйдельман В.М. и др., 1987.

45. Способ охлаждения прокатных валков при горячей прокатке полос. Авторское свидетельство N1357095. /В соавторстве: Трайно А. П. и др., 1987.

46. Устройство для гидросбива окалины с поверхности металла. Авторское свидетельство N1498575. /В соавторстве: Талдин Н.Я. и др., 1989.