автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методология построения систем контроля качества жидких сред по спектральным характеристикам

На правах рукописи

005011873

КРАСНИКОВ Степан Альбертович

МЕТОДОЛОГИЯ ПОСТРОЕНИЯ СИСТЕМ КОНТРОЛЯ КАЧЕСТВА ЖИДКИХ СРЕД ПО СПЕКТРАЛЬНЫМ ХАРАКТЕРИСТИКАМ

Специальность 05.13.01 — Системный анализ, управление и обработка информации (промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени , доктора технических наук

1 2 [;]Д? гш

Москва - 2012

005011873

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный университет технологий и управления им. К.Г. РАЗУМОВСКОГО (МГУТУ)»

Научный консультант

Официальные оппоненты:

Ведущая организация

КРАСНОВ Андрей Евгеньевич, доктор физико-математических наук, профессор

доктор технических наук, профессор КАРПОВ Валерий Иванович

доктор технических наук, профессор КУЗИН Рудольф Евгеньевич

доктор технических наук, профессор МАКАРОВ Руслан Ильич

Московский государственный университет тонких химических технологий им. М.В. Ломоносова (МИТХТ)

Защита состоится "28" "марта" 2012 года в 14-00 час. на заседании диссертационного совета Д 212.025.01 при ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых (ВлГУ)» по адресу: 600000, г. Владимир, ул. Горького, 87.

С диссертацией можно ознакомиться в научной библиотеке ВлГУ.

Автореферат диссертации размещен на сайте www.vak.ed.gov.ru. Автореферат разослан "_" "_" 2012 года.

Ученый секретарь диссертационного совета, доктор технических наук

Давыдов Н.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Обеспечить стабильные характеристики и стабильное качество продукции чрезвычайно важно, поскольку остановки и переналадки обходятся дорого. Снижение качества продукции влечет за собой разнообразные тяжелые последствия: утрату позиций на рынке, прямые и косвенные экономические потери, а также социальные и Даже политические последствия, что особенно характерно для производства товаров массового спроса: продукции пищевой промышленности и нефтепродуктов.

Сложность контроля качества (КК) продукции вообще и жидких продуктов, в частности, обусловлена разнообразием природы контролируемых величин, наличием связей между ними, влиянием различных химических и физических явлений, а также особенностями технологий производства. Особую сложность придает то, что при контроле качества измеряются, как правило, значения величин на пределе порога чувствительности средств измерения. Часто это наличие каких-либо примесей, присутствие которых в продукции допустимо лишь в малых и особо малых концентрациях.

Традиционные аналитические средства контроля разнообразны, основаны на разных принципах, имеют ограниченные возможности применения и часто предназначены для использования в лабораторных условиях. Для наиболее полного контроля состава жидких продуктов все шире применяются спектральные методы, условия и особенности использования которых комплексного контроля качества нуждаются в системном упорядочении. При использовании таких тонких методов, как спектральный анализ, результат измерения имеет нетривиальный вид, его интерпретация невозможна без соответствующей расшифровки, а оценка связи вида спектральной характеристики с оценкой показателя качества продукции предполагает применение детальных математических, физических, химических и физико-химических моделей.

Контроль содержания тяжелых металлов, прежде всего, в продуктах питания - постоянно актуальная проблема. Кроме того, в последнее время

значительно обострилась проблема радиационного контроля всех видов продукции вследствие известных аварий и катастроф на объектах атомной промышленности и энергетики, которые привели к распространению техногенных радионуклидов в природе, в сырьевых материалах для производства и в самом производстве. Для радиационного контроля широко применяются спектральные методы; их применение в условиях контроля качества продукции нуждается в методологическом обосновании.

Повышение эффективности решений, принимаемых по оценке качества и управлению качеством, может быть достигнуто за счет использования методов и средств искусственного интеллекта, в частности, экспертных систем (ЭС). Применительно к задачам КК жидких сред (ЖС) ЭС целесообразно строить как совокупность программно-информационных комплексов. Этот подход дает возможность объединить различные информационные и программные средства так, чтобы при объединении они обеспечивали новые, в частности, интеллектуальные функции.

Информационное обеспечение таких ЭС будет содержать в базе данных (БД) сложные информационные образы - спектральные характеристики жидких сред, а в базе знаний (БЗ) - совокупность моделей, связывающих эти характеристики с качеством. Они могут создаваться и как специализированные программные оболочки с учетом соответствующего производства. В них возможно согласовать решение задач контроля качества с экономическими, экологическими и социальными аспектами производства.

В условиях рыночной экономики важную роль в любом производстве играют интегрированные информационные системы (ИС), объединяющие все стороны деятельности от поставки сырья до анализа финансового положения компании. В этой среде должна найти свое место и информационная технология (ИТ) поддержки контроля качества продукции на основе ЭС.

В решение круга проблем, связанных с совершенствованием систем контроля качества жидких сред, существенный вклад внесли:

- в исследование моделей, методов и систем контроля качества жидких сред - Большаков О.В., Бородин A.B., Бурачевский И.И., Елисеев М.Н., Ивашкин Ю.А., Калмановский В.И., Кантере В.М., Краснов А.Е., Красуля О.Н., Маклаков В.В.; Протопопов И.И., Тужилкин В.И., BertinoM.,

Buchles В., Cammins G., Cliff M., Deming E., Dohnal M, Dohus G., Jekman E„ Heymann H., Kelih S., Krosby F., Lawless H., Numers C., Paik E., Pécora R., Pedrycz W„ Petry F., Popper R„ Pijuzy P., Yan X., Zhang Q., Shewhart W. и др.;

- в развитие спектральных методов анализа - Абрамова И.М., Авра-менко E.H., Балашов A.A., Вагин В.А., Дроханов А.Н., Жижин Г.Н., Кузин P.E., Пустовойт В.И., Рогов И.А. и др.;

- в развитие основ теории и практики процессов и систем контроля качества, построения экспертных и информационных систем - Гаврилова Т.А., Дорохов H.H., Егоров И.Н., Кааянов Г.Н., Корнюшко В.Ф., Костров A.B., Куликов Г.Г., Логиновский О.В., Макаров Р.И., Мешалкин В.П., Ни-замутдинов О.Б., Николаев А.Б., Попов Э.В., Поспелов Г.С., Поспелов Д.А., Пригожин И.Р., Рудинский И.Д., Саймон Г., Советов Б.Я., Швецов А.Н. и др.

Вместе с тем, непосредственное применение результатов известных работ для конкретного их применения как методологии построения специализированных, в частности, ЭС невозможно, прежде всего, из-за отсутствия моделей, количественно связывающих качество ЖС с их спектральными характеристиками. Таким образом, актуальна разработка методологии построения систем контроля качества жидких сред по их спектральным характеристикам.

Объектом исследования являются системы контроля качества жидких сред по их спектральным характеристикам.

Предметом исследования является методология построения систем контроля качества жидких сред, основанная на совокупности моделей, связывающих качество жидких сред с их спектральными характеристиками.

Цель и задачи исследования. Цель работы — совершенствование систем контроля качества жидких сред за счет последовательного использования спектральных характеристик и разработанных методов их анализа. Для ее достижения необходимо решить следующие задачи.

> Разработать концептуальные основы методологии построения систем контроля качества жидких сред по спектральным характеристикам применительно к условиям различных производств.

> Сформировать модели баз знаний экспертных систем контроля качества жидких сред по различным спектральным характеристикам.

> Разработать архитектуру и прототипы экспертных систем контроля качества разных жидких сред по различным спектральным характеристикам применительно к условиям различных производств.

> Выявить особенности согласования систем контроля качества жидких сред и обеспечивающих информационных систем.

Научная новизна заключается в следующих результатах работы.

> Создана методология построения систем контроля качества жидких сред по спектральным характеристикам как специализированных экспертных систем; ее концептуальные основы включают:

- метод спектральной компьютерной квалиметрии.

- классификацию спектральных характеристик жидких сред на физически однородные и физически неоднородные спектры;

- статистическое описание спектральных характеристик жидких сред на основе усеченного нормального распределения;

> Сформирована совокупность моделей баз знаний экспертных систем контроля качества жидких сред по спектральным характеристикам:

- модель «состав - структура - свойство» для жидких сред, состояния которых наблюдаются по их спектральным характеристикам;

- модель макросостояний жидких сред как кластеров в многомерном пространстве спектральных характеристик, определяемых их общегрупповыми функционально-технологическими свойствами;

- модель идентификации микросостояний жидких сред путем оценивания совокупности значений показателей их функционально-технологических свойств параметрическим и непараметрическим методами.

> Разработаны архитектура и прототипы экспертных систем контроля качества жидких сред по их спектральным характеристикам:

- углеводородных соединений по инфракрасным спектрам молекулярного поглощения;

- органических примесей в этиловом спирте по многомерным спектрам (совокупности оптических спектров возбуждения - испускания флуоресценции, поглощения - отражения);

- спектрально-текстурного анализа жидких средах по данным многозональной телевизионной структурометрии.

> Разработаны архитектура и прототипы экспертных систем для идентификации малых концентраций различных примесей в жидких средах по оптическим спектрам атомного поглощения, инфракрасным спектрам молекулярного поглощения, оптическим спектрам динамического когерентного светорассеяния, а также по данным масс-спектрометрии и радиационной спектрометрии.

> Предложена методика согласования уровня развития базовой экспертной технологии и обеспечивающих информационных систем в условиях экспертной системы контроля качества жидких сред. Теоретическая значимость результатов работы состоит в том, что разработанная методология построения систем контроля качества жидких сред по спектральным характеристикам как специализированных ЭС вносит существенный вклад в совершенствование (повышение оперативности и достоверности) систем управления качеством жидких продуктов, в развитие их научно-методических и теоретических основ.

Практическая значимость работы заключается в том, что разработанные прототипы ЭС обеспечивают автоматизированный контроль качества и позволяют отказаться от привлечения экспертов и физико-химических лабораторий. Основные результаты работы использованы в реальных проектах и в промышленных масштабах в конкретных производствах, а также в учебном процессе университета; их использование разработано и освоено при участии автора. Кроме того, по материалам диссертации получено 2 патента РФ, 2 разработки получили свидетельства об отраслевой регистрации, получено свидетельство о регистрации программы для ЭВМ.

Результаты работы внедрены в следующих организациях: ВНИИ ПН, НТЦ УП РАН, ВНИИ ПБ, ООО «ИнтелКомТех», ООО «СпектрКомТех». Теоретические и практические результаты диссертации вошли в содержание дисциплин профессионального • цикла по кафедре информационных

технологий ФГБОУ ВПО «МГУТУ им. К.Г. Разумовского». Результаты работы могут непосредственно использоваться в научно-исследовательских работах и оказании консультационных услуг по данному профилю.

Апробация работы. Основные результаты работы обсуждались на:

V Международной научно-практической конференции «О состоянии и направлениях развития производства спирта этилового из пищевого сырья и ликёроводочной продукции» (Москва, май 2005); II научно-практической конференции «Проблемы качества, безопасности и диагностики в условиях информационного общества». - (Сочи, октябрь 2005); XI Международной научно-практической конференции «Стратегия развития пищевой промышленности» (Москва, ноябрь 2005); Международной научно-практической конференции «Актуальные проблемы науки и высшего образования» (Унеч-ский ф-л МГУТУ, май 2006); Международной научной конференции, посвященной 90-летию со дня рождения Нобелевского лауреата академика A.M. Прохорова «Фундаментальные основы инженерных наук» (Москва, октябрь 2006); III научно-практической конференции «Инновации в условиях развития информационно-коммуникационных технологий» (Сочи, октябрь 2006); V Международной выставке и научно-практической конференции «Аналитические методы измерений и приборы в пищевой промышленности» (Москва, 2007); VII научно-практической конференции ВФ МГУТУ «Технологии, научно-техническое и информационное обеспечение в образовании, экономике и производстве региона» (Вязьма, май 2007); XIII Международной научно-практической конференции «Стратегия развития пищевой промышленности» (Москва, ноябрь 2007); VIII научно-практической конференции ВФ МГУТУ «Технологии, научно-техническое и информационное обеспечение в образовании, экономике и производстве региона» (Вязьма, май 2008); V научно-практической конференции «Инновации в условиях развития информационно-коммуникационных технологий» (Сочи, октябрь 2008);

VI Международной научно-практической конференции «Аналитические методы измерений и приборы в пищевой промышленности. Экспертиза, оценка качества, подлинности и безопасности пищевых продуктов» (Москва, декабрь 2008); VI Международной научно-практической конференции «Аналитические методы измерений и приборы в пищевой промышленности. Экспертиза, оценка качества, подлинности и безопасности пищевых продуктов» (Москва, декабрь 2008); Международной научной конференции студентов и молодых учёных «Экологически безопасные ресурсосберегающие техноло-

гии и средства переработки сельскохозяйственного сырья и производства продуктов питания» (Москва, 2009); I Международной научно-практической конференции «Инженерные инновационные технологии автоматизации и управления в агропромышленном комплексе» (Москва, октябрь 2009); XVII Международной научно-технической конференции «Информационные средства и технологии» (Москва, октябрь 2009); I Международной межвузовской конференции «Современные методы аналитического контроля качества и безопасности продовольственного сырья и продуктов питания» (Москва, ноябрь 2010); 53-й научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук» (Долгопрудный, ноябрь 2010); II Международной научно-практической конференции «Инженерные инновационные технологии автоматизации и управления в агропромышленном комплексе» (Москва, декабрь 2010); Международной научно-практической конференции «Стратегические аспекты управления экономикой в регионе» (Владимир, октябрь 2011).

Результаты работы отражены также в НИР, выполненных в МГУТУ:

- «Разработка методологии применения экспертных систем компьютерной квапимет-рии дпя идентификации и контроля качества ликероводочной продукции и этилового спирта», по договору № 1/11-04 от 26 ноября 2004 г., № гос. регистрации 0120.0500.670;

- «Разработка принципов построения интеллектуальных экспертных систем реального времени для контроля состояний многопараметрических объектов и процессов». Аналитическая ведомственная целевая программа «Развитие научного потенциала высшей школы», мероприятие 1 «Проведение фундаментальных исследований в рамках тематических планов», № гос. регистрации 1.1.06,2006-2010;

- «Разработка принципов описания многокомпонентных систем на основе объединения алгебры нечетких множеств и нейроноподобных алгоритмов». Аналитическая ведомственная целевая программа «Развитие научного потенциала высшей школы», мероприятие 1 «Проведение фундаментальных исследований в рамках тематических планов», 2011.

Публикации. По материалам диссертации опубликовано 99 работ, в том числе 3 монографии, 20 статей в изданиях из перечня ВАК; получены 2 патента РФ, 2 свидетельства об отраслевой регистрации разработки и свидетельство об официальной регистрации программы.

Автор выражает искреннюю благодарность за плодогворное сотрудничество в проектах, связанных с темой диссертации, докторам наук Краснову А.Е., Кострову A.B., Красуле О Н, Вагину A.B., Шлёнекой Т В., Грузинову Е.В., Жирову М.В.; кандидатам паук Воробьевой А.В , Абрамовой И.М., Алаторцеву Е.И., Дроханову А.Н., Жировой В.В., Янькову B IO.

Структура и объем работы. Диссертация включает введение, 7 глав, заключение, список литературы (315 наименований) и 5 приложений. Ос-

новной текст изложен на 265 страницах и содержит 33 таблицы и 93 рисунка.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель и задачи исследования, определены объект и предмет исследования, сформулированы элементы научной новизны результатов работы, показана теоретическая и практическая значимость полученных результатов.

В первой главе проведен системный анализ методов и средств ККЖС на примере пищевых и технологических продуктов. Рассмотрены модели и методы инструментального контроля, используемые для ККЖС.

Показано, что известные инструментальные и численные методы ККЖС недостаточно используют спектральные характеристики. Это обусловлено, в частности, отсутствием моделей, количественно связывающих качество жидких сред с их спектральными характеристиками, что, в свою очередь, не позволяет применять эффективные системные технологии оценки качества - технологии ЭС. Как таковая отсутствует методология построения ЭС контроля качества жидких сред по спектральным характеристикам. В результате обоснована актуальность разработки такой системной методологии, сформулированы задачи исследования.

Во второй главе рассматриваются концептуальные основы системной методологии построения ЭС контроля качества жидких сред по спектральным характеристикам. Концептуальные основы включают: классификацию спектральных характеристик жидких сред на физически однородные и физически неоднородные спектры; статистическое описание спектральных характеристик жидких сред на основе усеченного нормального распределения; метод спектральной компьютерной квалиметрии.

Классификация спектральных характеристик жидких сред. Показано, что спектральные характеристики, или спектры, как показатели качества жидких, в том числе, пищевых, технологических и горючих сред можно разделить на две группы: физически неоднородные спектры - непосредственно определяются инструментальными физико-химическими методами; физически однородные спектры - определяются методами атомной или молекулярной оптической спектроскопии, хроматографически и т.п.

Спектры первой группы позволяют оценивать показатели качества или функционально-технологические свойства (ФТС) как готовых продуктов, так и исходного сырья с высокой точностью; однако для их получения требуются длительные лабораторные физико-химические исследования; эти методы эффективны при определении ультрамалых количеств вещества. В главе рассмотрены ФТС водок, ликероводочных изделий и виноградных вин, а также ФТС воды. При оценке качества природной воды имеет значение не только природа примесей, но и их физико-химическое состояние. Поэтому к технологической воде предъявляются более жесткие, чем к питьевой воде, требования. Представлены также физико-химические показатели качества углеводородных соединений (на примере автомобильных бензинов).

Спектры второй группы получают оперативно с помощью специализированных инструментальных средств. Приведены регламентированные и перспективные методы идентификации и контроля качества водок, ликероводочных изделий и виноградных вин, а также перспективные методы и средства оптического контроля углеводородных соединений.

Физически однородный спектр жидких сред формируют как функцию 5(со) частоты ш (либо времени или пространственной координаты), которая описывает отклик на внешнее воздействие. Данные спектры несут косвенную информацию о микро- и макроскопических, физико-химических и структурных свойствах сред. При этом количество М=0./ Д£2 потенциальных свойств определяется максимальной шириной О. полосы отклика (О < со < О) и разрешающей способностью ЛП метода.

Пример таких функций отклика в виде спектров оптических плотностей углеводородного спиртосодержащего соединения (находящегося в двух состояниях), зарегистрированных в среднем инфракрасном диапазоне (400 см"' < V <4000 см'1) с разрешением Ду = 1 см'1, приведен на рис. 2.1.

Рассмотрена задача построение моделей функциональных зависимостей, связывающих физически однородные и физически неоднородные спектры и являющихся, по существу, основой БЗ ЭС.

Волновые числа, см'

Рис. 2.1. Спектры оптических плотностей 2-х состояний углеводородного спиртосодержащего соединения

Статистическое описание физически однородных спектров жидких сред на основе усеченного нормального распределения. Показано, что выборочные плотности вероятностей значений разброса физически однородных спектров жидких сред наиболее согласованно (по критерию максимума энтропии) описываются усеченным нормальным распределением, параметры которого определяются первыми четырьмя моментами выборочных распределений.

В то же время, теоретически полученное усеченное нормальное распределение наиболее согласованно (по критериям максимума энтропии и хи-квадрат) описывает одномодальные выборочные оценки плотностей вероятностей значений разброса физически однородных спектров ЖС.

Пример распределения спектральных помех для бензина, изготовленного из относительно одно-

а.12-1

экспериментальное распределение покск теоретическое распределение помех

родного сырья и по одному техническому регламенту, приведен на рисунке 2.2.

Рис. 2.2. Гистограмма одномо-дального экспериментального распределении помех спектра углеводородных соединений и се покрытие теоретической оценкой плотности вероятности («Ре-гуляр-92»)

Такое распределение помех облегчает применение теории статистических решений в качестве основы разработки специального обеспечения кластеризации и распознавания физически однородных спектров ЭС.

Метод спектральной компьютерной квалиметрии. На основе обобщения принципов использования ЭС в условиях ККЖС по их спектральным характеристикам предложен метод спектральной компьютерной квалиметрии (СКК). Метод основан на разработке специальных или использовании известных инструментальных средств (методов, датчиков и приборов) оперативного контроля разнообразных физико-химических, оптических, реологических и биологических характеристик пищевых сред совместно с компьютерными ЭС для связывания «спектров» или совокупностей получаемых инструментальных показателей качества жидких сред с их ФТС и потребительскими характеристиками. По мере накопления данных и знаний такие ЭС смогут автономно производить идентификацию и оценку качества жидких сред по входным запросам в виде соответствующих спектральных данных. Реализация СКК требует разработки специальных методов и средств.

Идея метода СКК показана на рис. 2.3 применительно к ККЖС по оптическим спектрам светорассеяния. Луч источника света И освещает кювету К с исследуемой жидкостью. Рассеянный свет попадает на детектор Д, формирующий спектр А' рассеяния (угловой, цветовой, частотный, оптический, инфракрасный, комбинационный - в зависимости от конкретной задачи и исследуемой жидкости). Спектр поступает в устройство сравнения УС (аналоговое, цифровое, цифроаналоговое), куда поступают эталонные спектры из базы данных БД. УС вырабатывает сигналы сравнения Цт = {£„}), на основе которых блок управления БУ формирует управление и({//т}).

Рис. 2.3. Обобщенная система спектральной компьютерной квалиметрии

Как видно из рис. 2.3, управление, вырабатываемое в контуре обратной связи, осуществляет специализированный поиск в БД. Например, в простейшем случае отыскивается максимальное значение

Создание СКК связано с решением трех базовых задач:

- формирование БД, хранящих «эталонные» или «опорные» спектры, характеризующие разносторонние свойства жидких сред;

- уверенное различение «близких» спектральных распределений;

- построение экспертных правил (знаний), на основании которых будет синтезироваться отклик на неизвестный входной спектр.

Предположим, что наблюдаемые спектральные данные X описываются аддитивной моделью в виде

Х=5т + АГ,

где Бт — вектор-столбец т-ого эталонного спектра, а Н - вектор-столбец аддитивных «нормально распределенных» помех (описываемых усеченными нормальными распределениями). Получено, что в зависимости от конкретного вида модели возможны различные методы оптимального сравнения неизвестных и опорных данных. При этом оптимальность понимается в смысле экстремума критерия различительной способности при сравнении.

На рис 2.4 приведена обобщенная схема управления качеством жидких пищевых сред с использованием метода СКК и ЭС, реализующей контур автоматизированного управления.

СКК особенно эффективна в области управления качеством продукции, основанной на органических средах (растительные и минеральные масла, углеводородные соединения), а также вин и ликероводочной продукции, что связано с возможностью практического осуществления оперативного спектрального анализа данных сред в широком диапазоне физических воздействий.

В третьей главе рассматриваются модели баз знаний ЭС контроля качества жидких сред по спектральным характеристикам.

Модель «состав - структура — свойство» для ЖС, состояния которых наблюдаются по спектральным характеристикам. ЖС представляют собой

наногетерогенные и микрогетерогенные смеси. На субмикронном уровне (1 нм-ИОО нм) они имеют сложную структуру, обусловленную взаимодействием молекул. На микро-уровне (0,1 мкм н- 50 мкм) их структура обусловлена включениями неоднородных примесей. ФТС (совокупность физико-химических, биологических, потребительских показателей качества) таких смесей невозможно описать лишь на основе свойств отдельных молекул и атомов. Смесь представляет собой гетерогенную систему , состоящую из большого, но конечного числа К комплексов, определенным образом и в различных массовых долях сочетающих парциальные компоненты (ингредиенты, молекулы и примесные включения в случае ЖС) смеси.

Рис. 2.4. Обобщенная схема управления качеством жидких пищевых сред

На основе термодинамической модели (Краснов А.Е., Красников СЛ., Николаева C.B.) и квантовой модели (Kielich S.) получено выражение, описывающее зависимость спектра со) оптической плотности поглощения жидкой среды (многокомпонентного молекулярного соединения I\к ) от индивидуальных (парциальных) спектров Sn(а>) оптических плотностей

'Jt^mstm^ (Mt-44'it..t",)

Выпи

vbtvkuti«<mcko<

рпынри, •■•»>.

ПИД регуляторы

поглощения отдельных молекулярных компонентов и их мольных долей Мп («= 1,2,..., Л*) в приближении парных взаимодействий

^(со)=£мл((о)+£ (з1>

п=\ л = 1/и=]

//(ш) - спектральная помеха; А„ - вириальные коэффициенты, связанные с парными взаимодействиями молекул и зависящие от анизотропии их поляризуемости, концентраций, температуры.

Для изотропных молекул А„=А получим

N

^(ш) = £^я(£0)А/и5„(Ш) + Я(Ш), (3.2)

я=1

где структурный фактор жидкой среды

N

5Г„(ю) = 1 + А^Мт 5т(ш)[5„(ш) + (ю)] (3.3)

т-1

определяется вириальным коэффициентом и взаимодействиями молекул.

Модель идентификации макросостояний ЖС как кластеров в многомерном пространстве спектральных характеристик, определяемых групповыми ФТС. В качестве критерия оптимальности разделения групп векторов на кластеры рассматривался множественный линейный дискриминант Фишера:

* т $ 2/й.-лх««-»)

г _ сП_

5 « »к

- I

С=1 ¡-I

(х „ число групп, на которые разбиваются векторы, п% - число векторов в каждой группе, тс - вектор проекции центра масс каждой группы на плоскость, т - вектор проекции общего центра масс на плоскость, у,с - вектор проекции каждого спектра на ту же плоскость, т- индекс транспонирования).

Иначе говоря, числитель этого критерия составляет сумму квадратов расстояний от проекции центра масс группы до проекции общего центра масс на плоскость, а знаменатель - сумму проекций дисперсий каждой группы спектров на ту же плоскость.

Рассматривался также критерий, предложенный В.Ю. Яньковым:

Здесь числитель площадь треугольника, вершины которого совпадают с проекциями центров масс каждой группы на плоскость, а знаменатель - тот же, что и у дискриминанта Фишера.

На рисунке 3.1 и 3.2 приведены проекции многомерных (2000 отсчетов) инфракрасных спектров бензинов и вин на плоскость на основе критериев Фишера-Янькова. Кластеризация проводилась как по критерию Фишера, так и по критерию В.Ю. Япькова. Существенных различий при этом не выявлено.

Видно, что макросостояния ЖС могут быть описаны кластерами в многомерном пространстве их физически однородных спектров. При этом, каждый кластер может быть определен по физически неоднородным спектрам. Так, в приведенных примерах роль идентификаторов кластеров играли значения октановых чисел бензинов и марки вин соответственно.

В дальнейшем макросостояния жидких сред определяются принадлежностью физически однородного спектра жидкой среды тому или иному кластеру методом ближайших соседей.

Модель идентификации микросостояний ЖС путем оценивания совокупности значений показателей ФТС параметрическим и непараметрическим методами. Под идентификацией микросостояний ЖС понимается оценивание значений различных показателей У ее ФТС по измеренному физически однородному спектру 5. Рассматриваются два метода идентификации.

vii, ♦ • •

УЭЭ,

4 А А

ООО

ООО

УУ,

/ »1

та;

У32;

УЗЗ, АЛА

ЯНН

УУ7

,_

я»» -30

-0.02 0 0.02 0.04

У2|,.У22,,У23,,22|.г2!,7.21

-20 -10А У2. У22; . У2^ . 7.21. /.22. 7.23

Рис. 3.2. Разделение 12 вин на три

Рис. 3.1. Разделение IX бензинов на три кластера по их маркам (Аи-92, Ли-95, Аи-98) кластера (полусладкое, сухое, сладкое)

Параметрический метод основан на представлении произвольного измеренного спектра 5т(\>) жидкой среды, находящийся в /и-ом макросостоянии, в виде полиномиальной регрессии (Краснов А.Е., Красников С.А.)

5т(у, Км) = А (ч)+У * ВМ + Г* *С М +

т т т м т

т тк тК (3.4)

где А (у), В (v), с (v), д (v) - неизвестные детерминированные

т м т /и

спектральные функции; Нт{у) — неизвестные случайные спектральные функции, определяемые как точностью представления (3.4), так и точностью измерения спектра; Ут- показатель ФТС жидкой среды, который определен физико-химическим методом для ее от-ой марки или т-ого макросостояния (т = 1,2, ..., \1). Физически однородный спектр - это, например, спектр оптической плотности используемого диапазона электромагнитных волн, определенный для каждой длины волны "К или каждого волнового числа V (V = 2пГК) к-го известного образца т-ого макросостояния жидкой среды. Частный случай (3.4)

т т т т

по закону Ламберта-Бера соответствует зависимости оптической плотности сильно разбавленного вещества от молярной концентрации ст т-го сорта молекул, его молярной экстинкции ет(у) и оптического пути £.

Для общего случая зависимости (3.4) необходимо найти неизвестные детерминированные спектральные функции ^(с), £>т(у) и,

подставив их в (3.4), решить уравнении относительно У. Разработаны алгоритм и решение данной задачи численным методом стохастической аппроксимации Роббинса-Монро, а также найдена верхняя граница относительной среднеквадратической ошибки (СКО) оценивания значения У

( _

8ирСЮ0„ =

(5>)),/2{л-,>)

(3-6)

Параметрический метод дает четкий критерий построения предварительной адаптивной частотной фильтрации ут (V) в виде соотношений

у(у)

=>шіл, т = 1,2,

а также критерий

■1, « = ], 2.....М,

(3.7)

(3.8)

показывающий, что для определения некоторого показателя У ФТС ЖС по ее измеренному спектру 5(у) необходимо сначала определить, к какому т-му макросостоянию относится данный спектр. При этом точность оценивания показателя У тем выше, чем «ближе» спектр к среднему значе-

нию 5и(у) спектра т-го макросостояния в смысле критерия (3.8).

Непараметрическая модель связывает значение У какого либо ФТС жидкой среды, находящейся в т-ом макросостоянии, с ее измеренным физически однородным спектром «У выражением

*=і I ДА- )

где функции принадлежности из теории нечетких множеств

0-5„(*)П 1

№ тк (5> =

1 +

(3.9)

(3.10)

Ры <*) = А

а а'

= ехр

1«-«.(*)!'

2 Л

Утах

, Да — параметр размытости распределений (3.10), V -значения ФТС, отвечающие спектрам •£„,(к).

Определена среднеквадратическая ошибка параметрической модели

5ирСКОот11 =

(К -У )

V так шт /

ДУ1

(3.11)

На основании (3.1 і) минимальное значение выражается как

к4к '

(3.12)

При данном значение А/г СКО К из (3.9) не будет превышать величи-

ну й К2 =

■ У У

К1

Нижней границей СКО Сбудет дисперсия агзна-

чений показателя качества, связанная с погрешностью лабораторных методов его определения.

В четвертой главе, рассматривается построение ЭС для ККЖС по их

спектральным характеристикам. Обобщенная структура ЭС для ККЖС но

спектральным характеристикам приведена на рис. 4.1.

>1>Ш

тшж

вй;>>':'

1ІИ rfp.il. 41 1.1 «|,|1»| 1.1

£Ж ьл ■■

УІ.І

УШі •:/Ш: У И

/

.Щ .«ІЙІ

Интерфейс

Рис. 4.1. Обобщенная структура ЭС

Здесь показаны следующие информационные подсистемы ЭС:

> подсистема команд (СК), включающая команды управления БД (УБД), команды управления БЗ (УБЗ), команды управления машиной вывода (УМВ), команды управления вводом-выводом данных (УВВ), команды управления интерфейсами (УИ);

> подсистема БД, хранящая физически однородные спектры (ФОС) и физически неоднородные спектры (Ф!1С) жидких сред;

> подсистема БЗ, хранящая методы и алгоритмы функциональной связи ФОС с Ф11С;

> подсистема машины вывода (МВ), производящая расчеты по алгоритмам БЗ;

> интерфейс эксперта и инженера по знаниям, позволяющий производить пополнение БД, БЗ и МВ;

> тггсрфейс ввода-вывода данных, обеспечивающий работу программиста с системой;

> интерфейс пользователя, обеспечивающий работу пользователя с ЭС.

Приведенная структура является базовой для всех приведенных ниже ЭС. Экспертная система КК углеводородных соединений по инфракрасным спектрам молекулярного поглощения. БЗ ЭС содержит две модели наблюдения инфракрасных (ИК) спектров углеводородного соединения.

Первая модель характерна для измерений ИК-спектров оптической плотности образцов, помещенных в толстые кюветы (£ = 100 мкм +1000 мкм)

= Я (у,к) + Н (V,*), (4.1)

т т

где к) - опорные ИК-спектры оптической плотности используемого диапазона электромагнитных волн, определенные для каждого волнового числа V для к-го образца (к = 1,2, ..., К) известного углеводородного соединения т-ой марки (т = 1, 2, ..., М); //„(V, к) - неизвестные случайные спектральные функции, описываемые усеченными нормальными распределениями вероятностей, с нулевыми средними Ит(\\к) --- 0 и неизвестными дисперсиями ОгНт{уЛ) ■

Идентификация марки неизвестного углеводородного соединения производится МВ ЭС на основании статистики в виде мер сходства наблюдаемого ИК-спектра 5(у) с опорными ИК-спектрами Бт(у, к)

1+ £

(4.2)

где 7т(у) - идентификационные значимости (режекторные фильтры) волновых чисел спектров /я-ой марки. Например, 7 т СV)=1, если 5т(у, к) < 1,5 и ут(у)= 0, если Бт(\, к) > 1,5.

Вторая модель характерна для регистрации ИК-спектров оптической плотности углеводородных соединений, помещаемых в тонкие кюветы (£ н 0, 5 мкм +10 мкм)

т

т

(4.3)

где масштабный коэффициент д неизвестен.

Идентификация марки углеводородного соединения производится МВ ЭС на основании статистики

Идентификацию неизвестной марки углеводородного соединения МВ ЭС производит методом «ближайшего соседа», относя испытуемый образец к той марке т*, для которой мера сходства ц[5,(£)]примет наибольшее значение, т.е. т• = а^тах}^,^(Л)]}. После идентификации марки уг-

леводородного соединения МВ ЭС производит расчет физико-химических показателей качества на основе методов главы 3. На рис. 4.1 и 4.2 приводятся главная форма интерфейса пользователя ЭС и общий вид опытного образца переносного программно-аппаратного комплекса ПАК-Б КК углеводородных соединений соответственно. Комплекс внесён в Госреестр средств измерения под № 33608-06.

Экспертная система КК органических примесей в этиловом спирте по многомерным спектрам (совокупности оптических спектров возбуждения — испускания флуоресценции. поглощения — отраженияУ ЭС реализует совместное использование оптических спектров поглощения/ пропускания/отражения и спектральных распределений возбуждения-испускания флуоресценции для повышения надежности идентификации органических примесей в этиловом спирте. БЗ ЭС содержит две модели наблюдения спектров этилового спирта, аналогичные моделям (4.1) и (4.3), но для нормированных спектров Ат(Х, к) — оптического поглощения/пропускания, Я(к) - оптического отражения, /•'„(А.вАи.Л) - оптического возбуждения-испускания флуоресценции физиологически активных соединений органических примесей, определенных для характерных длин волн X, Хв и

5(у)5,(УД)У

V их»

(4.4)

Рис. 4.1. Главная форма интерфейса пользователя

ЭС

і'ис 4.2. Общий вид опытного образца переносного ирограммно-аннаратного комплекса ПАК-Б для автоматизации контроля качества углеводородных соединений1

Экспертная система КК органических примесей в этиловом спирте по многомерным спектрам (совокупности оптических спек-трое возбуждения - испускания флуоресценции, поглощения - отражения). ЭС реализует совместное использование оптических спектров поглощения/ пропускания/ отражения и спектральных распределений возбуждения-испускания флуоресценции для повышения надежности идентификации органических примесей в этиловом спирте. БЗ ЭС содержит две модели наблюдения спектров этилового спирта, аналогичные моделям (4.1) и (4.3), но для нормированных спектров Ат(К, к) -оптического поглощения/пропускания, И(к) - оптического отражения, Р„,(кв,ХИ,к) - оптического возбуждения-испускания флуоресценции физиологически активных соединений органических примесей, определенных для длин волн Хв и А,ц.

' За разработку комплекса «Переносной анализатор качества светлых нефтепродуктов» ПАК-Е получена золотая медаль V Московскою международного салона инноваций и инвестиций (Москва, ВВЦ, 2005); диплом № 559 ВВЦ за разработку и внедрение самообучающейся экспергной системы, использующей искусственный интеллект, способной проводить экспресс анализ ГСМ (Москва, ВВЦ, 2005); диплом I степени конкурса «Лучшее инженерное решение интеграции физических технологий и интеллектуальных систем» на III Международной специализированной выставке «Робото гехиика» (Москва, ВВЦ, 2005).

Для идентификации макросостояния этилового спирта МВ ЭС также вычисляет три частные меры сходства ц^, и ц^., и системную меру

сходства

где р» и р/. — значимости оптических спектров поглощения/пропускания, отражения и возбуждения-иснускания флуоресценции для идентификации соединения (рл + рй + р/' =1).

Оценивание микросостояния (показателя У) известного образца органической примеси МВ ЭС производит на основе трех спектров Лт(\, к), и используя три соответствующие меры сходства, анало-

гичные (4.2).

На рис. 4.3 приведен пример различия спектральных распределений как по отдельным мерам сходства, гак по их совокупности (мера сходства 4.5) в зависимости от отношения шум/сигнал спектральных характеристик. Видно, что использование совокупности спектральных данных, или многомерных спектров, более эффективно.

Коэфф. различия

70% 00% -'50% -40% 30% -20%

= 0,937

Я-2 = 0,97

К2 = 0,963 «

1%

2%

3%

4% 5%

сигнал

7% 8%

Коэфф. разл р

-■»■ ■■ Коэфф. раэп А

л Когфф. раэл

Пзлшюмиапший (Коэфф разл. П

— — [Ълиномиальный

(КпГ:ф<^ АЖП

— - - гьпиномиальный

(Коэфф. роол Л)

Рис. 4.3. Пример рашичия спектральных распределений

Экспертная система спектрально-текстурного анализа ЖС по данным многозональной телевизионной структурометрии. ЭС реализует получение данных об объекте с помощью подсветки исследуемых образцов пищевых продуктов калиброванными по цветовому интервалу люминесцентными светодиодами и регистрации изображений в разных спектральных диапазонах черно-белой ТВ-камерой высокой чувствительности и разрешения.

Общий вид опытного образца переносного комплекса для автоматизации спектрально-текстурного анализа жидких сред приведен на рис. 4.4,

Рис, 4.4. Общин вид опытного образца переносного комплекса для автоматизации спектралыю-тексгурного анализа жидких сред

Здесь показан измерительный датчик ТВ-сигнала, подключенный к компьютеру через видеопроцессор. В системе используются свето диоды, излучающие в синем (В), зелёном (С), красном (К) и инфракрасном (/Л) диапазонах длин воли. Комплекс строит в условных цветах спектрально-текстурные объемные (30) портреты фрагментов изображений поверхности пищевой коллоидной взвеси в жидкой среде, которые несут информацию об отражательной способности и текстуре образцу в синем (В), зеленом (Ст), красном (К) и ближнем инфракрасном (//?) спектральных диапазонах. МВ ЭС строит лепестковые диаграммы и гистограммы спектральных коэффициентов отражения исследуемых объектов и сравнивает их с эталонами. В качестве примера на рис. 4.5 приведены результаты такого сравнения.

Рис. 4.5. Результат сравнения спектральных коэффициентов отражении коллоидной взвеси в жидкой среде с эталоном

В пятой главе рассматривается построение ЭС для идентификации малых концентраций примесей в ЖС по их оптическим спектрам.

Экспертная система для идентификации малых кониентраиий примесей викарных раствпрпп по их оптическим спектрам атомного погло-

иіеніїя. ЭС реализует технологию идентификации влияния примесей малых концентраций (лекарств) на «физиологические растворы.

Физиологические растворы исследовались по их спектрам оптической плотности атомного поглощения в диапазоне длин волн к (200 + 1000) нм с помощью спектрофотометра СС-2000М. Получены спектры физраствора, физраствора+лекарство и разность спектров. БЗ ЭС содержит модели наблюдения спектров физиологических растворов, аналогичные моделям

(4.1) и (4.3). МВ ЭС принимает решение об отсутствии или наличии примеси т-го типа, используя статистики в виде зонных мер сходства, аналогичных

(4.2), но рассчитываемых для скользящего окна, включающего 100 отсчетов. Полученные зонные меры сходства спектральных распределений до и

после воздействия примесей малых концентраций показаны на рисунке 5.1.

О »•»■*" «>-».

кг/»с «»и- НИЗ »ас Г)

«>«Я-ниш

Рис. 5.1. Зонные меры сходства спектральных распределений

Как видно, в физиологическом растворе обнаружено 8 примесей, что соответствовало действительности.

Экспертная система для идентификации малых концентраций примесей углеводородных соединений по их инфракрасным спектрам молекулярного поглощения. ЭС реализует идентификацию объемных концентраций веществ с известными ИК-спекграми молекулярного поглощения в смесях с неизвестными молекулярными компонентами.

БЗ ЭС содержит модель, описывающую ИК-спектр X молекулярного поглощения смеси компонентов, содержащей вещество с известным ИК спектром і? молекулярного поглощения и неизвестной молярной концентрацией т в соответствии с моделью (3.2)

X= т Я +(I-т)Р + Ат{ 1 -да) $Р{Б+Р) + Н,

(5.1)

где Р - неизвестный спектр молекулярного поглощения фона, т.е. спектр поглощения совокупности неизвестных молекулярных компонентов смеси; А - неизвестный коэффициент, определяющий амплитуду парного молекулярного взаимодействия вещества с известным спектром $ с совокупностью неизвестных компонентов смеси; Н - спектр, соответствующий спектральной помехе или ошибке модели (5.1). МВ ЭС вычисляет оценку объемных концентраций V* искомых веществ с известными ИК спектрами 5 молекулярного поглощения по измеряемым спектрам X молекулярного поглощения смеси

(а -коэффициент, определяемый отношением молярных масс (Мх, Му) и плотностей (Д$, В!•) искомого вещества с известным ИК спектром 5 и фоновой молекулярной смеси со спектром Р: Р- режекторный фильтр максимизирующий отношение сигнал/шум).

Экспертная система для идентификаиии субмикроскопических примесей ЖС по оптическим спектрам динамического когерентного светорассеяния. ЭС реализует идентификацию субмикроскопических примесей ЖС в размерных диапазонах: [I нм+ 5 им], [6 нм+ 10 нм], [10 нм* 50 нм], [60 нм-ъ 100 нм] по оптическим спектрам динамического когерентного светорассеяния (Краснов А.Е., Красников С.А., Ефимова Т.В.). Общий вид опытного образца переносного комплекса приведен на рис. 5.2.

(5.2)

Рис. 5.2. Общий «ид опытного образца переносног о комплекса для идентификации субмикроскоиичееких примесей жидких сред

БЗ ЭС содержит модель наблюдения спектра Л>{у) динамического когерентного светорассеяния (Ефимова Т.В.)

5,00 = + //(V), где ут = (5С)/И/

(5.3)

/т — функция распределения субмикрочастиц по размерам; гт - радиус т-ой

. , и

частиц; у1} = ^/тгт ~ 6-й момент радиуса частиц; Н(у) - спектр мощно-

т

сти помех, включающих ошибку модели (5.3); - Лоренцевский

спектр рассеяния частицы т- го размера. МВ ЭС вычисляет функцию /т распределения субмикрочастиц по размерам в приведенных выше размерных диапазонах. Фрагмент интерфейса программы вычисления функции/т показан на рис. 5.3, пример работы ЭС — на рис. 5.4.

Рис. 5.3. Фрагмент интерфейса программы вычисления функции/„

3 Истинное распределение □ Восстановленное распределение

Рис. 5.4. Функция/,, распределения субмикрочастиц

(шум/сигнал = 5%, ошибка восстановления 4%)

В шестой главе рассматривается построение ЭС для контроля примесей токсичных металлов и радионуклидов в ЖС. ЭС реализует контроль примесей по данным масс-спектрометрии с индуктивно-связанной плазмой (УСТ-Л/5); для определения радиационных загрязнений продуктов и пищевого сырья используются спектры радионуклидов, получаемые как гамма-спектрометри-ческим, так и радиохимическим методами с последующей альфа-спектромет-рией или бета-радиометрией счетных образцов. Струк-

тура БД для радиационного контроля показана на рис. 6.1. БЗ ЭС содержит

Рис. 6.1. Структура БД для радиационного контроля

На рис. 6.2 и 6.3 приведены масс-спектр свинца и альфа-спектр урана в пробе питьевой воды для приготовления напитков. По характеру спектров видно, что к ним могут быть применены методы и модели главы 3.

Рис. 6.2. Масс-снектр пиков 206+207+208РЬ Рис. 6.3. Альфа-снеюр урана

Общая схема информационно-аналитического комплекса на основе ІСР-МБ показана на рис. 6.4.

1 1

I i

Масс-спектрометр ¡CP-MS

( u< тем формироеа

Ионизатор

Масс-анашзатор

iriB*"!'«-

Система информационного nit-иска программ обработки, баз данных сиеншров, бил данных ха.,иормрччч\ криьых

Обработка результатов измерений

Рис. 6.4. Схема информационио-аиалитического комплекса на основе ICP-MS

. II 11 7 л

; д 111 II /\А

.Т 1" ч69 Я V, W. И»

Г- vwtifcn: «.^.«ТГ- w-ifr- wro.ll j

В седьмой главе рассмотрено согласование ЭС контроля качества как производственных систем и обеспечивающих их рабогу ИС. Показано, что эффективность системы контроля в целом в равной мере зависит как от совершенства используемой экспертной технологии (ЭТ), так и от уровня развития (зрелости) ИС и ее базовых ИТ, а также от организации бизнес-процессов контроля качества. Предложена методика комплексной оценки и согласования компонентов ЭС, основанная на экспертной оценке.

Для оценки организационной зрелости бизнес-процессов контроля в качестве базовой принята классификация стадий, предложенная в институте SEI университета Карнеги-Меллона; для оценки уровня развития систем обработки информации (СОИ) - классификация стадий по P.JI. Нола-ну (R.L. Nolan). Для обоих компонентов системы контроля предложены группы частных критериев, экспертным путем определены их веса; на основе частных критериев находятся обобщенные групповые критерии, на их основе - глобальные критерии, определяющие уровень развития соответствующего компонента. При визуализации используется отображение в трехмерном пространстве.

При информатизации КК на основе ЭТ оценка степени их готовности к внедрению ИТ, или стадии зрелости в этом отношении, позволяет корректно определить, в каких случаях инвестиции в ИС недостаточны и потому неэффективны, а в каких избыточны и потому ИС чрезмерно дороги и поэтому неэффективны. В то же время, чем выше уровень организационной зрелости, тем больше информации необходимо обрабатывать и тем более мощной и соответственно более дорогой должна быть ИС. При этом показано, что ведущая роль в процессе развития ЭС принадлежит ИС. Предложена следующая методика согласования элементов ЭС:

Шаг 1 Определение зрелости организации управления ЭТ с использование методики, основанной на классификации университета Карнсги-Меллона.

Шаг 1 Определение зрелости ИС на основе методики, базирующейся на классификации Р.Л. Нолана.

Шаг 3 Сравнение полученного уровня с целевым уровнем зрелости ИТ. Сравнение зрелости ИТ с целевым уровнем для данной стадии зрелости организации и формирование итоговой оценки.

Шаг 4 Определение направления развития ИТ по введенным частным критериям и выработка рекомендаций по достижению целевой стадии развития СОИ.

В заключении сформулированы основные результаты работы.

В приложениях приведены таблицы требований к рассматриваемым жидким продуктам, описание используемых приборов инструментального контроля и методов спектрального анализа, списки использованных условных обозначений и сокращений.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Основным результатом работы является созданная на основе последовательного применения системного подхода методология построения систем контроля качества жидких сред по спектральным характеристикам. В ее основу положен предложенный метод спектральной компьютерной ква-лиметрии (СКК), основанный на совместном использовании инструментальных средств (методов, датчиков и приборов) оперативного контроля разнообразных физико-химических, оптических, реологических и биологических характеристик жидких сред и автоматизированных (компьютерных) систем обработки их спектральных характеристик.

Ядром метода СКК является специализированная экспертная система, в диссертации разработана базовая архитектура такой системы, единая для систем контроля качества всех рассматриваемых в работе жидких сред. Метод СКК позволяет упорядочить использование экспертных систем для контроля качества жидких сред по спектральным характеристикам на основе: общих системных принципов, он является системным методом высшего по отношению к первичным методам уровня. Концептуальные основы СКК включают также классификацию спектральных характеристик жидких сред на физически однородные и физически неоднородные спектры и статистические модели спектральных характеристик жидких сред.

При применении метода спектральной компьютерной квалиметрии в условиях различных производств и с учетом свойств контролируемых жидких сред получены также следующие результаты.

> Разработана совокупность моделей баз знаний экспертных систем для контроля качества жидких сред по их спектральным характеристикам.

> Созданы и апробированы прототипы экспертных систем для контроля качества жидких сред по их спектральным характеристикам при кон-

троле углеводородных соединений по инфракрасным спектрам молекулярного поглощения, органических примесей в этиловом спирте по многомерным спектрам, спектрально-текстурного анализа жидких средах по данным многозональной телевизионной структурометрии.

> Разработаны прототипы экспертных систем для идентификации малых концентраций примесей бинарных растворов по их оптическим спектрам атомного поглощения, малых концентраций примесей углеводородных соединений по их инфракрасным спектрам молекулярного поглощения, субмикроскопических примесей жидких сред по оптическим спектрам динамического когерентного светорассеяния, а также для контроля примесей тяжелых металлов и радионуклидов в жидких средах по данным масс-спектрометрии и радиационной спектрометрии.

> Предложена методика согласования уровня развития базовой экспертной технологии и обеспечивающих информационных систем.

Таким образом, разработанная на основе применения системного подхода методология построения систем контроля качества жидких сред по спектральным характеристикам как специализированных экспертных систем позволяет на единой научно-методологической основе обеспечить совершенствование (повышение оперативности и достоверности) систем управления качеством жидких продуктов и последовательное формирование и развитие их научно-методических и теоретических основ.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Монографии

1. Красников, С. А. Основы математического моделирования рецептурных смесей пищевой биотехнологии: Монография / А.Е. Краснов, О.Н. Красуля, С.А. Красников, А. В. Воробьева, Ю.Г. Кузнецова, C.B. Николаева- М.:Пшцепромиздат, 2006- 240 с.(25%)

2. Красников. С. А. Основы спектральной компьютерной квалиметрии жидких сред: Монография / А. Е. Краснов, С. А. Красников, А. В. Воробьёва, Ю. Г. Кузнецова, Н. А. Краснова, Д. Ю. Анискин. - М.: ИД «Юриспруденция», 2007. — 264 с. (35%)

3. Красников, С. А. Информационные технологии составления рецептурных смесей и оценивания экономической эффективности технологических процессов: Монография / А. Е. Краснов, С. А. Красников, Л. И. Зеленина, С. И. Федькушова, С. В. Николаева, А. Г. Каншина. -М.: Компания Спутник+, 2009. - 149 с. (25%)

Статьи в изданиях m перечня ВАК

4. Красников, С. А. Статистический синтез оптимальных по селективности мер сходства для различения нестационарных зашумлениых сигналов / А. Е. Краснов, С. А. Красников, И. Н. Компанец. - Радиотехника. - № 1. - 2002. - С. 13 -24. ▲ (40%)

5. Красников, С. А. Автоматизация контроля дисперсных структур жидких сред по данным статического когерентного светорассеяния / А. Е. Краснов, С. А. Красников, А. В. Воробьёва, Т. В. Ефимова. - Автоматизация и современные технологии. - № 2. -2007. - С. 3 - 10. ▲ ()35%

6. Красников, С. А. Автоматизированная оптоэлектронная система с когерентным коррелятором для контроля наноструктур жидких сред / А. Е. Краснов, С. А. Красников, А. В. Воробьёва, Т. В. Ефимова, В. В. Маклаков. - Автоматизация в промышленности. № 10. 2004. С. 3 - 5. (30%)

7. Красников, С. А. Структурная модель гетерогенно-гетерофазных рецептурных пищевых смесей / А. Е. Краснов, С. А. Красников, О. И. Красуля, Ю. Г. Кузнецова, С. В. Николаева. - Пищевая промышленность. - № 10. - 2004. - С. 42-44. (30%)

8. Красников, С. А. Цветомикроструктурный анализ качества пищевых продуктов /

A. Е. Краснов, С. А. Красников, 10. Г. Кузнецова, С. В. Николаева, А. II. Дроханов. - Мясная индустрия. -№ 11.- 2004. - С. 60 - 62. (30%)

9. Красников, С. А. Нечёткая логика как основа моделирования рецептур мясных продуктов / А. Е. Краснов, С. А. Красников, О. Н. Красуля, Ю. Г. Кузнецова, С. В. Николаева. - Мясная индустрия. - № 3. - 2005. - С. 45 - 47. (25%)

10. Красников, С. А. Количественная оценка качества изделий ликёроводочной и винодельческой продукции / А. Е. Краснов, С. А. Красников, А. В. Воробьёва, Н. А. Краснова, Ю. Г. Кузнецова, И. В. Полякова, Д. Ю. Анискин. - Производство спирта и ликёроводочных изделий. - № 1.-2006.-С. 17 — 19.(15%)

11. Красников, С. А. Модели количественного оценивания качества объектов технологий, производства и бизнеса в стандарте ГОРМ / А. Е. Краснов, С. А. Красников, Д. Ю. Анискин, А. В. Воробьёва, Ю. Г. Кузнецова, Н. А. Краснова, Ю. Л. Сагинов. -Хранение и переработка сельхозсырья. - № 3. - 2006. - С. 53 - 56. (15%)

12. Красников, С. А. Исследование свойств объектов пищевой биотехнологии на основе теории нечётких множеств / А. Е. Краснов, С. А. Красников, О. Н. Красуля, 10. Г. Кузнецова, С. В. Николаева, В. Ю. Яньков. - Там же. - № 3. - 2005. - С. 23 - 27. (20%)

13. Красников, С. А. Численный метод различения спектральных данных в ИК-области для идентификации гретых пищевых жиров / С. А. Красников, Ю. В. Косолапое, Т.

B. Шлёнская, Е. В. Грузшюв. - Там же. - № 3. - 2007. - С. 56 - 57. (60%)

14. Красников, С. А. Оптимальное управление составом многокомпонентных растворов для получения изделий с заданными свойствами / А. Е. Краснов, С. А. Красников, С. В. Николаева, О. В. Макеева, М. В. Сартаков. - Производство спирта и ликёроводочных изделий. - № 3. - 2008. - С. 25 - 27. (25%)

15. Красников, С. А. Идентификация малых концентраций примесей бинарных растворов по их оптическим спектрам атомного поглощения. / А. Е. Краснов, С. А. Красников, С. В. Николаева, О. В. Макеева, М. В. Сартаков. - Хранение и переработка сельхозсырья. № 4. - 2011. - С. 24 - 25. (25%)

16. Красников, С. А. Метод идентификации спектральных данных с целью определения качества пищевых жиров / С. А. Красников, Ю. В. Косолапое, Т. В. Шлёнская, Е. В. Грузинов. - Масложировая промышленность. - № 2. - 2007. - С. 12-13. (60%)

17. Красников, С. А. Численные методы определения марки гуммиарабика при производстве полуфабрикатов / С. А. Красников, С. В. Николаева, И. Н. Дмитриев. -Мясная индустрия. - № 7. - 2007. - С. 62 - 64. (35%)

18. Красников, С. А. Спектральные методы оценки свойств смесей / С. А. Красников, С. В. Николаева, Л. И. Зеленина, М. В. Сартаков. - Естественные и технические науки. -№ 4. - 2007. - С. 217 - 220. (30%)

19. Красников, С. А. Прогнозирование прибыли предприятия / С. А. Красников, С. В. Николаева, Л. И. Зеленина, М. В. Сартаков. - Естественные и технические науки. -№ 2. - 2008. - С. 455 - 459. (30%)

20. Красников, С. А. Предпосылки разработки электронного устройства контроля качества мяса / С. А. Красников, Ф. Б. Никонов. - Естественные и технические пауки. - № 6. - 2008. - С. 241 - 243. ()60%

21. Красников, С. А. Автоматизированная программно-аппаратная система спектраль-но-тскстурного анализа состояний пищевых продуктов. / А.В. Бондаренко, А.Н. Дроханов, А.Е. Краснов, С.А. Красников, С.А. Михайлеико. - Технологии XXI века в лёгкой промышленности (электронное научное издание). №5. - 2011. Статья №21.(20%)

22. Красников, С. А. Анализ состояний веществ по их спектральным данным на основе метода параметрического оценивания. / А.Е. Краснов, С.А. Красников. - Технологии XXI века в лёгкой промышленности (электронное научное издание). №5. - 2011. Статья № 24. (50%)

23. Красников, С. А. Квалиметрия продуктов и пищевого сырья, содержащих радионуклиды / С. А. Красников, Т. Н. Таиров, В. А. Быковский, О. В. Кожин // Ин-тефал. - 2011. - №6. - С. 7-8. (25%)

Другие публикации

24. Красников, С. А. Организация радиационного контроля пищевого сырья и готовой продукции в системе менеджмента качества производства продуктов питания / А. В. Костров, С. А. Красников, О. В. Кожин// Материалы Международной научно-практической конференции «Стратегические аспекты управления экономикой в регионе» (Владимир, декабрь 2011).-Владимир: ВлГУ, 2011, с. 71-78. (35%)

25. Красников, С. А. К задаче радиационного контроля продуктов питания и пищевого сырья / А. В. Костров, С. А. Красников, О. В. Кожин // Наука в решении региональных проблем»: сб. научн. трудов. Вып! 8. - Пермь: ПНИПУ, 2011, с. 171-178. (35%)

26. Красников, С. А. Оценка соответствия зрелости системы обработки информации организационной зрелости компании / А. В. Костров, О. С. Коротеева, С. А. Красников, С. Ю. Якунченкова // Там же, с. 179-186. (25%)

27. Красников, С. А. Аналитический и экспертный подходы в проблеме конструирования моделей рецептурных смесей / А. Е. Краснов, С. А. Красников, С. В. Николаева, И. Н. Дмитриев, Л. И. Зеленила. - Техника и технология. 4. - 2005. - С. 46-56. (15%)

28. Красников, С. А. Конструирование моделей характеристик смеси без учёта взаимодействия её компонентов / А. Е. Краснов, С. А. Красников, С. В. Николаева, И. Н. Дмитриев, Л. И. Зеленина. - Техника и технология. - № 5. -2005. - С. 93-98. (15%)

29. Красников, С. А. Разработка методик идентификации и контроля качества углеводородных соединений / А. Е. Краснов, С. А. Красников, Д. Ю. Апискин. -Техника и технология. - № 5. - 2006. - С. 50 - 51. (35%)

30. Красников, С. А. Новая информационная технология экспресс идентификации и контроля качества горюче-смазочных материалов / А. И. Зубов, А. Е. Краснов, С. А. Красников. - Вестник авиации и космонавтики. № 1. - 2008. - С. 45 - 47. (40%)

31 .Красников, С. А. Методологические аспекты математического моделирования оптимизации многокомпонентных смесей / А. Е. Краснов, С. А. Красников, С. В. Николаева, 10. Г. Кузнецова, И. М. Головин. - Актуальные проблемы современной науки. № 4. - 2005. - С. 147 - 155. (25%)

32. Красников, С. А. Отбор проектов инвестирования методом прогнозирования / М. В. Сартаков, С. А. Красников, С. В. Николаева, Л. И. Зеленина. - Актуальные проблемы современной науки. № 3. - 2008. - С. 287-293. (35%)

33. Красников, С. А. Информационно-измерительный комплекс для экспресс-анализа качества многокомпонентных сред / С. А. Красников, А. Н. Дроханов, Е. А. Чернов. - Техника и технология. - № 1. - 2010. - С. 23 - 25. (40%)

34. Красников, С. /1. Информационная экспертная система идентификации и оценки качества углеводородных соединений по спектрам инфракрасного поглощения / С.А. Красников. - Актуальные проблемы современной науки. № 1. -2010. -С. 156-158.

Патенты, свидетельства

1. Красников, С. А. Способ идентификации объекта / А. Е. Краснов, С. А. Красников, О. Н. Красуля, О. В. Большаков // Патент РФ № 2178562,2001. (25%)

2. Красников, С. А. Способ идентификации и контроля качества многокомпонентных соединений / А. Е. Краснов, С. А. Красников, Д. Ю. Анискин, В. А. Вагин // Патент РФ № 2334971,2008. (30%)

3. Красников, С. А. Программа расчёта качественных показателей бензинов по их инфра-красным спектрам / А. Е. Краснов, С. А. Красников, Д. Ю. Анискин // Свидетельство об официальной регистрации программы для ЭВМ №2005611834, 2005. (40%)

4. Красников, С. А. Автоматизированный контроль качества ликёроводочной продукции по инструментальным и органолептическим показателям (контроль качества водок), стандарт IDFMI А. Е. Краснов, С. А. Красников, Н. А. Краснова, А. В. Воробьёва// Свидетельство об отраслевой регистрации разработки № 6890 от 12 сентября 2006 года. Журнал «Компьютерные учебные программы и инновации». № 6. 2007. С. 170. № ВНТИЦ 50200601649. Дата регистрации: 18.09.2006. ()25%

5. Красников, С. А. Программа моделирования рецептурных смесей ! А. Е. Краснов, С. А. Красников, И. Н. Дмитриев, С. В. Николаева// Свидетельство об отраслевой регистрации разработки № 7099 от 25 октября 2006 года. Журнал «Компьютерные учебные программы и инновации». № 7. 2007. С. 175. X» ВНТИЦ 50200601880. Дата регистрации: 30.10.2006. ()25%

Подписано в печать 17.02.12. Формат 60x84/16. Усл. печ. л. 2,09. Тираж 100 экз. Заказ Издательство Владимирского государственного университета имени Александра Григорьевича и Николая Григорьевича Столетовых. 600000, Владимир, ул. Горького, 87.

Введение.

Глава 1. Анализ методов и средств контроля качества жидких сред.

1.1. Инструментальные методы контроля качества пищевых сред.

1.2. Инструментальные методы контроля качества технологических сред.

1.3. Модели и численные методы инструментального контроля, используемые для контроля качества жидких сред.

Выводы по главе

Глава 2. Концептуальные основы методологии построения систем контроля качества жидких сред по спектральным характеристикам.

2.1. Классификация спектральных характеристик жидких сред на физически однородные и физически неоднородные спектры.

2.2. Статистическое описание физически однородных спектров 46 жидких сред на основе усеченного нормального распределения.

2.3. Метод спектральной компьютерной квалиметрии.

Выводы по главе 2.

Глава 3. Модели баз знаний экспертных систем контроля качества жидких сред по спектральным характеристикам.

3.1. Модель «состав — структура — свойство» для жидких сред, состояние которых наблюдается по спектральным характеристикам.

3.2. Модель идентификации макросостояний жидких сред.

3.3. Модель идентификации микросостояний жидких сред.

Выводы по главе

Глава 4. Построение экспертных систем контроля качества жидких сред по спектральным характеристикам.

4.1. Экспертная система контроля качества углеводородных жидких сред по инфракрасным спектрам молекулярного поглощения.

4.2. Экспертная система контроля наличия органических примесей в этиловом спирте по многомерным спектрам.

4.3. Экспертная система спектрально-текстурного анализа жидких сред по данным многозональной телевизионной структурометрии.

Выводы по главе 4.

Глава 5. Построение экспертных систем идентификации малых концентраций примесей в жидких средах по оптическим спектрам.

5.1. Экспертная система идентификации малых концентраций примесей бинарных растворов по оптическим спектрам атомного поглощения.

5.2. Экспертная система идентификации малых концентраций примесей углеводородных соединений по инфракрасным спектрам молекулярного поглощения.

5.3. Экспертная система идентификации субмикроскопических примесей жидких сред по оптическим спектрам динамического когерентного светорассеяния.

Выводы по главе 5.

Глава 6. Построение экспертных систем контроля примесей тяжелых металлов и изотопов в жидких средах.

6.1. Обоснование выбора метода измерений при низких концентрациях тяжелых металлов.

6.2. Обработка информации в информационно-аналитическом комплексе на основе ICP-MS.

6.3. Формирование базы данных спектральных и неспектральных влияний отдельных нуклидов и их прочных композиций.

Выводы по главе 6.

Глава 7. Согласование систем контроля качества и обеспечивающих информационных систем.

7.1. Особенности информационных технологий в задачах обеспечения экспертных систем контроля качества.

7.2. Оценка уровня развития систем контроля качества.

7.3. Методика согласования организационной зрелости систем контроля качества и уровня развития обеспечивающих систем обработки информации.

Выводы по главе 7.

В производственных системах чрезвычайно важно обеспечить стабильные характеристики и стабильное качество выпускаемой продукции, поскольку остановки и переналадки здесь обходятся очень дорого. Снижение качества продукции влечет за собой разнообразные тяжелые последствия: утрату позиций на рынке, прямые и косвенные экономические потери, а также социальные и даже политические последствия, что особенно характерно для производства товаров массового спроса: продукции пищевой промышленности и нефтепродуктов.

Сложность обеспечения эффективного контроля качества продукции, в том числе, жидких продуктов обусловлена разнообразием природы контролируемых величин, наличием связей между ними, влиянием различных химических и физических явлений, а также особенностями технологий производства. Особую сложность придает то, что при контроле качества измеряются, как правило, значения величин на пределе порога чувствительности средств измерения. Часто это наличие каких-либо примесей, присутствие которых в продукции допустимо лишь в малых и особо малых концентрациях.

Традиционные аналитические средства измерения разнообразны, основаны на разных принципах, имеют ограниченные возможности применения и часто предназначены для применения в лабораторных условиях. Для наиболее полного контроля состава контролируемых жидких продуктов все шире применяются спектральные методы, условия и особенности применения которых для реализации комплексного контроля качества нуждаются в системном упорядочении. При использовании таких тонких методов, как спектральный анализ, результат измерения имеет нетривиальный вид, его интерпретация невозможна без соответствующей расшифровки, а оценка связи вида спектральной характеристики с оценкой показателя качества продукции предполагает применение детальных математических, физических, химических и физико-химических моделей.

Контроль содержания тяжелых металлов, прежде всего, в продуктах питания - постоянно актуальная проблема. На этом фоне в последнее время значительно обострилась проблема радиационного контроля всех видов продукции, так как широкое применение средств измерения на основе радиоактивных датчиков, недостаточно безопасные технологии их утилизации, известные аварии и катастрофы на объектах атомной промышленности и энергетики привели к распространению радиоактивных элементов в природе, в сырьевых материалах для производства и в самом производстве. Для радиометрического контроля тяжелых металлов широко применяются спектральные методы; их применение в условиях контроля качества продукции нуждается в методологическом обосновании.

В этих условиях повышение эффективности решений, принимаемых по оценке качества, может быть достигнуто за счет системного обобщения задач контроля качества жидких сред по спектральным характеристикам с использованием средств и методов искусственного интеллекта. Одним из мощнейших направлений искусственного интеллекта являются информационные технологии экспертных систем. Применительно к задачам контроля качества жидких сред экспертные системы целесообразно строить как совокупность программно-информационных комплексов, обеспечивающих некоторое множество целей и функций. Этот подход отражает стремление объединить различные информационные и программные средства так, чтобы при объединении они обеспечивали новые, в частности, интеллектуальные функции.

Здесь база данных экспертных систем будет содержать сложные информационные образы - спектральные характеристики жидких сред, а база знаний - совокупность моделей, связывающих эти характеристики с качеством жидких сред. Такие экспертные системы могут создаваться и как специализированные программные оболочки с учетом деталей соответствующего производства. В этих экспертных системах возможно создание интерфейсов более высокого уровня по отношению к непосредственным задачам контроля качества, позволяющим согласовать решение этих задач с экономическими, экологическими и социальными аспектами производства продукции.

В настоящее время, в условиях рыночной экономики важную роль в любом производстве играют интегрированные информационные системы, объединяющие все стороны деятельности от поставки сырья до анализа финансового положения компании. В этой среде должна найти свое место и информационные технологии поддержки контроля качества продукции реального времени на основе методов экспертных систем.

В решение круга проблем, связанных с совершенствованием систем контроля качества жидких сред, существенный вклад внесли:

- в исследование моделей, методов и систем контроля качества жидких сред - Большаков О.В., Бородин A.B., Бурачевский И.И., Елисеев М.Н., Ивашкин Ю.А., Калмановский В.И., Кантере В.М., Краснов А.Е., Красуля О.Н., Маклаков В.В.; Протопопов И.И., Тужилкин В.И., Bertino М., Buchles В., Cammins G., Cliff М., Deming Е., Dohnal М., Dohus G., Jekman E., Heymann H., Kelih S., Krosby F., Lawless H., Numers C., Paik E., Pécora R., Pedrycz W., Petry F., Popper R., Pijuzy P., Yan X., Zhang Q., Shewhart W. и др.;

- в развитие спектральных методов анализа - Абрамова И.М., Аврамен-ко E.H., Балашов A.A., Вагин В.А., Дроханов А.Н., Жижин Г.Н., Кузин P.E., Пустовойт В.И., Рогов И.А. и др.;

- в развитие основ теории и практики процессов и систем контроля качества, построения экспертных и информационных систем - Гаврилова Т.А., Дорохов H.H., Калянов Г.Н., Корнюшко В.Ф., Костров A.B., Куликов Г.Г., Логиновский О.В., Макаров Р.И., Мешалкин В.П., Низамутдинов О.Б., Николаев А.Б., Попов Э.В., Поспелов Г.С., Поспелов Д.А., Рудинский И.Д., Саймон Г., Советов Б.Я., Швецов А.Н. и др.

Вместе с тем, непосредственное применение результатов известных работ для разработки методологии построения систем контроля качества жидких сред по спектральным характеристикам, в частности для построения специализированных баз знаний экспертных систем, невозможно, прежде всего, из-за отсутствия моделей, количественно связывающих качество жидких сред с их спектральными характеристиками.

Таким образом, актуальна разработка методологии построения систем контроля качества жидких сред по спектральным характеристикам.

Объектом исследования являются системы контроля качества жидких сред по их спектральным характеристикам.

Предметом исследования является методология построения систем контроля качества жидких сред, основанная на системном подходе и совокупности моделей, связывающих качество жидких сред с их спектральными характеристиками.

Цель и задачи исследования.

Цель работы — совершенствование систем контроля качества жидких сред за счет последовательного использования спектральных характеристик и разработанных методов их анализа.

Для ее достижения необходимо решить следующие задачи.

Разработать концептуальные основы методологии построения систем контроля качества жидких сред по спектральным характеристикам, как базовых методов интеллектуального обеспечения контроля качества применительно к условиям различных производств.

Сформировать модели баз знаний экспертных систем для контроля качества жидких сред по спектральным характеристикам. Разработать прототипы экспертных систем для контроля качества жидких сред по спектральным характеристикам.

Разработать прототипы экспертных систем для идентификации малых концентраций примесей в жидких средах.

Разработать прототип экспертной системы для контроля примесей тяжелых металлов в жидких средах по данным масс-спектрометрии с индуктивно-связанной плазмой.

Разработать прототип экспертной системы для спектрально-текстурного анализа жидких сред по данным многозональной телевизионной струк-турометрии. Сформировать научно-методические основы согласования экспертных систем контроля качества продукции и информационных систем, обеспечивающих процессы контроля качества жидких сред. Научная новизна заключается в следующих результатах работы. ^ На основе последовательного применения системного подхода создана методология построения систем контроля качества жидких сред по спектральным характеристикам. Ее концептуальные основы включают:

- метод спектральной компьютерной квалиметрии, основанный на совместном использовании инструментальных средств (методов, датчиков и приборов) оперативного контроля разнообразных свойств жидких сред и компьютерных систем обработки их спектральных характеристик. Ядром метода СКК является специализированная экспертная система (СЭС), в диссертации разработана базовая архитектура такой системы, единая для систем контроля качества всех рассматриваемых в работе жидких сред. Метод СКК упорядочивает использование экспертных систем для контроля качества жидких сред по спектральным характеристикам на основе общих системных принципов, он является системным методом высшего по отношению к первичным методам уровня.

- классификацию спектральных характеристик жидких сред на физически однородные и физически неоднородные спектры;

- статистическое описание спектральных характеристик жидких сред на основе усеченного нормального распределения.

Сформирована совокупность моделей баз знаний экспертных систем контроля качества жидких сред по спектральным характеристикам:

- модель «состав - структура - свойство» для жидких сред, состояния которых наблюдаются по их спектральным характеристикам;

- модель макросостояний жидких сред как кластеров в многомерном пространстве спектральных характеристик, определяемых их общегрупповыми функционально-технологическими свойствами;

- модель идентификации микросостояний жидких сред путем оценивания совокупности значений показателей их функционально-технологических свойств параметрическим и непараметрическим методами.

Разработаны архитектура и прототипы экспертных систем контроля качества жидких сред по их спектральным характеристикам:

- углеводородных соединений по инфракрасным спектрам молекулярного поглощения;

- органических примесей в этиловом спирте по многомерным спектрам (совокупности оптических спектров возбуждения - испускания флуоресценции, поглощения - отражения);

- спектрально-текстурного анализа жидких средах по данным многозональной телевизионной структурометрии.

Разработаны архитектура и прототипы экспертных систем для идентификации малых концентраций различных примесей в жидких средах по оптическим спектрам атомного поглощения, инфракрасным спектрам молекулярного поглощения, оптическим спектрам динамического когерентного светорассеяния, а также по данным масс-спектрометрии и радиационной спектрометрии. Предложена методика согласования уровня развития базовой экспертной технологии и обеспечивающих информационных систем в условиях экспертной системы контроля качества жидких сред. Теоретическая значимость результатов работы состоит в том, что разработанная методология построения систем контроля качества жидких сред по спектральным характеристикам как специализированных ЭС вносит существенный вклад в совершенствование (повышение оперативности и достоверности) систем управления качеством жидких продуктов, в развитие их научно-методических и теоретических основ.

Практическая значимость работы заключается в том, что разработанные прототипы экспертных систем обеспечивают автоматизированный контроль качества и позволяют отказаться от привлечения экспертов и физико-химических лабораторий. Основные результаты работы использованы в реальных проектах и в промышленных масштабах в конкретных производствах, а также в учебном процессе университета; их использование разработано и освоено при участии автора. Кроме того, по материалам диссертации получено 2 патента РФ, 2 разработки получили свидетельства об отраслевой регистрации, получено свидетельство о регистрации программы для ЭВМ.

Результаты работы внедрены в следующих организациях: ВНИИ ПН, НТЦ УП РАН, ВНИИ ПБ, ООО «ИнтелКомТех», ООО «СпектрКомТех». Теоретические и практические результаты диссертации вошли в содержание дисциплин профессионального цикла по кафедре информационных технологий ФГБОУ ВПО «МГУТУ им. К.Г. Разумовского». Результаты работы могут непосредственно использоваться в научно-исследовательских работах и оказании консультационных услуг по данному профилю.

Апробация работы. Основные результаты работы обсуждались на: Международной научно-практической конференции «Актуальные проблемы науки и высшего образования» (Унечский ф-л МГУТУ, май 2006); Международной научной конференции, посвященной 90-летию со дня рождения Нобелевского лауреата академика A.M. Прохорова «Фундаментальные основы инженерных наук» (Москва, октябрь 2006); III научно-практической конференции «Инновации в условиях развития информационно-коммуникационных технологий» (Сочи, октябрь 2006); V Международной выставке и научно-практической конференции «Аналитические методы измерений и приборы в пищевой промышленности» (Москва, 2007); VII научно-практической конференции ВФ МГУТУ «Технологии, научно-техническое и информационное обеспечение в образовании, экономике и производстве региона» (Вязьма, май 2007); XIII Международной научно-практической конференции «Стратегия развития пищевой промышленности» (Москва, ноябрь 2007); VIII научно-практической конференции ВФ МГУТУ «Технологии, научно-техническое и информационное обеспечение в образовании, экономике и производстве региона» (Вязьма, май 2008); V научно-практической конференции «Инновации в условиях развития информационно-коммуникационных технологий» (Сочи, октябрь 2008); VI Международной научно-практической конференции «Аналитические методы измерений и приборы в пищевой промышленности. Экспертиза, оценка качества, подлинности и безопасности пищевых продуктов» (Москва, декабрь 2008); VI Международной научно-практической конференции «Аналитические методы измерений и приборы в пищевой промышленности. Экспертиза, оценка качества, подлинности и безопасности пищевых продуктов» (Москва, декабрь 2008); Международной научной конференции студентов и молодых учёных «Экологически безопасные ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания» (Москва, 2009); I Международной научно-практической конференции «Инженерные инновационные технологии автоматизации и управления в агропромышленном комплексе» (Москва, октябрь 2009); XVII Международной научно-технической конференции «Информационные средства и технологии» (Москва, октябрь 2009); I Международной межвузовской конференции «Современные методы аналитического контроля качества и безопасности продовольственного сырья и продуктов питания» (Москва, ноябрь 2010); 53-й научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук» (Долгопрудный, ноябрь 2010); II Международной научно-практической конференции «Инженерные инновационные технологии автоматизации и управления в агропромышленном комплексе» (Москва, декабрь 2010); Международной научно-практической конференции «Стратегические аспекты управления экономикой в регионе» (Владимир, октябрь 2011).

Практические результаты работы отражены в ряде НИР, выполненных в МГУТУ, где автор был основным исполнителем:

- по заказу Министерства сельского хозяйства РФ, «Разработка методологии применения экспертных систем компьютерной квалиметрии для идентификации и контроля качества ликероводочной продукции и этилового спирта», по договору № 1/11-04 от 26 ноября 2004 г., № гос. регистрации 0120.0500.670;

- по заказу Министерства образования и науки РФ, «Разработка принципов построения интеллектуальных экспертных систем реального времени для контроля состояний многопараметрических объектов и процессов». Аналитическая ведомственная целевая программа «Развитие научного потенциала высшей школы», мероприятие 1 «Проведение фундаментальных исследований в рамках тематических планов», № гос. регистрации 1.1.06, 2006 - 2010 гг.;

- по заказу Министерства образования и науки РФ, «Разработка принципов описания многокомпонентных систем на основе объединения алгебры нечетких множеств и нейроноподобных алгоритмов». Аналитическая ведомственная целевая программа «Развитие научного потенциала высшей школы», мероприятие 1 «Проведение фундаментальных исследований в рамках тематических планов», 2011 г.

Публикации. По материалам диссертации опубликовано 99 работ, в том числе 3 монографии, 20 статей в изданиях из перечня ВАК; получены 2 патента РФ, 2 свидетельства об отраслевой регистрации разработки и свидетельство об официальной регистрации программы для ЭВМ.

Автор выражает искреннюю благодарность за плодотворное сотрудничество при выполнении исследований по теме диссертации докторам наук Краснову А.Е., Кострову A.B., Красуле О.Н, Вагину A.B., Шлёнской Т.В., Грузинову Е.В., Жирову М.В.; кандидатам наук Воробьевой A.B., Абрамовой И.М., Алаторцеву Е.И., Дроханову А.Н., Жировой В.В., Кожину О.В., Янько-ву В.Ю.

Выводы по главе 7

В условиях рыночной экономики важную роль в любом производстве играют интегрированные информационные системы, объединяющие все стороны деятельности от поставки сырья до анализа финансового положения компании. В этой среде должны найти свое место и информационные технологии поддержки контроля качества продукции на основе методов экспертных систем. При этом важно обеспечивать эффективность использования ресурсов, затрачиваемых на создание специализированных ИС, обеспечивающих основной бизнес-процесс - контроль качества; это достигается согласованием уровней развития составляющих системы контроля качества и планомерным управлением их развитием.

Для решения этой задачи сформированы научно-методические основы согласования экспертных систем контроля качества продукции и обеспечивающих информационных систем, предложена методика согласования уровня развития базовой экспертной технологии и обеспечивающих информационных систем. Для каждой из составляющих разработана методика оценки ее зрелости и планомерного управления ее развитием.

ЗАКЛЮЧЕНИЕ

Основным результатом работы является созданная на основе последовательного применения системного подхода методология построения систем контроля качества жидких сред по спектральным характеристикам. В ее основе лежит разработанный метод спектральной компьютерной квалиметрии, в основе применения которого - разработанная базовая архитектура специализированных экспертных систем, единая для различных рассматриваемых жидких сред. Концептуальные основы методологии включают также классификацию спектральных характеристик жидких сред на физически однородные и физически неоднородные спектры и совокупность статистических моделей спектральных характеристик жидких сред.

При применении метода спектральной компьютерной квалиметрии в условиях различных производств и с учетом свойств различных контролируемых жидких сред получены также следующие результаты.

Разработаны модели баз знаний экспертных систем для контроля качества жидких сред по спектральным характеристикам:

- модель «состав - структура - свойство» для жидких сред, состояния которых наблюдаются по их спектральным характеристикам;

- модель идентификации макросостояний жидких сред, как кластеров в многомерном пространстве их спектральных характеристик, определяемых их общегрупповыми функционально-технологическими свойствами;

- модель идентификации микросостояний жидких сред путем оценивания совокупности значений показателей их функционально-технологических свойств параметрическим и непараметрическим методами.

Созданы и апробированы прототипы экспертных систем для контроля качества жидких сред по их спектральным характеристикам при контроле углеводородных соединений по инфракрасным спектрам молекулярного поглощения, органических примесей в этиловом спирте по многомерным спектрам, спектрально-текстурного анализа жидких средах по данным многозональной телевизионной структурометрии.

Разработаны прототипы экспертных систем для идентификации малых концентраций примесей бинарных растворов по их оптическим спектрам атомного поглощения, малых концентраций примесей углеводородных соединений по их инфракрасным спектрам молекулярного поглощения, субмикроскопических примесей жидких сред по оптическим спектрам динамического когерентного светорассеяния, а также для контроля примесей тяжелых металлов и радионуклидов в жидких средах по данным масс-спектрометрии и радиационной спектрометрии.

Предложена методика согласования уровня развития базовой экспертной технологии и обеспечивающих информационных систем.

Таким образом, разработанная на основе применения системного подхода методология построения систем контроля качества жидких сред по спектральным характеристикам как специализированных экспертных систем позволяет на единой научно-методологической основе обеспечить совершенствование (повышение оперативности и достоверности) систем управления качеством жидких продуктов и последовательное формирование и развитие их научно-методических и теоретических основ.

1. Авраменко E.H., Есельсон М.П. Спектральный анализ в пищевой промышленности. -М: Пищевая промышленность, 1979. 183 с.

2. Акулов Н.И., Юдаев В.Ф. Получение моторного топлива на основе бензина и водно-спиртового раствора. // Производство спирта и лике-роводочных изделий. № 3, 2004, с. 19-21.

3. Акулов Н.И., Юдаев В.Ф. Стабильность смеси бензина с водно-спиртовыми растворами. // Производство спирта и ликероводочных изделий. № 1, 2005, с. 34

4. Алакаева Л.А. Спектрофотометрические методы исследования комплексных соединений: Учебное пособие. Нальчик, 2003. - 61 с.

5. Алаторцев Е.И., Балашов A.A., Вагин В.А. и др. Автоматизированная система идентификации и контроля качества горючего на основе фурье-спектрометра АФ-1 // Оптический журнал, 1999, №10, с.89-103.

6. Александровская Л.Н., Кузнецов А.Г., Мельникова Е.А. Оценка статистических характеристик испытаний методом Монте-Карло. // Партнеры и конкуренты, 2003, № 12, с. 20 ч- 24.

7. Аналитические методы измерения и приборы в пищевой промышленности. Материалы Международной конференции 1 ч- 2 февраля 2005 г. М.: Издательский комплекс МГУПП, 2005. - 268 с.

8. Анисимов М.А., Кияченко Ю.Ф., Николаенко Г.Л., Юдин И.К. Измерение вязкости жидкостей и размеров взвешенных частиц методом корреляционной спектроскопии оптического смешения. // Инженерно-физический журнал. Т. XXXVIII, № 4. 1980. - с. 651 - 655.

9. Анискин Д.Ю. Модели и численные методы оценки качества углеводородных соединений по их инфракрасным спектрам. Автореф. дисс. канд. техн. наук. М.: МГУТУ, 2006. - 23 с.

10. Красников, С.А. Разработка методик идентификации и контроля качества углеводородных соединений / Анискин Д.Ю., Краснов А.Е., Красников С.А. // Техника и технология. № 5. 2006. с. 87 - 89.

11. Анфилатов B.C., Емельянов A.A., Кукушкин A.A. Системный анализ в управлении: Учеб. пособие. М.: Финансы и статистика, 2002. - 368 с.

12. Аристова Н.И., Жилякова Т.А., Лутков И.П. Измерение массовой концентрации лимонной кислоты в сусле и вине. // Виноделие и виноград-ство. 2002. № 5. с. 26-27.

13. Ашапкин В.В., Кутуева Л.И., Захарова М.Г. и др. Контроль качества продукции физико-химическими методами. // Вино и виноматериалы. М.: ДеЛи принт, 2005. - 124 с

14. Багатурия Н.Ш., Бегиашвили H.A. Грузинские вина, приготовленные различными способами. // Виноделие и виноградарство, 2004, № 6, с. 18-19.

15. Балашов A.A., Вагин В.А., Висковатых A.B. и др. Аналитический Фурье-спектрометр АФ-1 широкого применения // ПТЭ, 2003, №2, с.87-89.

16. Балашов A.A., Вагин В.А., Висковатых A.B. и др. Фурье-спектрометры непрерывного сканирования // Успехи современной электроники, 2006, №9, с.70-82.

17. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы. М.: Лаборатория Базовых Знаний, 2002. - 632 с

18. Богдасаров O.E., Р.Г. Крышталь, A.B. Медведь, В.В. Шеремет. Газовый датчик на основе ПАВ-резонатора с «фазовым форматом» выходного сигнала. Датчики и системы, 11, 2003, с. 9-14.

19. Большая медицинская энциклопедия: в 30-т. Гл. ред. Б.Б. Петровский. -М.: Советская энциклопедия, 1989. Т.4.

20. Боровиков В.П. Statistica. Искусство анализа данных на компьютере. -Спб.: Питер, 2003, 256 с.

21. Бородин A.B. Научно-практические основы построения знание-ориентированной системы поддержки принятия решений для перерабатывающих предприятий АПК. Автореф. дисс. д. техн. наук. М.: МГУПБ, 2001.

22. Бродский Е.С. Аппаратура для хромато-масс-спектрометрии. Современное состояние и тенденции развития. // Партнеры и конкуренты. 2002. № 11.

23. Буйташ П., Кузьмин Н.М., Лейстнер Л. Обеспечение качества результатов химического анализа. М.: Наука, 1993. - 42 с.

24. Буряков М.А., Крылов Е.В., Макась А.Л. и др. Журнал аналитической химии, 1993, т. 48, вып. 1, с. 156-165.

25. Валуйко Г.Г., Шольц-Куликов Е.П. Теория и практика дегустации вин. Симферополь: «Таврида», 2001. - 248 с.

26. Васильев В.А., Добровидов A.B., Кошкин Г.М. Непараметрическое оценивание функционалов от распределений стационарных последовательностей. М.: Наука, 2004. - 508 с.

27. Великая Е.И., Суходол В.Ф. Лабораторный практикум по курсу общей технологии бродильных производств (Общие методы контроля). -М.: Легкая и пищевая промышленность, 1983. 312 с.

28. Воробьева A.B., Ефимова Т.В., Жиров М.В., Краснов А.Е. Оптимизация параметров спектроанализаторов статического когерентного светорассеяния для контроля дисперсных структур жидких сред. // Автоматизация в промышленности. 2006. № 9. с. 51-54.

29. Востриков C.B., Губрий Г.Г., Мальцева О.Ю. Основы органолептиче-ского анализа спиртных, слабоградусных и безалкогольных напитков. -М: Пищевая промышленность, 1998.

30. Вытовтов A.A., Басати И.А. Товароведная характеристика и экспертиза качества водок: Учебное пособие. СПб: ГИОРД, 2005. - 160 с.

31. Гаскаров Д.В. Интеллектуальные информационные системы. Учеб. для вузов. -М.: Высш. шк., 2003. -431 с.

32. Головня Р.В., Еникеева Н.Г. Сенсорный анализ для организации контроля качества традиционных и новых пищевых продуктов / Современные методы анализа пищевых продуктов. М: Наука, 1987. - 268 с

33. Горшкова Т.Б., Ежова Т.Н., Муравская Н.П. Цвет и его измерение. // Мир измерений. 2003. № 8. с. 4-8.

34. ГОСТ 12258-79. Советское шампанское, игристые и шипучие вина. Метод определения двуокиси углерода в бутылках.

35. ГОСТ 12280 75. Вина, виноматериалы, коньячные и плодовые спирты. Метод определения альдегидов.

36. ГОСТ 13192-73. Вина, виноматериалы и коньяки. Метод определения Сахаров.

37. ГОСТ 13195 73. Вина, виноматериалы, коньяки и коньячные спирты. Соки плодово-ягодные спиртованные. Метод определения железа.

38. ГОСТ 18164-72. Вода питьевая. Методы определения содержания сухого остатка.

39. ГОСТ 26927-86. Сырье и продукты пищевые. Метод определения ртути.

40. ГОСТ 26930-86. Сырье и продукты пищевые. Метод определения мышьяка.

41. ГОСТ 26932-86. Сырье и продукты пищевые. Метод определения свинца.

42. ГОСТ 26933-86. Сырье и продукты пищевые. Метод определения кадмия.

43. ГОСТ 30178-96. Сырье и продукты пищевые. Атомно-абсорбционный метод определения токсичных элементов.

44. ГОСТ 30538-97. Продукты пищевые. Методика определения токсичных элементов атомно-эмиссионным методом.

45. ГОСТ 3351-74. Вода питьевая. Методы определения вкуса, запаха, цветности и мутности.

46. ГОСТ 4.23-83. Система показателей качества продукции. Смазки пластичные. Номенклатура показателей

47. ГОСТ 4.24-84. Система показателей качества продукции. Масла смазочные. Номенклатура показателей

48. ГОСТ 4.25-83. Система показателей качества продукции. Нефтепродукты. Топлива жидкие. Номенклатура показателей.

49. ГОСТ 4151-72. Вода питьевая. Методы определения общей жесткости.

50. ГОСТ 4595. Метод Кубеля. Окисляемость перманганатная.

51. ГОСТ 511. Нефтепродукты светлые. Определение октановых чисел по моторному методу

52. ГОСТ 51309-99. Вода питьевая. Определение содержания элементов методом атомной спектрометрии.

53. ГОСТ 52522-2006. Спирт этиловый из пищевого сырья, водки и изделия ликероводочные. Методы органолептического анализа.

54. ГОСТ 72 08-93. Вина виноградные и виноматериалы виноградные обработанные. Общие технические условия.63.64,65,66,67