автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Оптимизация выбора проектных решений в САПР ТП на основе нечетких моделей химико-технологического процесса

На правах рукописи

ПОЖИДАЕВ Георгий Владиславич

/

ОПТИМИЗАЦИЯ ВЫБОРА ПРОЕКТНЫХ РЕШЕНИЙ В САПР ТП НА ОСНОВЕ НЕЧЁТКИХ МОДЕЛЕЙ ХИМИКО-ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА

Специальность: 05.13.12 - Системы автоматизации проектирования

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Воронеж-2005

Работа выполнена в Воронежском институте высоких технологий

Научный руководитель доктор технических наук

Кострова Вера Николаевна

Официальные оппоненты: доктор технических наук, профессор

Муратов Александр Васильевич; кандидат технических наук, доцент Питолин Михаил Владимирович

Ведущая организация Московская государственная академия

приборостроения и информатики

Защита состоится «9» декабря 2005 г. в 1430 часов в конференц-зале на заседании диссертационного совета Д 212.037.03 Воронежского государственного технического университета по адресу: 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан «_» ноябрь 2005. г.

Ученый секретарь диссертационного совета

Родионов О.В.

ггогх

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Проектирование химико-технологических процессов осушки и упаковки синтетического каучука занимает значительное место в общем цикле проектных работ по выработке полимеров. Качество выполнения этого этапа определяет возможности реализации решений, заложенных при системном, функциональном и конструкторском этапах проектирования, а также уровень экономических и экологических показателей процесса производства каучука.

Основной задачей проектирования в химическом производстве является формирование информации, заложенной в конструкторских документах в форме приемлемой для преобразования в управляющие программы автоматизированного химико-технологического оборудования, т.е. они охватывают важное, но не единственное направление САПР ТП - проектирование операционной технологии. В меньшей степени автоматизированы такие направления как: технологическое планирование, организация контроля и диагностирования, т.е. систематического распознавания текущего состояния химико-технологического объекта.

Анализ функционирования технологического объекта осушки и упаковки каучука указал на наличие существенных затруднений при построении систем управления. Это связано с тем, что объекты такого рода характеризуются, как правило, большим числом управляющих и возмущающих параметров. Исследования существующих моделей управления технологическими процессами показали, что функциональную зависимость между этими параметрами обычно трудно формализовать. Изложенные соображения предопределили попытку построения для данного процесса интеллектуальной системы управления, предназначенной для решения задачи как оптимизации, так и рационального выбора параметров регулирования осушки каучука, а также использование модели анализа вариантов схем для проектирования технологического процесса с интеграцией имитационных процедур и алгоритмов нечетких представлений знаний.

Создание подсистем верхнего уровня проектирования химико-технологических процессов осушки и упаковки синтетического каучука, связанное с необходимостью автоматизированного решения задач, при выполнении реальных проектов требует высокой квалификации конечного пользователя, представления ему возможности построения многооперационных технологических систем. Для интеллектуальной поддержки пользователя создаются интегрированные интеллектуальные компьютерные системы, сочетающие в себе свойства традиционных систем, использующих «жесткие» модели и алгоритмы, и такие признаки интеллектуальных, в том числе экспертных систем, как наличие базы знаний, логического вывода, самообучения и т.п.

Подобные интеллектуальные системы предоставляют возможность автоматизированного решения задач проектирования, выбора методов и средств для применения в САПР ТП. Основное внимание здесь уделяется повышению качества проектных работ, совершенствованию процессов проектирования и технологической подготовки химического производства каучука.

Таким образом, актуальность темы диссертации определяется необходимостью разработки комплекса методов, моделей и алгоритмов оптимизации принятия проектных решений в рамках САПР химико - технологических процессов производства каучука.

Работа выполнена в соответствии с основным научным направлением Воронежского института высоких технологий по теме: «Моделирование информационных технологий: разработка и совершенствование методов и моделей управления, планирования и проектирование технических, технологических, экономических и социальных процессов и производств».

Цель и задачи исследования. Целью диссертации является разработка комплекса моделей, алгоритмов и программных средств имитационного моделирования и оптимизации технологического процесса осушки и упаковки каучука на основе нечетких моделей представления знаний и рационального выбора проектных решений.

Для достижения поставленной цели необходимо решить следующие основные задачи;

разработать модели анализа вариантов схем для проектирования химико-технологических процессов;

разработать алгоритмические схемы рационального выбора проектных решений в рамках САПР химико-технологических процессов;

разработать интегрированные алгоритмические процедуры структурно-параметрической оптимизации и имитационного моделирования технологического процесса;

осуществить алгоритмизацию процедур принятия решений при многовариантном выборе химико-технологических процессов;

создать программно-методическое обеспечение подсистем имитационного моделирования и оптимизации и оценить его эффективность в рамках поддержки принятия решений в САПР химико - технологических процессов.

Методы исследования. При выполнении работы использованы методы имитационного моделирования, основные положения теории систем массового обслуживания, теории вероятностей и математической статистики, оптимизации, теории нечетких множеств, исследования операции и принятия решений.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной:

модели анализа вариантов схем для проектирования химико-технологических процессов, отличающиеся интеграцией имитационных процедур и алгоритмов нечетких представлений знаний с целью рационального выбора параметров регулирования осушки каучука;

алгоритмические схемы рационального выбора в рамках САПР химико-технологических процессов, отличающиеся математическими приемами преобразования качественных оценок и визуальных представлений в количественные меры при построении диалоговых процедур;

алгоритм реализации диагностирования состояния химико-технологических объектов, позволяющих учитывать экспертные оценки и эффективность решения задач управления и принятия решений в САПР химико-технологических процессов;

предложена методология интеграции методов, моделей и алгоритмов в рамках интеллектуальной системной поддержки принятия решений в САПР химико-технологических процессов, отличающаяся реализацией продукционных моделей нечетких знаний.

Практическая значимость и результаты внедрения. Разработан алгоритм реализации интеллектуальной системы диагностирования состояния химико-технологических объектов и предложена структура системы управления, что позволило оптимизировать с одной стороны выбор параметров установки осушки и упаковки каучука, с другой стороны повысить эффективность производства за счет преобразования качественных оценок и визуальных представлений в количественные меры при построении диалоговых процедур на основе механизмов интуиции проектировщика. Разработано программно - алгоритмическое обеспечение комплекса интеллектуальной поддержки принятия решений в САПР химико-технологических процессов, дающее возможность учитывать экспертные оценки.

Результаты работы апробированы и внедрены в практическую деятельность ООО «Дон - Полимер», и в учебный процесс Воронежского института высоких технологий.

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на: Всероссийской научно - технической конференции «Инновационные технологии в науке и экономике: Актуальные проблемы профессионального образования» (Воронеж, 2002); III Всероссийской научно-технической конференции «Теория конфликта и ее приложения» (Воронеж, 2004); ежегодных конференциях профессорско - преподавательского состава Воронежского института высоких технологий научно-методического семинара кафедры САПРИС ВГТУ (Воронеж, 2002-2005); научно-технической конференции «Информационные технологии» (Воронеж, 2005).

Публикации. Основное содержание диссертационной работы изложено в 10 печатных работах, приведённых в конце автореферата.

В работах, опубликованных в соавторстве, лично соискателю принадлежит: в [1] построен алгоритм обработки экспертной информации, алгоритм прогнозных оценок для анализа проектных решений, составлена матрица бинарных отношений; во [2] разработана модель вычисления наиболее вероятного диагноза состояния крошки каучука в конвейерной сушилке с использованием экспертной информации и технологических решений в САПР; в [3] предложен подход к нахождению оптимального количества технологических линий для процесса переработки и осушки каучука с помощью теории массового обслуживания; в [4] сформирован аппарат аналитических моделей для анализа проектных решений процесса переработки и осушки каучука; в [5] разработан блок корректировки базы знаний, обеспечивающий возможность вывода на дисплей, просмотра и корректировки поступающей с установки дополнительной информации о процессе; в [6] построена интеллектуальная система управления, предназначенная для решения задач автоматизации проектирования, оптимизации и регулирования параметров установки осушки и упаковки каучука, а также определены значения управляющих параметров, обеспечивающие желаемые значения выхода целевого продукта и его качественных показателей; в [7] предложен алгоритм диагностирования химико-технологического процесса в программном комплексе Diagnoz, реализованный на языке Object Pascal в визуальной среде Delphi 4; в [8] взаимодействие пользователя с экспертной системой; [9] структурная схема алгоритма; в [10] способы описания процесса имитационного моделирования.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 111 наименований, основная часть изложена на 143 страницах, содержит 23 рисунка и 6 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, формируются цель и задачи исследования, основные научные результаты, выносимые на защиту, дается краткая характеристика работы.

Первая глава посвящена анализу путей повышения уровня автоматизации химико-технологического процесса за счет интеграции типовых моделей проектирования и изготовления, интеллектуальной поддержки процесса принятия решений.

Проектирование технологических процессов относится к числу сложных задач системного синтеза, позволяющих по заданной технической функции

системы получить наиболее рациональную при выбранных ограничениях структуру технологического процесса и оптимальные режимы обработки на каждой операции. Для решения трудно формализуемых задач разработана методология системно - структурного моделирования объектов и процессов проектирования, базирующаяся на системном представлении об объектах и математическом аппарате общей теории систем и направленная на изучение структур и функций, выявление закономерностей того, как свойства и функции частей преломляются в многоуровневой структуре, в функции и свойства целого, а также, каким образом заданная функции воплощается в различные варианты реализующих ее структур.

Для объединения в едином цикле моделирования и оптимизации схем химико-технологического процесса по комплексу технико-экономических показателей необходимо обеспечить синхронизацию имитационных и поисковых схем оптимального проектирования, эффективное введение и преобразование дополнительной экспертной информации при сравнении моделируемых вариантов.

Во второй главе рассматриваются задачи, связанные с разработкой алгоритмического обеспечения рационального выбора варианта технологического процесса осушки и упаковки каучука. Показано, что для такого выбора недостаточно формальных оценок влияния структурных компонентов и параметров имитационной модели и необходимо использовать текущие экспертные оценки, формируемые проектировщиком в режиме диалога. В этой связи предлагается алгоритмизировать выбор варианта технологического процесса на основе качественных суждении операторов - технологов в форме лингвистических переменных. Для различных значений этих переменных рассмотрены процедуры построения размытых оценок с использованием параметризованных аналитических выражений.

Пусть сформировано множество вариантов схем технологического процесса осушки и упаковки каучука (1=1, Ь). Необходимо выбрать наиболее рациональный вариант схемы технологического процесса осушки и упаковки каучука по комплексу показателей И (¡=1,/). Предлагается оценивать значения 1-го показателя (¡=1,/) для каждого 1-го варианта (1=1, Ь) с использованием лингвистических переменных. С этой целью разработчику ТП задается вопрос: "В какой степени его удовлетворяет значение показателя Р1( (¡=1,/), (/= 1,£) и какое значение по его мнению он должен иметь?" Ответ формализуется с помощью размытых оценок ц,| в форме лингвистических переменных. Ограничимся двумя лингвистическими переменными Ъ\< необходимо выполнить >

(7=1) и <допустимо изменить > (2=2). В качестве термов этих переменных выбраны следующие:

Т2*=

увеличить уменьшить уравнять безразлично

(1)

Т2" =

сильно

существенно несколько немного мало

(2)

Для каждого простого терма Т2' функции принадлежности определены таким образом, чтобы они зависели от некоторых параметров. Значения указанных параметров связаны с лингвистическими значениями терма Т2" Значения показателей переводятся в относительные единицы Р,® = Р1"р/Р,|, где Р,|° - относительное значение показателя, Р,) - значение показателя, полученное в результате имитационного моделирования, Р111,р - значение показателя, предлагаемое разработчиком.

Размытые оценки вычисляются с использованием параметризованных аналитических выражений следующим образом.

Для переменной <необходимо выполнить» при Т2-<увеличить>

Мп

1 ,если Fil > b; Т 2 '= <уменынить>

О, если Fil °< а;

2(ЛГ - à) L (Ь-а)1, если а < Fil0 < (а + Ь) / 2; 1-2(Ь- Я1°г)2 !{b -а) , если (а + Ь)/2 < Fit 0 <ft;

Ml2 =

l.ecimFil0 <<а:

1 л „ч* ' -

1 - 2 Œil -aY / (b - аГ, если < Fil" « (а + Ь)/2;

2 (Fil - а)„ (Ь - а)2, если (а + Ь) /2 < Fil® < b; О,если Fil0 >b;

Т2' = < уравнять >

MF,i°,a,B) = exp [-(F,,°-a)2/2b2].

Для переменной <допустимо изменить»:

Т2' = <увеличить>

M2I (F,i° ,а,в,с) Т2' = <уменьшить>

l,ecjmFil„°«C. , {1 + [a (Fil0 - С)]ь }'', ecnnFil > С,

М22 =

Т {= <безразлично>

= J О,если Fil0 < < С

1 - {1 + [a (Fil0 - С)] V , если Fil0 > С,

И24 =

//ц, если Fil <b; 1, если b « Fil « С; цп, если Fil > С,

(3)

(4)

(5)

(6)

(7)

где а, Ь, с - параметры, зависящие от значений термов Т2". На основании оценок (111 вычисляется энтропия размытого множества для каждого варианта :

Н| = -Е (Н*/£ М..)1 Е(Ин/£ Ни)- (8)

;-1 1-1 1-1

В качестве рационального выбирается вариант с максимальным значением энтропии, так как он наиболее равномерно близок к требованиям разработчика по комплексу показателей р! (¡=1,1), (рис. 1).

Рис. 1. Структурная схема алгоритма многовариантного выбора с использованием лингвистических переменных

С использованием экспериментальных данных, полученных при исследовании простых признаков на поведенческом уровне, выбраны визуальные образы, которые наиболее эффективны при сравнении набора значений показателей с эталоном на основе наглядных механизмов интуиции проектировщика. Предложен алгоритм многовариантного выбора с применением указанных наглядно-образных представлений.

Для наглядно- образного представления вариантов ТП предлагается использовать глобальный критерий в виде средневзвешенной свертки:

£ = а, ¥„ (9)

где а, - весовые коэффициенты, заданные проектировщиком,

О < а, < I, £ а,= 1, (10)

(-1

Р1 - нормированные значения 1-го показателя, ¥\= (Р1-Р1т,п)/(Р1,,МХ -Р1т,п),

р11гаи, Р1""" - соответственно минимальное и максимальное значение ¡-го показателя, предложенное проектировщиком.

Рис.2. Наглядно- образное представление оценок проектировщика

На рис.2 визуальное представление эталонного уровня показано сплошной линией, а 1-го варианта - пунктирной. При реализации в САПР для обеспечения и восприятия визуального образа используются дополнительные призна-

8

ки кодирования информации: порядок расположения секторов, цвет, толщина линий, мерцание, повышенная яркость определенных элементов. Кроме того относительно эталонных окружностей вводятся окружности оценок совпадения эталона и предлагаемого варианта, соответствующие значения шкалы: "идеальное состояние", "хорошо", "удовлетворительно".

Модернизирован адаптивный алгоритм многокритериального выбора за счет визуального наблюдения переходных процессов изменения вероятностей привлечения критериев, в котором прогнозирование осуществляется по экспоненциальной функции графическим способом. Коэффициенты экспоненциальной функции используются для регулирования скорости изменения вероятностей и окончательного перехода к оптимальному выбору варианта ТП по глобальной целевой функции.

В третьей главе рассматривается поведение технологической системы осушки и упаковки каучука во времени, претерпевшей те или иные изменения, которые должны быть идентифицированы и проанализированы с целью недопущения невыполнения данным объектом своих функций в полном объеме. Ввиду необходимости проведения диагностических процедур непосредственно в процессе эксплуатации объекта, используются методы функционального диагностирования. Предложена модель вычисления наиболее вероятного диагноза состояния крошки каучука в конвейерной сушилке с использованием экспертной информации.

Пусть XI, .., Х„ ряд признаков, по конкретным значениям которых принимается суждение о субъективной вероятности диагнозов из заранее определенного ряда диагнозов £)¡, ,

Каждый из X,, /= 1,п, принимает значение из множества (х,/, .., х,т , .., х,р, }. В момент времени / состояние объекта описывается вектором призна-—/

ков А' . Требуется определить оценку вероятности (степень возможности) диагнозов РЪ}:

Jв\^,k\.PbJ =Pb{DJ /х').

Был выбран способ представления экспертных знаний, составляемый системой правил:

X, =хщ РЫуО} IX ¡)= РЬХ (О} /хШ1), где РЬ„- в-е значение оценки вероятности из множества возможных значений {РЬ5 }.

Признаки X/, , Х„ и вероятности РЪ представлены лингвистическими переменными, определяемыми кортежами:

(ръ,р,и ,S,Q),

где Т„ Р- терм-множества переменных X, и РЪ соответственно, т.е. множества их лингвистических значений, представляющих собой наименования нечетких переменных Л,/( (J,— 1,р, ] р, = card Т, ) и Bi (/ = \,m | m = card P), которые представлены соответствующими кортежами:

Выбранным для сушильного агрегата признакам поставлены в соответствие следующие лингвистические переменные:

<Перепад температуры в ¡-й зоне, Т„ [-30°, 30°], С,,М,>, 1 = 1,12. Терм-множесгва определены следующим образом: Т/= Т2= Ту- Т4 - {намного уменьшился, уменьшился, немного уменьшился, не изменился, немного увеличился, увеличился, намного увеличился}.

Оценка вероятности представлена одноименной лингвистической переменной.

Терм-множество Р состоит из следующих лингвистических значений переменной: В1 - исключено, В2 - почти невероятно, Вз - очень маловероятно, В4 -маловероятно, В5 - более или менее вероятно, В6 - вероятно, В7 - более, чем вероятно, Вя - достаточно вероятно, В9 - очень вероятно, Вш - почти точно, В11 - абсолютно точно.

Для нечетких подмножеств С^ и были выбраны одни из стандартных

видов ФП соответственно ц (V, Ь, а, с) и ц (и).

Для обработки экспертной информации была выбрана группа из 5 экспертов. Каждому члену группы присваивается вес, отвечающий условию

£фг = 1. Каждым экспертом заполнен свой вариант лингвистической модели, г=1

т.е. расписаны правила вывода, которые для удобства сведены в таблицы Щ О -номер диагноза из {£>}, а /- номер лингвистического значения из терм-множества Т). Элементы т^, у = I, к, / = 1, р, результирующего варианта по всем экспертам определены в соответствии с весами экспертов.

Ответы экспертов представляют собой значения В/ лингвистической переменной РЬ- оценки вероятности.

Если, например, по мнению второго эксперта, РЬ (О// Х1=Ац)= В9, то

При приведенных выше обозначениях элементы mjf,j = 1, к,f= 1, р, результирующего варианта определены по следующей процедуре: Шаг 1. V г =1, s рассмотрены ту= B¡ (le fl, т]). Шаг 2.V В/ е Р определены </, по формуле

ar/=argmax f.ig(u)= (/-l)/(m-l). Шаг 3. Для mjf= Вх определяется ах:

я

ах = r<fi, г=1

S

где ]Гфг =1, хе[1,т].

г=1

Очевидно, что правая часть представляет собой выпуклую линейную комбинацию, и в силу свойств выпуклых линейных комбинаций при cf¡e [0, 1], Фг е [О, J] выполняется условие ахе [0,1].

Определив значение ах, нетрудно определить и Вх (х = (т-1) ах+1). В процессе обобщения важное внимание уделено проверке полученных от разных экспертов правил на непротиворечивость. Она осуществлена согласно введенной мере contr (известной как степень разделимости нечетких множеств). Обобщаемые правила считаются непротиворечивыми при условии:

Contr = 1 - шах {min fiE\ (и),..., 0,3.

В противном случае проводится дополнительное обследование. Дальнейшая обработка БЗ сводится к получению матриц нечетких отношений R/ следующим образом:

Шаг 1. По каждому правилу модели составляются матрицы бинарных отношений, характеризуемые нечеткими подмножествами множества V, х U: Rf,(y,u)= U Мп(У,и)/(у,и),

(v,u)eKxU

с функцией принадлежности V(v,m) &V¡ у. U: /jr(v,u) = min(//<= (v),ju¿(и)).

Шаг 2. Объединяются все относящиеся к признаку X, и диагнозу D/. R/

Vv, и, (v,u):nv = max (/us,i (у,и),...,nvi (v,и)) ti it

Шаг 3. Вычисляются p¡¡ (и) = шах [min (fíe (v), f¿R (v, и))],

образованные таким образом нечеткие подмножества Е= (J цр (и) / и опре-

V

деляют нечеткие значения лингвистической переменной для диагноза, соответствующие субъективной вероятности при текущих значениях признаков.

Далее определяется четкое значение и* оценки вероятности j-го диагноза, удовлетворяющее условию

3lu]&U: и) =Pb{D,l{Xu...,Xe)) = = argmax {min [pi^j (и), (")]}> l,se[l,m].

Выбор точки Uj вытекает из введенного правила обобщения оценок:

V = ЛЕ/, = U min (mBj (М),-,М& («)) u&J и я/

где л - знак операции пересечения нечетких множеств.

Сложная функциональная связанность параметров проявляется в том, что изменение значения какого-либо параметра может быть вызвано целым рядом причин. Для комплексного решения вопроса диагностирования состояния технологических объектов целесообразно сочетание различных диагностических моделей и алгоритмов.

Анализ таких особенностей процесса диагностирования сложных объектов, как множество альтернатив интерпретации событий, необходимость совместного рассмотрения событий, формирование алгоритмов распознавания первопричины нарушения чаще в виде набора правил, чем в виде системы уравнений, а также необходимость использования эвристических способов выделения наиболее вероятных решений и области их существования, указывает на возможность повышения эффективности процедур диагностики при использовании методов теории искусственного интеллекта.

Основная цель управления процессом формулируется следующим образом: при заданных возмущениях необходимо определить такие значения управляющих параметров, которые обеспечат желаемые значения выхода целевого продукта (степень превращения сырья) и его качественных показателей.

Система, функционируя в режиме «советчика», обеспечивает взаимодействие оператора-технолога с системой на профессиональном диалекте естественного языка. В зависимости от ситуации на объекте оператором принимается решение о практической реализации одного из вариантов. Таким образом, нечеткая модель составляет часть человеко-машинной системы, в которой выбор окончательного решения остается за человеком.

В четвёртой главе приведена процедура диагностирования технологического состояния комплекса, представляющая собой определенную последо-

вательность диагностических проверок реакции объекта на управляющие и возмущающие воздействия. Важной причиной внедрения в САПР химико-технологических процессов является возможность создания базы данных, необходимой для последующего изготовления проектируемых изделий. Поставленная задача построения автоматизированной системы, в которой на этапе проектирования создается основная информация и документация, необходимая для планирования производственного процесса и управления технологическими операциями изготовления продукции. Производственная база данных представляет собой интегрированную базу данных, единую для САПР и автоматизированной системы управления производственными АПР АПП

Рис. 3. Взаимосвязи интегрированной базы данных с процессами проектирования и производства в технологии осушки и упаковки каучука

На рис. 3 показана структурная связь базы данных с процессами проектирования и производства в технологическом процессе упаковки и осушки каучука. Эффективность процедур диагностирования во многом предопределяется оптимальностью выбранной последовательности проверок - поиска диагноза во множестве всех возможных причин. Для определения стратегии осуществлено последовательное разбиение множества на подмножества, выполненное в соответствии с принципом, на котором базируются методы поиска решений, со-

стоящие в разбиении начальной задачи на некоторое число подзадач (в целом представляющих всю задачу) с последующей попыткой решить каждую из этих подзадач. Условием разбиения рассматриваемых множеств является обеспечение возможности на каждом этапе однозначно решить вопрос о принадлежности диагноза к данному подмножеству.

Отсутствие достаточного объема статистических данных для установления объективных зависимостей между значениями признаков и вероятностями диагнозов обусловило эвристическое описание этих зависимостей. Оно выполнено в виде набора правил, определяющих субъективные вероятности диагнозов на основе знаний и опыта экспертов - технологов. При этом используется лингвистическая форма представления знаний.

Построенная система позволяет автоматизировать процесс формирования экспертами базы знаний, а также дает возможность ее корректировки, в том числе с учетом весовых коэффициентов каждого из экспертов, построенных исходя из их опыта, уровня знаний, занимаемой должности и т.п.

Соответствующие режиму значения управляющих параметров, представленные нечетко, преобразуются в цифровые (детерминированные) в лингвистическом интерпретаторе, передаются в блок сравнения и отображаются на экране дисплея ЭВМ. Сюда же поступает информация о ходе процесса и его нарушениях.

Рис. 4. Схема последовательной процедуры вычисления оценки субъективной вероятности одного из диагнозов состояния САПР химико-технологического процесса

На вход блока 1 поступают численные (четкие) значения параметров химико-технологического процесса, являющихся признаками. В этом блоке, выполняющем роль лингвистического интерпретатора, им в соответствие ставятся лингвистические переменные и определяются их значения из терм-множества.

На выходе имеем нечеткие ограничения С^ по каждому признаку, которые поступают в блок 2. На вход этого же блока поступают и матрицы отношений /?/. В блоке 2 для каждого X, используется решающее правило в форме условно категорического силлогизма, которое реализуется с помощью композиционного правила вывода Л. Заде. Образованные на данном этапе нечеткие подмножества Е^ = уи определяют нечеткие значения лингвистиче-

V

ской переменной для диагноза, соответствующие субъективной вероятности при текущих значениях признаков. Они поступают на вход блока 3, на выходе

которого получаем четкое значение и* оценки вероятности /-го диагноза.

Оценка вероятности Pb(DJ/(X^,...,Xn)) определяется как компромиссное решение, учитывающее и оценок вероятности у'-го диагноза, полученных по значениям п независимых признаков в момент I.

Оператор-технолог, анализируя информацию, поступающую в ЭВМ с производства, а также с учетом наиболее вероятных диагнозов состояния технологической установки, может корректировать ход процесса посредством изменения установок (заданий) и алгоритма управления в контурах регулирования в допустимых пределах.

Программная реализация алгоритма для построения интеллектуальной системы диагностирования химико-технологических процессов организует диалог с оператором-технологом. Система предлагает пользователю выбрать значения произошедших по сравнению с предыдущим периодом изменений показателей, характеризующих химико-технологический процесс.

В процессе функционирования установки упаковки и осушки каучука возникает необходимость периодического изменения и пополнения БЗ по мере поступления дополнительной информации о процессе. Блок корректировки БЗ обеспечивает возможность вывода на дисплей, просмотра и корректировки поступающей с установки информации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведен анализ вариантов схем многовариантного выбора для проектирования химико-технологических процессов осушки и упаковки каучука на основе нечетких моделей представления знаний и рационального выбора проектных решений.

2. Разработаны алгоритмические схемы многовариантного выбора в рамках САПР химико-технологических процессов при построении диалоговых процедур.

3. Разработан алгоритм реализации интеллектуальной системы диагностирования состояния химико-технологических объектов.

4. Предложена структура системы управления технологическим процессом с учетом выбора оптимизации и рационального выбора параметров установки осушки и упаковки каучука.

5. Предложена интеграция методов, моделей и алгоритмов процесса осушки и упаковки каучука на основе нечетких моделей представления знаний и рационального выбора проектных решений в рамках программно - методического комплекса поддержки принятия решений в САПР химико - технологических процессов.

6. Достигнуто повышение степени автоматизации химико-технологического процесса за счет интеграции типовых моделей проектирования и изготовления, интеллектуальной поддержки процесса принятия решений.

7. Повышена эффективность алгоритма выбора рационального варианта принципиальной схемы технологического процесса при использовании визуального аналога компонентов средневзвешенной свертки в виде совокупности секторов окружности, радиус которых соответствует значению показателя, а угловой размер пропорционален значению весового коэффициента. Характер взаиморасположения элементов наглядным образом, должен соответствовать возможностям вероятностного прогнозирования проектировщика при сравнении стимула (сравниваемого образа) эталоном.

8. Построена интеллектуальная система диагностирования, позволяющая автоматизировать процесс формирования экспертами базы знаний, и дающая возможность ее корректировки.

9. Разработано программное обеспечение, позволяющее учитывать экспертные оценки и эффективность решения задач управления и принятия решений в САПР химико-технологических процессов.

Основные результаты диссертации опубликованы в следующих работах:

1. Пожидаев Г.В., Львович И .Я. Построение экспертной системы для вычисления прогнозных оценок спроса в зависимости от изменения экономических условий // Инновационные технологии в науке и экономике: Актуальные проблемы профессионального образования: Материалы Всерос. науч. - практ. конф. Воронеж, 2002. С. 149-151.

2. Пожидаев Г.В., Львович И.Я. Интеллектуальная система диагностирования состояния технологических объектов, построенная на основе экспертной информации // Естественные науки. Математическое моделирование технологических и информационных систем: Сб. науч. тр. Воронеж: ВИВТ, 2003. Вып. 2. С. 24 - 28.

3. Пожидаев Г.В., Львович И.Я. Анализ вариантов принципиальных схем технологического процесса осушки и упаковки каучука // Естественные науки.

Математическое моделирование технологических и информационных систем: Сб. науч. тр. Воронеж: ВИВТ, 2003. Вып. 2. С. 28 - 30.

4. Пожидаев Г.В., Львович И .Я., Жукова М.Ю. Применение теории массового обслуживания при выборе вариантов схем технологических процессов // Управление в социальных и экономических конфликтах. Теория конфликта и её приложения: Материалы III Всерос. науч. - техн. конф. Воронеж, 2004. С. 180-182.

5. Пожидаев Г.В., Львович И.Я. Корректировка базы знаний по мере поступления дополнительной информации о химическом процессе // Управление в социальных и экономических конфликтах. Теория конфликта и её приложения: Материалы III Всерос. науч. - техн. конф. Воронеж, 2004. С. 182 - 183.

6. Пожидаев Г.В., Львович И.Я. Система управления и регулирования технологическим процессом осушки и упаковки каучука при заданных возмущениях //Оптимизация и моделирование в сложных системах: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 159 - 162.

7. Пожидаев Г.В., Львович И.Я. Подготовка априорной информации и программная реализация алгоритма для построения интеллектуальной системы диагностирования химико-технологических процессов // Оптимизация и моделирование в сложных системах: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 189-193.

8. Пожидаев Г.В., Кострова В.Н. Интеграция алгоритмов на основе использования экспертной информации в проектировании химико-технологических процессов // Информационные технологии: Науч. - техн. конф. Воронеж, 2005. С. 156 - 159.

9. Пожидаев Г.В., Кострова В.Н. Алгоритмизация выбора с использованием лингвистических переменных // Информационные технологии: Науч. -техн. конф. Воронеж, 2005. С. 159 - 162.

10. Пожидаев Г.В., Кострова В.Н. Имитационное моделирование как аппарат анализа вариантов схем химико-технологических процессов // Моделирование систем и информационные технологии: Межвуз. сб. науч. тр. Воронеж: ВИВТ, 2005. С. 194- 197.

Подписано в печать 02.11.2005. Формат 60x84/16. Бумага для множительных аппаратов. Усл.печл. 1,0. Тираж 90 экз. Заказ №

Воронежский государственный технический университет 394026, г. Воронеж, Московский просп., 14

г-

L

i

21603

РНБ Русский фонд

2006-4 22028

с-

ВВЕДЕНИЕ

1. АНАЛИЗ ВОЗМОЖНОСТЕЙ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ ДЛЯ ПРОЕКТИРОВАНИЯ ХИМИКО-ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

1.1. Процедуры проектирования схем технологических процессов и пути их совершенствования в САПР ТП

1.2. Математическое обеспечение анализа и синтеза проектных решений в рамках САПР химико-технологических процессов

1.3. Цель и задачи исследования

2. ИНТЕГРАЦИЯ АЛГОРИТМОВ НА ОСНОВЕ ИСПОЛЬЗУЕМОЙ ЭКСПЕРТНОЙ ИНФОРМАЦИИ В ПРОЕКТИРОВАНИИ ХИМИКО - ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

2.1. Типологические основы экспертных систем и продукционные модели представления знаний

2.2. Моделирование на основе экспертных оценок при создании процедур диагностирования химико-технологических объектов

2.3.Выводы второй главы

3. ИНТЕЛЕКТУАЛЬНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ХИМИКО - ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ

3.1. Алгоритм диагностирования состояния химико-технологических объектов

3.2. Модель управления и регулирования химико-технологическим процессом

3.3.Выводы третьей главы

4. ИНТЕГРАЦИЯ ПРЕДЛОЖЕННЫХ МЕТОДОВ, МОДЕЛЕЙ И АЛГОРИТМОВ В РАМКАХ ИНТЕЛЕКТУАЛЬНОЙ СИСТЕМНОЙ ПОДДЕРЖ

КИ ПРИНЯТИЯ РЕШЕНИЙ В САПР ХИМИКО - ТЕХНОЛОГИЧЕСКИХ

ПРОЦЕССОВ

4.1. Подготовка априорной информации и программная реализация алгоритма для построения интеллектуальной системы диагностирования химико-технологических процессов

4.2. Экономическое обоснование результатов в условиях производства

4.3 .Выводы четвёртой главы

Актуальность темы.

Проектирование химико-технологических процессов осушки и упаковки синтетического каучука занимает значительное место в общем цикле проектных работ по выработке полимеров [9]. Качество выполнения этого этапа определяет возможности реализации решений, заложенных при системном, функциональном и конструкторском этапах проектирования, а также уровень экономических и экологических показателей процесса производства каучука.

Основной задачей проектирования в химическом производстве является формирование информации, заложенной в конструкторских документах в форме приемлемой для преобразования в управляющие программы автоматизированного химико-технологического оборудования, т.е. они охватывают важное, но не единственное направление САПР ТП - проектирование операционной технологии. В меньшей степени автоматизированы такие направления как: технологическое планирование, организация контроля и диагностирования, т.е. систематического распознавания текущего состояния химико-технологического объекта.

Анализ функционирования технологического объекта осушки и упаковки каучука указал на наличие существенных затруднений при построении систем управления. Это связано с тем, что объекты такого рода характеризуются, как правило, большим числом управляющих и возмущающих параметров. Исследования существующих моделей управления технологическими процессами показали, что функциональную зависимость между этими параметрами обычно трудно формализовать. Изложенные соображения предопределили попытку построения для данного процесса интеллектуальной системы управления, предназначенной для решения задачи как оптимизации, так и рационального выбора параметров регулирования осушки каучука, а так же использование модели анализа вариантов схем для проектирования технологического процесса с интеграцией имитационных процедур и алгоритмов нечетких представлений знаний.

Создание подсистем верхнего уровня проектирования химико-технологических процессов осушки и упаковки синтетического каучука, связанное с необходимостью автоматизированного решения задач, при выполнении реальных проектов требует высокой квалификации конечного пользователя, представления ему возможности построения многооперационных технологических систем. Для интеллектуальной поддержки пользователя создаются интегрированные интеллектуальные компьютерные системы, сочетающие в себе свойства традиционных систем, использующих «жесткие» модели и алгоритмы, и такие признаки интеллектуальных, в том числе экспертных систем, как наличие базы знаний, логического вывода, самообучения и т.п.

Подобные интеллектуальные системы предоставляют возможности автоматизированного решения задач проектирования, выбора методов и средств, для применения в САПР ТП. Основное внимание здесь уделяется повышению качества проектных работ, совершенствованию процессов проектирования и технологической подготовки химического производства каучука.

Таким образом, актуальность темы диссертации определяется необходимостью разработки комплекса методов, моделей и алгоритмов оптимизации принятия проектных решений в рамках САПР химико - технологических процессов производства каучука.

Работа выполнена в соответствии с основным научным направлением Воронежского института высоких технологий по теме: « Моделирование информационных технологий; разработка и совершенствование методов и моделей управления, планирования и проектирование технических, технологических, экономических и социальных процессов и производств ».

Цель и задачи исследования. Целью диссертации является разработка комплекса моделей, алгоритмов и программных средств имитационного моделирования и оптимизации технологического процесса осушки и упаковки каучука на основе нечетких моделей представления знаний и рационального выбора проектных решений.

Для достижения поставленной цели необходимо решить следующие основные задачи: разработать модели анализа вариантов схем для проектирования химико-технологических процессов; разработать алгоритмические схемы рационального выбора проектных решений в рамках САПР химико-технологических процессов; разработать интегрированные алгоритмические процедуры структурно-параметрической оптимизации и имитационного моделирования технологического процесса; осуществить алгоритмизацию процедур принятия решений при многовариантном выборе химико-технологических процессов; создать программно-методическое обеспечение подсистем имитационного моделирования и оптимизации и оценить его эффективность в рамках поддержки принятия решений в САПР химико - технологических процессов.

Методы исследования. При выполнении работы использованы методы имитационного моделирования, основные положения теории систем массового обслуживания, теории вероятностей и математической статистики, оптимизации, теории нечетких множеств, исследования операции и принятия решений.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: модели анализа вариантов схем для проектирования химико-технологических процессов, отличающиеся интеграцией имитационных процедур и алгоритмов нечетких представлений знаний с целью рационального выбора параметров регулирования осушки каучука; алгоритмические схемы рационального выбора в рамках САПР химико-технологических процессов, отличающиеся математическими приемами преобразования качественных оценок и визуальных представлений в количественные меры при построении диалоговых процедур; алгоритм реализации диагностирования состояния химико-технологических объектов, позволяющих учитывать экспертные оценки и эффективность решения задач управления и принятия решений в САПР химико-технологических процессов; предложена методология интеграции методов, моделей и алгоритмов в рамках интеллектуальной системной поддержки принятия решений в САПР химико-технологических процессов, отличающаяся реализацией продукционных моделей нечетких знаний.

Практическая ценность работы заключается в следующем: Разработан алгоритм реализации интеллектуальной системы диагностирования состояния химико-технологических объектов и предложена структура системы управления, что позволило оптимизировать с одной стороны выбор параметров установки осушки и упаковки каучука, с другой стороны повысить эффективность производства за счёт преобразования качественных оценок и визуальных представлений в количественные меры при построении диалоговых процедур на основе механизмов интуиции проектировщика. Разработано программно — алгоритмическое обеспечение комплекса интеллектуальной поддержки принятия решений в САПР химико-технологических процессов, дающее возможность учитывать экспертные оценки.

Результаты работы апробированы и внедрены в практическую деятельность ООО «Дон - Полимер», и в учебный процесс Воронежского института высоких технологий.

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на Всероссийской научно - технической конференции «Инновационные технологии в науке и экономике: Актуальные проблемы профессионального образования» (Воронеж, 2002); III Всероссийской научно-технической конференции «Теория конфликта и ее приложения» (Воронеж, 2004). Ежегодных конференциях профессорско - преподавательского состава Воронежского института высоких технологий научно-методического семинара кафедры САПРИС ВГТУ (Воронеж, 2002-2005); Научно-технической конференции « Информационные технологии» (Воронеж, 2005).

Публикации. Основное содержание диссертационной работы изложено в 10 печатных работ, перечень которых приведён в конце автореферата.

Личный вклад автора во всех работах заключается в разработке методов, алгоритмов, программного обеспечения анализа данных, построении математических моделей, организации эксперимента с ними и последующей интерпретации результатов моделирования.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 143 страницах машинописного текста, списка литературы (111 наименований), содержит 23 рисунка, 6 таблиц.

4.3 Выводы четвертой главы

1. Построенная система позволяет автоматизировать процесс формирования экспертами базы знаний, а также дает возможность ее корректировки, в том числе с учетом весовых коэффициентов каждого из экспертов, построенных исходя из их опыта, уровня знаний, занимаемой должности и т.п.

2. Соответствующие режиму значения управляющих параметров, представленные нечетко, преобразуются в цифровые (детерминированные) в лингвистическом интерпретаторе, передаются в блок сравнения и отображаются на экране дисплея ЭВМ. Сюда же поступает информация о ходе процесса и его нарушениях.

3. Оператор-технолог, анализируя информацию, поступающую в ЭВМ с производства, а также с учетом наиболее вероятных диагнозов состояния технологической установки, может корректировать ход процесса посредством изменения установок (заданий) и алгоритма управления в контурах регулирования в допустимых пределах.

4. В процессе функционирования установки упаковки и осушки каучука возникает необходимость периодического изменения и пополнения БЗ по мере поступления дополнительной информации о процессе. Блок корректировки БЗ обеспечивает возможность вывода на дисплей, просмотра и корректировки поступающей с установки информации.

ЗАКЛЮЧЕНИЕ

Современные САПР ТП в недостаточной мере обеспечены средствами интеллектуальной поддержки проектировщика. В первую очередь это относится к верхним уровням технологического проектирования. Разработка подсистем имитационного моделирования и оптимизации моделирования технологического процесса осушки и упаковки каучука на основе нечетких моделей представления знаний и рационального выбора проектных решений позволяет продвинуться в этом направлении.

Основными результатами работы является следующие:

1. Повышение степени автоматизации химико-технологического процесса достигается за счет интеграции типовых моделей проектирования и изготовления, интеллектуальной поддержки процесса принятия решений.

2. Для объединения в едином цикле моделирования и оптимизации схем химико-технологического процесса по комплексу технико-экономических показателей необходимо обеспечить синхронизацию имитационных и поисковых схем оптимального проектирования, эффективное введение и преобразование дополнительной экспертной информации при сравнении моделируемых вариантов.

3. Для сравнения перспективных вариантов схем технологического процесса по комплексу показателей на основе информационного критерия приемлемым является применение лингвистических переменных, позволяющих преобразовать качественные суждения проектировщика в размытые количественные оценки.

4. Эффективность алгоритма выбора рационального варианте принципиальной схемы ТП повышается при использовании визуальной аналога компонентов средневзвешенной свертки в виде совокупность секторов окружности, радиус которых соответствует значению показателя, а угловой размер пропорционален значению весового коэффициента. Характер взаиморасположения элементов наглядного образ, должен соответствовать возможностям вероятностного прогнозирования проектировщика при сравнении стимула (сравниваемого образа) эталоном.

5. Совершенствование адаптивного алгоритма многокритериального выбора достигается за счет визуального наблюдения и прогнозирования переходных процессов изменения вероятностей привлечения критериев при поиске рационального варианта и определения параметров переходных процессов в качестве дополнительной информации для корректировки суждений проектировщика.

6. Анализ особенностей процесса диагностирования сложных объектов, как множество альтернатив интерпретации событий; необходимость совместного рассмотрения событий; формирование алгоритмов распознавания первопричины нарушения чаще в виде набора правил, чем в виде системы уравнений; а также необходимость использования эвристических способов выделения наиболее вероятных решений и области их существования, указывает на возможность повышения эффективности процедур диагностики при использовании методов теории искусственного интеллекта.

7. Основную» цель управления процессом можно сформулировать следующим образом: при заданных возмущениях необходимо определить такие значения управляющих параметров, которые обеспечат желаемые значения выхода целевого продукта (степень превращения сырья) и его качественных показателей.

8. Система, функционируя в режиме «советчика», обеспечивает взаимодействие оператора-технолога с системой на профессиональном диалекте естественного языка. В зависимости от ситуации на объекте оператором принимается решение о практической реализации одного из вариантов. Таким образом, нечеткая модель составляет часть человеко-машинной системы, в которой выбор окончательного решения остается за человеком.

9. Построенная интеллектуальная система диагностирования позволяет автоматизировать процесс формирования экспертами базы знаний, а также дает возможность ее корректировки, в том числе с учетом весовых коэффициентов каждого из экспертов, построенных исходя из их опыта, уровня знаний, занимаемой должности и т.п.

1. Батищев Д. И. Методы оптимального проектирования. М.: Радио и связь, 1981.248 с.

2. Батищев Д. И. Поисковые методы оптимального проектирования. М.: Сов. радио, 1975. 216 с.

3. Батищев Д. И., Коган Д. И. Вычислительная сложность экстремальных задач переборного типа. Н. Новгород: Изд-во Нижегородского университета, 1994. 111 с.

4. Вальк М., Гирлих Э., Ковалев М. Проблемы оптимального проектирования систем // Экстремальные задачи оптимального планирования и управления. Минск, 1991. С. 4-21.

5. Вермишев Ю. X. Основы автоматизации проектирования. М.: Радио и связь, 1988. 280 с.

6. Гаран В. И., Друян В. М., Хенкин Б. Н. Имитационное моделирование при технологическом проектировании прокатных цехов в условиях САПР. В сб.: нформатика. Сер. Автоматизация проектирования, 1991, вып 1. С. 64-73.

7. Горанский Г.К., Бендерева Э.И. Технологическое проектирование в комплексных автоматизированных системах подготовки производства. М: Машиностроение, 1981.456 с.

8. Грувер М., Зиммерс Э. САПР и автоматизация производства: Пер. с англ. М.: Мир, 1987. 370 с.

9. Донец А. М., Львович Я. Е., Фролов В. Н. Автоматизированный анализ и оптимизация конструкций и технологий РЭА. М.: Радио и связь, 1983. 104 с.

10. Зайцева Ж. Н. Новый виток в развитии САПР ЭВА // Интеллектуальные САПР: Межвед. темат. научн. сб. Таганрог: ТРТИ, 1988. С. 13-16.

11. Иванов Ю.В., Лакота Н. А. Гибкая автоматизация производства РАЭ с применением микропроцессоров и роботов. М.: Радио и связь, 1987. 463 с.

12. Инженерное обеспечение гибкого производства изделий радиоэлектроники / С. Д. Кретов, В. М. Литвинов, Я. Е. Львович и др. М.: Радио и связь, 1989. 208 с.

13. Интеллектуальные САПР технологических процессов в радиоэлектронике / А. С. Алиев, Л. С. Восков, В. Н. Ильин и др.; Под ред. В. Н. Ильина. М.: Радио и связь, 1991. 264 с.

14. Каплинский А. И., Пропой А. И. Методы нелокальной оптимизации, использующие теорию потенциала. Автоматика и телемеханика, №7, 1993. С. 55-65.

15. Каплинский А. И., Пропой А. И. О градиентных методах нелокальной оптимизации, использующих теорию потенциала. Доклады АН, №2, 1993. С. 170-172.

16. Капусин Н. М. и др. Диалоговое проектирование технологических процессов. М.: Машиностроение, 1983. 254 с.

17. Кини Р. П., Райфа X. Принятие решений при многих критериях. М.: Радио и связь.

18. Кузьмин И. В., Явна А. А., Ключко В. И. Элементы вероятности моделей автоматизированных систем управления. М.: Сов. радио, 1975. 336 с.

19. Курейчик В.Н. Математическое обеспечение конструкторского и технологического проектирования с применением в САПР: учебник для вузов. М: Радио и связь, 1990. 352 с.

20. Ларичев О. И. Человеко-машинные процедуры принятия решений. Автоматика и телемеханика, №12, 1971.

21. Ларичев О. И. Наука и искусство принятия решений. М.: Наука, 1979. 100 с.

22. Лебедовский М. С., Вейц В. П., Федотов А. И. Научные основы автоматической сборки. Л.: Машиностроение, 1990. 415 с.

23. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом М.: Радио и связь, 1990.

24. Львович Я. Е., Фролов В. Н. Теоретические основы конструирования, технологии и надежности РЭА. М.: Радио и связь, 1983, 192 с.

25. Львович Я. Е. Методы поиска экстремума в задачах разработки конструкции и технологии РЭА. Воронеж: ВПИ, 1982. 77 с.

26. Львович И. Я., Фролов В. Н. Структурно-параметрическая оптимизация технологических систем на основании имитационных моделей // Оптимизация и моделирование в автоматизированных системах: Сб. научн. тр. Воронеж: ВПИ,1991. С. 100-104.

27. Львович И. Я., Фролов В. Н. Многокритериальный выбор с использованием переходных процессов структурно-параметрической оптимизации имитационных моделей сложных систем // Компьютеризация в медицине: Сб. научн. тр. Воронеж: ВПИ, 1992. С. 119-125.

28. Львович И. Я., Фролов В. Н. Использование методов пассивного и активного имитационного эксперимента для структурно-параметрической оптимизации // Компьютеризация в медицине: Сб. научн. тр. Воронеж: ВПИ, 1993.С. 4-7.

29. Львович И. Я Структура программного обеспечения многовариантной оптимизации сложных систем в среде GPSS/PC // Оптимальное проектирование технических устройств и автоматизированных систем: Тез. докл. Рос. совещ. -сем. Воронеж, 1992. С. 71.

30. Львович И. Я., Фролов В. Н. Выбор рационального варианта человеко-машинной системы по результатам имитационного моделирования // Эффективность качество надежность систем «Человек-техника»: Тез. докл. 9 Всес. сем. Воронеж, 1990,4.2. С. 67, 68.

31. Львович И. Я., Фролов В. Н. Алгоритмизация структурно-параметрического имитационного моделирования и оптимизации технологических систем // Современные проблемы алгоритмизации: Тез. докл. республ. конф. Ташкент, 1991. С. 16-17.

32. Львович И. Я., Фролов В. Н. Имитационное моделирование процесса выбора структуры и параметров технологических систем // Матиматическое моделирование: Тез. докл. Всес. конф. Воронеж, 1992. С. 61.

33. Львович И. Я. Структурная оптимизация сложной системы в среде GPSS/PC//CAIIP-92.HoBbie информационные технологии в науке, образовании и бизнесе: Тез. докл. Международной конференции и школы молодых ученых и специалистов. Гурзуф-Воронеж, 1992. С. 207.

34. Львович И. Я., Фролов М. В. Структурная оптимизация программно-технических комплексов САПР на основе имитационного моделирования в среде GPSS/PC // Автоматизация проектирования РЭА и ЭВА: Тез. докл. -Пенза, 1992. С. 39,40.

35. Львович И. Я., Фролов В. Н. Многоальтернативный выбор варианта технологической системы по результатам имитационного моделирования // САПР-93: Информационные технологии в науке, образовании, бизнесе: Тез. докл. Гурзуф-Москва, 1993. С. 10.

36. Львович И. Я. Структурно-параметрическая оптимизация технологических систем на базе имитационного моделирования в среде GPSS/PC // Опыт информатизации в промышленности: Тез. докл. per. совещ. -сем., Воронеж, 1993. С. 58.

37. Львович И. Я., Фролов В. Н. Имитационное моделирование и структурно-параметрическая оптимизация систем по показателю надежности электронных устройств: Тез. докл. научн.-техн. конф., Бердянск, 1993. С. 37.

38. Львович И. Я., Фролов В. Н. Алгоритмы многокритериального выбора при проектировании сложных систем // Методы и средства оценки и повышения надежности приборов, устройств и систем: Тез. докл. рос. научн.-техн. конф., Саратов, 1994. С. 90,91.

39. Львович И. Я., Фролов В. Н. Имитационное моделирование и структурно-параметрическая оптимизация систем в среде GPSS/PC // Автоматизация проектирования РЭА и ЭВА: Тез. докл. научн.-техн. конф., Пенза, 1993. С. 28,29.

40. Львович И. Я. Интеграция обучающих, контролирующих и проектных процедур в учебно-исследовательской САПР ТП // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез. докл. Всерос. совещ. сем. Воронеж, 1994. С. 107.

41. Львович И. Я. Оценка эффективности использования учебно-исследовательской САПР в зависимости от облученности пользователя // Высокие технологии в технике и медицине: Межвуз. сб. научн. тр. Воронеж: ВГТУ, 1994. С. 99-102.

42. Максимей И. В. Имитационное моделирование на ЭВМ. М.: Радио и связь, 1988. 230 с.

43. Мельцер М. И. Диалоговое управление производством. М.: Финансы и статистика, 1982.

44. Мильнер Ф. Т. Автоматизация технологического проектирования. -Обмен опытом в радиопром., 1984, вып. 1.

45. Митрофанов С. П. и др. Применение ЭВМ в технологической подготовке серийного производства. М.: Машиностроение, 1981. 287 с.

46. Михалев С. В., Мирзаев С. М. Автоматизация технологической подготовки производства. Минск: Высшая школа, 1982.

47. Молчанов А. А. Моделирование и проектирование сложных систем. Киев: Вища. шк., 1988.

48. Нейлор Т. Машинные эксперименты с моделями экономических систем. М.: Мир, 1975. 502 с.

49. Норенков И. П. Разработка структур САПР // Радиоэлектроника, 1989, № 6. С. 19-25. (Изв. высш. учеб. зав).

50. Норенков И. П., Маничев В. В. Основы теории и проектирования САПР: Учеб. Для вузов. М.: Высш. Шк., 1990. 335 с.

51. Организационно-технологическое проектирование ГПС / Под ред. С. П. Митрофанова. М.: Машиностроение, 1986. 293 с.

52. Павлов В. В. Унификация программного и информационного обеспечения САПР ТП на основе иерархической системы математического моделирования / Материалы научно-техн. сем. Разработка и применение САПР ТП. Л.: ЛДНТП, 1985. С. 15-24.

53. Проектирование автоматизированных комплексов производства радиоэлектронной аппаратуры / Под ред. В. П. Демина. М.: Радио и связь, 1985.

54. Сигорский В. П. Проблемная адаптация в системах автоматизированного проектирования//Радиоэлектроника, 1986, №6. С. 5-22. (Изв. высш. учеб. зав.).

55. Смит Дж. М. Математическое и цифровое моделирование для инженеров и исследователей. М.: Машиностроение, 1980.

56. Снапелев Ю. М., Старосельских В. А. Моделирование и управление в сложных системах. М.: Радио и связь, 1974. 264 с.

57. Советов Б. Я., Яковлев С. А. Моделирование систем. М.: Высш. шк., 1985. 271 с.

58. Сольницев Р. И., Кононкж А. Е., Кулаков Ф. М. Автоматизация проектирования ГПС. JL: Машиностроение, 1990. 415 с.

59. Стемпковский М. С. Особенности проектирования и моделирования технологических процессов. Обмен произв. техн. опытом, 1986, вып. 1. С. 1923.

60. Стемпковский М. С., Масютин Г. Г. Пакет прикладных программ для создания автоматизированных диалоговых систем. Обмен произв. техн. опытом, 1988, вып. 3. С. 3-8.

61. Ступаченко А. А. САПР технологических операций. Л.: Машиностроение, 1988. 234 с.

62. Унификация конструкторско-технологических решений при автоматизации технологической подготовки производства микросборок / Под ред. Н. П. Меткина М.: Стандарты, 1988.

63. Фролов В. Н., Львович Я. Е. Системное проектирование технологических процессов. Воронеж: изд-во ВГУ, 1982. 124 с.

64. Фролов В. Н. Управление технологическими процессами производства РЭА в условиях неоднородности. Воронеж: изд-во ВГУ, 1982.

65. Фролов В. Н., Львович Я. Е., Меткин Н. П. Автоматизированное проектирование технологических процессов и систем производства РЭС. М.: Высш. Шк., 1991. 436 с.

66. Хартман К. Планирование эксперимента в исследовании технологических процессов / Пер. с нем. Г. А. Фомина, Н. С. Лецкой. М.: Мир, 1977. 552 с.

67. Хокс Б. автоматизированное проектирование и производство: Пер. с англ. М.: Мир, 1991.296 с.

68. Цветков В. Д. Системно-структурное моделирование и автоматизация проектирования технологических процессов. Минск: Наука и техника, 1980.

69. Шеннон Р. Имитационное моделирование систем // Искусство и наука. М.: мир, 1978.

70. Шехтер М. С. Кисин М. Е. О статистической оценке сенсорных данных в процессе опознания простых признаков стимулов. В кн.: Вероятное

71. Ф прогнозирование в деятельности человека М.: Наука, 1977. С. 242-255.

72. Шрайбер Т. Моделирование на GPSS. М.: Машиностроение, 1980.

73. Юрасов В. Г. Математическое описание одного класса динамических процессов по экспериментальным данным // Математические и технические вопросы медицинской кибернетики: Сб. научн. тр. Воронеж: ВПИ, 1977. С. 3539.

74. Юрочкин А. Г., Львович И. Я. Оптимизация гибкой технологическойсистемы сборки микроЭВМ с использованием имитационной модели // Алгоритмы моделирования и оптимизации автоматизированных систем: Сб. научн. тр. Воронеж: ВПИ, 1990. С. 95-98.

75. Duboi S. D, Prade Н. Additious of intersctive fuzzy numbers // IEEE Traus on Automatic Control, 1981. Vol. A1 26.

76. Groover M. P, Zimmers E. W. CAD/CAM: Computer Aided Design and Manufacturing. Prentice Hall Interh., 1984.

77. Hiller F. S. Chance constrained programming with 0-1 or bounded continuos decision variables // Manag Sci, September, 1967, v. 14, p. 18-25.

78. Щ 92. Hubel D. H., Wiesel T. N. Receptivefields and functional architecture ofmonkey striate cortex// J. Phisiol. (Engl.), 1966, v. 195, p. 215-243.

79. Mc. Donald J. C. Hastings W. F. Selecting and justifying CAD/CAM // Assembly Engineering, 1983, №4, p. 24-27.

80. Nici M., Van Dijk, Eric Smetink. A non-exponential queering system with independent arrivals and batch servicing // J. Appl. Probab., 1990, v. 27, p. 401-408.

81. Rose D., Blackmore C. Analysis of orientation selectivity in the cat's visual cortex // Exp. Brain Res., 1974, v. 27, p. 401-408.

82. Wesely J. Stochastic programming // Statist, neerlandica, 1967, v. 21, №1.

83. Баканов М.И., Шеремет А.Д. Теория экономического анализа.

84. М.: Финансы и статистика, 1997.

85. Гохман О.Г. Экспертное оценивание. Воронеж: Изд-во ВГУД991

86. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. -М.: Мир, 1976.

87. Нечеткие множества и теория возможностей. Последние достижения / под ред. Р.Ягера. М.: Радио и связь, 1986.

88. Орлов А.В. Экономико-математические модели в розничной торговле. -М.: Экономика, 1972.

89. Перспективы развития вычислительной техники: в 11 кн.: справ. Пособие / под ред. Смирнова Ю.М. Кн.2. Интеллектуализация ЭВМ / Кузин Е.С., Ройтман А.И., Фоминых И.Б., Хахалин Г.К. М.: Высшая школа, 1989.

90. Ю4.Фаронов В.В. Delphi 4. Учебный курс. -М.: Нолидж, 1999.

91. И.Я. Львович, Г.В. Пожидаев. Система управления и регулирования технологическим процессом осушки и упаковки каучука при заданных возмущениях /Межвуз сб. науч. тр. «Оптимизация и моделирование в сложных системах» Воронеж. 2004. с. 159 162.