автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Система интеллектуальной поддержки при выборе оптимального технологического режима

На правах рукописи

ГОЛУБЯТНИКОВА МАРИНА ВЛАДИСЛАВОВНА

СИСТЕМА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИ ВЫБОРЕ ОПТИМАЛЬНОГО ТЕХНОЛОГИЧЕСКОГО РЕЖИМА (НА ПРИМЕРЕ ПРОЦЕССА ЭКСТР АКЦИИ РАСТИТЕЛЬНОГО СЫРЬЯ)

Специальность 05.13.01 - «Системный анализ, управление и обработка информации (промышленность, информатика)»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

2 8 АПР 2011

Астрахань - 2011

4844618

Работа выполнена в Федеральном государственном образовательном учреждении высшего профессионального образования «Астраханский государственный технический университет».

Научный руководитель:

кандидат технических наук, доцент Антонов Олег Викторович.

Официальные оппоненты: доктор технических наук, профессор

Литовка Юрий Владимирович,

кандидат технических наук, Жедунов Руслан Равкатович.

Ведущая организация:

ГОУ ВПО «Воронежская государственная технологическая академия».

Защита состоится 14 мая 2011 г. в 09 часов 30 минут на заседании диссертационного совета Д 307.001.06 при Астраханском государственном техническом университете по адресу: 414025, г. Астрахань, ул. Татищева, 16, главный корпус, ауд. 305.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью, просим направлять по адресу: 414025, г. Астрахань, ул. Татищева, 16, АГТУ, секретарю диссертационного совета Д 307.001.06.

С диссертацией можно ознакомиться в библиотеке Астраханского государственного технического университета.

Автореферат разослан « 7* » 2011 г.

Ученый секретарь диссертационного совета

А.А. Ханова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Теория и практика современного системного анализа является основой для решения разнообразных задач, большинство из которых не могут быть удовлетворительно решены в рамках неструктурированного подхода. Одной из таких задач является задача выбора оптимального технологического режима при автоматизации массообменных процессов. Процессы массообмена широко распространены в химической, пищевой, горнорудной и других отраслях промышленности. В качестве примера рассматривается процесс экстракции корня солодки голой (Glycirrhiza glabra). Целевым компонентом процесса экстракции корня солодки является глицирризиновая кислота, применение которой обусловлено противовирусным, противовоспалительным и иммуномодулирующим действием.

Наибольшее распространение получили методы динамической мацерации и в их числе метод дробной мацерации, который широко распространен на предприятиях малого и среднего бизнеса. Существующие технологии извлечения и концентрирования приводят к значительным потерям целевых компонентов растительного сырья и изменению химического состава термолабильных веществ. Вопросы интенсификации процесса экстракции растительного сырья путем выбора оптимального технологического режима на основе учета как количественной, так и качественной информации о ходе протекания процесса до настоящего времени изучены недостаточно.

Существенные результаты в этой области были получены в работах М. А. Айзермана, Л. Заде, Р. Л. Кини, О. И. Ларичева, О. Моргенштерна, В. В. Подиновского, Т. Саати, П. Фишберна, К. Эрроу и других. Наиболее перспективными в исследуемой области являются методы поддержки принятия решений, которые не требуют обязательного преобразования высказываний экспертов в числовую форму или формальные зависимости. Однако существенным недостатком лингвистического описания знаний и обоснования принимаемых решений остается высокая доля знаний, остающихся неиспользованными.

Вследствие этого существует необходимость исследований, направленных на создание методов математического моделирования технологических процессов, а также специальных методов и интеллектуальных систем поддержки принятия решений для осуществления оптимального выбора. Использование систем интеллектуальной поддержки при выборе оптимального технологического режима, учитывающих как количественную, так и качественную информацию, позволит увеличить эффективность процессов, уменьшить материальные и энергетические затраты, а также снизить требования к квалификации персонала предприятий.

Объектом исследования является процесс экстракции корня солодки, проводимый путем однократной или двукратной (бис-) мацерации.

Предметом исследования является разработка методов и алгоритмов повышения эффективности процесса экстракции корня солодки за счет выбора оптимального технологического режима процесса.

Целью работы является снижение потерь целевых компонентов при осуществлении процесса экстракции растительного сырья на основе принятия управленческих решений, с учетом количественной и качественной информации о внешних и внутренних условиях протекания процесса.

В соответствии с поставленной целью в диссертационной работе необходимо решить следующие задачи:

-на основе системного анализа определить и классифицировать факторы, влияющие на процесс экстракции растительного сырья;

-провести анализ технологического процесса экстракции как объекта управления с учетом структурной иерархии, определить внутрисистемные переменные процесса экстракции и выявить взаимосвязи между ними;

-разработать методику построения математических моделей технологических процессов, позволяющую учитывать развитую структурную иерархию процессов, обрабатывать количественную и качественную информацию, с учетом особенностей экстрагирования растительного сырья;

- разработать алгоритм поддержки принятия решений для выбора оптимального технологического режима при нечетко выраженных экспертных оценках;

- сформировать структуру системы интеллектуальной поддержки при выборе оптимального технологического режима процесса экстракции растительного сырья, оценить эффективность применения системы интеллектуальной поддержки при выборе оптимального технологического режима для управления процессом экстракции растительного сырья.

Методы исследования: системный анализ, математическое моделирование, методы нечетких множеств, методы искусственного интеллекта. Выводы и рекомендации, сформулированные в диссертации, основаны на теоретических и экспериментальных исследованиях.

Достоверность и обоснованность результатов исследования подтверждается корректным использованием теоретических и экспериментальных методов обоснования полученных результатов, а также совпадением результатов исследований с экспериментальными данными.

Научная новизна и теоретическая ценность работы заключается в разработке системного подхода к моделированию и управлению технологическими процессами. На основании этого:

-разработана методика построения математических моделей технологических процессов, позволяющая обрабатывать количественную и качественную информацию и учитывать структурную иерархию системы;

-предложен метод агрегатно-матричного представления математических моделей технологических процессов, преимуществами которого являются независимость математического представления от физической природы и

особенностей технологического объекта, а также удобство внутримашинного представления;

-разработан алгоритм выбора оптимального технологического режима, позволяющий принимать обоснованное решение с использованием нечетко выраженных экспертных оценок.

Практическая ценность и реализация результатов работы:

-разработана математическая модель процесса экстракции корня солодки;

-разработана структура системы интеллектуальной поддержки при выборе оптимального технологического режима экстракции корня солодки;

- разработано программное обеспечение, реализующее функции системы (свидетельство о регистрации программы для ЭВМ «Программа аппроксимации интервальных кривых при моделировании процесса экстракции» №2010612924 от 29.04.2010 г.).

Результаты диссертационной работы используются в практической деятельности ООО Научно-производственное предприятие «Вулкан» (г. Астрахань) и в учебном процессе в ФГОУ ВПО «Астраханском государственном техническом университете».

Апробация работы. Основные результаты диссертации доложены и обсуждены на ежегодных научно-технических конференциях профессорско-преподавательского состава Астраханского государственного технического университета в период с 2005 по 2010 гг., на международной научной конференции «Электронная культура. Информационные технологии будущего и современное электронное обучение «Modern IT & (Е-) learning», (г. Астрахань,

2009); на международном конгрессе по интеллектуальным системам и информационным технологиям «AIS-IT'09», «AIS-IT'10» (п. Дивноморское, 2009,

2010); «Математические методы в технике и технологиях ММТТ-22», «ММТТ-23», (г. Псков, 2009, г. Саратов, 2010).

Публикации. По теме диссертации опубликовано 10 печатных работ: 3 статьи в журналах из списка, рекомендованного ВАК РФ. 6 публикаций в форме докладов и статей конференций. Получено свидетельство о регистрации программы для ЭВМ. Без соавторов опубликовано 2 работы.

Структура и объём диссертации. Диссертационная работа состоит из введения, 4 глав, заключения, библиографического списка и приложений. Основная часть диссертации изложена на 162 страницах машинописного текста, содержит 34 рисунка, 9 таблиц. Библиографический список литературы включает 149 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность выбранной темы, раскрыты научная новизна и практическая ценность полученных результатов. Приведены результаты апробации и внедрения результатов исследований.

Первая глава посвящена анализу известных систем и методов принятия решений, предназначенных для нахождения наилучшей альтернативы на основе экспертных предпочтений, а также существующих методик построения математических моделей технологических процессов. Поставлена цель и сформулированы задачи исследования.

В работе проведен литературный обзор известных математических моделей процесса экстракции корня солодки. Показано, что традиционные способы построения математических моделей применительно к процессу экстракции являются малоэффективными в связи со сложностью и развитой структурной иерархией процесса. Значительная часть существующих способов построения математических моделей разработана с учетом допущения о неизменности свойств сырья в процессе экстракции, что является верным для сырья минерального происхождения, но не учитывает особенности экстракции растительного сырья.

В качестве критерия оптимальности, определяющего эффективность процесса экстракции растительного сырья, выбрано количество целевого компонента, остающегося в сырье после окончания процесса экстракции Оцк. Тогда задача выбора оптимального технологического режима процесса экстракции растительного сырья сформулирована следующим образом: при заданных параметрах сырья Сс найти значения определяющих технологических параметров У, обеспечивающих минимум критерия оптимальности Оцк при одновременной минимизации затрат энергии Зэ при наложенных связях в виде математической модели процесса.

Эта задача решается разработкой интеллектуальной системы, позволяющей на основании первичных данных, получаемых с помощью средств автоматизированного контроля, а также органолептических оценок управляющего персонала, производить оценку текущего состояния технологического процесса и формировать рекомендации по управлению технологическим процессом в соответствии с поставленной целью. Такая система может быть реализована с использованием принципов имитационного моделирования на основе математической модели технологического процесса экстракции, адекватно представляющей реальный процесс.

Во второй главе предложена методика построения математических моделей технологических процессов, позволяющая обрабатывать количественную и качественную информацию и учитывать структурную иерархию системы.

Первый этапом построения модели технологического процесса является анализ и выявление структурной иерархии системы. Структуризацию осуществляют путем разделения на уровни моделирования по вертикали с использованием принципа простоты составления математического описания. Применительно к технологическому процессу в качестве уровней выделены уровни ме-гамасштаба, макромасштаба, мезомасштаба и микромасштаба.

На втором этапе в пределах выбранного уровня осуществляется выделение входных и выходных факторов процесса. В результате этого этапа получены структурная и параметрическая схемы.

На третьем этапе производится анализ и представление внутренней структуры системы в виде диаграммы взаимного влияния факторов (ДВВФ). Для построения ДВВФ привлекается несколько экспертов в области рассматриваемого технологического процесса. В качестве элементарного компонента ДВВФ используется ячейка вида «несколько входов - один выход».

На четвертом этапе производится операция агрегирования и описание взаимосвязей внутри системы. Целью агрегирования является составление модели системы из моделей составляющих компонентов. Наиболее употребительными являются агрегаты-структуры, агрегаты-операторы, агрегаты-статистики, агрегаты-случайные процессы. Этот набор достаточен для моделирования технологических процессов в условиях достаточности количественного описания.

Для представления математической модели предложен агрегатно-матичный способ. Рассмотрим представление агрегата-оператора, описывающего взаимосвязь между факторами элементарной ячейки ДВВФ, выраженного в виде многокритериальной зависимости вида

г = р(х1,х2,хЗ...хп), (1)

где 2- выходной фактор элементарной ячейки, Хг,... Хп- входные факторы ячейки, оператор взаимосвязи.

В случае, если зависимость является аддитивной, то уравнение может быть сведено к виду

2 = ВД) + Р2(Х2) + ^з(Хз) + ... +РП(ХП), (2)

и агрегат-оператор элементарной ячейки ДВВФ может быть задан совокупностью матриц-строк вида

А1 = (Оп ап-1 - а0 ), (3)

где а0 ... Од в /'-той матрице — значения коэффициентов регрессионной зависимости где / -номер аддитивной составляющей агрегата-оператора.

В случае мультипликативной зависимости уравнение (1) может быть представлено в виде

N N

2 = (4)

)=1 ¡=1

где аГ1- коэффициент мультипликативной регрессии, хи входные параметры элементарной ячейки, //-число входных параметров, и задано матрицей А вида:

А = {ац}. (5)

При невозможности полного аналитического описания математической модели предлагается использовать для описания взаимосвязи между параметрами технологического процесса имеющуюся качественную информацию. Для

формализации связи между параметрами, выраженной в виде лингвистического описания, расширим понятие агрегата и введем понятие агрегата-нечеткого отношения РЯ, который представляет собой оператор взаимосвязи входных и выходных величин, выраженных в виде нечетких множеств. Это позволит при построении математической модели учитывать как количественную, так и качественную информацию об исследуемой системе. Агрегат-нечеткое отношение изначально задается матрицей нечеткого отношения ГЯ, что полностью соответствует агрегатно-матричному методу представления математической модели.

Предложенный агрегатно-матричный метод позволяет представить зависимость входных и выходных параметров математических моделей технологических процессов в виде совокупности матриц различной размерности. Преимуществами предложенного метода представления математических моделей технологических процессов являются: универсальность, то есть независимость математического представления от физической природы и особенностей технологического объекта; удобство внутримашинного представления, что обеспечивается единообразным способом хранения математических зависимостей различного вида; возможность использования типовых программных средств для обработки матриц.

Пятый этап — составление алгоритма, программы решения и анализ полученных результатов — определяется как предыдущими этапами и целью моделирования, так и типом вычислительного устройства.

Предложенная методика построения математических моделей технологических процессов позволит обрабатывать количественную и качественную информацию и учитывать структурную иерархию системы.

Третья глава посвящена решению задачи выбора оптимального технологического режима технологического процесса на основе математической модели процесса экстракции корня солодки. Для этого проведен анализ технологической схемы производства экстракта корня солодки, выявлены факторы, влияющие на процесс экстракции корня солодки. Построена ДВВФ процесса экстракции корня солодки. Произведено агрегатно-матричное описание взаимосвязей ДВВФ процесса экстракции корня солодки, получена математическая модель процесса экстракции. Разработан алгоритм выбора оптимального технологического режима при использовании агрегатно-матричного представления модели и нечетко выраженных экспертных оценках.

На основании проведенного анализа построена ДВВФ процесса экстракции корня солодки (рис. 1).

Входные параметры ДВВФ могут быть представлены как в виде численных значений, так и в виде лингвистических описаний.

На следующем этапе проведено описание взаимосвязей факторов. Для примера рассмотрим структуру зависимости площади раздела фаз Г в системе «жидкость — твердое тело» от измельченности сырья СЯ.

ном аппарате, ВЕ - подвод энергии в процессе экстракции, IM- интенсивность перемешивания, BD - добавка поверхностно-активных веществ, т- длительность процесса экстракции, Скон - концентрация готового экстракта.

Рис. 1. Диаграмма взаимного влияния факторов процесса экстракции корня

солодки

В качестве универсального множества для описания параметров, представленных в виде лингвистических описаний, принят числовой диапазон от О до 10, т.е. универсальное множество U = [0..10]. Для лингвистических переменных CR и F введены предопределенные первичные термы:

CR {малая, средняя, большая}, F {маленькая, средняя, большая}.

Каждый го первичных термов характеризуется нечетким множеством X. Соответствие аппаратурных и органолептических показателей выражают в виде условной шкалы коэффициентов соответствия.

Первичные термы для каждой лингвистической переменной при отображении на дискретное множество U представлены как CR: {cri, сг2, сгЪ},

F: {f\,fl,fi}.

Построение агрегата-нечеткого отношения осуществляется на основе набора лингвистических правил:

Если измелъченностъ сырья малая, то площадь раздела фаз маленькая, иначе если измелъченностъ сырья средняя, то площадь раздела фаз средняя, иначе если измелъченностъ сырья большая, то площадь раздела фаз большая.

Далее вычисляется агрегат-нечеткое отношение как матрица нечеткого отношения FR:

FR = (cri -f\) + (cr2 -fl) + (сгЗ -fi) (6)

Последовательно объединив описания структур зависимости, представленные в агрегатно-матричном виде, получим математическую модель процесса экстракции с учетом структурной иерархии и количественной неопределенности:

С„„ = f(Q,K,F,Cma,i}/,KW,T),

10 II 10 II 10 II 10

lo ol'lo ol'lo ol'lo o'/'

MI = f(BD,Dm,DwP), M2 = f(R„D,B,p), M3 = f(d,Dm,P),

->

Л0 II 10 11 10 II

Vio orlo ol'lo ol'

M 4

=«»-"■«=>(к к к

«=> С и il> => (lo SI-1S JD-

M4 => (I® J|), M5 =M2+M3+M4, A6 => (1 1 1 ),

К = MI' 1/MS, К => (|J ¿|), F = defuzzy{FR3 0 CR),

Rc = defuzzy(FR2 ° CR), KW = defuzzy(FR6 ° CR °BE), y/= defuzzy{FR7 °CL°SM °TS), DCB = /( Trf.r*),

DBa = f(T,r)*,r*,PR), DCB => (

ASI =

7,32 • 10~25 0

AS_2 =

0 11 0 ol

,B5_2 =

,B B_1 r*

С 5_2 =

7,32 • Ю-" -T-v

0

, C5_3 =

0 7,32 • 10-2S |0

o o 'lo

= I17* °l es 1 = I77* lo rl'"-1 Ir

o

7,32 • 10"25 - 7-77* PR

7,32 • 10"25 -T-rj

¡D-

PR = defuzzyiFRl °y), ST = FRS°v,v = defuzzy(FR4 °/M),

d = f{n, v,p), DB:

4-25

10 10

Ol

(7)

(10 7,32-10 МО 0

2,1 • 10-13 6,8 • 10~13 10,25 • 10~13 \ т-А4 • 1013 = ( 7,4 • Ю-13 • 0,95 • Ю-13 1,77 • 10"13 ,С4 = (р ^0,01 • Ю-13 5,6 • Ю-13 3,75 • 10'13 ) ^

В4 = (о р 1у=Г(л,5Т,Г1),А1 = {1>69 =

Для решения задачи выбора оптимального технологического режима необходимо определить алгоритм нахождения вектора оптимальных технологических параметров режима Я, являющегося оптимальным по произвольно выбранным

10

критериям сравнения, в случае представления оценок сравнения в виде лингвистических описаний.

Для снижения степени субъективности оценок экспертов предложено выражать оценки приоритетов в лингвистической форме, например, «более предпочтительно», «значительно более предпочтительно», «безразлично» и т.д. Для обработки такой информации применены математический аппарат нечетких множеств и метод анализа иерархий. На выбранном универсальном множестве и = [ОД.. 10] принято, что £7=0 соответствует абсолютному доминированию второй альтернативы над первой, 11= 10 - абсолютному доминированию первой альтернативы над второй, (7=5 соответствует равнозначности альтернатив.

Для нахождения вектора приоритета введено понятие момента нечеткого множества М(Х):

М{Х)= Г^/и-ийи, (8)

-'о

где Iх/и - значение функции принадлежности нечеткого множества М(Х) к значению и универсального множества V.

Для нечеткого множества X на дискретном универсальном множестве V

мах) = ^/щ-щ (9)

1=0

М*

Для определения вектора приоритетов вычислены нормированные суммарные моменты лингвистических оценок доминирования факторов М*{Хр^р.):

п п п

= £ М(ХР./Р]) 2 М(ХР./Г.) (10)

)=1 1=1 ]=1 Для учета степени уверенности эксперта в достоверности оценки введем понятие «конкретности» нечеткого множества К(Х):

Ду) _ ^тах (11)

где /Апах - максимальное значение функции принадлежности для нечеткого множества X, 5-площадь, ограниченная функцией принадлежности. Тогда, момент нечеткого множества М(Х) определен как:

М(Х) = I • 5 • К{Х), (12)

что позволяет одновременно учитывать как значение оценки, так и степень уверенности эксперта в достоверности оценки.

Алгоритм выбора оптимального технологического режима (рис. 2) включает в себя ввод исходной информации и формализацию лингвистической информации, генерацию вариантов технологических режимов, расчет режимных параметров по математической модели, предварительный отбор вариантов, построение матрицы парных сравнений, проверку полученных матриц, вычисление вектора глобальных приоритетов, выбор оптимального технологического режима.

Рис. 2. Алгоритм выбора оптимального технологического режима процесса экстракции растительного сырья

Для выбора оптимального технологического режима процесса экстракции в качестве факторов сравнения альтернативных режимов выбраны: - цена экстракта; - длительность процесса; ^ - остаточное содержание целевого компонента в шроте; - качество продукта. В качестве альтернатив использованы три различных технологических режима, различающиеся значениями режимных переменных. В результате обработки матрицы парных сравнений факторов относительно главной цели получен вектор приоритетов: F1 = 0,283, = 0,117, ^з = 0,417, =0,183.

После расчета по математической модели концентрационных кривых для выбранных режимов Яг, Къ Л3 проведено сравнения альтернатив. В таблице 1 приведена матрица сравнений альтернатив для фактора матрицы для остальных факторов составляют аналогично.

Таблица 1

Матрица парных сравнений альтернатив для фактора ^

Цена экстракта Л, я2 Лз Нормированные приоритеты

Д, - менее предпочтительно менее предпочтительно 0,200

Я2 более предпочтительно - более предпочтительно 0,467

Яз более предпочтительно менее предпочтительно - 0,333

Обработка матриц производится аналогично обработке матрицы парных сравнений факторов, результаты обработки в виде векторов нормальных и глобальных приоритетов приведены в таблице 2.

Таблица 2

Глобальные приоритеты альтернатив

Веса критериев ^(0,283) ^(0,117) /^(0,417) /4(0,183) Глобальный приоритет

Л] 0,200 0,133 0,400 0,133 0,263

0,467 0,533 0,133 0,467 0,335

Яз 0,333 0,333 0,467 0,400 0,401

Наиболее предпочтительным является режим Я3, который характеризуется средней ценой получаемого экстракта и мягкостью температурного воздействия, что предотвращает разрушение высокомолекулярных компонентов экстракта.

Таким образом, предложенный алгоритм выбора оптимального технологического режима позволяет повысить объективность выбора наилучшего вектора управляющих переменных при обработке нечетко выраженных экспертных оценок в лингвистической форме.

Четвёртая глава посвящена разработке структуры системы интеллектуальной поддержки при выборе оптимального технологического режима процесса экстракции растительного сырья с учетом предлагаемого алгоритма поддержки принятия решений для определения наиболее эффективных мероприятий по снижению потерь целевого компонента.

В соответствии с алгоритмом функционирования системы интеллектуальной поддержки в системе выделяются следующие подсистемы: ввода и формализации информации, генерации вариантов технологических режимов, математическая модель процесса экстракции, блок вычислений (расчет режимных параметров, отбор вариантов), формирования экспертных оценок, хранения данных (база данных), вывода данных.

Для хранения матриц математической модели процесса выбрана СУБД Microsoft Access. В качестве среды разработки интерфейсной части системы выбрана Delphi 2010.

Проверка эффективности применения разработанной система интеллектуальной поддержки проведена путем направленного вычислительного эксперимента. Произведено сравнение расчетных параметров процесса экстракции с экспериментальными данными (табл. 3).

Таблица 3

Экспериментальные и расчетные показатели процесса экстракции

Показатели Эксперимент Расчет

I II I II

Набухание, % 83,3 118,5 85,2 120,3

Количество поглощенной жидкости, мл 31,7 44,1 31,9 45,8

Количество оставшегося экстрагента, мл 368,3 355,9 368,1 344,2

Содержание глицирризиновой кислоты в растворе, г Содержание глицирризиновой кислоты в корнях, г 7,9 9,7 14,3 3,3 7,4 9,3 14,1 3,2

Количество жидкости в корнях в момент измерения, мл 66,6 94,8 68,2 96,2

Концентрация глицирризиновой кислоты в растворе, % Концентрация глицирризиновой кислоты в корнях, % 2,1 12,1 4.0 4.1 1,9 12,2 3,8 4,3

Потери глицирризиновой кислоты, как наиболее ценного целевого компонента при соблюдении рекомендованного режима (г = 60°С, г = 240 мин), составляют 2,8%. При проведении процесса экстракции с принятыми на ООО НПП «Вулкан» параметрами (Г = 78°С, г =180 мин) - 4,5%. Таким образом, следование выданным системой интеллектуальной поддержки рекомендациям позволит увеличить выход глицирризиновой кислоты на 1,7%, что соответствует уменьшению потерь в 1,6 раза.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ

1. Проведен анализ методов математического моделирования технологических процессов, проанализированы недостатки таких методов для процессов с развитой структурной иерархией.

2. Разработана методика построения математических моделей технологических процессов, позволяющая учитывать развитую структурную иерархию системы, обрабатывать количественную и качественную информацию с учетом особенностей экстрагирования растительного сырья.

3. Предложен и обоснован метод агрегатно-матричного представления математических моделей технологических процессов, который обеспечивает независимость математического представления от физической природы и особенностей технологического объекта, а также удобство внутримашинного представления.

4. Произведен анализ технологического процесса экстракции с учетом структурной иерархии, определены и классифицированы существенные факторы, влияющие на процесс экстракции растительного сырья, описаны взаимосвязи между ними, построена математическая модель процесса экстракции.

5. Разработан алгоритм решения задачи выбора оптимального технологического режима процесса экстракции растительного сырья, позволяющий принимать обоснованное решение на основе нечетко выраженных экспертных оценок.

6. Сформирована структура системы интеллектуальной поддержки для выбора оптимального технологического режима, разработано программное обеспечение, реализующее алгоритм выбора оптимального режима для процесса экстракции корня солодки.

7. Применение разработанной системы интеллектуальной поддержки для выбора оптимального технологического режима процесса экстракции позволяет уменьшить потери целевых компонентов растительного сырья с 4,5% до 2,8%.

8. Практические результаты диссертационной работы применяются в деятельности ООО Научно-производственное предприятие «Вулкан» (г. Астрахань). Разработанная система интеллектуальной поддержки для выбора оптимального технологического режима процесса экстракции используется в учебном процессе в ФГОУ ВПО «Астраханском государственном техническом университете».

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в журналах, периодических изданиях, включенных в список ВАК РФ

1. Алексанян, И.Ю. Анализ механизма тепломассопереноса при оптимизации процесса сушки экстракта корня солодки / И. Ю. Алексанян, Р. А. Хайбулов, М.В. Голубятникова // Вестник АГТУ Научный журнал - 2005. - №2. - С.278-283.

2. Голубятникова, M.B. Моделирование процесса экстракции на основе модифицированного интервального метода расчета // Изв. Волг. гос. техн. ун-та -2010.-№11(71). -С. 13-16.

3. Голубятникова, М.В. Применение алгоритма выбора оптимального технологического режима при нечетко выраженных экспертных оценках // Изв. Волг, гос. техн. ун-та-2010.-№11(71). -С. 125-129.

Статьи в межвузовских научных сборниках, сборниках трудов международных, всероссийских научных конференциях

4. Голубятникова, М.В. Диаграмма взаимного влияния факторов для процесса концентрирования экстракта корня солодки / М.В. Голубятникова, И.А. Щербатов // Математические методы в технике и технологиях ММТТ-22: сб. трудов XXII Междунар. науч. конф., Псков, 25-30 мая 2009г. / Псков, гос. политехи, инта. - Псков, 2009. - С. 177-179.

5. Алексанян, И.Ю. Использование комбинированной математической модели для повышения эффективности процесса экстракции растительного сырья / И.Ю. Алексанян, О.В. Антонов, М.В.Голубятникова // Наука: поиск-2009: сб. науч. ст. / Астрахан. гос. тех. ун-т - Астрахань, 2009. - С. 27-30.

6. Антонов, О.В. Системный подход в задачах моделирования массообмен-ных процессов / О.В. Антонов, М.В. Голубятникова //Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT09», Див-номорское, 3-10 сентября 2009г. / Южный Федерал, ун-т. - Таганрог, 2009. - Т.1. -С. 458-463.

7. Антонов, О.В. Особенности обработки качественной информации в интервальном методе при расчете процесса экстракции / О.В. Антонов, М.В. Голубятникова //Электронная культура. Информационные технологии будущего и современное электронное обучение «Modern IT & (Е-) learning» : мат. межд. науч. конф., Астрахань, 6-8 октября 2009 г. / Астрах, гос. ун-т. - Астрахань, 2009. - С. 92-96.

8. Голубятникова, М.В.Применеиие диаграмм взаимного влияния факторов при моделировании процесса экстракции растительного сырья Математические методы в технике и технологиях ММТТ-23: сб. трудов XXIII Междунар. науч. конф., Саратов / Сарат. гос. техн. ун-т. - Саратов, 2010. - Т 8. - С. 203-206.

9. Антонов, О.В. Интервальный метод расчета процесса экстракции с возможностью обработки качественной информации / О.В. Антонов, М.В. Голубятникова // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT'10», Дивноморское, 2-9 сентября 2010 г. / Южный Федерал, ун-т. - Таганрог, 2010. - Т.1. - С. 86-91.

Свидетельство об официальной регистрации программы для ЭВМ

10. Программа аппроксимации интервальных кривых при моделировании процесса экстракции: Св. об офиц. per. прогр. для ЭВМ №2010612924. / Голубятникова М.В. Зарег. 29.04.2010 г.

Тип. АГТУ зак. тир.ЮО экз. Подписано в печать •//.¿>4. 2011г.

ВВЕДЕНИЕ.

ГЛАВА 1. ПРОБЛЕМЫ МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ.

1.1. Методы выделения лучших альтернатив по нескольким критериям.

1.2. Существующие способы моделирования сложных систем.

1.3. Основные проблемы математического моделирования.

1.4. Методы математического моделирования процесса экстракции.

1.5. Особенности экстрагирования капиллярно-пористого сырья с клеточной структурой.

1.6. Постановка задачи исследования.

Выводы по первой главе.

ГЛАВА 2. СИСТЕМНЫЙ ПОДХОД К МОДЕЛИРОВАНИЮ СЛОЖНЫХ ИЕРАРХИЧЕСКИХ СИСТЕМ.

2.1. Понятие сложной иерархической системы.

2.2. Построение математических моделей сложных иерархических систем.

2.3. Построения математических моделей технологических процессов в условиях количественной неопределенности.

2.4. Агрегатно-матричный способ представления моделей систем.

Выводы по второй главе.

ГЛАВА 3. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПРОЦЕССА ЭКСТРАКЦИИ КОРНЯ СОЛОДКИ.

3.1. Анализ технологической схемы производства экстракта корня солодки.

3.2. Анализ факторов, влияющих на процесс экстракции корня солодки.

3.3. Построение диаграммы взаимного влияния факторов процесса экстракции корня -солодки.

3.4. Агрегатно-матричное описание взаимосвязей диаграммы взаимного влияния факторов процесса экстракции корня солодки.

3.5. Алгоритм выбора оптимального технологического режима при нечетко выраженных экспертных оценках.

Выводы по третьей главе.

ГЛАВА 4. СИСТЕМА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ

РЕШЕНИЙ ДЛЯ ПРОЦЕССА ЭКСТРАКЦИИ КОРНЯ СОЛОДКИ.

4.1. Выбор способа реализации системы управления.

4.2. Современные технологии построения СППР.

4.3. Выбор инструментальной среды моделирования.

4.4. Алгоритм функционирования СППР.

4.5. Структура системы и подсистемы СППР.

4.6. Разработка программного обеспечения СППР.

4.7. Оценка эффективности применения СППР.

Выводы по четвертой главе.

Теория и практика современного системного анализа является основой для решения разнообразных задач, большинство из которых не могут быть удовлетворительно решены в рамках неструктурированного подхода. Одной из таких задач является задача выбора из множества альтернативных вариантов. Подобные задачи, составляющие основу принятия решений как особого процесса человеческой деятельности, возникают в самых различных сферах. Выбор стратегии развития предприятия, новых проектов, рынков сбыта, поставщиков сырья, персонала, методов и режимов обработки сырья — все это примеры задач принятия решений.

Сложность выбора определяется двумя основными факторами. Прежде всего, процесс принятия решений осуществляется в условиях неопределенности. Делая выбор, лицо принимающее решение (ЛИР) основывает его на последствиях принимаемых им решений, и эти последствия невозможно точно предугадать. Второй фактор связан с многовариантностью возможных решений, при этом по одному критерию более предпочтительным является один вариант, а по другому — другой, иногда диаметрально противоположный.

Следует также учитывать, что решение задачи в значительной степени зависит от психологических особенностей человека. Задачи выбора, особенно при наличии значительного количества возможных вариантов, находятся на пределе когнитивных возможностей. Как правило, для решения таких задач используются различные эвристические приемы. Однако такие эвристики, не являясь теоретически обоснованными, могут приводить к противоречиям и нерациональному выбору. В целом класс таких задач может быть определен как слабо-формализуемый [123], поскольку требует учета как качественных, так и количественных факторов, причем качественные факторы имеют тенденцию доминировать.

Наиболее широко задачи выбора оптимального варианта среди множества возможных представлены в различных отраслях промышленности при выборе технологического режима, обеспечивающего наилучшие условия протекания процесса. Существующие методы решения таких задач строятся на основе математической модели технологического процесса. При этом используемые модели часто не учитывают особенностей процесса для предметных областей различной природы. Учет известных закономерностей (физических, химических, биологических и иных законов) позволяет построить и упростить математическую модель в формальном числовом виде. Однако, рассмотрение микроявлений, лежащих в основе технологических процессов, нередко оказывается затруднительным для получения математической модели, пригодной для практического использования. Кроме того, протекающие в системе микропроцессы достаточно многообразны и многочисленны, не изолированы друг от друга во времени и в пространстве, наслаиваются друг на друга, что не позволяет оценить их влияние по отдельности.

Ошибки и просчеты при выборе оптимального технологического режима приводят к значительному увеличению материальных и энергетических затрат, неоправданным потерям ценного сырья, уменьшению количества выпускаемой продукции и снижению эффективности процесса в целом. Например, при нарушении оптимальных режимов горения в процессе сжигании попутного нефтяного газа на факеле, происходит увеличение выброса оксидов азота и диоксида серы в 8—10 раз. Скорость химических реакций многих технологических процессов химической промышленности при понижении температуры на 10°С уменьшается в 2-4 раза. Отклонение технологических параметров от оптимальных резко снижает эффективность применения, а иногда может привести даже к гибели микроорганизмов, применение которых лежит в основе процессов микробиологического синтеза.

В полной мере все проблемы, связанные с выбором оптимального технологического режима, проявляются при автоматизации массообменных процессов. Процессы массообмена широко распространены в химической, пищевой, горнорудной и других отраслях промышленности. Чаще всего используются процессы абсорбции, перегонки, адсорбции, сушки, кристаллизации, растворения, экстракции. В данной работе предлагаемый подход рассмотрен на примере процесса экстракции корня солодки голой (Hlycirrhiza glabra L.). Солодка голая — многолетнее корнеотпрысковое травянистое растение семейства Бобовые. В корнях солодки содержатся [83, 7]: глицирризиновая кислота и ее калиевые и кальциевые соли, 27 различных флавоноидов. Кроме того, в корнях солодки содержатся сахара (до 20%), горькие вещества (до 3%), смолистые вещества (до 4%), крахмал (до 20%), эфирное масло, красящие вещества, аскорбиновая кислота, каротин, дубильные и слизистые вещества, яблочная кислота, аспарагин, другие соединения. Целевым компонентом процесса экстракции корня солодки является глицирризиновая кислота, применение которой обусловлено противовирусным, противовоспалительным и иммуномодулирующим действием.

Медицинской промышленностью выпускается большое количество пре-паратдв из корня солодки: экстракт солодкового корня густой, экстракт солодл* кового корня сухой, сироп солодкового корня, эликсир грудной, Глицирам, Ли-квиритон, Флакарбин, Бисмулоксан, Транспульмин. Экстракты и сиропы из корня солодки широко применяются при изготовлении конфет, пастилы, различных напитков, пива, кваса, газированной воды, в табачной промышленности, а также в металлургии для подавления сернокислого тумана в электролизных ваннах. Пенообразующие свойства корня используют в химической промышленности при производстве смеси для огнетушителей. Некоторые вещества из солодкового корня употребляют для окраски шерстяных и шелковых тканей. Отходы корня после экстракции служат сырьем для изготовления удобрений, богатых азотом и калием, а таюке для получения пергамента, звуко- и теплоизоляционных плит.

Наибольшее распространение получили методы динамической мацерации и в их числе метод дробной мацерации, который широко распространен на предприятиях малого и среднего бизнеса. Достоинством дробной мацерации являются простота метода и оборудования, относительно простой контроль над ходом технологического процесса. Существующие технологии извлечения и концентрирования приводят к значительным потерям целевых компонентов растительного сырья и изменению химического состава термолабильных веществ.

Вопросы интенсификации процесса экстракции растительного сырья путем выбора оптимального технологического режима на основе учета как количественной, так и качественной информации о ходе протекания процесса до настоящего времени изучены недостаточно. Вследствие этого, существует необходимость исследований, направленных на создание методов математического моделирования технологических систем, а также специальных методов и интеллектуальных систем поддержки принятия решений для осуществления оптимального выбора.

Актуальность проблем принятия решений обуславливает необходимость исследований, направленных на создание методов математического моделирования технологических систем, а также специальных методов и компьютерных систем интеллектуальной поддержки принятия решений (СИППР) для осуществления оптимального выбора. Существенные результаты в этой области были получены в работах М. А. Айзермана [18], Л. Заде [35, 71, 71], Р. Л. Кини [80], О. И. Ларичева [88-91], Б. Г. Миркина [120], О. Моргенштерна, Дж. Фон Неймана [145], В.Д.Ногина, В. В. Подиновского [119], Б. Руа [128], Т. Саати [134], П. Фишберна [144], К. Эрроу [60] и других [1, 4, 8, 139, 141].

Наиболее перспективными в исследуемой области являются методы поддержки принятия решений, которые не требуют обязательного преобразования высказываний ЛПР в числовую форму или формальные зависимости. Однако существенным недостатком лингвистического описания знаний и обоснования принимаемых решений остается высокая доля знаний, остающихся неиспользованными. В связи с этим весьма актуальной является разработка новых методов, помогающих формализовать имеющиеся знания и предпочтения человека. Такие методы должны брать на себя трудности, связанные с учетом многих критериев, эффективно организовывать диалог с ЛПР и обеспечивать получение и объяснение результата, вызывающего доверие у ЛПР.

Использование систем интеллектуальной поддержки при выборе оптимального технологического режима при управлении технологическими процессами позволит увеличить эффективность технологического процесса, уменьшить материальные и энергетические затраты, а также снизить требования к квалификации персонала предприятий.

Объектом исследования является процесс экстракции корня солодки, проводимый путем однократной или двукратной (бис-) мацерации.

Предметом исследования является методы и алгоритмы повышения эффективности процесса экстракции корня солодки за счет выбора оптимального технологического режима процесса.

Цель диссертационного исследования заключается в снижении потерь целевьгх компонентов при осуществлении процесса экстракции растительного сырья на основе принятия управленческих решений, с учетом количественной и качественной информации о внешних и внутренних условиях протекания процесса.

Научный результат. Соответствующим этой цели научным результатом диссертационного исследования является научно обоснованное решение задачи выбора оптимального технологического режима, включающего в себя разработку методики построения математических моделей технологических процессов, позволяющей обрабатывать количественную и качественную информацию с учетом особенностей обработки растительного сырья, разработку метода описания математических моделей технологических процессов, обеспечивающего удобство внутримашинного представления модели, и синтез алгоритма выбора оптимального технологического режима при нечетко выраженных экспертных оценках.

Для достижения поставленной цели необходимо решить следующие взаимосвязанные задачи:

- на основе системного анализа определить и классифицировать факторы, влияющие на процесс экстракции растительного сырья;

- произвести анализ технологического процесса экстракции как объекта управления с учетом структурной иерархии, определить внутрисистемные переменные процесса экстракции и выявить взаимосвязи между ними;

- разработать методику построения математических моделей технологических процессов, позволяющую учитывать развитую структурную иерархию процессов, обрабатывать количественную и качественную информацию, с учетом особенностей экстрагирования растительного сырья;

- разработать алгоритмы поддержки принятия решений для выбора оптимального технологического режима при нечетко выраженных экспертных оценках;

- сформировать структуру системы интеллектуальной поддержки при выборе оптимального технологического режима процесса экстракции растительного сырья, оценить эффективность применения системы интеллектуальной поддержки при выборе оптимального технологического режима для управления процессом экстракции растительного сырья.

Достоверность и обоснованность результатов исследования подтверждается корректным использованием теоретических и экспериментальных методов обоснования полученных результатов, а также совпадением результатов исследований с экспериментальными данными.

Научная новизна и теоретическая ценность работы заключается в разработке системного подхода к моделированию и управлению технологическими процессами. На основании этого:

- разработана методика построения математических моделей технологических процессов, позволяющая обрабатывать количественную и качественную информацию и учитывать структурную иерархию системы;

- предложен метод агрегатно-матричного представления математических моделей технологических процессов, преимуществами которого являются независимость математического представления от физической природы и особенностей технологического объекта, а также удобство внутримашинного представления;

- разработан алгоритм выбора оптимального технологического режима, позволяющий принимать обоснованное решение с использованием нечетко выраженных экспертных оценок.

Практическая значимость результатов работы состоит в разработке математической модели процесса экстракции корня солодки, разработке системы интеллектуальной поддержки принятия решений при выборе оптимального технологического режима экстракции корня солодки.

Программное обеспечение, разработанное в ходе диссертационного исследования (свидетельство об официальной регистрации программы для ЭВМ №2010612924, см. Приложение 12), применяется в учебном процессе в ФГОУ ВПО «Астраханском государственном техническом университете». Копия акта о внедрении результатов программного обеспечения приведена в Приложении 13.

Результаты диссертационной работы используются в практической деятельности ООО Научно-производственное предприятие «Вулкан» (г. Астрахань) в части:

- использование разработанной методики построения математических моделей массообменных процессов для имитационного моделирования и расчета основных параметров процесса бисмацерации корня солодки голой (Glycyrrhiza glabra);

- использование программы для ЭВМ «Программа аппроксимации интервальных кривых при моделировании процесса экстракции» для выбора оптимального технологического режима процесса производства экстракта корня солодки как добавки в лечебно-профилактические продукты.

Копия акта о применении результатов диссертационной работы приведена в Приложении 14.

Апробация работы. Основные результаты диссертации доложены и обсуждены на ежегодных научно-технических конференциях профессорско-преподавательского состава Астраханского государственного технического университета в период с 2005 по 2010 гг., на международной научной конференции «Электронная культура. Информационные технологии будущего и современное электронное обучение «Modern IT & (Е-) learning», (Астрахань, 2009); на международном конгрессе по интеллектуальным системам и информационным технологиям «AIS-IT'09», «AIS-IT'10» (Дивноморское, 2009, 2010); «Математические методы в технике и технологиях ММТТ-22» (Псков, 2009), «Математические методы в технике и технологиях ММТТ-23» (Саратов, 2010).

Публикации. По теме диссертации опубликовано 10 печатных работ: 3 статьи в журналах из списка, рекомендованного ВАК РФ, из них 2 работы без соавторства; 6 публикации в форме докладов и статей конференций. Получено свидетельство об официальной регистрации программы для ЭВМ №2010612924 «Программа аппроксимации интервальных кривых при моделировании процесса экстракции» Зарег. 29.04.2010 г. (см. Приложение 12).

Объём и структура диссертации. Диссертационная работа состоит из введения, 4 глав, выводов, списка литературы, содержащего 149 источников, в том числе 17 иностранных. Основная часть диссертации изложена на 161 странице машинописного текста, содержит 9 таблиц, 34 рисунка и 14 приложений.

Выводы по четвертой главе

1. Проведен анализ современных технологий построения СППР и обоснован выбор метода анализа.

2. Синтезирован алгоритм функционирования интеллектуальной системы для выбора оптимального технологического режима процесса экстракции корня солодки.

3. Разработано программное обеспечение, реализующее алгоритм выбора оптимального режима для процесса экстракции корня солодки, в том числе структура базы данных, процедуры обработки информации и интерфейс пользователя.

4. Произведена оценка эффективности, которая показала, что процедура выбора оптимального режима с использованием предложенного алгоритма позволит увеличить выход глицирризиновой кислоты на 1,7%, что соответствует уменьшению потерь в 1,6 раза.

ЗАКЛЮЧЕНИЕ

Общим результатом работы является научно обоснованное решение проблемы выбора оптимального режима для технологического процесса экстракции корня солодки.

В процессе решения данной проблемы получены следующие основные результаты:

1. Проведен анализ методов математического моделирования технологических процессов, проанализированы недостатки таких методов для процессов с развитой структурной иерархией.

2. Разработана методика построения математических моделей технологических процессов, позволяющая учитывать развитую структурную иерархию системы, обрабатывать количественную и качественную информацию с учетом особенностей экстрагирования растительного сырья.

3. Предложен и обоснован метод агрегатно-матричного представления математических моделей технологических процессов, который обеспечивает независимость математического представления от физической природы и особенностей технологического объекта, а также удобство внутримашинного представления.

4. Произведен анализ технологического процесса экстракции с учетом структурной иерархии, определены и классифицированы существенные факторы, влияющие на процесс экстракции растительного сырья, описаны взаимосвязи между ними, построена математическая модель процесса экстракции.

5. Разработан алгоритм решения задачи выбора оптимального технологического режима процесса экстракции растительного сырья, позволяющий принимать обоснованное решение на основе нечетко выраженных экспертных оценок.

6. Сформирована структура системы интеллектуальной поддержки для выбора оптимального технологического режима, разработано программное обеспечение, реализующее алгоритм выбора оптимального режима для процесса экстракции корня солодки.

7. Показано, что применение разработанной системы интеллектуальной поддержки для выбора оптимального технологического режима процесса экстракции позволяет уменьшить потери целевых компонентов растительного сырья с 4,5% до 2,8%, что существенно повышает эффективность процесса.

8. Практические результаты диссертационной работы применяются в деятельности ООО Научно-производственное предприятие «Вулкан» (г. Астрахань). Разработанная система интеллектуальной поддержки для выбора оптимального технологического режима процесса экстракции используется в учебном процессе в ФГОУ ВПО «Астраханском государственном техническом университете».

1. Bennet, J. S. A knowledge-based system for acquiring the conceptual structure of a diagnostic expert system // Journal of Automated Reasoning. — 1985. — No. 1.

2. Bruniche-Olsen, H. Solid-liquid extraction. Copenhagen, 1962. - 462 p.

3. Codd, E. F. Providing OLAP (On-line analytical Prosessing) to User-Analysts: An IT Mandate / E.F. Codd, S.B. Codd, C.T. Salley-E.F. Codd&Associates, 1993.

4. Eshelman L. MOLE. Knowledge acquisition tool that buries certainty factors // Int. Journal of Man-Machine Studies. 1987. - Vol. 26. - No. 1.

5. Gane C., Sarson T. Structured system analysis. Englewood Cliffs, NJ: Prentice Hall, 1979.

6. Gharajedaghi J., Ackoff R.L. Toward Systemic Education of System Scientists.//Systems Reseach. 1985. - V. 2. - № 1. - p. 21-27.

7. Hennell J.R., Lee S., Khoo C.S. The determination of glycyrrhizic acid in Gly-cyrrhiza uralensis Fisch. ex DC. (Zhi GanCao) root and the dried aqueous extract by LC-DAD // J. Pharm. Biomed. Anal. 2008. - V. 47. -P. 494-500.

8. Kintsch W. The representation of meaning in memory. New York, 1974.

9. Krisher J. P. An annotated bibliography of decision analytic applications to health care//Operations Research. -1980. -V. 28. № 1. - P. 97 - 107.

10. Liebhafsky H.A. J.Appl. Phis., 12, 1941. p.270

11. Newman A.B. Trans.Amer. Inst. Chem. Engrs.,27, — 1931. — р.310

12. Oplatka G., Tegze M. Theorie des Diffusionsprozesses in der Zuckerfabrikation.// Acta Chimica Academiae Scientarum Hungaricae, №2- 1952. -p. 383.

13. Osburn J. O., Katz D. L. Trans. Amer. Inst. Chem. Eng., 40. 1944 - p. 511

14. Rudobashta S. P. ect. Heat-mass transfer and hydrodynamic with convective drying of dispersive materials// Proc. 1-ot Jntern. Symp. «Two fhase flow Modelling and Experimentation.» Roma. Italy /October/ 1995. V.l — P. 331-338.

15. Seikova I., Simeonov E. Deternination of solid deformation effects on the effective diffusivity during extraction from plants// Separ. Sci. and technol. 2003. — №15 P.3713-3729.

16. Simeonov E., Soikova I., Mintchev A. J. Study of the kinetics and the variable internal porosity during extraction from vegetable material.// Univ. Chem. Technol and Met. №3. 2002. - P. 19-26.

17. Yourdon E. Modern Structured Analysis. — Prentice-Hall Int. Ed. 1989.

18. Айзерман, M.A. Выбор вариантов. Основы теории / М.А. Айзерман, Ф.Т. Алескеров. -М.: Наука, 1990. 227 с.

19. Акоф, Р. Основы исследования операций / Р. Акоф, М. Сасиени- М.: Мир, 1971.-534 с.

20. Аксельруд, Г.А. Экстрагирование. Система твердое тело жидкость / Г.А. Аксельруд, В.М. Лысянский - Л.: Химия, 1974 - 356 с.

21. Аксельруд, Г.А. Массообмен в системе твердое тело-жидкость — Львов.: Изд-во Льв. Унив., 1974 256 с.

22. Аксельруд, Г.А. Теория диффузионного извлечения веществ из пористых тел. Львов,: Изд. ЛПИ, 1959 - 120 с.

23. Алексеев, Е.Л. Моделирование и оптимизация технологических процессов в пищевой промышленности / Е.Л. Алексеев, В.Ф. Пахомов М.: Агроромиздат, 1987. - 272 с.

24. Альтшуллер, Г.С. Алгоритм изобретения — М.: Московский рабочий, 1973.-296 с.

25. Аношин, Н.М. Теоретические основы массообменных процессов пищевых производств. — М.: Пищевая промышленность, 1970. 378 с.

26. Антонов, А.В. Системный анализ. Учебн. для вузов М.: Высшая школа, 2004. - 454с.

27. Ашихмин, И.В. Метод комбинирования парных сравнений и система интеллектуальной поддержки для многокритериального выбора: Дис. . канд. физ.-мат. наук: 05.13.01 Москва, 2006 - 129 с. РГБ ОД, 61:06-1/934

28. Багриновский, К.А. Интеллектуальная система в отраслевом планировании / К.А. Багриновский, В.В. Логвинец; отв. ред. В. Н. Буркова — М.: Наука, 1998.-136 с.

29. Барышников, A.A. Формы применения функционально-стоимостного анализа / A.A. Барышников, A.M. Кузьмин // Журнал «Машиностроитель» -2001 № 6 — С. 37-41

30. Башмаков, А.И. Интеллектуальные информационные технологии / А.И. Башмаков, И.А. Башмаков М.: МГТУ им. Н.Э. Баумана, 2005. - 304 с.

31. Безчаснюк, Е.М. Процесс экстрагирования из лекарственного растительного сырья / Е.М. Безчаснюк, В.В. Дяченко, О.В. Кучер // Фармаком 1 2003. - С. 5456.

32. Беклемишев, Д. В. Дополнительные главы линейной алгебры. М.: Наука, 1983.- 335 с.

33. Беклемишев, Д. В. Курс аналитической геометрии и линейной алгебры. — Издание 9-е, испр. М.: Физматлит, 2001. - 374 с. - ISBN 5-9221-0147-1

34. Беллман, Р. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений / Р. Беллман, Л. Заде — М.: Мир — 1976. С.172-215.

35. Белобородое, В.В. Методы расчета процессов экстракции растительных масел. -М.,: Пищепромиздат, 1960. 116 с.

36. Белобородое, В.В. Экстрагирование из твердых материалов в электромагнитном поле сверхвысоких частот. // Инженерно-физический журнал. Минск.: HAH Беларуси - 1999. - т. 72, №1. - С. 112-117.

37. Белоглазов, И. Н. Твердофазные экстракторы. — Л: Химия, 1985 — 240с.

38. Беляев, Л.С. Решение сложных оптимизационных задач в условиях неопределенности. — Новосибирск: Наука, 1978. — 126 с.

39. Бобылев, P.B. Получение жидкого экстракта методом противоточной вихревой экстракции. — В кн: Биофармацевтические аспекты получения и назначения лекарств. М.: Изд. IММИ, 1971. - С. 48-49

40. Борисов, А. Н. Диалоговые системы принятия решений на базе мини-ПК / А.Н. Борисов, Э. Р. Виллюмс, JI. Я. Сукур — Рига: Зинатне, 1986. — 195 с.

41. Борисов, А. Н. Принятие решений на основе нечетких моделей / А.Н. Борисов, O.A. Крумберг, И.П.Федоров -Рига: Зинатне, 1990. — 184 с.

42. Борисов, А.Н. Методы интерактивной оценки решений / А.Н. Борисов,

43. A.C. Левченко. Рига: Зинатне, 1982. -139 с.

44. Борисов, А.Г. Электроразрядное экстрагирование целевых компонентов из растительного сырья, дисс. к.т.н., 05.20.02, 05.18.12 — М., 2006. 154 с.

45. Борисов, А.Н. Методическое обеспечение технологии принятия решений // Системы обработки знаний в автоматизированном проектировании. — Рига: Изд-во Риж. техн. ун-та, 1992. — С. 12-15.

46. Борисов, В.Н. Векторная оптимизация систем // Исследование систем: Материалы Всесоюзного симпозиума. М.: ВИНИТИ, 1971. — С. 106- 114.

47. Вентцель, Е.С. Исследование операций. — М.: Советское радио, 1972 — 551 с.

48. Вентцель, Е.С. Теория случайных процессов и ее инженерные приложения / Е.С. Вентцель, Л.А. Овчаров М.: Наука, 1991. - 384 с.

49. Выявление экспертных знаний / О.И. Ларичев, А.И. Мечитов, Е.М. Мош-кович, Е.М. Фуремс. М.: Наука, 1989.

50. Гаврилов, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилов,

51. B.Ф. Хорошевский Спб.: Питер, 2000.

52. Гамаюнов, Н.И. Построение и идентификация математических моделей тепло- и массопереноса в капиллярно-пористых телах / Н.И. Гамаюнов, P.A. Испирян, A.B. Клингер // Инженерно-физический журнал — 1986. — т.50, №2. —1. C. 299-303

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

54. Головин, П.В. Химия и технология свеклосахарного производства / П.В. Головин, A.A. Герасименко. — Киев: Наукова думка, 1964, — 728 с.

55. Гончаренко, Г.К. Экстракция лекарственных веществ из растительного сырья. Автореф. дис. докт. техн. наук. — Харьков, 1972 — 20 с.

56. Гончаренко, Г.К. Кинетика процесса экстракции из растительного материала / Г.К. Гончаренко, Е.И. Орлова, И.С. Чернышов и др. // Вестн. Харьк. политехи. ин-та, Хим. машиностроение и технология. — 1975. вып.З. - С. 13-15.

57. Горский, В.Г. Метод согласования кластеризованных ранжировок / В.Г. Горский, А.И. Орлов, A.A. Гриценко // Автоматика и телемеханика. 2000. — №3. — С. 159-167.

58. Грачев, Ю.П. Исследование процесса извлечения сахара из свекловичной стружки диффузионным способом. В кн.: Процессы и аппараты пищевых производств. Вып. 11. -М.: Хлебиздат,1958 С.62-77.

59. Гребенюк, С.М. Экстракционные аппараты в пищевой промышленности. -М.: ЦНИИТЭИлегпищемаш, 1971 60 с.

60. Гришпун, B.J1. Экстракторы для системы «твердое тело- жидкость» — М.: ЦИНТИхимнефтемаш, 1972. -52 с.

61. Гурвиц, JI. Программирование в линейных топологических пространствах, В кн. Эрроу К. Дж., Гурвиц JL, Удзава X. Исследования по линейному и нелинейному программированию. -М.: Мир, 1962. — С. 65 - 155.

62. Демиденко, Е.З. Оптимизация и регрессия. М.: Наука, 1989. - 296 с.

63. Деревенко, В.В. Научно-технические основы совершенствования и разработки ресурсосберегающих схем и оборудования производства растительных масел: дисс. докт. техн. наук: 05.18.12 -Краснодар, 2006. -399 с.

64. Дмитриев, А.Г. Методы кусочной аппроксимации многомерных кривых и их практическое использование : дис. . канд. техн. наук. : 05.13.01 «Управление в технических система» Москва, 1985 - 207 с.

65. Дронов, С.Ф. Влияние скорости движения экстракционной жидкости на интенсификацию процесса извлечения сахара из свекольных пластин и свекловичной стружки // Сахарная промышленность, 1958. № 2. — С. 9-14.

66. Дронов, С.Ф. Динамическая теория извлечения сахара из свеклы диффузионным способом. — М.: Пищепромиздат, 1952 97 с.

67. Дюк, В. Data Mining — Интеллектуальный анализ данных / В. Дюк, А. Самойленко — М.: Финансы и статистика, 1989. — 608 с.

68. Евланов, Л.Г. Теория и практика принятия решений. М.: Экономика, 1984.-176 с.

69. Емельянов, В.В. Теория и практика эволюционного моделирования / В.В. Емельянов, В.М. Курейчик, В.В. Курейчик ФИЗМАТ ЛИТ, 2003. - 432 с. ISBN 5-9221-0337-7

70. Загорулько, А. Я. Аналитическое исследование процесса извлечения сахара из свеклы в диффузионных установках / А. Я. Загорулько, Е.Т. Коваль // Труды центр, научно-исследов. ин-та сахарной пром-ти, 1962. С. 120-132.

71. Заде, Л. А. Основы нового подхода к анализу сложных систем и процессов принятия решений. В кн. Математика сегодня. - М.: Знание, 1974. - № 6. - С. 5-49.

72. Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. — М.: Мир, 1976. — 165 с.

73. Запорожский, A.A. Разработка технологии консервированных продуктов на мясорастительной основе для геродиетического питания. Автореф. дис. канд. техн. наук. Краснодар: КубГТУ, 2000. - 23 с.

74. Зарипов, Р.Х. Машинный поиск вариантов при моделировании творческого процесса. -М.: Наука, 1983.

75. Интерактивный метод решения задачи оптимального проектирования машин / И.И. Артоболевский, C.B. Емельянов, В.И. Сергеев и др.// Докл. АН СССР, 1977. Т. 237, № 4. - С. 793 - 795.

76. Ионный обмен / Под. ред. Я. Мариского. Пер. с англ., под. ред. С.М.Черноброва-М: Мир, 1968. 565 с.

77. Касаткин, А.Г. Основные процессы и аппараты химической технологии — М.: Химия, 1981-812 с.

78. Кафаров В.В. Методы кибернетики в химической технологии М.: Химия, 1971 -496с.

79. Кафаров, В.В. Системный анализ процессов химической технологии. Основы стратегии. / В.В. Кафаров, И.Н. Дорохов М.: Наука, 1976. — 500 с.

80. Кафаров, В.В. Принципы математического моделирования химико-технологических систем / В.В. Кафаров, B.JI. Перов, В.И. Мешалкин и др. М.: Химия, 1974-344с.

81. Кини, Р.Л. Принятие решений при многих критериях: предпочтения и замещения / P.JI. Кини, X. Райфа; Пер. с англ. под ред. И.Р. Шахова. М.: Радио и связь, 1981.-560с.

82. Князевская, Н.В. Принятие рискованных решений в экономике и бизнесе / Н.В. Князевская, B.C. Князевский. М.: Изд-ско-книготорговое объед-е ЭБМ Контур, 1998. - 160 с.

83. Козлов, Г.Ф. Системный анализ технологических процессов на предприятиях пищевой промышленности Киев: Изд-во «Техника», 1977 - 200 с.

84. Кондратенко, P.M. Глицирризиновая кислота и родственные тритерпе-ноиды солодкового корня в синтезе перспективных биологически активных соединений: дис. . докт. хим. наук : 02.00.03, 02.00.10 Уфа 2006. - 378с.

85. Кондратьев, Г.М. Регулярный тепловой режим. — М.: Гостехиздат, 1954. -408 с.

86. Корабельский, П.Н. К вопросу о влиянии степени измельчения растительных материалов на эффективность экстракционного процесса при изготовлении водных извлечений. Фармация, 1946. - №2. — С. 16-22.

87. Кофман, А. Введение в теорию нечетких множеств: Пер. с англ. — М.: Радио и связь, 1982. — 432 с.

88. Критерий согласованности Чи-квадрата для экспонентного распределения первого порядка / М.С. Никулин, В.Г. Воинов Ленинград: ЛОМИ, 1987. - 30 с.

89. Ларичев, О. И. Анализ процессов принятия человеком решений при альтернативах, имеющих оценки по многим критериям // Автоматика и телемеханика. 1981. - №8. - С. 131-141.

90. Ларичев, О. И. Человеко-машинные процедуры принятия решений при альтернативах, имеющих оценки по многим критериям (обзор) // Автоматика и телемеханика. 1971. - № 12. - С. 130 - 142.

91. Ларичев, О.И. Наука и искусство принятия решений. М.: Наука, 1979. -200с.

92. Ларичев, О.И. Теория и методы принятия решений, а также хроника событий в Волшебных странах. М.: Логос, 2003. - 392 с.

93. Литвак, Б.Г. Экспертная информация. Методы получения и анализа. — М.: Радио и связь, 1982. 184 с.

94. Лыков, A.B. Теория тепло- и массопереноса / A.B. Лыков, Ю.А. Михайлов М.: Госэнергоиздат, 1963. - 535 с.

95. Лысянский, В.М. Процесс экстракции сахара из свеклы. Теория и расчет. М.: Пищевая промышленность, 1973 - 224 с.

96. Лысянский, В.М., Гребенюк С.М. Экстрагирование в пищевой промышленности / В.М. Лысянский, С.М. Гребенюк М.: Агропромиздат, 1987 - 187 с.

97. Лычкина, H.H. Современные тенденции в имитационном моделировании. // Вестник ун-та. Серия Информационные системы управления. — 2000 — №2 .

98. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных // Системы управления базами данных. 1997. - № 3.

99. Малышев, P.M. Процессы пульсационной экстракции из растительного сырья / P.M. Малышев, A.M. Кутепов, А.Н. Золотников и др. // Теорет. основы хим. технологии. 2001. — Т. 35, № 1. — С. 57.

100. Мандель, Н.Д. Кластерный анализ. — М.: Финансы и статистика, 1988.

101. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, JI.C. Бернштейн, С .Я. Коровин М.: Наука, 1990. - 272 с.

102. Месаровин, М. Теория иерархических многоуровневых систем. / М. Ме-саровин, Д. Мако, И. Танахара; Пер. с англ., под ред. И.Ф. Шахнова М.: Мир, 1973-344 с.

103. Модели и методы векторной оптимизации / С.В.Емельянов, В.И. Борисов, A.A. Малевич, A.M. Черкашин // Техническая кибернетика. Итоги науки и техники. М.: ВИНИТИ, 1973. - Т.5. - С. 386 - 448.

104. Моргоев, В.К. Метод извлечения и структуризация экспертных знаний: моделирование консультаций // Сб. тр. ВНИИСИ «Человеко-машинные процедуры принятия решений» / Под ред. C.B. Емельянова, О.И. Ларичева. — М.: ВНИИСИ, 1986.

105. Нечеткие множества в моделях управления и искусственный интеллект / Под ред. Д.А. Поспелова. М.: Наука, 1986.

106. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ./ Под ред. Р. Р. Ягера — М.: Радио и связь, 1986. — 408 с.

107. Нечипоренко И.А. Экстрагирование биологически активных веществ из тонко измельченного растительного сырья: дис. . канд. техн. наук: 05.18.12 -Харьков, 1984-182 с.

108. Нильсон, Н.Дж. Искусственный интеллект. Методы поиска решений. -М.: Мир, 1973.

109. Обработка нечеткой информации в системах принятия решений / А.Н. Борисов, A.B. Алексеев, Г.В. Меркурьева и др. — М.: Радио и связь, 1989. 305 с.

110. Орлов, Е.И. Исследование процесса экстрагирования из растительного материала. Автореф. дис. канд. техн. наук Харьков, 1966. - 19 с.

111. Орловский, С.А. Проблемы принятия решений при нечеткой исходной информации. — М.: Наука, 1981. — 208 с.

112. Островский, Г.М. и др. Алгоритмы оптимизации химико-технологических процессов М., 1978 - 294 с.

113. Осуга, С. Обработка знаний: Пер. с яп. М.: Мир, 1989. - 293с.

114. Панфилова В. А. Технологические линии пищевых производств (теория технологического потока). — М.: Колос, 1993. — 288 с.

115. Пасконов, В.М. Численное моделирование процессов тепло- и массооб-мена, 1984. 288 с.

116. Плановский, А.Н. К теории непрерывных процессов // Химическая промышленность №3, 1946. С. 23-27.

117. Плановский А.Н., Николаев П.И. Процессы и аппараты химической и нефтехимической технологии / А.Н. Плановский, П.И. Николаев М., Химия, 1987.-540 с.

118. Подиновский, В.В. Парето-оптимальные решения многокритериальных задач / В.В. Подиновский, В.Д. Ногин М.: Наука, 1982. - 254 с.

119. Полищук, Л.И. Многокритериальные задачи экономико-математического моделирования и методы их решения / Л.И. Полищук, Б.Г. Миркин В кн.: Модели анализа данных и принятия решений. — Новосибирск: изд. ИЭ и ОПП СО АН СССР, 1980.-С.4-58.

120. Пономарев, В.Д. Установление оптимальных условий процесса экстрагирования корней солодки методом планирования эксперимента / В.Д. Пономарев, И.А. Муравьев // Труды 1-го Всесоюз. съезда фармацевтов Пятигорск, 1970.-С. 680-985.

121. Представление знаний: Пер с яп. / Под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990. - 304 е., ил. ISBN 5-03-001263-Х

122. Представление и использование знаний: Пер. с яп. /Под ред. X. Уэно, М. Исидзука- М.: Мир, 1989. 220 с. ISBN 5-03-000685-0

123. Проталинский, О.М. Применение методов искусственного интеллекта при автоматизации технологических процессов: Моногр./Астрахан. гос. техн. ун-т. Астрахань: Изд-во АГТУ, 2004. - 184с.

124. Райфа, Г. Анализ решений (введение в проблему выбора в условиях неопределенности): Пер. с англ. — М.: Наука, 1977. — 408 с.

125. Ривкин, C.JI. Теплофизические свойства воды — М.: Энергия, 1980 424 с.

126. Розен, A.M. и др. Масштабный переход в химической технологии. Разработка промышленных аппаратов и методом гидродинамического моделирования. -М.: Химия, 1980. 320 с.

127. Руа, Б. Классификация и выбор при наличие нескольких критериев (метод ЭЛЕКТРА): Пер. с франц. В кн.: Вопросы анализа и процедуры принятия решений. - М.: Мир, 1976. - С. 80 - 107.

128. Рудобашта, С.П. Кинетика массопередачи в системах с твердой фазой. — М.: МИХМ, 1976.-95 с.

129. Рудобашта, С.П. Массоперенос в системах с твердой фазой. -М.: Химия, 1980.-248 с.

130. Рудобашта С.П. Математическое моделирование процесса конвективной сушки дисперсных материалов// Известия академии наук. — Энергетика, 2004. — №4.-С. 198-199

131. Руководство по системе «Планирование, программирование, разработка бюджета» // Новое в теории и практике управления производством в США / Под ред. Б. 3. Мильнера. — М.: Прогресс, 1971. — С. 181-202.

132. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский М.: Горячая Линия-Телеком, 2007.-452 с. ISBN 5-93517-103-1

133. Саати, Т. Принятие решений. Метод анализа иерархий / Пер. с англ. М.: Радио и связь, 1993. - 315 с.

134. Сагайдак, Г.А. Совершенствование технологии получения и применения экстрактов из растительного сырья: дис. . канд. техн. наук: 05.18.10 Краснодар, 2004-210 с.

135. Силин, П.М. Вопрос технологии сахарных веществ. М.: Пищепромиздат, 1950 — 298 с.

136. Сухарев, О.С. Теория эффективности экономики М.: Финансы и статистика, 2009 - 368 с. ISBN: 978-5-279-03405-5

137. Таварткиладзе, Я.Н. Математический анализ диффузионного процесса // Пищевая промышленность, 1963. - № 12. — С. 30-35

138. Таунсенд, К. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. / К. Таунсенд, Д. Фохт М.: Финансы и статистика, 1990.

139. Тепляков, Ю. А. Исследование внутреннего массопереноса при экстрагировании веществ из твердых тел и расчет кинетики процесса. — Дис. . канд. тех. наук : 05.17.08. -М., 1981. 16 с.

140. Терехина, А.Ю. Представление структуры знаний методами многомерного шкалирования. -М.: ВИНИТИ, 1988.

141. Федулов, A.A. Введение в теорию статистически ненадежных решений / A.A. Федулов, Ю.Г. Федулов, В.Н. Цыгичко М.: Статистика, 1979. - 276 с.

142. Фихтенгольц, Г.М. Основы математического анализа: в 2-х томах. М.: Из-во Лань, 2005. - 464 с. ISBN: 5811401906.

143. Фишберн, П. Теория полезности для принятия решений: Пер. с англ. М.: Наука, 1977.-352 с.

144. Фон Нейман, Дж. Теория игр и экономическое поведение / Дж. Фон Нейман, О. Моргеншерн М.: Наука, 1970.

145. Чернов, Г. Элементарная теория статистических решений / Г. Чернов, JI. Мозес: Пер. с англ. -М.: Сов. радио, 1962. 406 с.

146. Шапот, М. Интеллектуальный анализ данных и управление процессами / М. Шапот, В. Рощупкина // Открытые системы. 1998 - №1.

147. Щавелев, JI. В Способы аналитической обработки данных для поддержки принятия решений. СУБД. 1998.

148. Эмби, У.Р. Введение в кибернетику — М.: Изд-во иностр. Литер, 1959, -432 с.