автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Система поддержки принятия решений при проектировании химико-технологических процессов

На правах рукописи

АВРАМЕНКО ЮРИИ ГРИГОРЬЕВИЧ

Система поддержки принятия решений при проектировании химико-технологических процессов

(на примере составления схемы очистки сточных вод промышленных предприятий)

05.13.01 - Системный анализ, управление и обработка информации (химическая технология, нефтехимия и нефтепереработка, биотехнология)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

МОСКВА-2003

Работа выполнена в Российском химико-технологическом университете им. Д.И. Менделеева.

Научный руководитель - доктор технических наук,

профессор Менынутина Н.В., Научный консультант профессор Краславский А.

Технический Университет г. Лаппээнранта, Финляндия

Официальные оппоненты - доктор технических наук,

профессор Софиев А.Э., - кандидат технических наук, Вараксин С.О.

Ведущая организация - Московский Государственный

Университет Инженерной Экологии

Защита состоится "_"_ 2003 г. в_часов в

аудитории_на заседании диссертационного совета Д 212.204.03

в РХТУ им. Д.И.Менделеева по адресу: 125047, Москва, А-47, Миусская пл., д. 9

С диссертацией можно ознакомиться в научно-информационном центре РХТУ им. Д.И. Менделеева.

Автореферат разослан "_"_2003 г.

Ученый секретарь диссертационного совета

Бобров Д. А.

*5752. 1

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Проектирование новых химико-технологических процессов, так же как и модернизация уже существующих технологий, требует от разработчика наличия значительного инженерного опыта, творческого подхода, знаний предметной области, интуиции и часто подразумевает принятие решения по проектированию, базируясь на недостаточной или даже противоречивой информации. Разработка новых проектных решений процесс длительный и трудоемкий, требующий моделирования, проведения экспериментов, тестирования опытных образцов. Однако, многие проектные задачи являются похожими или содержат сходные элементы, которые могут быть применены при разработке нового процесса. Разработчику крайне сложно выявить похожие элементы проекта во всем объеме прошлых технологических решений, к тому же иногда сходства явно не заметны.

В таких условиях добиться ускорения процесса разработки и внедрения новых идей, технологических решений, оборудования и схем в промышленность возможно при использовании компьютерных систем поддержки принятия решения, анализирующих накопленный опыт процесса проектирования. Именно такие системы позволят на разных этапах разработки новых технологий быстро найти нужную информацию, применить ее к новой ситуации и выдать рекомендации по проектированию. Особенно актуально использование подобных систем для задач разработки новых технологических схем, а также выбора оборудования для очистки сточных вод промышленных предприятий.

В последнее время при развитии новых технологий, модернизации и реконструкции уже существующих предприятий существенное место стали занимать вопросы анализа негативного влияния производственной деятельности на состояние окружающей среды и выбора эффективных способов уменьшения или полной ликвидации этого влияния.

Современное состояние промышленности и экологическая ситуация в России требует развития нового подхода к правильному и быстрому выбору схем очистки сточных вод. Стоки промышленных предприятий характеризуются многообразием и сильно отличаются по своему составу. Выдача рекомендаций по их очистке возможно только на базе всестороннего изучения состава стоков и анализа имеющихся технологий очистки.

К настоящему времени накоплен обширный теоретический и экспериментальный материал в области технологии очистки сточных вод от

~~ очистного

оборудования. Таким образом, для испоЬй'з'б'^р^'^^воко ш;

Л,

О»

женерного

опыта актуальной является задача систематизации накопленных запасов информации, разработки эффективных методов обработки и анализа имеющихся данных.

В этой ситуации представляется чрезвычайно важной задача создания системы поддержки принятия решений при проектировании технологических схем очистки сточных вод промышленных предприятий, опирающейся на мощную базу данных новейшего оборудования и современных методов обработки. Она должна собрать в себе все новейшие достижения в области обработки стоков химических производств и помогать, таким образом, в проектировании экологически безвредных производств. Такая система будет способствовать существенному сокращению сроков проектирования технологических схем очистки сточных вод.

Основные научные исследования и сбор информации выполнены в соответствии с заданиями Государственного комитета Российской Федерации по охране окружающей среды по теме «Формирование компьютерной базы данных природоохранных технологий и оборудования» (ИК 1.10-55-2000) и Департамента науки и промышленной политики г.Москвы «Научно-исследовательская разработка интеллектуально-информационной системы для проектирования технологических схем обезвреживания жидких отходов и создание нового универсального модуля для извлечения неорганических и органических загрязняющих веществ» (63-Т/02; 2003 год).

Цель работы

Основная цель работы заключалась в создании системы поддержки принятия решений при проектировании химико-технологических процессов, применительно к составлению технологических схем процесса водоочистки. Система должна обеспечить инженерам-технологам, а также проектно-конструкторским бюро предприятий РФ возможность поиска необходимого очистного оборудования, выбрать решения среди готовых систем водоочистки и осуществить поддержку проектных работ по созданию новой технологической схемы очистки сточных вод.

Для достижения поставленной цели необходимо решить следующие задачи:

• сбор, анализ и классификация информации по оборудованию, технологиям, методам очистки сточных вод промышленных предприятий;

• разработка способа представления проектной информации;

• создание методологии эффективного использования накопленного прошлого опыта, лежащей в основе поддержки принятия решения;

• построение архитектуры системы поддержки принятия решения и выработка принципа ее работы;

•г

■и.

• разработка метода идентификации прошлых проектных решений и выбора наиболее сходной аналогии из базы решений;

• разработка метода составления схемы очистки сточных вод на основе анализа характеристик стока, поступающего на очистку;

• реализация разработанных методов поддержки принятия решения в виде конкретных модулей компьютерной системы.

Научная новизна

• Разработана методология поддержки принятия решения для задач составления технологических схем очистки сточных вод, основанная на

, анализе прошлого опыта проектирования подобных систем.

• Разработана универсальная концепция сходства объектов химической технологии, а также система объектно-ориентированного описания проектных задач химической технологии.

• Разработаны специальные алгоритмы определения степени сходства сложных характеристик объекта, выраженных в виде комбинации основных типов данных, таких как графы, иерархии и множества.

• Предложен метод адаптации похожего решения, извлеченного из прошлого опыта, к новой ситуации с использованием генетического алгоритма как метода минимизации критерия адаптации.

• Разработан метод составления концептуальной схемы очистки на основе анализа состава стока и идентификации классов вредных факторов в нем.

Практическая значимость

Разработанная система поддержки принятия решения при проектировании технологических схем очистки сточных вод позволяет значительно экономить затраты на экспериментальные исследования, трудовые затраты, технические ресурсы и время, необходимое для проектирования технологических схем очистки сточных вод промышленных предприятий.

Собранная информация в банках данных системы представляет отдельную ценность и может способствовать налаживанию контактов и установлению прочных связей между химическими предприятиями и организациями, занимающимися производством очистного оборудования.

Предложенный принцип поддержки принятия решений при проектировании схем очистки сточных вод может быть применен для решения других задач проектирования как в химической, так и других отраслях промышленности, в результате чего система приобретает дополнительную привлекательность в условиях рынка научных исследований.

Апробация работы

Результаты работы были представлены на следующих конференциях: Международной конференции молодых ученых по химии и химической технологии «МКХТ-2000» и «МКХТ-2002», Москва, 2000, 2002; European Symposium on Computer Aided Process Engineering ESCAPE-12, Гаага, Нидерланды, 26-29 Мая, 2002; 15th International Congress of Chemical and Process Engineering (CHISA), Прага, Чешская республика, 25-29 Августа, 2002; ESCAPE-13, Лаппеенранта, Финляндия, 1-4 июня, 2003; Nordic Drying Conference, Копенгаген, Дания, 24-27 июня, 2003; Workshop of Intelligent Computing in the Petroleum Industry, ICPI, 9 Августа, Мексика, 2003; 4th European Congress of Chemical Engineering, 21-25 Сентября, Испания, 2003. Работа продемонстрирована на выставках ЭКВАТЕК-2000 и ЭКВАТЕК-2002, г. Москва.

Публикации

По материалам диссертационной работы опубликовано 11 печатных работ.

Структура и объем диссертации

Диссертация состоит из введения, шести глав, заключения, списка литературы и приложения; содержит 150 страниц основного текста, 36 рисунков, _9_таблиц, список литературы из 130 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Введение

Во введение обоснована актуальность проблемы, поставлена цель работы, обоснован подход к решению проблемы.

Первая глава

В главе приведена классификация видов сточных вод промышленных предприятий, сделан обзор существующих методов и технологий по их обезвреживанию. Рассмотрены основные этапы проектирования схем обработки промышленных стоков и выявлены проблемы, возникающие на каждом этапе. Сделан вывод о необходимости автоматизации процесса проектирования и уменьшения времени, требуемого на разработку.

Представлен обзор работ в области создания систем поддержки принятия решения (СППР) и методов обработки и анализа данных. Выделены основные трудности при попытках автоматизации процесса проектирования. Даны формализация задачи принятия решения, понятия лица принимающего решения, задачи системного анализа. Приведен обзор методов принятия

решений в системах проектирования. Рассмотрены возможности создания СППР для задачи составления технологической схемы для очистки промышленных сточных вод. Дан обзор существующих реализаций СППР на сегодняшний день.

Был проведен анализ представления данных в задачах химической технологии, отмечена их структурная сложность. Рассмотрены методы согласования, обработки и анализа информации при проектировании технологической схемы для очистки сточных вод.

В соответствии с целью работы и на основании выводов, сделанных в результате анализа литературы, была сформулирована постановка задачи исследования и намечены этапы ее решения. На основании анализа существующих проблем предложена общая стратегия разработки системы поддержки принятия решений (СППР).

Вторая глава

Глава посвящена процессу создания СППР и принципу ее работы. Она содержит описание методологии, лежащей в основе системы поддержки принятия решения в проектировании. Для выработки рекомендаций по проектированию новых или модернизации существующих процессов предлагается использовать специальный метод, основанный на анализе прошлых ситуаций. В этом подходе имитируется деятельность человека, когда при решении возникающих перед ним новых задач он старается максимально использовать накопленных опыт и пытается применить аналогичные или похожие случаи из прошлой практической деятельности.

Информация о прошлых проектных решениях по очистке сточных вод, так же как и данные по очистному оборудованию хранятся в соответствующих базах данных. Эта информация перед началом работы системы загружается в специальное хранилище данных. Хранилище данных содержит просто наборы данных любого формата, единственным подобием структуры которых является пометка принадлежности к одной определенной ситуации. Роль хранилища данных заключается в собирании всех данных, управлении вводом и редактированием, поиском по ключу, конвертированием разнородной информации, а так же в составлении агрегатов данных, имеющих одинаковые структуры.

Для того чтобы система рассуждений на основе прошлых ситуаций смогла принять решение, необходимо подготовить данные из хранилища и сформировать базу событий, где каждое событие обладает определенной структурой. Система обработки данных выбирает только те данные, которые относятся к решаемой задаче, и пытается найти общую структуру к этим данным. Из всего массива данных извлекаются параметры и распределяются по типам формата и месте в описание прошлого эпизода. Таким образом,

база прошлых ситуации создается динамически каждый раз, что позволяет легко менять структуру события и варьировать параметрами из прошлых опытов, включая их в структуру или игнорируя.

Система рассуждений на основе прошлых ситуаций интерактивно взаимодействует с пользователем-разработчиком, формирует запросы для системы обработки данных и, используя собственные вычислительные алгоритмы, определяет наиболее схожие ситуации и предлагает предварительное решение. После соответствующих изменений предложенного решения возможно его сохранение в хранилище данных для будущего применения при решение других задач.

В главе представлена общая структура СППР (рис.1) с описанием назначения и возможностей каждого модуля системы. Описан общий алгоритм (последовательность) работы системы при поиске нового решения (на примере составления новой схемы очистки промышленных сточных вод). Принцип работы системы с указанием задействованных модулей на каждом этапе поддержки проектирования представлен на рис.2.

В системе можно выделить три основных блока.

Первый блок - это непосредственная работа с данными системы. Блок отвечает за формирование хранилища данных из распределенных баз данных для решения конкретных задач проектирования. Информационно-поисковая система осуществляет расширенный поиск по базам данных, выполняет запросы пользователя, формирует отчеты по решению.

Рис. 1. Структура Системы Поддержки Принятия Решений (СППР).

Второй блок включает модули обработки и анализа данных. Основу блока составляет система рассуждения на основе прошлых ситуаций (САПС). Она осуществляет для новой задачи проектирования поиск наиболее схожих ситуаций в хранилище данных. При необходимости найденное решение может быть адаптировано в итерационном режиме.

Третий блок — это дополнительный экспертный блок. Он необходим как альтернатива САПС и также используется в том случае, когда второй блок не в состоянии найти удовлетворительного решения. Модуль предназначен для составления концептуальной схемы очистки на основе анализа состава стока и использует базу данных методов очистки.

Рис. 2. Принцип работы системы поддержки принятия решений. Третья глава

В главе рассматривается процесс разработки информационной модели данных и проектирования баз данных по оборудованию, методам и технологиям очистки сточных вод.

Был проведен анализ предметной области - технологии очистки сточных вод, в рамках которого были изучены составы сточных вод различных предприятий и организаций, а именно:

• металлообрабатывающих, машиностроительных, химических предприятий, производств электронной техники;

• предприятий пищевой, медицинской, текстильной промышленности;

• транспортных предприятий, предприятий мойки автомобильного транспорта.

Была произведена структуризация данных, выделены основные информационные объекты. Классификация и систематизация данных химической технологии является гораздо более трудной задачей, чем в других отраслях, так как в отличие от экономических проблем, проблем делопроизводства и документооборота, где все четко регламентировано и структурировано, любые задачи проектирования характеризуются большим количеством разнообразной, часто плохо определенной информацией.

На основе проведенного анализа была построена концептуальная модель множества данных системы, представленная на рис. 3.

При переходе от концептуальной модели к логической, к каждому объекту концептуальной модели были добавлены соответствующие атрибуты (поля) объектов и установлены связи между таблицами логической модели с помощью первичных ключей. Были установлены взаимосвязи между моделями и определены информационные потоки.

По логическим моделям были сконструированы соответствующие физические модели данных в виде реляционных таблиц. В качестве системы управления базами данных была выбрана простая и эффективная система Paradox.

Рис. 3. Концептуальная модель данных области технологии очистки сточных вод.

Разработанная система баз данных включает базы:

• моделей аппаратов и модулей очистки стоков (БД «Оборудование»);

• принципиальных схем очистки стоков гальванических и нефтехимических производств (БД «Схемы»);

• методов обработки стоков промышленных предприятий (БД «Методы»);

• организаций, которые являются производителями очистного оборудования (БД «Организации»).

База данных «Оборудование» содержит информацию об аппаратах и модулях, их технико-экономических параметрах, технических характеристиках, ограничениях на применение, эффективности, а также ссылки на фирмы-производители.

База данных «Схемы» включает информацию по назначению схемы, принципам ее работы, а также графическое представление с описанием процесса обработки и обозначениями.

База данных «Метод» содержит материалы, описывающие способ обработки сточных вод и область его применения, то есть для удаления каких загрязняющих веществ преимущественно применяется.

База данных «Организации» объединяет информацию о производителях оборудования. Интерес представляют данные о производственном профиле организации, а также ее контактная информация.

Система баз данных СППР включает в себя не только различные базы данных, как хранилища информации, но и средства работы с ними -приложения, которые выполняют все функции по редактированию и отображению информации. Информационная поисковая система (ИПС) предназначена для управления всеми потоками данных СППР, призвана контролировать любые операции с данными - удаление, добавление, редактирование. ИПС также позволяет осуществлять эффективный поиск нужной информации. В главе даны примеры основных запросов на выборку и изменение информации, варианты отчетов.

Четвертая глава

Посвящена описанию разработанной концепции сходства, которая составляет основу системы анализа прошлых ситуаций. Любой процесс, аппарат или технологические схемы представляются в виде объектов, которые обрабатываются одинаковым образом.

Под описанием объекта понимается любая совокупность данных, количество информации, характеризующее данных объект и представленное в виде конечного набора его свойств, организованного некоторым образом.

Объект есть кортеж трех элементов Е = < Б, V, Я >, где И - это конечный набор свойств объекта, V - набор значений свойств, К — система отношений

между свойствами. Набор свойств и система отношений формируют структуру объекта 8 = < Б, Я >.

Если каждому свойству в структуре объекта поставлено в соответствие некоторое число, то такая структура называется взвешенной, а число - весом свойства: Б = <3% Я, W >, где - набор весов свойств объекта.

Два объекта считаются сходными, если все или какая-либо часть значений соответствующих свойств у объектов совпадают (идентичны). В противном случае они несходные.

Если у двух объектов все или какая-либо часть соответствующих свойств принадлежат к одинаковым классам свойств некоторой классификации, то такие объекты называются условно сходными. Под условием подразумевается классификация элементов, разделяющая все множество свойств на группы.

Если объекты имеют взвешенную структуру, то степень сходства определяется с учетом весов свойств уу,:

Для условно схожих объектов существует понятие условной степени сходства:

Даны определение и способ вычисления степени сходства, рассмотрены методы определения степени различия (расстояния) для основных типов данных: чисел, векторов, множеств, последовательностей, иерархий и графов. Приведены алгоритмы вычисления сходства для сложных структур данных: множеств с элементами иерархий, графов с узлами-векторами и т.д.

Глава содержит описания метода адаптации предложенного решения к новой ситуации. Сущность процесса адаптации заключается в том, что при формировании нового решения используется не только наиболее похожий вариант, но некоторый набор сходных событий.

Относительные расстояния между похожими задачами и новой задачей в пространстве задач переносятся в пространство решений, и адаптированное решение располагается на таких же относительных расстояниях от группы решений сходных задач. Вышесказанное наглядно изображено на рисунке 4.

Если С - адаптированное решение, Р, — прошлая задача, Б, -соответствующее ей решение, N - текущая задача, то условие сохранения

л

А, В) =

_/_

в

п

(Ск - некоторый класс)

расстояний в пространстве задач и пространстве решений выглядит следующим образом:

/ДО = 5/М(5яС) - 51М{РрЫ) = 0; Критерий адаптации будет суммой подобных условий:

Адаптированное решение получается при минимизации критерия адаптации. Так как решение представлено также в виде объектного описания, и 'значения свойств могут выражаться различными типами, в том числе и нечисловых, данных, то минимизация критерия

обычными методами

нахождения минимума не представляется возможным. Для минимизации критерия

адаптации было предложено использовать генетический алгоритм.

В главе даны основные понятия и пояснены используемые операторы

генетического алгоритма.

Приведен алгоритм поиска минимума критерия адаптации на основе генетического алгоритма. Описана компьютерная реализация методологии как системы анализа прошлых ситуаций. Приведено описание элементов интерфейса и описание работы с системой.

Рис. 4. Иллюстрация метода адаптации

Пятая глава

Глава содержит описание метода составления концептуальной схемы очистки на основе анализа стока, поступающего на очистку, и его реализациия в виде модуля конструирования новых решений.

Очистка сточных вод проводится с целью устранения вредных и опасных их свойств, которые могут привести к пагубным последствиям в окружающей среде. Применение различной технологии очистки направлено на нейтрализацию, обезвреживание вредных характеристик сточных вод. Таким образом, тип применяемой технологии очистки и оборудования зависят в первую очередь от свойств сточных вод, отклонений этих свойств от параметров природных вод. Другими словами, выбор метода очистки

стоков зависит от вредных факторов, которыми обладает сточная вода и которые надо обезвредить. Это утверждение является основой разработанного алгоритма.

В качестве вредных факторов могут выступать не только наличие вредных и токсических веществ — нефтепродуктов, ПАВ, ионов тяжёлых металлов, но и такие обобщенные показатели, как агрессивность среды, общая жёсткость (выше допустимой), содержание аммонийного азота, окисляемость и др.

Вредные факторы сточных вод удобно выделить в классы и каждому классу сопоставить один и группу показателей, которые бы однозначно определяли этот класс. Эта группу показателей будем называть идентификатором класса ВФ. Каждому классу ВФ соответствует метод или группа методов, пригодных для его обезвреживания. В тоже время, многие методы очистки дают возможность удалять более одного класса ВФ из сточных вод. Этот принцип показан на рисунке 5.

Анализируя показатели сточных вод, можно выделить присутствующие классы ВФ. Это идентификация классов. Далее каждому найденному классу ставится в соответствие методы для его обезвреживания (соответствие). По

определённому критерию отбираются подходящие

методы (один из приоритетов -обработка одним методом сразу нескольких классов), которые реализованы в виде конкретных аппаратов.

Рис. 5. Принцип выбора метода обработки на основе анализа стока

Сконструированные варианты схемы обработки оцениваются по экономическому критерию

П = 1шпП, = тш(С,+ / =

где С} - себестоимость очистки по /-схеме, - капитальные затраты на г-схему, Ей — нормативный коэффициент эффективности капитальных вложений (0,15).

Себестоимость и капитальные затраты на г-схему являются суммой затрат на каждый метод:

л л

Эксплутационные затраты С,- = ; Капитальные затраты АГ,- = ]

М ' У=1

Данные о себестоимости и капитальных затратах извлекаются из конкретных случаев применения метода к обработке присутствующих ВФ одинакового или схожего количества. При необходимости эти данные адаптируются к текущим данным вышеописанным методом адаптации.

Методы, входящие в последовательность обработки, также дополнительно оцениваются по эффективности и ограничению на применение (чувствительность к некоторым классам загрязняющих веществ).

л В главе приведен подробный математический аппарат метода, а также описание его компьютерной реализации в виде соответствующего модуля. Приведено описание работы с модулем конструирования концептуальной схемы очистки и объяснены элементы интерфейса.

Шестая глава

Глава содержит примеры использования различных модулей и системы в целом для поддержки решения по проектированию технологии очистки сточных вод.

Информационно-поисковая система была использована для подбора оборудования для очистки ливневых стоков автотранспортных предприятий (мойки, АЗС) города Москвы. Предварительный запрос составлялся исходя из присутствия определенных классов примесей в стоке. Полученная выборка оборудования и технологий уточнялась с учетом требований по эффективности и возможностей модулей очистки (рис. б.а). Приведены примеры предварительных и уточняющих запросов, формы отчета по выбранному оборудованию.

Система анализа прошлых ситуаций была использована для подбора подходящей схемы очистки для кислотно-щелочного стока линии цинкования гальванического предприятия объемом 5,5 м3/час. Состав этого стока отличается повышенным содержанием ионов металлов и в процессе обработки возможно образование минеральных солей. Найденная похожая схема была адаптирована добавлением ионно-обменного метода для устранения избыточного остаточного солесодержания.

Система поддержки принятия решений была протестирована на примере составления схемы очистки стоков комбината по производству спирта. Стоки комбината отличаются высоким содержанием органических примесей, взвешенных веществ и повышенным солесодержанием. Готовых технологических решений, удовлетворяющих требованиям очистки, в базе найдено не было. Вспомогательный экспертный блок на основе анализа стока

комбината, опираясь на базу методов обработки, предложил несколько вариантов очистки (рис 6.6). Варианты обработки были оценены экономически и экологически по данным, извлеченным из базы данных методов и адаптированым к параметрам рассматриваемого стока. В результате была выбрана одна схема, которая практически полностью соответствует последовательности обработки, применяемой на этом заводе в настоящее время. Таким образом, сделан вывод, что разработанная система способна с высокой надежностью выдавать рекомендации по проектным решениям систем очистки сточных вод промышленных предприятий.

ХПК,мг/л 300-450 БПК^мг/л 250-550 Нефтепродукты, мг/л 2500 Взвеш. вещ-ва, мтУл. 350 Аммон. азот, мг/л 35 Салесодерж., мг/л 1500 рН 7,5-8,5

4

Предварительный запрос

по классам примесей ......................................

Предварительная выборка

•.......................Г

Уточняющ ий запрос по ограничению и эффектив.

4

Производительность 15 м3/час

Мощность 17 кВт

Масса 4300 кг

Занимаемая площадь 9,46 м2

Размер 4,3x2,0x2,2 м

Стоимость 21588$

Характеристики стока.

ХГЖ,мг/л 125 000 БПК$мг/л 50000 Взвеш. вещ-ва, мг/л. 5000 Салесодерж., мг/л 20000 рН 3,9-4,3

Нвйтр Осажд.

♦

Анаер. биореакгор Биолог, пруды

Осип

4

Р

а)

Классы ВФ.

Эвапорацня

Вспомогательный Экспрертаый Блок

Экономическая оценка и анализ эффекгавносги созданных вариаетов

п

б)

Кислотность Мелк взв. в-ва (вьюок)

Орг. в-ва (высок) Сопесодерж. (вьюок)

Флотация

Нейтрализация

Биофильтр

Анаеробный биореакгор

Обратньй осмос

Методы отитски

Хим. Окисление+

Адсорбция

Аэратор+ осаждение

Биолог пруды + осаждение

Варианты обработки

£

Нейт.+ Осажд.

Нейт + Осажд.

Аяаэр.

Биофильтр

Аэратор + осажд.

Биопр. + осажд.

□ -а

Рис. 6. Примеры работы СППР а) подбор оборудования для стоков автотранспортных предприятий; б) составление концептуальной схемы очистки стоков предприятия по производству спирта.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Проведена систематизация существующей информации в предметной области технологии очистки сточных вод, разработана концептуальная модель данных области.

2. Разработана методология поддержки принятия решения для задач составления технологических схем очистки сточных вод, основанная на анализе прошлого опыта проектирования подобных систем.

3. Для эффективного использования прошлого опыта проектирования разработана универсальная концепция сходства объектов химической технологии, алгоритмы определения степени сходства для различных

' описаний свойств объекта, а также предложен способ адаптации найденного решения к новой ситуации с использование генетического алгоритма.

4. Разработан метод составления концептуальной схемы очистки, который на основе анализа состава стока предлагает способы обработки и проводит экономическую оценку предложенных вариантов, используя данные о прошлом применении методов очистки.

5. Создана система поддержки принятия решений по проектированию технологических схем очистки сточных вод промышленных предприятий, которая позволяет значительно экономить затраты и сокращать время проектирования.

6. С помощью созданной системы поддержки принятия решений было выбрано очистное оборудование для очистки стоков автотранспортных предприятий, подобрана схема очистки стока гальванического производства. Разработанная система способна с высокой надежностью выдавать рекомендации по проектным решениям систем очистки сточных вод.

7. Предложенный принцип поддержки принятия решений при проектировании схем очистки сточных вод может быть применен для решения других задач проектирования как в химической, так и других отраслях промышленности.

СПИСОК ПУБЛИКАЦИЙ

1. Авраменко Ю.Г., Богословская О.В., Меньшутина Н.В. Разработка общей структуры, оболочки и отдельных компонентов Информационной системы по выбору оборудования для очистки сточных вод. Тезисы докладов на XIV Международную Конференцию молодых ученых по химии и химической технологии, <МКХТ-2000>, Москва, РХТУ им. Д.И. Менделеева, 2000, ч.1, с.34;

2. Менынутина Н.В., Колесников В.А., Богословская О.В., Авраменко Ю.Г. Выбор оборудования для очистки сточных вод гальванического производства с использованием информационной интеллектуальной системы (ИИС). Гальванотехника и обработка поверхности, М., ГХ-2, 2001, с. 57-64;

3. Avramenko, Y., Kraslawski, A. Case-based reasoning system for selection of column internal in reactive distillation, Proc. AIChE Annual Fall Meeting, 2001, Reno, Nevada;

4. Avramenko, Y., Kolesnikov, S., Menshutina, N., Kraslawski, A. Case-based reasoning system for wastewater treatment selection. Materials of the 15th International Congress of Chemical and Process Engineering, <CHISA-2002>, Praha, Czech Republic, 25-29 August 2002, p.27;

5. Авраменко Ю.Г., Менынутина H.B. Разработка комплекса программ для концептуального проектирования систем очистки промышленных сточных вод. Тезисы докладов на XV Международную Конференцию молодых ученых по химии и химической технологии, <МКХТ-2002>, Москва, РХТУ им. Д.И. Менделеева, 2002, с. 38-39;

6. Farkas, Т., Avramenko, Y., Kraslawski, A., Lelkes, Z., Nystrom, L. Selection of MINLP model of distillation column synthesis by case-based reasoning; Proc. European Symposium on Computer Aided Process Engineering - 13 <ESCAPE-13>, Lappeenranta, Finland, 1-4 June, 2003, p. 113-118;

7. Avramenko, Y., Kraslawski, A., Menshutina N., Case-based Approach for Preliminary Design of Equipment and Processes; 4th European Congress of Chemical Engineering, Spain, 21-25 September, 2003,2 pages;

8. Avramenko, Y., Menshutina N., Kraslawski, A., Case-based reasoning system for dryers and technological schemes design; Abs. Second Nordic Drying Conferences, 24-27 June, 2003, p.58;

9. Avramenko, Y., Nystrom, L., Kraslawski, A. Selection of Internals for Reactive Distillation Column: Case-based Reasoning Approach; Computers & Chemical Engineering, 2003 (в печати);

10.Avramenko, Y., Kraslawski, A. The Concept of Similarity in Case-based Design; Workshop of Intelligent Computing in the Petroleum Industry, ICPI 2003, August, Mexico, 2003;

11.Авраменко Ю.Г., Колесников C.B., Меньшутина H.B., Система поддержки принятия решения при проектировании систем очистки сточных вод. Программы и Системы, 2003 (в печати);

Заказ № _Объем 1.0 пл._Тираж 100 экз.

Издательский центр РХТУ им. Д. И. Менделеева

• 15 93 2

ВВЕДЕНИЕ.

1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ.

1.1. Очистка сточных вод и пути ее реализации.

1.1.1. Типы сточных вод.

1.1.2. Методы очистки сточных вод.

1.1.3. Проектирование технологической схемы очистки сточных вод.

1.1.4. Анализ существующих схем очистки.

1.2. Поддержка принятия решений в задачах проектирования.

1.2.1. Задачи систем принятия решений.

1.2.2. Основные черты процессов принятия решений.

1.2.3. Модели принятия решений .ч.7~.

1.2.4. Варианты архитектуры СППР.

1.2.5. Информационная технология поддержки принятия решения.

1.3. Обработка и анализ данных в СППР.

1.3.1. Уровни обработки данных.

1.3.2. Очистка и согласование данных.

1.3.3. Методы анализа данных.

1.4. ВЫВОДЫ.

1.5. ПОСТАНОВКА ЗАДАЧИ. v 2. ПОСТРОЕНИЕ И ФУНКЦИОНИРОВАНИЕ СППР ДЛЯ ПРОЕКТИРОВАНИЯ ТЕХНОЛОГИЧЕСКОЙ СХЕМЫ ОЧИСТКИ СТОЧНЫХ ВОД.

2.1. Методология поддержки проектирования и принципы построение СППР.

2.1.1. Поддержка процесса проектирования.

2.1.2. Поддержка принятия решений при проектировании систем очистки сточных вод.

2.1.3. Метод принятия решения на основе прошлых ситуаций.

2.1.4. Метод построения концептуальной схемы очистки.

2.1.5. Состав системы проектирования.

2.1.6. Организация хранения информации.

2.1.7. Структура СППР.

2.2. Функционирование СППР.

2.2.1. Функциональные возможности СППР.

2.2.2. Варианты работы СППР.

2.2.3. Назначение и описание функционирования модулей системы.

2.3. Выводы.

3. ПРОЕКТИРОВАНИЕ СИСТЕМЫ БАЗ ДАННЫХ ПО ОБОРУДОВАНИЮ, СХЕМАМ И МЕТОДАМ ОЧИСТКИ ^ СТОЧНЫХ ВОД.

3.1. Построение информационной модели данных.

3.1.1. Описание предметной области и построение концептуальной модели

3.1.2. Моделирование данных.

3.1.3. Построение информационно-логической модели.

3.2. Проектирование системы баз данных.

3.2.1. Создание физических моделей данных.

3.2.2. База Данных «Оборудование».

3.2.3. База Данных «Схемы».

3.2.4. База данных «Методы».

3.3. Информационно-поисковая система.

3.3.1. Формирование запросов к базе данных.

3.3.2. Управление базой данных «Оборудование».

3.3.3. Управление базой данных «Схемы».

3.3.4. Управление базой данных «Методы».

3.4. ВЫВОДЫ.

4. ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ В СИСТЕМЕ АНАЛИЗА ПРОШЛЫХ СИТУАЦИЙ.

1.1. Общая концепция сходства.

4.1.1. Основные понятия и определения.

4.1.2. Определение величины отклонения для различных типов данных!

4.2. Адаптация предварительного решения к новой ситуации.

4.2.1. Формулирование задачи адаптации на основе концепции сходства

4.2.2. Генетический алгоритм минимизации критерия адаптации.

4.3. Выводы.

5. СОСТАВЛЕНИЕ КОНЦЕПТУАЛЬНОЙ СХЕМЫ ОЧИСТКИ СТОЧНЫХ ВОД.

5.1. Определение метода обработки.

5.1.1. Понятие вредных факторов вредных сточных вод.

5.1.2. Стадии обработки сточных вод.

5.1.3. Алгоритм выбора метода.

5.2. Оценка полученных вариантов обработки.

5.2.1. Экономическая оценка.

5.2.2. Оценка эффективности очистки.

5.2.3. Принятие решения по выбору схемы очистки.

5.3. выводы.

6. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.

6.1. Подбор оборудования для очистки нефтесодержащих стоков

6.1.1. Состав стока автозаправочных предприятий.

6.1.2. Формирования запроса и критерий отбора.

6.2. Выбор схемы очистки сточных вод гальванического производства.

6.2.1. Формулировка задачи.

6.2.2. Состав стока гальванического производства.

6.2.3. Выбор схемы очистки.

6.2.4. Адаптация предложенной схемы.

6.3. Составление концептуальной схемы очистки предприятия производства спирта.

6.3.1. Характеристики стока и вредные факторы.

6.3.2. Составление последовательности обработки.

Проектирование новых химико-технологических процессов, так же как и модернизация уже существующих технологий требует от разработчика наличия значительного инженерного опыта, творческого подхода, знаний предметной области, интуиции и часто подразумевает принятие решения по проектированию, базируясь на недостаточной или даже противоречивой информации. Разработка новых проектных решений - процесс длительный и трудоемкий, требующий моделирования, проведения экспериментов, тестирования опытных образцов. Однако многие проектные задачи являются похожими или содержат сходные элементы, которые могут быть применены при разработке нового процесса. Разработчику крайне сложно выявить похожие элементы проекта во всем объеме прошлых технологических решений, к тому же иногда сходства явно не заметны.

В таких условиях добиться ускорения процесса разработки и внедрения новых идей, технологических решений, оборудования и схем в промышленность возможно при использовании компьютерных систем поддержки принятия решения, анализирующих накопленный опыт процесса проектирования. Именно такие системы позволят на разных этапах разработки новых технологий быстро найти нужную информацию, применить ее к новой ситуации и выдать рекомендации по проектированию. Особенно актуально использование подобных систем для задач разработки новых технологических схем, а также выбора оборудования для очистки сточных вод промышленных предприятий.

В последнее время при развитии новых технологий, модернизации и реконструкции уже существующих предприятий существенное место стали занимать вопросы анализа негативного влияния производственной деятельности на состояние окружающей среды и выбора эффективных способов уменьшения или полной ликвидации этого влияния.

Отсутствие научной, технической, экономической и другой информации, необходимой для такого анализа, нередко приводит к усугублению экологических проблем и к обострению социальной напряженности, связанной с воздействием производственной деятельности на окружающую среду.

Современное состояние промышленности и экологическая ситуация в России требуют развития нового подхода к правильному и быстрому выбору схем очистки сточных вод. Стоки промышленных предприятий характеризуются многообразием и сильно отличаются по своему составу. Выдача рекомендаций по их очистке возможно только на базе всестороннего изучения состава стоков и анализа имеющихся технологий очистки.

К настоящему времени накоплен обширный теоретический и экспериментальный материал в области технологии очистки сточных вод от различных видов загрязнений, а также информация по типам очистного оборудования. Таким образом, для использования данного инженерного опыта актуальной является задача систематизации накопленных запасов информации, разработки эффективных методов обработки и анализа имеющихся данных.

В этой ситуации представляется чрезвычайно важной задача создания системы поддержки принятия решений при проектировании технологических схем очистки сточных вод промышленных предприятий, опирающейся на мощную базу данных новейшего оборудования и современных методов обработки. Она должна собрать в себе все новейшие достижения в области обработки стоков химических производств и помогать, таким образом, в проектировании экологически безвредных производств.

Система должна обеспечить инженерам-технологам, а также проектно-конструкторским бюро предприятий РФ возможность поиска необходимого очистного оборудования, выбрать решения среди готовых систем водоочистки и осуществить поддержку проектных работ по созданию новой технологической схемы очистки сточных вод. Такая система позволит значительно экономить затраты на экспериментальные исследования, трудовые затраты, технические ресурсы и время, необходимое для проектирования технологических схем очистки сточных вод промышленных предприятий.

Для достижения поставленной цели необходимо провести сбор, анализ и классификацию информации по оборудованию, технологиям, методам очистки сточных вод промышленных предприятий; разработать способ представления проектной информации; выработать методологию эффективного использования накопленного прошлого опыта; разработать архитектуру системы поддержки принятия решения и реализовать ее в виде конкретных модулей компьютерной системы.

В первой главе диссертационной работы представлен анализа видов сточных вод промышленных предприятий, сделан обзор существующих методов и технологий по их обезвреживанию. Представлен обзор работ в области создания систем поддержки принятия решения (СППР) и методов обработки и анализа данных. Проведен анализ представления данных в задачах химической технологии, отмечена их структурная сложность. Рассмотрены методы обработки и анализа информации при проектировании технологической схемы для очистки сточных вод. В соответствии с целью работы и на основании выводов, сделанных в результате анализа литературы, была сформулирована постановка задачи и намечены этапы ее решения.

Вторая глава посвящена процессу создания СППР и принципу ее работы. Она содержит описание методологии, лежащей в основе системы поддержки принятия решений при проектировании. В главе представлена общая структура СППР с описанием назначения и возможностей каждого модуля системы.

В третьей главе рассматривается процесс разработки информационной модели данных и проектирования баз данных по оборудованию, методам и технологиям очистки сточных вод. Дается описание структуры разработанной информационной среды, логической и физической структуры ее баз данных.

Четвертая глава посвящена описанию разработанной концепции сходства, которая составляет основу системы анализа прошлых ситуаций. В главе даны основные понятия разработанной концепции. Рассмотрен метод адаптации предварительного решения к новой ситуации. Описана компьютерная реализация методологии как системы анализа прошлых ситуаций.

Пятая глава содержит описание метода составления концептуальной схемы очистки на основе анализа стока, поступающего на очистку, и его реализации в виде модуля конструирования новых решений

В шестой главе приводятся примеры использования различных модулей и системы в целом для поддержки решения по проектированию технологии очистки сточных вод. Был произведен подбор оборудования для очистки ливневых стоков автотранспортных предприятий (мойки, АЗС) города Москвы. Также система была использована для подбора подходящей схемы очистки для кислотно-щелочного стока линии цинкования гальванического предприятия. Система поддержки принятия решений была протестирована на примере составления схемы очистки стоков комбината по производству спирта.

Разработанная система поддержки принятия решения при проектировании технологических схем очистки сточных вод позволяет значительно экономить затраты на экспериментальные исследования, трудовые затраты, технические ресурсы и время, необходимое для проектирования технологических схем очистки сточных вод промышленных предприятий.

Собранная информация в банках данных системы представляет отдельную ценность и может способствовать налаживанию контактов и установлению прочных связей между химическими предприятиями и организациями, занимающимися производством очистного оборудования.

Основные научные исследования и сбор информации выполнены в соответствии с заданиями Государственного комитета Российской Федерации по охране окружающей среды по теме «Формирование компьютерной базы данных природоохранных технологий и оборудования» (РЖ 1.10-55-2000) и Департамента науки и промышленной политики г.Москвы «Научно-исследовательская разработка интеллектуально-информационной системы для проектирования технологических схем обезвреживания жидких отходов и создание нового универсального модуля для извлечения неорганических и органических загрязняющих веществ» (63-Т/02; 2003 год).

Автор выражает глубокую благодарность руководителям работы профессору Меныпутиной Н.В. и профессору Краславскому А. за предоставление ценных материалов, консультаций и полезных замечаний по диссертации. Также автор выражает свою признательность за существенную помощь в создании диссертации и замечания по работе, профессору Колесникову В.А, аспирантам Ветрову А., Лебедеву Е., Колесникову С.В., Шишулину Д.В., Корнеевой А.Е., Нижегородовой ТА., а также доценту Гусевой Е.В.

5.3. ВЫВОДЫ

Анализируя параметры воды, поступающей на очистки, можно выделить классы вредных факторов. Каждому классу можно поставить в соответствие набор методов их обезвреживания. С использованием специального разработанного алгоритма составляются варианты очистки сточной воды и выбираются наиболее экономические выгодные и эффективные варианты.

Метод позволяет поддерживать уровень концептуального проектирования схемы очистки сточных вод.

6. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

6.1. ПОДБОР ОБОРУДОВАНИЯ ДЛЯ ОЧИСТКИ НЕФТЕСОДЕРЖАЩИХ СТОКОВ ч

Наиболее крупномасштабными и экологически опасными загрязнениями городов и других населенных пунктов являются выбросы нефтеперерабатывающих, нефтеперевалочных, автотранспортных и автозаправочных предприятии, моек различных видов производственного оборудования, автотранспорта и подвижного состава.

Информационно-поисковая система была использована для подбора оборудования для очистки ливневых стоков автотранспортных предприятий (мойки, автозаправочные станции) города Москвы.

Необходимо испытать систему на поиск подходящего оборудования, пригодного для очистки заданного стока производительностью 15 м3/час.

6.1.1. Состав стока автозаправочных предприятий

Стоки автотранспортных предприятий отличаются повышенным содержанием нефтепродуктов. Нефтепродуктам присуща низкая скорость окисления в биологических системах, что требует предварительной очистки подобных стоков перед их сбросом в систему городской канализации.

Кроме нефтепродуктов в сточной воде присутствуют также поверхностно-активные вещества, различные соли, а также взвешенные вещества, мелкие частицы, уносимые потоками воды с площади, на которой располагается предприятие.

Типичный обобщенный состав стока с диапазонами возможных значений приведен в таблице 6.1.

7. ЗАКЛЮЧЕНИЕ

По работе можно сделать следующие выводы:

1. Проведена систематизация существующей информации в предметной области технологии очистки сточных вод, разработана концептуальная модель данных области.

2. Разработана методология поддержки принятия решения для задач составления технологических схем очистки сточных вод, основанная на анализе прошлого опыта проектирования подобных систем.

3. Для эффективного использования прошлого опыта проектирования разработана универсальная концепция сходства объектов химической технологии, алгоритмы определения степени сходства для различных описаний свойств объекта, а также предложен способ адаптации найденного решения к новой ситуации с использование генетического алгоритма.

4. Разработан метод составления концептуальной схемы очистки, который на основе анализа состава стока предлагает способы обработки и проводит экономическую оценку предложенных вариантов, используя данные о прошлом применении методов очистки.

5. Создана система поддержки принятия решений по проектированию технологических схем очистки сточных вод промышленных предприятий, которая позволяет значительно экономить затраты и сокращать время проектирования.

6. С помощью созданной системы поддержки принятия решений было выбрано очистное оборудование для очистки стоков автотранспортных предприятий, подобрана схема очистки стока гальванического производства. Разработанная система способна с высокой надежностью выдавать рекомендации по проектным решениям систем очистки сточных вод.

Предложенный принцип поддержки принятия решений при проектировании схем очистки сточных вод может быть применен для решения других задач проектирования как в химической, так и других отраслях промышленности.

1. Современные Российские Технологии. Оборудование для очистки, опреснения, обеззараживания воды и стоков различного происхождения. М.: Эколайн, 1999. — 315 с.

2. Очистка производственных сточных вод: Учебное пособие // С.В. Яковлев, Я.А. Карелин, Ю.М. Ласков, Ю.В. Воронов М.: Стройиздат, 1979. - 320 с.

3. Алферова А.А., Нечаев А.П. Замкнутые системы водного хозяйства промышленных предприятий, комплексов и районов. — М.: Стройиздат, 1987.-272 с.

4. Шевелъ В.В. Прогрессивные технологии в очистке нефтесодержащих стоков и пути их реализации. // Современные Российские Технологии. -М. 1999. т. 1 С. 240-242

5. Охрана окружающей природной среды / Под редакцией Г.В. Дуганова. Киев: "Выща школа", 1990-281 с.

6. Жуков А.И., Монгайт И.Л., Родциллер И.Д. Методы очистки производственных сточных вод: Справочное пособие. — М.: Стройиздат, 1979.-204 с.

7. НРБ-76/87 Нормы радиационной безопасности.

8. Очистка производственных сточных вод и утилизация осадков / Под редакцией В.Н. Соколова. -М.: Стройиздат, 1992. — 174 с.

9. Комиссаров Ю.А., Гордеев Л.С., Нгуен Суан Нгуен, Анализ и синтез систем водообеспечения химических производств: Учебной пособие для вузов М.: Химия, 2002. - 496 с.

10. Беличенко Ю.П., Гордеев Л.С., Комиссаров Ю.А. Замкнутые системы водообеспечения химических производств. — М.: Химия, 1996. — 272 с.

11. Ласкорин Б.Н., Громов Б.В., Цыганков А.П., Сенин В.Н. Проблемы развития безотходных производств. -М.: Стройиздат, 1985. 136 с.

12. Методы охраны внутренних вод от загрязнения и истощения /Под редакцией И.К. Гавич. М.: Агропромиздат, 1985. — 151 с.

13. Гальванические покрытия в машиностроении. Справочник. В 2-х томах / Под ред. М.А. Шлугера. — М.: Машиностроение, 1985. т.2.

14. Лукиных Н.А., Липман Б.Л., Криштул В.П. Методы очистки сточных вод. -М.: Стройиздат, 1974. — 136 с.

15. Удаление металлов из сточных вод / Под ред. Дж.К.Кушни, М.: Металлургия, 1987.

16. Кафаров В.В. Принципы создания безотходных химических производств. -М.: Химия, 1984.

17. Рубинштейн Ю.Б., Молодчик Г.Л. Флотационная очистка сточных вод. Серия: Охрана окружающей среды, вып. 3. М.: ЦНИИ цветмет экономики и информации, 1980. — 44 с.

18. Абрамович С.Ф. Раппорт ЯД. Тенденции развития водоснабжения городов за рубежом. Обзор. -М.: ВНИИИС, 1987. 12 с.

19. Аширов А.Л. Ионообменная очистка сточных вод, растворов, газов. — Л.: Химия, 1983.-293 с.

20. Кулъский JI.A. Теоретические основы технологии кондиционирования воды. Киев: Наукова думка, 1971. - 495 с.

21. Туровский И.С. Обработка осадков сточных вод. М.: Стройиздат, 1984.-186 с.

22. Евилович А.З. Утилизация осадков сточных вод, — М.: Стройиздат, 1989.-221 с.

23. Банников А.Г., Рустамов А.К., Вакулин А.А. Охрана природы. -М.: Агропромиздат, 1987. 202 с.

24. П.И. Капинос, Н.А. Панесенко. Охрана природы. — Киев: "Выща школа", 1991.

25. Комплексное использование и охрана водных ресурсов /Под редакцией О.А. Юшманова. -М.: Агропромиздат, 1985.

26. Катюшина Г.Н. Очистка природных и сточных вод. Охрана окр. ср. и рациональное использование природных ресурсов / ВНТИЦ; Вып. 23. — М.: 1993.-35 с.

27. Беспамятное Г.П., Кротов Ю.А. Предельно допустимые концентрации химических веществ в окружающей среде. — Л.: Химия, 1987.

28. ГОСТ-9.314-90 Единая система защиты от коррозии и старения. Вода для гальванического производства и схемы промывок. Общие требования. — М.: Изд-во стандартов, 1990. С. 2-7.

29. Ionenaustauschverfachren // Wasser, Lufit und Wetr. — 1983. — Vol. 27, No. 12.-S. 18-19.

30. Стахов E.A. Очистка нефтесодержащих сточных вод предприятий хранения и транспорта нефтепродуктов. — Л.: Недра, 1983.

31. Ковалев В.В. Интенсификация электрохимических процессов водоочистки. — Кишинев: Штиинца, 1986.

32. Перечень предельно допустимых концентраций и ориентировочно безопасных уровней воздействия вредных веществ для воды рыбохозяйственных водоемов. -М.: ТОО «Мединор», 1995.

33. Карапетъянц М.Х., Дракин С.И. Общая и неорганическая химия: Учебное пособия для вузов. М.: Химия, 1981.

34. Ветохин В.Н., Хантургаев Г.А., Цыциков В.Н. Очистка обработанных СОЖ методом ультрафильтрации // Мембранная технология в решении экологических проблем. Тез. докл. Всем, сем.-школы, Улан-Уде 17-23 июня, 1990.

35. Колесников В.А., Шалыт Е.А. Электрофлотационное извлечение ценных компонентов из промывных вод гальванического производствас возвратом воды в оборот // Очистка сточных вод и регенерация ценных компонентов. Сборник научных трудов. М.: МХТИ, 1990.

36. Смагин В.И. Обработка воды методом электролиза. М.: Стройиздат, 1986.

37. Карелин Ф.Н. Обессоливание воды обратным осмосом. М.: Стройиздат, 1988.

38. Дытнерский Ю.И. Обратный осмос и ультрафильтрация. — М.: Химия, 1978.

39. Кульский JI.A. Очистка воды на основе классификации ее примесей. — Киев: Украинский НИИ НТИиТЭИ, 1967. 14 с.

40. Очистка промышленных сточных вод // Когановский A.M., Кульский JI.A., Сотникова Е.В. и др. Киев: Техника, 1974. - 257 е.

41. Мещерякова Т.В. Яценко О.В., Василенко Е.А. Анализ отечественных и зарубежных баз данных по охране окружающей среды //Изв. Вузов. Сер. Химия и химическая технология. 1993. -т.36.№2. - с. 115-118.

42. Моисеев Н.Н. Предисловие к книге Орловского С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука. 1981.

43. Ларичев О.И. Объективные модели и субъективные решения. М.: Наука. 1987.

44. Кун Т. Структура научных революций. — М.: Прогресс, 1977.

45. Slovic P., Fichhoff В., Lichtenstein S. Behaviorial decision theory. — Annual Phychol. Rev. vol. 28, 1997.

46. Eom S.B. Decision support systems research: reference disciplines and a cumulative tradition. The International Journal of Management Science, 23, 5, October 1995, p. 511-523.

47. Simonovic A., Slobodan P. Decision support for sustainable water resources development in water resources planning in a changing world. — Proceeding of International UNESCO symposium, Karlsruhe, Germany, p. III. 3-13, 1994.

48. Ginzberg M.J., Stohr E. A. A decision support: Issues and Perspectives. -Processes and Tools for Decision Support. Amsterdam: North-holland Publ. Co, 1983.

49. Ларичев О.И., Мошкович E.M. Качественные методы принятия решений. -М.: Наука, Физматлит, 1996.

50. Simon Н.А. The new science of management decision. Englewood Cliffs, N.J., Prentice - Hall Inc., 1975.

51. Берштейн JI.C., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах. Монография. -Ростов-на-Дону: Издательство Ростовского университета, 1999.

52. Трахтенгерц Э.А. Повышение надежности последовательно-параллельного проектирования сложных технических объектов. АиТ, №5, 1994, с. 128-157.

53. Трахтенгерц Э.А. Особенности построения системного программного обеспечения в распределенных системах автоматизации проектирования сложных технических объектов. АиТ, №11, 1994.

54. Богуславский Л.Б., Дрожжинов В.И. Концепция применения ЛВС MAP/TOP для комплексной автоматизации предприятий и учреждений. -Научно-технический прогресс в машиностроении. Вып. 11. М. 1989. с. 4-66.

55. Cryal S., Worrest R. Expert system applications to network management. -Expert Systems Applications to Telecommunications. New York, v.l, 1988. p. 3-44.

56. Wagner C. Facilitating space-time differences, group heterogeneity and multysensory task work through a multimedia supported group decision system. Decision Support Systems v.l5, p. 197-210,1995.

57. IBM, East Europe / Asia/ Пресс-релиз. Авиация и Космос. 14.9.95.

58. Поспелов Д.А., Пушкин В.М. Мышление и автоматы. — М.: Советское радио, 1972.

59. Саати Т. Принятие решений. Метод анализа анархий. М.: Радио и связь. 1993.

60. Бурков В.Н., Еналеев А. К, Новиков Д. А. Механизмы функционирования социально-экономических систем с сообщением информации — АиТ, №3, 1996, с. 3-25.

61. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот МД. Статистические и динамические экспертные системы. — М.: Финансы и статистика. 1996.

62. Макроум Б. Макетирование моделированием. PC Magazine. Russian edition. #9, 1996, с. 120.

63. Трахтенгерц Э.А. Компьютерный анализ в динамике принятия решений. Приборы и системы управления. №1, 1997, с. 49-56.

64. Трахтенгерц Э.А. Построение распределенных систем группового проектирования. АиТ, №9, 1993, с. 154-174.

65. Franclin J.E., Carmody C.L., Keller К., Levit T.S., Butean B.L. Expert system technology for molitary selected samples. Proc. IEEE, oct. v. 76, №10, 1988.

66. Трахтенгерц Э.А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений. АиТ, №4, 1995. с. 3-52.

67. Венцель Е.С. Исследование операций. Задачи, принципы, методология. -М.: Наука, 1988.

68. Гридин В.Н., Михайлов В.Б. Пакет программ схемотехнического проектирования аналоговых СВЧ-схем. Автоматизация проектирования. № 2, 1997, с. 9-15.

69. Краснощекое П.С., Федоров В.В., Флеров Ю.А. Элементы математической теории принятия проектных решений. Автоматизация проектирования №1, 1997, с. 15-23.

70. Adamson, С., Venerable, М., "Data Warehouse Design Solutions". John Wiley & Sons, Inc., 1998.

71. Devlin, В., "Data warehouse: from architecture to implementation". Addison Wesley Longman, Inc., 1997.

72. IBM, "Business Intelligence Architecture on S/390. Presentation Guide", IBM Corporation, 2000.

73. IBM, "Business Intelligence Certification Guide", IBM Corporation, 2000.

74. IBM, "Data Modeling Techniques for Data Warehousing", IBM Corporation, 1998.

75. Inmon, W., "What is a data warehouse?" White Paper.

76. Kimball, R., "A Dimensional Modeling Manifesto". DBMS Magazine. August 1997.

77. Kimball, R., "The Data Warehouse Toolkit. Practical Techniques for Building Dimensional Data Warehouses". John Wiley & Sons, Inc (1996).

78. Kimball, R. et al., "The Data Warehouse Lifecycle Toolkit: Expert Methods for Designing, Developing and Deploying Data Warehouses". John Wiley & Sons, Inc. 1998.

79. Silverston, L., Inmon, W., Graziano, K., "The Data Model Resource Book. A Library of Logical Data Models and Data Warehouse Designs". John Wiley & Sons, Inc. 1997.

80. Winsberg, P., "Modeling the Data Warehouse and Data Mart". InfoDB, 10, No 3, 110

81. Берштейн JI.C., Боженюк A.B. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Монография. Таганрог: Изд-во ТРТУ, 2001.

82. Берштейн Л.С., Боженюк А.В., Анализ и выбор решений на основе нечеткой монотонной экспертной информации // Известия ТРГУ. Тематич.выпуск «Интеллектуальные САПР». Таганрог: ТРГУ, 1998. №2. С.207-210.

83. Борисив А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. — Рига: Зинатне, 1982.

84. Ульянов С.В. Нечеткие модели интеллектуальных систем управления: технические и прикладные аспекты (обзор) // Известия Академии наук. Техническая кибернетика. 1991. №3. С.3-28.

85. Берштейн J1.C., Боженюк А.В., Принятие решений на основе нечеткого вывода по аналогии // Труды седьмой национальной конференции по искусственному интеллекту КИИ'2000.-М.: Из-во физико-математической литературы. Т.2. 2000. С.456-463.

86. Дюбуа Д., Прад А. Теория возможностей. Приложение к представлению знаний в информатике. — М.: Радио и связь, 1990.

87. Пойа Дж. Математика и правдоподобные рассуждения. — М.: Наука,1975.

88. Заде J1.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. — М.: Мир, 1976.

89. Iancu I. Propagation of uncertainty and imprecision on knowledge-based systems // Fuzzy Sets and Systems. №94, 1998. P.29-43.

90. Малышев Н.Г., Берштейн JI.C., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. -М.: Энергоатомиздат, 1991.

91. Yager, Ronald, Linguistic models and fuzzy truths. Intern. J. Man-Machine Studies, vol.10, N4.-1978. P.483-494.

92. Искуственный интеллект: применение в химии: Пер. с англ./Д. Смит, Ч. Риз, Дж. Стюарт и др. Под ред. Т. Пирса, Б. Хони.-М.: Мир, 1988. -430 с.

93. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения/ В. П. Мешалкин. М.: Химия, 1995. - 368 с.

94. Douglas, Application of inductive training in a problem of processing of sewage. Tehnol. 18 (1988) 485-489.

95. Норенков И.П. Разработка систем автоматизированного проектирования. Учебник для вузов. М.: Изд-во МГТУ им. Н.Э.Баумана. - 1994. - 207 с.

96. Кречетов Н. Продукты для интеллектуального анализа данных // Рынок программных средств, 1997. № 14-15, С.32-39.

97. Дюк В.А. Data Mining — интеллектуальный анализ данных // Byte (Россия). 1999. №9. С. 18-24.

98. Small R.D. Интеллектуальный анализ данных: мифы и факты // InfoWorld. 1997. №22-23. С.38-39.

99. Аркадьев А.Г., Браверман Э.М. Обучение машины классификации объектов. М.: Наука, 1971.

100. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир,1976.

101. Загоруйко Н.Г., Елкина В.Н., Лбов Г.С. Алгоритмы обнаружения эмпирических закономерностей. Новосибирск: Наука, 1985.

102. Кулачев А.П. Средства и программные системы анализа данных // Мир ПК. 1994. №10.

103. Миркин Б.Г. Анализ качественных признаков и структур. — М.: Статистика, 1980.

104. Классификация и кластер / Под ред. Дж.Вэн Райзин. М.: Мир, 1980

105. Поспелов Д.А. Данные и знания. Представление знаний // Искусственный интеллект. Кн.2. Модели и методы: Справочник /Под ред. Д.А. Поспелова. М.: Радио и связь, 1990. - С.7-13.

106. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989.

107. Minsky M.L., Papert S.A. Perceptrons. Cambridge, MA: MIT Press, 1969.

108. Rumelhart D. E., Hinton G. E., Williams R. J. Learning internal representation by error propagation // In: D.E.Rumelhart and J.L.McClelland (Eds.) Parallel Distributed Processing, Vol. I Foundations. — Cambridge, MA: MIT Press, 1986.—pp.318—362.

109. Narendra K. S., Parthasarathy K. Identification and control of dynamical systems using neural networks // IEEE Trans, on Neur. Net.— 1990.— vol.1.—N 1.—pp.4—27.

110. Voronovsky G. K., Klepikov V. В., Sergeev S. A., Mahotilo К. V. ANN+GA—based Intelligent Control System // The 4—th Int. Workshop on Optimization and Inverse Problem in Electromagnetism. Brno, Czech Republic, June 19—21, 1996—p.45.

111. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А.Сергеев. -X.: ОСНОВА, 1997. 112 с.

112. Автоматизация поискового конструирования (искусственный интеллект в машинном проетировании) / Под. ред. А.И.Половинкина. -М.: Радио и связь, 1981. 344 с.

113. Норенков И.П., Кузъмик П.К., Информационная поддержка наукоемких изделий. CALS-технологии. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. - 320 е.: ил.

114. Database in crisis and transition: A technical agenda for the year 2001. David Vaskevitch. ACM SIGMOD Record , Proceedings of the 1994 ACM SIGMOD international conference on Management of data May 1994 Volume 23 Issue 2

115. Абстракции и модели в системах баз данных М.Р. Когаловский СУБД №04-05/98.

116. Долговременное хранение объектов в объектно-ориентированных приложениях В. Шринивасан, Д. Т. Чанг, Открытые системы №03/99.

117. Калиниченко Л.А, Стандарт систем управления объектными базами данных ODMG-93: краткий обзор и оценка состояния, СУБД №01/96.

118. Охотников Е. А., Снова о объектных СУБД, Открытые системы №04/99.

119. Ким Вон, Технология объектно-ориентированных баз данных, Открытые системы №04/94.

120. Д. Чемберлин, Анатомия объектно-реляционных баз данных СУБД №01-02/98.

121. Выбор СУБД для построения информационных систем корпоративного уровня на основе объектной парадигмы. А.М.Андреев, Д.В.Березкин, Ю. А. Кантонистов СУБД №04-05/98.

122. Новые одежды знакомых СУБД: Объектная реальность, данная нам. В. Пржиялковский СУБД №04/97.

123. Есенов Е.К. Разработка принципов математического моделирования оптимальных систем очистки сточных вод: Дис. докт. техн. наук 05.17.08. М.: РХТУ им. ДИ. Менделеева, 1994.

124. В. Львов, Создание систем поддержки принятия решений на основе хранилищ данных. / СУБД, №3. 1997. С.30-40.

125. Крис Дейт, Введение в базы данных. Изд. 6-е. Киев, Диалектика, 1998.

126. Организация баз данных в вычислительных системах. Дж.Мартин. Изд. 2-е, Мир, М.-1980.

127. Модель "сущность-связь" шаг к единому представлению о данных. Петер Пин-Шен Чен. СУБД №03/95.

128. Разработанная в РХТУ им. Д.И. Менделеева информационная система «ВОДОСВ» используется в НПП «Логус» для представления •информации по очистному оборудованию и дальнейшему подбору модулей очистки стоков на промышленных предприятиях г. Москвы.

129. Экономический эффект от использования программы «ВОДОСВ» по выбору оборудования для процесса очистки сточных вод на НПП «Логус» составит 180 тыс. руб./год.

130. Данный акт не является основанием для материального, поощрения.

131. От НПП «Логус»: От РХТУ им. Д.И. Менделеева:

132. Технический директор Проф. кафедры КХТП, д.т.н.1. АКТвнедрения системы информационных баз данных по выбору оборудования для процесса очистки сточных вод гальванического производства

133. Разработанная система информационных баз данных применяется для решения задач аппаратурного оформления технологии очистки сточных вод гальванического производства.

134. Экономический эффект от внедрения системы информационных баз данных на НП «Гильдия предприятий коммунального хозяйства» составит 150 тыс. руб./год.

135. Данный акт не является основанием для материального вознаграждения.

136. От НП «Гильдия предприятий коммунального хозяйства»; Председатель Совета Директоров Челноков В.В.

137. Рябенко Е.А. сентябрь 2001 г.1. АКТвнедрения программы «ВОДОСВ» по выбору оборудования для процесса очистки сточных вод на промышленных предприятиях

138. Разработанное программное обеспечение системы баз данных применяется для поиска информации по оборудованию и технологиям в области очистки сточных вод промышленных предприятий.

139. Экономический эффект от использования программы «ВОДОСВ» по выбору оборудования для процесса очистки сточных вод на ФГУП «Государственный НИИ химических реактивов и особо чистых химических веществ «ИРЕА» составит 170 тыс. руб./год.

140. Данный акт не является основанием для материального вознаграждения.

141. От ФГУП «ГосНИИ хим. реактивов и ос. чист. хим. веществ «ИРЕА»: Зав. отделом разработки автомати зированных систем, проф., д.т.н.

142. Бессарабов A.M. Старший научный сотрудник ' я**?-— Сафонова Т.А.

143. От РХТУ им. Д.И. Менделеева: Проф. кафедры КХТП, д.т.н.

144. Меньшутина Н.В. Аспирант кафедры КХТП1. Богословская О.В.1. Аспирант кафедры КХТП1. Авраменко Ю.Г.