Содержание к диссертации
Введение
Глава 1. Анализ проектных решений систем жизнеобеспечения зданий 14
1.1. Постановка задачи моделирования систем жизнеобеспечения зданий 14
1.2. Анализ существующих способов построения имитационных моделей систем жизнеобеспечения зданий 16
1.3. Анализ проектов САПР с применением системы поддержки принятия решений 28
1.4. Требования, предъявляемые к системе поддержке принятия решений 32
1.5. Исследование и выбор вида математической имитационной модели, разработка методологической схемы исследования 34
1.6. Выводы по главе 1, научно-техническая гипотеза 39
Глава 2. Имитационное моделирование систем жизнеобеспечения зданий 40
2.1. Схема процесса создания имитационной модели 40
2.2. Информационные каналы трансфера данных из САПР 43
2.3. Методика автоматизации проектирования систем жизнеобеспечения и эксплуатации зданий на базе имитационного моделирования 48
2.4. Частные логико-математические имитационные модели 52
2.5. Выводы по главе 2 71
Глава 3. Логико-математические имитационные модели управления системами жизнеобеспечения зданий 73
3.1 Имитационное моделирование как средство создания системы поддержки принятия решений 73
3.2. Единая логико-математическая имитационная модель управления системами жизнеобеспечения зданий 78
3.3. Алгоритм использования статистических данных проектных имитационных моделей 83
3.4. Выводы по главе 3 90
Глава 4. Апробация логико-математических имитационных моделей систем жизнеобеспечения зданий и разработанных методик 92
4.1. Применение частных логико-математических имитационных моделей систем жизнеобеспечения зданий в проектах САПР 92
4.2. Внедрение единой логико-математической имитационной модели, экономическая эффективность 98
4.3. Прогнозирование работоспособности систем жизнеобеспечения зданий 102
4.4. Выводы по главе 4 105
Основные выводы и предложения 106
Библиографичекий список 109
- Анализ существующих способов построения имитационных моделей систем жизнеобеспечения зданий
- Частные логико-математические имитационные модели
- Алгоритм использования статистических данных проектных имитационных моделей
- Внедрение единой логико-математической имитационной модели, экономическая эффективность
Введение к работе
-3-
Актуальность темы исследования.
Известно, что высокая насыщенность инженерными коммуникациями, инфраструктурой и оборудованием новых зданий, а также высокая плотность строительства являются острыми проблемами крупных городов. Таким образом, перед проектировщиками зданий и сооружений строительная наука ставит новые задачи и предъявляет иные, ранее не возникавшие требования. В современных инновационных проектах используются передовые разработки в области строительных материалов с применением энергоэффективных и экологичных технологий. С экономической точки зрения, при создании нового проекта, важно учитывать его эксплуатационные характеристики для оптимизации расходов. При обеспечении возможности работы с проектом в период его эксплуатации и ремонта, возрастает заметная коммерческая эффективность проекта.
Сказанное подчёркивает важность проблемы правильного подхода к эксплуатации систем жизнеобеспечения зданий. Ранее используемые методики и модели не в полной мере позволяют учитывать все современные особенности и множество параметров в системах жизнеобеспечения зданий. Данная проблема, безусловно, актуальна в нашей стране еще и в виду большой протяжённости коммуникаций и их подверженности физическому и моральному износу. В целях совершенствования подхода к эксплуатации систем жизнеобеспечения зданий важно использовать не только современные и инновационные строительные материалы, но и последние достижения в области аналитического, информационного и программного обеспечения строительства, которые позволяют анализировать любую систему жизнеобеспечения зданий.
Необходимость анализа проектных решений и создания модели синтеза с применением имитационного моделирования непосредственно в составе современных систем автоматизации проектирования (САПР) в области систем жизнеобеспечения зданий делает обозначенную тему диссертационного исследования актуальной научной проблемой, которая обладает достаточными признаками научной новизны. Это, в свою очередь, обусловлено и востребованностью полученных результатов диссертационной работы растущим сегментом рынка реального сектора экономики России, в рамках которого сформулирована практическая значимость исследования.
Научно-техническая гипотеза диссертации состоит в предложении возможности повышения эффективности процессов автоматизации анализа и синтеза проектных решений систем жизнеобеспечения зданий на основе использования оригинальных логико-математических имитационных моделей двух уровней.
Цель работы - создание единого подхода к автоматизации анализа и синтеза проектных решений систем жизнеобеспечения зданий на базе имитационных моделей.
Достижение цели обусловлено в диссертации постановкой и решением следующих основных задач:
анализ создания имитационных моделей автоматизации систем жизнеобеспечения зданий;
исследование процедур выработки проектных решений в процессе создания логико-математической имитационной модели системы жизнеобеспечения зданий;
разработка методики автоматизации проектирования систем жизнеобеспечения и эксплуатации зданий на базе имитационного моделирования;
разработка частной логико-математической имитационной модели систем жизнеобеспечения зданий в САПР;
разработка единой логико-математической имитационной модели управления системами жизнеобеспечения зданий в САПР;
разработка алгоритма использования статистических данных проектных имитационных моделей для принятия эффективных проектных решений на стадии реконструкции объекта (модернизация систем жизнеобеспечения);
апробация и внедрение разработанной методики и логико-математических имитационных моделей при реализации проектов САПР;
анализ возможности применения статистических данных проектных имитационных моделей при принятии эффективных проектных решений на стадии реконструкции объекта.
Объектом исследования - проектные решения систем жизнеобеспечения зданий всех уровней.
Предмет исследования - имитационные модели автоматизации анализа и синтеза проектных решений систем жизнеобеспечения зданий в САПР.
Теоретические и методологические основы исследования включают теорию построения систем автоматизации проектирования, системный анализ и синтез проектных решений САПР, теорию автоматического управления, тематические публикации и результаты исследований отечественных и зарубежных ученых и специалистов в области совершенствования практики разработки и применения строительных САПР.
Достоверность результатов обеспечена применением обоснованных теоретических и экспериментальных методов, аппарата имитационного моделирования, математического аппарата управления моделями, а также результатами использования единого подхода к автоматизации проектных решений систем жизнеобеспечения зданий на базе имитационного моделирования.
Научная новизна диссертационного исследования заключается в создании единого подхода к автоматизации анализа и синтеза проектных решений систем жизнеобеспечения зданий, состоящего в следующем:
предложена методика автоматизации проектирования систем жизнеобеспечения и эксплуатации зданий на базе имитационного моделирования;
разработана частная логико-математическая имитационная модель систем жизнеобеспечения зданий в САПР;
разработана единая логико-математическая имитационная модель управления системами жизнеобеспечения зданий в САПР;
создан алгоритм использования статистических данных проектных имитационных моделей для принятия эффективных проектных решений на стадии реконструкции объекта (модернизация систем жизнеобеспечения).
Практическая значимость диссертации заключается в создании и применении единого подхода к автоматизации проектных решений систем жизнеобеспечения зданий, в создании логико-математических имитационных моделей систем жизнеобеспечения, зданий объединённых единой моделью управления зданием, а также алгоритмом использования статистических данных проектных имитационных моделей для принятия эффективных проектных решений на стадиях строительства и реконструкции объекта.
Апробация результатов исследования. Основные теоретические и методические положения диссертации докладывались и апробированы на Международных межвузовских научно-практических конференциях молодых ученых, аспирантов и докторантов «Строительство - формирование среды жизнедеятельности» (г.Москва, 2009-2011 гг.), секции Научно-методического совета по информационным системам и технологиям науки и образования в области строительства (НМС ИСТ) при Международной Ассоциации строительных вузов (АСВ) и Учебно-методическом объединении (УМО) вузов Российской Федерации в области строительства (2010, 2011 гг.), Международной научной конференции «Интеграция, партнерство и инновации в строительной науке и образовании» (г.Москва, 2011г.), заседаниях и научных семинарах кафедры Систем автоматизации проектирования (САПР) в строительстве и Информационных систем, технологий и автоматизации в строительстве (ИСТАС) ФГБОУ ВПО «Московской государственный строительный университет» (г. Москва, 2009-2011 гг.).
Внедрение результатов исследования. Экспериментальная проверка и практическое внедрение результатов работы выполнено при реализации нескольких проектов в Некоммерческом партнерстве «Автоматизация зданий и системы управления инженерным оборудованием на базе протокола БАКнет» (НП «БИГ-РУ»).
Материалы диссертации опубликованы в 2009-2011 гг. в 5 научных работах, в том числе - в 2 работах в научных изданиях, входящих в действующий перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук, утвержденный Высшей аттестационной комиссией Министерства образования и науки Российской Федерации.
Объем и структура диссертации. Диссертация состоит из введения, четырех основных глав, основных выводов и предложений, библиографического списка из 140 наименований и приложений.
Анализ существующих способов построения имитационных моделей систем жизнеобеспечения зданий
При создании логико-математических имитационных моделей систем жизнеобеспечения зданий в настоящее время используется два подхода: дискретный и непрерывный. Выбор подхода в значительной мере определяется свойствами объекта-оригинала и характером воздействия на него внешней среды. Метод статистического моделирования (метод Монте-Карло, работа Лоу А. [89]) - можно рассматривать как частный случай дискретных вероятностных имитационных моделей. При использовании дискретного подхода к созданию логико-математических имитационных моделей обычно применяются абстрактные системы (чертежи или схемы систем жизнеобеспечения) трех основных параметров: автоматные системы, системы массового обслуживания и агрегативные системы. В случае непрерывного подхода моделируемый объект независимо от его природы формализуется в виде непрерывной абстрактной системы, между элементами которой циркулируют потоки той или иной природы. Структура такой системы представляется графически в виде диаграммы (схемы) потоков. Основными элементами непрерывной системы рассматриваемого типа являются абстрактные «бункеры», а также элементы задержки.
Под логико-математической имитационной моделью объекта -оригинала, в общем случае, мы можем понимать определенную систему, состоящую из отдельных подсистем (элементов, компонентов, узлов) и связей между ними, причем функционирование (изменение состояний) и внутреннее изменение всех элементов модели под действием связей может быть алгоритмизировано тем или иным образом, так же как и взаимодействие системы с внешней средой.
Имитация функционирования САПР сводится к пошаговому воспроизведению на ЭВМ процесса функционирования всех её элементов с учетом их взаимодействия и воздействий внешней среды. В имитационной программируемой среде могут быть алгоритмизированы и воспроизведены процессы функционирования и взаимодействия различных элементов абстрактной системы - дискретных, непрерывных, вероятных и детерминированных которые, выполняющих функции обслуживания и задержки, других элементов. В качестве имитационной модели объекта при такой постановке выступает программируемая среда на ЭВМ (вместе с обслуживающими, сервисными программами), созданная либо на универсальных языках высокого уровня, либо с применением специализированных языков имитационного моделирования (например GPSS/320 - для дискретных систем типа систем массового обслуживания, Q-GER.T язык сетевого моделирования для дискретных систем, SIMPL/1, GASP IV и др.). В настоящее время разработка и применение логико-математических имитационных моделей ведется в различных сферах науки, в том числе — строительных САПР и, как правило, является инновационным направлением в каждой области. Имитационное моделирование наиболее эффективно используется на высоких уровнях иерархии, при рассмотрении взаимодействия во времени большого числа сложных объектов, что характерно для высшей степени технологии и производственных процессов. Разработку и моделирование сложных систем в своих работах проводил Н.П. Бусленко.
Цель имитационного моделирования систем жизнеобеспечения зданий состоит в воспроизведении поведения исследуемой системы на основе результатов анализа и синтеза проектов САПР в части наиболее существенных взаимосвязей между её элементами. Результаты исследования имитационной модели, как правило, представляют собой оценки функциональных характеристик той системы, поведение которой имитируется. Так, например, при имитационном моделировании различных систем жизнеобеспечения зданий практический интерес могут представлять такие показатели, как расход тепла в помещениях, электричества, нагрузка на локальную вычислительную сеть, а также сбор статистики и принятие управленческих решений на основе проведенных экспериментов.
Первый шаг к созданию имитационной модели состоит в описании реально существующей системы с использованием характеристик основных событий. Событие определяется как точка во времени, в которой происходят изменения характеристик системы. Обычно изменения имеют место в тех случаях, когда заканчивается один процесс (или несколько процессов) и начинаются другие. Для получения требуемых результатов моделирования достаточно наблюдать систему в те моменты, когда происходят события.
Для эксплуатации любой имитационной модели необходимо выбрать единицу времени. В зависимости от природы моделируемой системы такой единицей может быть минута, месяц и проч. Допустим, необходимо моделировать работу системы в течение Т единиц времени. Процесс начинается с данными, относящимися к нулевому моменту времени. Соответствующие событие отмечается на шкале времени в хронологическом порядке. Т.е., модель функционирует, перемещаясь от одного события к другому. Каждое событие сопровождается корректировкой протокола, отражающей возможные изменения в показателях функционирования (рис.1).
Резкие переходы (скачки), совершаемые моделью при переходе от одного события к другому, указывают на то, что процесс протекает в дискретном времени, откуда появилось название «дискретное моделирование».
В случае дискретного моделирования между реальным временем и временем работы модели нет ничего общего (время функционирования модели обычно значительно меньше реального).
Допустим, мы хотим моделировать работу локальной вычислительной сети (ЛВС здания) [78],[79] и увидеть, сколько пакетов проходит от сервера к рабочей машине в единицу времени. Передача пакетов в ЛВС подчинена пуассоновскому распределению, со средней скоростью 1000 пакетов/час, а время обслуживания равно 0,2 часа с вероятностью 0,5 или 0,6 часа с вероятностью 0,5. Пакеты обслуживаются согласно дисциплине «первым пришел - первым принят», длина очереди, а также источник поступления пакетов не ограничены. Предположим, что в начальный момент моделирования пакетов нет. Для пуассоновского входного потока промежутки времени между требованиями имеют экспоненциальное распределение и могут быть получены из формулы
В одноканальной системе возможны события только двух типов: поступление пакетов и их прием или отправка обратно. Действия, вызываемые этими событиями можно охарактеризовать следующим образом.
Событие, связанное с поступлением пакета:
1) Генерация момента времени, в который поступает следующее требование на прием нового пакета, путем вычисления промежутка времени между требованиями р и добавлением его к текущему времени моделирования (это действие необходимо для непрерывности процесса моделирования).
2) Проверка состояния системы (простой или работа):
а) если система простаивает, то необходимо начать прием нового пакета, сгенерировать время приема q и вычислить время окончания приема пакета (текущее время + q); изменить состояние системы на рабочее и скорректировать протокол простоя системы;
б) если система работает, поставить поступивший пакет в очередь и увеличить её длину на 1.
Событие, связанное с окончанием обслуживания.
1) проверка состояния очереди пакетов (пустая или непустая):
а) если очередь пуста, объявить простой системы;
б) если очередь не пуста, то начать обслуживание первого по очереди пакета, уменьшить длину очереди на 1 и скорректировать протокол времени ожидания;
в) получить время приема пакета q и вычислить время окончания приема (текущее время +q).
Частные логико-математические имитационные модели
Системы жизнеобеспечения являются составляющей каждого здания. Квартиры, дома, офисы - все помещения, посещаемые людьми, оснащены инженерными системами. Основное предназначение таких строительных систем состоит в том, чтобы сделать сооружения пригодным для жизнедеятельности человека, а также создать комфортные условия для жизни и работы. Сегодня инженерные сети во всех случаях автоматизируются, проводится мониторинг их работы. Например, осуществляется учет подачи воды в здание, учитывается потребление электричества, функционируют системы оповещения работы инженерных систем. К системам жизнеобеспечения относят также: системы безопасности, системы кондиционирования, охранно-пожарная сигнализация и многое другое. Данные инженерные системы не являются основными, т.к. без них условия жизни современного человека остаются приемлемыми, они призваны сделать жизнедеятельность еще более комфортной и безопасной.
Для создания логико-математической имитационной модели необходимо провести анализ проекта САПР системы жизнеобеспечения зданий, разделить проект на составляющие его элементы узлы, датчики, параметры и т.д. Чтобы логико-математическая модель передавала полностью работу спроектированной системы жизнеобеспечения зданий, необходимо задать параметры ее узлов (датчиков и проч.) в программируемой имитационной среде. Однако не всегда перенос всех характеристик проекта даст адекватные результаты проведения экспериментов и статистические данные. Это происходит из-за того, что учет всех параметров проекта чрезвычайно сложен, так как их может быть достаточно много и избыточность входных данных в логико-математической модели будет приводить к неправильным данным по статистике или некорректной работе модели во время эксперимента. Исходя из вышесказанного, на основе проведенного анализа проектов САПР по системам жизнеобеспечения зданий были созданы логико-математические имитационные модели по отоплению, освещению, слаботочной кабельной сети. Остановимся на каждой модели подробнее, рассмотрим логику и принципы её работы, выполним анализ процессов преобразования входных и выходных параметров.
Рассматривая разработку и применение логико-математических имитационных моделей в системах жизнеобеспечения зданий, можно выделить три основных функции, которые они выполняют.
Первая из них - описательная. Любая модель по своей информационной сути представляет собой совокупность данных об объекте и поэтому является его описанием. Формы такого описания могут быть разными, но содержание информации о моделируемом объекте, в определенном смысле, одним и тем же. Копирование, преобразование и распространение моделей реализует тем самым и упорядочивание, систематизацию и распространение информации о моделируемых объектах и процессах.
Вторая важнейшая функция моделей - предсказательная, позволяющая делать оценки (предсказания) значений каких-либо характеристик объекта. Предсказательная функция моделей основана на том, что ограничения на возможные совместные значения переменных, описывающих объект, заложенные в ее структуре, позволяют при задании значений входных параметров получать условные оценки выходных. Прогнозирование с помощью моделей является неотъемлемой составной частью многих прикладных задач.
Третья функция - эвристическая. Она наиболее выражена у компьютерных логико-математических имитационных моделей. Эта функция связана с использованием моделей для проверки, закладываемой в них гипотетической информации на непротиворечивость с имеющимися достоверными сведениями. Другая эвристическая задача состоит в изучении следствий совместного действия заложенных в модель ограничений на возможные значения ее переменных. В этом случае модель выступает в роли самостоятельного натурного объекта, так как, вообще говоря, ее аналога в природе может и не существовать. Кроме того, модели позволяют получать новые выводы из известных данных об объекте путем имитации его состояний, редко имеющих место или не реализующихся в естественных условиях.
Создавать логико-имитационную модель целесообразно в современном инновационном продукте Anylogic [74], который позволяет создавать любые реальные объекты и имитировать их работу, а возможность написания собственного программного кода на языке Java придает дополнительную гибкость будущей логико-математической имитационной модели.
Для разработки логико-математической имитационной модели системы отопления проектного решения САПР были использованы следующие исходные данные:
-Рдв- входное давление теплоносителя в отопительную систему, Па;
-Т„- температура теплоносителя, С0;
-Твн- температура датчика установленного внутри помещения, С0;
-Тнв- температура наружного воздуха, С0;
-PI -регулятор программно интегрированный;
-Закрытая независимая схема ИТП на рис. 10.
Проведя анализ входных данных системы отопления здания с учетом преобразования и прохождения их через программируемую имитационную среду, создается логико-математическая имитационная модель системы отопления. Работу логико-математической имитационной модели системы отопления можно проследить на разработанной блок-схеме (рис.11).
Входные данные выбирались с учетом разности внешней и внутренней температуры, так же была учтена температура подающей воды в систему отопления и температура, которая должна быть возращена в городские сети, подбирая определённые соотношения этих температур, вычислялась температура внутри помещения. Выбирая соотношения температур внутренних и наружных можно подобрать оптимальные разности с учетом стоимости и проведя эксперимент над логико-математической моделью, возможно говорить об экономии на тепловой энергии.
Структура модели, состоящая из элементов программного инструментария моделируемой имитационной среды, позволяет описать агентов, которые будут работать в помещениях и их поведение, и реакцию на изменяющиеся температуры внутри помещения. Под «агентом» понимается сотрудник офиса, человек, рабочий. Созданная логико-математическая имитационная модель позволяет настраивать и прогнозировать поведение и реакцию агентов, также возможно, чтобы агенты сами регулировали температуру в каждом помещении, используя установленные температурные датчики (рис.14).
Алгоритм использования статистических данных проектных имитационных моделей
Принятие разумных решений по рациональной организации и управлению современными системами становится невозможным на основе обычного здравого смысла или интуиции из-за возрастающей сложности систем. Еще в 1969 г. известный ученый, родоначальник системной динамики Джей Форрестер отмечал, что на основе интуиции для управления сложными системами чаще выбираются неверные решения, чем верные [4],[6], и это происходит потому, что в сложной системе причинно-следственные отношения ее параметров не являются простыми и ясными [93]. В литературе имеется большое число примеров, показывающих, что люди неспособны предвидеть результат их воздействий в сложных системах.
Повышение производительности и надежности, уменьшение стоимости и рисков, оценка чувствительности системы к изменениям параметров, оптимизация структуры — все эти проблемы встают как при эксплуатации существующих, так и при проектировании новых технических и организационных систем в проектах САПР. Трудность понимания причинно-следственных зависимостей в сложной системе приводит к неэффективной организации систем, ошибкам в их проектировании, большим затратам на устранение ошибок. Сегодня моделирование становится единственным практическим эффективным средством нахождения путей оптимального (либо приемлемого) решения проблем в сложных системах, средством поддержки принятия ответственных решений. Логико-математическое имитационное моделирование особенно важно именно тогда, когда система состоит из многих параллельно функционирующих во времени и взаимодействующих подсистем. Такие системы наиболее часто встречаются в жизни. Понимание одновременного развития во времени многих влияющих друг на друга процессов является для человека трудной задачей. Логико-математическая имитационная модель помогает понять сложные системы, предсказать их поведение и развитие процессов в различных ситуациях и, наконец, дает возможность изменять параметры и даже структуру модели, чтобы направить эти процессы в желаемое русло. Модели позволяют оценить эффект планируемых изменений, выполнить сравнительный анализ качества возможных вариантов решений. Такое моделирование может осуществляться в реальном времени, что позволяет использовать его результаты в различных технологиях (от оперативного управления до тренинга персонала).
Наиболее целостное и наглядное представление об алгоритме использования статистических данных при принятии проектных решений дает схема, отражающая его основные стадии и порядок их следования (рис. 30)
На стадии реализации проектного решения САПР принимаются меры для конкретизации решения и доведения его до исполнителей, осуществляется контроль над ходом его выполнения, вносятся необходимые коррективы и дается оценка полученного результата от выполнения решения.
Каждое проектное решение САПР имеет свой конкретный результат, поэтому целью управленческой деятельности является нахождение таких форм, методов, средств и инструментов, которые могли бы способствовать достижению оптимального результата в конкретных условиях и обстоятельствах. Проектные решения САПР могут быть обоснованными, принимаемыми на основе проведенного анализа статистических данных после проведения экспериментов с логико-математической имитационной моделью и многовариантного расчета, и интуитивными, которые, хотя и экономят время, но содержит в себе вероятность ошибок и неопределенность. Принимаемые проектные решения САПР должны основываться на достоверной, текущей и прогнозируемой информации, анализе всех факторов, оказывающих влияние на решения, с учетом предвидения его возможных последствий. Руководители проектов, либо ответственные в принятии решения обязаны постоянно и всесторонне изучать поступающую информацию для подготовки и принятия на ее основе управленческих проектных решений, которые необходимо согласовывать на всех уровнях пирамиды управления.
Проблема выбора проектного решения САПР - одна из важнейших в современной строительной сфере. Она предполагает необходимость всесторонней оценки конкретной обстановки и самостоятельность принятия им одного из нескольких вариантов возможных решений. Принятые решения поступают в исполнительные органы и подлежат контролю за их реализацией. Поэтому управление должно быть целенаправленным, должна быть известна цель управления. В системе управления обязательно должен соблюдаться принцип выбора принимаемого решения из определенного набора решений. Чем больше выбор, тем эффективнее управление.
Создав логико-математическую имитационную модель слаботочной кабельной сети (СКС) по проектному решению САПР и проведя множество экспериментов, были подобраны оптимальные соотношения в виде функций (рис. 31), которые рассчитывают число передаваемых пакетов по сети между локальными компьютерами и серверным оборудованием согласно схеме расположения всей СКС (рис. 32).
Применив алгоритм использования статистических данных проектных имитационных моделей для принятия эффективных проектных решений САПР, и изменяя параметры созданных функций возможно прогнозировать различные нагрузки на СКС и подобрать оптимальное оборудование. Проведя многократные эксперименты над имитационной моделью СКС и собрав статистические данные согласно разработанному алгоритму, выбирается то проектное решение, которое удовлетворяет всем техническим требованиям модернизированной системы СКС.
Подводя итог применения алгоритма использования статистических данных проектных имитационных моделей для принятия эффективных проектных решений САПР на стадии реконструкции объекта, можно говорить о применении комплексного подхода к этому вопросу опираясь на собранные статистические данные, получаемые на основе проведения многократных экспериментов с логико-математическими имитационными моделями. Комплексный подход позволяет многофакторно оценивать работу системы и подходить к решению сложных задач расширено.
Внедрение единой логико-математической имитационной модели, экономическая эффективность
Сегодня часто можно услышать обсуждение аспектов, связанных с созданием систем автоматики зданий и сооружений, объединенных в единый эффективный комплекс, в котором существует свободно программируемый механизм задания межсистемного взаимодействия [18]. Другими словами, здание, в котором мы можем быстро и с минимальными трудозатратами изменять реакцию одной системы на события или процессы, происходящие в другой [32],[41]. При проектировании новых зданий при выборе системы всегда учитывается экономическая целесообразность проекта и его окупаемость, особенно за счет ресурсосбережения. Другими словами, при выборе, какое здание проектировать - базовое (обычное) или с использованием автоматизированных систем управления, главным критерием должен быть экономический и управленческие аспекты.
Ошибкой будет считать, что «базовое» здание является примитивно устроенным. Если быть точным, даже базовое здание может быть построено на дорогостоящей, эффективной и передовой элементной базе, однако связи между системами, либо отсутствуют, либо реализованы примитивно и «жестко», без возможности их быстрой и эффективной перестройки.
Рассмотрим пример[129] на двух зданиях: первое это обычное здание, а втрое с применением единой логико-математической имитационной модели управления. Необходимо в течении некоторого времени после ввода в эксплуатацию производить перестройку и перепрофилирование существующих помещений. Первый вариант - незначительное изменение потребностей пользователей с течением времени, второй - значительное изменение потребностей пользователей в ходе эксплуатации здания. Таким образом, мы имеем четыре случая, отображенные на приведенном графике (рис. 39).
В качестве здания первого типа можно рассмотреть жилой дом, второго -крупный торгово-офисный центр. Как видно, расходы на содержание торговоофисного центра в случае применения логико-математической имитационной модели управления зданием ниже (угол наклона графика меньше), хотя стартовые расходы на создание выше. Через три года эксплуатации суммарные расходы (нарастающим итогом) в случае базового здания становятся больше, нежели в случае логико-математической имитационной модели управления. Проекция точки пересечения графиков на ось абсцисс и дает искомый период окупаемости здания с применением логико-математической имитационной модели управления.
Благодаря применению единой логико-математической имитационной модели управления зданием и возможности сбора статистики и проведения анализа системы возможно говорить об экономии трудозатрат вызванных большим количеством сотрудников, например на содержание каждых 20 технологических узлов нужен 1 человек. Таким образом, прямой эффект экономии будет равен
Немаловажным фактором в процессе управления и эксплуатации системами жизнеобеспечения зданий является их текущий ремонт или поломки узлов или агрегатов системы. За основу примем, что интенсивность поломок и ремонтов в обычных зданиях и с применением логико-математической имитационной моделью управления одинаковы. Таким образом, отличается время, необходимое для правильного нахождения (диагностирования) причины аварии. Время вынужденного простоя части здания (невозможности выполнять свое функциональное назначение) состоит из времени обнаружения факта аварии, времени диагностирования (нахождения причины аварии) и времени устранения аварии и ее последствий. Пусть Dc — средневзвешенная цена одного часа простоя аварии С, dTc — выигрыш во времени обнаружения. Тогда годовой экономический эффект будет равен
Невзирая на точность самой формулы, она не позволяет реально оценить экономическую эффективность данного фактора, поскольку стоимость часа простоя может быть оценена от нескольких рублей для вспомогательных систем (например, часофикации) до многомиллионных сумм (охлаждение серверной комнаты крупного банка). Приведем следующее упрощение: будем оценивать цену простоя только самой дорогой системы в здании; будем считать, что логико-математическая имитационная модель управления позволяет сократить время простоя в 2 раза.
При расчете экономической эффективности будем исходить из того факта, что среднестатистический сотрудник проводит на больничном (официальном или неофициальном) 3 недели в год (6% времени). Если считать, что именно люди в офисном здании являются производственной силой, имеем экономический эффект 4% годовой прибыли от здания, если считать, что заболеваемость снижается в 3 раза. Реальные цифры могут быть гораздо больше (до 9-ти недель болезни в год, т.е. до 9-ти раз или 16% годовой прибыли).
Для расчета экономической эффективности применения единой логико-математической имитационной модели управления зданием необходимо каждый раз сравнивать эффективность базового здания и эффективность применения имитационного моделирования для управления и эксплуатации здания. По сути, мы оцениваем сам механизм интеграции систем жизнеобеспечения зданий в программируемую имитационную среду и на ее основе создаем логико-математические имитационные модели.
Однако, любая система, как и все реально существующее может выходить из строя. В те периоды времени, когда он не работает, относительная эффективность такой системы равна нулю. Таким образом, необходимо учитывать надежность механизма интеграции при финальном расчете возможной экономической эффективности, а также составлять прогнозы по работоспособности системы на основе проведенных экспериментов над созданной логико-математической имитационной моделью и полученной статистикой. Надежность механизма интеграции, согласно ГОСТ 27.002-89 «Надежность в технике. Основные понятия. Термины и определения» и ГОСТ 27.003-90 «Надежность в технике. Состав и общие правила задания требований по надежности», формулируется как коэффициент сохранения эффективности. Таким образом, пусть:
XI — годовое потребление тепла зданием, Гкал;
Х2 — годовое потребление электроэнергии локальными кондиционерами, Кват; N — количество технологических узлов в здании, S — годовой оклад инженера, руб;
ХЗ — годовая стоимость простоев наиболее критичной к простоям системы, руб;
Х4 — годовая прибыль от здания, руб;
X5 — годовая стоимость простоев для систем с частичным перекрытием функционала другими системами, руб;
Кэф — коэффициент сохранения эффективности механизма интеграции. Тогда годовой экономический эффект равен
Имитационное моделирование реализует итерационный характер разработки модели системы, поэтапный характер детализации моделируемых подсистем, что позволяет постепенно увеличивать полноту оценки принимаемых решений по мере выявления новых проблем и получения новой информации [29],[30].
