Содержание к диссертации
Введение
1. Анализ возможностей математического моделирования и оптимизации для проектирования химико-технологических процессов 12
1.1. Процедуры проектирования схем технологических процессов и пути их совершенствования в САПР ТП 12
1.2. Математическое обеспечение анализа и синтеза проектных решений в рамках САПР химико-технологических процессов 18
1.3. Цель и задачи исследования 35
2. Интеграция алгоритмов на основе используемой экс пертной информации в проектированріи химико - технологических процессов . 38
2.1. Типологические основы экспертных систем и продукционные модели представления знаний 38
2.2. Моделирование на основе экспертных оценок при создании процедур диагностирования химико-технологических объектов 41
2.3.Выводы второй главы 63
3. Интелектуальные системы управления химико - технологическими процессами 64
3.1. Алгоритм диагностирования состояния химико-технологических объектов 64
3.2. Модель управления и регулирования химико-технологическим процессом 85
3.3.Выводы третьей главы 106
4. Интеграция предложенных методов, моделей и алго ритмов в рамках интелектуальнои системной поддержки принятия решений в сапр химико - технологических процессов 108
4.1. Подготовка априорной информации и программная реализация алгоритма для построения интеллектуальной системы диагностирования химико-технологических процессов 108
4.2. Экономическое обоснование результатов в условиях производства 118
4.3 .Выводы четвёртой главы 120
Заключение 122
Литература
- Процедуры проектирования схем технологических процессов и пути их совершенствования в САПР ТП
- Математическое обеспечение анализа и синтеза проектных решений в рамках САПР химико-технологических процессов
- Типологические основы экспертных систем и продукционные модели представления знаний
- Алгоритм диагностирования состояния химико-технологических объектов
Введение к работе
Актуальность темы. Проектирование химико-технологических процессов осушки и упаковки синтетического каучука занимает значительное место в общем цикле проектных работ по выработке полимеров. Качество выполнения этого этапа определяет возможности реализации решений, заложенных при системном, функциональном и конструкторском этапах проектирования, а также уровень экономических и экологических показателей процесса производства каучука.
Основной задачей проектирования в химическом производстве является формирование информации, заложенной в конструкторских документах в фор-. ме приемлемой для преобразования в управляющие программы автоматизированного химико-технологического оборудования, т.е. они охватывают важное, но не единственное направление САПР ТП - проектирование операционной технологии. В меньшей степени автоматизированы такие направления как: технологическое планирование, организация контроля и диагностирования, т.е. систематического распознавания текущего состояния химико-технологического объекта.
Анализ функционирования технологического объекта осушки и упаковки каучука указал на наличие существенных затруднений при построении систем управления. Это связано с тем, что объекты такого рода характеризуются, как правило, большим числом управляющих и возмущающих параметров. Исследования существующих моделей управления технологическими процессами показали, что функциональную зависимость между этими параметрами обычно трудно формализовать. Изложенные соображения предопределили попытку построения для данного процесса интеллектуальной системы управления, предназначенной для решения задачи как оптимизации, так и рационального выбора параметров регулирования осушки каучука, а также использование модели анализа вариантов схем для проектирования технологического процесса с интеграцией имитационных процедур и алгоритмов нечетких представлений знаний.
Создание подсистем верхнего уровня проектирования химико-технологических процессов осушки и упаковки синтетического каучука, связанное с необходимостью автоматизированного решения задач, при выполнении реальных проектов требует высокой квалификации конечного пользователя, представления ему возможности построения многооперационных технологических систем. Для интеллектуальной поддержки пользователя создаются интегрированные интеллектуальные компьютерные системы, сочетающие в себе свойства традиционных систем, использующих «жесткие» модели и алгоритмы, и такие признаки интеллектуальных, в том числе экспертных систем, как наличие базы знаний, логического вывода, самообучения и т.п.
СОС. НАЦИОНАЛЬНАЯ I БИБЛИОТЕКА I С.Петербурга Ґ/Аґ
' *— IV
Подобные интеллектуальные системы предоставляют возможность автоматизированного решения задач проектирования, выбора методов и средств для применения в САПР ТП. Основное внимание здесь уделяется повышению качества проектных работ, совершенствованию процессов проектирования и технологической подготовки химического производства каучука.
Таким образом, актуальность темы диссертации определяется необходимостью разработки комплекса методов, моделей и алгоритмов оптимизации принятия проектных решений в рамках САПР химико - технологических процессов производства каучука.
Работа выполнена в соответствии с основным научным направлением Воронежского института высоких технологий по теме: «Моделирование информационных технологий: разработка и совершенствование методов и моделей управления, планирования и проектирование технических, технологических, экономических и социальных процессов и производств».
Цель и задачи исследования. Целью диссертации является разработка комплекса моделей, алгоритмов и программных средств имитационного моделирования и оптимизации технологического процесса осушки и упаковки каучука на основе нечетких моделей представления знаний и рационального выбора проектных решений.
Для достижения поставленной цели необходимо решить следующие основные задачи;
разработать модели анализа вариантов схем для проектирования химико-технологических процессов;
разработать алгоритмические схемы рационального выбора проектных решений в рамках САПР химико-технологических процессов;
разработать интегрированные алгоритмические процедуры структурно-параметрической оптимизации и имитационного моделирования технологического процесса;
осуществить алгоритмизацию процедур принятия решений при многовариантном выборе химико-технологических процессов;
создать программно-методическое обеспечение подсистем имитационного моделирования и оптимизации и оценить его эффективность в рамках поддержки принятия решений в САПР химико - технологических процессов.
Методы исследования. При выполнении работы использованы методы имитационного моделирования, основные положения теории систем массового обслуживания, теории вероятностей и математической статистики, оптимизации, теории нечетких множеств, исследования операции и принятия решений.
Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной:
модели анализа вариантов схем для проектирования химико-технологических процессов, отличающиеся интеграцией имитационных процедур и алгоритмов нечетких представлений знаний с целью рационального выбора параметров регулирования осушки каучука;
алгоритмические схемы рационального выбора в рамках САПР химико-технологических процессов, отличающиеся математическими приемами преобразования качественных оценок и визуальных представлений в количественные меры при построении диалоговых процедур;
алгоритм реализации диагностирования состояния химико-технологических объектов, позволяющих учитывать экспертные оценки и эффективность решения задач управления и принятия решений в САПР химико-технологических процессов;
предложена методология интеграции методов, моделей и алгоритмов в рамках интеллектуальной системной поддержки принятия решений в САПР химико-технологических процессов, отличающаяся реализацией продукционных моделей нечетких знаний.
Практическая значимость и результаты внедрения. Разработан алгоритм реализации интеллектуальной системы диагностирования состояния химико-технологических объектов и предложена структура системы управления, что позволило оптимизировать с одной стороны выбор параметров установки осушки и упаковки каучука, с другой стороны повысить эффективность производства за счет преобразования качественных оценок и визуальных представлений в количественные меры при построении диалоговых процедур на основе механизмов интуиции проектировщика. Разработано программно - алгоритмическое обеспечение комплекса интеллектуальной поддержки принятия решений в САПР химико-технологических процессов, дающее возможность учитывать экспертные оценки.
Результаты работы апробированы и внедрены в практическую деятельность ООО «Дон - Полимер», и в учебный процесс Воронежского института высоких технологий.
Апробация работы. Результаты диссертационной работы докладывались и обсуждались на: Всероссийской научно - технической конференции «Инновационные технологии в науке и экономике: Актуальные проблемы профессионального образования» (Воронеж, 2002); III Всероссийской научно-технической конференции «Теория конфликта и ее приложения» (Воронеж, 2004); ежегодных конференциях профессорско - преподавательского состава Воронежского института высоких технологий научно-методического семинара кафедры САПРИС ВГТУ (Воронеж, 2002-2005); научно-технической конференции «Информационные технологии» (Воронеж, 2005).
Публикации. Основное содержание диссертационной работы изложено в 10 печатных работах, приведённых в конце автореферата.
В работах, опубликованных в соавторстве, лично соискателю принадлежит: в [1] построен алгоритм обработки экспертной информации, алгоритм прогнозных оценок для анализа проектных решений, составлена матрица бинарных отношений; во [2] разработана модель вычисления наиболее вероятного диагноза состояния крошки каучука в конвейерной сушилке с использованием экспертной информации и технологических решений в САПР; в [3] предложен подход к нахождению оптимального количества технологических линий для процесса переработки и осушки каучука с помощью теории массового обслуживания; в [4] сформирован аппарат аналитических моделей для анализа проектных решений процесса переработки и осушки каучука; в [5] разработан блок корректировки базы знаний, обеспечивающий возможность вывода на дисплей, просмотра и корректировки поступающей с установки дополнительной информации о процессе; в [6] построена интеллектуальная система управления, предназначенная для решения задач автоматизации проектирования, оптимизации и регулирования параметров установки осушки и упаковки каучука, а также определены значения управляющих параметров, обеспечивающие желаемые значения выхода целевого продукта и его качественных показателей; в [7] предложен алгоритм диагностирования химико-технологического процесса в программном комплексе Diagnoz, реализованный на языке Object Pascal в визуальной среде Delphi 4; в [8] взаимодействие пользователя с экспертной системой; [9] структурная схема алгоритма; в [10] способы описания процесса имитационного моделирования.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из Ш наименований, основная часть изложена на 143 страницах, содержит 23 рисунка и 6 таблиц.
Процедуры проектирования схем технологических процессов и пути их совершенствования в САПР ТП
Система автоматизированного проектирования ТП является составной частью автоматизированной системы технологической подготовки производства [8,9]. Поэтому вопросы организации процедур в САПР ТП необходимо рассматривать с позиций общей структуры автоматизированной система технологической подготовки производства (АСТПП). АСТПП определяется как организационно-техническая система, основу которой составляет системное применение средств автоматизации инженерно-технических работ, обеспечивающее оптимальное взаимодействие людей, управляющих программ и технических средств автоматизации при выполнении функций технологической подготовки производства [79].
Проектирование технологических процессов относится к числу сложных задач системного синтеза, когда по заданной технической функции системы необходимо получить наиболее рациональную при выбранных ограничениях структуру ТП и оптимальные режимы обработки на каждой t операции [22,59,67]. Для решения трудно формализуемых задач разработана методология системно - структурного моделирования объектов и процессов проектирования. Эта методология базируется на системном представлении об объектах и математическом аппарате общей теории систем [82]. Она направлена на изучение структур и функций, выявление закономерностей того, как свойства и функции частей преломляются в многоуровневой структуре, в функции и свойства целого, а также, каким образом заданная функции воплощается в различные варианты реализующих ее структур [7].
Рассмотрим информационную модель АСТПП, которая отражает связи между подсистемами и процессы преобразования входной и справочно-нормативной информации в выходную [76]. В каждой из проектирующих подсистем реализуется основная триада САПР: синтез варианта - анализ принятие решений [64]. Характер автоматизации процедур этой триады существенно отличается от уровня к уровню. Если на этапе технологического планирования используется объемная модель [79], учитывающая укрупненную структуру технологической системы на уровне цехов, ресурсные ограничения, поставки и выпуски, то на этапе проектирования принципиальных схем ТП, не обходимо оценить варианты прохождения материальных потоков через различные виды обработки и типы технологического оборудования без учета особенностей обработки индивидуальной детали сборочной единицы (ДСЕ). На нижних этапах проектирования, исходя из принципов типизации, определяются последовательности обработки, сборки для конкретных ДСЕ и режимы функционирования технологического оборудования [81].
На втором этапе проектирования ТП рассматривается как некоторая система, преобразующая входной материальный поток ДСЕ в поток готовых изделий в соответствии с планом выпуска, полученном на предыдущем этапе проектирования. Преобразующая часть является многооперационной 4 (многофазной) системой, пропускная способность которой зависит от производительности оборудования, согласованности объемов материальных потоков и суммарных производительностей операций. С точки зрения математического описания на этом этапе наиболее приемлемы модели массового обслуживания [27].
В САПР ТП проектирование принципиальных схем осуществляется с использованием следующих процедур: формирование (генерация) варианта структурной схемы ТП; выбор параметров оборудования в рамках структурной схемы; анализ варианта принципиальной схемы по комплексу показателей; принятие решений по коррекции структуры или характеристик оборудования (рис. 1.1). За исключением процедуры анализа обычно остальные процедуры реализуются в режиме диалога с проектировщиком. Ему предоставляется возможность средствами САПР скомпоновать в графической форме принципиальную схему ТП с указанием параллельных каналов обработки на каждой операции. Для этого используются таблицы характеристик видов обработки и оборудования. Параллельному каналу ставится в соответствие определенное оборудование с заданной производительностью.
Анализ варианта принципиальной схемы требует предварительного формирования модели, адекватной структуре преобразования входного материального потока [9,10]. Чаще всего строится имитационная модель, программа реализации которой вводится в САПР на одном из языков имитационного моделирования [26].
Математическое обеспечение анализа и синтеза проектных решений в рамках САПР химико-технологических процессов
Рассматривается химическое производство осушки и упаковки каучука, когда число запросов на производство каучука заранее не известно, то есть число "заявок" является случайной величиной. Требуется определить оптимальное количество необходимых технологических линий, при которых будут обработаны все поступающие заказы и сами линии не будут простаивать.
Как уже отмечалось в п. 1.1, на этапе разработки принципиальных схем ТП проектировщики отвлекаются от детального учета процессов изменения физико-химического состояния материалов или поверхности детали. Для возможности сравнения вариантов рассматривается следующая ситуация. Имеется случайный поток заявок, поступающих на обслуживание, операция обслуживания, на выполнение которой требуется случайное время, и рабочее место (технологическое оборудование или группа единиц технологического оборудования), которая в любой момент времени находится в случайном состоянии.
С учетом случайного характера материальных потоков вариантов функционирование ТП на уровне принципиальных схем осуществляется с использованием двух типов математических моделей сложных вероятностных процессов: аналитических и имитационных [26].
В аналитических моделях поведение ТП записывается в виде не которых функциональных соотношений или логических условий. Наиболее полное исследование удается провести в том случае, когда получены явные зависимости, связывающие показатели ТП с параметрами заказов и технологического оборудования. Для вероятностных схем функционирования аппаратом построения аналитических моделей является теория массового обслуживания [27]. Однако использование этого аппарата, целесообразно при проектировании сравнительно простых ТП. Удобным для оценки вариантов является вероятностное описание функционирования отдельных технологических операций [20,21]. Покажем, в какой степени оно исполняется для численного анализа однооперационной, но многоканальной технологической системы (параллельные каналы технологического оборудования).
Используются следующие обозначения: п - число заказов в очереди к моменту времени t; Pn(t) - вероятность обозначения очереди из п заказов к моменту t; X At - вероятность появления в очереди нового заказа в промежутке времени от t до t + At; здесь X - средняя скорость появления заказов; ц At - вероятность того, что в интервале времени от t до t + At завершится исполнение заказа, находящегося на обслуживании; здесь \х - средняя скорость обслуживания; п - средняя длина очереди (т.е. число заказов в ней).
Пусть заказы носят случайный характер, а вероятность поступления одного заказа за период (t, t + At) равна X At. Предположим, что эти заказы обрабатывает определенное число S технологических линий. Рассмотрим случай, когда все линии настолько заняты, что вновь поступившие заказы не могут быть обслужены немедленно, а ставятся в очередь. Пусть время обслуживание распределено экспоненциально. Считается, что система находится в состоянии En, если суммарное число обслуживаемых и находящихся в очереди заказов равно п. В этом состоянии очередь существует, если S п, и длина очереди равна п — S заказов. В том случае, когда система пребывает в состоянии En a n S, только S заказов находятся в обслуживании, и потому \х = Si при n S.
Для того чтобы при всех п вероятности Рп подчинялись единственному закону распределения, необходимо выполнение условия X / ц S. В противном случае очередь неограниченно возрастает [27]. Вероятность обязательного пребывания в очереди равна вероятности занятости всех средств обслуживания, или, что то же самое, вероятности нахождения в очереди S или более заказов.
Типологические основы экспертных систем и продукционные модели представления знаний
Экспертные системы представляют собой одно из наиболее значительных практических достижений в области искусственного интеллекта. В настоящее время экспертные системы используются в самых различных областях, таких как: интерпретация, прогноз, диагностика, мониторинг, планирование, проектирование.
Существует множество определений экспертной системы. С функциональной точки зрения под экспертной системой понимается вычислительная система, которая использует знания специалистов о некоторой узко специализированной предметной области и которая в пределах этой области способна принимать решения на уровне эксперта — профессионала [34,35,36].
В более развернутом определении идеальная экспертная система должна обладать следующими основными свойствами: компетентностью, т.е. принятые ею решения должны быть такого же высокого уровня, как и у эксперта-профессионала; способностью к рассуждению на основе символьных преобразований; способностью использовать как общие, так и частные схемы рассуждения; способностью решать трудные задачи из сложных реальных, предметных областей; способностью к переформулированию запросов и задач; способностью к метарассуждениям, т.е. к рассуждениям о собственной работе и структуре.
Эти свойства, по существу, характеризуют экспертную систему как некоторый класс систем искусственного интеллекта, в составе которых обязательно наличие базы знаний и некоторой схемы рассуждений, называемой обычно системой логического вывода.
Структура идеальной экспертной системы. Структура идеальной экспертной системы представлена на рис. 2.1. Как видно из этого рисунка, идеальная экспертная система должна содержать пять основных компонентов: интерфейс с пользователем, подсистему логического вывода, базу знаний, составляющими ядро любой экспертной системы, а также модуль приобретения знаний, модуль отображения и объяснения решений.
Взаимодействие пользователя с экспертной системой осуществляется через интерфейс с пользователем на проблемно-ориентированном языке непроцедурного типа, часто на некотором редуцированном варианте естественного языка. В интерфейсе с пользователем происходит преобразование (трансляция) предложений естественного языка (или другого проблемно - ориентированного языка непроцедурного типа) на внутренний язык представления знаний данной экспертной системой [101].
Описание задачи (запроса) пользователя, на выбранном языке представления знаний поступает в подсистему логического вывода, которая, используя информацию из базы знаний, генерирует рекомендации по решению искомой задачи. Основу базы знаний ЭС составляют факты и правила. В подсистеме логического вывода реализуется некоторая стратегия выбора соответствующего правила из базы знаний, тесно связанная со способом представления знаний в ЭС и характером решаемых задач.
С помощью модуля отображения и объяснения решения происходит отображение промежуточных и окончательных решений и объяснение пользователю действий системы.
Функция модуля приобретения знаний состоит в поддержке процесса извлечения знаний о соответствующей узкоспециализированной предметной области. Как правило, эти знания, носящие эмпирический характер, плохо формализованы и отсутствуют в специальной литературе. Такие знания приобретаются экспертом в результате длительного опыта. Процесс передачи этих знаний от эксперта системе является наиболее узким местом при проектировании экспертных систем.
Для представления знаний в экспертных системах чаще всего используются логические, продукционные и семантические модели. Остановимся подробнее на продукционных моделях (т.е. основанных на использовании правил). В таких моделях знания представлены совокупностью правил вида «ЕСЛИ — ТО».
Под продукционными системами понимаются программные системы, управляемые с помощью правил продукций и состоящие из трех основных частей: множества правил продукций, базы данных (множество фактов) и интерпретации (означивания).
Алгоритм диагностирования состояния химико-технологических объектов
С использованием аппарата построения экспертных систем, описанного в предыдущей главе, был разработан изложенный ниже следующий алгоритм реализации интеллектуальной системы диагностирования состояния химико-технологических объектов.
Любая техническая система в процессе своего целенаправленного или задаваемого функционирования находится в динамике. Это означает, что ее состояние во времени претерпевает те или иные изменения. Они должны быть идентифицированы и проанализированы с целью недопущения невыполнения данным объектом своих функций в полном объеме. Для этого необходима организация контроля и диагностирования, т.е. систематического распознавания текущего состояния объекта, которое может изменяться под воздействием контролируемы и чаще всего неконтролируемых причин. Диагностирование состояния технологических объектов сопряжено со значительными трудностями и имеет ряд особенностей.
Ввиду необходимости проведения диагностических процедур непосредственно в процессе эксплуатации объекта, используются методы функционального диагностирования. В отличие от систем тестового диагностирования, особенность которых состоит в возможности подачи на объект специально организуемых тестовых воздействий, в данном случае воздействия, поступающие на входы объекта, заданы только его рабочим алгоритмом функционирования. Состояние подобных объектов существенно зависит от состояния отдельных его подсистем или элементов. Работа практически каждого элемента характеризуется несколькими физическими параметрами. Нормальное функционирование отдельного звена зависит от работоспособности и правильного функционирования предшествующих по технологической цепочке звеньев или даже последующих ввиду наличия циклических связей.
Большую сложность в осуществлении процедур диагностирования вносит инерционность многих причинно-следственных связей. Сложная функциональная связанность параметров проявляется в том, что изменение значения какого-либо параметра может быть вызвано целым рядом причин. Анализ функционирования современных технологических комплексов показал, что нарушение технологического режима большей частью не связано с техническим состоянием объекта, а вызвано часто технологическими причинами, а именно внешними и внутренними возмущениями. Существенную роль при этом играют ошибки в управлении, объясняемые как трудностью обеспечения непрерывного контроля за состоянием комплекса, так и необходимостью хранения, сбора и переработки (особенно в условиях жестких ограничений на время) большого объема информации, одновременного учета многих различных факторов для установления диагноза, что превышает возможности оператора - технолога.
При выявлении технологических нарушений большую роль играет опыт операторов, их профессиональная подготовленность и интуиция. Трудности диагностирования связаны также с наличием различных групп нарушений, принципиально отличающихся друг от друга. Это делает практически невозможным использование какой-либо единой модели, адекватно описывающей все диагностические свойства объекта в целом.
Задача диагностирования часто носит вероятностный характер, но отсутствие статистической информации в достаточном объеме ограничивает возможность применения традиционных методов распознавания, основанных на использовании априорных статистических данных.
В результате исследования проблемы диагностирования состояния сложных производственных систем, был сделан вывод о том, что для комплексного решения вопроса диагностирования состояния технологических объектов целесообразно сочетание различных диагностических моделей и алгоритмов, наиболее эффективных для решения частных задач на различных уровнях процесса диагностирования. В настоящее время одними из наиболее актуальных являются вопросы, касающиеся создания автоматизированных систем диагностирования состояния химико-технологических комплексов (ХТК). Это связано с тем, что сочетание таких свойств большинства современных ХТК, как высокая производительность и непрерывность производства приводит к значительным потерям, даже при кратковременных нарушениях их функционирования. Поэтому так необходима раннее обнаружение нарушений и оперативное распознавание их причин.
Анализ таких особенностей процесса диагностирования сложных объектов, как: множество альтернатив интерпретации событий; необходимость совместного рассмотрения событий; формирование алгоритмов распознавания первопричины нарушения чаще в виде набора правил, чем в виде системы уравнений; а также необходимость использования эвристических способов выделения наиболее вероятных решений и области их существования, указывает на возможность повышения эффективности процедур диагностики при использовании методов теории искусственного интеллекта.
