Содержание к диссертации
Введение
Глава 1, Информационный анализ состояния парка отечественной авиационной техники и методов управления его обслуживанием 15
1.1. Состояние парка авиатехники и проблемы ее обслуживания 15
1.1.1. Состояние парка авиатехники 15
1.1.2. Проблемы эксплуатации, ремонта и хранения 19
1.2. Управление обслуживанием авиатехники 20
1.2.1. Схема управления обслуживанием 20
1.2.2. Стратегии, режимы и программы обслуживания 23
1.2.3. Модели эксплуатации и обслуживания 29
1.3. Системы управления обслуживанием 35
1.3.1. Зарубежные системы управления 35
1.3.2. Отечественная система управления надежностью 37
1.3.3. Программное и методическое обеспечение 39
1.4. Риск решений в условиях неопределенности 41
1.5. Подготовка и анализ данных 44
1.6. Формирование признакового пространства 53
1.7. Классификация и прогнозирование процессов 57
1.8. Формулирование цели и задач исследования 63
Глава 2. Комплексная модель обслуживания объекта авиационной техники 66
2.1. Структура и функциональность модели 66
2.2. Компонент «Прогноз многомерного процесса» 67
2.2.1. Порог надежного прогноза 67
2.2.2. Прогноз при достаточной выборке 70
2.2.3. Дополнительная информация о процессе 72
2.2.4. Прогноз при недостаточной выборке 77
2.3. Компонент «Идентификация ситуаций» 78
2.4. Компонент «Оптимизация режима» 84
2.4.1. Подходы к моделированию обслуживания 84
2.4.2. Модель периодичности обслуживания 85
2.4.2.1. Задача оптимизации периодичности 85
2.4.2.2. Затраты на обслуживание 87
2.4.2.3. Оптимизация периодичности 88
2.4.3. Оптимизация режима обслуживания 91
2.4.3.1. Базовые варианты обслуживания 91
2.4.3.2. Модель выбора режима обслуживания 94
2.5. Выводы по главе 2 100
Глава 3. Алгоритм управления режимами обслуживания объекта авиационной техники 102
3.1. Головной алгоритм АРМ УРО 102
3.2. Алгоритм настройки АРМ 103
3.3. Компоненты системы управления обслуживанием 106
3.4. Головной алгоритм регулятора 108
ЗАЛ. Алгоритмический модуль анализа и прогноза 111
3.4.2. Алгоритмический модуль идентификации ситуаций 114
3.4.3. Алгоритмический модуль режимов обслуживания 117
3.4.4. Алгоритмический модуль подготовки данных 120
3.5. Программный продукт «АРМ УРО» 122
3.6. Выводы по главе 3 125
Глава 4. Управление режимами обслуживания моторно-испытательной станции 127
4.1. Организационно-технический объект управления 127
4.1.1. ТРД составного объекта І 29
4.1.2. Установка У-900-80 составного объекта 132
4.2. Параметры наблюдений и стратегии обслуживания 137
4.2.1. Параметры наблюдений объекта 137
4.2.2. Стратегии и режимы обслуживания объекта 138
4.3. Модель обслуживания объекта 140
4.4. Управление режимами обслуживания объекта «МИС» 143
4.4.1. Анализ и прогноз процессов 143
4.4.2. Группировка признаков и ситуаций 153
4.4.3. Режимы обслуживания объекта 157
4.5. Выводы по главе 4 164
Заключение 166
Литература 169
Приложение а 177
Приложение б 181
- Программное и методическое обеспечение
- Прогноз при недостаточной выборке
- Алгоритмический модуль идентификации ситуаций
- Стратегии и режимы обслуживания объекта
Введение к работе
Курс Российской Федерации на качественное совершенствование своего экономического и оборонного потенциала, приведение его к уровню современных требований, причем, в условиях ограниченного финансирования, обусловливает необходимость изыскания и приведения в действие эффективных, малозатратных решений, экономного использования имеющихся возможностей. Сказанное в полной мере относится: к парку отечественной авиационной техники (AT) и к системе его эксплуатации.
Важным резервом эффективной эксплуатации AT является снижение расходов на ее обслуживание, хранение и ремонт без ущерба для эффективности применения. Это особенно актуально в условиях прогрессирующего устаревания авиапарка, снижения численности, ресурса и срока его службы.
За последние 15...20 лет в отечественной авиационной практике сформировалось понимание того, что дальнейшее использование централизованной планово-предупредительной системы управления парковым обслуживанием проблематично, более того, - обременительно. Выход видится в переходе к рационально децентрализованному управлению обслуживанием на уровне эксплуатирующих организаций, когда максимально полно могут быть учтены реальное техническое состояние каждого объекта и возможности по организации их обслуживания.
Переход к децентрализованному управлению обслуживанием AT требует разрешения целого ряда проблем правового, методологического и научно-технического характера. Последнее связано с тем, что тривиальная децентрализация обычно ведет к информационной изоляции лиц принимающих решения (ЛПР), к снижению корректности управления.
Актуальность диссертационной работы определяется тем, что к настоящему времени даже на фундаментальном уровне недостаточно проработаны вопросы ситуационного управления многопараметрическими динамическими процессами (к классу которых принадлежит обслуживание AT) в
8 условиях ограниченной информации. Что качается прикладного уровня, предполагающего алгоритмические и методические решения, то такие исследования по заявленной теме отсутствуют вовсе. Такая ситуация препятствует переходу к прогрессивным вариантам обслуживания отечественной AT.
Целью работы является разработка математических и программных средств, обеспечивающих классификационное управление режимами обслуживания объектов AT в условиях информационной неопределенности, характерной для эксплуатирующих подразделений.
Для достижения данной цели в работе решаются следующие частные задачи:
Разработка комплексной модели обслуживания, учитывающей эксплуатационную надежность объекта и затраты на его обслуживание;
Создание математического обеспечения основных компонентов комплексной модели обслуживания;
Разработка алгоритма классификационного управления, использующего комплексную модель обслуживания объекта;
Реализация алгоритмических решений на программном уровне;
Применение полученных теоретических результатов и программного обеспечения для решения практических задач.
Методы исследования. В работе использованы методология системного анализа, элементы теории вероятностей, математической статистики, теории надежности и математического программирования.
Обоснованность научных результатов. По ключевым решениям, как правило, использовалось несколько способов получения результатов. Алгоритмическое обеспечение классификационного управления тестировалось в ходе численных экспериментов и прошло практическую апробацию на реальных объектах авиационной техники.
Научную новизну представляют следующие результаты, выносимые на защиту:
Комплексная трехкомпонентная математическая модель, предназначенная для выбора рациональных режимов обслуживания объекта с учетом его технического состояния и располагаемых ресурсов подразделения;
Алгоритм прогнозирования значений параметров технического состояния, функционирующий в трех вариантах: а) для умеренно коротких рядов; б) для коротких рядов; в) для сверхкоротких рядов;
Алгоритм определения периодичности актуальных режимов обслуживания, основанный на том, что техническое состояние объекта зависит как от постепенных, так и от внезапных отказов.
Алгоритм выбора варианта обслуживания для классификационного управления, использующего комплексную математическую модель и процедуру настройки на специфику обслуживаемого объекта. Практическая значимость и реализация результатов. Основные результаты диссертационной работы получены автором при проведении исследований в рамках НИР: «Математическое, алгоритмическое и программное обеспечение управления эксплуатационной надежностью объектов авиационной техники на уровне эксплуатирующих организаций (шифр Надежда)»; «Алгоритмическое обеспечение расчетно-информационной системы управления эксплуатационной надежностью объекта авиационной техники (шифр АРИС-2005)»; «Разработка методов прогнозирования технического состояния летательного аппарата на основе разнородной информации (шифр Имитатор-2005)».
Полученные результаты имеют прикладную направленность и могут быть использованы при переходе от централизованной планово-предупредительной системы парковой эксплуатации к эффективной децентрализованной системе по-обьектной эксплуатации, максимально полно учитывающей специфику каждой ситуации. Актуальность такого перехода обусловлена состоянием парка отечественной техники и многолетним лимитом материально-технических средств. Часть предложенных решений реализована в эксплуатационной практике учебного аэродрома и моторно-
10 испытательной станции Иркутского высшего военного авиационного инженерного училища (ИВВАИУ), а также в ряде войсковых частей ВВС. Результаты исследований используются в учебном процессе ИВВАИУ в базовой учебной дисциплине «Надежность и техническая диагностика». В приложении приведены акты внедрения, для учебной дисциплины «Надежность и техническая, диагностика» подготовлено и опубликовано учебное пособие.
Апробация работы. Материалы исследования представлялись и обсуждались на: XIV всероссийской научно-технической конференции «Проблемы боевого применения, технической эксплуатации и обеспечения безопасности полетов летательных аппаратов», г. Иркутск, 2005 г.; XXII межвузовской научно-методической конференции Иркутского ВВАИУ, г. Иркутск, 2005 г. Работа обсуждалась на научных семинарах Иркутского ВВАИУ.
Публикации и личный вклад автора. По теме диссертации опубликовано 7 научных работ, включая 3 статьи и 4 доклада, а также одно учебное пособие. В работах, опубликованных в соавторстве, автору принадлежат научные и практические результаты, заявленные в диссертации.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 94 наименований и двух приложений. Основной текст диссертации изложен на 176 страницах машинописного текста и включает 43 иллюстрации (без приложения) и 14 таблиц.
В первой главе выполнен обзор состояния проблемы управления технологическими процессами обслуживания AT. Рассмотрены существующие расчетно-информационные системы по вопросам эксплуатации, обслуживания и ремонта AT. Показано, что действующие автоматизированные системы сетевого типа представлены лишь зарубежными образцами. В основном эти системы ориентированы на контроль эксплуатационной надежности в интересах конструктивных доработок AT и лишь отчасти, - на контроль в интересах корректировок программ обслуживания и ремонта AT.
Действующие зарубежные системы AFM, IMIS, ATOS, CAMS, REMIS, SIMI и отечественная - Единая система надежности, по существу, являются
11 централизованными замкнутыми системами управления статистического типа, реализующими те или иные варианты траєкторного управления эксплуатационной надежностью парка однотипной AT. Не смотря на централизацию зарубежные системы управления, как правило, реализуют комбинацию стратегий (по типам AT и группам оборудования): планово-предупредительную, по уровню надежности, по техническому состоянию. При этом, системы могут формировать решения, как по всему однотипному парку, так и по отдельным объектам.
Проведен обзор расчетно-аналитических методов, используемых при традиционном управлении: математическая статистика и статистический анализ (формирование, анализ и прогнозирование временных рядов); статистическое моделирование, марковские процессы, системы массового обслуживания, математическое программирование (моделирование процессов и объектов).
В выводах но разделу отмечено: имеющиеся системы управления не пригодны для пообъектного управления режимами обслуживания на уровне подразделений; известные модели и алгоритмы управления для применения в условиях децентрализации и сопутствующего лимита информации не могут быть использованы в «чистом» виде; основным направлением в новых моделях и алгоритмах управления, приспособленных к лимиту исходных данных, может стать переход от траєкторного к классификационному типу управлению, обеспечивающему своевременную коррекцию режимов обслуживания в зависимости от текущей или прогнозируемой производственной ситуации.
Во второй главе рассмотрены математические решения по моделированию процессов управления обслуживанием одиночных организационно-технических объектов. Показано, что рациональным вариантом модели управления может быть четырехкомпонентная комплексная модель, включающая следующие взаимосвязанные компоненты: подготовки и первичного анализа данных, прогноза процессов, идентификации производственных ситуаций, оптимизации режимов обслуживания.
В основу компонента подготовки и первичного анализа данных положен подход, снижающий негативное проявление информационного лимита, характерного для управления в низовых эксплуатирующих подразделениях: использование наиболее информативных признаков и их агрегирование; применение, как количественных, так и ординальных и номинальных шкал; оцифровка, квантование, нормирование и взвешивание признаков; обработка пропусков и выбросов и элиминирование данных; использование дополнительной информации в виде обучающих выборок; последовательное использование различным образом исполненных, но функционально однородных процедур обработки. Формирование признакового пространства выполняется с использованием техники факторного и дискриминантного анализа.
Компонент прогнозирования выполнен в виде двух модулей, используемых при различных объемах располагаемых выборок. При сверхкоротких временных рядах прогноз выполняется путем использования обучающей выборки и линейной модели тренда, а для умеренно коротких рядов - параболической модели. Модели тренда формируются с помощью метода наименьших квадратов. Прогноз выполняется путем последовательного вычисления: автокорреляционной функции, фаз движения скользящего тренда, гармонических весов, приращений, прогнозных значений и их доверительных интервалов. При прогнозировании учитывается дополнительная информация интервального типа из обучающих выборок.
Компонент идентификации производственных ситуаций позволяет на основе текущих или прогнозных данных определять класс анализируемой производственной ситуации, зависящий от технического состояния управляемого объекта, производственных возможностей подразделения и стратегии обслуживания. Идентификацию предложено выполнять на основе дискриминантного анализа с использованием метрик Евклида, Хемминга и Ма-халанобиса. Собственно классификация выполняется путем комбинирования локального и рекурсивного подходов с использованием данных из набора обучающих выборок.
Компонент оптимизации позволяет определять режим обслуживания объекта, адекватный анализируемой (текущей или прогнозной) производственной ситуации. Выбор режима предложено выполнять в два этапа. На первом этапе (с помощью техники статистического моделирования) определяется периодичность типовых операций обслуживания, а на втором (с помощью техники динамического программирования) - вариант операций обслуживания. Оптимизация может выполняться по совокупности критериев, зависящих от стратегии обслуживания. Основу критериев составляют различные варианты соотношения «дохода» (уровня технического состояния объекта) и «затрат» (потребного фонда ресурсов).
В третьей главе представлены алгоритмические решения по комплексной модели и вариант их реализации в программном продукте «АРМ УРО». Блок-схема головного алгоритма включает четыре группы взаимосвязанных модулей: анализатор данных, идентификатор ситуаций, генератор режимов, база данных.
Анализатор данных состоит из алгоритмических модулей обеспечивающих: формирование массивов заданного формата; анализ массивов на выбросы и пропуски, при необходимости - устранение пропусков и элиминирование данных; оценку стационарности, выделение тренда, интервенций, периодической составляющей; прогнозирование.
Идентификатор ситуаций состоит из модулей обеспечивающих: формирование набора параметров наблюдений, формирование и пополнение обучающих выборок, идентификацию текущей или прогнозируемой производственной ситуации. Генератор режимов состоит из алгоритмических модулей обеспечивающих оценку периодичности обслуживания и выбор варианта обслуживания.
. В четвертой главе представлено описание объекта, применительно к которому реализованы алгоритмы ситуационного управления обслуживанием, а также материалы по настройке моделей к специфике объекта и результаты опытного управления объектом. Организационно-технический объект
14 моторно-испытательная станция (МИС) представляет собой комплексную установку У-900 с турбореактивным авиадвигателем Р11Ф2-300, штатным обслуживающим персоналом МИС и табельными средствами обслуживания.
Алгоритмы реализованы для двух стратегий - обслуживания с минимумом затрат и обслуживания по максимуму коэффициента готовности к применению. Полученные результаты, с одной стороны, свидетельствуют о работоспособности алгоритмических и программных решений, а с другой, - о перспективности классификационного управления обслуживанием отдельных организационно-технических объектов.
В заключении представлены основные результаты диссертационного исследования и отмечены возможные направления продолжения исследований по данной проблематике.
В приложениях А и Б представлены примеры копий экранных страниц автоматизированного рабочего места по управлению режимами обслуживания, а также акты о реализации материалов исследования.
Программное и методическое обеспечение
При управлении дискретными процессами обслуживания данные имеют преимущественно статистический характер. Это обусловило широкое использование аппарата математической статистики и статистического анализа. В расчетно-информационных системах такой аппарат обеспечивает возможность выполнения типовых управленческих процедур; параметрических и непараметрических тестов; категориального, дисперсионного и регрессионного анализа; анализа и прогнозирования временных рядов; многомерного анализа и обработки данных. Перечисленные процедуры поддерживаются как универсальными программными пакетами (например: ППСА, StatGraph ics, SPSS, STADIA, Эвриста, САНИ, Мезозавр, Класс-Мастер, SYSTAT [5, 32, 55, 57, 74, 77, 80, 92]), так и рядом специализированных пакетов (например: РАДА, САНА, СИТО, TSEP, АВТОПЛАН, РИАТ, АСАН, Осина, РИАТ, Надежность, Прогноз-96, АРИС [29, 40,41, 66, 78, 93, 94]).
Среди известных наиболее целостным средством управления обслуживанием можно признать систему информационного обеспечения процессов анализа и управления эксплуатационной надежностью AT (СИ ЭНАТ AT) в эксплуатирующих организациях ГА, обеспечивающую: учет и контроль состава и состояния парка AT, наработки агрегатов с ограниченным ресурсом, движение агрегатов, хода ТО в цехах АТБ; выявление отклонений от планов и графиков хода производственного процесса и выработку рекомендаций по принятию решений на устранение отклонений; разработку сменно-суточных заданий цехам АТБ; планирование суточного использования самолетов в рейсах; планирование дополнительных работ (ремонтно-восстановительно-го характера) на легких формах обслуживания AT; корректировка суточных планов ТО и использования самолетов; планирование отхода AT на тяжелые формы обслуживания на ближайшие несколько суток; составление суточных форм учета и отчетности; информационное обеспечение процессов контроля и краткосрочного прогноза параметров основных комплектующих AT; ведение базы данных о состоянии производства в АТБ.
СИ ЭНАТ AT позволяет в рамках эксплуатирующих организаций ГА: унифицировать номенклатуру и порядок сбора информации об обслуживании и техническом состоянии AT; оценивать текущий уровень эксплуатационной надежности AT; оперативно планировать обслуживание с учетом состояния AT, наличия трудовых ресурсов, использования самолетов в рейсах; вести установленную учетно-отчетную документацию. Недостатками системы являются: громоздкость (локальные сети ПЭВМ с обслуживающим персоналом); перегруженность решаемыми задачами; использование для решения части задач примитивного математического обеспечения. jr.-". "" ""
Представляют интерес и решения по обработке, анализу и прогнозированию данных, реализованные в АРИС [93]. Данная расчетно-информационная система, ориентированная на регулирование эксплуатационной надежности одиночного объекта в низовых подразделениях эксплуа-танта, не смотря на «траекторный» подход к управлению содержит рациональные элементы. Так, в АРИС включены надежно работающие процедуры по планированию мониторингов, предпрогнозному анализу данных, многовариантной оценке показателей надежности, прогнозированию, интерпретации результатов прогноза. Достоинством данной системы является ее приспособленность к организационно-штатной структуре авиационных частей, к существующему в МО документообороту, к действующим регламентам обслуживания.
Отдельные методические, интерфейсные и программные решения по СИ ЭНАТ, РИАТ и АРИС могут быть использованы в АРМ УРО.
В процессе управления часто приходится принимать решения, реализация которых осуществляется в не полностью определенной ситуации. В этой связи обычно формируют некий формальный критерий, обеспечивающий выбор наилучшего решения в условиях неопределенности. При этом принято минимизировать измеряемые в некоторых единицах потери.
Если известно множество допустимых решений R = {г,}, (і = 1 ...п) и множество ситуаций S = {sj, (/ = 1...т) и задана некоторая функция потерь А, определенная на множестве R х S, то наилучшим решением (если оно существует) является решение г , минимизирующее функцию рискар:
р(г ) = тіпр(г;), і = 1...П, r,eR Известен ряд подходов физической интерпретации риска, способам его количественной оценки и учета при формировании управленческих решений. Среди них: подходы на основе теории игр, использующие специальные критерии и предлагающие стратегии их использования; подходы с использованием специальных функций полезности или функций штрафов; подходы на основе статистических решений, предлагающие систему решающих правил; подходы на основе критерия Байеса; эвристические подходы, например, использующих выбор по Парето [12, 16, 18, 21, 46, 55, 56, 67, 77, 84, 85].
Подходы на основе теории игр требуют явного задания функций потерь в матричном виде и указания множества возможных ситуаций. Тогда, например, используя критерий минимакса, наилучшее решение будет удовлетворять условию
Прогноз при недостаточной выборке
Располагая оценками параметров модели тренда, прогноз может быть получен как y t = (0 , ф(і)), t = m+1, ...,m+ n (где 0 - вектор оценок параметров тренда процесса). Точность полученного результата может быть рассчитана по формуле [21, 22]:
Окончательно процесс прогнозирования при лимитированной выборке включает следующую последовательность процедур;
- по формуле (22) через заданные правдоподобия суждений р\ подсчиты ваются весовые коэффициенты v\;
- по частным ограничениям, «извлеченным» из ОВ формируется множество Д (например, в виде набора интервалов [а1,, Ь Ц);
- по формуле (23) вычисляются величины qut\
- составляется и решается система линейных алгебраических уравнений (25) относительно параметров в.. Решение системы принимается за вектор оценок параметров 9 = [ви...,0к) модели временного ряда;
- в соответствии с (3) строится прогноз у:, t = m +1,...,m + n;
- по формуле (26) подсчитывается средняя ошибка прогноза.
Естественным подходим к классификации является минимизация потерь (например, вероятности) неправильной классификации, когда потери выражены величиной C(i) = Ъс(] І і) P(j І і), где: c(j \ i) - стоимость потерь отнесения объекта /-го класса к классу; ; P(j \ і) - вероятность отнесения объекта z -ro класса к классу у. Тогда, с учетом c(j \ і) = с0 = const (при j Ф і; i, j = 1.. .к), для всех шагов потери за однократный цикл классификации могут быть оценены величиной (где щ - удельный вес класса і в ОВ). Однако на практике непосредственное использование данного подхода затруднено из-за сложности количественного определения С. Ниже представлен упрощенный вариант, реализованный в компоненте «Идентификация ситуаций».
Пользуясь техникой того или иного варианта классификации, исследователь определяет кластеры (группы производственных ситуаций), лежащие друг от друга на некотором расстоянии в многомерном пространстве описания. В компоненте модели использованы:
- Евклидово расстояние (для однородных шкал с размерностью не более трех), определяемое по формуле р р(ч xj = {Z coidxik-Xjk]2}0 5 к=1
(где/j - число классификационных признаков; шк - вес Ь-го признака; х& - отклик к-го признака в /-ый момент времени);
- расстояние Хэмминга (для шкал наименований и порядка), определяемое по формуле р р(хь Xj) = Modfxjk - XjiJ (где Mod- модуль выражения в квадратных скобках);
- расстояние Махаланобиса (для разнотипных шкал), определяемое по формулеp(xj, Xj) = {(XJ - Xj) -І (xt-Xj) } (где Г (...) - матрица, обратная ковариационной).
Число и состав кластеров также зависят и от правил формирования кластеров. В компоненте модели использованы следующие правила:
- «ближнего соседа» (для группировок сильно вытянутой формы) - при котором расстояние между кластерами равно расстоянию между ближайшими элементами из этих кластеровр(Д, Dj) = min {р(х!о Хщ)};
- «центра тяжести» (для группировок со сложной формой) - при котором расстояние между кластерами равно расстоянию между их математическими ожиданиями p(Db Dj) = p[xcp(i), хсрф] (где xcp(i) - вектор математического ожидания для г -го кластера);
- «дальнего соседа» (для группировок шаровидной формы) - при котором расстояние между кластерами равно расстоянию между их самыми дальними элементами p(Db Dj) = mDx {р(хь Хщ)};
Алгоритмический модуль идентификации ситуаций
Перечень элементов и схема их взаимосвязи в алгоритмическом модуле идентификации производственных ситуаций определены исходя из решений, принятых в подразделе 2.3. Схема модуля (рис. 3.8) отражает процесс нахождения ответа на вопрос - какому из имеющихся в OB L кластеров соответствует текущая или прогнозная комбинация (производственная ситуация) из р значений параметров наблюдений за объектом?
На блок-схеме номера, вписанные в алгоритмические элементы типа «решение» (ромб), обозначают следующие вопросы: «О?» - привязана ли анализируемая ситуация к одному из кластеров ОВ?; «1?» - упрощенную привязку ситуации к кластеру выполнить по правилу «ближнего соседа»?; «2?» -упрощенную привязку ситуации к кластеру выполнить по правилу «средней связи»? Алгоритмические элементы типа «дисплей» на блок-схеме обозначают: под номером 13 - вывод сообщения о необходимости упрощенной привязки ситуации к кластеру ОВ; 20 - вывод сообщения об окончании идентификации и полученных результатах.
Блок-схема модуля содержит элемент 14 (меню) обеспечивающий выбор одного из трех вариантов упрощенной идентификации по правилам: ближнего соседа, средней связи (центру тяжести связей), дальнего соседа.
Ввод исходных данных из базы данных обеспечивается оператором 1, в вывод результатов - операторами 20 (на экран АРМ) и 21 (с записью в базу данных).
В качестве исходных данных в модуле использованы: число ситуаций N, число признаков Р, число кластеров L, массив наблюдений {XNP}, набор массивов ОВ, а в качестве результатов - пополненный (за счет рассмотренной ситуации) набор ОВ и номер kL кластера, к которому отнесена рассмотренная ситуация. Схема модуля включает девять частных алгоритмов, часть из которых выполняется в рамках цикла 3...6 (частные алгоритмы с номерами 4 и 5), часть - в рамках итерации 8...11 (частные алгоритмы с номерами 9 и 10), а оставшиеся частные алгоритмы с номерами 2, 7, 16, 18 и 19 на каждом шаге управления выполняются однократно.
Работа алгоритмического модуля. После ввода данных частным алгоритмом 2 выполняется нормирование всех откликов из матрицы данных и матриц ОВ к единичному интервалу. Далее, в рамках цикла 3...6, частными алгоритмами 4 и 5 выполняется формирование границ каждого из имеющихся кластеров (тесно связанных групп производственных ситуаций) и непараметрическая оценка плотности распределения откликов в этих кластерах.
На следующем этапе частным алгоритмом 7 осуществляется отображение границ и плотности распределения имеющихся кластеров на одномерную числовую ось. На эту же ось отображается и идентифицируемая производственная ситуация. Далее, в рамках итераций 8. ..11 частными алгоритмами 9 и 10 осуществляется дробление актуальных кластеров на области и выполняется привязка квантов (отдельных откликов) идентифицируемой ситуации к ближайшим областям кластеров. Если все кванты ситуации «распределены» по областям, то число итераций признается достаточным (итерации завершаются).
Если после завершения итераций обнаруживается, что использованные области принадлежат, преимущественно, одному из кластеров, то после вывода соответствующего сообщения и записи результатов идентификации в базу данных (операторы 20 и 21), работа модуля завершается. Если выявить превалирующий кластер не удалось, то об этом выводится сообщение (оператор 13) и управление передается к меню модуля (оператор 14).
Меню позволяет выбрать одну из трех альтернатив упрощенной идентификации ситуации: «1» - по правилу ближнего соседа, «2» - по правилу средней связи, «3» - по правилу дальней связи. Альтернативные варианты реализуются частными алгоритмами 16, 18 или 19. На завершающем этапе полученные результаты упрощенной идентификации фиксируются на экране и в базе данных (операторы 20 и 21).
Перечень элементов и схема их взаимосвязи в алгоритмическом модуле режимов обслуживания определены исходя из принятых в подразделе 2.4 решений. Схема модуля (рис. 3.9) включает два алгоритмических блока в совокупности позволяющих получить ответы на два вопроса: а) какие формы обслуживания и варианты их реализации целесообразны при наблюдаемой (прогнозируемой) производственной ситуации?; б) какова периодичность выполнения отобранных форм обслуживания объекта? На блок-схеме элементы этих блоков обведены штриховыми линиями.
Посредством меню (оператор 1) предусмотрены три варианта работы модуля: «1 - формы обслуживания», позволяющий выбрать формы и варианты обслуживания объекта; «2 - периодичность обслуживания», позволяющий определить периодичность обслуживания для каждой формы и варианта; «3 -прекращение работы».
На блок-схеме модуля номера, вписанные в алгоритмические элементы типа «решение» (ромб) обозначают следующие вопросы: «1 » - определить формы и варианты их выполнения?; «2?» - периодичность выполнения форм?; «3?» - прекратить работу с модулем? Алгоритмическими элементами типа «дисплей» в модуле предусмотрено информирование пользователя АРМ о результатах (с порядковыми номерами по рис. 3.9): 11- определения оптимального набора форм и вариантов их выполнения; 25 - определения периодичности выполнения каждой формы.
Ввод исходных данных в модуле обеспечен операторами 3 (вводятся: D - критерий, представляющий тот или иной вариант свертки из «доходов» и «затрат» от обслуживания; {dj и {X} - матрицы со значениями критерия и вероятностями (частотами, интенсивностями) вариантов обслуживания; {О} -матрица ресурсный ограничений при обслуживании) и 14 (вводятся: Д -критерий, представляющий тот или иной вариант свертки из «доходов» и «затрат» на обслуживание при каждой /-ой форме; {О} - матрица ресурсный ограничений при обслуживании по вариантам; (TJ матрица календарных ограничений при обслуживании по вариантам). Вывод результатов в модуле обеспечен операторами 12 (выводятся: {10пш} - перечень номеров оптимальных вариантов обслуживания по каждой из форм; /Д- опт} - вектор расчетных значений критерия для каждого варианта обслуживания) и 26 (выводятся: /г,-опт} - вектор оптимальных значений периодичности каждой формы обслуживания; {Dj0nrn} - расчетные значения критерия для вариантов обслуживания).
Схема блока выбора форм представляет собой последовательность из трех частных алгоритмов (6 - получения текущего решения, 7 - улучшения текущего решения, 9 - принятия конечного решения), выполняемых в двух вложенных циклах. Внешний цикл обеспечивает перебор всех форм обслуживания (ограничен операторами 4 и 10), а вложенный в него цикл обеспечивает перебор вариантов выполнения каждой формы обслуживания (ограничен операторами 5 и 8).
Стратегии и режимы обслуживания объекта
Опытное обслуживание отдельных частей ОТО МИС проведено с использованием двух базовых стратегий: для установки У-900-80 - обслуживание с минимумом затрат; для авиадвигателя - обслуживание по максимуму коэффициента готовности к применению. Для обеих стратегий предусматри 139 валось оперативное обслуживание с периодически изменяемым (в исследовательских целях) ограничением по располагаемому фонду трудозатрат.
Примечание к табл. 4.6. Граничные значения параметров (показателей) определены действующими ведомственными нормативными документами.
В обоих вариантах части объекта функционируют случайное время т. Если t т, то через время t объект поступает на диагностику, а затем - на профилактическое обслуживание. Если при всех видах обслуживания обнаружен отказ, то объект ремонтируется. Оперативное обслуживание выполняется перед каждым применением и после каждого применения в объеме, соответственно, предполетной и послеполетной подготовок.
В каждой из производственных ситуаций предусматриваются несколько вариантов выполнения соответствующих работ обслуживания. Варианты различаются, преимущественно, принадлежностью используемых сил и средств и, как следствие, стоимостью работ.
Для технической составляющей объекта учитывались три элемента режима обслуживания: вид работ, периодичность выполнения вида работ, вариант выполнения вида работ. Искомыми при принятии решений по управлению приняты плановые мониторинги и профилактики по формам 1 и 2. Решения по остальным видам обслуживания выполнялись индивидуально при возникновении соответствующих производственных ситуаций.
Граф состояний при функционировании объекта «МИС» включает следующие состояния (рис. 4.2): Еі - ожидание применения и применение объекта; Е2 - плановый мониторинг объекта; Е3 - оперативное обслуживание объекта, Е4 - работы по вводу (выводу) их хранения, хранение объекта; Е; -объект на диагностике, целевой проверке; Е6 - объект на профилактике по форме 1; Е7 - объект на профилактике по форме 2; Е8 - объект требует ре-монтно-восстановительных работ; Е9 - объект требует заводского ремонта или списания.
На отдельных этапах тестирования процедур и опытного управления обслуживанием граф состояний представлялся в более упрощенном виде, включающем 7 или 5 состояний. При этом, в первом случае группировались состояния Е8 и Ер, а также состояния Е6 и Е7. Во втором случае дополнительно к группировкам исключались из рассмотрения состояния Е5 и Е4. В качестве базовых рассматривались состояния Eh Е2, Е3, Е6 и Е7 и соответствующие им каналы переходов (на рис. 4.2 базовые элементы выделены).
В качестве моделей переходов (периодичностей состояний) использованы (по индексации в соответствии с рис. 4.2):
для перехода 1.3 выражение t = to -In (R)/(0.2...2.0);
для перехода 3.1 выражением = t& -In (R) / (0.1. ..1.5);
для перехода 3.5 выражение t = t0 + (1...20)(-ln(R))U(L 5);
для перехода 5.3 выражение t = t0 + (l.,.20)(-ln(R))U( "i);
для перехода2.3 выражение/ =/0 - In (R)/(0.03...0.008);
для перехода 3.2 выражение t = t0 In (R) /(0.03...0.08);
для перехода 2.5 выражение f = t0 + (15...60)(-In(R))1/(0J"10);
для перехода 5.2 выражение t = t0 + (15...60)(-ln(R))!/(05"ZO);
для перехода 3.6 выражение t = tQ-ln (R) / (0.03...0.09);
для перехода 6.3 выражение? = t0 -In (R) / (0.03. ..0.09);
для перехода 3.7 выражение/ = -In (R) /(0.001 ...0.008);
для перехода 7.3 выражение/ = /0 - In (R) / (0.001. ..0.008);
для перехода 3.8 выражение/ = t0 In (R) / (0.00001 ...0.001);
для перехода 8.3 выражение/ = /0 -In (R) / (0.00001 ...0.001).
В представленных выражениях to - свободный член, учитывающий последнее значение ретроспективы процесса. В качестве моделей прогнозирования частных процессов приняты выражения для тренда, рассмотренные в подразделе 2.2 (всего 256 уравнений - по числу наблюдаемых частных процессов с учетом линейной и параболической моделей).
