Содержание к диссертации
Введение
ГЛАВА 1. Методы моделирования и управления производством 11
1.1. Анализ автоматизированных систем управления производством 11
1.1.1. Автоматизированные системы управления технологическими процессами 12
1.1.2. Автоматизированные системы управления экономической деятельностью предприятия 14
1.2. Обзор методов моделирования информационных технологий 16
1.2.1. Классификация информационных технологий 16
1.2.2. Применение экспертных систем 17
1.2.3. Виды и формы представления знаний 19
1.2.4. Существующие методы извлечения знаний 21
1.3. Анализ математических описаний технологических процессов спиртового производства 23
1.3.1. Специфика автоматизации спиртового производства 23
1.3.2. Модели объектов головных участков производства 25
1.3.3. Модели микробиологических процессов 29
1.3.4. Модель тарельчатой колонны ректификации 31
1.4. Выводы 33
ГЛАВА 2. Построение модели информационной подсистемы экономико - консалтинговой системы управления производством 37
2.1. Структура и функции ЭКСУ 37
2.2. Разработка базы данных системы 41
2.3. Разработка модели процесса автоматизированного извлечения и усвоения знаний о производстве 46
2.3.1. Классификация состояний производства 46
2.3.2. Методы и модели правил принятия решений и вывода рекомендаций 50
2.3.3. Формализация структуры знаний о производстве 61
2.3.4. Структура представления входной информации ЭКСУ 66
2.4. Выводы 70
ГЛАВА 3. Разработка информационного и программного обеспечения экономико - консалтинговой системы управления 72
3.1. Структура основных компонент ЭКСУ 72
3.2. Структура процедур синтеза рекомендаций 78
3.3. Моделирование интерфейса пользователя 83
3.3.1. Интерфейс пользователя 84
3.3.2. Главное меню. Ввод и вывод информации 91
3.4. Основные рабочие алгоритмы 92
3.4.1. Алгоритмы расчета математических моделей 93
3.4.2. Алгоритмы использования знаний 96
3.5. Выводы 99
ГЛАВА 4. Разработка математической модели сложной технологической системы на примере спиртового завода 101
4.1. Модели головных участков производства 101
4.2. Модели микробиологических процессов 105
4.3. Выводы 117
ГЛАВА 5. Практическая реализация и оценка результатов работы ЭКСУ 119
5.1. Выбор и обоснование объекта исследования 119
5.2. Формирование прогнозов состояний исследуемого производства 119
5.3. Описание информационного обеспечения ЭКСУ 124
5.4. Экономическая эффективность внедрения разработки 127
5.5. Выводы 130
Заключение 131
Список литературы 133
Приложения 145
- Существующие методы извлечения знаний
- Классификация состояний производства
- Структура процедур синтеза рекомендаций
- Модели головных участков производства
Введение к работе
В период перехода к рыночной экономике наблюдается ужесточение конкурентной борьбы предприятий за рынки сырья и сбыта. В связи с этим эффективное управление производством становится задачей первостепенной важности.
Множество взаимосвязанных противоречивых факторов создает ряд проблем производственной деятельности. Отсутствуют средства автоматизированного обмена информационными потоками между уровнями управления, которые фактически, являются разными системами. Так АСУП автоматизируют экономическую и бухгалтерскую деятельность предприятия, а также позволяют контролировать его запасы, материальные и трудовые ресурсы. Но эти системы не имеют возможности напрямую влиять на оперативное управление, это превращает их лишь в хороший инструмент для накопления статистических данных. В тоже время АСУТП позволяют снизить степень участия человека в управлении технологическими процессами. Контролировать значения технологических параметров и режимы работы оборудования. Однако, возможности этих систем в плане оценки деятельности предприятия, ограничены.
Передача информационных потоков с нижнего уровня управления на верхний совершается вручную, что сказывается на качестве управления производством. Это приводит к применению разрозненных критериев оценок, несогласованности параметров, форм и размерностей представления входной и выходной информации и т. п.
Для устранения указанных недостатков необходимо - осознание проблем предприятия на пути создания, внедрения и сопровождения интегрированных систем автоматизации.
Разработанная консалтинговая система управления обеспечивает устранение существующих информационных барьеров между АСУТП и АСУП, одновременно с этим интегрируя в себе основные функции этих систем, и
способствует созданию интеллектуального, информационно
прозрачного производственного пространства.
Сущность использования информации состоит в том, что приведение в действие больших масс вещества и процессов передачи и преобразования больших количеств энергии могут направляться и контролироваться при помощи небольших масс энергии, несущих информацию — «слепок» с физического состояния технологических систем. Для его реального отображения, необходимо иметь адекватный инструмент работы с информационными ресурсами.
Исходя из вышесказанного, сформулирована цель диссертационной работы: разработка подхода к анализу производственной информации, ее систематизации и построению математических моделей информационных, материальных и энергетических потоков с управлением выходными параметрами по иерархии уровней функционирования. Для создания на их основе инструментальных средств поддержки принятия решений в виде экономико-консалтинговой системы управления (ЭКСУ) производством, обеспечивающей эффективный обмен информацией между АСУТП и АСУП, а также получение рекомендаций в зависимости от производственной ситуации.
Научная новизна диссертационной работы заключается в:
разработке системного подхода к формализации знаний на основе анализа взаимосвязи информационных ресурсов с учетом структуры производства, его балансов и иерархических связей;
разработке моделей прямого и обратного продуктовых расчетов получения этилового спирта, обеспечивающие возможность определения максимальной экономической эффективности работы предприятия;
синтезе алгоритмов идентификации состояний структурных единиц производства, его технологических процессов, по предложенным критериям
7 оценки и прогнозирования их влияния на процессы получения готовой продукции;
построении базы знаний, на основе продукционной модели с реализацией базы данных в виде сети фреймов;
получении математических моделей формирования множества рекомендаций на основе анализа комбинаций возможных прогнозов с установленным в нём набором отношений (правил).
Актуальность работы Актуальность диссертационной работы состоит в разработке системного подхода к оценке уровней функционирования исследуемого производства, с технической и экономической точек зрения. Построение алгоритмов формирования диагностических решений на основе набора логических отношений (правил) и формализованных знаний о производстве. Возможности универсализации и адаптации полученных моделей и программного продукта для пищевых и химических производств любого типа.
Методы исследования. При выполнении диссертационной работы применялись системный анализ, теории фреймов, принятия решений, методы математического моделирования, структурного синтеза, нелинейного программирования, реляционных баз данных.
Практическая значимость диссертационной работы заключается в том, что результаты работы (теоретические положения, прикладные разработки и выводы) могут быть использованы для повышения эффективности работы предприятия. А также, в создании системы поддержки принятия решений.
Практическое значение имеет структуризация знаний, построение морфологического пространства утверждений и правил логического вывода, определенных на множестве объектов, заданных своими свойствами, дающие возможность представления знаний о производстве в виде унифицированных фреймов. Программный модуль «Расчет модели спиртового произ-
8
водства», позволяющий осуществить прямой и обратный продуктовые рас
четы получения этанола, экономическую оценку работы спиртового произ
водства в целом; реализующий возможности прогнозирования качества и ко-
ущ личества сырья и продукта, выдачи оптимальных рекомендаций и справоч-
ной информации, в зависимости от поставленной задачи, для любого спиртового завода.
Разработанное программное обеспечение использовано в проекте модернизации автоматизированной системы управления (АСУ) на АООТ «ЛЮКС» Аннинский спиртовый завод.
Апробация работы. Основные результаты по теме диссертационной работы доложены на II Всероссийской конференции «Теория конфликта и её приложения» (г. Воронеж) в 2002 году, отраслевых конференциях по метрологии и автоматизации в нефтехимической и пищевой промышленности, в 2002 и 2003 годах (г. Воронеж), а также на научных конференциях профессорско-преподавательского состава и научных работников ВГТА, в 2002-2004 годах.
Публикации. Опубликовано 11 работ, из них 5 статей и 4 работы те-
ф зисного характера; 2 свидетельства об официальной регистрации программы
для ЭВМ.
Содержание диссертационной работы. Работа состоит из введения, пяти глав с выводами, заключения, библиографического списка и приложений.
Во введении обоснована актуальность темы, сформулированы цель и
задачи. Раскрыта научная новизна и практическая ценность, приведены ре
зультаты апробации и реализации теоретических и практических исследова-
4 ний и дана общая характеристика диссертационной работы.
В первой главе проведен анализ использующихся в настоящее время автоматизированных систем управления технологическими процессами и автоматизированных систем управления производством, их сравнительные ха-
9
рактеристики. Произведен обзор методов моделирования
информационных технологий, а также методов математического моделирования на примере спиртового производства (СП). Исследована возможность применения средств искусственного интеллекта и экспертных систем.
Во второй главе сформулирована системная модель экономико-консалтинговой системы управления (ЭКСУ), её составляющие части и их назначение. Определены необходимые средства, методы обработки и оценки полученных результатов, информационное, программное и методическое обеспечение этапов исследования. Приведены модели информационной подсистемы ЭКСУ. Обоснованы классы состояний производства. Выполнено исследование и разработка методов и моделей структуризации отношений и правил принятия решений, формализации и разработки методов усвоения знаний в условиях функционирования экспертной системы.
В третьей главе определена типовая структура основных компонент экономико-консалтинговой системы управления. Разработаны алгоритмы, методы формирования и поддержания в актуальном состоянии информационного обеспечения создаваемой системы, в том числе, выбора необходимых правил получения прогнозов. Определены основные структурные элементы диалоговой среды конечного пользователя, реализующие предложенные процедурные модели.
В четвертой главе представлены математические модели технологических процессов и аппаратов спиртового производства. Рассмотрены, обоснованы и выбраны методы и подходы к математическому описанию технологии получения этилового спирта.
В пятой главе приводятся результаты практической реализации разработанных теоретических положений, моделей и алгоритмов прогнозирования и классификации состояний на примере СП. Описывается использование комплекса разработанных информационных технологий, а также программная реализация ЭКСУ.
10 Автор выражает глубокую благодарность доктору технических наук, профессору, заведующему кафедрой «Бродильных производств и виноделия» Воронежской государственной технологической академии, Вос-трикову Сергею Всеволодовичу за предоставленные материалы и консультации по вопросам технологии производства этилового спирта.
Существующие методы извлечения знаний
Причиной всякого движения служит противоречие, энергия есть условие движения, а информация - повод к движению. Объединение понятий «знание» и «информация» порождает фундаментальное понятие - информационный ресурс, к которому с полным правом можно отнести и технологические знания, выраженные в виде технологических методов и средств достижения технологических целей.
В настоящее время формализация и разработка методов извлечения и усвоения знаний включает три основных направления: - диалог инженера по знаниям с экспертом в данной предметной области; - автоматическая генерация знаний, самообучение ЭС; - целенаправленное исследование предметной области на основе её модели, построенной экспертом в изучаемой предметной области. Диалог инженера с экспертом-носителем знаний из предметной области, как метод создания баз знаний, характерен для ранних стадий развития экспертных систем. Опыт применения данного метода показал, что подобный подход к организации базы знаний не гарантирует их полноты и непротиворечивости, а результаты использования знаний, полученных в диалоге с экспертом, трудно поддаются прогнозированию. Для устранения недостатков диалогового извлечения знаний и обеспечения непрерывности развития конкретных баз знаний, предприняты многочисленные попытки автоматизировать генерацию новых знаний. Системы искусственного интеллекта и экспертные системы, имеющие функцию автоматической генерации новых знаний, основаны на механизмах приобретения новых знаний человеком, моделирования обнаружения ошибок и корректировки правил логического вывода. Однако для своей работы они требуют обширной базы первоначальных знаний и сложных алгоритмов их обработки. В связи с этим в технической литературе [126] отмечается, что на сегодняшний день всего несколько систем (например, EURISKO, AM, LS-1) отвечают условиям автоматической генерации знаний, но эти системы рассматриваются как лабораторные образцы. Целенаправленное исследование предметной области на основе её модели, построенной экспертом, представляет собой метод извлечения и усвоения знаний, который должен сочетать в себе достоинства первых двух методов. Данный метод предназначен для организации целенаправленного диалога эксперта и системы с целью построения необходимой базы знаний. Системы, построенные на основе этого метода (например, ETS, AQUINAS, KELLY) показали свою высокую эффективность в области извлечения экспертных знаний. Однако лучшие образцы систем подобного типа реализованы на специальной технической базе, они наиболее эффективны при структуризации предметных областей, но трудно применимы к выявлению процедурных знаний и стратегий, т. е. правил принятия решений и правил применения правил [42]. Анализ математических описаний технологических процессов спиртового производства Специфика автоматизации спиртового производства Спиртовое производство состоит из сложных процессов механических, физико-химических, биохимических и микробиологических превращений веществ, осуществляемых в разнообразных машинах и аппаратах. В настоящее время для переработки на спирт в качестве сырья преимущественно используется зерновое, реже, картофельное сырье. Современное производство спирта характеризуется широким использованием непрерывных технологических схем, включающих следующие основные операции: подработку сырья и приготовление замеса, разваривание сырья, осаха-ривание крахмала сырья, сбраживание, перегонку бражки и ректификацию спирта.
Основной задачей спиртовой отрасли является доведение ее технических возможностей до уровня, который позволит полностью удовлетворить растущие потребности в спирте различных отраслей народного хозяйства и улучшить качество продукции. Достижение этой цели возможно лишь при дальнейшем совершенствовании технологии внедрения прогрессивных методов производства, автоматизации управления технологическими процессами и комплексной автоматизации на крупных и средних предприятиях. Широкое распространение и рекомендации к внедрению получили две технологические схемы: мичуринская и мироцкая, различающиеся в основном процессами на головных участках — приготовление замеса и разваривание. Мичуринская схема содержит следующие основные узлы: устройства для транспортирования, учета и измельчения сырья (вальцовые станки или молотковые дробилки); смеситель-предразварник, в котором приготовляется замес; агрегат непрерывного разваривания, включающий контактную головку, варочные колонны с регулятором выпуска массы и паросепаратор; участок осахаривания с вакуум-охлаждением сваренной массы, включающий осахариватель и аппараты для вакуум - охлаждения [93].
Мичуринская схема предназначена для широкого внедрения на перспективу с учетом прогрессивных технологических режимов переработки сырья. В связи с этим данную схему следует рассматривать как типовую, для которой можно будет тиражировать проектируемые системы автоматизации.
Наряду со значительными успехами технологии спиртового производства, опыт его исследования как объекта управления еще невелик. Попытки формализованного математического описания отдельных закономерностей процессов производства имели разрозненный и незаконченный характер, что не позволяло получить взаимосвязь между характеристиками сырья, основными режимными параметрами производства и его конечными результатами.
Классификация состояний производства
Высокие требования к точности представления неформализованной информации обуславливают целесообразность включения их в фасетную конструкцию. Идентификация входной информации по ее предметному, тематическому содержанию осуществляется средствами дескрипторного ИЯ путем включения в поисковый образ информации дескрипторов и ключевых слов, наиболее полно и точно характеризующих информацию.
Таким образом, любая входная информация в подсистеме неформализованной информации (обозначим ее через DjH) может быть представлена аналогично информации в подсистеме формализованной информации.
Несмотря на аналогичность формальных структур входной информации подсистем формализованной и неформализованной информации их содержание во многом отличается. Прежде всего, различны наименования фасетов, множество их значений. Следовательно, в подсистеме неформализованной информации необходима разработка своих собственных словарей значения, которые может принимать фасет Ц при индексировании. Таким образом, формула структуры входной информации (2.47) универсальна в рамках подсистемы информационного обеспечения и может быть использована для идентификации любого вида информации (обозначим ее через D; , X — 1,Л, Х - количество видов).
Для каждого вида D , состоящего из информации одинаковых или близких по составу характерных фасетов, целесообразно выбрать конкретную и наиболее рациональную фасетную конструкцию.
При индексировании Dj средствами дескрипторного ИЯ нет формальных ограничений по форме представления предметного содержания ин-формации, независимо от вида Dj . Следовательно, для описания любого вида информации, обрабатываемой в системе информационного обеспечения, может быть использована следующая формула:
При этом в каждой подсистеме и для каждого фасета Х,-го вида информации необходимо разработать свой словарь возможных значений фасетов. В зависимости от назначения информации Dj\ от конкретных информационных потребностей в системе информационного обеспечения можно использовать следующие варианты структуры входной информации в рамках основной формулы (2.48): - для случая, когда Dj предполагается использовать только в задачах обработки фактографических данных; будет использоваться только в задачах обработки данных по предметному содержанию; для Dj , ориентированной на обработку в совмещенном режиме работы системы информационного обеспечения. 1. Разработаны математические и структурные модели информационного обеспечения экономико-консалтинговой системы управления материальными и энергетическими потоками производства. 2. Полученная информационная модель отображает процесс вывода рекомендации из частных (композиция), т. е. реализуется прямая связь между уровнями производства. 3. Получена математическая модель структуры входной информации ЭКСУ. 4. В качестве цели структуризации отношений и правил принятия решений целесообразно рассматривать построение морфологического пространства, содержащего утверждения и правила логического вывода, определенные на множестве рекомендаций, заданных своими свойствами. 5. Процесс усвоения новых знаний целесообразно организовать на основе модели целевого исследования и разделения функций между экспертом и системой. При этом на систему следует возложить функцию управления этим процессом, обеспечения целенаправленного извлечения необходимых знаний в контексте и с использованием иерархии целей решаемой задачи. 6. В качестве цели структуризации следует рассматривать построение морфологического пространства рекомендаций производства, которое определено, если известны: совокупность рекомендаций; множество всех возможных комбинаций рекомендаций и выбор отношений на нем; основные условия взаимосвязи и вывода рекомендаций. 7. Задание условий выбора посредством комбинации двуместных предикатов в условиях автоматизированного получения диагностического решения обеспечивает реализацию принципа динамического формирования критериев выбора, который выражается в том, что переменным величинам этих предикатов действительные значения присваиваются в ходе решения задачи выбора и заранее не оговорены. Такой подход создает независимость программного обеспечения системы от базы данных. 8. Разработанный математический аппарат инвариантен по отношению к получаемым рекомендациям, позволяет строить семантические сети, отображает состав и структуры статических фреймов, одноименных с рекомендациями. Условия выбора, выраженные в виде двухместных предикатов, можно рассматривать как элементарные блоки принятия решений, а комбинации подобных предикатов - как цепи блоков принятия решений. Таким образом, подготовленный математический аппарат отвечает условиям создания экспертных систем. 9. Понятие морфологического пространства позволяет придать задаче структуризации целевую направленность, получить в качестве одного из результатов структуризации математическую модель изучаемого объекта. 10. Разработана модель классификации текущего состояния производства с применением бинарных отношений. Разработаны и обоснованы классы состояния производства.
Структура процедур синтеза рекомендаций
В главе приводятся результаты практической реализации разработанных теоретических положений, моделей и алгоритмов прогнозирования и классификации состояний СП, на примере АООТ «ЛЮКС» и ОАО «ПИРА-КВА». Описывается использование комплекса разработанных информационных технологий, а также программная реализация экономико - консалтинговой системы управления материальными и энергетическими потоками спиртового производства. Программное обеспечение прошло практическую апробацию, подтверждающую работоспособность и эффективность применения разработанных моделей, схем и алгоритмов.
Для исследования взяты успешно работающие и развивающиеся предприятия АООТ «ЛЮКС» Аннинский спиртовый завод производительностью 2500 дал/сутки [86, 87] и ОАО «ПИРАКВА» спиртовый завод г. Бу-турлиновка производительностью 2000 дал/сутки. На заводах применяют современные аппаратурно-технологические схемы производства этилового спирта из зернового сырья, что позволяет им выпускать спирт самого высокого качества. Предприятия заинтересованы во внедрении инновационных технологий и в связи с этим сами представляют интерес для исследований.
Программная реализация ЭКСУ лежит в основе прогнозирования состояний производства этанола из крахмалсодержащего сырья. В соответствии со структурой ЭКСУ (см. рис. 2.1), моделью интерфейса (п. 3.3.1), структурой интерфейса (см. рис. 3.3) и экранными формами (см. рис. 3.10, 3.13) выполняется заполнение нормативных, фактических и рекомендательных
Следующим этапом является расчет математической модели производственного комплекса, прямой или обратный, в зависимости от поставленной задачи. Модели участков производства выбраны и структурированы в соответствии с главой 4. Алгоритм проведения расчета представлен (см. рис. 3.12). По завершении вычислений, результаты автоматически сохраняются в расчетных таблицах БД.
В процессе расчета, получаемые данные сравниваются с имеющимися в базе данных ЭКСУ. Полученные отношения интерпретируются в соответствии с моделями правил принятия решений, вывода рекомендаций (п. 2.3.2) и алгоритмом синтеза рекомендаций (см. рис. 3.15). Результаты обработки в виде рекомендательных сообщений представляются пользователю (см. рис. 2.4). Для проверки работоспособности моделей был проведен прямой расчет (сырьё - готовая продукция), получены выход спирта из 3 т. сырья, потери и затраты при значениях крахмалистости сырья от 30 до 60% с шагом 5% (табл. 5.1).
Модели головных участков производства
Как правило, от современных информационных систем (ИС) требуется, чтобы они обладали определенными степенями гибкости и адаптируемости к быстроменяющимся условиям внешней среды.
Одним из путей придания ИС указанных свойств является подход, когда разработчики ориентируются не на синтез готовой структуры и установление других, заранее предопределенных характеристик системы, а на создание некоторой метамодели будущей ИС. Такая метамодель обычно включает описание всех инвариантных характеристик системы, а также обеспечивает переход от некоторого объекта-предшественника к реально действующей ИС, что достигается за счет использования заложенных в метамодель механизмов порождения и развития.
Эта концепция неразрывно связана с теорией искусственного интеллекта и требует создания таких систем, которые бы позволяли: описывать знания о предметной области с помощью языка представления знаний; организовывать хранение знаний об исследуемом объекте; устранять устаревшие знания; находить требуемые, проверять непротиворечивость накопленных знаний; осуществлять интеллектуальный интерфейс между пользователем и знаниями.
Все эти принципы были применены при разработке экономико - консалтинговой системы управления спиртовым производством.
Любая метамодель ИС характеризуется своей структурой. В качестве элементов такой структуры при разработке ЭКСУ, в соответствии с [63], были выбраны так называемые информационные объекты (ИО). При этом предполагалось, что в каждом из них будут заключены данные, описывающие сам объект и его свойства, а также будет заложена информация, позволяющая установить отношения (связи) с другими ИО.
С помощью таких объектов в системе ЭКСУ были представлены универсальные рекомендации по СП. В этом случае отдельные ИО будут являть 125 ся тем «строительным материалом», из которого затем можно будет синтезировать прогноз реальной производственной ситуации.
При изучении возможных подходов программной реализации системы, в качестве основной была выбрана технология объектно-ориентированного программирования (ООП), которая наилучшим образом вписывается в концепцию использования знаний и развития экспертных систем.
В ООП объект одновременно представляет собой и данные и код. Это форма программирования - активных данных. Связь между объектами в ООП осуществляется путем передачи сообщений. Передача сообщений придает поведению объектов характер активных данных.
Концепция класса является одной из базисных для ООП. При этом класс понимается как образец для создания объектов. Во многих объектно-ориентированных системах класс сам считается объектом, обладающим ограниченным набором возможностей. Практическая применимость структуры класса обусловлена наличием средств наследования, т.е. способность создавать классы, автоматически моделирующие поведение других классов. Подобно тому, как объекты создаются из классов, служащих для них моделью или образцом, так и сами классы представляют собой объекты, создаваемые в соответствии с шаблоном, заключенном в определенном классе. Этот класс обычно называют метаклассом.
Существуют объектные и гибридные системы ООП. В гибридных системах объекты применяются вместе с обычными элементами языков программирования: операторами, служебными словами и т.п. В настоящее время считается, что при разработке сложных ИС, к каким можно отнести и ЭКСУ, наиболее предпочтительным является использование гибридных систем ООП. Поэтому для реализации ЭКСУ была выбрана одна из самых современных систем ООП - Borland C++ Builder [12].
Указанная система ООП функционирует в операционной среде Windows 95 и выше, которая используется на персональных компьютерах типа IBM PC. Это было обусловлено тем, что Builder включает в себя полный набор специализированных подсистем и компонентов, которые требуются для создания эффективно действующей консалтинговой системы моделирования и оптимизации технологических процессов. Среди таких подсистем, прежде всего, выделяется средство, поддерживающее работу со всеми известными типами баз данных - BDE Administrator. Также в состав Builder входят: построитель отчетов (документов); развитая система объектно-ориентированных компонентов и другие модули, обеспечивающие эффективную работу программы в операционной системе Windows. В качестве языка программирования в Builder используется C++.
С учетом выбранных средств информационного обеспечения ЭКСУ, была разработана структура базы данных. Она включает в себя набор связанных таблиц. В качестве СУБД используется Microsoft Access. Этот набор таблиц служит для хранения параметров, используемых при моделировании и оптимизации технологического процесса. Среди таких параметров в частности выделяются: параметры аппаратов, потери, связи и правила, применяемые при реализации исследуемых технологических процессов и т. д.
После реализации модели технологической операции, полученные значения автоматически записываются в базу данных консалтинговой системы и являются основой для получения новой информации по материальному и энергетическому балансам исследуемого процесса.
Рассмотренная экономико — консалтинговая система управления спиртовым производством прошла апробацию на реальных объектах и показала свою эффективность, хотя и требует дальнейшего совершенствования.
При анализе экономической эффективности ЭКСУ в качестве опытных данных были рассмотрены технологические регламенты АООТ «ЛЮКС» и ОАО «ПИРАКВА». Просуммированы затраты на внедрение и обслуживание ЭКСУ. Получены выводы о рентабельности и окупаемости разработки.
