Содержание к диссертации
Введение
1. Исследование современных подходов к построению систем управления наружным освещением 13
1.1. Анализ процесса создания АСУНО 13
1.2. Анализ особенностей и проблем создания АСУНО 17
1.3. Определение основных задач поддержки принятия решений при создании АСУНО 20
1.4. Анализ методов принятия решений в технических системах 20
1.5. Выводы по главе 26
2. Разработка подходов поддержки принятия решений при создании АСУНО 27
2.1. Анализ системы наружного освещения и создании информационного обеспечения для СППР 27
2.2. Формализация комплекса критериев для ранжирования функций АСУНО 36
2.3. Разработка комплекса критериев и альтернатив решений для выбора подхода управления наружным освещением 39
2.4. Формирование подхода к изменению состава элементов систем управления наружным освещением на основе методов поддержки принятия решений 44
2.5. Выводы по главе 46
3. Исследование разработанных подходов оценки и поддержки принятия решений при создании АСУНО 47
3.1. Экспериментальное исследование подхода к поддержке принятия решений при создании АСУНО 47
3.2. Разработка метода повышения согласованности МПС 52
3.3. Проведение экспериментальной проверки разработанных методов повышения степени согласованности в методах парных сравнений 67
3.4. Экспериментальное исследование методов повышения степени согласованности в поддержке принятия решений при создании АСУНО 76
3.5. Определение требований к программному и аппаратному обеспечению для поддержки принятия решений при создании АСУНО 81
3.6. Выводы по главе 82
4. Техническая реализация системы поддержки принятия решений 83
4.1. Проектирование структуры программного обеспечения для поддержки принятия решения 83
4.2. Построение структуры базы данных системы поддержки принятия решений 88
4.3. Разработка интерфейса обмена информацией средства поддержки принятия решений при создании АСУНО 90
4.4. Реализация программного обеспечения поддержки принятия решений при создании АСУНО 92
4.5. Методика практического применения разработанной системы поддержки принятия решений 97
4.6. Выводы по главе 102
Заключение 103
Список литературы 105
- Анализ особенностей и проблем создания АСУНО
- Разработка комплекса критериев и альтернатив решений для выбора подхода управления наружным освещением
- Проведение экспериментальной проверки разработанных методов повышения степени согласованности в методах парных сравнений
- Разработка интерфейса обмена информацией средства поддержки принятия решений при создании АСУНО
Анализ особенностей и проблем создания АСУНО
Жизненный цикл (ЖЦ) автоматизированной системы[1,2] — развитие системы, начиная со стадии разработки концепции и заканчивая прекращением применения системы.
до окончания эксплуатации и утилизации комплекса средств Далее приведены определения модели жизненного цикла технической системы, даваемые в двух вариантах разных стандартов ГОСТ: Модель жизненного цикла - структура, состоящая из процессов, работ и задач, включающих в себя разработку, эксплуатацию и сопровождение программного продукта, охватывающая жизнь системы от установления требований к ней до прекращения ее использования Жизненный цикл автоматизированной системы (АС) -совокупность взаимосвязанных процессов создания и последовательного изменения состояния АС, от формирования исходных требований к ней автоматизации АС [2].
Из этих определений следует, что идентификация и выбор модели, в первую очередь, касается таких вопросов как определенность и стабильность требований, жесткость и детализированность плана работ, а также частота выпуска работающих версий разрабатываемой программной системы. Модели жизненного цикла делят на 3 основные: каскадная, итерационная, спиральная. Исследуем модели ЖЦ и определим предпочтительную модель для АСУНО.
Каскадная модель ЖЦ хорошо подходит тем проектам, у которых достаточно хорошо и точно определены требования, таким образом, в такой модели имеется четкий план завершения проекта, а также одним из преимуществ данной модели является то, что на каждом из этапов каскадной модели получаются законченные наборы проектной документации. В нашем случае проект не имеет достаточно полного перечня требований, кроме того требования в проекте автоматизированной системы управления наружным освещением подвержены изменениям с течением времени. В настоящий момент такая модель встречается в практике, но достаточно редко. Одним из главных недостатков в такой модели считается предположение, что разрабатываемый проект проходит через весь процесс один раз [12].
Итерационный подход основан на параллельном выполнении разработки и анализа полученных результатов, а также корректировкой предыдущих этапов работы. Схема данного подхода представлена на рисунке 1.1. Весь жизненный цикл проекта протекает в виде последовательности итераций выпуска версий.
Рост функциональности при итеративной организации жизненного цикла В настоящий момент наиболее популярной моделью считается спиральная модель (рисунок 1.2), которая сочетает как каскадную модель, так и итеративную. Смысл такого подхода в том, что на каждой итерации проект проходит весь процесс каскадной модели.
Спиральная модель жизненного цикла систем Как видно из рисунка 1, спиральный подход, представляющий собой процесс частичной реализации всей системы наряду с постепенным наращиванием функциональных возможностей. С помощью этого подхода ускоряется процесс создания функционирующей системы, при этом уменьшаются затраты на разработку и внедрение, предшествующие достижению уровня заданных технических характеристик.
На каждом из этапов разработки приходится заново переоценивать приоритеты проблем, так как меняются ограничения на ресурсы, эволюционируют требования пользователей программного продукта, по мере накопления опыта меняются представления о проблемах создания системы, о том, что нуждается в автоматизации, и о возможностях повышения уровня разработки программного обеспечения (ПО)[3].
Так как в АСУНО необходимы постоянные доработки, связанные с экономией электроэнергии и повышением эксплуатационных характеристик на основе обновления программных и технических средств, то рационально применять спиральный подход разработки. Наружное освещение – средства, позволяющие искусственно увеличить оптическую видимость на улице в тёмное время суток. Осуществляется это с помощью ламп, закрепленных на улице и управляемых автоматически или в ручную из диспетчерского пункта.
На каждой итерации функции системы должны проходить объективную экспертную оценку в соответствии с определенным набором требований. Обобщенно последовательность совершенствования АСУНО можно схематически представить в виде схемы (рисунок 1.3).
Обобщённая схема разработки АСУНО по спиральной модели На блок-схеме показаны этапы разработки продукта от идеи системы до конечного продукта. Как видно, вся разработка производится с помощью повторения процедур прототипирования, эксплуатации и анализа. Изложенный выше подход в полной мере учитывает особенность АСУНО, связанную с поэтапным внедрением и соответствует спиральной модели разработки.
Данные задачи относятся к типу слабоструктурированных, и их решение можно описать с помощью многокритериальных моделей[5,6,8]. В нашем случае для получения решения необходим учет множества экономических, организационных, технических и других факторов, при этом невозможно описать зависимости с помощью четких формул и правил.
Системы управления наружным освещением зародились сравнительно недавно, но в данный момент уже существует большое количество разработанных продуктов по управлению наружным освещением отличающихся друг от друга теми или иными функциями. К таким системам относятся «Andover Controls» (Великобритания)[6], «КУЛОН» (г.Москва), «АРГО» (г. Иваново), «Светлый город» (г. Краснодар) и другие.
Интерес к созданию новых систем управления наружным освещением вызван в первую очередь разной историей развития наружного освещения в различных регионах и соответственно разными проблемами, возникающими при внедрении той или иной системы управления наружным освещением. Кроме того, бюджеты, выделяемые на модернизацию наружного освещения с целью повысить энергоэффективность в разных регионах различны.
Таким образом, задача создания автоматизированных систем управления наружным освещением актуальна, также как и поддержка этапов её разработки.
Анализ особенностей и проблем создания АСУНО В настоящее время осуществляется переход систем наружного освещения на энергосберегающие технологии. Наряду с этим, существует реальный недостаток объективной информации, которая бы позволяла выстраивать четкий план перехода на новые технологии и модернизации старых. Одной из областей, где активно внедряются энергосберегающие технологии, является управление наружным (уличным) освещением или коротко АСУНО (автоматизированная система управления наружным освещением). В настоящее время функции, которые должна выполнять современная АСУНО, значительно расширились[11]. В частности, АСУНО не только позволяет управлять освещением, но и выполнять функции контроля, учета и прогнозирования потребления электроэнергии. В АСУНО активно внедряются новые технологии и технические средства, такие как: GSM, Ethernet, PLC, ZigBee, ЭПРА, ЭМПРА, DALI и другие[10].
Разработка комплекса критериев и альтернатив решений для выбора подхода управления наружным освещением
Так как оптимальное решение поставленной задачи имеет многочисленные зависимости, то невозможно оперативно и правильно находить его вручную, т.е. возлагать полностью эти задачи на человека. Такое решение будет субъективным и зачастую принятое по анализу лишь некоторых сторон проблемы. Рациональнее подойти к решению с разных сторон и учитывать мнения экспертов из разных областей, а это возможно с применением вычислительных технологий. Необходимо чтобы ЭВМ принимала решения автоматически, а человек выступал бы лишь как эксперт, который может помочь системе в исключительных ситуациях. Таким образом, вычислительные технологии должны обеспечивать мониторинг имеющихся знаний и информационных потоков, создание следствий по имеющимся фактам, анализ количественного и качественного влияния факторов на исследуемые явления, прогнозирование.
Тем не менее, на данный момент ЭВМ не в силах самостоятельно принимать решения, либо найденные решения редко будут достигать оптимума. Поэтому пока ЭВМ применяется только вместе с экспертами, которые выдвигают свои взгляды на оптимальное решение и уже на основании их ответов ЭВМ может найти лучшее решение.
Как видно метод принятия решений должен быть многокритериальным и иметь возможность устанавливать важность критериев для ЛПР (лица принимающего решение), чтобы лучшее решение максимально согласовывалось с его видением проблемы и требованиями.
Одним из наиболее простых в применении и в то же время эффективных методов экспертного оценивания является метод анализа иерархий (МАИ) в форме Саати [6,7,8,17]. Аналитический иерархический метод был разработан в 1980-x годах Саати. МАИ позволяет понятным и рациональным образом структурировать сложную проблему принятия решений в виде иерархии, сравнить и выполнить количественную оценку альтернативных вариантов решения. В его основе наряду с математикой заложены и психологические аспекты.
Покажем, как формализуется процедура принятия решений на основе предложенного метода. МАИ – математический инструмент системного подхода к сложным проблемам принятия решений, который позволяет понятным и рациональным образом структурировать сложную проблему принятия решений в виде иерархии, сравнить и выполнить количественную оценку альтернативных вариантов решения. Он позволяет проанализировать альтернативы независимо каждым из экспертов. А затем по множеству оценок экспертов определить более приоритетное решение.
Анализ проблемы принятия решений в МАИ начинается с построения иерархической структуры, которая включает цель, критерии, альтернативы и другие рассматриваемые факторы, влияющие на выбор. Эта структура отражает понимание проблемы лицом, принимающим решение. Каждый элемент иерархии может представлять различные аспекты решаемой задачи, причем во внимание могут быть приняты как материальные, так и нематериальные факторы, измеряемые количественные параметры и качественные характеристики, объективные данные и субъективные экспертные оценки.
Следующим этапом анализа является определение приоритетов, представляющих относительную важность или предпочтительность элементов построенной иерархической структуры, с помощью процедуры парных сравнений. Попарные сравнения – это процесс, согласно которому лицо принимающее решение сравнивает все пары объектов из некоторого списка по некоторому критерию, указывая каждый раз, более предпочитаемый объект по этому критерию. Безразмерные приоритеты позволяют обоснованно сравнивать разнородные факторы, что является отличительной особенностью МАИ. На заключительном этапе анализа выполняется синтез (линейная свертка) приоритетов на иерархии, в результате которой вычисляются приоритеты альтернативных решений относительно главной цели. Лучшей считается альтернатива с максимальным значением приоритета.
МАИ выделяется между другими методами принятия решений простой декомпозицией задачи на основе иерархии (общий вид представлен на рисунке 1.5).
Проведение экспериментальной проверки разработанных методов повышения степени согласованности в методах парных сравнений
Для решения вопроса выбора способа повышения согласованности парных сравнений получим решающее правило, с помощью которого определяется один из методов корректировки: автоматическая, итерационная или повторный экспертный опрос.
Условием возможности осуществления автоматической корректировки является ситуация, когда после исправления матрицы в автоматическом режиме результат ранжирования элементов сравнения не изменился, при этом степень согласованности уменьшилась. Итерационный процесс корректировки возможен, когда исходные данные несут полезную информацию и в достаточной мере согласованы. На практике корректировка целесообразна, в случае если достаточно сильно выделяются одни суждения от остальных по степени достоверности. В остальных случаях нельзя полагаться на экспертные данные и необходимо проводить экспертный опрос повторно, так как данные противоречат друг другу и нельзя определить с большой вероятностью какие из экспертных суждений необходимо брать за наиболее рациональные.
Определить насколько сильно одни суждения выделяются по степени достоверности от остальных возможно с помощью разработанной оценки согласованности отдельных суждений в матрице парных сравнений. Если представить оценки согласованности суждений как выборку, состоящую из п (п -1) значений (в данном случае диагональные элементы в матрице парных сравнений и матрице косинусов углов не рассматриваем), то можно рассчитать среднее значение выборки и разброс значений относительно среднего. Для оценки разброса значений согласованностей суждений можно рассчитать среднеквадратическое отклонение а.
Проведем исследование зависимости среднеквадратического отклонения при проведение последовательной корректировки матрицы парных сравнений. Результаты представлены на рисунке 5, где по оси абсцисс отложено отношение согласованности. Как видно, разброс оценок согласованностей суждений минимален в случаях, когда матрица имеет высокую и низкую согласованность, а в зоне средней рассогласованности матрицы парных сравнений разброс согласованностей суждений увеличивается. Вероятность рациональной корректировки тем выше, чем выше наблюдается разброс согласованностей суждений, так как в этих случаях можно выделить наиболее взаимосвязанные суждения эксперта. сравнений Для использования данного правила на практике необходимо определить зону среднеквадратического отклонения, где вероятность рациональной корректировки выше. Так как определить её математически нельзя, были проведены эксперименты и определено, что с достаточной степенью вероятности зона возможности корректировки суждений соответствует распределению Парето. Исходя из свойств матрицы косинусов углов, где каждый элемент может принимать значения от 0 до 1, можно доказать, что среднеквадратическое отклонение может изменяться от 0 до 0,5. Руководствуясь правилом Парето, можно определить нижнюю границу среднеквадратического отклонения как 20% от максимального, т.е. 0,5 20% = 0,1. Таким образом, матрицы парных сравнений, где наблюдается среднеквадратическое отклонение оценок согласованности отдельных суждений более 0,1 (а 0,1) имеют возможность быть скорректированными описанными выше методами.
Таким образом, можно сформировать решающее правило по выбору способа корректировки суждений. Данное правило реализовано в виде в виде алгоритма (рисунок 5).
Алгоритм выбора метода подбора количественных выражений в экспертных оценках матрицы парных сравнений Изложенный подход позволяет находить неточности в суждениях эксперта, а также с помощью алгоритма автоматически корректировать логические ошибки эксперта. Разработанный алгоритм может использоваться экспертом в качестве средства интеллектуальной поддержки процесса поиска и корректировки логически некорректных суждений. Для применения нового метода было создано решающее правило, по которому производится выбор процедуры корректировки.
Проведение экспериментальной проверки разработанных методов повышения степени согласованности в методах парных сравнений
Ранее был предложен алгоритм, с помощью которого эксперт может определить отдельные элементы парных сравнений, вносящих наибольшую ошибку в результаты. Разработанный алгоритм предоставляет возможность по заполненной матрице парных сравнений давать подсказки эксперту в виде рекомендаций по изменению оценок на более предпочтительные[1]. Алгоритм основан на анализе векторов парных сравнений, составленных из строк МПС, которые в случае высокой согласованности должны иметь одинаковое направление. Далее предлагается функционал, минимизация которого приводит к получению более согласованной матрицы парных сравнений: FQ) = l-! (15) где Ч - матрица рассчитанных косинусов углов между векторами парных сравнений для каждого парного сравнения в исходной МПС; п - размер матрицы парных сравнений.
Для применения функционала (15) при оценке степени достоверности суждений необходимо установить его соответствие значению отношения согласованности для одинаковых матриц парных сравнений. Таким образом, необходимо построить зависимость F от ОС, рассчитываемых для случайно заполненных матриц, и определить насколько эти величины взаимозависимы. При расчете отношения согласованности используется формула: количество случайно заполненных матриц парных сравнений. Таким образом, необходимо обеспечить, чтобы при случайном заполнении матриц для расчета F и ОС, СИ соответствовал рассчитанным или известным таблицам значений [6,14,15]. Поскольку у разных авторов таблицы СИ отличаются, были проанализированы причины этого факта. Наиболее весомыми причинами являются использование в расчетах псевдослучайных последовательностей чисел, получаемых с помощью ЭВМ, а также выбранные авторами методики получения парных сравнений из случайных чисел [6,14,15]. Таким образом, для повышения степени достоверности получаемых значений организуем численное получение СИ. При этом будем исходить из следующего: значения случайных величин будем брать из генератора абсолютно случайных (а не псевдо случайных) чисел, алгоритм преобразования случайного дробного положительного числа в целочисленную положительную оценку степени превосходства в диапазоне от одного до девяти должен обеспечивать равномерный закон распределения значений оценок.
Для проведения экспериментальных расчетов было разработано программное обеспечение, позволяющее вычислять корреляционную матрицу по векторам из матрицы парных сравнений, а также заполнять случайным образом обратно-симметричные матрицы по шкале МАИ от 1 до 9 (рисунок 3.6).
Разработка интерфейса обмена информацией средства поддержки принятия решений при создании АСУНО
Теперь перейдем к более детальному рассмотрению этих вопросов. При выборе средств реализации мы руководствовались опытом эксплуатации и техническими особенностями инструментальных средств для алгоритмической части решаемой задачи. Выбор языка программирования является стандартным при разработке ПО. Существующие СППР реализованы на разных языках программирования, таких как C/C++, C#, Fortran, Pascal, Java и других. Если учесть требования к ПО, такие как кроссплатформенность ПО и работой ПО из интернета, то особенно выделяется язык программирования Java.
Java[38, 121, 122, 123, 129] – широко применяемый объектно-ориентированный язык программирования. Приложения, написанные на Java, компилируются в специальный байт-код, поэтому могут работать на любой виртуальной Java-машине (JVM) независимо от компьютерной архитектуры. Это обеспечит мобильность разработанного ПО от серверной архитектуры и персональных ЭВМ до мобильных устройств. Таким образом, для будущей СППР языком программирования будет являться Java.
Следующий вопрос выбора операционной системы становится уже решенным, так как язык программирования Java кроссплатформеннен и имеет возможность запускаться на всех популярных ОС.
Третий вопрос касается выбора СУБД применяемой в СППР для информационной части и хранения структур данных. Для выбора СУБД необходимо учесть то обстоятельство, что, исходя из требований, ПО должно функционировать как в интернет, так и локально, поэтому необходимо выбрать такую СУБД, чтобы максимально упростить установку ПО на клиентском компьютере. Наилучшим решением было бы, чтобы СУБД могла иметь возможность встроиться в разработанную СППР. Среди всех СУБД выделяется Apache Derby[37], так как может поставляться как в серверном исполнении, так и встраиваемом виде. Таким образом, ПО автоматически может работать как с локальной БД, встроенной в саму программу, так и поддерживать связь с удаленной БД.
На основе выбранных инструментальных средств в СППР «Решение» реализовано взаимодействие клиентских и серверного приложений.
Построение структуры базы данных системы поддержки принятия решений Выбор СУБД Apache Derby обоснован тем, что данная СУБД имеет возможности встраивания в программное приложение и поддержки работы групп пользователей на сервере. Таким образом, СППР получает свойства как локального, так и удаленного хранения данных, при этом обеспечивается синхронизация локальных и серверной БД. Эта особенность важна с точки зрения возможности масштабирования системы до уровня глобального веб-сервиса поддержки принятия решений.
Необходимо отметить, что работа с СУБД Apache Derby организована нами на основе технологии ORM с использованием библиотеки OrmLite[36]. Применение технологии ORM обеспечивает удобство адаптации программного обеспечения к структурным изменениям в БД. Кроме того, имеется дополнительная возможность сохранять объекты БД в виде XML-файлов. С целью сохранения результатов оценивания и формирования средств описания информации о выполняемых и завершенных проектах принятия решений разработана и реализована БД, фрагмент схемы которой для основных сущностей представлен на рисунке 2. Рисунок 4.4 – Основная часть ER-диаграмма основных сущностей БД СППР. Опишем сущности приведенного фрагмента ER-диаграммы (рисунок 4.4). Сущность «MAIPROCESSTABLE» описывает процессы решения проблем, формализованных с помощью МАИ. Предполагается, что каждый процесс решения состоит из поставленной для решения проблемы (сущность «PROBLEMTABLE»), критериев (сущность «CRITERYTABLE») и альтернатив решения (сущность «DECISIONTABLE»). Сущность «PROCESSCRITERYBUNDLETABLE» обеспечивает связь процессов и критериев для повторного использования набора критериев из одного процесса в другом. Для организации интерфейса пользователя при построении иерархии создана сущность категорий проблем и критериев «CATEGORYTABLE». Система поддерживает несколько видов критериев, и для определения типа критерия создана сущность «CRITERYTYPETABLE».
Сущности «CRITERYCOMPARISONTABLE» и «DECISIONCOMPARISONTABLE» соответственно выполняют функции хранения оценок по критериям и альтернативам. Такой набор сущностей позволяет производить создание, хранение, редактирование и анализ решений, выполненных на основе МАИ.
Разработка интерфейса обмена информацией средства поддержки принятия решений при создании АСУНО
С учетом специфики решаемых задач разработан интерфейс программного средства. Главное окно содержит 2 панели: графическую, где отображается результат декомпозиции проблемы на иерархию, и функциональную, где представлены функции по работе с иерархией, такие как редактирование иерархии, сравнение критериев и альтернатив решений, просмотр сведений о выбранном элементе иерархии (рисунок 4.5).
На этапе проведения экспертных оценок возможны случаи, когда допущены логические ошибки в суждениях, и матрицы попарных сравнений получаются несогласованными. Для решения перечисленных задач предназначены автоматизированные средства корректировки суждений. С их помощью ЛПР может самостоятельно в пошаговом режиме или автоматически скорректировать полученные суждения и получить более согласованный вариант матрицы. Для примера на рисунке 4.6 приведены матрица с низкой степенью согласованности и результат её автоматической корректировки. Как видно, до корректировки матрица парных сравнений имела отношение согласованности (ОС), равное 18,6%. После того, как СППР по запросу пользователя провела автоматическую корректировку, значение ОС снизилось до 0,6%. Имеется возможность оценки получения рекомендуемых результатов для ОС без фактического изменения матрицы парных сравнений при значении, превышающем 10%, что соответствует требованиям к получению решений в МАИ.
