ДонНТУ   Портал магістрів

Гуляєв Владислав Олександрович

Факультет комп'ютерних наук і технологій

Кафедра штучного інтелекту і системного аналізу

Спеціальність Системний аналіз і управління

Розробка гібридної інтелектуальної системи управління металургійного заводу в умовах невизначеності

Науковий керівник: к.т.н., доц. Орлов Юрій Костянтинович

Резюме Біографія Реферат

Зміст

• Введення
• 1. Актуальність теми
• 2. Мета і завдання дослідження, плановані результати
• 3. Огляд досліджень і розробок
• 3.1 Огляд міжнародних джерел
• 3.2 Огляд національних джерел
• 4. Методика побудови адаптивної інтелектуальної гібридної системи управління
• 5. Формування стека технологій розробки
• Висновки
• Список джерел

Введення

У поточних умовах сучасного науково–технічного прогресу будь-яке підприємство будь–якої галузі не може обходитися без допомоги наукових методів управління, автоматики та обчислювальної техніки для конструювання автоматичних і автоматизованих систем, що дозволяють ефективно управляти різними об'єктами і процесами. Безліч існуючих об'єктів управління в реальних ситуаціях виявляють різні властивості і погано описуються або взагалі не описуються цілком в термінах класичних диференціальних систем. Такі системи, в яких цілком можна знехтувати їх стохастичністю проявляють комбіноване безперервно–дискретний поведінку, причому нехтування дискретною складової не дає адекватних моделей. Для такого класу систем в середині шістдесятих років почав розвиватися новий підхід, названий гібридними системами, який є тематикою даної роботи.

Класичні методи аналізу і синтезу систем управління засновані на припущенні, що математична модель об'єкта є відомою і абсолютно точно описує його поведінку. Однак для сучасних підходів до постановки та вирішення завдань управління характерний більш критичний погляд на точність математичних моделей, які є у розпорядженні розробника. При цьому говорять про невизначеність математичної моделі об'єкта.

Металургійний завод є досить складним і багатогранним підприємством. Існує сильна омана, що металургійні заводи займаються тільки виплавкою металів, що не є істиною. Також, різні металургійні заводи можуть мати досить різну структуру підприємства, виробничий цикл, спосіб виплавки сталі і багато іншого. Однак не завжди процеси, що протікають в такому великому підприємстві, можна описати деякою функціональною залежністю, часто доводиться мати справу зі стохастичними моделями і нечітким керуванням, особливо в сфері управління деякими організаційними або технологічними процесами. Крім перерахованого вище, в умовах невизначеності зростає важливість дослідження можливих ризиків, які також впливають на прийняття рішень.

1. Актуальність теми

Актуальність даної роботи полягає в тому, що металургійний завод є досить важливою частиною в житті будь–якого міста, оскільки забезпечує значну кількість робочих місць і великі надходження до бюджету. Позитивна динаміка фінансових показників підприємств даного типу може служити серйозною основою для економічного зростання і підвищення добробуту населення країни. Ефективна робота великих підприємств, таких як то, на якому базується дослідження, досягається за рахунок комплексу різних підходів.

Розробка масштабованих систем, оснащених функціоналом, здатним вирішувати завдання в умовах невизначеності, є одним з перспективних напрямків для роботи в кризових умовах, які останнім часом відбуваються все частіше.

2. Мета і завдання дослідження, плановані результати

Метою роботи є розробка такої масштабуємої системи управління процесами підприємства даної галузі, яка була застосована в незалежності від поточного стан організації і могла б реагувати на ті ситуації, які можуть виникнути в процесі її економічної, виробничої та інших діяльностей.

Основні завдання системи, що розробляється:

1. Створення масштабуємої системи з базовим графічним інтерфейсом, що реалізує основний функціонал при підключенні і програмуванні окремих модулів.
2. Для технологічної частини виробництва: можливість створення прошарку між верхнім і середнім рівнями АСУТП, SCADA–системами і PLC, яка могла б якісно поліпшити керівництво технологічними процесами за допомогою реалізованих методів.
3. Для управлінської частини виробництва: створення можливості впровадження автоматизації бізнес–процесів за допомогою модулів.
4. Реалізація модулів для вирішення завдань пов'язаних з нечіткою логікою, теорією ігор, теорією автоматичного управління та інших.
5. Створення на основі отриманих модулів функціонуючої системи на базі підприємства галузі.

Об'єкт розробки : система управління процесами в умовах невизначеності

В рамках магістерської роботи планується отримання актуальних наукових результатів за наступними напрямками:

1. Застосування теорії ігор і нечіткої логіки для керування технологічними процесами.
2. Оцінка практичної та економічної ефективності запропонованого підходу в порівнянні з тим, який існує на даний момент.
3. Оцінка практичності застосування нейронних мереж, навчених управлінню автоматизованими вузлами технологічних процесів, в порівнянні з людьми.

3. Огляд досліджень і розробок

Проблематика підвищення ефективності управління за рахунок нечіткої логіки є, на даний момент, одним з розвитку напрямів теорії автоматичного упавління. У той же час можливість розширення реалізованого для цих цілей функціоналу на інші сфери економічної діяльності підприємства вивчено досить слабо.

3.1 Огляд міжнародних джерел

Застосування нечіткого управління в промисловості досить часто згадується в різних роботах [1]. Найбільш часто ця тема піднімається в контексті налаштування ПІД–регуляторів [2–3], оскільки є одним з ефективних методів його налаштування. У той же час проблема оцінки економічного стану підприємства, як одного з найголовніших джерел інформації для управління його станом, широко досліджена и представлена у вигляді різніх стандартів. В бакалаврській роботі при розробці моделі системи управління для загальної оцінки підприємства був обраний стандарт для оцінки ризиків FERMA [4], в свою чергу для оцінки підприємства та його порівняння з іншими підприємствами металургійної галузі була обрана методика рейтингового агентства Moody`s [5].

Що стосовно безпосередньо гібридних інтелектуальних систем одними з найбільш значущих робіт є [6 – 8]. Також, важливим дослідженням щодо застосування гібридних інтелектуальних систем є [9]

3.2 Огляд національних джерел

Теоретичною базою для дослідження управління в умовах невизначеності в даній роботі є роботи Блягоза і Блюміна [10–11], які дають досить змістовну інформацію щодо застосування різних методів для управління в умовах невизначеності (що застосовуються в даній роботі теорії ігор та нечіткому управлінні). Для розробки архітектурного дизайну гібридної інтелектуальної системи і формування допустимо реалізованого функціоналу ключову роль зіграв працю Колесникова [12]

4. Методика побудови адаптивної інтелектуальної гібридної системи управління

Центральним питанням при розробці різних адаптивних інтелектуальних систем є проектування бази знань про предметну область. У системах, заснованих на знаннях, використовується інформація з баз даних і баз знань. Такі системи широко застосовуються для вирішення різних завдань управління, в яких немає апріорного необхідного опису стану та структури системи. При цьому методика побудови адаптивної інтелектуальної гібридної системи управління, що розглядається в [12] передбачає наявність наступних етапів:

1. аналіз проблемної ситуації;
2. формування предметної області;
3. розробка методів взаємодії класичної і нечіткої логіки;
4. структуризація предметної області та побудова моделі на основі класичної і нечіткої логіки;
5. формування бази знань з базою правил в якості керуючої компоненти;
6. побудова і опис моделі у вигляді окремих понять;
7. виконання обчислювальних експериментів;
8. моделювання окремих підсистем гібридної системи;
9. тестування (аналіз адекватності моделі) гібридної системи;
10. оцінка якості обчислювальних експериментів;
11. корекція або доробка отриманої моделі.

Розробка гібридного методу дослідження адаптивної інтелектуальної системи управління. Відомо, що основу гібридизації становлять три закони: «закон взаємної адаптації», «закон дискретних рядів структур» і «закон трансформацій».

Закон взаємної адаптації. Динаміка і синтез розвитку будь–якої системи (гібрида) є процес взаємної адаптації компонентів системи між собою і системи із зовнішнім середовищем, тобто іншими автономними методами і методами — гібридами.

Закон дискретних рядів структур. Будь–гібрид може бути реалізований за допомогою однієї з його можливих структур з дискретного ряду. Закон стверджує, що існує деякий метод отримання однієї структури, що входить в дискретний ряд з іншої структури цього ряду. Також, в такому ряду повинні існувати цільові структури, що дозволить визначити проблему якості складної системи, тобто зробити гібридизацію цілеспрямованої.

Закон трансформації. Трансформація однієї структури гібрида в іншу може відбуватися тільки через загальні для обох структур знання, тобто через стан системи. Закон трансформації описує утворення нових станів системи, які відображаються перетином їх характеристичних кривих, їх інтерференцію між собою. Відповідно до закону трансформації нова структура не може бути породжена як така і виникає тільки на базі попередньої структури. При цьому зберігається досягнута при старій структурі взаємна адаптація частини компонентів, достатня для побудови нової структури.

Перший рівень представлений традиційним формально–логічним мисленням. Даний рівень заснований на класичних методах і процесах управління, які описані за допомогою програмного мови. На другому рівні використовується нечітке моделювання, що дозволяє в сукупності з отриманими результатами першого рівня досліджувати різні аспекти невизначеності. Дворівневе позиціонування дозволяє розглядати загальну структуру системи обробки даних з різних точок зору, при цьому взаємодія елементів (компонентів) структури носить не тільки механічний або електричний характер, а й інформаційний, що є важливим атрибутом сучасних організаційно–технічних систем. Відповідно до представленої системою обробки даних адаптивна гібридна система управління реалізована на основі сукупності алгоритмів і методів традиційного формально логічного мислення і нечіткої логіки.

Послідовність дій при вирішенні задачі управління показана на малюнку нижче

Пропонований алгоритм вирішення задачі управління дає можливість вирішувати одну задачу кількома автономними методами, причому математична або програмна реалізація даного алгоритму може бути виконана одним з методів на певній ітерації. В даному випадку гібридизація заснована на двох методах і послідовність виглядає як: метод 1 -> метод 2.

Структура алгоритму складається з декількох етапів. Ідентифікуємо змінні:

1. виконання методу 1 (класична логіка) відповідає умові I = 1;
2. не виконання методу 1 відповідає умові I = 0;
3. позитивна оцінка відповідає умові L = 1;
4. негативна оцінка відповідає умові L = 0.

Зміст основних етапів гібридного моделювання має таку структуру.

1. Реалізується постановка задачі, тобто точне формулювання умов з описом вхідних і вихідних даних, використовуваних для її вирішення.
2. Збір інформації. Прийняті сигнали від зовнішнього середовища є вхідними впливами для блоку попередньої обробки вихідних даних.
3. Передобробка вихідних даних, тобто створення класифікованої системи для всіх методів, використовуваних в гібридній системі з метою підготовки інформації для блоку прийняття рішень.
4. Формування бази знань.
5. Ухвалення рішення, відповідно до якого здійснюється вибір методу розв'язання задачі управління. Що стосується аналізованої завданню гібрідізатора необхідно розташовувати достатніми знаннями про те, чи достатньо знань отримано після виконання першого методу, щоб продовжити виконання процесу рішення задачі управління, тому якщо виконується умова I = 1, то відбувається перехід до кроку 7, інакше — перехід до кроку 6.
6. Реалізація класичного методу гібридної системи.
7. Реалізація нечіткого методу гібридної системи.
8. Оцінка ефективності прийнятого рішення. Якщо виконується умова L = 1, то відбувається перехід до кроку 10, інакше — перехід до кроку 9.
9. Коригування результатів для продовження рішення.
10. Завершення роботи алгоритму, висновок рішення.

При реалізації одного з методів гібридизації в управлінні гібрид створюється в процесі виконання завдання управління. Процесом створення гібрида є формування певної послідовності взаємозалежних відносин Ri. Необхідною умовою функціонування гібрида є розстановка пріоритетів між автономними методами, використовуваними гібридом.

Формування стеків технологій розробки

Під стеком технологій прийнято називати перелік технологій, мов програмування, бібліотек, розширень і т.д., які використовуються для вирішення того чи іншого завдання.

Одним з найбільш швидко розвиваються мов програмування є python. Дана мова має слабкі IDE для розробки інтерфейсів, а ті що мають достатній функціонал для реалізації проекту такого рівня — працюють з python через сполучні компоненти. Так, для роботи з графічним інтерфейсом в Visual Studio використовується розширення Ironpython, яке на даний момент працює тільки з python версії 2, що накладає обмеження на процес розробки. Для розробки інтерфейсу зручно використовувати технологію WpF, оскільки в ній присутній елемент Canvas, який можна ефективно використовувати для побудови мнемосхем технологічних процесів, на відміну від Windows Forms. Альтернативою цій IDE може служити тільки Qt Creator, що працює через розширення pyQt, проте воно вимагає подальшого вивчення середовища Qt, тому перевага була віддана Visual Studio.

Оскільки середовищем розробки була обрана Visual Studio, то слід розглянути можливість створення мультимовного проекту. В даному випадку це має сенс, оскільки тільки C# має досить докладним керівництвом по створенню баз знань, дозволяє безпосередньо працювати з системою NuGet, що може знадобиться для ефективного процесу розробки і т.д., то можна використовувати зв'язку цих мов. З огляду на той факт, що Visual Studio більш пристосована для роботи з мовою C#, то найбільший пріоритет слід віднести саме C#; в той же час python буде виступати в ролі допоміжного для роботи з машинним навчанням.

Вибір пріоритетних мовою розробки C# дозволяє однозначно задати той факт, що операційною системою, в якій буде працювати розробляється ГІС, буде Windows, причому в редакції x86, що дозволить домогтися сумісності з більш старими комп'ютерами, які найчастіше зустрічаються на підприємствах.

Як бібліотеки для роботи з нейросетями і машинним навчанням був обраний TensorFlow, оскільки він є незаперечним лідером за популярністю серед кроссплатформенних бібліотек, що володіє також досить докладною документацією і має підтримку спільноти. При безпосередньому проектуванні системи слід також розглянути можливість повного виключення ЯП python і використання менш популярного і менш документованого неофіційного відгалуження TensorFlow — TensorFlowSharp.

Для з'єднання з контролером Allen–Bradley перевага була віддана бібліотеці libplcTag як найбільш часто зустрічається; для з'єднання з ПЛК Siemens S7 – 300 можна використовувати як бібліотеку S7.NET, так і невеликі бібліотеки з відкритим вихідним кодом, які можна знайти на GitHub.

Таким чином стек технологій буде виглядати наступним чином:

1. операційна система розробки та роботи ГІС: Windows x86
2. мови програмування: C# і python (опціонально, 2 версія);
3. середовище розробки: Visual Studio (переважно актуальна версія);
4. СУБД: Microsoft SQL Server (переважно актуальна версія);
5. спільні бібліотеки і розширення: TensorFlow (TensorFlowSharp при відмові від python), libTagplc, S7.NET, Ironpython.
6. інші використовувані технології: WPF.

Висновки

На даний момент були отримані наступні результати дослідження:

1. розроблена модель управління в умовах невизначеності (результат бакалаврської роботи);
2. сформований перелік реалізованого функціоналу системи;
3. описана загальноприйнята методика побудови гібридних інтелектуальних систем в контексті розроблюваної системи;
4. сформований стек технологій, який буде використаний для створення системи, а також базові системні вимоги до технічного забезпечення.

При написанні даного реферату магістерська робота ще не завершена. Остаточне завершення: червень 2019 року. Повний текст роботи та матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.