Дипломная (вкр): Компьютерная реализация информационно-моделирующей системы для процессов химической очистки теплоэнергетического оборудования

Компьютерная реализация информационно-моделирующей системы для процессов химической очистки теплоэнергетического оборудования

ВВЕДЕНИЕ

Актуальность темы: обработка статистических данных уже давно используется в самых разных видах человеческой деятельности. На данный момент трудно назвать ту сферу, в которой она бы не могла использоваться. Также обработка статистических данных может играть большую роль на производстве, где основополагающими являются технологические процессы, в дальнейшем рассматриваются процессы химической очистки. Разносторонний и углубленный анализ такой информации, так называемых статистических данных, полагает использование различных специальных методов, алгоритмов, важное место среди которых занимают корреляционно-регрессионный и дисперсионный анализы обработки статистических данных. Помимо анализов статистической обработки для процессов химической очистки теплоэнергетического оборудования будет актуально и моделирование, необходимыми входными данными для которого не будут являться собранные экспериментальные данные, что также будет разрабатываться в выпускной квалификационной работе. В настоящий момент в сфере программного обеспечения представлено большое количество разнообразных программ и пакетов, позволяющих обрабатывать статистические данные, но большинство из них являются универсальными в своем роде, требовательны к ресурсам персонального компьютера, дорого стоят. Многие не направлены на простых пользователей, не способных оперировать методами и анализами, которые им необходимы для решения конкретных задач.

Цель данной работы: целью выпускной квалификационной работы является разработка информационно-моделирующей системы для процессов химической очистки теплоэнергетического оборудования.

Задачи работы: разработка информационно-моделирующей системы, которая проводит математическое моделирование корреляционно-регрессионным анализом (регрессия от одного параметра, множественная регрессия), дисперсионным анализом (однофакторный, двухфакторный, латинский квадрат, греко-латинский квадрат, гипер-греко-латинский квадрат, латинский куб), моделирование на основе теории конечных автоматов.

Научная новизна работы:

) обобщены алгоритмы построения математических моделей корреляционно-регрессионного анализа для процессов химической очистки теплоэнергетического оборудования;

) обобщены алгоритмы построения математических моделей дисперсионного анализа для процессов химической очистки теплоэнергетического оборудования;

) разработан алгоритм на основе теории конечных автоматов для процессов химической очистки теплоэнергетического оборудования.

Практическая значимость работы: корреляционно-регрессионный анализ дает возможность прогнозирования результатов процессов химической очистки на основе собранных статистических данных. Дисперсионный анализ проводит качественную оценку факторов, участвующих в процессах химической очистки. Анализ на основе теории конечных автоматов проводит количественную оценку показателей, необходимых для процессов химической очистки.

Апробация работы. Результаты выпускной квалификационной работы обсуждались на Межрегиональной научной конференции IX ежегодной научной сессии аспирантов и молодых ученых в 2015 году в г. Вологда.

Публикации. Результаты изложены в двух работах.

Выпускная квалификационная работа содержит четыре разделов.

В первом разделе описывается обзор и анализ систем интеллектуальной обработки данных. Раздел содержит описание систем поддержки принятия решений, экспертных систем, систем на основе теории конечных автоматов, также рассмотрены примеры моделирования конечных автоматов.

Во втором разделе описываются основные аспекты процессов химической очистки теплоэнергетического оборудования предметная область автоматизации, дается постановка задачи автоматизации, выявляется структура, назначение системы, описываются модули. Рассматриваются математическое моделирование технологических процессов на основе корреляционно-регрессионного и дисперсионного анализов, и на основе теории конечных автоматов.

В третьем разделе представлены модель IDEF0, диаграммы IDEF3, указана разработка информационно-моделирующей системы, описывая это основными этапами и алгоритмами, представлена информационная модель данных.

В четвертом разделе указываются требования к системе в целом, требования к функциональным возможностям. Представлено описание компьютерной реализации и приведены примеры анализа и оценки технологических процессов. Описаны структурное тестирование и функциональное тестирование. Оценивается надежность на основе модели Нельсона.

данные алгоритм интеллектуальный теплоэнергетический

1. ОБЗОР И АНАЛИЗ СИСТЕМ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ

1.1 Системы поддержки принятия решений

В книге Черноруцкого И.Г. «Методы принятия решений» [1] описываются системы поддержки принятия решений. Такие системы, созданные с помощью компьютерных технологий, являются в большинстве случаев интерактивные системы, которые разработаны для оказания помощи менеджеру либо руководителю в принятии определенных решений. Такие системы приравниваются к автоматизированным информационным системам, работающие с пользователями по принципу диалога с ними.

Системы поддержки принятия решений можно разделить на два вида:

) информационные системы управления предприятиями;

) системы анализа и исследования данных, которые предусмотрены для руководителей, за плечами которых есть знания в рассматриваемой предметной области обследования.

В книге Баллод Б.А. «Методы и алгоритмы принятия решений в экономике» представлена основная структура систем поддержки принятия решений, и приведены примеры [2]. Информационно-управляющие системы, относящиеся ко второму виду систем поддержки принятия решений, могут занять неотъемлемую часть в организации решения в управлении предприятием. Один из возможных видов таких систем представлен на рисунке 1.1. Согласно модели, представленной на рисунке 1.1, данную информационно-управляющую систему можно разделить на следующие взаимосвязанные между собой части: аналитическая подсистема, подготавливающая отчеты управленческим органам предприятия; система поддержки принятия решений; информационная система; база данных, включающая в себя архив и необходимые показатели для работы СППР.

Рисунок 1.1 - Информационно-управляющая система на основе СППР

Работа системы поддержки принятия решений для информационно-управляющей системы представлена на рисунке 1.2.

Рисунок 1.2 - Работа СППР

На рисунке 1.2 указано, что в систему поддержки принятия решений входят такие основные блоки функционирования, как проведение анализа и постановки проблем, проведение и выбор возможных вариантов решений проблем, организация решений проблем, проведение контроля решений проблем.

В книге Дорогова В.Г. «Введение в методы и алгоритмы принятия решений» [3] представлена классификация систем поддержки принятия решений представлена на рисунке 1.3.

Рисунок 1.3 - Классификация СППР

Согласно классификации системы поддержки принятия решений можно разделить по уровню интеграции (в порядке возрастания):

) индивидуальные СППР;

) групповые СППР;

) организационные СППР;

) межорганизационные СППР.

Также в системе поддержки принятия решений можно выделить определенные уровни, критерием которых будет являться тип принимаемых решений системой:

) оперативный уровень СППР;

) тактический уровень СППР;

) стратегический уровень СППР.

Оперативный уровень необходим для принятия решений проблем, которые повторяются многократно, интервал между ними не велик, может измеряться в днях, неделях. Так как необходимо часто решать возникающие задачи в организационных вопросах предприятиях, на этом уровне большое количество выполняемых операций, а также прослеживается динамика в принятии решений предприятия по созданию большой выборки проблем за короткий промежуток времени.

Тактический уровень необходим для решения поставленных проблем и задач, которые требуют первоначального анализа данных, разработанных на первом оперативном уровне по ходу его выполнения. Решения проблем тактического уровня разрабатываются уже на большем интервале времени, нежели для оперативного уровня, здесь промежутки между решениями могут исчисляться кварталами, полугодиями и годами. Поэтому количество решаемых задач сокращается на этом уровне, но сложность поиска управленческий решений повышается, следовательно, оценивать относительно оперативного уровня количество выполняемых операций не стоит, они могут как розниться, так и быть примерно одинаковыми.

1.2 Экспертные системы

В книге Элти Дж. «Экспертные системы: концепции и примеры» [4] дается определение и основные положения по экспертным системам. Экспертные системы являются такими системами, которые используют знания экспертов для того, чтобы обеспечить необходимое эффективное решение поставленных проблем, не имеющей конкретной формализации, преобладающие в основном в узкой предметной области.

В книге Попова Э.В. «Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ» [5] описываются свойства экспертных систем. В качестве основы всех экспертных систем выступает база знаний, которая имеет свойство накопления как в процессе построения данной системы, так и уже при ее внедрении и использовании. Это является основным свойством всех экспертных систем, ее разбиение и представлено на рисунке 1.4.

Рисунок 1.4 - Накопление и организация знаний в экспертной системе

Основное свойство экспертных систем делится на следующие свойства:

) использование опытов высокого качества;

) есть возможности составления прогноза;

) институциональная память;

) наличие возможности обучаться и тренироваться.

Использование опытов высокого качества говорит о том, что для решения определенных проблем используются соответствующие высококвалифицированные эксперты в данной предметной области, что делает решение проблемы более точным и, как правило, эффективным.

Экспертные системы могут выдавать ответы не только для определенной проблемы, но и предугадывать другие результаты при отличных условиях проблем. Что дает возможность разъяснить, к каким последствиям привела бы новая поставленная проблема.

Институциональная память является архивом мнений экспертов, которые постоянно обновляются, дополняются для более точного выбора стратегии решения проблем в дальнейшем.

Наличие возможности обучаться и тренироваться подает пользователям накапливаемый со временем опыт выбора решений, по которому есть возможность обследовать необходимый метод поиска решений поставленной проблемы.

В книге Поспелова Д.А. «Моделирование рассуждений. Опыт анализа мыслительных актов» [6] представлены участники в экспертных системах. В разработке и дальнейшем использовании экспертных систем принимают участие:

) непосредственно сама экспертная система;

) эксперты;

) инженер знаний;

) средство построения экспертной системы;

) конечный пользователь.

Схема взаимосвязи участников разработки и использования экспертных систем представлена на рисунке 1.5.

Рисунок 1.5 - Схема взаимосвязи участников разработки и использования экспертных систем

Ранее уже говорилось об эксперте, участвующем в создании экспертной системы, но не давалось определение. Экспертом является специалист в исследуемой предметной области, у которого есть определенная репутация среди других, умеет находить нужные решения в разных ситуациях. Экспертная система строит модели на основе всех вариантов ответа каждого эксперта.

Инженером знаний является человек, который имеет навыки в разработке экспертных систем. Он проводит опрос среди экспертов, организуя и структурируя полученные знания, инженер определяет, как именно они должны быть занесены в экспертную систему.

Средством построения экспертных систем является выбранное программное средство, которое будут использовать для разработки экспертной системы. Это средство будет отличаться от стандартных языков программирования, так как необходимым условием для него является удобство представления сложных высокоуровневых знаний.

Конечным пользователем является человек, которому необходима экспертная система на этапе ее использования. В качестве пользователей могут также быть и программисты, разрабатывающие экспертную систему, инженер знаний, эксперты.

В книге Литвака Б.Г. «Экспертные оценки и принятие решений» [7] говорится про коэффициент доверия. Одной из особенностей экспертных систем является коэффициент доверия, что является количественной оценкой, означающее уверенность, показывающее на сколько определенное знание можно считать и принять правильным для данной ситуации.

В книге Нейлора К. «Как построить свою экспертную систему» [8] описываются виды экспертных систем: статические и динамические. Структура статической экспертной системы представлена на рисунке 1.6.

Рисунок 1.6 - Структура статической экспертной системы

В статической экспертной системе все знания о предметной области поделены на типы: общие знания о том, как решать задачи (связаны с механизмом ввода, который содержит интерпретатор, он определяет применимость определенного правила для показа новых данных, и диспетчер, который устанавливает последовательность применения этих правил) и выделенные знания (связаны с базой знаний, которая содержит факты и правила).

Структура динамической экспертной системы представлена на рисунке 1.7.

Рисунок 1.7 - Структура динамической экспертной системы

В отличие от статической экспертной системы в динамическую входят дополнительно две подсистемы:

) подсистема, которая моделирует внешний мир;

) подсистема, имеющая взаимосвязь с внешним миром.

В книге Братко И. «Программирование на языке Пролог для искусственного интеллекта» [9] указана схема разработки экспертных систем, представленная рисунке 1.8.

Рисунок 1.8 - Схема разработки экспертных систем

1.3 Системы на основе теории конечных автоматов

В книге А. Гилла «Введение в теорию конечных автоматов» [10] приводятся некоторые примеры применения теории конечных автоматов, а именно то, что она имеет дело с математическими моделями, предназначенными для приближенного отображения физических или абстрактных явлений. А. Гилл в своей книге представляет основную модель конечного автомата, по которому можно представить, по его представлению, все остальные, более детальные модели конечного автомата. Его представление основной модели показано на рисунке 1.9.