авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 |
-- [ Страница 1 ] --

ISSN 2306-1561

№3(5)

Автоматизация и управление в

технических системах

Научно-методический сборник трудов

кафедры «Автоматизированные системы

управления» Московского автомобильно-

дорожного государственного технического

университета (МАДИ)

Сборник содержит научно-методические труды студентов,

аспирантов, молодых ученых, а также сотрудников ВУЗов, учебных

заведений, представителей предприятий, работающих в области автоматизации и управления на основе информационно коммуникационных технологий в промышленности, строительстве, транспорте, экономике образовании и других областях.

Красноярск 2013 ~1~ ФГБОУ ВПО МОСКОВСКИЙ АВТОМОБИЛЬНО ДОРОЖНЫЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ (МАДИ) КАФЕДРА «АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ»

АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ Научно-методический сборник трудов №3(5) Красноярск - ~2~ УДК 004.9:007.5:656.05:681. ББК 32. А Автоматизация и управление в технических системах: научно-методический сборник трудов кафедры «Автоматизированные системы управления» Московского автомобильно-дорожного государственного технического университета (МАДИ). – Красноярск: Научно-инновационный центр, 2013. - №3(5). - 94 с.: ил.

Сборник содержит научно-методические труды студентов, аспирантов, молодых ученых, а также сотрудников ВУЗов, учебных заведений, представителей предприятий, работающих в области автоматизации и управления на основе информационно-коммуникационных технологий в промышленности, строительстве, транспорте, экономике образовании и других областях.

Главный редактор Николаев Андрей Борисович – Заслуженный деятель науки РФ, Лауреат премии правительства РФ, доктор технических наук, профессор, декан факультета «Управление», заведующий кафедрой «Автоматизированные системы управления», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), nikolaev.madi@mail.ru Заместитель главного редактора Остроух Андрей Владимирович – академик РАЕ, доктор технических наук, профессор кафедры «Автоматизированные системы управления», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), ostroukh@mail.ru Члены редколлегии Исмоилов Мухамаджон Идибоевич – кандидат технических наук, доцент кафедры «Автоматизированные системы управления», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), ismoilov_mi@mail.

ru Колбасин Александр Маркович – кандидат технических наук, доцент кафедры «Автоматизация производственных процессов», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), alex123456789.a@yandex.ru Варламов Олег Олегович – доктор технических наук, профессор кафедры "Прикладная математика", ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), ovar@narod.ru Ахтеров Александр Вячеславович - старший преподаватель кафедры «Социология и управление», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет(МАДИ), a.ahterov@sociomadi.ru Ивахненко Андрей Михайлович – доктор технических наук, заведующий кафедрой «Менеджмент», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет (МАДИ), jointlab@mail.ru Ефименко Дмитрий Борисович – доктор технических наук, доцент кафедры «Транспортная телематика», ФГБОУ ВПО Московский автомобильно-дорожный государственный технический университет(МАДИ), ed2002@mail.ru Строганов Виктор Юрьевич – Лауреат премии Правительства РФ, доктор технических наук, профессор кафедры «Системы обработки информации и управления», ФГБОУ ВПО Московский государственный технический университет им. Н.Э. Баумана - Национальный исследовательский университет (МГТУ им. Н.Э. Баумана), str.madi@mail.ru Краснянский Михаил Николаевич – член – корреспондент РАЕ, доктор технических наук, проректор по научно инновационной работе, профессор кафедры «Автоматизированное проектирование технологического оборудования», ФГБОУ ВПО Тамбовский государственный технический университет (ТГТУ), kras@tambov.ru Проверено Статьи публикуются в авторской редакции © Кафедра АСУ МАДИ, ISBN 978-5-7962-0138- ~3~ РАЗДЕЛ I. АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИ УДК 681. МЕТОДЫ УЛУЧШЕНИЯ КАЧЕСТВЕННЫХ ХАРАКТЕРИСТИК СИСТЕМЫ ЭКСТРЕМАЛЬНОГО РЕГУЛИРОВАНИЯ Марсов В.И., Колбасин А.М., Сарычев И.Ю., Курилин А.В.

Реализация систем экстремального регулирования (СЭР) зачастую вызывает существенные трудности, которые определяются следующими причинами:

наличием монотонных возмущений, вызывающих дрейф статической характеристики объекта;

инерционностью, которая присуща всем реальным техническим объектам;

наличием случайных помех в сигнале, содержащем информацию о значении критерия оптимизации.

Возможна потеря работоспособности экстремальных регуляторов, реализующих любой из описанных алгоритмов поиска, при интенсивных монотонных возмущениях.

Вместе с тем основное назначение СЭР как раз и состоит в том, чтобы отыскивать и поддерживать оптимальный режим объекта при воздействии возмущений. Отсюда следует, что СЭР в первую очередь должна функционировать устойчиво при интенсивных низкочастотных возмущениях, вызывающих дрейф статической характеристики объекта.

Отрицательное влияние инерционности объекта в первую очередь проявляется в задержке реакции объекта на поисковое воздействие оптимизатора. Применение описанного выше алгоритма работы СЭР приводит к чрезвычайной затяжке процесса поиска, который при отклонении входного воздействия от оптимального на 15 - 20% составляет 20 - 30 постоянных времени объекта. Вместе с тем попытки увеличения быстродействия таких СЭР прямыми методами — увеличением скорости реверса исполнительного механизма у непрерывных систем вызывает недопустимое увеличение потерь на поиск, что делает систему непригодной для применения.

Помимо чрезмерной затяжки поиска оптимального режима, инерционность объекта может совершенно видоизменить характер траектории поиска, вплоть до потери работоспособности системы. Проблема выделения полезного сигнала в присутствии помех является одной из общих задач управления, а задача улучшения качества СЭР состоит в построении устойчивых к низко- и высокочастотным возмущениям быстродействующих систем, обеспечивающих минимальные потери на поиск.

~4~ Большую опасность для СЭР представляют монотонные возмущения, приводящие к дрейфу статической характеристики объекта. Следствием таких возмущений может быть уход системы к одному из крайних положений исполнительного механизма.

Более совершенной будет работа системы при введении в схему регулятора специального устройства-коммутатора, который включается самим сигнум-реле, а время включения Тк отсчитывается от момента реверса исполнительного механизма, вызванного действием сигнум-реле. Если время между срабатываниями сигнум-реле будет меньше Тк, то коммутатор работать не будет. При Тк, несколько большем, чем период автоколебаний вокруг экстремума, коммутатор не будет срабатывать в режиме автоколебаний СЭР. Желательно выбрать период коммутатора таким, чтобы за время поиска экстремума (при возмущениях, возможных при нормальной работе объекта) коммутатор сработал несколько раз.

При поиске максимума дрейф статической характеристики объекта вверх для СЭР менее опасен, чем дрейф вниз, так как при дрейфе вверх любое направление изменения входа приводит к уменьшению выхода и регулятор переходит в режим непрерывных реверсов, не достигая крайних положений. Совершенно иначе будет при дрейфе статической характеристики объекта вниз: в этом случае и увеличение, и уменьшение входа могут (при значительной скорости дрейфа статической характеристики объекта) привести к уменьшению выхода. Система будет двигаться до предельного значения сигнала интегрирующего звена в том направлении, в каком она двигалась в момент, когда начался дрейф статической характеристики объекта вниз. Представим этот случай более подробно на фазовой плоскости х - у безынерционного объекта.

Допустим, что СЭР в первый период поиска экстремума достигла значения входного сигнала x = x1, и выходного сигнала y = y1 (т. M1 на рисунке 1а), причем исполнительный механизм увеличивает входную координату объекта, а возмущение смещает его статическую характеристику вниз.

Рисунок 1 - Вертикальный дрейф статической характеристики объекта: а — потеря устойчивости;

б— стабилизация с помощью коммутатора ~5~ Через отрезок времени t она примет положение I, за время 2t — положение II и k1t ( k1 — скорость т. д. За время t исполнительный механизм изменит х на x = исполнительного механизма). Через отрезок времени t входной сигнал будет иметь значение x2 = x1 + k1t = x1 + x, а выходной сигнал объекта будет равен y2 (т. M на кривой I). Через время 2t система придет в точку M 3 на кривой II, через 3t -в точку M 4 на кривой III и т.д.

Если бы смещения статической характеристики не было, то при x = x произошел бы реверс исполнительного механизма. Но из-за дрейфа статической характеристики у продолжает уменьшаться и реверса в системе не произойдет. Сигнал х будет уменьшаться и достигнет крайнего значения x = xmax. Система оказалась неработоспособной в этих условиях.

Рассмотрим характер протекания поиска экстремума в СЭР с инерционным объектом при наличии коммутатора в экстремальном регуляторе с запоминанием экстремума. Объект оптимизации - инерционное звено первого порядка.

Предположим, что к моменту включения экстремального регулятора положение СЭР характеризовалось точкой M1 на статической характеристике y=f(x) (рисунок 2).

Рисунок 2 - Фазовые траектории СЭР с коммутатором Допустим, что после включения регулятор стал уменьшать вход х. При этом движение СЭР изображается траекторией M1M 2. В точке M 2, когда разность между z запомненным максимальным значением z1 и текущим значением станет меньше zн зоны нечувствительности сигнум-реле, произойдет реверс и входной сигнал х начнет возрастать. Эта часть траектории движения системы представляется участком M 2 M 3M 4. В точке M 4 коммутатор производит поверочный реверс системы и ~6~ последующее движение СЭР изображается траекторией M 4 M 5 M 6. Следовательно, длина участка траектории M 2 M 3 M 4, пропорциональна периоду коммутатора TК.

В точке M 6, когда разность между наибольшим достигнутым и запомненным z значениями выхода и текущим значением станет равна зоне (т. M 5 ) z н, сигнум-реле снова произведет реверс, после чего движение нечувствительности СЭР определяется траекторией M 6 M 7 M 8. В точке M 8 коммутатор опять произведет поверочный реверс и т. д.

Из рисунка 2 видно, что движение системы с коммутатором при поиске экстремума на инерционном объекте существенно отличается от движения такой же системы без коммутатора, так как у системы с коммутатором движение происходит вдоль одной ветви статической характеристики объекта.

Если значение периода коммутатора TК достаточно велико при данной зоне z н, то СЭР достигнет экстремума, вокруг которого нечувствительности сигнум-реле устанавливаются периодические колебания типа «восьмерки». Если же указанные zн соотношения между и TК при настройке регулятора не соблюдаются, то установившийся процесс может иметь вид замкнутой кривой вблизи экстремума либо, система совсем не достигнет экстремума. Итак, особенность работы СЭР с запоминанием экстремума на инерционном объекте при действии коммутатора (и при правильном выборе TК ) состоит в том, что движение системы происходит вдоль одной из ветвей статической характеристики объекта. Для объектов, где требуется ограничение вида x xОПТ (т.е. в процессе поиска значение входа х не должно превышать x ОПТ ), приближение системы к экстремуму вдоль одной ветви характеристики y=f(x) является необходимым. В таких системах коммутатор, кроме обеспечения устойчивости, придает процессу поиска требуемый характер.

Следует отметить, что при поиске экстремума СЭР с коммутатором при правильном выборе периода коммутатора уменьшаются колебания сигнала на входе х объекта. Наличие коммутатора несколько увеличивает время поиска экстремума, но обеспечивает устойчивость СЭР при воздействии интенсивных монотонных возмущений.

Список информационных источников Моросанов И.С. Методы экстремального регулирования // «Автоматика и [1] телемеханика» №11, - М., 1977 с. 4-7.

~7~ УДК 681. МОДЕЛЬ ТЕПЛОПЕРЕНОСА В ТЕХНОЛОГИЧЕСКИХ ОБЪЕКТАХ СТРОИТЕЛЬНОГО ПРОИЗВОДСТВА Марсов В.И., Колбасин А.М., Сарычев И.Ю., Курилин А.В.

Наиболее энергоемкими на асфальтобетонных заводах являются операции тепловой обработки минеральных составляющих асфальтобетонной смеси. в сушильном барабане Новые тенденции технического и технологического перевооружения строительной отрасли в изменившейся экономической ситуации, ужесточение технических условий и норм на выпуск готового продукта, необходимость резкого снижения затрат по всем переделам, заставляют искать резервы, обеспечивающие улучшение наиболее значимых показателей производства. Поэтому, задача поддержания оптимальной температуры при минимуме энергопотребления на нагрев минеральных составляющих асфальтобетонной смеси является актуальной и должна решаться на практике с помощью систем автоматического управления, опираясь на модельное представление объекта автоматизации.

Ставится задача практического, решения задачи теплопроводности для вращающейся печи нагрева материала, представляющей собой однородное цилиндрическое тело, при заданных и имеющих определенный вид начальных и граничных условиях методом разделения переменных Фурье.

В качестве модели взято цилиндрическое тело радиуса R, причем r ( 0 r R ) – расстояние любой его точки от оси цилиндра, t – время, T(r,t) – температура тела в произвольной его точке.

Используем известное уравнение теплопроводности T ( r,t ) 2T (r, t ) 1 T (r, t ) = a + r r, (1) t t где a – постоянный коэффициент теплопроводности однородного тела при начальных и граничных условиях T ( r,0) const = T0, ( 0 r R ), (2) T ( R,t ) const = TС, ( 0 t ), где Т0, ТС – начальное и конечное значения температуры Т.

Кроме того, должны выполняться некоторые естественные условия на оси цилиндрического тела (при r=0) T (0,t ) T ( 0,t ), 0, 0.

r Очевидно, что в случае (2) должно выполняться конечное условие:

T ( r, ) = lim T (r,t ) TC, 0 r R. (3) t Введем вместо r безразмерную величину ~8~ r =. (4) R Тогда T (r, t ) = T ( R, t ). Это выражение запишем просто как T (, t ), где Т будет лишь обозначением температуры тела, а не вида зависимости от тех или иных величин.

С учетом (4) T T d 1 T 1 T 1 1 T = = = 2,, r dr R r r R 2 T T 1 T 1 T d 1 2 T = = = =.

r 2 r r r R R dr R 2 В результате перехода от r к уравнение (1) примет вид T (, t ) a 2T (, t ) 1 T (, t ) = 2 +. (5) t R 2 t ~ Введем новое безразмерное время = ~. Тогда T (, t ) = T (, t ), где правая t часть сохраняет за символом Т лишь обозначение температуры.

~ Используя зависимость t = t, получим T T d 1 T = =. (6) t dt ~ t t Подстановка (6) в (5) дает T (, ) a ~ 2T (, ) 1 T (, ) t = 2 + (7) R 2 с безразмерным коэффициентом перед квадратными скобками.

Переходя от ненулевых к нулевым начальным условиям:

(2) a~ t ~ T (, ) = TC + T (, ) и принимая равным единице, запишем уравнение R теплопроводности (7) в окончательном виде ~ ~ ~ T (, ) 2T (, ) 1 T (, ) = + (8) с новыми трансформированными начальными, граничными и конечными условиями ~ ~ T (,0) const = T0 TC, ( 0 1 );

T (1, ) const = 0, ( 0 );

(9) ~ T (0, ) ~ ~ ~ 0, ( 0 );

T (1, ) = lim T (1, ) 0, 0 1).(10) T (0, ), ~ Уравнение (8) является линейным относительно искомой функции T. Поэтому сумма двух его решений и произведения любого решения на какое угодно число снова ~9~ будут решениями. Отсюда следует, что любая конечная комбинация решений опять будет решением. То же будет верным в пределе и для бесконечного сходящегося ряда решений уравнения (8).

В соответствии с идеей разделения переменных будем искать отличные от тождественных нулю отдельные решения уравнения (8) в форме ~ T (, ) = U ()V (). (11) Подставляя после отыскания частных производных выражение (11) в уравнение (8), получим U ()V () = U ()V () + U ()V (), или после деления всех членов на U ()V () U () + U () V () + const = 2, 0. (12) V () U () Для функции U() из (12) будем иметь уравнение U () + U () + 2U () = 0, = 0, 0 1. (13) Одним из нетривиальных решений (13) при 0 и, в частности, при 0 1 является функция Бесселя первого рода нулевого порядка, представимая степенным рядом ( x / 2) 2 K (1) K J0( x ) =. (14) ( K !) K = Таким образом, решение (13) имеет вид U ( ) = J 0 ( ).

В результате при каждом 0 нетривиальное решение вида (10) уравнения (8) будет ~ T (, ) = J 0 ()e, 0, 0 1, 0.

(15) Каждая функция семейства (15), зависящая от одного параметра 0, удовлетворяет по построению уравнению (8) и дополнительным условиям (9), (10). Эти же свойства будет, очевидно, иметь и любая конечная линейная комбинация функций вида (15) и, даже любой сходящийся ряд функций этого вида с соответствующим набором коэффициентов при условии, что множество значений параметров 0 будет хотя и бесконечным, но счетным (в частности – дискретным) 0 1 2... K.... (16) Таким образом, решение задачи (8) ищется в виде ~ 10 ~ 2 ~ T (, ) = 1 J 0 ( 1)e 1 + 2 J 0 ( 2 )e 2 +... + K J 0 ( K )e K +... = (17) ~ = K J 0 ( K )e K = K TK (, ), K =1 K = где 1, 2,…, K,…- некоторые числовые коэффициенты.

Рассмотрим граничные условия задачи (9). Условию (9) можно удовлетворить при любых K, K = 1,2,…, если потребовать, чтобы ~ TK (1, ) 0, K = 1,2,..., (18) то есть J 0 ( K )e K 0, K = 1,2,..., 0 сводится к то в силу e K J 0 ( K ) = 0, K = 1,2,...

Последнее означает, что в качестве совокупности значений (16) параметра 0, называемых собственными значениями задачи, следует выбрать в соответствии с (18) бесконечное, но счетное множество положительных нулей функции Бесселя J0(x) K = µ K, K = 1,2,... (19) Подставляя известные значения (19) в ряд (17), получаем решение уравнения (8) в виде ~ ~ T (, ) = K TK (, ) = K J 0 (µ K )e µ K = K =1 K = µ1 µ +... + K J 0 (µ K )e µ K +..., 2 = 1 J 0 (µ1)e + 2 J 0 (µ 2 )e (20) 0 1, 0.

В частности, в соответствии с (20) и (9) при = 0 должно быть ~ T (,0) T0 TC = K J 0 (µ K ), 0 1, (21) K = откуда и должны быть найдены коэффициенты K, K=1,2,… f ( x ) const, Воспользуемся задачей о разложении функции – константы отличной от нуля, в ряд Фурье по ортогональной системе функций {J 0 (µ K x )} J (µ x ) J (µ x ) J (µ x) f ( x) = 2 0 1 + 0 2 +... + 0 k +..., 0 x 1, µ1 J 1 (µ1 ) µ 2 J 1 (µ 2 ) µ k J 1 (µ k ) где J 1 (µ k ) - функция Бесселя первого рода первого порядка.

Отсюда очевидно, что:

2(T0 TC ) K =, K = 1,2,..., (22) µ K J 1 (µ K ) Исходя из (20), (22), получим решение задачи (8-10) в виде ~ 11 ~ ~ µ = (T0 TC ) K J 0 (µ K )e µ K = T (, ) = K J 0 (µ K )e K K =1 K = J 0 (µ K )e µ K, = 2(T0 TC ) (23) K =1 µ K J 1 (µ K ) 0 1, 0.

~ Отметим, что в отличие от T (, ), величина T (, ) является температурой ~ тела, отсчитываемой от уровня, задаваемого постоянной ТC. После нахождения T (, ) необходимо вернуться к T (, ).

Для рассмотренной задачи получено практическое решение. Несмотря на наличие некоторых общих черт, присущих методу Фурье, предложенный способ решения определился индивидуальными особенностями данной задачи, конкретным видом начальных и граничных условий. Возможности моделирования решения (23) на ПЭВМ, позволяют изменять параметры теплоносителя, обеспечивающего с помощью автоматизированной системы управления оптимальную температуру минеральных составляющих асфальтобетонной смеси в условиях изменяющейся температуры внешней среды.

Список информационных источников Янке Е., Эмде Ф., Лёш Ф. Специальные функции. Формулы, графики, таблицы. – [1] М.: Наука, 1997. - 344 с.

Кальгин А.А., Манушакян К.Г., Белобородов А.Ф. Системы автоматизации [2] асфальтосмсительных установок непрерывного действия // Сб. науч. тр.

«Электронные системы автоматического управления на транспорте и в строительстве» - М., МАДИ, 2001, с. 47-51.

УДК 681. ОПТИМАЛЬНОЕ УПРАВЛЕНИЕ ТЕПЛОВЫМ ПРОЦЕССОМ СУШИЛЬНОГО БАРАБАНА Илюхин А.В., Колбасин А.М., Сарычев И.Ю., Курилин А.В.

Расчетная схема сушильного барабана и структурная схема тепловых потоков представлена на рисунке 1.

~ 12 ~ Рисунок 1 -Модель сушильного барабана Здесь приняты следующие обозначения: Q1=cGt – тепловой поток, подводимый теплоносителем;

Q2=cGt1 – тепловой поток, уходящий с отработавшим теплоносителем;

Q3=FK(t1-tос);

M=cmt1 – запас тепла во внутренней среде сушилки;

c – удельная теплоемкость теплоносителя;

G расход теплоносителя;

t – температура теплоносителя;

t1 – температура внутренней среды сушилки;

F – площадь внутренней поверхности сушилки;

m – масса внутренней среды сушилки;

K – коэффициент теплопередачи от внутренней среды сушилки к окружающей среде;

tос – температура окружающей среды.

В соответствие со структурной схемой сушильного барабана тепловой баланс может быть представлен дифференциальным уравнением:

dM = Q1 Q2 Q d или dt = cGt cGt1 FKt1 + Fkос.

cm (1) d Если за начало отсчета принять постоянную температуру tос окружающей среды, то уравнение (1) при постоянстве температуры t теплоносителя примет вид:

= ax + (ex + f )u, dx d где x = t1-tос;

a = -FK/cm;

u = G;

e = -1/m;

f = t/m.

Если положить (ex+f)=b(x), то уравнение примет вид dx d = ax + b( x )u.

В данном случае критерий энергетической эффективности представляется функционалом:

T J = [ax + b( x )u ] d.

(2) Тогда задача оптимального управления может быть сформулирована следующим образом:

T min J = [ax + b( x )u ] d (3) при ограничениях: dx d = ax + b( x )u, x(0) = x0, x(T) = xT.

Вспомогательный функционал определяется выражением:

H = [ax + b( x )u ] / 2 + [ax + b( x )u ].

(4) ~ 13 ~ Решение задачи (4) проводится методом Понтрягина:

H = 0 = b( x )[ax + b( x )u + ];

(5) u H d = {[ax + b( x )u ] / x} [ax + b( x )u + a ] ;

= (6) u d H dx = ax + b( x )u.

= (7) d Уравнение (5) после алгебраических преобразований примет вид:

b( x )[ax + b( x )u + ] = 0. (8) Поскольку b(x) 0, уравнения (7) и (8) записываются следующим образом:

[ax + b(x )u + ] = 0 ;

(9) [ax + b( x )u ] dx = 0. (10) d Из уравнений (9) и (10) следует, что dx d =.

Уравнение (6) можно заменить выражением d = {[ax + b( x )u ] / x} 0.

(11) d Из уравнения (11) можно заключить, что d = 0. (12) d Тогда вектор сопряженных переменных имеет постоянные координаты и, следовательно, вектор dx = const. (13) d На основе соотношений (12) и (13), а также ограничений исходной задачи (3), можно определить аналитические выражения оптимальной траектории:

dx = [xT x0 ] T ;

(14) d x 0 ( ) = x0 + [xT x0 ] T ;

(15) и управления u 0 ( x ) = [xT x0 ] [Tb( x )] a x b( x ) ;

(16) u 0 ( ) = [( xT x0 )(1 a ) T ax0 ] [e( x0 + [xT x0 ] T ) + f ]. (17) [ ] Задача (17) должна решаться с учетом ограничений на управление u ( ) umax в два приема: сначала задача решается аналитически без учета ограничений на управление, а затем путем изменения длительности интервала управления или граничных условий добиться необходимой точности значения xT при u0 = umax и =T.

~ 14 ~ Известно, что соотношение (S=T/T0) инерционности объекта T0 и длительности интервала управления T влияет на закон оптимального управления и на оптимальную траекторию движения системы. Причем это влияние сильно меняется при соотношении S близком к единице.

Наиболее объективной оценкой, по мнению многих исследователей, следует считать соотношение (S0=Aп/Aз) полезной работы системы Aп к затратам энергии на выполнение этой работы Aз.

Применительно к тепловым процессам критерий «энергетической эффективности» весьма близок к оценке S0. Тогда задача оптимального управления может быть сформулирована как задача математического программирования в следующем виде:

J 0 = Aп A з max, при ограничениях физических:

dx ( ) d = ax( ) + bu ( ) ;

и технологических:

x(0) = 0;

x(T) = xT;

xT 0;

u() umax.

Однако задача не имеет аналитического решения при выбранном критерии оптимальности J0, поэтому необходимо сначала решить задачу оптимального управления по критерию «энергетической эффективности» J = Aп, обеспечивающего выход системы в состояние x() = = xT за время = T, а затем сравнить эффективность полученного решения с помощью критерия J 0 = Aп A з при изменении соотношения S = T/T0 от 0 до.

Если полезной работой системы Aп считать повышение ее потенциала с x0 до xT, то она может быть определена из выражения:

T T Aп = [dx( ) / d]d = [ax( ) + bu ( )]d.

0 В этом случае критерий «энергетической эффективности» можно представить в виде:

T J = A = [ax( ) + bu ( )] d.

п Для критерия энергетической эффективности задача оптимального управления как задача математического программирования имеет вид:

[ ] T max( J ) = a 2 x( ) + 2abx( )u ( ) + u ( ) d, 2 (18) при ограничениях физических:

dx ( ) d = ax( ) + bu ( ) и технологических:

x(0) = 0;

x(T) = xT;

xT 0;

u() umax.

~ 15 ~ Здесь, как и выше, относительно мощности управления u() следует заметить, что оно не должно превышать допустимое umax, но обеспечивать переход системы из 0 в xT точно в конце интервала управления T. Вначале поставленная задача решается без ограничений, а затем рассматривается вопрос достижимости цели управления, то есть u0 umax.

На практике величина umax должна быть предусмотрена при проектировании объекта управления.

Вспомогательный функционал в данном случае примет вид:

H = a 2 x( ) + 2abx( )u ( ) + b 2 u ( ) + 2( )ax( ) + 2( )bu ( ), 2 (19) где () – множитель Лагранжа.

Оптимальные управление u0 и траектория x0 находятся из системы уравнений:

H = 2abx( ) + 2b 2 u ( ) + 2b( ) = u d( ) H = 2a 2 x( ) + 2abu( ) + 2a( ) = ;

(20) x d dx( ) H = ax( ) + bu ( ) =.

d После алгебраических упрощений эта система может быть записана:

ax( ) + bu ( ) + ( ) = 0 ;

d( ) ax( ) + bu ( ) + ( ) = ;

(21) d dx( ) ax( ) + bu ( ) =.

d Сравнение уравнений (21) позволяет утверждать, что d ( ) d = 0, откуда следует, что () = const = -c. Тогда из уравнения (21) в явном виде выражается оптимальное управление:

u 0 ( ) = [a b]x( ) + c b, (22) и с учетом (21) определяется уравнение оптимальной траектории:

dx( ) d = c, (23) где c = [x(T ) x(0 )] / T = xT / T - постоянная скорость движения системы, которая обеспечивает ее переход из x(0) в x(T) за время T.

Из уравнения (23) можно сделать вывод о том, что оптимальное движение системы должно происходить с постоянной скоростью. В этом случае оптимальная траектория определяется зависимостью:

x 0 ( ) = c = xT T. (24) С учетом (22) и (24) оптимальное управление может быть выражено как функция времени:

~ 16 ~ u 0 ( ) = [a b T ]xT + xT [bT ] = xT [1 a] [bT ]. (25) Затраты энергии управления на перевод системы из x(0) в x(T) за время T составляют:

T Aз = {xT [1 a] [bT ]}d = xT [2 a] [2b]. (26) Полезна работа в этом случае остается неизменной Aп = xT.

Тогда соотношение S0 принимает вид:

S 0 = Aп A з = [2b] [2 aT ]. (27) Если уравнение объекта управления записать в канонической форме, то оно примет вид:

T0 dx ( ) d = x( ) + E 0 u ( ), где a = 1 T0 ;

b = K 0 T0.

Теперь выражение (27) может быть записано в форме, удобной для оценки влияния соотношения постоянной времени системы и длительности интервала управления на эффективность управления, синтезированного по различным критериям оптимальности:

[(2 + T T0 )T ].

S 0 = 2K 0 (28) Из выражения (28) видно, что с увеличением длительности интервала управления T при неизменном значении T0 (инерционности) числитель останется неизменным, а знаменатель возрастает линейно. Можно сделать вывод о том, что с ростом T S убывает.

Положив f = T T0, получим:

S 0 ( f ) = 2 (K 0 T0 ) (2 + f ) = 2 b (2 + f ). (29) Исследование функции S0(f) при изменении f от 0 до показывает, что эффективность управления по критерию (оптимального «энергетической эффективности») более заметна при соизмеримых длительностях интервала управления и постоянной времени системы.

Предложенный метод управления сушильным агрегатом и полученные результаты носят универсальный характер для энергоемких тепловых объектов, к которым относятся и к сушильным агрегатам асфальтобетонных заводов. Поэтому, настройку регулятора температуры сушильного агрегата, необходимо осуществлять по изложенной методике.

Список информационных источников Манушакян К.Г., Кашляк М.И., Зиоуд А. Оценка эффективности оптимального [1] управления тепловыми объектами // Сб. науч. тр. «Моделирование и информационное технологии в автомобильно-дорожном комплексе» - М., МАДИ, 2002, с. 4-7.

~ 17 ~ УДК 681. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПРОЦЕССОВ УЛЬТРАЗВУКОВОЙ ОЧИСТКИ ДЕТАЛЕЙ Илюхин А.В., Марсов В.И., Колбасин А.М., Цепкин П.А.

Накопленный к настоящему времени опыт показывает, что наибольшая эффективность в процессах ультразвуковой очистки достигается при удельных мощностях 20...30 Вт/см2, поэтому для проведения эксперимента были выбраны различные варианты мощностей, но которые не выходили за пределы нормы. Область рационального применения таких мощностей определяется характером загрязнения, конструктивными особенностями объектов очистки. Эффективность удаления загрязнения с помощью различных моющих сред значительно повышается при энергичном механическом возбуждении жидкости.

В мощном ультразвуковом поле происходит интенсификация таких физико химических процессов отделения загрязнений, как эмульгирование, растворение, отслаивание, диспергирование.

Характер загрязнений определяет механизм их отделения в ультразвуковом поле, а так же характеристики ультразвукового процесса с использованием требуемой информации, предоставляемой информационной системой. Так жировые загрязнения, не имеющие химической связи с очищаемой поверхностью интенсивно эмульгируются и омыляются в водных моющих растворах благодаря микропотокам, возникающим около пульсирующих пузырьков, и выносятся из отверстий и внутренних полостей деталей акустическими течениями [1, 2].

Такое воздействие обеспечивается введением в моющую среду ультразвуковых колебаний большой амплитуды с помощью высокоамплитудных ультразвуковых колебательных систем (УКС), которые вызывают в жидкости появление кавитационных полостей, захлопывающихся с возникновением ударных волн или вырождающихся в пульсирующие и осциллирующие парогазовые пузырьки. Выбор таких УКС наилучшим образом подходит для проведения требуемой очистки.

Основными факторами, определяющими продолжительность процесса высокоамплитудной ультразвуковой очистки прецизионных деталей от доводочных паст, являются амплитуда колебаний концентратора, расположение детали относительно излучателя ультразвука, химический состав и температура моющей среды, конструктивные особенности очищаемых деталей (диаметр и глубина внутренних полостей и др.). Эксперименты показали, что продолжительность процесса выноса загрязнений прямо пропорциональна глубине отверстия, объему загрязнения и обратно пропорциональна диаметру отверстия и амплитуде колебаний концентратора.

При выборе оборудования одним из лучших вариантов, является вариант использования стержневых колебательных системах, в которых увеличение удельной акустической мощности при неизменной подводимой мощности, возможно ~ 18 ~ осуществить только за счет уменьшения эффективной площади излучения. При таких условиях передачи акустической энергии в жидкость происходит образование четко очерченной зоны, в которой процесс очистки протекает наиболее активно. Для эффективного протекания процесса очистки объект очистки должен вписываться в активную зону.

При визуальном наблюдении зона активной очистки выглядит как скопление мелких пузырьков, перемещающихся с потоком и исчезающих в периферийных областях звукового поля.

Еще одной возможностью оптимизации, которой обладает информационная система (ИС), является частичное изменение технологии. Так при увеличении амплитуды колебаний резко увеличивается количество пульсирующих пузырьков.

Размеры пузырьков существенно зависят от химического состава моющей жидкости.

Так, в органических средах, например, керосине, дизельном топливе, фреоне и других, пузырьки, возникающие в результате кавитации, из-за большого количества растворенных в этих жидкостях газов и большого давления насыщенных паров разрастаются до значительных размеров, соизмеримых с диаметром очищаемых отверстий, и препятствуют процессу очистки и, особенно, выносу загрязнений из глухих отверстий Наиболее эффективной моющей средой при высокоамплитудной ультразвуковой очистке, является водный раствор щелочных солей с добавлением ПАВ в небольших концентрациях, не вызывающих вспенивания.

В таблице 1 в относительных единицах представлены результаты экспериментов по отделению различных загрязнений в зависимости от амплитуды колебаний излучателя ультразвука в жидкости.

Таблица 1 - Относительные скорости отделения различных загрязнений Амплитуда колебаний излучателя, мкм Вид загрязнения 7 14 20 30 Доводочная паста 1 3 5 7 Углеродистые отложения 1 1,9 1,8 0,8 0, Результаты исследования динамики процесса ультразвуковой очистки деталей от эксплуатационных загрязнений (рисунок 1), показали, что нарастание степени очистки по времени определяется амплитудой колебаний излучателя. При этом независимо от процесс очистки может быть разделен на два этапа:

быстрое удаление основной массы загрязнения (до 80% ) за время, составляющее 5...10 % от общей продолжительности очистки;

относительно медленное удаление оставшейся массы. загрязнения.

~ 19 ~ Рисунок 1 - Динамические характеристики процесса ультразвуковой очистки деталей от эксплуатационных загрязнений Такое протекание процесса особенно характерно для ультразвуковой очистки деталей сложной конфигурации с глубокими глухими полостями, например, корпуса распылителя форсунки с закоксованными сопловыми отверстиями.

Эксперименты, проведенные на прозрачных моделях показали, что можно интенсифицировать процесс за счет:

введения штырькового излучателя в полость очистки, что требует точной взаимной ориентации детали и излучателя;

перемещения излучателя грибкового типа над очищаемым отверстием с определенной скоростью.

Экспериментально установлена высокая эффективность ультразвуковой очистки наружных поверхностей деталей и узлов от всех видов загрязнений в цилиндрическом излучателе, создающем сходящееся (конвергентное) ультразвуковое поле. Внутренняя полость цилиндра может служить также рабочей ванной с моющим раствором для высокоамплитудной УКС при очистке.

В результате экспериментальных исследований были определены возможности управления процессом очистки в ультразвуковом поле цилиндрического излучателя, за счет выбора оптимального времени озвучивания, которое является одним из основных параметров для технологии ультразвуковой очистки.

С целью визуализации распределения кавитационных эффектов внутри цилиндрического преобразователя в качестве модели очищаемого объекта (тест объекта) использовалась алюминиевая и оловянная фольга. Результаты экспериментов с фольгой представлены на рисунке 2.

~ 20 ~ G, г H H 0,16 H H0 = 0 мм 0, H1 = 5 мм 0, H2 = 10 мм 0, H3 = 15 мм, мин= 2 4 6 Рисунок 2 - Зависимость потери веса тест-образцов из алюминиевой фольги в зависимости от времени озвучивания и положения образца относительно центра цилиндрического преобразователя:

I- в центре излучателя;

II - смещение на 20 мм;

III - смещение на 40 мм;

IV смещение на 60 мм Эксперименты с алюминиевой фольгой позволили определить топографию кавитационных эффектов в сходящемся ультразвуковом поле цилиндрического излучателя. Чтобы избежать кавитационного разрушения поверхности деталей, очищаемых от загрязнений с сильной адгезией к поверхности, была определена оптимальная продолжительность озвучивания для каждой топографической зоны.

Результирующий график может служить номограммой для выбора акустико технологических параметров процесса ультразвуковой очистки от нагаров и лаков широкой номенклатуры деталей и узлов ТА (от распылителя до карбюратора).

Таким образом, необходим выбор оптимального режима очистки и положения образца относительно центра цилиндрического преобразователя. При других, не оптимальных условиях, при реализации процесса очистки существует вероятность, при которой деталь будет непригодна к дальнейшему применению или понадобиться повторная очистка. В обоих случаях проведение или прекращение работ приводит к производственным и финансовым потерям.

Список информационных источников Приходько В.М. Повышение эффективности процесса ультразвуковой очистки [1] деталей топливной аппаратуры автотракторных двигателей при ремонте.

Дис...канд. техн. наук. М., 1975. 175 с.

~ 21 ~ Приходько В.М. Физические основы ультразвуковой технологии при ремонте [2] автотракторной техники. М.: БРАНДЕС, 1996. 128 с.

УДК 004.9:681. ФОРМАЛИЗОВАННОЕ ОПИСАНИЕ БИЗНЕС-ПРОЦЕССОВ В ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВАХ УПРАВЛЕНИЯ ПРОЕКТАМИ Приходько М.В.

Произошедшие в России коренные изменения в экономической, социальной и политической сферах требуют продуманных и последовательных действий со стороны хозяйствующих субъектов с тем, чтобы успешно функционировать в новых условиях.

Для планомерного и сбалансированного развития любого предприятия необходимо внедрение инноваций в различные сферы деятельности системы, в том числе технологические и технические новшества, информационные и телекоммуникационные технологии, новые управленческие решения и финансово-экономические инструменты и т.д. Основными мероприятиями, направленными на рост доходов и сокращение расходов в производственной и непроизводственной сферах, являются следующие:

смена основных показателей деятельности предприятия и соответствующие изменения статистики;

системы сбора данных и методов расчета;

модернизация модели управления и внедрение корпоративной информационной системы управления;

изменения в организационной структуре, в системе внутрикорпоративного бюджетного планирования и т.д. В связи с этим актуальными являются задачи формализованного представления бизнес-процессов, которые позволяют сформировать агрегированные показатели эффективности производственного цикла [2].

Так, средства автоматизации управления проектами, в основе которых лежит формализованное представление бизнес-процессов, к которым относится MS Project 2007, позволяют не только использовать разработанные заранее и проверенные временем методы, но и формировать в организации стиль управления, сводящий к минимуму вероятность неблагоприятного развития. При этом система имеет развитые средства управления рисками, которые подразделяются на пять этапов: идентификация рисков;

качественный анализ рисков;

количественная оценка рисков;

планирование анти-рисковых предприятий;

обнаружение рисковых операций и их преодоление. При параметризации этапов используются три вида оценок длительности каждой задачи проекта: оптимистическую оценку, соответствующую наиболее благоприятным условиям выполнения задачи;

пессимистическую и наиболее вероятную, соответствующую усредненным условиям выполнения задачи. При этом длительность критического пути рассчитывается как сумма математических ожиданий длительности задач, образующих его.

~ 22 ~ В основе метода PROMET лежат различные сетевые диаграммы и стандартные матрицы для описания отношений и весов, позволяющие проектировать бизнес процессы, опираясь на стратегическое корпоративное планирование, и увязывать их с информационными технологиями (рисунок 1).

Рисунок 1 - Метамодель PROMET Метод PROMET поддерживается ARIS Toolset. На первом этапе определяется корпоративная стратегия, т.е. решения относительно альянсов, организационных структур, направлений развития бизнеса и инструментов управления. Сетевая диаграмма иллюстрирует взаимоотношения между конкурирующими силами внутри предприятия.

Системы управления workflow координируют действия, ресурсы и данные в соответствии с формальным представлением логики процесса, моделью workflow. Они позволяют достичь потенциальной эффективности посредством ликвидации задержек переходов и ожиданий между действиями в процессе и предоставляют детальный контроль за уровнем распределения задач между участниками процесса [3].

В качестве механизма описания бизнес-процессов в работе предлагается использовать обобщенные сетевые графики, которые содержат вершины различных типов, представляющие решающие узлы, которые характеризуется условиями, налагаемыми на входящие в него и выходящие из него операции.

В статье рассмотрена проблема свертки показателей эффективности бизнес процессов. Предполагается, что экспертные оценки частных характеристик производственного цикла получены и задача заключается в построении обобщенного критерия или обобщенной характеристики и т.д. В более общем случае используют ~ 23 ~ x0 = j x j j линейно-взвешенную свертку вида, где хj—численное значение j-и характеристики процесса;

x0— обобщенная характеристика;

j — «вес», «значимость»

j-и характеристики процесса.

Рассмотрим процесс, состояние которого можно оценить по ряду факторов или критериев K= (k1,..., ki,..., kn), где ki – значение i-го частного критерия. Задача заключается в построении скалярного комплексного критерия функционирования f(K), наиболее адекватно отражающего степень достижения поставленных перед организационной системой целей. В работе предлагается использовать представление базовых оценок в дихотомическом виде. В общем случае дихотомическое представление можно описать структурной схемой, которые представляют собой прадepeвo с корневой вершиной, соответствующей комплексной оценке, и висячими вершинами, соответствующими локальным критериям. Каждой промежуточной вершине соответствует агрегированная оценка, получаемая в результате свертки двух оценок соответствующих вершин нижнего уровня.

Рассмотрим задачу формирования моделей описания бизнес-процессов. При этом политики распределения заданий определяют стратегию выполнения этапов производственного цикла между кандидатами на участника процесса. На рисунке изображены типичные шаги внутри процесса распределения работ. Ожидающее задание помещается в общий список работ в качестве общедоступного задания. Все компетентные ресурсы имеют доступ к общему списку работ.

2. Выбор Рисунок 2 - Механизмы распределения заданий В распределённой среде такой же эффект может быть получен посылкой указателей на экземпляры работ в центральном списке работ. При таком сценарии экземпляры работ доступны посредством web-страницы, которая генерируется сервисом введения.

В основе программного конструирования сценария бизнес-процессов лежит формализованное описание элементарного приложения параметризации каждого этапа ~ 24 ~ производственного цикла [1]. В общем случае сценарий представляет собой совокупность фрагментов с заданием алгоритмической структуры и развязки по данным. Фрагмент имеет структуру:

Fi = (ti, di, ai, i, si, ri, pi), (1) где ti - тип фрагмента (информационный, расчетный, выбор и т.п.);

di - уровень сложности;

ai - уровень доступа к фрагменту;

i - операция сравнения уровня доступа пользователя и уровня доступа фрагмента (,,, =,, ), si - время принудительного окончания предъявления;

ri - подмножество признаков, связанных с данным фрагментом, pi - параметризация при активации.

Уровень доступа определяет вложенность структуры сценария бизнес-процесса, что позволяет создавать иерархию, а использование механизмов блокировок реализовать структуру вложенных процессов. Параметризация приложения дает возможность не только настройки, но решения вопросов согласования по данным различных приложений, включенных в один сценарий. Кроме механизмов создания сценариев в диссертации разработана модель структуризации сценариев, которая позволяет реализовать синхронизацию приложений.

Следующая задача связана с вопросами формирования организационной структуры управления производственным циклом. Как правило, трек событий, связанных с реализацией этапов бизнес-процесса, содержит достаточно много элементарных операторов, выполняющих одни и те же операции над аргументами.

Введение понятия эквивалентных операторов позволяет задать отношение эквивалентности на множестве элементарных операторов трека. В результате, предлагается представить структуру как свертку трека по отношению эквивалентности элементарных операторов, используемых для описания этапов бизнес-процесса. Пусть отношение эквивалентности элементарных операторов имеет вид:

{( h1,h3 ),( h2,h5,h6,h8 ),( h4,h7 )}. (2) Тогда структура имеет вид графа (рисунок 3).

I I h1, h3 h2, h5, h6, h h4, h Рисунок 3 - Свертка трека Таким образом, если заданы трек и отношение эквивалентности операторов, то однозначно возможно построение структуры. Использование структуры по сравнению ~ 25 ~ с треком позволяет значительно снизить размерность описания процесса. Однако необходимо иметь в виду, что процесс определяется лишь в случае задания трека, а поэтому структура есть лишь способ более компактного описания трека, генерация самого трека остается необходимой операцией. На практике задание структуры с навигационными операторами для последующей генерации трека используется часто и повсеместно, где необходима генерация процесса.

Список информационных источников Алгоритм планирования производственного цикла промышленного объединения / [1] Солнцев А.А., Зайцев Д.В., Власов А.Б., Рачковская В.М. // Автоматизация и управление на транспорте и в дорожном строительстве: сб. науч. тр. МАДИ № 1/49. – М.: МАДИ, 2011. – С. 165-171.

Автоматизация планирования поставок в дилерской сети предприятий [2] автомобильной промышленности / Ивахненко А.А., Саная А.Г, Солнцев А.А. // Методы и модели автоматизации поддержки управленческих решений: сб. науч.

тр. МАДИ. – М.: МАДИ, 2011. – С. 79-84.

Методы и модели управления сложными наукоемкими системами / Солнцев А.А.

[3] // Методы описания и моделирования бизнес-процессов и технологий в промышленности, строительстве и образовании: сб. науч. тр. МАДИ № 3/47. – М.:

МАДИ, 2010. – С. 87-91.

УДК 681. АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ ЗАПАСАМИ ПРЕДПРИЯТИЯ С УЧЕТОМ ПОТОКА ОТКАЗОВ Чернявский А.И.

В настоящее время автосервисные предприятия выполняют как производственные, так и непроизводственные услуги [1, 3]. К производственным услугам, в частности, относятся ремонт автомобилей и техническое обслуживание. К непроизводственным услугам относится продажа запасных частей и автомобилей.

Основным звеном автосервиса являются станции технического обслуживания, взаимодействующие как с индивидуальными владельцами, так и автотранспортными предприятиями. Услуги, выполняемые на станциях, можно разделить на следующие основные группы [3]:

профилактические, направленные на регламентное обслуживание (выполняется диагностика, крепежные, контрольные, смазочные и регулировочные работы через определенный пробег;

ремонтные - выполняются для устранения появившихся неисправностей и восстановления его работоспособности (замена или ремонт узлов, приборов, ~ 26 ~ агрегатов, а также кузовные, слесарно-механические, электромеханические работы и др.);

обеспечение эксплуатации - снабжение топливом маслом, тосолом и др.

Решение задачи синтеза управления поставками, в первую очередь основывается на прогнозе различных финансовых показателей [1, 4 - 8]. В работе проведен анализ динамики потоков заказов по ряду предприятий, входящих в зону обслуживания дилерской сети. За два квартала 2012 года графики объемов заказов приведены на рисунке 1,а. В работе проведено упорядочения предприятий по объему потоков.

Показано, что на 5 из 200 предприятий приходится почти 20% потока. Для первых трех проведен более детальный анализ потоков. По выделенным трем предприятиям сравнительный объем потоков представлен на рисунке 1,б.

а) поток заказов от всех предприятий б) поток заказов от основных предприятий Рисунок 1 - Временные ряды потоков заказов на комплектующие Проведен анализ потребностей для различных групп запчастей и комплектующих (рисунок 2).

~ 27 ~ Рисунок 2 - Среднемесячная интенсивность запросов на основные запчасти Показана значительная корреляция на отдельные группы запасных частей (рисунок 3,а). Далее проведен анализ автокорреляционных функций временных рядов (рисунок 3,б).

FILT ER Lag Corr. S.E. Q p 1 +,109,1665,43, 2 -,217,1638 2,18, Correlations (Rez_Sol_2_Корр.sta) 3 +,053,1612 2,29, 4 -,228,1585 4,36, Marked correlations are significant at p, 5 -,205,1557 6,10, N=33 (Casewise deletion of missing data) 6 +,068,1529 6,30, 7 -,276,1500 9,68, Variable Means Std.Dev. IR_REF ASKETFILTER A G 8 -,317,1471 14,32, 9 +,224,1441 16,74, AIR_REF 14213,97843,132,000000,956394, 5 1 0 0 10 +,084,1411 17,10, 11 +,182,1380 18,84, GASKET20482,39065,382,956394,000000, 8 0 1 0 12 +,349,1348 25,56, FILTER 20334,42275,620,987831,965744, 8 0 0 1 13 -,061,1316 25,78, 14 -,140,1283 26,97, 15 -,020,1248 27,00, 0 -1,0 -0,5 0,0 0,5 1, а) таблица корреляций б) автокорреляционная функция Рисунок 3 - Среднемесячная интенсивность запросов на основные запчасти На основе проведенного анализа поставлена задача моделирования временных рядов с заданными (полученными на основе статистики) значениями оценок корреляций и автокорреляционных функции.


На примере ремонта механизма подъема платформы (МПП) был проведен анализ показателей надежности (таблица 1.): 1. Средний ресурс до первого отказа (тыс.км);

2.

Доверительный интервал (тыс. км);

3. Среднеквадратическое отклонение (тыс. км);

4.

Коэффициент вариации;

5.Параметр b закона Вейбулла;

6.Параметр a закона Вейбулла;

7. Гамма - процентного ресурса при =90% (до первого отказа);

8. Гамма - процентного ресурса при заданном значении =90% (до второго отказа);

9. Интенсивности отказов за ~ 28 ~ заданную наработку t1=30тыс.ц. (до первого отказа);

10. Интенсивности отказов за заданную наработку t1=30тыс.ц. (до второго отказа);

11. Показатель Cпз(t) методики расчета;

12. Показатель C0(t) методики расчета.

Таблица 1 - Ресурсы и показатели надежности деталей (механизма подъема платформы самосвалов семейства МАЗ) ~ 29 ~ Были выявлены основные виды отказов и неисправностей деталей МПП в заданных условиях эксплуатации. Рассчитаны средние ресурсы деталей, лимитирующих надежность механизма подъема платформы, как математическое N ti = t co N i = ожидание тыс км., где t - пробег до предельного состояния i-го элемента;

N0 – число подконтрольных элементов.

Для апробации моделей отказов в работе проведен статистический анализ.

Получены основные характеристики распределений по времени наработки на отказ и пробегу (см. таблица 1.). По имеющимся данным выполнена аппроксимация функций распределения: для времени наработки на отказ – нормальным законом (рисунок 4, а).;

для пробега - логнормальным (рисунок 4, б).

Время M: Chi-Square test = 6,80274, df = 5 (adjusted), p = 0,23573 Пробег R: Chi-Square test = 11,01858, df = 5 (adjusted), p = 0, 2 0 -10 -5 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 а) для времени наработки на отказ б) для пробега Рисунок 4 - Аппроксимация распределений наработки на отказ Проверка соответствия выборочных характеристик генеральной совокупности показала, что экспериментальные данные о распределений ресурсов деталей, лимитирующих надежность МПП, согласуются с теоретическими законами Вейбулла и нормальным (таблица 1, столбцы 1-6).

На основании проведенного анализа полученных результатов следует, что ресурсы деталей, лимитирующих надежность механизма подъема платформы, находятся в пределах 67-238 тыс.км и имеют коэффициент вариации V = 0,27 – 0,77.

Обработка и анализ статистических данных, а также характерных отказов и неисправностей деталей, лимитирующих надежность, позволили разработать карту надежности механизма подъема платформы автомобилей-самосвалов семейства МАЗ (таблица 1, столбцы 7-10). Из таблицы наглядно видно место расположения деталей и узлов, лимитирующих надежность МПП, и содержит характеристики распределения ресурсов деталей в виде кривых убылей.

~ 30 ~ Графически вероятности безотказной работы позволяют рассчитать среднюю наработку на отказ, выявить гамма-процентный ресурс деталей, лимитирующих надежность, т.е. ресурс который имеют или превышают не менее 80 или 90% изделий данного вида. Оценка интенсивности отказов за заданную наработку t3=3 тыс.ц.

b b t c (t 3 ) = aa вычислялась как, а оценка гамма - процентного ресурса при T c b exp = a заданном значении =90% как.

В работе показано, что как модель входного потока, так и случайный процесс управления запасами достаточно адекватно описывается моделями авторегрессии, которая представляет последовательность случайных величин 1, 2..., удовлетворяющая стохастическому разностному уравнению при существовании линейной комбинации t + 1t-1+... + pt-p= tt=1+p,..., (1) где последовательность p+1, p+2,... является последовательностью независимых и одинаково распределенных случайных величин.

Наиболее простым случаем является уравнение первого порядка t=-1t-1 + t.

( 1 )t r(t ) = 1 Автокорреляционная функция такого процесса равна 1. Однако такой процесс не позволяет реализовать «затянутость» автокорреляционной функции (АКФ). В связи с этим в работе предлагается использование моделей процесса авторегрессии второго порядка t =-1t-1-2t-2+t.

Для апериодических процессов в случае действительных корней характеристического уравнения автоковариационная функция имеет вид x1+1 x2+ 2 t t r(t ) = ( x1 x2 )( 1 x1x2 ) 1 x1 1 x (2) 2, где 0x11 и 0x21. Такие модели процессов авторегрессии 2-го порядка дают возможность моделирования нестационарных процессов с возможность задания начальной динамики развития процесса, что необходимо для реализации моделей развития предприятия при переходе на новые формы организации управления.

Проведенный анализ входных потоков и полученные модели объемов заказов позволяют подойти к решению задачи моделирования эффективности управления запасами. В работе рассмотрены две модели: модель управления с фиксированным диапазоном и модель монотонная политика заказывания.

~ 31 ~ Исследования показали, что как модели управления запасами, так и входные потоки могут быть достаточно адекватно представлены процессами авторегрессии 2-го порядка. Зависимость (2) для автокорреляционной функции процесса авторегрессии c1 c путем замены переменных x1= e, x2= e приводится к виду ( ) r (t ) = 2 1e c1t + 2 e c2t, (3) где и параметры автоковариации, а c10 c e c1 ( 1 e 2c2 ) 1 = c e 1 ( 1 e 2c2 ) e c2 ( 1 e 2c1 ) и 2 (определяется аналогично) - функции параметров c1 и c2. Полученная аппроксимация (3) включает экспоненциальную, как частный случай.

Варьируя указанными параметрами, можно моделировать достаточно широкий класс автокорреляций. На рисунке 5 приведены графики автокорреляционных функций, полученных при различных комбинациях значений параметров с1 и с2.

1,0 1, 0, 0, 0, 0, c1=0.1, c2=0.12 c1=0.3, c 2=0. c1=0.1, c2=0. r r 0, 0,4 c1=0.3, c 2=0. c1=0.1, c2= 0, c1=0.3, c 2= 0, 0, 0, 0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 t t а) Б) Рисунок 5 - Аппроксимация АКФ В результате проведенного анализа можно сделать следующие выводы: минимум из параметров с1 и с2 определяет длину интервала, на котором корреляция существенна, разность между параметрами с1 и с2 определяет вид АКФ при малых значения t. Чем меньше разность, тем более пологая автоковариация в начале. Как видно из графиков, варьируя параметры c1 и c2, можно добиться большого разнообразия в поведении функции.

Для различных характеристик процессов были смоделированы временные ряды (рисунок 6). Видно, что полученные ряды носят достаточно различный характер, на что указывает автокорреляционная функция (рисунок 7) ~ 32 ~ x 1 31 61 91 121 151 181 211 241 271 301 331 x 16 46 76 106 136 166 196 226 256 286 316 346 x Рисунок 6 - Выборочные траектории временных рядов авторегрессии X Lag Corr. S.E. Q p X Lag Corr. S.E. Q p 1 +,886,0445 396,0 0, 1 +,453,0445 103,4 0, 2 +,897,0445 802,2 0, 2 +,502,0445 230,8 0, 3 +,845,0445 1163, 0, 3 +,342,0445 289,9 0, 4 +,822,0444 1506, 0, 4 +,326,0444 343,7 0, 5 +,795,0444 1827, 0, 5 +,236,0444 371,9 0, 6 +,759,0443 2120, 0, 6 +,176,0443 387,7 0, 7 +,734,0443 2395, 0, 7 +,164,0443 401,3 0, 8 +,698,0442 2644, 0, 8 +,183,0442 418,5 0, 9 +,135,0442 427,9 0,000 9 +,678,0442 2880, 0, 10 +,141,0441 438,0 0, 10 +,666,0441 3107, 0, 11 +,119,0441 445,3 0, 11 +,636,0441 3315, 0, 12 +,088,0441 449,3 0, 12 +,628,0441 3518, 0, 13 +,042,0440 450,2 0, 13 +,597,0440 3702, 0, 14 +,062,0440 452,1 0, 14 +,584,0440 3879, 0, 15 +,018,0439 452,3 0, 15 +,557,0439 4040, 0, 0 -1,0 -0,5 0,0 0,5 1, 0 -1,0 -0,5 0,0 0,5 1, а) б) Рисунок 7 - Автокорреляционные функции временных рядов В результате проведения экспериментов по моделированию и оценке характеристик результирующих процессов показано, что полученные модели достаточно адекватно соотносятся к исходным временным рядам для обследованных авторемонтных предприятий.

Список информационных источников ~ 33 ~ Остроух А.В. Информационные технологии в научной и производственной [1] деятельности / [ред. А.В. Остроух] - М: ООО "Техполиграфцентр", 2011. - 240 с. ISBN 978-5-94385-056-1.

Куфтинова Н.Г. Процессно-ориентированный подход к автоматизации [2] планирования и управления транспортировкой продукции предприятий промышленности / А.В. Остроух, Н.Г. Куфтинова // Вестник МАДИ – 2010. - Вып.

4(23). - С. 62-66.

Алтунина А.В. Система автоматизации и контроля за продажами и производством [3] автомобилей / А.В. Остроух, А.В. Алтунина // Автотранспортное предприятие. 2011. - №3. - С. 41-43.

Остроух А.В. Исследование начального периода моделирования на точность [4] среднеинтегральной оценки имитационных моделей / А.В. Остроух, А.А.

Солнцев, Н.В. Солдатов, К.А. Новицкий, П.С. Якунин // Вестник МАДИ – 2010. Вып. 2(21). - С. 61-65.

Остроух А.В. Математическая модель связей в системе диагностики [5] электрооборудования автомобилей / А.В. Остроух, А.А. Солнцев, О.Ф. Калухов, Г.Г. Ягудаев // Вестник МАДИ – 2010. - Вып. 2(21). - С. 66-70.

Солнцев А.А., Ивахненко А.А. Формальное описание процессов движения [6] комплектующих на основе управляемых сетей // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-69 (дата обращения:

05.09.2013).

Приходько В.М., Солнцев А.А., Саная А.Г. Сетевая теоретико-игровая модель [7] рациональных закупок в задаче формирования адаптивного механизма согласованных цен в схеме снабжения дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);


URL: auts.esrae.ru/3-70 (дата обращения: 05.09.2013).

Солнцев А.А. Модели нечеткого ситуационного анализа при описании вложенных [8] процессов многоцелевой деятельности дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-71 (дата обращения: 05.09.2013).

УДК 681. МАРКОВСКАЯ МОДЕЛЬ ПЕРИОДИЧНОСТИ ДИАГНОСТИРОВАНИЯ УЗЛОВ И АГРЕГАТОВ Чернявский А.И., Строганов В.Ю.

Станции технического обслуживания в настоящее время получили широкое распространение [1 – 3]. Спрос на услуги постоянно возрастает. Это объясняется рядом факторов, а именно: зачастую создаваемые предприятия не планируют формировать ремонтную базу, рассчитывая на услуги автосервиса;

для снижения себестоимости действующие предприятия освобождаются от ремонтных цехов;

потребители новейших моделей не могут и не хотят ремонтировать их сами, стараясь избежать дополнительных затрат на специализированное оборудование и обучение ремонтников.

~ 34 ~ Любое авторемонтное предприятие представляет собой систему, т.е.

совокупность взаимосвязанных и взаимодействующих компонентов. В нем движутся материальные, финансовые и информационные потоки. На нее воздействуют различные внешние факторы. При этом процесс управления имеет циклический характер и содержит множество этапов (рисунок 1.).

ИВС СУ ОУ ИОУ ОИ АИ РВУР ПР РРП РР КК К BC Рисунок 1 - Этапы процесса управления К основным этапам относятся: обработка исходной информации (ОИ) об объекте управления (ИОУ) и внешней среде (ИВС), анализ информации (АИ) и выбор критериев качества, разработка вариантов управленческих решений (РВУР), принятие управленческого решения (ПР), разработка руководящего предписания (РРП). В объекте управления осуществляется реализация принятого решения (РР), вследствие чего происходит изменение состояния объекта управления (ИС). Изменение состояния объекта управления (ОУ) контролируется в системе управления (СУ) в блоке контроля (К), в котором сравниваются параметры измененного состояния объекта управления с параметрами, отраженными в руководящем предписании.

Процесс управления – это воздействие на систему и ее элементы, которое обеспечивает ее эффективное функционирование. С этой точки зрения эффективное функционирование предприятия – достижение наилучших результатов при рациональном использовании его ограниченных ресурсов в соответствии с целями предприятия.

Так, для определения оптимальной периодичности диагностирования узлов была разработана модель (рисунок 2, а.), описывающая изменение эксплуатационного состояния. Граф этой модели приведен на рисунок 2, б.

Все узлы, находящиеся в эксплуатации, были разбиты на три группы:

узлы, по своим параметрам удовлетворяющие нормативам, соответствующим сезону эксплуатации (группа I);

узлы, сохраняющие работоспособность, но по своим параметрам не удовлетворяющие действующим нормативам (группа II);

узлы, находящиеся в ремонте, новые узлы, подготавливаемые к эксплуатации и узлы, подлежащие списанию (буферная группа III).

~ 35 ~ а) эксплуатационные состояния б) граф-схема состояний узлов Рисунок 2 - Марковская модель изменения состояний узлов В модели были приняты следующие обозначения:

A(t), B(t) - распределение узлов по времени нахождения в эксплуатации соответственно в I, II и III группах;

1(t) - соответственно плотность распределения и интенсивность потока переходов узлов из группы I в группу II;

2(t) - соответственно плотность распределения и интенсивность потока переходов узлов из группы II в группу I;

µ(t) - плотность потока выхода в ремонт или на списание и плотность потока поступлений новых и отремонтированных узлов в эксплуатацию.

Приняты обозначения: A(t) - распределение узлы в группе А по времени эксплуатации с момента перехода в данную группу;

B(t) - распределение в группе В по времени эксплуатации с момента перехода узлы в данную группу. В работе получены аналитические выражения для A(t) и B(t) как при отсутствии, так и при наличии системы управления надежностью узлы по состоянию. Эти решения также описывают долю узлов, находящихся в предотказном состоянии. Эта доля зависит как от периодичности проведения диагностирования, так и от параметров законов распределения для функций вероятности, являющихся образующими для 1(t) и 2(t). В простейшем варианте (без диагностирования) эти выражения имеют вид:

A(t)=A0P1(t), B(t)=B0P2(t)e-µt. (1) Сбор данных проводился за большой промежуток времени по формулярам автомобилей на предприятиях, поддерживавших высокий уровень автоматизации производственной деятельности [1, 4 - 8].

В работе также использовалась модель, целью построения которой был оценка оптимальной периодичности проведения проверок состояния тормозных барабанов, и шаг расточки барабанов. Этот шаг выбирается с целью минимальных потерь ресурса барабана и затрат рабочего времени на их расточку в соответствии со статистическими данными (замеров износа), полученными по каждому конкретному предприятию.

~ 36 ~ Построение необходимой модели проведено с использованием граф-схемы, описывающей дискретный ряд состояний объекта с тем или иным набором функций перехода между этими состояниями - вершинами графа (рисункок 2,б). За вершины приняты моменты времени, соответствующие фактам механической обработки деталей.

Для нахождения функций перехода между состояниями (определяются в каждом конкретном случае для различных деталей) необходимы статистические данные об изменении технического состояния детали в реальных условиях эксплуатации. При этом необходимо учитывать воздействие на адекватность описания модели краевых условий задачи, таких как разброс значений геометрических параметров новой детали в момент установки на автомобиль, при ее списании и т.д.

Для задачи идентификации состояний узлов предложена модель скрытой Марковской цепи, которая позволяет классифицировать состояния по косвенным признакам на основе накопленной статистики [4 – 8]. Модель представляет кортеж СММ = {S, V, }, = (A, B, ), где:

1. S = {S1, S2,…, SN} - множество состояний модели, где N - количество состояний, qt - текущее состояние в момент времени t.

2. V = {v1, v2,…, vM} - алфавит наблюдаемой последовательности.

3. A = ||aij|| - матрица вероятностей переходов, где aij=P[qt+1=Sj | qt=Sj], 1i, jN.

4. B = ||bj(k)|| - распределение вероятностей появления символов в j-том состоянии, где bj(k)=P[vk | qt=Sj], 1jN, 1kM.

5. i=P[q1=Si], 1iN.

СММ генерирует наблюдаемую последовательность: O1, O2,…, OT, где OtV, T длина последовательности.

Алгоритм генерации последовательности включает:

Шаг 1. Выбираем начальное состояние q1=Si в соответствии с распределением.

Шаг 2. Устанавливаем t=1.

Шаг 3. Выбираем Ot=vk в соответствии с распределением bj(k) в состоянии Si.

Шаг 4. Переводим модель в новое состояние qt+1=Sj в соответствии с матрицей переходов ||aij|| с учетом текущего состояния Si.

Шаг 5. Устанавливаем время t:=t+1;

возвращаемся к шагу 3, если tT;

иначе – конец алгоритма.

На основе представленной модели в диссертации решается задача: Задана наблюдаемая последовательность O1, O2,…, OT и модель =(A, B, ). Необходимо вычислить P(O|) - вероятность того, что данная наблюдаемая последовательность построена именно для данной модели.

Рассмотрим вариант подсчета вероятности появления последовательности наблюдений для каждой возможной последовательности состояний модели на примере одной последовательности состояний Q={q1, q2,…,qT, }, где q1 - начальное состояние модели. Вероятность появления последовательности равна O T P (O | Q, ) = P (Ot | q t, ) t =1, где имеет место статистическая независимость ~ 37 ~ наблюдений. Вероятность совмещения O и Q, то есть вероятность их одновременного P (O, Q | ) = P (O | Q, ) P (Q, ).

проявления, выражается произведением Вероятность появления O - это сумма вероятностей по всем возможным комбинациям P (O | ) = P (O | Q, ) P (Q, ) состояний q системы: Q.

Для решения задачи предлагается использовать алгоритмы прямого и обратного хода. При этом t(i) определим как t (i ) = P (O1, O2,..., Ot, q t = S i | ), то есть вероятность того что для заданной модели к моменту времени t наблюдалась последовательность O1, O2,…, OT и в момент t система находится в состоянии Si.

Для поиска значения t(i) предлагается рекуррентная схема:

1) Инициализация: 1(i)=ibi(O1), 1iN.

N t +1( j ) = t (i ) ij b j (Ot +1 ) i =1 2) Индукция:, 1tT-1, 1jN.

N P (O | ) = Y (i ) i = 3) Завершение:.

Оптимизируемая система рассматривается как совокупность N типов нерезервированных сменных модулей, для каждого из которых заданы стоимость одного модуля (w), а также значения интенсивности внезапного отказа в отключенном (0) и включенном (1) состояниях. Систему характеризуют суммарная стоимость (W) и вероятность обеспеченности запасными частями (P) при известных временах нахождения системы в выключенном (t0) и включенном (t1) состояниях.

Рассмотрим две постановки оптимизационной задачи.

Задача 1. Найти количество запасных модулей каждого типа (z) для минимизации стоимости запасных частей при ограниченной вероятности обеспечения ЗИП:

z = arg min( w z ) (2) P Pz, где Pz – заданное значение вероятности обеспечения ЗИП.

Задача 2. Найти количество запасных модулей каждого типа для (z), максимизации вероятности обеспечения ЗИП при ограниченной стоимости:

z = arg max( P ) (3) w z Wz, где Wz – заданное значение стоимости ЗИП.

В задачах (2) и (3) вероятность обеспеченности системы ЗИП составляет N 1 zn 1 + (sn )m m!

P = e sn (4) n =0, m = ~ 38 ~ где s n = ( 0 n t 0 + 1n t 1) x n ;

xn – количество модулей n-го типа (без учёта ЗИП) в системе;

0n, 1n – интенсивности отказов модуля n-го типа.

Задачи (2) и (3) относятся к классу нелинейных целочисленных оптимальных задач с неотрицательными аргументами и характеризуются следующими особенностями:

с помощью логарифмирования выражения (4) задачи могут быть приведены к сепарабельному виду;

если для системы в целом P Pz, то это условие справедливо и для каждого типа модулей, образующих систему.

Задача оптимизации приведена к итерационной процедуре последовательного расчета функций ( ) N 1 m f (z, s, w ) = w ln 1 + s / m! s (5) m =1.

На каждой итерации процедуры с учётом ограничений определяется приоритетное направление nopt = arg max{ f ( z + 1, s n, w ) f ( z, s n, w )}. (6) Результаты расчетов для различных комбинаций резервирования запчастей с точки зрения двух поставленных задач, представлены на рисунке 3.

а) вероятность б) стоимость Рисунок 3 - Показатели обеспечения надежности при изменении количества агрегатов Разработана система информационной поддержки процесса сопровождения данных о текущем состоянии и истории ремонта обслуживаемой техники постоянных ~ 39 ~ заказчиков (рисунок 4), которая включает подсистемы регистрации перечня техники заказчика, регистрации данных о выполненных ТО и ремонтах, а также формирования отчетов о текущем состоянии и истории ремонта обслуживаемой техники постоянных заказчиков [1, 4 – 8].

Рисунок 4 - Информационная система поддержки регистрации перечня обслуживаемой техники заказчика Результатом процедуры 1 являются зарегистрированные в информационной системе перечни обслуживаемой техники постоянных заказчиков. К входящим документам относится перечень машин, подлежащих ремонту и техническому обслуживанию с основными реквизитами: заказчик, перечень машин и др.

Результатом выполнения процедуры 2 – зарегистрированные в информационной системе данные о текущем состоянии и истории ремонта техники заказчика. К входящим документы относится акт выполненных работ с основными реквизитами:

номер акта, дата, номер заказа, заказчик, отремонтированная техника, перечень запчастей, фактически использованных при ремонте, фактически выполненные работы, фактически понесенные трудозатраты.

Процедура 3 формирования отчетов о текущем состоянии и истории ремонта обслуживаемой техники постоянных заказчиков включат табличные и графические формы в информационной системе по: машине, заказчику, датам, видам работ и т.д. К исходящим документам относятся: заказчик, марка машины, гаражный номер, номер шасси, наработка в моточасах, участок, производивший ремонт, номер договора, дата выполнения работ, номер акта выполненных работ, вид работ (ТО, ТР, КР, АР), ремонтируемая система (ДВС, ходовая, гидравлика и т.д.), выполненные работы, исполнитель работ, сумма по работам, установленные запчасти, сумма по запчастям, закупленные запчасти, запчасти, изготовленные в РМЦ, запчасти, изготовленные силами субподрядной организации.

Список информационных источников ~ 40 ~ Остроух А.В. Информационные технологии в научной и производственной [1] деятельности / [ред. А.В. Остроух] - М: ООО "Техполиграфцентр", 2011. - 240 с. ISBN 978-5-94385-056-1.

Куфтинова Н.Г. Процессно-ориентированный подход к автоматизации [2] планирования и управления транспортировкой продукции предприятий промышленности / А.В. Остроух, Н.Г. Куфтинова // Вестник МАДИ – 2010. - Вып.

4(23). - С. 62-66.

Алтунина А.В. Система автоматизации и контроля за продажами и производством [3] автомобилей / А.В. Остроух, А.В. Алтунина // Автотранспортное предприятие. 2011. - №3. - С. 41-43.

Остроух А.В. Исследование начального периода моделирования на точность [4] среднеинтегральной оценки имитационных моделей / А.В. Остроух, А.А.

Солнцев, Н.В. Солдатов, К.А. Новицкий, П.С. Якунин // Вестник МАДИ – 2010. Вып. 2(21). - С. 61-65.

Остроух А.В. Математическая модель связей в системе диагностики [5] электрооборудования автомобилей / А.В. Остроух, А.А. Солнцев, О.Ф. Калухов, Г.Г. Ягудаев // Вестник МАДИ – 2010. - Вып. 2(21). - С. 66-70.

Солнцев А.А., Ивахненко А.А. Формальное описание процессов движения [6] комплектующих на основе управляемых сетей // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-69 (дата обращения:

05.09.2013).

Приходько В.М., Солнцев А.А., Саная А.Г. Сетевая теоретико-игровая модель [7] рациональных закупок в задаче формирования адаптивного механизма согласованных цен в схеме снабжения дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-70 (дата обращения: 05.09.2013).

Солнцев А.А. Модели нечеткого ситуационного анализа при описании вложенных [8] процессов многоцелевой деятельности дилерской сети // Автоматизация и управление в технических системах. – 2013. – № 1(3);

URL: auts.esrae.ru/3-71 (дата обращения: 05.09.2013).

УДК 681. ПРОВЕДЕНИЕ ЭКСПЕРТИЗЫ И ФОРМИРОВАНИЕ ПРАВИЛ ЛОГИЧЕСКОГО ВЫВОДА В СИСТЕМЕ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ Зайцев Д.В., Сатышев С.Н., Хвоинский Л.А.

Последнее время все более широкое распространение получают экспертные оценки значений переменных. Согласно экономической энциклопедии, экспертный метод оценивания значений переменных заключается в следующем: «... в решении участвует группа экспертов;

при решении задачи обычно не применяется определенный, общий для всех экспертов алгоритм;

решение базируется на опыте и интуиции экспертов, а не на непосредственных результатах расчетов или экспериментов;

задача состоит в получении новой информации, имеющей ~ 41 ~ общественную значимость». Решение задачи дается в форме коллективного экспертного суждения, получаемого на основе агрегирования индивидуальных суждений экспертов. Экспертные суждения, выраженные в количественной форме или по своему характеру интерпретируемые как оценочные (типа «много—мало», «лучше—хуже», «дальше—ближе» и т. д.), называются экспертными оценками— коллективными или индивидуальными».

Области применения экспертных оценок весьма разнообразны: оценки качества руководства и руководителей;

полезности;

качества товаров;

важность, значимость различных объектов, систем, целей, операций и т. д.;

коэффициенты трудового участия;

время выполнения работы;

время наступления определенного события;

вероятности различных событий;

вкус пищи;

квалификация самих экспертов и т. д.

Из всего разнообразия можно выделить следующие три основные процедуры:

индивидуальная экспертная оценка, агрегирование индивидуальных экспертных оценок, свертка нескольких показателей и четыре основные схемы экспертиз:

1. Индивидуальная экспертная оценка агрегирование;

2. Индивидуальная экспертная оценка агрегирование свертка.

3. Индивидуальная экспертная оценка свертка агрегирование.

4. Индивидуальная экспертная оценка (включающая неявно индивидуальную свертку) агрегирование.

В первой схеме объект «одномерен»;

в трех последних строится экспертная оценка многомерного объекта.

Пусть, например, транспортная система характеризуется следующими признаками: 1) скорость (км/ч);

2) стоимость (руб.);

3) аварийность (число аварий в год);

4) шум (децибелы);

5) вибрация (измер. в ед. g — ускорение свободного падения);

6) температура (t°C);

7) число пассажиров на 1 место (число). Возможны следующие варианты экспертиз:

1. Эксперты оценивают полезность значений каждой из семи указанных выше переменных Uij(xj), где i — индекс эксперта, j — номер переменной, хj — j-я переменная: х1 — скорость, х2 — стоимость и т. д. Затем индивидуальные оценки полезности некоторым образом агрегируются, в результате чего получаются агрегированные оценки Uj(xj) = Fj(U1j(xj), U2j(xj),...).

2. После агрегирования индивидуальных экспертных оценок значений каждой переменной хj проводится свертка агрегированных функций полезности. Каждый вариант транспортной системы характеризуется теперь одним числом V.

3. Получаются индивидуальные оценки Uij(xj) значений переменных xi. Затем проводятся свертки индивидуальных оценок: Vi = Vi(Ui1(x1), Ui2(x2),...) и уже после этого индивидуальные оценки векторов - транспортных систем агрегируются V = V(v1, v2,..., vi).

4. Экспертам предъявляют варианты транспортных систем — векторы (х1,..., х7) при различных значениях xi. Эксперты оценивают эти векторы, получаются индивидуальные оценки Vj(x). Затем эти оценки агрегируются: V= V{v1,..., vj).

~ 42 ~ Посмотрим, какие условия должны выполняться для того, чтобы экспертные оценки имели теоретический смысл и практическую значимость. Прежде всего, остановимся на индивидуальных экспертных оценках.

Обозначим: А — реальное положение дел, Б — мнение эксперта об A — о реальном положении дел, В — утверждение эксперта о реальном положении дел. При проведении экспертизы предполагается, что В соответствует А, обозначим это как BA. Но В не непосредственно отражает реальное положение дел. Для выполнения ВА должно быть выполнено БА, ВБ и, кроме того, отношение «»должно быть транзитивным, т. е. из БА и ВБ должно следовать ВА.

Аналогичную логическую схему имеем и в случае группы экспертов для каждого эксперта:

где. i — индекс эксперта.

Но в этом случае к перечисленным выше условиям добавляется условие агрегирования экспертных оценок: Г (В1,..., Bi,..., Вn), где Г — агрегированная экспертная оценка, п — число экспертов. Схема вывода в этом случае имеет вид Экспертные оценки (индивидуальные и агрегированные) могут быть истинными или ложными, - вряд ли кто-нибудь станет это оспаривать (хотя на практике это обстоятельство не всегда принимается во внимание). Следовательно, при проведении экспертиз как-то должны быть решены проблемы проверяемости. Этих проблем три.



Pages:   || 2 | 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.