ИНФОРМАЦИОННО-ЛОГИЧЕСКАЯ МОДЕЛЬ СППР ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ОПЕРАТИВНОЙ ДИАГНОСТИКИ

ИНФОРМАЦИОННО-ЛОГИЧЕСКАЯ МОДЕЛЬ СППР ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ОПЕРАТИВНОЙ ДИАГНОСТИКИ

Научная статья

Волкова О.Р.^1, *, Козлова М.И.²

¹ ORCID: 0000-0002-2364-5691;

^{1, 2} Московский Государственный Технологический Университет «СТАНКИН», Москва, Россия

* Корреспондирующий автор (orvsan[at]gmail.com)

Аннотация

Статья посвящена разработке информационной-логической модели системы поддержки принятия решения интеллектуальной системы оперативной диагностики технических систем на основе детального функционального моделирования процесса принятия решения о текущем состоянии диагностируемого объекта по результатам ранее принятых решений экспертом и априорной информации, полученной с устройств активного контроля в результате нормального функционирования или тестирования с применением стимулирующих воздействий специального вида.

Ключевые слова: СППР, система оперативной диагностики, процесс принятия решения, функциональная модель, логическая модель.

INFORMATION-LOGICAL MODEL OF DSS INTELLIGENT OPERATIONAL DIAGNOSTIC SYSTEM

Research article

Volkova O. P.^1, *, Kozlova M. I.²

¹ ORCID: 0000-0002-2364-5691;

^{1, 2} Moscow State Technological University "STANKIN", Moscow, Russia

* Corresponding author (orvsan[at]gmail.com)

Abstract

The article is devoted to the development of the information-logic model of the decision-support system for the intelligent system of operational diagnostics of technical systems on the basis of detailed functional modeling of the decision-making process on the current state of the diagnosed object based on the results of previously made decisions by the expert and a priori information received from active monitoring devices as a result of the normal operation or testing with the use of stimulating effects of a special kind.

Keywords: DSS, operational diagnostics system, decision-making process, functional model, logical model.

Современный курс развития отечественной экономики требует решения задач инновационной деятельности и модернизации не только в области автоматизации производства, но интеграции его в общее информационное пространство предприятия. Решение многих связанных с этим вопросов не возможно без широкого применения современных сложных технических систем, оборудованных тысячами современных устройств оперативного контроля и сбора данных. При этом в современных условиях развития промышленности, когда основные мощности состоят из уникальных и дорогих элементов, изменились требования к надежности таких систем, что усиливает значимость систем оперативного диагностирования технических систем, функционирующих в различных режимах эксплуатации и позволяющих производить не только своевременную идентификацию и исследование процессов, протекающих в системах, но и их прогнозирование.

Кроме того в современных условиях развития цифрового производства изменились требования и к автоматизированным системам управления сложными техническими системами. Это обусловлено повсеместным внедрением информационных технологий и применением, помимо устройств оперативного контроля, современных микропроцессорных устройств сбора и передачи данных об объекте в MDA-системы. В таких условиях качество функционирования как всего предприятия в целом, так и его технических объектов по отдельности, зависит от качества работы оперативного персонала со значительными объемами данных, характеризующих стохастические и динамические процессы диагностируемого объекта. Соответственно, возникает необходимость существенного улучшения взаимодействия персонала со средствами обработки информации.

Одним из вариантов возникшей проблемы является разработка системы поддержки принятия решений (СППР) задач системы оперативной диагностики технических систем [1], [2] технических систем на основе внешнего описания и прогнозирования их поведения, обладающих интуитивно понятным интерфейсом, позволяющих специалистам-предметникам (экспертам) самостоятельно обрабатывать информацию.

На основе анализа актуальной на текущий момент времени нормативной базы в области разработки программного обеспечения в [3] были сформированы требования к системе поддержки принятия решений задач интеллектуальной системы оперативной диагностики.

Разрабатываемая СППР в соответствии с классификацией, представленной в [4], [5], относится к пассивным, т.е. пользователю предстоит осуществлять принятие решения самостоятельно на основе выработанных системой рекомендаций и экспертного мнения. При этом ее архитектура соответствует трехуровневой, представленной на рис. 1.

Рис. 1 – Архитектура СППР

 

Процесс принятия решения разрабатываемой СППР наиболее подробно можно формализовать, применяя методологию IDEF0, в которой реализованы основные принципы функционального анализа сложных систем.

Рис. 2 – Контекстная диаграмма процесса принятия решения

 

Решение о текущем состоянии диагностируемой технической системы (рис. 2) предполагает при анализе априорных данных, полученных с устройств оперативного контроля в результате функционирования технической системе в нормальном режиме или тестирования состояния с применения стимулирующих воздействий специального вида [6-9], использование накопленного опыта решение подобных задач, хранящегося в системе на уровне данных. При этом сам процесс принятия решения регламентируется установленными правилами проведения процедуры диагностирования.

На первоначальном этапе СППР должна идентифицировать объект диагностирования и получить его математическую модель, позволяющую моделировать динамические процессы, протекающие в нем (рис. 3).

Рис. 3 – Диаграмма декомпозиции процесса принятия решения

Результаты диагностирования исследуемой технической системы на корректность функционирования формируются на основе полученной эталонной модели поведения данной технической системы, воздействий, сформированных для процедуры диагностирования, показаний датчиков, снятых в результате применения этих воздействий, и критериев оценивания, характеризующих нормальное поведение объекта диагностирования (рис. 4).

Расчет текущих критериев оценивания, позволяющих судить о корректности работы технической системы, осуществляется по регламентированному алгоритму на основе полученных значений показателей датчиков объекта диагностики. Если в процессе сравнительного анализа будет установлено, что хотя бы один из параметров находится вне допустимых значений, то на персональном компьютере эксперта, отображается сообщение о возможности некорректной работы объекта диагностирования и необходимости принятия экспертного решения о его работоспособности. А результаты сравнительного анализа передаются в следующий процесс, требующий выработать альтернативы возможных выходов из сложившейся ситуации.

Рис. 4 – Диаграмма декомпозиции процесса «Анализ результатов диагностирования ТС»

В процессе формирования экспертного решения основе хранящихся в системе правил осуществляется поиск решения по базе данных экспертных решений, при котором результаты анализа объекта диагностики, полученные на текущий момент наиболее точно соответствуют результатам анализа, хранящимся в базе данных.

Найденные на данном этапе экспертные решения ранжируются по возможности их возникновения, и передается эксперту, осуществлявшему диагностику. В случае отсутствия такового, пользователю предлагается сформировать решение на основе собственного экспертного опыта.

Завершающим этапом процесса принятия решения является окончательное принятие пользователем-экспертом решения по приостановке работы объекта диагностики или его дальнейшей работе.

В случае принятия решения, не соответствующего ни одному из предложенных системой, формируется запрос на редактирование правил формирования экспертного решения.

Детальное рассмотрение процесса показало, что решение о состоянии диагностируемой технической системы, рекомендованное СППР на основе многокритериального анализа априорной информации, носит стратегический характер и требует применения новых технологий, базирующихся на OLAP и MDM, которые накладывают дополнительные требования к организации структуры хранения данных.

Обеспечение наиболее естественного способа сбора и представления данных, связанных с СППР и требующих длительного хранения и обработки в системе оперативной диагностики, требует разработки инфологической модели данных.

В соответствии с методологией SADT формирование инфологической модели в виде ER-диаграммы может быть осуществлено с помощью ранее разработанных функциональных моделей предметной области на основе анализа входных и выходных потоков функциональной модели с учетом граничных условий.

Для построения инфологической модели необходимо выделить все возможное разнообразие претендентов в «сущности», а из них выбрать только значимые в области принятия решения о состоянии объекта диагностирования. Наименование потоков преобразовать в наименование «сущностей» логической модели, для которой далее определяется уникальный набор атрибутов, первичные и внешние ключи и проводится и устанавливаются взаимосвязи на основе входных потоков, потоков управления и механизмов функциональной модели. Тип связи определяется путем анализа данных связываемых сущностей.

В процессе разработки функциональной модели процесса принятия решений была сформирована ER – диаграмма, отображающая структуру будущей базы данных СППР. На рис. 5. представлен фрагмент разработанной диаграммы, отображающий взаимосвязь основных таблиц.

Рис. 5 – Фрагмент ER-диаграмма процесса принятия решения

Разработанная ER-диаграмма процесса принятия решения позволит:

• проводить анализ причин возникновения неисправностей;
• повысить производительность диагностирования неисправностей за счет использования опыта;
• проводить анализ влияния внешних факторов, различной природы, напараметры технической системы.

Конфликт интересов Не указан.

Conflict of Interest None declared.

Список литературы / References

1. Волкова О.Р. Интеллектуальная система оперативной диагностики, идентификации и моделирования технических систем на основе временных рядов / Волкова О.Р., Решетников П.В. // Вестник МГТУ «СТАНКИН». М.: МГТУ «СТАНКИН», №1 Т.2 (19), 2012, С.100-103.
2. Волкова О.Р. Оперативная диагностика технических систем на основе внешнего описания / Волкова О.Р., Досько С.И., Киренков В.В. // Контроль. Диагностика. М.: изд. Спектр, 2012. № 12. С. 61-65.
3. Козлова М.И. Анализ и формирование требований к системе поддержки принятия решения задач интеллектуальной системы оперативной диагностики / Козлова М.И. // Проблемы науки 3(27). 2018. С. 30-34.
4. Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungsunterstutzung. Gutes Entscheiden in Wirtschaft, Politik, Gesellschaft. / Haettenschwiler P. // Zurich: Hochschulverlag AG, 1999.
5. Козлова М.И. Классификация систем поддержки принятия решений / Козлова М.И. // Автоматизация и информационные технологии (АИТ-2018): материалы между. Студ. науч.-практ. конф. Сборник тезисов. – М: МГТУ «СТАНКИН», 2018.
6. Волкова О.Р. Применение внешнего описания для конструирования динамических моделей технических систем. / Волков Н.В., Волкова О.Р. // Вестник МГТУ «СТАНКИН». №2(2), 2008, с.96-107.
7. Volkova O.R. Constructing models of random processes with specified properties by the Wiener method for identifying dynamic system / Volkov N.V., Volkova O.R. // Measurement Techniques, New York, 2006, № 8, P.803-808.
8. Волкова О.Р. Идентификация, оперативная диагностика и моделирование технических систем по экспериментальным данным / Волкова О.Р. // Фунд. физ-мат. проблемы и моделирование технико-технологических систем: Ежег. сб. науч. трудов, вып.14. // Под редакцией Л.А. Уваровой. – М.: Янус – К, 2011. – С.109-112.
9. Волкова О.Р. Влияние статистических характеристик тестирующих процессов на результат идентификации исследуемой системы. / Фундаментальные и прикладные исследования в современном мире. – СПб.: ИИУНЦ, 2016. №16-1. С. 70-75.
10. Остроух А. В. Основы построения систем искусственного интеллекта для промышленных и строительных предприятий: монография / А. В. Остроух. – М.: Академия, 2016. – 280 с.

Список литературы на английском языке / References in English

1. Volkova O.R. Intellektual'naja sistema operativnoj diagnostiki, identifikacii i modelirovanija tehnicheskih sistem na osnove vremennyh rjadov [Intelligent system of operative diagnostics, identification and simulation of technical systems based on time series] / Volkova O.R., Reshetnikov P.V.// Vestnik MGTU «STANKIN» [Bulletin of the MGTU «STANKIN»]. M.: MGTU «STANKIN», №1 V. 2 (19), 2012, P.100-103. [in Russian]
2. Volkova O.R. Operativnaja diagnostika tehnicheskih sistem na osnove vneshnego opisanija [Operational technical diagnostics systems based on external description / Volkova O.R., Dos'ko S.I., Kirenkov V.V. // Kontrol'. Diagnostika. [Control. Diagnostics] M.: izd. Spektr, 2012. № 12. Р. 61-65. [in Russian]
3. Kozlova M.I. Analiz i formirovanie trebovanij k sisteme podderzhki prinjatija reshenija zadach intellektual'noj sistemy operativnoj diagnostiki [Analysis and formation of requirements to the DSS task of the intelligent system of operative diagnostics] / Kozlova M.I. // Problemy nauki [The problems of science] 3(27). 2018. Р. 30-34. [in Russian]
4. Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungsunterstutzung. Gutes Entscheiden in Wirtschaft, Politik, Gesellschaft. / Haettenschwiler P. // Zurich: Hochschulverlag AG, 1999.
5. Kozlova M.I. Klassifikacija sistem podderzhki prinjatija reshenij [Classification of decision support systems] / Kozlova M.I. // Avtomatizacija i informacionnye tehnologii (AIT-2018): Мaterialy mezhdu. Stud. nauch.-prakt. konf. Sbornik tezisov. [Automation and information technologies (AIT-2018): Мaterials of the international student scientific and practical conference. Book of abstracts.] – M: MGTU «STANKIN», 2018. [in Russian]
6. Volkov N.V. Primenenie vneshnego opisanija dlja konstruirovanija dinamicheskih modelej tehnicheskih sistem. [Application of external description for designing dynamic models of technical systems.] / Volkov N.V., Volkova O.R. // Vestnik MGTU «STANKIN» [Bulletin of the MGTU «STANKIN»]. - №2(2). – 2008. - Р. 96-107. [in Russian]
7. Volkova O.R. Constructing models of random processes with specified properties by the Wiener method for identifying dynamic system / Volkov N.V., Volkova O.R. // Measurement Techniques, New York, 2006, № 8, P. 803-808.
8. Volkova O.R. Identifikacija, operativnaja diagnostika i modelirovanie tehnicheskih sistem po jeksperimental'nym dannym [Identification, operative diagnostics and modeling of technical systems on the basis of experimental data] / Volkova O.R. // Fund. fiz-mat. problemy i modelirovanie tehniko-tehnologicheskih sistem: Ezheg. sb. nauch. trudov, vyp.14 [Fundamental physical and mathematical problems and modeling of technical and technological systems, Annual collection of scientific papers, issue 14] // Edited by L.A. Uvarova. – M.: JAnus – K, 2011. – Р. 109-112. [in Russian]
9. Volkova O.R. Vlijanie statisticheskih harakteristik testirujushhih processov na rezul'tat identifikacii issleduemoj sistemy [The influence of statistical characteristics tested processes on results of identification of the studied system] [Teхt] / Volkova O.R. // Fundamental'nye i prikladnye issledovanija v sovremennom mire [Fundamental and applied research in the modern world]. – SPb.: IIUNC, 2016. № 16-1. P. 70-75. [in Russian]
10. Ostrouh A. V. Osnovy postroenija sistem iskusstvennogo intellekta dlja promyshlennyh i stroitel'nyh predprijatij: monografija [Bases of construction of artificial intelligence systems for industrial and construction enterprises: monograph] / A. V. Ostrouh. – M.: Akademija, 2016. – 280 р. [in Russian]