Программные продукты и системы

Статьи из выпуска № 4 за 2020 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам

11. Оптимизация типовых моделей процессов логистики с применением облачных технологий [№4 за 2020 год]
Авторы: Левченко А.А., Таратухин В.В.
Просмотров: 4040
Применение типовых моделей процессов при внедрении АСУ предприятием (АСУП) позволяет сократить сроки и бюджет проекта. Задача оптимизации типовых моделей процессов становится более значимой при применении SaaS-технологий (Software as a Service – ПО как услуга). Имеющиеся типовые модели процессов и методы их оптимизации не учитывают специфику облачных вычислений и поэтому не могут быть применены для новых проектов с использованием SaaS. Использование методов системного анализа и теории систем позволило поставить задачу управления типовыми моделями процессов. Задача формализована для случаев управления процессом внедрения АСУП при применении как классической методологии внедрения, так и методологии для внедрения АСУП с технологией SaaS. Для сравнения различных подходов была применена общая теория управления. При описании задачи оптимизации определены цель и критерии эффективности ее достижения, а также построены модели для обоснования принятия решения. В моделях систем управления внедрением и поддержкой АСУП были выделены блоки управления, планирования, распределения нагрузки и исполнения, описана связь блоков между собой и с внешней средой. Сформированы рекомендации к построению модели имитации процесса закупки, выполнено тестирование модели, получена программная реализация цифровой системы управления процессами закупки. Для обоснования экономической целесообразности применяемого метода был применен функционально-стоимостной анализ на базе типовых моделей процессов логистики с учетом региональной специфики России и Японии. Разработанная технология была успешно апробирована на предприятиях металлургической отрасли и отрасли высоких технологий.

12. Применение трансформаций таблиц решений при создании интеллектуального программного модуля «Детектор» для веб-приложений [№4 за 2020 год]
Автор: Юрин А.Ю.
Просмотров: 4613
Создание модулей принятия решений для веб-приложений, использующих методы искусственного интеллекта, в частности, в форме баз знаний, требует разработки специализированного методического и программного обеспечения. Автоматизировать данный процесс можно с помощью модельно-управляемых подходов, реализующих принципы порождающего и визуального программирования, а также модельных трансформаций. В данной работе описываются новая специализация одного из подобных подходов и ее применение для создания интеллектуального программного модуля «Детектор». Особенностью специализации является использование концептуальных моделей в форме диаграмм классов UML и таблиц решений в качестве исходных формализмов для представления знаний, авторской нотации Rule Visual Modeling Language (RVML) в качестве инструмента для визуализации логических правил, языка PHP (Hypertext Preprocessor) в качестве целевой платформы, PKBD (Personal Knowledge Base Designer) в качестве инструментария, реализующего подход. Преимуществом подхода является возможность автоматизированного создания веб-модулей принятия решений на основе преобразований концептуальных моделей и таблиц решений без прямого программирования (манипулирования конструкциями языка программирования). Ограничения подхода связаны с определенным классом создаваемых систем (веб-модули на PHP), а также с глубиной реализуемого логического вывода: структура запрограммированных знаний такова, что решение в модулях принимается за один шаг и не предполагает цепочки рассуждений. Приведены описание подхода и пример его применения при разработке модуля «Детектор», решающего задачу принятия решений при обнаружении нежелательных сообщений и выявлении клиентов, нарушающих правила использования сервиса СМС-информирования. Показана применимость разработанного модуля, а также дана оценка подхода по временному критерию при решении учебных (тестовых) задач.

13. Программное обеспечение подсистемы контроля качества выпускаемой продукции с использованием интеллектуальных алгоритмов [№4 за 2020 год]
Автор: Гришин Е.С.
Просмотров: 3434
В данной работе решается задача сокращения выпуска производством по изготовлению сварных труб из нержавеющих марок сталей продукции ненадлежащего качества путем создания ПО, функционирующего в составе АСУТП предприятия и обеспечивающего контроль качества выпускаемой продукции с использованием интеллектуальных алгоритмов. Описывается алгоритм непрерывного контроля качества продукции, результатом которого является вывод о качестве выпускаемой продукции. На его основе разработана подсистема непрерывного контроля качества, опирающаяся на БД материалов и технологические карты выпускаемой продукции. Данная подсистема разрабатывалась в рамках создания и внедрения комплексной АСУТП и подсистемы непрерывной диагностики и контроля состояния оборудования с использованием интеллектуальных алгоритмов на основе машинного обучения. Для реализации интеллектуальных алгоритмов машинного обучения был применен кросс-платформенный фреймворк-построитель моделей с открытым исходным кодом ML.NET, который позволяет получить модель на основе входных данных и упрощает интеграцию модели в готовое .NET приложение. При необходимости фреймворк позволяет дообучить или переобучить модель. Подсистема непрерывной диагностики и контроля состояния оборудования строится на продукционной модели представления знаний, которая, в свою очередь, основана на обработке правил диагностики. Правила диагностики разрабатываются для конкретного производства и единицы оборудования специалистом в данной предметной области. Результатом работы подсистемы контроля качества выпускаемой продукции являются контроль характеристик технологического оборудования, влияющих на качество выпускаемой продукции, контроль характеристик выпускаемой продукции на основании данных технологических карт производства, выдача предупреждений о тенденции к уходу наблюдаемых характеристик из диапазона допустимых значений и информации о зарождающихся дефектах выпускаемой продукции, связанных с данными характеристиками. Разработанное ПО подсистемы контроля качества выпускаемой продукции с использованием интеллектуальных алгоритмов позволило сократить выпуск продукции ненадлежащего качества вследствие раннего выявления дефектов (износа) оборудования.

14. Разработка вычислительной среды моделирования режимов газотранспортных систем на основе данных телеизмерений [№4 за 2020 год]
Автор: Голубятников Е.А.
Просмотров: 3330
В статье рассматриваются проблемы эксплуатации программных комплексов моделирования режимов трубопроводных систем на основе данных телеизмерений при оперативном диспетчерском управлении. Проведен анализ предметной области, а также особенностей программной реализации систем моделирования по телеизмерениям, в результате которого сформулированы требования к таким системам. Основные из них – модульность, расширяемость и гибкость механизмов интеграции с информационными системами предприятий и расчетными модулями, организация многозвенного и автономного вычислительных процессов, поддержка распределенного взаи-модействия компонентов. Отмечается, что эксплуатируемые на предприятиях газотранспортной и нефтетранспортной отраслей программные продукты моделирования режимов на сегодняшний день в полной мере не отвечают сформулированным требованиям, поэтому автор предлагает раз-работать специализированную распределенную вычислительную среду моделирования на основе телеизмерений. В качестве основы для создания архитектуры вычислительной среды выбран микросервисный подход, согласно которому проектируемая система разбивается на небольшие, ограниченные контекстом функциональные блоки. В работе предложен способ декомпозиции задач, решаемых вычислительной средой, на сервисы, описаны роли и функции каждого из сервисов и определены методы их взаимодействия. Разработанные архитектурные решения были апробированы при диспетчерском управлении реальной газотранспортной системой. В статье описывается реализация разработанной архитектуры, интегрированной со SCADA-системами предприятия для обмена данными телеизмерений и результатами моделирования, а также с программно-вычислительным комплексом «Веста» для решения задач гидравлического моделирования. Созданный программный продукт ежедневно используется диспетчерским персоналом и позволяет решать актуальные задачи оперативного управления: моделирование режима реального времени, прогнозирование хода технологического процесса, расчет аналитических показателей функционирования системы.

15. Разработка нейронной сети для оценки исправности гидроагрегата по результатам вибромониторинга [№4 за 2020 год]
Авторы: Санталов А.А., Клячкин В.Н.
Просмотров: 4134
Предупреждение аварийных ситуаций на технических объектах в значительной мере обеспечивается диагностикой их функционирования. Одной из важных задач является диагностика технического состояния гидроагрегата. В истории гидроэнергетики известны примеры, когда низкое качество диагностики приводило к серьезным авариям. Для предупреждения подобных ситуаций проводится вибромониторинг гидроагрегата, при этом данные по вибрациям поступают на сервер сбора данных и передаются на стойку управления, где происходят корректировки нагрузки или полный останов агрегата. Необходимость оперативного вмешательства определяется по множеству показателей, которые характеризуют качество функционирования гидроагрегата. В настоящей статье исследуется эффективность применения нейросетевых методов для вибро-диагностики гидроагрегата. Полученная выборка разбивается на три части: обучающую, кон-трольную и тестовую. Обучающая часть предназначена для построения модели нейронной сети – зависимости между показателями функционирования агрегата и его состояниями. Контрольная выборка используется для текущей оценки качества обучения и позволяет предотвратить пере-обучение сети. Качество классификации оценивается по тестовой выборке. При использовании кросс-валидации исходная выборка разбивается на несколько блоков. Для оценки эффективности диагностики использовались три разных критерия качества: средняя ошибка на тестовой выборке, AUC и F-мера. Практическая реализация поставленной задачи проводилась в пакете MATLAB. Для заданного набора исходных данных наилучшей подобранной конфигурацией оказалась нейронная сеть из трех слоев с 18 нейронами в каждом слое. В качестве функции обучения в ней используется алгоритм Левенберга–Марквардта с методом обратного распространения ошибки. Процент средней ошибки распознавания состояния гидроагрегата с помощью нейронной сети равен 4,85, AUC равна 0,8833, а F-мера – 0,8282. Анализ эффективности полученной конфигурации сети по сравнению с сетью, автоматически построенной с помощью библиотеки машинного обучения Statistics and Machine Learning Toolbox, показал повышение F-меры на 6,7 %.

16. Разработка проблемно-ориентированной системы управления сопровождением сооружения геотехнологических скважин [№4 за 2020 год]
Автор: Молдаши Д.Н.
Просмотров: 2915
Проблемно-ориентированная система управления сопровождением сооружения геотехнологических скважин предназначена для удаленного мониторинга и диспетчерского управления буровыми работами. В создаваемой системе автоматизируются выполняемые технологическим персоналом и руководством экспедиции контрольные и управленческие виды деятельности, такие как контроль буровых процессов и бурового оборудования по данным измерительных приборов, ведение рабочих журналов, диспетчерское управление, анализ и мониторинг аварийных ситуаций. Основная идея создания проблемно-ориентированной системы управления заключается в автоматизации сбора и обработки информации о текущем состоянии объектов автоматизации, в контроле и управлении буровыми работами, а также мониторинге аварийных ситуаций. Предметная область проблемно-ориентированной системы управления может быть отнесена к объектам автоматизации с распределенной организационной структурой, тесными информационными взаимосвязями и дискретным характером обработки значительных объемов информации. Цель исследования – повышение эффективности работы буровых бригад геологоразведочных экспедиций на основе создания проблемно-ориентированной системы управления сопровождением сооружения геотехнологических скважин, позволяющей реализовать процедуры мониторинга параметров буровых работ на месторождении, ведения автоматизированного учета режимов работы бурового оборудования и визуализации различных показателей бурения. Новизна заключается в обеспечении возможности углубленного анализа производственных показателей деятельности буровых бригад в реальном режиме времени управлением параметрами бурения и визуализацией решаемых задач в условиях непрерывного характера технологических процессов и территориальной распределенности буровых установок. В проблемно-ориентированной системе управления сопровождением сооружения геотехнологических скважин реализована функция измерения и контроля параметров различных режимов бурения и состояния бурового оборудования в режиме реального времени, осуществлена возможность измерений широкого набора косвенных параметров бурения с последующим расчетом структурных взаимосвязей, анализом и выводом соответствующей информации. ПО проблемно-ориентированной системы управления позволяет в реальном времени принимать, обрабатывать и визуализировать данные с датчиков, производить расчет параметров процесса бурения с использованием математических моделей и оповещать бурильщика об отклонениях технологических показателей.

17. Разработка теоретических основ классификации и кластеризации нечетких признаков на основе теории категорий [№4 за 2020 год]
Авторы: Русаков К.Д., Селиверстов Д.Е., Хиль С.Ш., Савилкин С.Б.
Просмотров: 5379
В статье дается обоснование выбора меры неопределенности сведений. Описывается современный подход, основанный на применении фундаментальных алгебраических конструкций теории категорий. Особенностью множества отношений эквивалентности является непосредственное (прямое) установление отношения эквивалентности между объектом и классом. Показано, что в настоящее время существует ряд актуальных прикладных задач в области классификации, требующих иного подхода к установлению отношения эквивалентности – использования модели каскадного фильтра с промежуточными состояниями. Для обоснования меры неопределенности об объекте предлагается использовать теоретические положения на основе математического аппарата теории ультраоператоров. Данный аппарат также оперирует сведениями в терминах определений неэлементарных сведений. К особенностям рассматриваемого аппарата можно отнести следующие: предложение оперировать не сведениями, а их неопределенностями, не рассматриваемыми в аппарате ультраоператоров; в некоторых задачах рассматриваются элементарные сведения, что является частным случаем в аппарате ультраоператоров и облегчает вычисления; область применения сужается до чисел (то есть сведения-множества могут быть только числовой природы, компактами, в том числе многомерными); оперирование числовыми множествами-сведениями в некоторых случаях исключает необходимость применения в явном виде решетки (и соответствующих шкал) понятий и позволяет оперировать в неявном виде с бесконечными решетками. Предлагаемый авторами подход и представленные математическая модель и мера информационной неопределенности являются составной частью разрабатываемого метода классификации и кластеризации состояний сложных систем на основе теоретико-множественного подхода и позволяют рассматривать процесс получения четких классов с точки зрения снижения информационной энтропии с использованием каскадного фильтра.

18. Реализация логического вывода в продукционной экспертной системе с использованием Rete-сети и реляционной БД [№4 за 2020 год]
Авторы: Массель Л.В., Ан Г.В., Пестерев Д.В.
Просмотров: 5673
Одно из направлений искусственного интеллекта связано с разработкой экспертных систем. Чаще всего в этих системах применяется модель знаний в виде правил, получившая название продукционной модели Поста, такие экспертные системы называют продукционными. Классический алгоритм получения решения в экспертной системе заключается в последовательном логическом выводе. При увеличении объема правил в базе знаний логический вывод выполняется за недопустимо большой промежуток времени, что снижает возможность получения оперативного решения. Для ускорения вывода предлагается использовать Rete-сеть – алгоритм логического вывода для продукционных экспертных систем, предложенный Чарльзом Форги. Rete-сеть – алгоритм сопоставления с образцом – частично решает эту задачу, но желательно ускорение преобразования исходных правил в Rete-сеть. Для этого в статье предлагается формирование и хранение рабочей памяти системы логического вывода продукционных экспертных си-стем, построенной на основе технологии Rete-сети, с использованием реляционной модели данных. Приведена архитектура хранилища данных и знаний интеллектуальных систем, описана реализация экспертной системы на основе конкретизации этой архитектуры, показана структура разработанной экспертной системы. Апробация предлагаемого подхода выполнена с использованием когнитивных моделей. Когнитивная модель – один из видов семантических моделей, отражающая причинно-следственные отношения между концептами. Ранее было предложено использовать преобразование когнитивных моделей в правила продукционной экспертной системы для автоматизации интерпретации когнитивных моделей. Иллюстрируется применение Rete-сети для логического вывода на продукциях на примере ко-гнитивной модели одной из угроз энергетической безопасности: «Недостаток инвестиций в энергетике». Показано, что использование Rete-сети и реляционной БД для хранения рабочей памяти системы логического вывода в разработанной экспертной системе позволяет сократить время вы-вода при большом объеме правил в базе знаний по сравнению с алгоритмом наивного поиска.

19. Реализация программных средств для классификации данных на основе аппарата сверточных нейронных сетей и прецедентного подхода [№4 за 2020 год]
Авторы: Варшавский П.Р., Кожевников А.В.
Просмотров: 5473
Статья посвящена вопросам реализации программных средств для классификации данных, использующих рассуждения на основе прецедентов (Case-Based Reasoning, CBR) и технологию сверточных нейронных сетей (Convolutional Neural Network, CNN). В настоящее время CBR-методы широко используются для поиска решения различных задач на основе накопленного опыта, а CNN успешно применяются при решении задач классификации за счет выделения отдельных элементов и формирования высокоуровневых признаков с использованием ядер свертки. Одним из необходимых условий успешности решения задачи классификации данных является наличие корректной обучающей выборки. К сожалению, это условие не всегда может быть выполнено (например, в силу сложности рассматриваемых объектов и недостатка исходной информации). Благодаря способности накапливать, использовать и адаптировать имеющийся опыт CBR-методы могут применяться для формирования обучающей выборки, которая в дальнейшем может использоваться другими методами для решения задачи классификации данных. Таким образом, интеграция CBR-методов и CNN позволяет повысить эффективность решения задачи классификации данных. Помимо этого, CBR-методы могут применяться в областях с непредсказуемым поведением и обучаться в процессе функционирования, например, в процессе обучения нейронных сетей. В данной статье предлагается CBR-метод для обучения CNN, обеспечивающий контроль за обучением нейронной сети, а также прецедентное представление итераций при обучении. Подбор шага обучения CNN на основе прецедентов способствует повышению быстродействия алгоритма обучения сети. На основе предложенных методов в среде MS Visual Studio на языке C# реализован нейросетевой блок с использованием CNN, расширяющий возможности прецедентной системы (CBR-модуля) для решения задачи классификации данных. Для оценки эффективности предлагаемых в работе решений выполнены вычислительные эксперименты на реальных наборах данных.

20. Сравнительный анализ СУБД для туристической социальной сети [№4 за 2020 год]
Автор: Феоктистов Е.Ф.
Просмотров: 4296
Цифровые технологии широко используются во всех сферах жизнедеятельности человека, в том числе и в туризме. Бронирование готового тура, номеров в отеле и авиаперелетов можно сделать, не выходя из дома. Просмотр мобильных приложений с ценами на отели, билеты и туры стал частью ежедневной жизни туриста – даже не собираясь пока в поездку, он часто открывает данные приложения. Этими обстоятельствами и обусловлена идея создания мобильного приложения для туриста. Ниша туристической социальной сети, где можно общаться, планировать поездки, устраивать культурно-сувенирный обмен, пустует. В связи с этим идет разработка туристической социальной сети с рекомендательной системой на основе достаточно простых анкетных данных пользователей: списки сувениров на обмен (что есть, что хотят), ближайшие и совершенные поездки, город проживания и национальность. Для решения данной задачи необходимо выбрать такую СУБД, которая, во-первых, должна быть масштабируемой в силу возможного большого притока пользователей разных стран, а во-вторых, отвечать современным требованиям, быть надежной и быстродействующей. В статье анализируются различные виды нереляционных СУБД на опыте их использования в других социальных сетях. Описаны преимущества и недостатки систем при последующем возможном применении в туристической социальной сети. Также произведено тестирование трех графовых СУБД: Virtuoso, Neo4j и Sesame с целью выявления наиболее надежной и быстрой для данной разработки. На основе полученных данных определена лучшая СУБД, прошедшая большую часть тестов с наилучшими показателями времени.

◄ ← Предыдущая | 1 | 2 | 3 | Следующая → ►