ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2018

Принципы построения интегрированной системы баз данных моделей

Статья опубликована в выпуске журнала № 3 за 1993 год.[ 22.09.1993 ]
Аннотация:
Abstract:
Авторы: Суворов А.И. () - , , , Валькман Ю.Р. () - , ,
Ключевое слово:
Ключевое слово:
Количество просмотров: 9523
Версия для печати

Размер шрифта:       Шрифт:

Увеличивающиеся темпы научно-технического прогресса, ускорение морального старения сложных изделий новой техники, сокращение (в настоящее время) финансирования проектных работ, усложнение как самих объектов, так и методов и средств их конструирования и исследований приводит к необходимости реализации и использования качественно новых информационных технологий {НИТ) [17] их разработки.

Базовые концепции создания таких технологий следующие [4]: интеллектуализация, индивидуализация и интеграция. Рассмотрим последнюю применительно к объединению научных (НИ), экспериментальных (ЭИ) и проектных исследований (ПИ) сложных объектов новой техники. Естественной основой интеграции НИ, ЭИ и ПИ является единая информационная среда, основанная на базах данных (БД) моделей их функционирования. Для синтеза таких интегрированных баз данных необходимо проанализировать семантику и структуру данных и знаний, используемых в НИ, ПИ н ЭИ.

Анализ процессов НИ, ЭИ, ПИ и синтез соответствующих структур БД здесь производится с ориентацией иа практическое создание единой информационной среды [8], разработки сложного изделия. Поэтому во всем дальнейшем изложении акцентируется внимание на структуро-парамстричес-кн-модельное описание морфологии-статики и динамики функционирования объекта, т.е. не рассматриваются такие важнейшие подсистемы ПИ, НИ, ЭИ, как информационно-поисковые патентной и лицензионной литературы и т.п.

Данное исследование являете* продолжением работы по созданию системы баз данных сложного изделия, результаты которых, в том числе некоторые проектные решения, изложены в [1-10, 30, 31]. Здесь сначала рассмотрим БД НИ, ЭИ, ПИ автономно, затем исследуем и разработаем принципы интеграции этих БД в единую систему.

ДАННЫЕ О СЛОЖНОМ ИЗДЕЛИИ В НИ

Конечной целью любого НИ, как правило, является синтез множества математических моделей (ММ), адекватных разрабатываемому изделию и процессам его функционирования.

Под ММ обычно понимают математическое описание сущности явлений, протекающих в объекте моделирования, которое позволяет прогнозировать его поведение при изменении управляющих факторов. Для ММ характерно наличие различных параметров, объединенных в совокупности зависимостей, в которых они воспроизводят структуру, отношения, связи и процессы, протекающие в исследуемом объекте. ММ имеют много разновидностей: модели, заданные дифференциальными уравнениями; экспериментально-статистические, как правило, полиномиальные модели, логико-динамические [28], логико-лингвистические модели [13], семиотические [19] и т.п.

В основном их можно класс иф и пировать по источнику исходной информации, форматам хранения, методам синтеза и процедурам использования. В НИ чаще строятся и анализируются ММ процессов функционирования сложных изделий, их агрегатов (силовой установки, навигационных и управляющих систем и т.п) и подсистем (качки, шумности, гидроакустики и т.п.).

Спецификой ММ, используемых в НИ, являются следующие характерные особенности.

Как правило, эти модели'описывают динамику исследуемых процессов. Поэтому, в основном, для их получения исполыуются аппараты дифференциального, интегрального исчисления, алгебраические методы, "средства непрерывной математики".

Каждая модель представляет собой систему уравнений. В самом общем виде структура уравнений имеет формат Y = F(X), где X - вектор входных параметров (аргументов), Y — вектор выходных параметров (функций), F - вектор соответствующих отношений.

В составе параметров XUY можно выделить параметры-характеристики конструкции изделия (водоизмещение, вес, габариты и т.п.) и параметры-свойства функционирования объекта (скорость, амплитуда качки, инерционность и т.п.). Кроме этого, в XUY можно выделить параметры внешней среды: скорость ветра, высота волны и т.п.

В основном в НИ исследуются модели, в которых в качестве Y фигурируют функциональные свойства изделия, а к X откосят характеристики конструкции объекта и внешней среды. И чаще исследуется объект в целом или его подсистемы, но возможны исследования и различных его агрегатов или даже узлов (силовой установки, корпуса судна и т.п.). В последнем случае в качестве внешней среды используются параметры модели более высокого уровня иерархии.

На самом высоком уровне в НИ можно выделить два основных процесса: синтез и анализ ММ. В среде НИТ синтез моделей, как правило, производится посредством пакетов прикладных программ (ППП), которые включают программные модули, реализующие различные методы построения ММ; но возможен и "ручной" синтез ММ в тех случаях, когда для соответствующего метода еще не разработано необходимое программное обеспечение. В процессах анализа (также на самом высоком уровне) ММ можно выделить три класса процедур: определение значения вектора Y для известных значений вектора X; исследование интегрального "поведения" вектора Y (или какой-либо его проекции), на каком-нибудь диапазоне значений вектора X (или его проекции); совместное исследование нескольких аналогичных, подобных (по какому-либо критерию-признаку) моделей.

Таким образом, информационная среда ИИ должна включать данные моделей и параметров исследуемых процессов и, соответственно, в БД ММ необходимо определить следующие объекты: каталог моделей, каталог параметров, ассоциатор отношений моделей, ассоциатор параметров, отношение "параметры-модели". При этом в каталоге моделей содержатся тексты моделей, их назначения и обозначение, формат хранения. Посредством ассоциатора моделей исследователь имеет возможность объединить их в различные семейства по самым разнообразным признакам-критериям. В каталоге параметров описываются характеристики и свойства параметрической среды моделей: идентификаторы параметров (название, назначение, обозначение, аббревиатуры, принятые в данной предметной области); единицы их измерения, диапазоны возможных значений и т.п. Посредством ассоциатора параметров описываются отношения между различными параметрами; причинно-следственные, родовидовые, обобщения, агрегации [12, 13, 19, 23].

Отношения между модельной и параметрической средами описываются в ассоциаторе "параметры-модели"; здесь отображаются связи: какой параметр в каком качестве (аргумента или функции) входит в данную модель. В этом же ассоциаторе описываются области допустимых значений параметров, но уже для данной модели. Таким образом, строятся структуры отношений типов: в какие модели входит данный параметр, какие характеристики имеют параметры данной модели и т.д.

Система управления БД ММ должна предоставлять исследователю следующие возможности: вводить локальные модели (их тексты); значения контекстных параметров [30]; образовывать различные структуры моделей; вводить характеристики и свойства параметров; образовывать параметрические структуры; редактировать модели и/или параметров; модифицировать структуры моделей и/или параметров; удалять из БД локальные модели и/или параметры и их структуры (подмножества); осуществлять поиск локальных моделей и их семейств по определенным свойствам, поиск параметров по определенным значениям характеристик (непроцедурные запросы, характерные для реляционных моделей [12, 14]); навигацию структур моделей и параметров, переход из параметрической среды в модельную и обратно (процедурные запросы, характерные для графо-ориентированных моделей СУБД [12, 14, 22]).

Ввод модели в БД может осуществляться пользователем или из ППП, который ее построил, или через терминал ПЭВМ, если модель синтезирована на другом вычислительном комплексе, взята из каких-либо иных источников (например из статьи, монографии) или построена вручную.

Поэтому языковые средства СУБД ММ должны включать CALL-операторы для подключения к БД различных ППП и меню-ориентированный многооконный интерфейс пользователя. При этом представляется целесообразным реализация CALL-onepa-торов только для записи текстов локальных моделей в БД и для передачи этих текстов в ППП для анализа. Остальные операции (удаления, редактирования текстов моделей, построения их структуры, реструктуризации, построение параметрической среды, поиска моделей и т.п.) производятся исследователем только в интерактивном режиме.

ДАННЫЕ О СЛОЖНОМ ИЗДЕЛИИ В ЭИ

Целью ЭИ является получение экспериментальных моделей функционирования исследуемого объекта в различных режимах его будущей эксплуатации и критических режимах.

Принципиальное отличие НИ от ЭИ состоит в том, что в НИ инструментом получения ММ являются аналитические, теоретические исследования и вычислительный эксперимент [26], а в ЭИ - натурные, полунатурные, лабораторные, стендовые (например в бассейне или на вибростенде) испытания. Поэтому ММ, синтезированные на этапах ЭИ, как правило, имеют формат алгебраических полиномов, т.к. для их построения, в основном, используются методы математической статистики.

Как показали исследования [1-4, 7, 8, 31], состав и структура информации в БД и вышерассмотренные средства СУБД ММ полностью адекватны требованиям процессов обработки экспериментальных данных. Однако форматы математических моделей, обслуживаемые СУБД, значительно отличаются: уже был выделен класс экспериментально-статистических моделей, исключены из рассмотрения дифференциальные уравнения и т.п. Кроме этого, для ЭИ в БД вводятся специальные структуры: измерительный кадр, реализация, матрица измерительной информации (ИЗИН), другие характеристики измерительных данных (дисперсия, математическое ожидание и т.п.). Первые две структуры представляют собой векторы параметров, третья - матрицу, остальные - скалярные величины — обобщенные статистические характеристики ИЗИН.

Для обработки и интерпретации этих разновидностей ММ необходимы следующие специальные средства СУБД: записи их в БД, образования необходимых структур, поиска данных, в частности построения проекций матриц ИЗИН, "вырезки" из них миноров, адекватных запросам и т.п., организации хранения матриц (учитывая различную дискретность работы датчиков ИЗИН, эти матрицы ненормализо-ваны в терминах реляционной модели), "прореживания" матриц ИЗИН, "квантования" векторов реализации и т.д. Все эти операции, принципы реализации и проектные решения по созданию специализирован' ной проблемно-ориентированной СУБД ИЗИН изложены в [1, 2, 4, 7, 31].

Заметим, что на концептуальном уровне структуры БД ММ и БД ИЗИН не отличаются. Однако если для первой трактовка текста модели в основном осуществляется посредством модулей-вычислителей (что используется во второй на уровне экспериментально-статистических полиномов), то для второй более характерна интерпретация моделей ИЗИН посредством визуального анализа. Модели ИЗИН проше - знания в них кодируются векторами чисел, а не уравнениями, как в ММ, но структура хранения матриц ИЗИН значительно сложнее, чем уравнений ММ. Кроме этого, и идентификация "изощренней", т.к. необходимо посредством соответствующих дескрипторов описать особенности, свойства и характеристики измерительных датчиков и систем (см., например [15, 16], которые в значительной мере определяют семантику [12, 13] данных (параметров) моделей.

В ЭИ, как и в НИ, анализируются динамические свойства сложного объекта, его подсистем и агрегатов.

ДАННЫЕ О СЛОЖНОМ ИЗДЕЛИИ В ПИ

В настоящее время в жизненном цикле сложной технической системы [28] в стадии проектирования выделяют две фазы - внешнее и внутреннее проектирование, которые еще называют [20] соответственно макро- и микропроектированием. В соответствии с ГОСТ 22487-77 первую фазу называют "формирование требований к системе и разработка технического задания (ТЗ)". Иногда [29] эту фазу еще называют "обликовым", предварительным проектированием. В любом случае в этой фазе производится цикл научно-исследовательских работ, в результате которых формируется техническая концепция сложного изделия, его структура и основные (обликовые) параметры. Поэтому представляется целесообразным назвать эту фазу ПИ.

Систему моделей деталей, узлов, агрегатов, компонентов, подсистем сложного объекта, которые строятся и являются результатом ПИ в [20] называют структурно-параметрическим И-ИЛИ-графом (деревом) изделия. Аналогичный подход итерационного синтеза-анализа иерархической структуры моделей в ПИ декларируется в [29, 32]. И в настоящее время, по-видимому, его уже можно считать каноническим.

Структурно-параметрический И-ИЛИ-граф содержит иерархию описаний сложного объекта {Xi E, i = 0,k}. Размерности Ni векторов проектных (конструктивных параметров Xi связаны, как правило, неравенствами NO>N1> ... > Nk; вектор Xk даст агрегированное описание сложного изделия фазы ПИ, век-

тор Хо - этапа рабочего проектирования (2-й фазы). Переход с 1-го уровня на (i-l)-fi, i = k, к-1, ..., 1 осуществляется на основе проектно-конструкторской проработки проекта "в глубину" [20].

Таким образом, в И-ИЛИ-графе фактически описывается статическая структура сложного изделия. В процессе ПИ структура графа может меняться (например вводятся новые агрегаты, удаляются "старые" и т.п.), редактируются значения параметров "конструкции, модифицируется и их состав. Каждая вершина И-ИЛИ-графа представляет собой вектор параметров-характеристик, описывающий соответствующий узел, агрегат изделия. Заметим, что с учетом сложности изделия и числа поддерживаемых альтернативных вариантов его конструкции, размерность графа может быть очень большой. На основании информации этого графа посредством соответствующих ППП [32] производятся различные инженерные (проектно-конструкторские) расчеты общего веса конструкции, стоимости ее производства и производства ее агрегатов, длительности эксплуатации, геометрических и габаритных характеристик объекта, самых разнообразных параметров изделия. Параметры, значения которых "обслуживаются" И-ИЛИ-графом, можно классифицировать на входные и выходные в соответствии с требованиями функционального "наполнения" ППП [27]. Модели расчетов, производимых ППП, образуют вычислительную семантическую сеть [27]; эти сети обслуживаются средствами ППП и не имеют прямого отношения к СУБД. Однако средства СУБД должны обеспечивать динамическое формирование вектора входных параметров для "работы" ППП инженерных расчетов. Заметим, что в каждом конкретном случае инженерно-конструкторских расчетов посредством данного ППП могут быть "затребованы" значения самых различных подмножеств входных параметров (в зависимости от программных модулей ППП, подключаемых к вычислительной цепочке). Мы здесь не будем рассматривать всего многообразия инженерно-проектно-конструкторских расчетов [32] и моделей, используемых в ПИ. Заметим только, что помимо И-ИЛИ-графа (основной структуры данных об объекте), часто необходимо для ПИ еще поддерживать различные математические модели.

ММ, применяемые в ПИ, можно классифицировать по различным признакам [29, 32]. По характеру отображаемых свойств: структурные и функциональные. Структурные делятся на топологические (в которых отображаются состав и взаимосвязи элементов, блоков, узлов объекта в пространстве) и геометрические (отображающие сведения о форме деталей и агрегатов, например корпуса судна): аналитические, каркасные, кинематические. По принадлежности к иерархическому уровню: микроуровня, макроуровня, метауровня. По степени детализации описания: полные и макроуровня. По способу представления свойств объекта: аналитические, алгоритмические, имитационные. По способу получения модели: теоретические и эмпирические. Заметим, что часто трудно провести границу между процессами внешнего и внутреннего проектирования, но все же эти модели должны в большей степени синтезироваться и анализироваться в рамках НИ (т.е., условно, внешнего проектирования). Большинство из этих ММ можно хранить и обслуживать средствами СУБД, рассмотренных выше. Однако эти средства в большей степени ориентированы на "непрерывные модели". Многие, же модели, используемые в ПИ, имеют дискретный характер [24], для представления которых необходимо использовать механизмы алгебры фреймов или аппарата семантических сетей [23].

Б дальнейшем мы будем рассматривать только базовую структуру данных ПИ - структурно-параметрический И-ИЛИ-граф. Пользователи-конструкторы и проектировщики сами решат, насколько созданные средства адекватны всему многообразию моделей статики сложных объектов.

В [29] на верхнем уровне выделяются следующие типовые процедуры ПИ: анализ (одновариактный и многовариантный), синтез (параметрический и структурный), оптимизация. Все эти процедуры выполняются соответствующими ППП. Поэтому степень детализации описания каждой компоненты сложного изделия определяется уровнем детальности расчетов каждым ППП и многофункциональностью используемых ППП, т.е. количеством рассчитываемых характеристик. От этого прямо зависит и количество параметров, отображаемых в И-ИЛИ-графе. Очевидно, этот граф можно также считать разновидностью (дискретной) ММ.

Тогда концептуальная схема БД, приведенная выше, в приложении к ПИ трансформируется следующим образом. По-прежнему в каталоге параметров должны храниться и обслуживаться свойства и характеристики локальных параметров. Должен быть и ассоциатор параметров, в котором описывается структурно-параметрическое И-ИЛИ-дерево сложного изделия. При этом каждая локальная модель представляет собой вектор значений параметров, характеризующих соответствующий компонент сложного изделия (поэтому целесообразно использовать аппарат фреймов со слотами [23]), ассоциатор моделей моделирует отношения .(типа агрегации "и" или обобщения "или" [12]) между этими компонентами (очевидно, для этих отношений целесообразно применять механизмы семантических сетей [23]). Функции отношения "модели-параметры" очевидны. Заметим, что в данном случае и область допустимых значений параметра в модели также уместна.

Принципиальных отличий БД И-ИЛИ-дерева от БД ММ или БД ИЗИН два. Во-первых, в первой в каталоге моделей хранится по сути одна модель изделия: сложно-структурированная "многосвязная", семантически насыщенная. Во-вторых, каждая локальная модель (подмодель) компоненты изделия представляет собой фрейм-характеристику (вектор-значений) данного агрегата, узла, т.е. в модели не "кодируется" динамика, и поэтому не нужны модули-вычислители для трактовки или интерпретации модели.

Рассмотрим операции доступа к И-ИЛИ-графу. Эти операции разделим на два класса: процедуры доступа к БД со стороны ППП и интерактивные процедуры интерфейса проектировщиков и конструкторов.

Второй класс процедур должен обеспечивать следующие возможности проектировщикам сложных изделий: построение параметрической среды; ввод свойств и характеристик различных параметров; определение отношений между ними; построение в БД И-ИЛИ-графа; его навигацию; динамической модификации структуры графа; ввод новых объектов в И-ИЛИ-граф; удаление старых; ввод значений параметров; редактирование этих значений. Редактирование значений возможно не только непосредственно с терминала или средствами ППП (см. выше), но и косвенно пользователем посредством управления работой ППП.

Основными операциями первого класса являются динамическая сборка структур исходных данных из разных векторов-параметров компонентов сложного изделия в И-ИЛИ-графе для работы различных ППП (по их требованиям), выбор (из ППП) результатов инженерно-конструкторских расчетов и распределение их по разным векторам параметрам компонентов И-ИЛИ-структур.

По возможности эти операции должны выполняться автоматически при инициализации различных ППП. В случае наличия синонимии, полисемии, омонимии в идентификации параметров в БД и ППП или отсутствия соответствующих параметров в БД, желателен минимальный диалог с конструктором для установления необходимой биекции между идентификаторами БД и ППП; если для какого-либо ППП нет в И-ИЛИ-графе (БД) соответствующего параметра, то необходимо должным образом модифицировать структуру И-ИЛИ-дерева.

СИСТЕМА БД СЛОЖНОГО ИЗДЕЛИЯ В ПИ, НИИЭИ

Некоторые принципы реализации единой информационной среды ПИ, НИ и ЭИ сложного объекта рассматривались нами в работах [3-6, 8-10].

Следует заметить, что во всех трех базах данных хранятся очень большие объемы информации; особо это относится к БД ИЗИН, в которой хранятся весьма объемные матрицы измерительной информации. Поэтому, естественно, система БД моделей сложного изделия в НИТ НИ, ПИ и ЭИ хранится и обслуживается в распределенном виде [21, 22] в среде локальной вычислительной сети, которая включает большую центральную ЭВМ, соединенную с ЭВМ средней мощности (находящимися в различных отделах и лабораториях), соединенных с ПЭВМ на рабочих местах конструкторов, проектировщиков, исследователей, экспериментаторов.

В основу распределения и интеграции данных положены следующие принципы.

1.        Централизация и децентрализация данных по подразделениям по схеме: центральная БД (одна в организации) - БД отделов - БД лабораторий - ло кальные БД отдельных рабочих мест.

2.   Распределение данных по уровням использова ния по схеме: архив данных — БД общего пользования - оперативные БД.

3.   Интеграция и дифференциация данных по из делиям по схеме: БД объектов, раэрабонтанных в данной организации - БД аналогичных объектов, на ходящихся в эксплуатации - БД, проектируемых и/или исследуемых объектов.

4.   Интеграция и распределение данных по под системам и агрегатам объектов. Поскольку чаще всего специализация подразделений производится по функциональным признакам объекта (например отдел исследования силовой установки или лаборатория исследования мореходности судна и т.п.), то этот принцип тесно взаимосвязан с первым.

Некоторая корреляция очевидна и между вторыми и третьими принципами.

Принципиальная разница между ПИ, НИ и ЭИ заключается в следующем: первые направлены на формирование конструктивных параметров и структуры сложного изделия с ориентацией на функционирование его в соответствии с определенными целями (объекта еще нет, поэтому проектирование имеет гипотетический характер); вторые ориентированы более на аналогичное определение функциональных свойств изделия, иногда и статических структур его с учетом потенциальных значений параметров его строения и характеристик (объекта также нет, поэтому модели чаще имеют характер гипотез, а не теории); третьи представляют собой апробацию созданного объекта (эксперимент-критерий истины"), поэтому в ЭИ строятся модели в четко определенной параметрической среде; посредством их фактически проверяются гипотезы проектных (статики объекта) и научных (динамики его) исследований (правда, это справедливо для натурных испытаний и в меньшей мере для стендовых и лабораторных экспериментов).

Однако в реальных условиях дела обстоят несколько иначе. Основным процессом является проектирование новых изделий (именно ПИ существенно финансируются), поэтому они играют ведущую роль в соответствующих КБ и НИИ, а ЭИ и НИ в большей степени являются вспомогательными. При этом базовым методом проектирования является широко используемый явно и неявно метод аналогии: от формализованного, например геометрического (стенды типа бассейна, вибростола, иногда, кстати, из-за неверной формализации, приводящей к неправильным выводам) до "наивного" - "а помните, на судне..." и т.п.

Интеграция БД ММ ПИ, НИ, ЭИ должна обеспечить быстрый поиск адекватных проектируемому изделию и его компонентам моделей-аналогов как статических, так и динамических характеристик, свойств. Более того, если И-ИЛИ-граф должен обеспечить необходимую целостность и целесообразность технологии проведения ПИ, то его использование в НИ должно соответствующим образом ориентировать исследователей на поиск гипотез и построение теорий "узких мест" функционирования новых изделий, а применение его в ЭИ придает им целостность и целесообразность.

Таким образом, построение единой информационной среды по сути обеспечивает взаимное "обогащение" данными, информацией, знаниями всех трех типов исследований.

Рассмотрим, как это происходит и определим основные признаки интеграции.

Все три БД локально, в общем, включают два типа объектов: модели и параметры. Поскольку объект един, то параметрическая среда также должна интегрироваться в общую структуру. Таким образом (1-й признак интеграции), теперь конструкторы и исследователи "всех трех типов" будут знать о параметрах (и их отношениях) моделей других типов исследований: ПИ о ЭИ и НИ; НИ о ЭИ и ПИ; ЭИ о НИ и ПИ. Заметим, что при осуществлении интеграции параметрической среды необходимо "тщательно отслеживать" идентификацию параметров (во избежание синонимии и омонимии). Кроме этого, не следует думать, что параметры, используемые во всех трех типах исследований, семантически должны совпадать, так, например в ПИ, как правило, не знают о параметрах, значения которых фиксируются датчиками и измерительными системами в определенных "точках сложного изделия" для синтеза моделей процессов его функционирования.

И-ИЛИ-дерево, фактически, поддерживает информацию о множестве альтернативных проектов (как это необходимо и в практической деятельности), но, в отличие от традиционного его использования [20], мы предлагаем (2-й признак интеграции) еще в нем хранить следующее: модели структур сложных объектов, которые когда-либо были разработаны и исследованы в данной организации; структуры объектов научных исследований; модели проектов изделий (и их компонент), которые находятся в эксплуатации и вообще, быть может, неполные структуры, которые могут представлять интерес для конструкторов. Таким образом, первую часть структуры И-ИЛИ-графа изделия можно считать динамической компонентой, а вторую - статической составляющей, т.к. она не подлежит изменениям - объект уже создан, и поэтому в нем отсутствуют связи-отношения "ИЛИ".

Структурно-параметрическое И-ИЛИ-дерево является по сути обобщенной системой координат для построения моделей при проведении НИ и ЭИ. Модели, синтезируемые в ПИ (а это и есть И-ИЛИ-структуры), показывают (3-й признак интеграции): что, как, в каких диапазонах изменений значений параметров, с какой целью, в какой последовательности и т.п. испытывать в ЭИ. Т.е. программа испытаний (как и должно быть) формируется еще на уровне ПИ, а некоторые испытания (стендовые) проводятся (под управлением И-ИЛИ-дерева) и параллельно с ПИ, с тем, чтобы обеспечить быструю обратную связь. С другой стороны (4-й признак интеграции), на основе единой параметрической среды конструкторы сложного изделия теперь имеют возможность доступа (посредством статической компоненты И-ИЛИ-графа и' его связей с динамической составляющей) только к релевантному подмножеству моделей-аналогов (полученных ранее при проведении ЭИ) проектируемых агрегатов и подсистем с возможностями совместного анализа с иелью выявления особенностей их функционирования.

Заметим, что на основе информационной интеграции возможна и функциональная, т.е., например конструктор, занимающийся ПИ, будет иметь доступ к операционным (процедурным) инструментальным средствам анализа и интерпретации моделей, используемым исследователем при проведении ЭИ. Но в большей степени это относится к анализу моделей, а не к их синтезу.

Полностью аналогично отношениям ПИ и ЭИ в единой информационной среде можно рассмотреть и связи, "погруженные" теперь в вычислительную среду, между ПИ и НИ. Синтез структурно-параметрического И-ИЛИ-графа изделия должен обеспечить (5-й признак интеграции) обоснованные задания на проведения НИ, которые могут проводиться параллельно с ПИ, т.к. не требуют наличия натурного образца объекта, как в ЭИ. И посредством статической компоненты (и ее связей с динамической) И-ИЛИ-графа конструктор (6-й Признак интеграции) имеет доступ к результатам НИ, адекватным проектируемым агрегатам, подсистемам узлам.

Использование моделей, синтезированных процессами НИ в ЭИ (7-й признак интеграции) обеспечивает: более целесообразное планирование испытаний; расстановку акцентов на экспериментальную проверку функционирования объекта в различных областях допустимых значений параметров, для которых или теоретические модели априори ненадежны, или, пока они не построены ввиду неполноты и противоречивости исходных данных; проверку адекватности теоретических моделей исследуемым процессам; coBMecTHFJH анализ результатов вычислительного и натурною экспериментов.

Часто трудно провести грань между различными типами исследований, так например, стендовые испытания используют методы и средства натурного эксперимента и теоретические модели, синтезированные в НИ. Более того, их результаты используются как в формировании облика сложного изделия (ПИ), так и в синтезе эмпирических моделей. Можно привести еще множество примеров, но, по-видимому, построение единой информационной среды ПИ, НИ, ЭИ еще в большей мере будут способствовать стиранию этих граней.

Выше были рассмотрены бинарные отношения между НИ, ПИ, ЭИ. Но, вероятно, наибольший эффект от построения системы БД ММ всех трех типов исследований следует ожидать от интегрального использования единой информационной среды (9-й признак интеграции). Так, например, можно с позиций ПИ проанализировать взаимодействие теоретических и экспериментально-статистических моделей функционирования некоторого множества аналогичных агрегатов в разнообразных условиях их эксплуатации, затем построить гипотетическую модель и произвести ее интерпретацию методами вычислительного эксперимента и т.д.

На рисунке приведена общая схема отношений (признаков информационной интеграции) в системе НИ, ПИ, ЭИ. Схема иллюстрирует приведенные выше методологические основы построения обобщенной системы БД ММ. Циклические отношения 10 и 11 (соответствующие признаки интеграции) демонстрируют включение в БД ММ (и ИЗИН) моделей функционирования (помимо изделия, исследуемого в данный момент времени) аналогичных (уже исследованных и испытанных) объектов, их подсистем и агрегатов, что обеспечивает процедурам синтеза и анализа моделей (методами и средствами НИ и ЭИ) большую гибкость, целостность и целесообразность.

Таким образом, для проведения исследований различных типов будет построена мультимодсльнав многовариантная информационная среда. Единая параметрическая среда обеспечит: навигацию этих моделей в процессе исследований, средства нх анализа (в частности совместного), представит возможность их интерпретации и трактовки. В конечном счете система моделей (в системе БД ММ) должна обеспечить целесообразное объединение точек зрения на исследуемые процессы и объекты в целостное поле видения. Образование такого поля способствует увеличению степени полноты, уровня релевантности, степени достоверности, уменьшению уровня противоречивости данных, необходимых для принятия проектных и исследовательских решений; в частности пользователь теперь будет иметь доступ к семантически соседней информации, которая должна повлиять на качество решений.

Некоторые принципы реализации и проектные решения интегрированной системы БД математических моделей ПИ, НИ, ЭИ рассмотрены нами в [4-6, 8, 9, 10]. Особая сложность создания этой системы заключается в том, что необходимо интегрировать принципиально разнородные информационные структуры (графоориентированные .- семантические сети, фреймы И-ИЛИ-дерева и реляционные — для аналитических ММ и ИЗИН); нетривиальность этого процесса подчеркивалась в [21, 22].

Там же предложена технология реализации систем данного класса, на основе которой и будет разрабатываться единая информационная среда НИ, ПИ, ЭИ.

В настоящее время в Институте кибернетики имени В.М. Глушкова АН Украины начаты работы по созданию такой интегрированной системы баз данных математических моделей сложных изделий новой техники.

Список литературы

1. Валькман Ю.Р, Информационное обеспечение авто матизированных систем обработки результатов комп лексных испытаний новых технических объектов // Вопр. судостроения. Сер, Мат. методы, программирование, экс плуатация ЭВМ. - Вып. 28. - C.S4-68.

2.      Вальвман Ю.Р. ИЗИН - система управления базами данных, ориентированная на обработку результатов испы таний // СУБД и пакеты окружения: проблемы разработки и применения. - Рига: Зинатнс, 1985. - С.86-92.

3.      Валькман Ю.Р. Базы данных математических моделей в системах обработки результатов испытаний - В сб. "Проблемы разработки программного обеспечения новых информационных технологий4. — НПО иЦентрпрограмм- систем", - Калинин, 1989. - С.14-29, С.89-99.

4.      Информационные технологии в испытаниях сложных объектов: методы и средства. / Скурнхин В.И., Квачев В.Г., Вальвман Ю.Р., Явовенко Л.П. - Киев: Наук- думка, 1990. - 320 с,

5.      Валькман Ю.Р. Информационная модель сложного тех нического объекта - средство интеграции систем автома тизации проектирования и испытаний. / Тез. докл. X Объединенного семинара "Прикладная информатика авто матизированных систем проектирования, управления, про граммированной эксплуатации", Калининград, 1985. - С.14-18.

6.      Валькман Ю.Р., Степашко B.C. Системы управления ба зами данных математических моделей САПР и АСНИ сложных объектов. / Тез. докл. научно-практической шко- лы-семияара "Программное обеспечение ЭВМ: индуст риальная технология, интеллектуализания разработки к применения" - Ростов-на-Дону, 19В8. - С.96-102.

7.      Валькман Ю.Р., Степашко B.C., Суворов А.И. Пробле мы построения и использования баз знаний в системах автоматизации процессов анализа результатов испытаний сложных объектов новой техники. / Тез. докл. II Меж- дунар. конф. "Программное обеспечение ЭВМ". СССР, Калинин, ноябрь, 1987 г., сек». 1. - С.16-18.

8.  Скурихнн В.И., Квачев В.Г., Валькман Ю.Р., Суво ров А.И. Проблемы построения информационной среды НИТ проектирования и испытаний сложных объектов. / Тез. докл. Всесоюз. научно-техн. совещания "Программ ное обеспечение ноной информационной технологии". Ка линин, 1989, октябрь, сскц.2. - С.27-29.

9.      Скурихнн В.И., Квачев ВГ., Валькман Ю.Р., Суво ров Л.И. Интеграция баз данных н знаний - основа интел лектуализации технологий проектирования и испытаний сложных объектов. / Тез. докл. IV Всесоюз. конф. "Систе мы баз данных и знаний", секц. 1 "Общесистемные про граммные средства СУБД И СУБЗ", Калинин, ноябрь, 1989. -С.10-11.

10.  Валькман Ю.Р., Суворов А.И. Проблемы интеллектуа лизации информационных теин о л огни научных и ее ледова-ний сложных объектов - Изд. общества "Знание", Киев, 1990. - 24 с.

11.       Валькман Ю.Р., Квачев В.Г., Суворов А.И. Экспертные системы в экспериментальных и научных исследован них. / В сб.: Тез. доел. "Программные интеллектуальные сис темы", Ростов-на Дону, ВНИИПС, 1990. - С.90-91.

12.       Цнкрнтэис Д., Лоховски Ф. Модели данных. М.: Фи нансы и статистика, 1985. - 344 с.

13.       Цаленко М.Ш. Моделирование семантики в базах дан ных. - М.: Наука, 1989. - 318 с.

14.       Мартнн Дж. Организация баз данных в вычислитель ных системах. - М.: Мнр, 1978. - 616 с.

15.       Малашиннн И.И., Жук В.И. Измерительные характе ристики числовых данных в базе данных информационно- измерительных систем для автоматизации физических экспериментов // УСИМ. - 1981. - №4. - С.44-49.

16.       Жук В.И., Малашинин И.И. Система баз данных: ориентированные на применение при автоматизации физи ческих экспериментов. Состояние проблемы: Образ. - М.: ЦНИИатоминформ, 1985. - 61 с.

17.       Искусственный интеллект - основа койнн информа ционной технологии / Г.С. Поспелов - М.: Наука, 1988. - 280 с.

18.       Поспелов Д.А. Логико-лингвистические модели в сис темах управления. - М.: Энергонздат, 1981. - 231с.

19.       Поспелов Д.А. Ситуационное управление // Теория и практика. - М.: Наука, 1986. - 284 с.

20.       Вяэгин Л.Т., Федоров В.В. Математические методы автоматизации проектирования. - М.: Высш. шк., 1989. - 184 с.

21.       Калиниченко Л.А., Рывкнн В.М. Машины баз данных и знаний. - М.; Чаука, 1990. - 269 с.

22.       Калиниченко Л.А. Методы и средства интеграции неоднородных баз данных. - М-: Наука, 1983. - 412 с.

23.       Хейес-Рот Ф., Уотермсн Д., Ленат Д. Построение экс пертных систем. - М.: Мир, 1987. - 430 с.

24.       Клир Дж. Снстемологня, автоматизация решения сис темных задач. - М.: Радио и связь, 1990. 544 с.

25.       Дружинин В.В., Конторов Д.С. Системотехника. - М.: Радио и связь, 1985. - 200 с.

26.       Самарский А.А. Математическое моделирование н вы числительный эксперимент // Вест. АН СССР. - 1979. - №5. - С.38-49.

27.       Горбунов-Посадов М.М., Корягин Д.А., Мартынюк В.В. Системное обеспечение пакетов прикладных про грамм. - М.: Наука, 1990. - 208 с.

28.       Тимченко А. А., Ради он ов А. А. Основы информатики системного проектирования объектов новой техники. - Киев: Наук, думка, 1991. - 152 с.

29.       САПР: Системы автоматизированного проектирова ния: Учебн. пособие для ВТУЗов: В 9 кн. Принципы по строения и структура / И.П. Норенков. - М.: Высш. шк., 1987.-Т.1.- 123 с.

30.       Валькман Ю.Р., Квачев В.Г., Яковенко Л.П. Принципы построения системы управления базами данных математи ческих моделей. / Тез. докл. Всесоюэн. конф. "Программ ное обеспечение новых информационных технологий". - Тверь, 1991.-С.18-21.

31.       Валькман К).Р., Квачев В.Г., Никитин А.И. Об одном подходе к проектированию информационного обеспечения автоматизированных систем обработки результатов испы таний // УСнМ. - 1981. - J*2. -С. 109-116.

32.       Петренко А.И., Семенков О.И. Основы построения систем автоматизированного проектирования. -» Киев.: Вища школа. 1984. - 296 с.

Схема отношений (признаков информационной интеграции) в системе научных, проектных и экспериментальных


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=1201
Версия для печати
Статья опубликована в выпуске журнала № 3 за 1993 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: