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

Публикационная активность

(сведения по итогам 2016 г.)
2-летний импакт-фактор РИНЦ: 0,493
2-летний импакт-фактор РИНЦ без самоцитирования: 0,389
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,732
5-летний импакт-фактор РИНЦ: 0,364
5-летний импакт-фактор РИНЦ без самоцитирования: 0,303
Суммарное число цитирований журнала в РИНЦ: 5022
Пятилетний индекс Херфиндаля по цитирующим журналам: 355
Индекс Херфиндаля по организациям авторов: 499
Десятилетний индекс Хирша: 11
Место в общем рейтинге SCIENCE INDEX за 2016 год: 304
Место в рейтинге SCIENCE INDEX за 2016 год по тематике "Автоматика. Вычислительная техника": 11

Больше данных по публикационной активности нашего журнале за 2008-2016 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2017

Система поддержки принятия решений при выборе технологического оборудования в условиях тендера на базе онтологии

Статья опубликована в выпуске журнала № 2 за 2003 год.[ 22.06.2003 ]
Аннотация:
Abstract:
Авторы: Дорохов И.Н. (indorokhov@yandex.ru) - Российский химико-технологический университет им. Д.И. Менделеева, г. Москва, Россия, доктор технических наук, Никулина Е.А. () - , , , Суржиков Е.А. () - , , , Елистратов С.В. () - , ,
Ключевое слово:
Ключевое слово:
Количество просмотров: 7258
Версия для печати
Выпуск в формате PDF (1.36Мб)

Размер шрифта:       Шрифт:

В России остро стоят проблемы ввода новых мощностей, замены морально и физически устаревшего оборудования, реконструкции объектов. Механизм решения перечисленных проблем, конечным смыслом реализации которого является увеличение мощности химического оборудования при снижении удельных энергозатрат и негативного воздействия на окружающую среду, повышение качества продукта, практически один и тот же – выбор из многообразия предлагаемого различными фирмами оборудования некоего оптимального его набора. Это определяет актуальность систем поддержки принятия решений в условиях тендера (конкурсных торгов) [1].

Масштабность объектов сравнения как в материальном выражении, так и в смысле их влияния на состояние окружающей среды, высокая вероятность тиражирования принятого решения, значительная стоимость энергоносителей (пара, топлива, энергии) в оборудовании предприятий химической промышленности заставляют искать подходы к решению тендера, реализующие алгоритмы минимизации субъективного начала при решении, что принципиально означает минимизацию отклонения от «идеального» решения. Одним из путей реализации этих положений является более глубокая формализация алгоритма сравнения совокупностей – наборов оборудования, предлагаемого в общем случае различными фирмами для создания новых или модернизации существующего оборудования или его составляющих. Решение этой задачи, в свою очередь, связано с эффективным представлением предметной области для использования методов искусственного интеллекта и экспертных систем [2,3].

Существуют различные подходы, модели и языки описания знаний предметных областей. Однако все большую популярность приобретают онтологии [4]. Под определение онтологии подпадают многие понятийные структуры: иерархия классов в объектно-ориентированном программировании, концептуальные карты, семантические сети и т.п. Визуализация онтологии – это метод, позволяющий сделать видимыми структуры знания для активного их использования.

В отличие от обычного подхода к сравнению и выбору химического оборудования, который выражается схемой «если свойства продукта – то тип оборудования», построение онтологии позволяет связать воедино свойства продукта, химико-технологические процессы, проходящие в аппарате, характеристики конкретного оборудования и экономические аспекты его ввода на предприятии. Важны все прямые и косвенные связи оценки и выбора: свойства продукта – технологические параметры процессов – технические особенности оборудования – надежность – оценка характеристик вспомогательного оборудования подготовки процессов и утилизации выбросов в окружающую среду – затраты на приобретение и эксплуатацию – выбор наилучшего оборудования по заданным характеристикам.

В связи с комплексностью решаемой пробле- мы работа распределилась на следующие этапы: 1) согласно онтологическому принципу были выделены понятия предметной области; 2) была разработана система логических связей между понятиями; 3) была установлена структурная связь между иерархическими уровнями онтологии; 4) онтология была реализована программно. Необходимо отметить, что рассматриваемая онтология выполнена на примере сушильных технологий.

Выделение понятий предметной области осуществлялось на основе методов системотехники и декомпозиции совместно экспертами-технологами отдела сушильного и тепломассообменного оборудования АО «НИИХИММАШ», а также из технических карт, нормативной документации по сушильному оборудованию и из литературы по сушильным технологиям. Прежде всего информация была структурирована по входным признакам сушильного оборудования: были затронуты исходные и конечные свойства продукта, перечни и классификация оборудования, состав установок, набор внутренних устройств, их типы и характеристики, источники энергии, способы энергоподвода и утилизации, типы и характеристики тягодутьевого и очистного оборудования и др.

Были также установлены экономические понятия, которые играют одну из ведущих ролей на тендере: цена установки, эксплуатационные и капитальные затраты и влияющие на них особенности: тип источника энергии (его цена), стоимость очистки, патентная чистота установки, наличие послепродажного обслуживания и др.

Формализация отношений между понятиями стала следующим этапом разработки онтологии. Согласно онтологическому принципу и методу построения семантических сетей как реализации этого принципа были выявлены связи, отражающие характер взаимодействия между понятиями: класс–подкласс (жесткий иерархический тип связей), характеризует (неформальный вид связи между понятиями различных уровней иерархии), имеет (связь принадлежности одного понятия к другому), определяет и зависит (логические типы связей, отражающие влияние одного параметра на другой) [5]. Данные связи были прописаны между понятиями с использованием принципов семантической сети.

Структурная связь между иерархическими уровнями онтологии была обеспечена через традиционные понятия химической технологии – тепломассообмен и гидродинамику. Семантическая сеть построена таким образом, что на верхних уровнях иерархии понятия универсальны, а на нижних – локализованы по каждому типу сушильных технологий. Таким образом, на нижних уровнях иерархии затрагиваются понятия, которые важны именно для конкретно рассматриваемого оборудования на тендере. Например, в случае оценки барабанных сушилок рассматриваются следующие понятия: распределение насадок по зонам аппарата, геометрия лопатки, способы газоподвода и подсушки, степень заполнения барабана и др.

Таким образом, созданная онтология затрагивает как формальные понятия сушильной технологии, так и используемые экспертами при оценке и относимые к разряду «скрытых». В общем случае оборудование оценивается по четырем агрегированным понятиям: качество сушки, надежность, экономическая эффективность и оценка технологических особенностей установки.

На заключительном этапе полученная структура онтологии была реализована программно. Для ее проектирования и реализации был выбран пакет визуального программирования Delphi 6 как наиболее эффективный в решении подобного класса задач [6]. Был сформирован набор статичных таблиц, включающих перечни понятий, попадающих под классификацию «класс-подкласс». Далее были сформированы таблицы, определяющие нежестко иерархические связи.

Таблицы базы данных и характеристики, определяющие их, выбирались на основе проведенного анализа предметной области, для которой создается база данных. При этом вначале определяются укрупненные параметры, необходимые для определения объектов, которые должны быть отображены в базе данных. Были разработаны следующие статичные таблицы:

-                список параметров оферты-предложения на тендер;

-                виды источников энергии;

-                способы энергоподвода;

-                исполнение сушилок;

-                исходные свойства продукта;

-                конечные свойства продукта;

-                температуры теплоносителя;

-                тепловое обеспечение сушки;

-                типы и геометрические характеристики сушилок;

-                типы тепловых отходов;

-                характеристики окружающей среды.

Помимо упомянутых таблиц, были сформированы 29 таблиц понятий «класс-подкласс», имеющих отношение к предметной области сушки и вовлекаемых в процесс оценки оборудования. Далее были созданы таблицы соответствия, которые являются связующим звеном в создании онтологии, то есть прописывают связи между понятиями.

При помощи ER-модели полученные таблицы были преобразованы в единую реляционную базу данных (базу знаний) [6].

В качестве механизма логического вывода системы используются алгоритмы NP-полного перебора с эвристическими ограничениями размерности перебора и алгоритм многокритериального выбора на иерархиях с различным числом и составом альтернатив под критериями [7].

Конечный итог работы системы – это определение места нахождения объектов тендера в пространстве оценки: технологических процессов, надежности оборудования, технологических особенностей и экономической привлекательности предложения на тендер. В целом система призвана выполнять функции поддержки независимой технической и экономической оценки оборудования, выдачи рекомендаций для окончательного принятия решения о победителе тендера.

Онтология является удобным и эффективным инструментом познания, особенно в таких плохо формализуемых областях, как химическая технология. Современные системы поддержки принятия решений, использующие онтологию для визуализации структуры предметной области, – это реальная альтернатива системам «черного ящика». При этом наиболее важной характеристикой является процесс объяснения неявных знаний пользователю системы и превращения их в наглядные познавательные структуры.

Список литературы

1.        Нестерович Н.В., Смирнов В.И. Конкурсные торги на закупку продукции для государственных нужд / Под ред. А.Г. Свинаренко.- М.: ИНФРА-М, 2000.

2.        Искусственный интеллект. Кн.1. Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова. – М.: Радио и связь, 1990.

3.        Элти Дж., Кумбс М. Экспертные системы: концепции и примеры./ Пер. с англ. Б.И. Шитикова. – М.: Мир, 1989. – 235 с.

4.        Гаврилова Т.А., Фертман В.П. Визуализация онтологии как инструмент приобретения знаний. // Тр. 4 междунар. сем. по прикладной семиотике, семиотическому и интеллектуальному управлению: ASC/IC’99. – М., 1999. – С. 34-41.

5.        Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем – СПб: Питер, 2000.

6.        Карпова Т.Ф. Базы данных. Модели, разработка, реализация. – СПб.: Питер, 2001. – 304 с.

7.        Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. – М.: Финансы и статистика, 2002.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=645
Версия для печати
Выпуск в формате PDF (1.36Мб)
Статья опубликована в выпуске журнала № 2 за 2003 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: