CC BY
672
УДК 681.5
Е.М. Самойлова, А.А. Игнатьев
ИНТЕГРАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ И ПРОЕКТИРОВАНИЯ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ
Рассматриваются преимущества применения экспертных систем реального времени в АСУ ТП.
Экспертные системы, мониторинг технологического процесса.
Ye.M.Samoylova, A.A.Ignatyev
ARTIFICIAL INTELLECT INTEGRATION INTO AUTOMATED CONTROL SYSTEMS AND DESIGNING OF TECHNOLOGICAL PROCESSES
Advantages of application of expert systems of real time in MANAGEMENT information system ТП are considered in the paper.
Expert systems, technological processes monitoring.
Искусственный интеллект (ИИ) - это одна из новейших областей научного знания. Первые работы в этой области начались сразу после Второй мировой войны, а само название предложено в 1956 году. Однако только в последние годы все более четко прорисовываются области конкретного применения и реальные возможности интеллектуальных технологий [1]. В настоящее время тематика ИИ охватывает большой перечень научных направлений, начиная с таких задач общего характера, как обучение и восприятие (программы решения интеллектуальных задач и системы, основанные на знаниях), заканчивая специальными задачами (нейроподобные структуры, интеллектуальное программирование и интеллектуальные системы) [2]. Частным случаем и одним из наиболее перспективных направлений развития интеллектуальных систем становится разработка экспертных систем (ЭС), которые, в свою очередь, различают по назначению, предметной области, методам представления знаний, динамичности и сложности и т. п. (рис. 1).
Характерными чертами экспертной системы являются:
• четкая ограниченность предметной области;
• способность принимать решения в условиях неопределенности;
Рис. 1. Классификация экспертных систем
• способность объяснять ход и результат решения понятным для пользователя способом;
• четкое разделение декларативных и процедурных знаний (фактов и механизмов вывода);
• способность пополнять базу знаний, возможность наращивания системы;
• результат выдается в виде конкретных рекомендаций для действий в сложившейся ситуации, не уступающих решениям лучших специалистов;
• ориентация на решение неформализованных (способ формализации пока неизвестен) задач;
• алгоритм решения не описывается заранее, а строится самой экспертной системой;
• отсутствие гарантии нахождения оптимального решения с возможностью учиться на ошибках [3].
Экспертные системы позволяют, используя знания специалистов о некоторой конкретной узкоспециализированной предметной области и в пределах этой области, принимать решения на уровне эксперта-профессионала. Наибольшее внимание сегодня привлечено к ЭС, способным принимать решения в масштабе времени, близком к реальному, т.е. к динамическим (см. рис. 1). Динамические экспертные системы по сравнению со статическими содержат дополнительно два следующих компонента: подсистему моделирования внешнего мира и подсистему взаимодействия с внешним миром, что позволяет управлять сложными промышленными процессами в режиме мониторинга. Это включает в себя обнаружение неисправностей и диагностирование, принятие решения по результатам показаний множества периферийных устройств, оптимизацию и планирование процесса, управление большими сетями, распределенными СУБД, способность подсказывать оператору, как поступить в сложной обстановке, а в критических ситуациях, требующих немедленного решения, брать управление на себя [5].
По мнению специалистов, в недалекой перспективе динамические экспертные системы будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг [6].
Общепризнанным лидером в области создания динамических экспертных систем реального времени является программный продукт 02 (ОепБуш, США) [7]. 02 - это
объектно-ориентированная интегрированная среда для разработки и сопровождения приложений реального времени, использующих базы знаний. Всего на базе G2 разработано более 700 ЭС реального времени, работающих более чем в 30 областях, например, на ряде заводов 3М в Миннесоте для управления технологическими процессами. Интегрированная система мониторинга и планирования для прокатного стана и поддержки принятия решений Caterpillar (США) построена на базе распределенной системы, включающей G2 и Telewindows. IBM (США) - MOM (Measurement of On-line Manufacturing) - система управления, разработанная для улучшения производства блоков памяти и питания на заводе IBM в Торонто и интегрированная в производственный процесс. MOM объединяет системы G2, Serveio's Gemstone OODBMS и последовательную SPS в единую систему управления и контроля за производством печатных плат, повышающую качество, окупаемость и производительность завода.
G2 разработана как открытая система. Связь с внешними источниками данных строится на основе библиотеки стандартных интерфейсов и сервера GSI (G2 Standart Interface). Организация взаимодействия системы G2 с внешним миром показана на рис. 2 [6]:
Рис. 2. Интерфейс G2 с внешним миром
Подсистема GSI работает параллельно с прикладной системой как независимый обработчик событий и обеспечивает ее двустороннее взаимодействие с широким спектром программируемых контроллеров ведущих фирм (Alien Bradley, GE-Fanuc, AEG Modi con), систем сбора данных (ABB, Fisher, Siemens, Yokogawa, Foxboro, ORSI), концентраторов данных (DEC BASEstar, Alien Bradley Pyrammid Integrator, SETPOINT SETCIM) и развитых СУБД (Oracle, Sybase, DEC Rdb). Библиотека GSI и так называемые G2 Bridge products позволяют легко интегрировать G2-приложение в существующие системы управления. При отсутствии в библиотеке GSI интерфейса к некоторому уникальному контроллеру не
составляет особого труда запрограммировать его по представляемому шаблону на языке СИ и подключить к системе.
G2 уникальным образом соединяет в себе технологии рассуждения, включая правила, процедуры, моделирование объектов и процессов, имитационное моделирование и графическое представление в единой среде разработки и внедрения, интегрирует в себе множество взаимодополняющих методов искусственного интеллекта, что упрощает и ускоряет процесс разработки приложений и позволяет делать их универсальными. Очень важной особенностью G2 является возможность редактирования приложения в режиме реального времени. Это значит, что в G2 все изменения в разработке реализуются немедленно, - нет перерывов на компиляцию и установление связей.
На сегодняшний день компанией Gensym продано более 17 млн лицензий в разных странах мира. Например, компания Ericsson использует G2 для контроля работоспособности и надежности примерно 20% (по оценкам) мировой сети телефонии на основе стандарта GSM. А крупнейший мировой производитель цемента, Lafarge, использует G2 для управления работой более 50 своих цементных заводов во всем мире, что составляет несколько миллионов часов критически важных процессов управления за последние 10 лет. Gensym достигает столь высокого уровня надежности за счет систематической инженерной проработки, включающей в себя обширную тестовую эксплуатацию G2 для проверки качества каждого релиза G2, а также за счет надежного проектирования, благодаря которому работа не прерывается, даже если разработчик сделает определенные ошибки в коде.
В настоящее время и в России широко применяется система G2 для разработки ЭС контроля, управления и моделирования сложных процессов, например, на ОАО РЖД Московская железная дорога в качестве платформы для создания интеллектуальной системы прогнозирования поездопотоков. Апробация созданного прототипа системы управления при первых же испытаниях показала экономию 14-18% [8].
Созданный и апробированный в рельсобалочном цехе ОАО «НКМК» прототип динамической ЭС, осуществляющий процедуру интеллектуального распознавания поверхностных дефектов рельсов в потоке производства показал возможность достижения 90-97% эффективности (а преобразование в промышленный вариант - до 100%) [9]. Предложенная интеллектуальная система объединяет в себе две технологии: искусственная нейронная сеть (ИНС) и ЭС. Первоначально ИНС была обучена с помощью выборки из 8 классов типовых дефектов рельсов, при этом наибольшую эффективность показал алгоритм обратного распространения ошибки. Затем поэтапно была создана ЭС [3]: описание проблемной ситуации; извлечение знаний; структурирование и
формализация знаний (таблица связей типа дефекта с его характерным графическим изображением и другими признаками); программная реализация (Exsys CORVID); моделирование и натурные испытания ЭС. После настройки ИНС, используя контрольную выборку, смогла идентифицировать дефекты с эффективностью 90%, а при подключении ЭС - прототипа это значение увеличилось до 97%.
В СГТУ разработана система мониторинга технологического процесса (СМТП), осуществляющая, в частности, распознавание дефектов поверхностей качения деталей подшипников (периодических и локальных) и их количественную оценку, используя дополнительный информационный канал на основе автоматизированной системы вихретокового контроля (АСВК) как часть системы многопараметрового активного контроля (МАК) в АСУ ТП (рис. 3). Для функционирования СМТП создан комплекс программных продуктов, позволяющих поддерживать в едином информационном пространстве, отображенном на рисунке, все процессы измерения, обработки, визуализации и передачи результатов контроля пользователям различного уровня, создавать базы данных (БД) и базы знаний (БЗ), что является предпосылкой создания динамической ЭС [10].
Внедрение многопараметрового активного контроля в производственных условиях ОАО «СПЗ» как часть АСУ ТП позволило, во-первых, реализовать управление процессом обработки в реальном времени, что способствовало снижению в 2-3 раза значений отклонений от круглости и гранности поверхностей качения и на 60-80% средних квадратических отклонений значений указанных параметров, а также на 60% снизить брак по прижогам; во-вторых, обеспечить передачу в систему мониторинга и накопление в базе данных параметров точности заготовок и оценок динамического состояния станка, что позволяет принимать решение по управлению качеством формообразования и организации гибкого технического обслуживания станков [10].
Виброизмерител ь ВШВ-003
©
Пользовател
ь
Измерительная
информация
Сервер
лаборатории
мониторинга
АСУ
Информация для пользователей
-ТП-
Прибор МАК
©
Прибор МАК
Пользовател
ь
Пользовател
ь
Пользовател
ь
Рис. 3. Информационные потоки в системе мониторинга. Формирование БД и БЗ: ПВК-К2М - вихретоковые приборы контроля колец подшипников;
АВК-Р - автоматы вихретокового контроля роликов подшипников; виброизмеритель ВШВ-003 - виброизмеритель динамических характеристик станков; Та!угоп^73 и БігіготсБ-З - приборы контроля геометрических параметров точности деталей
Основным достоинством оболочек экспертных систем для российских пользователей является возможность применять их как интегрирующий компонент, позволяющий за счет открытости интерфейсов и поддержки широкого спектра вычислительных платформ легко объединить уже существующие, разрозненные средства автоматизации в единую комплексную систему управления, охватывающую все аспекты производственной деятельности - от формирования портфеля заказов до управления технологическим процессом и отгрузки готовой продукции. Это особенно важно для отечественных предприятий, парк технических и программных средств которых формировался по большей части бессистемно, под влиянием резких колебаний в экономике.
ЛИТЕРАТУРА
1. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов. М.: Наука, 2006. 333 с.
2. Рассел C. Искусственный интеллект: современный подход / C. Рассел, П. Норвиг, пер. с англ.; 2-е изд. М.: Издат. дом «Вильямс», 2006. 1408 с.
3. Рыбина Г.В. Основы построения интеллектуальных систем / Г.В. Рыбина. М.: Финансы и статистика; ИНФРА-М, 2010. 432 с.
4. Интеллектуальные системы управления организационно-техническими системами / под ред. А. А. Большакова. М.: Горячая линия-Телеком, 2006. 160 с.
5. Игнатьев А. А. Совершенствование управления качеством продукции на основе системы мониторинга с элементами искусственного интеллекта / А. А. Игнатьев, Е.М. Самойлова // Вестник Саратовского государственного технического университета. 2009. № 3 (41). С. 207-209.
6. Статические и динамические экспертные системы: учеб. пособие / Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. М.: Финансы и статистика, 1996. 320 с.
7. Караткевич С.Г. Перспективы применения систем искусственного интеллекта на основе G2 PLATFORM фирмы GENSYM / С.Г. Караткевич, А.Н. Лащенов // CONNECT! Мир связи. 2007. № 3. С. 34-38.
8. Ададуров С.Е. Комплексная технология автоматизированного управления / С.Е. Ададуров // Железнодорожный транспорт. 2008. № 11. С. 150-155.
9. Интеллектуальная система распознавания поверхностных дефектов проката / С.М. Кулаков, В.Б. Трофимов, Н.Ф. Бондарь, С.В. Чабан // Информационные технологии. 2008. № 5. С. 53-59.
10. Игнатьев С.А. Мониторинг технологического процесса как элемент системы управления качеством продукции / С. А. Игнатьев, В.В. Горбунов, А. А. Игнатьев. Саратов: СГТУ, 2009. 160 с.
Самойлова Елена Михайловна - Samoylovа Yelena Mikhaylovna -
кандидат технических наук, доцент кафедры Candidate of Technical Sciences, «Автоматизация и управление Assistant Professor of the Department
технологическими процессами» of «Automation and Management
Саратовского государственного of Technological Processes»
технического университета of Saratov State Technical University
Игнатьев Александр Анатольевич - Ignatyev Aleksandr Anatolyevich -
доктор технических наук, профессор, Doctor of Technical Sciences,
заведующий кафедрой «Автоматизация Professor, Head of the Department
и управление технологическими процессами» of «Automation and Management
Саратовского государственного of Technological Processes»
технического университета of Saratov State Technical University
Статья поступила в редакцию 17.12.09, принята к опубликованию 25.03.10
