CC BY
35
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
удк 681.3.06 в.Н. ЗАДОРОЖНЫЙ
И. И. СЕМЕНОВА
Омский государственный технический университет Сибирская государственная автомобильно-дорожная академия
УПРАВЛЕНИЕ СЛОЖНЫМИ ТЕХНИЧЕСКИМИ ОБЪЕКТАМИ И ПАРАДИГМЫ
ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
В статье предпринята попытка выявить философский аспект такого социального явления как широкое распространение компьютерных игр. Игра рассмотрена как пространство для проявления возможной свободы и действительной необходимости, а также показано соотношение объективного и субъективного начал в ней. В работе осмысляются с социально-философских позиций некоторые направления исследований в области компьютерного игрового моделирования, на базе которых проведена классификация компьютерных игр, основанная на синтезе двух критериев: программно-технического и личностно-психологического, что в дальнейшем открывает возможности для создания философской типологии данного феномена.
Рассматривается одна из наиболее актуальных проблем управления сложными техническими объектами (СТО) - проблема структурной идентификации моделей. Для её решения предлагается использовать теорию и технологии имитационного моделирования. Разрабатывается концепция многокомпонентных адаптируемых имитационных моделей, и определяются основные направления её
развития как инструмента повышения эффективности и безопасности СТО.
Введение
В статье рассматривается проблематика формирования и использования математических моделей сложных технических объектов (СТО), находящихся в компетенции одного или нескольких
ведомств, предприятий, органов управления и т. д. Подобные объекты моделирования далее будут именоваться также ведомственными СТО. Качество и надёжность их функционирования определяются не только используемой материально-технической базой, но и действиями людей, в том числе служебного персонала и потребителей. Эти объекты, следовательно, можно называть также социо-техническими объектами.
Примерами СТО, о которых идёт речь, являются:
— информационно-вычислительные сети, системы энергообеспечения, трубопроводный транспорт;
— инфраструктуры перевозки пассажиров и доставки грузов автомобильным, железнодорожным, речным, морским и воздушным транспортом;
— производственные линии и логистические процессы (дискретные материальные потоки);
— крупные здания с большими скоплениями людей, и многие другие СТО, для эффективного управления которыми необходимо постоянно использовать их адекватные модели.
Имеется множество широко известных примеров, показывающих, что в таких СТО люди неспособны интуитивно просчитывать многочисленные последствия принимаемых (или не принимаемых) управленческих воздействий. Это каскадное развитие аварий в энергосистеме Северо-Запада США 16 августа 2003 г. и в Московском регионе 25 мая 2005 г., приведшее к миллиардным потерям и затронувшее миллионы людей; это обрушение строительных сооружений с многочисленными жертвами; транспортные и многие другие происшествия. Одна из причин такого положения дел заключается в том, что в сложных системах процессы часто ведут себя неожиданным образом. Причины и следствия в них разнесены во времени и пространстве, переплетены, и человеку трудно полагаться на свою интуицию и опыт, чтобы правильно оценить последствия своих решений. В ответственных случаях необходимо предварительно проверять на моделях, какие последствия повлечёт то или иное управляющее воздействие. Без построения и применения адекватных моделей СТО в системах мониторинга и управления обеспечивать эффективность и безопасность эксплуатации СТО становится невозможно.
Заметим, однако, что не каждый инженер сумеет без специальных обследований даже изобразить схему разводки электропроводов в собственной квартире, особенно если требуется учитывать нештатные ситуации, например, разрывы, короткие замыкания или места возможной утечки электроэнергии. Изобразить такую схему правильно -значит решить задачу структурной идентификации модели. После этого можно решать более простую задачу параметрической идентификации, которая сводится к измерению или вычислению силы тока в ветвях цепи, сопротивлений, потребляемой мощности и так далее. А когда и структурная, и параметрическая идентификация осуществлена, работа с моделью может быть эффективно автоматизирована и встроена в систему управления в любом виде, удобном для практического использования лицами, принимающими решения (АПР).
1. Проблема структурной идентификации
Согласно [1], современную теорию управления образно можно представить в виде системы интерпретированных математических задач и методов их решения. Основной трудностью использования
математического моделирования о качестве инструмента решения практических задач >читается эвристичность перехода от реальной проблемной ситуации к её модели, а затем - собственно к математической модели объекта моделирования. В контексте обсуждаемых проблем теории управления «математическое моделирование предстаёт как вид человеческой деятельности, в котором решающее значение имеют математический аппарат, компьютерные технологии, ни ¡у иция и личный опыт лица, принимающего рз'.цм-.ч.о» [2].
В работах (3, 4| га^же в кт-;> стве основной трудности для практического исполь ювания достижений теории управления отмечается (.ложность перехода от содержательной постановки прикладной задачи к её математическому аналогу - адекватной постановке. гСинструиронаниеадекватной постановки называется в эти:; работах структурной идентификацией прикладной задачи. Авторитетный авторскии коллектив обзора (1) констатирует, что осуществление комплексной автоматизации структурной идентификации признаётся наиболее сложной проблемой современной теории управления на её содержательном, понятийном уровне, ибо здесь мы сталкиваемся со всеми базисными гносеологическими проблемами. Отмечается, что её решение не только способствует полномасштабному и эффективному использованию результатов науки в инновационной деятельности, но и значительно ускоряет создание научных и иаучно-технических заделов на перспективу.
Комплексное решение проблемы структурной идентификации задач управления ведомственными СТО, на наш взгляд, может быть найдено на основе использования современных парадигм имитационного моделирования (ИМ) и его программно-технических инструментальных средств.
2. ИМ как адекватная основа структурной идентификации
Поскольку ещё не устоялся точный критерий, отличающий имитационное моделирование (ИМ) от других видов компьютерного моделирования, уточним смысл, в когоромтермин ИМ используется в данной статье.
Первоначально ИМ определялось как способ описания и моделирования дискретно-событийных процессов, присущих системам массового обслуживания, системам с отказами и восстановлением элементов, дискретным производствам и т.д. (5). Компьютерное моделирование подобных систем наиболее эффективно реализуется посредством программирования симулятора — «движка», воплощающего действие механизма причинно-следственных связей. При наличии симулятора моделирование сводится к заданию начального состояния системы, пуску симулятора и наблюдению за последующим развитием процессов в системе, которое безупречно корректно воспроизводится симулятором. С точки зрения логики моделирования, здесь наиболее существенно то, что от текущего момента времени и известного в нём состояния системы перемещение вперёд, к новым моментам времени и новым состояниям системы, производится путём продуцирования выводного знания. Симу-лятор циклически повторяет заложенный в него способ рассуждения, т. е. способ вывода и точного вычисления следствий о ближайшем будущем из параметров состояния, известного на данный момент модельного времени.
При моделировании с учётом влияния случайных факторов эволюция системы воспроизводится многократно, и вычисляются необходимые статистические показатели, характеризующие наблюдаемые процессы. Такое многократное воспроизведение эволюции не является собственным атрибутом ИМ, но принадлежит сопутствующему методу вычисления вероятностных характеристик — методу Монте-Карло [6]. При моделировании случайностей многократное воспроизведение возможных вариантов развития процессов позволяет получить полосу наиболее вероятных траекторий изменения показателей, найти траектории математических ожиданий показателей, наихудший и наилучший сценарии развития процессов. Учёт случайных факторов вообще не является неотъемлемой частью ИМ; так, при моделировании производственных систем места для имитации случайностей остаётся тем меньше, чем выше степень автоматизации этих систем [7].
Современный уровень теории и практики ИМ [8-10] охватывает четыре парадигмы, в число которых, наряду с рассмотренной парадигмой дискретно-событийного моделирования, входят следующие три: моделирование динамических систем, системная динамика в смысле Форрестера [ 11) и многоагентный подход. Анализ используемой в них логики моделирования показывает, что все эти парадигмы, как и дискретно-событийное моделирование, основаны на причинно-следственном механизме продвижения процессов во времени. Различия в перечисленных парадигмах ИМ относятся лишь к способу интерпретации (т. е. к семантике) основных структурных компонентов имитационных моделей; но логика имитации процессов остаётся единой.
Так, логика моделирования непрерывных динамических систем в части механизма продвижения во времени совпадает с логикой дискретно-событийного моделирования. Её языковая реализация может быть сведена, например, к описанию моделируемых непрерывных процессов дифференциальными уравнениями (ДУ), представленными в форме Коши [8], которые решаются численными методами с автоматическим подбором шага времени. Подобная языковая реализация представляет собой своеобразный, но внешний атрибут парадигмы моделирования динамических систем. При этом аналитическая форма ДУ используется в ИМ в качестве компактной промежуточной формы описания причинно-следственного механизма развития процессов, который используется в качестве логической основы моделирования, начиная с этапа составлении ДУ. Составление ДУ, описывающих динамическую систему, есть фиксация действующих в системе причинно-следственных связей. Мы выражаем новые значения переменных в конце интервала времени (I, £ 4- (Н) через известные значения в его начале, опираясь на знание причинно-следственных связей (сил, законов, принципов), действующих в системе. И на этапе имитации динамической системы, когда бесконечно малые приращения времени (¿Г заменяются конечными приращениями Д{, имитация вновь разворачивается как перемещение во времени, последовательно осуществляющее заданные нами причинно-следственные связи. Здесь при более детальном рассмотрении можно увидеть отличие от моделирования дискретно-событийных процессов и в способе выбора шага Д(, но с точки зрения логики моделирования и это отличие — внешнее, чисто техни-
ческое. Логика использования известного причинно-следственного механизма как «движка» имитации сохраняется неизменной.
Что касается парадигмы так называемой системной динамики, то она с самого начала предполагает описание непрерывных процессов (потоков и уровней) в форме, близкой к конечно-разностным уравнениям, т. е. отличается от моделирования динамических систем лишь внешне. И причинно-следственная логика продвижения процессов здесь более очевидна, чем при имитации динамических систем, поскольку в методе системной динамики отсутствует промежуточная фаза описания системы на языке дифференциалов.
Наконец, в многоагентной парадигме ИМ целенаправленное поведение взаимодействующих «агентов» также реализуется причинно-следственным механизмом продвижения во времени. Агенты — это объекты модели, интерпретируемые как независимые активные сущности, которые не управляются из единого центра, имеют ограниченную информацию о системе в целом, и, преследуя свои цели, предпринимают соответствующие действия, выбираемые из ограниченного перечня. Интерпретация правил выбора может опираться на кажущееся обращение времени: желаемая цель служит агенту отправным пунктом, причиной для выбора, лежащей в будущем, а сам выбор — следствием, осуществляемым в настоящем. Однако с формально-логической точки зрения выбор, осуществляемый любым агентом, предопределён достигнутым на момент выбора состоянием, системы и значениями параметров, известных агенту. Поэтому действия агентов имитируются в модели точно так же, как и любые другие события — как прямые следствия из достигнутого состояния системы. И модельное время продвигается симулятором строго вперёд, в точном соответствии с механизмом причин и следствий.
В семантическом плане концепция агентов как самостоятельных, активно действующих сущностей, оказывается чрезвычайно полезной при моделировании систем, в которых совокупное действие подобных сущностей приводит к эволюции, непредсказуемой с точки зрения отдельных агентов, и иногда более «разумной», чем поведение любого отдельно взятого агента. Эта концепция существенно расширяет сферу практического использования ИМ, поскольку приводит к новым смыслам при интерпретации моделей, и поддерживается новыми языковыми и графическими средствами ИМ [8,9]. Кроме того, многоагентный подход может быть использован не только в системах ИМ общего назначения. Например, он весьма эффективно реализуется в аналитических моделях экономики, разрабатываемых на ВЦ РАН под руководством академика РАН A.A. Петрова [12].
Во всех четырёх версиях ИМ симулятор-движок продвигает вперёд «не совсем мгновенный» текущий временной срез системы. Этот срез, а точнее — временной слой, имеет минимальную «толщину», необходимую для правильного определения ближайших предстоящих изменений и для правильного рекуррентного пересчёта показателей, требующего помнить моменты последних произошедших изменений. Минимальная толщина временного слоя системы, находящегося в поле зрения симулятора, позволяет ему при ограниченных ресурсах компьютера перемещаться в модельном времени сколь угодно далеко, безошибочно, за секунды продвигая впе-
род это своё поле зрения вдоль миллионов фактов отслеживаемой им причинно-следственной цепи и достигая заданных ДПР рубежей,
Известными достоинствами ИМ являются гибкость и возможность моделирования систем на любом уровне детализации или абстракции. Непосредственно в ходе имитационного эксперимента можно вводить дополнительные данные, конструировать новые информативные показатели, наблюдать графики изменения показателей и переменных, использовать видео или анимацию в реальном масштабе времени и качественно (не количественно) оценивать процессы на основании только наблюдения анимационной картины. Эти достоинства ИМ позволяют эффективно использовать его и для решения теоретических проблем, в симбиозе с аналитическим моделированием. При решении практических проблем управления и проектирования в последние годы в России (вслед за США и Европой) ИМ всё более широко используется как системообразующее и наиболее ценное звено процессов принятия решений [13]. Быстрое совершенствование технологий ИМ делает его эффективным передаточным звеном и для переноса методов современной теории управления в практику повышения эффективности и безопасности СТО. Ведомства располагают профессионально подготовленными квалифицированными кадрами и всей необходимой технической документацией, чтобы осуществлять адекватную структурную идентификацию задач управления СТО. Парадигмы и технологии ИМ эффективно её поддерживают и позволяют автоматизировать решение задач управления адекватно их постановке.
3. Многокомпонентность и многовариантность имитационных моделей СТО
На протяжении своего жизненного цикла СТО непрерывно модифицируются под влиянием научно-технического прогресса, социально-экономических и демографических процессов, природных явлений и множества случайных факторов, включающих особенности персонала и потребителей. Это требует непрерывной адаптации структуры существующих математических моделей СТО для решения новых задач. Существующие модели можно эффективно адаптировать к новым задачам путём реконфигурации связей между их компонентами. В сфере ИМ проблематика создания реконфигурируемых моделей ещё только начинает обсуждаться [7, 14] и затрагивает множество трудно формализуемых аспектов. Реконфигурируемые имитационные модели могут быть полезны и для автоматизации структурно-параметрического синтеза решений, осуществляемого при помощи поисковых методов, когда поиск проводится в пространстве как параметров, так и структур [14, 15].
Возможности реконфигурации моделей существенно зависят от формы их представления. Модель, форма которой заранее предусматривает те или иные способы её «настройки» на конкретные структурные модификации, соответствующие единичным объектам моделирования, будем называть многовариантной моделью.
Очевидно, что многообразие возможных конфигураций зависит от уровня детализации, на котором определяются компоненты многовариантной модели. Если, например, модель объекта феноменологическая, т. е. представляет его как «чёрный ящик» с заданным отображением факторов на
отклик, то её структуру нельзя реконфигурировать. Если же модель составляется из достаи очно «мелких» типовых компонентов, например, из логических функций И, ИЛИ, НЕ над отдельными битами данных, то её компоненты можно, как известно, перестраивать в любые схемы реализующие любые заданные алгоритмы. Но следует иметь в виду, что наименьшие компоненты модели определяются не произвольно и не формально, т. к. они должны иметь соде ржательн ую oú> к и -i lyio и m ерп рета цига. Также необходимо учиг.^и •„ что способы соединения компоненте? тоже осраничгяаются не формализуемыми требованиями, такими, как сопоставимость составных частей модели по уровню абстра-гировани;!, do точности и влиянию на выходные характеристики. Кроме того, они должны удов-латворятьтребованиям интерпретируемости модели в целом и её адекватности задачам моделирования. Неопределённости, возникающие при решении таких не формализуемых вопросов, устраняются ЛПР в процессе моделирования. Поэтому построение и использование миоговариантных моделей но может быть полностью автоматизировано, и концепция многовариантности моделей не сводится только к формально-комбинаторным вопросам выбора и компактной технической реализации набора компонентов, характеризуемого большим числом абстрактных вариантов их соединения.
Тем не менее аспекты моделирования, не формализуемые в целом, удаётся формализовать и автоматизировать частично за счёт ограничения класса объектов моделирования. Например, система моделирования ЭКОМОД, благодаря выявлению «формальной структуры системного анализа развивающейся экономики »[12], воплощает эту структуру в канонической форме представления модели и обеспечивает шесть уровней контроля правильности моделей. На пяти из них контроль строго формализован путём проверки выполнения аксиом построения канонической формы, а семант ический контроль опирается уже не па структуру модели, а на конкретную содержательную интерпретацию её переменных и блоков. Заметим, что система моделирования ЭКОМОД вбирает и себя опыт анализа и прогнозирования, накопленный ещё со времён плановой экономики [16], и действительность неоднократно подтверждала её точные прогнозы (например, прогнозы кризисных последствий «шоковой терапии»), не всегда принимаемые в расчёт властями.
В процессе развития ИМ естественным образом складывается предметная ориентация отдельных систем моделирования и встроенных в них инструментов на сферы профессиональной деятельности того или иного круга специалистов. В свою очередь, производители универсальных пакетов моделирования обеспечивают их всеми видами сервиса, необходимыми для создания предметно ориентированных библиотек. Этим создаются предпосылки для создания эффективно реконфигурируемых моделей.
Предметная ориентация ИМ поддерживается и производителями систем автоматизированного проектирования (CAD), снабжающих эти системы средствами автоматической генерации имитационных моделей проектируемых объектов [7, 17]. Однако полученные в этом направлении результаты пока следует оценивать как скромные. Например, в обзоре [7], где обобщается европейский опыт последних десяти лет практического использования
коммерческих симуляторов в сфере логистики, отмечается скептическое отношение специалистов к автоматической генерации имитационных моделей. Оно объясняется двумя факторами. Во-первых, весь процесс автоматической интерпретации данных о структуре проектируемой системы должен быть проверен специалистом-аналитиком, т. к. возможны ситуации, в которых однозначная интерпретация данных от системы CAD не представляется возможной. Во-вторых, описание структуры системы (набора компонентов, их параметров и связей между ними) обычно составляет лишь небольшую долю описания модели, в то время как основная доля приходится на описание не фиксируемых в системе CAD алгоритмов управления (ресурсами и потоками), без которых невозможна адекватная постановка задачи моделирования.
4. Моделирование износа трубопроводного транспорта в условиях равномерной коррозии
Возможные подходы к формированию «математического тела» моделей с учётом аспектов интерпретируемой многокомпонентности и многовариантности рассмотрим на примере задачи прогнозирования остаточного ресурса для линейной части магистральных нефтегазопроводов в условиях их коррозийного износа. Разнообразие условий эксплуатации, климатических и геофизических факторов, а также постоянные изменения режимов эксплуатации трубопроводов приводят к использованию для учёта одной только равномерной коррозии (это самый простой её вид) более чем 200 вариантов модели.
Задача прогнозирования времени перехода трубопровода в предельное состояние формулируется следующим образом. Требуется найти время, в течение которого среднее напряжение о (t) в стенке трубы достигнет предельного уровня а , при котором её дальнейшая эксплуатация становится недопустимой. Напряжение <5C/J(t) определяется механической нагрузкой, конструктивными и монтажными параметрами трубы, а также её геометрическими размерами: внутренним rjt) и наружным rh(t) радиусами, изменяющимися во времени в результате действия коррозии. В общем виде эта задача ставится как задача решения системы ДУ с условием останова, заданным в форме неравенства:
М')
dr„V) di
= '<>„
• exp
УсрО-У
Н-ПП
■ exp
Г.'У H'
RÏV)
(1)
где и (/). и гмН, \\п — соответственно скорости наружной и внутренней коррозии напряженного и ненапряженного металла (мм/год), 8а.. — коэффициент влияния изоляционного покрытия на скорость наружной коррозии (безразм.), V— молярный объем металла (см:>/\юль), Л = 8,314Дж/(моль-К) — универсальная газовая постоянная, 7"(£) — абсолютная температура (К). Внутренний и наружный радиусы гп и гн заданы в мм. Среднее напряжение в стенке трубы ег (1), измеряемое в МПа, является функцией от времени I (годы), которая определяется в зависимости от модификации объекта (трубы). Функция <т (0 является варьируемым компонентом модели (1). К числу варьируемых компонентов относятся также предельный уровень напряжения <тг.)П1 и коэффициент ¿;п. Решением задачи (1) является
значение ( = I , при котором нарушается условие сг Н) < а
Варьируемые компоненты ет (I), о; и ¿>и1 определяются следующим образом.
В толстостенных трубах, испытывающих внутреннее давление р„(0 и наружное давление р„ (0. заданные (в МПа) как известные функции времени, среднее напряжение вычисляется по формуле:
ЛЛ'НГ(0-/>„(')■''Л')
(2)
'■„"('1-1,(0
Толстостенные трубы поддействием продольной силы (¡) (ньютоны), наличие которой не изменяет величину окружных и радиальных напряжений в стенке, испытывают одноосное напряжённое состояние, и для них
д/Р
,,(') =
(3)
где гп„ — начальный наружный радиус трубы.
У толстостенных труб, нагруженных продольной силой <2 и внутренним давлением ри(1.) агрессивной среды,
до =
P„(i)-r„-(i) + Q (Зя)
(4)
В тонкостенных трубах, работающих под внешним давлением сжатия, среднее напряжение составляет
Р„( !)-г„(П
Ус-рО) =
(5)
'•„о-'■„■(')'
Таким образом, компонент <т (0 реализуется в модели (1) четырьмя способами, по одной из формул (2)-(5).
Предельный уровень сг напряжения <т,7,(() задаётся одним из двух способов. Он может быть указан посредством коэффициента несущей способности (безразм.):
У ср.пр ~ У ср
где ог/1(0) — начальное среднее напряжение в стенке трубы, МПа. Или (для тонкостенных труб) предельный уровень а , может быть вычислен по формуле:
0 + '"у)У)
I 1 17)
3^1-от, + т,2 '
где то - отношения главных напряжений (для длинной трубы при плоской деформации та = 0,3; для трубы, закрытой днищами, та = 0,5), сгТ - предел текучести, МПа.
Наконец, варьируемый коэффициент влияния изоляции на скорость наружной коррозии в случае стопроцентной целостности покрытия вычисляется по эмпирической формуле:
= ечр
tel-
le)
где 6- исходная толщина изоляционного покрытия, мм; а и Ь - коэффициенты, определённые для конкретного вида изоляционного покрытия по эмпирическим данным, безразм. Ориентировочно для битуморезинового покрытия а = 1,6 и Ь = 0,025; для полихлорвинилового а = 103 и Ь =18; для полиэтиленового а = 75,5 и Ь = 13,9.
Далее, если для компонента с(7)(() выбрана реализация (2) или (4), то в её составе появляется варьируемый компонент р„(1)> который выбирается из ограниченного перечня функций времени, включая случайные (что в общем случае предполагает применение метода Монте-Карло, т. е. многократного решения задачи).
V
V
Рис. 1. Морфологический граф модели (1)
Рис. 2. Решение для выделенного варианта модели
Описание структуры модели (1) может быть продолжено и далее, но для целей данной статьи рассмотренного фрагмента описания достаточно. Подобную многовариантную и многокомпонентную структуру удобно формализовать посредством языка морфологических графов (МГ), аналогичных тем, что используются для автоматизации структурного синтеза систем [15]. Так, на рис. 1 представлен фрагмент многоярусного M Г модели (1), соответствующий рассмотренному фрагменту её описания. МГ представляет собой т. н. И-ИЛИ дерево: любой возможный вариант сборки модели однозначно задаётся поддеревом, включающим корневую вершину (И-типа), всех её потомков (ИЛИ —типа), и последующим присоединением к каждому ИЛИ-потомку одного из его И-потомков, и к каждому И-потомку — всех его ИАИ-потомков. Выбор поддерева продолжается до тех пор, пока все включённые в него потомки самого нижнего уровня не окажутся листьями, т. е. известными функциями времени или константами.
При необходимости можно дополнять МГ слоями данных, которые содержат дополнительные ограничения, связанные с особенностями СТО. Так, из (7) видно, что в графе на рис.1 выбор между вершинами (б) и (7) возможенлишьпри условии, что выбрана вершина (5), в противном случае вершина (7) не может быть выбрана.
Формализованное представление настраиваемой структуры модели позволяет автоматизировать (или поддержать) решение множества содержательных задач структурной идентификации. После выбора структуры модели остаётся лишь задать числовые значения всех её параметров и выполнить имитационный эксперимент. В нём воспроизводятся и наблюдаются все учитываемые моделью процессы.
Например, выделенный на рис. 1 (затенением вершин) подграф задаёт для модели (1) вариант, в имитационном расчёте которого определяется, что напряжённость <7,„(О возрастает до предельного уровня о за время t = 35,5 лет. Результат расчёта ег (i) представлен графиком на рис. 2. Исходные данные для этого примера таковы: давление внутреннее pjt) = const = 5,0 МПа, давление наружное Р„= 1,0 МПа, внутренний диаметр трубы гв„= 162 мм, наружный диаметр трубы гм„ = 181 мм, начальная скорость внутренней коррозии = 0,25 мм/год, начальная скорость наружной коррозии уи0 = 0,125 мм/ год, температура T(t) = const = 300,0 К, молярный объем металла V = 7,1 см'/моль, коэффициент несущей способности F = 0,20. Программная реализация расчёта этого и других вариантов модели (1) с учётом её многовариантной структуры приводится в [18, 19].
Модель трубопровода в целом включает множество разных компонентов, и структура каждого из них может определяться разным л подграфами одного МГ. Такое формализованное представление многовариантной структуры в виде МГ или изоморфных ему математических конструкций (фор-мальных'языков) позволяет реализовать интеллектуальный интерфейс между системой ИМ СТО и её пользователем. При этом формы и методы его программной реализации могут быть различными: это может быть набор опций иерархического меню, выбор которых пользователем ограничивает доступность остающихся опций в точном соответствии с МГ, или сборка модели с помощью интерактивного графического интерфейса, или специализированные входные языки и т. д.
5. Уровни управления СТО, парадигмы ИМ и задачи становления ИМ СТО
Теория и технологии ИМ предоставляют широкие возможности для адекватного решения многих сложных задач, на каких бы уровнях управления и эксплуатации СТО они ни возникали. Для исследования язвенной коррозии, появляющейся в случайные моменты времени в случайных точках трубопровода, можно использовать дискретно-событийную парадигму, как и для анализа надёжности, и вообще любых процессов, управляемых дискретными потоками событий. Для исследования непрерывных потоков и уровней (нефти, воды, денег и т. п.) применяют подходы системной динамики. А для моделирования таких самостоятельных активных субъектов, как персонал, потребители, конкуренты, законодательство — многоагентную парадигму. Все четыре парадигмы ИМ сводятся воедино универсальными объекгно-ориентирован-ными системами моделирования [8].
Программная реализация многовариантных моделей СТО на основе типовых компонентов упрощает сопряжение моделей с автоматизированными системами управления СТО. А дополняющие МГ информационные слои (базы данных - БД) с содержательными описаниями компонентов позволяют решать следующие задачи:
- проверка правильности имитационных моделей СТО (контроль синтаксиса, балансов, размерностей, контроль информационных связей и т. д.);
- контроль логической корректности хода имитации (контроль выхода параметров за пределы области применимости моделей, контроль соблюдения инвариантов, прямого хода модельного времени и т.д.);
- сертификация и тиражирование моделей: явный учёт допущений, способов вывода, способов калибровки, точности, истории применения и т. д.;
— визуализация моделей СТО с учётом стандартов, принятых в данной отрасли;
— анимация моделей СТО в ходе имитации в режиме реального времени (с масштабированием или без него);
— совмещение нескольких уровней абстрагирования (многоуровневое моделирование);
— совмещение ИМ и аналитического моделирования (аналитико-имитационное моделирование);
— использование в ИМ данных автоматизированного мониторинга СТО в реальном масштабе времени;
— использование ИМ СТО для обучения и повышения квалификации персонала;
— непрерывное развитие моделей путем добавления в БД новых типовых компонентов;
— формирование коммуникационного пространства между специалистами.
Заключение
Основой повышения эффективности и безопасности СТО является адекватная математическая постановка задач управления и моделирования, охватывающая вопросы структурной идентификации и параметризации моделей. Адекватная математическая постановка обеспечивает (по крайней мере, потенциально) единственный отвечающий целям управления СТО «абсолютный интерфейс» между знаниями специалистов (теоретиков и практиков), с одной стороны, и адекватным компьютерным воплощением этих знаний — с другой. При этом ИМ, оставаясь математическим моделированием и вооружая специалистов мощным арсеналом всех современных компьютерных технологий, становится тем связующим звеном между теорией и практикой управления, которое позволяет комплексно решать проблему структурной идентификации — задач практического управления в целях повышения эффективности и безопасности современных СТО.
Библиографический список
1. Бунич А.Л., Гинсберг К С., Добровидов A.B., Затуливе-тер Ю.С., Прангишвили И.В., Смолянинов В.В., Сухов Е.Г. Параллельные вычисления и задачи управления [аналитический обзор) // Автоматика и телемеханика. 2002. №12. С. 3-23.
2. Новосельцев В.Н., Яшин А.И. Новые горизонты математического моделирования //Тр. Междунар. конф. «Параллельные вычисления и задачи управления» (РАСО' 2001). Москва. 2-4 окт. 2001. М.: ИПУ РАН, 2001. Раздел 1. С.214-244.
3. Гинсберг К.С. Системные закономерности и теория идентификации//'Гр. Междунар. конф. «Параллельные вычисления и задачи управления» (РАСО' 2001). Москва. 2-4 окт. 2001. М.: ИПУ РАН, 2001. Раздел 1. С.103-120.
4. Гинсберг К.С. Неклассическая модель структурной идентификации//Тр. Междунар. конф. «Параллельные вычисления и задачи управления» (РАСО' 2001). Москва. 2-4 окт. 2001. М.:ИПУ РАН, 2001. Раздел 1. С. 121-140.
5. Шрайбер Т.Дж. Моделирование на GPSS /Пер. с англ. В.И. Гаргера, И.Л. Шмуйловича; Ред. М.А. Файнберг. - М.: Машиностроение, 1980. -592 с.
Российские научные журналы
6. Соболь И.М. Метод Монте-Карло. — М., 1978. — 64 с.
7. ТолуевЮ.И. Применение имитационного моделирования для исследования логистических процессов // Материалы II Всероссийской конференции (ИММОД-2005). С.-Петербург 19-21 окт. 2005. ФГУП ЦНИИ ТС. Т.1. С. 71-76.
8. Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic .5. — СПб.: БХВ-Петер-бург. 2005. - 400 с.
9. Борщёв A.B. Практическое агентное моделирование и его место в арсенале аналитика // Exponenta Pro, №3-4, 2004. (См, также http://www/aDss.ru/index-h.htmll.
10. БахваловЛ.: Компьютерное моделирование — длинный путь к сияющим вершинам?// Компьютера. 1997 г. №40(217). С. 26-36.
11. ФоррестерДж. Мировая динамика, — М.: ACT, 2003. -379 с.
12. Петров A.A., Поспелов И.Г., Поспелова Л.Я., Хохлов М.А. ЗКОМОД - Интеллектуальный инструмент разработки и исследован ия динамических моделей экономики // Материалы II Всероссийской конференции (ИММОД-2005). С.-Петербург. 19-21 окт. 2005. ФГУП ЦНИИ ТС. Т. 1. С. 32-41.
13. Лычкина H.H. Современные технологии имитационного моделирования и их применение в информационных бизнес-системах и системах поддержки принятия решений // Материалы II Всероссийской конференции (ИММОД-2005). С.-Петербург. 19-21 окт. 2005. ФГУП ЦНИИ ТС. T. 1. С. 25-31.
14 Акимов C.B. Методология создания имитационных моделей класса объектов // Материалы II Всероссийской конференции (ИММОД-2005). С.-Петербург. 19-21 окт. 2005. ФГУП ЦНИИ ТС. T. 1. С. 77-80.
15. Норенков И.П. Основы автоматизированного проектирования: Учеб. для вузов. — М.: Изд-во МГТУ им. Н.Э. Баумана, 2000. - 360 с.
16. Петров A.A. Экономика модели. Вычислительный эксперимент. - М.: Наука, 1996. — 250 с.
17. Маклаков C.B. BPwin и Erwin. CASE —средства разработки информационных систем. — М.: Диалог — МИФИ, 1999. - 256 с.
18. Семенова И.И. Программно-аналитический комплекс для оценки долговечности магистральных трубопроводов/ Сборник трудов участников конференции: Третья конференция молодых специалистов ОАО «Транссибнефть».— Омск, 2001,— С.85-95.
19. Семенова И.И. Разработка программно-аналитического комплекса для контроля состояния линейной части магистральных нефтегазопроводов в условиях коррозионного износа: диссертация... канд. техн. наук,- Омск: 2002.— 148с.
ЗАДОРОЖНЫЙ Владимир Николаевич, кандидат технических наук, доцент кафедры автоматизированных систем обработки информации и управления.
СЕМЕНОВА Ирина Ивановна, кандидат технических наук, доцент кафедры информационной безопасности.
Дата поступления статьи в редакцию: 09.06.06 г. © Задорожный В.Н., Семенова И.И.
«Информационные технологии»
Журнал публикует научные статьи по основным направлениям исследований, представленным на факультете информационных технологий и в Центре новых информационных технологий НГУ, а также материалы, посвященные разработке и применению информационных технологий в высшем и среднем образовании, развитию информационной среды в научно-образовательной сфере.
Периодичность выхода — 2 раза в год. Подписной индекс 18287.
