Розробка гнучкої системи моделювання позаштатних ситуацій у виробничому процесі

Міністерство освіти і науки України

Криворізький інститут Кременчуцького університету економіки, інформаційних технологій і управління Кафедра технічної кібернетики

ДИПЛОМНА РОБОТА

зі спеціальності

7.91 402 «Гнучкі комп’ютеризовані системи та робототехніка»

«Розробка гнучкої системи моделювання позаштатних ситуацій

у виробничому процесі"

Студента групи ГКС-05-д

Маковки Тетяни Вадимівни Керівник роботи доц., к.т.н.

Лукашенко Йосип Михайлович Кривий Ріг 2010

АНОТАЦІЯ

Метою даної дипломної роботи є розробка гнучкої системи моделювання позаштатних ситуацій у виробничому процесі. Система реалізована за допомогою технологій National Instruments з використанням пакету графічної мови програмування Labview. Розроблена система може бути використана при вирощуванні монокристалічного кремнію.

Розділів 6, схем та рисунків 33, таблиць 6, бібліографічних посилань 30, загальний обсяг — 107.

• ЗМІСТ
• ВСТУП
• 1. ПОСТАНОВКА ЗАВДАННЯ
• 1.1 Найменування та область використання
• 1.2 Підстава для створення
• 1.3 Характеристика розробленого програмного забезпечення
• 1.4 Мета та призначення
• 1.5 Загальні вимоги до розробки
• 1.6 Джерела розробки
• 2. ТЕОРЕТИЧНІ ОСНОВИ ПОБУДОВИ МОДЕЛЕЙ І АЛГОРИТМІВ СППР ПРИ ВИНИКНЕННІ НС
• 2.1 Побудова алгоритмів та моделей
• 2.2. Поняття «Нештатна ситуація»
• 2.2.1 Класифікація НС
• 2.2.2 Методи вирішення НС
• 2.3 Поняття «Технологічний процес»
• 2.4 Архітектура СППР ліквідації НС
• 2.5. Вирощування монокристалів кремнію
• 2.5.1 Обладнання для вирощування монокристалічного кремнію
• 2.5.2 Методи вирощування монокристалів кремнію
• 2.5.3 Метод Чохральського
• 2.5.4 Дефекти монокристалічного Si
• 3. ОГЛЯД ПРОГРАМНИХ ЗАСОБІВ СППР
• 3.1 СППР «Вибір»
• 3.2 Об'єктно-орієнтована мова LIANA
• 3.3 Особливості середовища LabView
• 4. ОПИС ФУНКЦІОНАЛЬНИХ МОЖЛИВОСТЕЙ І ПРОГРАМНОЇ РЕАЛІЗАЦІЇ ПРОЕКТОВАНОЇ СИСТЕМИ
• 4.1 Логіко-функціональна схема роботи програми
• 4.2 Основна панель розробки системи
• 4.3 Створення бібліотеки користувача віртуальних приладів
• 4.4 Хід розробки віртуального приладу
• 5. ЕКОНОМІЧНЕ ОБҐРУНТУВАННЯ ДОЦІЛЬНОСТІ РОЗРОБКИ ПРОГРАМНОГО ПРОДУКТУ
• 5.1 Витрати, пов’язані з розробкою програмного продукту
• 5.2 Витрати, пов’язані з розробкою програми на ПК
• 5.3 Економічний ефект від використання програмного забезпечення
• 6. ОХОРОНА ПРАЦІ
• 6.1 Аналіз небезпечних і шкідливих факторів
• 6.2 Заходи щодо нормалізації шкідливих і небезпечних факторів
• 6.3 Пожежна безпека
• ВИСНОВКИ
• СПИСОК ЛІТЕРАТУРИ

ВСТУП

У останні три десятиліття у зв’язку з інтенсивним розвитком технологій вирощування монокристалів з розплаву різко підвищився інтерес до моделювання фізичних явищ, лежачих в основі ростових процесів. Найважливішим технологічним завданням є здобуття однорідних монокристалів все більшого діаметру і довжини з досконалою структурою і заданими електрофізичними властивостями. У останні три десятиліття у зв’язку з інтенсивним розвитком технологій вирощування монокристалів з розплаву різко підвищився інтерес до моделювання фізичних явищ, лежачих в основі ростових процесів.

Найважливішим технологічним завданням є здобуття однорідних монокристалів все більшого діаметру і довжини з досконалою структурою і заданими електрофізичними властивостями. Тому виникає необхідність розгляду комплексу моделей, які взаємно доповнюють один одного в обліку перерахованих чинників і в результаті з достатньою мірою повноти відповідають технологічним потребам.

Метод Чохральського є найпоширенішим промисловим способом вирощування монокристалів найбільш важливих напівпровідників. На прикладі процесу вирощування монокристалічного кремнію методом Чохральського розглянута проблема здобуття управляючих алгоритмів, для технологічних процесів, що характеризуються відсутністю масштабної інваріантності. Метою даної дипломної роботи є розробка в графічній мові програмування LabView віртуального приладу, який дозволяє відслідковувати температурний режим в установці «Редмет» для вирощування монокристалів кремнію, фіксувати та сигналізувати про нештатні ситуації. Під нештатною ситуацією мається на увазі ситуація, коли відбувається зрив нормального протікання процесу, наприклад перевищення допустимих температурних норм розплаву кремнію, зрив кристала з тигля і тому подібне, яка виявляється системами стеження і оператором.

Прийняття рішень в надзвичайних ситуаціях вимагає оперативної і ефективної обробки інформації. При розробці такого класу систем необхідно використовувати основні принципи моделювання процесу обробки інформації для створення повного технологічного циклу підтримки прийняття рішень.

Комп’ютерна підтримка прийняття рішень є необхідною умовою прийняття якісних рішень складних проблем з великими об'ємами інформації. Перевага технології віртуальних приладів полягає в можливості програмним шляхом, спираючись на потужність сучасної комп’ютерної техніки, створювати всілякі прилади, вимірювальні системи і програмно-апаратні комплекси, легко їх адаптувати до вимог, що змінюються, зменшити витрати і час на розробку.

1. ПОСТАНОВКА ЗАВДАННЯ

1.1 Найменування та область використання

В результаті виконання дипломної роботи була розроблена гнучка система моделювання позаштатних ситуацій у виробничому процесі.

Система дозволяє прослідити процес вирощування монокристалів кремнію та уникнути позаштатних ситуацій у виробничому процесі.

1.2 Підстава для створення

Підставою для розробки є наказ № 73С-01 від 29 жовтня 2009 р. по Криворізькому інституту КУЕІТУ.

Початок робіт: 01.11.09. Закінчення робіт: 25.05.10.

1.3 Характеристика розробленого програмного забезпечення

Гнучка спеціалізована система була реалізована за допомогою графічної мови програмування LabView.

Склад розробленої системи:

виконавчий файл розробленої системи

· Makovka_dip.vi

бібліотека користувача diplom. llb:

· stroka. vi

· pass. vi

1.4 Мета та призначення

Розробка в графічній мові програмування LabView віртуального приладу, який дозволяє відслідковувати температурний режим в установці «Редмет», фіксувати та сигналізувати про нештатні ситуації

1.5 Загальні вимоги до розробки

На етапі розробки гнучкої системи за допомогою LabView потрібні наступні апаратні й програмні засоби:

· процесор Intel Pentium 200 МГц (та кращє 400);

· 512 Мб оперативної пам’яті;

· біля 85 Мб вільного місця на жорсткому диску;

· монітор з SVGA адаптером;

· операційна система Windows XP та вище.

· Компакт-дисковий носій (CD);

· Клавіатура, маніпулятор типу «миша» .

Для відтворення віртуального пристрою необхідно мати встановлений LabView 7.0 та вище на жорсткому диску.

1.6 Джерела розробки

Джерелами розробки дипломної роботи є:

· довідкова література;

· наукова література;

· технічна література;

· програмна документація.

• 2. ТЕОРЕТИЧНІ ОСНОВИ ПОБУДОВИ МОДЕЛЕЙ І АЛГОРИТМІВ СППР ПРИ ВИНИКНЕННІ НС
• Системи підтримки прийняття рішень (СППР). Методи ППР дають можливість: формалізувати процес знаходження рішення на основі наявних даних (процес породження варіантів рішення); ранжирувати критерії і давати критерійні оцінки фізичним параметрам, що впливають на вирішувану проблему (дає можливість оцінити варіанти рішень); використовувати формалізовані процедури узгодження при ухваленні колективних рішень; використовувати формалізовані процедури узгодження при ухваленні колективних рішень; використовувати формальні процедури прогнозування наслідків рішень, що приймаються; вибирати варіант, що приводить до вирішення проблеми.
• Підтримка прийняття рішень (ППР). Процес ПР — здобуття і вибір найбільш оптимальної альтернативи з врахуванням прорахунку всіх наслідків. При виборі альтернатив — треба вибирати ту, яка якнайповніше відповідає поставленій меті, але при цьому доводиться враховувати велику кількість суперечливих вимог і, отже, оцінювати вибраний варіант рішення багатьом критеріям.
• Можна виділити 3 класи невизначеності: невизначеності, пов’язані з неповнотою наших знань про проблему по якій приймається рішення; Невизначеність, яка виникає у зв’язку з непередбачуваністю реакції довкілля на наші дії. Невизначеність — неточно розуміються цілі безпосередньо самою особою приймаючою рішення (ОПР). Складнощі: Не можна звести завдання з невизначеністю до формалізованих, тому треба робити поправку на суб'єктивність експерта. Тенденція: Кількість чинників зростає. Час на аналіз знижується.
• ППР полягає в наступному:
• Допомога ОПР при аналізі об'єктивної складової проблеми.
• Виявлення переваг ОПР.
• Облік невизначеності в оцінках ОЛПР
• Генерація набору рішень.
• Оцінка можливих рішень, виходячи з переваг ОПР і обмежень, що накладаються зовнішнім середовищем.
• Аналіз наслідків прийнятих рішень.
• Вибір кращого з точки зору ЛПР рішення.

2.1 Побудова алгоритмів та моделей

Логічна модель представлення знань серед логічних моделей представлення знань набули найбільшого поширення числення висловів і числення предикатів першого порядку. Числення висловів через обмеженість виразних можливостей рідко використовується в сучасних інтелектуальних системах. Логіка предикатів першого порядку, навпаки, є найбільш часто вживаною логічною моделлю представлення знань. Логічні моделі забезпечують просту і ясну нотацію для запису фактів, що володіє чітко певною семантикою. Кожен факт представляється в базі знань лише один раз, незалежно від того, як він використовуватиметься надалі. База знань, розроблена із застосуванням логічних методів, як правило, достатньо проста для розуміння.

Класичним механізмом представлення знань в дослідженнях є числення предикатів. Його основна перевага полягає в чіткому математичному обґрунтуванні і формально ясних правилах здобуття виводів з відомих раніше тверджень. У системах, заснованих на численні предикатів, знання представляються за допомогою переведення тверджень про об'єкти наочної області у формули логіки предикатів і додавання їх як аксіом в систему. У основі логічних моделей лежить поняття формальної системи (ФС) (теорії), четвіркою, що задається формулою 2.1

S = (T, F, A, R)(2.1)

де: 1) Т — рахункова безліч (у загальному випадку безконечне) базових символів (алфавіт) теорії S, званих термами. Кінцеві послідовності базових символів називаються виразами теорії S.

2) F — підмножина виразів теорії S, званих формулами теорії. Зазвичай є ефективна процедура побудови виразів, що є формулами. Можна цю процедуру розглядати як безліч синтаксичних правил, що дозволяють будувати з Т синтаксично правильні вирази, звані правильно побудованими формулами (ППФ).

3) А — виділена безліч правильно побудованих формул, званих аксіомами теорії S, тобто безліч апріорна дійсних формул.

4) R — кінцева безліч стосунків {R1…, Rn} між формулами, званих правилами виводу. Правила виводу дозволяють розширювати безліч формул, які вважаються достеменними в рамках даної теорії. Виводом у формальній системі називається будь-яка послідовність ППФ A1, A2., An, така, що для будь-якого i (]? i? n) ППФ А_l, є або аксіома ФС, або безпосереднє слідство яких-небудь попередніх ППФ по одному з правил виводу. ППФ називається теоремою (або ППФ, що виводиться) ФС, якщо існує вивід у ФС, в якому останньою ППФ є А_n> В. Формальна теорія називається вирішуваною, якщо існує єдина ефективна процедура, що дозволяє взнати для будь-якої даної формули, чи існує її вивід у ФС. Формальна система називається несуперечливою, якщо не існує формули А, такий, що A і її заперечення — А виводяться у ФС.

ППФ виводиться з ППФ A1, A2., An (або є наслідком безлічі A1, A2., An) тоді і лише тоді, коли існує така кінцева послідовність ППФ В1, В2…, Вm, що Вm є В і для будь-якого i (]? i? m) В_l, є або аксіома, або А_l (]? i? n), або безпосереднє слідство з деяких попередніх ППФ по одному з правил виводу. Елементи послідовності ППФ A1, a2…, An називаються посилками виводу. Скорочено вивід В з A1, А2…, An записуватимемо A₁, A₂…, A_n+ В або Г = { A₁, A₂…, A_n }, то Г + В.

Виведення ППФ В без використання посилок є доказ ППФ В, а сама

В — теорема, що записується +В. Приведемо декілька властивостей поняття виводимості з посилок.

1) Якщо Г = П і Г + В, то П + В. Це означає, що, якщо ППФ виводиться з безлічі посилок Г, то вона виводитиметься, якщо до Г додадуться нові посилки.

2) Г + В тоді і лише тоді, коли в Г існує кінцева підмножина П, для якої П+B.

3) Якщо П + А і Г+ В для будь-якої ППФ В з безлічі П, то Г+ А.

Це означає, що якщо ППФ, А виводиться з П і що кожна міститься в ППФ формула виводиться з Г, то ППФ, А виводиться з Р.

Проблема представлення знань. Ключове місце в інтелектуальних системах підтримки прийняття рішень займає проблема представлення знань. Системи підтримки прийняття рішень, які будуються на результатах, отриманих в області штучного інтелекту, часто називають системами, заснованими на знаннях, підкреслюючи цим їх принципову відмінність від систем, що раніше створювалися. Знання є сукупністю відомостей (в індивідуума, суспільства) про світ (конкретної наочної області, сукупності об'єктів або об'єкті), що включає інформацію про властивості об'єктів, закономірності процесів і явищ, правила використання цієї інформації для прийняття рішень.

Спочатку засоби обчислювальної техніки були орієнтовані на обробку даних. Це було пов’язано як з рівнем розвитку техніки і програмного забезпечення, так і із специфікою вирішуваних завдань. Подальше ускладнення вирішуваних завдань, їх інтелектуалізація, розвиток обчислювальної техніки ставлять завдання створення систем обробки знань. Представлення знань — це вираження на деякій формальній мові, званій мовою представлення знань (МПЗ), властивостей різних об'єктів і закономірностей, важливих для вирішення прикладних завдань і організації взаємодії користувача з ЕОМ. Це можуть бути об'єкти і закономірності наочної області, обчислювального середовища і так далі. Той факт, що мова, на якій записуються знання, є формальним, забезпечує однозначність інтерпретації записаного. Сукупність знань, що зберігаються в обчислювальній системі і необхідних для вирішення комплексу прикладних програм кінцевим користувачем, називається системою знань. Відомості про те, якими знаннями володіє система, можуть потрібно користувачеві (і він повинен мати можливість їх отримати), проте в першу чергу організовані знання необхідні обчислювальній системі для того, щоб підтримувати процес взаємодії з користувачем і вирішувати необхідні завдання.

Іншими словами, знання забезпечують функціонування системи. У інтелектуальних системах знання зберігаються в спеціальному програмному або програмно-апаратному блоці, званому базою знань (БЗ). Обчислювальна система використовує систему знань, виконуючи над нею всілякі дії (операції), такі, як пошук необхідних відомостей, їх модифікація, інтерпретація знань, вивід з наявних знань нових і т. п. Алгоритми виконання цих операцій істотно залежать від особливостей мови представлення знань і від того, яким чином система знань представляється в обчислювальній системі. Оскільки система знань коштовна не сама по собі, а саме можливостями її використання, оскільки використовувати цю систему можна лише виконуючи над нею ті або інші операції і оскільки алгоритмізація алгоритмізація цих операцій визначається мовою представлення знань, будь-яким сучасним методом представлення знань є сукупність взаємозв'язаних засобів формального опису знань і операції (маніпулювання цими знаннями).

Особливості знань. Перерахуємо ряд особливостей, властивих представленням знань в СППР:

1) Внутрішня інтерпретація. Кожна інформаційна одиниця повинна мати унікальне ім'я, по якому інструментальна одиниця знаходить її, а також відповідає на запити, в яких це ім'я згадане. Коли дані, системи, що зберігаються в пам’яті, були позбавлені імен, то була відсутня їх ідентифікація системою. Дані могла ідентифікувати лише програма, витягуючи їх з пам’яті по вказівці програміста, що написав програму. Що ховається за тим або іншим машинним кодом машинного слова, системі було невідомо. Знання ж завжди змістовні. При переході до знань в пам’ять ЕОМ вводиться інформація про деяку протоструктурі інформаційних одиниць. При цьому мають бути задані спеціальні словники, в яких перераховані наявні в пам’яті системи відомості про інформаційні одиниці. В даний час СУБД забезпечує реалізацію всіх інформаційних одиниць, що зберігаються в базі даних.

2) Структурованість. Інформаційні одиниці повинні володіти гнучкою структурою. Для них повинен виконуватися «принцип матрьошки», тобто рекурсивна вкладеність одних інформаційних одиниць в інших. Кожна інформаційна одиниця може бути включена до складу будь-якої іншої, і з кожної інформаційної одиниці можна виділити деякі складові її інформаційні одиниці. Іншими словами, повинна існувати можливість довільного встановлення між окремими інформаційними одиницями стосунків типа «ціле» для частини, «рід-вид» або «елемент-клас».

3) Зв’язність. У інформаційній базі між інформаційними одиницями має бути передбачена можливість встановлення зв’язків довільного типа. Перш за все, зв’язки можуть характеризувати стосунки між інформаційними одиницями. Семантика стосунків може носити декларативний або продукційний характер. Наприклад, дві і більш інформаційні одиниці можуть бути зв’язані відношенням «одночасно», дві інформаційні одиниці - відношенням «причина-слідство» або відношенням «бути поруч». Приведені стосунки характеризують декларативні знання. Якщо між двома інформаційними одиницями встановлено відношення «аргумент-функція», то воно характеризує процедурні знання, пов’язані з обчисленням певних функцій. Існують стосунки структуризації, функціональні стосунки, каузальні стосунки і семантичні стосунки. За допомогою перших задаються ієрархії інформаційних одиниць, другі несуть процедурну інформацію, що дозволяє знаходити (обчислювати) одні інформаційні одиниці через інших, треті задають причинно-наслідкові зв’язки, четверті відповідають всім останнім стосункам.

Між інформаційними одиницями можуть встановлюватися і інші зв’язки, наприклад, визначають вибір інформаційних одиниць з пам’яті або вказуючи на те, що дві інформаційні одиниці несумісні з один одним в описі. Перераховані три особливості знань дозволяють ввести загальну модель представлення знань, яку можна назвати семантичною мережею, що є ієрархічною мережею, у вершинах якої знаходяться інформаційні одиниці. Ці одиниці забезпечені індивідуальними іменами. Дуги семантичної мережі відповідають різним зв’язкам між інформаційними одиницями. При цьому ієрархічні зв’язки визначаються стосунками структуризації, а не ієрархічні зв’язки — стосунками інших типів.

4) Семантична метрика. На безлічі інформаційних одиниць в деяких випадках корисно задавати стосунки, що характеризують ситуаційну близькість інформаційних одиниць, тобто силу асоціативного зв’язку між інформаційними одиницями. Його можна назвати відношенням релівантності для інформаційних одиниць. Таке відношення дозволяє виділяти в базі знань деякі типові ситуації. Відношення релівантності при роботі з інформаційними одиницями дозволяє знаходити знання, близькі до вже знайденим.

5) Активність. З моменту появи ЕОМ і розділення використовуваних в ній інформаційних одиниць на дані і команди створилася ситуація, при якій дані пасивні, а команди активні. Всі процеси, що протікають в ЕОМ, ініціюються командами, а дані використовуються цими командами лише у разі потреби. Для інформаційних систем (ІС) ця ситуація неприйнятна. Як і у людини, в ІС актуалізації тих або інших дій сприяють знання, наявні в системі. Таким чином, виконання програми в ІС повинно ініціюватися поточним станом інформаційної бази. Поява в базі фактів або опис подій, встановлення зв’язків може стати джерелом активності системи. Перераховані п’ять особливостей інформаційних одиниць визначають ту грань, за якою дані перетворюються на знання, а бази даних перетворюються на бази знань. Сукупність засобів, що забезпечують роботу із знаннями, утворюють систему управління базою знань (СУБЗ). В даний час не існує баз знань, в яких повною мірою були реалізовані внутрішня інтерпретується, структуризація, зв’язність, введена семантична міра і забезпечена активність знань Способи опису знань Перерахуємо найбільш відомі способи опису знань.

Логічні моделі. У основі моделей такого типу лежить поняття формальної системи, четвіркою вигляду М = {Т, F, А, R}. Безліч Т є безліч базових елементів різної природи. Поважно, що для безлічі Т існує деякий спосіб визначення приналежності і не приналежності довільного елементу до цієї безлічі. Процедуру такої перевірки позначимо П{Т}.

Безліч F є безліч синтаксичних правил. З їх допомогою з елементів Т утворюють синтаксично правильні сукупності. Декларується існування процедури П{Р}, за допомогою якої за кінцеве число кроків можна отримати відповідь на питання, чи є сукупність X синтаксично правильною. У безлічі синтаксично правильних сукупностей виділяється деяка підмножина А. Елементи, А називаються аксіомами. Як і для інших складових формальної системи, повинна існувати процедура П{А}, за допомогою якої можна для будь-якої синтаксично правильної сукупності отримати відповідь на питання про приналежність її до безлічі А. Безліч R є безліч правил виводу. Застосовуючи їх до елементів А, можна отримати нові синтаксично правильні сукупності, до яких можна знову застосовувати правила виводу з R. Так в даній формальній системі сукупностей. Якщо є процедура n®, за допомогою якої можна визначити для будь-якої синтаксично правильної сукупності чи є вона такою, що виводиться, то відповідна формальна система називається вирішуваною. Це показує, що саме правила виводу є найбільш складній складовій формальної системи.

Для знань, що входять в БЗ, можна вважати, що безліч, А утворюють всі інформаційні одиниці, які введені в БЗ ззовні, а за допомогою правил виводу з них виводяться нові довільні знання. Іншими словами, формальна система є генератором породження нових знань, утворюючих безліч знань, що виводяться в даній системі. Це властивість логічних моделей робить їх привабливими для використання в базах знань. Воно дозволяє зберігати в БЗ лише ті знання, які утворюють безліч А, а всі останні знання отримувати з них по правилах виводу.

Мережеві моделі. У основі моделей цього типові лежіть конструкція, названа семантичною мережею. Мережеві моделі формально можна задати у вигляді: Н = ‹I, C₁,…, C_N, Г›. Тут I є безліч інформаційних одиниць; С₁, С₂,…, C_N — безліч типів зв’язків між інформаційними одиницями. Відображення Г задає між інформаційними одиницями, що входять в I, зв’язки із заданого набору типів зв’язків. Семантичні мережі є найбільш загальною моделлю представлення знань, оскільки в них є засоби для виконання всіх п’яти вимог, що пред’являються до знань. Але така універсальність семантичних мереж має і негативну сторону. Якщо допускати в них довільних типів стосунків і зв’язків, що не є стосунками в математичному сенсі (наприклад, асоціативні зв’язки), то складність роботи з таким чином організованою інформацією різко зросте. Тому в БД другого покоління вводять обмеження на характер структур і типів інформаційних одиниць, що знаходяться у вершинах семантичної мережі, і на характер зв’язків, що задаються її дугами.

Фреймові моделі. На відміну від моделей інших типів, у фреймових моделях фіксується жорстка структура інформаційних одиниць, яка називається протофреймом. Загальний вигляд:

(Ім'я фрейму:

Ім'я слоту 1 (значення слоту 1) Ім'я слоту 2 (значення слоту 2)

… Ім'я слоту К (значення слоту К)

Значенням слоту може бути практично що завгодно (числа або математичні співвідношення, тексти на природній мові або програми, правила виводу або заслання на інші слоти даного фрейму або інших фреймів). Як значення слоту може виступати набір слотів нижчого рівня, що дозволяє у фреймових виставах реалізувати «принцип матрьошки».

При конкретизації фрейма йому і слотам привласнюються конкретні імена і відбувається заповнення слотів. Таким чином, з протофреймів виходять фрейми-екземпляри. Перехід від вихідного протофрейма до фрейма-екземпляра може бути багатокроковим, за рахунок поступового уточнення значень слотів.

Продукційні моделі. У моделях цього типа використовуються деякі елементи логічних і мережевих моделей. З логічних моделей запозичена ідея правил виводу, які тут називаються продукціями, а з мережевих моделей — опис знань у вигляді семантичної мережі. В результаті застосування правил виводу до фрагментів мережевого опису відбувається трансформація семантичної мережі за рахунок зміни її фрагментів, нарощування мережі і виключення з неї непотрібних фрагментів. Таким чином, в продукційних моделях процедурна інформація явно виділена і описується іншими засобами, чим декларативна інформація. Замість логічного виводу, характерного для логічних моделей, в продукційних моделях з’являється вих. ід на знаннях.

2.2 Поняття «Нештатна ситуація»

Під нештатною ситуацією мається на увазі ситуація, коли по тих або інших (як правило, невизначеним) причинах відбувається зрив нормального протікання процесу (наприклад, переривання бездіслокаційного зростання, недопустиме відхилення діаметру зростаючого кристала від заданого і тому подібне), який виявляється системами стеження і оператором. В цьому випадку виникає необхідність в ухваленні рішення про подальші дії. Вибір того або іншого варіанту дій залежить від цілого ряду чинників. Природно, що НС може виникнути на різних стадіях технологічного процесу (вирощування «шийки», формування верхнього конуса, вирощування циліндрової частини злитка, формування нижнього конуса), але найбільший практичний інтерес представляють випадки виникнення.

Системний підхід до даної проблеми означає аналіз всіх аспектів даного завдання, продумування і моделювання повного технологічного циклу обробки інформації, починаючи від введення і здобуття інформації до прийняття рішень. Основна ідея методології, що розробляється, полягає в накопиченні знань в комп’ютерній формі баз знань, з подальшим їх використанням для прийняття рішень. Вважатимемо, що існує деяка наочна область, в якій знання (у вигляді рішень, що рекомендуються, і послідовності дій) накопичуються на основі розгляду деяких нештатних ситуацій, що повторюються, відбуваються з деякою частотою. В цьому випадку частота подій не настільки велика, щоб була реальна можливість виучувати і тренувати персонал і осіб, відповідальних за прийняття рішень, а наслідки не оптимальних рішень можуть бути значними. Тому представляється вельми перспективним створення систем, заснованих на знаннях (систем штучного інтелекту) для накопичення такого роду знань (інструкцій), щоб використовувати їх в позаштатних ситуаціях.

Можливості систем, заснованих на знаннях, є принциповим моментом, оскільки для накопичення знань про дії в позаштатних ситуаціях на кожному об'єкті може потрібно значний час необхідно забезпечити інтеграцію знань про однорідні нештатні ситуації на просторово розподілених об'єктах одного типа. Одним із шляхів рішення цієї задачі є створення комп’ютерної мережі, для поширення по однорідних об'єктах знань, отриманих в результаті апостеріорного аналізу дій (або бездіяльність) в позаштатних ситуаціях. Після нештатної ситуації, що сталася, виробляється аналіз прийнятих і неприйнятих рішень, їх наслідків, вироблення правив і запис оптимальних рішень в базу продукційних правил, відповідно глобальну або локальну. Знання в обговорюваних базах знань структуруються у формі інфологічних моделей. Моделі можуть бути універсальні, проблемні і специфічні. У структуру кожної моделі включаються також імітаційні і інші обчислювальні моделі, у вигляді обчислювальних процедур. У загальному вигляді знання, що включають моделі, можна представити як четвірку вигляду:

M = (S, R, I, K)(2.2)

де S — база імітаційних моделей; R — база продукційних правил, яка поповнюється в результаті аналізу прийняття рішень в нештатних ситуаціях;

І - інформаційна база; К — база загальних знань.

Здобуття алгоритмів, що управляють, організоване як ітераційний процес, що сходиться. Накопичення експериментальної інформації в базах даних об-легшає вдосконалення технологічного процесу.

При розробці технології придбання і передачі знань про дії в позаштатних ситуаціях необхідно виробити класифікацію баз знань Бази знань можна розділити на наступні категорії:

* універсальні (загальні), такі, що відносяться до всіх даних областей, об'єктів і ситуацій;

* проблемні, які відносяться до даного класу об'єктів і проблемних ситуацій;

* специфічні, які пов’язані конкретно з даним об'єктом і особливостями його функціонування.

При цьому універсальні знання тиражуються по всіх об'єктах, що використовують дану методологію, або знаходяться в деякому центральному вузлі. Це залежить від прийнятої комп’ютерної технології. Проблемні знання, у вигляді відповідних баз знань, тиражуються по об'єктах одного класу. Специфічні знання є в комп’ютері лише одного об'єкту. Для формування Бази продукційних правил необхідна участь інженера по знаннях, хоча в більшості випадків досить спеціалізованої програми витягання знань. В цьому випадку необхідно використовувати підхід, при якому кожен користувач або група користувачів розробляють свої самостійні підсистеми, звичайно, стараючись максимально можливо погоджувати свої дії. Проте ці узгодження носять радчий характер. В цьому випадку акцент зміщується на розробку методів взаємодії між підсистемами, створення інтерфейсів, у тому числі між користувачем і підсистемами. Процес формування баз знань для прийняття рішень в надзвичайних ситуаціях підході отримує самостійність в зборі і використанні своєї інформації, можливість вживання улюблених програмних систем, можливість інтегрувати для вирішення виникаючих завдань підсистеми, створені в різний час, різними фахівцями, на різній програмній базі. В цьому випадку створюються системи, засновані на знаннях різних людей і різних наукових дисциплін. При цьому, в результаті вживання системного підходу, виникають міждисциплінарні знання і виникає проблема загального використання різних мов описів, методів вирішення проблем, що відрізняються, і т. п.

Прийняття рішень в надзвичайних ситуаціях вимагає оперативної і ефективної обробки інформації. При розробці такого класу систем необхідно використовувати основні принципи моделювання процесу обробки інформації для створення повного технологічного циклу підтримки прийняття рішень. При цьому необхідно враховувати особливості спеціального класу наочних областей, які характеризуються великими об'ємами аналізованої інформації і обмеженим періодом часу для вироблення рішень. Використання системного підходу для розробки міждисциплінарних інтегрованих методів, алгоритмів і інформаційних технологій дозволяє ефективно використовувати великі об'єми інформації і бази знань з врахуванням нових інформаційних технологій, сучасних обчислювальних систем, апарату баз даних і знань, комп’ютерних мереж і комп’ютерного моделювання і прийняття рішень. Основним завданням створення сучасних інтелектуальних систем є розробка і вживання методів інтеграції технологій збору інформації і її аналізу і методів використання цих результатів при ухваленні рішень. Комп’ютерна підтримка прийняття рішень є необхідною умовою прийняття якісних рішень складних проблем з великими об'ємами інформації.

Під нештатною ситуацією в процесі вирощування монокристала кремнію методом Чохральського мається на увазі ситуація, коли по тих або інших (як правило, невизначеним) причинах відбувається зрив нормального протікання процесу (наприклад, переривання бездіслокаційного зростання, недопустиме відхилення діаметру зростаючого кристала від заданого і т. п.), який виявляється системами стеження і оператором. В цьому випадку виникає необхідність в прийняття рішення про подальші дії. Вибір того або іншого варіанту дій залежить від цілого ряду чинників. Природно, що НС може виникнути на різних стадіях технологічного процесу (вирощування «шийки», формування верхнього конуса, вирощування циліндрової частини злитка, формування нижнього конуса), але найбільший практичний інтерес представляють випадки виникнення.

2.2.1 Класифікація НС

Нештатні ситуації можуть виявлятися на різних рівнях системи. На нижньому (апаратному) рівні вони обробляються коректором. При цьому відповідні повідомлення відправляються серверу. Якщо з коректором трапляється щось непередбачене, то дана подія заноситься в протокол нештатних ситуацій та сповіщає адміністратора про його виникнення. Нештатні ситуації, пов’язані з функціонуванням устаткування верхнього рівня системи (збої з ПЗ), обробляються сервером. Черговий інженер має можливість змінювати критичні значення окремих параметрів (температура, тиск і т. д.) для конкретних вузлів вимірів, при виході за кордони яких спрацьовує сигналізація з видачею відповідного повідомлення на екран. Якщо це необхідно, такі повідомлення гасяться. При зміні граничних параметрів інформація про це автоматично заноситься в журнал з фіксацією назви події і часу разом з останніми подіями, подіях в системі. Протоколюються вхід і вихід з системи чергового диспетчера (прийняття і здача зміни), збій системи, її перезавантаження, перевищення або пониження заданих установок технологічних параметрів, завдання параметрів середовища, що проходить через вузол виміру з фіксацією часу запису, нештатні ситуації в роботі системи. Ця інформація допомагає оцінити правильність поведінки персоналу в аварійних ситуаціях. Згідно даним статистичного аналізу, порушення безпеки технологічних процесів на промислових підприємствах (неядерного комплексу) викликані в 18% випадків несправністю електронного устаткування, в 6% - неполадками системного і в 12% - прикладного програмного забезпечення, останні 64% - неправильними діями виробничого персоналу. Причому більше половини цих помилок пов’язана з недостатньою, некоректною або неадекватною інформацією оператора про дії, що робляться. В ході аналізу людських помилок розглядається устаткування і (або) процедури, причому особливості процедур, вчення і взаємин враховуються в системі «людина-машина» разом з їх потенційним вкладом в людські помилки.

Людський чинник регулюється якісними методами індивідуально і колективно в процесі виконання роботи:

*індивідуально — робітники (оператори), що беруть участь в збірці (розбиранню), проходять медичний огляд з видачею висновку про придатність до таких робіт, вивчають інструкції і складають іспити по техніці безпеки з періодичною перевіркою знань, проходять вчення з метою виконання необхідних операцій при роботі з конкретним виробом;

· колективно — в процесі роботи здійснюються різні види контролю. Виконання особливо небезпечних операцій контролюється присутніми контролером ОТК і представником замовника. Регулярно у виробничих цехах проводяться дні (тижні, декади) якості і техніки безпеки, проводяться обговорення відповідних питань, організовуються спеціальні виставки. На початковому етапі впровадження технологічного процесу роботи зазвичай проводяться на тренажерах з коректуванням технологічного процесу і необхідним доопрацюванням пристосувань і спеціального інструменту. Тому при виникненні «нештатних» ситуацій, коли технологічний процес розбирання не може бути продовжений в строгій відповідності з документацією, робота припиняється. Подальші роботи проводяться після вирішення комісії, що зводить до мінімуму вірогідність здійснення помилки людиною-оператором в даній ситуації. Перелік питань, що стосуються людського чинника, починається з аналізу якості матеріалів підприємства-розробника, перевіряється правильність розмірних розрахунків і технічних вимог, що забезпечують взаємозамінюваність і збірку складових частин в цілому. Розробляються вимоги по контролю технологічних процесів виготовлення вузлів і вхідному контролю в серійне виробництво. Організовується система обліку інформації про безпеку в серійному виробництві. Створюються бази даних по безпеці. Проводиться спеціальне вчення персоналу підрозділів. Контроль за дотриманням вимог технологічної документації проводять шляхом міжвідомчого і внутрізаводського контролю якості продукції, що випускається, і стану технологічної дисципліни; авторського нагляду; конструкторського нагляду. Проводиться аналіз і розробляються заходи щодо виявлених недоліків в процесі нагляду. Аналізуються несправності в процесі виробництва, виявляються і конкретизуються причини прояву людського чинника, розробляються заходи щодо усунення його негативного впливу.

2.2.2 Методи вирішення НС

Проблеми людино-машинного управління технічними і організаційними системами і процесами: енергетичними, транспортними, економічними і соціальними привели до розвитку нового напряму досліджень в області математичного і програмного забезпечення сучасних обчислювальних систем — систем підтримки прийняття рішень. Системи підтримки прийняття рішень (СППР) базуються на інтерактивних інформаційно-програмних технологіях, заснованих на знаннях. Вони дозволяють автоматично оцінювати проблеми, що стоять перед особою, що приймає рішення (ОПР) і знаходити вирішення цих проблем. СПР можуть бути орієнтовані і на пошук оптимального рішення. Для цього їх бази знань повинні містити описи формалізмів строгих математичних методів і моделі оптимізації. СППР використовуються за підтримки прийняття рішень в системах оперативного управління складними системами і процесами, як правило, в умовах жорстких тимчасових обмежень.

СППР на відміну від СПР в основному орієнтовані на вирішення завдань, що погано формалізуються, слабоструктурованих, за відсутності повної і достовірної інформації. При пошуку рішення використовуються експертні моделі, побудовані на основі знань фахівців-експертів в даної проблемної області, і евристичні методи пошуку. По сучасній класифікації програмних засобів СППР можна віднести до класу інтелектуальних систем розрахунково-логічного типа. Необхідність впровадження СППР обумовлюється безперервно зростаючою складністю керованих об'єктів і процесів з одночасним скороченням часу, ОПР, що відводиться, на аналіз проблемної ситуації і прийняття необхідних керуючих дій. Одному з основних завдань при побудові СППР є вибирання адекватних інструментальних засобів, заснованих на знаннях. Останні повинні включати формальний апарат для опису процесу прийняття рішень і побудови на його базі адекватної (формально коректною) проблемної області - моделі прийняття (пошуку) рішень. Як такий апарат, як правило, використовуються продукційні системи. Проте основні дослідження ведуться в контексті алгоритмічного (детермінованою) трактування продукційної системи. Моделі, що виходять в результаті, виявляються частенько неадекватними реальним проблемним областям, недетермінізмом, що характеризується, неповнотою, нечіткістю представлення інформації. Програмні інструментальні засоби проектування СПР і СППР, що є на сьогодні, включаючи системи реального часу, як правило, орієнтуються на замкнуті, статичні проблемні області, тобто на ситуації, що не вимагають корекції моделі прийняття рішень і стратегії пошуку в процесі пошуку рішення.

Нижче розглядаються експертні моделі прийняття рішень продукційного типа, здатні адаптуватися до специфіки конкретної проблемної області (специфіці вирішуваного завдання), і методи пошуку рішення на основі таких моделей, включаючи детермінований, недетермінований і паралельний пошук рішення. Дані моделі призначені для СППР реального часу, здатних функціонувати у відкритих, динамічних проблемних областях при можливому коректуванні і поповненні моделі прийняття рішень в процесі пошуку.

Формалізація пошуку рішення. Розглянемо специфіку роботи систем підтримки прийняття рішень, орієнтованих на вирішення завдань, що погано формалізуються і слабоструктурованих, в статичних і динамічних проблемних областях.

Для формалізації завдання прийняття рішень як завдання евристичного пошуку проаналізуємо можливі її рішення. Як основа моделі прийняття рішень використовуватимемо продукційну систему. Для аналізу продукційної системи, з переходом як до детермінованої, так і недетермінованій схемі пошуку рішення, властивій відкритим і динамічним проблемним областям, необхідно встановити зв’язок із завданням прийняття рішень і ввести поняття адаптивної продукційної моделі прийняття рішень, орієнтованої на завдання прийняття рішень у відкритій формі, специфічних для відкритих і динамічних проблемних областей.

Специфіка систем підтримки прийняття рішень. Системи підтримки прийняття рішень — напрям досліджень, що виник і активно розвивався останніми роками. СППР є людино-машинними комплексами, призначеними для надання допомоги особам, що приймають рішення, при вирішенні завдань, що погано формалізуються і слабоструктурованих, в різних проблемних областях.

Специфікою таких завдань є:

* неможливість здобуття, як правило, всій об'єктивній інформації, необхідній для вирішення, і, у зв’язку з цим, використання суб'єктивної, евристичної інформації;

* дані завдання є істотно комбінаторними, багато хто з них відноситься до класу np-повних (наприклад, завдання діагностики і планерування, пов’язані з побудовою оптимальних вирішальних дерев);

* присутність недетермінізму в процесі пошуку рішення;

* необхідність корекції і введення додаткової інформації в процесі пошуку рішення, активна участь в нім ОПР;

* необхідність здобуття рішення в умовах тимчасових обмежень, визначуваних реальним керованим процесом.

Перераховані чинники не дозволяють успішно використовувати для вирішення таких завдань класичні алгоритмічні методи і моделі теорії прийняття рішень. СППР, концептуально об'єднуючи підходи і методи теорії прийняття рішень, теорії інформаційних систем, штучного інтелекту (в області витягання, представлення знань і організації людино-машинної взаємодії) і використовуючи об'єктивну і суб'єктивну інформацію, забезпечує ОПР засобами аналізу вирішуваної проблеми і направляє його в процесі прийняття рішень з метою підвищення ефективності рішень, що приймаються.

В процесі прийняття рішень виділяються наступні основні етапи:

1) сприйняття і осмислення проблемної ситуації;

2) визначення безлічі допустимих перетворень над ситуаціями;

3) вибір необхідного або найбільш ефективного перетворення в даній ситуації;

4) оцінка отриманого або очікуваного результату і його корекція при необхідності.

Відзначимо, що якщо до другого етапу ОПР певною мірою може підготуватися заздалегідь, хоча може виникнути необхідність в поповненні і корекції безлічі перетворень безпосередньо в процесі прийняття рішень, то всі останні етапи виконуються ОПР в реальному часі", визначуваному темпом керованого процесу. А темпи ці такі, що ОПР, керівник в даний час об'єктами, що усе більш ускладнюються, і процесами (енергетичними, транспортними, виробничими і так далі), все частіше відчуває нестачу часу і піддається стресовим перевантаженням. Відповідальність же ОПР безперервно зростає. Прийняття неадекватних або неефективних рішень може привести, як показує практика, до серйозних матеріальних, а у ряді випадків і людським втратам. Сучасний етап створення СППР для діагностики і моніторингу заснований на методах, що використовують принципи штучного інтелекту. У такі системи закладаються знання висококваліфікованих фахівців — експертів в області діагностики, і постановка діагнозу здійснюється на основі цих знань.

Інтелектуальні СППР характеризуються здібністю до накопичення досвіду, адаптації до змін і вчення. Вони не лише дозволяють менш кваліфікованому і дослідному персоналу проводити діагностування з прийнятною надійністю, але і допомагають дослідним фахівцям глибше і детальніше аналізувати ситуацію і підвищувати ефективність рішень, що приймаються. СППР допомагають ОПР приймати правильні і ефективні рішення в умовах дефіциту часу, а також неповноти, невизначеності і невірогідності інформації, що відображує проблемну ситуацію. По суті вирішуваних завдань, СППР як систему штучного інтелекту можна віднести до класу гібридних експертних систем розрахунково-логічного типа, що поєднують строгі математичні методи пошуку рішення з нестрогими, евристичними методами, що базуються на експертних знаннях. Причому головною є саме «експертна, евристична» компонента, а строгі методи мають в основному допоміжне призначення.

Основними елементами експертних СППР є моделі представлення проблемної ситуації (станів проблемної області) і пошуку рішень, а також засоби організації діалогової взаємодії з користувачем (експертом, ОПР). Проблемна ситуація може описуватися за допомогою деякої виділеної безлічі ознак або за допомогою деякої структури, що дозволяє відображати різні зв’язки (стосунки) між елементами проблемної області. Як такі структури зазвичай використовуються семантичні мережі або фрейми.

Модель пошуку (прийняття) рішень (МПР) визначає допустимі перетворення ситуацій і стратегію (стратегії) вживання цих перетворень. Специфіка вирішуваних завдань орієнтує СППР, як правило, на відкриті, динамічні проблемні області (ПО), що характеризуються як можливістю введення нових елементів і зв’язків в описи ситуацій, так і можливістю зміни правив і стратегій функціонування об'єктів ПО в процесі прийняття рішень. Це означає, що моделі представлення проблемної ситуації і пошуку рішення можуть коректуватися безпосередньо в процесі рішення задачі. За наявними даними, переважна більшість існуючих експертних систем і інструментальних програмних засобів їх проектування орієнтовані на замкнутих і статистичних ПО, таких, що відрізняються незмінністю засобів опису проблемної ситуації, заздалегідь відомою логікою прийняття рішень і відсутністю спеціальних механізмів реакції на зовнішні ситуації. Спроби пристосування таких систем на відкритих і динамічних ПЗ з пошуком вирішення в реальному масштабі часу, як правило, малоефективні. Теоретичні і прикладні питання конструювання експертних систем для динамічних ПЗ і режиму реального часу знаходяться на початковій стадії досліджень. Деякі відомі системи даного класу є або вузькоспеціалізованими, або знаходяться на стадії дослідної розробки. Дослідження за технологією створення експертних систем реального часу розвиваються в даний час по двох головних напрямах: підтримка прийняття рішень і безпосереднє управління. Відповідні технології і створювані на їх базі промислові системи — основний напрям досліджень в області «реальний час» на 1990;і роки. Слід зазначити, що більшість інструментальних засобів орієнтована на створення прикладних СППР, а не на безпосереднє управління відповідними процесами. Безпосереднє управління критичними процесами, особливо при використанні нових технологій, дуже ризиковано. Перехід до прямого управління буде можливий лише в разі більш вивчених і освоєних технологій.

Основне ж призначення СППР — підтримка ОПР при управлінні процесами, виявленні і запобіганні небезпекам, тобто допомога ОПР в дозволі проблемних ситуацій до того, як вони стануть необоротними. Створення сучасних високопродуктивних СППР є комплексною проблемою, що вимагає участі широкого крута фахівців: психологів, математиків, економістів, програмістів. Основна увага має бути приділене наступним аспектам даної проблематики:

* формалізація експертних знань в плані побудови МПР, що володіють властивостями адаптації в умовах відкритих і динамічних ПЗ;

* реалізація пошуку вирішення (включаючи недетермінований і паралельний по-позов) в режимі реального часу у відкритих і динамічних ПЗ;

* орієнтація на сучасну і перспективну обчислювальну техніку з можливістю паралельної обробки інформації.

2.3 Поняття «Технологічний процес»

Під складними технологічними процесами розуміються багатопараметричні і багатокритерійні технологічні процеси, що характеризуються відсутністю масштабної інваріантності, тобто технологічні процеси, управління якими здійснюється по декількох параметрах. При цьому кінцевий продукт повинен задовольняти декільком критеріям, а сам процес характеризується нестабільністю законів регулювання.

Такі процеси широко відомі в хімічній, металургійній і ін. галузях промисловості при здобутті надчистих, високодосконалих і рідких матеріалів. Нестабільність процесу і відсутність його математичного опису приводять до необхідності експериментальних робіт по виявленню взаємозалежності параметрів і створенню алгоритмів, що управляють. В умовах номенклатури продукції, що випускається, що розширюється, ринкової кон’юнктури, необхідності підвищити економічні показники виробництва витрати на експериментальні роботи стають невід'ємною частиною витрат при експлуатації. Ця обставина заставляє шукати способи зниження ресурсоємкості експерименту.

2.4 Архітектура СППР ліквідації НС

Математичний опис СППР визначається принципами абстрагування і багатоальтернативності, інструментальними засобами побудови математичних моделей і наявністю обчислювальних методів для вирішення завдань даного класу. Згідно з принципом абстрагування в модель системи повинні включатися ті компоненти, які мають безпосереднє відношення до виконання системою своїх функцій або свого цільового призначення. Всі другорядні деталі бажано опустити, щоб надмірно не ускладнювати математичний опис системи.

Принцип багатоальтернативності моделювання СППР полягає в тому, що жодна єдина модель не може достатньою мірою адекватно описати всі аспекти функціонування системи. Достатньою мірою адекватний математичний опис системи можна отримати шляхом побудови безлічі моделей, кожна з яких складається під певною точкою зору і відображує конкретний аспект поведінкової діяльності функціонування системи. Для метамоделі верхнього рівня СППР часто використовується математичний апарат теорії безлічі, теорії категорій, теорії графів і теорії операторів. Операторна модель може мати вигляд:

де x і y — елементи метричних просторів и; А — оператор метамодели, що переводить елементи ресурсів в елементи результату виробничотехнологічної діяльності .

Архітектура СППР може бути представлена трьома складовими: об'єктами — функціональними і забезпечуючими підсистемами, зовнішніми і внутрішніми діями, що обурюються; зв’язками, що описують точні кордони підсистем і їх взаємодії при управлінні даним; поведінкою — станами підсистем, зафіксованих в локальних сховищах даних, що змінюються.