CC BY
32
3. Штангеев В.О., Кузьменко Б.В. Принципы стохастиче- 6. ской кинетики роста и растворения кристаллов / Материалы Всесоюз. семинара по теории и практике кристаллизации. — Брянск, 1990. — С. 30-35.
4. Кузьменко Б.В., Аникеев Ю.В., Штангеева Н.И., Ла-года В.А. Развитие методов стохастического моделирования при проектировании: кристаллизаторов, обеспечиваю-, щих требуемый гранулометрический состав кристаллического сахара; аппаратов для растворения кристаллического продукта низших ступеней кристаллизации / Тез. докл. IV Всесоюз. конф. по массовой кристаллизации и кристаллизационным методам разделения смесей. — Иваново, 1990.
-- С. 85.
5. Кузьменко Б.В., Штангеев В.О., Мирончук В.Г., Не-мчин А.Ф. Интенсификация процесса клерования сахара / Тез. докл. Респ. науч.-техн. конф. "Разработка и внедрение высокоинтенсивных ресурсосберегающих технологий, оборудования и новых видов пищевых продуктов в пищевую и перерабатывающие отрасли АПК”. — Киев: КТИПП, 1991. — С. 13-14.
Гулый И.С., Кузьменко Б.В., Штангеева Н.й. и др.
Математические методы описания гранулометрического состава кристаллов в процессе их промышленного производства / Тез. докл. III Всесоюз. конф. по массовой кристаллизации и кристаллизационным методам разделения смесей. — Черкассы, 1986. — С. 20-22.
7. Кузьменко Б.В., Штангеева Н.И. Стохастическое описание процессов массового роста и растворения кристаллов при проектировании технологического оборудования. Техника и технология сыпучих материалов: Межвуз. сб. науч. тр, — Иваново, 1991. — С. 132-137.
8. Кузьменко Б.В., Штангеев В.О., Гулый ИХ. Влияние теплообмена и гидродинамики на формирование фракционного состава кристаллов в стохастических процессах массовой кристаллизации. Теплофизические процессы в энергетических установках: Сб. науч. тр. ин-та тепло- и массо-обмена им. А.В. Лыкова АН Беларуси. — Минск, 1982. — С. 193-197.
Кафедра технологического оборудования
пищевых производств
Поступила 16.07.92
664:658.512:681.3.068
АЛГОРИТМЫ ПРОГНОЗИРОВАНИЯ ПРИ УПРАВЛЕНИИ СЕЗОННЫМ ПРОИЗВОДСТВОМ
М.П. АСМАЕВ, Э.М. БРАНДМАН
Кубанский государственный технологический университет
На перерабатывающих предприятиях АПК, работающих в условиях сезонности, планирование производства в значительной мере затруднено из-за случайного характера не только количественных, но и качественных оценок входного потока сырьевых ресурсов. Этот поток определяется совокупностью таких факторов, как сроки созревания, количество и ассортимент самих ресурсов, способы уборки, удаленность объекта переработки и т.д.
В связи с этим общая задача планирования и управления в период сезона переработки состоит в том, чтобы в условиях случайного характера входного потока сырьевых ресурсов определить такой план направления их переработки, который максимизирует прибыль предприятия при выполнении ограничений на ассортимент выпускаемой продукции, производственные мощности и с учетом складывающейся конъюнктуры рынка.
Эта задача является типовой для целого класса перерабатывающих предприятий сезонного производства и ранее не рассматривалась.
Мы предлагаем следующую процедуру ее решения: на основе обобщения статистических данных предшествующих лет получить вероятностную модель, характеризующую интенсивность поступления сырьевых ресурсов, и спланировать их переработку.
] I 1
2 2 *^стох-2 о%то,, (о
/=1 /=1 /=1
Сп
]стох
Сметах
количество продукта /-того вида; количество сырья /-того вида; -5^сти /-того вида сырья, используемые для производства вида
готового продукта.
Ь качестве критерия оптимизации следует использовать прибыль предприятия от реализации оптимального плана переработки:
/7=2 С4Щ-2 афЧШ- 2 2 ЗпрцА2)
/=1 1=1 /= 1 1=1
где Ц" и Ц°1 — цена продукта /'-того вида и сырья /-того вида соответственно;
Зпрц — затраты на производство продукта /-того вида из сырья /-того вида. Ограничениями данной задачи выступают; количество необходимых линий первичной переработки Ь для /-того дня сезона:
М
/ 2 ОШ
£*2 ”Чг~Г’ (3)
{•=1 У/п ч
где — производительность линии /;
у1 — коэффициент загрузки линии;
7’г — время переработки /-того вида винограда; т — партия винограда; количество г и производительность Т7 бродильных аппаратов:
г 1
20,92 Рг * 2 Ор] , (4)
г=1 /=1
количество отстойных емкостей Е:
/
V,
■2 „ ^
/=1 У< ./=1
V,
(5)
ГДР
$”[/] и ОД/]— количество прессового сусла и сусла-самотека г. г-ть:й день сезона-
V: — объем емкости;
количество готовой продукции: GjnK < GJ,
(6)
где
ср*
количество готового продукта /-того вида, поставка которого запланирована контрактными соглашениями.
Таким образом, в указанной постановке можно рассматривать данную задачу как задачу дискретного комбинаторного программирования, определенную на заданном интервале времени.
Наибольшую сложность при ее решении представляет выбор и обоснование структуры модели. Поскольку оптимальный план, т.е. управленческие решения, ориентирован прежде всего на прогнозные оценки, то, очевидно, что для получения достаточно достоверных результатов необходимо использование адаптивных методов с прогнозирующей моделью.
Одним из наиболее перспективных методов для решения подобных задач^ является метод обобщенной фиктивной помехи [1]. В соответствии с ним базовая модель входного потока сырья представляется в виде:
Gccmox[t]=B[t]XT+ £[?(/)]. (7)
где B(t) = \b(t), b(t), ...} — матрица параметров регрессионных уравнений;
A\==^Si, At, (до2- ■■■];
At — интервалы времени, соответствующие шагам идентификаций; ri(t) — случайная помеха в виде шума, некоррелированного с параметрами модели.
Задача идентификации входного потока в этом случае формулируется следующим образом. В начальный момент to известны значения элементов матрицы B(to), полученные на основе обработки статистических данных прошлых лет. По данным текущих поступлений, в моменты времени ti (г = = 1, 2, п, где п — число шагов идентификации в виде значений параметров сырья Gf[t\), надо спрогнозировать значение О/ + 1 на момент вре-
мени + 1 посредством идентификации элементов матрицы В[іі] так, чтобы погрешность между прогнозом и реальным значением была мини-
мальной в смысле критерия:
/
/=2 (Gf+i-Gf-H)2 -* min>
(8)
= l
где О'=В(<;)Г ;
Д* = *г-+1 В(/г) — матрица параметров, иденти-
фицированных в момент Для идентификации элементов матрицы В/ = =о(?/) нами был применен метод осредненных невязок [2] для линейных моделей с независимым шумом.
Экспериментальной основой для получения модели использованы статистические данные, полученные на винзаводе ’’Южный” Краснодарского края в период 1989-199! гг.
Установлено, что с вероятностью 0,9 базовая модель может быть представлена полиномом 3-й степени:
= + Ь(у, (9)
где 6(- и = 0, 1, 2, 3) — параметры модели. Начальные значения элементов матрицы В : Ьо = 2011402; Ь\ = -198341; Ьг = 7271;
Ьз = -87.
Дискретные значения моментов времени £; определяли из соотношения
и = ?о + (/' - 1)А, (10)
где /г - 1 — шаг идентификации;
< — номер шага.
Начало поступления сырья принималось равным времени начала процедуры идентификации ?о = 0.
Анализ экспериментальных данных позволил принять гипотезу, что шум — случайная нормально распределенная величина. При исследовании присваивали случайные значения в интервале (с, а), причем полагали с — 0, й = СIег/ 0,1, где
,, 6М0,1),
При моделировании из порождаемых генератором случайных чисел значений выбирались только
Таблица
День сезона Количество сырья по модели Количество сырья, фактически Относительная погрешность модели
статистической, кг адаптивной, кг статистической адаптивной
18-й 289499,5 7903,729 5100 1125525 100
19-й 270799,9 3949,791 20120 15523,26 64,5915
20-й 256719,5 10830,1 24850 8706,318 31,83004
21-й 246736,4 16204,75 63170 844,4317 55,27535
22-й 240328,6 31481 103690 173,6492 48,49634
23-й 236973 53389,85 137210 52,86491 37,3186
24-й 236148,1 78111,13 159830 22,80021 26,14136
25-й 237331 102440,4 160060 23,30598 12,95912
26-й 240000,1 121631,7 152220 33,25439 4,038014
27-й 243633 135391,4 149310 39,90777 0.8689922
28-й 247706,8 146074 151890 39,79463 0.1466191
29-й 251700,3 155462 138500 66,80289 1,499868
30-й 255090,3 160815,4 129090 122,4601 10,76266
31-й 257354,8 162204,4 131120 92,68721 5,620119
32-й 257971,5 165208,2 128990 99,98682 7,883918
33-й 256418,8 167449,7 139180 70,95593 4,125625
34-й 252173,3 171095,2 130100 88,04129 9,929138
35-й 244713,8 172807,5 141110 53,90579 5,045846
36-й 233517,3 176036,9 138201 47,55246 7,490712
37-й 218062,5 178426 134760 38,2115 10,49942
38-й 197826 180020,4 139570 17,42197 8,399665
такие их сочетания, при которых значения веток И не выходили из области допустимых, заранее заданных ограничений.
Ст1пС[^£ ОстохСи]£ Ьтах'\Л- (И)
На основании соотношений был разработан и доведен до машинной реализации алгоритм, результаты расчета которого представлены в таблице.
Анализ полученных результатов свидетельствует, что по мере увеличения шагов идентификации ошибка прогноза уменьшается.
Таким образом, предлагаемый адаптивный алгоритм идентификации может быть использован при
реализации систем управления процессами приемки сырья на перерабатывающих предприятиях.
ЛИТЕРАТУРА
!. Борзенко И.М. Адаптация, прогнозирование и выбор решений в алгоритмах управления технологическими объектами. — М.: с)нергоатомиздат, 1984. — 144 с.
2, Штеннберг Ш.Е, Метод осредненных невязок для рекуррентной идентификации процессов / Вопросы промышленной кибернетики / Тр. ЦНИИКА. — М.: Энергоатомиздат, 1982. — 'Вып. 70. — С. 3-7.
Кафедра автоматизации производственных процессов
Поступила 10.06.93
637.52.002,237:577.15
РАДИОСПЕКТРОСКОПИЧЕСКОЕ ИССЛЕДОВАНИЕ АКТИВНОГО ЦЕНТРА ФИЦИНА
Н.М. АКПЕРОВ, О.В. БЕЛОНОГОВА,
Г.И. ЛИХТЕНШТЕЙН, Э.Г. РОЗАНЦЕВ
Московская государственная академия прикладной биотехнологии
Филиал Института химической физики им. Н.Н. Семенова
Фицин млечного сока Ficus Carica является важным ферментом (КФ 3.4.22.3), широко применяющимся в перерабатывающей промышленности ряда стран для тендеризации мясопродуктов, сквашивания молока и осветления напитков [1]. Препарат относительно стабилен в широком интервале значений pH и температур, но его максимальная протеолитическая активность проявляется при pH 7,5 и 62,5°С. Каталитическая природа активного центра фицина [2] исследована недостаточно и нуждается в более глубоком изучении, Для этого избрали современный, хорошо зарекомендовавший себя метод спиновой метки [3j, основанный на анализе сверхтонкой структуры СТС спектров электронного парамагнитного резонанса ЭПР растворов фермента. Его химическую основу составляют реакции свободных радикалов с белком без затрагивания парамагнитного центра (нерадикальные реакции радикалов) [4j.
Изучение поведения парамагнитных центров спинмеченых макромолекул в жидких средах предоставляет уникальную информацию об их структурно-кинетических особенностях, локальной вязкости, непосредственном молекулярном окружении и распределении электростатических зарядов в зонах максимальной локализации неспаренного электрона [5]. Измерение параметров вращательной диффузии и констант скоростей обменной релаксации спиновых меток, ковалентно связанных с активным центром фермента, позволяет глубже понять его конформационное состояние.
В опытах использовался препарат фицина с активностью 5 ТЕ (тирозиновые единицы), полученный по методу Энглунда [6] и дополнительно очищенный нз сефадексе G-25 в 0,1 М фосфатном буфере при pH 8,35. Первую, наиболее активную фракцию фермента, л^пфилизовали. Протеолиги-ческую активность препарата контролировали методам Ку“". да [7], используй s качестве субстрату 0Ч5«цй:!к.ый казеин
В качестве спиновой метки использовался п-хлормеркурибензоат 2,2,6,6-тетраметил-4-оксипи-перидин-1-оксила [8] фирмы Реанал. Спинмеченый препарат фицина готовили, используя нерадик^ль-ную реакцию радикала [9] смешением 10 ' М ацетонового раствора л-ХМБ и 5- 10 М раствора фицина в 0,1 М фосфатном буфере (pH 8,35) с последующей инкубацией смеси при комнатной температуре в течение 48 ч._
После удаления непрореагировавшего радикала и неорганических солей с помощью сефадекса С-25 спинмеченый фицин подвергали лиофильной сушке. Степень модификации фермента определяли методом ЭПР по стандартному образцу. Активность модифицированного образца фицина составляла 50% от активности нативного фермента [7].
Измерения проводили на спектрометре ”ЯасНорап”-8Е/Х-2544. Температуру образца поддерживали с точностью 0, Г продуванием азота через термостатированную ячейку (частота модуляции 100 кГц. амплитуда модуляции 0,3 шТ, диапазон 10 гпТ).
Время корреляции вращательной диффузии спиновых меток тс определяли по формулам [3]:
2 т8 т
,, 3,6-109
где
г = 1 /тс — величина, условно называемая частотой вращения меток;
/г+, /го и Л--интенсивность компонент спектра
с М - 0, +1 и -1;
А Но — ширина центральной компоненты СТС в гпТ.
Выражения (1) и (2) достаточно справедливы для одного типа изотропного вращения метки. В других случаях V является эффективной величиной, характеризующей интенсивность молекулярного движения метки.
Эффективные значения энергии и энтропии актпЬац^в: вращательной диффузии спиновых меток рассчитывали по формуле:
