CC BY
5
ISSN 222Б-3780
системы и процессы управления
12. Березуцкий, В. В. Универсальный показатель экологической безопасности изделий, производств, районов, городов и областей [Текст] / В. В. Березуцкий, А. Н. Древаль, Н. Е. Мовмыга, О. А. Музыкина // Вестник ХГПУ. — 1998. — Вып. 9. — С. 29-30.
13. Березуцкий, В. В. Производственный риск и человеческий фактор [Текст] / В. В. Березуцкий, И. В. Березуцкий // Матерiали IV науково практично! конференцп «Безпека життя i дiяльностi людини-осв™, наука, практика». — К.: НАУ, 2005. — 288 с.
14. ДСТУ OHSAS 18001:2010. Системи управлшня ппеною та безпекою пращ [Електронний ресурс] // ДНАОП. За-конодавча база. — Режим доступу: \www/URL: http://www. dnaop.œm/html/34112/doc-ДСТУ_OHSAS_18001_2010
15. BS EN 31010:2010. Risk management. Risk assessment techniques [Electronic resource]. — The British Standards Institution, 30.06.2010. — Available at: \www/URL: http://dx.doi.org/ 10.3403/30183975
16. Березуцький, В. В. Индикаторы опасности [Текст] / В. В. Бе-резуцкий // Материалы Международной научной конференции «Complex systems security management», 24-28 февраля 2014. — Липтовский Микулаш: Академия вооружённых сил Словакии имени генерала М. Р. Стефаника, 2014.
АУДИТ РИСКОВ БЕЗОПАСНОСТИ НА РАБОЧЕМ МЕСТЕ
Рассмотрены теоретические основы вопроса управления рисками. На основе выполненного анализа существующих моделей менеджмента безопасностью на производстве и рисками предложена модель риска, которая состоит из трех определенных уровней опасности, полученных путем субъективной, объективной и внешней оценки ситуации на рабочем месте. Обще интегрированная оценка риска свидетельствует о более высокой достоверности уровня опасности.
Ключевые слова: риски, система, управление, безопасность, стандарты, аудит, контроль.
Глива Валентин Анатолтович, доктор техтчних наук, профе-сор, кафедра безпеки життeдiяльностi, Нащональний авiацiйний утверситет, Ктв, Украта.
Березуцький Вячеслав Володимирович, доктор техтчних наук, професор, кафедра охорони пращ та навколишнього середовища, Нащональний техшчний утверситет «Хартвський полтехнч-ний тститут», Украта, e-mail: [email protected].
Березуцька Наталiя Львiвна, кандидат техшчних наук, доцент, кафедра охорони пращ, Хартвський нащональний утверситет радюелектронжи, Украта.
Халыь Вiкторiя Вячеславiвна, старший лаборант, кафедра охорони пращ та безпеки життeдiяльностi, Хартвський нащональний утверситет 1м. В. Н. Каразта, Украта.
Глыва Валентин Анатольевич, доктор технических наук, профессор, кафедра безопасности жизнедеятельности, Национальный авиационный университет, Киев, Украина. Березуцкий Вячеслав Владимирович, доктор технических наук, профессор, кафедра охраны труда и окружающей среды, Национальный технический университет «Харьковский политехнический институт», Украина
Березуцкая Наталья Львовна, кандидат технических наук, доцент, кафедра охраны труда, Харьковский национальный университет радиоэлектроники, Украина
Халиль Виктория Вячеславовна, старший лаборант, кафедра охраны труда и безопасность жизнедеятельности, Харьковский национальный университет им. В. Н. Каразина, Украина.
Glyva Valentyn, National Aviation University, Kyiv, Ukraine. Berezutskyi Viacheslav, National Technical University «Kharkiv Polytechnic Institute», Ukraine, e-mail: [email protected]. Berezutskaya Natalia, Kharkiv National University of Radio Electronics, Ukraine.
Khalil Viktoriya, V. N. Karazin Kharkiv National University, Ukraine
УДК 519.216+504.064 001: 10.15587/2312-8372.2016.66754
АНАЛ1З АЛГОРИТМУ ВИЗНАЧЕННН ФУНКЦН РОЗПОД1ЛУ ВИПАДК0В01 ВЕЛИЧИНИ ДЛЯ ПР0ГН0ЗУВАННЯ ТЕХНОГЕННОГО РИЗИКУ
Представлено алгоритм визначення функцп розподшу випадковог величины для прогнозуван-ня ймовгрностг вгдмови техтчних систем у режимг експлуатацгг. Запропонований алгоритм заснований на комплексному використаннI методу ¡ндексних оцток та методу Монте-Карло у поеднаннг з методами стохастичног оптимгзацп, що дозволяе отримати закон розподшу випадковог величини, яка буде якгсно характеризувати величини техногенного ризику та дозволить прогнозувати його ргвень у часг.
Клпчов1 слова: прогнозування техногенного ризику, генетичш алгоритми, гмтацшне моделю-вання, кглькгсна оцтка ризику.
Вавулш П. А., Бойко T. В.
1. Вступ
Кожний технолопчний процес повинен орieнтувати-ся на технологй, як дозволяють максимально знизити ймовiриiсть аварп i зменшити надходження небезпечних речовин у навколишне середовище. З шшого боку, як доводить свгговий досвщ, забезпечити повшстю без-аваршну роботу техшчних систем, на даному етат роз-
витку технологш, не представляеться можливим. Саме тому, аналiз техногенного ризику та отримання його прогнозного значення являеться надзвичайно важливим, адже дае можливкть передбачити виникнення аварiйноï ситуацп та мiиiмiзувати ïï наслщки.
У вщповщносп з аксюмами теорн техногенного ризику будь-який техшчний прилад або складова технiчноï системи е джерелом техногенноï небезпеки. Враховуючи це,
TECHNOLOGY AUDiT AND PRODUCTiON RESERVES — № 2/3(28), 2016, © Вавулш П. А., Бойко Т. В.
17=)
системы и процессы управления
ISSN 222Б-3780
побудова стратеги управлшня промисловим об'ек-том засобами автоматизацп буде обгрунтованим саме при вщомому прогнозному значенш техногенного ризнку. Автоматизация розрахунюв, пов'язаннх з внзначенням прогнозннх значень над1йност1 техшчних систем, в контекст1 практичного використання щеологи зменшення тех-н1чного ризику, е надзвичайно важливим [1]. Актуальшсть роботи у даному напрям1 тдтвер-джуеться вщсутшстю систем прогнозування та управлшня техногенним ризиком складних техшчних систем, таких як — двигуни, парогене-ратори, апарати, елементи х1м1ко-технолопчних виробництв та iHnii.
2. Анал1з дослщжень i публжацм та постановка проблеми
В умовах стацюнарно1 експлуатацп техно-лопчних об'ект1в величина ризику зазвичай оцшюеться з використанням загально! теорп над1йност1 техшчних систем [1]. Також довол1 поширеним е побудова дерев под1й та ввдмов для Tiei чи iHnioi техшчно! системи [2]. Слщ зауважити, гцо велика кшьюсть дослщжень пов'я-зана з визначенням величини ймов1рност1 появи негативно! поди, гцо в свою чергу характеризуе техногенний ризик, як добуток ймов1рност1 ви-никнення негативно! поди та величини збитьав, до яких вона може призвести.
Незважаючи на велику кшьюсть проведених дослiджень [3, 4], задача прогнозування техногенного ризику для складних техшчних систем залишаеться вкрай важливою. 1снуючи методи, таю як: сценарний аналiз (включае в себе побудову дерев подш та вщмов), iндекснi методи, дослiдження небезпечнос-тi та працездатностi (HAZard and OPerability study), моделювання роботи системi методом Монте Карло та iншi методи — не дають можливост керувати техноло-гiчним процесом, з використанням отриманих результапв оцiнювання надшносп складних технiчних систем [5].
Також на сьогодшшнш день не шнуе стандартизо-ваного i достатньо точного методу для прогнозування величини техногенного ризику складно! техшчно! системи в чась Для прогнозування можуть бути за-стосованi деякi спещальш методи, такi як: iнтервальнi ощнки, регресiйний аналiз та iншi. Слщ вщмггити, що практичне використання даних методiв досить складне i потребуе високо! квалiфiкацii фахiвцiв.
Тому створення, верифжащя та практичне засто-сування алгоритму, який поеднав би у собi переваги шнуючих методiв ощнки техшчних ризиюв з перспек-тивними тдходами до його прогнозування (technical risk forecast), являеться надзвичайно важливою задачею.
На рис. 1 представлено концепщю побудови стратеги керування технолопчними процесами, з використанням засобiв та систем автоматизацп.
Представлена концепцiя включае в себе систему оцшювання та використання прогнозних значень ймо-вiрностi вiдмови технiчних систем (входить до блоку «Система обробки та вщображення шформацп) [6]. Результати обчислень даного блоку використовують-ся системою автоматичного регулювання (САР) для формування керуючих впливiв на об'ект управлiння.
ПрОМИСЛОВ]
системи автоматизаци
Автоматизована система управлшня (АСУ)
____________
Система автоматичного регулювання (САР)
Система обробки та вщображення шформацп
Ц™ функшонування системи - Оптимальний режим функшонування об'скта
1
Критерш якосп функшонування - Критерш ефекгивносл роботи об'екта
1
Метод досягнення шлей управлшня - Визначення оптимальних керуючих вппитв на систему
Рис. 1. Концепщя побудови стратеги керування технолопчними процесами на 6a3i прогнозного значення техногенного ризику у вщповщносп до сучасних понять теорй' автоматизацй'
Головним практичним результатом створення та верифь каци алгоритму визначення функцii розподiлу випадково! величини е можливiсть його застосування при створеннi оптимально! стратеги управлшня технолопчним процесом з урахуванням прогнозних значень техногенного ризику. Використання генетичних алгоритмiв на еташ щентифь кацп функцiй розподiлу випадково! величини дозволяе спростити процедуру щентифжацп та зменшити вимоги до обчислювальних систем [7]. Запропонована схема побудови стратеги управлшня складними хiмiко-технологiчними системами (СХТС) включае в себе аналiз параметрiв об'екту, оцiнювання техногенного ризику на базi цих параметрiв, оптимiзацiю ризику та стратеги керування i створення алгоритму управлшня процесами. Системний пщхщ до оцшювання безпеки складного технолопчного процесу дозволяе запоботи виникненню позаштатних ситуацiй, якi в свою чергу можуть призвести до небажаних наслщюв [8].
Апроксимащя функцi'i розподiлу випадково! величини [9], дозволить прогнозувати значення техногенного ризику вщ експлуатацп промислових об'екпв.
Узагальнена динамiчна модель техногенного ризику складно! технолопчно! системи при експлуатацп, може бути виражена наступним чином, [1]:
Розглянемо множину: Q = {,q2}, qi еQ, г = 1,п — множина можливих ймовiрностей подiй (вiдмов, катастроф, аварш), С = {с1,с2...сп}, сг еС, г = 1,п — множина наслщюв (збитюв) вiд виконання ¿-их вихщних подiй, ^ еТ — множина моменпв часу, г еR — множина мож-
ризикiв, ^ R = R.
ливих
I 18
ТЕХНОЛОГИЧЕСКИЙ АУДИТ И РЕЗЕРВЫ ПРОИЗВОДСТВА — № 2/3(28], 2016
ISSN 222Б-3780
системы и процессы управления
На рис. 2 наведено графiчне вщображення множини R, яка характеризуе техногенний ризик i включае в себе множину ймовiрностей вiдмов, множину величин збитюв та час експлуатацп системи.
Рис. 2. Графiчна штерпретащя вщношення множин Н, йм^рностей вихщних п□дiй Q, величини збиттв C за першд часу експлуатацп системи T
Очевидно, що:
R = H{Q х C х T}. (1)
Або в скалярнш формк
n
R(q, c, t ) = £ qi (t )ci (t ), (2)
i=1
де Н — оператор, який реалiзуе ввдображення:
Q хC хT ^ R. (3)
Ключовим для оцшювання рiвня ризику вiд експлуатацп складноï технологiчноï системи е саме визна-чення функцiï, яка характеризуе ймовiрнiсть вiдмови цiеï системи у час!
3. 06'ект, мета та задач1 дослщження
Об'ектом дослгдження даноï роботи являеться комп'ю-терно-штегроване прогнозування та управлiння безпе-кою технiчних систем.
Метою daHoï роботи являеться дослщження можли-востi комплексного застосування методiв iндексного [10], iмiтацiйного моделювання (Монте-Карло) та генетичних алгоритмiв для визначення функцп розподiлу випад-ковоï величини, яка визначатиме рiвень техногенного ризику складноï технiчноï системи у чась
Для досягнення поставленоï мети необхiдно вико-нати так задачк
— провести верифiкацiю запропонованого алгоритму, i вщповщно тдтвердити можливiсть його ви-користання для прогнозування рiвня техногенного ризику техшчних систем у режшш '¿х експлуатацп, шляхом визначення функцп розподiлу випадковоï величини;
— оцiнити складнiсть реалiзацiï цього алгоритму, у вiдповiдностi до обчислювальних можливостей сучасноï технiки;
— визначити, яю функцп найкраще описують техногенний ризик складних техшчних систем.
4. Алгоритм визначення функци розподшу випадково'1 величини для прогнозування надайност1 техшчних систем
Методика комплексного застосування методу ш-дексних ощнок та методу Монте-Карло дае змогу алгоритмiзувати та автоматизувати оцiнку величини техногенного ризику для складних техшчних систем у режимi '¿х експлуатацп.
В якост вихiдних даних можуть бути використаш результати оцiнювання величини техногенного ризику техшчних систем, одержат з використанням спещаль зованого програмного забезпечення на базi iндексних методiв та методiв iмiтацiйного моделювання (напри-клад, Монте-Карло) [11-15], або номшальш вiдомi значення техногенного ризику (наприклад, одержат з лиературних джерел або вщ виробника обладнання).
Вiдомо, що найбшьш точним i прийнятним для прогнозування рiвня техногенного ризику буде викорис-тання функцiй розподшу випадковоï величини. Визначення загального вигляду закону розподшу випадковоï величини не мае тд собою тяких складнощiв (вони загальновiдомi: нормальний розподш, розподiл Вейбу-ла, експоненцiйний, логарифмiчний розподiл та iншi), головною проблемою '¿х практичного застосування у ви-падку складних технiчних систем е саме встановлення неввдомих коефiцiентiв [11].
Для апроксимацп (визначення вигляду) функцп розподшу випадковоï величини заданого вигляду було розроблено алгоритм та створено програмне забезпечен-ня для автоматизацп розрахунюв. Графiчне зображення алгоритму представлено на рис. 1.
Дане програмне забезпечення використовуе методи та iнструменти, характерш для генетичних алгорит-мiв (кросовер, мутацп, фiтнес-функцiя), це являеться головною особливштю даного продукту [10]. Для ви-користання даного методу немае обмежень, пов'язаних з штегровашстю, неперервнiстю чи виглядом функцп. Також використання даних алгоритмiв дае суттеве збшь-шення ефективностi використовуваних обчислювальних ресурсiв у порiвняннi з класичними математичними методами.
Головною перевагою запропонованого алгоритму, з практичноï точки зору, е то що вш дозволяе одержувати функщю розподiлу випадковоï величини з урахуванням особливостей експлуатацп технiчноï системи. Також, на вщмшу вiд сценарних методiв (побудова дерев подiй та ввдмов), даний алгоритм дозволяе прогнозувати величину техногенного ризику.
Перейдемо до алгоритму:
1. На першому етат будуеться масив еталонних значень для вибору найбшьш «пристосованоЬ» частини популяцп (з лiтературних джерел, вщ виробника, або отриманих в результат використання iндексного методу, iмiтацiйного моделювання, побудови дерев вiдмов чи шших). В першому стовпчику вводимо значення — час експлуатацп системи (роботи), в другому — вщповщну даному часу ймовiрнiсть безвiдмовноï роботи. Процес введення початкових даних наведено на рис. 3.
2. На наступному крощ довшьно, або з певних мiр-кувань (наприклад, якщо вiдомо, що описана система найкраще характеризуеться експоненцшною залежшс-тю), задаемо загальний вигляд функцп, параметри яко'1 хочемо визначити. В програмному модулi вводимо свою
TECHNOLOGY AUDiT AND PRODUCTiON RESERVES — № 2/3(28], 2016
19=)
с
системы и процессы управления
ISSN 2226-3780
функщю, для визначення розподшу густини ймовiрностi вщмови системи на множит часу Т.
рис. 3. Введения початкових даних
На рис. 4 представлено вжно програмного модуля для виконання задачi визначення вигляду функцп.
експериментальних даних [14], у випадку оцшювання надшност турбовентиляторного авiацiйного двигу-на НК-8-2У. В якосп вихiдних даних було використано час напрацювання до вiдмови певних екземплярiв [14].
В результатi перевiрки даного методу, стосовно його практичного застосування, було одержано двi функцп розподшу: логарифмiчну та експоненцiальну:
f1( x) = 1,0014 • e-iw~5x, f2 ( x) = -0,003 • ln(x ) +1,0001.
(4)
(5)
Данi функцп розподшу характеризуюсь ймовiрнiсть безвщмовно! роботи складно! техшчно! системи. Для визначення ймовiрностi вщмови (техногенного ризику) необхщно використати наступнi залежностi:
Pi( x) = 1 - fi( x), P2(X) = 1 - MX).
(6) (7)
рис. 4. Визначення вигляду фуници
3. На наступному крощ, з використанням генетичних алгоритмiв (крос-овер та мутащя) будуеться початкова популяцiя невiдомих коефщенпв.
4. Далi вiдбуваеться перевiрка «пристосованостЬ» ще! популяцГ! з використанням ф^нес-функцп (ФункцГя пристосованостi).
5. Умова завершення задаеться користувачем: у першому випадку це кГлькГсть популяцГй ^терацт), яка буде використана, чи значення суми квадратiв рГзниць мГж реальним та розрахованим значеннями у вщомих точках. У другому випадку система буде проводити моделювання до тих шр, коли не буде досягнуто прийнят-ний рiвень точностГ функцп розподшу.
Графiчне вiдображення розробле-ного алгоритму наведено на рис. 5.
Верифжащя програмного забезпе-чення проводилась для визначених
Початок
Застосування
генетичних
onepaTopis
Селекщя "найкрадщх
Генерування популяш
_I_
Ощнювання пристосованосп
Tai; Влб1р найкршцого
i» * рццення
г
Виведення
результата
рис. 5. Алгоритм визначення коефщ1Ент1в функци розпод1лу випадково'1 величини бажаного вигляду
I 20
технологический Аудит и резервы производства — № 2/3(28), 2016
ISSN 2226-3780
системы и процессы управления
З точки зору практичного застосування використання як ймовiрностi безвщмовно! роботи, так i ймовiрнос-тi вщмови, — рiвноцiннi. Але при аналiзi одержаних результатiв чи створеннi стратеги керування слщ за-вжди пам'ятати, яку величину ви використовуете, адже в залежносл вiд цього формуються абсолютно проти-лежнi оцiнки. Аналiз одержаних результатiв приведено у табл. 1.
таблиця 1
Пор1вняння та анал1з результалв визначення функцп розподшу випадково! величини
Час роботи Ймов1р-шсть без-вщмовно! роботи (реальна) [11] Ймов1ршсть беЗБЩМ0БН01 роботи (екс-понвнц1альна залежшсть) (1) Ймов1ршсть безвщмовно! роботи (ло-гарифм1ч-на) (2) Похибка (1), % По-хибка (2), %
200 0,9922 0,9934 0,9851 0,12 0,72
400 0,9886 0,9855 0,983 0,31 0,57
600 0,9739 0,9776 0,9818 0,38 0,81
800 0,9667 0,9698 0,9809 0,32 1,46
Геометрична iнтерпретацiя одержаних результатiв наведена на рис. 6.
Система знаходиться на межi неприйнятного та умов-но-прийнятного рiвнiв ризику, слщ вiдмiтити, що з часом надшшсть системи зменшуеться. Аналiз дано! системи яскраво шюструе, що з часом система потребуе модерш-зацп для збiльшення рiвня 11 надшносл (використання резервних систем, своечасно! замши найменш надiйних елементiв та впровадження систем автоматизаци оцiнки та керування рiвнями ризику).
5. Результати дослщження алгоритму для прогнозування р1вня техногенного ризику
Проаналiзувавши результати дослiджень можна зро-бити наступнi висновки:
— застосування експоненцшних функцiй розподiлу е бшьш перспективним та ефективним, шж застосування логарифмiчних чи показникових функцш (величина похибки яскраво це шюструе);
— запропонований алгоритм точно та з прийнят-ним рiвнем точносл (похибка при оцiнцi стано-вить менше 5 %) описуе величину ризику складних техшчних систем. Оскшьки турбовентиляторний авiацiйний двигун являе собою складну техшчну систему, можна зробити висновок, що даний алгоритм може бути застосований до шших технiчних систем. Але при цьому слщ пам'ятати, про попе-редню обробку початкових даних [15].
Також можна вщмлити те, що використання методiв апроксимацп на основi реальних параметрiв системи дае змогу отримувати функцп з прив'язкою до об'екта оцiнювання, на вщмшу вiд iдеалiзованих стандартних функцш розподшу.
Також слщ зазначити, що отримана функщя розпо-дiлу випадково! величини дае змогу передбачити, яким буде значення техногенного ризику у майбутньому, що в свою чергу дае змогу попередити, або зменшити ймовiрнiсть настання негативних подш в результат! експлуатаци складно'1 техшчно'1 системи.
Його головними перевагами е: вщносна простота використання, невисокi техшчш вимоги до програм-ного та апаратного забезпечення для проведення об-числень, можлившть прогнозувати значення техногенного ризику складних техшчних систем. Функцп розподшу, одержат з застосуванням даного алгоритму, можуть бути використаш для автоматизаци техноло-гiчних процеив, з метою зменшення техногенного ризику.
Рис. 6. Результати застосування алгоритму одержання функцш розподшу випадково! величини
TECHNOLOGY AUDIT AND PRODUCTION RESERVES — № 2/3(28), 2016
системы и процессы управления
ISSN 222Б-3780
6. Обговорення результат1в дослщження алгоритму для прогнозування р1вня техногенного ризику
Описаний алгоритм дозволяе отримувати досить надшш результати в умовах велико! невизначеност вихщних даних (автори статт використали лише 5 то-чок для точного знаходження неввдомого коефщенту). Для турбовентиляторного двигуна було визначено ви-гляд функцiй, якi характеризують ймовiрнiсть вiдмови системи у час!
Завдяки використанню генетичних методiв реалiзацiя цього алгоритму не несе надзвичайно! складност i не потребуе використання значних обчислювальних ресур-сiв. Актуальшсть i перспективнiсть його застосування до реальних техшчних систем не шдлягае сумшву, оскiльки задача прогнозування рiвня техногенного ризику мае велике практичне значення.
Експериментальним шляхом доведено, що застосування функцш експоненцiального вигляду дае меншу похибку, шж логарифмiчна.
Даний алгоритм дозволяе прогнозувати рiвень техногенного ризику, який виникае при експлуатацп складних техшчних систем. Тобто дозволяе розробити стратегш керування технолопчним об'ектом чи системою з використанням даних вщносно рiвня техногенного ризику Подальшим етапом розвитку даного алгоритму та в рамках його практично! реалiзацiï плануеться — роз-робка та формування стратегш керування (управлшня) техшчним об'ектом. Плануеться штегращя розроблено-го програмного забезпечення з системою керування та автоматизацп технолопчних процесiв Experion PKS вщ компанп Honeywell.
Слiд зауважити, що реалiзацiя систем автоматизацп з урахуванням прогнозних значень техногенного ризику е наступним вагомим кроком у контекст реа-лiзацiï концепцп «сталого виробництва» (Sustainable manufacturing). Також слад зауважити, що розробле-ний алгоритм, дозволяе зменшити ризик виникнення надзвичайних ситуацш, пов'язаних з використанням технiчних приладiв та систем у режимi !х нормально! експлуатацп.
7. Висновки
У результат проведених дослiджень:
— Проведено верифжащю розробленого алгоритму для прогнозування р1вня техногенного ризику За наведеними реальними даними стосовно експлуатацш-них параметрiв турбовентиляторного двигуна, було одержано двГ функцп розподшу. Прогнозш значення р1вня техногенного ризику, одержанi теоретично (з використанням визначених функцш), при верифжацп порiвнювались з реальними експериментальними даними. Похибка склала менше 5 % (результати наведет у табл. 1 та на рис. 6), що свщчить про можлившть використання, запропонованого алгоритму для прогнозування р1вня техногенного ризику у чась
— На вах етапах роботи алгоритму було вико-ристано звичайний персональний комп'ютер (об'ем оперативно! пам'ят 6 Гб, двоядерний процесор з тактовою частотою AMD 1.93 GHz), тобто, з техшчно! точки зору реалiзацiя даного алгоритму не
несе шяких складношдв. Hайскладнiшiм елементом використання даного алгоритму е висок вимоги до квалiфiкацii персоналу, та його обiзнаностi у техшчних та експлуатацшних складових системи, для яко! визначаються функцп розподшу. — Виходячи з одержаних результапв, найбшьш точно описують техногенний ризик складних тех-нiчних систем експоненцiйнi функцп розподшу та близька до не! функщя Вейбула (результати для експоненцшно! залежност наведенi у табл. 1 та на рис. 6).
Лггература
1. Острейковский, В. А. Математическое моделирование техногенного риска [Текст]: учеб. пос. / В. А. Острейковский, А. О. Ге-нюш, Е. Н. Шевченко. — Сургут: ИЦ СурГУ, 2010. — 83 с.
2. William, R. D. Practical Design of Safety-Critical Computer Systems [Text] / R. D. William. — Reliability Press, 2002. — 360 p.
3. Sinnamon, R. M. Quantitative Fault Tree Analysis Using Binary Decision Diagrams [Text] / R. M. Sinnamon, J. D. Andrews // European Journal of Automation. — 1996. — Vol. 30, № 8. — P. 1051-1071.
4. Boudali, H. A discrete-time Bayesian network reliability modeling and analysis framework [Text] / H. Boudali, J. B. Dugan // Reliability Engineering and System Safety. — 2005. — Vol. 87, № 3. — P. 337-349. doi:10.1016/j.ress.2004.06.004
5. Galante, E. Risk Assessment Methodology: Quantitative HazOp [Text] / E. Galante, D. Bordalo, M. Nobrega // Journal of Safety Engineering. — 2014. — Vol. 3, № 2. — P. 31-36. doi:10.5923/j.safety.20140302.01
6. Тюрин, В. А. Автоматизированные системы управления технологическими процессами [Текст]: учеб. пос. / В. А. Тюрин. — СПБ: Санкт-Петербургская Государственная лесотехническая академия, 2006. —153 с.
7. Li, Y. A new dynamical evolutionary algorithm based on statistical mechanics [Text] / Y. Li, X. Zou, L. Kang, M. Zbigniew // Journal of Computer Science and Technology. — 2003. — Vol. 18, № 3. — P. 361-368. doi:10.1007/bf02948906
8. Pankratova, N. D. System Coordination of Survivability and Safety of Complex Engineering Objects Operation [Text] / N. D. Pankratova // Computer Science Journal of Moldova. — 2014. — Vol. 22, № 3 (66). — P. 303-317.
9. Porshnev, S. V. Using rozenblatt-parzen approximaion for recovering a cumulative distribution function of continuous random variable with a bounded single-mode distribution rule [Text] / S. V. Porshnev // Polythematic Online Scientific Journal of Kuban State Agrarian University. — 2014. — № 92. — P. 1127-1140.
10. Бойко, Т. В. Техногенна безпека як невщ'емна частина сталого розвитку регюшв Укра!ни [Текст] / Т. В. Бойко, В. I. Бендюг, Б. М. Комариста // Схщно-бвропейський журнал передових технологш. — 2010. — № 2/10(44). — С. 52-54. — Режим доступу: \www/URL: http://journals.uran.ua/eejet/article/ view/2781/2587
11. Бендюг, В. I. Система ощнки техногенно! безпеки промислових щдприемств: методолопя та алгоритм розрахунку [Текст]: автореф. дис. ... канд. техн. наук: 21.06.01 / В. I. Бендюг. — К., 2005. — 193 с.
12. Бойко, Т. В. Особливост використання метода «шдекс-ризик» для ощнки техногенно! безпеки об'екпв [Текст] / Т. В. Бойко // Схщно-бвропейський журнал передових технологш. — 2009. — № 6/5(42). — С. 44-47.
13. Смолич, С. В. Решение горно-геологических задач методом «Монте-Карло» [Текст]: учеб. пос. / С. В. Смолич, К. С. Смолич. — Чита: ЧитГУ, 2004. — 103 с.
14. Кочуров, В. А. Примеры расчета характеристик надежности авиационной техники [Текст] / В. А. Кочуров, Г. А. Новиков. — Самара: Самарский государственный аэрокосмический университет, 2002. — 48 с.
15. Вавулин, П. А. Расчет прогнозного техногенного риска промышленных объектов при эксплуатации [Текст] / П. А. Ва-вулин, Т. В. Бойко // Восточно-Европейский журнал передовых технологий. — 2014. — № 5/10(71). — С. 42-46. doi:10.15587/1729-4061.2014.27981
ТЕХНОЛОГИЧЕСКИЙ АУДИТ И РЕЗЕРВЫ ПРОИЗВОДСТВА — № 2/3(28], 2016
ISSN 222Б-3780
АНАЛИЗ АЛГОРИТМА ОПРЕДЕЛЕНИЯ ФУНКЦИИ РАСПРЕДЕЛЕНИЯ СЛУЧАЙНОЙ ВЕЛИЧИНЫ ДЛЯ ПРОГНОЗИРОВАНИЯ ТЕХНОГЕННОГО РИСКА
Представлен алгоритм определения функции распределения случайной величины для прогнозирования вероятности отказа технических систем в режиме эксплуатации. Предложенный алгоритм основан на совместном применении индексных оценок, метода Монте-Карло и методов стохастической оптимизации, что позволяет получить закон распределения случайной величины, которая будет качественно характеризовать величину техногенного риска и позволит прогнозировать его уровень во времени.
Ключевые слова: прогнозирование техногенного риска, генетические алгоритмы, имитационное моделирование, количественная оценка риска.
Вавулт Петро Андртович, астрант, кафедра тбернетики хшЫо-технологтних процессе, Нащональний технчний утвер-ситет Украти «Ктвський полтехтчний iHcmumym», Украта, e-mail: [email protected].
системы и процессы управления
Бойко Тетяна Владиславiвна, кандидат техтчних наук, доцент, в. о. завГдувача кафедри тбернетики хжжо-технологлчних процеыв, Нащональний техтчний утверситет Украти «Ктвський полтехтчний iнститут», Украта.
Вавулин Пётр Андреевич, аспирант, кафедра кибернетики химико-технологических процессов, Национальный технический университет Украины «Киевский политехнический институт», Украина.
Бойко Татьяна Владиславовна, кандидат технических наук, доцент, и. о. заведующего кафедрой кибернетики химико-технологических процессов, Национальный технический университет Украины «Киевский политехнический институт», Украина.
Vavulin Petro, National Technical University of Ukraine «Kyiv Polytechnic Institute», Ukraine, e-mail: [email protected]. Boyko Tatyana, National Technical University of Ukraine «Kyiv Polytechnic Institute», Ukraine
УДК 681.516.3 БШ: 10.15587/2312-8372.2016.66778
Денисенко о. ю., РЕАЛ1ЗАЦ1Я ДИНАМ1ЧНИХ Козаневич 3 Я КОМПЕНСАТОР1В В БАГАТОКОНТУРНИХ
СИСТЕМАХ РЕГУЛЮВАННЯ
Розглянуто деякг способы реалгзацп дынамгчных компенсаторгв у багатоконтурных (в т. ч. комбтованых I автономных) системах автоматызованых систем керування технологгчнымы процесамы, якг забезпечують ¡нваргантнгсть регулювання параметргв вгдносно контрольованых I неконтрольованых збурень. Проведений аналгз складност1 выкорыстання цих способ1в реалгзацп дынамгчных компенсаторгв длярозробкы алгорытмгв, на основг якыхможуть буты створен окремг елементы програмного забезпечення автоматызованых чы комп'ютерно-Ытегрованых систем.
Ключов1 слова: дынамгчнг компенсаторы, багатоконтурш системы, автоматызоваш системы.
1. Вступ
Одним iз методiв покращення якост перехвдних процеав в автоматичних системах регулювання пара-метрiв е введення додаткових динамiчних елеменпв як в iснуючi контури регулювання, так i в додатково синтезоваш канали впливу.
Iнварiантнiсть (незалежшсть) регулювання параметрiв вщносно контрольованих чи неконтрольованих збурень досягаеться шляхом введення додаткових динамiчних зв'язюв мiж елементами контурiв регулювання [1, 2]. Щ динамiчнi зв'язки, призначет для динамiчноi компенсацп впливу збурень в контурах керування, встановлюються за допомогою динамiчних компенсаторiв [2], як реалiзуються як стандарты елементи аналоговоi техшки. Можливосп цифровоi обчислювальноi техшки в автоматизованих системах керування технолопчними процесами (АСКТП) дають змогу програмноi реалiзацii функцш динамiчних компен-саторiв (ДК), що спрощуе та полегшуе '¿х експлуатащю.
Актуальшсть роботи полягае в тому, що: по-перше, програмна реалiзацiя функцш динамiчних компенсаторiв дозволяе '¿х включити безпосередньо в програмне забезпечення у видi тдпрограм, зв'язаних iнформацiйними
потоками з тдпрограмами реалiзацii вiдповiдних регуля-торiв, що утворить едину конф^уращю для конкретного виробництва; а по-друге, використання обчислювальноi технiки, яка присутня в АСКТП чи комп'ютерно-ште-грованих системах (К1С), дозволяе бiльш точно вщтво-рити потрiбнi динамiчнi характеристики щеальних ДК.
2. Анал1з л1тературних даних та постановка проблеми
Звичайно розглядаеться техшчна реалiзацiя дина-мiчних компенсаторiв за допомогою аналогових елемен-тiв [2, 3]. Технiчна реалiзацiя динамiчних компенсаторiв за допомогою аналогових елеменпв може дати тiльки приблизну iнварiантнiсть системи по вiдношенню до конкретного збурення в найбшьш небезпечнш областi частот [2], оскiльки методика апроксимацп динамiчних характеристик iдеальних ДК найбшьш вщомими i ввд-носно легкими до реалiзацii динамiчними ланками не передбачае шшого результату внаслщок рiзних структур iдеального i реального ДК.
Структурш схеми систем регулювання часто цше-направлено ускладнюються введенням додаткових дина-
TECHNOLOGY AUDiT AND PRODUCTiON RESERVES — № 2/3(28], 2016, © Денисенко О. Ю., Козаневич З. Я.
23-J
