CC BY
75
зданий. Проведенное сравнение показало превосходство предложенного метода.
В первую очередь, это может быть объяснено тем, что предложенный алгоритм рассчитан на работу исключительно с ректифицированными изображениями, а не с исходными фотографиями. Также алгоритм ориентируется на работу только с ограниченным классом регулярностей, часто встречающихся на фасадах городских зданий. В отличие от сложных грамматических моделей авторы предложили простую модель - набор непересекающихся решеток, - которая описывает абсолютное большинство фасадов. В предложенную меру качества решеток входят эмпирические знания о фасадах зданий, включая похожесть соседних ячеек, горизонтальную симметричность ячеек и наличие прямоугольника в центре ячейки.
Для анализа использовались прямоугольники, часто встречающиеся на изображениях фасадов и оказавшиеся более надежными, чем точечные особенности или случайные фрагменты.
Было уменьшено возможное число размеров ячеек решеток путем сбора наиболее часто встречающихся расстояний между найденными прямоугольниками. Центры прямоугольников являются кандидатами на сдвиги решеток. Благодаря такому уменьшению числа возможных решеток становится возможным их полный перебор для итерационного выбора лучших решеток. Предложенный алгоритм справляется с окклюзиями с помощью понижения порогов на качество решеток при их расширении.
Несмотря на то, что результаты предложенного алгоритма довольно обнадеживающие, алго-
ритм имеет ряд недостатков. Из-за алгоритма жадного выбора лучших решеток некоторые из них пропускаются и не все окклюзии обрабатываются. Также одна решетка, разделенная другой, представляется в виде двух решеток.
Постановка задачи в виде задачи глобальной оптимизации могла бы дать лучшие результаты. Поиск прямоугольников довольно прост и надежен, но дополнительный поиск окон с помощью детектора, основанного на машинном обучении, мог бы улучшить общий результат. По предположению авторов, фасадные элементы плоские, но выпуклые балконы и глубоко вдавленные окна требуют трехмерного анализа. Представления фасада в виде набора непересекающихся решеток одинаковых ячеек достаточно для задач восстановления текстуры и сжатия модели. Но предложенная модель может быть улучшена за счет введения иерархии и более сложных моделей повторения, например, повторяющихся пар элементов.
Литература
1. Korah T., Rasmussen C. Analysis of Building Textures for Reconstructing Partially Occluded Facades, ECCV. 2008. Part 1, pp. 359-372.
2. Konushin V., Vezhnevets V. Automatic building texture completion, Proc. of GraphiCon'2007. M.: MSU, 2007. Vol. 1, pp. 174-177.
3. Muller P., Zeng G., Wonka P. and L. Gool V. Image-based Procedural Modeling of Facades, SIGGRAPH. 2007. Vol. 26, No. 3, pp. 1-9.
4. Minwoo Park, Robert T. Collins and Yanxi Liu. Deformed Lattice Discovery Via Efficient Mean-Shift Belief Propagation, ECCV. 2008. Vol. 2, pp. 474-485.
5. Wenzel S., Drauschke M., Forstner W. Detection of Repeated Structures in Facade Images // Pattern Recognition and Image Analysis. 2008. Vol. 18, No. 3, pp. 406-411.
УДК 004.896
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ РЕМОНТНО-ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ НЕФТЯНЫХ СКВАЖИН
Ф.Н. Абу-Абед
(Тверской государственный технический университет, аа/атеа@таИ-ги)
Решение задачи обеспечения запасными частями и комплектующими комплекса буровых установок требует создания сложных моделей, для чего традиционно используется математический аппарат систем массового облужи-вания. Рассматривается решение этой задачи при использовании результатов диагностики и прогнозирования нештатных ситуаций на основе применения технологии нейросетей.
Ключевые слова: система обеспечения запасными частями, инструментами и принадлежностями, система массового обслуживания, буровая установка.
Чтобы формализовать ситуации, связанные с функционированием системы обеспечения запасными частями, можно использовать математические модели. Это целесообразно, когда проблемы
достаточно просты и удовлетворяют всем основным предпосылкам, введенным в модели. Однако иногда возникают более сложные задачи, решение которых с помощью простых математических мо-
делей не отвечает существу поставленной проблемы. Поэтому необходимо обращаться к иной группе методов, которые можно использовать в ситуациях, выходящих за рамки системы предпосылок, лежащих в основе простых моделей.
Как правило, логистические системы функционируют в условиях неопределенности окружающей среды. При управлении материальными потоками должны учитываться факторы, многие из которых носят случайностный характер. В этих условиях создание аналитической модели, устанавливающей четкие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком затратным.
Под системой обеспечения запасными частями, инструментами и принадлежностями (ЗИП) буровых установок (БУ) подразумевается многоуровневая система, состоящая из совокупности одиночных, групповых комплектов эксплуатационных ЗИП и запасов центральных довольствующих органов. Компоненты системы связаны между собой и имеют определенные характеристики. Система ЗИП предназначена для восстановления работоспособности БУ после отказов в процессе эксплуатации.
Рассмотрим двухуровневую систему запасов элементов с периодическим пополнением, экстренными доставками и ремонтом отказавших элементов в ремонтных органах.
Анализ руководящих документов и работ ведущих специалистов в области развития методов исследований по данной тематике показывает, что используемый для оптимизации эксплуатационных комплектов ЗИП методический аппарат не позволяет получить достаточно эффективное решение, так как не учитывает ряд факторов, таких как обоснованное применение критериев оценки достаточности для многоуровневой системы ЗИП, совместная оптимизация состава одиночных и группового эксплуатационных комплектов ЗИП, а также учет различных законов распределения интенсивности отказов элементов.
Имитационное моделирование включает два основных процесса - конструирование модели реальной системы и постановка экспериментов на ней. При этом могут преследоваться такие цели, как понимание поведения логистической системы и выбор стратегии, обеспечивающей наиболее эффективное функционирование логистической системы.
Рассматриваемые в статье системы БУ и обслуживающих их складов ЗИП являются динамическими, то есть их параметры изменяются во времени. Поэтому состояние системы, свойства объекта и число активных объектов, параметров, действий и задержек являются функциями времени и постоянно изменяются в процессе моделирования.
Тем не менее, в процессе моделирования можно выделить дискретные моменты, когда происходят события, отражающие последовательность изменений состояний системы во времени. Если при этом поведение системы в остальные моменты не является принципиально важным, можно использовать технологию дискретно -событийного моделирования. Именно такое моделирование в данной статье называется имитационным.
В качестве блоков (подпрограмм) имитационной модели для данной предметной области необходимо реализовать:
• блок генерации событий, связанных с нештатными ситуациями на буровой; данный блок создает динамический объект - требование на ремонт, в котором фиксируется наименование вышедшей из строя комплектующей;
• блок назначения объекту требования другого динамического объекта - склада ЗИП, который должен удовлетворить запрос на вышедшую из строя комплектующую;
• блок обслуживания требования, при необходимости (в случае группового ЗИП) создающий требование на транспортировку комплектующей из группового ЗИП до буровой;
• блок назначения требованию на транспортировку динамического объекта транспорт, который будет осуществлять доставку комплектующей на буровую;
• блок ремонтных операций, реализующий запланированное действие - восстановление работоспособности буровой после доставки необходимой комплектующей.
Кроме перечисленных блоков, необходима программа управления процессом моделирования, которая запускает этот процесс и отслеживает движение каждого требования по модели путем вызова названных блоков обработки событий. Другое назначение программы - ведение списка упорядоченных во времени событий и продвижение часов модельного времени от события к событию.
Системы массового обслуживания (СМО) с большим числом генераторов заявок и обслуживающих приборов часто имеют структуру, которую можно представить в виде сети. В общем случае сеть СМО представляет собой граф, вершинами которого являются одноканальные и многоканальные СМО (дуги определяют потоки передачи требований).
Простейшая разомкнутая или открытая сеть получается при последовательном соединении. Она еще называется многофазной СМО. Более сложная сеть содержит К узлов и N требований, которые находятся в сети. Каждый узел может иметь одно или несколько одинаковых устройств обслуживания. С вероятностью (или частотой) qoj требования поступают к любому узлу сети, а с вероятностью qkj (¡=1, ..., К) требование, которое
оставляет узел к, направляется к узлу Таким образом, любое требование до завершения своего обслуживания в сети может пройти несколько узлов.
Внешняя среда обозначается как узел 0 сети. Если сеть замкнутая, требования с выхода направляются на вход (рис. 1, пунктирная линия) и количество требований N в сети не изменяется.
При моделировании технического обслуживания и ремонтных работ буровых установок использование аппарата сетевых СМО целесообразно в случае, если ремонтные работы выполняются силами бригад, располагающихся в пунктах хранения группового ЗИП. При этом можно выделить два случая.
1. Каждая буровая имеет свой фиксированный пункт группового ЗИП, ответственный за ее обслуживание. Одновременно каждый пункт группового ЗИП имеет фиксированное множество обслуживаемых буровых. В этом случае сеть СМО вырождается во множество замкнутых подсетей.
2. Каждая буровая может обратиться к нескольким пунктам ЗИП (в пределе - к любому такому пункту), который может либо принять, либо отвергнуть заявку на ремонт. В последнем случае заявка будет переходить от одного пункта обслуживания к другому, то есть имеется разновидность сети обслуживания, подобная изображенной на рисунке 1.
Выбор того или иного способа формализации существующей сети материально-технического обслуживания БУ зависит от реально сложившейся топологии сети обслуживания.
Разработка имитационной модели
При разработке любой имитационной модели необходимо сделать выбор между универсальны-
ми языками программирования и специализированными языками и программными пакетами (оболочками), разработанными для имитационного моделирования. Выбор этот не всегда очевиден и зависит от целей разработки модели и окружения, в котором эта модель должна использоваться.
В данном случае при построении имитационной модели необходимо обеспечить использование ранее разработанных средств распознавания аварийных и предаварийных ситуаций на БУ, написанных на языке С++ [1-3]. Поэтому брать готовые оболочки нецелесообразно, возможно лишь применение языков программирования высокого уровня, совместимых с С++. Из современных кроссплатформенных языков программирования таковым является С#, который и принят для разработки имитационной модели системы материально-технического снабжении буровых.
Этот язык поддерживает технологию объектно-ориентированного программирования, в соответствии с которой все данные и функции, необходимые для реализации процесса моделирования, инкапсулируются в виде некоторого количества классов.
Состав разрабатываемых классов обычно зависит от предметной области, в данном случае от предмета моделирования. Система материально-технического снабжения состоит из множества взаимодействующих объектов, основными из которых являются следующие.
• БУ, для которых необходимо обеспечить функционирование с минимальными простоями. Каждая установка состоит из множества комплектующих, обеспечивающих ее работу, а также имеет определенные географические координаты. Поскольку целью данной работы не является создание специализированной геоинформационной системы, где все данные обязательно привязаны к географическим координатам, точными координатами можно пренебречь. Для построения модели системы снабжения достаточно данных об удалении буровой от соответствующего пункта ЗИП, откуда в случае необходимости она может получить комплектующие.
• Склады ЗИП (одиночные и групповые), хранящие заданную номенклатуру комплектующих, необходимых для замены вышедших из строя как в результате исчерпания ресурса, так и в случае аварий, вызванных нештатными ситуациями.
• Сами комплектующие с определенной стоимостью, остаточным ресурсом, а также ценой хранения на складе.
• Транспортные средства, необходимые для доставки комплектующих из группового ЗИП на буровые в случае выхода их из строя и для снабжения самих складов группового ЗИП.
На рисунке 2 изображена иерархия классов имитационной модели системы материального
снабжения БУ, разработанная в соответствии с изложенными результатами объектно-ориентированного анализа.
Model
Class
Node v
Abstract Class
4 ,
Link v
Class
Transport v
Class
^Node
DrillTower
Class ^Node
Sklad v
Class
^Node
Depo
Class ^Node
Param v
Class
Part
Class
Рис. 2. Схема иерархии классов имитационной модели
Главным классом для имитационной модели выступает Model, реализующий функции контейнера для остальных классов.
Класс модели использует три списка объектов. В первый список, Nodes, объединяются узлы, образующие моделируемую сеть СМО. В качестве таких узлов выступают БУ, склады, реализующие хранение группового ЗИП и снабжение буровых, а также один специальный узел, представляющий источник снабжения комплектующими всех складов. Второй список, Links, предназначен для хранения информации о связях узлов сети между собой. Третий список, Trans, объединяет объекты, моделирующие доставку комплектующих со складов ЗИП на буровую.
Исследование имитационной модели системы ремонтно-технического обслуживания
Исследование модели системы снабжения запасными частями группы БУ в пределах одного месторождения производилось для трех стратегий эксплуатации оборудования.
1) по ресурсу (выработка заданного количества часов или метров проходки);
2) по состоянию (обнаружение критического состояния во время очередного регламентного осмотра);
3) до выхода из строя в результате отказа или поломки.
Необходимо уточнить, что обычной практикой при проведении буровых работ является применение одной из первых двух стратегий при немедленной замене внезапно вышедших из строя комплектующих. Третья стратегия используется в данном исследовании только для сравнения.
При применении любой из приведенных стратегий возможно использование нейросетевого анализатора аварийных и предаварийных ситуаций на буровой, который является источником
S экс _ ^ st , st _ '
дополнительной информации для оценки остаточного ресурса комплектующих, что позволяет усовершенствовать стратегию их поставки и уменьшить суммарные затраты на эксплуатацию буровой и содержание системы снабжения запасными частями.
Критерием оптимизации в данном исследовании служит выражение S=SэKc+Sпр+Sхр+Sтр.
Первые два слагаемых соответствуют затратам на эксплуатацию буровой - стоимости эксплуатации в рабочем состоянии и стоимости простоя при выходе из строя какой-либо комплектующей:
[а,(1), г е тэ,
[о, 1 е т„р,
*ПР=£<, 4а"(г), 1 е т-р,
пр £0 ' 1 (о, г е тэ.
Последние два слагаемых соответствуют стоимости хранения комплектующих на складах ЗИП и стоимости их транспортировки со складов на буровые соответственно. Для их вычисления используются следующие выражения:
"ск «к ^ур ^ N
1=1 ¡=1 1=1 ¡=1 к=1
Для исследования влияния использования нейросетевого анализатора состояния буровой проводилось сравнение результатов моделирования для всех трех указанных стратегий эксплуатации оборудования.
Анализ результатов моделирования позволяет сделать вывод о целесообразности применения нейросетевого анализатора состояния БУ при организации системы снабжения буровых запчастями.
Для всех рассмотренных стратегий эксплуатации оборудования удельные затраты на снабжение буровых запчастями могут быть снижены при использовании информации о состоянии буровой, выдаваемой нейросетевым анализатором (рис. 3). При этом минимальное снижение наблюдается при использовании стратегии «до выхода из строя», которая редко применяется на практике.
i,i 1
0,9
s приведенная До вь хода из стро
По ресурсу
По состоян! ю
Без НС НС-1 НС-2 НС-3 НС-4
Рис. 3. Графики результатов моделирования для различных стратегий эксплуатации и параметров НС
v
v
v
v
0,8
0,7
Максимальное снижение удельных затрат наблюдается для стратегии «по состоянию» при наличии трех распознаваемых состояний буровой, а для стратегии «по ресурсу» - при наличии двух распознаваемых состояний буровой.
Поскольку различия в значениях показателя удельных затрат для случая использования стратегии «по состоянию» при наличии двух и трех распознаваемых состояний буровой невелики, в качестве универсального решения для первых двух стратегий эксплуатации оборудования можно рекомендовать использование нейросетевого анализатора с тремя состояниями на выходе.
Литература
1. Абу-Абед Ф.Н., Борисов Н.А., Хабаров А.Р. Использование методов распознавания образов для анализа аварийных ситуаций // Математические методы и информационные технологии в экономике, социологии и образовании: сб. ст. XVI Междунар. науч.-технич. конф. Пенза, 2005. С. 428-431.
2. Абу-Абед Ф.Н., Хабаров А.Р. Применение нейросетей для анализа аварийных ситуаций на буровых // Математические методы и информационные технологии в экономике, социологии и образовании: сб. стат. XVII Междунар. науч.-технич. конф. Пенза, 2006. С. 218-221.
3. Абу-Абед Ф.Н., Допира Р.В. Применение средств моделирования нейросетей для анализа предаварийных ситуаций на буровых // Программные продукты и системы. 2010. № 3. С. 136-139.
УДК 004.4'275
ОПЫТ СОЗДАНИЯ ЭЛЕКТРОННЫХ ОБРАЗОВАТЕЛЬНЫХ РЕСУРСОВ В СТАНДАРТЕ SCORM 2004
(Работа выполнена при поддержке ФЦП «Научные и научно-педагогические кадры инновационной России»
на 2009-2013 гг.)
А.И. Гусева, д.т.н.; А.В. Иванов; И.М. Кожин
(Национальный исследовательский ядерный университет «МИФИ», г. Москва, [email protected], [email protected], [email protected])
В статье рассматривается опыт создания различных видов информационно-образовательных ресурсов на основе стандарта БСОКМ 2004. Предложены методы реализации электронных учебных курсов и тренажеров. Описано их использование в Национальном исследовательском ядерном университете «МИФИ».
Ключевые слова: информационно-образовательный ресурс, разработка, программные тренажеры, формат 8СОЕМ 2004.
Внедрение инновационных технологий в область инженерно-физического образования на новом этапе развития ядерной науки и промышленности сопровождается такими инновационными составляющими развития, как активно-деятель-ностные и интерактивные формы обучения, индивидуальные траектории обучения, дистанционная поддержка учебного процесса. Все три составляющие основаны на использовании информационно-коммуникационных технологий. В настоящее время многие элементы дистанционного образования, такие как электронные курсы (тренажеры, тесты), все больше и больше проникают в сферу очного обучения. Выбор платформы, на которой будет создаваться информационно-образовательный ресурс (ИОР) учебного назначения, является одним из ключевых моментов работы, отталкиваясь от которого, в дальнейшем будет вестись вся работа по его созданию. Данная статья посвящена возможностям создания электронных образовательных ресурсов на базе методологии БСОЯМ.
Отметим, что в современном мире для успешной разработки и эффективной эксплуатации про-
граммных систем используются стандарты в соответствующей области. Стандарт БСОЕМ хорошо зарекомендовал себя в зарубежных вузах и постепенно начинает применяться на учебных порталах в российских университетах [1-3]. В основе стандарта БСОЕМ лежит модульность, что позволяет каждый отдельный элемент электронного курса -5СОЛМ-пакета - многократно использовать в составе какого-либо другого курса, также созданного на основе стандарта. Помимо многократной используемости, ИОР в формате 8СОЯМ обладают доступностью, адаптируемостью, эффективностью, долговечностью и интероперабельностью. Именно эти особенности методологии БСОЕМ хорошо зарекомендовали себя в зарубежных вузах.
ИОР, реализованный в виде £СОЛМ-пакета, взаимодействует с системой управления ЬМБ, внедренной в образовательный портал, и передает необходимую информацию. В зависимости от уровня специализированного качества ИОР [3] может передаваться не только информация о времени доступа к ресурсу и длительности его изучения, но и результаты выполнения практических заданий и тестов.
