CC BY
46
14. J.Nerlov, S.Sckerl, J.Wambach, I.Chorkendorf. Methanol synthesis from С02, CO and H2 over Cu (100) and Cu (100) modified by Ni and Co // Appl. Catal. A:General. 2000. V.191. P.97.
15. K. M. Vanden Bussche, G. F.Froment. The STAR configuration for methanol synthesis in reversed flow reactors // The Canadian Journal of Chemical Engineering. 1996. V.74(5). P. 729.
16. R.G. Herman, Klier K., G.W.Simmons, B.P.Finn. Catalytic synthesis of methanol from C0/H2. I. Phase composition, Electronic properties and Activities of the Cu/Zn0/M203 // J. Catal. 1979. V. 56. P. 407.
17. C. R. H. de Smet , M. H. J. M. de Croon, R. J. Berger, G. B. Marin, J. C. Schouten . Design of adiabatic fixed-bed reactors for the partial oxidation of methane to synthesis gas. Application to production of methanol and hydrogen-for-fuel-cells// Chem. Eng. Sci. 2001. V. 56. P. 4849.
18. Е.В.Сливинский, Г.А.Клигер, А.Е.Кузьмин, А.В.Абрамова, Е.А. Куликова. Стратегия рационального использования природного газа и других углеродсодержащих соединений в производстве синтетического жидкого топлива и полупродуктов нефтехимии // Рос. хим. ж. 2003. Т. XLVII. № 6. С. 12.
19. А.Я. Розовский. Диметиловый эфир и бензин из природного газа. // Рос. хим. ж. 2003. т. XLVII. № 6. С. 53.
20. А.Я.Розовский, Г.И. Лин. Теоретические основы процесса синтеза метанола. М.: Химия, 1990. 272 с.
УДК: 628.1
А.Ю. Троянкин, О.С. Ахачева, Н.В. Тарутина, Н.В. Меньшутина Российский химико-технологический университет им. Д.И. Менделеева, Москва, Россия
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА: КОМПЛЕКСНЫЙ ПОДХОД К РЕШЕНИЮ ПРОБЛЕМ В ОБЛАСТИ ОЧИСТКИ СТОЧНЫХ ВОД
Present intellectual system can be regarded as an integrated tool-kit aimed to support the solving of common problems in water treatment area. Database module of this system can provide the necessary information. Expert part of this system including Case Study module with past cases library and Treatment Advisor module can assist in decision-making practices in water treatment area.
Данную интеллектуальную систему можно рассматривать как комплексный инструмент, позволяющий решить ряд актуальных проблем в области очистки сточных вод. Информационная часть способна обеспечить инженера-технолога большим объемом справочных материалов. Экспертная часть включает библиотеку формализованного производственного опыта и модуль подбора методов очистки от загрязнений по заданным характеристикам стока, что позволяет существенно облегчить процесс принятия решения в данной области.
Одним из перспективных подходов, ускоряющих выбор, проектирование, внедрение оборудования и технологий для очистки сточных вод от маслонефтепродуктов, ликвидаций разливов нефти, снижения ущерба, наносимого окружающей среде, является развитие компьютерных систем поддержки принятия решений, содержащих большой объем информации по существующим способам и схемам очистки, новому очистному оборудованию и применяемым реактивам [1].
В рамках данной работы был проведен системный анализ информации, касающейся очистки сточных вод от нефти и нефтепродуктов при нефтедобыче, нефтепереработке, а также очистки вод при аварийных розливах нефти. В целях экономии времени инженеров-технологов и других специалистов, работающих в смежных областях, была создана единая информационная система, объединяющая всю вышеперечисленную информацию. Благодаря наличию экспертного блока, включающего в себя базу ситуаций, отражающую реальный производственный опыт, и модуль подбора метода
очистки с учетом характеристик стока, данная информационная система может использоваться как в качестве базы данных, так и в качестве системы поддержки принятия решений (СППР). Расширенная модель организации данных и механизм ее взаимодействия через метаданные с системой поддержки принятия решений отражены на рис. 1.
Особенностью разработанной системы является фактографическая модель представления данных. В отличие от традиционной реляционной модели представления данных, фактографическая модель позволяет более полно использовать имеющуюся информацию, независимо от того, в каком виде она представлена.
Данная Информационная система состоит из трех компонентов:
1. Система Баз данных
2. Case Study Module - Модуль Case Study
3. Treatment Advisor Module - Модуль Treatment Advisor
Система баз данных
Структура системы Баз Данных [2]:
Раздел "патенты" включает в себя информацию о российских и зарубежных патентах и заявках на патенты.
Раздел "обзор теоретических разработок" содержит статьи, доклады, материалы конференций и другие теоретические материалы, а также ссылки на них.
Раздел "сточные воды в нефтедобывающей области" содержит информацию об оборудовании, схемах и методах очистки нефтесодержащих сточных вод, которые могут быть использованы не территориях нефтедобывающих комплексов.
Раздел "сточные воды нефтеперерабатывающих производств и ливневые стоки" включает информацию об оборудовании, схемах и методах очистки вод от нефти и нефтепродуктов, которые применимы на АЗС, автомойках, нефтеперерабатывающих заводах и близких к ним по составу стоков.
Раздел "ликвидация последствий аварий" содержит информацию о схемах, методах и материалах для очистки поверхности водоемов от разлившихся нефти и нефтепродуктов.
Рис. 1. Организация взаимодействия данных в системе
Одной из возможностей системы является свободный переход по связям, имеющимися в документе. Архитектура информационной системы отвечает современным требованиям к использованию информационной системы, может легко расширяться и модифицироваться.
Каждый документ, внесенный в базу данных, аннотирован, и каждый файл содержит метаинформацию.
Применение средств аннотирования и использование метаинформации в поисковых механизмах системы позволяет значительно ускорить работу поисковой подсистемы и позволяет существенно улучшить качество выдаваемой по запросу информации Поисковая система основана на алгоритмах нечеткого поиска, которые близки к методу динамического программирования. Кроме того, используется подход, основанный на вычислении Расстояния Хемминга [3].
Интерфейс рабочего окна базы данных представлен на рис. 2.
Рис. 2. Интерфейс рабочего окна базы данных
Модуль Case Study
Основой модуля Case Study является база данных реальных ситуаций, взятых из производственной практики. На данный момент база данных содержит около 70-ти примеров по очистке сточных вод, представленных предприятиями, расположенными в странах Азии и Европы.
Модуль позволяет пользователю изучить примеры, взятые из реальной производственной практики очистки сточных вод, получить представление о наиболее распространенных технологиях, используемых в соответствующих отраслях промышленности. Каждый пример (случай из прошлого опыта) содержит описание характеристик входящих и выходящих потоков, краткое описание предприятия - источника сточных вод, средний расход, технологическую схему очистки и дополнительные замечания. Характеристики потоков разделены на четыре группы: физические параметры, содержание органических и неорганических веществ и микробиологические параметры.
Интерфейс модуля Case Study представлен на рис. 3. Модуль Treatment Advisor
Рис. 3. Модуль Case Study
Рис. 4. Модуль Treatment Advisor УСПЕХИ^ В химии, и химической технологии. Том XXI. 2007. №2 (70) 24
Модуль Treatment Advisor предназначен для подбора (Treatment Base) или создания (Options) схемы очистки стока. Модуль Treatment Advisor конструирует схему очистки, оперируя имеющимися в базе данных методами очистки. Основой для конструирования служат характеристики стока, заданные пользователем. Если для заданных характеристик возможны несколько схем очистки, система предлагает варианты решения, и, оценивая каждый из методов, рекомендует наилучший вариант.
В основе алгоритма выбора методов очистки лежит анализ отклонения характеристик сточных вод от базовых характеристик стока. Каждое такое отклонение может быть ликвидировано за счет применения различных методов очистки, нацеленных на удаление соответствующих загрязняющих компонентов. Результатом работы программы является одна или несколько последовательностей методов очистки с расчетом обобщенного критерия эффективности. Представленные методы очистки проранжиро-ванны согласно рассчитанным значениям критерия эффективности. Интерфейс модуля Treatment Advisor представлен на рис.4.
Разработанная система поддержки принятия решения позволяет:
• упорядочить разрозненную информацию по процессам и оборудованию очистки сточных вод. В связи с тем, что в последнее время стали появляться новые способы очистки сточных вод, разрабатывается и совершенствуется оборудование по обработке отходов, есть смысл объединения информации как по технологическим схемам, так и по отдельному оборудованию;
• дать наиболее исчерпывающую информацию по стандартному очистному оборудованию. Данная информационная система включает в себя справочную часть в виде базы данных по технологиям. Кроме того, по мере накопления знаний будет фиксироваться информация об области применения схемы. Эта информация будет включать производительность, основные конструкционные размеры аппарата, эффективность при очистке определённого состава сточных вод, ссылку на производителя;
• помочь инженеру, технологу-разработчику выбрать способ очистки для нового процесса. СППР помогает проектировщику с помощью специального алгоритма и ряда эвристических правил составить определенную последовательность очистки в зависимости от показателей сточных вод;
• подобрать необходимую технологическую схему проведения процесса очистки. С помощью ряда методик можно выбрать наиболее подходящую технологическую схему из БД стандартных технологических схем;
• значительно экономить затраты на экспериментальные исследования, трудовые затраты, технические ресурсы и время, необходимое для проектирования технологических схем очистки сточных вод промышленных предприятий.
Разработанная версия информационной системы создана для работы на отдельном компьютере или в локальной сети. Возможна разработка Web-приложения, которое позволит организовать доступ к системе по глобальной сети Internet, что делает возможным использование данной системы для дистанционного обучения.
Работа выполнена при поддержке компании BP.
Список литературы
1. Анализ, проектирование технологий и оборудования для очистки сточных вод. Колесников В.А., Меньшутина Н.В. — М.: ДеЛи принт, 2005. —266 с.
2. Информационная система по выбору технологий очистки стоков от нефтяных загрязнений. Международная конференция молодых ученых по химии и химической технологии «МКХТ 2006», РХТУ им. Д.И. Менделеева, Москва, 2006, XX, №1, 42-47.
3. Bogart K. Stein C. Discrete Math in Computer Science, 2002, p. 210
