CC BY
95
Главная страница журнала Экономические науки
Интеллектуальные системы для обеспечения безопасности пж продукции
Технические науки
О журнале Редакция Общая лента Выпуски
Опубликовать статью. Авторам
Яндекс.Директ
» Техническое перевооружение
Проектирование с сопровождением объекта до ввода в эксплуатацию. Звоните!
Промышленное Гражданское Проектирование сооружений и сетей fkpro.ru Адрес и телефон Нижний Новгород
Intelligent systems to ensure food safety
13.12.1613:07
< 109
Выходные сведения: Оразбаев Б.Б., Кенжебаева Т., Оразбаева К.Н., Азиева Г.Т. Интеллектуальные системы для обеспечения безопасности пищевой продукции// Иннов: электронный научный журнал, 2016. №4 (29). URL: http://www.innov.ru/science/tech/intellektualnye-sistemy-dlya-obespe/
Авторы:
Оразбаев Б.Б., д.т.н., профессор кафедры Системного анализа и управления Евразийского национального университета ((ЕНУ) им. Л.Н. Гумилева, Астана, Республика Казахстан (010008, Казахстан, гАстана, ул. Пушкина, 11), batyr_o@mail.ru
Кенжебаева Т., докторант кафедры Системного анализа и управления ЕНУ им. Л.Н. Гумилева, Астана, Республика Казахстан (010008, Казахстан, гАстана, ул. Пушкина, 11), togzhan_kenzhebayeva@mail.ru
Оразбаева К.Н., д.т.н., профессор кафедры Менеджмента Казахского университета экономики, финансов и международной торговли, Астана, Республика Казахстан (010005, Казахстан, гАстана, ул. Жубанова, 7), kulman_o@mail.ru
Азиева Г.Т., ст.преподаватель кафедры Информатики и прикладной Экономики Казахского университета экономики, финансов и международной торговли, Астана, Республика Казахстан (010005, Казахстан, гАстана, ул. Жубанова, 7), gulmira_aziva@mail.ru
Authors:
Orazbayev B., Doctor of Technical Sciences, professor of the Department of System Analysis and Control of the Gumilev Eurasian National University, Astana, Republic of Kazakhstan (010008, Kazakhstan, Astana, Pushkin street, 11.), batyr_o@mail.ru
Безопасность Пищевой
Продукции fr
ISO 22*
Kenzhebaeva T., PhD of the Department of System Analysis and Control of the Gumilev Eurasian National University, Astana, Republic of Kazakhstan (010008, Kazakhstan, Astana, Pushkin street, 11.), togzhan_kenzhebayeva@mail.ru
Orazbayeva K., Doctor of Technical Sciences, professor of the Department Management Kazakh University of Economy, Finance and International, Astana, Republic of Kazakhstan (010008, Kazakhstan, Astana, Zhubanov street, 7.), kulman_o@mail.ru
Aziyeva G., Senior Lecturer of the Department Informatics and
Applied EconomicsKazakh University of Economy, Finance and International, Astana, Republic of Kazakhstan (010008, Kazakhstan, Astana, Zhubanov street, 7.), gulmira_aziva@mail.ru
Ключевые слова: интеллектуальные системы, безопасность продукции, Парето оптимальность, многокритериальная оптимизация, нечеткая
информация
Keyword: intelligent systems, product safety, Pareto optimal, multi-objective optimization, fuzzy information
Аннотация: В данной работе исследованы и предложены эффективные подходы к решению задачи обеспечен пищевой продукции на основе системного подхода, методов искусственного интеллекта и современных компью также международных стандартов по безопасности пищевой продукции. Предложена методика и процедура интеллектуальных систем для решения задач обеспечения безопасности пищевой продукции. Рассмотрены м реализации интеллектуальной системы обеспечения безопасности пищевой продукции. Предложена структу интеллектуальной системы принятия решения для обеспечения безопасности пищевой продукции и описаны > компоненты: пакет моделей; алгоритмы решения задач многокритериальной оптимизации; интерфейс поль данных и база знаний; блок объяснения выбранного, рекомендуемого решения; идентификатор моделей. Форм производственные ситуации в пищевой отрасли, для которых получены постановки и методы решения задач о качества и безопасности продукции.
При формализации и решении задачи обеспечения качества и безопасности продукции использованы различны компромиссных схем принятия решений — принципы многокритериальной оценки альтернатив (Парето опти главного критерия), которые модифицированы для работы в нечеткой среде. Оригинальность и новизна форм постановок задач обеспечения безопасности пищевой продукции и предлагаемых методов их решения определ счет сохранения и полного использования исходной нечеткой информации, в виде знаний и опыта специалисте получаются адекватные модели решаемой задачи, соотнесённо эффективно решаются проблемы многокрит неопределенности.
Annotation: In this paper we study and propose effective approaches to solving the problem of food security on the b approach, methods of artificial intelligence and advanced computer systems, as well as international standards of safet The method and procedure for the development of intelligent systemsfor solving problems of ensuring food safety. The of implementing an intelligent system to ensure food safety. A system of intelligent decision-making to ensure food safe describes its main components: package models; algorithms for solving multiobjective optimization; a user interface; da knowledge base; explanation of the selected block, the recommended solution; ID models.
Formalized the production situation in the food industry, which received performances and problem-solving methods to quality and safety. When formalizing and solving the problem of ensuring product quality and safety used various idea decision trees -principles multicriteria evaluation of alternatives (Pareto optimality, the method of main criterion), whi to work in a fuzzy environment. The originality and novelty of the formal statements of problems to ensure food safety methods to solve them by the fact that due to conservation and full utilization of the original fuzzy information, in the fo experience of professional experts receive adequate model of the problem, The correlation effectively solved the proble', uncertainty.
Введение. Появление компьютерной техники высокой производительности и с большим объемом памяти, необходимость обработки значительных массивов информации, применение баз знаний, требования к облегчению работы с компьютером на языке близком к е стествен ному, при вел и к созданию различных интеллектуальных систем (интеллектуальные
информационно-поисковые системы, интеллектуальные пакеты прикладных программ, расчетно-логические
системы, экспертные системы, интеллектуальные системы принятия решений и т.д.) [1-5].
В настоящее время актуальной задачей промышленности
одной из пищевой является
обеспечение безопасности продукции. В республике Казахстан, как и в других странах, принят Закон [6], кот правовые основы обеспечения безопасности пищевой продукции для защиты жизни и здоровья человека, потребителей и охраны окружающей среды.
В пищевой промышленности разрабатываются и вводятся специальные системы анализа опасных факт критических точек контроля для систематической идентификации, оценки и управления опасными фактор безопасность продукции по всей продовольственной цепочке, путем выявления и оценки потенциальных риско критическими для безопасности пищевых продуктов, при установлении постоянного контроля в критических точк
Безопасность пищевой продукции, это отсутствие недопустимого риска во всех процессах разработки, произво оборота, утилизации и уничтожения пищевой продукции, связанного с причинением вреда жизни и здоровью чел законных интересов потребителей с учетом сочетания вероятности реализации опасного фактора и степени тяж [8].
Основными целями государственного регулирования в области безопасности пищевой продукции явл безопасности пищевой продукции для жизни и здоровья человека и окружающей среды; защиты законных инте экологической и национальной безопасности [9].
Безопасность пищевой продукции обеспечивается посредством:
- соблюдения субъектами требований, установленных законодательством о безопасности пищевой продукции;
- подтверждения соответствия пищевой продукции требованиям, установленным законодательством о техниче проведения санитарно-эпидемиологической и ветеринарно-санитарной экспертизы;
- разработки и применения компьютерных, интеллектуальных систем обеспечения безопасности пищевой проду
Обеспечение безопасности пищевой продукции является одной из важнейших стратегических задач люб Республики Казахстан. От безопасности пищевой продукции во многом зависит здоровье нации. Кроме того, бс продукции является обязательным требованием для поставщиков пищевой продукции в развитых стран образовательного и материального уровня населения растет внутренний потребительский спрос на безопасную
На то, что имеются проблемы в области безопасности пищевой продукции, указывают события, которые пери нашей стране. Например, в марте 2007 г. в вахтовом поселке компании GATE (Атырауская область) не отравились в столовой, обслуживаемой турецкой компанией ACB Catering. Разумеется, что такие чрезвычайные отравлениями невозможно скрыть, они получают широкую огласку и по ним проводятся расследования. Гора дело с пищевыми продуктами, которые наносят вред здоровью человека постепенно, небольшими порциям остается незамеченным, хотя последствия могут быть огромными. В таких случаях обеспечение безопасности является вопросом государственной важности, который можно успешно решать только на системной осн современных научных методов и средств информационных технологий. В этой связи создание и применен систем обеспечения безопасности пищевой продукции является актуальной задачей безопасности любого госуд
Методы и результаты исследования. Законодательная основа для обеспечения безопасности пищевой проду создана. С 1 января 2008 года введен в действие Закон Республики Казахстан «О безопасности пищевой возлагает основную ответственность на производителей пищевой продукции [6]. При внедрении этого закона стр будет рассчитывать только на «карательные» действия исполнительных органов. Такие действия необ недобросовестных поставщиков пищевой продукции, но для большинства предприятий нужен другой под внедрении международных стандартов, разработки и применении интеллектуальных систем обеспечения бе продукции.
Международные стандарты по безопасности пищевой продукции требуют внедрения системного информационных систем, предполагающих, что производители пищевой продукции будут на добровольной о риски и внедрять соответствующие программы и системы по предупреждению возникновения опасностей в крит точках, которые также называют планом HACCP (Hazard Analysis and Critical Control Points - Анализ р контрольные точки).
С 2005 года действует новый международный стандарт ИСО 22000 «Системы менеджмента безопасности Требования к любым организациям в продуктовой цепи», который был создан для гармонизации требова стандарта CODEX ALIMENTARIUS и национальных требований, например, в области санитарии и гигиены. Эт другим международным стандартом ИСО 22004 «Системы менеджмента безопасности пищевых продуктов. Ру по применению ИСО 22000:2005 содержат требования и рекомендации касательно внедрения системы менед пищевой продукции.
При проектировании и создании интеллектуальных систем обеспечения безопасности пищевой продукции исп общенаучные и статистические методы: методы искусственного интеллекта, методы теории нечетких математического моделирования и идентификации, теория и методы многокритериальной оптимизации и методы кластерного анализа, методы многофакторного корреляционно-регрессионного анализа, методы модели и методы представления знании [10-15]. Для обработки практических и экспериментальных дан современные персональные компьютеры и пакеты прикладных программ Statistica 5.5 [16], Regress и MatLab.
В формализации и решении решаемой задачи в нечеткой среде приходится использовать знания и суждения решения (ЛПР), специалистов-экспертов, имеющие качественный характер. Для решения таких нечетких зада необходимо включить в состав создаваемой системы элементы интеллектуализации, позволяющие общаться с или профессионально-ориентированном языках. Эти возможности достигаются на основе методов искусст включением в состав информационных систем следующих компонентов: базы знаний; блок логического в1 результатов выбора; алгоритмов многокритериальной нечеткой оптимизации; интеллектуального интерфейса.
Такие системы, основанные на знания специалистов-экспертов и созданных с применением методов искусств теорий нечетких множеств называются интеллектуальными системами принятия решений (ИСПР).
По результатам проведенных исследований нами выделены следующие основные этапы создания интеллект решения задач обеспечения безопасности пищевой продукции [4]:
1. Идентификация проблемной области и решаемых задач, содержательная постановка задач опт эффективного решения;
2. Формализация знаний ЛПР, специалистов-экспертов о решаемой задаче;
3. Создание базы знаний и данных;
4. Разработка пакета моделей исследуемого объекта, процесса;
5. Алгоритмизация решаемых задач, например, обеспечения безопасности пищевой продукции;
6. Разработка «интеллектуального» интерфейса пользователя;
7. Программная реализация разработанных моделей и алгоритмов.
Дадим пояснения к некоторым из приведенных пунктов методики синтеза интеллектуальной системы д обеспечения качества и безопасности пищевой продукции.
В первом пункте локализуется объект исследования, определяются основные свойства и описания производ содержательная постановка решаемой проблемы.
Во втором пункте организуются процедуры экспертной оценки [17-21], по результатам которых формализуется выбора решения по заданным критериям. При этом используются методы экспертных оценок, модифици нечеткости исходной информации.
На основе формализованных знаний в третьем пункте определяется структура и создается база знаний. Запс осуществляется на основе статистических данных о функционирования объекта.
В четвертом пункте разрабатываются модели элементов и подсистем производственной системы, которые об единый пакет. Часть или все модели могут быть нечеткими. Для построения таких моделей можно испол1 алгоритмы синтеза математических моделей на основе исходной нечеткой информации [6].
В качестве алгоритмов решения формализованных задач (пятый пункт), можно использовать комплекс алгорит! входят алгоритмы оптимизации в нечеткой среде, алгоритмы решения многокритериальных задачи нечетк программирования.
Для составления удобного и «интеллектуального» интерфейса (пункт 6) и программной реализации моделей и используются современные средства визуального программирования. Структура и содержание меню должно пользователем (заказчиком).
Предлагаемая архитектура интеллектуальной системы принятия решения для обеспечения безопасности представлена на рисунке 1.
Рисунок 1 - Архитектура интеллектуальной системы обеспечения безопасности пищевой проду|
Эффективность ИСПР разработанных для решения задачи обеспечения безопасности пищевой продукции, опр формализации и представления знаний, разработанных моделей и алгоритмов решения поставленных задач интерфейса пользователя.
В результате анализа современного состояния дел по проблеме мониторинга и предотвращения пищевых Казахстан и в мире свидетельствует о необходимости перехода в отечественной практике к новым эффс управления рисками. Интенсивное обсуждение специалистами и широкой общественностью проблем, связа новых или ранее не рассматривавшихся факторов риска пищевой продукции определили необходимость созда безопасности пищевых продуктов на всех уровнях - от поля до потребителя, которая должна реализовываться применением современных интеллектуальных систем.
Оценка пищевых рисков в целом выиграет в результате прозрачности процесса принятия решений на базе инте и совершенствования документации, касающейся обоснования принимаемых решений. Процесс идентис определения их параметров должен рассматриваться как итеративный и требующий значительной соверш данных и составления баз данных и знаний, т.е. интеллектуальных систем.
Средства реализации интеллектуальной системы обеспечения безопасности пищевой продукции. ИСПР программно-аппаратный комплекс. Каждый из рассмотренных функциональных блоков системы может быт специальных программ, а аппаратурной частью является компьютер, удовлетворяющий некоторым требовани объему памяти, типу графического адаптера и др.).
Программную часть ИСПР составляют программные реализации решения задач моделирования и многокр1 решений в условиях неопределенности, формализации знаний в виде продукций, программа объяснения х пользователю и справки по эксплуатации системы, сопровождаемые различными таблицами, графиками и такс программа по проверке адекватности и настройке модели (идентификатор) и дружественный интерфейс. обеспечивать интерактивный режим работы пользователя и системы, например, на основе различных меню, сп| В перспективе предусматривается звуковые сопровождения или даже общения на профессионально!! естественному.
Для решения производственных задач в базе знаний хранится большой объем различных сведений и информацией (поиск, обработка, выдача, обновление и др.) необходимо создать специальную программу, управления базами знаний и данных (СУБЗД).
Для эффективного составления программ можно использовать методы структурного программирования и сп программирования, содержащие в комплексе редактор, компилятор, компоновщик, отладчик и др., наприме другие, а также специализированные пакеты.
Известны подходы к разработке интеллектуальной памяти для обработки нечеткой информации на баз ассоциаций запоминающих интеллектуальных систем с нечеткой логикой [22], который может быть исп сопроцессора в компьютерах для решения трудноформализуемых нечетких задач.
Приведем результаты проведенных нами исследований, по формализации производственных ситуаций возникающие при формализации и решении задач обеспечения качества и безопасности продукции:
1) ПС 1 - управление производством пищевых продукций описывается одним критерием (целевой функц ограничениями, причем нечеткими могут быть как критерий, так и любой из ограничений. Сюда относятся и задачи, когда удается выбрать один из критериев как целевую функцию (или произвести свертку локальных кри рассматривать как ограничения;
2) ПС 2 - ситуация, когда приходится ставить задачу принятия решений при наличии нескольких критериев. З физической природы критериев, их противоречивости, из-за нечеткости их описаний и др. причины сразу однокритериальной задаче не удается;
3) ПС 3 - более общий случай, когда результаты работы производственного объекта оценивается нескол ограничениями, каждые из которых могут быть нечеткими. Управление производством в этом случае сводится использованию подходов, разрабатываемых для предыдущих ситуаций.
Для рассмотренных ПС приведем постановки задач обеспечения качества и безопасности пищевой продукции их решения.
Вначале уделим внимание ситуации, когда задача нечеткого математического программирования (НМП) критерия и нескольких ограничений, т.е. соответствует производственной ситуации 1 (ПС 1).
Задача НМП 1. Пусть имеется один нормализованный критерий вида - ( '' и L ограничений с нече
f,(x)>b,,q=U _ fia(x)
. Предположим, что функции принадлежности выполнения ограничении для каледого orf
в результате диалога с ЛПР, специалистами-экспертами. Пусть известен либо ряд приоритета I={1.....L}, л
для ограничений, отражающий взаимную важность ограничений на момент постановки задачи оп Тогда в общем виде задачу НМП: m ах fi0 (х)
при условиях ^ í можно записать:
гтеЛГ
Данная постановка задачи НМП при четкой целевой функции и нечетких ограничениях с нечеткой инструкцией максимизировать целевую функцию, полностью удовлетворив требованиям ограничений. Если допустит принадлежности нормальные, то постановка задачи НМП примет вид:
Получили четкую задачу математического программирования с максимизацией целевой функции на четком
будем предполагать вогнутость целевой функции - , ограничении и выпуклость допус
Данная задача решается обычными методами математического программирования.
На практике возможна ситуация, когда множество Х является пустым из-за отсутствия альтернативы одновременно всем ограничениям и, следовательно, задача не имеет решения. В этом случае следует от решения исходной нечеткой задачи и, воспользовавшись нечеткостью ограничений, поставить задачи М1 нечеткости.
В таких случаях из-за невозможности удовлетворить всем критериальным ограничениям одновременно прихо компромиссные схемы учета требований различных критериальных ограничений. Воспользуемся идеями и схем заложенными в прямые методы многокритериальной оценки альтернатив, для постановки задач НМП и опреде задач.
Вначале сведем исходную задачу к максимизации целевой функции на точках паретовского множе ограничениями:
Ш: тах щ ( х)
,
Решение данной задачи зависит от весового вектора р и состоит из вектора управлений (независимых пе| целевой функции и набора значений ограничений:
Предлагается следующий алгоритм поиска решений для задачи П.1. А л г о р и т м F1.
1. Задать ^ . число шагов по каждой q-oй координате.
2. Определить * Ре-Я - величины шагов для изменения координат весового вектора р.
3. Построить набор весовых векторов 0,1 с шагом И„.
варьированием коо
4. На основе информации, получаемой от ЛПР, специалистов-экспертов определить терм-множество нечетк каждого ограничения построить функций принадлежности выполнения ограничений.
¡з1л=Ш а (х*0?')) А (**(/?').....
5. Решить задач П.1 при ' - - и определить решения: г /-г~о\ ■■■г- -г-V/- ,
6. Решения предъявить ЛПР для выбора лучших.
Задача НМП 2. Рассмотрим ситуацию, когда приходится ставить задачу НМП при наличии нескольких целевых фу
ПС2:
известном ряде приоритета 1={1,2.....т} или известном весовом векторе
целевых функций (локальных критериев) следующую постановку многокритериальной задачи НМП
У = Ок-.ЛД 7, >0,г= I т У| +-Г2 +■ ■ = 1
Тогд
Задача в такой постановке редко имеет решение, так как требует, чтобы т целевых функций достигали макс1 Универсальным выходом в этом случае является построение паретовского множества и выбор ЛПР из этого м решения:
П2.:
Для решения многокритериальной нечеткой задачи П.2 предлагается следующий алгоритм. А л г о р и т м F2.
1. На основе экспертной оценки определить значения весового вектора, оценивающие взаимную важность I
2. Если
и/или у - определено нечетко, для них построить терм-множество и функции принадлеж
Интеллектуальные системы для обеспечения безопасности пищевой продукции 3. Решить задачу П.2:
шах и. (*), шах V /А (*Х
и для различных значений весового вектора определить набор решения 4. Полученный набор решений предъявить ЛПР для выбора лучших.
Более общий случай постановок задач НМП при нескольких критериях и нескольких ограничениях использо приемов и принципов сводится к уже рассмотренным постановкам задач. При этом можно выделить два подхода
Первый - состоит в использовании для ограничений приемов построения допустимого множества с р оптимальности (П.1 и др.) и проблема постановки задач НМП при нескольких целевых функциях решаетс принципов оптимальности П.2 и др., максимизацией целевых функций на полученном допустимом множестве. критериев, максимизируется их функции принадлежности.
Второй подход состоит в рассмотрении части целевых функций как ограничений и затем в применении для эт подхода к постановкам задач НМП.
В качестве примера постановки и решении многокритериальных задач НМП с несколькими ограничениями следующую задачу (П.3).
Задача НМП 3. Пусть
- нормализованный вектор критериев, оценивающ
производственного объекта. Допустим, что на основе экспертных процедур для каледого ограничения *
ш
функция принадлежности выполнения ограничений -
Пусть известны либо ряд приоритетов для локальн
Г=(/1......
...,т}и ограничений 1г={1.....Ц, либо весовой вектор, отражающий взаимную важность критериев
Р Тогда на основе компромиссных схем принятия решений можно формализовать
многокритериального НМП с несколькими ограничениями и предложить алгоритмы их решения.
Например, на основе идеи метода главного критерия общую задачу НМП с несколькими критериями и ог привести следующую постановку многокритериальной задачи НМП:
так (л'), / = 2, т
можно записать в следующей постановке
тах
П.3.
и .....и,: и'.....а
Решение данной задачи зависит от граничных значений - ' - ' ' .
Приведем структуру алгоритма решения многокритериальной задачи НМП с несколькими ограничениями при пос А л г о р и т м F3.
1. Задать ряд приоритетов для ограничений ^ и локальных критериев - (главный кр приоритет 1).
2. ЛПР назначить граничные значения ограничений и 2,Я1.
3. На основе экспертной информации определить терм-множество нечетких параметров и построить фун
и (х)>¡1Гл = \.Ь и:(х) >и:,1 = 2,т
выполнения ограничении - - и ' 1 "
4. Решить задачу П.4. (максимизировать главный критерий ' ^ ' на множестве X, учитывающем наложе определить решения:
5. Предъявить ЛПР полученные решения. Если текущие результаты не удовлетворяют ЛПР, то им назначаю
и вернуться к пункту 3, иначе процедуру поиска решения прекратить и вывести окончательные результат
В этом алгоритме для большей обоснованности в назначении ЛПР граничных значений ^* и нужно п процедуры для назначения разных граничных значений, анализа полученных результатов ЛПР и выбора новых з
Обсуждение результатов. Рассмотрим результатов исследования по разработке и создания интеллектуальн решений при решении задач обеспечения безопасности продукции на базе математических моде многокритериальной оптимизации. При формализации и решении указанных задач часто возникает ситуация поставленной задачи, для принятия эффективного решения необходимо будет переработать большие об рассмотреть множество альтернатив, учесть влияние различных факторов, оценить последствия того или иного неопределенности. Для решения таких задач весьма полезными оказываются системы различного назначения компьютеров. Такие системы объединяют математические методы (моделирования, оптимизации, принятия реш современной компьютерной техники, что позволяет значительно улучшить и ускорить процедуру решения принятия эффективного решения поставленной задачи.
К основным компонентам таких интеллектуальных систем, предназначенных для эффективного решения произ том числе, интеллектуальной системы для обеспечения безопасности пищевой продукции, можно отнести сле моделей процесса; комплекс диалоговых алгоритмов решения поставленной задачи с учетом неопредел исходной информации; базы знаний и данных, блок логического вывода и объяснения решений; иденти моделей; интерфейс пользователя, которые взаимосвязаны между собой информационными потоками (см. р этих блоков выполняет определенную функцию, а их совместное функционирование позволяет принимать принимающее решение - ЛПР) эффективное решения поставленной задачи [4].
В условиях неопределенности и нечеткости исходной информации приходится формализовать знани специалистов-экспертов, имеющие нечеткий характер. Для решения таких нечетких задач принятия решений не состав компьютерных систем элементы интеллектуализации, позволяющие общаться с ней на естественном ил ориентированном языках. Эти возможности достигаются на основе методов искусственного интеллекта, в информационных систем следующих компонентов: базы знаний; блок логического вывода и объяснения алгоритмов многокритериальной нечеткой оптимизации; интеллектуального интерфейса.
Интеллектуальные системы с перечисленными компонентами является многофункциональной. К основным фу относятся:
- системное моделирование различных режимов работы исследуемой системы (по производству пищевой проду пользователем, где в наглядном и удобном виде представляются результаты моделирования;
- поддержка задач принятия решений при управлении объектами пищевой отрасли;
- выработка рекомендаций по корректировке режимных параметров объекта с целью обеспечения желаемых зна обеспечения безопасности продукции и качества продукции;
- обработка, эффективное представление и хранение необходимой информации (режимные листы, отчеты, и д знаний;
- прогнозирование и оценка не измеряемых величин и показателей обеспечения качества работы системы и обе безопасности продукции;
- оперативный просмотр текущих значений режимных параметров объекта по производству пищевой продукции;
- выявление и предупреждение аварийных ситуаций, выдача подробных рекомендаций по их устранению, обуче производственного персонала.
Рассмотрим описание основных функциональных блоков, созданной интеллектуальной системы обеспечения бе продукции.
Блок пакет моделей содержит различные модели, в том случае и нечеткие, отдельных элементов производс выпуску пищевой продукции, объединенных в единый пакет, позволяющий проводить системное моделирован целом. Эти модели предназначены для определения (расчета) значений локальных критериев (показатег производства) в зависимости от значения входных воздействий (управления, режимные параметры п производственной ситуации). Разработку процесса моделей производственной системы можно осуществлять подходов. Например, на основе принципа декомпозиции сначала строятся модели отдельных подсистем ( участка и т.д.) производственной системы. При этом в зависимости от собранной информации (теор статистические данные, качественная (нечеткая) информация) могут быть построены различные модели ( стохастические, нечеткие), которые необходимо объединить в систему (пакет) в соответствии с имеющим энергетическими, информационными и другими потоками.
Комплекс диалоговых алгоритмов: алгоритмы нечеткого математического программирования и многокрит оптимизации предназначены для решения задач обеспечения безопасности пищевой продукции с учетом информации. Эти алгоритмы на основе пакета моделей, базы знаний и блока логического вывода осуществляют режимов работы объекта по выбранным критериям и определяют рекомендуемые значения управл обеспечивающие эти режимы. Выбор окончательного решения, как правило, остается за ЛПР
Блок логического вывода и объяснения осуществляется реализацию стратегии вывода, подсказки и объ результатов. Этот блок на основе алгоритмов решения поставленных задач, базы знаний и данных выдает (производственному персоналу, оператору) в процессе оперативного управления производством и форм воздействия. Эти процедуры осуществляются путем синтеза нечетких множеств и проведением операции логических (композиционных) правил вывода.
Рекомендации, выдаваемые ЛПР, могут, по его желанию, сопровождаться объяснениями, основанными на тра вывода. Пользователи системы часто хотят убедиться в обоснованности выводов, рекомендаций, выдава
Объяснение полученных конечных результатов в сжатой и удобной для анализа человеком форме ос фиксирования всех соображений, принятых при альтернативных выборах. Для формирования объяснения опис с алгоритмами многокритериального выбора и базой знаний.
База знаний и данных предназначена для хранения формализованных знаний специалистов-экспертов, исследо области, и статистических данных о производстве. Информация из этого блока используется в процессе анализ для объяснения результатов выбора, для составления производственных отчетов и адаптации моделей к новым
На практике известно несколько способов представления знаний в интеллектуальных системах [1, 23]: лог предикатов): логико-лингвистическое (исчисление предикатов на основе теории нечетких множеств); реляц сетевое структурно-лингвистическое; фреймовое (структурированные фреймы) и продукционное. Наибол формализации и представлений знаний в ИСПР для управления производством в условиях неопределенност продукции, имеющие конструкцию [2, 24]:
ЕСЛИ = [,ТО
где - - _ соответственно входные и выходные лингвистические переменные объекта;
нечеткие подмножества, характеризующие соответственно входные и выходные параметры объекта.
Каждое такое правило характеризует одно или несколько эквивалентных состояний объекта, зафиксирован экспертами, в которых управление с учетом реальных условий будет достаточно близким к оптимальному. В знаний содержатся сведения о конкретных производственных ситуациях объекта при выборе различны лингвистических переменных, различные правила функционирования объекта и др.
Продукционные правила представляет собой структурно-лингвистическую модель представления проц производственном объекте, которые формально записываются в виде [23]:
ЕСЛИ (ситуация) ТО (действие);
ЕСЛИ (причина), ТО (следствие) и др.
Применение продукционных правил позволяет создавать системы, основанные на правилах, имеющие следующ
- обеспечивается быстрый отклик на изменяющиеся в широких пределах и во многом непредсказуемые ситуаци
- отдельные продукционные правила могут быть независимо добавлены в базу знаний, исключены или изменены
- достигается единообразие представления знаний в базе знаний, что облегчает их понимание человеком или и подсистемой.
К недостатком использования продукционного способа представления знаний как стиля программирован затрудняются понимание и верификация программ, несколько увеличивается расход вычислительных ресурс этих проблем необходимо использовать широкую систему подсказки и комментариев в программных прод возможности параллельных вычислений.
Для обеспечения взаимопонимания между пользователем и системой блок базы знаний и данных должен име знания о профессиональном языке пользователя и знания о той проблемной области, для решения которых соз
Идентификатор параметров собой программу, осуществляющую проверку адекватности моделей данным работы объекта и, при необходимости, производящую перерасчет (идентификацию) параметров моделей. Для использует информацию о текущем значении режимных параметров, а также информацию из базы знаний и дан состояния объекта и условий протекания процесса блок адаптирует модели реальному объекту и сложи производстве можно использовать значения разности между расчетными (по модели) и экспериментальными да показателям производства), например:
где " " - соответственно, модельные и экспериментальные значения показателей; Кдоп - допустимое модели).
Отметим, что экспериментальные данные могут быть получены на основе экспертной оценки и иметь качествен
случае ^ имеет нечеткий характер и для ее вычисления используется методология теории нечетких множеств быть выбранным таким образом, чтобы минимизировать значение критерия R.
Интерфейс пользователя предназначен для обеспечения удобного диалогового режима работы пользоват решении поставленной задачи, а также для реализации ряда других функций ИСПР. В ходе работы с системо! реализуется: вывод на дисплей схемы объектов производства (технологической, принципиальной схемы) и инф этих объектов; отображение на экране значений управляющих параметров и полученных результатов расчета в пользователя (таблицы, графики, диаграммы, текста); визуальное наблюдение за процессом оптимизации режим обеспечение безопасности пищевой продукции; ввод и корректировка необходимых параметров для управления
Диалог должен осуществляться на профессиональном языке пользователя. Профессиональный язык сос большое подмножество обычного естественного языка и обладает рядом свойств, облегчающих взаимное поним сути обсуждаемых проблем по исследуемому объекту. В таком языке синонимы должны отсутствовать, т.е. к иметь однозначный смысл. Фразы и тексты в профессиональных языках строятся по более жестким правилам
естественного языка. Но этот «облегченный» язык все-таки более удобен и понятен для пользова производственного персонала.
Для того, чтобы система могла понимать профессиональный язык, формулировку той задачи, которую пользователь, она должна иметь соответствующие блоки - диалоговые алгоритмы управления, пакет моделей об которые рассмотрены нами выше. Интеллектуальный уровень интерфейса зависит от простаты и удобства общ системой и от объема и содержания хранимых в базе знаний сведениях о языке и проблемной области.
Эффективность интеллектуальной системы разработанной для решения задач обеспечения безопасности определяется качеством формализации и представления знаний, разработанных моделей и алгоритмов реш удобством интерфейса пользователя.
В ближайшие годы системы общения между пользователем и компьютером должны перейти на качественно смену текстовому общению, требующему работы за клавиатурой, в перспективе могут прийти речевое общени будет вводить нужную ему информацию с голоса и получать от системы сообщения в такой же форме. При речевая форма еще более увеличит комфортность его общения с интеллектуальной системой и намного пов таких систем.
В отличие от других известных методов, в предлагаемых в данной работе методах формализации и решения зад нечеткость исходной информации, получаемой при описании критериев и ограничений, и на основе различных принятия решений, в удобном для ЛПР виде, разрешаются проблема многокритериальности. Это позвол; описывать производственные ситуации в нечеткой среде и получать эффективные решения возникающи сложными количественно трудноописываемыми производственными объектами.
Заключение: Предложен подход к созданию интеллектуальных систем, которые применяются для решения безопасности пищевой продукции. Проанализированы законодательная основа и международные стандар безопасности пищевой продукции. Рассмотрены методы и средства создания интеллектуальных систем обесп пищевой продукции. Предложены и описаны основные этапы создания интеллектуальных систем для решени безопасности пищевой продукции Построена архитектура интеллектуальной системы принятия решени безопасности пищевой продукции и дано описание основных функциональных блоков. Рассмотрены с интеллектуальной системы обеспечения безопасности пищевой продукции.
Выделены некоторые основные производственные ситуации в пищевой отрасли, для которых формализованы р нечеткости исходной информации в виде задачи нечеткого математического программирования и разраб алгоритмы к их решению. Новизна работы заключается в том, что в отличие от других известных методов, в пр формализации и решения задач НМП сохраняется нечеткость исходной информации, получаемой при оп ограничений, и на основе различных компромиссных схем принятия решений, в удобном для ЛПР виде, раз многокритериальности. Это позволяет более адекватно описывать производственные ситуации в нечетко эффективные решения сформулированной задачи обеспечения безопасности пищевой продукции в условиях м и нечеткости исходной информации.
Подход к интеллектуальной информационной поддержке принятия решений при решении задач обеспечения бе продукции, предложенный впервые для данной предметной области, основан на системном подходе, разработ задачи, с использованием технологий экспертных систем и методов теорий нечетких множеств.
По результатам проведенных исследований можно сделать следующие рекомендации, направленные на повы пищевых продуктов:
- Стратегии безопасности пищевых продуктов должны быть основаны на оценке риска, придавая приоритет мера дать результат в виде наибольшего сокращения распространенности болезней пищевого происхождения;
- Следует принять комплексный многодисциплинарный подход к безопасности пищевых продуктов, охватывающ производства, обработки и распределения пищевых продуктов. Это подразумевает повышение контроля над ко другие аспекты первичного производства;
- Лица, занимающиеся производством, обработкой и распределением пищевых продуктов, должны иметь внутре контроля, основанные на подходе НАССР;
- Для эффективного и научно-обоснованного решения задачи обеспечения безопасности пищевой продукции не применить интеллектуальные системы на основе методов искусственного интеллекта, теорий нечетких множеств компьютерных технологий.
Библиографический список
Поспелов Г.С., Поспелов Д.А. Искусственный интеллект - прикладные системы. -М.: Знание, -1985.
2. Оразбаев Б.Б. Интеллектуальные системы для поддержки принятия решений при управлении сложными о неопределенности // Материалы I международного симпозиума «Интеллектуальные системы 94», -М.: -1 Баумана. -С. 8-11.
3. Пупков К.А. Проблемы теории и практики интеллектуальных систем // Материалы I междуна| «Интеллектуальные системы 94», -М.: -1994, МГТУ им. Н.Э. Баумана. -С. А1-А6.
4. Оразбаев Б.Б. Интеллектуальные системы принятия решений для управления технологическими объе( информации // НТЖ Автоматизация, телемех. и связь в нефт. пром. -М.: -1994. №6,7. -С.12-13.
5. Беляева М.А. Интеллектуальные системы моделирования и оптимизации тепловых процессов// Труды III Ме, технической конференции AIS'07 CAD-2007, том 3, Физматлит, -2007, С. 9-20.
6. О безопасности пищевой продукции. Закон Республики Казахстан от 21 июля 2007 года N 301.
7. Агаев В.А. Управленческий механизм обеспечения продовольственной безопасности. -M: Изд-во МСХА, -1999
8. Risk management and food safety. Report of a Joint FAO/WHO Expert Consultation, Rome, Italy, 27-31 January Nutrition Paper 65, FAO, -Rome, -1997.
9. Баканач О.В. Теоретико-методологические основы статистического анализа уровня и факторов продовольст региона. Вестник Самарск. гос. экон. акад. Вып. 2. -2000. -С.7-15.
10. Dubois D. The role of fuzzy sets indecision sciences: Old techniques and new directions // Fuzzy Sets and System: -C. 3-28.
11. Оразбаев Б.Б. Теория и практика методов нечетких множеств. Учебник. -Алматы: -Бастау. 2014. -448 с.
12. Brockley D., Pilsworth В., Baldwin J. Structural safety as inferred from a fuzzy relational knowledge base//Univ. t Eng. Res. Rep. -2007.
13. Оразбаев Б.Б. Математические методы оптимального планирования и управления производством. -Алмат 200 с.
14. Pedrycz W. Identification in Fuzzy Stems // IFEE Trans. On Systems, Man and Cybernetics. -1984. -V. 14, -N 7, -
15. Bandler W., Kohout L. Fuzzy power sets and fuzzy implication operators // Fuzy Sets and Systems. -1990. N 1. -P
16. Боровиков В.П., Боровиков И.П. STATISTICA Статистический анализ и обработка данных в среде Windows «Филинъ», -1997. -608 с.
17. Беляева М.А. Экспертная система моделирования и оптимизации тепловых процессов ИК-обработки мяс Академии «Информатика, экология, экономика». - М.: -2007. часть II, -С.39-49.
18. Tapio, P. Using cluster analysis as a tool for systematic scenario formation, Technological Forecasting and S systems. -2005. V. 10. -P.25-33.
19. Оразбаева К.Н. Применение методов экспертных оценок при разработке математического обеспечен производства бензола // Автоматизация, телемех. и связь в нефт. пром. -М.: -2009. № 9. -С.41- 45.
20. Прасолов А.В., Хованов Н.В. О прогнозировании с использованием статистических и экспертных методов/. С.29-142.
21. Jackson Р Introduction to Expert Systems. -N-York, -2007. -P. 624.
22. Огнев И.В., Борисов В.В., Трефимов С.А., Иванов В.В. Ассоциативный процессор интеллектуальных систем Материалы I международного симпозиума «Интеллектуальные системы 94», -М.: -1994, МГТУ им. Н.Э. Бауман;
23. Оразбаев Б.Б. Экспертные системы для медицинской диагностики с применением методов теории н ИТпортал, 2016. №4 (12). URL: http://itportal.ru/science/tech/ekspertnye-sistemy-dlya-meditsinsko/
24. Алиев Р.А., Церковный А.Э., Мамедова Г.А. Управление производством при нечеткой исходной Энергоатомиздат, -1991.
+1 Q Яндекс.Видже-rlNNOV
архив: 2013 2012 2011 1999-2011 новости ИТ гость портала 2013 тема недели 2013 поздравления
Реклама на INNOV.RU Партнеры История компании О компании Услуги Создать сайт Стена памяти Поиск
© 1996-2017 INNOV.RU (Иннов.ру) - информационное агентство, ООО «Иннов». * - правила пользования
Свидетельство Управления Федеральной службы по надзору в сфере связи, информационных технологий и массовых коммуникаций по Нижегородской области ИА № ТУ 52-0604 от 29 февраля 2012 г ISSN: 2414-5122
Веб-студия «INNOV» - продвижение и разработка сайта
