Обеспечение надежности и безопасности химических и нефтехимических производств методами искусственного интеллекта Текст научной статьи по специальности «Медицинские технологии»

А. Ф. Берман, докт. техн. наук, профессор, ФГБУН Институт динамики систем и теории управления

им. В. М. Матросова СО РАН (ФАНО), г. Иркутск, bafbam@mail.ru О. А. Николайчук, докт. техн. наук профессор, ФГБУН Институт динамики систем и теории управления им. В. М. Матросова СО РАН (ФАНО), г. Иркутск, nikoly_67@mail.ru

А. И. Павлов, канд. техн. наук, доцент, ФГБУН Институт динамики систем и теории управления

им. В. М. Матросова СО РАН (ФАНО), г. Иркутск, asd@icc.ru А. Ю. Юрин, канд. техн. наук, доцент, ФГБУН Институт динамики систем и теории управления

им. В. М. Матросова СО РАН (ФАНО), г. Иркутск, iskander@icc.ru

Обеспечение надежности и безопасности химических и нефтехимических производств методами искусственного интеллекта1

В статье представлены модели и методы создания и применения гибридных интеллектуальных систем, обеспечивающие решение неформализованных мультидисциплинарных задач надежности и безопасности оборудования химических и нефтехимических производств в условиях обработки значительных объемов информации. Самоорганизующийся алгоритм исследования и имитационное моделирование дают возможность решать межи мультидисциплинарные задачи на основе объединения целей и задач специалистов различных научных направлений, осуществлять адекватный обмен информацией между ними о принятых решениях и достигнутых результатах на различных этапах исследований. В результате обеспечивается интеграция знаний и повышается эффективность принимаемых решений, направленных на снижение риска аварий.

Ключевые слова: надежность, безопасность, риск, имитационная модель, техническое состояние, информационные технологии, искусственный интеллект, самоорганизация, информатика.

Введение

Постановка проблем обеспечения надежности и безопасности химических и нефтехимических производств (ХНП), направления и методы их решения достаточно подробно изложены в литературе [1-3]. Математические аспекты проблемы снижения риска аварий рассматриваются российскими [4-9] и зарубежными [10-12] исследователями. Также разрабатываются ин-

1 Работа выполнена при частичной поддержке грантом РФФИ № 15-07-05641.

формационные технологии и экспертные системы, направленные на решение проблемы обеспечения техногенной безопасности ХНП [4; 13-16].

Свойства и состояния оборудования ХНП, отражающие их надежность и безопасность, изучаются значительным количеством научных направлений и дисциплин, что характеризует проблему как меж- и мультидисципли-нарную. Постановка и решение такой проблемы требуют уточнения и развития методов и моделей, обеспечивающих объединение целей и задач специалистов различных научных направлений, адекватный обмен информа-

[ 63 ]

цией между ними о принятых решениях и достигнутых результатах на различных этапах исследований. Это должно обеспечить интеграцию знаний, понижение размерности проблемы и повышение эффективности решений, направленных на снижение риска аварий.

Мультидисциплинарность проблемы обусловливает необходимость создания комплексных моделей, отражающих знания множества научных дисциплин различной степени формализации и вида представления для обеспечения принятия согласованных решений. Значительную трудность представляет процесс адаптации подобных моделей для обоснования принимаемых решений коллективом специалистов различных научных дисциплин в условиях возникновения новой информации, особенно при дефиците времени. То есть создание моделей с возможностью их адекватной корректировки и выработки соответствующего алгоритма обеспечения надежности и безопасности ХНП требует сбора и обработки огромных объемов нередко неформализованной разнородной информации. Этот процесс является неформализованной процедурой, и для его осуществления требуется привлечение экспертов и специалистов различных научных дисциплин и направлений.

Одна из главных причин катастрофических отказов и аварий — неконтролируемая деградация компонентов и элементов ХНП, приводящая к исчерпанию опасным объектом ресурса и (или) несущей способности и последующему разрушению. Обоснование несущей способности и ресурса на стадии создания осуществляется с помощью расчетных моделей, базирующихся на знаниях о свойствах материалов, воздействующих факторах и свойствах применяемых компонентов и элементов. Недостаточно адекватные модели прочностных и ресурсных отказов и аварий, не в полной степени учитывающие их динамику, также в значительной степени обусловлены невозможностью реализации мультидисциплинарного взаимо-

[ 64 ]

действия. Дальнейшее развитие аварии обусловливается наличием и эффективностью систем аварийной защиты ХНП, оперативностью и адекватностью действий операторов.

Сколько-нибудь эффективные или пригодные для использования в реальных системах исследования модели, отражающие взаимосвязь перечисленных свойств и параметров и обеспечивающие мультидисципли-нарные взаимодействия, нам неизвестны. Это обусловлено отсутствием необходимого математического описания закономерностей процесса деградации техногенных объектов при различных сочетаниях внешних воздействий, свойств материалов и элементов, из них изготовленных, и их формальной связи с критериями катастрофических отказов, предельных состояний и уникальностью параметров аварии.

Задачи обеспечения надежности и безопасности в настоящее время решаются с той или иной степенью эффективности благодаря сочетанию эвристических, математических и экспериментальных методов и наличию специализированных средств исследования конкретных ХНП. Тем не менее требуется дальнейшее повышение техногенной безопасности и приведение фактического риска аварий до приемлемых значений.

Постановка проблемы. Разработать методы и модели, обеспечивающие эффективное применение информационных технологий и искусственного интеллекта для анализа и синтеза меж- и мультидисциплинарных знаний, получаемых специалистами различных научных дисциплин и необходимых для обеспечения надежности и безопасности ХНП.

Методы решения неформализованных задач надежности и безопасности ХНП

Развиваемые в настоящее время принципы искусственной самоорганизации совместно с методом имитационного моделирования и специальными программными

средствами могут обеспечить компактное формализованное описание совокупности явлений, процессов, событий и состояний, изучаемых множеством научных направлений и дисциплин и приводящих к отказам и авариям. В результате могут быть созданы научные основы обеспечения надежности и безопасности ХНП.

Методы искусственной самоорганизации для обеспечения надежности и безопасности ХНП

Огромное количество параметров, характеризующих причины и последствия катастрофических отказов и аварий, не позволяет использовать самоорганизацию как метод достижения результата. Необходимо представление этих параметров в виде небольшого количества системных (эмерджентных) параметров [17-26]. Для этого сначала осуществлен анализ факторов и параметров, а затем синтез системных параметров, необходимых для обеспечения надежности и безопасности.

Комплекс факторов и параметров, обусловливающих и характеризующих надежность и безопасность ХНП, подразделяется на иерархические уровни в соответствии со структурой объекта и его компонентов, масштабом рассматриваемых физико-химических процессов и состояний (нано-, микро-, мезо- и макроуровни), приводящих к отка-

Задачи исследования ХНП в целом

зам и авариям, набором решаемых функциональных, технических и физических задач (рис. 1) [27-29].

Многоаспектность рассматриваемой проблемы выражена стадиями жизненного цикла ХНП (рис. 2), структурой ХНП, стадиями развития опасности, а также дискретностью процесса изменения состояний, когда каждое состояние изучается конкретным научным направлением или дисциплиной или их некоторой совокупностью.

Декомпозиция параметров ХНП и процесса обеспечения безопасности представлена иерархией подсистем, где каждая из подсистем — информационный уровень. Каждый уровень отражает один из аспектов состояния рассматриваемого объекта и изучается некоторым набором научно-технических дисциплин (рис. 3).

Ранее авторами разработана структура фазового пространства, построенная на основе декомпозиции пространства опасных состояний по информационному аспекту и физическому процессу деградации, представленному различными уровнями размерности, и отражающая динамику состояний опасных объектов: от дефектов деталей до техногенных чрезвычайных ситуаций [30-32]. Эта структура положена в основу разработанной иерархической модели параметров порядка (системных параметров) динамики ри-

Задачи исследования структурных элементов ХНП

Задачи исследования классов состояний структурных элементов ХНП

Задачи исследования классов состояний структурных элементов ХНП различными научными дисциплинами (информационный уровень)

Рис. 1. Иерархия задач исследования надежности и безопасности ХНП

Fig. 1. The hierarchy of objectives of the investigation of CPM reliability and safety

Рис. 2. Многоаспектность проблемы исследования и обеспечения техногенной безопасности

Fig. 2. Multiple aspects the problem of investigation and provision of technogenicl safety

ска техногенных катастроф (ТК), характеризующих уровень опасности (безопасности).

Для существенного уменьшения объемов информации, регламентируемой к обработке в процессе обеспечения безопасно-

сти, введено понятие «класс критических состояний» (ККС). Для каждого ККС сформулированы параметры порядка, характеризующие системные свойства риска. Они представлены в виде структурной модели

Модель СТС

Функциональный

уровень

Технический уровень

Физический

уровень

Уровень нежелательных (опасных) процессов

Теория машин и механизмов, теоретическая механика, теория конструирования, теория риска, анализи оценка риска, психология, эргономика

Теория упругости и пластичности, сопротивление материалов, механика разрушения, прочностная надежность, детали машин, прочностная безопасность, системная надежность, логико-вероятностная надежность и безопасность, безопасность жизнедеятельности, экология

Физика отказов, физика прочности материалов, механика отказов, материаловедение, пожаро-и взрывоопасность веществ и материалов, гидро- и газодинамика

Физика процессов разрушения материалов, физико-химическая механика материалов, физико-химия процессов горения и взрыва

Рис. 3. Декомпозиция параметров состояния ХНП по информационным уровням

Fig. 3. The decomposition of the parameters of the CPM states: the informational levels

динамики риска ТК и отражают процесс зарождения (рис. 4) и развития (рис. 5) ТК. Каждый ККС характеризуется риском, причем уровень этого риска повышается при переходе от класса к классу. Параметры порядка представлены классами уровней риска восстанавливаемых (рис. 4) и невосстанав-ливаемых (рис. 5) критических состояний, а также классами информационных уровней, отражающими различные аспекты рассмотрения состояний объектов и представленными различными научными дисциплинами, которые используются для анализа риска как величины, характеризующей уровень опасности (безопасности).

Описания ККС на выделенных информационных уровнях различаются между собой объемами и спецификой знаний и позволяют сориентировать экспертов различных отраслей знаний на достижение общей цели в пределах рассматриваемого ККС и информационного уровня.

Например, на информационном уровне нежелательных процессов (см. рис. 4) — это класс механизма и кинетики разрушения, при котором имеет место минимальный риск. На информационном физическом уровне — это класс разрушенности компонента, на техническом уровне — это класс параметров порядка отказа и т. д.

На информационном уровне нежелательных процессов для класса критических состояний риска (см. рис. 5) — это класс механизма и кинетики ТК, при котором имеет место катастрофический риск. На информационном физическом уровне риска критических состояний — это класс прогрессирующей невосстанавливаемости физико-химического состояния, на техническом уровне — это класс параметров порядка ТК и т. д.

При таком сжатии и модельном представлении информации принимаемые научно-технические решения, направленные на обеспечение безопасности (снижения риска ТК), не ограничиваются только мнением специалистов отраслей науки, соответствующих

рассматриваемому классу задач, но дополняются информацией, которая, по мнению специалистов других отраслей знаний, может способствовать получению более эффективного решения. Вследствие этого возникает проблема самоорганизации алгоритма, необходимого для решения задач, с учетом новой совокупности информации, ранее не содержащейся в модели.

Цель самоорганизующегося алгоритма исследования — поиск проектных решений, обеспечивающий достижение требуемых свойств ХНП в полуавтоматическом или ав-тематическом режиме. Для этого осуществляется моделирование того или иного сценария нарушения безопасности и самоорганизующееся формирование свойств ХНП в соответствии с целями и параметрами каждого критического и локального классов состояний. В том случае, если требуемые свойства не обеспечиваются, выбирают другие методы и средства и(или) изменяют воздействующие факторы.

Исследование и принятие решений в каждом локальном классе осуществляется коллективом экспертов или экспертными системами рассматриваемого и близлежащих классов. Их задача — обоснование параметров порядка для конкретных элементов, компонентов и ХНП в целом, обобщенно отражающих параметры состояния. Один из основных параметров порядка — риск катастрофического отказа или аварии.

Алгоритм самоорганизации свойств ХНП включает решение задач в каждом локальном классе с учетом критериев всех остальных локальных классов для элементов, компонентов и НХП в целом. Реализация алгоритма осуществляется программным комплексом (гибридным), состоящим из трех взаимосвязанных иерархических контуров исследования, как в полуавтоматическом, при участии экспертов, так и в автоматическом режиме при подключении специализированных экспертных систем, который рассмотрен ниже.

[ 67 ]

Функциональный уровень

I

I &

СЛОЖНЫЕ МЕХАНИЧЕСКИЕ СИСТЕМЫ (СМС) - ОБОРУДОВАНИЕ

КОМПОНЕНТЫ

ЭЛЕМЕНТЫ

Классы параметров порядка Параметры порядка, отражающие уровни риска восстанавливаемых состояний

Классы критических состояний на субмикроуровне •^СУБ Классы критических состояний на микроуровне •^МИК Классы критических состояний на мезоуровне •^МЕЗ Классы критических состояний на макроуровне •^МАК

Параметры порядка функционального состояния

Работоспособное состояние

1.4. Исправность состояния

2.4. Неисправность состояния

3.4. Неработоспособность состояния

4.4. Опасность состояния

Технический уровень

Физический уровень

Уровень процессов деградации

Параметры порядка технического состояния

I I

_1_

1.3. Исходность состояния

2.3. Допустимость состояния

3.3. Предельность состояния

Параметры порядка физического

состояния

1.2. Дефектность

2.2. Допустимая 3.2. Недопусти-

поврежденно сть мая

поврежден-

ность

4.2. Разрушенность

I

I

------Т---------1------

Параметры порядка процессов деградации

I I

1.1. Механизм и кинетика ДП на субмикроуровне

2.1. Механизм и кинетика ДП на микроуровне

3.1. Механизм и кинетика

ДП на мезоурове

4.1. Механизм и кинетика

ДП на макроуровне

Рис. 4. Модель параметров порядка стадии формирования отказа: ДП — деградационный процесс, Rfi^ R^, ^мак — риски соответствующих классов состояний Fig. 4. The model parameters of the order for the stage of failure: ДП — degradation process, RsUb, Rmjc RMes — the risks of the relevant classes of states

4.3. Отказ

Имитационное моделирование

Используя предложенную методологию, авторы разработали агрегатную имитационную модель [30; 31] на основе детерминированных описаний, когда объект исследования представлен в виде дискретно-непрерывной системы, отражающей процесс изменения состояний объекта в фазовом пространстве. Особенность данного подхода — использование аналитических моделей для определения непрерывных изменений технического состояния (ТС) в фазовом пространстве, а методов

[ 68 ]

искусственного интеллекта — для дискретных изменений [37]. В частности, продукционный подход (метод рассуждений на основе моделей) [40], использующий информацию о зависимостях между предметными сущностями, процессами, явлениями, предоставляет возможность определять варианты (сценарии) изменения ТС. Таким образом, закономерности перехода состояний описываются информационно-логико-математической моделью, содержащейся в том или ином виде в сочетании баз данных, баз знаний, онтологий и математических (аналити-

Рис. 5. Модель параметров порядка стадии развития аварии:

О — отказ; АС — аварийная ситуация; А — авария; ТК — техногенная катастрофа; R0, RAC Ra, Rtчс — риски соответствующих классов критических состояний

Fig. 5. The model parameters of the order for the stage of emergency: О — failure; АС — pre-emergency; A — emergency; ТК — technogenic catastrophe; RF, RPEiRE, RTC — the risks of the

relevant classes of critical states

ХИМИЧЕСКОЕ И НЕФТЕХИМИЧЕСКОЕ ПРОИЗВОДСТВО (ХНП) КОМПОНЕНТЫ ХНП

ческих) модулей. Необходимо отметить, что подпространства состояний объекта определены на основе обобщенного причинно-следственного комплекса процесса изменения состояний [31], отраженного при классификации параметров порядка (см. рис. 4, 5).

Структура модели имеет вид

О = (Т, С, X, D, и, У, Н, G, R),

где Т = |0, Т ^ — конечный интервал моделирования; С — пространство состояний с,

(с = (с1,..., сы), ci — фазовые координаты, С < с{ < с, I = 1, N, с (0 — фазовые траектории изменения состояния).

Фазовые координаты описывают свойства объекта, среди которых выделяем: функциональные свойства, структурные свойства, свойства надежности, свойства безопасности. Свойства безопасности: пожаробезо-пасность, взрывобезопасность, химическая безопасность и т. д. Фазовые координаты имеют объектно-ориентированную структуру

сг =(™й, 2,..;М>ш), т. е. каждая координата при необходимости может быть описана набором собственных свойств. Пространство С состояний имеет структуру подпространств (или классов) С = (С1,..., Ск), соответствующую причинно-следственному комплексу процесса изменения состояния системы (см. рис. 4, 5). X — множество допустимых входов, под входной информацией понимаются значения параметров, характеризующих как внутренние воздействующие факторы, обусловленные функционированием (нагрузка, рабочие и вспомогательные среды), так и внешние — землетрясения, низкие температуры, ливни, ураганы и т. д. В — множество выходных результатов мониторинга и (или) диагностирования объекта. V — множество управляющих воздействий системы обеспечения надежности и безопасности объекта. У — множество допустимых выходов, характеризующих параметры технического состояния, назначаемые при проектировании и контролируемые при эксплуатации. Н — оператор переходов, определяющий множество возможных «текущих» состояний по предыстории с некоторым фактором уверенности р, (с* (г), р*) = Н [с (0), г, р], 5 = 1,5 , 5—число «текущих» состояний. О — оператор выходов, у (I) = О [с (0), I], преобразует информацию о состоянии объекта в контролируемые параметры технического состояния, например получаемые с помощью датчиков контроля или органолептически. Я — риск технического состояния, определяемый как сочетание экспертной оценки возможности данного состояния и ущерба, причиняемого данным состоянием.

Модель представлена как иерархия подсистем, где каждая из подсистем — это информационный уровень, отражающий один из аспектов состояния рассматриваемого объекта. Каждая из подсистем описывается моделью с индексом подсистемы:

От = (Т, Ст, X, D, V, Ут, Нт, Gm, R),

где т = 1, М (в разработанной модели М = 4). Выходная информация т-й подсистемы по-

[ 70 ]

ступает на следующий информационный уровень (т + 1)-й подсистемы и на выход всей системы (рис. 1).

Оператор переходов описан следующим образом:

Н = (ух, V, ^, V, ус, ц р), где у* ^ Vm, Ус — операторы ф°рмир°-

вания новых начальных условий и, возможно, нового поведения при приеме очередной входной информации, управляющего воздействия, информации с нижнего по иерархии информационного уровня, информации о результатах мониторинга и диагностирования, а также выходе состояния объекта на границу допустимого подмножества состояний фазового пространства соответственно; Ц — информационно-логико-математическая модель (ИЛМ-модель), описывающая поведение объекта на временных интервалах между событиями, основанная на взаимодействии баз данных, баз знаний вычислительных моделей; Р - фактор уверенности возможного поведения объекта.

Алгоритм имитационного моделирования. Рассмотрим алгоритм прогнозирования деградационных процессов, физического, технического и функционального состояний (далее состояний) на основе модели (см. рис. 4, 5) на интервале моделирования [¿0,] с шагом моделирования At.

Введем индекс моделируемых вариантов состояний \(тгШ), где т — индекс информационного уровня, т = 0, М; 7 - индекс уровня структурного элемента, 7 = 0,1; к — индекс подпространства (класса состояний), к = 0,К; И — индекс моментов времени, 71 = 0, N .

Исходные данные исследования: объект исследования — деталь, г = 1; начальный момент моделирования — ¿0; информационный уровень деградационных процессов, т = 0 (см. рис. 1); подпространство (класс состояний) процесса повреждения на субмикроу-ровне, к = 1.

Содержание алгоритма

Шаг 1. На основе исходных данных, результатов моделирования на предыдущих шагах моделирования и ИЛМ-модели определяются возможные v(mikit) варианты деграда-ционных процессов в подпространстве (механизм, кинетика (скорость) нежелательного процесса) в момент tit.

Шаг 2. На основе полученных данных на предыдущих шагах моделирования и ИЛМ-модели определяются возможных вариантов

состояния объекта на всех вышестоящих информационных уровнях в момент ttt, т = 1,3.

Шаг 3. На основе полученных данных на предыдущих шагах моделирования и ИЛМ-модели определяются \(т1Ш) возможных вариантов состояний объекта на всех вышестоящих структурных уровнях в момент tit, i = 1,3 .

Шаг 4. Следующий шаг исследования (tit + Дt). На основе данных и знаний о кинетике деградационного процесса определяются \"( mik (Я +1)) возможных вариантов признаков деградационного процесса и их значений в момент времени (+ Дг).

Шаг 5. Осуществляется проверка, достигло ли техническое состояние в момент времени (tй + Д ) границ ^подпространства. Если нет, то переход к следующему шагу 6. Если граница достигнута, то переход к шагу 1.

Шаг 6. Осуществляется проверка: изменились ли входные воздействия, или получены ли новые диагностические данные, или получено ли новое управление? Если хотя бы на один из этих вопросов будет получен положительный ответ, то переход к шагу 1. Если нет, то переход к шагу 2.

Результатом имитационного моделирования являются последовательности (или графы, или деревья событий) возможных состояний на различных информационных уровнях рассмотрения в моменты времени = ti _1 +Дí). Каждое состояние оценивается риском (в модели — Я). Данные результаты обеспечивают дальнейшую возможность принятия решений по снижению ри-

ска деградационных процессов, нежелательных состояний и повышению эффективности средств снижения последствий.

Имитационная модель и система, ее реализующая, в совокупности являются основным компонентом гибридной интеллектуальной системы (программного комплекса), реализующей самоорганизующийся алгоритм с помощью информационных и экспертных систем, принимающих решения с учетом изменяющейся информации.

Продолжение в следующем номере

Список литературы

1. Берман А. Ф, Николайчук О. А., Павлов А. И., Юрин А. Ю. Информационные технологии и системы обеспечения техногенной и природной безопасности // В кн. Безопасность России. Правовые, социально-экономические и научно-технические аспекты. Научные основы техногенной безопасности; под ред. чл.-кор. РАН Н. А. Махутова. М.: МГОФ Знание, 2015. — 936 с.

2. Махутов Н. А. Прочность и безопасность: фундаментальные и прикладные исследования. Новосибирск: Наука, 2008. — 528 с.

3. Кафаров В. В., Мешалкин В. П., Грун Г., Ной-манн В. Методы обеспечения и оптимизации надежности химических и нефтехимических производств. М.: Химия, 1987. — 270 с.

4. Мешалкин В. П., Белозерский А. Ю., Дли М. И. Методика построения комплексной математической модели управления рисками предприятия металлургической промышленности // Прикладная информатика. 2011. № 3 (33). С. 100-121.

5. Мешалкин В. П. Принципы прогнозирования и предупреждения чрезвычайных ситуаций на объектах химической промышленности // В сб. Химическая гидродинамика и теоретические основы нелинейных химико-технологических процессов; под ред. А. М. Кутепова. М.: МГУИЭ, 1998. С. 72-91.

6. Малинецкий Г. Г., Потапов А. Б. Современные проблемы нелинейной динамики. Изд. 2-е, испр. и доп. М.: Эдиториал УРСС, 2002. — 360 с.

7. Курдюмов С. П.,Малинецкий Г. Г. Пролог. Синергетика и системный анализ. URL: http://spkurdyumov. ru/forecastmg/novoe-v-smergetike-vzglyad-v-trete-tysyacheletie/

8. Берман А. Ф., Васильев С. Н. Технология обеспечения приемлемого риска аварий сложных механических систем // Проблемы человеческого риска. 2006. № 1. С. 61-69.

9. Рябинин И. Я. Концепция логико-вероятностной теории безопасности // Приборы и системы управления. 1993. № 10. С. 6-9.

10. Perrow Ch. Normal Accidents: Living with High-Risk Technologies. N. Y.: Basic Books, 1984.

11. BakP., Tang C, WiesenfeldK. Self-organized criticali-ty // Physical ReviewA. 1988. Vol. 38. No. 1. P. 364-374.

12. ГилморР. Прикладная теория катастроф: пер с англ. Кн. 1, 2. М., 1984.

13. Мешалкин В. П. Экспертные системы в химической технологии. М.: Химия, 1995. — 367 с.

14. Мешалкин В. П., Товажнянский Л. Л., Капустен-ко П. А. Основы теории ресурсосберегающих интегрированных химико-технологических систем. Харьков: НТУ «ХПИ», 2006. — 412 с.

15. Берман А. Ф, Николайчук О. А., Павлов А. И., Юрин А. Ю. Интеллектуальная система поддержки принятия решений при определении причин отказов и аварий в нефтехимической промышленности // Автоматизация в промышленности. 2006. № 6. С. 15-17.

16. Гражданкин А. И., Белов П. Г. Экспертная система оценки техногенного риска опасных производственных объектов // Безопасность труда в промышленности. 2000. № 11. С. 6-10.

17. Каляев И. А., Гайдук А. Р., Капустян С. Г. Модели и алгоритмы коллективного управления в группах роботов. М.: Физматлит, 2009. — 280 c.

18. От моделей поведения к искусственному интеллекту / под ред. В. Г. Редько. М.: КомКнига, 2006.

19. Каляев И. А., Капустян С. Г., Гайдук А. Р. Самоорганизация в мультиагентных системах // Известия Южного федерального университета. Технические науки. 2010. Выпуск № 3. Т. 104. С. 14-20.

20. Новиков Д. А. Математические модели организации и функционирования команд. М. : ФИЗМАТЛИТ, 2008. — 184 с.

21. Колесников А. А. Синергетические методы управления сложными системами: теория системного синтеза. М.: Книжный дом «ЛИБРОКОМ», 2012. — 240 с.

22. Кириков И. А., Колесников А. В, Листопад С. В. Исследование эффекта самоорганизации в компьютерных системах поддержки принятия решений на примере многоагентных систем // Вестник Балтийского федерального университета им. И. Канта. 2010. Выпуск № 10. С. 79-90.

23. Хаустов А. П. Техногенные системы как феномен самоорганизации материи (на примере загрязнения геологической среды углеводородами) // Литосфера. 2014. № 1. С. 105-116.

24. Охтилев М. Ю, Соколов Б. В., Юсупов Р. М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. — 410 c.

25. Кадомцев Б. Б. Динамика и информация // Успехи физических наук (УФН). 1994. Т. 164. № 5. С. 449-530.

26. Хакен Г. Синергетика. Информация и самоорганизация: макроскопический подход к сложным системам: пер. с англ. Изд. 3-е. М.: УРСС; ЛЕНАНД, 2014. — 320 с.

27. Берман А. Ф. Информатика катастроф // Проблемы безопасности и ЧС. 2012. № 3. С. 17-37.

28. Берман А. Ф., Николайчук О. А. Структуризация процесса исследования безопасности сложных технических систем // Проблемы безопасности при чрезвычайных ситуациях. 1999. № 6. С. 3-14.

29. Берман А. Ф, Николайчук О. А. Моделирование процесса исследования безопасности сложных технических систем // Проблемы безопасности при чрезвычайных ситуациях. 1999. № 8. С. 185-195.

30. Берман А. Ф, Николайчук О. А. Пространство технических состояний уникальных механических систем // Проблемы машиностроения и надежности машин. 2007. № 1. С. 14-22.

31. Николайчук О. А. Моделирование знаний для исследования динамики технического состояния уникальных объектов // Проблемы управления. 2009. № 2. С. 58-65.

32. Берман А. Ф., Николайчук О. А. Модели, знания и опыт для управления техногенной безопасностью // Проблемы управления. 2010. № 2. С. 53-60.

33. Nikolaychuk O. A., Yurin A. Y. Computer-Aided Identification of Mechanical System's Technical State With the Aid of Case-Based Reasoning // Expert Systems With Applications. Elsevier. 2008. Vol. 34. P. 635-642.

34. Берман А. Ф, Николайчук О. А., Юрин А. Автоматизация прогнозирования технического состояния и остаточного ресурса деталей уникальных машин и аппаратуры // Заводская лаборатория. 2009. № 3. С. 48-57.

35. Николайчук О. А., Юрин А. Ю. Применение прецедентного подхода для автоматизированной идентификации технического состояния деталей механических систем // Автоматизация и современные технологии. 2009. № 5. С. 3-12.

36. Павлов А. И., Юрин А. Ю. Компонентный подход: модуль правдоподобного вывода по прецедентам // Программные продукты и системы. 2008. № 3. С. 55-58.

37. Berman A. F., Nickolaychuk O. A., Yurin A. Y. Intelli gentPlannerforControlofFailuresAnalysisofUniqueM echanicalSystems // ExpertSystemswithApplications (2010), Elsevier. (October 2010). Vol. 37. Issue 10. Р. 7101-7107.

38. Берман А. Ф, Николайчук О. А., Юрин А. Ю, Кузнецов К. А. Поддержка принятия решений на основе продукционного подхода при проведении экспертизы промышленной безопасности // Химиче-

ское и нефтегазовое машиностроение. 2014. № 11. С. 28-35.

39. Николайчук О. А, Павлов А. И, Юрин А. Ю. Имитационное моделирование технического состояния уникальных объектов // Автоматизация в промышленности. 2010. № 7. С. 44-48.

40. Берман А. Ф, Николайчук О. А., Юрин А. Ю, Павлов Н. Ю. Автоматизированное построение деревьев отказов и событий на основе модели динамики технического состояния и методов искусственного интеллекта // Проблемы безопасности и чрезвычайных ситуаций. 2011. № 1. С. 40-52.

41. Николайчук О. А., Юрин А. Ю. Прототип интеллектуальной системы для исследования технического состояния механических систем // Искусственный интеллект (Украина). 2006. № 4. С. 459-468.

42. Берман А. Ф, Николайчук О. А., Юрин А. Ю. Обеспечение безопасности технических объектов методом прецедентных экспертных систем // Проблемы безопасности и чрезвычайных ситуаций. 2008. № 5. С. 83-93.

43. КафаровВ. В.,Мешалкин В. П. Анализ и синтез химико-технологических систем. М.: Химия, 1991. — 453 с.

References

1. Berman A. F., Nikolajchuk O. A., Pavlov A. I., Ju-rin A. Ju. Information technology and system for ensure technogenic and natural safety. In: Bezopasnost' Rossii. Pravovye,social'no-jekonomicheskieinauchno-tehnicheskie aspekty. Nauchnye osnovy tehnogennoj bezopasnosti. Ed. by N. A. Mahutov. Moscow, MGOF Znanie Publ., 2015. 936 p.

2. Mahutov N. A. Prochnost' i bezopasnost': funda-mental'nye iprikladnye issledovanija [Durability and safety: basic and applied research]. Novosibirsk, Nauka Publ., 2008. 528 p.

3. Kafarov V. V., Meshalkin V. P., Grun G., Noj-mann V. Metody obespechenija i optimizacii na-dezhnosti himicheskih i neftehimicheskih proizvodstv [Methods of maintenance and reliability optimization of chemical and petrochemical industries]. Moscow, Himija Publ., 1987. 270 p.

4. Meshalkin V. P., Belozerskij A. Ju., Dli M. I. Metodika postroenija kompleksnoj matematicheskogj modeli up-ravlenija riskami predprijatija metallurgicheskoj pro-myshlennosti [A method for constructing a complex mathematical model of the metallurgical industry of the enterprise risk management]. Prikladnaja Informa-tika — Journal ofApplied Informatics, 2011, no. 3 (33), pp. 100-121.

5. Meshalkin V P. Principy prognozirovanija i preduprezh-denija chrezvychajnyh situacij na ob#ektah himiches-

kojpromyshlennosti [The principles of forecasting and prevention of emergency situations in the chemical industry facilities]. In Himicheskajagidrodinamika i teo-reticheskie osnovy nelinejnyh himiko-tehnologicheskih processov [Chemical thermodynamics and the theoretical foundations of nonlinear chemical-engineering processes]. Ed. by A. M. Kutepov. Moscow, MSUIE Publ., 1998, pp. 72-91.

6. Malineckij G. G., Potapov A. B. Sovremennye problemy nelinejnoj dinamiki [Modern problems of nonlinear dynamics]. Moscow, Jeditorial URSS Publ., 2002. 360 p.

7. Kurdjumov S. P., Malineckij G. G. Prolog. Sinergetika i sistemnyj analiz [Prologue. Synergetics and Systems Analysis]. Available at: http://spkurdyumov.ru/forecast-ing/novoe-v-sinergetike-vzglyad-v-trete-tysyacheletie/

8. Berman A. F., Vasil'ev S. N. Tehnologija obespechenija priemlemogo riska avarij slozhnyh mehanicheskih system [The technology to achieve an acceptable risk of accidents of complex mechanical systems]. Problemy Chelovecheskogo Riska, 2006, no. 1, pp. 61-69.

9. Rjabinin I. Ja. Koncepcija logiko-verojatnostnoj teorii bezopasnosti [The concept of logical and probabilistic safety theory]. Pribory iSistemy Upravlenija—Instruments and Systems: Monitoring, Control, and Diagnostics, 1993, no. 10, pp. 6-9.

10. Perrow Ch. Normal Accidents: Living with High-Risk Technologies. N. Y.: Basic Books, 1984.

11. Bak P., Tang C., Wiesenfeld K. Self-organized criticality. Physical Review A., 1988, vol. 38, no. 1, pp. 364-374.

12. Gilmor R. Applied theory of catastrophes (Russ. ed. Gilmor R. Prikladnaja Teorija Katastrof, Moscow, 1984).

13. Meshalkin V. P. Jekspertnye sistemy v himicheskoj tehnologii [Expert systems in chemical technology]. Moscow, Himija Publ., 1995. 367 p.

14. Meshalkin V. P., Tovazhnjanskij L. L., Kapusten-ko P. A. Osnovy teorii resursosberegajushhih integ-rirovannyh himiko-tehnologicheskih system [Basic theory of resource-saving integrated chemical processes]. Kharkiv: NTC «CHPI» Publ., 2006. 412 p.

15. Berman A. F., Nikolajchuk O. A., Pavlov A. I., Ju-rin A. Ju. Intellektual'naja sistema podderzhki prin-jatija reshenij pri opredelenii prichin otkazov i avarij v neftehimicheskoj promyshlennosti [Intelligent Decision Support System in determining the causes of failures and accidents in the petrochemical industry]. Avtomatizacija v Promyshlennosti, 2006, no. 6, pp. 15-17.

16. Grazhdankin A. I., Belov P. G. Jekspertnaja sistema ocenki tehnogennogo riska opasnyh proizvodstvennyh ob#ektov [Expert system of technical risk assessment of hazardous production facilities]. Bezopasnost' Truda v Promyshlennosti — Safety in industry, 2000, no. 11, pp. 6-10.

17. Kaljaev I. A. Gajduk A. R., Kapustjan S. G. Modeli i algoritmy kollektivnogo upravlenija v gruppah robotov [Models and algorithms of collective management in groups of robots]. Moscow, Fizmatlit Publ., 2009. 280 p.

18. Ot modelej povedenija k iskusstvennomu intelle-ktu [From behavior to artificial intelligence]. Ed. by V. G. Red'ko. Moscow, KomKniga Publ., 2006.

19. Kaljaev I. A., Kapustjan S. G., Gajduk A. R. Samoorga-nizacija v mul 'tiagentnyh sistemah [Self-organization in multi-agent systems]. Izvestija Juzhnogo Federal'nogo Universiteta. Tehnicheskie Nauki, 2010, no. 3, vol. 104, pp. 14-20.

20. Novikov D. A. Matematicheskie modeli organizacii i funkcionirovanija komand [Mathematical models of organization and functioning of teams]. Moscow, Fizmatlit Publ., 2008. 184 p.

21. Kolesnikov A. A. Sinergeticheskie metody upravlenija slozhnymi sistemami: Teorija sistemnogo sinteza [Syn-ergetic control methods of complex systems: System Synthesis Theory]. Moscow, Knizhnyj dom «LIBRO-KOM» Publ., 2012. 240 p.

22. Kirikov I. A., Kolesnikov A. V., Listopad S. V. Issledo-vanie jeffekta samoorganizacii v komp'juternyh sistemah podderzhkiprinjatija reshenij naprimere mnogo-agentnyh sistem [Study the effect of self-organization in computer systems support decision-making by the example of multi-agent systems]. Vestnik Baltijskogo Federal'nogo Universiteta im. I. Kanta, 2010, no. 10, pp. 79-90.

23. Haustov A. P. Tehnogennye sistemy kak fenomen samoorganizacii materii (na primere zagrjaznenija geologicheskoj sredy uglevodorodami) [Man-made systems as a phenomenon of self-organization of matter (on the geological environment pollution example hydrocarbons)]. Litosfera, 2014, no. 1, pp. 105-116.

24. Ohtilev M. Ju., Sokolov B. V., Jusupov R. M. Intellek-tual 'nye tehnologii monitoringa i upravlenija struk-turnoj dinamikoj slozhnyh tehnicheskih ob#ektov [Intelligent monitoring and control technology of the structural dynamics of complex technical objects]. Moscow, Nauka Publ., 2006. 410 p.

25. Kadomcev B. B. Dinamika i informacija [Dynamics and Information]. Uspehi Fizicheskih Nauk (UFN), 1994, vol. 164, no. 5, pp. 449-530.

26. Haken G. Synergetics. Information and Self-Organization: A Macroscopic Approach to Complex Systems (russ. ed. Haken G. Sinergetika,. Informacija i Samo-organizacija: Makroskopicheskij Podhod k Slozhnym Sistemam. Moscow, URSS, LENAND Publ., 2014. 320 p.)

27. Berman A. F. Informatika katastrof [Informatics catastrophes]. Problemy Bezopasnosti pri Chrezvychajnyh Situacijah — Safety problems in emergencies, 2012, no. 3, pp. 17-37.

28. Berman A. F., Nikolajchuk O. A. Strukturizacija processa issledovanija bezopasnosti slozhnyh tehnicheskih system [Structuring process Safety Research of complex technical systems]. Problemy Bezopasnosti pri Chrezvychajnyh Situacijah — Safety problems in emergencies, 1999, no. 6, pp. 3-14.

29. Berman A. F., Nikolajchuk O. A. Modelirovanie processa issledovanija bezopasnosti slozhnyh tehnicheskih sistem [Simulation Process Safety Research of complex technical systems]. Problemy Bezopasnosti pri Chrez-vychajnyh Situacijah — Safety problems in emergencies, 1999, no. 8, pp. 185-195.

30. Berman A. F., Nikolaychuk O. A. Technical state space of unique mechanical systems. Journal of Machinery Manufacture and Reliability, 2007, vol. 36, no. 1, pp. 10-16 (in Russian).

31. Nikolajchuk O. A. Modelirovanie znanij dlja issledo-vanija dinamiki tehnicheskogo sostojanija unikal'nyh ob#ektov [Modelling of knowledge for research of the dynamics of the technical state of unique objects]. Problemy Upravlenija — Control Sciences, 2009, no. 2, pp. 58-65.

32. Berman A. F., Nikolajchuk O. A. Modeli, znanija i opyt dlja upravlenija tehnogennoj bezopasnost'ju [Models, knowledge and experience to control of technogenic safety]. Problemy Upravlenija — Control Sciences, 2010, no. 2, pp. 53-60.

33. Nikolaychuk O. A., Yurin A. Y. Computer-Aided Identification of Mechanical System's Technical State With the Aid of Case-Based Reasoning. Expert Systems With Applications. Elsevier, 2008, vol. 34, pp. 635-642.

34. Berman A. F., Nikolajchuk O. A., Jurin A. Avtoma-tizacija prognozirovanija tehnicheskogo sostojanija i ostatochnogo resursa detalej unikal'nyh mashin i ap-paratury [Automating forecasting of technical state and residual life of unique machines and equipment components]. Zavodskaja Laboratorija, 2009, no. 3, pp. 48-57.

35. Nikolajchuk O. A., Jurin A. Ju. Primenenie precedent-nogo podhoda dlja avtomatizirovannoj identifikacii tehnicheskogo sostojanija detalej mehanicheskih system [The use case approach for the automated identification of the technical state of mechanical systems components]. Avtomatizacija i Sovremennye Tehnologii, 2009, no. 5, pp. 3-12.

36. Pavlov A. I., Jurin A. Ju. Komponentnyjpodhod: modul' pravdopodobnogo vyvoda po precedentam [Component approach: module plausible conclusion on precedents]. Programmnye Produkty i Sistemy — Software & Systems, 2008, no. 3, pp. 55-58.

37. Berman A. F., Nickolaychuk O. A., Yurin A. Y. Intelligent Planner for Control of Failures Analysis of Unique Mechanical Systems. Expert Systems with Applications, 2010, October, vol. 37, issue 10, pp. 7101-7107.

38. Berman A. F., Nikolaichuk O. A., Yurin A. Yu., Kuznetsov K. A. Support of Decision-Making Based on a Production Approach in the Performance of an Industrial Safety Review. Chemical and Petroleum Engineering, 2015, vol. 50, issue 1-2, pp. 730-738 (in Russian).

39. Nikolajchuk O. A., Pavlov A. I., Jurin A. Ju. Imi-tacionnoe modelirovanie tehnicheskogo sostojanija unikal'nyh ob#ektov [Simulation modeling of the technical state of unique objects]. Avtomatizacija v Promyshlennosti, 2010, no. 7, pp. 44-48.

40. Berman A. F., Nikolajchuk O. A., Jurin A. Ju., Pavlov N. Ju. Avtomatizirovannoe postroenie derev'ev ot-kazov i sobytij na osnove modeli dinamiki tehnicheskogo sostojanija i metodov iskusstvennogo intellekta [Automated construction of fault trees and event-based model of the dynamics and the technical state of artificial intelligence methods]. Problemy Bezopasnosti i

Chrezvychajnyh Situacij — Safety problems in emergencies, 2011, no. 1, pp. 40-52.

41. Nikolajchuk O. A., Jurin A. Ju. Prototip intellektual'noj sistemy dlja issledovanija tehnicheskogo sostojanija mehanicheskih system [Intelligent system prototype for research of the technical state of mechanical systems]. IskusstvennyjIntellekt (in Ukraina), 2006, no. 4, pp. 459-468.

42. Berman A. F., Nikolajchuk O. A., Jurin A. Ju. Obe-spechenie bezopasnosti tehnicheskih ob#ektov metodom precedentnyh jekspertnyh system [Ensuring the safety of technical objects by precedent expert systems]. Problemy Bezopasnosti i Chrezvychajnyh Situacij — Safety problems in emergencies, 2008, no. 5, pp. 83-93.

43. Kafarov V. V., Meshalkin V. P. Analiz i sintez himiko-tehnologicheskih system [Analysis and synthesis of chemical processes]. Moscow, Himija Publ., 1991. 453 p.

A. Berman, Matrosov Institute for System Dynamics and Control Theory of Siberian Branch of Russian Academy of Sciences (FASO), Irkutsk, Russia, bafbam@mail.ru

O. Nikolaychuk, Matrosov Institute for System Dynamics and Control Theory of Siberian Branch of Russian Academy of Sciences (FASO), Irkutsk, Russia, nikoly_67@mail.ru

A. Pavlov, Matrosov Institute for System Dynamics and Control Theory of Siberian Branch of Russian Academy of Sciences (FASO), Irkutsk, Russia, asd@icc.ru

A. Yurin, Matrosov Institute for System Dynamics and Control Theory of Siberian Branch of Russian Academy of Sciences (FASO), Irkutsk, Russia, iskander@icc.ru

Provision the reliability and safety of chemical and petrochemical manufactures with the aid of methods of informatics and artificial intelligence

The paper presents the models and methods for creation and application of hybrid intelligent systems, providing solvingthe unformalized multidisciplinary problems in the field of the reliability and safety of chemical and petrochemical manufactures in terms of processing large volumes of information. The self-organizing algorithm and simulation gives opportunity to solve inter-and multidisciplinary problems on the basis of aggregation of goals and objectives of specialists of different scientific fields, and an adequate exchange of information among them on the decisions made and the results achieved in various stages of investigation. Integration of knowledge and increased the effectiveness of decision making in the field of the failure risk reduction are the main result of the joint application of the self-organizing algorithm and simulation.

Keywords: reliability, safety, risk, simulation models, technical state, information technology, artificial intelligence, self-organization, informatics.

About authors: A. Berman, Dr of Technique, Professor, O. Nikolaychuk, Dr of Technique, Associate Professor, A. Pavlov, PhD of Technique, Associate Professor, A. Yurin, PhD of Technique, Associate Professor

For citation: Berman A., Nikolaychuk O., Pavlov A., Yurin A. Provision the reliability and safety of chemical and petrochemical manufactures with the aid of methods of informatics and artificial intelligence. Prikladnaya Informatika — Journal of Applied Informatics, 2016, vol. 11, no. 5 (65), pp. 63-75 (in Russian).