Принципы построения когнитивных информационных систем в задачах управления технологическими процессами Текст научной статьи по специальности «Компьютерные и информационные науки»

МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ»

№6/2015

ISSN 2410-700Х

Отсчет времени (в тактах работы системы)

Рисунок 3 - Сигнал, характеризующий состояние исследуемой системы

Полученный сигнал характеризует состояние объекта управления. На основе оценки выходного сигнала нейронной сети формируются управляющие воздействия на контролируемую систему. Список использованной литературы:

1. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учебное пособие для вузов. - 2-е изд., перераб. и доп. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2004. - 400 с.: ил. - (Информатика в техническом университете.).

2. Хайкин С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. - М.: Издательский дом «Вильямс», 2008. - 1104 с.

© Ю.Н. Лавренков, Л.Г. Комарцова, 2015

УДК 658.26.012.011.56

Мусаев Андрей Александрович

аспирант, Университет ИТМО г. Санкт-Петербург, РФ E-mail: [email protected]

ПРИНЦИПЫ ПОСТРОЕНИЯ КОГНИТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ В ЗАДАЧАХ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ

Аннотация

В данной статье представлены основные принципы, которых следует придерживаться при построении когнитивных - то есть основанных на знаниях - информационных стстем. Рассмотрены основные преимущества и значимость разработки и создания представленой технологии. Большое место в работе занимает обоснование необходимости когнитивных систем в решении задач системы поддержки принятия решений.

Ключевые слова

Когнитивистика, информационные системы, системы управления, технологический процесс, система

поддержки принятия решений.

Центральным элементом когнитивной (или основанной на знаниях) системы управления (СУ) технологическими процессами промышленного предприятия является автоматизированная система поддержки принятия решений (СППР), позволяющая формировать варианты управляющих решений на основе количественных исследований массивов разнородных оперативных и ретроспективных данных.

В основе математической платформы СППР лежит методология когнитивных информационных систем (КИС), включающая в себя математические технологии интеллектуального анализа данных (Data Mining (DM)) [1,2,3,4].

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №6/2015 ISSN 2410-700Х_

Следует заметить, что идея применения автоматизированных СППР существовала и ранее, и была реализована в задачах построения когнитивных центров крупных производственных и коммерческих корпораций. Однако эффективность их применения оказалась крайне незначительной в связи с отсутствием необходимой технологической базы. Современный этап развитие компьютерных средств качественно изменило ситуацию, и дал возможность специалистам в области управления реализовать на практике весьма сложные проекты. Последние достижения цифровой техники привели к новому качественному скачку в области информационных технологий и позволили по-новому подойти к проблеме построения СППР. В частности, появление компьютерных кластеров Data Center и суперкомпьютеров содержащих сотни тысяч ядер и обеспечивающих вычислительную мощность порядка единиц петафлопс, привело к возможности реализации когнитивных информационных систем, ориентированных на решение задач СППР на основе КИС - комплекса информационных средств, объединенных в общую аналитическую оболочку и образующих программно-алгоритмический инструментарий предметной экспертизы.

Значимость решаемой задачи ускорило разработку и внедрение методов и средств КИС. При этом практика настолько опередила теорию, что КИС до последнего времени не имела собственной концептуальной платформы, определяющей ее как самостоятельную отрасль прикладных знаний. В связи с этим возникла необходимость в восполнении данного пробела, то есть в решении задачи формировании общих концептуальных принципов создания КИС.

Однако прежде чем сформулировать указанные принципы, рассмотрим особенности когнитивных информационных систем.

Важным отличием КИС от известных транзакционных систем обработки данных (OLTP - one-line analytical processing) является попытка подойти к задаче формирования решения с позиции историзма, т.е. на основе полномасштабного количественного анализа всего исторического опыта, предшествовавшего текущей ситуации, и позволяющего перенести результаты прецедентов на прогнозируемый сценарий.

Акцент на количественной методологии позволяет перенести центр тяжести процедуры выработки проекта решения с эвристических логико-интуитивных методов, характерных для экспертной технологии, на мощную, глубоко формализованную платформу прикладной математики. При этом качественный, экспертный анализ в рамках КИС также сохраняется, но теперь основным центром его приложения является не всеобъемлющий и трудно охватываемый обзор исторического опыта, а лишь вполне обозримый объем конечного набора уже сформированных вариантов решений на фоне подготовленных прогностических сценариев.

Таким образом, речь, по существу, идет о новой форме гибридного интеллекта, в которой машине отводится роль сверхмощного количественного анализатора, оставляя за человеком вопросы окончательных, качественных решений.

Рассмотрим основные концептуальные положения или принципы, позволяющие сформировать единую теоретическую базу построения КИС.

Принцип историзма. Основным "сырьем" для когнитивной обработки являются сверхбольшие массивы ретроспективных данных, охватывающие поведение как самого объекта анализа (ОА), так и среды, в которую он был погружен и с которой он взаимодействовал. В качестве ОА может выступать система энергоснабжения (СЭС) промышленного предприятия, а в качестве среды взаимодействия - основной производственный процесс (технологический цикл предприятия и др. процессы). Историческая глубина анализа может быть различной - от нескольких минут или часов до нескольких лет. В перспективе, при создании когнитивных систем хранения информации (СХИ) глубина анализа может достигать десятилетий.

Процесс формирования вариантов решений на основе множества ретроспективных данных можно разбить на два этапа: поиск прецедентов и анализ их структуры. Результаты структурного анализа прецедентов используются для прогнозирования развития ситуации и корректировки результатов оперативной обработки текущих данных. Полученный материал, в свою очередь, представляет собой основу для разработки вариантов решения по рассматриваемому вопросу.

Таким образом, концепция историзма, по существу, описывается принципом исторического подобия. Очевидно, что механистический перенос исторического опыта на текущую ситуацию может привести к

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №6/2015 ISSN 2410-700Х_

некорректным результатам. Отсюда возникает необходимость в применении гибридной, человеко-машинной технологии реализации КИС, рассмотренной ниже.

Принцип системности. В качестве объекта исследований, реализуемых средствами КИС, как правило, выступает открытая динамическая система, погруженная в неоднородную и нестационарную эволюционирующую среду и активно с ней взаимодействующую. При этом предполагается, что управляемая система обладает всеми системным свойствам: целостностью, структурированностью и целенаправленностью [3].

В сочетании с принципом историзма, идея системности предполагает формирование и хранение массивов ретроспективных данных, отражающих количественные и качественные изменения состояния энергетической системы и среды ее погружения в их историческом взаимодействии. Указанные массивы представляют собой "информационное сырье", исходные данные, на основании которых средствами КИС выявляются скрытые системные связи, неявные закономерности, совокупность значимых для развития системы факторов, условия их реализации и т.п.

Принцип гибридного интеллекта. По своей природе методология КИС предполагает сочетание компьютерного количественного анализа сверхбольших объемов данных с качественными экспертными заключениями, основанными на семантических аспектах решаемой задачи. Как правило, интеллект эксперта подключается на этапе постановки задачи и в наиболее критические моменты процедуры анализа. Например, это происходит, при выборе критерия эффективности решаемой задачи и требуемого уровня доверия, при выборе метрической системы предпочтений, при выборе ситуаций-прецедентов из множества ситуаций-аналогов, предварительно отобранных программой на основе заданной метрики и т.п.

Заметим, что реализация данного принципа в СППР требует от КИС решения проблемы рационального распределения функций в человеко-машинных системах и формирования интеллектуальных эргономических интерфейсов, наиболее согласованных с профессиональными представлениями предметных экспертов и ЛПР.

Принцип симбиоза математических и информационных технологий. Теория КИС формирует область знаний, в которой в полной мере гармонично соединились методы прикладной математики, кибернетики и новейшие информационные технологии. Следует заметить, что указанный симбиоз происходит не только между математическими и информационными технологиями, но и между различными математическими методами. В частности, анализ результатов применения нейронных сетей в задачах прогнозирования, как правило, осуществляется статистическими методами. И, наоборот, для решения традиционной статистической задачи регрессионного анализа может использоваться кибернетическая методология, основанная на эволюционном моделировании или нейронных сетях.

Перечисленные системные принципы образуют общую методологическую платформу, позволяющую выделить КИС в качестве самостоятельный класс информационных систем. Для построения более строгой, формализованной структуризации класса КИС (и соответствующих когнитивных информационных технологий) необходимо рассмотреть на содержательном уровне класс основных математических задач, решение которых составляет основу количественного анализа, реализуемого средствами КИС.

Список использованной литературы:

1. Бодякин В.И. Концепция разработки когнитивной системы социально-экономического управления // Электронный ресурс: http://refdb.ru/look/2031779.html

2. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах // Открытые системы, 1997, №4. - С. 41-44.

3. Коровкин С. Д., Левенец И. А., Ратманова И. Д., Старых В. А., Щавелёв Л. В. Решение проблемы комплексного оперативного анализа информации хранилищ данных // СУБД, 1997, № 5-6. - С. 47-51.

4. F. Jack Smith. Data Science as An Academic Discipline // Data Science Journal. 2006. Vol. 5. №19. Pp. 163164.

© A.A. Мусаев, 2015

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №6/2015 ISSN 2410-700Х_

УДК 004.925.83

Оганезов Карен Владимирович

аспирант МГУДТ, г. Москва, РФ E-mail: [email protected] Разин Игорь Борисович

канд. техн. наук, доцент МГУДТ, г.Москва, РФ

МОДЕЛИРОВАНИЕ КОНТУРОВ КОЖ ПРИ РЕШЕНИИ ЗАДАЧ КОМПЬЮТЕРНОГО

РАЗМЕЩЕНИЯ ДЕТАЛЕЙ.

Аннотация

В статье отображены результаты исследований геометрии натуральных кож, используемых при производстве верха обуви. Представлена схема обмера цельной кожи и полукожи для последующего моделирования контуров кож определенной площади по полученным данным. Описан алгоритм моделирования образа натуральных кож.

Ключевые слова

САПР, автоматизация, моделирование контуров, контуры кож, схема обмера кож.

На сегодняшний день перед легкой промышленностью остро стоит целый комплекс задач, которые необходимо решать. Наиболее важной задачей промышленности является минимизация затрат на производство. Основной частью являются затраты на материалы. В обувном производстве стоимость материалов составляет до 80% себестоимости готовой продукции. Поэтому правильное планирование, расчет и использование материалов являются главными факторами в определении цены готового изделия и, следовательно, его конкурентоспособности на рынке потребительских товаров.

Перед промышленностью встаёт вопрос оптимального использования материалов и сырья, в частности натуральных кож. Расчёт того, насколько эффективно будет использоваться сырьё, является очень сложным процессом, поскольку все кожи разные по своим характеристикам. К решению данной задачи необходимо подходить комплексно.

При изготовлении обуви и кожгалантерейных изделий раскраивается большое количество натуральных и искусственных материалов. На результаты раскроя во многом влияют свойства материалов, к которым относятся размер и конфигурация, толщина, плотность, качество. Так же различаются по площади, конфигурации и технологическим требованиям и детали изделий. Перечисленные свойства материалов и особенности выкраиваемых деталей определяют сложность задачи экономичного раскроя. Задача оптимального использования при раскрое натуральной кожи является наиболее сложной. Это и неправильная геометрическая форма, неравномерность распределения по площади свойств. Кроме того, необходимо обеспечить высокое использование кожи не только по площади, но и отдельных ее зон по целевому назначению.

Таким образом, при раскрое материалов на детали обуви или кожгалантерейных изделий, как правило, нельзя добиться их 100%-го использования. В зависимости от значимости факторов и их сочетаний фактический показатель использования при комплектном раскрое кож верха составляет от 60 до 88%.

Повышения показателей использования можно добиться, приблизив теоретические расчеты к реальным условиям производства. Необходимо получать наиболее приближенные к производству показатели. Так как геометрия кож для разных регионов, одного развеса различна, возникает необходимость моделирования геометрии кож порегионно.

Для решения данной задачи был разработан алгоритм обмера кожи крупного рогатого скота.