CC BY
41РАЗРАБОТКА СИСТЕМЫ МОНИТОРИНГА С ИСПОЛЬЗОВАНИЕМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
С. К. Андрюшкевич, С. С. Журавлев, Е. П. Золотухин, С. П. Ковалев, В. В. Окольнишников, С. В. Рудометов
Конструкторско-технологический институт вычислительной техники СО РАН,
630090, Новосибирск, Россия
УДК 519.68
Рассмотрены возможности новой визуально-интерактивной системы имитационного моделирования, предназначенной для моделирования широкого класса производственных и транспортных систем. Рассматривается пример использования этой системы для моделирования технологической инфраструктуры нефтегазодобывающего предприятия.
Ключевые слова: визуально-интерактивное имитационное моделирование, моделирование производственных систем, система мониторинга.
This paper contains an overview of a new visual interactive simulation system intended for the simulation of the wide class of industrial and transportation systems. The example of the use of this system for the simulation of oil production enterprise is considered.
Key words: visual interactive simulation, industrial systems simulation, monitoring system.
Введение. В конструкторско-технологическом институте вычислительной техники СО РАН разрабатывается экспериментальный образец системы оперативного мониторинга технологической инфраструктуры (далее — система мониторинга) добывающего предприятия нефтегазового комплекса, предназначенной для решения задач оптимизации энергопотребления и повышения экологической безопасности. Система мониторинга разрабатывается по государственному контракту от 30 сентября 2009 г. № 02.514.11.4126 в рамках Федеральной целевой научно-технической программы "Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 гг.".
Система мониторинга должна обеспечивать получение, обработку и анализ входных данных о техническом состоянии и функционировании нефтегазодобывающего предприятия включая контроль подвижных объектов.
Вследствие отсутствия или недоступности полного набора реальных входных данных для системы мониторинга было принято решение использовать на этапе разработки, отладки и тестирования системы мониторинга имитационную модель технологического процесса добычи и транспортировки нефти для генерации входных данных [1]. Имитационная модель применяется для генерации входных данных, которые должны представлять различные сценарии поведения реальной системы как в случае нормального функционирования, так и в случае аварийных ситуаций или ситуаций устойчивого тренда параметров, который может привести к возникновению аварийной ситуации.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 10-08-01211-а) и в рамках Программы №2 фундаментальных исследований Президиума РАН (проект №127).
Для достижения указанных целей при реализации различных сценариев имитационная модель должна работать либо в режиме реального времени, либо в режиме накопления входных данных за достаточно продолжительное время.
Имитационная модель (далее — модель) разработана и исполняется в рамках визуально-интерактивной системы имитационного моделирования производственных и транспортных систем (manufacturing and transportation simulation system (MTSS)). Система MTSS представляет собой приложение, построенное с использованием технологии Eclipse RCP и языка Java.
1. Система моделирования MTSS. Для моделирования производственных и логистических систем может применяться ряд известных систем и пакетов моделирования: AnyLogic, Arena, AutoMod, Extend, GPSS/H, ProModel, QUEST, EM-Plant, Taylor ED, WITNESS и др. Все эти системы, созданные большими коллективами разработчиков, имеют многолетнюю историю, установившиеся рынки. Однако вследствие большой конкуренции указанные программные продукты имеют практически одинаковые возможности [2]. Поэтому для привлечения покупателей создатели этих систем либо увеличивают их количественные показатели, либо расширяют области их применимости.
Демонстрационные и ограниченные версии данных систем предоставляются бесплатно или за приемлемую плату, поэтому они могут быть использованы при обучении или при разработке моделей, когда требуется предоставить заказчику лишь результаты моделирования.
При моделировании производственных, транспортных, складских систем на первое место выдвигаются другие требования. Для производства необходимо создавать в сжатые сроки большие и сложные модели, которые должны работать в режиме реального времени и интегрироваться с другими используемыми на данном производстве программными системами, а также с информационной или даже организационной структурой предприятия. Такие модели применяются для решения задач проектирования, планирования, оптимизации производственного процесса, для поддержки принятия решений, использования в "контуре управления". Такие модели передаются заказчику вместе со средой разработки для их сопровождения и развития.
Потребность в интеграции приводит к необходимости покупать полные лицензионные версии классических систем и пакетов моделирования, даже если функциональная полнота не нужна. Стоимость полных лицензионных версий составляет десятки тысяч долларов США за рабочее место, а если для целей интеграции потребуются дополнительные договорные отношения с разработчиками классических систем, то стоимость инструмента моделирования может стать сравнимой с бюджетом всей работы по моделированию или даже превысить его.
Такая ситуация создает в мире имитационных "динозавров" нишу для создания и развития новых систем моделирования, разработанных под конкретные достаточно крупные проекты. В случае если разработчики системы моделирования входят в число разработчиков проекта, достигается максимально возможная открытость. По такому пути прошла система MTSS.
Сначала был разработан симулятор, реализующий процессно-ориентированный подход дискретно-событийного имитационного моделирования. Затем была реализована визуально-интерактивная среда разработки моделей для конкретной крупной автоматизированной складской системы. В процессе разработки уделялось внимание исследованию потребностей моделирования производственных систем, удовлетворению этих потребностей и реализации
возможностей использования системы моделирования для других производственных приложений. В настоящей работе представлены результаты применения системы MTSS при моделировании производственной системы в другой отрасли промышленности.
Целью разработки системы MTSS является реализация следующих потребностей моделирования производственных систем:
— упрощение и ускорение разработки модели на этапах создания и отладки;
— визуализация работы модели для демонстрации заказчику эффективности ее работы и адекватности;
— быстродействие модели, позволяющее проводить эксперименты, для которых модель разрабатывается;
— возможность интеграции модели в программную и информационную среду производственной системы.
Двухуровневая структура моделей системы MTSS не только уменьшает время, затрачиваемое на построение моделей, но и позволяет ориентировать систему на специалистов конкретной предметной области, не имеющей отношения к имитационному моделированию. Система MTSS предоставляет для разных предметных областей специализированные библиотеки, содержащие набор элементарных моделей. Каждая элементарная модель представляет собой модель некоторого типа оборудования рассматриваемой предметной области и модель программы управления этим типом оборудования.
Элементарная модель включает графический образ (2D или 3D) типа оборудования; набор настраиваемых параметров; набор возможных состояний; способы визуализации состояний; окно команд, содержащее команды перевода из одного состояния в другое; встроенную логику нижнего уровня, определяющую временные характеристики перехода из одного состояния в другое; условия исполнения команд, блокировки и т. п.
Элементарные модели составляют нижний уровень двухуровневой структуры модели. Верхний уровень — сетевая структура модели — создается с помощью визуально-интерактивного редактора моделей. С помощью редактора пользователь выбирает из библиотеки экземпляры элементарных моделей и размещает их образы в окне модели, задавая начальные значения состояний элементарных моделей и значения настраиваемых параметров. Далее пользователь может соединять элементарные модели, создавая сложные сетевые структуры.
Двухуровневая структура обеспечивает быстрое построение и запуск на исполнение первой версии модели за счет большой семантической емкости элементарных моделей. Дальнейшее уточнение модели и проведение имитационных экспериментов требуют несоизмеримо больших затрат времени.
Помимо библиотек предметных областей имеются базовая библиотека общеупотребительных элементов для построения моделей, содержащая, например, окно вывода текущих значений какого-нибудь вычисляемого параметра, и библиотека пассивных декораций.
Для исполнения модели требуется задать глобальные параметры, такие как начальное значение модельного времени, шаг модельного времени, конечное значение модельного времени и др. При исполнении модели происходит продвижение модельного времени, исполнение логики модели, визуализация процесса моделирования, сбор статистической информации.
Редактирование модели происходит в режиме 2D. Визуализация исполнения модели может выполняться как в режиме 2D, так и в режиме 3D, если используемые элементарные модели имеют трехмерные графические образы. Визуализация используется для отладки, валидации и презентации модели. Для возможности визуального наблюдения за исполне-
нием модели имеется средство регулирования "скорости" исполнения модели с помощью параметра, задающего соотношение единиц модельного и процессорного времени исполнения модели. Для достижения максимальной скорости исполнения модели визуализация и сбор статистики могут быть отключены.
В отладочном режиме модель может исполняться пошагово, т. е. останавливаться через каждый шаг модельного времени. Пользователь может прервать исполнение модели, изменить последовательно значения параметров и состояния элементарных моделей с помощью окна команд, а затем продолжить исполнение модели.
Дополнительными возможностями системы MTSS являются скроллинг окна модели, масштабирование окна модели, создание нескольких слоев ("этажей") и размещение на них отдельных элементов модели, наличие отдельного окна "Навигатор модели".
Двухуровневость моделей в системе MTSS означает наличие не только двух уровней структуры модели, но и двух уровней логики исполнения модели. Локальный нижний уровень логики исполнения модели встроен в элементарные модели. Глобальный верхний уровень логики исполнения модели программируется пользователем.
На верхнем уровне логики исполнения могут быть определены сценарий исполнения модели и цель моделирования, заданы программы управления, которые, например, при возникновении определенных событий осуществляют перевод группы элементарных моделей в согласованное состояние с соблюдением технологического регламента. На верхнем уровне определяется связь модели с внешними источниками или потребителями данных, например с базами данных.
Такая двухуровневая структура модели соответствует общепринятой структуре автоматизированных систем управления техническими объектами и технологическими процессами. Совместимость структур упрощает интеграцию модели и производственной системы.
Логика верхнего уровня исполнения модели в системе MTSS оформляется как программный объект, с которым можно работать, используя определенный интерфейс. Таких объектов может быть несколько. Например, два объекта могут являться различными реализациями одной и той же логики: один объект генерирует случайный поток входных данных, а другой осуществляет получение этих данных из внешнего источника. В процессе исполнения модели может осуществляться переключение с одного объекта на другой.
Объекты логики верхнего уровня программируются на языке Java, но для некоторых объектов разработан интерфейс, который скрывает от пользователя программный код. Пример такой логики верхнего уровня рассмотрен в п. 3.
Для квалифицированного пользователя система MTSS предоставляет возможность разработки собственной библиотеки элементарных моделей для новой предметной области или расширения существующих библиотек элементарных моделей.
2. Структура системы мониторинга. Функциями разрабатываемой системы мониторинга инфраструктуры нефтегазового предприятия являются:
— регистрация событий на объектах мониторинга;
— запись параметров контролируемых объектов в базу данных;
— анализ состояния объектов мониторинга с целью контроля соответствия их параметров требованиям технологического процесса;
— поддержка принятия решений персоналом предприятия на основе проводимого анализа;
— визуализация состояния объектов мониторинга и результатов анализа.
Система мониторинга состоит из следующих подсистем:
Рис. 1. Структура системы мониторинга
— подсистема сбора информации (ПСИ) с территориально распределенных объектов, в том числе подвижных, с использованием гетерогенной среды передачи данных, включающей каналы GSM, WiFi, WiMax, и сигналов систем глобального позиционирования ГЛОНАСС и GPS;
— подсистема хранения полученной информации (ПХИ) в базах данных и управления ею;
— интеллектуальная аналитическая подсистема (АП) — подсистема обработки информации, анализа и выработки управленческих решений в форме рекомендаций для центра принятия решений (ЦПР).
На рис. 1 представлена схема использования модели в разработке системы мониторинга. В экспериментальном образце системы функции ЦПР выполняет оператор системы мониторинга, используя подсистему отображения контрольной и критически важной информации.
В такой схеме модель может выполнять несколько функций.
Первая (основная) функция модели — генерация входных данных для отладки и тестирования системы мониторинга. Для этих целей разработано некоторое количество сценариев как штатных, так и нештатных ситуаций.
Оператор модели задает некоторую ситуацию либо вручную, устанавливая с помощью окна команд определенные состояния элементов технологического оборудования (элементарных моделей) и определенные значения параметров модели, либо с помощью подготовленного программного объекта логики верхнего уровня. АП должна "распознать" эту ситуацию и выдать оператору системы мониторинга либо адекватное сообщение, либо конструктивные рекомендации.
В процессе отладки и экспериментальных исследований функции оператора системы и оператора модели может выполнять один оператор. Оператор модели приостанавливает исполнение модели, реализует с помощью интерфейса модели рекомендации по изменению ее
структуры или параметров и запускает модель на исполнение. АП должна "распознать" изменения и через заданное в алгоритме время "оценить" эффект реализации рекомендации, вычисляя значения каких-нибудь обобщенных показателей, например суммарный объем добычи нефти, расход электроэнергии, расход горючего или других материальных или человеческих ресурсов.
Таким образом, второй функцией модели является реализация "обратной связи" для отладки, тестирования, "самообучения" АП. Такой подход к использованию имитационной модели для разработки, отладки и тестирования программ управления опробован в [3].
Третьей функцией модели может являться обучение управляющего персонала системой мониторинга на ранних этапах ее разработки. При наличии альтернативных рекомендаций центр принятия решений может сравнить результаты выполнения альтернативных рекомендаций на модели, а в случае нетривиальной рекомендации — сравнить результаты выполнения этой рекомендации с результатами выполнения действий, основанных на опыте эксплуатации (экспертных знаниях).
Модель генерирует входные данные в стандартных форматах, совпадающих с форматами основных источников реальных данных. В некоторых сценариях экспериментальных исследований предусмотрено получение части входных данных непосредственно от их источника. Сравнение результатов функционирования системы мониторинга на имитируемых и реальных данных позволило сделать вывод об адекватности модели.
При выполнении некоторых экспериментов модель работает в реальном времени. При выполнении экспериментов, для оценки результатов которых требуется накопление статистических данных за длительный период времени (сутки, месяц), модель работает в ускоренном режиме, что обеспечивает контроль за прохождением эксперимента в течение приемлемого промежутка времени. В процессе одного прогона модели возможно переключение из режима накопления данных в режим реального времени и наоборот.
3. Описание модели и экспериментальные исследования. Технологическая инфраструктура нефтегазодобывающего предприятия включает несколько территориально распределенных месторождений нефти. Месторождение содержит несколько кустов скважин, каждый из которых соединен с центральным пунктом сбора и обработки нефти (ЦПСН) либо внутрипромысловым трубопроводом, либо автомобильной дорогой. Куст скважин содержит п нагнетающих и т добывающих скважин. В нагнетающие скважины закачивается вода. Из добывающих скважин водонефтегазовая эмульсия (ВНГЭ) собирается в автоматизированной групповой замерной установке (АГЗУ), откуда поступает во внутрипромыс-ловый трубопровод либо вывозится нефтеналивным транспортом. Для перекачки ВНГЭ по трубопроводу используются дожимные насосные станции (ДНС).
На рис. 2 приведен фрагмент технологической инфраструктуры нефтегазодобывающего предприятия. Подробно показан куст 1 скважин месторождения 1.
В соответствии с подходом MTSS для моделирования инфраструктуры нефтегазодобывающего предприятия разработана специализированная библиотека, содержащая следующие элементарные модели: электроцентробежный насос (ЭЦН), погруженный в добывающую скважину сегмент трубы, насосная станция для закачки воды, трансформатор, линия электропередач, скважина, нефтяной пласт, АГЗУ, сегмент дороги, нефтевоз, ЦПСН.
Рассмотрим более подробно некоторые элементарные модели в связке: ЭЦН, трансформатор, АГЗУ, нефтевоз. Работающий ЭЦН обеспечивает поступление некоторого количества ВНГЭ в единицу времени (дебит) в АГЗУ, увеличивая ее запас. АГЗУ производит предварительную обработку (отделение воды) и при наличии нефтевоза загружает в него определен-
Рис. 2. Фрагмент технологической инфраструктуры нефтегазодобывающего предприятия (масштаб: 1 мм = 410 м): черный цвет — автодороги, красный — линии электропередач, синий — трубопроводы для воды, коричневый — трубопроводы для ВНГЭ; ПС — подстанция, СУ — счетчик учета электроэнергии, КТП — кустовая трансформаторная подстанция, КНС — кустовая насосная станция
ный объем ВНГЭ, зависящий от запаса, наличия свободной емкости у нефтевоза и других параметров. Трансформатор обеспечивает электроэнергией ЭЦН и АГЗУ. В соответствии с определенной схемой нефтевоз осуществляет объезд АГЗУ разных кустов скважин и транспортирует ВНГЭ в ЦПСН.
На рис. 3 представлен фрагмент модели куста скважин, содержащий элементарные модели (ЭМ) ЭЦН, трансформатор, АГЗУ, сегмент дороги.
ЭМ ЭЦН имеет следующие параметры: производительность (паспортный дебит насоса во включенном состоянии); изменение дебита за один шаг модельного времени (параметр используется для имитации плавного увеличения или уменьшения дебита насоса); потребляемая мощность; суммарное время эксплуатации и др.
ЭМ ЭЦН имеет следующие состояния и команды, переводящие в эти состояния: остановлен, запускается, работает на полную мощность, останавливается, работает в режиме изменения дебита, в ремонте.
В модели дебит ЭЦН зависит также от других факторов: производительности нагнетающих насосов, состояния нефтяного пласта, степени запарафинивания, износа ЭЦН и др.
о«™* »и™*«»« и» □ в зо <г> й 0 К ► »
Рис. 3. Фрагмент модели куста скважин
Насосы в скважине могут заменяться с соблюдением временных и технологических условий на исправные (в случае имитации неисправности) или на насосы другой производительности.
ЭМ "Трансформатор" имеет следующие параметры: номинальная мощность; суммарная мощность потребления подключенного оборудования; температура масла в системе охлаждения и др.
Запрашиваемая мощность подключенного оборудования распределяется между всеми "потребителями" равномерно. Если суммарная запрашиваемая мощность превышает номинальную, то потребители получают меньшую мощность. Так же имитируются нагревание и перегорание трансформатора. ЭМ "Трансформатор" имеет следующие состояния и команды, переводящие в эти состояния: остановлен, работает, в ремонте.
Сеть автомобильных дорог представлена в модели сетью соединенных элементарных моделей двусторонних сегментов дороги. Звено дороги имеет следующие параметры: длина, координаты начальной и конечной точек и др. Можно задавать значения параметров в соответствующих полях либо интерактивно размещать, передвигать, поворачивать, соединять звенья дороги.
ЭМ "Нефтевоз" имеет следующие параметры: номер; вместимость бака; объем загруженного ВНГ; объем горючего; расход горючего на 100 км; географические координаты; направление движения; скорость движения; скорость загрузки и разгрузки нефтевоза и др.
ЭМ "Нефтевоз" имеет встроенную логику поведения нижнего уровня. Например, в состоянии движения по сегменту дороги с определенной скоростью пересчитываются географические координаты, уменьшается количество горючего и т. д. Так же можно определить логику поведения нефтевоза верхнего уровня. Для каждого нефтевоза определяется схема объезда АГЗУ разных кустов для загрузки ВНГЭ. В случае заполненного бака нефтевоз движется для разгрузки в ЦПСН. Предполагается, что нефтевозы работают круглосуточно.
fnnfiqii№ саг сгепапп ^^^
-
Cars Point List for Камаз ППЦ-2 Point Content
# Name J # Point Amount Point Name АГЗУ1 - •
1 Камаз ППЦ-25-1 • 2 Камаз ППЦ-25-2 3 Камаз ППЦ-25-3 4 Камаз ППЦ-25-4 5 Камаз ППЦ-25-5 6 Камаз ППЦ-25-6 7 Камаз ППЦ-30-1 Я liana* ПП1 1-ЯП-З V | ГГГ ► 1 АГЗУЗ 3.0 ¡2 АГЗУ1 4.0 ■ Amount 4J0 0 @i
| Export Scenarios | | Import Scenarios I Add | | Remove | | Up | | Down |
-ok ] [ -cancel
Рис. 4. Пример задания объезда кустов
Схема объезда кустов задается с помощью специального интерфейса (рис. 4). На рис. 4 видно, что Камазу ППЦ-25-1 определена циклическая схема объезда кустов 3 и 1 с заданием загрузки 3 и 4 единицы ВНГЭ соответственно. При этом модель автоматически выбирает маршруты между кустами, а также отслеживает расход и количество горючего в нефтевозах, обеспечивает возврат нефтевозов на ЦПСН (являющийся одновременно гаражом и пунктом заправки) для разгрузки и пополнения запаса горючего. Схемы объезда кустов можно задавать и редактировать внутри модели, а также экспортировать и импортировать в виде CSV-файлов.
О сложности моделируемой системы можно судить по рис. 5, на котором представлен фрагмент модели, содержащей технологическую инфраструктуру одного из нефтегазодобывающих предприятий Ханты-Мансийского автономного округа, с соблюдением топологии и
TT _ is ifc ^ © 1000. 0 Уммчм» 11%
Рис. 5. Фрагмент модели технологической инфраструктуры нефтегазодобывающего предприятия: синий цвет — сеть автодорог; зеленый — сеть внутрипромысловых нефтепроводов; серый — линии электропередач; красные точки — положения нефтевозов в текущий момент модельного времени
масштаба. Видно, что составление расписания движения нефтевозов является сложной оптимизационной задачей.
Для отладки, тестирования, экспериментального исследования системы мониторинга разработано 13 сценариев, отражающих характерные ситуации, возникающие при эксплуатации реальной системы. Эти сценарии задавались на уровне логики верхнего уровня модели, в соответствии со сценарием имитировался требуемый отрезок времени. Целью экспериментов являлась проверка чувствительности системы мониторинга и адекватности ее реакции.
Реализованные сценарии можно разделить на следующие три группы:
— аварийные или предаварийные ситуации;
— противоречивые значения обобщенных показателей;
— изменение значений контролируемых параметров, которое через некоторое время может привести к возникновению аварийной ситуации или снижению эффективности работы нефтегазодобывающего предприятия.
К первой группе относятся такие сценарии, как разрыв трубы, выход из строя ЭЦН или другого оборудования, перегрузка трансформаторов и т. п. В сценариях второй группы имитируется неверная работа некоторых датчиков или счетчиков. Система мониторинга должна обнаружить, например, дисбаланс расхода электроэнергии и определить причину этого дисбаланса.
В сценариях третьей группы имитируется плавный, но устойчивый тренд изменений значений некоторых параметров, превышающих контрольную величину. Как правило, автоматизированные системы управления технологическими процессами не регистрируют такие тренды, а реагируют лишь на достижение параметром некоторого предупредительного или аварийного значения. Система мониторинга должна обнаружить такой тренд, определить причину его возникновения, оценить возможный ущерб и в зависимости от ситуации предложить решение (рекомендацию).
Предположим, что несколько сценариев основываются на имитации понижения дебита ЭЦН. При обнаружении такой ситуации моделируются четыре варианта решения:
— увеличение давления в месторождении за счет включения в работу резервных нагнетательных скважин;
— профилактический ремонт оборудования;
— смена оборудования;
— смена схемы объезда кустов.
При определении понижения эксплуатационных характеристик ЭЦН система мониторинга составляет долгосрочный план профилактического ремонта, учитывая необходимость профилактического ремонта и другого оборудования.
В случае естественного понижения дебита ЭЦН возможна замена работающего ЭЦН на менее мощный, но потребляющий меньшее количество электроэнергии. Такую замену можно выполнить, если имеется менее мощный ЭЦН и замена экономически целесообразна.
В четвертом варианте система мониторинга, обнаружив существенное изменение объемов добычи ВНГЭ в кустах, решает оптимизационную транспортную задачу, решением которой является рекомендация изменения числа работающих нефтевозов и (или) схемы объезда кустов.
Измененная схема объезда кустов в виде CSV-файла импортируется в модель. Оператор модели останавливает модель и запускает ее с новой схемой объезда. Система мониторинга фиксирует изменение схемы объезда и по истечении некоторого промежутка времени оценивает экономический эффект.
Заключение. В настоящее время выполнены экспериментальные исследования системы мониторинга в объеме разработанных сценариев, закончена научно-исследовательская часть работы, разработано техническое задание на опытно-конструкторскую (ОКР) часть работы. На этапе выполнения ОКР модель может использоваться в качестве имитационного стенда для разработки системы, а также быть встроена в оперативный контур системы мониторинга.
В настоящее время в каждой ситуации система мониторинга предлагает единственную рекомендацию. По мере развития возможно предложение альтернативных рекомендаций. В этом случае с использованием встроенной модели можно оценить степень выигрыша и степень риска при применении каждой рекомендации. Альтернативные рекомендации, а также дополнительная информация, полученная с использованием модели, могут оказаться более полезными для ЦПР.
Поскольку скорость исполнения модели может превышать реальное время, система мониторинга может запускать модель для предварительной оценки последствий принимаемых решений. В этом случае система мониторинга может самостоятельно исключать некоторые неприемлемые по последствиям альтернативы.
Модель инфраструктуры нефтегазодобывающего предприятия может представлять самостоятельный интерес и использоваться автономно для других целей. На базе существующей модели предполагается разработать модель типового предприятия с простой настройкой на конкретные предприятия.
Система MTSS используется для моделирования технологических процессов, процессов добычи угля и нефти. При разработке специализированных библиотек эта система может использоваться и в других предметных областях.
Список литературы
1. Okolnishnikov V., RüDOMETOY S., Zhürayley S. Monitoring system development using Simulation // Proc. of the IEEE Region 8th Intern. conf. on comput. technol. in electric. and electronics engng (SIBIRCON-2010), Irkutsk; Listvyanka (Russia), July 11-15, 2010. Irkutsk: S.n., 2010. V. 2. P. 736-739.
2. Журавлев С. С. Краткий обзор методов и средств имитационного моделирования технических систем // Пробл. информатики. 2009. № 4. С. 47-53.
3. Окольнишников В. В. Использование имитационного стенда при разработке систем автоматизированного управления // Пробл. информатики. 2008. № 1. С. 75-79.
Андрюшкевич Сергей Константинович — науч. сотр. Конструкторско-технологического института
вычислительной техники СО РАН; e-mail: [email protected];
Журавлев Сергей Сергеевич — аспирант Конструкторско-технологического института
вычислительной техники СО РАН; e-mail: [email protected];
Золотухин Евгений Павлович — канд. техн. наук, зам. директора по научной работе
Конструкторско-технологического института вычислительной техники СО РАН; e-mail: [email protected]; Ковалев Сергей Протасович — канд. физ.-мат. наук, зав. лабораторией
Конструкторско-технологического института вычислительной техники СО РАН; e-mail: [email protected];
Окольнишников Виктор Васильевич — д-р техн. наук, ученый секретарь
Конструкторско-технологического института вычислительной техники СО РАН; e-mail: [email protected];
Рудометов Сергей Валерьевич - науч. сотр. Конструкторско-технологического института вычислительной техники СО РАН; e-mail: [email protected]
Дата поступления — 27.09.2010
