microbik.ru
  1 ... 3 4 5 6

Современные информационные технологии в СЭЭС. Из-за наличия большого разнообразия информации по указанному вопросу, здесь перечислим лишь применения некоторых информационных систем и технологий в СЭЭС. А именно: пакеты прикладных программ (ППП) IТ, пакеты обработки экономической информации, Microsoft Office для задач экономики, ППП вычислительные, математические, пакеты комплексной автоматизации (ПКА) управления предприятием (ПКА предприятия «БОСС – Компания», ПКА предприятия «Парус», ПКА предприятия «NS 2000», ПКА предприятия «Галактика», ПКА предприятия «Олимп», ПКА предприятия «Эталон» и др.), технологии компьютерных сетей в СЭЭС, корпоративные информационные системы в экономике, программные продукты стратегического корпоративного планирования, пакет «Project expert», пакет «Project Integrator», пакет «Marketing Expert», пакет «BIZ PLANNER», пакет «AUDIT EXPERT», пакет «Project Questionnaire & Risk», пакет «Project Risk», пакет «Forecast Expert», MS Project 98, интеллектуальные информационные системы (ИСППР), ЭС и др.), пакеты информационных технологий в маркетинге и в маркетинговых исследованиях (пакет «ОЛИМП» - инструментальная поддержка маркетинговых исследований), ИС в международном бизнесе, ИС в управлении персоналом и многие другие.

Проблема нелинейного анализа процессов в производственно-экономических системах с хаотической динамикой (краткий обзор). Хаотическими назовем нелинейные системы уравнений, имеющие нерегулярные аттрак­торы. Рассмотрим примеры как классических, так и менее известных хаотических систем [57, 59, 63, 64, 258]. Присутствие хаоса является неотъемлемой частью большинства нелинейных динамических систем (НДС), описывающих достаточно сложные процессы и явления. Хаотические системы (ХС) характеризуются повышенной чувствительностью к малым возмущениям системных параметров и начальных условий, вследствие чего в течение многих лет поведение таких систем считалось непредсказуемым и неуправляемым. Существовало мнение, что достигнуть желаемое поведение системы можно только подавив в ней хаос пусть даже большими и дорогостоящими изменениями в самой системе, ведущими к изменению ее динамики в целом. Поставленная задача сводилась к выбору управляющих воздействий либо в разомкнутой форме (программное управление), либо в виде обратной связи по состоянию или выходу с целью приведения решения системы к заданному периодическому виду или с целью синхронизации решения системы с решением некоторой другой системы, обладающей нужными регулярными свойствами. Другими словами, решалась задача стабилизации заданной или желаемой траектории в системе с хаотическим поведением. Однако в последние годы пришло понимание особой роли хаоса в самоорганизации различных процессов и явлений. Было осознано, что хаос не только не мешает, а скорее является непременным условием работоспособности сложных систем, таких, например, как человеческий мозг. Только благодаря наличию хаотического аттрактора, содержащего, как правило, бесконечное число неустойчивых периодических траекторий (циклов), можно добиться качественного изменения динамики системы (переходя из окрестности одного цикла в окрестность другого) используя малые возмущениями системных параметров. В связи с этим в проблеме управления хаосом естественным образом появилась задача стабилизации не априори заданных или желаемых траекторий ХДС, а именно тех неустойчивых периодических траекторий, бесконечное число которых вплетено в паутину хаотического (нерегулярного) аттрактора. Причем, какая-либо информация о положении этих траекторий в фазовом пространстве практически отсутствует [57, 59 , 258].

Динамическая модель развития сложной системы, состоящей из n подсистем , с некоторой точностью можно представить в виде следующей системы дифференциальных уравнений [4]:
(ВЫРЕЗАНО)

(1.12)
В системе (1.12) можно выделить различные по характеру поведения во времени решения (моды) . Наибольший вклад в решения будут давать линейные члены с коэффициентами . Часть этих переменных с достаточно большими отрицательными по величине будут определять затухающие моды. Поэтому все подсистемы, определяемые дифференциальными уравнениями в сложной (многомерной) системе, приведенной выше, можно разделить на две группы: – устойчивые (затухающие) моды; – неустойчивые (незатухающие) моды.

Очевидно, что при длительном наблюдении системы модами можно пренебречь и сохранить лишь . Тогда можно говорить о подчинении мод с индексами модам с индексами . Таким образом, переменные – «быстрые» переменные, а – «медленные» переменные. В этом случае параметры можно считать управляющими параметрами — параметрами порядка [64, 130]. Самоорганизация в системе будет происходить именно при изменении этих параметров порядка. Структуры самоорганизации будут возникать за счет взаимодействия мод (сильных мод). Наиболее сильные моды при взаимодействии могут подавлять слабые моды; создается своеобразная конкуренция мод в развивающейся системе, в синергетической модели развивающейся системы процесс самоорганизации рассматривается как конкуренция мод. Для исследования процессов самоорганизации, возникающих в системе (1.12), применяют принципы подчинения.

Итак, для исследования социальных, экономических и экологических процессов и систем и для управления ими важно уметь выделять небольшое число параметров, определяющих их динамику, и выявлять взаимосвязи между ними, т.е. нужен системный синтез [57].

Среди всего множества, предложенных в литературе нелинейных моделей сложных процессов, представим наиболее известные:

Уравнение Ферхюльста: , -максимально (предельно) возможное и текущее значение исследуемой величины, причем не зависит от времени, т.е. - максимальный ресурс.

Уравнения (модель) Лотки-Вольтерры:
(ВЫРЕЗАНО)

Уравнение с запаздыванием (модель Хатчинсона):

.
Дискретный аналог уравнения Ферхюльста:
.

Некоторые модификации модели Ферхюльста:
(ВЫРЕЗАНО)

модель Риккера;
(ВЫРЕЗАНО)

модель Хассела.
Пространственная модель:
(ВЫРЕЗАНО)

.
Мультилогистическое уравнение (учет условий конкуренций):
(ВЫРЕЗАНО)

Мультипликативно-аддитивная стохастическая модель (МАСМ) нелинейной динамики – обобщенное логистическое уравнение (ОЛУ):
(ВЫРЕЗАНО)

.
МАСМ с управлением:

(ВЫРЕЗАНО)

,
где – множество контролируемых параметров;

, – управляющие переменные;

Обобщение логистическое отображение Сергеевой Л.Н.[35]

Для нестационарной нелинейной модели на основе МАС нужно учесть зависимости:

Модель конкуренции двух фирм.
(ВЫРЕЗАНО)

.
В данной модели 6 параметров , некоторые из которых являются управляющими и в зависимости от значений этих управляющих параметров поведение системы в динамике может быть различным. Заметим, что для анализа модели важно сократить число параметров, т.е. найти её некую каноническую форму описания.

Модель Холлинга – Тэннера. Предположим в модели «хищник – жертва» (модель Лотки-Вольтерра), что для поддержания жизни одного хищника требуется J жертв. Это предположение очень резонно.

Насыщение хищников приводит к появлению в уравнении слагаемого вида Это слагаемое учитывает убыль жертв в связи с охотой хищников:

(ВЫРЕЗАНО)

Система уравнений Лоренца. Система трех нелинейных обыкновенных дифференциальных урав­нений, названная системой уравнений Лоренца[64, 130]:

(ВЫРЕЗАНО)


является исторически первой динамической системой, в которой было показано существо­вание нерегулярного аттрактора (аттрактора Лоренца при , , ).

Системы уравнений Рёсслера. Рёсслером [258] предложен ряд нелинейных систем обыкновен­ных дифференциальных уравнений для моделирования некоторых ги­потетических химических реакций, обладающих хаотическим поведе­нием, наиболее известная из которых имеет вид:

(ВЫРЕЗАНО)

Система Чуа. Система Чуа моделирует некоторую электрическую цепь, предло­женную Л. Чуа для генерации хаотических колебаний [258]. Поведе­ние этой электрической цепи и одноименной системы обыкновенных дифференциальных уравнений широко изучалось как в многочислен­ных физических опытах, так и математическими методами, включая численные эксперименты и аналитические расчеты [35, 57, 59, 130-132].

Модели социального и эколого-экономического управления, учитывающие влияние стохастических воздействий, должна отражать степень, с которой эти экзогенные силы могут повлиять на конечные результаты моделирования. Функционирование и развитие сложной системы в условиях нестабильной внешней среды и конкуренции зависит от причин, прогнозировать которые с абсолютной точностью не представляется возможным. Такие причины обычно описываются как флуктуирующие (стохастические) воздействия (шумы). Таким образом, обобщенную динамическую нелинейную модель можно представить, например, в виде мультипликативно-аддитивной стохастической системы уравнений с распределенными переменными и с хаотическим поведением, т.е.[4]:

, (1.13)

где – координаты вектора состояния системы, причем ; i,j =1,2,…,n; ri – коэффициент репродукции (размножения, роста, развития и т.п.); - параметр насыщения, ограничивающий репродукцию; - параметры взаимодействия между подсистемами (субъектами хозяйственной деятельности), т.е. экзогенные переменные (параметры), определяющие нестационарное воздействие внешней среды на данную систему; - коэффициент диффузии i – й подсистемы (субъекта экономики) в точке ; и - стохастические мультипликативные и аддитивные составляющие модели, соответственно, с заданными вероятностными характеристиками, причем может играть роль "малого" мультипликативного управляющего воздействия для контроля хаотического поведения системы; - координаты вектора управления, т.е. управленческих решений; - масштабирующий коэффициент, а [0, T] - интервал времени функционирования и развития системы.

В частности, дискретную модель эволюции системы, состоящей из многих взаимодействующих подсистем (например, фирм, предприятий), соответствующую (1.13), можно представить как следующий итерационный процесс:
(ВЫРЕЗАНО)


Итак, предложены различные нелинейные модели анализа динамики сложных процессов, а также нелинейная стохастическая мультипликативно-аддитивная модель системы с хаотическим поведением, которые могут быть использованы для анализа процессов в социально-экономических системах.

Выводы по разделу

      1. Современные ПС, в частности промышленные предприятия, такие как ОФ функционируют в сложной нестабильной внешней среде, потребляя природные ресурсы и занимая земельные площади, и выделяя в нее товарные продукты, отходы, вредные выбросы в атмосферу, нефтепродукты и твердые частицы со сточными водами. Низкое качество товарных продуктов оказывает отрицательное воздействие на окружающую среду при сжигании (химсостав золы, содержание в угле серы, фосфора и др.). Занятые под промплощадку фабрики, породные отвалы и илонакопители земельные участки являются источниками загрязнения окружающей среды (пыль, газ от возгорания и др.).

      2. Важным направлением снижения уровня загрязнения окружающей среды является автоматизация технологических процессов по критериям, учитывающим влияние на экологическую ситуацию, т.е. по комплексным эколого-технологическим критериям.

      3. Функции экологического мониторинга в СЭЭМ целесообразно сосредоточить на АРМ эколога ОФ, функции которого по распределению должностных обязанностей в настоящее время выполняет заместитель главного инженера фабрики, а диспетчеру ОФ достаточно выдавать информацию только о значениях экологических параметров.

      4. Автоматизация технологических процессов и производства в целом приобретает все возрастающее значение, так как она призвана повысить производительность, обеспечить рынок товарным продуктом требуемого качества, снизить потери угля с отходами, решить социальные проблемы повышения безопасности и загрязнения окружающей среды, снижения трудоемкости и улучшения условий труда, повышения его престижа и интеллектуального содержания.

      5. Существующая концепция диспетчеризации в недостаточной мере учитывает необходимость повышения экологической безопасности.

      6. ОФ представляет собой сложный производственно-транспортный комплекс, содержащий три транспортных потока: входной поток (ж/д, гидро- и конвейерный), внутренний поток (конвейерный и трубопроводный) и выходной (ж/д и автомобильный).

      7. Существующая концепция создания ИАСУ ОФ не соответствует современным требованиям, и необходимо ее уточнение и доработка с учетом экологической безопасности и необходимости перехода к рыночным отношениям. В функциональном плане необходимо реализовать информационно-управляющий и советующий режим управления с использованием адаптивных и оптимальных систем управления, их интеллектуализации на всех уровнях иерархии.

      8. В существующих ИАСУ ОФ не автоматизированы функции принятия управленческих решений в условиях нечеткой информации, смешанной неопределенности и рисков, не используется опыт и знания специалистов, не решается проблема создания средств и методов эколого-экономического мониторинга с системных позиций и др.

Таким образом, актуальной является научно-техническая проблема разработки и создания интегрированной автоматизированной системы управления и принятия эколого-экономических решений для производственно–транспортных процессов ОФ (ПТК), функционирующих в системе эколого-экономического управления и мониторинга и нестабильной внешней среды.

Поэтому данная диссертация посвящена решению проблем эколого-экономического моделирования и управления производственной системой в рамках ИАСУ, обеспечивающих повышение экологической безопасности ОПС и экономической эффективности производства в условиях нестабильной экономики, т.е. в условиях стохастичности внешней среды, расплывчатости и неопределенности имеющейся информации и рисков. Для реализации поставленной задачи необходима исследование и разработка:

  • - концепции и принципов ЭЭМ в интегрированных автоматизированных интеллектуальных системах управления производственно-транспортными комплексами ОФ и принятия решений в системе экологического мониторинга при отсутствии полной информации, ее расплывчатости и неопределенности;

  • - комплексных эколого-экономических критериев глобального и локального управления и принятия решений для ПС;

  • - эколого-экономических и транспортно-производственных моделей и алгоритмов функционирования ПС, в том числе элементов автоматизированной системы оперативного диспетчерского управления и планирования;

  • - методов и алгоритмов оценивания, моделирования и прогнозирования состояния атмосферного воздуха в зоне ПС (ОФ) в условиях стохастической неопределенности;

  • - интегрированной автоматизированной системы управления ПТК с использованием методов интеллектуализации и нечетких гибридных регуляторов, функционирующих в условиях смешанной неопределенности и на основе сети АРМ всех уровней.

  • Отработка конкретных параметров и свойств систем должна быть выполнена при промышленной реализации программно-математических комплексов для подсистем ИАСУ ПС (ОФ), функционирующих в составе СЭЭМ (см. раздел 8 и Приложения).



Основные положения и рекомендации опубликованы автором в работах [4-7; 10-14; 17; 102; 110; 112; 113; 117].

<< предыдущая страница