Logo GenDocs.ru

Поиск по сайту:  


Загрузка...

Казаринов Л.С., Попова О.В., Барбасова Т.А. Автоматизированные информационно-управляющие системы (часть 2) - файл 1.doc


Казаринов Л.С., Попова О.В., Барбасова Т.А. Автоматизированные информационно-управляющие системы (часть 2)
скачать (5007 kb.)

Доступные файлы (1):

1.doc5007kb.03.12.2011 12:35скачать

содержание
Загрузка...

1.doc

  1   2   3   4   5   6   7   8   9   10   11
Реклама MarketGid:
Загрузка...
Министерство образования и науки Российской Федерации

Федеральное агентство по образованию

Южно-Уральский государственный университет

Кафедра автоматики и управления

681.5(07)

А224


Казаринов Л.С., Попова О.В., Барбасова Т.А.
АВТОМАТИЗИРОВАННЫЕ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИЕ СИСТЕМЫ
Часть 2
Конспект лекций

Челябинск

Издательство ЮУрГУ

2007
УДК 681.51.012(075.8)


Одобрено
учебно-методической комиссией
приборостроительного факультета


Рецензенты: Белавкин И.В., Кощеев А.А.



Казаринов Л.С., Попова О.В., Барбасова Т.А.

Автоматизированные информационно-управляющие системы: Конспект лекций. Часть 2. – Челябинск: Изд-во ЮУрГУ, 2007. – 147 с.






Конспект лекций предназначен для студентов очной и заочной форм обучения специальности “Управление и информатика в технических системах”.
УДК 681.51.012(075.8)


© Издательство ЮУрГУ, 2007

Содержание

4. Принятие решений в ИУС 4

4.1. Проблема принятия решения в ИУС 4

4.2. Системы поддержки принятия решений 4

4.2.1. Распределенные системы поддержки принятия решений 6

4.2.2. Проблемы, решаемые с помощью СППР 9

4.3. Принятие решений в условиях неопределенности 16

4.3.1. Классификация задач исследования операций 18

4.3.2. Применение классической теории вероятностей 19

4.4. Методы многокритериальной оценки 28

4.4.1. Прогнозирование технических систем 28

4.4.2. Методы принятия решения 32

5. Проектирование ИУС 62

5.1. Основные проблемы, системный подход и последовательность разработки 62

5.2. Адаптация ИУС к области применения 69

5.4. Перспективные информационные технологии проектирования ИУС 77

5.4.1. Концепции информационного моделирования 80

5.4.2. Жизненные циклы объектов 87

5.4.3. Динамика связей 95

5.4.4. Динамики систем 100

5.5. Автоматизированные системы управления технологическим процессом котлоагрегата 105

5.6. Общие сведения об АСУ РТО 114

Приложение 1. Обзор промышленных сетей 117

Приложение 2. Нейронные сети 146

Приложение 3. Метод Группового Учета Аргументов 149


^

4. Принятие решений в ИУС

4.1. Проблема принятия решения в ИУС


Очевидно, что из-за недооценки важности комплексного подхода к созданию информационно-управляющих систем (ИУС), цена потерь, которые несут коммерческие фирмы и некоммерческие организации, просто огромна. Интегрированные ИУС должны не только выполнять функции сбора, обработки, хранения, передачи и представления информации (т.е. быть информационными системами - ИС), но и выполнять многовариантные расчеты, необходимые для принятия наиболее обоснованных управленческих решений. В данной работе рассматриваются наиболее важные для управления и наименее проработанные до настоящего времени проблемы поддержки принятия решений, включая генерацию решений, оценку возможных решений в соответствии с предпочтениями руководителя, согласование групповых решений и организацию компьютерного взаимодействия в распределенных системах принятия решений. Мы постараемся рассмотреть методы поддержки принятия решений, позволяющие облегчить методологические трудности и снизить психологический барьер эксперта или руководителя при компьютерной поддержке принятия решений. Эти методы дают возможность:

— формализовать процесс порождения вариантов решений на основе имеющихся данных;

— ранжировать критерии и давать критериальные оценки физическим параметрам, влияющим на решаемую проблему с тем, чтобы система поддержки принятия решений могла оценить варианты решений;

— использовать формализованные процедуры согласования при принятии коллективных решений. Эти процедуры дают возмож­ность системе поддержки принятия решений указывать пути возможного сближения точек зрения участников принятия решения;

— использовать формальные процедуры прогнозирования последствий принимаемых решений;

— выбрать вариант, приводящий к решению проблемы.

^

4.2. Системы поддержки принятия решений


Принятие решений - каждодневная деятельность человека, часть его повседневной жизни. Простые, привычные решения человек принимает легко, часто автоматически, не очень задумываясь. В сложных и ответственных случаях он обращается к друзьям, родственникам, опытным и знающим людям за подтверждением своего решения, несогласием с ним или за советом: каким могло бы быть другое решение. Часто обращаются к книгам, в том числе и религиозным, даже астрологии и гаданиям. Такие обращения - это процесс поддержки принятия решения.

Принятие решения в большинстве случаев заключается в генерации возможных альтернатив решений, их оценке и выборе лучшей альтернативы.

Принять "правильное" решение — значит выбрать такую альтернативу из числа возможных, в которой с учетом всех разнообразных факторов и противоречивых требований будет оптимизирована общая ценность, то есть она будет в максимальной степени способствовать достижению поставленной цели.

При выборе альтернатив приходится учитывать большое число противоречивых требований и, следовательно, оценивать варианты решений по многим критериям. Как хорошо заметил в свое время Нильс Бор: "Есть примитивные истины, противоречие которым явно ложно, но существуют также и высшие истины такие, что противоречащие им постулаты также справедливы". Противоречивость требований неоднозначность оценки ситуации, ошибки в выборе приоритетов сильно осложняют принятие решений.

Неопределенности являются неотъемлемой частью процессов принятия решений. Эти неопределенности принято разделять на три класса: неопределенности, связанные с неполнотой наших знаний о проблеме, по которой принимается решение; неопре­деленность, связанная с невозможностью точного учета реакции окружающей среды на наши действия, и, наконец, неточное понимание своих целей лицом, принимающим решения. Свести задачи с подобными неопределенностями к точно поставленным целям нельзя в принципе. Для этого надо "снять" неопределенности. Одним из таких способов снятия является субъективная оценка специалиста (эксперта, руководителя), опреде­ляющая его предпочтения.

Таким образом, эксперт или лицо, принимающее решение (ЛПР), вынуждены исходить из своих субъективных представлений об эффективности возможных альтернатив и важности различных критериев. Эта субъективная оценка оказалась в настоящее время единственно возможной основой объединения разнородных физических параметров решаемой проблемы в единую модель, позволяющую оценивать варианты решений. В этой субъективности нет ничего плохого. Опытные руководители хорошо осознают, сколько личного и субъективного они вносят в принимаемые решения. С другой стороны, об успехах и неудачах большинства человеческих решений люди могут судить исходя только из своих субъективных предпочтений и представлений.

Но самое сложное заключается в другом. Изменился круг задач, решаемых человеком в различных сферах своей деятельности. Возникли новые сложные и непривычные для него проблемы. В течение столетий люди могли принимать решения, ориентируясь на один-два главных фактора, не учитывая многие другие. Они жили в мире, где темп изменения окружающей среды был невелик и новые явления возникали "по очереди", а не сразу.

Сейчас положение изменилось. Большое количество задач, если не большинство, являются многокритериальными задачами, в которых приходится учитывать большое число факторов. В этих задачах человеку приходится оценивать множество сил, влияний, интересов и последствий, характеризующих варианты решений. Например, при принятии решения в строительстве завода приходится учитывать не только ожидаемую прибыль и необходимые для строительства капиталовложения, но и динамику рынка, действия конкурентов, экологические, политические, соци­альные факторы и т.п.

Многочисленные психологические исследования показывают, что сами ЛПР без дополнительной аналитической поддержки используют упрощенные, а иногда и противоречивые решающие правила.

Поддержка принятия решений и заключается в помощи ЛПР в процессе принятия решения. Она включает:

– помощь ЛПР при анализе объективной составляющей, т.е. в понимании и оценке сложившейся ситуации и ограничений накла­дываемой внешней средой,

– выявление предпочтений ЛПР, т.е. в выявление и ранжирование приоритетов, учет неопределенности в оценках ЛПР и формировании его предпочтений,

– генерацию возможных решений, т.е. формировании списка альтернатив,

– оценку возможных альтернатив, исходя из предпочтений ЛПР и ограничений, накладываемых внешней средой,

– анализ последствий принимаемых решений,

– выбор лучшего, с точки зрения ЛПР, варианта.

Компьютерная поддержка процесса принятия решений так или иначе основана на формализации методов получения исходных и промежуточных оценок, даваемых ЛПР, и алгоритмизации самого процесса выработки решения.

Формализация методов генерации решений, их оценка и согласование является чрезвычайно сложной задачей. Эта задача стала интенсивно решаться с возникновением вычислительной техники. Решение этой задачи в различных приложениях сильно зависело и зависит от характеристик доступных аппаратных и программных средств, степени понимания проблем, по которым принимаются решения, и методов формализации.

Основная сложность, возникающая здесь, заключается в том, что ЛПР, как правило, не привык к количественным оценкам в процессе принятия решений, не привык оценивать свои решения на основе математических методов с помощью каких-либо функций, с трудом анализирует последствия принимаемых решений.

^

4.2.1. Распределенные системы поддержки принятия решений


Системы поддержки принятия решений существуют очень давно: это военные советы, коллегии министерств, всевозможные совещания, аналитические центры и т. д. Хотя они никогда не назывались системами поддержки принятия решения, но выполняли именно их задачи (в некоторых случаях частично). До последнего времени они, естественно, не использовали вычислительные машины и правила их функционирования хотя регламентировались, но были формали­зованы далеко не так, как это требуется в человеко-машинных процедурах.

Увеличение объема информации, поступающей в органы управления и непосредственно к руководителям, усложнение решаемых задач, необходимость учета большого числа взаимосвязанных факторов и быстро меняющейся обстановки настоятельно требуют использовать вычислительную технику в процессе принятия решений. В связи с этим появился новый класс вычислительных систем - системы поддержки принятия решений (СППР).

Термин «система поддержки принятия решений» появился в начале семидесятых годов. За это время дано много определений СППР. Например, она определяется следующим образом: "Системы поддержки принятия решений являются человеко-машинными объектами, которые позволяют лицам, принимающим решения (ЛПР), использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктурированных и неструктурированных проблем".

Распределенные вычислительные системы могут быть распреде­лены пространственно и/или функционально. Пространственно и функционально распределенные СППР состоят из локальных СППР, расположенных в связанных между собой узлах вычислительной сети, каждый из которых может независимо решать свои частные задачи, но для решения общей проблемы ни одна из них не обладает достаточными знаниями, информацией и ресурсами (или некоторыми из этих составляющих). Общую проблему они могут решать только сообща, объединяя свои локальные возможности и согласовывая принятые частные решения. Функционально распределенные системы состоят из нескольких экспертных систем (или СППР), связанных между собой инфор­мационно и установленных на одной вычислительной машине (пространственно они сосредоточены).

Необходимо особо отметить очень распространенный класс систем - иерархические системы поддержки принятия решений (ИСППР).

Иерархические вычислительные системы поддержки принятия решений состоят из экспертных систем или систем поддержки принятия решений, расположенных в узлах, связанных между собой вычислительной сетью. С точки зрения принятия решений узлы не равноправны. Самый простой пример такой системы - это система, состоящая из подсистем W1, W2,..., Wn первого уровня и одной подсистемы W0 второго (более высокого) уровня.

Цель подсистемы W0 - влиять на низшие подсистемы таким образом, чтобы достигалась общая цель, заданная для всей системы.

Распределенные системы получают в настоящее время все более широкое распространение по следующим причинам:

1. Бурное развитие технологии производства вычислительной техники позволяет объединить большое число достаточно мощных и относительно недорогих вычислительных машин в единую сеть, способную выполнять асинхронные параллельные вычисления и эффективно обмениваться информацией

2. Многие предметные области, в которых используются системы поддержки принятия решений, распределены по своей природе. Некоторые из них распределены функционально (как, например, многие системы медицинской диагностики), другие распределены как пространственно, так и функционально (как, например, системы автоматизации проектирования сложных технических объектов).

Распределенные системы поддержки принятия решений получили очень широкое распространение. Они реализованы в системах управления воздушным движением, управления группами роботов, в задачах дистанционного управления подвижными объектами, управления производством, системах поддержки принятия решения в экстремальных ситуациях и т.д.

3. Пространственно и функционально распределенные системы облегчают обмен информацией и принятие согласованных решений группами специалистов, совместно работающих над решением одной задачи, и/или группами экспертных систем, управляющих сложным техническим объектом.

4. Наконец, принцип модульного построения и использования систем также хорошо реализуется в распределенных системах поддержки принятия решений. Возможность создавать системы для решения сложных проблем из относительно простых и автономных программно-аппаратных модулей позволяет их легче создавать, отлаживать и эксплуатировать.

Таким образом, распределенный подход поддержки принятия решений целесообразно использовать либо когда лица, принимающие решения, пространственно распределены, либо когда процесс принятия решений связан с высокой степенью функциональной специализации и, конечно, когда имеют место оба эти случая. Обе эти ситуации могут быть связаны с различными прикладными областями принятия решения.

Существенно новые возможности появляются у специалистов, принимающих решения, которые находятся на значительных расстояниях друг от друга. Развитие региональных и глобальных вычислительных сетей, к которым могут быть подключены локальные сети специалистов, принимающих решения, обеспечи­вают легкость общения и получение всей необходимой информации, в том числе и графической, в очень сжатые сроки.

Распределенные СППР могут иметь следующие модификации:

1. Решения предлагают несколько экспертных систем, находящихся в одном узле, но оценивающие ситуацию с разных "точек зрения". Они могут предложить различные решения, которые должен откорректировать и согласовать специалист, сидящий за дисплеем узла.

2. Решение предлагают несколько экспертных систем, находящихся в различных узлах вычислительной сети. В силу того, что они тоже могут подходить к решению с разных "точек зрения", могут быть предложены различные решения, которые теперь уже должны будут согласовывать специалисты, находящиеся, возможно, в различных узлах сети. Если один из узлов передал не одно, а несколько решений, то ситуация принципиально не меняется.

  1. Решение предлагают несколько специалистов, сидящих за дисплеями различных узлов вычислительной сети. Они все должны будут и согласовывать принятие окончательного решения.

  2. Наконец, возможен вариант, когда предлагаются различные решения и экспертными системами (системой), и экспертами (экспертом).



^

4.2.2. Проблемы, решаемые с помощью СППР


Попытки применения исследования операций для решения различного класса задач выявили большие различия в природе изучаемых систем. В связи с этим была предложена следующая классификация проблем.

1. Хорошо структурированные или количественно сформулированные проблемы, в которых существенные зависимости выяснены настолько хорошо, что они могут быть выражены в числах или символах, получающих в конце концов численные оценки.

Слабо структурированные или смешанные проблемы, которые содержат как качественные, так и количественные элементы, причем качественные, малоизвестные и неопределенные стороны проблем имеют тенденцию доминировать.

Неструктурированные или качественно выраженные проблемы, содержащие лишь описание важнейших ресурсов, признаков и характеристик, количественные зависимости между которыми совершенно не известны.

Согласно этой классификации типичные проблемы исследования операций можно назвать хорошо структурированными. Этот класс задач широко применяется при оценке и выборе элементов технических устройств. Например, форм корпуса самолетов или кораблей, управлении электростанциями, расчете радиоактивного заражения местности и т.д. То есть в тех случаях, когда существуют адекватные математические модели устройств или процессов и есть опытные данные, позволяющие априорно определить параметры этих моделей.

Характерными особенностями проблем третьего класса являются:

  • уникальность выбора в том смысле, что каждый раз проблема является новой для ЛПР, либо обладает новыми особенностями по сравнению со встречавшейся ранее подобной проблемой;

  • неопределенность в оценках альтернативных вариантов реше­ния проблемы;

  • качественный характер оценки вариантов решения проблемы, чаще всего формулируемой в словесном виде;

  • оценка альтернатив может быть получена лишь на основе субъективных предпочтений ЛПР (либо группы ЛПР);

  • критериальные оценки могут быть получены только от экспертов.

К этому классу проблем относятся, например, проблемы планирования научных исследований, конкурсного отбора проектов, выработки политики отбора статей в журналах и т.д.

Ко второму классу проблем относятся многие смешанные задачи, использующие как эвристические предпочтения, так и аналитические модели. Например, при ликвидации последствий чрезвычайных ситуаций, вызванных радиоактивным поражением, аналитические модели могут быть использованы для определения степени и характера поражения через заданные интервалы времени, а эвристические предпочтения при выборе мер по ликвидации последствий поражения. К этому же классу проблем относятся многие проблемы, связанные с экономическими и политическими решениями, проблемы медицинской диагностики и т.п.

В господствующих подходах, порожденных декартовой рационалистической методикой, традиционно существует тенденция отвергать такие термины, как неясность, неопределенность, нечеткость или неточность. Однако в реальном мире неминуемо приходится сталкиваться со множеством случаев, когда невозможно избежать проблемы учета неясностей и неточных данных о событиях, характеристиках в оценках. В 1965 г. Заде предложил теорию нечетких или размытых множеств, получивших также название нечеткой логики. Теория нечетких множеств дала схему решения проблем, в которых субъективное суждение или оценка играют существенную роль при оценке факта неясности и неопре­деленности.

Теория нечетких множеств прошла путь от разработки формальных средств представления плохо определяемых понятий, используемых человеком, и аппарата для их обработки до моделирования приближенных рассуждений, к которым человек прибегает в повседневной и профессиональной деятельности.

Средства вычислительной техники позволяют в значительной степени формализовать процесс поддержки принятия решений, используя оба перечисленных выше подхода в сочетании с методами размытых множеств.

Задачи с объективно оцениваемыми результатами — это задачи, для которых может быть объективно определен факт их окончательного решения. В этих задачах в явном виде задан критерий, определяющий достижения цели. Сюда относятся сложные комбинаторные задачи, различные игры с четкими правилами (шахматы, шашки), задачи проектирования и т.д. Для этих задач, как правило, имеются хорошие аналитические или алгоритмические модели. Для них имеется возможность объективной оценки результата решения или хотя бы сравнительной оценки нескольких вариантов решений.

К задачам с субъективно оцениваемыми решениями отнесем задачи, для которых объективная оценка результата решения отсутствует и ее заменяют экспертные оценки, основанные на эвристических предпочтениях. То есть качество решения основы­вается на субъективных оценках человека. К таким задачам относится принятие экономических и политических решений, задачи медицинской диагностики и т.д.

Обстановку, в которой принимаются решения, можно подразде­лить на стабильную и экстремальную.

При принятии решений в стабильной обстановке ЛПР, как правило, имеет больше времени для сбора и анализа данных и оценки принимаемых решений. Задачи, решаемые в стабильной обстановке, могут быть повторно решаемые или решаемые впервые. При решении повторных задач ЛПР опирается на накопленный опыт и анализ результатов ранее решенных задач. Для впервые решаемых задач опыта их решений нет, и специалисты вынуждены опираться только на свои знания и интуицию.

Принятие решений в экстремальной ситуации характеризуется острым дефицитом времени и, в большинстве случаев, быстро меняющейся обстановкой. Эти два фактора сильно усложняют процесс принятия решений для ЛПР. Задачи, решаемые в экстремальных ситуациях, можно подразделить на ранее решавшиеся и уникальные. Однако даже при решении аналогичных задач практически не бывает двух одинаковых чрезвычайных ситуаций, поэтому наряду с использованием информации, хранящейся в базе данных, специалист (эксперт, ЛПР) должен вводить новую информацию, отображающую данную чрезвычайную ситуацию, корректировать "веса" (значимость) критериев, модифицировать метод ликвидации чрезвычайной ситуации.
4.2.3. Типы компьютерного анализа ситуаций, производимого СППР

Под компьютерным анализом будем понимать человеко-машинную процедуру, состоящую из фаз анализа ситуации, принятия решения и оценки последствий принимаемых решений. Компьютерный анализ может быть статический и динамический. Существует класс задач, в которых анализ сложившейся обстановки, принятие по ней решения является достаточным и не требует дальнейшего анализа (во всяком случае, по данной конкретной ситуации). Такой компьютерный анализ назовем статическим. Примером такого анализа является решение по ликвидации аварийного разлива нефти. Принимается решение, обеспечивающее, исходя из имеющихся возможностей, наиболее безопасный, быстрый и дешевый способ ликвидации аварии. Вопрос о ее дальнейших последствиях и необходимых мерах (экологических, финансовых и др.) не является, как правило, предметом обсуждения при выборе средств и методов ликвидации аварии. Это другая проблема.

Однако во многих случаях ситуация оказывается более сложной. То есть существует очень большой класс задач, в которых нельзя оценить эффективность решения без анализа возможных последствий. Таковы, например, подавляющее большинство поли­тических и экономических решений, выбор хода в шахматах и т.д.

Эти высказывания в других терминах можно сформулировать следующим образом: пусть имеется некоторый набор сценариев, из которого один выбирается для реализации поставленной задачи. Эффективность выполнения задачи будем харак­теризовать показателем W=>max.

Все факторы, от которых зависит успех, разделим на три группы: заданные заранее известные факторы (условия выполнения задачи), которые для краткости обозначим α; зависящие от нас элементы решения, образующие в своей совокупности множества решений X; неизвестные факторы, которые в совокупности обозначим,.

Показатель эффективности W зависит от всех трех групп факторов W=W(α, X, ξ).

Так как величина X зависит от неизвестных факторов ξ она уже не может быть вычислена и остается неопределенной. Поэтому в этом случае задачу можно сформулировать так: при заданных условиях α, с учетом неизвестных факторов ξ, найти такое решение Х, которое, по возможности, обеспечивает максимальное значение показателя эффективности W.

Это уже не чисто математическая задача, вернее не задача классических методов оптимизации. Она может быть решена методами компьютерных игр.
4.2.4. Структура распределенной системы поддержки принятия решений

Иллюстрацию возможной структуры системы поддержки принятия решений проведем на системе автоматизации проектирования (САПР), включающей в себя СППР как подсистему. На рис. 4.1 показан фрагмент возможной структуры системы распределенного автоматизированного проектирования сложного технического объекта применительно к проектирова­нию электрооборудования подвижного объекта, на котором мы и будем иллюстрировать предлагаемый подход. Система содержит 7 блоков и базу знаний.

Блок 1. Выбор исполнительных агрегатов и элементов электрооборудования. Цифрами в блоке обозначены автоматизированные рабочие места (АРМ) (каждую подсистему обозначает одно АРМ);

  • цифрой 1 обозначено АРМ, на котором осуществляется выбор аппаратуры для внешних связей бортового комплекса управления;

  • цифрой 2 обозначено АРМ, на котором осуществляется выбор аппаратуры для управления двигателями;

  • цифрой 3 обозначено АРМ, на котором осуществляется выбор аппаратуры для управления шасси;

  • буквой n обозначено АРМ, на котором осуществляется выбор аппаратуры для бортовой энергетики.

Для каждого устройства или подсистемы проектирующий ее конструктор или группа конструкторов сами выбирают комплектующие. Однако во многих случаях их целесообразно унифицировать или интегрировать. И тогда возникает задача согласования выбора агрегатов и элементов несколькими заинтересованными конструкторами или группами конструкторов.

В этом случае многопользовательский интерфейс обеспечит конструкторам возможность оперативной оценки правильного выбора исполнительных агрегатов и элементов.

Блок 2. Топологическая и весовая компоновка бортовой аппаратуры с помощью экспертных систем. Результатом работы этого блока является распределение аппаратуры по отсекам, осуществляемое экспертными системами с выдачей необходимой документации

Заметим, что в этом блоке нет изображений дисплеев с клавиатурой. Это значит, что он может функционировать автоматически, без вмешательства конструктора.

Блок 3. Редактирование топологической и весовой компоновки. Поскольку это затрагивает разработчиков различных систем, выдвигающих противоречивые требования, необходимо согласо­ванное принятие групповых решений с использованием многопользовательского интерфейса и средств поддержки групповых решений. Номера АРМ обозначают то же, что и в блоке 1.

Блок 4. Разработка и согласование интерфейсов узлов и подсистем требует активного синхронного взаимодействия конструкторов, устройства которых стыкуются с широким использованием многопользовательского интерфейса и средств поддержки групповых решений.

Блок 5. Разработка устройств и подсистем. Производится проектирование устройств и подсистем с помощью экспертных систем, хранящихся в базе знаний, проверка их логической правильности и времени срабатывания.

Блок 6. Разработка и тестирование отдельных компонент электрооборудования с помощью экспертных систем. Аббреви­атуры означают: РАБ - распределение аппаратуры по блокам, КПБ - компоновка приборных блоков, КС - компоновка стелла­жей, РТ - разжгутовка и трассировка, РПО - разработка програм­много обеспечения.

Проводится проверка правильности функционирования

отдельных компонент и в тех случаях, когда это необходимо, времени их срабатывания с помощью моделей функцио­нирования, хранящихся в базах знаний и библиотеках подпрог­рамм моделирования спроектированных аппаратных средств.

Блок 7. Логическое и временное тестирование устройств и подсистем с помощью моделей функционирования, хранящихся в базе знаний и библиотеках подпрограмм спроектированных аппаратных средств.

База знаний содержит:

  • программные модели функционирования аппаратных средств;

  • программные средства поддержки принятия групповых решений;

  • экспертные системы топологической компоновки бортовой аппаратуры;

  • экспертные системы весовой компоновки бортовой аппара­туры;

  • экспертные системы компоновки различных устройств;

  • экспертная система трассировки и разжгутовки кабеля;

  • экспертная система проектирования принципиальных схем;

  • экспертная система проектирования бортовой ЛВС;




  • экспертная система проектирования управления двигателями;

  • экспертная система проектирования шасси.


Рис. 4.1. Фрагмент возможной структуры системы распределенного автоматизированного проектирования
Системы автоматизированного проектирования сложных технических объектов прошли достаточно долгий путь развития и сейчас можно попытаться сформулировать ряд требований (возможно, далеко не полный), обеспечивающий высокую экономичность работы этих систем и оптимизацию создаваемых проектов.

  1. Комплексная (сплошная) автоматизация проектирования от разработки структуры проектируемого объекта до выдачи рабо­чих чертежей и даже доведения проектируемого объекта до серийного производства.

Комплексная автоматизация проектирования позволяет осуществить полный охват всех компонент сложного технического объекта, что также повышает качество и снижает трудозатраты проектирования. Так, например, при автоматизированном проектировании размещения элементов в блоке реле и изготовлении технической документации блока, в соответствии с требованиями стандартов, время проектирования блока сокращается в 6 раз.

2. Увеличение числа прорабатываемых вариантов проекта на всех уровнях проектирования.

Увеличение числа проработанных вариантов может обеспечить наибольшую экономическую эффективность САПР за счет сокращения затрат производства и эксплуатации проекти­руемых объектов.

3. Возможность сравнения вариантов проектирования и выбора наилучшего из них.

Широкое применение вычислительной техники в сложных технических объектах потребовало разработки широкого спект­ра алгоритмов их функционирования. От правильности выбора некоторых алгоритмов может в значительной степени зависеть качество характеристик проектируемого объекта. При выборе алгоритма необходимо учитывать возможности процессоров, на которых они будут реализованы, т.к. некоторые алгоритмы, обладая, например, высокой точностью, могут потребовать больших вычислительных мощностей, которыми устанавливаемые на объект процессоры могут не обладать.

Эффективное создание программного обеспечения.

Возможность принятия групповых решений, то есть решений, принимаемых несколькими конструкторами или даже несколькими группами конструкторов (что значительно сложнее) по одному вопросу.

Это также относится к возможности оперативно согласовывать интерфейсы и другие проектные решения стыкуемых устройств и подсистем и объективно оценивать предлагаемые варианты, выбирая лучшие.

6. Логическое и временное тестирование проектов аппаратных средств и программного обеспечения.

Проблемы проверки правильности программ и времени их функционирования хорошо известны. В последнее время появился ряд подходов, позволяющих автоматизировать процесс тестиро­вания программ, которые могли бы быть реализованы в системах автоматизации проектирования.

7. Выдача рабочей документации и/или программ для станков с ЦПУ и гибких производств.

8. Система должна обеспечить возможность параллельной работы всех конструкторов, участвующих в проектировании объекта.

Проектирование сложного технического объекта - "ручное" или с помощью автоматизированной системы проектирования - всегда является последовательно - параллельным процессом. Точки распараллеливания этого процесса - выдача технических заданий на разработку проектов отдельных устройств и подсистем, а точки синхронизации - согласование проектных решений стыкуемых Устройств и подсистем.

Схема функционирования компьютерной системы поддержки принятия решения (она обычно входит в качестве подсистемы в какую-либо систему широкого назначения, например, в САПР систему принятия экономических решений, систему ликвидации чрезвычайных ситуации и т.п.)

  1   2   3   4   5   6   7   8   9   10   11



Скачать файл (5007 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации
Рейтинг@Mail.ru