Математическое моделирование, численные методы и комплексы программ
Кабулова Е.Г., кандидат технических наук, доцент Старооскольско-го технологического института им. А.А. Угарова (филиала) Национального исследовательского технологического университета «МИСиС»
АНАЛИЗ ПРОЦЕССОВ МОДЕЛИРОВАНИЯ И ПРИНЯТИЯ РЕШЕНИЙ В СИСТЕМАХ МЕТАЛЛУРГИЧЕСКОГО ПРОИЗВОДСТВА
В работе проводится анализ проблем выявления наиболее эффективных моделей, применяемых для обеспечения и повышения качества контрукционных материалов: металлов и сплавов.
Ключевые слова: выплавки стали, стохастическое моделирование, нечеткие множества.
THE ANALYSIS OF THE PROCESSES OF MODELING AND DECISION MAKING IN SYSTEMS OF METALLURGICAL PRODUCTION
This paper analyzes the problem of identifying the most effective models used for quality assurance and improvement materials: metals and alloys.
Keywords: steelmaking, stochastic modeling, fuzzy sets.
Металлургические предприятия во всем мире ежегодно расходуют сотни миллионов долларов на компьютерное моделирование технических и экономических процессов в металлургии. Однако стройной математической основы для моделирования реальных объектов и анализа процесса выплавки стали пока не существует [5].
В настоящее время при математическом моделировании процессов выплавки стали и сплавов широко используется дедуктивный подход, когда пытаются понять поведение системы в целом, описав в деталях частные механизмы и уравнения. Основная проблема при этом - отсутствие возможности аналитической обработки и принятия решений при наличии большой погрешности в исходной информации [4].
При решении задач в детерминированной постановке с ростом сложности и размерности модели возникают большие проблемы с устойчивостью расчетных и оптимизационных задач. Основное препятствие для детерминированных моделей - отсутствие достоверной информации. Таким образом, многомерные детерминированные модели оказываются избыточно сложными. Кроме того, наличие огромного числа расчетных элементов усиливает неустойчивость счета и увеличивает погрешность расчета технологических показателей.
Следует отметить, что в большинстве коммерческих программных продуктах ориентированных на металлургическое производство все алгоритмы построены на детерминированной основе, и только ряд отдельных задач ориентирован на условия принятия решений в условиях риска [5].
При использовании детерминистских методов, редко получаются адекватные модели. Поэтому на практике в условиях недостатка информации часто применяют стохастический подход.
Практическое использование стохастических моделей в том виде, в котором они реализованы в настоящее время, опирается на их представительную многовариантность. При этом, если генерация нескольких реализаций на любом этапе моделирования не представляет серьезной проблемы, то получение именно представительного ансамбля часто является сложной и нетривиальной задачей [1]. Необходимо провести детальный анализ имеющихся исходных данных, результатов расчета и определить, какие именно составляющие модели могут внести существенную неоднозначность в построения и применить для получения этих составляющих модели технологии многовариантного стохастического моделирования [1,4].
Проблемы практического мониторинга приводят к рассмотрению процессов выплавки как открытых, саморазвивающихся систем. В исследованиях, связанных с металлургическим производством, известен так называемый феноменологический подход, когда сразу ищутся законы, описывающие систему в целом. Хотя такой метод и является довольно плодотворным в некоторых случаях, он не вскрывает всю многогранную и микроскопическую картину явлений. Путь к решению проблемы на наш взгляд лежит в более общем подходе к рассмотрению открытых систем и моделированию многопорядковой динамики их развития [3].
Отличительной особенностью вариативного моделирования является замена объекта-оригинала набором его разнообразных моделей и их совместное использование. Такой подход используется при многовариантном стохастическом моделировании, когда в условиях неопределенности пытаются получить представительный набор моделей, а затем строить прогнозы на основе этого набора и его характеристик [1,2].
Учитывая сложности при контроле и мониторинге процесса плавки, можно сделать вывод, что необходим комплексный (интегрированный) подход к решению возникающих проблем.
Таким образом, предлагается использовать концепцию оптимизации процесса выплавки стали, смысл которой заключается в совместном использовании двух дополняющих друг друга направлениях моделирования сложных объектов и процессов. Первое направление это многомерные детерминированные постоянно действующие модели пластовых систем. В этом случае достигается максимально возможная детализация моделируемых процессов. Второе направление связано с исследованием качественных изменений в развитии процессов в основном на основе методов математической статистики. Основное назначение таких малопараметрических моделей системы - обеспечение приемлемой идентификации процессов и достижение надежного их прогноза. Применение возможностей двух подходов при моделировании значительно снижает вероятность ошибок и уровень риска при принятии технологических решений.
Другой возможный подход - это интеграция и согласование разнородной, неточной информации на основе теории нечетких множеств. В целом, более широкая интеграция информации позволяет практически реализовать модель системы, функционирующую в реальном масштабе времени, путем оснащения ее автоматизированными средствами интерпретирования информации и гаран-
тирующими, что такая интерпретация является разумной в контексте имеющихся данных.
Приемлемость использования противоречивых фактов до некоторой степени дает возможность обеспечить начальное функционирование информационной модели и инженерное решение построения интеллектуальной системы. Это позволяет целенаправленно формировать оптимальное для решения конкретных задач контроля состояние объектов.
Таким образом, комплексное применение разного вида моделирования приведет к совершенствованию моделей и алгоритмов управления процессом выплавки стали в условиях нечеткой и стохастической неопределенности, а также позволит повысить эффективность технологии и качество выплавляемой стали.
ЛИТЕРАТУРА
1. Губарев В.В., Альсова О.О., Швайкова И.Н. Интеллектуальный анализ "данных" и вариативное моделирование с системных позиций. http://mftech.webservis.ru/it/conference/ scm/2000/session8/gubarev.htm.
2. Калугина К.В. Прогнозирование технологии производства стали / К.В.Калугина, С.К. Михайлов, Б.К. Святкин - М.: Металлургия, 2000. - 180 с.
1. Лачинов В.М., Поляков А.О. Информодинамика или Путь к Миру открытых систем. СПб, Изд.: СПбГТУ, 1999.-220 ^
3. Черный А.А. Математическое моделирование применительно к литейному производству: учеб. пособие. - Пенза: Изд-во Пенз. гос. ун-та, 1998. - 121 с.
4. Шестопал В.М. Технологические и экономические основы литейного производства/ В.М. Шестопал, Я.А. Гольбин, Р.П. Ришэ, В.Я. Клебанер; под ред. В.М. Ше-стопала. - М.: Машиностроение, 1974. -304 с.
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.