Особенностью современного этапа развития систем управления промышленными технологиями является становление систем, основанных на знаниях. Знания всегда были базой успешного решения задачи повышения качества управления производственными системами. Применение знаний основано на интеллектуализации как систем управления, так и объектов управления. Одним из основных направлений повышения эффективности работы промышленных процессов является использование методологий искусственного интеллекта, в частности агентных технологий. Их применение повышает потенциал самоорганизации промышленной системы и способствует увеличению эффективности принимаемых решений [1, 2]. Эффективность управления в организационно-технологических системах зависит как от организационной составляющей таких систем, так и от системы мониторинга состояния оборудования, контрольно-измерительных приборов, систем регулирования параметров и состояния самого технологического процесса [3]. Современные промышленные системы всегда были основаны на двух основных составляющих - организационных и технологических. Консолидация интеллектуального капитала происходит по двум направлениям: интеллектуализация организационной системы и интеллектуализация технологической системы. Интеллектуализация приводит к синергетическому эффекту. Это объясняется повышением эффективности деятельности системы в результате интеграции, слияния отдельных частей в единую систему за счет эмерджентности (системного эффекта). Основным инструментом в реализации интеллектуального подхода в производственных системах являются агентные технологии. Рассмотрим подход к интеллектуализации технологической составляющей системы управления. Класс задач управления промышленными технологиями, динамически изменяющимися системами всегда вызывал ряд сложностей при практической реализации. В работе предлагается схема системы управления сложными динамическими системами, основанная на применении агентной технологии и позволяющая реализовать механизм самоорганизации. Будем рассматривать решение задач, связанных с управлением безопасностью сложных технологических систем. Основная сложность заключается в том, что большинство систем находится под влиянием внешних и внутренних факторов. Обычно их функционирование в процессе эксплуатации носит динамический характер. Как следствие этих влияний, возникает необходимость изменения структуры и функциональности системы. В них могут появляться новые элементы или исчезать старые. Качественная составляющая элементов систем также может быть различна и при этом меняться со временем (организационная составляющая). Для создания информационных систем для таких объектов необходимо использовать методологии анализа, моделирования и синтеза систем управления, базирующихся на фундаментальных знаниях о слабо структурированных ситуациях на основе методов искусственного интеллекта, механизмов целеполагания и пересмотра критериев качества управления в условиях неполноты информации, основанных на применении агентных технологий. При этом возникает необходимость в наделении системы управления свойством самоорганизации. Предлагается реализовать механизм самоорганизации в рамках агентной системы, на основе порождающих функций агентов верхнего уровня. Вторая сложность, возникающая при решении данного класса задач, заключается в отсутствии или нехватке информации, необходимой при принятии управленческих решений в таких системах. Решение этой задачи возлагается на механизмы адаптации, закладываемые в поведение агентов в рамках задач, решение которых возлагается на конкретный класс агентов. Модель поведения агента Предполагаем, что агент может находиться в m состояниях в области, которая образована ограничениями . Зададим: - p - потенциал агента, ; - u Î U - управляющие воздействия центра, f : u ® p; - - восприятие агентом в реальной ситуации свойств состояния данного объекта (a - знания, разделяемые всеми агентами и центром; bi - знания, известные данному агенту i). Агент убежден в необходимости данных знаний, bi = bi(ui); - Y(p) является выпуклым и замкнутым, из чего следует, что возможности агента обладают свойством транзитивности и носят предельный характер, где W(p) - область возможных состояний; - - множество возможностей агента, зависящих от управления u; - состояния , расширяющиеся на множестве свойств Q, т. е. для uÎU, , m(•) - оценки агента необходимости своих представлений, что означает Æ, . Пусть множество состояний агента непрерывно на множестве . Множество представлений агента в различных ситуациях является основой выбора u Î U и x Î Q для состояний целеустремленного поведения. Модель области существования агента Любая технологическая система характеризуется набором множеств параметров: множество технологических параметров T = {Ti, i = 1, ..., I}, множество конструктивных параметров K = {Kj, j = 1, …, J}, множество параметров управления U = {Ul, l = 1, ..., L}. В течение времени t Î (t0, tk) состояние технологического процесса постоянно меняется. На рис. 1 показана область работоспособных нормальных состояний - Sp (). Рис. 1. Область существования состояний системы Данная область получается как результат наложения ограничений на параметры технологического процесса φ (T, K, U) ≤ 0. Множество всех состояний, которые принадлежат области ограничений, - это область всех работоспособных состояний процесса: (рис. 2). Рис. 2. Оценка идеала Обозначения, используемые на рис. 2, представлены в табл. 1. Таблица 1 Описание переменных и формул Формулы и обозначения Описание S Множество состояний объекта управления Sр Множество состояний агента ji, i = 1, …, n Границы области состояния агента выделяет на S множество Sр So Точка процесса, соответствующая области оценки центра безопасности s* Текущая точка области состояний процесса li = min (s*, ji) Величина отклонения точки s* до границы области ji возможных представлений наилучшего состояния агента D*i= min r(s*, s0)ji Величина отклонения точки s* до центра представления наилучшего состояния агента So относительно границ di = min r (s0, ji) Расстояние от центра субъективного идеала So до границ области возможных состояний ji, i = 1, …, n Oi = di - li Степень удаленности данного состояния s* относительно границ ji, i = 1, …, n Di = di - Oi Степень удаленности для данного состояния s* относительно границ ji, i = 1, …, n Последовательная смена состояний Si на некотором промежутке времени (to; tk) рассматривается как процесс функционирования технологии [3]. Процесс переходит во внештатную ситуацию при выходе за границы ограничений. Оценка центра идеала. Агент формирует представление о системе на основе субъективной оценки свойств объекта управления посредством своих познавательных механизмов. На рис. 2 показана область возможных состояний технологического процесса и наиболее благоприятная точка (центр идеала), в которой достигается лучшая реализация технологии получения продукции с наименьшим риском ведения производственного процесса. Центр области субъективного идеала. Суть управления при использовании агентных технологий определяется стремлением к определенным эталонным состояниям. Эталонные состояния формируются по принципу предпочтительности. Формирование принципов предпочтительности осуществляется на этапе проектирования системы и корректируется на основе накопленных знаний в процессе работы системы. На этом этапе выделяются различные классы работоспособных и неработоспособных состояний. Строится система диагностики для целей принятия решений. Определяется основная задача управления технологией. Решается задача стабилизации технологического процесса в области центра. Механизм принятия решений агентом Технология принятия решений строится в соответствии с иерархией принятия решений. Центр владеет некоторым множеством u управляющих решений или правил поведения для некоторой конкретной ситуации. Вначале выполняется анализ входной ситуации ТS0, которая сравнивается с возможными эталонными ситуациями %Si Î Ss, (i = 1, 2, …). Идентифицируется нечеткая ситуация, которая наиболее приближена к одной из нечетких эталонных ситуаций. Затем определяется управляющее решение %Si ® Ri. В соответствии с операцией нечеткой эквивалентности [4] стоится модель операции сравнения. Определение нечеткой ситуации. - множество признаков, используемых агентом. Для каждого признака xi вводятся лингвистические переменные [1] (рис. 3). Рис. 3. Функции принадлежности лингвистической переменной Нечеткая эквивалентность. Мера близости ситуаций оценивается на основе двух критериев: степени нечеткого равенства и степени нечеткого включения. Степень нечеткого [4] включения определяется выражением , где %Si Í %Sj при степени включения %Si в %Sj, принадлежащих интервалу порога включения tinc Î [0,6; 1], в этом случае n(%Si , %Sj) Î tinc. Степень нечеткого равенства. Ситуации и нечетко равны, если множество содержит ситуации и , которые характеризуются формулами вхождения множеств Í , а Í . Из этого следует . Принято, что множество эталонных ситуаций не содержит нечетко равных ситуаций (Ss является полным множеством). Ситуация %Si существует для любой входной ситуации S0. Для эталонной ситуации формируется алгоритм управляющих решений [5]. Индекс безопасности. Субъективная оценка идеала. Введем понятие индекса идеала для характеристики субъективной оценки идеала. Для оценки текущего состояния системы агентом сравнивается на нечеткое равенство входная нечеткая ситуация и нечеткая ситуация, определяющая центр безопасности. Нечеткое равенство определяет субъективный индекс идеала технологической безопасности. Ниже представлены примеры расчета функций индекса технологической безопасности как оценки субъективного индекса идеала агента (рис. 4). а б Рис. 4. Результаты расчета индекса безопасности: а - индекс безопасности технологического режима; б - индекс безопасности оборудования и систем управления Модель цели поведения агента Вводятся лингвистические переменные. Выполняется формализация семантической информации. Эта информация носит описательный, словесный характер, источником которой являются экспертные опросы обслуживающего персонала. Осуществляется перевод информации на язык нечеткой логики. Формируются управляющие решения. Формируется база данных на основе мониторинговых измерений (табл. 2). Таблица 2 Структура базы данных и результатов счета Структура базы данных Номер состояния p1 … pn d1 … dm T1 T2 T3 … T1 … Tk T1 T2 … T1 T2 T3 1 m11(p1) m12(p1) m13(p1) … m11(pn) … m1k(pn) m11(d1) m12(d1) … m1n(dm) m12(dm) m13(dm) 2 m21(p1) m22(p1) m23(p1) … m21(pn) … m2k(pn) m21(d1) m22(d1) … m21(dm) m22(dm) m23(dm) … … … … … … … … … … … … … … v mv1(p1) mv2(p1) mv3(p1) … mv1(pn) … mvk(pn) mv1(d1) mv2(d1) … mv1(dm) mv2(dm) mv3(dm) Расчет индекса 1 этап p1 … pn d1 … dm 1 … … … … … … … … … v … … 2 этап 1 … … … v 3 этап 1 … … v На основе сформированной базы данных вычисляются субъективные оценки идеала. Структура базы данных отражает варианты расчета для показателей безопасности функционирования технологической системы. При этом учитываются ущербы, возникающие в процессе функционировании системы. На основе того же механизма вычислений определяется индекс субъективной оценки идеала риска: , где - индекс оценки идеала субъективной безопасности; - индекс оценки идеала субъективной идеала ущерба. Модель состояний системы с точки зрения центра Процесс функционирования системы представляет собой непрерывную смену состояний. Смена состояний зависит от воздействия внешних и внутренних факторов. Возникает процесс смены состояний системы. Непрерывно меняются значения индексов. Наиболее подходящей моделью, которая описывает смену состояний, является марковская модель. Примером для системы с четырьмя состояниями может быть система, показанная на рис. 5. Рис. 5. Пример размеченного графа с четырьмя состояниями [6] Эта система может быть описана системой уравнений Колмогорова: где плотность перехода [6]; - предел отношения значения индекса субъективной оценки идеала агента за время Dt при переходе из состояния Si в состояние Sj к длине промежутка Dt. В уравнении левая часть - производная функции. Вывод аналогичных соотношений приведен в [6]. Условия, при которых цепь Маркова имеет единственное стационарное распределение и обладает эргодическими свойствами, приведены в [7]. Рискоустойчивое целеустремление Задача состоит в определении поведения системы, при котором доход будет стремиться к максимальной величине. Опираясь на знания агента, центром определяется стратегия системы. Правильная стратегия определяет выбор смены состояний системы в заданный отрезок времени в течение N периодов. В работе рассматривается решение задачи методом динамического программирования. - максимальный средний ожидаемый доход. Доход определяется в пределах от n до N включительно. Тогда получаем рекуррентное соотношение, определяющее связь с числами (): , где k - номер используемой стратегии. C вероятностью определяется общий суммарный доход при переходе на этапе n из состояния i в состояние j на этапе n + 1. Введя обозначение , получаем рекуррентное уравнение . На основе данной модели вычисления осуществляется выбор управляющих решений для задач с конечным числом этапов. Использование метода представлено, например, в [8]. В работе приводятся методологические результаты предложенных теоретических положений. Заключение Таким образом, следует отметить, что система агентов, снабженная механизмом самоорганизации и адаптации, будет обладать рядом весомых преимуществ по сравнению с другими системами. Рассмотренная система будет иметь возможность изменения своей структуры в «синхронном» режиме с изменением структуры управляемой системы.