Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Автоматизированные системы управления и прогрессивные информационные технологии

Диссертационная работа:

Утросин Валерий Владимирович. Повышение эффективности производственного процесса с помощью продукционных экспертных систем в среде информационной поддержки жизненного цикла изделия : диссертация ... кандидата технических наук : 05.13.06.- Москва, 2005.- 133 с.: ил. РГБ ОД, 61 06-5/705

смотреть содержание
смотреть введение
Содержание к работе:

Список сокращений и определения 4

Введение 5

ГЛАВА 1. ИСПОЛЬЗОВАНИЕ СТРАТЕГИИ CALS ДЛЯ
ПОВЫШЕНИЯ УРОВНЯ АВТОМАТИЗАЦИИ ПРЕДПРИЯТИЯ,
ОСОБЕННОСТИ И ПРОБЛЕМЫ. ПОСТАНОВКА ЗАДАЧИ
10

  1. Описание стратегии СALS как средства повышения эффективности производства 10

  2. Проблемы автоматизации производства 19

  3. Использование методов искусственного интеллекта для решения проблем повышения уровня автоматизации производства 22

  4. Цели и задачи исследования 25

  5. Выводы по главе 27

ГЛАВА 2. РОЛЬ ПРОДУКЦИОННЫХ ЭКСПЕРТНЫХ СИСТЕМ В
ПОВЫШЕНИИ УРОВНЯ АВТОМАТИЗАЦИИ ПРОИЗВОДСТВА
28

  1. Основы и архитектура экспертных систем 28

  2. Применение экспертных систем в промышленности 43

  3. Особенности интеграции экспертных систем в единое информационное пространство предприятия 47

  4. Выводы по главе 53

ГЛАВА 3. МОДЕЛИРОВАНИЕ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ
С ПОМОЩЬЮ АППАРАТА ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
КАК СРЕДСТВО ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ
ПРОИЗВОДСТВА
54

  1. Основы и архитектура моделей на основе искусственных нейронных сетей 54

  2. Применение аппарата искусственных нейронных сетей в промышленности 68

  1. Особенности реализации аппарата искусственных нейронных сетей в едином информационном пространстве 84

  2. Выводы по главе 89

ГЛАВА 4. РЕАЛИЗАЦИЯ МЕТОДОВ ПОВЫШЕНИЯ
ЭФФЕКТИВНОСТИ ПРОИЗВОДСТВА ПУТЕМ ИНТЕГРАЦИИ
ЭКСПЕРТНЫХ СИСТЕМ И ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
В ЕДИНОЕ ИНФОРМАЦИОННОЕ ПРОСТРАНСТВО
ПРЕДПРИЯТИЯ
90

  1. Структура конкретного технологического процесса для реализации интеграции экспертных систем и искусственных нейронных сетей 90

  2. Архитектура системы автоматизации на основе применения экспертных систем и искусственных нейронных сетей и методика интеграции экспертных систем и искусственных нейронных сетей в единое информационное пространство 95

  3. Пример построения системы по автоматизации с применением экспертных системи искусственных нейронных сетей 102

  4. Расчет эффективности применения экспертных систем и искусственных нейронных сетей при их интеграции в единое информационное пространство

предприятия 111

4.5 Выводы по главе 115

Основные выводы по диссертационной работе 116

Список использованных источников 117

Приложение 122

Список сокращений

  1. API (Application Programming Interface) - интерфейс прикладного программирования.

  2. CALS (Continuous Acquisition and Life Cycle Support) -система непрерывной поддержки жизненного цикла изделия.

  3. CORBA (Common Object Request Broker Architecture) — архитектура посредника объектных запросов.

  4. IDL (Interface Definition Language) - язык определения интерфейсов.

  5. ОМА (Object Management Architecture) - объектная архитектура.

  6. OMG (Object Management Group) -некоммерческая организация для продвижение идей объектно-ориентированного подхода при разработке приложений.

  7. SOAP (Simple Object Access Protocol) - протокол сообщений для выбора web-служб.

  8. XML (Extendible Markup Language) — расширяемый язык разметки.

  9. ИНС — искусственная нейронная сеть.

  1. ЭС — экспертная система.

  2. ПЭС - продукционная экспертная система.

  3. ООП - объектно-ориентированное программирование.

  4. СУБД — система управления базами данных.

  5. ЕИП(П) - единое информационное пространство (предприятия).

  6. СППР - система поддержки принятия решения.

  7. RPC (Remote Procedure Call) - вызов удаленной процедуры.

Введение к работе:

Актуальность темы

В настоящее время информационные технологии эффективно

внедряются в области машиностроительного производства, помогая решать задачи организации, планирования и управления производства. На предприятиях внедряются информационные системы, автоматизирующие различные аспекты процессов проектирования и управления производством. Полный цикл проектирования, изготовления и эксплуатации изделий в настоящее время реализуется с помощью единой системы компьютерной поддержки всего окизненного цикла изделия - системы CALS, что позволяет существенно повысить уровень автоматизации и эффективность деятельности предприятия. Но некоторые операции остаются не автоматизированными, чему могут быть следующие причины:

  1. Незначительность операции, в результате чего производители автоматизированных систем обошли этот участок производственного процесса вниманием. Решением может служить достаточно простое в разработке, внедрении и применении средство создания автоматизированной системы.

  2. Уникальность операции, в результате чего автоматизированных систем для данной операции не присутствует на рынке. Решением также может служить достаточно простое в разработке, внедрении и применении средство создания автоматизированной системы.

  3. Сложность формализации операции, в результате чего для операции невозможно или очень трудоемко построить математическую модель. Разработка методик решения перечисленных специфических проблем

является актуальной задачей. В данной диссертационной работе при проектировании специфических процессов и изделий, в рамках CALS технологии, предлагается использовать модели изделий и процессов на

основе методов продукционных экспертных систем (ПЭС) и искусственных нейронных сетей (ИНС). Для эффективной работы таких средств автоматизации необходимо, чтобы они легко интегрировались в единую информационную среду предприятия. В противном случае эффективность их внедрения будет уменьшаться из-за необходимости подготовки входных данных, обработке и передачи в другие автоматические системы выходных данных.

Полученное средство автоматизации должно обеспечивать универсальность применения, достаточную для решения перечисленных специфических проблем на любом этапе жизненного цикла изделия. В качестве примера автоматизируемого процесса берется этап подготовки производства проката периодического профиля (арматуры) для железобетонных изделий, который осуществляется в компании ООО «ПК АиМ». Этот пример послужит иллюстрацией применения разработанных в данной работе методик и положений.

Цель работы

Повышение эффективности этапа подготовки производства изделий

в рамках CALS технологии за счет разработки методики рационального применения моделей на основе механизмов продукционных экспертных систем и искусственных нейронных сетей.

Решаемые научные задачи

1. Анализ состояния и решения задач по повышению уровня

автоматизации подготовки производства, в рамках информаг^ионной поддержки жизненного цикла изделий, с применением аппарата экспертных систем и искусственных нейронных сетей.

2. Определение требований к архитектуре экспертной системы при
решении специфических задач подготовки производства, в структуре
CALS технологии.

  1. Определение требований к применению аппарата искусственных нейронных сетей, совместно с экспертной системой при решении специфических задач подготовки производства, в структуре CALS технологии.

  2. Разработка методики рационального применения аппарата экспертных систем и искусственных нейронных сетей при подготовке производства изделий в рамках CALS технологии.

  3. Разработка метода обучения продукционных экспертных систем и искусственных нейронных сетей в автоматическом реоісиме, с последующим подключением к процессу подготовки производства.

  4. Реализация демонстрационного прототипа (прикладного программного комплекса) по реализации экспертной системы и нейронной сети и экспериментальное обоснование целесообразности практического использования разрабатываемой системы

Научная новизна

1. Предложен новый подход к определению области рационального

применения аппарата экспертных систем и искусственных нейронных сетей при подготовке производства изделий, в рамках CALS технологии.

  1. С целью повышения эффективности этапа подготовки производства в рамках CALS технологии разработана методика рационального использования аппарата экспертных систем и искусственных нейронных сетей, работающих в различных конфигурациях.

  2. Разработан способ обучения продукционной экспертной системы и искусственной нейронной мети без участия человека с последующим подключением системы к решению задачи.

  1. Предложена объектная модель, реализованная на языке Express, для описания продукционных правил экспертной системы и архитектуры и значений коэффициентов искусственной нейронной сети. Данная модель позволяет обмениваться этими данными, что позволяет отделить сами данные от механизма их выполнения.

  2. Практическая ценность работы заключается в повышении эффективности процесса подготовки производства, в рамках CALS технологии, за счет разработки методических, алгоритмических и программных средств для автоматизации отдельных участков производства с помощью совместного использования аппарата экспертных систем и искусственных нейронных сетей.

Реализация в промышленности

Методика и алгоритмы, предложенные в работе, были использованы

при разработке информационной системы для поддержки функционирования производства арматурной проволоки ООО «ПК АиМ».

Апробация работы

Основные положения и результаты диссертационной работы

докладывались и обсуждались на V-й научной конференции МГТУ «СТАНКИН» и «Учебно-научного центра математического моделирования МГТУ «СТАНКИН» - ИММ РАН».

Положения, выносимые на защиту

1. Обоснование целесообразности использования экспертных систем и

нейронных сетей при решении специфических задач подготовки производства, в среде единого информационного пространства CALS технологии.

2. Методика совместного использования экспертных систем и аппарата
искусственных нейронных систем для решения комплексных задач
автоматизации производства.

3. Архитектура информационной системы, обеспечивающей

эффективное использование экспертных систем и искусственных нейронных систем в среде единого информационного пространства производства

Структура и объем диссертации

Диссертационная работа состоит из введения, четырех глав, основных

результатов и выводов, изложенных на 121 странице машинописного текста, содержит 18 рисунков и 4 таблицы, список использованной литературы из 63 наименований и приложение на 12 страницах. Общий объем работы — 133 страницы.

Подобные работы
Деменков Максим Евгеньевич
Повышение эффективности конструкторско-технологического проектирования на основе интегрированной модели жизненного цикла изделий
Белоусов Алексей Вячеславович
Повышение эффективности процессов конструкторско-технологического проектирования на основе информационной поддержки изделия
Олейник Андрей Владимирович
Повышение срока службы изделий машиностроения на основе ситуационного управления процессами сопровождения их жизненного цикла
Домрачев Фёдор Иванович
Повышение эффективности технологического проектирования на основе классификации изделий
Домрачев Федор Иванович
Повышение эффективности технологического проектирования на основе классификации изделий
Козак Николай Владимирович
Повышение эффективности процесса разработки систем управления промышленной электроавтоматикой на основе интеграции внешних программных компонентов
Белякова Марина Станиславовна
Повышение эффективности процессов конструкторско-технологического проектирования на основе разработки информационной системы моделирования поверхностей
Сабиров Ильдар Салихзянович
Повышение эффективности процесса лазерного упрочнения путем оптимального управления технологическими параметрами
Кирилина Анастасия Николаевна
Повышение эффективности управления процессом лазерного термического упрочнения лезвийного инструмента на основе математических моделей
Семенова Юлия Валентиновна
Повышение эффективности автоматизированного управления процессами направленной кристаллизации на основе метода кольцевых сечений

© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net