Сетевое издание

Современные проблемы науки и образования

ISSN 2070-7428

"Перечень" ВАК

ИФ РИНЦ = 1,006

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Харитонова А.М. 1 Сергеев Е.С. 1 Пигачёв П.В. 1

---

1 ФГБОУ ВПО «Чувашский государственный университет им .И.Н.Ульянова»

В статье рассмотрены вопросы разработки методов проектирования и использования автоматизированных систем производства изделий машиностроения. В качестве инструмента для формального представления предметной области предложены онтологические модели. Прикладная онтология рассматривается как база знаний автоматизированной системы производственного предприятия. В процессе формирования прикладной онтологии исследовано функционирование подсистемы автоматизированного контроля комплектующих. Работа подсистемы представлена конечным автоматом. Приводятся характеристики конечного автомата и их семантические соответствия к производственному процессу. Автомат представляет работу системы как продвижение заказа в зависимости от состояний файлов о производственном процессе и требований, заданных во входной цепочке словаря языка предметной области. Исследованы вопросы представления концептов, их отношений и функции переходов автомата. В качестве инструмента реализации конечного автомата использована платформа .NET Framework с применением компонентов набора State Machine.

Статья в формате PDF

186 KB

автоматизированные системы

производственный процесс

база знаний

семантика

прикладная онтология

конечный автомат

реализация автомата

1. Молчанов А.Ю. Системное программное обеспечение: учебник для вузов. – СПб.: Питер, 2003. – 396 с.

2. Соколов А.П. Системы программирования: теория, методы, алгоритмы: учеб. пособие. – М.: Финансы и статистика, 2004. – 320с.

3. Иванов В.В., Иванов В.А. Модели и методы интеграции структурированных текстовых описаний на основе онтологий // Труды Казан. Школы по компьютерной и когнитивной лингвистике TEL-2008. – Казань: Казан. гос. ун-т, 2009. – 177с.

4. Харитонова А.М. Стандартные методы автоматизации обработки текстовой информации // Компьютерные технологии и моделирование: сб. науч. трудов. – Вып. 8. – Чебоксары: Изд-во Чуваш. ун-та, 2012. – С.67–72.

5. Харитонова А.М. Логические основы языков web-онтологий. Компьютерные технологии и моделирование: сб. науч. трудов. – Вып. 7. – Чебоксары: Изд-во Чуваш. ун-та, 2011. – С.65–68.

6. Харитонова А.М. Применение онтологических средств при реализации подсистемы моделирования в САУ ПП // Компьютерные технологии и моделирование: сб. науч. трудов. – Вып. 6. – Чебоксары: Изд-во Чуваш. ун-та, 2010. – С. 3–10.

Исследования показывают, что предприятия часто используют морально устаревшие автоматизированные системы (АС) для обслуживания производственных процессов (ПП) на фоне богатого выбора предлагаемой рынком программной продукции. Это связано с высокой стоимостью и излишней универсальностью представленных там АС. Обеспечение отечественных пользователей моделями и методами оперативной интеграции и обработки данных с применением современных технологий позволит внедрять в эксплуатируемые системы дополнительные функциональности. В статье приводится исследование логики функционирования и взаимодействия концептов в области автоматизированных систем.

Цель работы – предложить новые модели и методы для представления производственных процессов и их управлением. Для этого решались следующие задачи: выявить эффективные модели проектирования и использования АС, разработка концептуальной модели управления производственным процессом, разработка методов реализации модели.

Роль и место онтологических моделей

При проектировании или реализации сложных систем математические и физические модели достаточно сложны и громоздки. Альтернативные модели для исследования таких задач должны обладать достаточно выразительной мощностью. Такой мощностью обладают онтологические модели (ОМ). Они основаны на идее формирования общих шаблонов представления об исследуемой области знаний, автоматизированного наполнения их конкретными фактами, компонентами и методами обработки с использованием уже имеющихся знаний. Онтологические базы являются составной частью информационных систем, в них должны аккумулироваться метаданные, представляющие собой факты о предметной области, источниках данных и свойствах этих данных. Каждой конкретной концептуализации предметной области соответствует собственная онтология, то есть логика бытия. Онтологической фиксацией можно назвать буквально: 1) процесс выбора конкретной логики предметной области и/или 2) определение смысла концептов и их отношений конкретного случая концептуализации. Логические теории и специальные языки используют различную терминологию для описания семантики предметной области. Например, в Википедии приводится такое соответствие терминов дескрипционной логики (ДЛ) и онтологического языка (OWL):

• концепт, роль, индивид и база знаний;
• класс, свойство, объект и онтология, соответственно.

При формальном представлении предметной области можно допустить следующие рассуждения. База знаний K предметной области представляется через набор утверждений общего вида ТВох и набор утверждений частного вида АВох, которые вместе составляют так называемую базу знаний или онтологию, то есть K = ТВох АВох. То, что это выражение на языке ДЛ называется также онтологией, связано с тем, что мощность дескрипционной логики позволяет задавать семантику языка множествами объектов путем интерпретации атомарных концептов и их ролей. Концептуальную схему, представленную через атомарные концепты и их отношения, можно рассматривать как онтологию верхнего уровня (ОВУ). Значения классов верхнего уровня онтологии можно выражать через подмножества понятий тезаурусов данной предметной области, допустимых в качестве значений свойств этих классов, и с использованием ограничений на языке дескрипторной логики. Можно вести независимо тезаурус и онтологию, которые вместе формируют интенсиональную (схему) и экстенсиональную (данные) компоненты структурированных описаний. А возможность интерпретаций позволяет на базе ОВУ создавать прикладные онтологии, отображая концепты и их отношения в соответствующие множества классов, объектов и их свойств. Именно это обстоятельство делает онтологические модели достаточно гибкими и выразительными. Концепт, дополняющий ОМ, независимо, интенсиональную или экстенсиональную ее составляющую, не отвергает саму модель, а просто расширяет ее. Процесс формирования прикладной онтологии можно продолжать постоянно, при этом имеется возможность корректировать модель, обновляя концепты заменой интерпретирующих их элементов множеств.

Разработка концептуальной модели управления производственным процессом

Исследование функционирования АС и реализация методов их разработки проводились в парадигме управления подсистемой автоматизированного контроля комплектующих (АКК). Поэтому при разработке модели АС в качестве основных концептов и их отношений выделены те, которые связаны непосредственно с подсистемой АКК. Работу подсистемы можно рассматривать как управление последовательностями функций цикла выполнения очередного заказа, то есть функций по обеспечению производственного процесса (ПП) необходимыми комплектующими, исходя из требуемой даты и остатков на складах, определения дефицита, обеспечения покрываемости альтернативами, заказами на закупку или собственным производством. Выполнение функций сопровождается соответствующей регистрацией в файлах базы данных и генерацией необходимых для производственных служб документов для принятия решений. На рис.1 приводится граф конечного автомата (КА), представляющего работу исследуемой подсистемы АКК в процессе продвижения текущего заказа. КА – простейший вариант машины Тьюринга. На базе конечного автомата достаточно просто создавать распознаватели конфигураций для управления функционированием исследуемой предметной области. Конечный автомат определяется пятеркой объектов: М = (S, R, δ, s0, F), где S – конечное множество состояний автомата; R – конечное множество допустимых входных символов; δ – функция переходов: отображение множества (SR) в подмножество состояний Р(S); s0 – начальное состояние автомата; F – множество заключительных состояний. Цикл выполнения очередного заказа включает в себя распознавание последовательностей цепочек, каждая из которых состоит из одного или нескольких шагов на конфигурациях этого автомата.

Рис.1. Конечный автомат языка функционирования подсистемы АКК

На базе этого конечного автомата выделены концепты, формируемые при создании прикладной онтологии подсистемы АКК. Приведенные ниже концепты онтологий верхнего уровня, являясь компонентами концептуальных моделей, также являются и компонентами информационной базы исследуемой предметной области.

О = {o0, o1, o2, … oN} – онтология и ее конфигурации в цикле выполнения очередного заказа, N – количество необходимых шагов выполнения заказа.

S = {s0, s1, s2,…, sM} – cостояние устройства управления КА.

F = {f0, f1, … fK} – функции выполнения заказа. Функцию F можно рассматривать как статическую составляющую базы знаний, элементы которой используются в процессах изменения динамической составляющей онтологической базы в цикле выполнения очередного заказа.

R = {a, l, b, ,c, d, n, u, p, e, m, f, g, k, h, z} – алфавит КА. Концепт представлен множеством элементов, обозначенных строчными буквами латинского алфавита. Каждой букве соответствует конкретный ресурс. Наличие в заданной цепочке буквы показывает о необходимости наличия нужного ресурса в состоянии, соответствующем позиции данной буквы. В процессе управления производственным процессом персоналом формируются цепочки, определяющие, по какому пути продвигать выполнение текущего заказа.

А = {А1, А2, А3,…} – файлы ПП. Элементами множества файлов являются таблицы-файлы с описанием состояний компонентов производственного процесса. Множества записей из этих таблиц используется для интерпретации одноименных концептов.

K = {ka , kl, kb ,…} – концепты о комплектующих. Элементы множества представляют собой также концепты, интерпретируемые множествами записей из таблиц концепта А. Индексы элементов концепта соответствуют символам алфавита КА и показывают, в каком состоянии должен формироваться концепт для анализа о наличии своего ресурса. Элементы концепта динамически формируются в процессе анализа предметной области, исходя из текущего состояния заказа и в соответствии с заданной цепочкой режима использования конечного автомата. Для их вычисления используются функции с предикатами, позволяющими анализировать наличие необходимой информации в базе данных производственного процесса для выполнения нужной функции перехода. В таблице 1 приводится фрагмент из общего формального представления элементов концепта К.

Формальная семантика символов алфавита КА

Например, для выполнения функции перехода δ(s2, b) = s3 во входной цепочке должен быть символ b, что требует наличия концепта kb = r2.kl , где r2 – двухместный предикат – запись имеет атрибут со свойством (PDZ = true). Интерпретируется множеством записей, у которых все r2-последователи находятся в kl.

Каждому участнику производственного процесса (ПП) соответствуют собственные цепочки для управления режимами производства, корректировки производственного процесса при выполнении текущего задания. Входная цепочка определяется диспетчером или другим пользователем подсистемы АКК. При наличии концепта заказ продвигается вперед в соответствующем входной цепочке направлении. Например, цепочка α = alg является запросом на формирование закупки для заказа, а цепочка β= abcdefk является запросом на продвижение заказа до поступления его на производственный склад, включая печать накладной на перемещение ТМЦ и производство продукции.

Реализация управляющей программы

Реализация управляющей программы и интерфейсов пользователей ведется в инфраструктуре технологии .NET Framework, которая предоставляет набор услуг для таких условий, когда исполнение заказа может занять долгое время, необходимы приостановки или отмены процессов, проводить анализ и изменение логики ведения процессов.

Применение ее новейших компонентов для работы с состояниями позволяет легче и быстрее создавать модели исследуемых процессов, проводить их реализации. На рисунках 2–4 приводятся фрагменты реализации конечного автомата с применением компонентов State Machine режима Workflow технологии .NET Framework.

Рис. 2. Фрагмент представления состояний конечного автомата

Рис.3. Переход T1 конечного автомата из состояния State 1 в состояние State 2

Рис. 4. Результат выполнения активностей состояния

Заключение

Продолжением аспекта исследования будет построение прикладной онтологии. Проведение экспериментальных реализаций конечного автомата в процессе разработки прикладной онтологии постоянно расширяет интенсиональную составляющую базы знаний предметной области, включающую функции, запросы, спецификации, технологии. Это развивает базовую составляющую автоматизированной системы, что позволит разрабатывать более эффективные методы для решения задач управления производственным процессом.

Рецензенты:

Славутский Л.А., д.ф.-м.н., профессор кафедры автоматики и управления в технических системах ФГБОУ ВПО «Чувашский государственный университет им. И.Н. Ульянова», г. Чебоксары;

Артемьев И.Т., д.ф.-м.н., профессор, зав. кафедрой математического и аппаратного обеспечения информационных систем ФГБОУ ВПО «Чувашский государственный университет им. И.Н. Ульянова», г. Чебоксары.

Библиографическая ссылка