126329 (691011), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Для характеристики конструкционных и технологических особенностей систем их различают: по объему выпуска, новизне конструкции и (или) технологии. По объему выпуска различают объекты массового, серийного и единичного производства. По характеристике свойств и режимам применения (эксплуатации) различают изделия: с одним или несколькими уровнями работоспособности; однократного, многократного, периодического или непрерывного применения.

3. Системные признаки больших объектов

Специфические системные качества или эмерджентные свойства системы позволяют обеспечивать высокий информационный КПД даже в условиях большой степени неопределенности внешней среды, уровня потребностей, наличия конфликтных ситуаций, применения уникальных изделий. Одна из задач системного исследования (подготовки исходных данных для НС-моделей) состоит в том, чтобы оценить начальный и ожидаемый уровни неопределенности условий применения создаваемого изделия, а также выбрать соответствующий уровень организации процессов создания и применения изделий. То есть, необходимо обеспечить достаточную эффективность систем, участвующих в создании и применении изделия [27].

Рассмотренные выше признаки образуют необозримое множество различных классов систем. Число различных классов систем, для которых разрабатываются нейросетевые модели, изучаемых и рассматриваемых на практике, существенно меньше. С одной стороны, это определяется тем, что из рассмотрения изъяты некоторые замкнутые автоматические системы управления. Тем не менее модели этих систем используют при описании процессов функционирования создаваемых изделий, в том числе систем управления движением, телемеханики, жизнеобеспечения и т.п. Такие модели иногда используют при исследовании влияния отказов элементов на качество функционирования того или иного контура управления и на выходной эффект применяемого изделия [27].

Развитие методов системного анализа применительно к разомкнутым организационным иерархическим системам, реализующим достаточно сложное поведение, находится на таком уровне, что аналитические решения, учитывающие специфику отдельных классов, найдены только в простейших случаях.

Целенаправленные системы – это большой класс систем, в рамках которых обычно исследуется процесс (стратегия) применения создаваемой изделия. Часто это многоцелевые организационно-технические системы с иерархической структурой, сложным поведением, называемые большими системами. В общем случае, кроме целевых контуров, описывающих процесс применения изделий, моделируются контуры обеспечения эксплуатации. К последним относятся: дежурства, обслуживания, контроль восстановления, управление функционированием. В частности, при использовании НС как нелинейной (вследствие химических реакций) модели смешения различных веществ в нефтехимии, в последнюю может входить опыт экспертов, формирующих требуемые рецептуры смешения компонентов.

На ранних стадиях создания объекта при выборе его оптимального облика используют упрощенные модели. При этом моделирование вспомогательных контуров заменяется их интегральными характеристиками, полученными при работе с аналогичными изделиями. Для анализа наиболее полных многоконтурных моделей используют имитационное моделирование, поскольку его методология развита применительно к особенностям транспортных и энергетических систем, систем наблюдения и т.п.

Широкий класс систем контроля включает: системы производственного контроля, системы контроля и диагностики, используемые при подготовке изделий к применению, системы оперативного контроля и управления функционированием и др. Это могут быть многоконтурные системы, включающие в контуры операторов и ЭВМ. Полезный эффект от использования систем может определяться и уменьшением брака готовой продукции (для производственного контроля), и сокращением времени подготовки больших объектов к работе, и повышением эффективности целевого контура (для систем оперативного контроля и управления функционированием).

Системы обеспечения процесса создания объектов. К числу таких систем можно отнести систему обеспечения требуемых свойств и управления качеством объектов, автоматизированную систему управления производством и т.п. Целью таких систем является обеспечение или поддержание на заданном уровне качества процесса создания видов техники в соответствии с нормами, обоснованными и установленными для данного вида техники. Такие системы, действующие в той или иной отрасли, определяют условия создания и общий уровень создаваемого вида техники [27].

4. Цели исследования эксплуатации систем

Каждый из существующих методов прогнозирования обладает своими достоинствами и недостатками относительно тех или иных областей применения. Для определения научно-обоснованных предпосылок применения того или иного метода прогнозирования (либо необходимости разработки нового метода) необходим анализ не только применяемого математического аппарата, но и рассмотрение характеристик класса объектов прогнозирования. В качестве эталона класса сложных объектов в книге рассматриваются сложные системы техногенного происхождения из различных областей жизнедеятельности.

Для решения конкретных задач прогнозирования технического состояния (ТС) сложных объектов необходим анализ данных эксплуатации его подсистем как объектов прогнозирования. В качестве сложных объектов диагностирования будут рассмотрены космический аппарат (КА) (рис. 1.1) и колонна разделения нефтяных фракций (рис. 1.2).

Рис. 1.2. Ректификационная колонна

Прогнозирование технического состояния, наряду с задачами контроля технического состояния и поиска места и причин отказа, являются задачами технического диагностирования [24].

Эксплуатация сложных объектов (далее по тексту просто объектов или систем) с автоматизированными системами диагностирования показывает, что такие системы реагируют не на все неисправности. Несмотря на введение дорогостоящего диагностического оборудования, не всегда удается добиться значительного снижения времени поиска неисправностей и поиска существенных прогнозирующих признаков. При этом идея полного удаления человека из процесса диагностирования не осуществилась. Кроме того, сопоставление различных поисковых ситуаций показывает, что эффективность применения систем диагностики очень часто оказывается ниже той, на которую рассчитывают разработчики [25].

Цель исследования эксплуатации систем состоит в следующем:

• Обеспечить высокую эффективность функционирования или применения эксплуатируемой системы по назначению в рамках установленных сроков.

• Обеспечить большую длительность эксплуатации и готовность системы к применению.

• Поддержать некоторое гарантированное количество изделий в системе в состоянии готовности.

• Обеспечить высокую экономичность и безопасность выполнения эксплуатационных процессов.

Главной задачей системы эксплуатации как таковой является постоянный контроль и поддержание технического состояния и надежности этих систем на уровне, достаточном для выполнения ими заданных функций или готовности к применению и выполнению целевых задач.

Нормальное функционирование сложной технической системы при эксплуатации обеспечивается специальными техническими средствами и системами, а также планомерной целенаправленной работой многочисленных коллективов эксплуатирующих предприятии и организаций.

С целью обеспечения высокой надежности современной техники в производстве и поддержания ее в процессе эксплуатации широко используют разнообразные методы и автоматизированные средства неразрушающего контроля и технического диагностирования. Однако трудоемкость операций контроля для различных видов техники составляет от 15 до 50% трудоемкости основных операций ее изготовления.

Затраты за весь период эксплуатации на ремонт и техническое обслуживание техники в связи с ее износом по многолетним статистическим данным превышают стоимость новых станков или машин в 5…8 раз, а радиотехнической аппаратуры в – 10…12 раз [26].

По зарубежным данным, 20…25% отказов различного рода оборудования вызывается ошибками обслуживающего персонала. 40…90% происшествий на транспорте, в различных энергосистемах, а также большинство травм на производстве являются результатом ошибочных действий людей [27].

Вместе с тем развивается и совершенствуется материально-техническая база промышленности – основа высокого качества и надежности техники. Разрабатываются прогрессивные материалы, осваиваются новые технологические процессы, совершенствуется производственное, испытательное оборудование. Разрабатываются и все шире внедряются системы автоматизированного проектирования, изготовления, контроля и диагностики. Кроме того, внедряются отраслевые и межотраслевые информационно-управляющие системы, комплексные системы управления качеством продукции.

В теории эксплуатации систем получено достаточно много фундаментальных результатов в трех самостоятельно развивающихся направлениях исследования:

вероятностно-статистическом направлении, связанном с исследованием физики отказов. Это направление используется для систем, обладающих сложной многоэлементной структурой и сложными связями между элементами.

Детерминированном направлении, предназначенном для механических систем, конструкций, материалов и элементов.

Информационном направлении, возникшем сравнительно недавно.

В рамках первого направления развиты математические методы оценки надежности, статистической обработки результатов испытаний и эксплуатации, разработки типовых высоконадежных структур изделий, а также планирования испытаний, контроля и прогнозирования надежности, совершенствования системы эксплуатации.

В рамках второго направления изучены механизмы износа, усталостной прочности, коррозии, разработаны методы расчета на прочность и износ. Постоянно разрабатываются новые технологические процессы, повышающие надежность материалов, элементов и машин.

Идет процесс взаимного слияния трех направлений, перенесения рациональных идей и научных результатов из одной области в другую. На основе этого формируется единая наука о надежности техники.

С момента начала создания и применения объекта (стадиях материального жизненного цикла) появляется возможность проведения экспериментальных исследований наряду с теоретическими исследованиями (моделированием). Таким образом, появляется возможность экспериментальной проверки правильности ранее использованных моделей и принятых решений. Причем проверке могут быть подвергнуты также последствия принимаемых решений, т.е. потребительские свойства проектируемого изделия, создаваемого и эксплуатируемого по принятой документацией. Именно эти задачи решаются в соответствии с программами экспериментальной отработки и программами производственного контроля, а также государственных испытаний и опытной эксплуатации [27].

Получение экспериментальной информации в одной точке исследуемого диапазона свойств создаваемой системы связано, как правило, с необходимостью создания соответствующего опытного образца, моделирующего изучаемые свойства штатного образца. При этом речь идет уже не о математической, а скорее о физической или химической модели. Иногда для изучения одной точки (сочетание свойств) необходимо провести статистический эксперимент, т.е. подготовить и испытать выборку (несколько образцов).

Сочетание теоретических и экспериментальных исследований, т.е. математического и физического моделирования, позволяет наиболее рационально использовать априорную информацию (предыдущий опыт) и оперативную (текущую) информацию о выполнении принятых решений в качестве основы для принятия последующих решений.

Во многих отраслях промышленности, занятых созданием сложной техники, задачи экспериментальных исследований решают на специально предусмотренных стадиях изготовления и испытаний опытных образцов, их технологической отработки, а также опытной эксплуатации. Испытания проводят на физических моделях, макетах, опытных или серийных образцах. Измеряя свойства испытуемых объектов, проверяя их сохранность в течение заданного времени (наработки), исследователь подтверждает правильность принятых решений либо получает информацию об отклонениях от расчетных значений для уточнения ранее принятых решений.

Любые экспериментальные исследования объекта позволяют увеличить объем априорной информации, который, в свою очередь, может быть эффективно использован для построения его модели (управления или наблюдения). В частности, большие объемы обучающих выборок могут быть обработаны нейронными сетями прямого распространения, обладающими наибольшей информационной емкостью.

Организация сервисного обслуживания сложного оборудования.

Сегодня развитие науки и техники создало уникальную ситуацию – зачастую применение новейших технологий и оборудования становится очевидным конкурентным преимуществом. Именно поэтому использование современных систем и механизмов стало обычным в различных областях промышленности новой России. Однако сложность и интеллектуальность агрегатов требует соответственного к ним отношения – квалифицированной эксплуатации и обслуживания. Значительная часть ведущих производителей современного высокотехнологичного оборудования при его продаже четко оговаривает условия его работы и необходимые регламенты. При этом способы реализации такого сервиса могут быть разными. Как правило, организация, эксплуатирующая технику, выбирает наиболее оптимальный для ее конкретных условий метод обслуживания сложных агрегатов. Выбор условий обычно оговаривается с фирмой-производителем и является предметом договора. Тем не менее, можно выделить ряд существенных аспектов, единых для всех, на которые можно ориентироваться при организации сервисного обслуживания сложной техники.

В силу сложности и интеллектуальности современной техники в промышленно развитых странах в последнее время получила распространение система информационных технологий сквозной поддержки изделия на протяжении его жизненного цикла, или CALS-технологии. В России эта система получила название ИПИ-технологии (Информационная Поддержка жизненного цикла Изделия). Эти технологии основаны на стандартизированном упорядоченном представлении данных об изделии и системе коллективного доступа к этим данным. Такой подход существенно снижает трудозатраты на всех этапах жизненного цикла сложного оборудования – от проектирования до утилизации.

В России активно внедряются эти системы. Особенно заметно это в наукоемких отраслях промышленности. Например, в ФГУП «ЦНИИАтоминформ» организована отраслевая лаборатория поддержки жизненного цикла изделий Минатома. Ряд предприятий (ГП «Красная звезда», ВНИИА, ОКБМ) уже приступил к реализации пилотных проектов по внедрению ИПИ-технологий для сопровождения своей продукции. Поскольку введение сложного оборудования в производство подразумевает достаточно высокую степень его автоматизации и компьютеризации, система сервиса должна стать одной из неотъемлемых частей технологического цикла. Использование ИПИ-технологий делает это естественным процессом. В принципе, не столь важно, является сервис частью производства или осуществляется сторонней организацией. Необходимым становится лишь постоянный интерактивный контроль параметров оборудования.

Характеристики

Список файлов курсовой работы