Заключение

Все параграфы и главы представленного материала содержат частные и обобщающие (по соответствующим тематическим разделам) выводы, целевая направленность которых определяется формулировками главных задач исследования, приведенными во Введении. Тем не менее, представляется целесообразным выделить и кратко изложить наиболее существенные из этих выводов в едином контексте (опуская результаты приведенного в первой главе отчета укрупненного анализа предметной области).

В части анализа перспектив использования ЭСРВ в АСУТП и опыта эксплуатации ведущих инструментальных средств синтеза ЭСРВ:

1) Сфера применения ЭСРВ в современных проектах промышленной автоматизации охватывает все уровни системотехнической организации АСУТП (в соответствии с традиционно выделяемыми в гипотетической АСУТП уровнями иерархии управления выше были определены классы микро-, мини-, средних и больших промышленных ЭСРВ).

2) Развитие технологий искусственного интеллекта (ИИ) в области интеллектуализации оконечного оборудования в настоящее время перешло на новый качественный уровень. На фоне процессов постоянного усовершенствования внутренних вычислительных ресурсов интеллектуальных датчиков и актуаторов (включая поддержку работы «интеллектуального» программного обеспечения, например, за счет использования нейро-, fuzzy-чипов и др. средств), а также внедрения микро-ЭСРВ в серийные линии оконечных интеллектуальных устройств промышленного применения, произошел переход к концепциям построения интеллектуальных сетей и кластеров (групп функционально или информационно связанных узлов сети). Подобные сети способны действовать как единая консолидированная система. Развитию данного направления способствуют: а) качественное расширение коммуникационных возможностей интеллектуальных оконечных устройств (в стандартах семейства IEEE 1451, в частности, определяется порядок поддержки прямых взаимодействий интеллектуальных датчиков с внешней средой по Ethernet и линиям беспроводной связи WiFi, Bluetooth и ZigBee; регламентированы и интерфейсы с CANopen), которые позволяют им непосредственно интегрироваться в единые промышленные и корпоративные сети; б) быстрое прогрессирование технологий мультиагентных систем («коллективов» программных систем – «агентов», способных, помимо решения персональных, частных задач, участвовать в решении задач общесистемного уровня на базе взаимодействия с другими агентами и программным окружением, а также динамически поддерживать гибкие схемы реконфигурации и группировки агентов, взаимной координации действий, управления информационными потоками и т.п.).

3) В области интеллектуализации компонентов контроллерного слоя нижнего уровня АСУТП получают все большее распространение технологии модульных ЭСРВ. Суть данного подхода состоит в применении специализированных проблемно-ориентированных и модельно-ориентированных мини-ЭСРВ, решающих частные задачи управления, оптимизации, идентификации, адаптации, прогнозирования и т.п. на базе интеллектуальных методов и моделей определенного класса (используются обычные и нечеткие продукционные и логические модели, а также нейронные сети). Подобные ЭСРВ независимы от конкретики предметных областей и функциональной специфики данных, поскольку реализуют универсальные алгоритмы обработки знаний для типовых обобщенных постановок соответствующих задач. Модульные мини-ЭСРВ входят в специальное ПО контроллеров и дополняются утилитами и/или компонентами SCADA-систем, систем программирования контроллеров, сквозных САПР АСУТП, которые позволяют их настраивать (в т.ч., на фазе функционирования), моделировать, обучать на основе архивных данных (для случаев нейросетевых, статистических, прогнозирующих имитационных моделей) и т.д. В п.2.2.1 подробно исследуется использование идеологии модульных мини-ЭСРВ в разработках фирмы Fisher-Rosemount (Emerson). Кроме того, в п.2.4.4 при рассмотрении примеров комплексных интеллектуальных решений DeltaV, RS3 и др. той же группы корпораций Emerson приводятся материалы, показывающие механизмы использования функциональности описанных выше модульных мини-ЭСРВ на верхнем уровне АСУТП, а также в MES- и EAM-подсистемах. Следует также отметить, что подобные технологии модульных ЭСРВ нашли применение и в классе средних ЭСРВ.

Примечание. В области АСУТП продолжается также быстрое развитие технологий, связанных с применением нейро- и fuzzy-контроллеров. Эти технологии представляют собой обширную, самостоятельную предметную область, анализ которой не входил в тематический план настоящей НИР.

4) Использование средних ЭСРВ на верхнем уровне АСУТП является самой массовой сферой внедрений систем ИИ реального времени в промышленных АСУ. Поэтому полная систематизация разнообразных проектных подходов, используемых в данной области, довольно затруднительна. Тем не менее, проведенный в рамках настоящей работы анализ позволяет выделить ряд характерных тенденций в области применения технологий средних ЭСРВ, которые рассматриваются в п.2.3 и, частично, пп.3.1, 3.2, 3.3 на конкретных примерах внедрений:

а) широкое распространение получили проблемно-ориентированные решения, компетенция которых охватывает компактные классы обобщенных функциональных задач интеллектуальной природы (в первую очередь – из области интеллектуального контроля и диагностики) с ограниченным набором настраиваемых типовых методов решения и поддержкой определенных конкретных типов и семейств аппаратных средств нижнего уровня АСУТП (классов датчиков, специализированных контроллеров, сетей сбора данных и т.п.). Подобные приложения строятся на основе хорошо проработанных баз знаний по соответствующему предмету и в значительной степени не требуют настройки на конкретику решаемых частных задач из выбранной предметной области. Т.о., ЭСРВ становится вариантом шаблонного решения, требующим минимальной адаптации к условиям работы и выполняемым функциям. Примером отечественных средств такого типа является платформа КОМПАКС, рассмотренная в п.2.3.3;

б) расширяется область внедрений средних ЭСРВ, построенных на базе решений с модульно-процессной структурой. Решения данного типа опираются на некоторую принятую обобщенную модель гипотетического технологического процесса определенного вида и выделенные в этой модели типовые процессы, которые рассматриваются далее как составные функциональные блоки единой схемы производства. Для каждого из таких блоков разрабатывается типовое решение (при необходимости – интеллектуальное), реализуемое в виде программного модуля (элементарного процесса). Далее окончательный проект АСУ строится по идеология конструктора и сопровождается требуемыми настройками отдельных модулей. Базы знаний и данных, необходимые для работы системы, также разделяются по модульному принципу (т.е., по месту использования), что делает их компактными, легко модифицируемыми и гибко конфигурируемыми в целевой среде. При этом процессная природа исходной обобщенной технологической модели и ее элементарных подмоделей хорошо проецируется на принципы организации вычислительных процессов на верхнем уровне АСУТП, что повышает общую вычислительную эффективность системы. Примером, частично иллюстрирующим рассмотренные концепции, можно считать систему СВБУ (п.2.3.1), а также технологии проектирования на базе платформы «Оператор» (см. п.3.1.3);

в) расширяется количество применений средних ЭСРВ, реализуемых в архитектуре «клиент-сервер» (этому способствует как развитие соответствующих инструментальных средств, так и продолжающееся распространение технологий сетевых программных взаимодействий). Наиболее четко данная тенденция прослеживается в крупных проектах автоматизации, выполняемых на базе платформы G2 (см. п.3.1.1). Следует также отметить, что современный инструментарий способен поддержать и родственную идеологию построения «крупнозернистых» мультиагентных систем, в которых в качестве агентов могут выступать автономные средние ЭСРВ различного функционального профиля и ранга;

г) опыт ряда внедрений доказывает эффективность использования гибридных схем организации средних ЭСРВ, в которых совмещаются механизмы обучения на базе нейронных сетей и продукционные компоненты. Наиболее распространены подходы, в которых нейросетевые подсистемы с использованием анализа текущих и архивных данных идентифицируют параметры процесса, а затем на основании полученных знаний корректируют БЗ ЭСРВ, реализуемую в виде продукционной модели.

5) В части обобщенной функциональной архитектуры перспективных АСУТП и АСУП общей тенденцией в развитии технологий ИИ является переход от локальной к глобальной интеллектуализации АСУ – т.е., от независимого решения отдельных функциональных задач в пределах одного уровня или подсистемы – к концепциям «интеллектуальных производств» (ИПр) и «интеллектуальных предприятий» (ИП), в которых решения частных задач осуществляются с учетом единых целевых функций и критериев корпоративного уровня. Способы реализации данных концепций рассмотрены в п.2.4 на примерах технологий Siemens, Wonderware, GE Fanuc и Emerson. Возможные варианты использования ЭС и ЭСРВ в архитектурах комплексных приложений для ИП и ИПр схематично иллюстрируют рис.57 (для обычных локальных и распределенных ЭС и ЭСРВ, включая клиент-серверные реализации) и рис.58 (для мультиагентных ЭС/ЭСРВ). Следует отметить, что сами определения ИП и ИПр в своей исходной формулировке непосредственно не связывают «интеллектуальность» с наличием в их структуре ЭС или других классов систем ИИ, а лишь указывают на способность комплексных решений, соответствующих концепциям ИП и ИПр, к реализации таких методов оперативной обработки и предоставления информации на всех уровнях управления, которые позволяют управленческому персоналу любого профиля и ранга принимать на своих рабочих местах «разумные», обоснованные и эффективные решения, направленные на достижение единых корпоративных целей. Тем не менее, системная инфраструктура решений классов ИП и ИПр создает идеальные условия для «подлинной» интеллектуализации АСУ и стимулирует применение систем ИИ (в частности – ЭС и ЭСРВ) для обеспечения требуемых информационных сервисов. Поэтому неслучайным представляется тот факт, что наиболее развитые аппаратно-программные платформы ИП и ИПр многих ведущих фирм производителей, частично рассмотренные в 2.4, изначально включают в свой состав инструментарий ИИ (InSupport и ActiveFactory у Wonderware, ACS, APO, AMS IDM, DeltaV Insight и др. у Emerson и т.п.).