МОДЕЛИРОВАНИЕ ЭНЕРГОИНФОРМАЦИОННЫХ ...

ISSN 2306-4986

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РФ

________________

ФГБОУ ВО

«ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ

УНИВЕРСИТЕТ ИНЖЕНЕРНЫХ ТЕХНОЛОГИЙ»

_________________________________________________

МОДЕЛИРОВАНИЕ

ЭНЕРГОИНФОРМАЦИОННЫХ

ПРОЦЕССОВ

X НАЦИОНАЛЬНАЯ

НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ

С МЕЖДУНАРОДНЫМ УЧАСТИЕМ

2022 ВОРОНЕЖ

2

УДК 519.8:631.563.2.002.5

ББК Л80-5-05я4

М 74

М 74 Моделирование энергоинформационных процессов [Электронный ресурс] :

/ Сборник статей X национальной научно-практической конференции с

международным участием (21-23.12.2021). - Воронеж. гос. ун-т инж.

технол. – Воронеж: ВГУИТ, 2022. - 397 с. Сборник материалов X национальной научно-практической конференции с

международным участием «Моделирование энергоинформационных процессов», Воронеж,

21-23 декабря 2021 г.

Статьи публикуются в редакции авторов (с корректировкой и правкой). Мнения и

позиции авторов не обязательно совпадают с мнениями и позициями редакционной

коллегии.

0601000000 УДК

М ______________ Без объявл. 519.8:631.563.2.002.5

ОК2 (03) - 2022 ББК Л80-5-05я4

Оргкомитет Сопредседатели: Попов В. Н., д.б.н. (Воронеж, Россия), Битюков В.К., д.т.н. (Воронеж, Россия)

Члены оргкомитета:

Соколов И.А. – академик РАН (Москва, Россия)

Моисеев Е.И. – академик РАН (Москва, Россия)

Ильин А.В. – член-корр. РАН (Москва, Россия)

Мешалкин В.П. – академик РАН (Москва, Россия)

Дворецкий С.И., д.т.н. (Тамбов, Россия)

Прокопчук Н.Р., д.т.н. (Минск, Республика Беларусь) Урбанович П.П., д.т.н. (Минск, Республика Беларусь)

Карпович Д.С., к.т.н. (Минск, Республика Беларусь)

Зиятдинов Н.Н., д.т.н. (Казань, Россия)

Меньшутина Н.В., д.т.н. (Москва, Россия)

Лабутин А.Н., д.т.н. (Иваново, Россия)

Сайко Д.С., д. физ.-мат. н. (Воронеж, Россия)

Кудряшов В.С., д.т.н. (Воронеж, Россия) Авцинов И. А., д.т.н. (Воронеж, Россия)

Тихомиров С.Г., д.т.н. (Воронеж, Россия)

Хаустов И.А., д.т.н. (Воронеж, Россия)

Подвальный С.Л., д.т.н. (Воронеж, Россия)

Бугаев Ю.В., д. физ.-мат. н. (Воронеж, Россия)

Провоторов В.В., д. физ.-мат. н. (Воронеж, Россия)

Скрыпников А.В., д.т.н. (Воронеж, Россия)

Дворянинова О.П., д.т.н. (Воронеж, Россия)

Секретариат:

Емельянов А. Е., к.т.н. (Воронеж, Россия)

Никитин Б. Е., к. физ. - мат. н. (Воронеж, Россия)

Толстова И.С. (Воронеж, Россия)

©ФГБОУ ВО

«Воронеж.

гос. ун-т

инж. технол, 2022

3

Оглавление

СЕКЦИЯ «МОДЕЛИРОВАНИЕ ОБЪЕКТОВ СИСТЕМ

АВТОМАТИЗАЦИИ И УПРАВЛЕНИЯ. ПРИМЕНЕНИЕ

МИКРОПРОЦЕССОРОВ В СИСТЕМАХ УПРАВЛЕНИЯ»

................................................................................................... 11

МОДЕЛЬ ДИНАМИКИ ПОСТУПЛЕНИЯ ГЛЮКОЗЫ В

КРОВЬ НА ОСНОВЕ БЕТА-РАСПРЕДЕЛЕНИЯ

ХВОСТОВА Е.А.1, ХВОСТОВА М.А.

2, ХАУСТОВ И.А.

3,

ЖУРАВЛЕВ А.А.4 .................................................................... 12

СИНТЕЗ РОБАСТНОЙ СИСТЕМЫ УПРАВЛЕНИЯ С

ЗАДАННОЙ СТЕПЕНЬЮ УСТОЙЧИВОСТИ БАРМЕТОВ

Ю. П., ШИНКАРЕНКО А. Ю. ............................................... 15

МЕТОД ФОРМИРОВАНИЯ СТРУКТУРЫ И

ОПТИМИЗАЦИИ ФУНКЦИОНИРОВАНИЯ

УПРАВЛЕНИЯ ИЕРАРХИЧЕСКОЙ МНОГОУРОВНЕВОЙ

ОРГАНИЗАЦИОННОЙ СИСТЕМЫ А.В. КАЛАЧ, Т.Е.

СМОЛЕНЦЕВА........................................................................ 22

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

ПАРОКОНДЕНСАТНЫХ УСТАНОВОК

НЕФТЕПЕРЕРАБАТЫВАЮЩИХ ПРЕДПРИЯТИЙ

ВАСИЛЕВСКИЙ К.С., ДМИТРИЕВСКИЙ Б.С. ................... 30

ОЦЕНКА ТОЧНОСТИ И ПОГРЕШНОСТИ ДАННЫХ

ИНКЛИНОМЕТРИИ ПРИ ГЕЛОГИЧЕСКОМ

МОДЕЛИРОВАНИИ С ИСПОЛЬЗОВАНИЕМ

КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ ВАСИЛЬЕВ Г.А. .... 34

МОДЕЛЬ РАСЧЕТА ВЫСОТЫ КОНВЕКТИВНО-

НЕУСТОЙЧИВОГО СЛОЯ ПРИ УСЛОВНО-

НЕУСТОЙЧИВОЙ СТРАТИФИКАЦИИ АТМОСФЕРЫ

ДРАБО А.И., ЖИВОТВОРЕВ А.С., ПИГАРЕВ А.Е.,

КОЛЯГИН С.В. ........................................................................ 37

МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ПОДГОТОВКИ

СЫРЬЯ В ПИЩЕВЫХ ПРОИЗВОДСТВАХ ТЕРЕХОВА

4

А.А., ДМИТРИЕВСКИЙ Б.С., АЛЬ КНФЕР С. Н. А., АЛЬ-

ХАМАМИ О.Х.Я ....................................................................... 42

РАЗРАБОТКА МЕТОДА АВТОМАТИЗИРОВАННОГО

УЧЕТА ОБРЕЗИ АРМАТУРНЫХ СТЕРЖНЕЙ ПРИ

ПРОЕКТИРОВАНИИ МОНОЛИТНЫХ

ЖЕЛЕЗОБЕТОННЫХ КОНСТРУКЦИЙ БЕЗ

ПРЕДВАРИТЕЛЬНОГО НАПРЯЖЕНИЯ ЗВЕРЕВЩИКОВ

А.М., ПАНТЮХИН А.А., КАШАПОВ В.В. ............................ 46

РЕГУЛИРОВАНИЕ КОНЦЕНТРАЦИИ МОНОМЕРА В

ГРАНУЛАХ В РЕАКТОРЕ ТВЕРДОФАЗНОГО

ДОПОЛИАМИДИРОВАНИЯ АЛЕКСЕЕВ Е. А., ЛАБУТИН

А. Н. .......................................................................................... 50

РЕЖИМНО-ТЕХНОЛОГИЧЕСКАЯ ОПТИМИЗАЦИЯ

РЕАКТОРНОГО УЗЛА ЛАБУТИН А.Н., НЕВИНИЦЫН

В.Ю.,ДЕВЕТЬЯРОВ А.Н. ........................................................ 57

НЕЛИНЕЙНЫЙ АЛГОРИТМ КАСКАДНО-СВЯЗАННОГО

УПРАВЛЕНИЯ ТЕМПЕРАТУРОЙВ ХИМИЧЕСКОМ

РЕАКТОРЕ ЛАБУТИН А.Н.,НЕВИНИЦЫН В.Ю.,

ЗАГАРИНСКАЯ Ю.Н., ВОЛКОВА Г.В. ................................. 62

РАСЧЕТ ПРОЦЕССА СВЕРХКРИТИЧЕСКОЙ

ЭКСТРАКЦИИ ГИНЗЕНОЗИДОВ С ПРИМЕНЕНИЕМ

ПАКЕТА ПРОГРАММ CHEMCAD МЕНЬШУТИНА Н.В.1,

КАЗЕЕВ И.В.2, ШИНДРЯЕВ А.В.

1, АРТЕМЬЕВ А.И.

1,

БОЧАРОВА О.А.2 ..................................................................... 70

СЕКЦИЯ «ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В

ПРИНЯТИИ РЕШЕНИЯ» ...................................................... 76

НЕЙРОСЕТЕВАЯ МОДЕЛЬ ПАРОЖИДКОСТНОГО

РАВНОВЕСИЯ МНОГОКОМПОНЕНТНЫХ СМЕСЕЙ

ЛАПТЕВА Т.В., ЗИЯТДИНОВ Н.Н., МИЦАЙ Д.А.,

ЕМЕЛЬЯНОВ И.И. .................................................................. 77

ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ

ДЛЯ РАСЧЕТА КОНЦЕНТРАЦИИ СУХИХ ВЕЩЕСТВ В

ПРОМЫШЛЕННЫХ РАСТВОРАХ САХАРОЗЫ Д.В.

АРАПОВ, М.А. ЗАЙЦЕВА, М.А. ИССУФУ ........................... 84

5

РЕДУКЦИЯ НЕЧЕТКО-ПРОДУКЦИОННЫХ БАЗ

ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ДАГАЕВА

М.В., КАТАСЁВ А.С. ............................................................... 91

ОЦЕНКА ДИССИПАЦИИ МЕХАНИЧЕСКОЙ ЭНЕРГИИ

ПРИ ПЕРЕРАБОТКЕ ВЫСОКОВЯЗКИХ

НЕНЬЮТОНОВСКИХ СРЕД В ВАЛКОВОМ СМЕСИТЕЛЕ

ХВОСТОВ А.А.1, РЯЖСКИХ В.И.

1, ЖУРАВЛЕВ А.А.

2,

ХАУСТОВ И.А.3 ....................................................................... 96

МОДЕЛЬ НЕЧЕТКОГО ЛОГИЧЕСКОГО ВЫВОДА ДЛЯ

ОЦЕНКИ СОСТОЯНИЯ ОБЪЕКТОВ КАТАСЁВА Д.В. .. 101

ПРОГРАММА ВЫБОРА ОПЕРАЦИОННОЙ ПЛАСТИКИ

И МОДЕЛИРОВАНИЯ ЖИЗНЕННЫХ ПОКАЗАТЕЛЕЙ

БОЛЬНЫХ С БРЮШНЫМИ ГРЫЖАМИ АРАПОВ Д.В.1,

СКОРОБОГАТОВ С.А.2 .......................................................... 106

ОБМЕН BIM-ДАННЫМИ И ВЗАИМОДЕЙСТВИЕ ПРИ

КОМПЛЕКСНОЙ РЕАЛИЗАЦИИ СТРОИТЕЛЬНЫХ

ОБЪЕКТОВ В СОВМЕСТНОЙ СРЕДЕ ЕРОФЕЕВА Н.В.,

СИМЧЕНКО О.Л. ................................................................... 120

КОСВЕННАЯ ТЕПЛОИНТЕГРАЦИЯ УСТАНОВОК НПЗ

РЫЖОВА А.А., ЗИЯТДИНОВ Н.Н., ЕМЕЛЬЯНОВ И.И.,

ДЖУМАГЕЛДИЕВ Б.Р. .......................................................... 130

УСТОЙЧИВОСТЬ ЦИЛИНДРИЧЕСКИХ ОБЕЧАЕК С

ОБЩЕЙ НЕКРУГЛОСТЬЮ ПОПЕРЕЧНОГО СЕЧЕНИЯ

САБИТОВ М. Х. ...................................................................... 139

СВОЙСТВА БИНАРНЫХ ОТНОШЕНИЙ В МЕТОДЕ

ЭКСТРАПОЛЯЦИИ ЭКСПЕРТНЫХ ОЦЕНОК НИКИТИН

Б.Е., БУГАЕВ Ю.В., ИВЛИЕВ М.Н. ..................................... 148

МОДЕЛЬ УНИЧТОЖЕНИЯ ЦЕЛИ С ПОМОЩЬЮ

ОБЫЧНЫХ СРЕДСТВ ПОРАЖЕНИЯ МАЧТАКОВ С.Г.,

ТРИБУНСКИХ О.А., ТУВДЭНДОРЖ Б. ............................... 151

СОВРЕМЕННЫЕ АСПЕКТЫ УПРАВЛЕНИЯ

ОБЪЕКТАМИ УГОЛОВНО-ИСПОЛНИТЕЛЬНОЙ

СИСТЕМЫ РОССИИ МОКШИН Р.С. ............................... 155

6

РАЗРАБОТКА ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ

ВЕБ-ПРИЛОЖЕНИЯУЧЕТА ТРУДОЗАТРАТ

СОТРУДНИКОВ ИТ-КОМПАНИИ НА РЕШЕНИЕ ЗАДАЧ

ПРОЕКТА ДАЦЕНКО Н.В., КИСЕЛЕВА К.В. ................... 162

ОПТИМИЗАЦИЯ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ НА

ОСНОВЕ BI-СИСТЕМЫ ГЛАДКИХ Т.В., ПОРОТИКОВА

Е.С. ........................................................................................... 165

СЕКЦИЯ «МОДЕЛИРОВАНИЕ ЭНЕРГОСБЕРЕГАЮЩИХ

ПРОЦЕССОВ И ТЕХНОЛОГИЙ» ....................................... 172

ОПТИМИЗАЦИЯ ЦИКЛИЧЕСКИХ ПРОЦЕССОВ И

УСТАНОВОК АДСОРБЦИОННОГО РАЗДЕЛЕНИЯ

ГАЗОВЫХ СМЕСЕЙ АКУЛИНИН Е.И., ДВОРЕЦКИЙ

Д.С., ДВОРЕЦКИЙ С.И. ........................................................ 173

РАЗРАБОТКА ПОДХОДА ДЛЯ ТЕОРЕТИЧЕСКОГО

РАСЧЕТА КИНЕТИКИ ФАЗОВЫХ ПЕРЕХОДОВ

СИСТЕМЫ «ИЗОПРОПИЛОВЫЙ СПИРТ – ДИОКСИД

УГЛЕРОДА» СУСЛОВА Е.Н., ЛЕБЕДЕВ А.Е.,

МЕНЬШУТИНА Н.В. ............................................................. 181

МОДЕРНИЗАЦИЯ АППАРАТНОЙ ЧАСТИ СИСТЕМЫ

УПРАВЛЕНИЯ КОНШ-МАШИНОЙ В ПРОИЗВОДСТВЕ

ШОКОЛАДА И ИСПОЛЬЗОВАНИЕМ

ПРОМЫШЛЕННОГО КОНТРОЛЛЕРА SIEMENS

ИВАНОВ А.В., КОНОНОВА А.А., ХАУСТОВ И.А,

КУДРЯШОВ В.С., КОЗЕНКО И.А.. АЛЕКСЕЕВ М.В., ....... 190

МОДЕЛЬ ПРОЦЕССА БРОМИРОВАНИЯ

НЕПРЕДЕЛЬНЫХ ФТАЛАТОВ В РЕАКТОРЕ

ПОЛУНЕПРЕРЫВНОГО ДЕЙСТВИЯ ПЛОТНИКОВА Р.Н.

.................................................................................................. 194

ОПРЕДЕЛЕНИЕ УГЛА НАКЛОНА ОТВЕРСТИЙ В

МАТРИЦЕ ГРАНУЛЯТОРА КОМБИКОРМОВ

ОВСЯННИКОВ В.Ю., БУБНОВ А.Р. ДРАННИКОВА Н.Е. 197

ОПТИМИЗАЦИЯ ПРОЦЕССА СВЕРХКРИТИЧЕСКОЙ

СУШКИ НА ПИЛОТНОЙ УСТАНОВКЕ ХУДЕЕВ И.И.,

ЛЕБЕДЕВ А.Е., МЕНЬШУТИНА Н.В. ................................. 200

7

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ КАК СПОСОБ

КОРРЕЛЯЦИИ СНИЖЕНИЯ ЗАТРАТ НА

ИЗГОТОВЛЕНИЕ СТАЛЬНЫХ ОТЛИВОК СУШКО Т.И.,

КАРАЕВР.Ш. .......................................................................... 208

МОДЕЛЬ РЕЗУЛЬТАТОВ ПРОИЗВОДСТВА САХАРА СО

СТАНДАРТИЗОВАННЫМИ ПЕРЕМЕННЫМИ

ГРОМКОВСКИЙ А.А. ............................................................ 212

УСТРОЙСТВО АКТИВНОЙ ЗАЩИТЫ ЦЕПЕЙ

ЭЛЕКТРОПИТАНИЯ EFUSE БАБЕНКО В. П., БИТЮКОВ

В. К. БИТЮКОВА Е.А. ........................................................... 218

МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

РАДИОЛИЗА ПОЛИМЕРОВ ЗАЙЦЕВ С.А.1, ТИХОМИРОВ

С.Г.1, ПОПОВ А.П.

1, КАРПОВИЧ Д.С.

2 ................................ 226

РАЗРАБОТКА ИНТЕРФЕЙСА ПРОГРАММНОГО

ОБЕСПЕЧЕНИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧ

ИНТЕНСИФИКАЦИИ ПРОЦЕССА ВУЛКАНИЗАЦИИ

ТИХОМИРОВ С.Г., МАСЛОВ А.А., ОЛЕЙНИК А.С. .......... 232

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ И

ЭНЕРГОЭФФЕКТИВНОСТЬ ОХЛАЖДЕНИЯ ГАЗОВ И

ЖИДКОСТЕЙ В НАСАДОЧНЫХСКРУББЕРАХ И

ГРАДИРНЯХ Е.А. ЛАПТЕВА 1, А.Г. ЛАПТЕВ

1 ................. 239

МОДЕЛИРОВАНИЕ МЕМБРАННЫХ БИОРЕАКТОРОВ

ГУСЕВА Е.В. ........................................................................... 246

СЕКЦИЯ «СИСТЕМНЫЙ АНАЛИЗ, ЗАЩИТА И

ОБРАБОТКА ИНФОРМАЦИИ . УПРАВЛЕНИЕ

КАЧЕСТВОМ И ЖИЗНЕННЫЙ ЦИКЛ ПРОДУКЦИИ» . 252

ТЕХНИЧЕСКИЕ ПНЕВМОСИСТЕМЫ КАК

ИНСТРУМЕНТ ПОВЫШЕНИЯ КАЧЕСТВА ОПЕРАЦИЙ

МАНИПУЛИРОВАНИЯ АВЦИНОВ И. А., СУХАНОВА Н. В.,

МАЛИКОВ Д. Ю. ...................................................................... 253

ОНТОЛОГИЧЕСКИЕ МЕТРИКИ СЕМАНТИЧЕСКОЙ

БЛИЗОСТИ ЗАПРОСА И ТЕМАТИЧЕСКОГО

КЛАССИФИКАТОРА ИНФОРМАЦИОННОГО РЕСУРСА

8

ПРИ ФОРМИРОВАНИИ ДОВЕРИТЕЛЬНЫХ ПРАВ НА

ДОСТУП СКРЫПНИКОВ А.В., ХВОСТОВ В.А. ................ 256

КОЛИЧЕСТВЕННАЯ ОЦЕНКА ВЕРОЯТНОСТНЫХ

ВРЕМЕННЫХ ХАРАКТЕРИСТИК УГРОЗЫ

БЕЗОПАСНОСТИ ИНФОРМАЦИИ "ОПРЕДЕЛЕНИЕ

ТИПА ОПЕРАЦИОННОЙ СИСТЕМЫ УДАЛЕННОГО

ХОСТА" СКРЫПНИКОВ А.В., ХВОСТОВ В.А. ................. 264

КОНЦЕПЦИЯ ПОСТРОЕНИЯ ИНТЕГРИРОВАННЫХ

СИСТЕМ БЕЗОПАСНОСТИ БЕЛОКУРОВ С.В.,

КОНДРАТОВ О.А., МЕРКУЛОВ А.В, ПАНАСЮК В.С. ...... 276

ПРОБЛЕМА КОНТРОЛЯ ДОСТУПА ПОЛЬЗОВАТЕЛЕЙ

К ИНФОРМАЦИИ В ИНТЕГРИРОВАННЫХ СИСТЕМАХ

БЕЗОПАСНОСТИ БЕЛОКУРОВ С.В., КОНДРАТОВ О.А.,

МЕРКУЛОВ А.В, ПАНАСЮК В.С. ........................................ 282

УГРОЗЫ НЕСАНКЦИОНИРОВАННОГО ДОСТУПА В

ИНТЕГРИРОВАННЫХ СИСТЕМАХ БЕЗОПАСНОСТИ

БЕЛОКУРОВ С.В., КОНДРАТОВ О.А., СОТНИКОВ Н.В.,

МЕРКУЛОВ А.В. .................................................................... 291

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ

МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ ХРОМЫХ Е.А.,

РУДИН П.И. ........................................................................... 305

ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКОГО

МОДЕЛИРОВАНИЯ ДЛЯ ВЫБОРА РЕЖИМА РАБОТЫ

ПОЛИМЕРИЗАЦИОННОГО РЕАКТОРА ХРОМЫХ Е.А.,

ХАФАШИМАНА Э. ................................................................ 311

АЛГОРИТМЫ ОБРАБОТКИ ЗАЯВОК В

ТЕЛЕКОММУНИКАЦИОННОЙ КОМПАНИИ

КОРОБОВА Л.А., МАТЫЦИНА И.А., МАЛИКОВ Д.С. ....... 317

КОМПЛЕКСИРОВАНИЕ ФАКТОРОВ

АУТЕНТИФИКАЦИИ В СИСТЕМАХ КОНТРОЛЯ И

УПРАВЛЕНИЯ ДОСТУПОМ ФУРСОВА А.В.,

ТИХОМИРОВА А.А., ЯКОВЛЕВ А.В. ................................... 324

9

РЕАЛИЗАЦИЯ СЕТЕВОГО ОБМЕНА ПО ПРОТОКОЛУ

MODBUS С ПРИМЕНЕНИЕМ ИНТЕРФЕЙСНОГО

МОДУЛЯ ET200 SP КУДРЯШОВ В.С., КОЗЕНКО И.А.,

АЛЕКСЕЕВ М. В., ИВАНОВ А.В. .......................................... 329

РАЗРАБОТКА МОБИЛЬНОГО ПРИЛОЖЕНИЯ

УНИВЕРСИТЕТА ДЕНИСЕНКО В.В.,МАВРИН В.В.,

ПАРФЕНОВ А.К., ЯЩЕНКО А.С.......................................... 332

АНАЛИЗ РЫНКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

ДЛЯ ФУНКЦИОНИРОВАНИЯ СТРУКТУРНЫХ

ПОДРАЗДЕЛЕНИЙ ВУЗА ДЕНИСЕНКО В.В.,ДЕМИЧЕВ

С.Е., САМОХИН А.В., КОЛЕСНИКОВА Н.И. ..................... 337

ПАРСИНГ ДАННЫХ ДЕНИСЕНКО В.В., ПАРФЕНОВ

А.К., МАВРИН В.В., СКРЫПНИКОВ А.А. ........................... 346

ИНТЕРНЕТ - ТЕХНОЛОГИИ В ИНДУСТРИИ

ГОСТЕПРИИМСТВА Л.Э. ГЛАГОЛЕВА1,Н.П

.

ЗАЦЕПИЛИНА1,Е.Н.КОВАЛЕВА

1, Н.В.

ЖЕМЧУЖНИКОВА2 .............................................................. 352

АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ.

НОРМАТИВНО-ПРАВОВОЕ РЕГУЛИРОВАНИЕ

ИСПОЛЬЗОВАНИЯ ИНФОРМАЦИОННЫХ

ТЕХНОЛОГИЙ В ГОСТИНИЧНОМ БИЗНЕСЕ

ГЛАГОЛЕВА Л.Э., АГАЕВА Н.Ю., НЕСТЕРЕНКО И.П. .... 356

АНАЛИЗ ВАРИАНТОВ СИСТЕМ ЖУРНАЛИРОВАНИ И

ДИСПЕТЧЕРИЗАЦИИ ТИРАЖИРУЕМЫХ

ЭКЗЕМПЛЯРОВ ФУНКЦИОНАЛОВ ЧЕРНЯЕВА С.Н.,

КОРОБОВА Л.А., АНТОСИНА А.П. ..................................... 358

МЕДИАЭКСПЕРТИЗА НА ПЛАТФОРМАХ

СОЦИАЛЬНЫХ СЕТЕЙ МУХИНА Е.В., МУХИН Д.П.,

ЧЕРНЯЕВА С.Н., ТОЛСТОВА И.С. ...................................... 366

ОРГАНИЗАЦИЯ ЭФФЕКТИВНЫХ ВЫЧИСЛЕНИЙ ДЛЯ

РЕШЕНИЯ РЕСУРСОЕМКИХ ВЫЧИСЛИТЕЛЬНЫХ

ЗАДАЧ ТОЛСТОВА И.С., ГАВРИЛОВ А.Н., АБРАМОВ Г.В.

.................................................................................................. 372

10

АВТОМАТИЧЕСКОЕ ОБЪЕДИНЕНИЕ ПАРТИЙ ПРИ

ФОРМИРОВАНИИ ЗАКАЗОВ ПРОДУКЦИИ КОМПАНИИ

ЧВИКАЛОВА А.А., ЧИКУНОВ С.В. ..................................... 378

АНАЛИЗ ПОТОКОВ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

С ПРИМЕНЕНИЕМ IDEF3 МОДЕЛЕЙ САФОНОВА Ю.А.,

ЛЕМЕШКИН А.В., БОРОДИН Д.М., КУКСИНА М.М. ....... 384

УРАВНЕНИЯ ДВИЖЕНИЯ ЭЛЕМЕНТА

МИКРОСТРУКТУРНОГО ВЯЗКОПЛАСТИЧЕСКОГО

МАТЕРИАЛА БОРОДИНА Е.А. .......................................... 390

АНАЛИЗ ЭФФЕКТИВНОСТИ ОБУЧЕНИЯ ПОЛНОСВЯЗНОЙ

НЕЙРОННОЙ СЕТИ ПРЯМОГО РАСПРОСТАНИЕНИЯ

ПОПОВ М.И. ........................................................................... 393

11

СЕКЦИЯ «МОДЕЛИРОВАНИЕ ОБЪЕКТОВ

СИСТЕМ АВТОМАТИЗАЦИИ И УПРАВЛЕНИЯ.

ПРИМЕНЕНИЕ МИКРОПРОЦЕССОРОВ В СИСТЕМАХ

УПРАВЛЕНИЯ»

12

УДК 51-76

МОДЕЛЬ ДИНАМИКИ ПОСТУПЛЕНИЯ ГЛЮКОЗЫ В

КРОВЬ НА ОСНОВЕ БЕТА-РАСПРЕДЕЛЕНИЯ

Хвостова Е.А.1, Хвостова М.А.

2, Хаустов И.А.

3, Журавлев А.А.

4

1ФГБОУ ВО «Воронежский государственный университет

им. Бурденко», г. Воронеж, Россия 2ФГБОУ ВО «Воронежский государственный университет»,

г. Воронеж, Россия 3ФГБОУ ВО «Воронежский государственный университет

инженерных технологий», г. Воронеж, Россия 4ВУНЦ ВВС «Военно-воздушная академия им. Н.Е. Жуковского

и Ю.А. Гагарина», г. Воронеж, Россия

Одними из распространенных моделей динамики

поступления глюкозы в кровь являются ступенчатые функции

Хэвисайда [1], экспоненциальные [2,3], гауссовы, степенные,

алгебраические функции и их комбинации [3].

Основными требованиями к таким моделям являются

простота описания, физический смысл параметров модели,

адекватность экспериментальным данным, возможность

аналитического выражения таких характеристик процесса

поступления глюкозы как время наступления максимума

концентрации глюкозы, максимальное значение концентрации

глюкозы, условная характеристика скорости нарастания и спада

концентрации глюкозы, а также суммарное её количество за

заданное время или при времени, стремящемся к бесконечности.

В [3] отмечено, что существующие модели являются

компромиссом между представленными требованиями.

Предлагается математическая модель процесса

поступления глюкозы в кровь на основе бета-распределения.

Основными преимуществом бета-распределения является:

- двухпараметрическоеописание;

- возможность описания несимметричных распределений,

характерных для кривых поступления глюкозы в кровь;

13

- используется для описания случайных величин, значения

которых ограничены конечным интервалом;

- при определенных значениях параметров описывают

другие типы распределений.

Так как формула для плотности бета-распределения

обладает рядом особенностей (интеграл плотности вероятности

1

0

1f x dx , диапазон изменения случайной величины от 0

до1)[3], структуру зависимости предлагается модифицировать

введением множителя, отвечающего за амплитуду концентрации

глюкозы k и масштабный коэффициент m, отвечающий за

диапазон изменения концентрации во времени. Динамика

поступления глюкозы в кровь на основе бета-распределения в

таком случае описывается зависимостью

1 1

11 1

0

1

1

k m t m tG t

m t m t d m t

(1)

где , - параметры бета-распределения.

При этом могут быть вычислены основные статистические

моменты распределения, описывающие характер динамики

поступления глюкозы в кровь[5]:

- математическое ожидание M

, характеризует

осредненный момент времени пика концентрации глюкозы;

- мода 1

2Mo

, характеризует время максимального

значения концентрации глюкозы;

- дисперсия

21

D

, характеризует ширину

«окна» всплеска концентрации глюкозы;

14

- коэффициент асимметрии

2 1

2As

,

характеризует скорость роста-спада концентрации глюкозы;

- коэффициент эксцесса

3 2 2

2

2 1 1 2 26

2 3

,

характеризует остроту пика концентрации глюкозы.

На рисунке показаны результаты аппроксимации

экспериментальных данных [3]. Как видно из рисунка, бета-

распределение с высокой точность описывает динамику

поступления глюкозы в кровь (погрешность расчета не

превысила 3%).

Рисунок

Представленная модель качественно верно отражает

характер изменения концентрации глюкозы в крови. Быстрый

0 10 20 30 40 50 60 70 80 90 1000

0.313

0.625

0.938

1.25

1.563

1.875

2.188

2.5

Gi

Gm tm( )

ti tm

15

рост, переход через точку максимума и затем плавное снижение.

Такой характер отражает быстрое начало всасывания в полости

рта моносахаридов, а затем более медленное усвоение других

сахаров в кишечнике.

Литература

1. Bergman, B. N., Ider, Y. Z., Bowden C. R., Cobelli C.,

Quantitive estimation of insulin sensitivity. American Journal of

Physiology, 236 (1979), pp. 667–677.

2. I.M. Tolic, E. Mosekilde, J. Sturis, Modeling the insulin-

glucose feedback system: The significance of pulsatile insulin

secretion, J. Theor. Biol. 207 (2000) 361–375.

3. L. KOVÁCS, Extensionof the Bergman Minimal Model for

the Glucose-Insulin Interaction, PeriodicaPolytechnica Ser. El. Eng.

VOL. 50, NO. 1–2, PP. 23–32 (2006).

4. Кендалл М. Теория распределений. М.: Наука, 1966. –

588 с.

5. Королюк В.С., ПортенкоН.И.,Скороход А.В., Турбин

А.Ф. Справочник по теории вероятностей и математической

статистике. – М.: Наука, 1985. – 640 с.

УДК. 536.27:519.868

СИНТЕЗ РОБАСТНОЙ СИСТЕМЫ УПРАВЛЕНИЯ

С ЗАДАННОЙ СТЕПЕНЬЮ УСТОЙЧИВОСТИ

Барметов Ю. П., Шинкаренко А. Ю.

ФГБОУ ВО «Воронежский государственный университет

инженерных технологий»

г. Воронеж, Россия

Рассматривается задача определения области изменения

коэффициентов ПИД-регулятора, обеспечивающих заданную

степень устойчивости робастной замкнутой системы управления

с интервально-заданным объектом. В качестве объекта

16

управления взят теплообменник с разделенными полостями для

теплоносителя и продукта и идеальным перемешиванием сред в

полостях.

Упрощенная линеаризованная динамическая модель [1] такого

объекта для отклонений температур сред и стенки между ними

представлена системой уравнений в нормальной форме:

1,2,i , Tn

cM

c0GG

cM

c0T0Tn

TscM

ST

cM

Sc0G

d

dT

iii

iii

ii

iii

ii

ii

ii

iiii

αα

(1) ,

Ts

csMs

ST

csMs

ST

csMs

S

d

dTs 212

21

1

αααα , (2)

где G0, G – средний массовый расход среды и отклонение

расхода от среднего; индекс 1 относится к теплоносителю, 2- к

продукту; Tn0, T0, Tn, T – средние (номинальные) температуры

сред на входе и в полости теплообменника, а также отклонения

от средних температур; c, cs - теплоемкости сред и стенки; M, Ms

- массы сред в теплообменнике и стенки между теплоносителем

и продуктом; Ts – отклонение температуры стенки от среднего

значения; S – площадь стенки; τ – время, 1α , 2α - коэффициенты

теплоотдачи от теплоносителя к стенке и от стенки к продукту.

Эти коэффициенты выделены, так как являются интервальными.

Они имеют сложную зависимость от скорости движения и

температур сред, изменяющихся в процессе теплообмена, поэтому

определение точных их значений проблематично.

Средние значения температур сред и стенки определяются

по уравнениям статики, аналогично определяются граничные

значения коэффициентов теплоотдачи с использованием

нелинейных и критериальных зависимостей [1].

Управление температурой продукта на выходе

осуществляется путем изменения расхода теплоносителя,

начальные температуры сред и расход продукта являются

возмущениями.

Система уравнений (1), (2) в матрично-векторной форме

запишется как

17

)t()t(Gtt 1 zCB)T(A)(T' , (3)

где Т(t)= (Т1 Т2 Тs)T – вектор переменных состояния, А-

матрица интервальных коэффициентов перед переменными

состояния:

csMs

S

csMs

S

csMs

S

cM

S

cM

Sc0G0

cM

S0

cM

Sc0G

2121

22

2

22

222

11

1

11

111

αααα

αα

αα

A , (4)

В – вектор коэффициентов для управления G1(t), С – матрица

коэффициентов возмущения z(t)= (Тn1 G2 Тn2)T:

0

0

M

0T0Tn

1

11

B ,

2

2

2

22

1

1

M

0G

M

0TTn0

00M

0G

С . (5)

Вектор передаточных функций объекта по управлению в

преобразованиях Лапласа определяется как:

BAEW 1)s()s( ,

где Е – единичная матрица, s – переменная Лапласа.

Для температуры продукта Т2 передаточная функция от расхода

теплоносителя G1 может быть записана в следующем виде:

)sss/()s(W 012

23

2 AAAko , (6)

и коэффициенты её правой части выражаются через элементы

матрицы А и вектора B:

3,32,21,12,21,33,13,22,31,1 aaaaaaaaaA 0 ,

2,21,13,32,23,11,32,33,23,31,11 aaaaaaaaaaA ,

3,32,21,12 aaaA , 1b 2,33,1 aako .

18

Все коэффициенты передаточной функции выделены «жирным»

шрифтом, так они являются интервальными, поскольку

вычисляются через интервальные величины 1α , 2α согласно (4).

Задача определения областей коэффициентов ПИД-

регулятора, обеспечивающих заданную степень устойчивости

замкнутой системы с единичной отрицательной обратной связью

решается методом, подобным методу D-разбиения, для чего

необходимо записать характеристический полином замкнутой

системы:

)skskk()sss(s),s(D 232101

22

3 koAAAk , (7)

где ko , 0A , 1A , 2A - интервальные коэффициенты полинома;

1k , 2k , 3k - коэффициенты интегральной, пропорциональной и

дифференциальной составляющих регулятора, k =( 1k 2k 3k )Т

–

вектор коэффициентов регулятора.

Условие попадания корней s характеристического

уравнения замкнутой системы 0),s(D k на прямую j ,

проходящую на комплексной плоскости корней слева от мнимой

оси на расстоянии η, равном требуемой степени устойчивости,

запишется как

0),j(D k (8)

где ω – круговая частота, ; 1j . Эта прямая делит

плоскость корней на левую полуплоскость, удовлетворяющую

требованию по степени устойчивости, и правую – не

обеспечивающую запас устойчивости по корням.

Заменим в правой части полинома (7) s на j ,

разделим полученное выражение на действительную и мнимую

части и приравняем обе части нулю:

,0)kkkk(

36),j(DRe

23

23210

21

21

22

32

4224

koAAA

AAk (9)

.0)k2k(

2344),j(DIm

320

12

22

223

koA

AAAk (10)

19

Для случая 0 из уравнения (10) выражаем k2, разделив

левую и правую части уравнения на ω,

301

22

22

23

32 k22344

,k,kko

AAAA, (11)

а из уравнения (9) выражаем k1:

.36

k,k,k,k,k

02

12

12

23

24224

2233231

ko

AAAAA

(12)

Выражения (11), (12) определяют границы области

коэффициентов интегральной (k1) и пропорциональной (k2)

составляющих регулятора, с фиксированным количеством

корней, имеющих действительную часть меньше –η.

Коэффициент дифференциальной составляющей k3 и частота ω

являются параметрами для ,k,k 31 , ,k,k 32 .

При 0 уравнение (10) выполняется для любых значений

k2, и уравнение (9) определяет особую прямую:

.kk,k,kk 02

13

24

23223

*

1 ko

AAA (13)

Зададим конкретные значения параметрам модели

теплообменника, в том числе интервалы для коэффициентов

теплообмена: G01=11.5 кг/с; G02=4 кг/с; Т01=95 оС; Т02=75

оС;

Тn1=98 оС; Тn2=66

оС; M1=298 кг; M2=320 кг; Ms=737 кг; S=30,8

м2; c1=4205 Дж/(кг.К); c2=3990 Дж/(кг.К); cs=462 Дж/(кг.К);

α1min=500 Вт/(м2.К); α1max=800 Вт/( м

2.К); α2min=260 Вт/( м2.К);

α2max=380 Вт/( м2.К).

Построим графики границ коэффициентов регулятора в

координатах k1 , k2 при k3=50 (рис. 1), k3=100 (рис. 2) для степени

устойчивости η=0,02 и четырех возможных комбинаций

интервальных коэффициентов: 1- α1min, α2min; 2- α1min, α2max; 3- α1max,

α2min; 4 - α1max, α2max

20

Рис. 1. Область коэффициентов, обеспечивающих степень

устойчивости η=0,02 при k3=50

Как видно из рис. 1, возможной областью коэффициентов

интегральной (k1) и пропорциональной (k2) частей регулятора,

обеспечивающей степень устойчивости для всех комбинаций

границ интервальных коэффициентов объекта может быть

заштрихованная область, лежащая ниже всех кривых и выше

особой прямой k*1(k2). Чтобы проверить справедливость этого

предположения выберем любую точку из заштрихованной

области, например k1=0,06, k2=4, и подставим значения k1 , k2 , k3

в характеристический полином (7), приравняем его нулю и

найдем корни полученного характеристического уравнения

замкнутой системы для всех комбинаций границ интервальных

коэффициентов теплоотдачи:

- при α1min, α2min, корни: -0,075; -0,0223; -0,0209±0,0384i;

- α1min, α2max: -0,081; -0,0228; -0,0245±0,0336i;

- α1max, α2min: -0,084; -0,0216; -0,0342±0,058i;

- α1max, α2max: -0,089; -0,0220; -0,0384±0,052i.

Если выбрать точку выше кривой k1.1(ω), например, k1=0,07,

k2=4, то корни будут равны:

21

- при α1min, α2min, корни: -0,0724; -0,0299; -0,0184±0,0372i;

- α1min, α2max: -0,0788; -0,0319; -0,0211±0,0322i,

и для первой комбинации границ степень устойчивости

получилась меньше 0,02. Таким образом, предположение о

выборе области с необходимой степенью устойчивости

подтверждается.

Чтобы проверить влияние третьего коэффициента

регулятора увеличим его в два раза и вновь построим графики

(рис. 2)

Рис. 2. Область коэффициентов, обеспечивающих степень

устойчивости η=0,02 при k3=100

Для данного объекта увеличение коэффициента

дифференциальной составляющей позволяет увеличить область

изменения первых двух коэффициентов с сохранением степени

устойчивости. Можно также повысить достижимую степень

устойчивости.

Список литературы

1. Барметов, Ю.П. Динамическая нелинейная модель

пластинчатого теплообменника. [Текст] /Моделирование

энергоинформационных процессов [Электронный ресурс] : /

Ю.П. Барметов, А.Ю. Шинкаренко //Сборник статей VIII

22

национальной научно-практической конференции с

международным участием - Воронеж. гос. ун-т инж.технол. –

Воронеж: ВГУИТ, 2020 с.20-25

УДК 62-50

МЕТОД ФОРМИРОВАНИЯ СТРУКТУРЫ И

ОПТИМИЗАЦИИ ФУНКЦИОНИРОВАНИЯ УПРАВЛЕНИЯ

ИЕРАРХИЧЕСКОЙ МНОГОУРОВНЕВОЙ

ОРГАНИЗАЦИОННОЙ СИСТЕМЫ

А.В. Калач, Т.Е. Смоленцева

ФКОУ ВО Воронежский институт ФСИН России


МИРЭА-технологический университет, г. Москва, Россия

Современные темпы развития нового VUCA-мира

предъявляют все больше требований к

адаптивномуэффективному управлению организационными

системами [1].

События последний лет показали неэффективность и,

зачастую, невозможность использования существующих жёстких

организационных структур управления вследствие динамики

развития и неоднозначности процессов, происходящих во всех

сферах и на всех уровнях экономики страны. Усиление

глобальной неопределенности негативно отразилось на

адекватности типов и уровней развития организационных

структур управления характеру, динамике и типу систем

обеспечения эффективности функционирования государства.

В связи с этим, актуальность приобретает проблема

необходимости эволюции используемых структур управления,

создания и использования организационных структур нового

типа, учитывающих текущие внутренние и внешние тенденции

развития, позволяющих осуществить сочетание динамики

структур нового типа, с одной стороны, и сохранения

23

управляемости организационной системы – с другой. При этом,

необходимы анализ качества и динамики эволюции

организационных структур управления, проведение

исследований в сфере появления организационных структур

нового типа.

Другой важной составляющей и базой для эволюции

организационных структур управления является постоянно

возрастающая информационная обеспеченность большинства

функционирующих организационных систем, что позволяет им

на более высоком уровне и мобильнее решать управленческие

задачи. Цифровизация, продолжающаяся роботизация,

телеуправление оказывают решающее влияние на характер

производства, вытесняют рутинный труд и заставляют

преобразовывать роль персонала [2-4].

Кроме того, следует отметить, что несмотря на внимание

отечественных и зарубежных учёных к вопросам управлению,

разрешены далеко не все проблемы совершенствования его

механизмов и моделей. Предлагаемые варианты управленческих

структур разрабатываются, как правило, на основе

стандартизованных решений и без учёта региональной

специфики. Следует отметить, что в процессе применения

современных механизмов и моделей управления

организационными системами большое значение должна иметь

их эффективность.

Механизм управления организационной системой можно

полагать эффективным в случае его комплексности,

многоплановости, постоянного оценивания эффективности

совершенствования и последующего внедрения. В современных

условиях создание таких механизмов и систем управление на их

основе возможно исходя из позиций системного анализа.

Кроме того, необходимость системного анализа систем

управления организационных систем (СУОС) в иерархических

многоуровневых организационных системах (ИМОС) возникает в

связи с тем, что их функционирование постоянно усложняется. В

связи с этим требуется привлекать различные методы и

математические модели для описания особенностей

24

функционирования и построения ИМОС, определения

эффективности таких систем [5].

Рассмотрим подробнее основные этапы разработанного

метода.

1. Формирование предварительной структуры СУ ИМОС.

Для оптимизации функционирования существующей СУ ИМОС

на всех уровнях этой структуры необходимо осуществить

корректировку ее структуры, целей и задач. Следующим шагом

для оптимизации функционирования СУ ИМОС можно

использовать кластерный анализ, который осуществляет

группировку элементов СУ ИМОС на классы так, чтобы к

каждому классу принадлежали наиболее схожие по своим

характеристикам элементы этой системы.

Схема алгоритма метода формирования структуры и

оптимизации функционирования СУ ИМОС представлена на рис.

2. Формирование структуры и СУ ИМОС. Структуру СУ

ИМОС можно представлять в виде графа G(V, E), где V –

множество связей между структурными элементами ИМОС, E –

множество управляющих связей между структурными

элементами ИМОС.Полагаем, что E(v), vVмножество всех дуг

вида (v/, v), где v

/V.

Определяем коэффициенты инцидентности U(e) так,

чтобы eE для любого vVспо выражению:

∑ 𝑈(𝑒) = 1𝑒∈𝐸(𝑉) (1)

Тогда в вершину v входит только дуга e, то U(e)=1.

Широко распространённый подход приведения графа G к

иерархической структуре, возможно, осуществлять так, чтобы из

множества E(v) существовала бы одна дуга, для которой

справедливо выражение:

)()( max)(

0 eUeUvEe

(2)

В этом случае граф G будет ориентированным графом без

контуров.

3. Приведение граф G к ориентированному графу без контуров.

Как правило, граф G не может полностью идентифицировать с

идеальной структурой СУ ИМОС S. Следовательно, необходимо

25

сформировать такой граф G, который бы максимально был

адаптирован с идеальной структурой ИМОС S. Подход

приведения графа G к иерархической структуре целесообразно

осуществлять с учетом связи его структуры с иерархией целей

ИМОС. Иерархическая структура СУ ИМОС идентифицируют с

глобальной целью СУ ИМОС Ц1. Подцель -го уровня дерева

целей будем определять через Ц где =(1, i1, i2, …, i-1) число,

которое эквивалентно значению -го уровня дерева целей.

В дальнейшем будем считать, что есть состояние

системы S, где =L,. -{1, …, L}, а u управляющее S,i,

i=1, 2, …, воздействие этой системы на элементы СУ ИМОС

нижних уровней. Интегрированная управляющая информация E

из системы S формируемая на основе цели Ц передается на

более низкий уровень СУ ИМОС в соответствии с целями Ц,i,

i=1, …, этих уровней на которых решаются задачи из

семейства задач {j

З

}, j=1, …, и, в свою очередь, в

соответствии с этими целями E=(e, 1

, …, e,

) разбивается на

более малую информацию ( символ сделать индексом).

Поиск оптимальной иерархической структуры при

разработке СУ ИМОС осуществляем на основе разработанных

алгоритмов:

- определения начального приближения, обладающего

определенными свойствами;

- рекурсивной процедуры направленного поиска

оптимальной иерархии[6,7].

4. Оценка функционированияСУ ИМОС.

Оценку процесса функционирования СУ ИМОС можно

осуществлятьна основе нормативных документов;планирования

выполнения работ;определения уровня напряженности

функционирования;задания целевой функции; с использованием

аддитивных систем стимулирования;информированности

руководителей и т.д.

26

Начало

Вновь создаваемая

структура

Анкетирование,

привлечение экспертов

Корректировка: кластерный

анализ

да нет

Формирование предварительной

структуры системы управления

G(V, E)

)()( max)(

0 eUeUvEe

Формирование иерархической

структуры

Ц jЗ

1)(1

A j

jw

Приведение G(V, E) к

ориентированному графу без

контуров

Оценка функционирования

СУ ИМСОС

J

j

j

DDSDDS

S

ji

i

t KPZtttt1

,

11

1/ Анализ динамики изменения

характеристик ОУ СУ ИМСОС

J

j

jkjk PWP1

,

J

j

jkjk PWP1

1

,

1

Э=S/n×100 Оценка эффективности УВ

Разработка АИСС ППР

Конец

jiji BAP ,,,

ЛПР: KЭ, Ti

Формирование групп объектов за

исследуемый период

txtxtx I

00

2

0

1 0,...,,

tytyty J

00

2

0

1 0,...,,

Рис. Схема алгоритма метода формирования структуры и оптимизации функционирования управления

иерархической многоуровневой организационной системы

5. Алгоритм анализа динамики изменения характеристик

объектов управления СУ ИМОС (на примере образовательной

организации)

Процесс функционирования СУ ИМОС возможно

осуществлять на основе моделей прогнозирования, на базе

экспоненциально взвешенных скользящих средних значений

параметров и такой процесс считается оптимальным и относится

к классу нестационарных процессов(АРПСС).

Прогнозирование осуществляют по каждому объекту

ИМОС.

6. Принятие эффективных УР (на примере образовательной

организации).

Анализ эффективности принятых управляющих

воздействий при функционировании СУ ИМОС необходимо

осуществлять в три этапа.

А). Формирование групп объектов по результатам

функционирования на примере структуры образовательной

организации будем осуществлять по значениям параметров СУ

ИМОС за предыдущий период[8].

Формируются исходные данные, необходимые для

использования методики. На основе первичной информации

функционирования СУ ИМОС за предыдущий период,

циркулирующей в системе (управления качеством образования)

(УКО), представим множеством jiji BAP ,,, :

Pi,j- количественное значение j-ой характеристики i-го

объекта СУ ИМОС (например: отметки, полученные на занятии,

средний балл обучаемого и т.п.); Ii ,1 - индекс объектов СУ

ИМОС, носителей первичной информации (например, студент,

учебная группа в образовательной организации, курс и т.д.);

Jj ,1 - индекс характеристик объектов СУ ИМОС (например,

наименование изучаемых дисциплин и т.д.);Ai-

идентификационные данные i-го объекта СУ ИМОС;В j-

наименование j-ой характеристики объекта СУ ИМОС.

В этих условиях лицо принимающее решениязадает

величины ТI – необходимую точность разбиения в процентах;KЭ –

28

необходимое количество классов разбиения.

Б). Формирование групп объектов СУ ИМОС в

соответствии со значениями характеристик за исследуемый

период.

В результате использования подхода, получены следующие

результаты:

К - количество определенных классов;1

, jkP - центры

тяжести классов;1

ik - номер класса, принадлежащего i-го объекту;

1

ia - индекс объекта в Pi,j

В). Исследование двух групп обучающихся

образовательной организации с разбиением на классы.

7. Разработка АИСС поддержки принятия решений.

Использование АИСС заключается в выполнении

определенных операций и с возможностями человека. При этом

создается интерфейс, осуществляющий разделение функций

между человеком и техническими устройствами. Множество

функций kzzzZ ,...,, 21 определяющих функциональную

структуру системы УКО образовательной организации, разбито

на два подмножества:

ngggG ,...,, 21 , функции выполняются человеком;

mhhhH ,...,, 21 , функции выполняются техническими

средствами.

При этом, основой создаваемого интерфейса является

разделение и установление логических и информационных связей

между формализованными и неформализованными операциями.

Для упрощения аналитических исследований использовали

аппарат А-схем. Для обеспечения разработки информационного

компонента необходимо создание концептуальной модели базы

данных АИСС ППР. На основании полученных результатов

возможна разработка АИСС ППР и ее программная реализация.

Таким образом, эффективная реализация данных

мероприятий обеспечит достижение национальных целей

развития.

29


1. Popova N., Shynkarenko V., Kryvoruchko O., Zoltan Z.

Enterprise management in VUCA conditions // Economic Annals-

ХХI. – 2018. – № 170 (3–4). – P. 27–31. DOI: 10.21003/ea.V170–05.

2. How do you reshape when today’s future may not be

tomorrow’s reality? Oil and Gas Digital Transformation and the

Workforce Survey 2020. [Электронныйресурс]. – Режимдоступа:

ey.com/oilandgas/digitalskills. Дата доступа 29.11.2021.

3. Мильнер Б.З. Теория организации. М.: Инфра-М. – 2003.

– 800 с. ISBN978-5-16-003167-5.

4. Исследование систем управления : учебник для

академического бакалавриата / В. П. Мельников, А. Г.

Схиртладзе. — М. : Издательство Юрайт, 2014. – 447 с. — Серия

: Бакалавр. Академический курс. ISBN 978-5-9916-3558-5.

5. Sumin V.I., Smolentseva T.E., Dybova M.A. Identify

objects basic information for information processes of complex

systems to the specified class, depending on the values of

characteristics // Fundamental research. – 2015. – № 2 (part 19) – P.

4184-4187.

6. Smolentseva T.E. Designing an algorithm for supporting

information generation process optimization / T.E.Smolentseva,

A.V.Svishchev, N.V. Katakhova // III International Workshop on

modeling, information processing and computing (MIP:

COMPUTING-2021), Krasnoyarsk, Russia. – 2021. – С.85-92.

7. Яворский В.В. Методы моделирования взаимосвязей и

параметров функционирования многоуровневых

организационных структур непроизводственной сферы : дисс. …

д-ра техн. наук. 05.13.10 / В. В. Яворский ; науч. конс. Ю. П.

Ехлаков ; Томский государственный университет систем

управления и радиоэлектроники, Карагандинский

государственный технический университет. – Томск : ТУСУР,

2002. – 320 с.

8. Кузнецова Л.Д. Разработка проблемно-ориентированных

компонентов системы управления образовательными процессами

высшего профессионального образования в современных

условиях (на примере педагогических высших учебных

30

заведений) : автореф. дис. ... канд. техн. наук : 05.13.10 / Л.Д.

Кузнецова. –Воронеж : Воронеж. гос. лесотехн. акад., 2009. – 167

с.

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

ПАРОКОНДЕНСАТНЫХ УСТАНОВОК

НЕФТЕПЕРЕРАБАТЫВАЮЩИХ ПРЕДПРИЯТИЙ

Василевский К.С., Дмитриевский Б.С.

ФГБОУ ВО «Тамбовский государственый технический

университет»,

г. Тамбов, Россия

Перегретый пар- один из основных энергетических

ресурсов, применяемых при нефтепереработке в Российской

федерации. Установки, потребляющие пар высокого (ПВД) и

среднего давления (ПСД), с точки зрения системы

пароснабжения подразделяются по типу входного и выходного

продукта. Одна из таких групп- установки УВК,

осуществляющие потребление пара высокого давления и

производящие конденсат. К данной группе относятся

преимущественно установки каталитического крекинга (УКК) и

установки производства каталитического крекинга (ПКК),

предназначенные для получения высокооктанового бензина и

олефинов. Расход пара высокого давления в таких установках

может достигать до 80-100 тонн в час[1].

Для построения точных и эффективных систем управления

процессом пароснабжения необходимо в составе

математического обеспечения системы управления иметь

математическую данных установок [2].

Прежде всего, рассмотрим типовую установку УВК как

объект управления, определим векторы входных, выходных и

возмущающих величин [3].

Для данного объекта входными величинами являются:

Расход пара, подаваемого на установку- 𝐺пвх

31

Выходными величинами являются:

Расход конденсата, генерируемого установкой- 𝐺квых

Промежуточными величинами являются:

Давление конденсата, генерируемого установкой-𝑃квых

Расход пара безвозвратных потерь- 𝐺ппт

Количество теплоты потребления собственных нужд

установки- 𝑄𝑐н

Возмущающими воздействиями выступают:

Температура наружного воздуха-Тв

Температура пара, подаваемого на установку- 𝑇пвх

Давление пара, подаваемого на установку- 𝑃пвх

Схема установки как объекта управления представлена на

рисунке 1.

Рисунок 1. Установка тип УВК как объект управления

32

Для данных установок математическое описание будет

также состоять из уравнений материального и энергетического

баланса.

Уравнение материального баланса:

вх пт выхпсп п к

dMG G G

d (1)

Уравнение энергетического баланса:

;

пс пс пс вх вх пт вх вых выхп п п п к к

вых вх вп нк сQ

d M C TG i G i G i

d

G L SF T T

(2)

1( , );

вх вх вх

п п пi f Р T (3)

2( , );

вых вых кип

к к вi f Р T (4)

1;

вх вх уст

п п пG Р Р (5)

2;

пт вх

п пG G (6)

;

вх

вх вх вхп

п п п

мол

MР V RT

M (7)

;S DL (8)

3( , );,вх вх

п п

в

снQ f G T Т (9)

где:

𝑀пс[кг]- масса пара среднего давления;

𝐶пс[Дж

кгК]- удельная теплоемкость пара среднего давления;

𝑇пс[°𝐶]- температура пара среднего давления;

33

𝑖пвх[

Дж

кг]- энтальпия входящего острого пара высокого

давления;

𝑖квых[

Дж

кг]- энтальпия выходящего конденсата;

𝑇пвх[К]- температура входящего пара высокого давления;

𝑇вкип[К]- температура кипения воды;

𝐿[Дж

кг]- удельная теплота парообразования воды;

𝑆[м2]- суммарная площадь поверхности теплообмена

трубопровода установки с окружающей средой;

𝐹[Вт

мК]- коэффициент теплопередачи между трубопроводом

установки и наружным воздухом;

𝑇в[К]- температура наружного воздуха;

𝐷[м]- наружный диаметр трубопровода внутри установки;

𝐿[м]- общая длина трубопровода внутри установки;

𝑄сн[Дж]- количество теплоты потребления собственных

нужд установки.


1. Иванец К.Я. Оборудование нефтеперерабатывающих

заводов и его эксплуатация/ Иванец К.Я., Лейбо А.Н. – СПб.:

Химия, 1966. – 343с.

2. Дворецкий С.И. Проектирование автоматизированных

систем управления химико-технологическими процессами:

Учебное пособие./ С.И. Дворецкий, Т.Я. Лазарева. – Тамбов:

Издательство ТГТУ, 1993. - 206 с.

3. Грачев Ю.П. Моделирование и оптимизация тепло - и

массообменных процессов/ Ю.П. Грачев, А.К. Тубольцев, В.К.

Тубольцев. - М.: Легкая и пищевая промышленность, 1984. –

216с.

34

УДК 550.8

ОЦЕНКА ТОЧНОСТИ И ПОГРЕШНОСТИ ДАННЫХ

ИНКЛИНОМЕТРИИ ПРИ ГЕЛОГИЧЕСКОМ

МОДЕЛИРОВАНИИ С ИСПОЛЬЗОВАНИЕМ

КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ

Васильев Г.А.

ФГБОУ ВО «Казанский национальный исследовательский

технический университет им. А.Н. Туполева - КАИ»

г. Казань, Россия

В настоящее время для выполнения таких задач как,

подсчет запасов углеводородов, проектирование скважин,

гидродинамическое моделирование решается при помощи

построения 3Dмоделей. Разработка методов геологического

моделирования стало возможно благодаря разработке

математических алгоритмов трехмерного моделирования,

обработки и интерпретации данных геологической разведки, в

том числе данных инклинометрических исследований. На основе

полученных данных строятся карты изохорн. В это же время,

плохое качество данных инклинометрии ведут к искажению

структурного плана по опорным горизонтам. С этой целью

проводится корректировка инклинометрии.Для создания

структурно-тектонической модели месторождения используются

значения погрешности инклинометрии при расчете погрешности

абсолютных отметок σа.о.:

σа.о2=σкаб

2+σинкл

2 (1),

где σкаб – растяжение кабеля. При использовании различных

инклинометров инструментальная погрешность различная.

Например, для электрических она составляет ±30` а для

гироскопических - ±15`.Установлено, что при погрешности

возрастают с увеличением длины ствола. При построении

моделей так же учитывается диапазон допустимых значений, и в

случае если погрешности превышены то принимается решение об

исключении скважины из ВНК[1]. Работы по трехмерному

35

моделированию в России начаты не так давно. Одна из известных

программ на рынке – IRAPRMS. В ее модуле Wellplanимеется

возможность создавать траектории скважин автоматически,

достаточно указать ряд исходных данных.Высокая степень

вероятности реализации скважины бурением обусловлена

возможностью наложения и учета ограничений при

проектировании. Например, глубина и интенсивность набора

зенитного угла, наличие прямых секций. Благодаря такой

возможности повышается качество модели в условиях изменений

глубины горизонтов. Исходя из данных инклинометрии

инженерам разработчикам удается рассчитать неопределенность

положения ствола скважины, предусмотреть опасное сближение

скважин[2].

В проектировании разработке геологических моделей

существенную роль играют методы обработки больших данных.

Модуль Proxyиспользует технологию BigLoop. Результатом

работы модуля является построение распределение вероятностей

основных параметров моделирования, основанные только на

сочетании параметров неопределенности.Наличие технологии

APIпрограммный комплекс дает возможность разрабатывать

собственные скрипты и модули и использованием уже

существующих возможностей IRAPRMS.

Для построения распределения вероятностей

используется детерминистический стохастический подход,

который подразумевает наличие ограниченной модели

поведения, зависимости от формул и априорной информации об

объекте исследования. В работе [5] произведен анализ методов

стохастического моделирования: последовательное Гауссовское

моделирование и моделирование отжигом. При сравнении

результатов исследований сделаны следующие выводы об

отличии методов:

- Для получения более точных вариограмм и высокой

вариабельности результатов стоит использовать метод

моделирования отжигом.

- Для получения точного воспроизведения анизотропной

пространственной корреляционной структуры стоит

36

использовать последовательный метод Гауссовского

моделирования.

Установлено, что использование большого количества

информации и использование многопеременного стохастического

моделирования позволит улучшить точность результатов. При

исследовании [6] были сделаны следующие выводы о таком

подходе:

- Результаты анализа величины значительно улучшаются

даже при недостатке информации по одной из них.

- Улучшена воспроизводимость гистограмм и

статистических характеристик распределения.

- Улучшена воспроизводимость пространственной

корреляционной структуры данных.

- Улучшена репрезентативность оценок вероятностей.

Использование многопеременного подхода так же будет

иметь ряд особенностей ввиду большого количества данных.

Описанное предложение нацелено на реализацию модели или

рассмотрение возможных улучшений существующих моделей.

Полученные модели способствуют выполнению основных

требований по сбору и обработке геологических данных.

Особенностью таких моделей является их представление в виде

согласованных многоуровневых моделей, где программное

представление сужается до проработки мельчайших деталей –

частей модели.


1. Закревский К.Е. Геологическое 3Dмоделирование. М.:

ООО «ИПЦ «Маска», 2009 г. – 376 с.

2. Болотник Д.Н., Рыбников А.В., Макарова Е.С.

Современные решения для проектирования, оценки и

оптимизации горизонтальных скважин и боковых стволов на

основе трёхмерных геолого – гидродинамических моделей.

Научные труды, 2010 г. 63-69 с.

3. Тюкавкина О.В. Научно-методические основы

повышения эффективности интегрированной обработки

многопараметровых геофизических данных при доразведке

Юрских отложений западной Сибири. Диссертация на соискание

ученой степени доктора технических наук. Москва, 2010 г. 310 с.

37

4. Сафаров А.Ф., Бакиров И.И., Бильданов Р.Р., Мингазов

Б.М. Компьютерная технология подсчета запасов на основе

3Dгеологического моделирования. ТатНИПИнефть, Бугульма.

5. Нехороших Д.С., Демьянов В.В., Каневский М.Ф.,

Чернов С.Ю., Савельева Е.А. СТОХАСТИЧЕСКОЕ

МОДЕЛИРОВАНИЕ ПРОСТРАНСТВЕННО

РАСПРЕДЕЛЕННЫХ ДАННЫХ ПО ОКРУЖАЮЩЕЙ СРЕДЕ.

Препринт № IBRAE-2000-05. Москва: Институт проблем

безопасного развития атомной энергетики РАН. Апрель 2000. 28

с. Библиогр.: 14 назв.

6. Демьянов В.В., Каневский М.Ф., Савельева Е.А.,

Тимонин В.А., Чернов С.Ю. СОВМЕСТНОЕ

СТОХАСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

ПРОСТРАНСТВЕННОЙ ВАРИАБЕЛЬНОСТИ И

НЕОПРЕДЕЛЕННОСТИ 90 SR И 137CS. Препринт № IBRAE-98-

01. Москва. Институт проблем безопасного развития атомной

энергетики РАН. Январь 1998. 27 с. — Библиогр.: 11 назв.

УДК 551.1

МОДЕЛЬ РАСЧЕТА ВЫСОТЫ КОНВЕКТИВНО-

НЕУСТОЙЧИВОГО СЛОЯ ПРИ УСЛОВНО-

НЕУСТОЙЧИВОЙ СТРАТИФИКАЦИИ АТМОСФЕРЫ

Драбо А.И., Животворев А.С., Пигарев А.Е., Колягин С.В.

ВУНЦ ВВС «ВВА», г. Воронеж, Россия

в/ч 61287, г. Североморск-3, Россия

Задача прогноза конвективной облачности и связанных с

ней опасных явлений погоды сводится к определению целого

ряда параметров атмосферной конвекции с использованием

данных радиозондирования. Одним из таких параметров является

мощность конвективно-неустойчивого слоя (КНС) атмосферы,

который характеризует вероятность образования конвективной

облачности и таких опасных явлений как гроза, град и др.

38

Мощность КНС характеризуется величиной давления на его

верхней границе, нижняя же границе совпадает с поверхностью

земли.

Определение давления на верхней границе КНС

осуществляется с использованием методики, представленной в [1].

Практическая реализация этой методики сопряжена с большим

количеством построений на аэрологической диаграмме, что

существенно влияет на точность определения давления на верхней

границе КНС. Исходя из этого, целью работы является построение

математической модели расчета высоты КНС при различных видах

стратификации атмосферы, рассмотренных в [2].

В данной статье для построения модели выбрана условно-

неустойчивая стратификация. Применение модели на практике

позволит использовать ее в системе поддержки принятия

метеозависимых решений на применение авиации в условиях

ожидаемого развития конвективной облачности при данном виде

стратификации атмосферы.

Для построения модели рассмотрим рисунок 1, на котором

представлен фрагмент аэрологической диаграммы с построенным

КНС «вручную» по методике, приведенной в [1].

Рисунок 1 – Фрагмент аэрологической диаграммы

Точка А является точкой пересечения сухой адиабаты,

проведенной через T = Tmax, спрогнозированной по способу

Бельского [3], с кривой стратификации. Точка Е соответствует

значению точки росы Td в нижней точке подъема радиозонда.

39

Точка D выбирается произвольно в приземном слое, она

необходима для определения аналитического вида кривой точек

росы. Точка В (температура и давление на верхней границе КНС)

определяется из решения системы уравнений точки росы yа

участке DE и изограммы, проходящей через точки А и С. Точка С

расположена на пересечении изограммы, проходящей через точку

А, с изобарой приземного давления.

Математическая реализация методики [1] заключается в

следующем.

1. По данным радиозондирования атмосферы

разрабатывается прогноз максимальной температуры воздуха на

день [3].

2. Определяются координаты точки А, расположенной в

месте пересечения кривой стратификации с прямой,

соответствующей высоте распространения сухоадиабатического

градиента для данного месяца zγ:

ордината точки А соответствует давлению РА;

абсцисса находится из уравнения сухой адиабаты,

проходящей через точку с Tmax:

zTzTTA amax)( , (1)

где γa = 0,0098 К/м – сухоадиабатический градиент температуры.

3. Значения массовой доли водяного пара в точках А и С

SmA = SmC, так как эти точки лежат на одной изограмме:

A

T

T

ÑAp

SmSmA

A

15,273

615,8

103799. (2)

Ордината точки С соответствует значению приземного

давления РС = Р0. Тогда с учетом выражения (2) абсциссу этой

точки можно представить в виде:

40

3799lg615,8

3799lg15,273

0

0

pSm

pSm

TA

A

Ñ . (3)

4. Используя уравнение прямой [4], проходящей через

точки А и С, координаты которых соответственно (ТА; рА) и (ТС;

р0), можно получить уравнение изограммы АС:

00 )( pTT

TT

ppp C

CA

A

. (4)

5. По данным радиозондирования атмосферы определить

значение температуры точки росы на высоте zγ. Для построения

аналитического уравнения кривой точек росы выбрать точки D и

E, исходя из данных о температуре точки росы:

абсцисса точки D равна TdD = T′d, а ордината pD = pA;

абсцисса точки Е равна TdЕ = T ′0, а ордината pЕ = p0.

Тогда уравнение кривой точек росы на участке DE будет

иметь вид:

00

0

0 )( Tpppp

TTT

D

D

. (5)

6. Составим систему линейных уравнений

.)(

;)(

00

0

0

00

Tpppp

TTT

pTTTT

ppp

D

D

C

CA

A

(6)

Решение этой системы относительно p = pB позволяет

получить значение давления на верхней границе КНС для случая

условно неустойчивой стратификации атмосферы:

41

00 pT

ba

bTTappap C

CDDB

, (7)

где D

D

TT

ppa

0

0 , CA

A

TT

ppb

0 .

Таким образом, применение на практике предложенной

модели расчета КНС позволит повысить качество

прогностической информации о конвективной облачности и

сопутствующих ей опасных явлениях погоды, а также

использовать данный вид информации в системах поддержки

принятия метеозависимых авиационных решений.


1. Руководство по практическим работам

метеорологических подразделений авиации Вооруженных Сил.

М.: Воениздат, 1971. 489 с.

2. Матвеев Л.Т. Основы общей метеорологии. Физика

атмосферы. Л.: Гидрометеоиздат. 2000. 778 с.

3. Скирда И.А., Ульшин И.И., Мартьяшкин А.Б.

Авиационные прогнозы погоды. Воронеж: ВУНЦ ВВС «ВВА»,

2014. 475 с.

4. Письменный Д.Т. Конспект лекций по высшей

математике. Полный курс. М.: АЙРИС-ПРЕСС, 2017. 608 с.

42

УДК 681.51

МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ПОДГОТОВКИ СЫРЬЯ

В ПИЩЕВЫХ ПРОИЗВОДСТВАХ

Терехова А.А., Дмитриевский Б.С., Аль Кнфер С. Н. А.,

Аль-Хамами О.Х.Я

ФГБОУ ВО " Тамбовский государственный технический

университет"


В статье рассмотрены вопросы моделирования процессов

поставок сахарной свёклы на свеклопунктах для управления

обеспеченностью предприятия производственными ресурсами и

эффективного выполнения производственной программы

предприятия. Эта задача актуальна, так как на предприятии,

особенно крупном, объем информации, необходимой для

принятия управленческих решений, весьма велик.

Сырьевой отдел (призаводской свеклопункт) является

самостоятельным структурным подразделением предприятия.

Свекла поступает, согласно договорам, непосредственно с полей

хозяйств-свеклосдатчиков. После определения веса,

кондиционности, загрязненности и сахаристости она

укладывается в места временного хранения (кагаты), откуда

впоследствии отправляется в бурачную (с удаленного

свеклопункта – по железной дороге).

Место разгрузки свеклы определяет контролер, исходя из

качества привезенного сырья. Определяется также срок хранения.

При распределении поступившей свеклы на разные сроки

хранения исходят из ее физического состояния, сроков уборки,

общей загрязненности и данных предуборочного обследования

плантаций.

Для создания информационной системы управления [1]

разработана функциональная модель комплекса задач, которая

представлена на рис.1. В основном, взаимодействие с

информационной осуществляет оператор ЭВМ. Однако в этих

43

процессах могут принимать участие и другие сотрудники как

свеклопункта, так и предприятия в целом. В модели

представлены четыре блока.

Указанные четыре подпроцесса предполагают их

последовательное выполнение. Например, прежде чем учитывать

поступление сырья, нужно указать наименование и другие

параметры поставщика в процессе «Учет контрагентов».

Последний блок предназначен для оперативного формирования

сводных отчетов о ходе заготовки сырья.

Первый блок предназначен для учета индивидуальных

параметров поставщиков сырья для завода посредством

заполнения соответствующих справочников. Здесь также

учитывается ряд параметров заключенных с поставщиками

договоров на переработку сырья.

Рисунок 1- Функциональная модель системы учета поставок сырья

Наименование

конрагента

Вид контрагента

Адрес

ИНН

Телефон

Район

Расстояние

Справочник контрагентов

Справочник районов

Справочник расстояний

Время прибытия

и убытияВес брутто

Вес тары

Место хранения (кагат)

Буртоукладчик

Наименование свеклопункта

Количество проб

Загрязненность

Сахаристость

Маршрут и расстояние

Дата анализа сырья

Товарно-транспортная накладная (ТТН)

Пачка ТТН

Поступление по ж/д

Отгрузка по ж/д

Списание потерь хранения

Передача в переработку

Дата движения сырья

Число вагонов

Вес сырья

Сахар в сырье

Весовщик

Сведения о ходе

заготовки сырья

(оперативка)

Форма ЗСВ-6 (ведомость движения сырья)

Справка сырьевой лаборатории

Форма ПК-8 (приемочная квитанция)

Форма ЗСВ-3б (ведомость учета качества сырья)

Реестр ТТН

Справочник кагатов

Справочник БУМов

Контролер сырья

Оператор ЭВМ

ГОСТ

17421-82

Инструкция по

приемке и хранению

сахарной свеклы

Инструкция по ведению

технологического процесса приемки,

хранения и переработки сахара-сырца

на сахарных заводах

Итоги закупки в

сезоне

Справочник договоров

Закупочная цена

Дата начала

План закупки

Договор в кредитОчередь в сезоне

Некондиция сырья

10р.

Учет контрагентов

20р.

Учет

поступления

сырья

30р.

Учет

движения

сырья

40р.

Оперативный учет

заготовки сырья

44

Поступившее сырье может выборочно оцениваться на

содержание сахара и загрязненность в специализированной

лаборатории. После чего оформляется соответствующая справка

сырьевой лаборатории. После взвешивания сырья происходит

оформление необходимых документов, фиксирующих факт и

качество принятого на переработку сырья. По завершении

процесса формируется сводная ведомость по качеству и

количеству принятого сырья.

Поставка и отгрузка крупных партий сырья осуществляется

с использованием железнодорожного транспорта. Также

изменение количества сырья возможно в связи с его порчей в

результате длительного или ненадлежащего хранения. Основным

же направлением движения сырья является отправка его в

производственную переработку.

Для полного сбора данных о привезенной свекле

конкретным хозяйством за сутки у водителя каждой автомашины

имеются два экземпляра товарно-транспортных накладных. В них

должны быть вписаны данные о хозяйстве. Эти данные, а также

отметка браковщика о направлении в лабораторию и номер

кагата, в который направлена машина, вносятся оператором

перед взвешиванием брутто в специальный справочник, после

чего оператор производит взвешивание и система фиксирует вес

и время взвешивания.

После занесения в накладные данных о разгрузке машина

прибывает для взвешивания тары. Оператор заносит в

справочник номер кагата, при необходимости ставит отметку о

некондиционности и производит взвешивание. Номера кагатов

выбираются из соответствующих справочников. Ставится

отметка о взятии пробы на сахаристость и загрязненность.

Для контроля правильности и полноты ввода информации с

накладных в базу данных, подсчета количества свеклы по

каждому конкретному свеклосдатчику за сутки и сверки с

хозяйствами используются «Приемные квитанции». В этой форме

собраны сведения по хозяйствам на каждую машину: номер

накладной, время прибытия, время убытия, номер кагата,

кондиционность и вес.

45

Движение сырья учитывается в документе «Ведомость

учета движения свеклы и сахара в кагатах и бурачной». В ней

хранятся сведения «за день» и «от начала». Для учета качества

сырья применяется форма «Ведомость учета сахарной свеклы на

загрязненность и сахаристость». Сведения вычисляются по

конкретным хозяйствам и районам.

В результате моделирования проведен анализ объекта и

бизнес-процессов, протекающих на нем в связи с учетом

поставок сырья. Выявлено, что процесс учета поступления сырья

является достаточно трудоемким и требует автоматизации в связи

с большими объемами поступающего сырья и достаточно

широким перечнем контрагентов, являющихся поставщиками

сырья и потребителями результатов его переработки. Каждый

поставщик обладает присущими ему индивидуальными

особенностями как по качеству и объемам поставляемого сырья,

так и по договорным условиям переработки. Каждую партию

поступившего сырья следует принять в соответствии с

существующими инструкциями, оценить ее качество. Далее

следует контролировать все изменения, которые могут

происходить с принятым сырьем. Все это требует хранения

большого объема информации о портящемся со временем сырье.

В завершении были формализованы расчеты, связанные с учетом

поставок сырья, его движением по свеклопунктами и

формированием необходимы отчетов.


1. Дмитриевский, Б.С. Автоматизированные

информационные системы управления инновационным

наукоемким предприятием / Б.С. Дмитриевский - М.:

Машиностроение-1, 2006. – 156 с.

46

УДК 69.04

РАЗРАБОТКА МЕТОДА АВТОМАТИЗИРОВАННОГО

УЧЕТА ОБРЕЗИ АРМАТУРНЫХ СТЕРЖНЕЙ ПРИ

ПРОЕКТИРОВАНИИ МОНОЛИТНЫХ

ЖЕЛЕЗОБЕТОННЫХ КОНСТРУКЦИЙ БЕЗ

ПРЕДВАРИТЕЛЬНОГО НАПРЯЖЕНИЯ

Зверевщиков А.М., Пантюхин А.А., Кашапов В.В.

ФГБОУ ВО «Ижевский Государственный Технический

Университет имени М.Т. Калашникова»,

г. Ижевск, Россия,

В настоящее время наиболее распространенным методом

возведения зданий является монолитное строительство.

Монолитные железобетонные конструкции, состоящие из

требуемых по проекту марок бетона и диаметров арматуры,

являются каркасом проектируемого здания. Расчёты для

определения необходимого вида и диаметра арматуры, а также

марки бетона проводят проектные организации, а их количество

указывается в спецификациях соответствующих чертежей.

Однако, как правило, вследствие не учтенного перерасхода

указанного в проекте количества арматуры не хватает для

реализации проекта. Наиболее распространенной причиной

перерасхода является перехлест и фиксированная заводская

длина стержней арматуры – 11,7 м. В результате чего обрезки

арматуры, оставшиеся при нарезке стрежней проектных

размеров, не могут быть использованы, а строительные компании

вынуждены постоянно докупать арматуру, чтобы реализовать

проект. Ситуацию не спасает даже поправочный коэффициент

равный 1,03, потому что он не позволяет точно определить кол-во

дополнительной арматуры, так как армирование монолитных

конструкций зависит от множества разнообразных факторов,

таких как интенсивность армирования, размер и диаметр

стержней арматуры. Данная проблема очень актуальна и имеет

большой практический смысл.

47

Авторы [1] проводят анализ расхода арматурной стали на

строящемся многофункциональном жилом комплексе со

встроенными нежилыми помещениями и подземной

автостоянкой в г. Москве. Основанием в перерасчете арматуры

по участку, стал большой перерасход, зафиксированный

инженером ПТО при списании. Поправочный коэффициент 1,03,

примененный к объему арматуры, не компенсировал перерасход.

После пересчета объема арматуры всего участка были

сформированы итоговые таблицы результатов, в которых видно,

что коэффициент перерасхода арматуры изменяется от 1,000 для

арматуры диаметром 25 мм до 1,121 для арматуры диаметров 20

мм, при этом средний коэффициент по надземной части составил

1,085, а перерасход – 147,8 т. Следует заметить, что перерасход

по всему корпусу составил – 344,7 т, и коэффициент перерасхода

получился 1,075, вместо 1,03 который был изначально принят,

чистые потери Заказчика составляют на 4.5% от общего объема

арматуры или 208,8 тонн арматуры или 16 545 600 рублей,

исходя из стоимости 80 тыс. рублей/ тонна. Таким образом

важность правильного учета и возможность повторного

использования обрези арматуры имеет особую актуальность.

Предлагаемый метод автоматизированного учета обрези

арматурных стержней при проектировании монолитных

железобетонных конструкций с использованием плагина на базе

программного обеспечения Autodesk Revit.

Работа плагина предполагает собой оптимизацию расхода

арматурных прутов на строительной площадке с применением

технологии автоматизированного учета обрези арматуры по

стандартной таблице длин, а также использование обрезков,

оставшихся после нарезки основных стержней, для изготовления

других деталей.

Вариант №1. Армирование ручным способом отдельными

стержнями

Сначала конструкция армируется ручным способом

отдельными стержнями, маркируются – вертикальные стержни

(поз.1), горизонтальные стержни (поз.2) и детали. Используя

встроенные возможности Autodesk Revit создается спецификация

48

на монолитную конструкцию. Работа плагина включает в себя

следующие этапы:

1. Анализ длины, диаметров и шага арматурных стержней

в конструкции и выдача вариантов изменения длины стержней с

учетом стандартной таблицы длин и длины нахлеста стержней

друг на друга и анкеровки в бетон (40-50d);

Плагин считает остатки у каждой позиции и предлагает

варианты изменения длины с учетом изменения длины другой

позиции, а также варианты изготовления арматурных изделий из

остатков;

2. Анализ проектировщиком вариантов, предложенных

плагином, внесение необходимых корректировок (Расставляются

галочки к каждой позиции арматуры, с которыми проектировщик

может согласиться с предложенным вариантом плагина или нет);

3. Плагин корректирует длины изделий с учетом СТД и

корректировкой проектировщика и выдает итоговую

спецификацию с учетом длины и использования обрезков от

других позиций (см. рис. 1)

Рис. 1. Спецификация

В современной строительной практике часто возникает

проблема перерасхода арматуры по сравнению с проектом.

Величины расхождений реально затраченного материала

проектных величин иногда достигает десятков процентов.

49

Предложенная методика позволит учитывать при расчете

объемов арматуры перерасход, вызванный наличием таких

факторов, таких как интенсивность армирования, размер и

диаметр стержней арматуры, а также оптимизацию расхода

арматурных прутов на строительной площадке с применением

технологии автоматизированного учета обрези арматуры по

стандартной таблице длин, а также использование обрезков,

оставшихся после нарезки основных стержней, для изготовления

других деталей.


1. Яковлева И.Ю., Лабузнов А.В. Факторы, влияющие на

перерасход арматуры при возведении монолитных конструкций //

Вестник Евразийской науки, 2021 №1,

https://esj.today/PDF/20SAVN121.pdf (доступ свободный). Загл. с

экрана. Яз. рус., англ.

2. Использование бетонов и арматуры повышенной

прочности в проектировании сборных и монолитных

железобетонных конструкций / А.И. Бедов, В.В. Бабков, А.И.

Габитов, А.С. Салов // Вестник МГСУ. 2012. № 8. С. 76—84.

3. Васильев А.В., Васильева Н.А. Анализ данных в

программном комплексе AUTODESK REVIT на примере

сведений об арматуре в проекте раздела «конструкции

железобетонные // Информационные технологии в строительных,

социальных и экономических системах. 2020. № 1 (19). С. 104–

108.

4. Малофеев В.В., Веригин Ю.А. Сравнительный анализ и

оценка ПК AUTODESK REVIT при разработке армирования

железобетонных конструкций // Ползуновский альманах. 2019. №

21. С. 117–122.

5. Косилов И.А., Морозова Т.Ф., Джунусов Б.А., Сванов

Т.С. Рациональный ПОДХОД к организации монолитных работ

по возведению типового этажа // Строительство уникальных

зданий и сооружений. 2015. № 5 (32). С. 95–111.

6. Стемковский М.С., Меретуков З.А., Маилян В.Д.,

Кубасов А.Ю. К проектированию железобетонных конструкций

50

со смешанным армированием // Инженерный вестник Дона. 2017.

№ 4 (47). С. 161.

7. Вахрушев Д.А., Якушев Н.М., Манохин П.Е. Применение

BIM-технологий в проектировании промышленных зданий //

Сборник научных трудов по материалам XXX Международной

научно-практической конференции, 16 марта 2021 года, г.-к.

Анапа. С. 9-14.

8. Руденко Д.В., Самохвалова Е.О. Автоматизация

формирования сводной ведомости материалов при

проектировании железобетонных конструкций // Инженерно-

строительный журнал. 2009. № 1 (3). С. 25–26.

9. Пособие по проектированию бетонных и

железобетонных конструкций из тяжелого бетона без

предварительного напряжения арматуры (к СП 52-101—2003)

ЦНИИПромзданий, НИИЖБ. М.: ЦНИИПромзданий, 2005. 214 с.

10. Бедов А.И., Бабков В.В., Габитов А.И., Салов А.С.

Использование бетонов и арматуры повышенной прочности в

проектировании сборных и монолитных железобетонных

конструкций // Вестник МГСУ. 2012. № 8. С. 76–84.

УДК 681.5.013

РЕГУЛИРОВАНИЕ КОНЦЕНТРАЦИИ МОНОМЕРА В

ГРАНУЛАХ В РЕАКТОРЕ ТВЕРДОФАЗНОГО

ДОПОЛИАМИДИРОВАНИЯ

Алексеев Е. А., Лабутин А. Н.

ФГБОУ ВО «Ивановский государственный химико-

технологический университет»,

Г. Иваново, Россия

Традиционно полиамид-6 получают путём полимеризации

капролактама в расплаве при температуре 250÷270 °C. С целью

существенного снижения содержания низкомолекулярных

соединений в полимере авторами [1-2] предложено введение в

51

технологическую схему дополнительной стадии твердофазного

дополиамидирования в токе азота при температуре ≈180 °C.

Стадия дополиамидирования является сложным

гетерофазным процессом. Были проведены исследования

кинетики реакции дополиамидирования в твёрдой фазе,

экспериментальные и теоретические исследования пилотного

реактора для реализации процесса, который представляет собой

аппарат типа «труба в трубе». Твёрдая фаза перемещается по

длине аппарата посредством вращающегося шнека-ворошителя,

который содержит ряд лопастей, равномерно распределённых по

длине вала.Таким образом,аппарат получается «разделённым» на

ячейки одинакового размера. В рубашку (внешняя труба)

подаётся жидкофазный теплоноситель.

Технологическими параметрами, характеризующими

состояние процесса и определяющими его эффективность,

являются концентрация мономера в гранулах и температура

твёрдых частиц.

Необходимым условием повышения энерго- и

ресурсоэффективности процессов является синтез

работоспособных алгоритмов управления объектом [3]. Основная

цель и задача системы управления

дополимеризаторомзаключается в поддержании концентрации

мономера в гранулах и температуры гранул на выходе на

заданном уровне. Синтез алгоритмов управления предполагает

наличие математической модели объекта.

С учётом конструктивных особенностей пилотного

реактора разработана математическая модель процесса,

отражающая процессы в твёрдых частицах полимера,

взаимодействие твёрдой и парогазовой фаз [4]. Математическая

модель представляет собой систему обыкновенных нелинейных

дифференциальных уравнений размерности 490. Использование

данной математической модели для решения задач синтеза

системы управления невозможно ввиду её высокой размерности.

В результате проведения вычислительных экспериментов с

использованием данной модели определены динамические

каналы регулирования и возмущения, а также получена

формализованная математическая модель объекта по указанным

52

каналам в форме передаточных функций. Передаточная функция

по каналу регулирования концентрации «расход гранул (u) –

концентрация мономера в гранулах на выходе (y)» имеет вид:

𝑊об(𝑠) =�̂�

�̂�=

7.2

(12.57𝑠 + 1)(13.23𝑠 + 1)𝑒−0.56𝑠. (1)

Звено запаздывания может быть аппроксимировано

апериодическим звеном первого порядка [5] с передаточной

функцией

𝑊з(𝑠) ≅1

𝜏з𝑠 + 1=

1

0.56𝑠 + 1.

Данная аппроксимация вносит ошибку по фазе в 5° и

ошибку по амплитуде 0.145, которыми можно пренебречь. Тогда

передаточная функция по каналу регулирования (1) примет

следующий вид:

𝑊об(𝑠) =�̂�

�̂�=

7.2

(12.57𝑠 + 1)(13.23𝑠 + 1) ∙

1

0.56𝑠 + 1 . (2)

Формализованная модель отражает поведение объекта в

окрестности состояния статики.

Наиболее перспективными считаются системы управления

на базе астатических регуляторов состояния (РС)[6-9].

Для решения задачи синтеза алгоритма управления

преобразуем математическую модель реактора по каналу

управления в модель пространства состояний: 𝑑𝑥1𝑑𝜏

= −1.79𝑥1 + 1.79𝑢,𝑑𝑥2𝑑𝜏

= 𝑥3,

𝑑𝑥3𝑑𝜏

= 0.04𝑥1−0.006𝑥2 − 0.155𝑥3. (3)

Для синтеза астатического закона регулирования,

обладающего свойством робастности необходимо ввести

интегральную составляющую в алгоритм управления [6-8, 10].

Расширим исходное пространство состояния объекта

дополнительной переменной, подчиняющейся уравнению 𝑑𝑥4𝑑𝜏

= �̅�2 − 𝑥2, (4)

где 𝑥2 –текущее значение концентрации мономера в готовом

полимере,�̅�2 – заданное значение концентрации в полимере.

53

Из (3) следует, что 𝑥4 = ∫ (�̅�2 − 𝑥2)𝑑𝜏∞

0. Векторно-

матричное представление объекта (3), (4) имеет вид 𝑑�̅�

𝑑𝜏= 𝐴�̅� + 𝐵𝑢, 𝑦 = 𝐶�̅�, (5)

где �̅� = (𝑥1, 𝑥2, 𝑥3, 𝑥4)𝑇 , 𝐴 = [

−1.79 0 0 00 0 1 00.04 −0.006 −0.155 00 −1 0 0

] , 𝐵 =

[

1.79000

] , 𝐶 = [0 100]

Управляющее воздействие на объект, формируемое

регулятором состояния, является линейной функцией

переменных состояния [6]:

𝑢 = −𝐾�̅� = −(𝑘1𝑥1 + 𝑘2𝑥2 + 𝑘3𝑥3 + 𝑘4𝑥4), (6)

Одним из эффективных методов параметрического синтеза

регуляторов состояния является метод модального управления,

который обеспечивает желаемое расположение корней

характеристического уравнения системы стабилизации [11],и,

следовательно, желаемый характер и показатели качества

переходного процесса управления.

Параметры (k1, k2, k3, k4) алгоритма управления (6) могут

быть определены различными способами [6-8, 11]. В данной

работе для этого используетсясоотношение

𝑘 = �̅��̅�𝑈−1 = �̅�𝑃,, (7)

где �̅� = ((𝑑0 − 𝑎0) (𝑑1 − 𝑎1)⋯ (𝑑𝑛−1 − 𝑎𝑛−1)) – матрица

регулятора для объекта, представленного в канонической форме

управляемости, (ai, di) – коэффициенты характеристического

полинома объекта и эталонного характеристического полинома

замкнутой системы, при котором обеспечивается устойчивость и

необходимое качество переходного процесса управления; �̅�, 𝑈 –

матрицы управляемости объекта, представленного в

канонической форме управляемости и в реальных координатах; P

– матрица преобразования координат.

54

𝐻(𝑠) = (𝑠 + Ω)4 = 𝑠4 + 4Ω𝑠3 + 6Ω2𝑠2 + 4Ω3𝑠 + Ω4 =

= 𝑠4 + 𝑑3𝑠3 + 𝑑2𝑠

2 + 𝑑1𝑠 + 𝑑0, где Ω – настроечный параметр.

Значение параметра Ω (среднегеометрический корень) для

выбранного типа и порядка эталонного полинома и заданного

времени переходного процесса регулирования τр вычисляются с

использованием нормированной стандартной переходной

функции (Ω = 1), для которой определено безразмерное время

переходного процесса τ0, по соотношению [6]:

Ω =𝜏0𝜏р. (8)

Примемτ0 = 7.9 [6],τр≈16 ч. Таким образом Ω = 0.5 (ч-1

).

Параметры астатического регулятора имеют значения: k1 = 0.03,

k2 = 6.83, k3 = 16.87,k4 = -0.88.

Исследование работоспособности предложенного

алгоритма регулирования заключалось в исследовании свойств

инвариантности системы к возмущениям и ковариантности с

заданием при сформированных требованиях к точности в статике

и динамике, а также к времени регулирования.

На рисунке 1 представлены результаты исследования

замкнутой системы на ковариантность с заданием. Для

наглядности переходные процессы до момента изменения

желаемого значения (τ = 10 ч) с Cкл, ж = 0 масс. %. на Cкл, ж = 0.5

масс. %. приведены в статическом режиме. Как видно на рисунке

1замкнутая система с астатическим алгоритмом регулирования на

базе регулятора состоянияявляется ковариантной с задающим

воздействием.

55

а б

Рисунок 1. Переходные процессы выходной координаты (а) и

управления (б) при изменении задания регулятору ΔCкл = 0.5 масс.

На рисунке 2 приведены результаты исследования

замкнутых систем на инвариантность к действию внешнего

возмущения. При моделировании математическая модель в

форме (4) была дополнена уравнениями, описывающими объект

по каналу возмущения/

а б Рисунок 2. Переходные процессы выходной координаты и управления

при действии внешнего возмущения ΔCкл,вх = + 0.5 масс. %: 1 – объект;

2 – замкнутая система с астатическим алгоритмом.

56

Объект без регулятора под воздействием внешнего

возмущения выходит на новое установившееся значение.

Применение алгоритма регулирования позволяет

скомпенсировать влияние изменения начального содержания

мономера в гранулах. Система регулирования с астатическим

алгоритмом регулирования компенсирует воздействие внешнего

возмущения без статической ошибки и, следовательно, является

инвариантной к действию возмущения.


1. Мизеровский, Л.Н. Перспективы совершенствования

технологии получения поликапроамида, используемого в

производстве текстильных и технических нитей. Часть 1 / Л.Н.

Мизеровский, Ю.М. Базаров, М.Г. Павлов // Хим. Волокна. –

2003. – № 5. – С. 15-19.

2. Мизеровский, Л.Н. Перспективы совершенствования

технологии получения поликапроамида, используемого в

производстве текстильных и технических нитей. Часть 2 / Л.Н.

Мизеровский, Ю.М. Базаров, М.Г. Павлов // Хим. Волокна. –

2003. – № 6. – С. 9-14.

3. Мешалкин, В.П. Модели управления

энергоэффективностью сложных химико-технологических

систем / В.П. Мешалкин, В.И. Бобков, В.И. Борисов, М.И. Дли. –

Смоленск: Универсум, 2017. – 204 с.

4. Алексеев, Е.А. Моделирование процесса получения

полиамида-6 / Е.А. Алексеев, Б.А. Головушкин, А.Н. Лабутин,

Е.В. Ерофеева // Изв. вузов. Химия и хим. технология. – 2015. –

Т.58. – Вып. 1. – С. 65-68.

5. Титов, Н.И. Моделирование систем с запаздыванием /

Н.И. Титов, В.К. Успенский. – Л.: Энергия, 1969. – 98 с.

6. Методы классической и современной теории

автоматического управления: Учебник в 5-и тт.; 2-е изд., перераб.

и доп. Т.3:Синтез регуляторов систем автоматического

управления / Под ред. К.А. Пупкова и Н.Д. Егупова. – М.:

Издательство МГТУ им. Н.Э. Баумана, 2004. – 616 с.

7. Тютиков, В.В. Робастное модальное управление

технологическими объектами / В.В. Тютиков, С.В. Тарарыкин –

57

И.: Ивановский гос. Энергетическийун-тим. В.И. Ленина, 2006. –

256 с.

8. Anisimov A.A. Peculiarities of Synthesis of Parametrically

Robust Modal Control System with State Observers / A.A. Anisimov,

S.V. Tararykin // Journal of Computer and System Sciences

International – 2012 – Vol. 51, N5 – pp. 617–627

9.Anisimov, A.A. Analysis of parametric sensitivity and

structural optimization of modal control systems with state controllers

/ A.A. Anisimov, D.G. Kotov, S.V. Tararykin, V.V. Tyutikov. Journal

of Computer and Systems Sciences International. 2011. Т. 50. № 5. С.

698-713.

10. Лабутин, А.Н. Аналитический синтез системы

управления химическим реактором / А.Н. Лабутин, В.Ю.

Невиницын // Теорет. основыхим. технологии. – 2014. – Т. 48, №

3. – С. 318-322.

11. Григорьев, В.В. Синтез систем управления методом

модального управления / В.В. Григорьев, Н.В, Журавлёва, Г.В.

Лукьянова, К.А. Сергеев. – С-Пб: СПбГУ ИТМО, 2007. – 108 с.

УДК 66.011:681.5

РЕЖИМНО-ТЕХНОЛОГИЧЕСКАЯ ОПТИМИЗАЦИЯ

РЕАКТОРНОГО УЗЛА

Лабутин А.Н., Невиницын В.Ю.,Деветьяров А.Н.



г. Иваново, Россия

Многие промышленно важные продукты и полупродукты в

технологии основного органического и нефтехимического

синтеза получают путем реализации последовательно-

параллельных реакций:

11 PBA

k , 21

2 PPAk , ... , n

kn PPA n 1 , (1)

58

где A и B – исходные реагенты; P1, P2, ..., Pn-1, Pn – продукты

реакции; k1, k2, ..., kn – константы скоростей стадий. Целевым

компонентом обычно является вещество P1 или P2. В общем

случае при изменении спроса на продукты реакции целевым

может быть и другой компонент или смесь ряда веществ.

В работе [1] показано, что эффективным способом

управления селективностью по целевым продуктам для реакций,

протекающих по схеме (1), является их проведение в реакторах

идеального вытеснения с распределенной по длине подачей

общего реагента A или в каскаде реакторов идеального смешения

с секционированным введением общего реагента A.

При решении задачи оптимального синтеза реакторной

системы определяются аппаратурно-технологическое

оформление и оптимальные условия реализации процесса. Для

этого исследуется влияние типа реактора, способа введения

исходных реагентов в зону реакции, влияние степени конверсии

ключевого реагента и режимных параметров на селективность

процесса по целевому продукту [2, 3].

Вопросы оптимизации и оптимального синтеза реакторных

систем рассматривались в работах [4-7]. Так, в работах [4, 5]

рассмотрена задача оптимизации каскада из трех жидкофазных

химических реакторов идеального смешения при реализации

экзотермических реакций типа A→B и A→B→C. В качестве

критериев эффективности авторы используют

стоимостныекритерии, определяющие энегро- и ресурсозатраты.

В работе [6] решается задача оптимизации каскада из четырех

реакторов с распределенной подачей исходного реагента по

аппаратам. В статье [7] исследуется влияние типа реактора,

количества аппаратов в реакторном узле, способов соединения

аппаратов, вариантов введения реагентов в зону реакции на

выход целевого продукта при реализации реакций различных

типов.

В настоящей работе рассматривается решение задачи

оптимального синтеза реакторного узла с секционированной

подачей реагента для реализации многопродуктовых

последовательно-параллельных реакций (1) с нелинейной

кинетикой.

59

Реакторный узелпредставляет собой каскад реакторов

идеального смешения с секционированной подачей общего

реагента в аппараты (рис. 1). Аппараты функционируют в

политропическом режиме. В рубашку каждого реактора подается

хладоагент.

Рис. 1. Принципиальная схема химического реактора

На рис. 1 введены обозначения: x1вх

, x2вх

– концентрации

исходных реагентов A и B; υ1вх

, υ2вх

– расходы исходных реагентов

на входе в реакторную систему; x5вх1

, x5вх2

– температуры потоков

исходных реагентов; αi, i=1,…,3 – доля потока исходного

реагента A на входе в i-й реактор; αiυ1вх

, i=1,…,3 – поток реагента

A на входе в i-й реактор; υi, i=1,…,3 – расход реакционной смеси

на выходе из i-го аппарата; x1i, x2i, x3i, x4i, i=1,…,3 – концентрации

компонентов A, B, P1, P2 в i-м реакторе; x5i, i=1,…,3 – температура

реакционной смеси в i-м реакторе; υхлi, i=1,…,3 – расход

хладоагента на входе и выходе из i-го аппарата; x6iвх

, x6i, i=1,…,3

– температуры хладагента на входе и выходе из i-го аппарата;

Vi=x7i, i=1,…,3 – объем реакционной смеси в i-м аппарате; Vхлi,

i=1,…,3 – объем хладоагента в рубашке i-го аппарата.

Выбор аппаратурно-технологического оформления

процесса с секционированной подачей общего реагента в

аппараты (рис. 1) обусловлен типом реакции, ее кинетическими

закономерностями и выбором в качестве целевого продукта

вещества P2. В [8] показано, что для реакций такого типа

увеличение концентрации общего реагента по ходу реакции

приводит к увеличению скорости образования продукта P2 и

увеличению его выхода.

60

Задача оптимизации реакторного узла формулируется

следующим образом: при заданном значении

υ3=υ1вх

+υ2вх

необходимо определить температуру в аппаратах

t=x51=x52=x53 из заданного диапазона (100°C≤t≤150°C), объем

каждого аппарата Vi (при ограничении 0л<Vi≤200л и условии

V1=V2=V3), соотношение входных потоков реагентовγ=υ1вх

/υ2вх

и

значения структурных параметров α1, α2, α3 (α1+α2+α3=1),

обеспечивающих максимальное значение концентрации целевого

компонента (x43) на выходе реакторного узла. Формализованная

постановка задачи оптимизации имеет вид:

),,,(maxarg,,, 43,,,

***ii

tVii tVxtV

ii

(2)

при ограничениях в форме уравнений математической модели

статики и 1501001 t , 20002 V , 01 3213 ,

0/1/ 131132 вхвхвх .

Для решения задачи оптимизации применялся

итерационный алгоритм, реализующий метод сканирования.В

результате были определены: среднее время пребывания

реакционной смеси в аппаратах, температура реализации

процесса, соотношение расходов исходных реагентов, доли

потока исходного реагента на входе в аппараты, обеспечивающие

максимальный выход целевого продукта на выходе реакторной

системы. На заключительном этапе решения задачи оптимизации,

используя уравнения теплового баланса химических реакторов,

определены величины расхода хладоагента, обеспечивающие

требуемый тепловой режим.

Для найденных оптимальных значений конструктивных и

технологических параметров проведено исследование

динамических свойств реакторного узла путем построения

статических и динамических характеристик. Указанные свойства

позволяют сформулировать рекомендации по топологии системы

управления и требования к алгоритмам автоматического

регулирования.


1. Бояринов А.И., Кафаров В.В. Методы оптимизации в

химической технологии. – М.: Химия, 1976. – 676 с.

61

2. Лабутин А.Н. Оптимизация гибких многопродуктовых

реакторных систем непрерывного типа // Изв. вузов. Химия и

хим. технология. – 1999. – Т. 42. – № 1. – С. 117-122.

3. Gordeev L.S., Labutin A.N., Gordeeva E.L. Optimal

synthesis of multiproduct resource-conserving reactor systems //

Theor. Found. Chem. Eng. – 2014. – V. 48. – N. 5. – P. 637-643. DOI:

10.1134/S0040579514050170

4. Chen Y., Shao Z., Qian J., Wang K., Zhan Z., Xu Z.

Dynamic Optimization of Multivariable Endothermic Reaction in

Cascade CSTR // 8th World Congress on Intelligent Control and

Automation (WCICA). – 2010. – P. 4088-4092. DOI:

10.1109/WCICA.2010.5553780.

5. Inamdar S. R., Karimi I. A., Parulekar S. J., Kulkarni B. D.

A sharp cut algorithm for optimization // Computers & Chemical

Engineering. – 2011. – Vol. 35. – Issue 12. – P. 2716-2728. DOI:

10.1016/j.compchemeng.2010.11.010.

6. Farkas E., Meszena Z. G. MWD design in a series of CSTRs

with living polymerisation reactions // Periodica Polytechnica-

Chemical Engineering. – 2010. – Vol. 54. – Issue 1. – P. 15-25. DOI:

10.3311/pp.ch.2010-1.03.

7. Xie, M., Freund, H. Fast synthesis of optimal chemical

reactor networks based on a universal system representation //

Chemical Engineering and Processing: Process Intensification. –

2018. – Vol. – 123. – P. 280-290. DOI: 10.1016/j.cep.2017.11.011.

8. Левеншпиль О. Инженерное оформление химических

процессов. – М.: Химия, 1969. – 624 с.

62

УДК 66.011:681.5

НЕЛИНЕЙНЫЙ АЛГОРИТМ КАСКАДНО-СВЯЗАННОГО

УПРАВЛЕНИЯ ТЕМПЕРАТУРОЙВ ХИМИЧЕСКОМ

РЕАКТОРЕ

Лабутин А.Н.,Невиницын В.Ю., Загаринская Ю.Н.,

Волкова Г.В.



г. Иваново, Россия

Основной особенностью химических реакторов как

объектов управления является их нелинейность и

многосвязность, а также параметрическая неопределенность

математической модели реактора на стадии проектирования. До

настоящего времени управление тепловым режимом реакторов в

большинстве случаев осуществляется с помощью одноконтурных

или каскадных систем автоматического регулирования на основе

линейных ПИД-алгоритмов [1, 2]. Недостатком таких систем

является проблема сохранения свойств робастности, т.е.

сохранения устойчивости и показателей качества управления при

действии параметрических возмущений и переходе объекта с

одного режима на другой [3, 4], так как при синтезе этих систем

не учитывается нелинейность математической модели объекта.

Перспективным в этом плане представляется метод

аналитического конструирования агрегированных регуляторов

(АКАР), разработанный в рамках синергетической теории

управления [5, 6], обеспечивающий асимптотическую

устойчивость системы автоматического управления в целом в

широком диапазоне изменения переменных состояния и входных

переменных.

Жидкофазный химический реактор представляет собой

емкостной аппарат непрерывного действия, работающий в

политропическом режиме (рис. 1). В аппарате протекает сложная

экзотермическая реакция:

63

11 PBA

k , 21

2 PPAk ,

где A, B – исходные вещества; P1, P2– продукты реакции; ki –

константы скорости. Исходные реагенты A и B подаются в

аппарат раздельными потоками. Смесь из реактора забирается

насосом. Для отвода тепла и стабилизации температуры в

реакторе аппарат снабжен рубашкой, в которую поступает

хладоагент.

Рис. 1. Принципиальная схема химического реактора

На рис. 1 введены обозначения: CAвх

, CBвх

– концентрации

исходных реагентов; υ1, υ2 – расход исходных реагентов; t1, t2 –

температуры потоков исходных реагентов; tхлвх

, tхл – температуры

хладоагента на входе и выходе из аппарата; υхл – расход

хладоагента на входе и выходе из аппарата; t – температура

реакционной смеси в аппарате; υ – расход реакционной смеси на

выходе из аппарата; CA, CB, CP1, CP2– концентрации компонентов

A, B, P1, P2в реакторе; V – объем реакционной смеси в аппарате;

Vхл – объем хладоагента в рубашке.

Математическая модель динамики объекта при допущении

о постоянстве уровня имеет вид:

,)(

,,,,

5

143

121

хлхл

хлвххлхл

хлPBA

V

ttf

d

dt

tV

fd

dtf

d

dCf

d

dCf

d

dC

(1)

гдеf1=[υ1CAвх

-(υ1+υ2)CA+VWA]/V, f2=[υ2CBвх

-(υ1+υ2)CB+VWB]/V,

f3=[VWP1-(υ1+υ2)CP]/V, f4=[υ1t1+υ2t2+α|WA|-(υ1+υ2)t-β1t]/V,

f5=[υхл(tхлвх

-tхл)+β2(t-tхл)]/Vхл, WA=-k1CACB-k2CACP1, WB=-k1CACB,

64

WP1=k1CACB-k2CACP1,α=VΔH/(ρCТ), β1=KТFТ/(ρCТ), β2=KТFТ/(ρхлCхл),

k1=k10·exp[-E1/(R(t+273))] – константа скорости; k1

0 – постоянный

множитель (предэкспонента) константы скорости;k2=bk1; E1 –

энергия активации; R – универсальная газовая постоянная; ΔH –

тепловой эффект реакции; ρ, CТ – плотность и теплоемкость

реакционной смеси; ρхл, Cхл – плотность и теплоемкость

хладоагента; KТ – коэффициент теплопередачи; FТ – поверхность

теплообмена; Δυхл– отклонение расхода хладоагента от

номинального значения.

Задача управления химическим реактором заключается в

стабилизации температуры смеси в аппарате на заданном уровне

t в условиях действия возмущений. Управляющим воздействием

является расход хладоагента, подаваемый в рубашку.

Конструктивные и технологические особенности

химического реактора, особенности реализации сложного

технологического процесса и, соответственно, структурные

особенности математической модели (1) позволяют провести

декомпозицию системы (1) на две подсистемы. Первая

подсистема – это уравнения материального баланса по

компонентам и уравнение теплового баланса реакционной смеси.

В качестве управляющего воздействия для температуры смеси в

емкости выступает температура хладоагента в рубашке. Вторая

подсистема – рубашка реактора, функционирование которой

описывается уравнением теплового баланса, а состояние

характеризуется температурой tхл. Управлением для tхл является

расход хладоагентаυхл. Структурная схема объекта представлена

на рис. 2.

Рис. 2. Структурная схема объекта управления

65

В линейной теории автоматического управления и в

практике автоматизации объектов данной структуры широко

используются системы каскадно-связанного регулирования [7].

Решим задачу синтеза системы каскадно-связанного управления

температурой в реакторе методами синергетической теории

управления. Математическая модель возмущенного движения

первой подсистемы (реакционной емкости) примет вид:

,,,, 11

4321 uV

fd

dtf

d

dCf

d

dCf

d

dC PBA

(2)

где u1=tхл.

Задача формулируется следующим образом: необходимо

синтезировать закон управления u1, переводящий объект из

произвольного начального положения в окрестность заданного

инвариантного многообразия ψ1=0 и обеспечивающий

устойчивое движение вдоль ψ1=0 в конечное состояние. Эта

задача решается за один шаг, так как управление входит

непосредственно в уравнение для температуры реакционной

смеси [5].

Введем в рассмотрение макропеременную tt 1 ,где t –

заданное значение температуры. Управляющее воздействие

должно быть таким, чтобы изменение макропеременной ψ1

подчинялось основному функциональному уравнению

0111 T .

Запишем это уравнение в развернутом виде в силу

уравнений модели объекта (2):

)(1

11

14 tt

Tu

Vf

.

Отсюда получаем

1

4

11

1 )(

Vftt

T

Vu . (3)

Параметром настройки алгоритма управления является

величина T1. Условие асимптотической устойчивости замкнутой

подсистемы управления реакционной емкостью: T1>0.

Следующий этап синтеза системы управления

температурным режимом заключается в синтезе алгоритма

66

управления температурой хладагента – tхл. Задача подсистемы

управления температурой хладоагента в рубашке заключается в

определении такого внешнего управляющего воздействия – Δυхл,

которое обеспечило бы определенное на первом этапе значение

температуры хладоагента 1utхл . Модель подсистемы имеет вид:

25

)(u

V

ttf

d

dt

хл

хлвххлхл

, (4)

где u2=Δυхл.

В терминах метода АКАР задача синтеза алгоритма

управления температурой хладоагента формулируется

следующим образом: синтезировать закон управления u2,

переводящий объект из произвольного начального положения в

окрестность многообразия ψ2=0 и устойчивое движение в

заданное конечное состояние.

Притягивающее инвариантное многообразие запишется:

012 utхл .

Используя функциональное уравнение 0222 T и

уравнение (4), получим закон управления:

хлвххл

хлхл

хлвххл

хл

tt

Vfut

ttT

Vu

5

1

2

2 )()(

. (5)

Параметром настройки алгоритма управления является

величина T2. Условие асимптотической устойчивости замкнутой

подсистемы управления рубашкой: T2>0.

Исходя из вида выражений (3), (5), структура каскадно-

связанной системы управления без учета параметрических

возмущений может быть представлена следующим образом (рис.

3).

67

Рис. 3. Структура каскадно-связанной системы управления

тепловым режимом реактора: Р1 – главный регулятор; Р2 –

вспомогательный

Подставив u1 из (3) в (5), получим закон управления для

вспомогательного регулятора, определяющий величину внешнего

управляющего воздействия:

хлвххл

хлхл

хлвххл

хл

tt

VfVftt

T

Vt

ttT

Vu

5

1

4

112

2 )()(

. (6)

Методами компьютерного моделирования проведено

исследование работоспособности системы управления тепловым

режимом химического реактора с использованием

синтезированного нелинейного закона. Исследованы свойства

инвариантности к возмущениям, ковариантности с задающими

воздействиями по температуре и асимптотической устойчивости

замкнутой системы.

Моделирование проводилось при технологических и

конструктивных параметрах, обеспечивающих оптимальный

режим работы химического реактора: V=500 л; Vхл=290

л;CAвх

=19.74 моль/л; CBвх

=10.93 моль/л; υ1=1.5 л/мин; υ2=3.5

л/мин; υ=5 л/мин; υхл=3.84 л/мин;t1=20 °C; t2=30 °C; tхл

вх=20 °C;

KТ=12 кДж/(м2·мин·К);FТ=2.9 м

2; ρ=0.9 кг/л;CТ=2

кДж/(кг·К);ρхл=1 кг/л; Cхл=4.18 кДж/(кг·К); ΔH=80 кДж/моль;

E1=48635 Дж/моль;k10=109860 л/(моль·мин), b=0.1. Параметры

законов управления: значение постоянных времени T1=T2=20 мин

(определялись из требований к времени процесса управления);

заданное значение температуры смеси в аппарате 401t °C.

На рис. 4, 5 приведены примеры переходных процессов

управления в замкнутой системе при начальном отклонении всех

переменных состояния от статики на -20% (ΔCA=-0.2CA0, ΔCB=-

0.2CB0, ΔCP1=-0.2CP1

0, t=-t

0, tхл=-0.2tхл

0) и ступенчатом изменении

задающего воздействия ( 10t °C). Для наглядности

переходные процессы до момента приложения входного

воздействия (τ=50 мин) приводятся в статическом режиме.Из

рисунков следует, что показатели качества предложенной САР

удовлетворяют заданным требованиям, система устойчива.

68

Рис. 4. Переходные процессы в замкнутой системе при начальном

отклонении вектора состояния от статики на -20%

Рис. 5. Переходные процессы в замкнутой системе при ступенчатом

изменении заданного значения температуры на -10 °C

Таким образом, в работе рассмотрен подход к синтезу

нелинейной системы управления тепловым режимом

жидкофазного химического реактора методом АКАР. Алгоритм

управления температурой получен с применением нелинейной

математической модели объекта без использования процедуры

линеаризации. Данное обстоятельство является существенным

преимуществом при синтезе системы автоматического

управления на стадии проектирования при отсутствии

физического объекта управления.

В предлагаемом подходе предварительно осуществляется

декомпозиция объекта и, следовательно, динамической модели на

две соподчиненные подсистемы. На первом этапе определяется

внутреннее управление, переводящее объект в заданное конечное

состояние, а на втором – внешнее управление, обеспечивающее

вычисленное значение внутреннего.

69

В целом, синтезированная система автоматического

управления тепловым режимом оказалась работоспособной и

может быть рекомендована к применению при реализации

реакций произвольного типа.


1. Chitturi A., Ravi P.S. PID control of integrating systems

using Multiple Dominant Poleplacement method // Asia-Pacific

Journal of Chemical Engineering. – 2015. – V. 10. – N. 5. – P. 734–

742.

2. Krishna D., Suryanarayana K., Aparna G., Sree R.P. Tuning

of PID Controllers for Continuous Stirred Tank Reactors // Indian

Chemical Engineer. – 2012. – V. 54. – N. 3. – P. 157-179.

3. Тютиков В.В., Воронин А.И. Анализ влияния нулей

передаточной функции объекта на параметрическую

чувствительность систем, синтезированных по методу АКАР //

Вестник Ивановского государственного энергетического

университета. – 2012. – № 2. – С. 48-51.

4. Тютиков В.В., Котов Д.Г., Тарарыкин С.В. Условия

параметрической грубости САУ с регуляторами состояния //

Известия ТРТУ. – 2005. – № 1 (45). – С. 53-62.

5. Колесников А.А. Синергетическая теория управления. –

М.: Энергоатомиздат, 1994. – 344 с.

6. Колесников А.А., Колесников Ал.А., Кузьменко А.А.

Методы АКАР и АКОР в задачах синтеза нелинейных систем

управления // Мехатроника, автоматизация, управление. – 2016. –

Т. 17. – №10. – С. 657-669.

7. Ротач В.Я. Теория автоматического управления:

Учебник для вузов. 2-е изд. – М.: Издательство МЭИ, 2004. – 400

с.

70

УДК004.942

РАСЧЕТ ПРОЦЕССА СВЕРХКРИТИЧЕСКОЙ

ЭКСТРАКЦИИ ГИНЗЕНОЗИДОВ С ПРИМЕНЕНИЕМ

ПАКЕТА ПРОГРАММ CHEMCAD

Меньшутина Н.В.1, Казеев И.В.

2, Шиндряев А.В.

1,

Артемьев А.И.1, Бочарова О.А.

2

1 - ФГБОУ ВО «Российский химико-технологический

университет имени Д.И.Менделеева»,

г. Москва, Россия

2 - Национальный медицинский исследовательский центр

онкологии имени Н.Н. Блохина,


Необходимость в получении ценных биологически

активных веществ (БАВ) с сохранением их целостности и

биологической активности возрастает [1,2]. Сверхкритические

технологии позволяютизбежать использование дорогостоящих

растворителей или минимизировать их количествопри

экстрагировании растительного сырья. Благодаря

сверхкритическим растворителямизвлечение БАВ возможно не

только с поверхности растительного сырья, но и из самой

растительной клетки, что позволяет проводить процесс

экстракции эффективнее по сравнению с классическими

способами экстрагирования.При сверхкритической экстракции

зачастую используют сверхкритический диоксид углерода,

отличающийся от других растворителей дешевизной,

безопасностью инетоксичностью [3].При этом диоксид углерода

переходит в сверхкритическое состояние при температуре

большей 304,1 Ки давлениивыше 7,38 Мпа, что позволяет

сохранить целостность БАВ [4]. Сверхкритический диоксид

углерода как растворитель позволяет получать качественные

БАВ, которые входят в составфармпрепаратов и биологических

добавок. Зачастую целевые компоненты имеют полярную

71

структуру. Для увеличения растворяющей способности

экстрагента в систему вводят сорастворитель [5].

Одним из источников БАВ является

женьшень.Гинзенозиды считаются основными БАВ, входящими в

состав женьшеня. Всего из женьшеня выделено и

охарактеризовано 38 гинзенозидов. Структурные формулы

основных гинзенозидовRg1, Rb1 и Rfпредставлены на рисунке

1[6].

В Международном учебно-научном центре трансфера

фармацевтических и биотехнологий на базе РХТУ им. Д.И.

Менделеева совместно с Национальным медицинским

исследовательским центром онкологии им. Н.Н. Блохина

проводятся исследования по получению гинзенозидов из

растительного сырья.

В данной работе представлена модельэкстракции

гинзенозидов из женьшеня для определения

интенсификациипроцессас применением пакета программ

СhemCad.

Для приготовления экстрактов использовали

сертифицированное сырье. В качестве исследуемого объекта

использовались высушенные корни женьшеня. Экстракцию

проводили этанолом (объемная доля 95%), дистиллированной

водой и диоксидом углерода (99,8%).

Для получения гинзенозидов сверхкритической

экстракцией требуется установка высокого давления. На рисунке

2 изображена принципиальная схема лабораторной установки

собственной конструкции для извлечения гинзенозидов из

женьшеня сверхкритической экстракцией [7].В ходе

сверхкритической экстракции диоксид углерода поступает из

баллона (1) в конденсатор (2), где охлаждается до 278 K. Далее с

Рисунок 1. Структурные формулы гинзенозидов Rg1, Rb1 и Rf [6]

72

помощью насоса (3) нагнетается необходимое давление и до

подачи в экстрактор диоксид углерода нагревается в

теплообменнике (4) для достижения диоксидом углерода

сверхкритического состояния перед подачей в экстрактор (5).

После экстрактора смесь поступает в сепаратор, где происходит

разделение экстрагента и экстракта. Для индикации температуры

на входе в экстрактор и внутри экстрактора установлены

термопары. Регулирование температуры в экстракторе

осуществляется системой регулятора температуры (TC)

совместно снагревательным элементом, размещенным поверх

корпуса экстрактора. Индикация давления внутри экстрактора

осуществляется датчиком давления (PT). Массовый расход

сверхкритического диоксида углерода измеряется с помощью

кориолисового расходомера (FT).

Рис 2. Принципиальная схема установки для проведения процесса

сверхкритической экстракции [7]:1 - баллон диоксида углерода (6 МПа);

2 - конденсатор; 3 - насос; 4 - теплообменник; 5 - экстрактор; 6 -

нагревательный элемент; 7 - сепаратор; TC - регулятор температуры; TE

- преобразователь термоэлектрический; FT - кориолисовый расходомер;

PI - датчик давления

73

С помощью пакета программ ChemCad в соответствии с

принципиальной схемой, изображенной на рисунке 2,

смоделирована расчетная схема процесса сверхкритической

экстракции, показанная на рисунке 3. При процессе

моделирования принято допущение, что этанол попадает в поток

экстрагента через смеситель.

Рисунок 3. Расчетная схема установки для проведения

сверхкритической экстракции: Е-1 – баллон диоксида углерода; T-1 –

морозильная камера;H-1 –насос; T-2 – теплообменник; C-1– смеситель;

Э-1 – экстрактор; S-1 – сепаратор. Цифрами обозначены потоки в

аппарате.

74

Моделирование сверхкритической экстракции проводится

по процессному модулю PSRK. Этот модуль основывается на

уравнение состояния Соаве-Редлих-Квонга. При этом

учитывается присутствие в системе сверхкритического диоксида

углерода и разнополярность компонентов. При моделировании

экстрактора применяется метод сходимости Ньютона-Рафсона.

В процессе моделирования рассмотрены

технологическиепотоки в аппарате. Физические параметры (T–

температура, К; P – давление, МПа) и состав потоков с массовым

расходом компонентов ηотмечены в таблице 1.

Таблица 1. Технологические потоки при моделировании

процесса сверхкритической экстракции № Т, К P, МПа ηH20, г/ч ηC02, г/ч ηС2H5OH, г/ч ηген-ды, г/ч 1 295 6,0 - 200 - - 2 276 6,0 - 200 - - 3 288 20,0 - 200 - - 4 322 20,0 - 200 - - 5 323 20,0 61,2 - 24,0 - 6 320 20,0 61,2 200 24,0 - 7 323 20,0 - - - 8,5 8 323 20,0 60,6 198 23,7 8,5 9 323 0,1 - 198 - - 10 323 0,1 60,6 - 23,7 8,5

В ходе работы были рассчитаны энергетические затраты на

теплообменные процессы и мощность насоса. Выделены

технологические потоки и рассчитаны их физические параметры.


1. В. В. Кафаров Исследование и оптимизация процесса

твердофазной экстракции биологически активных веществ из

растительного сырья / МХТИ им. Д.И.Менделеева. - 1979. -

№.106. - С.48-53.

2. SainiA., PanesarP. S. Beneficiationoffoodprocessingby-

productsthroughextractionofbioactivecompoundsusingneotericsolvents

// LWT. – 2020. – V. 134. – P. 1-44.

3. Capuzzo A., Maffei M. E., Occhipinti A. Supercritical fluid

extraction of plant flavors and fragrances // Molecules. – 2013. – V.

18. – № 6. –P. 7194-7238.

75

4. Sahena F. et al. Application of supercritical CO2 in lipid

extraction–A review //Journal of Food Engineering. – 2009. – Т. 95. –

№. 2. – С. 240-253.

5. Яруллин Л.Ю., Каюмова В.А., Габитов Ф.Р.

Сверхкритическая флюидная экстракция махорки с

использованием этанола в качестве со-растворителя //Вестн.

Казан. технол. ун-та. - 2015. - Т. 18. - № 14. - C. 56-58.

6. Kim I. W., Sun W. S., Yun B. S., Kim N. R., Min D., Kim S.

K. Characterizing a full spectrum of physico-chemical properties of

(20S)-and (20R)-ginsenoside Rg3 to be proposed as standard

reference materials //Journal of ginseng research. – 2013. – V. 37. –

№. 1. – P. 124

7. Меньшутина Н.В., Казеев И.В., Артемьев А.И., Бочарова

О.А., Худеев И.И. Применение сверхкритической экстракции для

выделения химических соединений // Известия высших учебных

заведений. Серия «химия и химическая технология». - 2021. - Т.

64. - №.6. - С.4-19.

76

СЕКЦИЯ «ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В

ПРИНЯТИИ РЕШЕНИЯ»

77

УДК 004.032.26

НЕЙРОСЕТЕВАЯ МОДЕЛЬ ПАРОЖИДКОСТНОГО

РАВНОВЕСИЯ МНОГОКОМПОНЕНТНЫХ СМЕСЕЙ

Лаптева Т.В., Зиятдинов Н.Н., Мицай Д.А., Емельянов И.И.


технологический университет»


Математическое моделирование химико-технологических

процессов предусматривает иерархическую структуру

математической модели, включающей в качестве одного из

уровней расчет свойств химических смесей при различных

условиях. Расчет числовых значений свойств смесей требует

выбора математической модели, представляющей совокупность

уравнений, а также математических методов, позволяющих

получить решение. Одним из свойств смеси является доля

паровой фазы, или доля отгона, указывающая, в каком

соотношении находятся жидкая и паровая фракции смеси при

заданных условиях.1

Расчет доли отгона проводится на основе модели фазового

равновесия смесей, в частности смесей углеводородов,

проводится на основе моделей Соаве-Редлиха-Квонга, Пенга-

Робинсона, NRTL, UNIQUAC и т.д. [1]. В свою очередь, решение

системы уравнений, соответствующей выбранной

математической модели, требует известных значений

коэффициентов, получение которых, в свою очередь, приводит к

сложным расчетам. В итоге, решение задачи представляет собой

итерационный процесс: сначала рассчитывают коэффициенты

фазового равновесия, а затем рассчитывают долю паровой фазы.

Проведение таких вычислений в ходе моделирования сложных

1 Грант Министерства науки и высшего образования РФ №075-00315-

20-01 «Энергоресурсосберегающие процессы разделения жидких

смесей для выделения промышленных растворителей»

78

технологических процессов значительно увеличивает время

получения решения. Особенно ощутимым рост времени является

в случае использования математической модели химико-

технологического процесса в системах усовершенствованного

управления. Альтернативой использования перечисленных

математических моделей является моделирование на основе

нейросетевого подхода (НП). Возможность использования такого

подхода обеспечивается неизменностью перечня компонент,

составляющих целевую смесь в задачах оптимизации и

управления конкретных действующих установок химической

технологии.

Широкое использование НП в настоящее время связано как

с развитием программных экосистем, облегчающих применение

НП прикладными специалистами, не владеющими навыками

программирования. Множество применений НП посвящено

адаптивному управлению технологическими процессами, причем

искусственные нейронные сети (ИНС) зачастую встроены в

системы числового управления оборудованием [2]. Известно

применение НП для оптимизации режимов работы оборудования

[3]. Значительный спрос на системы усовершенствованного

управления привел к использованию НП в таких системах для

управления химико-технологическими процессами [4], [5].

Области построения моделей химико-технологических процессов

на основе НП посвящена работа М.И. Дли [6]. В [7], [8]

рассмотрено использование ИНС для прогнозирования

содержания железа на выходе процесса измельчения горно-

обогатительного производства. В работе [9] проведено

моделирование процесса коксования и дано сравнение ИНС с

регрессионными моделями, авторы показали выявленные

преимущества ИНС. Еще с 90-х годов ИНС активно

используются для прогнозирования свойств веществ в

органической химии.

Активное использование НП явилось причиной его

использования для уменьшения времени на расчет значения доли

паровой фазы многокомпонентной смеси с заданным набором

компонент. Для решения задачи были выбраны следующие

независимые параметры: температура, давление и значения,

79

характеризующие количества компонентов в смеси. Поскольку

сочетания различных значений расходов компонентов могут дать

одинаковое соотношение долей компонентов потока, то для

обучения ИНС использованы массовые доли каждого

компонента. В качестве исследуемой смеси была взята широкая

фракция из 10 компонентов, включающая смесь углеводородов.

Построенное обучающее множество включает признаки объекта:

температура смеси, °С; давление, кПа; массовые доли каждого из

компонентов. В итоге, размер входного вектора равен 12. Для

предсказания значения доли отгона достаточно одного нейрона в

выходном слое ИНС.

Известно, что доли пара многокомпонентной смеси для

многих сочетаний составов смеси, ее температур и давления

могут быть равны 1. Аналогично, для многих сочетаний доли

пара могут быть равны 0. Для выявления таких состояний смеси

можно использовать нейросетевой классификатор. В тех случаях,

когда значение доли пара является дробным, необходимо

рассчитывать искомое значение. Для этого можно использовать

ИНС восстановления регрессии. Таким образом, в результате

анализа задачи были выделены 3 класса ситуаций: класс 1 – смесь

полностью в паровой фазе, доля пара равна 1, предсказание на

основе регрессии не нужно; класс 2 – смесь полностью в жидкой

фазе, доля пара равна 0, предсказание на основе регрессии не

нужно; класс 3 – смесь в смешанной фазе, доля пара имеет

дробное значение, требуется предсказание значения на основе

регрессии. Выделение классов ситуаций позволило построить

каскад из двух последовательных ИНС, в котором первая ИНС

выполняет классификацию на три класса, а ИНС восстановления

регрессии используется только для класса 3. Выходной вектор

для классификатора имеет размерность 3 (число классов). Для

сети предсказания значения доли паровой фазы выходной вектор

имеет размерность 1.

Для автоматизации построения обучающего множества,

соответствующего требованиям непротиворечивости и

репрезентативности [10], был построен программный комплекс

согласно требованиям унифицированного стандарта создания

моделирующих программ химической технологии CAPE-OPEN

80

(Open Computer Aided Process Engineering). Стандарт

предполагает разработку программных экосистем с

предоставлением возможности дополнения моделирующих

программ пользовательскими модулями в любой части

моделирующей программы. Построенный нами программный

комплекс представляет собой экосистему, связывающую

комплекс скриптов MatLab с моделирующей программой UniSim

Design, обеспечивая on-line обмен данными, что значительно

сокращает время построения обучающего множества. UniSim

Design использован для расчета значений доли паровой фазы по

модели Соаве-Редлиха-Квонга (SRK).

Для формирования нейросетевой модели парожидкостного

равновесия были разработаны архитектуры Составляющих ИНС:

классификатора и регрессионной ИНС. Обе ИНС не имеют

обратных связей, имеют по одному скрытому слою, на скрытом

слое для активации нейронов применялась функция

гиберболического тангенса. Выходной слой классификатора

работает на основании вычисления вероятностей событий и

использует функцию активации softmax. Соответственно, в

качестве функции потерь использована функция перекрестной

энтропии. В ИНС восстановления регрессии выходной слой

сигмоидальный, в качестве функции потерь используется

среднеквадратическое отклонение. Ее архитектура включает

элементы остаточных ИНС для передачи входной информации на

выходной слой.

В ходе подбора числа нейронов в скрытом слое ИНС-

классификатора и его обучения наилучшие результаты показал

классификатор из 25 нейронов. На рисунках 1, 2 приведены

матрицы несоответствий ИНС для обучающего, тестового и

контрольного множеств данных, а также гистограмма ошибок.

Видно, что ошибочно классифицированные примеры составляют

не более 0,0001 мощности обучающего множества (2000000

примеров), ошибки малы и распределены в узком интервале. По

характеристической ROC-кривой обнаружения (рис. 3) видно, что

доля истинно положительных примеров равна почти 100%, и

классификатор подходит для решения поставленной задачи.

Учитывая, что количество искомых весовых коэффициентов ИНС

81

составляет 428, очевидно высокое качество обучения

классификатора.

При предсказании значения доли паровой фазы для класса

3 лучшие результаты показала ИНС с 45 нейронами в скрытом

слое. Количество искомых весовых коэффициентов составило

630. В результате обучения достигнуто значение

среднеквадратической ошибки 0,000000045. На рисунке 4

представлен график линейной регрессии результатов обучения

сети. Видно высокое качество аппроксимации данных.

Рис. 1. Матрица несоответствий ИНС-классификатора

Рис. 2. Гистограмма ошибок ИНС-классификатора

82

Для проверки работы классификатора проанализировано

предсказание значения доли отгона на примерах,

отсутствовавших в обучающем множестве. Ошибка в оценке

принадлежности к соответствующему классу составила не более 458 10 .

Рис. 3. Характеристическая кривая обнаружения для сети

Рисунок 4. График линейной регрессии результатов обучения

сети

83

Погрешность между прогнозируемым и истинным

значениями доли пара составила не более 48 10 , что позволяет

судить о высоком качестве работы исследуемой регрессионной

нейросети.

Для сравнения было проведено исследование

регрессионной сети для расчета значения доли паровой фазы без

классификатора. Соответствующее качество было получено на

сети из 180 нейронов. При этом построенный каскад в

совокупности имеет 70 нейронов, а в случае классов 1 и 2 сеть

восстановления регрессии из 45 нейронов не используется.


1. Рид Р., Праусниц Дж., Шервуд Т. Свойства газов и

жидкостей: Справочное пособие/ Пер. с англ. под ред. Б. И.

Соколова. — 3-е изд., перераб. и доп. — Л.: Химия, 1982. — 592

с., ил.— Нью-Йорк, 1977.

2. Fines J.M. Machine tool positioning error compensation

using artificial neural networks / J.M. Fines, A. Agah // Engineering

Applications of Artificial Intelligence. – 2008. – Vol. 21, №7. – P.

1013-1026.

3. Cus F. Approach to optimization of cutting conditions by

using artificial neural networks / F. Cus, U. Zuperl // Journal of

Materials Processing Technology. – 2006. – Vol. 173, №3. – P. 281-

290.

4. Hu, H. Advanced process control applied to distributed

control systems / H. Hu, M. Liu, Y. Xu, W. Liang, Y. Lin, X. Peng, Y.

Peng, L. Liu, P. Hu // Kybernetes. – 2010. – Vol. 39. – № 6. – P. 946-

953.

5. Шаровин, И.М. Применение искусственных нейронных

сетей для адаптации САР в процессе их эксплуатации / И.М.

Шаровин, Н.И. Смирнов, А.И. Репин // Промышленные АСУ и

контроллеры. – 2012 – №. 4 – C. 27-32.

6. Круглов, В.В. Нечёткая логика и искусственные

нейронные сети / В.В. Круглов, М.И. Дли. Р.Ю. Голунов. – М.:

Физматлит, 2001. – 221с.

84

7. Еременко, Ю.И. Разработка модели процесса

обогащения руды с использованием аппарата искусственных

нейронных сетей / Ю.И. Еременко, Д.А. Полещенко, Ю.А.

Цыганков // В сборнике: Информатика, управление и системный

анализ Труды V Всероссийской научной конференции молодых

ученых с международным участием. – 2018. – С. 460-469.

8. Eremenko, Y. About Heating Plants Control System

Developing on Basis of Neural Network Usage for PID-Regulator

Parameters Optimization / Y. Eremenko, D. Poleshchenko, A.

Glushchenko // Applied Mechanics and Materials. – 2014. – Vol. 682.

– P. 80-86.

9. Леонов М.Г., Жирнов Б.С., Обработка

экспериментальных данных процесса коксования с помощью

нейронных сетей // Нефтегазовое дело: электронный научный

журнал. 2014. №2, с. 151-164.

10. Николенко С., Кадурин А., Архангельская Е.

Глубокое обучение. — СПб.: Питер, 2018. — 480 с.

УДК 664.1.037

ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ

ДЛЯ РАСЧЕТА КОНЦЕНТРАЦИИ СУХИХ ВЕЩЕСТВ В

ПРОМЫШЛЕННЫХ РАСТВОРАХ САХАРОЗЫ

Д.В. Арапов, М.А. Зайцева, М.А. Иссуфу



г. Воронеж, Россия,

В сезоне 2020/2021 годов мировое производство сахарозы

составило примерно 177 млн т. Она является главным

подсластителем в питании человека и используется и как

конечный продукт потребления населением, и как сырье в

индустрии продуктов питания – в кондитерской, молочной,

хлебопекарной, плодоовощеконсервной, ликеро-водочной и

85

винодельческой промышленности, в производстве

прохладительных безалкогольных напитков и соков [1]. С

участием сахарозы в человеческом организме реализуется работа

мышц, нормальное функционирование мозга, осмотические

процессы в почках и обменные процессы в печени.

Изготавливается сахароза в виде сахара-песка в процессах

кристаллизации и выделения сахарныхкристаллов на

центрифугах с последующей их сушкой. Процессы

кристаллизации подразделяются на две стадии – изобарическую

испарительную и охладительную политермическую. Первая

является основной и осуществляется в вакуум-аппаратах при

постоянном давлении в процессе выпаривания воды из сахарного

сиропа [2]. Определение времени окончания процесса варки

сиропа при постоянном контроле за концентрацией сухих

веществ в сиропе является важнейшей, окончательно не

решенной задачей в изобарической испарительной

кристаллизации. В этой связи статья актуальна. Она посвящена

разработке нейронной сети для контроля концентрации сухих

веществ в упариваемом сиропе с помощью температурной

депрессии. В нейросетевой модели выявляется связь между

температурной депрессией и концентрацией сухих веществ (СВ).

Температурная депрессия определяется автоматически по

разности температуры кипения сахарного раствора и чистой воды

при одинаковом абсолютном давлении между кипящими

жидкостями – чистым или поликомпонентным сахарным

раствором и дистилированной водой. Математическое описание

изобарической испарительной кристаллизации, включая

взаимосвязь температурной депрессии и концентрации СВ

представлено в [2-5]. В [6] приведены для сахарных растворов

разной чистоты обширные табличные данные повышения точки

кипения чистых и поликомпонентных растворов сахарозы по

сравнению с точкой кипения воды для разных концентраций

сухих веществ. В [3,5] разработаны линейные и нелинейные

регрессионные модели для расчета температурной депрессии в

чистых и поликомпонентных сахарных растворах. В [4]

предложены высокоточные формулы для определения

температурной депрессии в чистых и поликомпонентных

86

растворах сахарозы, полученные на основе уравнения Антуана по

расчету давления паров чистой воды. Однако попытка

использования известных зависимостей для расчета

концентрации сухих веществ в поликомпонентных растворах по

известной температурной депрессии оказалась неудачной в связи

с относительно большими погрешностями моделирования (в

отдельных случаях до 7 – 10% отн.). Поэтому, целью данного

исследования является разработка на основе многочисленных

опубликованных данных [6] нейросетевой модели, способной с

высокой точностью прогнозировать концентрацию сухих веществ

в поликомпонентном растворе сахарозы по известной

температурной депрессии.

Для создания математических моделей, базирующихся на

нейронных сетях, необходимо: 1) иметь набор представительных

опытных данных; 2) выбрать архитектуру нейронной сети,

позволяющую реализовать ее обучение на опытных данных за

оптимальный временной отрезок. В качестве экспериментальных

значений использовали 964 табличных векторов данных,

опубликованных в [6].Наиболее часто используются для

моделирования пищевых процессов нейронные сети с одним

скрытым слоем [7,8]. Но такая архитектура не всегда

удовлетворяет требованию высокой точности моделирования

процесса. В этой связи выбрали в качестве базовой архитектуры

нейронной сети для моделирования требуемой зависимости

многослойный персептрон. Его отличает высокая точность

моделирования технологических процессов и относительно не

сложная и доступная реализация. Количество внутренних

скрытых слоев было выбрано в процессе машинного

моделирования. В итоге пятислойный персептрон приняли в

качестве базовой архитектуры нейронной сети (рис. 1), который

включает в себя 1 входной слой, 3 скрытых и 1 выходной слой.

Входной слой включает в себя 3 нейрона, первый скрытый слой

имеет 128 нейронов, второй - 32 нейрона, третий - 8 нейронов,

выходной слой состоит из 1-го нейрона. На вход сети подаются

значения температуры кипения чистой воды (X1),

доброкачественности сахарного раствора (X2) и температурной

87

депрессии (X3). На выходе сети получаем значения концентрации

СВ в кипящем сахарном растворе.

. Рисунок 1. Используемая модель многослойного персептрона.

При обучении нейронной сети на вход персептрона

поступают значения параметров X1, X2, X3, которые

обрабатывается во входном и 3 внутренних слоях его

архитектуры. Далее в выходном слое определяется сигнал выхода

сети Y (расчетное значение концентрации сухих веществ),

сравнивается с соответствующим значением целевого вектора,

представляющем собой табличное значение концентрации сухих

веществ и определяется ошибка сети. На основе найденной

ошибки моделирования внутри персептрона осуществляется

подстройка весовых коэффициентов связей для каждого вектора.

При этом поступают поочередно векторы обучающего множества

на обработку. Процесс обучения прекращается после того, как

средняя ошибка моделирования по всему обучающему массиву

примет заданное значение. Настройку сети (рис. 1) осуществляли

с применением алгоритма обучения ADAM, реализующего

итеративное обновление весовых коэффициентов на основе 964

обучающих данных. Время обучения сети составило 4 часа,

средняя относительная ошибка – 0,17 %.

Модули Data.py, Net.py, main.py входят в состав программы

обучения. Считывание информации с файла и ее разделение на

входные данные и выходные реализуетсяв модуле

88

Data.py.Библиотека num.py используется для работы с

математическими функциями и файлами. В модуль Data.py

информационная выборка подаетсябез нормирования.

Стандартные методы CreateNet, Learn и Solveреализованы в

модуле Net.py. Модель нейронной сети создает методCreateNet.

Синтезируемая сеть включает входные, скрытые и выходные

слои. Реализуется в каждом слое сети функция потерь – среднее

квадратичное отклонение табличного значения концентрации от

модельного и функция активации relu(z)=max(0,z). Из всех

методов оптимизации, входящих в программный пакет, для

минимизации функции потерь в процессе численного

экспериментирования остановились на методе Adam. Для

обучения сети использовали метод Learn. Информационная

выборка при обучении разделяется пополам. Одна половина – это

обучающая информация, другая – тестовые данные. Размер батча

(порция данных, на которые делится вся выборка) приняли

равным пяти. Для проверки ответа сети служит метод Solve.

Головным в программе является модуль main.py. Он

используется для старта программы, и в нем вызываются и

подключаются все необходимые дополнительные модули.

Библиотека matplot.lib служит для отображения графика.

На рис. 2 показано рабочее окно программы «Расчет

концентрации сухих веществ в сахарном растворе». В крайнем

левом столбце приведены значения температуры сахарного

сиропа, далее следует столбец с данными температурной

депрессии, затем по порядку – чистота (доброкачественность)

раствора, расчетное и табличное значения концентрации СВ,

ошибка моделирования. Пользователь задает информацию о

температуре, температурной депрессии, чистоте раствора,

нажимает кнопку расчета и получает его результат. Умножением

концентрации сухих веществ на чистоту раствора определяется

содержание сахарозы.

89

Рисунок 2. Рабочее окно программы

Таким образом, разработана нейросетевая программа,

позволяющая рассчитать содержание СВ, зависящее от

температуры, чистоты утфеля и температурной депрессии.

Программа может быть применена в производстве сахарного

песка при уваривании утфеля в вакуум-аппаратах для

определения времени окончания процесса уваривания. Для

внедрения программы для контроля за концентрацией СВ при

кристаллизации сахара требуется наладить непрерывное

измерение температуры раствора и его чистоты и температурной

депрессии. Далее необходимо переобучить сеть и таким образом

адаптировать модель к конкретному процессу кристаллизации.

После этих процедур она может быть применена для прогноза СВ

в упариваемом утфеле.

90

Список литературы 1. Arapov D.V., Kuritsyn V.A., Petrov S.M., Podgornova N.M.

Simulation of the rate of dissolution of sucrose crystals. Journal of

Food Engineering, 2022, 318, 110887; DOI:

10.1016/j.jfoodeng.2021.110887

2. Tuzhilkin V.I., Balykhin M.G., Petrov S.M., Podgornova

N.M., Lukin N.D., Kovalyonok V.A. Mathematical description of the

isobaric vaporizing crystallization of sucrose Journal of Food

Engineering, 2021, 306, 110614; DOI:

10.1016/j.jfoodeng.2021.110614 .

3. Kadlec, P. Boiling Point Elevation of Sugar Solution / P.

Kadlec, R. Breschneider, A. Dandar // La SucrerieBelge.- 1978.-Vol.

97.-PP. 369-377.

4. Петров, С.М. Уравнения для расчета на ЭВМ физико-

химических свойств водных растворов сахарозы/ С.М. Петров,

Д.В. Арапов, В.А. Курицын// Сахар. – 2014. – №4. – С.44-53.

5. Тужилкин, В.И. Кристаллизация сахара.-М.: Изд.

комплекс МГУПП, 2007.-336 с.

6. Принципы технологии сахара/ под ред. П. Хонига.-М.:

Пищепромиздат, 1961.-616 с.

7. Балыхин, М.Г. Разработка нейросетевой модели для

управления процессом дозирования сыпучих масс/ М.Г. Балыхин,

М.М. Благовещенская, И.Г. Благовещенский [и др.]// Известия

высших учебных заведений. Технология текстильной

промышленности.-2018.-№6 (378).-С.179-183.

8. Мельникова, Е.И. Искусственные нейронные сети в

оценке показателей качества низкоалллергенных кисломолочных

напитков/ Е.И. Мельникова, Н.В. Пономарева, Е.В. Богданова//

Техника и технология пищевых производств.-2017.-Т.44.-№1.-

С.152-158.

91

УДК 004.94

РЕДУКЦИЯ НЕЧЕТКО-ПРОДУКЦИОННЫХ

БАЗ ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

Дагаева М.В., Катасёв А.С.


технический университет им. А.Н. Туполева-КАИ»,


В настоящее время в различных областях распространение

получили интеллектуальные системы [1]. Их особенность

заключается в использовании баз знаний [2], в которых хранятся

правила для решения прикладных задач. Так, например, в работе

[3] предложена база знаний (БЗ) для оценки функционального

состояния водителей. Принцип такой оценки заключается в

анализе реакции зрачка на световое воздействие. В нормальном

функциональном состоянии человека его зрачок имеет ярко

выраженную реакцию на изменение освещенности. В состоянии,

отличном от нормального (например, сильная усталость),

зрачковая реакция бывает вялой и отличается от исходной

реакции.

При этом зрачковая реакция человека характеризуется

такими параметрами, как «Минимальный диаметр зрачка»,

«Диаметр половинного сужения», «Амплитуда сужения» и

«Время половинного расширения» [4]. Собранные данные

использовались для построения нечетких нейронных сетей (ННС)

[5].В результате их обучения получена БЗ из 2632 нечетко-

продукционных правил. Но такое число правил является

избыточным и негативно сказывается на интерпретируемости, на

однозначности выбора правил при принятии решений и, как

следствие, на точности оценки функционального состояния

человека. Таким образом, актуальна редукция базы знаний,

сокращение ее размерности [6].

В данной работе предложена технология, позволяющая из

исходной (избыточной) базы знаний получить

92

оптимизированную базу знаний с характеристиками,

улучшающими ее применимость для решения практических

задач.

На рисунке 1 представлена схема формирования исходной

базы знаний для редукции.

Данные

для анализа

и оценки

зрачковой

реакции

водителя

ННС1

ННС2

ННСN

Система

правил1

Система

правил2

Система

правилN

База знаний

... ......

Рис. 1. Схема формирования исходной базы знаний

Здесь каждая ННС обучается на исходных данных,

характеризующих зрачковую реакцию человека, и формирует

соответствующую систему правил следующего вида [5]:

IF x1 =А1 (w1) &… xn = Аn (wn) THEN y =B [CF], (1)

где xi (i=1..n) – входные переменные, Ai – значения входных

переменных, wi[0,1] – веса условий, y – выходная переменная, B

– результат, CF[0,1] – достоверность правила.

На правилах базы знаний используется схема логического

вывода, предполагающая совместное применение всех

сформированных систем правил. При этом, каждая система

правил предлагает соответствующее решение на основе выбора

одного решающего правила. В случае использования N систем

выбирается N решающих правил, каждое из которых

характеризуется соответствующими условиями, их весами,

достоверностью, а также конкретными значениями параметров

93

функций принадлежности. Это приводит к неоднозначности

выбора решающих правил, ухудшению интерпретируемости

формируемых решений и к возможному снижению точности

получаемых результатов.

Рассмотрим технологию редукции базы знаний,

позволяющую из нескольких систем правил получать единую

систему. В основу разработанной технологии положен принцип

объединения нескольких «похожих» правил в одно правило.

Поскольку состав и количество правил в каждой системе

одинаково, это позволяет применить метод усреднения

характеристик компонент каждого правила из соответствующей

системы.

Каждое правило вида (1) имеет следующие компоненты:

- функции принадлежности µi(xi) в антецеденте правила;

- веса условий wi[0,1] входных параметров в правиле;

- достоверность CF[0,1] каждого правила.

Следовательно, группируя лингвистически идентичные

правила исходной БЗ и усредняя значения характеристик

компонент в каждой группе, получаем искомую базу знаний,

состоящую из одной системы нечетко-продукционных правил

(см. рис. 2).

Система

правил1

Система

правил2

Система

правилN

Исходнаябаза знаний

...

Группировка

лингвистически

идентичных

правилСистема

правил

Искомаябаза знаний

Усреднение

компонент

в каждой

группе правил

Рис. 2. Схема редукции базы знаний

94

Таким образом, применение разработанной технологии

позволяет сократить исходную базу знаний в N раз, где N – число

исходных систем правил.

Описанная технология реализована в программном

комплексе (см. рис. 3).

Рис. 3. Схема программного комплекса редукции базы знаний

На основе программного комплекса произведена апробация

разработанной технологии на примере оптимизации исходной

базы знаний [3]. Рассмотрим полученные результаты.

Исходная база знаний содержала 2632 правила. После

редукции число правил уменьшилось до 188. Следовательно,

объем базы знаний сократился в 14 раз (см. табл. 1).

Табл. 1. Характеристики баз знаний

База знаний Число

правил

Точность

классификации Размерность / интерпретируемость

До редукции 2632 0,96 Чрезмерная / неоднозначная

После редукции 188 0,97 Достаточная / однозначная

Кроме сокращения размерности исходной базы знаний в 14

раз повысилась точность классификации на 1%, а также

увеличилась интерпретируемость правил базы знаний при

принятии решений. В случае исходной базы знаний

интерпретируемость получаемых решений была неоднозначной,

Компоненты

программного комплекса

Модуль редукции

исходной базы знанийИсходная

база знаний

Ис-

комая

база знаний

Оценка

классифи-

цирующей

способности

баз знаний

Модуль оценки

классифицирующей

способности

баз знаний

База

данных

95

так как одновременно срабатывали сразу 14 правил. Каждое

правило, помимо предлагаемого решения по оценке состояния

объектов, характеризуется значениями параметров своих

компонент. Соответственно, однозначно интерпретировать

выходной результат не представлялось возможным. При

использовании редуцированной базы знаний в процессе

логического вывода всегда выбирается только одно решающее

правило, которое поддается однозначной интерпретации.

Следовательно, применение технологии редукции базы знаний

позволило повысить ее эффективность для решения

поставленной задачи.

Предложенная в данной работе технология

продемонстрировала возможность сокращения размерности

исходной базы знаний, повышения ее классифицирующей

способности и позволила однозначно интерпретировать выходной

результат. Это повышает доверие со стороны пользователей базы

знаний, что положительно сказывается на ее применении в

интеллектуальных системах. Таким образом, полученные в

данной работе результаты указывают на эффективность

описанной технологии редукции.


1. Bolshakov A.A., Klyuchikov A.V. Decision Support System

for Selecting Designs of Autostereoscopic Displays // Studies in

Systems, Decision and Control. – 2021. – No. 342. – P. 73-88.

2. Башлыков А.А.Методология построения систем управления

базами знаний для интеллектуальных систем поддержки принятия

решений // Программные продукты и системы. –2013. –№ 2. –С. 12-

19.

3. Баринова А.О., Катасёва Д.В., Катасёв

А.С.Формирование и использование базы знаний для оценки

функционального состояния водителей автотранспортных

средств // Вестник Технологического университета. –2020. –Т. 23,

№ 10. –С. 75-78.

4. Куприянов А.С. Моделирование реакции сложной

адаптивной системы на импульсное воздействие: дис. ...

кандидата технических наук. – СПб., 2012. – 103 с.

96

5. Катасёв А.С.Нейронечеткая модель и программный

комплекс автоматизации формирования нечетких правил для

оценки состояния объектов // Автоматизация процессов

управления. –2019. –№ 1 (55). –С. 21-29.

6. Абдулхаков А.Р. Алгоритм и программный комплекс

редукции баз знаний мягких экспертных систем // Труды МАИ. –

2014. – № 75. – С. 14-20.

УДК 62-932.2

ОЦЕНКА ДИССИПАЦИИ МЕХАНИЧЕСКОЙ ЭНЕРГИИ

ПРИ ПЕРЕРАБОТКЕ ВЫСОКОВЯЗКИХ

НЕНЬЮТОНОВСКИХ СРЕД В ВАЛКОВОМ СМЕСИТЕЛЕ

Хвостов А.А.1, Ряжских В.И.

1, Журавлев А.А.

2, Хаустов И.А.

3

1ФГБОУ ВО «Воронежский государственный технический

университет», г. Воронеж, Россия 2ВУНЦ ВВС «Военно-воздушная академия им. Н.Е. Жуковского

и Ю.А. Гагарина», г. Воронеж, Россия 3ФГБОУ ВО «Воронежский государственный университет

инженерных технологий», г. Воронеж, Россия

Многие процессы пищевой и химической технологий

характеризуются напорным и/или сдвиговым течением

перерабатываемой высоковязкой среды. Такими

гидромеханическими процессами являются течение в коротких

формующих каналах экструдеров и напорных трубопроводах,

течение в зазоре между вращающимися валками и пр. [1, 2].

При проведении таких процессов во всем объеме

обрабатываемого материала может происходит значительное

тепловыделение, обусловленное диссипацией механической

энергии вследствие действия сил внутреннего трения.

Фактор диссипации в процессах по переработке

высоковязких материалов приводит к изменению их

реологических свойств и теплофизических параметром, что, в

97

конечном счете, оказывает влияние на динамику теплопереноса и

течения.

Так, при изготовлении изделий из резиновых смесей,

разогрев вследствие диссипации может привести к

подвулканизации или химическому разложению

перерабатываемой среды. В пищевой промышленности

повышение температуры некоторых полуфабрикатов выше

критических значений приводит к клейстеризации зерен

крахмала, денатурации и коагуляции белков (тесто, сбивные

массы и пр.).

В этой связи, моделировании гидромеханических

процессов должно проводится в сопряженной с теплообменом

постановке и учитывать диссипацию механической энергии, а

также зависимость вязкости и теплофизических параметров

материала от температуры.

В работе рассматривается валковый смеситель,

используемый в химической и пищевой промышленностях для

переработки высоковязких неньютоновских сред [3, 4].

На основании анализа физических процессов, протекающих

в валковом смесителе, составлена его геометрическая 2D-модель

(рис. 1), задана расчетная область и определены ее границы [3, 4].

Область

моделирования

представлена валковым

1 и двумя

коаксиальными зазорами

2 . Границами области

являются 1 –

неподвижная стенка

корпуса смесителя и 2

– поверхность

вращающегося валка.

Рис. 1 – Геометрическая 2D-

модель

валкового смесителя

Для поддержания определенного температурного режима

смешивания, корпус и смесительные валки выполнены полыми с

возможностью подачи в них термостатирующей жидкости.

98

Рассмотрим ламинарное неизотермическое,

нестационарное течение несжимаемой неньютоновской среды в

валковом смесителе. Уравнения сохранения массы, импульса и

энергии при заданных условиях имеют вид [5]

0;

+ ;

,

T

p p vd

Pt

Tc c T T Q

t

u

uu u I u u g

u

(1)

где – плотность; u – вектор скорости; P – давление; I –

единичный тензор; – динамическая вязкость; T –

температура; t – время; g – вектор ускорения свободного

падения; pc – удельная теплоемкость; – коэффициент

теплопроводности; :vdQ τ u – удельная диссипируемая

энергия; τ – тензор вязких напряжений (девиаторная часть

полного тензора напряжений).

В качестве реологической модели неньютоновской среды

использована модель Карро [6], модифицированная на случай

трехмерного течения и учитывающая зависимость вязкости от

температуры [4, 7]: 1

2 20exp 1 ( )

mE

ART

, (2)

где – наименьшая вязкость предельно разрушенной

структуры; , m , 0A – эмпирические коэффициенты; E –

энергия активации вязкого течения; R – универсальная газовая

постоянная; 2 : S S – скорость сдвига; 1

2

T

S u u –

тензор скорости деформации.

Система уравнений (1) дополнена граничными условиями:

на границе 1 : 0u , wT T ; на границе 2 : rolU u t , rolT T

, где rolU – модуль окружной скорости валков; t –

99

тангенциальный вектор; wT , rolT – соответственно, температура

стенки смесителя и поверхности валка.

Начальные условия записаны как: 0u , 0P , 0T T , где

0T – начальная температура материала.

Верификация модели выполнена для валкового смесителя,

конструктивные параметры и кинематические режимы работы

которого приведены в [3]. В качестве перерабатываемой среды

использована помадная масса кондитерского производства,

реологическое поведение которой описывается моделью Карро

[7]. Удельная теплоемкость, плотность и коэффициент

теплопроводности конфетной массы в зависимости от

температуры определяются уравнениями [4]:

3782,1 18,708pc T ; (3)

1969,9 1,952T ; (4)

0,6205 0,0008T . (5)

Вычислительный эксперимент, заключающийся в решении

уравнений (1, 2) методом конечных элементов с учетом (3–5)

показал, что процесс переработки помадной массы в валковом

смесителе сопровождается ее диссипативным нагревом (рис. 2),

величина которого зависит от продолжительности обработки и

окружной скорости вращения валков.

Рис. 2 – Динамика изменения среднеобъемной температуры

100

Анализ задачи и результатов вычислительного

эксперимента показал, что переработка конфетных масс в

валковых смесителях сопровождается значительным

диссипативным эффектом, приводящим к существенному

разогреву среды. Неучет диссипации механической энергии, а

также игнорирование температурной зависимости вязкости и

теплофизических параметров могут привести к существенным

ошибкам в оценке параметров течения и теплопереноса при

описании процесса переработки конфетных масс в валковых

смесителях.


1. Переработка волокнообразующих полимеров. Основы

реологии полимеров и течение полимеров в каналах / В.И. Янков,

В.И. Боярченко, В.П. Первадчук, И.О. Глот, Н.В. Шакиров. –

Москва–Ижевск: НИЦ «Регулярная и хаотическая динамика»,

Институт компьютерных исследований, 2008. – 264 с.

2. Березовский Ю.М. Формирование структур пищевых

масс и формование готовых изделий / Ю.М. Березовский, В.Н.

Андреев. – Москва : ООО «НИПКЦ Восход-А», 2017. – 162 с.

3. Проектирование смесителей периодического действия

при получении композитов заданного качества из отходов

термопластов / А. С. Клинков [и др.]. – М.: Спектр, 2012. – 195 с.

4. Хвостов А.А. Термогидродинамический анализ работы

валковой формующей машины кондитерского производства на

основе CFD-подхода / А.А. Хвостов, О.Р. Дорняк, А.А. Журавлев,

Е.А. Татаренков, О.А. Ткачев // Фундаментальные и прикладные

проблемы техники и технологии. 2021. № 3 (347). С. 117 – 130.

DOI: 10.33979/2073-7408-2021-347-3-117-130.

5. Математическое моделирование гидродинамики и

теплообмена в движущих жидкостях / под ред. Э.М. Карташова. –

СПб.: Лань, 2019. – 208 с.

6. Matveenko, V.N. Structural Rationale of a Non-Newtonian

Flow / V.N. Matveenko, E.A. Kirsanov // Moscow University

Chemistry Bulletin. – 2017. – Vol. 72, № 2. – P. 69 – 91.

https://doi.org/10.3103/S0027131417020031.

101

7. Хвостов А.А. Параметрическая идентификация

реологической модели Карро с использованием регуляризации

А.Н. Тихонова на основе CFD-модели / А.А. Хвостов, Г.О.

Магомедов, В.И. Ряжских, А.В. Ковалев, А.А. Журавлев, М.Г.

Магомедов // Техника и технология пищевых производств. 2021.

Т. 51. № 3. С. 615 – 627. DOI: 10.21603/2074-9414-2021-3-615-627.

УДК 004.89

МОДЕЛЬ НЕЧЕТКОГО ЛОГИЧЕСКОГО ВЫВОДА

ДЛЯ ОЦЕНКИ СОСТОЯНИЯ ОБЪЕКТОВ

Катасёва Д.В.


технический университет им. А.Н. Туполева-КАИ»,


В настоящее время во многих предметных областях

актуальность приобретают системы поддержки принятия

решений (СППР) по оценке состояния объектов [1-3]. Эта задача

заключается в выборе состояния объекта из заданного множества,

а также в определении степени достоверности принятого

решения [4].

Рисунок 1 показывает роль СППР в решении данной

задачи.

Рис. 1. Схема оценки состояния объекта

Параметрыобъекта

Результатоценки состояния

объекта

O

P1

Pn

...

Лицо, принимающее

решенияОбъект оценки

Интеллектуальная система поддержки принятия решений

102

У оцениваемого объекта имеется набор параметров,

значения которых поступают на вход СППР. Система предлагает

варианты решений человеку, который принимает окончательное

решение,формируя результат оценки состояния объекта.

Основные преимущества использования СППР

заключаются в следующем[5]:

1) высокая скорость обработки информации при принятии

решений;

2) адекватность рекомендуемых решений исходным

данным об объекте оценки;

3) снижение трудоемкости обработки информации для

человека при принятии решений.

К СППР предъявляются следующие требования[6]:

1) высокая точность оценки состояния объектов;

2) умение обосновать рекомендуемые решения в виде,

пригодном для лингвистической интерпретации человеком.

Для их выполнения необходимо[4]:

1) определить особенности анализируемых данных;

2) предложить вид нечетких правил, учитывающих

особенности входных данных;

3) разработать алгоритм вывода на правилах.

На рисунке 2 представлены особенности входных данных.

Данные

некомплектные

(с пропущенными

значениями)

могут быть

разнотипные

(количественные,

качественные)

могут быть

Рис. 2. Особенности входных данных

Исходя из указанных особенностей, при выборе вида

нечетких правил и разработке алгоритма вывода на правилах

должны учитываться следующие требования:

1) антецеденты нечетких правил должны иметь

возможность включать в себя разнотипные входные переменные;

2) алгоритм вывода должен учитывать особенности

предложенного вида нечетких правил и обосновывать

103

предлагаемые решения в виде, пригодном для лингвистической

интерпретации человеком;

3) должна быть обеспечена возможность применения

алгоритма вывода в условиях некомплектности входных данных

для принятия решений.

В данной работе предложен следующийвид нечетких

правил, учитывающий особенности входных данных:

If x1 = 𝐴1&x2 = 𝐴2& … xn = 𝐴n Then y = B [CF], (1)

где xi (i = 1..n) – входные переменные,𝐴i= Ai– четкое ограничение

(для качественных входных значений),𝐴i = �̃�i – нечеткое ограничение (для количественных входных значений), y –

выходная переменная, B –состояние объекта, �̃�i = {xi, 𝜇�̃�𝑖(xi)},

𝜇�̃�𝑖(xi) – функция принадлежности, CF[0;1] – вес правила.

Правила (1) позволяют обрабатывать разнотипные входные

данные, поддаются однозначной лингвистической интерпретации

и характеризуются весомCF, учитываемым при ранжировании.

Рассмотрим алгоритм логического вывода. Пусть

X*={𝑥1

∗, … , 𝑥𝑖∗, … , 𝑥𝑛

∗ } – множество входных значений,

характеризующих оцениваемый объект и пусть S={R1,…, Rp,…,

RN} – база знаний, состоящая из N нечетких правил вида (1) и

соответствующая множеству входных значений.

Для каждого правила из базы знаний имеем:

- T[0,1] – степень истинности антецедента правила:

𝑇 = min𝑖 𝜇𝐴𝑖(𝑥𝑖∗), (2)

где 𝑥𝑖∗ (i = 1..n) – четкие входные значения (количественные или

качественные).

Для количественных входных значений 𝜇�̃�𝑖(𝑥𝑖∗)[0;1], а для

качественных 𝜇𝐴𝑖(𝑥𝑖∗)=1 (если 𝑥𝑖

∗ =Ai)и 𝜇𝐴𝑖(𝑥𝑖∗)=1 (если 𝑥𝑖

∗ ≠Ai).

- C[0,1] – достоверностьполученного решения:

C = T * CF. (3)

Рассмотрим этапы алгоритма:

1) ввод значений 𝑥𝑖∗,i = 1..n;

2) для каждого RpS(p=1..N) вычисление T по формуле (2);

3) получениеподмножества Sconf={Rp | T ≠ 0, p= 1..N};

4) для правил из Sconfрасчет C по формуле (3);

5) ранжирование правил из Sconfпо убыванию C;

104

6) выбор правила R*Sconfс максимальным C;

7) определение состояния объекта B*, соответствующего

правилуR*, и степени его достоверности C

*;

8) обоснование выбранного решения – вывод

ранжированного списка правил в естественно-языковом виде,

пригодном для лингвистической интерпретации человеком.

Рассмотрим критерий применения алгоритма вывода в

условиях некомплектности входных данных для принятия

решений.Пусть xi (i=1..n) – все входные параметры,

характеризующие объект оценки. В момент оценки состояния

объекта часть значений входных параметров 𝑥𝑖∗ может

отсутствовать (ситуация некомплектности входных данных). Для

применения алгоритма вывода в указанных условиях нужно

выбрать базу знаний, соответствующую конкретному составу

входных параметров с известными значениями.

В таблице 1 представлены примеры применения критерия.

Табл. 1. Примеры выбора баз знаний для алгоритма вывода Пример состава входных параметров

с известными значениями База знаний, используемая

для оценки состояния объекта

x1 x2 x3 x4 x5 x6 S123456

x1 x3 x4 x6 S1346

x1 x2 x3 x5 x6 S12356

… … … … … … …

x2 x3 x4 x5 x6 S23456

Из таблицы видно, что, например, S1346 – это база знаний,

состоящая из правил с входными переменными x1, x3, x4, x6.

Следует отметить, что все базы знаний должны быть

предварительно сформированы для различного состава входных

параметров.

Модель нечеткого логического вывода была использована

при формировании множества предпочтительных вариантов

геолого-технических мероприятий (ввода скважин в

эксплуатацию) при разработке нефтяного месторождения [7].

Точность оценки состояния объектов (ввода скважин в

105

эксплуатацию) при этом составила не менее 95% на

валидационной выборке данных.Апробация проведена в

управлении инвестиций Центра обслуживания бизнеса ПАО

«Татнефть». Использование модели снизило нагрузку на геолого-

технологический персонал по рациональному выбору проектных

скважин для бурения на нефтяных месторождениях.


1. Малых В.Л. Системы поддержки принятия решений в

медицине // Программные системы: теория и приложения. – 2019.

– Т. 10, № 2 (41). – С. 155-184.

2. Bolshakov A.A., Klyuchikov A.V. Decision support system

for selecting designs of autostereoscopic displays // Studies in

systems, decision and control. – 2021. – No. 342. – P. 73-88.

3. Король П.А., Большаков А.А.Разработка прототипа

системы поддержки принятия решений в системе управления

компетенциями ВУЗа // Математические методы в технике и

технологиях - ММТТ. –2013. –№ 13-2 (59). –С. 246-247.

4. Катасёв А.С.Методы и алгоритмы формирования

нечетких моделей оценки состояния объектов в условиях

неопределенности // Вестник Технологического университета. –

2019. – Т. 22, № 3. –С. 138-147.

5. Деревянко Б.А.Современные методы и средства

проектирования имитационных систем и систем поддержки

принятия решений // Мягкие измерения и вычисления. –2019. –№

1 (14). –С. 4-11.

6. Козлова М.И.Анализ и формирование требований к

системе поддержки принятия решений задач оперативной

диагностики // Проблемы науки. –2018. –№ 3 (27). –С. 30-34.

7. Panischev O.Y., Ahmedshina E.N., Kataseva D.V., Anikin

I.V., Katasev A.S., Akhmetvaleev A.M., Nasybullin A.V. Neurofuzzy

model of formation of knowledge bases for selection of geological and

technical measures in oil fields // International Journal of Engineering

Research and Technology. – 2020. – Vol. 13, Iss. 11. – P. 3589-3595.

УДК. 617.55-089.844

106

ПРОГРАММА ВЫБОРА ОПЕРАЦИОННОЙ ПЛАСТИКИ И

МОДЕЛИРОВАНИЯ ЖИЗНЕННЫХ ПОКАЗАТЕЛЕЙ

БОЛЬНЫХ С БРЮШНЫМИ ГРЫЖАМИ

Арапов Д.В.1, Скоробогатов С.А.

2


инженерных технологий», 2ФГБОУ ВО «Воронежский государственный медицинский

университет имени Н.Н. Бурденко»


Хирургические вмешательства, обусловленные

послеоперационными срединными грыжами стенки брюшины[1]

осуществляют нередко. В этой связи проблема оперативного

лечения грыж передней брюшной стенки живота окончательно не

решена. Эти операции достаточно сложны и опасны: примерно

каждая четвертая из их сопровождается осложнением и, в

среднем, 4% операций имеют летальный исход [2]. Патология

имеет широкое распространение у больных старших возрастов,

страдающих хроническими заболеваниями, которые осложняют

выбор тактики лечения. Например, почти у 50% больных

пожилого и старческого возраста при пластике собственными

тканями [3] возникают рецидивы. С другой стороны, возрастает

число послеоперационных грыж малых размеров, устраняемых

пластикой местными тканями [4], связанной с развитием в

хирургическом лечении грыж технологий лапароскопии. В

настоящее время при лечении послеоперационных срединных

грыж [5] активно используются сетчатые эндопротезы,

посредством которых реализуется «ненатяжная» методика

лечения брюшной стенки. Однако, и в этом случае, из за

отторжения имплантанта [6] частота рецидивов равна 30 % и

более.Для лечения обширных грыж в настоящее время

внедряются сепарационные методики с установкой сеток

больших размеров. Недостаток этих видов пластики – не

изученность отдаленных последствий, высокая травматичность

ибольшая длительность операционного вмешательства.

107

Убольных с вентральными грыжами по-прежнему актуальна

проблема реконструкция стенки брюшины [7]. Тем не менее,

пластика собственными тканями – вероятно оптимальный

вариант хирургического лечения послеоперационных срединных

грыж.Недостаток метода – погружение компонентов грыжи в

брюшную полость и сведение грыжевых ворот способствует

резкому повышению внутрибрюшного давления, особенно при

обширных размерах ворот.Главные факторы успешности

операционной пластики собственными тканями больного

очевидны. Это:1) понижение внутрибрюшного давления, вплоть

до его полного устранения;2)снижениестепени натяжения

собственных тканей.Способ пластики местными тканями

сопровождается, как правило, контролем величины и динамики

изменения внутрибрюшного давления. Для этой цели в

зарубежной практике реализуется [8]

предоперационнаярентгенкомпьютернаягерниоабдоменометрия и

интраоперационный контроль брюшного давления.

Внутрибрюшное давление пациентов с брюшными

грыжами в нашей стране обычно определяют с использованием

трансуретрального катетера на основе показания давления в

мочевом пузыре. Процесс болезненный, плохо переносимый и

сопровождается частыми осложнениями.Измерение сатурации

крови кислородом (СКК) на различных этапах лечения больного

для контроля на этой основе его внутрибрюшного давления

является более перспективной неинвазивной опосредованной

методикой[9]. В лечении больных с послеоперационными

вентральными грыжами важным является восстановление после

герниопластики [9] функции мышц брюшной стенки.

Общим недостатком большинства публикаций по

статистическому моделированию в медицинских исследованиях,

напримерсвязанныхс прогнозами при коронавирусной инфекции

[10,11], состояния пациентов с ожогами [12] и перитонитами [13]

и многих других является то, что в нихне прорабатывалась задача

создания нелинейных математических моделей (ММ) для

прогнозирования состояния пациентов.В то время как

нелинейноемоделирование в широком диапазоне изменения

параметров является необходимым средством для создания

108

адекватных прогнозных моделей поведения различных объектов,

включая жизненные показатели больных [14-17].Для пациентов с

грыжами в [17] сообщается о разработкенейросетевых моделей,

позволяющихпрогнозировать их жизненные показателив

зависимости от входных показателей, включая способ лечения.В

этой связи, разработка алгоритма и мобильной программы,

реализуемой на смартфоне iPhone, осуществляющей выбор

метода операционной пластики и прогнозирование жизненных

показателей больных с помощью комплекса нелинейных ММ

актуальна.

Практическое обследование и лечение 55 пациентов

осуществляли в больницах скорой медицинской помощи №1 и

№10г. Воронежа и НИИ герниологии им. проф. Е.Н. Любых

Воронежского медицинского университета. Были выявлены три

основные группы больных в зависимости от ширины грыжевых

ворот и размеров грыжи: 1) грыжи малого размера с шириной

грыжевых ворот до 5 см имели 16 пациентов (29%); 2) грыжи

среднего размера с шириной грыжевых ворот от 5 до 9 см имели

20 человек (36%); 3) обширные грыжи с шириной грыжевых

ворот от 10 до 16 см имели 19 больных(35%). Пол и возраст

пациентов были различны (муж., жен., 37-72 года). Несколько

человек страдалисопутствующими хроническими

заболеваниями.В ММданные пола, возраста, сопутствующих

хронических заболеваний не учитывались.

Давление внутри брюшины определяли опосредованно

поСКК[9]. Для измерений СКК применяли пульсоксиметры ОП-

31.1 «Тритон Т-31», BitmosSat 816» и «Армед». В процессе

измерений данными приборами не выявили значимых отличий в

оценке значений СКК. СКК определяли несколько раз – до

операции в состоянии покоя и при физическом моделировании

операционного вмешательства.Физическое моделирование

реализовывали путем стягивания живота и сближения грыжевых

воротс одновременным погружением пилотомсодержимого

грыжи в полость живота. Фиксировалось снижение СКК в 1-е, 2-е

и 7-е сутки после операции.Определялась общая электрическая

активность (ОЭА) и степень утомляемости (СУ) мышц живота до

операции и спустя полгода после

109

операцииэлектромиографическим способомс помощью

прибораНейрософт «Нейро-МВП». Во время статических

нагрузок вначале регистрировали ОЭА мышц передней брюшной

стенки, далее рассчитывали СУ по формуле, описанной в [18].

Для лечения грыж использовали такие виды хирургического

вмешательства: 1) использование местных тканей в виде

дубликатуры (по Сапежко); 2) пластикана хирургическом

мостике с иммобилизацией операционной раны (ИОР)

(аппаратный 1-но этапный метод по профессору Е.Н. Любых); 3)

аппаратный 2-х этапный метод профессора Е.Н. Любых; 4)

пластика задняя сеперационная с ретромускулярным

размещением эндопротеза; 5) эндопротезирование (коррекция)

передней брюшной стенки в виде заплатки (интрамускулярное

расположение сетчатого протеза).

Статистическую обработку данных и вычислительные

эксперименты проводили на кафедре высшей математики и

информационных технологий Воронежского университета

инженерных технологий. Обработку экспериментальных данных

осуществляли с помощью методов нелинейного

программирования: генетическим алгоритмом и способом

конфигураций Хука-Дживса, реализованных в авторской

интерактивной системе идентификации ММ [19]. Ввиду того, что

разработанные ММ обладают существенной нелинейностью

внутренней структуры, значимость коэффициентов оценивалась

по достигаемой моделью относительной ошибке в соответствии с

критерием (1). Дополнительно адекватность разработанных

регрессионных моделей была проверена с помощью критерия

Фишера при отсутствии параллельных опытов.

В таблице 1 показаны экспериментальные данные,

полученные у пациентов с гигантскими и обширными грыжами

при операционной пластике 2-хэтапным способом собственными

тканями, эндопротезированием с помощью сетки и методом

«задняя сепарация». Размер грыжевых ворот – 10 -16

см.Структура ММ выявляласьв процессе вычислительных

экспериментов в диалоговом режиме. При поиске коэффициентов

ММ минимизировалась сумма среднеквадратичных отклонений

расчетных показателей больных от измеренных:

110

2

1

1 min,pL рас

i

эксi i

PR

P

А

A (1)

pL – количество обработанных экспериментальных данных при

моделировании p-го показателя; ,рас экс

i iP P − расчетное и

экспериментальное значение P-го показателя состояния i-го

больного при одинаковой пластике; A – вектор коэффициентов

нелинейных ММ.

Таким путем были получены расчетные формулы СКК больных в

1-й, 2-й и 7-й послеоперационный день, СУ и ОЭА спустя

полгода после операции.

1. Математическое моделирование зависимости сатурации

1S , измеренной через одни сутки после операции, от

дооперационных показателей больного:

а) обширные и гигантские грыжи, выбранный метод

пластики – «двухэтапный способ»:

11 2 0 0 0

1 1 2 3 410 exp 0,3 ln 10 ln /М М М М М М МS a S a S S a S S a S S S A U

7 9

0 0 0 0 0 0 0 0

5 6 8ln / ln ln / ln / ,a a

М Мa U A a S S A U a S S A U (2)

где 1S - СКК в первые сутки после операции, %;

0S -

предоперационное значение СКК в спокойном состоянии, %; МS

- СКК больного при физическом моделировании, %; 0A ,

0U -

предоперационные величины ОЭА (мкВ) и СУ в спокойном

состоянии. В таблице 2 показаны коэффициенты ММ (2).

10 2 0 0 0

1 1 2 3 410 exp 0,28 ln 10 ln /М М М М М М МS a S a S S a S S a S S S A U

2

0 0 0 0 0

5 6ln / ln ln /Мa U A a S S A U . (3)

в) обширные и гигантские грыжи, выбранный способ

пластики – «задняя сепарация»:

10

1 1 2 310 exp 0,28 lnМ М М М МS a S a S S a S S (4)

б) обширные и гигантские грыжи, выбранный способ

пластики – «эндопротезирование»:

Таблица 1

111

Экспериментальные данные больных с обширными и гигантскими

грыжами живота (MW3-4 R0)

№

п/п

0S ,

%

МS ,

%

0U 0A ,

мкВ 1S ,

%

2S

,%

7S

,% 0,5U

0,5A ,

мкВ

способ пластики - двухэтапный

1 97,0 86,2 2,29 506 84,0 86,3 96,5 1,8 527

2 97,3 86,5 2,25 511 84,5 87,0 96,6 1,74 535

3 96,5 85,6 2,37 503 83,5 86,0 96,0 1,9 523

4 97,5 87,0 2,19 514 84,3 87,5 97,0 1,73 542

5 97,5 86,8 2,18 512 84,5 87,3 97,4 1,68 545

6 97,0 86,3 2,3 505 84,3 86,5 96,3 1,85 518

7 96,4 85,5 2,39 501 83,3 85,4 95,8 1,8 523

8 96,8 86,0 2,35 504 83,7 86,0 96,5 1,78 527

способ пластики - эндопротезирование

9 96,5 87,3 2,7 421 90,0 91,5 95,3 2,89 414

10 97,6 88,0 2,48 441 91,0 92,6 96,5 2,57 420

11 97,2 87,8 2,55 438 90,7 92,3 96,1 2,7 423

12 97,0 87,5 2,59 427 90,6 91,8 95,8 2,8 412

13 96,7 87,0 2,64 426 90,0 91,3 95,4 2,81 424

14 97,3 87,8 2.5 447 90,7 92,4 96,0 2,55 430

15 96,8 87,2 2,61 425 90,5 92,1 95,5 2,79 418

способ пластики – задняя сепарация

16 97,5 89,5 2,14 507 84,7 85,6 96,0 1,95 518

17 97,3 89,0 2,21 504 84,5 85,3 95,6 2,0 515

18 97,8 90,0 2,1 519 85,0 86,1 96,3 1,83 530

19 97,5 89,6 2,15 510 84,6 85,8 96,1 1,9 521

Таблица 2 Значения коэффициентов модели (2)

1 578,36351a

2 2,010195a

3 151,23776a

4 2452,898a

5 378,5249a

6 141,52329a 7 2,0a 2

8 0,12163317 10a 9 6,0a

В табл. 3 показаны коэффициенты ММ (3)

Таблица 3

112

Значения коэффициентов модели (3)

1 49,346888a 2 2,072135a

3 10,958287a

4 12,828297a

5 269,95193a

6 0,41083574a

В табл. 4 показаны коэффициенты ММ (4).

Таблица 4.

Коэффициенты модели (4):

1 12,558293a 2 0,58435778a 3 2,9763028a

Таким образом, для трех видов операционной пластики

обширных и гигантских грыж полученыММ СКК 1S в

зависимости от дооперационных показателей больного.

Относительная погрешность моделирования СКК находтися в

пределах ±0,2 %.

2. Моделирование СКК на 2-е и 7-е послеоперационные

сутки выполнили по общей формуле:

0 0 0 0 0 0

2,7 1 2 3ln / ln /М МS a a S S A U a S S A U

0 0 0 0

4 5 6 1 7exp ln / ln / ln ,М Мa a S A U a S S a U A (5)

где S2 иS7 –СКК пациента на 2-е и 7-е сутки после операции

соответственно; – равно 2 или 7 суткам.

В табл. 5показаны коэффициентыММ (5)для двухэтапного

метода пластики.

Таблица 5 Значения коэффициентов модели (5), двухэтапный способ пластики

1 77,76535a 2 2,5291146a

3 4,0145439a

4 0,61454595a

5 0,3327949a

6 0,080563498a

7 558,03233a

В табл. 6показаны коэффициентыММ (5) для способа пластики

«эндопротезирование».

Таблица 6 Значения коэффициентов модели (5), пластика – «эндопротезирование»

1 54,928943a

2 1,5786892a

3 0,9298535a

4 0,07855635a

5 0,38088a

В табл. 7 показаны величины коэффициентов ММ (5) для метода

«задняя сеперация».

113

Таблица 7

Значения коэффициентов модели (5), пластика – «задняя

сеперация»

1 118,95495a

2 8,4055883a

3 0,52959447a

4 0,19220297a

5 0,14555876a

6 3,3030225a

7 615,75785a

Средняя относительная погрешность моделирования СКК по

формуле (5) составляет ±0,3%.

3. Общие модели утомляемости мышц живота больного и

их электрической активности через шесть месяцев после

операционного вмешательства при лечении больного:

0 2 0 0 0

0,5 1 7 2 7 3

20

4 5 7

ln /

;

М

М М

U U a S a S a S S A U

a S S a S S

(6)

0 2 0 0 0

0,5 1 7 2 7 3

20

4 5 7

ln /

,

М

М М

A A a S a S a S S A U

a S S a S S

(7)

где U0,5и A0,5– значения СУ и ОЭА спустя полгода после

операции соответственно.

В табл. 8 и табл. 9 показаны коэффициенты моделей (6) и (7) для

двухэтапной операционной пластики обширных и гигантских

грыж.

Таблица 8

Значения коэффициентов модели (6) для двухэтапного

метода пластики

1 0,10638154a 2

2 0,10995636 10a

3 0,19294668a

4 0,21550095a

3

5 0,6143 0278 1a

Таблица 9

Значения коэффициентов модели (7)для двухэтапного

метода пластики

1 11,718234a

2 0,13230293a

3 30,811606a

4 26,992092a

5 1,3228408a

В табл. 10 и табл. 11 приведены значения коэффициентов ММ (6)

и (7) для метода эндопротезированиягигантских и обширных

грыж.

114

Таблица 10

Значения коэффициентов модели (6), пластика –

«эндопротезирование» 1 0,27254978a

2

2 0,2896318 10a

3 0,64509639a

4 0,58871533a

5 0,018020586a

Таблица 11

Значения коэффициентовмодели (7), пластика –

«эндопротезирование»

1 81,043115a

2 0,82771741a

3 81,783149a

4 141,50292a

5 8,3268172a

В табл. 12 и табл. 13 приведены значения коэффициентов ММ (6)

и (7) для гигантских и обширных грыж, операционный метод –

«задняя сепарация».

Таблица 12

Коэффициенты модели (6), пластика – «задняя сепарация»

1 0,09674961a 2

2 0,11747287 10a 3 0,15946951a 4 5, 0a a

Таблица 13

Коэффициенты модели (7), пластика – «задняя сепарация»

1 0,22938094a

2

2 0,11963044 10a

3

3 0,56666165 10a

4 5, 0a a

Средняя относительная погрешность моделирования СУ и

ОЭА, рассчитываемых по формулам (6) и (7)находится в

пределах ±2-3 %.

Алгоритм выбора метода операционной пластики

реализуется следующим образом. По ширине грыжевых ворот

определяется путь дальнейшего анализа состояния больного и в

зависимости от сочетания величин 0A ,

0U , разницы между

начальной и модельной СКК, срока

грыженосительствавыбирается операционный способ пластики. В

алгоритме использованы предельные величины ОЭА и СУ

равные A=500 мкВ и U=2,4, от сочетания значений которых

делается вывод о сохранности функций мышц живота. Если 0 500A мкВ и 0 2,4U , то принимается, что функции мышц

живота сохранены. В противном случае, когда 0 500A мкВ и

115

0 2,4U принимается потеря сохранности функций мышц

живота.Также рассмотрены варианты с частичным сохранением

функций мышц брюшины.При обширных грыжах, когда функции

мышц не сохранены, а срок грыженосительства составляет 5 лет

и более, больному рекомендуется установкасетчатого протеза.В

противном случае предлагается 2-х этапный аппаратный способ

лечения или метод «задняя сепарация» в зависимости от

разницыпредоперационной и модельной СКК.

Для реализации алгоритма разработана мобильная

программа для смартфона iPhone под управлением iOS версии 14

и выше.Язык программирования Objective-C, среда разработки

Xcode 12.5.1.На рис.1 показаны результаты работы программы по

выбору способа операционной пластики обширных и гигантских

грыж и прогнозу жизненных показателей пациентов. Вначале по

заданным исходным показателям пациента мобильная программа

осуществляет выбор операционного метода в соответствии с

запрограммированным алгоритмом. Затем для выбранного

программой способа пластики реализуется,на базе

дооперационных показателей состояния пациента,«начальный»

расчет его послеоперационного состояния по моделям (2)-(7). На

седьмые сутки после операции измеряется величина СКК,

которая вводится в программу смартфона и подставляется в

модели (6) и (7).Таким путем реализуется «основной»расчет

жизненных показателей больногоСУ и ОЭА спустя полгода после

операции.Сравнение данных рис.1 и табл.1 показывает высокую

сходимость полученных результатов и возможность

использования программы в лечебной практике.

Таким образом, разработан алгоритм выбора способа

операционной пластики и комплекс нелинейных ММ для оценки

жизненных показателей послеоперационного состояния

пациентов с срединными вправимыми грыжами живота разных

размеров. Для лечащего хирурга разработана мобильная

программа, реализующая рекомендательный выбор метода

операционной пластики и прогноз характеризующих показателей

послеоперационного состояния больного, которая

устанавливается и функционирует на смартфоне iPhone под

116

управлением iOS версии 14 и выше. Язык программирования

Objective-C, среда разработки Xcode 12.5.1

a) б) в)

г) д) е)

Рисунок 1. Интерфейс программы для мобильного телефона

хирурга по выбору метода операционной пластики и прогнозирования

состояния больного (а,б–«эндопротезирование»; в,г –«двухэтапный

способ»; д,е – «задняя сепарация»)


1. MuysomsE.F., AntoniouS.A., BuryK., CampanelliG.,

ConzeJ., CuccurulloD., deBeauxA.C., DeerenbergE.B., EastB.,

117

FortelnyR.H., GillionJ-F., HenriksenN.A., IsraelssonL., JairamA.,

JänesA., JeekelJ., López-CanoM., MiserezM., Morales-CondeS.,

SandersD.L., SimonsM.P., ŚmietańskiM.,VenclauskasL., BerrevoetF.

EuropeanHerniaSocietyguidelinesontheclosureofabdominalwallincisio

ns. Hernia2015;(19):1-24, https://doi.org/10.1007/s10029-014-1342-5

2. Brandl A., Laimer E., Perathoner A., Zitt M., Pratschke J.,

Kafka-Ritsch R. Incisional hernia rate after open abdomen treatment

with negative pressure and delayed primary fascia closure. Hernia

2014;18(1):105-111, https://doi.org/10.1007/s10029-013-1064-0

3. Hanna E.M., Byrd J.F., Moskowitz M., Mann J.W.,

Stockamp K.T., Patel G.N. Outcomes of a prospective multi-center

trial of a second-generation composite mesh for open ventral hernia

repair. Hernia 2014;18(1):81-90, https://doi.org/10.1007/s10029-013-

1078-7

4. Bittner R., Bingener-Casey J., Dietz U., Fabian M., Ferzli G.,

Fortelny R., Köckerling F., Kukleta J., LeBlanc K., Lomanto D.,

Misra M., Morales-Conde S., Ramshaw B., Reinpold W., Rim S.,

Rohr M., Schrittwieser R., Simon Th., Smietanski M., Stechemesser

B., Timoney M., Chowbey P. Guidelines for laparoscopic treatment of

ventral and incisional abdominal wall hernias. (International

Endohernia Society [IEHS]). Part III. SurgEndosc. 2014;28(2):380-

404, https://doi.org/10.1007/s00464-013-3172-4

5. Verhelst J., Timmermans L., van de Velde M., Jairam An.,

Vakalopoulos K.A., Jeekel J., Lange J.F. Watchful waiting in

incisional hernia: Is it safe? Surgery2015;(157):297-303,

https://doi.org/10.1016/j.surg.2014.09.017

6. Klinge U., Klosterhalfen B. The ideal mesh?Pathobiology.

2013;80(4):169-175.

7. Satterwhite T.S., Miri S., Chung C., Spain D. A, Lorenz H.P.,

Lee G.K. Abdominal wall reconstruction with dual layer cross-linked

porcine dermal xenograft: the “pork sandwich” herniorrhaphy. J.

Plast. Reconstr.Aesthet. Surg.2012;(65):333-341,

https://doi.org/10.1016/j.bjps.2011.09.044

8. Pham T.D., Le D.T.P., Xu J., Nguyen D.T., Martindale R.G.,

Deveney C.W. Personalized identification of abdominal wall hernia

meshes on computed tomography. Computer methods and programs

https://doi.org/10.1007/s10029-014-1342-5

https://doi.org/10.1007/s10029-013-1064-0

https://doi.org/10.1007/s10029-013-1078-7

https://doi.org/10.1007/s10029-013-1078-7

https://doi.org/10.1007/s00464-013-3172-4

https://doi.org/10.1016/j.surg.2014.09.017

https://doi.org/10.1016/j.bjps.2011.09.044

118

in biomedicine2014;(113):153-161,

https://doi.org/10.1016/j.cmpb.2013.09.019

9. Cherednikov E.F., Polubkova G.V., Skorobogatov S.A.,

Mehantjeva L.E., Ovsyannikov E.S. Surgical Treatment Options for

Patients with Large and Giant Postoperative Reducible Medial

Abdominal Hernias. International Journal of Biomedicine

2019;9(3):xxx-xxx, https://doi.org/10.21103/Article9(3)_OAxx

10. Melik-Huseynov D.V., Karyakin N.N., Blagonravova A.S.,

Klimko V.I., Bavrina A.P., Drugova O.V., Saperkin N.V.,

Kovalishena O.V. Regression models predicting the number of deaths

from the new coronavirus infection. Sovremennyetehnologii v

medicine 2020;12(2):6-13, https://doi.org/10.17691/stm2020.12.2.01

11. Karyakin N.N., Saperkin N.V., Bavrina A.P., Drugova

O.V., Klimko V.I., Blagonravova A.S., Kovalishena O.V.

Modernization of regression models to predict the number of deaths

from the new coronavirus infection. Sovremennyetehnologiivmedicine

2020;12(4):6-12, https://doi.org/10.17691/stm2020.12.4.01

12. Заворотний О.О., Зиновьев Е.В., Костяков Д.В.

Возможности прогнозирования летального исхода тяжело

обожженных на основе методов регрессионного анализа.

Вестникхирургииим. И.И. Грекова 2020;179(5):21-29.

Zavorotniy O.O., Zinoviev E.V., Kostyakov D.V. Possibilities

of predicting the lethal outcome of severely burned patients based on

the methods of regression analysis. Vestnikhirurgiiim. I.I. Grekova

2020;179(5):21-29. (In Russian), https://doi.org/10.24884/0042-4625-

2020-179-5-21-29

13. Лебедев Н.В., Попов В.С., Климов А.Е., Сванидзе Г.Т.

Сравнительная оценка систем прогноза вторичного перитонита.

Хирургия. Журналим. Н.И. Пирогова 2021;2:27-31.

Lebedev N.V., Popov V.S., Klimov A.E., Svanidze G.T.

Comparative assessment of prognostic systems for secondary

peritonitis outcome. Pirogov Russian Journal of Surgery-

Khirurgiya.Zurnalim. N.I. Pirogova 2021;2:27-31. (in Russian),

https://doi.org/10.17116/hirurgia202102127

14. Kuritsyn V.A., Arapov D.V., Gorilchenko R.L.

Optimization of circulation water cooling process in forced draft

https://doi.org/10.1016/j.cmpb.2013.09.019

https://doi.org/10.21103/Article9(3)_OAxx

https://doi.org/10.17691/stm2020.12.2.01

https://doi.org/10.17691/stm2020.12.4.01

https://doi.org/10.24884/0042-4625-2020-179-5-21-29

https://doi.org/10.24884/0042-4625-2020-179-5-21-29

https://doi.org/10.17116/hirurgia202102127

119

towers. Chemistry and Technology of Fuels and Oils 2012;48(2):97-

108, https://doi.org/10.1007/s10553-012-0344-1

15. Arapov D.V., Karmanova O.V., Tikhomirov S.G.,

Denisenko V.V. Software-algorithmic complex for the synthesis of

catalyst of ethylene acetoxylation process. International

Multidisciplinary Scientific GeoConference Surveying Geology and

Mining Ecology Management.SGEM 2017; 17(21):587-594,

https://doi.org/10.5593/sgem2017/21/S07.075

16. Arapov D.V., Tikhomirov S.G., Chertov E.D., Khaustov

I.A., Kudryashov V.S., Saiko D.S. Determination of Parameters

Assigned to an Anti-Surge Controller in a Turbocompressor

Automation Systems. Chemical and Petroleum Engineering

2018;53(9-10):653-657, https://doi.org/10.1007/s10556-018-0397-z

17. Jensen K.K., Henriksen N.A., Harling H. Standardized

measurement of quality of life after incisional hernia repair: a

systematic review. Am. J. Surg. 2014;208(3):485-493.

18. Любых Е.Н., Комкова Е.А., Слепокурова Т.А. Способ

выбора вида оперативного лечения пациентов с грыжевыми

дефектами передней брюшной стенки. ПатентРФ 2491887.

МПКA61B5/488. 2013.

Lyubykh E.N., Komkova E.A., Slepokurova T.A. A method of

choosing the type of surgical treatment for patients with hernial

defects of the anterior abdominal wall.Patent RU 2491887.Int. Cl.

A61B5/488. 2013, https://i.moscow/patents/RU2491887C1_20130910

19. Arapov D.V, KuritsynV.A., Petrov S.M., Podgornova N.M.

Simulation of the rate of dissolution of sucrose crystals. Journal of

Food Engineering. 2021; 110887,

https://doi.org/10.1016/j.jfoodeng.2021.110887

УДК721.011:004.422:624.04

https://doi.org/10.1007/s10553-012-0344-1

https://doi.org/10.5593/sgem2017/21/S07.075

https://doi.org/10.1007/s10556-018-0397-z

https://i.moscow/patents/RU2491887C1_20130910

https://doi.org/10.1016/j.jfoodeng.2021.110887

120

ОБМЕН BIM-ДАННЫМИ И ВЗАИМОДЕЙСТВИЕ ПРИ

КОМПЛЕКСНОЙ РЕАЛИЗАЦИИ СТРОИТЕЛЬНЫХ

ОБЪЕКТОВ В СОВМЕСТНОЙ СРЕДЕ

Ерофеева Н.В., Симченко О.Л.

ФГБОУ ВО «Ижевский государственный технический

университет имени М. Т. Калашникова»,

г. Ижевск, Россия

В настоящее время информационное моделирование

зданий (BIM) играет решающую роль в совместной работе над

проектами. BIM информация должна свободно обмениваться

между участниками проекта в целях качественного

сотрудничества.

С развитием информационно-коммуникативных

технологий (ИКТ) появилось множество новых методов обмена

BIM-данными, и лишь в небольшом количестве литературы

рассмотрены актуальные на сегодняшний день методы обмена.

В данной статье рассмотрены существующее положение

методов обмена BIM-данными, включая методы на основе

форматов файла, локальный обмен данными и облачной среды.

Определены преимущества и недостатки каждого метода.

Показаны возможности работы с большими файлами и Industry

Foundation Class (IFC), какие усилия необходимо приложить,

чтобы обеспечить возможность более стабильной работы и

интеграции BIM.Проведен глубокий анализ текущего метода

обмена BIM с целью выявления существующих проблем.

Ключевые слова:BIM, обмен BIM-данными, совместная

работа, IFC, облачная среда.

Введение.

Переход к практике информационного моделирования

зданий (BIM) в области архитектуры, проектирования и

строительства (AEC) дает значительные преимущества по

сравнению с традиционными методами, в основном благодаря

возможности для проектных групп совместно разрабатывать,

121

координировать и оптимизировать цифровую модель (здания,

инфраструктуру и т.д.) до его реализации.

Параметрическая модель является базой данных,

содержащейинформацию о продукте, доступной для повторного

использования в течение всего его жизненного цикла. Эти

преимущества достигаются за счет более эффективного создания,

обмена, управления и поиска информации. Теоретически BIM

позволяет проектным командам «смягчить» информационный

хаос в жизненном цикле проекта. При этом стремление устранить

информационный хаос в проектной команде сегодня является

одной из важных задач BIM, решение которой позволит

обеспечить необходимый уровень эффективности и

производительности.

С другой стороны, переход к BIM представляет

собойотступление от традиционной практики.

В то времякак теоретические разработки в области

внедрения BIM укореняются, все еще существует необходимость

определить и оценить, как это изменение может повлиять на

практику, а точнее, как он влияет на генерирование, создание,

обмен и управление проектной информацией на протяжении

всего жизненного цикла проекта.

Однако обмен данными с помощью BIM также

сталкивается с рядом проблем социального и технического

аспектов.

Что касается социальных проблем, это отсутствие

мотивации, юридические проблемы и производственная

неготовность при интеграции BIM в совместную работу.А также

некоторые технические проблемы, такие как геометрическое

искажение, потеря информации об объектах, ввод / вывод данных

для конкретного программного комплекса, трудоемкие процессы

одностороннего преобразования и т.д. С быстрым развитием

технологий BIM многие вышеупомянутые проблемы уже

решены, и появилось много новых.

Цель данной работы–осуществить анализ развития

информационного моделирования зданий (BIM), рассмотреть

обмен BIM-данными и взаимодействие при комплексной

реализации строительных объектов в совместной среде.

122

Совместная работа.

BIM – это не только инструмент для представления

объектов, но также метод управления проектами и процессами,

охватывающий практически всю информацию, относящуюся к

проекту. Существенное преимущество BIM заключается в

совместной работе над проектами. BIM может улучшить

сотрудничество между заинтересованными сторонами, включая

заказчика, архитекторов, инженеров, застройщиков, подрядчиков,

за счет эффективной передачи точной информации.

Понятие «совместная работа» относится к процессу, в ходе

которого участники коллективно оценивают свои ошибки и ищут

совместные решения, выходящие за рамки видения и

возможностей. С точки зрения управления проектом, совместная

работасвоего рода является соглашением, по которому некоторые

эксперты делятся и обмениваются своими знаниями,

информацией и опытом для выполнения конкретной задачи и

достижения цели проекта [1]. Поэтому появление технологии

BIM обеспечивает цифровую информационную платформу для

обмена данными между существующими системами предприятия

и BIM-моделью.

Обмен информацией является важной основой для

совместной работы участников. BIM, как объединение цифровых

данных, может передавать нужную информацию участникамс

помощью современных информационных и коммуникационных

технологий (ИКТ).

Обмен BIM-данными на основе файлов.

Обмен данными на основе файлов заключается в передаче

определенного файла непосредственно получателю «вручную».

На начальных этапах развития BIMпроизводители различных

программных комплексов имели свои собственные форматы

файлов, что ограничивало работу в других программных

комплексах и модель нельзя было интегрировать, возникали

большие проблемы при совместной работе. Поэтому был принят

открытый и нейтральный формат данных IFC, отлично принятый

существующими стандартами сотрудничества, различными

поставщиками программного обеспечения

123

и зарегистрированными в качестве официального

международного стандарта ISO 16739: 2013

На сегодняшний день BIM можно разделить на два типа:

ClosedBIM – использование в проектировании программы одного

производителя, OpenBIM – работа с открытым форматом данных,

который должен автоматически читаться другими программами.

[2].

Ярким представителем ClosedBIM сегодня является Revit.

Он безвозвратно изменил представление пользователей CAD-

программ об интерфейсе, простоте использования и быстроте

проектирования [3].

Обмен данными на основе IFC является простым и

понятным способ передачи BIM-информации, но не является

форматом обмена данными для дальнейшего редактирования, то

есть модель в формате IFC не подходит для продолжения работы

с ней после импорта в любую BIM программу, однако

статической модели IFC оказывается достаточно для выполнения

анализа с помощью аналитического программного

обеспечения.[4].

Из этого следует, что обмен данными на основе файлов

передает информацию в одностороннем порядке, вследствие чего

происходит многократный обмен информации на каждом этапе

проектирования, что приводит к загруженности сетевых ресурсов

избытком данных и временным затратам.

Облачный обмен данными.

Облачная сеть для обмена данных – это модель для

обеспечения удобного сетевого доступа с возможностью

конфигурируемых вычислительных ресурсов (серверов,

хранилищ, сетей), в которой может осуществиться быстрый

обмен данными, с минимальными трудозатрами в управлении и

взаимодействии участников проекта.

Основные преимущества облачных сетей – это низкая

стоимость и независимость от аппаратного обеспечения и места

проведения.

Глобально выделяют три вида услуг, которые представляют

облачные сервисы (рисунок 1) [5].

124

По модели развертывания выделяют три типа: частное

облако, общественное и гибридное облако.

Рисунок 1. Виды услуг облачных сервисов

Появление облачного BIM реализует функцию обмена

данными в реальном времени. Уже существует ряд

производителей, разрабатывающих собственные облачные

сервисы, такие как BIM Explorer (BIMx) и BIMcloud от Graphisoft,

A360 и BIM360 от Autodesk, BIMServer, ONUMA System, Trimble

QuadriDCM и Trimble Connect, BIMIT, SIGNAL, BIMTrack.

Платформы содержат средства 3D-визуализации, единую базу

данных оборудования, материалов и множество других

элементов, которые облегчают работу инженерных специалистов,

повышают контроль над объектом и снижают затраты [6].

Возможности подобных облачных сервисов представлены на

рисунке 2.

Однако взаимодействие между различными облачными

BIM-программами, предоставляемыми разными

125

производителями, затруднено. Ожидается, что для решения этой

проблемы будут разработаны открытые стандарты для

совместной работы в облачном BIM, такие как схема IFC.

Организационные и юридические проблемы считаются

основными препятствиями для внедрения облачного BIM. Общие

платформы создают значительную уязвимость и

неопределенность в отношении конфиденциальности и

информационной безопасности из-за своей природы открытости.

Рисунок 2. Возможности облачного сервиса.

Метод локального обмена данных.

Существуют и другие подходы к локальному обмену

данными:

метод сериализации

метод на основе транзакции

метод на основе блокчейна

Метод сериализации.Некоторые исследователи пытались

сериализовать содержимое файлов IFC для хранения, передачи,

идентификации, отслеживания объектов. Сериализация данных

126

относится к кодированию объектов IFC в формат или структуру

данных, которыемогут быть сохранены или переданы другим

приложениям. Структура данных имеет решающее значение для

обмена данными с другими приложениями на уровне объектов.

Одним из методов сериализации является метод «сплющивания».

Обмен данными опирается на идентификатор (например,

ссылочный номер каждой строки в файлах IFC и глобально

уникальный идентификатор (GUID)) для отслеживания объектов.

Ссылочный номер строки служит локальной ссылкой объекта, но

действителен только в пределах одного файла. С помощью этих

ссылочных номеров файлы IFC организуются в иерархию

наследования на основе объектов. Различное программное

обеспечение содержит внутренние структуры данных и операции

редактирования, что приводит к несогласованности и

неадекватности как ссылочного номера, так и GUID в качестве

идентификатора в процессе обхода IFC. Были разработаны

некоторые методы, позволяющие избежать использования

ссылочного номера или GUID в качестве идентификатора. Метод

«сглаживания» заключается в замене ссылочных номеров

фактическими значениями с помощью рекурсивной стратегии и

декодировании вложенных отношений между различными

экземплярами для формирования полной и уникальной строки

описания для самого экземпляра IFC. В этом случае каждая

строка файлов IFC не содержит ссылок, а иерархическая

структура «сплющивается». Каждый объект может быть

идентифицирован непосредственно по этой уникальной строке,

на которую не влияет нестабильный номер ссылки или GUID.

Однако такой процесс требует больших затрат, вычислительных

ресурсов и времени[7].

Метод на основе транзакций.Сбор общих данных на

централизованном сервере позволяет предоставлять различные

гибкие услуги по управлению данными и обеспечивает обмен IFC

на основе транзакций с использованием надлежащих протоколов

обмена данными между распределенными сторонами.

Существует сервер моделей IFC, поддерживающий такие

функции, как работа с частичными моделями, предоставление

различных прав доступа нескольким пользователям и

127

просмотром любой версии объекта. Таким образом, реализуется

информационное взаимодействие в реальном времени между

BIM и VR (Virtual reality) посредством транзакционного обмена

данными. Эти приложения обмена данными на основе

транзакций выигрывают от использования GUID, который может

использоваться для индексации объекта для каждой транзакции.

Тем не менее, здесь же кроются и его недостатки. GUID

критикуют за его непоследовательность и нестабильность [8].

Метод на основе блокчейна. Технология блокчейн

проникла во все сферы жизни. Она может быть использована для

облегчения процесса сотрудничества BIM. И на сегодняшний

день зарождаются возможности интеграции BIM с технологией

блокчейн, что существенно расширяет функционал

информационного моделирования [9].

Блокчейн (от англ. blockchain или block chain — «цепочка

блоков») - глобальный децентрализованная база данных, которая

может обеспечить прозрачность проектной и разрешительной

документации. В случае интеграции BIM и блокчейна можно

отслеживать процесс возведения здания, контролировать

качество, понимать детализацию проектов и инвестировать в

строительство с использованием смарт-контрактов [10].

Все заинтересованные стороны могут вносить изменения

BIM в блокчейн, при этом все внесенные изменения проекта

хранятся в одном блокчейне, не подлежащем изменению. Этот

метод решает проблему избыточности информации при

интеграции BIM и блокчейна, оказывается легким и простым,

пригодным для выполнения тяжелых вычислений. При этом,

следует отметить, что механизмы разрешения конфликтов

должны быть улучшены в контексте практических строительных

проектов[11].

Вывод.

Обмен данными BIM играет решающую роль в

сотрудничестве BIM-проектов. С развитием информационно-

коммуникационных технологий некоторые прежние проблемы

уже решены, тем не менее появляются новые. В данном

исследовании всесторонне рассмотрены существующие методы

обмена данными BIM. Метод обмена данными на основе файлов

128

считается наиболее простым способом. Тем не менее, его

недостатки заключаются в односторонней передаче файлов и

невозможности свободного управления на уровне объектов.

Что касается облачного метода обмена данными, то он

отличается эффективностью, низкой стоимостью, доступом к

данным в режиме реального времени и по запросу пользователя.

Однако облачный BIM также сталкивается с проблемой

отсутствия открытых облачных BIM-стандартов и слишком

большим количеством организационных и юридических

вопросов, таких какконфиденциальность, информационная

безопасность, отсутствие достаточного количества технических

специалистов.

Из всего раннее сказанного следует, что основные

направления исследований должны быть сосредоточены на

разработке алгоритма для работы с большими файлами IFC с

меньшими затратами времени и ресурсов, основанные на поиске

уникального, стабильного, последовательного и простого в

использовании идентификатора для отслеживания объектов IFC

на протяжении всего жизненного цикла здания, а также изучении

потенциала развивающихся технологий для облегчения обмена

BIM-данными.


1. Грахов, В.П. Обоснование необходимости использования

BIM-технологий с целью повышения эффективности проектной

деятельности предприятия / В. П. Грахов, О. Л. Симченко, Н. С.

Русинова, А. Ю. Макарова, Е. Л. Чазов// Социально-

экономическое управление: теория и практика.– 2019.– № 2 (37).–

С. 103-106.

2. Гримитлин, А. М.Энергетическое моделирование –

инструмент повышения энергоэффективности зданий / А. М.

Гримитлин,Д. М. Денисихина // BIM-моделирование в задачах

строительства и архитектуры: материалы Всероссийской научно-

практическойконференции. СПб.: СПбГАСУ, 2018. С. –93–97.

3. Сунцов, А. С. Основные принципы BIM технологий и

проблемы их внедрения в России / А. С. Сунцов, Е. Ю. Григорьев

// Проблемы и перспективы реализации учетной, контрольной и

аналитической функций в социокультурном пространстве

129

современного бизнеса. І Республиканская с международным

участием научно-практическая конференция: тезисы доклада,

2015. – С. 309-313.

4. Zita, A. Enhancing BIM Methodology with VR Technology /

A. Zita // State of the Art Virtual Reality and Augmented Reality

Knowhow. 2018. P. 59–79. DOI: 10.5772/intechopen.74070.

5. Бахарева, О. В. Исследование практики управления

технологическими инновациями в регионе / О. В. Бахарева //

BIM-моделирование в задачах строительства и

архитектуры.Материалы Всероссийской науч.-практич. конф.

СПб: СПбГАСУ, 2018.– С. 88–93.

6. Якушев, Н. М. Особенности вариантного проектирования

/ Н. М. Якушев, Ю. Ф. Ложкин // Вестник ИжГТУ имени М.Т.

Калашникова. – 2014. – № 2 (62). – С. 52-53.

7. Файзуллин, Р. В.Модели оценки эффективности

облачных технологий и туманных вычислений / Р. В. Файзуллин,

Ш. Херинг, К. А. Василенко // Моделирование, оптимизация и

информационные технологии. – 2020. – Т. 8. – № 1( 28). – С. 30-

31.

8. Садриева, А. Р. Особенности создания BIM-модели на

разных этапах разработки архитектурного проекта / А. Р.

Садриева, Р. Х. Ахтямова, И. И. Ахтямов// BIM-моделированиев

задачах строительства и архитектуры. Материалы Всероссийской

науч.-практич.конф. СПб: СПбГАСУ, 2018. С. 148–151.

9. Ершова, И. В.Механизмы управления целостностью

бизнес-портфеля предприятия / И. В. Ершова, П. П. Крылатков //

Организатор производства. – 2010. – № 4 (47). – С. 45-54.

10. Баженов, А. А. Перспективы применения BIM-

технологий в современнойстроительной отрасли / А. А. Баженов

// BIM-моделирование в задачах строительства и архитектуры:

материалы II Междунар. науч.-практич. конф. СПб.: СПбГАСУ,

2019.С. 40–44. DOI: 10.23968/BIMAC.2019.006.

11. Иванова, И. Б. «Цифровой двойник» здания: отличия

BIM-технологий, источники эффективности применения в

жилищно-коммунальном хозяйстве / И. Б. Иванова, А. Ю.

Васильева // Социально-экономическое управление: теория и

практика.– 2021.–№ 2 (45).–С. 43-49.

130

УДК 66.011

КОСВЕННАЯ ТЕПЛОИНТЕГРАЦИЯ УСТАНОВОК НПЗ

Рыжова А.А., Зиятдинов Н.Н., Емельянов И.И.,

Джумагелдиев Б.Р.

ФГБОУ ВО «Казанский национальный исследовательский технологический университет»


Проблемы энергоресурсосбережения продолжают

оставаться в поле внимания специалистов в области системной

инженерии процессов химической технологии. Это связано с

возрастающими требованиями выполнения принципов зеленой

химии.

Наиболее высокоэнергоемкими промышленными

предприятиями являются нефтеперерабатывающие заводы (НПЗ).

Прежде всего это связано с процессами ректификации сырой

нефти на фракции углеводородов с высокими температурами

кипения, высокотемпературными процессами крекинга и

гидрокрекинга, современными требованиями по глубокой

переработке нефти, в ряде случаев – с использованием морально

устаревшего технологического оборудования и неоптимальной

его работой. Изменение состава нефти, поступающей на

переработку, также приводит к изменению потребления

энергоресурсов в связи с необходимостью удовлетворений

требований на качество и количество производимой продукции.

Существенное влияние на высокую энергоемкость НПЗ

оказывает неэффективно организованная система теплообмена.

К основным направлениям, способствующим решению

задач энергоресурсосбережения и повышения эффективности

нефтеперерабатывающих производств, относятся: использование

высокоэффективных тепломассообменных аппаратов [2];

вторичное использование вспомогательных топливно-

энергетических ресурсов; повышение количества

рекуперируемой энергии путем оптимального проектирования

систем теплообмена технологических потоков [3]; организация

131

гибкой системы теплообмена, оптимизация режимов работы

технологических установок.

Передовым подходом для промышленных предприятий

является организация межзаводской теплоинтеграции

технологических потоков нескольких установок. По различным

оценкам данный подход может дополнительно снизить

энергопотребление на уровне 20–25% [4], уменьшить выбросы

отходов производства, одновременно избегая потери

эффективности при когенерации. Поскольку современные НПЗ

представляют собой системы установок, связанных

технологическими потоками и работающих на разных

энергетических уровнях, то представляется перспективным

возможность применения концепции совместной

теплоинтеграции этих установок. Следует отметить, что задачи

повышения энергоэффективности взаимосвязанных установок

НПЗ рассматриваются в работах российских авторов [5, 6], так же

зарубежный опыт демонстрирует эффективность подхода

межзаводской теплоинтеграции на примерах реальных

производственных комплексов [7, 8]. Таким образом, вопросы

касающиеся совместной теплоинтеграции установок, входящих в

состав НПЗ, являются актуальными.

В работах [9, 10] нами был проведен термодинамический

анализ установки первичной переработки нефти ЭЛОУ АВТ.

Результаты исследования показали, что данная установка имеет

излишки тепловой энергии в виде пара низкого давления (около

24 МВт), которые можно использовать для подогрева других

потоков нефтеперерабатывающего комплекса.

Для решения задачи межзаводской теплоинтеграции в

качестве второй установки с концептуальной точки зрения была

выбрана установка изомеризации, поскольку установка ЭЛОУ

АВТ и изомеризации функционируют на различных

энергетических уровнях.

132

Рафинат

C0101

D0102C0102

C0105

Легкая нафта

Пентан-

гексановая фр.

риформат

C7+

Рафинат

Товарный

изомеризат

На факел

R0101 R0102

E108

E106

Пар

E110

E111

E115

E104

E102

D121

D0104 D0105

Е105

Е113

D0103

Е101

D107

Нестабильная

головка

D108

Е114

C0106

D109

Е114

Циркул.ВСГ

Циркул.ВСГ

D0101

H1

C1

H2

H3

C2

C5

C3

H6

H7

H8

H9

C6

H10

H11

C7

H12

C9

H14

C10

C11

C8

H13

C0104

H5

E106

E108

C4

Рис. 1– Технологическая схема процесса изомеризации

Основными блоками установки изомеризации (рис. 1)

являются: блок фракционирования рафината, блок

деизопентанизации, реакторный блок изомеризации, блок

колонны стабилизации изомеризата, блок депентанизации

изомеризата, блок деизогексанизации. Процесс осуществляется в

среде водородсодержащего газа на сильнокислотном платиновом

катализаторе СИ-2. Данный катализатор позволяет вести процесс

при температурах от 120 °С до 180 °С, что, в соответствии с

принятой в современном мире классификацией, относит его к

низкотемпературным.

Для решения поставленной задачи в среде универсальной

моделирующей программы Aspen HYSYS была построена

математическая модель установки изомеризации.

Математические модели установленных на холодных и

горячих потоках нагревателей и холодильников, соответственно,

позволили вычислить необходимые тепловые нагрузки, которые

обеспечивают изменение выходных температур до заданных

регламентных значений.

В программной среде AspenEnergyAnalyzer был проведен

термодинамический анализ установки изомеризации с целью

выявления энергетических резервов и оценки эффективности

существующей системы теплообмена. В качестве исходных

133

данных использовалась информация о параметрах

технологических потоков (табл. 1), полученная в результате

расчета материально-теплового баланса компьютерной модели

установки изомеризации.

Таблица 1 – Горячие и холодные потоки установки

изомеризации

Горячие

потоки

iniTK

outiT

K iH

МВт

α, кВт/м2K

Холодные поток

и

injT

K

outjT

K

jH

МВт

α, кВт/м2K

H1 425 368 2,7 1.1 C1 327 349 0,3 1.3 H2 335 311 0,7 1.1 C2 313 345 1,0 1.2 H3 372 311 0,3 1.2 C3 312 337 0,2 1.2 H4 368 332 0,5 1.2 C4 314 391 0,3 1.2 H5 416 313 11,1 0.9 C5 314 396 3,3 1.3 H6 414 408 0,3 0.4 C6 331 405 9,3 1.5 H7 405 318 0,2 1.2 C7 423 425 2,9 2.7 H8 372 362 0,3 1.1 C8 371 372 8,6 4.3 H9 366 331 1,0 1.1 C9 402 405 2,0 2.8 H10 373 372 1,8 2.8 C10 394 395 12 3.2 H11 342 341 12,6 4.3 C11 362 365 18 2.5 H12 330. 329 20,0 3.7 H13 367 310 1,4 1.1 H14 327 326 9,1 3.8

Определим экономическую оценку существующей системы

теплообмена установки изомеризации по критерию суммарных

приведенных капитальных и эксплуатационных затрат. Она

складывается из капитальных затрат на рекуперативные

теплообменники, нагреватели, холодильники и

эксплуатационных затрат на подвод внешних холодных и

горячих теплоносителей в холодильники и нагреватели,

соответственно (табл. 2).

Для оценки термодинамического потенциала установки

изомеризации был проведен пинч-анализ технологических

потоков. На рис. 2 представлена температурно-энтальпийная

диаграмма установки изомеризации. Проведенный пинч-анализ

показал, что при выбранном значении минимальной движущей

силы, равном 10˚С, предельно возможное количество

рекуперируемой энергии системы составляет 16,3 МВт, при этом

минимальное количество теплоты, подводимой горячими и

134

отводимой холодными теплоносителями, составляет 41,5 и 45,9

МВт, соответственно.

Таблица 2 – Анализ действующей системы теплообмена

установки изомеризации Наименование показателей Значения показателей

Площадь рекуператоров, м2 2367

Площадь холодильников, м2 806

Площадь нагревателей, м2 2587

Количество рекуперируемой энергии, МВт 12

Количество отводимой энергии, МВт 48.7

Количество подводимой энергии, МВт 53.4

Число рекуператоров, шт 7

Число холодильников, шт 10

Число нагревателей, шт 6

Капитальные затраты, тыс. у.е./г 1021

Эксплуатационные затраты, тыс. у.е. /г 6280

Суммарные затраты, тыс. у.е. /г 7301

Рис. 2 - Композитные кривые холодных и горячих потоков

установки изомеризации

Для определения типов и количеств подводимого и

отводимого тепла внешними горячими и холодными

135

теплоносителями использовали большую композитную кривую

(рис.3). Анализ кривой показал целесообразность использования

следующих типов энергоносителей: вода оборотная (ОВ),

греющий пар низкого (НД) и среднего давления (СД).

Рис. 3 - Большая составная кривая установки изомеризации

Как показано на рис. 4 добавление потока пара НД,

полученного с установки ЭЛОУ АВТ позволит увеличить

предельно возможное количество рекуперируемой энергии на

установке изомеризации до 40,3 МВт, при этом минимальное

количество теплоты, подводимой горячими и отводимой

холодными теплоносителями, уменьшится до 17,5 и 45,9 МВт,

соответственно.

Рис. 4 - Композитные кривые холодных и горячих потоков

установки изомеризации с учетом потока пара НД, полученным с установки ЭЛОУ АВТ

136

На рис. 5 представлена большая составная кривая

установки изомеризации, с учетом потока НД, полученного с

установки ЭЛОУ АВТ.

Рис. 5 - Большая составная кривая установки изомеризации, с учетом потока, полученного с установки ЭЛОУ АВТ

Следовательно, можно сделать вывод, что существующая

система теплообмена малоэффективна, и требуется синтез

оптимальной СТО. Синтез проводился в программной среде

AspenEnergyAnalyze, в основе которого лежит

декомпозиционный подход [8, 11].

В табл. 3 приведена технико-экономическая оценка,

полученных результатов синтеза оптимальной системы

теплообмена установки изомеризации без учета и с учетом

энергии, полученной с установки ЭЛОУ АВТ в виде пара НД. Таблица 3 – Результаты синтеза оптимальной системы

теплообмена установки изомеризации

Наименование показателей

Значения показателей СТО

без учета энергии с установки ЭЛОУ

АВТ

с учетом энергии с установки ЭЛОУ АВТ

Площадь рекуператоров, м2 2270 2808

Площадь холодильников, м2 782 781

Площадь нагревателей, м2 675 234

137

Количество рекуперируемой энергии, МВт 16,9 40,3

Количество отводимой энергии, МВт 45 45,9

Количество подводимой энергии, МВт

41 17.5

Число рекуператоров, шт 19 29

Число холодильников, шт 11 11

Число нагревателей, шт 11 7

Капитальные затраты, тыс. у.е./г 302,6 324,5

Эксплуатационные затраты, тыс. у.е. /г

2937,5 1445,5

Суммарные затраты, тыс. у.е. /г 3240,1 1770,0

В первом случае в качестве внешних энергоносителей

использовались вода оборотная (45 МВт), греющий пар низкого

давления (22 МВт) и среднего давления (19 МВт), во втором

случае – вода оборотная (45 МВт), греющий пар низкого

давления (0,17 МВт) и среднего давления (16 МВт). Как видно из

полученных результатов (табл. 3), в результате использования

излишков тепловой энергии в виде пара НД, регенерируемой на

установке ЭЛОУ АВТ, имеется возможность снизить суммарные

приведенные затраты до 45 %.

Работа выполнена при поддержке Министерства науки и

высшего образования Российской Федерации (грант № 075-

00315-20-01).


1. Boldyryev S. Achievements and perspectives of process

integration in cis countries // Resource-Efficient Technologies. 2020.

2. P. 1–14.

2. Цирлин А.М., Ахременков А.А., Григоревский И.Н.

Минимальная необратимость, оптимальное распределение

поверхности и тепловой нагрузки теплообменных систем // Теор.

основы хим. технологии.2008. Т. 42, № 1. С. 1–8.

138

3. Зиятдинов Н.Н., Емельянов И.И., Лаптева Т.В. [и др.]

Метод автоматизированного синтеза оптимальных систем

теплообмена на основе принципа закрепления переменных //

Теорет. основы хим. технологии. 2020. Т. 54. № 2. С. 144.

[Ziyatdinov N.N., Emel’yanov I.I., Lapteva T.V., Ryzhova A.A., and

Ignat’ev A.N. Method of Automated Synthesis of Optimal Heat

Exchange Network (HEN) Based on the Principle of Fixation of

Variables. Theor. Found. Chem. Eng. 2020. V. 54. № 2. P. 258.

4. Hackl R., Andersson E., Harvey S. Targeting for energy

efficiency and improved energy collaboration between different

companies using total site analysis (TSA) // Energ. 2011. 36 (8). P.

4609–4615.

5. Ульев Л.М., Васильев М.А. Теплоэнергетическая

интеграция процессов переработки продуктов коксования // Теор.

основы хим. технологии. 2015. Т. 49. № 5. С. 582. DOI

10.7868/S0040357115050127.

6. Мешалкин В.П., Ульев Л.М., Канищев М.В. [и др.]

Межцеховая теплоэнергетическая интеграция на

газоперерабатывающих предприятиях // Энергосбережение и

водоподготовка. 2019. № 3(119). С. 19-24.

7. Chang C., Wang Y., Feng X., Indirect heat integration a

cross plants using hot water circles // Chin.J.Chem.Eng. 2015. 23. P.

992–997. doi: 10.1016/j.cjche.2015.01.010

8. Song R., Wang Y., Panu M., El-Halwagi M.M., Feng

X. Improved Targeting Procedure To Determine the Indirect

Interplant Heat Integration with Parallel Connection Pattern among

Three Plants // Industrial & Engineering Chemistry Research. 2018.

57(5). P. 1569–1580. doi:10.1021/acs.iecr.7b04327

9. Рыжова, А. А. Синтез оптимальной системы

теплообмена процессов разделения многокомпонентных смесей /

А. А. Рыжова, И. И. Емельянов, Н. Н. Зиятдинов // Вестник

Воронежского государственного университета. Серия:

Системный анализ и информационные технологии. – 2021. – № 2.

– С. 41-55. – DOI 10.17308/sait.2021.2/3504.

10. Optimal Heat Integration of Large-Scale Cyber-Physical Oil

Refining Systems / A. Ryzhova, I. Emelyanov, N. Ziyatdinov, Z.

139

Khalirakhmanov // Studies in Systems, Decision and Control. – 2021.

– Vol. 342. – P. 335-345. – DOI 10.1007/978-3-030-66081-9_27.

11. Shethna, H.K., Jezowski, J., & Castillo, F.J.L., A New

Methodology for Simultaneous Optimization of Capital and Operating

Cost Targets in Heat Exchanger Network Design, Applied Thermal

Engineering, 20, 1577-1587, 2000.

УДК 621.01

УСТОЙЧИВОСТЬ ЦИЛИНДРИЧЕСКИХ ОБЕЧАЕК С

ОБЩЕЙ НЕКРУГЛОСТЬЮ ПОПЕРЕЧНОГО СЕЧЕНИЯ

Сабитов М. Х.



г.Казань, Россия

Физико-химические процессы в химической и

нефтегазоперерабатывающей промышленности осуществляются

в определенных объемах, ограниченных корпусами сосудов и

аппаратов. Основным составным элементом корпусов аппаратов

являются обечайки различной формы. Наиболее характерной

является цилиндрическая форма обечаек.

Часто процессы в аппаратах протекают при разряжении,

когда стенки корпуса испытывают действие равномерного

наружного давления. Ввиду действия наружного давления на

торцевые крышки либо днища на корпус аппарат действуеттакже

осевое сжимающее усилие. Дополнительное осевое сжимающее

усилие вызывается весом металлоконструкции и продукта при

вертикальном расположении аппарата. В этом случае для

инженеров важной становится задача обеспечения устойчивости

формы корпуса.

Технология изготовления тонкостенных цилиндрических

обечаек предполагает использование холодной либо горячей

вальцовки плоских стальных листов с последующим

140

соединением краев вальцованного листа стыковой сваркой.

Несколько обечаек могут соединяться между собой кольцевыми

стыковыми швами, формируя цилиндрический корпус аппарата.

При такой технологии изготовления неизбежны определенные

отклонения формы цилиндрических обечаек, допустимые

пределы отклонений устанавливаются отраслевыми документами

и приведены в стандарте [1].

К нормируемым отклонениям относится относительная

овальность корпуса а, %, вычисляемая по формуле

100

DD

DD2а

minmax

minmax

, (1)

где maxD , minD – соответственно наибольший и наименьший

диаметры корпуса, измеряемые в одном поперечном сечении.

Величина овальности для сосудов и аппаратов, работающих под

вакуумом, не должна превышать 0,5%. Нормируемым

отклонением также является смещение, увод (угловатость)

стыковых сварных швов. Отклонения формы являются одним из

основных факторов, снижающих устойчивость обечайки.

Задачам оценки устойчивости тонкостенных оболочковых

конструкций посвящен большой объем как зарубежных, так и

отечественных публикаций. Большинство авторов сходятся во

мнении, что использования классической теории упругости для

решения таких задач недостаточно,поэтому при обосновании

методов расчета для инженерной практики упор всегда делается

на экспериментальные исследования. Развитие вычислительных

технологий, в частности программных продуктов на основе

метода конечных элементов, дают возможность в настоящем

обойти некоторые ограничения классических теорий и взглянуть

на проблему устойчивости обечаек с других сторон.

Для получения расчетной модели в приведенной работе

уйдем от рассмотрения изначально идеального круглого сечения

цилиндрической обечайки и прибегнем к моделированию

различных геометрических форм поперечного сеченияна

начальной стадии потери устойчивости. В этом случае обечайка

перестает быть оболочкой в изначальном смысле, заложенном в

этот термин. Ограничимся рассмотрением только

141

пропорционального нагружения равномерным наружным

давлением. Задавая граничные условия шарнирного закрепления

на торцах обечайки без ограничения осевого смещения, и

прикладывая пошагово внешнюю нагрузку, искомое решение

получаем методом конечных элементов в нелинейной

постановке.

Для моделирования поперечного сечения цилиндрической

обечайки с начальным искажением формы примем, что

изменение радиального смещения в зависимости от

кольцевого угла определяется зависимостью

ncos0 , (2)

где 0 – максимальное радиальное смещение в рассматриваемом

сечении. Такая зависимость использовалась в известной работе

[2]. Изменение радиуса точек срединной поверхности обечайки

вдоль оси задается выражением

L

z2oscRR 0 , (3)

где D5,0R0 – радиус срединной поверхности идеальной

цилиндрической обечайки без отклонений в геометрии; –

радиальное отклонение в текущей точке; z – текущая осевая

координата; 0zmin ; Lzmax ; L – длина обечайки.

При n = 2 получаем овальную форму поперечного сечения

обечайки, характеризуемую параметром овальности а (рис. 1, а).

При n > 2 получаем соответственно поперечное сечение с тремя,

четырьмя, пятью и т. д. волнами, что соответствует формам

потери устойчивости коротких цилиндрических оболочек,

нагружаемых равномерным наружным давлением.

142

а б в Рис. 1. Поперечное сечение цилидрической обечайки с

искажением формы: а – n = 2; б – n = 3; в – n = 4

С целью оценки возможности применения модели для

анализа устойчивости цилиндрических обечаек с продольным

дефектом вальцовки либо уводом кромок в области продольного

сварного шва, дополнительно рассматривалась модель с одной

исходной волной в поперечном сечении (n=1). В этом случае

величина угла определяется протяженностью дефектной зоны

вдоль окружности, оставшаяся часть поперечного сечения

сохраняет начальную круговую форму.

Величину критического наружного давления находим из

упруго-пластического решения с заданием диаграммы

деформирования стали. Диаграмма деформирования задается

моделью упругого идеально-пластичного материала. Такая

модель позволяет в первом приближении исключить фактор

упрочнения материала в пластической области, что упрощает

анализ.

Пошаговое увеличение нагрузки в ходе решения приводит

к соответствующим смещениям точек тела и к увеличению

внешней работы. Смещения точек срединной поверхности

обечайки вызывают увеличение деформаций и напряжений в теле

и, соответственно, внутренней энергии деформации. В

определенный момент условие равенства работы внешних сил и

внутренней энергии тела нарушается. Значение внешней

нагрузки, при которой наступает этот момент, принимается за

значение критической нагрузки.

143

Результаты расчета методом конечных элементов

сравнивались с решением по известной формуле Мизеса [3]

(формула достаточно распространена, ввиду громоздкости здесь

не приводим). Результаты решения для двух значений s/D =

0,005и 0,01 (кривые 1, 2) представлены на рис. 2, а. Пунктирные

кривые со штрихом в обозначении – решение по формуле

Мизеса.

Рис. 2. Результаты решения: а – модель с полным количеством

исходных волн; б – модель с одной исходной волной

0

0,2

0,4

0,6

0,8

1

1,2

0 5 10 15 20

Θ

L/D

1

1

'

а

0

0,2

0,4

0,6

0,8

1

1,2

0 5 10 15 20

Θ

L/D

1

1

'

б

144

Параметр0

cr

p

p , где crp – критическое наружное

давление; sD

s2p T

0

– предельная нагрузка цилиндра из условия

прочности; T – предел текучести стали; D – внутренний

диаметр обечайки; s – толщина стенки.

Сравнение показывает, что характер кривых, получаемых

методом конечных элементов, близок к решению Мизеса,однако

в области малых значений L/D решение Мизесаможет превысить

предельное давление из условия прочности.

Критическая нагрузка, вычисленная методом конечных

элементов,во всем диапазоне длин обечаек получается несколько

ниже, чем по формуле Мизеса. Это связано с тем, что при выводе

формулы Мизеса рассматривалась идеальная оболочка без

начальных искажений формы. Ступенька на расчетной кривой в

области отношения L/D ≈ 5 характеризует границу между

«короткими» и «длинными» оболочками, когда при меньших

значениях L/D образуется более двух волн (n > 2).

Аналогичный характер имеет и решение для модели с

одной исходной волной в поперечном сечении (рис. 2, б), в

приведенном решении длина исходной волны принималась

равной 1/6 длины окружности. Критическая нагрузка в этом

случае имеет несколько большее значение, однако число волн,

образующихся при потере устойчивости, совпадает с решением

для модели с общим искажением формы, принимая значения n от

2 до 5.

Адекватность разработанной модели расчета оценивалась

также путем сравнения с результатами экспериментов,

опубликованных в работах [4, 5].В первой работе образцы были

изготовлены из бесшовной трубы путем токарной обработки. Во

второй работе образцы небольшого диаметра также вытачивались

из цельной стальной заготовки. В обоих случаях использовалась

мягкая сталь с выраженной площадкой текучести, что

согласуется с принятой моделью материала. Сравнение

проводилось для образцов,доведенных до разрушения под

действием наружного давления.

145

Размеры образцов и результаты расчета приведены в табл.

1, где экспcr

мкэcr

p

pp . В скобках рядом с величиной давления указано

количество волн в момент потери устойчивости.

При сопоставлении с результатами работы [4] полученная

расчетом величина рcrдля всех образцов меньше

экспериментальных значений. Наибольшее отклонение

наблюдается для образца 1.3, который по результатам работы [4]

потерял устойчивость в упругой области. Для остальных же

экспериментальных образцов был характерен пластический

характер потери устойчивости.

Рассмотрим характер измененияпредельной нагрузки в

зависимости от параметра овальности образцов 1.3 и 1.4 (рис.

3).В диапазоне увеличения параметра овальности от 0 до 0,5 %

происходит снижение критической нагрузки более чем на 30 %.

Параметр овальности а = 0,5% соответствует размаху изменения

диаметра экспериментальных моделейdD = 0,34 мм. Вполне

очевидно, что при измерении отклонений такого порядка влияние

погрешностей измерительных приборов вносит дополнительную

неопределенность. Дополнительная погрешность расчетного

определения рcrтакже связана с нахождением параметров

диаграммы деформирования, в первую очередь предела

текучести σт. В работе [4] заявленная погрешность определения

σт составляла 5 %, в работе [5] 3,6 %.

Результаты сопоставления с экспериментом

Таблица 1

№ D, мм

s, мм L, мм σт, МПа

а, % pcr, МПа

p эксп. мкэ

Образцы работы [4]

1.1 135,3 3,08 205,7 161,3 0,03 7,58 7,3 (4) 0,96

1.2 135,9 2,42 152,4 161,3 0,03 5,79 (4) 5,69 (4) 0,98

1.3 137,7 0,73 152,4 161,3 0,23 1,17 (5) 0,74 (6) 0,63

1.4 137,2 1,24 127 161,3 0,10 2,92 (6) 2,56 (6) 0,88

1.5 136,4 1,98 101,6 161,3 0,10 4,83 (5) 4,59 (6) 0,95

1.6 135,9 2,49 76,2 161,3 0,08 6,34 (6) 5,92 (7) 0,93

1.7 135,3 3,12 50,8 161,3 0,07 8,79 7,75 (5) 0,88

146

1.8 135,3 3,07 38,1 161,3 0,13 8,41 8,03 (4) 0,95

1.9 137,2 1,24 38,1 161,3 0,15 2,91 (9) 2,85 (11) 0,98

2.1 135,3 3,12 177,8 278,6 0,07 14,48 14,16 (4) 0,98

2.2 135,3 3,12 50,8 293,7 0,10 15,44 15,15 (4) 0,98

2.3 135,2 3,14 38,1 293,7 0,04 16,37 15,68 (5) 0,96

Образцы работы [5]

S2 33,98 0,69 33,4 290 0,04 12,76 12,9 (5) 1,01

M14 33,61 0,67 49,6 290 0,04 12,76 12,54 (4) 0,98

L2 34,04 0,65 66,7 290 0,04 11,1 11,48 (3) 1,03

L7 33,95 0,65 66,7 290 0,04 12,07 11,53 (3) 0,96

Рис. 3. Зависимость параметра критической нагрузки от овальности

поперечного сечения образцов

Подводя итого, можно заключить, что предложенная

модель вполне применима для определения критического

наружного давления цилиндрических обечаек, имеющих

искажение формы поперечного сечения. В случае принятия в

расчете минимальных значений механических параметров

материала и величин отклонений диаметра, увеличенных на

величину погрешности измерения линейных размеров,следует

ожидать результат решения с погрешностью в сторону

безопасности, что немаловажно при принятии решения о

возможности эксплуатации оборудования. Применительно к

0

0,2

0,4

0,6

0,8

1

1,2

0 0,1 0,2 0,3 0,4 0,5

Θ

а, %

1.3

1.4

147

реальным аппаратам необходимо дополнительное исследование

возможности использования модели в случае

непропорционального нагружения постоянным осевым

сжимающим усилием, вызванным весом оборудования,

всочетании с внешним давлением.


1. ГОСТ 34347-2017. Сосуды и аппараты стальные

сварные. Общие технические условия. – М.: Стандартинформ,

2018. – 103 с.

2. Тимошенко С.П. Устойчивость упругих систем / С.П.

Тимошенко. – М.: Гостехтеориздат, 1955. – 567 с.

3. von Mises, R.Der Kritische Aussendruck für Allseits

Belastete Zylindrische Rohre, Fest zum 70, Geburtstag von Prof. Dr.

A. Stodola, Zurich, pp.418-430, 1929.

4. Montaque, P. Experimental behaviour of thin-walled

cylindrical shells subjected to external pressure.

JornalMechanicalEngineeringScince. Vol.11, №1. pp. 40 – 56, 1969.

5. Błachut, J., Galletly, G. D., and James, S. On the Plastic

Buckling Paradox for Cylindrical Shells. Proc. Inst. Mech. Eng., 210,

pp. 477–488, 1996.

148

УДК 519.81

СВОЙСТВА БИНАРНЫХ ОТНОШЕНИЙ В МЕТОДЕ

ЭКСТРАПОЛЯЦИИ ЭКСПЕРТНЫХ ОЦЕНОК

Никитин Б.Е., Бугаев Ю.В., Ивлиев М.Н.

ФГБОУ “Воронежский государственный университет

инженерных технологий”,

г.Воронеж, Россия

Рассматривается задача выбора, которая характеризуется

кортежом З =< 𝐴, 𝑃, 𝑆 > [1]. Требуется в соответствии с

системой предпочтений 𝑆 ЛПР упорядочить на недоминируемом

по Парето дискретном множестве 𝐴 многокритериальные

альтернативы 𝑥 ∈ 𝐴, оцениваемые набором 𝑃 показателей

качества, |𝑃| = 𝑚, 𝑥 = (𝑝1(𝑥), 𝑝2(𝑥),… , 𝑝𝑚(𝑥)). В случае, когда

рассматриваемое множество 𝐴 альтернатив является

необозримым для ЛПР, решение данной задачи возможно на

основе метода экстраполяции экспертных оценок [2, 3]. Одним из

этапов данного метода является экспертиза ЛПР на ограниченной

выборке 𝑋 ⊂ 𝐴, |𝑋| = 7 ± 2.

Проведение экспертизы возможно путем попарного

сравнения альтернатив (𝑥, 𝑦) ⊂ 2𝑋. Если при оценке (𝑥, 𝑦) ЛПР

высказывает либо «x лучше y”, либо «y лучше x”, либо «x и y

эквивалентны», то будем говорить, что на множестве 𝑋

наводится бинарное отношение предпочтения 𝑅 = 𝑅𝑆⋃𝑅𝐼, где 𝑅𝑆

- бинарное отношение строгого предпочтения, 𝑅𝐼 - бинарное

отношение эквивалентности. Тогда, согласно [1], существует

такая функция полезности 𝑢(⋅) , что

если (𝑥, 𝑦) ∈ 𝑅𝑆, то 𝑢(𝑥) > 𝑢(𝑦); если (𝑥, 𝑦) ∈ 𝑅𝐼, то 𝑢(𝑥) = 𝑢(𝑦).

Практика показывает, что у ЛПР не всегда есть четкое

представление о различиях между сравниваемыми

альтернативами. Другими словами, если на паре (𝑥, 𝑦) разность

полезностей сравниваемых альтернатив больше некоторого

149

порогового значения 𝜉1, т.е. 𝑢(𝑥) − 𝑢(𝑦) ≥ 𝜉1, то ЛПР уверенно

указывает превосходство одной альтернативы над другой. Если

разность полезностей меньше 𝜉1, но больше некоторого другого

порогового значения 𝜉2, т.е. 𝜉2 ≤ 𝑢(𝑥) − 𝑢(𝑦) ≤ 𝜉1, то в этом

случае ЛПР высказывает неуверенность в самом факте

предпочтения одной альтернативы над другой. И, наконец, если |𝑢(𝑥) − 𝑢(𝑦)| ≤ 𝜉2 , то в этом случае в соответствии с системой

предпочтения 𝑆 ЛПР альтернативы 𝑥 и 𝑦 равноценны. И тогда

формально систему 𝑆 можно представить в виде объединения

трех бинарных отношений 𝑅 = 𝑅𝑆⋃𝑅𝜇⋃𝑅𝐼, которые

определяются следующим образом:

𝑥 𝑅𝑆 𝑦 ↔ 𝑢(𝑥) − 𝑢(𝑦) > 𝜉1;

𝑥 𝑅𝐼 𝑦 ↔ 𝑢(𝑥) − 𝑢(𝑦) < 𝜉2 < 𝜉1;

𝑥 𝑅𝜇 𝑦 ↔ 𝜉2 ≤ 𝑢(𝑥) − 𝑢(𝑦) ≤ 𝜉1.

Обозначим Rsμ= 𝑅𝑆 ⋃ 𝑅𝜇 . Тогда

𝑥 Rsμ 𝑦 ↔ 𝑢(𝑥) − 𝑢(𝑦) > 𝜉2.

Можно показать, что бинарное отношение Rsμ является

асимметричным, транзитивным и не негатранзитивным

бинарным отношением.

Пусть 𝑥 Rsμ 𝑦, тогда

𝑢(𝑥) − 𝑢(𝑦) > 𝜉2 → 𝑢(𝑦) − 𝑢(𝑥) ≤ −𝜉2 ≤ 𝜉1 → 𝑦 Rsμ̅̅̅̅ 𝑥.

Отсюда Rsμ обладает свойством асиммметричности.

Предположим, что 𝑥 Rsμ 𝑦, 𝑦 Rs

μ 𝑧. Тогда

𝑢(𝑥) − 𝑢(𝑦) > 𝜉2, 𝑢(𝑦) − 𝑢(𝑧) > 𝜉2 → 𝑢(𝑥) − 𝑢(𝑦) + 𝑢(𝑦) −

−𝑢(𝑧) > 2𝜉2 → 𝑢(𝑥) − 𝑢(𝑧) > 2𝜉2 > 𝜉2 → 𝑥 Rsμ𝑧.

Следовательно, Rsμ транзитивно.

Покажем, что Rsμ не обладает свойством

негатранзитивности. Пусть 𝑥 Rsμ̅̅̅̅ 𝑦, 𝑦 Rs

μ̅̅̅̅ 𝑧 и 𝑢(𝑥) − 𝑢(𝑦) =2

3𝜉2,

𝑢(𝑦) − 𝑢(𝑧) =2

3𝜉2. Тогда отсюда следует, что

𝑢(𝑥) − 𝑢(𝑦) + 𝑢(𝑦) − 𝑢(𝑧) =4

3𝜉2 → 𝑢(𝑥) − 𝑢(𝑦) > 𝜉2.

Это означает, что для данных 𝑥, 𝑦, 𝑧 условие

транзитивности бинарного отношения Rsμ̅̅̅̅ нарушено.

Следовательно, Rsμ не негатранзитивно.

150

Можно показать, что бинарное отношение 𝑅𝐼 является

симметричным, рефлексивным и нетранзитивным бинарным

отношением.

Пусть 𝑥 𝑅𝐼 𝑦. Тогда

|𝑢(𝑥) − 𝑢(𝑦)| ≤ 𝜉2 → |𝑢(𝑦) − 𝑢(𝑥)| ≤ 𝜉2 → 𝑦 𝑅𝐼 𝑥 . Отсюда 𝑅𝐼 симметрично.

Рефлексивность 𝑅𝐼 следует из соотношения |𝑢(𝑥) −−𝑢(𝑦)| ≤ 𝜉2.

Допустим, что

𝑥 𝑅𝐼 𝑦, 𝑦 𝑅𝐼 𝑧 и |𝑢(𝑥) − 𝑢(𝑦)| =2

3𝜉2, |𝑢(𝑦) − 𝑢(𝑧)| =

2

3𝜉2.

Отсюда следует, что

𝑢(𝑥) − 𝑢(𝑦) + 𝑢(𝑦) − 𝑢(𝑧) =4

3𝜉2 → |𝑢(𝑥) − 𝑢(𝑧)| > 𝜉2.

А это означает, что для данных 𝑥, 𝑦, 𝑧 условие

транзитивности бинарного отношения 𝑅𝐼 нарушено, т.е. 𝑅𝐼 нетранзитивно.

Таким образом, показанные выше свойства бинарных

отношений Rsμ и 𝑅𝐼 , позволяют сделать вывод о том, что Rs

μ -

отношение качественного порядка, а 𝑅𝐼 - отношение

толерантности.


1.Никитин, Б. Е. Синтез моделей выбора решений на

основе экстраполяции нечетких экспертных оценок // Дисс. …

кандидата физ.-мат. наук. Воронеж, 2001. – 156 с.

2. Сысоев В. В. Автоматизированное проектирование

линий и комплектов оборудования полупроводникового и

микроэлектронного производства / В. В. Сысоев. М.: Радио и

связь, 1982. – 120 с.

3. Бугаев Ю. В. Синтез моделей выбора на основе

двухэтапных мажоритарных схем // Дисс. … доктора физ-мат.

наук. Воронеж, 2005. – 334 с.

151

УДК 519.876.5

МОДЕЛЬ УНИЧТОЖЕНИЯ ЦЕЛИ С ПОМОЩЬЮ

ОБЫЧНЫХ СРЕДСТВ ПОРАЖЕНИЯ

Мачтаков С.Г., Трибунских О.А., Тувдэндорж Б.



ВУНЦ ВВС "Военно-воздушная академия имени

профессора Н.Е. Жуковского и Ю.А. Гагарина"


Использование обычных средств поражения

сопровождается таким явлением, как естественное рассеивание.

Каждый боеприпас вследствие ряда случайных причин описывает

свою траекторию, не совпадающую с другими, вследствие чего

происходит их рассеивание. Типовой задачей, которую

приходится решать при использовании обычных средств

поражения является уничтожение цели, которая расположена на

определенной площади. Тогда для поражения цели площадь,

которую она занимает, подвергают равномерному обстрелу.

Существующие аналитические методы оценки применения

обычных средств поражения при стрельбе по площадным

объектам базируются на допущении о равномерном

распределении объектов противника [1]. Для поражения таких

целей часто применяется разнесенная стрельба или стрельба с

использованием реактивных снарядов. В этих случаях

рассеивание боеприпасов подчиняется закону равномерного

распределения случайной величины [2].

В рассматриваемой модели координаты падения

боеприпасов являются входными переменными и подчиняются

закону равномерного распределения случайной величины. Если

входные переменные являются стохастическими, то и выходные

зависимые переменные также будут стохастическими. Выходные

переменные фиксируют количество ячеек, в которые не попали

боеприпасы, или попало несколько боеприпасов. В состав

152

имитационной модели входит блок генерации случайных адресов

ячеек. Он используется для получения адресов ячеек, в которые

попали средства поражения после одного залпа из четырех

орудий. Формирование этих адресов подчиняется закону

равномерного распределения случайной величины.

При проведении одного испытания мы делаем шесть залпов

(двадцать четыре выстрела по двадцати пяти элементарным

целям). После этого мы получаем значения выходных

переменных. Выходные переменные X0, X1, X2, X3 - это

дискретные случайные величины. Переменная X0 описывает

количество ячеек, в которые боеприпасы не попали ни разу,

переменная X1 соответствует количеству ячеек, в которые

боеприпасы попали один раз, X2 – два раза, X3 – три раза.

Итоги моделирования обобщаются в сводной таблице

результатов испытаний. В нее заносятся данные после десяти

испытаний. На рисунке 1 показано как будет выглядеть модель

после проведения одного испытания. В первом информационном

диапазоне отображаются результаты крайнего (шестого) залпа.

Единицы записаны в ячейки, куда снаряды попали, а нули в

ячейки – куда не попали. Во втором информационном диапазоне

видны результаты всех шести залпов. В этом диапазоне в ячейку

записывается число, которое фиксирует количество попаданий за

все время испытания. Эти результаты автоматически

формируются с помощью макроса и появляются в блоке

описания результатов текущего испытания. Числа соответствуют

значениям выходных переменных X0, X1, X2, X3.

С использованием имитационной модели поражения цели

был проведен эксперимент, состоящий из десяти испытаний. В

каждом испытании делалось шесть залпов по четыре снаряда, то

есть по цели выпускается двадцать четыре снаряда. Для

наглядности результатов введем переменную X, которая будет

описывать количество пораженных ячеек в каждом испытании.

Сумма переменных X и X0 всегда равна двадцати пяти

квадратным единицам. Это размер площади, в пределах которой

располагается цель. Следует отметить, что в каждом испытании

поражалось больше половины этой площади. При этом часть

боеприпасов расходовалась нерационально. При каждом

153

испытании всегда были ячейки, в которые боеприпасы попадали

два раза (значение переменной X2). В среднем таких ячеек было

четыре при каждом испытании, соответственно четыре снаряда

использовались неэффективно. Почти в каждом испытании

присутствуют одна или две ячейки, в которые снаряд попадает

три раза. Каждая такая ячейка соответствует двум неэффективно

выпущенным снарядам. Этому случаю соответствует переменная

X3.

Из приведенных результатов видно, что поражается больше

половины ячеек (от тринадцати до семнадцати). Дискретный

статистический ряд, построенный по результатам эксперимента,

приведен в таблице 1. По результатам эксперимента выборочная

средняя XВ = 15.3, а дисперсия DB= 1.41.

Рисунок 1 - Внешний вид модели после одного испытания

154

Таблица 1 - Дискретный статистический ряд переменной X X 13 14 15 16 17 P

* 0,1 0,1 0,4 0,2 0,2

Из других переменных наибольший интерес представляют

значения X3. Эта переменная описывает количеству ячеек, в

которые боеприпасы попали три раза. Дискретный

статистический ряд переменной X3 приведен в таблице 2.

Таблица 2 - Дискретный статистический ряд переменной

X3 X3 0 1 2 P

* 0,2 0,2 0,6


1. Золотов Н.И. Оценка эффективности стрельбы: вопросы

совершенствования// Военная мысль .2003. №11. С.32-37.

2. Кубекин Д. Н. Обоснование требований к величинам

характеристик рассеивания РСЗО // НиКа. 2008. №. URL:

https://cyberleninka.ru/article/n/obosnovanie-trebovaniy-k-

velichinam-harakteristik-rasseivaniya-rszo(дата обращения:

16.11.2021).

155

УДК 005.1

СОВРЕМЕННЫЕ АСПЕКТЫ УПРАВЛЕНИЯ ОБЪЕКТАМИ

УГОЛОВНО-ИСПОЛНИТЕЛЬНОЙ СИСТЕМЫ РОССИИ

Мокшин Р.С.

ФКОУ ВО федеральное казенное образовательное учреждение

высшего образования«Воронежский институт Федеральной

службы исполнения наказаний»,


Эффективное социально-экономическое развитие и

гармонизация социальных процессов в Российской Федерации на

современном этапе являютсяосновными стратегическими

направлениями.

Государственным механизмом, отражающимсовокупность

происходящих в нем общественных процессов, в том числе и в

рамках обеспечения внешней и внутренней

безопасностигосударства, является пенитенциарная система

Российской Федерации.В этой системе находится уголовно-

исполнительная система (УИС), которая является сложной

системой, при этом имеющейчетко выраженный социальный

характер[1].

При проведении мероприятий, связанных соснижением

социального напряжения в обществе, соблюдением

иобеспечением законности, и принциповзащиты личности,а

также защитой прав и свобод человека требуется система

управления УИС отвечающая современным условиям.

В качестве основных органов, контролирующих УИС,

выступают органы государственной власти,органы, проводящие

судебный, ведомственный и общественный контроль, а также

прокурорский надзор, Федеральная служба судебных приставов

России, Военная полиция Вооруженных Сил Российской

Федерации, исполняющая уголовные наказания

и иные меры уголовно-правового характера.

156

В своей деятельности все указанные федеральные органы

исполнительной власти руководствуютсяфедеральными законами

в части касающейся.

В соответствии с [2] органы и учреждения Федеральной

службы исполнения наказаний (ФСИН России) являются

элементами внутреннего надзора и контроля всей системы. К

числу основных элементов системы ФСИН России относятся

исправительные центры, исправительные учреждения, и

уголовно-исполнительные инспекции [2]. Уголовно-

исполнительный кодекс Российской Федерации (УИК РФ)

определяет, организует и контролирует функционирование

ихдеятельности.

В [3] приводится типизация объектов охраны УИС. Все

объекты охраны распределяются по своему назначению.

Применение способов защиты определяется исходя из угроз,

которые могут возникать как со стороны внутренних, так и со

стороны внешних нарушителей. Использование такой

информации является фундаментом для построения модели

защиты и выбора принципов построения системы защиты

объекта УИС [3].

Следует заметить, что объекты УИС расположены на всей

территории Российской Федерации. При этом следует помнить,

что территория Российской Федерации характеризуется

значительной изменчивостью и особенностями погодных и

физико-географических условий. Для объектов ФСИН России,

будем использовать известную типизацию,а именно:

подразделения по конвоированию, центры инженерно-

технического обеспечения и вооружения, отделы охраны, базы

материально-технического и военного снабжения;

учебные центры, подразделения капитального

строительства, подразделения жилищно-коммунального

обеспечения, медико-санитарные части;

уголовно-исполнительные инспекции (УИИ);

лечебно-исправительные и лечебно-профилактические

учреждения (ЛИУ);

следственные изоляторы (СИЗО);

157

исправительные колонии (ИК), воспитательные колонии

(ВК), исправительные центры, тюрьмы, колонии поселения[4].

Достижение эффективного функционирования указанных

объектов УИС может быть обеспечено применениеморганами

управления ФСИН России в конкретном территориальном органе

основныхмероприятийпо планированию, организации,

координации, мотивации и контроля деятельности.

Исходя из специфики деятельности объектов УИС

указанныемероприятия не всегда могут быть

реализованы.Следует заметить что, ко всем объектам УИС можно

применить, например, планирование и контроль, а к объектам

УИС осуществляющим инженерно-техническое обеспечение

применение мероприятийпо мотивациине представляется

возможным.

Основныефункции управления объектами УИС

представлены на рисунке.

Управление объектами УИС обеспечивается и

осуществляется с использованиемсовокупности ресурсов,

характеризующихся некоторой самостоятельностью и

обособленностью.

К основным ресурсам УИС относятся:

сотрудники;

бюджетные (финансовые) средства,

техническое обеспечение,

материально-хозяйственные средства,

информационные ресурсы.

Учитывая специфику УИС, следует отметить, что функции

и требуемые ресурсы для учреждений, исполняющих наказания

отличаются друг от друга в силу различий и определяютсятипом

объекта ФСИН России [5].

158

Территориальные орган ФСИН России

Планирование Организация Координирование Мотивация Контроль

Подразделения

по

конвоированию,

центры

инженерно-

технического

обеспечения и

вооружения,

отделы охраны,

базы

материально-

технического и

военного

снабжения

Учебные

центры,

подразделения

капитального

строительства,

подразделения

жилищно-

коммунального

обеспечения,

медико-

санитарные

части

Уголовно-

испонительные

инспекции

Лечебно-

исправительные

учреждения,

лечебно-

профилактические

учреждения

Следственные

изоляторы

Объекты управления (в том числе учреждения, исполняющие наказание)

Исправительные

колонии,

воспитательные

колонии,

исправительные

центры, тюрьмы,

колонии

поселения

Рисунок. Применение основных функций управления к объектам УИС

В таблице отражена взаимосвязь между учреждениями,

исполняющими наказания и используемыми ими в практической

деятельности ресурсами.

Таким образом, в настоящий момент основным (постоянно

требуемым) ресурсом, обеспечивающим эффективное управление

объектами УИС выступает техническое обеспечение, а именно

применение инженерно-технических средств охраны и надзора.

159

Таблица Взаимосвязь между учреждениями,

исполняющими наказания и используемыми ими ресурсами

Наименования учреждений,

исполняющих наказания

Ресурсы

Сотрудники Финансы

Техническое

обеспечение

Материально-

хозяйственные

средства

Информационные ресурсы

ИК, ВК, исправительные центры, тюрьмы, колонии поселения

+ + + + +

ЛИУ + + + + - УИИ + + - - + СИЗО + + + - - Учебные центры, подразделения капитального строительства, подразделения жилищно-коммунального обеспечения, медико-санитарные части;

+ + + + -

Подразделения по конвоированию, центры инженерно-технического обеспечения и вооружения, отделы охраны, базы материально-технического и военного снабжения

+ + + + +

Анализ фактического состояния объектов, на примере

объектов Воронежской области, позволяетвыделить ряд

существующих недостатков, а именно:

дефицит в оснащении объектов УИС инженерно-

техническими средствами;

неудовлетворительное состояние ИТС;

применение устаревших ИТС (морально изношенных);

160

невыполнение требований по эксплуатации ИТС;

недостаточное финансирование на ИТС:

не квалифицированные действия персонала по применению

имеющихся средств специальной техники в организационно-

техническом и тактическом аспектах и др.[6].

В практическом аспекте одним из основных факторов

снижения угроз, связанных с пресечением побегов осужденными,

предупреждению беспорядков средиспецконтингента,

недопущению проникновения наркотических веществ, денежных

средств, средств связи, колюще-режущих предметов и иных

запрещенных предметов служит применение инженерно-

технических средств охраны и надзора. На их основе создаются

интегрированные системы безопасности, способствующие

повышению надежности охраны объектов УИС.

Применение комплекса инженерно-технических средств

(датчики различного назначения, устройства оборудования

периметра учреждения, ограждения, создающие

барьер)оказывает важное предупредительное воздействие на

спецконтенгент.

На сегодняшний день в условиях значительного развития

цифровизации, анализ и практика применения средств ТСО

остаются актуальной задачей, требующей глубокого изучения.

Таким образом, следует отметить, что управление

объектами УИС является сложной многоуровневой задачей.

Применение функциональных особенностей и оптимальное

распределение ресурсов позволит обеспечить эффективную

работу объектов, в соответствии с Конституцией Российской

Федерации.

Одним из основных критериев совершенствования

обеспечения безопасности в местах лишения свободы

предлагается создание системы противодействия преступному

поведению осужденных на основе применения современных

технических средств, новых технологий и подходов

к организации безопасности объектов УИС.

161


1. Поляков, Е. И. Уголовно-исполнительная система и

проблемы обеспечения ее безопасности / Е. И. Поляков. Текст :

непосредственный // Молодой ученый. 2020. № 2 (292). — С.

135-138. URL: https://moluch.ru/archive/292/66094/ (дата

обращения: 21.11.2021).

2. Бакулин, В.К. Непенитенциарный контроль в

пенитенциарной системе Российской Федерации // Вестник

Казанского юридического института МВД России. 2018. Т. 9.

№ 3. С. 353-58. DOI: 10.24420/KUI.2018.16.20.008.

3. Немов, Я.Н. Модель нарушителя и стратегий его

действий в системе физической защиты объекта ФСИН России

//Вестник Воронежского института МВД России. 2015. №2

С. 187-195

4. Абышев, В.А. Правоохранительная деятельность

учреждений уголовно- исполнительной системы в условиях

чрезвычайных ситуаций криминального характера: автореф. дис

канд. юрид. наук. М., 2010. 24 с.

5. Гражданская защита. Понятийно-терминологический

словарь / под общ.ред. Ю.Л. Воробьева. М.: Издательство

«Флайст», Информационно-издательский центр«Геополитика»,

2001. 240 с.

6. Организация управления в уголовно-исполнительной

системе: учеб.: в 3 т. Т. 1. Общая часть / под общ.ред. Ю.Я.

Чайки; науч. ред. В.М. Анисимов [и др.]. Рязань: Академия

права и управления Минюста России, 2002. 532 с.

162

УДК 004.4

РАЗРАБОТКА ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ

ВЕБ-ПРИЛОЖЕНИЯУЧЕТА ТРУДОЗАТРАТ

СОТРУДНИКОВ ИТ-КОМПАНИИ НА РЕШЕНИЕ ЗАДАЧ

ПРОЕКТА

Даценко Н.В., Киселева К.В.



Управление проектами играет большую роль в

деятельности ИТ-компании, так как позволяет менеджменту

осуществлять контроль за ходом разработки, разбивать сложные

задачи на совокупность более простых задач, управлять сроками

выполнения и т.п. При этом одной из важнейших задач является

учет трудозатрат сотрудников на выполнение различных видов

работ. Например, для выставления счетов клиентам ИТ-компании

ООО «Интаро Софт» на основе трудозатрат сотрудников на

решение задач проекта применяются две информационные

системы Redmine и EVO.Redmine представляет собой открытое

серверное веб-приложение для управления проектами и

задачами; EVO (IntaroEvolution) - внутрикорпоративная CRM-

система, автоматизирующая учет проектов, сотрудников,

времени работы сотрудников и др. Использование двух

указанных систем часто приводит к возникновению проблемы

несоответствия в объеме отработанных часов сотрудников, для

решения которой требуется достаточно большое количество

человеческих и временных ресурсов.Одним из наиболее

эффективных путей решения этой проблемы является разработка

веб-приложения, позволяющего осуществлять выгрузку сведений

о трудозатратах сотрудников компании на решение задач проекта

из внешних систем, а также хранение сформированных отчетов в

реестре.

Одним из важнейших модулей приложения является база

данных (БД), разработка которой осуществлена с использованием

163

объектно-реляционнойСУБД PostgreSQL. Ее фундаментальной

особенностьюявляется возможность поддержки

пользовательских объектов и их поведения, включая типы

данных, функции, операции, домены и индексы, что делает ее

гибкой и надежной. Физическая модель разработанной базы

данных веб-приложения представлена на рисунке 1.

Рисунок 1.Физическая модель базы данных веб-приложения учета

трудозатрат сотрудников ИТ-компании на решение задач проекта

База данныхвед-приложения состоит из 8 таблиц:

- user содержит идентификатор пользователя (ключевое

поле) в веб-приложении, электронную почту пользователя, роль

пользователя в системе Redmine, токен в системе EVO, фамилию

и имя пользователя, api_key системы Redmine;

- project хранит идентификатор проекта (ключевое поле) и

название проекта;

- task хранит идентификатор задачи (ключевое поле), номер

проекта, номер задачи в Redmine, название задачи, оценка по

задаче в Redmine, все трудозатраты по задаче в системе EVO;

164

- вemployee записываются данные идентификатора

сотрудника (ключевое поле) и данные пользователя;

- в task_employee хранятся данные о сотруднике,

выполняющем работу по задаче, идентификатор записи,

идентификатор сотрудника (ключевое поле), идентификатор

задачи, месяц (суммируются и записываются данные трудозатрат

по задаче в разрезе месяца), данные по трудозатратам из систем

EVO и Redmine;

- вtask_report записываются данные о сформированном

отчете идентификатор отчета (ключевое поле), идентификатор

задачи (ключевое поле);

- report содержит данные идентификатора отчета (ключевое

поле), идентификатора отчета в веб-приложении, данные

пользователя, создавшего отчет, дату создания отчета, поле json

prepared;

- register содержит идентификатор созданного отчета в веб-

приложении.

Разработанное информационное обеспечение позволяет

эффективно организоватьхранение и обработкуданных,

необходимых для функционирования веб-приложения, которое, в

свою очередь,уменьшит временные затраты менеджеров проекта

на составление отчетной документации по задачам и исключит

риск потери данных о трудозатратах сотрудников.


1. Даценко Н.В. Разработка веб-приложения учета

трудозатрат сотрудников компании на решение задач проекта /

Н.В. Даценко, К.В. Киселева // Математическое моделирование

процессов и систем: Материалы XI Межд. молодежн. науч.-

практ. конф. Часть 1, 10–12 ноября 2021 г., г. Стерлитамак / отв.

ред. С.В. Викторов. – Стерлитамак: Стерлитамакский филиал

БашГУ, 2021. – С. 183-187.

2. Бойко В.В. Проектирование баз данных

информационных систем / В.В.Бойко, В.М. Савинков - 2-е изд. -

М.: Финансы и статистика, 1989. - 350 с.

165

УДК 004.89

ОПТИМИЗАЦИЯ ДЕЯТЕЛЬНОСТИ

ПРЕДПРИЯТИЯ НА ОСНОВЕ BI-СИСТЕМЫ

Гладких Т.В., Поротикова Е.С.




Современный мир - это эра управления данными, когда

огромное количество показателей собирается для различных

целей и является важнейшим компонентом успешного измерения

производительности и управления организацией. Способность

принимать своевременные решения на основе полученной

информации имеет решающее значение для успеха бизнеса. Но

как известно операции компании и взаимодействие с клиентами

являются постоянными генераторами данных, в результате чего

появляются потребность в сочетания методов автоматического

анализа и человеческих усилий, чтобы бизнес-пользователи

могли получить стратегическое представление о пути развития

фирмы.

Поэтому хранение, извлечение и управление всеми

различными типами данных, а также определение приоритетов

показателей производительности на основе этих данных,

являются сложными проблемами, с которыми сегодня

сталкиваются многие компании. В связи с этим возникает

необходимость в разработке модуля для анализа эффективности

работы организации.

В связи с этим была постелена задача оптимизации

деятельности предприятия на основе BI системы для того, чтобы

создать прозрачность работы компании на всех уровнях модели

BSC, а также понять какие действия необходимо совершить на

трех нижних перспективах, чтобы на уровне финансов получить

прогнозируемый доход вместо убытка.

166

Для реализации данной задачи были поставлены

следующие подзадачи:

- изучить концепцию бизнес-анализа и модель BSC;

- проанализировать современный рынок систем бизнес-

анализа и выбрать аналитическую платформу, которая учитывает

специфику отрасли предприятия;

- разработать модуль системы, который будет

автоматически собирать данные из различных источников,

агрегировать их и визуализировать в режиме реального времени.

Так как целью большинства компаний является увеличение

чистой прибыли за счет увеличения доходов, то для её

достижения компаниям необходимо принимать обоснованные

решения о стратегическом росте, они должны создать

согласованную систему управления эффективностью, которая

включает критические показатели.

Решением для создания этой согласованной системы будет

внедрение системы сбалансированных показателей, ССП (англ. –

Balanced Scorecard, BSC) дополнив финансовые показатели

компании дополнительными показателями, которые могут

помочь оценить долгосрочные результаты деятельности фирмы.

В основе ССП лежит разделение целей компании на четыре

перспективы:

- финансовая;

- клиентская;

- внутренние бизнес-процессы;

- квалификация и кадры;

Все цели связаны причинно-следственными отношениями,

начиная с сотрудников, продолжая через процессы и клиентов и

заканчивая более высокими финансовыми показателями.

Данная методология обеспечивает отличное

сбалансированное решение для стратегического планирования.

Концепция, предложенная Капланом и Нортоном, улучшает

процесс принятия управленческих решений за счет согласования

показателей эффективности с целями и стратегиями организации,

а также позволяет организациям достичь интегрированного и

согласованного сбалансированного фокуса между этими

167

четырьмя перспективами, которые в совокупности лежат в основе

реализации видения бизнеса.

Наличие связи между целями и показателями ССП привела

к созданию стратегической карты.

Данная диаграмма иллюстрирует причинно-следственные

связи между стратегическими инициативами, представленными

вместе с показателями эффективности или ключевыми

показателями эффективности. Продуманная система

сбалансированных показателей имеет решающее значение для

управления производительностью и принятия внутренних

решений, поскольку она позволяет компаниям контролировать

процесс выполнения стратегии.

Функциональная модель процесса бизнес-анализа

организации при пользовании BI-системы отражена на рис. 1

виде контекстной диаграммы и ее декомпозиции соответственно,

разработанных по методологии IDEF0.

Рис. 1. Контекстная диаграмма

Диаграмма декомпозиции иллюстрирует (рис. 2), что

первичные входные данные в системе – функциональные

обязанности организации, структура компании и цели бизнес

168

анализа, данные управления здесь – внутренняя политика

организации и методология BSC. Структура работы представлена

в виде директора компании, руководителя IT-отдела,

отвечающего за правильное извлечение информации и настройку

системы, и сотрудников, которые отвечают поддержку

актуальных данных в бизнес-модели. В ходе автоматизации

процесса сбора данных формируется информативный архив

данных, отчетность и структурированная информация.

Рис. 2. Диаграмма декомпозиции

Инструменты бизнес-аналитики играют жизненно важную

роль в поддержке лиц, принимающих решения на разных уровнях организации. Поскольку эти инструменты становятся критически важными при принятии решений, то без надлежащего управления было бы непрактично достичь той ценности, которую предлагают инструменты бизнес-аналитики.

На данный момент существует множество систем бизнес-анализа, но для решения поставленных задач ВКР было принято решение использовать Power BI, так как выгрузка данных будет производится из облачных сервисов и локальных приложений.

Power BI - это служба бизнес-аналитики, предоставляемая Microsoft, которая предоставляет интерактивные визуализации с возможностями самостоятельной бизнес-аналитики, где

169

конечные пользователи могут создавать отчеты и информационные панели самостоятельно, без необходимости полагаться на персонал информационных технологий или администратора базы данных.

Визуализация данных и результатов анализа позволяет легко передавать данные на всех уровнях модели и может выявить удивительные закономерности и взаимосвязи.

Возможность компьютерных технологий быстро добавить или исключить переменные для сегментации, сортировки, выделения и выполнения других действий для взаимодействия с данными значительно расширяет способность людей понимать и обрабатывать множество значений одновременно. Кроме того, люди могут более эффективно и действенно обрабатывать график, чем таблицу с числовым текстом. Таким образом, визуализации позволяют руководителям предприятий распознавать тенденции, выявлять закономерности и выявлять исключения.

Для сбора данных на предприятии используются следующее ПО:

1) Битрикс24 - это пять важнейших инструментов для ведения бизнеса: CRM-система, онлайн-офис, задачи и проекты, контакт центр, сайты и магазины. Они помогают автоматизировать работу отдела продаж и стандартизировать управление отношений с потенциальными и с реальными клиентами. У сервиса есть облачная версия и версия для установки на собственный сервер с возможностью настройки решения под свое предприятие.

Рис. 3. Показатели CRM-системы

170

2) 1С: Предприятие - платформа для ведения

бухгалтерского учета компании.

Рис. 4. Показатели 1С:Предприятие

3) Google Analytics - Бесплатный сервис, предоставляемый

Google для создания детальной статистики посетителей веб-сайтов. Статистика собирается на сервере Google, пользователь только размещает JS-код на страницах своего сайта. Код отслеживания срабатывает, когда пользователь открывает страницу в своем веб-браузере.

Рис. 5. Показатели Google Analytics

171

В результате проделанной работы был разработан модуль системы, который автоматически выгружает необходимые метрики и представляет интерактивные визуализации.


1. Роберт С. Каплан, Дейвид П. Нортон 2. Система сбалансированных показателей. От стратегии к действию. - 2 изд. - М.: Олимп-Бизнес, 2004. - 294 с.

2. Статистика Google Analytics [Электронный ресурс]: Электронные данные - Режим доступа: https://wiki.rookee.ru/google-analytics/ свободный. - Загл. с экрана.

3. Популярные BI-платформы [Электронный ресурс]: Электронные данные - Режим доступа: https://habr.com/ru/company/newprolab/blog/349186/ свободный. - Загл. с экрана.

4. Использование REST web-сервисов в 1С:Предприятие [Электронный ресурс]: Электронные данные - Режим доступа: https://infostart.ru/1c/articles/565435/ свободный. - Загл. с экрана.

5. Гладких Т.В., Прикладное программирование в цифровизации бизнес-процессов [Текст]/ Т.В. Гладких, Л.А. Коробова, Н.А. Чернышова // Учебное пособие / Воронеж.гос. ун-т инж. технол. – Воронеж: ВГУИТ, 2021. – 70 с.

172

СЕКЦИЯ «МОДЕЛИРОВАНИЕ ЭНЕРГОСБЕРЕГАЮЩИХ

ПРОЦЕССОВ И ТЕХНОЛОГИЙ»

173

УДК 66.071.6.081; 519.633.2; 661.961

ОПТИМИЗАЦИЯ ЦИКЛИЧЕСКИХ ПРОЦЕССОВ И

УСТАНОВОК АДСОРБЦИОННОГО РАЗДЕЛЕНИЯ

ГАЗОВЫХ СМЕСЕЙ

Акулинин Е.И., Дворецкий Д.С., Дворецкий С.И.

ФГБОУ ВО «Тамбовский государственный технический



Суммарный объем производства таких газов, как кислород

и водород оценивается примерно в 1/2 мирового промышленного

производства всех технических газов [1,2], а в нынешних

условиях пандемии короновируса эта цифра увеличивается

многократно. Значительная часть высококонцентрированных

газов – кислорода и водорода получается в установках

короткоцикловой безнагревной адсорбции (КБА) [3]; КБА–

установки автономны, компактны, мобильны и надежны в

эксплуатации.

Анализ современного состояния и перспектив развития

аппаратурно-технологического оформления процессов КБА с

циклически изменяющимся давлением в адсорберах установки

показывает, что свойства адсорбентов разных партий,

переменные состояния исходной газовой смеси (состав,

температура, давление), а также окружающей среды могут

случайным образом изменяться в некоторых диапазонах.

Таким образом, в постановках задач оптимизации режимов

функционирования и оптимального проектирования установок

КБА для разделения многокомпонентных газовых смесей часто

используют так называемую неопределенную ("неточную")

информацию о физико-химических параметрах, характеристиках

исходных газовых смесей и адсорбентов,

конструктивных/геометрических показателях фрагментов

технологического оборудования (адсорберов установки КБА) и

внешних условиях его эксплуатации, финансовых/стоимостных

174

данных и т.п., что опосредованно оказывает заметное влияние на

качество функционирования проектируемых установок КБА,

характеризуемое известными технико-экономическими

показателями, например, степенью извлечения и чистотой

продуктового газа (кислорода, водорода), производительностью

установки КБА, себестоимостью и прибылью производства

высококонцентрированного газа по способу КБА и т.д.

Количественный учет ряда указанных "неточных"/случайных

факторов составляет суть оптимизации режимов

функционирования и проектирования установок КБА в условиях

частичной (неполной) неопределенности исходной информации

[4,5].

Вычисление значений критериев оптимальности

осуществляется в режиме стационарного периодического

процесса, т.е. интегрированием уравнений математической

модели динамики процесса адсорбционного разделения газовых

смесей – дифференциальных уравнений в частных и

обыкновенных производных на отрезке времени [0, 𝑡css] , где

𝑡css − время выхода установки КБА на режим стационарного

периодического процесса [6,7].

В качестве примера оптимизации конструктивных и

режимных переменных установки КБА в условиях

неопределенности исходной информации рассмотрим примеры

разделения газовых смесей и получения высоко-

концентрированных газов (кислорода и водорода); исходные

данные приведены в табл. 1).

На рис. 1 представлены результаты решения задачи

оптимизации конструктивных и режимных переменных

двухадсорберной установки КБА обогащения воздуха

кислородом в условиях неопределенности исходной информации

(Табл. 1). На графиках φ̅∗ обозначает оптимальное значение

средней прибыли, полученной в течение 10-летнего жизненного

цикла функционирования установки КБА при обогащении

атмосферного воздуха кислородом и водородсодержащей смеси

(синтез-газа) – водородом; η̅∗ − оптимальное значение средней

степени извлечения продуктового газа (кислорода, водорода);

𝐺out − производительность установки КБА; τ∗ −оптимальное

175

значение продолжительности стадии адсорбции; 𝑃𝑤∗ −

оптимальное значение давления, создаваемого компрессором;

𝐿∗, 𝐷Aint∗ − оптимальные значения конструктивных размеров

насыпного слоя адсорбента; 𝐾v∗ −оптимальное значение

пропускной способности регулирующих клапанов.

Таблица 1. Исходные данные для проведения вычислительных

экспериментов по исследованию задачи оптимизации

конструктивных и режимных переменных установки КБА

Исходные данные задачи Установка получения

O2 H2

Состав исходной газовой смеси, 𝑘 = 1, 2, 3 1–O2, 2–N2, 3–Ar

1–H2, 2– CO2, 3– CO

Тип адсорбента 13X Предельный адсорбционный объем, см3/г 0,262 Характеристическая энергия адсорбции, Дж/моль 12902

Конструктивные параметры:

Количество адсорберов в установке, шт.

2 4 Внутренний диаметр 𝐷A

int адсорбера, м 0,02–0,15 0,05–0,35 Высота L слоя адсорбента, м 0,15–0,8 0,6–2,2 Диаметр гранулы адсорбента, мм 1–2,5 Пропускная способность 𝐾V клапанов, л/мин 5–20 15–60

Объем ресивера, л 2 20 Предельные значения ограничений по: Концентрации 𝑐1

outпродуктового газа, об. % 40; 65; 90 99,99

Производительноcти 𝐺out установки КБА, нл/мин

1; 2; 4

100, 300, 500, 1000, 1500,

2000 Скорость в лобовом слое адсорбента, м/с 0,22

Режимные переменные: Длительность τads стадии адсорбции, с 1–120 1–500 Давление 𝑃w на выходе компрессора, Па (2 − 6) × 105

(5– 30) × 105

Коэффициент θ обратного потока, отн. ед. 1–6 1–20 Степень открытия клапанов, отн. ед. 0–1 Неопределенные параметры (диапазоны случайных изменений):

концентрации компонентов исходной смеси (𝑐1in; 𝑐2

in; 𝑐3in), об. %:

(19–21; 77–79; 1)

(48–68; 27–47; 5)

температуры исходной смеси, К 293–303 298–323 давления на отводном выходе установки КБА, Па

(0,5 − 1) × 105

176

a) б)

в) г)

Рис. 1. Зависимости оптимальных значений режимных переменных

и конструктивных параметров от концентрации 𝑐O2out продуктового

кислорода (а,в) и производительности 𝐺out установки КБА (б,г) при

заданных предельных значениях: a,в) производительности 𝐺out = 2

нл/мин установки КБА; б,г) концентрации 𝑐O2out = 90 об. % продуктового

кислорода

Анализ графиков (рис. 1) показывает, что увеличение

концентрации 𝑐O2out кислорода на выходе установки КБА от 40 до 90

об. % в основном достигается за счет увеличения основных

конструктивных размеров насыпного слоя адсорбента (𝐿∗, 𝐷Aint∗) в

адсорберах установки КБА в среднем в ~1,7 раза и пропускной

способности 𝐾v∗ клапанов в ~1,5 раза (рис. 1в). При этом

оптимальные значения давления на выходе компрессора 𝑃w∗ , средней

степени извлечения η̅∗ кислорода и средней прибыли φ̅∗

уменьшаются (рис. 1а).

Повышение производительности 𝐺out установки КБА от 1

нл/мин до 4 нл/мин также достигается, прежде всего, за счет

177

увеличения конструктивных размеров установки (рис. 1г):

внутренний диаметр 𝐷Aint∗

обечайки адсорбера и высота 𝐿∗ слоя

адсорбента в среднем увеличиваются в 1,85 раза, а пропускная

способность 𝐾V∗ клапанов – в 4 раза; при этом давление 𝑃w

∗ на

выходе компрессора увеличивается незначительно (от 5,72·105 Па

до 5,94·105 Па); продолжительность стадии адсорбции τads

∗

возрастает на 25% (от 27 до 34 с), а оптимальные значения

средней степени извлечения кислорода η̅∗ и средней прибыли φ̅∗

от эксплуатации установки КБА в течение 10-ти летнего

жизненного цикла повышаются на 10% и в 4,5 раза,

соответственно (рис. 1а).

Полученные результаты свидетельствуют о том, что при

одном и том же предельном значении производительности 𝐺out,

установки

КБА увеличение 𝑐O2out

приводит к незначительному

(менее 5%) уменьшению оптимального значения средней

прибыли φ̅∗. При увеличении производительности 𝐺out

установки КБА пропорционально возрастает средняя прибыль φ̅∗ (рис. 1б). Это означает, при одной и той же производительности

𝐺out установки КБА экономичнее получать продуктовый

кислород более высокой чистоты.

На рис. 2 представлены результаты решения задачи

оптимизации режимных переменных функционирования и

конструктивных параметров четырехадсорберной установки КБА

для разделения синтез-газа и извлечения водорода.

178

а) б)

в)

Рис. 2 – Зависимости

оптимальных средних значений

прибыли φ̅ и степени

извлечения η̅ водорода (рис.

2а); режимных переменных

(рис. 2б) и конструктивных

параметров (рис. 2в) от

производительности 𝐺out установки КБА при чистоте

𝑐Н2out=99.99 об. % получаемого

водорода

Анализ графиков на рис. 2a показывает, что при

увеличении производительности установки КБА оптимальное

среднее значение прибыли φ̅∗ от эксплуатации установки в

течении 10-летнего жизненного цикла также возрастает

пропорционально увеличению производительности, а

оптимальное значение средней степени извлечения η̅∗ уменьшается. При этом возрастает оптимальные значения

коэффициента обратного потока θ∗ и давления 𝑃w∗ на выходе

компрессора.

Следует отметить важную тенденцию, выявленную при

исследовании: повышение производительности установки КБА

всегда приводит к увеличению давления на выходе компрессора

и коэффициента обратного потока (соответственно, к увеличению

мощности компрессора и энергозатрат на осуществление

179

циклического процесса разделения газовой смеси), а также к

уменьшению длительности цикла (или продолжительности

стадии адсорбции).

Использование вакуум–напорной схемы организации

процесса концентрирования водорода обеспечивает повышение в

среднем на ~1 % прибыли от производства

высококонцентрированного водорода (на рис. 2 не показано) за

счет увеличения степени извлечения водорода в среднем на ~12-

15%. При этом могут быть уменьшены на ~10-12% габариты

вакуум-напорной установки КБА.

Следует также отметить и тот факт, что оптимизация

режимных переменных функционирования и конструктивных

параметров установки КБА в условиях неполной

неопределенности приводит к уменьшению оптимального

среднего значения прибыли φ̅∗ в среднем на ~10-15%, что

объясняется необходимостью повышения давления 𝑃w∗ на ~ 5-7%

на стадии адсорбции и коэффициента обратного потока θ∗ на ~

10-20% на стадии регенерации адсорбента.

Заключение

Разработан и научно обоснован новый подход к

оптимизации циклических процессов и установок

адсорбционного разделения газовых смесей в условиях

частичной (неполной) неопределенности исходной информации.

Проведено исследование решений задач оптимизации

режимных переменных функционирования и конструктивных

параметров установок КБА для разделения синтез–газа и

концентрирования водорода и обогащения воздуха кислородом с

учетом неопределенностей в исходных данных. Определен

требуемый запас потенциального технического ресурса

установки КБА для разделения газовых смесей, необходимый для

компенсации влияния случайного изменения неопределенных

параметров в заданных пределах.

Полученные результаты могут быть использованы для

интенсификации действующих циклических адсорбционных

процессов и установок получения высокочистых газов, а также

180

при расчете и проектировании промышленных установок КБА

для разделения и очистки многокомпонентных газовых смесей.

Список литературы 1. Ackley M.W. Medical oxygen concentrators: a review of

progress in air separation technology. Adsorption. 2019; 25(8): 1437–1474.

2. Shi W.-R., Tian C.-X., Ding Z.-Y., Han Z.-Y., Zhang D.-H. Review on Simulation, Optimization and Control of Pressure Swing Adsorption. Gaoxiao Huaxue Gongcheng Xuebao. 2018; 32(1): 8–15.

3. Ruthven D.M., Farooq S., Knaebel K.S. Pressure swing adsorption. New York, 1993. 189 p.

4. Островский, Г.М. Проектирование оптимальных химико-технологических систем в условиях неопределенности / Г. М. Островский, Т. В. Лаптева, Н. Н. Зиятдинов // Теоретические основы химической технологии. – 2014. – Т. 48, №5. – С. 527-537.

5. Одностадийные задачи оптимизации химико-технологических процессов с мягкими ограничениями / Г.М. Островский, Н.Н. Зиятдинов, Т. В. Лаптева, Д. Д. Первухин //Доклады Академии наук. – 2009. – Т. 425, № 1. – С. 63-66.

6. Akulinin E.I., Golubyatnikov O.O., Dvoretsky D.S. et. al. Optimization and analysis of pressure swing adsorption process for oxygen production from air under uncertainty. Chem. Ind. Chem. Eng. Q. 2020. V. 26. N. 1. P. 89–104.

7. Akulinin, E. Numerical study of the dynamics of air separation process by pressure swing adsorption / E. Akulinin, O. Golubyatnikov, D. Dvoretsky, S. Dvoretsky // Bulletin of the South Ural State University, Series: Mathematical Modelling, Programming and Computer Software. - 2019. – V.12, №4. - Pp. 95-103.

181

УДК. 544.344.015.4

РАЗРАБОТКА ПОДХОДА ДЛЯ ТЕОРЕТИЧЕСКОГО

РАСЧЕТА КИНЕТИКИ ФАЗОВЫХ ПЕРЕХОДОВ

СИСТЕМЫ «ИЗОПРОПИЛОВЫЙ СПИРТ – ДИОКСИД

УГЛЕРОДА»

Суслова Е.Н., Лебедев А.Е., Меньшутина Н.В.

ФГБОУ ВО «Российский химико-технологический университет

им. Д.И. Менделеева»,

Г. Москва, Россия

В настоящее время сверхкритические технологии являются

перспективной развивающейся областью, которая находит свое

применение в самых разнообразных областях

промышленности[1,2]. В качестве сверхкритического флюида во

многих сверхкритических процессах используется диоксид

углерода [3], так как он не токсичен, не горюч, дешев и доступен,

к тому же он имеет низкие критические параметры (Ткр = 31 °C,

Pкр = 7.3 MPa) [4]. Если в данных процессах присутствует

органический растворитель, то образуется бинарная система

«органический растворитель - диоксид углерода». В данной

работе в качестве органического растворителя рассматривается

изопропиловый спирт.

Для более глубокого понимания хода массообменных

процессов в суб- и сверхкритических условиях необходимо

изучение фазового поведения и кинетики фазовых переходов

бинарной системы, в том числе в присутствии пористого тела.

При сверхкритической флюидной экстракции для

интенсификации процесса извлечения экстрагированного

вещества с помощью сверхкритического диоксида углерода

исследуется фазовое поведение бинарной системы

«экстрагированное вещество - диоксид углерода» [5,6]. Данные о

фазовом поведении системы играют важную роль в выборе

подходящих рабочих областей и масштабировании процесса. При

микронизации методом сверхкритического флюидного

182

антирастворителя (SAS) образуется система «органический

растворитель - диоксид углерода», фазовое поведение которой

влияет на процесс распыла и, следовательно, на конечные

свойства получаемого материала [7]. Кроме того, данные о

кинетике фазовых переходов и фазовом поведении важны в

процессе сверхкритической сушки, которая является основным

этапом получения высокопористых материалов, таких как

аэрогель [8].

Благодаря изменению растворимости диоксида углерода в

изопропиловом спирте, в системе происходят массообменные

процессы, за счет чего может наблюдаться изменение объема

жидкой фазы [9]. Наблюдение за процессом изменения объема

жидкой фазы может позволить определить время установления

равновесия в системе «изопропиловый спирт - диоксид

углерода». Информация о кинетике фазовых переходов позволит

оптимизировать многие сверхкритические процессы.

Когда в бинарную систему добавляется пористое тело,

такое как гель, фазовое поведение и кинетика фазовых переходов

системы "изопропиловый спирт – CO2" отличаются от системы

без геля. Гель имеет поры малого диаметра, в которых затруднена

диффузия, так как диаметр пор соизмерим со средним свободным

пробегом молекулы. Оценка влияния пористого тела на скорость

фазовых переходов актуальна для процесса сверхкритической

сушки [9,10], для замены растворителя при высоком давлении

[11] и др.

В работе предлагается подход для расчета кинетики

фазовых переходов. Он условно разделяется на две части.

Сначала рассчитывается диаграмма фазового равновесия для

исследуемой системы при заданных параметрах. Затем

полученные равновесные значения составов фаз используются

при решении основного уравнения массопередачи и для расчета

кинетики фазовых переходов. Также в работе проведены

экспериментальные исследования по исследованию кинетики

фазовых переходов.

Экспериментальное исследование кинетики фазовых

переходов

183

Исследование кинетики фазовых переходов проводилось с

использованием установки для проведения сверхкритических

процессов [12]. Принципиальная схема используемой установки

представлена на рисунке 1.

Рисунок 1. Схема экспериментальной установки для исследования

кинетики фазовых переходов

Для определения соотношения между фазами аппарат

снабжен устройством для регистрации фотографических

изображений. А аппарат имеет специальные смотровые окна. Для

получения изображений изменения объема проводятся

следующие действия. Аппарат высокого давления 5 нагревается

до заданной температуры с помощью системы

терморегулирования 6. В аппарат, при необходимости,

загружается пористый гель альгината натрия, после чего аппарат

герметизируется. Далее с помощью мембранного насоса 10 в

аппарат подается изопропиловый спирт из емкости 9. Аппарат

термостатируется в течение 20 минут. После этого, в аппарат с

помощью поршневого насоса 3 через конденсатор 2 подается

диоксид углерода из баллона 1. Нагрев подаваемого газа

184

происходит с помощью термостата 4. После этого спирт из

аппарата сбрасывается через пробоотборник 7, а давление

сбрасывается в атмосферу. Объемный расход определяется по

ротаметру 8. Указанная процедура повторяется с изменением

параметров процесса (температуры и давления).

Для определения площади контакта фаз, необходимая для

расчета кинетики фазовых переходов, использовалось уравнение:

𝐹 = 𝐴𝐵 ∙ 𝐿 (1)

где AB и L являются сторонами прямоугольника, AB – ширина

контакта фаз, см; L – длина аппарата для исследования кинетики

фазовых переходов, см.

AB находится по формуле:

𝐴𝐵 = √4(𝑅2 − (𝑅 −𝐻)2) (2)

где R – радиус аппарата, см; H – высота уровня жидкой фазы в

аппарате, см.

Высота уровня жидкой фазы измеряется по

экспериментальным фотографическим изображениям. Зная

начальный объем жидкой фазы и объем в каждый момент

времени рассчитывается изменение объема жидкой фазы по

уравнению (3) на данном шаге: ∆𝑉

𝑉0=𝑉 − 𝑉0𝑉0

∙ 100% (3)

где V – объем жидкой фазы, см3; V0 – объем жидкой фазы в

начальный момент времени, см3.

Теоретический расчет кинетики фазовых переходов

Для определения кинетических параметров изучаемой

системы в данной работе используется основное уравнение

массопередачи, по которому может быть рассчитано количество

вещества, перенесённое из одной фазы в другую через границу их

раздела за единицу времени:

𝑑𝑀 = 𝐾(𝑥𝑝 − 𝑥)𝑑𝐹𝑑𝜏, (4)

где dM – количество вещества, переходящее из одной фазы в

другую, моль/сек; К – коэффициент массопередачи, мол/(м2·с);

dF – поверхность фазового контакта, м2; dτ – время, сек; (xp – x) –

движущая сила процесса массопередачи, xp – равновесная

185

концентрация вещества в жидкой фазе; x – концентрация

вещества в жидкой фазе на данном шаге.

Для прогнозирования фазового состояния и свойств

многокомпонентных систем используются уравнения состояния.

Основываясь на предыдущих результатах исследований

бинарных систем[13], содержащих диоксид углерода, в данной

работе использовалось уравнение состояния Пенга-Робинсона[14]

с правилами смешения для многокомпонентных систем Ван-Дер-

Ваальса[15].Уравнение состояния Пенга-Робинсона описывается

следующими уравнениями:

𝑃 =𝑅𝑇

𝑉 − 𝑏−

𝑎(𝑇𝑅)

𝑉(𝑉 + 𝑏) + 𝑏(𝑉 − 𝑏); (5)

𝑎 = 0.45724𝑅2𝑇𝑐

2

𝑃𝑐𝛼(𝑇𝑅); 𝑏 = 0.077796

𝑅𝑇𝑐𝑃𝑐;

𝛼(𝑇𝑅) = [1 + 𝑚𝑝𝑟(1 − 𝑇𝑅0.5)]

2;

𝑚𝑝𝑟 = 0.37464 + 1.54226𝜔 − 0.26992𝜔2.

С помощью коэффициентов, вычисленных из уравнения

состояния Пенга-Робинсона, может быть определена

фугитивность отдельных компонентов в жидкой и газовой фазах

при различных условиях:

ln (𝑓𝐿,𝑉

𝑥𝑖𝑃) =

𝑏𝑖(𝑍𝐿,𝑉 − 1)

𝑏− ln(𝑍𝐿,𝑉 − 𝐵)

− [𝐴

2√2𝐵] [2𝛹𝑖𝑎𝛼

−𝑏𝑖𝑏] ln [

𝑍𝐿,𝑉 + (1 + √2)𝐵

𝑍𝐿,𝑉 − (1 − √2)𝐵]

(6)

𝐴 = 𝑎𝛼𝑃

𝑅2𝑇2; 𝐵 =

𝑏𝑃

𝑅𝑇;

186

𝛹𝑖 =∑𝑥𝑖√𝑎𝑖𝑎𝑗𝛼𝑖𝛼𝑗(1 − 𝑘𝑖𝑗)

𝑖

.

где fL,V

– фугитивность жидкой или газовой фазы, индекс i – один

из компонентов системы.

Для определения фазового состояния системы необходимо

учитывать равенство фугитивностей компонентов в жидкой и

газовой фазе. В результате расчетов определялась равновесная

концентрация диоксида углерода в жидкой фазе, которая в

дальнейшем использовалась для расчета кинетики фазовых

переходов в системе по уравнению (4).

Коэффициент массопередачи определялся по уравнению (4)

путем нахождения минимальной ошибки рассчитанных данных с

экспериментальными точками методом перебора.

Результаты и обсуждения

В результате расчетов по уравнениям (5) и (6) были

получены фазовые диаграммы двухкомпонентной системы

«изопропиловый спирт – диоксид углерода». На рисунке 2

представлены рассчитанные и экспериментальные данные из

литературы при температуре 313.2 К.

Рисунок 2. Фазовая диаграмма системы «изопропиловый спирт –

диоксид углерода» в зависимости от давления

187

Средняя относительная ошибка рассчитанных данных

составила 4.77%. Так как рассчитанные данные хорошо

согласуются с экспериментальными, с их помощьюопределялась

равновесная концентрация диоксида углерода в жидкой фазе

приопределенных условиях процесса, которая учитывается в

уравнении (1).

Далее были рассчитаны по уравнению (4) кривые кинетики

фазовых переходов двухкомпонентной системы «изопропиловый

спирт – диоксид углерода» в присутствии и без пористого геля.

Коэффициент массопередачи определялся путем нахождения

минимальной ошибки рассчитанных данных с

экспериментальными точками методом перебора. Теоретические

и экспериментальные кривые представлены на рисунках 3-4.

Рисунок 3. Экспериментальные и рассчитанные данные кинетики

фазовых переходов без добавления геля альгината натрия

188

Рисунок 4. Экспериментальные и рассчитанные данные кинетики

фазовых переходов с добавлением геля альгината натрия

Вид полученных кривых кинетики фазовых переходов

согласуется с экспериментальными данными. В результате

расчетов были определены коэффициенты массопередачи из

газовой фазы в жидкую. Для системы без добавления геля

коэффициент массопередачи составил 1.34 мол/(м2·с), для

системы с гелем – 0.88 мол/(м2·с). Показано, что массообмен в

присутствии пористого тела замедляется примерно на 30%.

Средняя ошибка расчетов составила 4.7% для систем

«изопропиловый спирт – диоксид углерода» без геля альгината

натрия и 3.4% для системы с добавлением геля. Небольшая

ошибка расчетов свидетельствует о том, что предложенный выше

метод расчета фазового состояния и кинетики фазовых переходов

может использоваться для расчета массообменных процессов,

таких как сверхкритическая сушка, замена растворителя и т.д.

Работа выполнена при финансовой поддержке

Министерства науки и высшего образования России, FSSM-2020-

0003.


1. Hegel P. et al. Biodiesel production from Neochloris

oleoabundans by supercritical technology // Chemical Engineering

189

and Processing: Process Intensification. Elsevier B.V., 2017. Vol. 121.

P. 232–239.

2. Gracia E. et al. Improvement of PLGA loading and release

of curcumin by supercritical technology // Journal of Supercritical

Fluids. Elsevier B.V., 2018. Vol. 141. P. 60–67.

3. Johner J.C.F., Hatami T., Meireles M.A.A. Developing a

supercritical fluid extraction method assisted by cold pressing for

extraction of pequi (Caryocar brasiliense) // Journal of Supercritical


4. Nikolai P. et al. Supercritical CO2: Properties and

Technological Applications - A Review // Journal of Thermal Science.

2019. Vol. 28. P. 394–430.

5. de Souza A.T. et al. Supercritical extraction process and

phase equilibrium of Candeia (Eremanthus erythropappus) oil using

supercritical carbon dioxide // Journal of Supercritical Fluids.

Elsevier, 2008. Vol. 47, № 2. P. 182–187.

6. Scopel R. et al. Supercritical fluid extraction from Syzygium

aromaticum buds: Phase equilibrium, mathematical modeling and

antimicrobial activity // Journal of Supercritical Fluids. Elsevier, 2014.

Vol. 92. P. 223–230.

7. Sierra-Pallares J. et al. High-pressure fluid flow in carbon

dioxide - organic solvent mixing layers. Equilibrium models and the

prediction of phase transitions // The Journal of Supercritical Fluids.

Elsevier BV, 2020. P. 105024.

8. Smirnova I., Gurikov P. Aerogel production: Current status,

research directions, and future opportunities // Journal of Supercritical


9. Bueno A. et al. First Evidence of Solvent Spillage under

Subcritical Conditions in Aerogel Production // Industrial &

Engineering Chemistry Research. American Chemical Society, 2018.

Vol. 57, № 26. P. 8698–8707.

10. Masmoudi Y. et al. Diffusion During the Supercritical

Drying of Silica Gels // Drying Technology. Taylor & Francis, 2006.

Vol. 24, № 9. P. 1121–1125.

11. Lebedev A. et al. Investigation of Aerogel Production

Processes: Solvent Exchange under High Pressure Combined with

Supercritical Drying in One Apparatus // Gels. 2021. Vol. 7, № 1.

190

12. Lebedev A.E., Katalevich A.M., Menshutina N. V.

Modeling and scale-up of supercritical fluid processes. Part I:

Supercritical drying // Journal of Supercritical Fluids. Elsevier B.V.,

2015. Vol. 106. P. 122–132.

13. Sima S. et al. Fluid phase equilibria modelling for carbon

dioxide + methanol system with cubic equations of state // Revista de

Chimie -Bucharest- Original Edition-. 2014. Vol. 65. P. 272–279.

14. Peng D.-Y., Robinson D.B. A New Two-Constant Equation

of State // Industrial & Engineering Chemistry Fundamentals. 1976.

Vol. 15, № 1. P. 59–64.

15. Kwak T.Y., Mansoori G.A. Van der waals mixing rules for

cubic equations of state. Applications for supercritical fluid extraction

modelling // Chemical Engineering Science. 1986. Vol. 41, № 5. P.

1303–1309.

УДК 681.5.042

МОДЕРНИЗАЦИЯ АППАРАТНОЙ ЧАСТИ СИСТЕМЫ

УПРАВЛЕНИЯ КОНШ-МАШИНОЙ В ПРОИЗВОДСТВЕ

ШОКОЛАДА И ИСПОЛЬЗОВАНИЕМ

ПРОМЫШЛЕННОГО КОНТРОЛЛЕРА SIEMENS

Иванов А.В., Кононова А.А., Хаустов И.А, Кудряшов В.С.,

Козенко И.А.. Алексеев М.В.,


инженерных технологий»,


Одним из важных и значимых этапов приготовления

шоколада и формирования качества конечного продукта является

конширование [1].

Кош-машина (рис. 1) состоит из неподвижной

цилиндрической смесительной, дробильной и коншировальной

камеры.

191

Рис. 1 Технологическая схема конш-машины

1. Редуктор 2. Водяной контур 3. Нагревательные элементы 4. Насос

водяной 5. Эл. магнитный клапан 6. Термосопротивление 7. Основной

двигатель 8. Загрузочное окно 9. Слив готового продукта 10. Двигатель

поджима лопастей 11. Лопатки 12. Свободный слив воды 13. Подвод

воды

Дробильная камера имеет водяную рубашку для нагрева

или охлаждения продукта без давления.

Внутренняя поверхность дробильной камеры полностью

облицована сменными рифлеными пластинами, которые

изготовлены из чугунного перлита. Это создает неподвижную

дробильную поверхность в машине. На внутреннем

вращающемся барабане установлены подвижные лопасти.

В настоящее время используется система управления конш-

машинами на участке приготовления шоколадной массы с

помощью одного контроллера и станциями распределенной

периферии ЕТ200SP. Данная система управления имеет ряд

недостатков, в связи с этим в работе рассматривается задача

реализация централизованной системы управления на базе

контроллера Siemens S7-1500 []. Программируемые логические

контроллеры Simatic S7-1500 - это новейшее семейство

контроллеров, в которых значительно снижено время реакции на

внешние события и благодаря такому высокому уровню

производительности они могут быть использованы для решения

задач среднего и высокого уровня сложности.

Удобная конструкция программируемого контроллера S7-

1500 и его модульность позволяют его максимально адаптировать

к требованиям решаемой задачи. Контроллер имеет естественное

192

охлаждение. В случае модернизации системы контроллер

обеспечивает свободное наращивание функциональных

возможностей. Повышенная степень защиты программы и

данных обеспечивают разработчиков дополнительным уровнем

безопасности.

Установка всех модулей ПЛК осуществляется на

профильную шину S7-1500. Допустима установка до 32 модулей

контроллера в одну монтажную стойку. Последовательность

размещения модулей произвольна. Через интерфейсные модули

ET 200MP и сеть PROFINET имеется возможность подключать

дополнительные стойки с дополнительными модулями

расширения к контроллеру S7-1500.

Структурная схема комплекса технических средств

представлена на рисунке 2.

Подключение датчиков и исполнительных устройств

осуществляется напрямую к модулям контроллера. Связь с

рабочей станцией осуществляется посредством сети Ethernet.

Программная реализация системы управления проведена в

среде TIA Portal.

Рис. 2 Структурная схема комплекса технических средств

193

На первом этапе проведена первоначальная конфигурация

проекта путем добавления соответствующих модулей

контроллера и организации коммуникации между ними:

Рис.3 Создание проекта в среде TIA Portal.

На следующем этапе проведена настойка подключения

датчиков и исполнительных устройств к контроллеру (рис.4).

Рис.4 Настройка подключения датчиков и исполнительных

устройств.

Для корректного отображения опрошенных значений

параметров и выдачи управляющих воздействий использованы

194

функциональные блоки масштабирования сигналов NORM_X и

SCALE_X среды разработки TIA Portal.

Следующим этапом разработки системы явлется разработка

алгоритма управления конш-машиной и создание программы

управления.


1. Ткачева Г.В., Синенко Е.В., Шагеева О.А., Жернова Р.В.

Кондитер. Основы профессиональной деятельности, Москва,

КноРус, 2020. - 197 с.

2. Программируемые логические контроллеры SIMATIC

S7-1500 . Брошюра, Германия, ООО «Сименс» 2017. - 250 с.

3. Официальный сайт Siemens [Электронный ресурс]:

Каталог продукции: Германия, 2016 – режим доступа:

https://mall.industry.siemens.com/mall/ru/ru/Catalog/Product/6ES752

3-1BL00-0AA0

4. Официальный сайт Siemens [Электронный ресурс]:

Каталог продукции: Германия, 2016 – режим доступа:

https://mall.industry.siemens.com/mall/ru/ru/Catalog/Product/6ES753

1-7QD00-0AB0

УДК 541.126:547.584

МОДЕЛЬ ПРОЦЕССА БРОМИРОВАНИЯ

НЕПРЕДЕЛЬНЫХ ФТАЛАТОВ В РЕАКТОРЕ

ПОЛУНЕПРЕРЫВНОГО ДЕЙСТВИЯ

Плотникова Р.Н.

ФГБОУ ВО«Воронежский государственный университет



Кинетичекая модель бромирования ненасыщенных

фталатсодержащих систем в реакторе периодического действия

описана в [1]. В случае использования реактора

https://mall.industry.siemens.com/mall/ru/ru/Catalog/Product/6ES7523-1BL00-0AA0

https://mall.industry.siemens.com/mall/ru/ru/Catalog/Product/6ES7523-1BL00-0AA0

https://mall.industry.siemens.com/mall/ru/ru/Catalog/Product/6ES7531-7QD00-0AB0

https://mall.industry.siemens.com/mall/ru/ru/Catalog/Product/6ES7531-7QD00-0AB0

195

полунепрерывного действия, когда один из реагентов, в данном

случае бром, непрерывно дозируется в реактор, уравнение

состояния принимает вид:

𝐶𝐵𝑟2 − 𝑈0𝑡 = 𝐶НФ − 𝐶НФ0. (1)

Кинетика бромированиянепредельныхфталатов в данном

случае будет описываться двумя уравнениями:

{

𝑑𝐶НФ

𝑑𝑡= −𝑘1𝐶НФС𝐵𝑟2

𝑑𝐶𝐵𝑟2𝑑𝑡

= 𝑈0 − 𝑘1𝐶НФ𝐶𝐵𝑟2

}, (2)

где 𝑈0 – скорость подачи брома в расчете на единицу

объема реакционной смеси.

Если то же подход развить для двух непредельных

соединений НФ1 и НФ2, соответствующих 2-этилгексил-2-

этилгексил-2ен-фталату и 2-этилгексил-2-этилгексил-3ен-фталату

соответственно, то кинетическая модель усложнится

{

𝑑𝐶НФ1

𝑑𝑡= −𝑘1𝐶НФ1С𝐵𝑟2

𝑑𝐶НФ2

𝑑𝑡= −𝑘2𝐶НФ2С𝐵𝑟2

𝑑𝐶𝐵𝑟2𝑑𝑡

= 𝑈0 − 𝑘1𝐶НФ1𝐶𝐵𝑟2 − 𝑘2𝐶НФ2𝐶𝐵𝑟2}

. (3)

Оно описывает кинетику бромирования смеси

непредельных фталатов в соответствии с качественной моделью,

и справедлива для обоих механизмов, представляемых

химическими уравнениями

НФ + Br2

𝑘1→ X

𝑘2→ Y + Br

-𝑘3→ БФ (4)

или

НФ + Br2

𝑘1′

→X' + Br2

𝑘2′

→Y + 𝐵𝑟3′𝑘3′

→𝐵𝑟2 + БФ, (5)

196

где 𝑘1, 𝑘2, 𝑘1′ , 𝑘2

′ - константы скоростей химических

реакций; БФ – бромированныефталаты (целевой прдукт); X, Y -

промежуточные продукты реакции бромирования.

Для теоретического исследования кинетической модели

бромирования непредельных фталатов систему

дифференциальных уравнений (3) необходимо привести к виду с

безразмерными переменными:

Х𝐵𝑟2 = 𝛼𝐶𝐵𝑟2

𝑋НФ1 = 𝛼𝐶НФ1

𝑋НФ2 = 𝛼𝐶НФ2

𝜏 = 𝛿𝑡, где α, δ – коэффициенты, обеспечивающие преобразование

исходных величин в безразмерные. В новых переменных система

(3) записывается:

{

𝑑𝑋НФ1𝑑𝜏

= −𝑘1𝑋НФ1 ∙ 𝑋𝐵𝑟2

𝛼𝛿𝑑𝑋НФ2𝑑𝜏

= −𝑘2𝑋НФ2 ∙ 𝑋𝐵𝑟2

𝛼𝛿𝑑𝐶𝐵𝑟2𝑑𝑡

= 𝛼𝑈0𝛿− 𝑘1

𝑋НФ1 ∙ 𝑋𝐵𝑟2𝛼𝛿

− 𝑘2𝑋НФ2 ∙ 𝑋𝐵𝑟2

𝛼𝛿 }

.


1. Плотникова Р.Н.Моделирование процесса

бромированияненасыщенных фталатсодержащих систем. [Текст]

Моделирование энергоинформационных процессов : Сборник

статей IX Национальной научно – практической конференции с

международным участием / Воронеж.гос. ун-т инж. технол. –

Воронеж: 2021. - С. 165.

197

УДК 631.363.2

ОПРЕДЕЛЕНИЕ УГЛА НАКЛОНА ОТВЕРСТИЙ В

МАТРИЦЕ ГРАНУЛЯТОРА КОМБИКОРМОВ

Овсянников В.Ю., Бубнов А.Р. Дранникова Н.Е.


инженерных технологий», Воронеж, Россия

МБУК «Централизованная библиотечная система города

Воронежа», Воронеж, Россия

Современные прессы - грануляторы комбикормов

комплектуются кольцевыми матрицами формующие отверстия

которых имеют отверстия с осями, направленными по радиусу

матрицы. Указанный характер выполнение отверстий в матрице

не обеспечивает полного использования усилия прессования.

При движении ролика по внутренней поверхности

образующей матрицы продукт подвергается уплотнению до

плотности, приближающейся к плотности гранул, а затем

выпрессовывается сквозь отверстия матрицы. Уплотнение

продукта осуществляется до некоторой величины, отмеченной

точкой А, вкоторой прессующее усилие выше силы трения

гранул о поверхность канала отверстия после чего начинает

выпрессовываться (рис. 1).

Усилие прессования F, направленное по нормали к

плоскости в точке касания ролика и матрицы с радиальными

отверстиями можно разложить на две силы: Fr- сила,

направленная по радиусу матрицы, и Fτ- сила (тангенциальная)

направленная перпендикулярно радиусу, в направлении

противоположном вращению прессующего ролика. В результате

следует, что на выпрессовывание гранулы из отверстия в матрице

используется только некоторая часть присущего усилия, равная

Fcosβ, здесь β - угол между осью отверстия в матрице и

направлением силы прессования в точке начала выпрессовывания

гранулы.

198

Рис. 1. Расчетная схема зоны гранулирования

Тангенциальная составляющая усилия прессования Fτ,

препятствует заклиниванию продукта между матрицей и

прессующим роликом, удаляя прессуемый продукт из зоны

уплотнения. Указанное явление часто встречается в случае

гранулирование сыпучих сред с низким коэффициентомтрения

иливысоковлажных, даже при эксплуатации в машинах,

оснащённыхроликами с рифлёной формующей поверхностью.

Для наиболее полного использования усилия прессования и

улучшение условий заклинивания формуемого продукта в зазоре

между матрицей и прессующим роликом следует отверстие

матрицы выполнять под некоторым углом к её радиусу.

На рис. 1 представлена расчетная схема матрицы

гранулятора с роликом и усилия, действующие при

гранулировании. Величину угла наклона осей отверстий матрицы

к радиусу можно найти из ΔАОО1, стороны которого равны:

AO=r; OO1=R – r; O1A=R – h (здесь R – радиус матрицы

гранулятора; r – радиус ролика; h–высота уплотненного слоя

продукта в момент начала выпрессовывания гранулы).

cos2 12

12

1 AOAOAOAOOO . (1)

Откуда находим

hRr

hRhRr

hR

rRhRr

2

22

2cos

2222

. (2)

199

Уравнение (2) наглядно демонстрирует, что угол наклона

отверстий матрицы к ее радиусу зависит не только от

конструктивных параметров – радиусов ролика rи матрицы R, но

и от технологических – h, фигурирующих в формуле

производительности пресса - гранулятора

nRbhmG 120 , (3)

где G – производительность пресса – гранулятора, кг/ч; b –

ширина рабочей части матрицы, м; n – число оборотов матрицы,

мин-1

; m–число прессующих роликов, шт; ρ – плотность гранул,

кг/м3.

Для каждого типоразмера прессов-грануляторов угол

наклона отверстий к радиусу - величина строго определенная.

Для современных прессов угол наклона варьируется в пределах

5…25 град.

Экономию мощности от использования матриц с

наклонными отверстиями при одной и той же длине

формирующего канала можно определить по формуле:

%1001

N

NNN

, (4)

гдеN - мощность на гранулирование при использовании матрицы

с наклонными отверстиями, кВт;N1- мощность на гранулирование

при использовании матрицы с радиальными отверстиями, кВт;

102

zkFvN , (5)

102

cos1

zkFvN , (6)

здесь z – число одновременно прессуемых гранул в матрице;k–

поправочный коэффициент, учитывающий свойства комбикорма;

F–усилие прессования;v – скорость движения гранулы в канале

матрицы.

Соответственно, при замене матрицы с радиальными

отверстиями на матрицу с наклонными отверстиями, экономия

мощности составит величину, определяемую по формуле:

%100)cos1( N . (7)

200

УДК. 66.02, 544.774.2

ОПТИМИЗАЦИЯ ПРОЦЕССА СВЕРХКРИТИЧЕСКОЙ

СУШКИ НА ПИЛОТНОЙ УСТАНОВКЕ

Худеев И.И., Лебедев А.Е., Меньшутина Н.В.


имени Д.И. Менделеева»,


Одной из важнейших стратегических задач Российской

Федерации является создание производств по выпуску

высокотехнологичной продукции. К такой продукции можно

отнести материалы на основе аэрогелей. Аэрогель –

высокопористый твердый материал, обладающий развитой

площадью удельной поверхности(1000–2000 м2/г) и высокой

пористостью (80–99 %). Благодаря таким свойствам, материалы

на основе аэрогелей применят в качестве: теплоизоляции,

накопителей энергии, чувствительныхэлементов в газовых

датчиках, сорбентов. Данный материал получают в некоторых

странах в промышленном масштабе в качестве

высокоэффективного теплоизоляционного материала. Подобное

производство существует на территории Российской Федерации в

г. Щелково Московской обл.Для получения аэрогелей требуется

проведение технологически сложного процесса

сверхкритической сушки. Поэтому оптимизация процесса

сверхкритической сушки при производстве аэрогелей является

очень важной задачей.

Проведение процесса сверхкритической сушки

Процесс сверхкритической сушки можно разделить на

следующие этапы: набор давления, вытеснение растворителя из

свободного объема аппарата, диффузионное замещение

растворителя в порах геля на сверхкритический диоксид

углерода, сброс давления. Схема проведения процесса

сверхкритической сушки гелей представлена на рисунке 1.

201

Рисунок 1 – Схема проведения процесса сверхкритической сушки гелей

в среде сверхкритического диоксида углерода

В работе рассматривается сверхкритическая сушка гелей на

основе диоксида кремния в форме цилиндров, содержащих в

порах изопропанол.

Математическое моделирование кинетики процесса

сверхкритической сушки

Математическая модель описывает этапы процесса

сверхкритической сушки, в ходе которых проводится удаление

растворителя из гелей, а именно: вытеснение растворителя из

свободного объема аппарата, диффузионное замещение

растворителя в порах геля. В модели кинетики рассматривается

массоперенос внутри геля, в пограничном слое геля и свободном

объеме аппарата. Массоперенос внутри пористого

цилиндрического тела является диффузионным и описывается 2-

м законом Фика (уравнение 1). Массоперенос в свободном

объеме аппарата описывается моделью идеального смешения

(уравнение 2). Уравнения модели кинетики дополнены

начальными и граничными условиями. Кроме того, для расчета

физико-химических свойств диоксида углерода, изопропанола и

смеси «диоксид углерода – изопропанол» используются

дополнительные соотношения.

202

Модель кинетики может быть использована для гелей

различных типов в форме цилиндров, сфер и

плоскопараллельных тел. Разработана компьютерная программа

расчета кинетики процесса сверхкритической сушки на языке

Python (JupyterNotebooks). Данная программа позволяет

проводить расчет физико-химических свойств смеси «диоксид

углерода – изопропанол», изопропанола и диоксида углерода

(рисунок 2).

а б

Рисунок 2 – Молекулярный коэффициент диффузии:

а) изопропанола в диоксиде углерода, б) диоксида углерода в

изопропаноле

Компьютерная программа была использована для расчетов

кинетики процесса сверхкритической сушки на установке

объемом 250 мл.

Результаты расчета кинетики процесса сверхкритической

сушки

Экспериментальные исследования сверхкритической

сушки и принципиальная схема установки объемом 250 мл

𝜕𝜌см,г𝑦2,г𝜕𝑡

=1

𝑟[𝜕

𝜕𝑟(𝐷 ∙

휀

𝜏пор∙ 𝜌см,г𝑟

𝜕𝑦2,г𝜕𝑟

)] (1)

𝑑𝜌см,ап𝑦2,ап𝑑𝑡

= −𝜌см,ап𝑦2,ап

𝑡̅+𝑁г ∫

𝜕𝜌см,г𝑦2,г

𝜕𝑡𝑑vгvг

𝑉св (2)

203

приведены в нашей предыдущей работе [1]. В работе

представлено VIIэкспериментов по оптимизации режимно-

технологических параметров сверхкритической сушки. На

рисунке 3 представлен пример расчета кинетики процесса

сверхкритической сушки при температуре 313 K, давлении120

бар и ступенчатом изменении расхода диоксида углерода.

а б

Рисунок 3 – Расчетные и экспериментальные данные кинетики процесса

сверхкритической сушки:а) расход диоксида углерода, б) кинетика

процесса

Далее была проведена оценка адекватности модели.

Сравнение результатов экспериментальных и расчетных данных

кинетик процесса сверхкритической сушки проводилось с

использованием коэффициента различия и коэффициента

подобия.Коэффициент различия 𝛷1 показывает процент ошибки

между расчетной и экспериментальной кривыми кинетик по всем

временным точкам. Коэффициент подобия 𝛷2 – это величина,

представляющая собой логарифмическое преобразование

значения суммы квадратов ошибок, рассчитанных по разности

между расчетным и экспериментальными данными во всех

точках времени. Уравнения для расчета данных коэффициентов

представлены в работах [2, 3].В таблице 1 представлены

результаты сравнения расчетных и экспериментальных данных

[1] кинетик процесса сверхкритической сушки.

204

Таблица 1 – Сравнение результатов экспериментальных и

расчетных данных кинетиксверхкритической сушки Эксперимент 𝛷1, % 𝛷2, %

I 3.26 86.70 II 3.62 90.26 III 3.03 95.02 IV 3.51 87.36 V 7.03 75.73 VI 7.70 79.31 VII 5.89 78.67

Коэффициент различия𝛷1 равен 0, если кинетика процесса

для эксперимента и расчета идентичны. По мере увеличения

различия между двумя кинетиками значение коэффициента

возрастает. Коэффициент подобия 𝛷2 равен 100, если кинетика

процесса для эксперимента и расчета идентичны. Принято

считать модель адекватной, если значение 𝛷1 находится в

пределах диапазона от 0 до 15, значение 𝛷2находится в пределах

диапазона от 50 до 100. Таким образом, математическая модель

является адекватной.

Оптимизация процесса сверхкритической сушки на пилотной

установке

Оптимизацию процесса сверхкритической сушки

проводили на примере пилотной установки объемом 70 л. Данная

установка используется компанией ООО «Ниагара» для

производства высокоэффективного теплоизоляционного

материала на основе аэрогеля.

На основе модели по расчету кинетики сверхкритической

сушки была разработана компьютерная программа позволяющая

проводить оценку экономической эффективности процесса. Для

оценки экономической эффективности использовался критерий

оптимизации – себестоимость аэрогеля.Расходы, включенные в

себестоимость аэрогеля представлены на рисунке 4.На рисунке 5

представлена зависимость себестоимости аэрогеля от

температуры и расхода диоксида углерода процесса

сверхкритической сушки при давлении 120 бар и загрузке

аппарата 70 об.% на пилотной установке объемом 70 л.

205

Рисунок 4 – Себестоимость

аэрогеля для установки 70 л при

расходе диоксида углерода 150

кг/ч, давлении 120 бар,

температуре 313 K, объемной

загрузке аппарата 70 %

Рисунок 5 – Влияние

температуры и расхода диоксида

углерода на себестоимость

аэрогеля

Повышение температуры приводит к уменьшению

себестоимости аэрогеля, что связано с уменьшением времени

процесса сверхкритической сушки. Аналогичные результаты при

уменьшении давления процесса. Зависимость себестоимости

аэрогеля от расхода диоксида углерода имеет минимум и для

точного определения оптимального расхода при варьировании

других параметров процесса необходимо использовать методы

оптимизации.С помощью библиотеки SciPy для языка

программирования Python была реализована оптимизация

процесса сверхкритической сушки.В качестве методов

оптимизации были выбраны Powell и SLSQP

(SequentialLeastSquaresProgramming – метод последовательного

квадратичного программирования).

В таблице 1 представлены результаты оптимизации

процесса сверхкритической сушки. Расход диоксида углерода для

данных расчетов представлен на рисунке 6.

Таблица 1. Результаты оптимизации

Расчет Загрузка

аппарата, % Давление,

бар Температура,

K Себестоимость,

руб/л Реальное

производство 70 120 313 768.5

Результат оптимизации

80 120 339 565.3

206

Рисунок 6 – Изменение расхода диоксида углерода в процессе

сверхкритической сушки

Расчет реального производства, представленного в таблице

1 соответствует параметрам процесса сверхкритической сушки,

которые используются на производстве. В ходе сверхкритической

сушки нет необходимости поддерживать расход диоксида

углерода на протяжении всего процесса постоянным. Поэтому

помимо оптимизации параметров процесса: температуры,

давления, загрузки аппарата была проведена оптимизация

ступенчатого изменения расхода, где варьировалось количество

ступеней, расход диоксида углерода на каждой ступени и

продолжительность каждой ступени. Результаты оптимизации

представлены в таблице 1 и на рисунке 6.

Разработанные математическая модель, подход

оптимизации процесса сверхкритической сушкипозволяют

снизить себестоимость продукта на существующем производстве

аэрогелей на 26.4 %.

Выводы

В ходе работы была разработана компьютерная программа

расчета кинетики процесса сверхкритической сушки на языке

Python. Произведены расчеты по исследованию влияния

параметров на кинетику процесса сверхкритической сушки на

установке 250 мл. Математическая модель является адекватной.

Разработанная компьютерная программа может быть

207

использована для исследования процесса сверхкритической

сушки различного масштаба.

Разработана компьютерная программа, позволяющая

производить оценку экономической эффективности процесса

сверхкритической сушки. Экономическая эффективность

определяется себестоимостью аэрогелей. В расчет себестоимости

аэрогелей включены постоянные расходы (амортизационные

отчисления, профилактический ремонт, заработная плата),

затраты на сырье для получения гелей, затраты на диоксид

углерода, затраты на электроэнергию. С помощью разработанной

программы была произведена оптимизация процесса

сверхкритической сушки на пилотной установке объемом 70 л.

Разработанная компьютерная программа может быть

использована как для оптимизации существующих производств,

так и проектирования.

Благодарности

Работа выполнялась при финансовой поддержке

Министерства науки и высшего образования РФ в рамках

государственного задания, соглашение № 075-03-2020-232/3

(FSSM-2020-0003).


1.Intensification methods of supercritical drying for aerogels

production / N. V. Menshutina,P. Y. Tsygankov, I. I. Khudeev, A. E.

Lebedev // Drying Technology. – 2020. – P. 1–14.

2. Moore J. W. Mathematical comparison of dissolution profiles

/ J. W. Moore, H. H. Flanner // Pharmaceutical technology. – 1996. –

Vol. 20, № 6. – P. 64–74.

3. Comparison of free software platforms for the calculation of

the 90% confidence interval of f2 similarity factor by bootstrap

analysis / L. Noce, L. Gwaza, V. Mangas-Sanjuan, A. Garcia-

Arieta // European Journal of Pharmaceutical Sciences. – 2020. – Vol.

146. – P. 105259.

208

УДК 621.0744

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ КАК СПОСОБ

КОРРЕЛЯЦИИ СНИЖЕНИЯ ЗАТРАТ НА ИЗГОТОВЛЕНИЕ

СТАЛЬНЫХ ОТЛИВОК

Сушко Т.И., КараевР.Ш.

ВУНЦ ВВС ВВА «Военно-воздушная академия имени им. Н.Е.

Жуковского и Ю.А Гагарина


Одним из важных в литье по выплавляемым моделям

(ЛВМ) остается вопрос эффективности ресурсных затрат(

энергии, возвратных отходов литейного передела и методов их

сокращения, сроков проектных работ при отработке техпроцесса)

при серийном производствекачественных отливок. Для решения

данной проблемы используя CAD/CAE - системы. Основной

причиной дефектов в отливках остается несовершенство

конструкций систем питания (прибылей, литниковых ходов),

отсутствие унифицированных методов их конструирования и

рекомендаций к выбору типов питания в соответствии с

минимальными затратами ресурсов , позволяющими получить

качественную отливку.

Цель данной работы - корреляция технологии

изготовления стальной отливки «Крышка» посредством

CAD/CAE – систем для снижения затрат на конструкцию

литниково -питающей системы.(ЛПС). Для построения

трехмерных моделей используем русифицированную версию

SolidWorksRussia, поддерживающую жизненный цикл

изделий для оформления чертежей в ЕСКД. Программное

обеспечение комплекса SolidWorksRussia функционирует на

платформе WindowsXР,WindowsVista. Математическая модель

оптимизации построена на математической модели

гидродинамики и реализована в виде программы

компьютерного моделирования LVMFlowRussia. Численное

решение гидродинамической задачи производится основе метода

209

ControlVolume (CVM). В алгоритм теплового расчета на границе

металл-форма заложен учет теплопередачи и неравномерности

выделения скрытой теплоты затвердевания, при этом в модели

граничной передачи используют физические представления

распределенных пятен плотного контакта и теплопередачи через

зазор. Также решается сопряженная задача расчета температурно-

фазовых полей отливки и температурных полей, расчет тепловых

процессов ведется методом конечных элементов. Решение задачи

питания отливки строиться исходя и понятий усадочных

дефектов в объеме узла отливки, пористости по оценке критерия

Ниямы и на представлениях о физике процесса. Образование

микропористости связано с недостатком давления в некоторой

области двухфазной зоны, находящейся ниже уровня заполнения

формы, а макропористости и раковин обусловлено падением

уровня расплава ниже этой области. Расчет основан на

вычислении объемной усадки и принципа направленного

затвердевания. При этом решается задача определения на каждом

шаге изолированных зон питания отливки. В качестве объекта

для исследования выбрана стальная 10Х18Н11БЛ отливка

«Крышка» массой 3,4 кг. Геометрические параметры для

изготовления прототипов детали составляют 270×170×35 мм.

Система питания отливки металлом в ЛВМ состоит из

унифицированных конструктивных элементов, в нашем случае

это система включающая: литниковую воронку и ход, стояк,

зумпф, прибыль, располагающиеся, таким образом, чтобы можно

было максимально использовать объем корковой формы.Система

питания для данной конфигурации отливки возможна как с двумя

моделями на стояке, рисунок 1. , так и с тремя моделями,

рисунок 2.

210

1 – литниковая чаша; 2 – стояк; 3 – питатель; 4 – отливка; 5 – зумпф.

Рисунок 1 – Система питания с двумя моделями

Рисунок 2 – Система питания с тремя моделями

Компьютерное моделирование процесса заполнения

корковой формы задавалось с учетом геометрических размеров

отливки и конструктивных элементов пресс-формы,

теплофизические параметры процесса, технологические свойства

: формование без шамотной крошки; число слоев защитного

покрытия принимаем равным 9; температура заливки стали

1630 º С; температура прогрева огнеупорного покрытия формы

900 ºС; температура формы 900 ºС; время заливки по нашим

расчетам около 6 секунд. Корреляцию проводим по наличию

усадочных дефектов и критерию Ниямы в теле затвердевшей

отливки для системы питания с двумя и тремя моделями на

литнике, рисунок 3.

211

а) - критерий Нияма б) – усадка 2,0%

в) – усадка 2,2% г) – критерий Нияма

Рисунок 3- Критерии корреляции технологии

По нашим оценкам, микропористость в двух

представленных вариантах практически идентична,

максимальное число Нияма около 0,55 К ∙ с/мм., что для отливки

такого класса является вполне допустимым числом,

соизмеримым с параметром качества. Количество и процент

дефектов усадочного происхождения не присутствует в теле

отливки. Таким образом, возможна конструктивная замена

питания отливки и сохранение ее качества, при этом

технологический выход годного стал 38% в сравнении с 47% до

корреляции, что позволит значительно экономить затраты при

серийном производстве отливок.


1. Монастырский А.Внедрение современных методов

разработки и оптимизации технологических процессов в

литейном производстве //CAD master // 2010, №2, С.62-64

2.Сушко Т.И. Компьютерное моделирование физического

питания отливок CВС в литье по выплавляемым моделям/ Т.И.

212

Сушко, В.В. Турищев, Т.В. Пашнева, С.В. Попов // Вестник

Магнитогорского технич. университета им. Г.И. Носова. 2018. –

Т.16. - № 1. - С. 45-53.

3. Сушко Т.И. Анализ причин брака при производстве

стальных корпусных отливок посредством СКМ ЛП LVMFlow //

Т.И. Сушко, А.С. Леднев, Т.В. Пашнева И.Г Руднева, // Вестник

Магнитогорского техн. университета им. Г.И. Носова. -2012. - №

1(37).- C. 26- 29.

УДК 664.1

МОДЕЛЬ РЕЗУЛЬТАТОВ ПРОИЗВОДСТВА САХАРА СО

СТАНДАРТИЗОВАННЫМИ ПЕРЕМЕННЫМИ

Громковский А.А.

ФГКВОУ ВО ВУНЦ ВВС «Военно-воздушная академия

имени профессора Н. Е. Жуковского и Ю. А. Гагарина», г.

Воронеж, Россия

Моделирование результатов функционирования сложной

производственной системы можно осуществлять на основе

разных подходов[1, 2]. С помощью методов корреляционно-

регрессионного анализа можно построить математическую

модель формирования результатов производства сахара на основе

статистических пространственно-распределенных данных

производственного учета. Данная модель может

интерпретироваться как производственная функция

сахаропроизводящего комплекса на соответствующем уровне

рассмотрения – как на организационно-экономическом, так и на

технологическом[2, 3]. Анализ построенной модели позволяет

выявить причинно-следственную связь результата и факторов

производства, под влиянием которых формируется

интересующий исследователя результат [3, 4, 5].

На основе данныхотчетов о производстве сахара в

Российской Федерации [6] основным результирующим

213

показателем функционирования сахарных заводов является

выход готовой продукции Вх.При моделировании данный

результат производства предлагается обозначить как Y. Все

факторы производства сахара, заимствованные из

производственных отчетов, были разделены на четыре группы –

производственно-технические, сырьевые, факторы потерь,

энергетические. Из каждой подгруппы показателей при

построении модели выбиралась комбинация факторов. По

результатам анализа на значимость каждого из факторов была

выбрана наилучшая модель.

Наилучшая модель формирования выхода готовой

продукции производства сахара Y была получена с

комбинациейфакторов среднесуточной производительности, Х1,

т; сахаристости свекловичной стружки, Х5, %; фактических

потерь сахара в производстве, Х7, %; фактического расхода

условного топлива, Х9, %.

Модель регрессии данной комбинации факторов

производства сахара на выход готовой продукции была

построена в форме линейного уравнения множественной

регрессии:

𝑌 = −7,02 ∙ 10−5𝑋1 + 0,95𝑋5 − 1,15𝑋7 − 0,11𝑋9 + 휀, (1)

Полученная модель в форме (1) позволяет количественно

оценить влияние технико-экономических факторов производства

сахара на результат производства.Существенный интерес

представляет процедура ранжирования факторов производства

сахара по степени их влияния на результат [3]. Учтенные в

модели технико-экономические факторы работы сахарного

завода измеряются в разных единицах измерения и обладают

различной вариабельностью. Для реализации процедуры

ранжирования факторов производства сахара на результат

производства необходимо осуществить переход к

стандартизованным переменным в соответствие с

соотношениями:

𝑦𝑖∗ =

𝑦𝑖−�̅�

𝜎𝑦;𝑥𝑖𝑗∗ =

𝑥𝑖𝑗−�̅�𝑗

𝜎𝑥𝑗; (2)

214

где �̅� =1

𝑛∑ 𝑥𝑖;𝑛𝑖=1 �̅� =

1

𝑛∑ 𝑦𝑖𝑛𝑖=1 – выборочные средние отобранных

показателей производства;𝜎𝑦 = √∑ (𝑦𝑖−�̅�)

2𝑛𝑖=1

𝑛−1 - выборочное

среднеквадратичное отклонение результирующей переменной Y;

𝜎𝑥𝑗 = √∑ (𝑥𝑖𝑗−𝑥𝑗̅̅ ̅)

2𝑛𝑖=1

𝑛−1 - выборочное среднеквадратичное отклонение

j-го фактора формирования результата производства сахара.

На основе данных переменных можно перейти от модели

множественной регрессии (1) к стандартизованной форме

модели:

𝑦𝑖∗ = 𝛽1𝑥1𝑖

∗ + 𝛽2𝑥2𝑖∗ +⋯+ 𝛽𝑚𝑥𝑚𝑖

∗ + 휀𝑖∗, (3)

где 휀𝑖∗ – случайный компонент стандартизованной модели

регрессии.

Параметры стандартизованной формы модели

множественной регрессии оценивались методом наименьших

квадратов по преобразованным в соответствие с соотношениями

(3) данным учета производства сахара. Коэффициенты

стандартизованной формы моделиможно получить через сходные

коэффициенты модели регрессии по формулам:

𝛽𝑗 = 𝑎𝑗𝜎𝑥𝑗

𝜎𝑦; (4)

После проведения процедуры оценивания параметров была

получена стандартизованная линейная форма модели

формирования выхода готовой продукции производства сахара:

𝑌∗ = −0,136𝑋1∗ + 0,799𝑋5

∗ − 0,476𝑋7∗ − 0,085𝑋9

∗ + 휀∗ , (5)

Коэффициенты стандартизованной формы модели

регрессии основных факторов производства сахара на выход

товарного сахараследует интерпретировать с помощью

словесного истолкования [2].

При вариации среднесуточной производительности Х1 на

среднеквадратичное отклонение выход товарного

сахараизменится на 0,136 величины среднеквадратичного

отклонения в среднем при неизменном уровне других учтенных в

модели факторов производства. Связь обратная, следовательно,

при увеличении среднесуточной производительности Х1 выход

товарного сахараY будет уменьшаться, при уменьшении

215

среднесуточной производительности Х1 выход товарного сахараY

будет расти.

При изменении сахаристости свекловичной стружки Х5на

среднеквадратичное отклонение выход товарного

сахараизменится на 0,799 величины среднеквадратичного

отклонения в среднем при неизменном уровне других учтенных в

модели факторов производства. Связь прямая, следовательно, при

увеличении сахаристости свекловичной стружки Х5 выход

товарного сахара Y будет увеличиваться, при уменьшении

сахаристости свекловичной стружки Х5 выход товарного сахара

Y будет уменьшаться.

При изменении фактических потерь сахара в производстве

Х7 на среднеквадратичное отклонение выход товарного сахара

изменится на 0,476 величины среднеквадратичного отклонения в

среднем при неизменном уровне других учтенных в модели

факторов производства. Связь обратная, следовательно, при

увеличении фактических потерь сахара в производстве Х7 выход

готовой продукции Y будет уменьшаться, при уменьшении

фактических потерь сахара в производстве Х7 выход готовой

продукции Y будет увеличиваться.

При изменении фактического расхода условного топлива

Х9 на одно среднеквадратичное отклонение выход готовой

продукции изменится на 0,085 величины среднеквадратичного

отклонения в среднем при неизменном уровне других технико-

экономических факторов. Связь обратная, при увеличении

фактического расхода условного топлива Х9 выход готовой

продукции Y будет уменьшаться, при уменьшении фактического

расхода условного топлива Х9 выход готовой продукции Y будет

увеличиваться.

Технико-экономические факторы производствасахара

стандартизованной формы модели регрессии (5) ранжируются по

абсолютному значению параметра при соответствующей

переменной[5]. Стандартизованный вид модели регрессии

основных факторов производства сахара на выход товарного

сахара (5) позволяет осуществить ранжирование факторов

следующим образом.

216

Сахаристость стружки X5 (%) показывает максимальное

влияние на выход готовой продукции Y. По уменьшению степени

воздействия, можно расположить технико-экономические

факторы фактических потерь сахара в производстве Х7 (%) и

среднесуточной производительности предприятия Х1 (т/сут).

Минимальное влияние на выход товарного сахараиз всех

факторов производства сахара, учтенных в модели,

демонстрирует фактический расход условного топлива Х9 (%).

На основе коэффициентов стандартизованной формы

модели можно рассчитать частные коэффициенты эластичности

выхода товарного сахара по технико-экономическим факторам

его производства по формуле [2]:

Э𝑗 = 𝑎𝑗�̅�𝑗

�̅�; (6)

Для учтенных при моделировании факторов производства

сахара были рассчитаны следующие частные коэффициенты

эластичности:

Э1 = −0,023; Э5 = 1,102; Э7 = −0,05; Э9 = −0,029. (8)

Полученные частные коэффициенты эластичности можно

интерпретировать в процентном эквиваленте. При изменении

среднесуточной производительности Х1 на один процент выход

товарного сахара изменится на 0,02 % в среднем при неизменном

уровне других технико-экономических факторов.

При изменении сахаристости свекловичной стружки Х5 на

один процент выход товарного сахара изменится на 1,10 % в

среднем при неизменном уровне других технико-экономических

факторов.

При изменении фактических потерь сахара в производстве

Х7 на один процент выход товарного сахара изменится на 0,05 %

в среднем при неизменном уровне других технико-

экономических факторов.

При изменении фактического расхода условного топлива

Х9 на один процент выход товарного сахара изменится на 0,03 %

в среднем при неизменном уровне других технико-

экономических факторов.

Частные коэффициенты эластичности дают возможность

ранжированияучтенных в модели факторов производства по их

217

силе влияния на откликпо величинеих абсолютного значения. В

соответствии с полученными результатами можно сделать

следующие выводы. Максимальную эластичность выход

товарного сахара показывает по сахаристости свекловичной

стружки X5 (%). По степени эластичности, далее,располагаются

технико-экономические факторы фактических потерь сахара в

производстве Х7 (%) и среднесуточной производительности

предприятия Х1 (т/сут). Минимальную эластичность выход

товарного сахара демонстрирует по величине фактического

расхода условного топлива Х9 (%).

Ранжирование факторов производства сахара по величине

стандартизованных коэффициентов регрессии и по величине

частных коэффициентов эластичности позволяют сопоставить

результатыранжирования. Полученные результаты ранжирования

факторов производства сахара в России по коэффициентам

стандартизации и по частным коэффициентам эластичности

совпадают. Это свидетельствует подтверждает корректность

реализации процедуры определения существенных технико-

экономических величин для проведения моделирования.

Проверка корректности полученных результатов предполагает

сравнение моделей, построенных по данным учета производства

сахара в России за разные сезоны годы. Это является дальнейшим

предметом для проведения исследования.

Список литературы.

1. Громковский, А. И. Технико-экономический анализ

свеклосахарного производства [Текст] / А. И. Громковский, А. А.

Громковский, Н. А. Громковская // Сахар. - 2017. - № 7. – С. 20 -

23.

2. Сток, Джеймс, Уотсон, Марк Введение в

эконометрику[Текст] / Джеймс Сток, Марк Уотсон – М.:

Издательский дом «Дело» РАНХиГС, 2015. – 864 c.

3. Пейдж, Скотт. Модельное мышление. Как анализировать

сложные явления с помощью математических моделей [Текст] /

Скотт Пейдж. – М.: Манн, Иванов и Фербер, 2020. - 528 с.

4. Acemoglu, D. The Colonial Origins of Comparative

Development: An Empirical Investigation [Text] / D. Acemoglu, J.

218

Simon, J. A. Robinson // American Economic Review. – 2001. – Vol.

91(5). – p. 1369 – 1401.

5. Громковский, А. И. Оценка эффективности

свеклосахарного производства [Текст] / А. И. Громковский, А. А.

Громковский, М. Г. Матвеев // Сахар. - 2017. - № 4. – С. 56 - 59.

6. Отчеты Союза сахаропроизводителей России. Декадные

сведения о выработке сахара-песка из свеклы за 2019

год.[Электронный ресурс]. – Режим

доступа:http://sprav.saharmag.com/category/category_14.html,

свободный. Яз. рус. (дата обращения 20.09.2019)

УДК 621.316.91

УСТРОЙСТВО АКТИВНОЙ ЗАЩИТЫ ЦЕПЕЙ

ЭЛЕКТРОПИТАНИЯ EFUSE

Бабенко В. П., Битюков В. К. Битюкова Е.А.

ФГБОУВО «МИРЭА – Российский технологический

университет»


ФГБОУ ВО ВГУИТ


Аннотация.Несмотря на наличие практически во всех

источниках электропитания встроенной защиты, потребность

в электронных средствах ограничения перегрузки цепей довольно

велика. На рынке появились разнообразные электронные

предохранители eFuse с функциональными характеристиками,

востребованными в тех случаях, когда необходимо защитить

отдельные цепи, питаемые от общего источника питания,

защита которых, настроенная на полную нагрузку, может не

сработать при превышении порогового значения тока в

отдельной цепи. Рассмотрены схемные решения и реализуемые

219

функцииeFuse,рекомендации по применению, типовые схемы

включения.

Ключевые слова:электронный предохранитель,eFuse, MOSFET

ключ,защита от превышения тока, напряжения, тепловая

защита, защита от обратных токов.

Надёжная и эффективная схема защиты источника

электропитания является приоритетной при проектировании

электронных систем и, в первую очередь, источников питания,

обязательным элементом которых является защитное устройство,

такое как стандартный плавкий предохранитель (Fuse),

полимерный, самовосстанавливающийся предохранитель

(Polyfuse) или электронный предохранитель (eFuse).Электронный

предохранительeFuse, в отличие отпростых, чрезвычайно

надежныхFuseили Polyfuseпредохранителей, но обладающих

ограниченной функциональностью, представляет собой

устройствоактивной защиты цепи со встроенным полевым

транзистором, используемое для ограничения токов и

напряжений до безопасных уровней в условиях

неисправностиуниверсальной защиты узловэлектропитания.

При возникновении неисправностиeFuse обычно

обеспечивают защиту источника питания и всей системы:

защиту от короткого замыкания в нагрузке;

ограничение тока нагрузки;

горячая замена источника питания;

плавное включение;

электронное включатение/выключение (вкл/выкл) цепи;

ограничение импульсапускового тока;

ограничение мощности в нагрузке;

защиту от перенапряжения;

защиту самого защитного устройства;

защиту от обратного тока и ошибочной полярности

источника питания.

В отличие от обычных средств защиты, обладающих

жестко заданным током срабатывания, невысоким

быстродействием (особенно в сравнении с новейшими

220

электронными схемами),электронные предохранители

обеспечивают более точный порог ограничения тока, намного

меньшее время реакции и возможность самовосстановления

после устранения неисправности. Для некоторых устройств, к

которым предъявляются особые требования,не исключается

возможность совместного применения плавких и электронных

предохранителей.Электронный предохранитель действует как

первый, быстрый и гибкий рубеж обороны. Плавкий

предохранитель обеспечиваетвторой и резервный механизм

защиты, гарантирующий физическое размыкание цепи в случае

катастрофических отказов, чего не может обеспечить

электронный предохранитель.

Практически все современные силовые устройства,

преобразователи и блоки питания снабжены собственными

многофункциональными средствами защиты. Тем не менее,

электронные средства защиты востребованы и эффективны в

случаях[1]:

когда требуются защитить отдельные цепи, питаемые от

одного преобразователя;

когда электронную защиту можно настроить на

индивидуальные параметры тока и напряжения отдельных узлов

и цепей;

приуправлении питанием от шины постоянного тока в 24 В и

48 В в промышленных, аэрокосмических, автомобильных и

коммуникационных устройствах;

eFuseобычно не используются для защиты устройств с

высоким постоянным и переменным напряжением, большими

токами, где защитные функции реализуются на своей элементной

базе,такой как металлоксидные варисторы, искровые разрядники

и другие компоненты.

До недавнего времени электронные предохранители

реализовывались на дискретных компонентах [2]. В настоящее

время реализованы однокристальные решения с разными

функциональными возможностями, поставляемые на

отечественный рынок известными производителями

221

TexasInstruments, STMicroelectronics, AnalogDevices, ON

Semiconductor, Diodes, NXP и ON.

Важными элементми электронного предохранителя

являются силовой ключ, обычно MOSFET, интегрированный в

корпус, датчик тока𝑅𝑖 и логика управления. Но известны

варианты с внешними силовыми ключами.

На рисунке 1 приведеныфотография внешнего вида (слева)

и схема (справа) электронного предохранителя TPS2592xx (TI),

предназначенного для реализации защитных функций в цепях

постоянного тока с напряжением от +4,5 В до 18 В и силе тока до

2 А при минимальном количество внешних компонентов.

Рисунок 1 -Электронный предохранительTPS2592xx

Внутренний MOSFETVT1 с сопротивлением открытого

канала 22 мОм обеспечивает управление током нагрузки,

ограничивает пусковой ток, предотвращает повреждение при

обрыве нагрузки или отключении входного источника.Уровень

регулируемой защиты по напряжению задается резистивным

делителем напряженияR1R2, а ограничение тока нагрузкии

защита от короткого замыкания реализуется внутренним

датчиком тока 𝑅𝑖и внешним резистором R3. Скорость нарастания

выходного напряжения обратно пропорциональна емкости

внешнего конденсатора C1 и может быть достаточно легко

настроена на желаемую скорость изменения выходного

напряжения, обеспечивая блокировку от ложных срабатываний

222

токовой защиты во время переходных процессов при включении

и выключении питания.При превышении температурыкристалла

выше +150 °Cсрабатываетвстроенная защита от

перегрева,предотвращая отказ устройства при нагревании

кристалла свыше +150 °С.

Режим теплового отключения eFuse в зависимости от

реализации может быть двух видов:

когдаeFuse остается в положении ВЫКЛ (версия с

фиксацией);

после того, как температура упадетна 12°C ниже

пороговой температурыeFuse автоматически перезапускается.

В линейке компонентовeFuse MOSFET ключи могут быть

выполнены как на n-так и p-канальных транзисторах.

Транзисторы с n-каналом имеют меньшую стоимость по

сравнению с p-канальными (при одинаковом сопротивлении

канала в открытом состоянии), но для n-канальных для

управления необходим драйвер верхнего плеча, что сказывается

на цене. Определенные ограничения в приведенной схеме eFuse

связаны с отсутствием блокировки обратного тока, который

может возникать, когда напряжение на выходе выше, чем на

входе. Обратный ток, если он не ограничен, может повредить

внутренние схемы или источники питания системы при

ошибочной полярности подключения или в системе

мультиплексирования мощности, или резервировании с большим

удерживающим выходным конденсатором. Это обусловлено

особенностью вольтамперной (переключательной)

характеристики MOSFET[4], приведенной на рисунке 2, для двух

состояний управляющего сигнала ON – включено и OFF –

выключено.

Ключ имеет малое сопротивление канала при подаче

открывающего сигнала на затвор (график ON) в первом и третьем

квадранте при любой полярности входного напряжения 𝑈си на

стоке. Но при подачена MOSFET запирающего сигнала (график

OFF) ключ запирается только в первом квадранте и не реагирует

на запирающий сигнал при отрицательном напряжении на

стокеза счет малого сопротивления прямосмещенного

«паразитного» диода (график OFF на рисунке 2 в третьем и

223

четвертом квадранте). Характеристика в третьем квадранте

смещена на напряжение отпирания «паразитного» диода 𝑈0 ~0,7

В.

Рисунок 2 – Вольтамперная(переключательная)

характеристикаMOSFET

Электронный предохранитель может устанавливаться как

на выходе источника питания для защиты нагрузки, так и на его

входе для защиты источника питания.

На рисунке3 приведена структурная схема электронного

предохранителя TPS2660 (TI) с расширенными функциями

защиты, обеспечивающего ток срабатывания защиты от 25 мА до

880 мА при питании от +4,5 В до +60 В. Причем эта реализация

предохранителя требует всеголишь два внешних компонента –

конденсатораCdv/dtдля задания скорости мягкого старта и

резистора𝑅𝑙𝑖𝑚 для установкитоковой защиты[3].

КонденсаторCdv/dtустанавливает требуемую скорость

изменения выходного напряжения при пуске или горячей замене,

когда возможен значительный пусковой ток из-за быстрой

зарядки фильтра или нагрузочного конденсатора.Время

срабатывания защиты от токов короткого замыкания может

составлять от 200 нс TPS25944(TI)до 5,5–40 мксAP91352(Diodes).

224

Рисунок3–Структурная схема электронного предохранителя TPS2660

При удержании максимально допустимого тока

предохранитель eFuse проводит ток до тех пор, пока его значение

тока не превысит установленную пороговую величину

допустимого тока, либо до срабатывания тепловой защиты,

предельно допустимая температура которой обычно около

150 C°.При этом на рынке предлагаются варианты eFuse[5]:

с автоматическим повторным запуском как

TPS25944A, который перезапускается после задержки повторного

включения через десятки мс;

или как TPS25944A, у которого при перегрузке по

току таймер автоматически через единицы мс разрывает цепь.

Повторное включение происходит после сброса и повторного

включения питания.

В случае, когда выходное напряжение выше входного, что

может возникать при резервировании источников питания или

неправильной полярности входного напряжения, блокировку

обратного тока выполняет защита от токов обратной полярности.

Она реализована с помощью блокирующеготранзистора VT1 и

проходного VT2 MOSFET. При разрешающем сигнале на затворе

блокирующий транзистор открыт и имеет малое сопротивление

канала и при подаче запрещающего сигнала на затвор блокирует

ток обратной полярности. Реакция eFuse на появление тока

обратной полярности составляет менее 1 мкс.

Выводы. Проведен анализ представленных на рынке

дешевых, надежных многофункциональных однокристальных

225

электронных предохранителей eFuse, которые востребованы для

защиты отдельных цепейв устройствах, питающихся от общего

источника питания с собственной защитой, настроенной на

полную нагрузку, ноне обеспечивающей защиту при превышении

порогового значения тока в отдельной цепи.


1. SchweberB. Электронные предохранители: достоинства

и недостатки // Радиолоцман.13-05-2020.С. 55-57.

https://www.rlocman.ru/review/article.html?di=617701

2. Швебер Б.Плавкие и электронные предохранители для

защиты электрических цепей //Symmetron.Электронные

компоненты. 2021. №3. https://www.symmetron.ru/articles/plavkie-i-

elektronnye-predokhraniteli-dlya-zashchity-elektricheskikh-tsepey/

3. PangulooriR. Basics of eFuses // Texas Instruments.

Application Report.April 2018.P. 1-13.

https://www.ti.com/lit/an/slva862a/slva862a.pdf

4. Бабенко В.П., Битюков В.К., Симачков Д.С. Силовой

MOSFET-ключ переменного тока // Сборник научных статей по

материалам V Международной научно-практической

конференции «Актуальные проблемы и перспективы развития

радиотехнических и инфокоммуникационных систем»

(«Радиоинфоком-2021»). М.: РТУ МИРЭА.2021.С. 305-

308.http://conf2019.beget.tech/2021.pdf

5. Гладышев С. Электронные способы защиты цепей от

перегрузки // Электронные компоненты.2018. №8. С. 53-55.

https://russianelectronics.ru/wp-content/uploads/2020/10/27353.pdf



https://www.symmetron.ru/articles/plavkie-i-elektronnye-predokhraniteli-dlya-zashchity-elektricheskikh-tsepey/

https://www.symmetron.ru/articles/plavkie-i-elektronnye-predokhraniteli-dlya-zashchity-elektricheskikh-tsepey/



http://conf2019.beget.tech/2021.pdf

http://conf2019.beget.tech/2021.pdf



226

УДК 519.6

МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

РАДИОЛИЗА ПОЛИМЕРОВ

Зайцев С.А.1, Тихомиров С.Г.

1, Попов А.П.

1, Карпович Д.С.

2


инженерных технологий»,г.Воронеж, Россия 2Белорусский государственный университет, г.Минск,

Республика Беларусь

Введение

Одним из вариантов дальнейшего развития

технологических процессов обработки и переработки полимеров

является включение радиационного и комбинированного

радиационно-термомеханического воздействия в

производственные циклы. Однакореакции, протекающие в

полимерных материалах при данной обработке, не всегда

достоверно описываются теоретически, необходимо изучить

данные процессы, в т.ч. и с помощью средств компьютерного

моделирования. В рамках данной работы описывается путь

решения данной проблемы с использование подхода

имитационного моделирования, что позволяет следить за

эндогенными параметрами модели на различных этапах ее

функционирования. Предшествующее построение

пространственной модели молекулярной структуры полимеров

описано авторами в работе [1].

Теоретическая часть

Внутренние параметры модели были выбраны таким

образом, чтобы в ходе развития модели можно было связать их с

физическими параметрами полимера и эксплуатационными

характеристиками, таковыми были выбраны ММР(молекулярно-

массовое распределение), количество и отношение разных типов

химических связей в веществе. ММР описывает распределение

длин молекул в изучаемом полимере. Помимо тех же углерод-

227

углеродных связей в молекулах присутствуют так называемые

“слабые” связи, иногда их возникновение можно объяснить

силами Ван-дер-Ваальса. Несмотря на то, что их энергетические

показатели значительно слабее основных, их конечное влияние

на физические свойства полимера невозможно недооценить.

Так как пространственную модель молекулярной

структуры можно отождествить с множеством кластеров, для

расчета распределения длин оных как нельзя кстати подходит

перколяционная теория. Классическим алгоритмом двумерной

перколяции является алгоритм Хошена-Копельмана[2]. В рамках

данной работы была создан рекурсивный алгоритм трехмерной

перколяции. Данный аппарат решает задачи нахожденияММР,

средневзвешенной молекулярной массы, объемной и массовой

доли несшитых макромолекул, и т.д.

Алгоритмическая реализация перколяции выполнена

следующим образом – в ходе перебора всех элементов каждому

присваивается индекс кластера - производится анализ соседей

узла, подразумевающий собой переход по связям, и

последующую маркировку текущей меткой кластера, если

таковая отсутствует. В случае если все узлы в кластере

промаркированы, рассматривается следующий по порядку

построения элемент, если он уже промаркирован, то итерация

перебора пропускается, и так далее. Блок-схема алгоритма

изображена на рисунке 1.

228

Рис. 1. Блок-схема перколяционного алгоритма.

Так как мы условились, что рассматриваем только

деструктивную сторону воздействия ионизирующего излучения, нам придется иметь дело с двумя физическими явлениями, а именно, во-первых с рассеянием частицы излучения на ядрах атомов облучаемого вещества, в чем может помочь формула Резерфорда [3]:

22

4*

2 sin ( / 2)

Ze dd

E

(1)

где величина d – дифференциальное сечением ядра для

рассеивания частиц в телесный угол d , Ze - заряд ядра атома,

E - кинетическая энергия частицы, - угол рассеяния. Во-вторых приходится иметь дело с потерями излучением энергии на ионизацию и разрыв химических связей, если частица излучения исчерпала свой ионизационный потенциал, ее необходимо исключить из модели, для решения данной задачи используется формула Бете-Блоха [4]:

229

2 4 22 2

2

4 2ln ln(1 )e e

e

n z e m vdTU

dX Im v

(2)

где T - кинетическая энергия частицы, X - пройденный путь, en -

плотность электронов в среде, v - скорость частицы,12(13.5 )*1.6*10I Z - средний ионизационный потенциал

атомов поглощающего вещества (эрг).

Экспериментальная часть Модель, реализующая вышеописанные алгоритмы была

создана с использованием языка Python. Количество мономеров было задано числом порядка 5*10

4. Изначальное ММР ансамбля

было сдвинуто в область короткоцепных молекул, длины которых были описаны позакону равномерного распределения. Вероятность образования слабой химической связи представлена как вероятность, зависящая в экспоненциально форме от расстояния между элементами ансамбля, потенциально образующими связь. Визуализация ММР ансамбля с учетом слабых связей представлена на рисунке 2. Характерно, что в этом случае ансамбль образует одну глобальную макромолекулу, или же стремится к ней, за исключением небольшого количества коротких молекулярных цепочек.

Изменения в ММР ансамбля, произошедшие после воздействия ионизирующего излучения, визуализированы на рисунке 4. Большая часть объема теперь представлена короткими сегментами некогда единой структуры. Изменилось и отношение первичных и слабых связей, логично предположить, что в связи с меньшей энергетической характеристикой, слабые связи были больше подвержены распаду, что и подтвердилось в ходе эксперимента – отношение типов связей изменилось в пользу первичных, что отражено втаблице 1.

230

Рис. 2. ММР ансамбля после сшивки

Таблица 1. Количества и отношения первичных и

вторичных связей

До облучения После облучения

Кол-во первичных связей 49540 37814

Кол-во вторичных связей 22791 10532

Отношение кол-ва вторичных связей к первичным

0.46 0.28

231

Рис. 3. ММР ансамбля после деструкции

Заключение

В дальнейшем планируется развитие и углубление модели

в рамках формирования программного комплекса, позволяющего

проводить моделирование процессов радиационного и

комбинированного воздействия на различные полимеры и

эластомеры. Планируется проведение практических

экспериментов с целью верифицировать модель и применяемые

алгоритмы. Планируется выявить закономерности между

внутренними параметрами модели (ММР, отношение и

количество химических связей и т.д.), параметрами внешнего

воздействия и конечными физическими свойствами

обрабатываемого материала, например твердостью, вязкостью по

Муни, химической стойкостью и так далее.


1. S.A. Zaitsev, M.E. Semenov, P.A. Meleshenko, S.G.

Tikhomirov and A.P. Chernyaev. Digital model of polymer molecules

232

/ S.A. Zaitsev, M.E. Semenov, P.A. Meleshenko, S.G. Tikhomirov

and A.P. Chernyaev //. 2021 J. Phys.: Conf. Ser. 1745 012095

2. Hoshen J., Kopelman R. Percolation and cluster distribution.

I. Cluster multiple labeling technique and critical concentration

algorithm. // Phys. Rev. B 14(8), 3438-3445 (1976).

3. Ландау Л.Д., Лифшиц Е.М. Теоретическая физика: Учеб.

пособ.: Для вузов. В 10 т. Т.I. Механика. / Л.Д. Ландау,

Е.М.Лифшиц – 5-е изд., стереот. – М.: Физматлит, 2004. – 224с.

4. Bethe, Hans A., and Julius Ashkin. "Experimental nuclear

physics." / Bethe, Hans A., and Julius Ashkin. Wiley, New York

(1953).

УДК 675.92.028.2

РАЗРАБОТКА ИНТЕРФЕЙСА ПРОГРАММНОГО

ОБЕСПЕЧЕНИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧ

ИНТЕНСИФИКАЦИИ ПРОЦЕССА ВУЛКАНИЗАЦИИ

Тихомиров С.Г., Маслов А.А., Олейник А.С.




Полимерные изделия в процессе производства

подвергаются различными условиями переработки и изменению

состава резиновой смеси. Перед выпуском партии продукта,

прототипы изделий направляются в лабораторию для

комплексного исследования готового продукта. Следовательно,

данные испытания требуют значительных временных

затрат.Методы математического моделирования позволяют

уменьшить трудоемкость технологического процесса и

себестоимость готовых изделий.Способствуют поддержке

принятия решения в управлении технологическим процессом при

прогнозировании требуемых физико-механическихсвойств

итоговых продуктов.С целью научных исследований процессов

233

вулканизацииавторами разрабатывается программное

обеспечение (ПО) интенсификации процессов вулканизации. В

основе программы положены математическиемодели различных

задач, описанные в работах [1-2].

На первом этапе разработки поставлена задача анализа

рынка современных технологий и программных продуктов

исследований процессов вулканизации. В результате

литературногообзора выявлен ряд прикладных программ,

разработанных в период с 2010 по 2020 год, в области

интенсификации процессов вулканизации полимерных

композиций.

Программное обеспечение «GCuring», разработанное

Г.Ольдендорфом в 2010 г., позволяет определить точное время

вулканизации. Исследователь вводиттакие параметры как:

свойства материала, геометрические параметры изделия, время

вулканизации и производственную температуру процесса.

Температура в изделии отображается графически и

рассчитывается оптимальное время вулканизации. Температуру

можно отобразить в любое время процесса, щелкнув в любой

точке изделия, представленной в форме 2D или 3D модели.

В 2013 году представлено программное обеспечение для

моделирования вулканизации шин «ABAQUS»

группойученых:JianZhang,GuoLinWangиWenXianTang из

университета науки и техники Цзянсу, провинция Чжэцзян,

Китай. ПОпозволяет рассчитыватьтемпературные профили

изделий в процессе вулканизации[3].

Ученые Миланского политехнического университета Г.

Милани и Ф. Милани в 2016 г. показали программный продукт

«GURU»с графическим интерфейсом для определения степени

вулканизации натурального каучука[4]. Данное приложение

позволяет получить численную кривую реометра, близкую к

экспериментальным данным на реометре при анализе

натурального каучука, вулканизированного серой при различных

температурах.

Литературный обзор показал, что разработка программ

моделирования и научных исследований процессов вулканизаций

активно продвигается по всему миру.

https://www.researchgate.net/profile/Jian-Zhang-348

https://www.researchgate.net/scientific-contributions/Guo-Lin-Wang-2060451562

https://www.researchgate.net/scientific-contributions/Wen-Xian-Tang-2037259093

234

Рис 1. Интерфейс главного окна

На следующем этапе разработки интерфейса программного

обеспечения для решения задач интенсификации процесса

вулканизацииспроектирована информационная модель потоков

данных модулей. Разработка проходит в среде программирования

VisualStudio на языке C Sharp.На рисунке 1 представлен

интерфейс главного окна разрабатываемой системы, на котором

показаны основные модули и режимы работы программы:

«Термодинамика» - определение теплофизических

характеристик в условиях зависимости их от температуры;

«Кинетика» - нахождение концентрации

вулканизационных узлов относительно максимальной плотности

поперечного сшивания как функции времени;

«Расчет управляющих воздействий» - моделирование и

определение управляющих параметров технологического

процесса: температуры и продолжительности вулканизации, в

зависимости от покомпонентного состава изготавливаемого

полимерного изделия;

«Прогнозирование свойств полимерных композиций» -

расчет требуемых свойств итоговых изделий согласно условиям

проведения процесса;

«База данных» - накопление статистических данных

экспериментов и результатов моделирования.

235

Рис.2 – Интерфейс моделирования процессов теплопередачи в

процессах вулканизации

В основе метода оценки теплофизических параметров

смеси лежит математическая модель, представленная уравнением

теплопроводности. Особенностью алгоритмов моделей оценки

теплоемкости и теплопроводности полимерной смеси в том, что

они зависят от температуры, что позволяет точнее рассчитывать

температурные поля в изделии. На рисунке 2 показан интерфейс

приложения в режиме моделирования процессов теплопередачи -

графическое отображение расчетных значений температур. В

программе реализованы как алгоритмы решения прямой, так и

обратных задач[2]. Пользователь вносит в окно пользователя

входные параметры моделирования: продолжительность

процесса и температуру, теплофизические параметры, толщину

изделия.

236

Рис 3. Интерфейс моделирования кинетики вулканизации

Задача нахождения концентрации вулканизационных узлов

относительно максимальной плотности поперечного сшивания

как функции времени реализовано в модуле «Кинетика».

Решение задачи заключается в решении системы

дифференциальных уравнений при заданных начальных

условиях, описанных в работе[2]. Кинетическая кривая процесса

вулканизации определяется по величине крутящего момента. При

решении прямой задачи кинетики изотермической вулканизации

рассматривается процесс, протекающий согласно предложенной

кинетической формальной схеме,представленной на рисунке 3.

Решение системы дифференциальных уравнений осуществляется

численным методом Рунге – Кутта. Задача идентификации

констант скорости реакций, стехиометрических коэффициентов и

переменных в системе математической модели кинетики

реализована в подмодуле режима «Кинетика».

На сегодняшний день спроектирован и реализован модуль

накопления статистических данных (рис. 4).

237

Рис. 4 Структура модуля «База данных»

Основные таблицы данных и их поля:

«composition» (массовые доли компонентов смеси): w_id–

идентификатор; w_mixtures_id– идентификатор смеси;

w_component_1 – массовая доля каучука; w_component_2 –

массовая доля тех. углерода; w_component_3 – массовая доля

серы; w_component_4 – массовая доля альтакса; w_component_5 –

массовая доля осксида цинка; w_component_6 – массовая доля

стеарина;w_component_7 – массовая доля масла;

«exp_temp» (условия эксперимента по термодинамики):

date_number– номер эксперимента; date_exp– дата проведения

эксперимента; temp_exp– температура нагревательных элементов;

time_exp– продолжительность нагрева;

«experiment» (экспериментальные данные по

термодинамики): temp_1 … temp_9 – показания с термопары 1, 2,

…, 9;

«kinetic_char» (параметры математической модели

кинетики):mixture_id – номер смеси; k1, k2,...,k9 – константы

скорости реакций;

«thermophysical» (оптимальные параметры модели

термодинамики):с1– значение параметра теплоёмкости; с2 –

238

значение параметра теплоёмкости; l1 – значение параметра

теплопроводности; l2 – значение параметра теплопроводности; q–

значение коэффициента тепловыделения;

«recept_kinetic» (условия эксперимента по кинетике):

date_exp – дата проведения эксперимента; temp_exp –

температура на реометре; time_exp – продолжительность

эксперимента;

«exp_kinetic» (экспериментальные данные по

кинетике):M – показания реометра; time – время.

Данный модуль удобно использовать при научных

исследованиях процессов вулканизации, проведения натурных

экспериментов и результатов моделирования управляющих

воздействий – все данные хранятся в одном месте,

удобноимпортировать и экспортировать в зависимости от режима

и решаемых задач.

Список использованнойлитературы

1. Tikhomirov S.G.,Procedure For Determining

Thermophysical Parameters Of Vulcanizable Mixtures As A Function

Of Temperature // Tikhomirov S.G., Pyatakov Y.V., Karmanova O.V.,

Bityukov V.K., Saiko D.S., Maslov A.A. / Chemical and Petroleum

Engineering. 2018. Т. 53. № 9-10. С. 637-641.

2. Тихомиров С.Г., Математическое моделирование

процесса вулканизации многокомпонентных изделий при

неизотермическом режиме // Тихомиров С.Г., Карманова О.В.,

Маслов А.А. / В сб. Моделирование энергоинформационных

процессов. Сборник статей VIII национальной научно-

практической конференции с международным участием. 2020. С.

338-342.

3. Zhang, Jian, et al. “Special Software Development for Tire

Vulcanization Simulation.” Applied Mechanics and Materials, vol.

404, Trans Tech Publications, Ltd., Sept. 2013, pp. 764–768.

4. Milani G., Interactive software with a graphical interface for

determining the degree of vulcanization of natural rubber / G Milani,

F. Milani. // Magazine "SoftwareX" Vol. 5, 2016, pp. 67-73

239

УДК 621.1

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ И

ЭНЕРГОЭФФЕКТИВНОСТЬ ОХЛАЖДЕНИЯ ГАЗОВ И

ЖИДКОСТЕЙ В НАСАДОЧНЫХСКРУББЕРАХ И

ГРАДИРНЯХ

Е.А. Лаптева 1, А.Г. Лаптев

1

1Казанский государственный энергетический университет,

Россия, Казань, [email protected]

Рассматриваются стационарные процессы сопряженного

тепломассообмена и турбулентного переноса тонкодисперсных

частиц в противоточных насадочных колоннах и градирнях

(охлаждение газов и нагрев воды в насадочных скрубберах, а

также охлаждение воды воздухом в градирнях при наличии в

газах дисперсной фазы). Всвязи с повышением требований к

энерго- и ресурсоэффективности к промышленному

оборудованию, такие задачи актуальны в химической технологии

и энергетики при разработке новых конструкций контактных

устройств или модернизации действующих.

Гидродинамические закономерности турбулентного

обтекания хаотичных элементов насадок, а также регулярных с

различного вида интенсификаторами (выступы, просечки,

впадины, наклонные гофры с шероховатостью поверхности и

т.д.) характеризуются исключительной сложностью и

значительными затруднениями при попытках строгого

математического описания переноса импульса, массы и теплоты,

а также сепарации тонкодисперсной фазы. Различный вид

тонкодисперсной фазы (твердые частицы и капли) может

присутствовать в дымовых и технологических газах при их

охлаждении, а также в воздухе при охлаждении оборотной водой.

Причем, интенсификаторы вызывают турбулентный режим

движения газа значительно раньше, чем в гладких каналах. В

нерегулярных насадках при ,40Re э а в регулярных

mailto:[email protected]

240

),500300(Re э где число Рейнольдса вычисляется по

действительной скорости газа в слое и эквивалентному диаметру

насадки. При отсутствии адекватных математических моделей

явлений переноса в контактных устройствах отмеченных типов

при модернизации или разработки новых насадок применяются

полуэмпирические выражения теории подобия или осреднённый

подход. Осреднённый подход заключается в условной замене

интенсифицированных поверхностей со сложной геометрией

каналов на некоторую эффективную плоскую поверхность с

осреднением явлений переноса вдоль движения потока[1,2].

Предполагается, что теоретической моделью турбулентного

течения в канале сложной формы является пограничный слой в

гладком прямом канале с измененными граничными условиями.

Тогда представим движение газа в противотоке со стекающей

пленкой в каналах различных насадок, как движение в условном

гладком канале с эквивалентным диаметром ,эd где для насадок

м; ,/4 свэ vаd св – удельный свободный объем, м3/м

3; vа –

удельная геометрическая поверхность, м2/м

3.В такой постановке

система уравнений записывается в цилиндрической системе

координат для условного прямого цилиндрического канала,

длиной эН с учетом извилистости каналов поправкой Дэвидсона.

Для хаотичных насадок ,кэ НН /2;к Н – высота слоя

насадки. Для регулярных насадок /2к1 в зависимости от

формы.

Система уравнений в цилиндрическом канале при

противотоке газа и пленки жидкости имеет следующий вид.

Уравнение теплообмена в газовой фазе

,)()(1

)( гтггп

гтгг

ггг

r

CDDrI

r

Тr

rrx

Irw (1)

).,( ггг CTfI

Уравнение теплообмена в жидкой фазе (стекающей пленке

по стенкам канала)

241

.)(1

)( жтжж

жжржж

r

Тr

rrх

Тruс (2)

Уравнение переноса влаги в газовой фазе

.)(1

)( гтгг

гг

r

CDDr

rrx

Сrw (3)

Уравнение переноса тонкодисперсной фазы (частиц) в

газовой фазе

.)()(1

)( тг

rСru

r

CDDr

rrx

Сrw чt

ччч

ч

(4)

Граничные условия устанавливаются на входе и выходе

канала и на межфазной поверхности пленки (четвертого рода [3]).

При х = 0 (вход газа и выход жидкости):

.0/ ; ; ; жнгнггнг хТССССII чч

При эНх (вход жидкости и выход газа):

.0/ ;0/ ;0/ ; ггжнж хСхСхIТТ ч

При плэ Rr (на межфазной поверхности):

; ггг

гг

жж

r

СDI

r

Т

r

Т

;гг Сr

СD

.гр чtч Cuj где )( гг

ССС при

конденсационном охлаждении газа; )( гг ССС при

испарительном охлаждении воды.

В уравнениях (1) – (4) и в граничных условиях:

х, r – продольная и радиальная координаты, м; )(),(w жг rur

– скорости газа и жидкости, как функции поперечной

координаты, м/с; гI – энтальпия газа, Дж/кг; жг ,ТT –

температуры газа и жидкости, °С; ржс – удельная теплоемкость

жидкости, Дж/кгК; гC – концентрация влаги, кг/м3; чC –

концентрация частиц, кг/м3; тгг , – коэффициенты

молекулярной и турбулентной теплопроводности в газовой фазе,

242

Вт/мК; тжж , – коэффициенты молекулярной и турбулентной

теплопроводности в жидкой фазе (в пленке), Вт/мК; тгг , DD –

коэффициенты молекулярной и турбулентной диффузии влаги в

газовой фазе, м2/с; tu – коэффициент скорости турбулентного

переноса частиц, м/с; эR – эквивалентный радиус трубки, м; г –

коэффициент массоотдачи в газовой фазе, м/с; индексы: «н» –

начальное значение; «*» – равновесное значение. В уравнении (1)

энтальпия ,)( гoггрпргг СRТСссI где рпрг ,сс – удельные

теплоемкости сухого газа и пара, Дж/кгК; oR – удельная теплота

парообразования, Дж/кг; в выражении для энтальпии гI

размерность гС , кг/кг.

Следует отметить, что при конденсационном охлаждении

газов, а также испарительном охлаждении воды основное

сопротивление тепло- и массопередачи сосредоточено в газовой

фазе, поэтому принципиального отличия в математической

модели охлаждения газов водой или охлаждения воды воздухом

нет, кроме направления потоков теплоты и массы, которые

зависят от соответствующих движущих сил процессов переноса.

В правой части уравнения (1) учитывается перенос теплоты

молекулярным и турбулентным механизмами, а также за счет

конденсации или испарения влаги. В правой части уравнения (4)

правый член учитывается турбулентно-инерционный механизм

переноса частиц [4].

Таким образом, записана система из четырех

дифференциальных уравнений с частными производными,

которые имеет четыре неизвестные термодинамические

величины: . , , , гжг чССТI Коэффициенты турбулентного обмена

теплотой ,тг массой влаги тгD и переноса частиц чDт являются

сложными функциями от поперечной координаты в пограничных

слоях на межфазной поверхности газ-жидкость и

гидродинамического режима [2-4]. Причем, режим движения газа

– турбулентный, а течение пленки турбулентный или волновой в

зависимости от числа Рейнольдса пленочного течения.

243

Коэффициент массоотдачи в газовой фазе можно вычислить по

обобщенному выражению [2]:

,)2/(175,0 25,033,00,75эг ScRSh (5)

где гэгг / DdSh – число Шервуда; гэгэ /vdwR число

Рейнольдса; ггг / DvSc – число Шмидта; – коэффициент

гидравлического сопротивления насадки; гv – кинематический

коэффициент вязкости газа, м2/с.

Выражение (5) справедливо как для нерегулярных

(хаотичных) насадок при ,40Re э так и регулярных с

интенсификаторами при .500Re э Коэффициент

гидравлического сопротивления находится экспериментально

для каждой конструкции насадки, ).(Reэf

В уравнении (4) коэффициент средней скорости

турбулентного переноса и миграции тонкодисперсных частиц tu

вычисляется по полуэмпирическому выражению Медникова[4]

),,,( рЕt wufu где u – средняя динамическая скорость в

газовой фазе на межфазной поверхности, м/с; Еw – частота

энергоемких пульсаций, ;1с р – время релаксации частиц, с.

Значение динамической скорости, как для хаотичных

насадок ),40(Re э так и регулярных с интенсификаторами

)500(Re э вычисляется по выражению [2]

.)Re/(56,1 25,0эг wu (6)

Таким образом, система уравнений (1) – (4) с

представленными граничными условиями является замкнутой и

решается численно.

Это дает возможность вычислить эффективность тепло- и

массопереноса в насадочной колонне с выбранными типами

контактных устройств.

Решение системы уравнений (1)-(3) должно удовлетворять

материальному и тепловому балансу в интегральном виде.

Результатом решения системы уравнений (1)-(4) являются

после температур в газовой и жидкой фазе, концентрации влаги и

244

концентрации тонкодисперсной фазы по радиальной и

вертикальной координатам эквивалентного канала.При

равномерных профилей скоростей жидкости и газа на входе в

насадочной слой полученные решения можно интерпретировать

для всего насадочного слоя с совокупностью эквивалентных

каналов. Таким образом, при заданном гидродинамическом

режиме, начальных температурах и концентрациях из решения

системы уравнений (1)-(4) определяются конечные значения

. и , , кгкжкгк чССТТ

Выполнены расчеты нескольких конструкций блоков

оросителей для градирен и их сделан сравнительный анализ:

1. Сетчатая насадка из полиэтилена в виде пакета сетчатых

труб диаметром 0,05 м. Удельная поверхность насадки av≈140

м2/м

3.2. Регулярная металлическая насадка ВАКУ-ПАК, аv=150

м2/м

3.3. Регулярная металлическая насадка ПИРАПАК-G, аv=180

м2/м

3.4. Регулярная металлическая гофрированная насадка

«Инжехим» IRG [5], аv=165 м2/м

3.5. Сегментно-регулярная

рулонная насадка « Инжехим», av=160 м2/м

3.Расчеты выполнены

при Tн=38,4°С; плотности орошения 12 м3/м

2час и скорости

воздуха в блоках оросителей wг=1,5 м/с.

Из полученных результатов следует, что все современные

зарубежные и отечественные насадки (кроме полиэтиленовой

сетки) имеют достаточно высокое значение энергетический

эффективности. Наиболее предпочтительными являются насадки

ПИРАПАК G и сегментно-регулярная «Инжехим». Данные

насадки можно изготавливать из полимерных материалов для

снижения себестоимости. Однако, отмеченные насадки наиболее

предпочтительно использовать в мини-градирнях с

изготовлением из нержавеющих металлических листов и лент.

При сепарации аэрозолей выполнены расчеты высоты слоя

насадки и перепада давления при заданной эффективности

разделения η = 0,985 для частиц dч = 5 ∙ 10–6

, м (5 мкм) – система

воздух–вода при нормальных условиях. Численно исследовались

металлические хаотичные насадки из колец Мебиуса 40×40 мм

(аv = 191 м2/м

3), «Инжехим – 2012» (аv = 160 м

2/м

3), кольца

245

Рашига 35×35 мм (аv = 150 м2/м

3) и кольца GMP № 1 фирмы

MassTransferlnc (аv = 220 м2/м

3) [5].

Из полученных результатов на рисунке 1 следует, что

наиболее рациональным является применением насадок из колец

Мебиуса и «Инжехим – 2012».

Рис. 1. Высота насадки и перепад давления для различных

насадок при заданной эффективности сепарации:

1 – Кольца Мебиуса 40×40; 2 – «Инжехим-2012»; 3 – Кольца

Рашига 40×40; 4 – Кольца GMR № 1 фирмы MassTransferInc. Скорость

газа 5 м/с


1. Леонтьев, А. И. Влияние интенсификаторов теплообмена

на гидравлическое сопротивление каналов / А. И. Леонтьев, В. В.

Олимпиев // Теплофизика высоких температур, 2007. – Т. 45. – №

6. – С.925-953.

2. Лаптев, А. Г., Модели явлений переноса в

неупорядоченных насадочных и зернистых слоях / А. Г. Лаптев,

Т. М. Фарахов, Е. А. Лаптева // Теоретические основы

химической технологии. – 2015. – №4. – С.407 – 414.

3. Холпанов Л. П. Гидродинамика и тепломассообмен с

поверхностью раздела : монография / Л. П. Холпанов, В. Я.

Шкадов – М.: Наука, 1990.–271 с.

4. Медников, Е. П. Турбулентный перенос и осаждение

аэрозолей: / Е. П. Медников – М.: Наука,1980.–176 с.

5. Каган А. М., Лаптев А. Г., Пушнов А. С., Фарахов М. И.

Контактные насадки промышленных тепломассобменных

аппаратов: монография / под ред. А.Г. Лаптева– Казань:

Отечество, 2013. – 454 с.

246

УДК 51.7: 663.1: 576.5

МОДЕЛИРОВАНИЕ МЕМБРАННЫХ БИОРЕАКТОРОВ

Гусева Е.В.


им. Д.И. Менделеева»


В настоящее время большое внимание уделяется

вопросам создания и совершенствования аппаратурного

обеспечения инновационных химико-технологических и

биотехнологических процессов и технологических схем,

связанных с получением химических и биологических веществ с

использованием микробных и клеточных технологий[1, 2].

Важную роль в реализации данных направлений играет

применение различных математических моделей, используемых

для расчетов параметров процессов и масштабирования [3, 4].

Данная работа посвящена изучению и систематизации явлений,

протекающих в процессах биотехнологического синтеза,

развитию подходов моделирования и масштабирования

гидродинамических и массообменных процессов в мембранных

биореакторах с учетом стресса клеток. В качестве примера

рассмотрены два процесса в мембранных биореакторах:

получение молочной кислоты и рост СНО клеток в

половолоконном мембранном модуле.

При изучении биотехнологических процессов стоить

отметить, что они отличаются высокой сложностью. Необходимо

учитывать влияние различных факторов как температура в

реакторе, концентрация кислорода, соотношение органических и

минеральных компонентов субстрата и т.д. При

разработкеобобщенной стратегии математического описания

процессов, протекающих в мембранных биореакторах,

рассматриваются различные иерархические уровни системы.

Закономерности роста клеток, образования метаболитов и

расхода субстрата входят в кинетические уравнения процесса,

247

начиная от простых, например, уравнения Моно, до более

сложных, учитывающих воздействия нескольких факторов,

например, концентраций субстрата, продукта, кислорода,

влияния рН и температуры, что в дальнейшем учитывается в

уравнениях баланса массы.Конструкции аппаратов предполагают

различную гидродинамику, причем рассматриваются как

стандартные и более простые модели (идеальное смешение,

идеальное вытеснение, ячеечная модель и т.д.), так и

учитываются особенности движения, связанные, например, с

наличием внутренних перегородок, различных перемешивающих

устройств, с возникновением застойных зон и т.д. При

рассмотрении моделирования процессов фильтрации на

мембране возможны варианты, не учитывающие накопление

осадка на мембране, с учетом накопления осадка и, например,

дополнительно с учетом явлений в порах мембраны. Кроме того,

при проведении сложных биотехнологических процессов

необходимо обращать внимание на различные стрессовые

воздействия, негативным образом влияющие на рост и

жизнедеятельность клеток микроорганизмов и млекопитающих.

Выделяют три большие группы стрессовых воздействий [5] как

влияние параметров культивирования (изменение температуры

культуральной среды,состава питательной среды,влияние

парциального давления углекислого газа и рН и т.д.), химический

стресс (ингибирование различными химическими соединениями,

продуктами реакции (токсичность продукта, влияние продукта на

образование ферментов), высокими концентрациями биомассы,

высокими или низкими концентрациями субстрата и т.д.),

механический стресс (влияние давления, влияние типа насосной

системы, влияние перемешивания, влияние аэрации и т.д.).

Производство молочной кислоты микробиологическим

способом является востребованным процессом, поскольку

данный продукт получается достаточно чистым и широко

применяется в пищевой и химической отраслях

промышленности, в косметологии и медицине и т.д. В данной

работе рассмотрен процесс получения молочной кислоты при

помощи бактерийLactobacillus caseiв мембранном биореакторе.

Основной особенностью процесса являлось накопление биомассы

248

в реакторе до достаточно больших концентраций. Таким образом,

исследовался ферментативный процесс с учетом ингибирования

высокими концентрациями биомассы, и было введено понятие

«стрессовой зоны». В пределах «стрессовой зоны» некоторые

параметры модели, а именно константа смертности, расходный

коэффициент по продукту и коэффициент стесненности,

менялись во времени. Была разработана математическая модель,

учитывающие данные аспекты ведения процесса, приведенная

ниже. Графическое изменение концентраций роста бактерий,

накопления молочной кислоты и расхода субстрата приведено на

рис. 1.

где X, Р, S – концентрации биомассы, продукта и субстрата,

соответственно, г/л; S0 – начальная концентрация субстрата, г/л;β

–коэффициент стесненности, учитывающий стесненные условия

роста бактерий; Q1 – объемный расход биосреды с целью

очистки, л/ч, Q2 – объемный расход фильтрата, л/ч;

V – объем реактора, л; rx’’’, rs’’’ , rp’’’ – скорости роста

биомассы, расхода субстрата и роста продукта; Yx/s, Yp/s –

mXr Yx/s

1r '''

x

'''

s '''

s

'''

p r Yp/sr μXr '''

x

d1d K A

dt

dK

Yp/s Adt

dYp/s2

β Adt

dβ3

PV

QQr

dt

dP 21'''

p

21'''

x βX - V

XQr

dt

dX

'''

s021 rS)(S

V

QQ

dt

dS

d

ipis

2

s

max K -

K

P1

1

K

SSK

Sμμ

n

249

расходные коэффициенты, характеризующие расход субстрата на

рост биомассы и на производство продукта, кг/кг; m –

коэффициент расхода субстрата на поддержание

жизнедеятельности микроорганизмов, 1/ч; и max - удельная

скорость роста биомассы и максимальная удельная скорость

роста биомассы 1/ч; Kd – коэффициент смертности бактерий 1/ч;

Ks, Kis, Kip – константы ингибирования, л/ч*г, n – показатель

степени ингибирования процесса продуктом реакции.

Рис. 1. Результаты расчета уравнений модели с учетом стрессового

коэффициента и стрессовой зоны

Исследование процесса культивирования клеток

млекопитающих проводилось в половолоконном мембранном

модуле компании FiberCell Systems (США) с 20

полисульфоновыми волокнами. Клетки СНО были использованы

в качестве модельного объекта. Были проведены

экспериментальные исследования процесса роста клеток CHO на

внешней поверхности полых волокон. Основной поток

питательной среды подавался внутрь волокна. На внешнее

пространство также подавался поток субстрата, достаточный для

уноса метаболитов, но не позволяющий срыва клеток с

поверхности волокна. Пакет вычислительной гидродинамики

250

AnsysFluent был использован для моделирования процесса

культивирования клеток в половолоконном мембранном модуле.

Работа проходила в несколько этапов: создание электронной

геометрической модели, расчетной сетки, системы уравнений и

конфигураций расчетного модуля.Математическая модель

половолоконного мембранного модуля представляла собой

систему дифференциальных уравнений, куда входили уравнения

материального баланса и движения для внутриволоконного и

межволоконного пространств. Кроме того, поток сквозь

мембрану описывался уравнением на основе закон Хагена-

Пуазейля.Были проведены расчеты распределения потоков

внутри волокна и в межволоконном пространстве (Рис. 2). На

основании вычислительного эксперимента были подобраны

режимы подачи питательной среды внутри волокна

(экспоненциальный режим) и в межволоконное пространство

(прямоточный режим).

а б Рис. 2. Результаты расчета движения потоков: а) внутри одного волокна

на входе в половолоконный мембранный модуль; б) в межволоконном

пространстве при прямоточном режиме подачи

Кроме того, было проведено масштабирование данного

процесса для половолоконного мембранного модуля, состоящего

из 60 волокон на основании расчетов и выводов, полученных для

20-волоконного модуля.

Проведенные исследования позволили показать основные

этапы проведения экспериментов и математического

251

моделирования процессов, протекающих в мембранных

биореакторах.


1. S.I. Patsios, A.J. Karabelas. A review of modeling

bioprocesses in membrane bioreactors (MBR) with emphasis on

membrane fouling predictions// Desalination and Water Treatment,

2010. 21, P. 189–201.

2. S. Djeljadini,T. Lohaus,M. Gausmann,S. Rauer,M. Kather,B.

Krause,A. Pich,M. Möller,M. Wessling. Trypsin-Free Cultivation of

3D Mini-Tissues in an Adaptive Membrane Bioreactor// Advanced

Biosystems, 2020. 4, P. 2000081 (1-9).

3. G. Mannina, M. Alliet, C. Brepols, J. Comas, J. Harmand, M.

Heran, N. Kalboussi, J. Makinia, Á. Robles, T.F. Rebouças, B.-J. Ni,

I. Rodriguez-Roda, M.V. Ruano, G. Bertanza, I. Smets. Integrated

membrane bioreactors modelling: A review on new comprehensive

modelling framework// Bioresource Technology, 2021. 329, P.

124828 (1-11).

4. H. Suhaimi, J.P. Ward, D.B. Das. On modelling of glucose

transport in hollow fibre membrane bioreactor for growing three-

dimensional tissue// Asia-Pacific Journal of Chemical Engineering,

2021. 16, P. 2565 (1-12).

5. J. Boudrant, N.V.Menshutina, A.V.Skorohodov, E.V.Guseva,

M.Fick. Mathematical modelling of cell suspension in high cell

density conditions. Application to L-lactic acid fermentation using

lactobacillus casei in membrane bioreactor// Process Biochemistry,

2005. 40/5, P. 1641-1647.

https://www.sciencedirect.com/science/article/pii/S096085242100167X#!
















252

СЕКЦИЯ «СИСТЕМНЫЙ АНАЛИЗ, ЗАЩИТА И

ОБРАБОТКА ИНФОРМАЦИИ . УПРАВЛЕНИЕ

КАЧЕСТВОМ И ЖИЗНЕННЫЙ ЦИКЛ ПРОДУКЦИИ»

253

УДК 64.011.56:621.867.229.6

ТЕХНИЧЕСКИЕ ПНЕВМОСИСТЕМЫ

КАК ИНСТРУМЕНТ ПОВЫШЕНИЯ КАЧЕСТВА

ОПЕРАЦИЙ МАНИПУЛИРОВАНИЯ

Авцинов И. А., Суханова Н. В., Маликов Д. Ю.




В приборостроении, химической промышленности, пищевой

и других возникают значительные сложности в манипулировании

специфическими деталями и готовой продукцией, например, при

сборке изделий, агрегатов и узлов. Поэтому актуальной задачей

является разработка оборудования, способного качественно

манипулировать специфическими деталями. На основе анализа и

синтеза существующих разработок была выявлена техническая

пневмосистема вида «пневмокамера - рабочая поверхность

устройства - тонкая газовая прослойка - изделие» (ПРПИ),

составляющая основу рассматриваемого класса устройств с

определенными функциональными возможностями [1, 2]. Анализ

специфических изделий и конструкций устройств для их

манипулирования позволил организовать их классификацию и

представляет собой первый этап структурной типологизации

конструирования устройств с тонкой газовой несущей прослойкой

(ТГНП) (рис. 1).

При активном ориентировании изделие необходимо

переместить из базового положения в необходимое. Кроме того,

не должно быть разрушений самого изделия, иначе возникнет

брак. Эти два показателя, говорят о качестве ориентации. ТГНП -

газовая смазка, которая позволяет избежать трения и разрушения.

При использовании ТГНП разрушений (и, соответственно, брака)

можно избежать. Одна из наиболее характерных операций

активного ориентирования реализуется на устройстве,

представленном на рис. 2. Цилиндр 1, перфорированный

254

отверстиями, стоит на пневмокамере 2. В цилиндре есть

проточки. Если изделие 3 попадает «развитой» поверхностью,

оно перемещается внутри цилиндра и «всплывает». Если изделие

попадает «не развитой» поверхностью, оно касается цилиндра 1,

застревает в проточках и реализуется их совместное

перемещение. При достижении определенного угла изделие

переворачивается и попадает на цилиндр своей «развитой»

поверхностью, «всплывает» и движется вдоль цилиндра на

выход.

Рис. 1. Классификационные признаки штучных специфических

деталей: D - диаметр (ширина); h - высота; m - масса; S - площадь

опорной поверхности; - удельная нагрузка детали на рабочую

поверхность устройства, расположенную соответственно:1 - меньшей

опорной поверхностью, 2 - большей

255

Рис. 2. Устройство для активного ориентирования изделий: 1 - цилиндр; 2 -

пневмокамера; 3 - изделие; 4 - направляющие; 5 - транспортер для подачи

произвольно ориентированных изделий; 6 - транспортер для ориентированных

изделий

Представленное пневматическое оборудование способно

качественно решать задачи контроля, классификации, сортировки,

отбраковки и ориентирования предмета производства. Рассмотренное

оборудование на базе представленной технической пневмосистемы

имеет ряд преимуществ: универсальность, многофункциональность,

способность манипулирования специфическими изделиями,

переналаживаемость при переходе от одних типоразмеров деталей к

другим. Использование устройств с ТГНП, в частности для

манипулирования штучных изделий за счёт бесконтактности способа

при снижении сухого механического трения между изделием и

несущими частями оборудования приводит к повышению качества

операции активного ориентирования. Моделирование и кодирование

представленной системы является первым шагом для разработки

программного продукта с целью автоматизированного

конструирования современного пневматического оборудования.

Синтез вышеописанных основных элементов технической

пневмосистемы показал, что они взаимосвязаны, и в целом, система

не может функционировать при отсутствии хотя бы одного из них.


1. Битюков В. К., Авцинов И. А., Суханова Н. В. К вопросу

конструирования пневматических устройств для сортировки

специфических штучных изделий [Текст] // Сборка в

машиностроении, приборостроении, 2019. № 4. - С. 172-176.

2. Авцинов И. А., Кристаль М.Г., Маликов Д.Ю.

Классификация устройств с газовой несущей прослойкой [Текст]

// Cборка в машиностроении, приборостроении, 2014. № 2. - С. 9–

12.

256

УДК614.2-06:681.3-001.25

ОНТОЛОГИЧЕСКИЕ МЕТРИКИ СЕМАНТИЧЕСКОЙ

БЛИЗОСТИ ЗАПРОСА И ТЕМАТИЧЕСКОГО

КЛАССИФИКАТОРА ИНФОРМАЦИОННОГО РЕСУРСА

ПРИ ФОРМИРОВАНИИ ДОВЕРИТЕЛЬНЫХ ПРАВ НА

ДОСТУП

Скрыпников А.В., Хвостов В.А.




Широкое применение информационных систем (ИС),

обрабатывающих конфиденциальную информацию, не

требующую использования в законодательном порядке

применения дискреционных и мандатных моделей управления

доступом, а также ряд особенностей применения этих моделей

при построении систем защиты информации (СЗИ) [1, 2]

потребовали применения других подходов к назначению

доверительных прав на доступ к информации. Особенную

значимость задача разработки новых моделей управления

доступом получила с применением в качестве средств доступа к

ИС мобильных систем (МС). С их применением, с одной

стороны, стали актуальными новые угрозы безопасности

информации (БИ), с другой стороны количество субъектов

доступа значительно увеличилось. Актуальными стали угрозы

вектором приложений которых стали уязвимости смартфонов и

планшетных компьютеров, их операционных систем, мобильных

приложений. Также новыми стали угрозы ориентированные на

уязвимости сервисов мобильного доступа ИС и уязвимостями

беспроводных технологий, обеспечивающих доступ в интернет.

[3].

В настоящее время для обеспечения БИ в ИС с доступом

мобильных средств нашли широкое применение средства

идентификации и управления доступом. В зарубежной

257

литературе они применяются как составная часть технологий

Bring Your Own Device (BYOD, использование персональных

устройств в рабочих целях) и носит более широкий функционал

чем трактуется нормативными документами [4]. Средства

идентификации и управления доступом (Identity Access

Management (IAM)) [5] используются для интеграции услуг,

аутентификацию и авторизацию, в мобильное приложение при

формировании единого профиля безопасности для каждого

пользователя. Технологии IAM обеспечивают согласование

применения политик безопасности для существующих

мобильных сервисов и интегрирует подсистемы аутентификации

и авторизации информационной системы с подсистемой

аутентификации мобильных станций.

Возможности применения существующих моделей

управления доступа в ИС с использованием МС, таких как

модель Харрисона, Руззо и Ульмана [6], модель Белла-ЛаПадулы

(мандатного доступа) [7, 8], модель Лендвера-МакЛина (ролевого

управления доступом) [9], были проанализированы в [10]. Как

показал анализ, предпочтительной моделью управления доступом

в ИС с использованием мобильных технологий является

тематическо – иерархический.

Использование тематическо – иерархического управления

доступом обусловлено сложившейся практикой при

разграничении доступа к документам медицинского учреждения.

Тематическая стратификация информационных ресурсов

осуществляется в соответствии с организационно-

технологическим процессом управления и профилям

деятельности. При доступе к информационным ресурсам в

библиотеки, архивы, документальные хранилища используется

тематический классификатор.

Основные положения модели тематико-иерархического

разграничения доступа.(Multilevel thematic-hierarchical access

control (MLTHS)) можнопредставитьвследующемвиде [11].

Информационная система формирует собой тематический

иерархический классификатор (рубрикатор), включающий

конечное множество тематических рубрик 𝑇и = {𝑡1, 𝑡2,...𝑡𝑀},

258

отражающий логическую информационную архитектуру всех

информационных ресурсов.

При построении доверительных прав доступа

пользователей должен быть установлен частичный порядок на

сформированном классификаторе, определяемый как корневое

дерево.

Тематическая классификация на основе отображения

множества мультирубрикТМна множестве субъектов и объектов

ИС (𝑆 ∪ 𝑂) определяется на корневом дереве иерархического

рубрикатора. Назначим функцию тематического окрашивания𝑓𝑀.

В составе мультирубрицированного отображения субъектов и

объектовИС на иерархический рубрикатор ][2 хFи функция

тематического окрашивания определяет для любого субъекта и

объекта доступа ИС в каждый момент времени соответствующую

ей мультирубрику:𝑓𝑀[х] = 𝑡𝑀, где х ∈ 𝑆 ∪ 𝑂, 𝑡𝑖

𝑀 ∈ 𝑇𝑀.

Работа тематическо – иерархического управления

доступомсостоит переходов из состояний в момент времени 𝑡𝑘 в

состояния в момент времени 1kt .

Переходы в модели тематическо – иерархического

управления доступом приводят к новым отношениям доступа

(новым потокам) между существующими сущностями ИС

𝑋 = 𝑆 ∪ 𝑂, либо создают (удаляют) новые субъекты и объекты

доступа.

При управлении доступом реализуется принятие решения о

правомочности доступа 𝑆 к𝑂, обеспечивающих транзитивность

потоков при реализации требуемого подмножества безопасных

по определенному критерию потоков.

Как показал анализ использования моделей тематическо –

иерархического управления доступом [10], формирование

доверительно - тематических полномочий пользователей

𝐹LTH(𝑠) = {𝐿𝑆, 𝑇𝑆𝑀}реализуется в соответствии с установленными

политиками безопасности с использованием диаграммы Хассе,

вводящей отношения порядка в тематический классификатор на

решетке безопасности в соответствии с методами,

259

представленными в и представляет собой достаточно сложную

математическую задачу.

Вместо сложной задачи построения диаграммы Хассе,

вводящего отношения порядка корневого графа,

формализующего иерархический тематический классификатор

информационных объектов системы, предлагается формирование

доверительных прав доступа пользователей на основе метрик

семантической близости запроса пользователя и тематической

рубрики иерархического классификатора информационного

ресурса.

Запрос пользователя к информационному ресурсу не в

полной мере отражает его информационные потребности.

Пользователь не в полной мере владеет терминологией

иерархического классификатора системы. С другой стороны не

всегда пользователь в состоянии сформулировать, что он ищет.

Использование семантической близости запроса и рубрики

классификатора позволит при предоставлении доступа дать

достаточные права, ранжированные в зависимости от

потребностей пользователя. При этом монитор безопасности

будет рассматривать𝑆 субъекта доступа как нечеткое множество

получающее доступ к запрашиваемому объекту 𝑂 и семантически

близкими объектами {𝑂1, 𝑂2, …𝑂𝑛} не ниже определенного

порога безопасности 𝐿 [12].

При построении доверительных прав доступа в мониторе

безопасности подразумевается сходство запроса и тематической


ресурса, а не их семантическая связность (компьютер –

программа). Семантическая близость запроса и рубрики

иерархического классификатора может содержать множество

аспектов близости (расстояния). В этой связи проблема

выработки критерия и назначения порога безопасности

достаточно сложна, и в каждой отдельной предметной области

информатизации требует индивидуального решения.

Онтологический подход формирования мер семантической

близости запроса и рубрики иерархического классификатора

позволит формировать доверительные права на доступ не просто

на основе простых слов (sicutverbum), а на основе их смыслового

260

значения (indexverborum). В этом случае содержание запроса

определяется смыслом слов, который определен онтологией.

В качестве семантической близости онтологических термов

𝑥 и 𝑦 будем использовать функцию вида:

𝑆(𝑥, 𝑦) ∈ [0,1] (1)

Близость двух понятий в мерах, основанных на

иерархических структурах, определяется положением вершин

соответствующих этим понятиям в иерархических

онтологических структурах. Простейшая мера близости в случае

формирования доверительных прав доступа в ИС может быть

определена как длина кратчайшего пути, измеряемого числом

вершин (ребер) между таксономиями запроса и тематической


ресурса ИС.

Мера семантической близости с учетом глубины

таксономической иерархии в наиболее простом виде

определяется в следующем виде:

),(

2log),(

21

21ccd

NccS (2)

гдес1, с2- таксономии запроса пользователя и тематической


ресурса системы;

𝑁 - глубина дерева тематического классификатора

информационного ресурса;

𝑑(𝑐1, 𝑐2) - длина кратчайшего пути между вершинами.

При использовании онтологических метрик семантической

близости, правила формирования прав на доступ к

иерархическим информационным ресурсам будут иметь

следующий вид.

Пользователи, формируя запрос к системе, посредством

сервисов мобильного доступа инициализируют свои первичные

261

рубрики, которым монитор безопасности присваивает метки

безопасности и назначает действия по аудиту.

Правилом (основным критерием) безопасности управления

доступом с онтологическим принципом назначения

доверительных прав является отсутствие информационных

потоков от тематической рубрики наиболее точно

соответствующих семантически запросу пользователя к

тематическим рубрикам, имеющим меньшее некоторого априори

заданного значения семантической близости. Под семантической

близостью понимается мера, определяемая по формуле (2). Для

информационных потоков тематической рубрики наиболее точно

соответствующих семантически запросу пользователя к

тематическим рубрикам, имеющим большее значение

семантической близости, разрешен полный доступ.

Для монитора безопасности, реализующего тематически -

иерархическую модель управления доступом с онтологическим

принципом назначения доверительных прав целесообразно

определить следующие правила, определяемые основным

критерием безопасности[12]:

Правило 1. Доступ субъекта S к объекту O , вызывающий

поток по чтению (r), разрешается монитором безопасности в

случае, когда метка семантическая близости запроса

пользователя МИС меньше установленного значения:

),(),( 2121 ccSccS kr (3)

Доступ субъекта S к объекту O , вызывающий поток по

записи (w), допускается монитором безопасности в случае, когда

мера семантической близости рубрики объекта больше

установленного значения запроса пользователя:

),(),( 2121 ccSccS kr (4)

Переходы системы из одного состояния 𝐸𝑘 в другое

состояние 𝐸𝑘+1, требующие создания новых объектов,

262

разрешаются монитором безопасности, когда метка

семантическая близость запроса пользователя ИС меньше

установленного значения, при этом монитор безопасности

присваивает новому объекту 𝑂∗ мультирубрику, c значением

меры семантической близости меньше возможного значения для

установления прав на доступ по записи и чтению.

Инициализация нового субъекта доступа 𝑆∗ допускается

монитором безопасности свободно с присвоением ему

допустимого значения семантической близости.

Таким образом, использование мобильных станцийв

качестве клиентов ИС потребовало новых подходов по защите

информации. Одной из основных функций систем защиты

является управление доступом. При этом анализ существующих

моделей управления доступом показал сложность их реализации

клиент серверной архитектуры с использованием мобильных

технологий. Предложен антологический метод управления

доступом, являющийся развитием тематико-иерархического

разграничения доступа. Алгоритмически сложные процедуры

построения диаграмм Хассе предлагается заменить достаточно

простой процедурой назначения мер семантической близости

запроса пользователя и рубрики иерархического классификатора

информационного ресурса ИС. В качестве меры семантической

близости предложено использовать длина кратчайшего пути,

измеряемого числом вершин (ребер) между таксономиями

запроса и тематической рубрики иерархического классификатора

информационного ресурса ИС с учетом глубины

таксономической иерархии дерева информационного ресурса.


1. Анализ угроз безопасности информации при обработке

персональных данных в мобильной медицине / В.П. Гулов, В.А.

Хвостов, А.В. Скрыпников, В.П. Косолапов, Сыч Г.В. //

Системный анализ и управление в биомедицинских системах. -

Воронеж, 2020. - Т. 19, №2. - С. 129 - 138.

2. Анализ особенностей защиты персональных данных в

мобильной медицине / Гулов В.П., Хвостов В.А., Косолапов В.П.,

263

Сыч Г.В. // Системный анализ и управление в биомедицинских

системах. - Воронеж, 2020. - Т. 19, №3. - С. 171 -176.

3. Уязвимость беспроводных каналов связи / А. В.

Скрыпников, В. В. Денисенко, К. С. Евтеева [и др.] // Системный

анализ и моделирование процессов управления качеством в

инновационном развитии агропромышленного комплекса :

Материалы V Международной научно-практической

конференции,в рамках реализации Ассоциации «Технологическая

платформа «Технологии пищевой и перерабатываю-щей

промышленности АПК – продукты здорового питания»,

Воронеж, 21 мая 2021 года / Воронеж. гос. ун-т инж. технол.. –

Воронеж: Воронежский государственный университет

инженерных технологий, 2021. – С. 347-355.

4. Об утверждении состава и содержания организационных

и технических мер по обеспечению безопасности персональных

данных при их обработке в информационных системах

персональных данных Приказ директора ФСТЭК России от 18

февраля 2013 г. № 21 URL:

https://fstec.ru/normotvorcheskaya/akty/53-prikazy/691 (дата

обращения: 26.09.2020).

5. Шаньгин В.Ф. Информационная безопасность и защита

информации: учеб. пособие // В.Ф. Шаньгин. – М.: ДМК Пресс.

2017. – 702 с.

6. Harrison M. A., Ruzzo W. L., and Ullman J. D., «Protection

in Operating Systems» Communications of the ACM, Volume 19,

1976.

7. D. Elliott Bell and Leonard J. La Padula, «Secure Computer

Systems: Mathematical Foundations» ESD-TR-73-278, Vol. I, AD

770 768, Electronic Systems Division, Air Force Systems Command,

Hanscom AFB, Bedford, Massachusetts, November 1973.

8. 13. Leonard J. La Padula and D. Elliott Bell, «Secure

Computer Systems: A Mathematical Mode» ESD-TR-73-278, Vol. II,

AD 771 543, Electronic Systems Division, Air Force Systems

Command, Hanscom AFB, Bedford, Massachusetts, November 1973.

9. 14. Landwehr C.E. Formal models for computer security

ACM Computing Surveys, 133, (Sept.1981) pp.247-278.

264

10. Модель индивидуально группового назначения доступа

к иерархически организованным объектам медицинских

информационных систем с использованием мобильных

технологий / В. П. Гулов, В. А. Хвостов, В. П. Косолапов, Г. В.

Сыч // Системный анализ и управление в биомедицинских

системах. – 2021. – Т. 20. – № 1. – С. 135-146. – DOI

10.36622/VSTU.2021.20.1.019.

11. Hu V.C., Ferraiolo D., Kuhn R., Schnitzer A., Sandlin K.,

Miller R., Scarfone K. NIST Special Publication 800162. Guide to

Attribute Based Access Control (ABAC). Dentition and

Considerations // NIST National Institute of Standards and

Technology. [Electron. res.]. http://dx.doi.org/10. 6028/NIST.SP.800-

162. Jan. 2014.

12. Организация управления доступом к медицинским

информационным системам с использованием методов

семантической близости / В. П. Гулов, В. П. Косолапов, Г. В.

Сыч, В. А. Хвостов // Системный анализ и управление в

биомедицинских системах. – 2021. – Т. 20. – № 2. – С. 79-87. –

DOI 10.36622/VSTU.2021.20.2.010.

УДК614.2-06:681.3-001.25

КОЛИЧЕСТВЕННАЯ ОЦЕНКА ВЕРОЯТНОСТНЫХ

ВРЕМЕННЫХ ХАРАКТЕРИСТИК УГРОЗЫ

БЕЗОПАСНОСТИ ИНФОРМАЦИИ "ОПРЕДЕЛЕНИЕ

ТИПА ОПЕРАЦИОННОЙ СИСТЕМЫ УДАЛЕННОГО

ХОСТА"

Скрыпников А.В., Хвостов В.А.




Анализ методических документов [1] и информации

содержащейся в Российской и международных базах данных

265

угроз БИ [2, 3] показал, что одной из наиболее опасных является

угроза определения типа и версии ОС удаленного хоста.

Информация полученная в результате реализации донного виду

угрозы БИ будет являться основой планирования дальнейшей

атаки [4, 5]. Тип и версия установленной ОС предоставляет

атакующему информацию об известных уязвимостях

программного обеспечения и требуемых программно-

математических воздействиях для дальнейшей атаки. При этом,

точность определения типа и версии ОС напрямую определяет

эффективность дальнейшей атаки.

Информация о временных и вероятностных

характеристиках угрозы определения типа и версии ОС

удаленного хоста требуется для анализа общих характеристик

защищенности информационных систем и обоснования

требований к защите информации [6, 7]. Также полученные

характеристики вероятности и времени реализации угроз данного

вида ценны и сами по себе т.к. позволяют провести оценку

защищенности операционных систем различных типов и версий и

требований к настройке стеков сетевых протоколов.

Таким образом, статья посвящена актуальной проблеме

оценки вероятностных и временных характеристик реализации

угрозы определения типа и версии ОС удаленного хоста.

Оценка вероятностных временных характеристик угроз

базируется на теории динамического конфликта [8 - 10]. В

зависимости от предполагаемой адекватности модели и

имеющихся исходных данных теория динамического конфликта

предоставляет рациональные методы математической

формализации и решения информационных конфликтов "СЗИ -

угроза БИ". Динамика конфликта "СЗИ - угроза БИ"

формализуется с помощью орграфа состояний 𝐺 = (𝑆, 𝑈), где 𝑆

— вершины графа, 𝑈 — его дуги. Если стороны конфликта 𝑎 (𝑏)

могут действовать 𝑖 (𝑘) способами и при этом находится в 𝑗 (𝑚)

состояниях, то нахождение стороны 𝑎 при реализации способа

действия 𝑖 в состоянии 𝑗 можно обозначить через логическую

переменную 𝑎𝑖𝑗. Соответственно 𝑏𝑚𝑘 — логическая переменная

стороны 𝑏 при реализации способа действия 𝑘 в состоянии 𝑚. С

266

использованием рассмотренного множества введенных

логических переменных 𝑎𝑖𝑗 и 𝑏𝑚𝑘 множество вершин графа

составляет:

Fζ = {⋂ (⋃ aijj )i }⋂{⋂ (⋃ bmkm )k }

Полученное множество вершин графа 𝑆ζ должно удовлетворять

условию ∑ 𝑃(𝑁ζ=1 𝑆ζ, 𝑡) = 1, где ∑ 𝑃(𝑁

ζ=1 𝑆ζ, 𝑡) — вероятность

нахождения конфликта в состоянии 𝑆ζ в момент времени 𝑡, 𝑁 —

количество вершин графа 𝐺 = (𝑆, 𝑈) однозначно определяющих

формализуемый конфликт "СЗИ - угроза БИ".

Располагая вершины графа 𝐺 = (𝑆, 𝑈) в пространстве состояний

от исходного состояния процесса конфликта, соответствующего

начальному состоянию и угрозы БИ и СЗИ, в направлении

возрастания числа измененийсостояний, и ориентируя дуги графа

в соответствии последовательностью действий реализации угроз

БИ получим расширенный граф состояний динамики конфликта

"СЗИ - угроза БИ".

В соответствии с введенными логическими переменными

𝑎𝑖𝑗 и 𝑏𝑚𝑘 множество вершин Fζ графа 𝐺 = (𝑆, 𝑈) можно

представить в виде матрицы:

Fζ = ||

𝑎11𝑎21…𝑎m1

b11b21…bn1…

𝑎11𝑎21…𝑎m1

b1j(1)b2j(2)…bnj(n)

⋮ ⋱ ⋮𝑎1i(1)𝑎2i(2)…𝑎mi(m)

b11b21…bn1…

𝑎1i(1)𝑎2i(2)…𝑎mi(m)

b1j(1)b2j(2)…bnj(n)

||;

В матрице множества вершин Fζ каждый элемент матрицы

представляет собой соответствующих состояний стороны 𝑎 (над

чертой) и стороны 𝑏 (под чертой).

Располагая полученные вершины графа 𝐺 = (𝑆, 𝑈) в

соответствии с формальной моделью реализации угроз БИ и

алгоритмом функционирования СЗИ, ориентируя дуги графа по

направлению протекания конфликта и предполагая, что

одновременно не может произойти более одного изменения

состояния можно получить орграф отображающий конфликт

"СЗИ - угроза БИ".

267

Полученный граф состояний отображает направленность

конфликта через изменение состояний сторон формализуемого

конфликта "СЗИ - угроза БИ". Рациональным методом

математической формализации процесса динамического

конфликта и получения аналитического решения является метод

моментов. Данный метод вытекает из центральной предельной

теоремы и позволяет заменить многократное вычисление

интегралов свертки при нахождении закона (плотности)

распределения времени перехода из исходного состояния

конфликта в конечное (поглощающее) состояние расчетом

моментных характеристик (математического ожидания,

дисперсии) этого перехода [9]. При этом результирующий закон

распределения времени перехода в финальное состояние, как

правило, близок к нормальному.

Анализ техник определения типа операционной системы

удаленного хоста и используемых для этого программных

средств.

По данным [11] угроза БИ определения типа и версии ОС

удаленного хоста может быть реализована двумя основными

методами.

Первый метод основан на том, что удаленный компьютер в

ответ на запрос сам информирует о типе и версии своей ОС.

Большинство ОС в заголовок ответа на установление логического

соединения отвечают такими заголовками. При этом часть

системных администраторов не отключают данную функцию. Но

даже если вывод заголовка отключен, большинство прикладных

программ выдадут информацию, находящуюся в заголовке ОС

хоста по первому требованию (если администратор не

позаботился об отключении этой возможности).

Второй метод основан на опросе стека протокола TCP/IP

удаленного хоста. Метод использует различия в реакции

различных типов ОС и их версий на один и тот же запрос.

Исследование особенностей реакций на запрос ОС, версия

которой заранее известна, можно сопоставить реакции на

запросы с типом ОС. С использованием комбинированных

запросов, информация о типе и версии ОС становиться более

точной.

268

Наиболее часто используются следующие виды запросов

для определения типа ОС [11, 12]:

1. FIN-исследование (на любой открытый порт

сервера хост посылает FIN-пакет, сервер отвечает RST-пакетом,

ОС типа Windows, BSDI, CISCO, HP/UX, MVS и IRIX не

посылают ничего в ответ).

2. Исследование BOGUS - флагом (запрос содержит

SYN-пакет с установленным в TCP-заголовке неиспользуемым

"флагом" BOGUS, ОС Linux до 2.0.35 сохраняет в ответе этот

BOGUS флаг. Большинство ОС отвечают пакетом RRST при

получении такого пакета).

3. Исследование изменения ISN ответа удаленного

хоста (поле ACK ответа удаленного хоста для различных типов

ОС изменяется по разным законам "постоянного приращения"

для HPUnix, "случайных приращений" для ОС Solaris, IRIX,

FreeBSD, "время-зависимых приращений" для ОС Windows всех

версий, "постоянный" для сетевых устройств 3Com, Apple).

4. Исследование поля Window TCP-пакета

(поле Window в заголовках ACK пакетов для каждого типа ОС

являются неизменными и характеризуют их тип достаточно

надежно).

5. Исследование поля ACK в TCP-пакете (на

закрытый TCP-порт удаленного хоста отправляет FIN|PSH|URG-

пакет с известным значением ISN в поле ISS, поле ACK ответа

ISS для каждой ОС является индивидуальным).

6. Исследование обработки фрагментов дейтаграммы

(различные ОС могут по-разному осуществлять обработку

перекрытия фрагментов, исследуя закон перекрытия фрагментов

можно определить тип ОС).

7. Исследование эха в ICMP-сообщениях (в ICMP-

сообщении об ошибке должна присутствовать часть

дейтаграммы, состоящая из IP-заголовка дейтаграммы и первых

64-х бит данных дейтаграммы, и называемая "эхом"

дейтаграммы).

При реализации угрозы БИ "определение типа и версии ОС

удаленного хоста", требуется иметь информацию о реакции ОС

известных версий на перечисленные ранее запросы (получить т.н.

269

"отпечаток" стека TCP/IP ОС). Для этого удаленный либо

локальный хост, тип и версия ОС которого заранее известны,

тестируются описанными выше способами (1 - 6), результаты

тестов и на основе полученных данных составляют "отпечаток"

стека TCP/IP удаленного хоста, применительно к типу и версии

ОС.

Последовательное исследование ОС удаленного хоста

путем опроса его TCP/IP стека используется в виде скриптов в

сканерах сети таких как NMAP, Strobe, Portscanner, Queso и др.

Формирование графовой динамической модели реализации

угрозы безопасности информации определения типа

операционной системы удаленного хоста.

Динамическую модель реализации угрозы БИ "определение

типа операционной системы удаленного хоста" в виде

графаотражающего смену состояний при проведении

последовательности запросов к удаленному хосту в видескрипта

в сканерах сети можно формализовать орграфом, представленном

на рисунке 1.

Рисунок 1. Граф смены состояний при реализации угрозы

БИ “определение типа и версии ОС удаленного хоста”

На графе динамической модели отображены следующие

состояния динамической модели:

1. Начальный момент реализации угрозы БИ "определение

типа операционной системы удаленного хоста";

2. Выполнен скрипт сканера сети реализующий эха в

ICMP-сообщениях , финальное состояние реализации угрозы БИ

"определение типа операционной системы удаленного хоста";

3. Выполнен скрипт сканера сети реализующий FIN-

исследование;

270

4. Выполнен скрипт сканера сети реализующий

исследование BOGUS - флага;


исследование изменения ISN ответа удаленного хоста;


исследование поля Window TCP-пакета;


исследование поля ACK в TCP-пакете;


исследование обработки фрагментов дейтаграммы.

Вероятность ответа на запрос запрашивающего

информации типе и версии своей ОС составляет величину 𝑃1.

Расчетные соотношения определения моментных

характеристик реализации угрозы безопасности информации

определения типа операционной системы удаленного хоста.

Выполним эквивалентное преобразование графа

динамической модели угрозы БИ "определения типа и версии ОС

удаленного хоста" в соответствии с правилами [9]. Моментные

характеристики выполнения скриптов сканера сети при

получении "отпечатка" стека TCP/IP ОС можно представить в

следующими формулами:

786756453413 mmmmmmmскр (1)

2

78

2

67

2

56

2

45

2

34

2

13

2 скр (2)

где ijm , 2

ij - математическое ожидание и

среднеквадратическое отклонение времени выполнения скриптов

сканера сети по исследованию типа и версии операционной

системы.

Применение эквивалентных преобразований (1), (2)

позволит свернуть граф смены состояний при реализации угрозы

БИ “определение типа и версии ОС удаленного хоста” к виду,

представленному на рисунке 2.

271

Рисунок 2 Эквивалентный граф смены состояний при реализации

угрозы БИ “определение типа и версии ОС удаленного хоста”

Полученный эквивалентный граф смены состояний при

реализации угрозы БИ “определение типа и версии ОС

удаленного хоста” в соответствии с [9] имеет следующие

моментные характеристики (случай параллельных переходов):

скругр mPP

Pm

PP

Pm

21

212

21

1

(3)

2

122

21

212

21

22

12

21

12 )()(

*скрскругр mm

PP

PP

PP

P

PP

P

В качестве моментных характеристик процесса

реализацииугрозы БИ "определения типа и версии ОС

удаленного хоста" целесообразно использовать оценки времени

запроса ответа при использовании клиент серверного

взаимодействия WEB приведенные в [14]. Значения

математических ожиданий и среднеквадратических отклонений

времени запросов клиента к серверу выполняемые по короткой и

длинной схемам взаимодействия, соответствующих выполнению

скриптов сканера сети при реализации угрозы "определения типа

и версии ОС удаленного хоста" представлены в таблице 1.

Результирующие значения математический ожиданий и

среднеквадратических отклонений времени реализации угрозы

"определения типа и версии ОС удаленного хоста", рассчитанные

по формулам (1), (2), (3), для трех значений вероятности ответа

на запрос содержащий информацию о типе и версии своей ОС

представлены в таблице 2.

Графики функции распределения времени реализации

угрозы "определения типа и версии ОС удаленного хоста" по

данным таблицы 2 представлены на рисунках 3,4,5 для низкой,

272

средней и высокой вероятностей ответа на запрос содержащий

информацию о типе и версии своей ОС соответственно.

Таблица 1. - Математические ожидания и среднеквадратические

отклонения времени запросов клиента к серверу выполняемые по

короткой и длинной схемам взаимодействия, соответствующих

выполнению скриптов сканера сети при реализации угрозы

"определения типа и версии ОС удаленного хоста" Идентифика

тор дуги

графа

Схема запроса

и ответа

Математическое

ожидание мс

Среднеквадратичное

отклонение мс

12S длинная 100 10

13S короткая 10 1

34S короткая

(двойной)

20 2






Таблица 2. - Математические ожидания и среднеквадратические

отклонения времени реализации угрозы "определения типа и

версии ОС удаленного хоста" Вероятность ответа на

запрос содержащий

информацию о типе и

версии своей ОС

Значение

показателя 1P

Математическо

е ожидание

угрm мс

Среднеквадратичн

ое отклонение 2

угр мс2

низкая 0,1 44,2 40,9

средняя 0,2 72 70,6

высокая 0,3 86 92,2

273

Рисунок 3. Распределение времени реализации угрозы "определения

типа и версии ОС удаленного хоста" для низкой вероятности ответа на

запрос содержащий информацию о типе и версии своей ОС


типа и версии ОС удаленного хоста" для средней вероятностей ответа

на запрос содержащий информацию о типе и версии своей ОС

274


типа и версии ОС удаленного хоста" для высокой вероятности ответа на

запрос содержащий информацию о типе и версии своей ОС

Таким образом, анализ динамических характеристик

реализации угрозы БИ "определения типа и версии ОС

удаленного хоста", выполняемой в соответствии с [1] на

начальных этапах атаки с использованием сканеров (пример

сканер NMap), может быть выполнен за время от 30 до 100 мс и

дает почти достоверную оценку версии и типа ОС удаленного

хоста.


1. Методический документ ФСТЭК России. Базовая

модель угроз безопасности персональных данных при их

обработке в информационных системах персональных данных

(выписка). ФСТЭК России, 2008 год [Электронный ресурс]. —

URL: https://fstec.ru/tekhnicheskaya-zashchita-

informatsii/dokumenty/114-spetsialnye-normativnye-dokumenty/379-

bazovaya-model-ugroz-bezopasnosti-personalnykh-dannykh-pri-ikh-

obrabotke-v-informatsionnykh-sistemakh-personalnykh-dannykh-

vypiska-fstek-rossii-2008-god (дата обращения: 10.09.2021).

275

2. Банк данных угроз безопасности информации.ФСТЭК

России. ФАУ «ГНИИИ ПТЗИ ФСТЭК России»[Электронный

ресурс]. — URL:https://bdu.fstec.ru/threat(дата обращения:

10.09.2021).

3. NVD - Home | National Vulnerability Database.

[Электронный ресурс]. — URL:https://nvd.nist.gov/general(дата

обращения: 10.09.2021).

4. Методы и средства эволюционного и структурного

моделирования при обосновании требований к программным

системам защиты информации / А. А. Змеев, С. Г. Мачтаков, Т. В.

Мещерякова [и др.]. – Воронеж : Воронежский институт

Министерства внутренних дел Российской Федерации, 2015. – 91

с. – ISBN 9785885912518.

5. Гулов В. П. Прогностическая модель реализаций угроз

информационной безопасности технологическим медицинским

информационным системам / В. П. Гулов, В. А. Хвостов //

Прикладные информационные аспекты медицины. – 2015. – Т.

18. – № 2. – С. 3-10.

6. Методика оценки вероятности несанкционированного

доступа в автоматизированные системы... / А. А. Кисляк, О. Ю.

Макаров, Е. А. Рогозин, В. А. Хвостов // Информация и

безопасность. – 2009. – Т. 12. – № 2. – С. 285-288.

7. Нормирование требований к характеристикам

программных систем защиты информации / А. В. Скрыпников, В.

А. Хвостов, Е. В. Чернышова [и др.] // Вестник Воронежского

государственного университета инженерных технологий. – 2018.

– Т. 80. – № 4(78). – С. 96-110. – DOI 10.20914/2310-1202-2018-4-

96-110.

8. Дружинин В.В., Конторов Д.С. Проблемы

системотологии (проблемы теории сложных систем). - М.: Сов.

радио, 1976, - 276 с.

9. Дружинин В.В., Конторов Д.С., Конторов М.Д.

Введение в теорию конфликта – М.: Радио и связь, 1989 г. — 240

с.

10. Дружинин В.В., Конторов Д.С. Системотехника – М.:

Радио и связь, 1985 г. — 200 с.

276

11. Kali Linux. Тестирование на проникновение и

безопасность. — СПб.: Питер, 2020. — 448 с.

12. Тестирование на проникновение: инструментальный

анализ уязвимостей или имитация действий злоумышленника?

[Электронный ресурс]. — URL: http://www.nobunkum.ru/ru/pentest

(дата обращения: 12.04.2021).

13. Справочное руководство Nmap (Man Page)

[Электронный ресурс]. — URL: https://nmap.org/man/ru/ (дата

обращения: 12.04.2021).

14. Алмейда М., Менаске Д. Производительность Web

служб. Анализ, оценка и планирование: Пер. с англ. / Спб.: ООО

“ДиаСофтЮП”, 2003 г. — 408 с.

УДК 681.3

КОНЦЕПЦИЯ ПОСТРОЕНИЯ

ИНТЕГРИРОВАННЫХ СИСТЕМ БЕЗОПАСНОСТИ

Белокуров С.В., Кондратов О.А., Меркулов А.В, Панасюк В.С.




Одним из главных тезисов о построении систем

безопасности в наше время является то, что наибольшей

эффективности можно добиться за счет интеграции модульных

элементов в единую систему, связывающую между собой все

программно-аппаратные и программные средства обеспечения

безопасности [1].

Структура основных технических средств безопасности

(ТСОБ) представлена на рисунке 1.

277

Рис. 1. Структура основных технических средств обеспечения безопасности

Функции и режимы работы ТСОБ зависят от особенностей

защищаемого объекта. Также на объекте различают зоны, в

каждой из которых есть свои особенности, которые нужно

учитывать для обеспечения состояния защищенности объекта [2-

5].

Первая зона представляет собой зону периметра вокруг

объекта, на котором обеспечивается защита.

Первая зона может быть подвержена следующим угрозам:

попытки прохождения периметра, наблюдение за объектом.

Обеспечить безопасность в перовой зоне могут:

средства инженерной защиты (СИЗ);

средства телевизионного наблюдения (СТВН);

средства охраны периметра,

патрули охранного персонала.

Вторая зона представляет собой территорию, на которой

находится защищаемый объект.

Данная территория подвержена угрозе, состоящей в том,

что злоумышленник будет совершать попытки прохождения на

278

территорию объекта.

Вторая зона обеспечивается безопасностью теми же

средствами, что и первая, но также на ее территории могут

применяться технические средства охранно-пожарной

сигнализации (ТС ОПС)

Третья зона – это периметр охраняемого объекта.

Третья зона подвержена угрозе прохождения

злоумышленника на объект, а также его возможных попыток

нарушить правильность работы основных ТСОБ, расположенных

на территории зоны.

На территории третьей зоны безопасность обеспечивается

средствами, используемыми на территории зоны два.

Четвертая зона – внутренняя часть объекта.

В эту зону входят дополнительные зоны, такие как зоны

свободного помещения, на территории которых могут находится

все, зоны с ограниченным по времени доступом, находится на

территории которых запрещено для разных лиц в разное время,

зоны ограниченные уровнем доступа, находится на территории

которых разрешено согласно регламенту разграничения прав

доступа, зоны специального назначения, нахождение на которых

разрешено только отдельно взятому персоналу, чья деятельность

проводится в данной зоне, а также зоны хранения материальных

ценностей.

Угрозы, которые могут появиться на территории данной

зоны, более существенные, чем те, которые, упоминались ранее

для предыдущих зон, а именно это может быть: попытки

получения несанкционированного доступа (НСД) к информации,

расположенной во внутренних каналах объекта, нападение на

персонал охраны, сотрудников, а также лиц, посещающих

охраняемый объект, попытки вывода из строя ТСОБ, попытки

доступа к зонам хранения материальных ресурсов.

Обеспечением безопасности четвертой зоны могут стать

средства:

защиты информации (СЗИ);

контроля доступа (СКД);

а также средства защиты, которые применялись при

обеспечении безопасности ранее упомянутых зон.

279

Пятая зона – непосредственно сами объекты и информация,

обладающие ценностью.

На территории пятой зоны возможные угрозы

представлены в виде попыток хищения, порчи, подмены объектов

и информации обладающих ценностью.

Обеспечить безопасность могут средства, используемые

для обеспечения безопасности в ранее упомянутых зонах, а также

средства сохранения целостности (ССЦ).

Шестая зона – непосредственная сама интегрированная

система безопасности (ИСБ), которая включает в себя все

модульные компоненты ТСОБ.

Угрозы возможные в шестой зоне – это попытки получения

НСД для изменения настроенных состояний систем или вывод из

строя отдельных модулей или всей системы в целом.

Обеспечить безопасность шестой зоны могут:

ССЦ;

датчики вскрытия;

самодиагностика системы;

программное обеспечение (ПО), обеспечивающие защиту

от НСД.

Как правило при построении среды с повышенной

безопасностью на объекте зоны располагаются так, чтобы зона

наибольшей важности находилась в центре всех остальных и для

получения доступа к этой зоне у злоумышленников появлялась

задача прохождения всех остальных зон и рубежей охраны.

Наибольшую эффективность при построении безопасной

среды на объекте можно добиться интегрирования всех элементов

ТСОБ в единую ИСБ [6-9].

Обобщенная структура ИСБ представлена на рисунке 2.

Рис. 2. Обобщенная структурная схема ИСБ

280

Рассмотрим состав и особенности перечисленного выше

оборудования.

Система сбора и обработки информации (ССОИ)

производит сбор и обработку информации, снятой с датчиков,

находящихся в составе ИСБ, в случае выхождение параметров

датчиков из нормы, производит оповещение о возможной угрозе,

а также передает информацию о том какое устройство засекло

аномальные показатели и значение этих показателей.

Средства контроля состояния объекта (СКСО)

предназначено для общего мониторинга состояния как объекта,

так и отдельных его участков. СКСО состоит из множества

датчиков, таких как: охранные извещатели, которые формируют

сигналы о возможных угрозах, при помощи датчиков,

фиксирующих движения, датчики обнаружения утечки

информации, датчики контроля ИСБ, устройства видео и фото

фиксации с привязкой изображения ко времени.

Средства контроля и управления доступом (СКУД)

используются для идентификации и аутентификации

пользователей, а также протоколирования и ведения журнала

попыток входа.

Средства управления (СУ) используются для изменения

настроек и обслуживания ИСБ, пользователями, имеющими

право доступа.

Средства оповещения (СО) используются для

информирования и оповещении сотрудников и охраны объекта в

случае появления угроз или других нештатных ситуаций.

Средства противодействия и ликвидации угроз (СПЛ)

используются для предотвращения уже появившихся угроз, таким

как возгорания, попытки проникновения на объект и попытке

получения НСД.

Система передачи извещений (СПИ) используются для

передачи информации аварийным службам, в случае.

Средства отображения информации (СОИ) позволяют

отображать состав и состояние охраняемого объекта, а также

состав и состояние всей ИСБ и ее элементов.

Средства регистрации данных (СРД) используются для

регистрации и сохранений информации об изменении состояний

281

ИСБ.

Средства энергопитания (СЭ) используются для

поддержания бесперебойного питания на объекте и в ИСБ.

Механизмы защиты информации (МЗИ) используются для

защиты информации от НСД, а также возможных утечек по

внутренним каналам связи.

Рассмотренная структурная схема ИСБ является достаточно

общей. В каждом конкретном случае она может видоизменяться,

но все основные функции, выполняемые ее структурными

элементами, сохраняются.

ЛИТЕРАТУРА

1. Оценка защищенности информационных процессов в

территориальных органах внутренних дел: модели исследования:

монография / под ред. С.В. Скрыля – Воронеж: Воронежский

институт МВД России, 2010. – 217 с.

2. Belokurov S.V. Analysis and optimization of decision-

making in integrated security systems / S.V. Belokurov and etc. // В

сборнике: Journal of Physics: Conference Series. Current Problems.

Сер. "International Conference "Applied Mathematics, Computational

Science and Mechanics: Current Problems", AMCSM 2020" 2021. С.

012092.

3. Belokurov S.V. System analysis of resource interaction

processes in the biotechnological system / S.V. Belokurov and etc. //

В сборнике: Journal of Physics: Conference Series. Current

Problems. Сер. "International Conference "Applied Mathematics,

Computational Science and Mechanics: Current Problems", AMCSM

2020" 2021. С. 012093.

4. Belokurov S.V. Optimization of the energy efficiency of an

integrated security system based on modeling its optimal structure /

S.V. Belokurov and etc. // В сборнике: E3S Web of Conferences,

Volume 279, id 03028. 2021.

5. Belokurov S.V. Increasing the energy efficiency of electronic

document management systems / S.V. Belokurov and etc. // В

сборнике: E3S Web of Conferences, Volume 279, id 03029. 2021.

6. Белокуров С.В. Критерии эффективности для оценки

защищенности исб крымский мост / С.В. Белокуров,

282

О.А.Кондратов, А.В. Меркулов и др. // В сборнике: Материалы

студенческой научной конференции за 2021 ГОД. Воронеж, 2021.

С. 57-59.

7. Белокуров С.В. Особенности современных комплексных

систем безопасности на примере ИСБ крымского моста / С.В.

Белокуров, О.А.Кондратов, А.В. Меркулов и др. // В сборнике:

Материалы студенческой научной конференции за 2021

ГОД. Воронеж, 2021. С. 63-65.

8. Белокуров С.В. Моделирование функционирования

интегрированной системы безопасности как информационной

системы / С.В. Белокуров, О.А.Кондратов, А.В. Меркулов и др. //

В сборнике: Актуальные проблемы деятельности подразделений

УИС. сборник материалов Всероссийской научно-практической

конференции. Воронеж, 2021. С. 186-189.

9. Белокуров С.В. Анализ графа состояний

функционирования интегрированной системы безопасности /

С.В. Белокуров, О.А.Кондратов, А.В. Меркулов и др. // В

сборнике: Актуальные проблемы деятельности подразделений



УДК 681.3

ПРОБЛЕМА КОНТРОЛЯ ДОСТУПА ПОЛЬЗОВАТЕЛЕЙ К

ИНФОРМАЦИИ В ИНТЕГРИРОВАННЫХ СИСТЕМАХ

БЕЗОПАСНОСТИ

Белокуров С.В., Кондратов О.А., Меркулов А.В, Панасюк В.С.




Чтобы понять, какие последствия ожидают пользователей при

несанкционированном доступе к данным в интегрированной

системе безопасности, необходимо обратиться к основным

https://www.elibrary.ru/item.asp?id=46950788



283

положениям теории по информационной безопасности (ИБ).

Нарушения базовых состояний защищенности информации (ЗНИ)

представляют из себя [1]:

o нарушения конфиденциальности;

o нарушения целостности;

o нарушение доступности.

Следует пояснить значение этих терминов.

Конфиденциальность информации, это состояние ЗНИ которое

обеспечивает недоступность информации от субъектов, которые

не имеют полномочий на просмотр и редактирование этой

информации, этой способностью обладает автоматизированная

система (АС).

Целостностью информации – это второе, немало, важное

состояние ЗНИ, которое сохраняет неприкосновенность

приватной информации при различных деструктивных

воздействиях на нее.

Третьим состоянием информации является доступность

информации, она обеспечивает доступ к информации, в связи с

полномочиями субъектов (выделяют мандатный и

дискреционный доступ).

На основе этих определений и функций сбора и обработки

информации следуют вывод о том, что главная угроза

информационным процессам в системе безопасности является

угроза сбоя в работе по обеспечению целостности и доступности

информации.

В соответствии с уже имеющейся теорией ИБ, выделяют

организационные и технические методы по борьбе с угрозами

несанкционированного доступа в интегрированную систему


Для организованной борьбы с нарушением целостности и

доступности выделяют определенные методы защиты

информации (ЗИ) в ИСБ. Тем временем, эффективность этих

методов зависит от применяемых инженерно-технических

методов ЗИ.

284

Методика оценки эффективности комплексных систем

безопасности

Организованные методы ЗИ от несанкционированного

доступа в ИСБ решают такие поставленные задачи как:

разработка и внедрение в ИСБ действенного механизма

по управлению доступом к информационным ресурсам, который

в свою очередь сможет обеспечить квалифицированную ЗИ от

нанесений деструктивных действий;

внедрения принципа персональной ответственности среди

сотрудников охраны ответственных за эксплуатацию ИСБ;

разграничение прав доступа среди сотрудников на доступ

к различной информации;

тщательный подбор должностных лиц, которые будут

осуществлять эксплуатацию ИСБ;

обучение сотрудников работе с ИСБ

постоянный контроль над соблюдением установленных

требований по ЗИ в ИСБ.

Фундаментом системы обеспечения ИБ в системе охраны,

являются организационные меры по ЗИ от НСД в ИСБ. Для

оценки качества организации по ЗИ от несанкционированного

доступа в систему безопасности выделяют такие оценки как

полнота и качество, они являются факторами безотказной работы

системы. Полнота и умение руководителя охраны быстро

принять решение в управленческих вопросах, определяют

квалифицированную организацию по обеспечению ЗИ от НСД в

ИСБ. Следует обратить внимание на специфику

организационного обеспечения ЗИ от НСД. Она выставляет

жесткие требования в сфере принятия решений по организации

ЗИ, которые исходят от руководителя охраны, плюсом ко всему

принятые решения должны подчиняться регламенту и

нормативным документам [2-5].

Выбор перечня способов и средств, для реализации

своевременных и тактически правильных действий по ЗИ,

являются основной целью обеспечения по защите информации от

несанкционированного доступа. Область использования этих мер

определяются с условиями применения ИСБ и зависит от

285

нанесенного ущерба охраняемому объекту.

При организации ЗИ от НСД в ИСБ руководитель охраны

обязан выполнять следующий порядок действий:

- планирование мер ЗИ от НСД;

- осуществлять контроль проведения мероприятий по ЗИ;

- разграничивать доступ к информации, исходя из

должности сотрудников;

- назначение обязанностей по организации ЗИ от НСД

между нижестоящими сотрудницами охраны.

Приведенные меры по защите информации необходимо

принимать для исключения модификации и блокирования

информации в ИСБ, потенциально они могут поспособствовать

уменьшению возможного урона информации.

Планирование обеспечения ЗИ от НСД в ИСБ зависит от

мотивации злоумышленника касаемо доступа на объект.

В доктрине по ИБ изложены два основных определения

организационного обеспечения защиты информации. Для нашей

работы необходимо их рассматривать таким образом [6-9]:

1. Организационное обеспечение ЗИ от НСД в ИСБ является

основной частью системы ЗИ, с помощью которой можно найти и

сформировать актуальный порядок для реализации

информационных процессов и ЗИ;

2. Нормативная основа, регламентирующая деятельность

сотрудников и их взаимоотношение, является организационное

обеспечение ЗИ от НСД в ИСБ.

Первая трактовка определения определяет функциональные

пути достижения цели, вторая трактовка определяет

нормативные пути.

Согласно с общими системными правилами обеспечение

ЗИ от несанкционированного доступа в систему безопасности

осуществляется на основе:

- комплексного подхода, определяющего условия

эффективного использования способов и средств защиты

информации от НСД для обеспечения целостности и доступности

информации в ИСБ в условиях конкретного охраняемого объекта;

- оперативности принятия управленческих решений,

обусловленной своевременностью решение задач защиты

286

информации от НСД;

- персональной ответственности должностных лиц, исходя

из условий высокого качества решение задач защиты

информации от НСД.

Выдвигают несколько условий для обеспечения ЗИ:

- постоянное наблюдения за работой механизмов ЗИ;

- непрерывное наблюдение за соблюдением поставленных

норм и правил защиты информации от несанкционированного

доступа в систему безопасности.

Добиться высокого качества защиты информации от

несанкционированного доступа можно только путем соблюдения

данных условий.

Для решения проблем, связанных с созданием механизмов

защиты информации от несанкционированного доступа в

интегрированные системы безопасности выдвигают ряд

подходов, принцип которых строится на нормативно-

методической и нормативно-технической регламентации

имеющихся направлений защиты информации от нежелательного

доступа в систему.

Одним из ключевых подходов к обеспечению защиты

информации от незарегистрированного доступа в систему

безопасности выделяют всесторонний анализ конъюнктуры в

сфере защищенности информационных процессов в системе

безопасности беря в учет функциональные возможности

нарушителей ИБ, которые они могут использовать для обхода

механизмов защиты информации и, таким образом, преодолевают

реализуемые механизмы регулирования доступа к необходимому

объекту в системе безопасности. В большинстве случаев, самыми

уязвимыми местами касательно угроз нарушения основных

процессов ИБ являются защищаемые процедуры

информационных процессов.

На практике такой анализ организуют ответственный за

эксплуатацию системы безопасности на объекте. Чтобы

произвести качественную оценку ЗИ необходимо обратить

внимание на опыт ее работы и опыт эксплуатации предыдущих

систем охраны.

Чтобы предоставить квалифицированную защиту от

287

несанкционированного доступа в ИСБ, система должна

соответствовать следующим правилам:

- централизация, как один из способов эффективного

управления процессами ЗИ от НСД в ИСБ исходящий от

руководителя и его заместителей;

- регулярность, как условие объединения усилий

различных должностных лиц и структурных элементов

подразделения охраны по обеспечению защиты информации от

НСД в ИСБ;

- целенаправленность, как основание защиты тех процедур

информационных процессов в ИСБ, которые представляют

наибольший интерес для нарушителя информационной

безопасности;

- активность, как условие концентрации усилий на

наиболее уязвимых с точки зрения нарушения целостности и

доступности информационных процессов в ИСБ;

- универсальность, как фактор возможности анализа

защищенности всей номенклатуры используемых в ИСБ, с

учетом специфики охраняемых объектов.

Ответственность по обеспечению ЗИ от НСД возлагается

на руководителя охраны.

Ответственность, за организацию и проведение

обязательных мероприятий по ЗИ от несанкционированного

доступа в ИСБ, ложится на руководителя подразделения охраны,

при этом, он обязан:

- контролировать актуальное состояние системы ЗИ от

НСД в ИСБ, регулярно выполнять поиски по выявлению

уязвимостей в ИСБ и принимать меры по борьбе с ее искажением

и блокированием;

- определять обязанности и задачи должностным лицам и

структурным элементам подразделения охраны по ЗИ от НСД в

ИСБ;

- требовать от сотрудников высокого КПД;

- оценивать КПД должностных лиц и КПД

дополнительных мероприятий по ЗИ от НСД.

Руководитель подразделения охраны обязан:

- осуществлять постоянный контроль за

288

работоспособностью системы ЗИ;

- контролировать деятельность подчиненных;

- незамедлительно реагировать на сигналы нарушения

безопасности информации.

Руководитель охраны распределяет обязанности по

обслуживанию ИСБ, также на каждое ответственное лицо

отводятся свои функции по ЗИ, все это отображается в

соответствующих положениях.

Для обеспечения квалифицированной ЗИ в ИСБ

используют комплекс методов и средств по защите информации.

Этот комплекс не является конечным, зависимо от

квалификации сотрудников, он может быть дополнен.

В данном случае для оценки эффективности ИСБ

предлагается использовать обоснованные критерии:

1. Критерии "эффект-затраты", которые дают возможность

добиться максимальной эффективности при определенных

заранее поставленных ресурсах.

2. Элиминирующие критерии, который позволяет

исключить из рассмотрения в процессе анализа те варианты,

которые не соответствуют данным ограничениям.

3. Взвешивающие критерии - критерии, позволяющие

оценивать целостный эффект работы.

Основные требования к критерию эффективности:

1. Объективность - "честность" математической модели и

непредвзятость при ее оценке.

2. Представительность – представление основных функций

ИСБ.

3. Точность инструмента оценки – результаты должны

отображать варьирование изначальных данных в определенных

границах.

4. Интерпретируемость – результаты проведения опытов

об эффективности ИСБ для выбранного критерия должны быть

простыми и понятными.

Также следует знать, что на практике анализ

эффективности работы ИСБ может проводиться для двух целей:

1. Выбор компонентов для формирования и интеграции

ИСБ из нескольких возможных вариантов (задача анализа);

289

2. Оптимизация характеристик уже существующей ИСБ,

то есть изменение в конфигурации некоего комплекса

характеристик системы (задача синтеза).

Данные задачи пересекаются между собой, так как при их

исполнении используются одинаковые оптимизационные

методы.

Основные выводы о эффективности работы ИСБ можно

выразить, используя результаты данных способов анализа [1, 3]:

1. детерминистический подход;

2. логико-вероятностное моделирование;

3. имитационное моделирование.

Целевые функции ИСБ и критерии их оценки приведены в

таблице 1.

Таблица 1. Оценка критериев целевых функций ИСБ.

Целевые функции

ИСБ Обнаружение Задержка Реагирование

Критерии оценки

Вероятность срабатывания

датчика обнаружения

Скорость преодоления пространственных

препятствий

Скорость анализа ситуации

оператора охраны

Наработка на ложное

срабатывание датчика

Способы преодоления пространственных

препятствий

Скорость сбора охраны

Вероятность отказа датчика

Набор инструментов, необходимых для

преодоления

Скорость развертывания сил

охраны

Время передачи информации на пульт охраны

Эффективность действий сил ответного

реагирования








290




012092.






2020" 2021. С. 012093.




Volume 279, id 03028. 2021.








С. 57-59.





ГОД. Воронеж, 2021. С. 63-65.














291



УДК 681.3

УГРОЗЫ НЕСАНКЦИОНИРОВАННОГО ДОСТУПА

В ИНТЕГРИРОВАННЫХ СИСТЕМАХ БЕЗОПАСНОСТИ

Белокуров С.В., Кондратов О.А., Сотников Н.В., Меркулов А.В.




Интегрированная система безопасности (ИСБ), является

информационной системой ИС, поэтому она подвержена всем

характерным для этого вида систем угрозам. Наиболее серьезной

является угроза получения третьими лицами

несанкционированного доступа (НСД), что впоследствии может

стать причиной хищения или изменения информации.

При попытке получения НСД злоумышленники как

правило реализуют программные или программно-аппаратные

средства. При получении НСД третьими лицами могут

возникнуть угрозы доступа, которые представляют собой

обладание злоумышленникам данными о системах сбора и

обработки информации (ССОИ), а также возможности внедрения

помех в их работу при помощи различного программного

обеспечения (ПО).

Также существуют угрозы внедрения, для которых

характерно изменение параметров норм стабильной работы

программных или программно-аппаратных средств защиты

информации (СЗИ), в результате появления данных угроз

создаются нештатные режимы работы всей системы


Последней угрозой является угроза попытки внедрения

вредоносного ПО для получения ИСБ

292

Отношение угрозы НСД к информации в ИСБ можно

представить в виде следующего кортежа [1]:

угроза НСД в ИСБ: = <источник угрозы>, <уязвимость

ИСБ, <способ реализации угрозы>, <объект воздействия

(программа, протокол, данные и др.)>, деструктивное

действие>.

Угрозы в свою очередь можно разделить на угрозы доступа

в ПО ИСБ, угрозы создания нештатных режимов работы и

угрозы внедрения вредоносных программ (ВВП).

Угрозы доступа к ИСБ в основном реализуются как через

автоматизированные рабочие места (АРМ), так и через ССОИ.

В случае угрозы доступа, доступ может быть получен как

удаленно, при помощи протоколов сетевого взаимодействия, так

и при непосредственном контакте злоумышленника с системой

на АРМ.

Угрозы изменения стандартных режимов работы СЗИ.

Данные угрозы обычно реализуются применительно к ССОИ,

так как внутри ПО ИСБ обычно не учитывается возможность

применения действий относительно данных служебных

сообщений, находящихся внутри ИСБ, и передаваемым по ее

внутренним каналам, условий по которым данные

обрабатываются внутри системы и форматов данных.

Реализацией данной угрозы внутри ИСБ является переполнение

буферов, а, следовательно, и появление задержек и сбоев в

работе ПО ИСБ на АРМ [2-5].

Угрозы ВВП. Из-за большого количества видов

вредоносных программ строить защиту от каждой становится

невозможно, поэтому для построения защиты нужно знать только

класс вредоносной программы.

Отношение угрозы ВВП к информации в ИСБ можно

представить в виде следующего кортежа:

угроза ВВП в ИСБ = <класс вредоносной программы>,

<источник угрозы>, <способ инфицирования>, <объект

воздействия>, <деструктивное действие>, <дополнительная

информация об угрозе>.

293

Основные источники угроз в ИСБ.

- злоумышленник;

- программно-аппаратная закладка(ПАЗ);

- носитель вредоносной программы.

Злоумышленник – лицо, совершающее попытки получения

НСД в ИСБ. Злоумышленники могут как иметь права доступа на

территорию ИСБ (внутренние), так и не иметь (внешние).

Внешний нарушитель может осуществлять попытки

получения НСД при помощи ВВП через открытые каналы

объекта для получения защищенной информации, а также

осуществлять деструктивные действия.

Внутренний нарушитель в свою очередь ограничен в своих

действиях от действующих в пределах защищаемого объекта мер

по обеспечению безопасности.

При защите объекта при помощи ИСБ, можно учитывать

восемь категорий персонала [6-9].

Первая категория – лица, имеющие право доступа на

нахождении на территории охраняемого объекта. В основном это

персонал обеспечивающий работу охраняемого объекта. Лица

первой категории могут иметь доступ частичный доступ к

информации, передаваемой по внутренним каналам связи,

информации о топологии ССОИ ИСБ, данным для

идентификации пользователей, а также изменять настройки

модулей ИСБ, внедрять ПАЗ и обеспечивать съем информации, с

технических устройств.

Вторая категория – зарегистрированные пользователи ИСБ,

обладающие доступом к АРМ. Лица данной категории обладают

всеми возможностями первой категории, а также могут обладать

точными данными для идентификации, обладать доступом к ИР

ИСБ.

Третья категория – лица, находящиеся в базе для

идентификации в ИСБ, осуществляющие доступ к ИР ИСБ

удаленно. Лица данной категории обладают информацией о

топологии ССОИ, а также имеют возможность к доступу

отдельных элементов ИСБ.

294

Четвертая категория – администраторы безопасности ИСБ.

Лица данной категории обладают полной информацией о

конфигурации ИСБ и имеют к ней доступ, обладают доступом к

некоторым техническим средствам обработки информации

(ТСОИ) и средствам защиты информации (СЗИ) внутри ИСБ,

обладают правами необходимыми для конфигурации модулей

ИСБ.

Пятая категория – системные администраторы ИСБ. Лица

данной категории обладают доступом ко всем ТСОИ в ИСБ,

обладает доступом к конфигурированию и администрированию

настроек программно-аппаратной части ИСБ, в том числе и

параметрами, обеспечивающими защиту от НСД.

Шестая категория – администраторы безопасности

охраняемого объекта. Лица данной категории не обладают

возможностями лиц шестой категории. Лица данной категории

обладают доступом к ССОИ, СЗИ ИСБ, но при этом у лиц данной

категории отсутствуют права доступа на конфигурацию ТСОБ.

Седьмая категория – разработчики ПО ИСБ и лица,

сопровождающие и внедряющие компоненты ИСБ на объекте.

Лица данной категории, обладают возможностями изменения

конфигурации ИСБ на стадиях создания, внедрения, а также во

время сопровождения.

Восьмая категория – лица, обеспечивающие поставку

модулей на объект и проводящие обслуживание технических

средств. Лица данной категории, обладают возможностями

изменения конфигурации ИСБ на стадиях внедрения, а также во

время обслуживания.

Данное разделение на категории должно учитываться при

внедрении ИСБ на охраняемый объект.

В общих чертах свойства ПАЗ в интегрированных системах

безопасности, рассматривают как составляющую средства

вычислительной техники, которая внедряется или подключается

к интегрированной системе безопасности. В свою очередь

закладка обеспечивает несанкционированный доступ или

действие, которое может нанести несопоставимый ущерб

информации. Для безотказной работы закладки необходимо

наличие микропрограммы, которая обеспечивает ей

295

коммуникацию с системами обработки и сбора данных. Закладки

реализовывают запрограммированные, во время разработки,

управленческие решения по сбору и накоплению информации,

которая обрабатывается в системе безопасности, к тому

программно-аппаратная закладка имеет возможность для

формирования каналов утечек, которые классифицируются на

акустический, оптический и ПЭМИН, имеющие средства и

программные возможности для передачи данных за пределы

охраняемой территории (к примеру, на портативных

устройствах). После внедрения и активации аппаратной закладки,

начинаются разрушительные действия в отношении ИСБ,

которые заложены во время производства. В связи со спецификой

использования закладок в интегрированных системах

безопасности, их можно классифицировать как представлено на

рис.1.

ПАЗ могут встроены внутри компонентов вычислительных

машин, также они работают независимо от внешних факторов и

является самоуправляемой. Такого рода закладки создаются и

внедряются еще во время проектирования и разработки

аппаратного обеспечения системы и могут выражаться в виде

декларированных возможностей различных систем сбора и

обработки информации. Опираясь на особенности угроз

информационной безопасности в ИСБ, закладки могут быть

внедрены в:

- центральный процессор;

- модули ОЗУ;

- микросхемы материнской платы (будь то контроллер

или шина);

- микросхемы запоминающих устройств;

- микросхемы сетевых и звуковых плат;

- микросхемы периферии.

Автономная программно-аппаратная закладка (АПАЗ) – это

устройство, способное выполнять заложенные, при разработке,

функции для шпионажа.

АПАЗ для автоматизированного рабочего места могут быть

установлены в:

- в технологических разъемах внутри системного блока;

296

- в технологических разъемах для подключения внешней

периферии;

В настоящее время принятые средства исследования не

способствуют гарантированному обнаружению в ИСБ

неизвестных видов ПАЗ. Исходя из вышеотмеченных

особенностей ПАЗ, квалифицированно обезопаситься от них

можно только за счет того, что, на каждом этапе существования

закладки в элементах ИСБ будет осуществляться мероприятия по

защите информации, исходя из особенностей ПАЗ.

Носителем вредоносной программы может быть, как

аппаратный элемент АРМ, так и программный контейнер. Если

вредоносная программа не связывается с какой-либо прикладной

программой, то в качестве ее носителя рассматривается:

- портативное устройство;

- портативные носители информации;

- встроенные носители информации;

- устройств ввода и вывода;

- микросхемы периферии.

Классификация аппаратных закладок представлена на

рисунке 1.

При соединении вредоносного кода с утилитарной

программой, которая обладает большим функционалом для

обмена информации, то он хранится в файлах или

информационных блоках.

За исключением вышеперечисленных угроз в системе

безопасности, возможны комбинированные угрозы, которые

представляют из себя сочетание указанных угроз.

297

Рис. 1. Классификация аппаратных закладок, применяемых для НСД в

ОС

Следующий параметр, который охарактеризует угрозы

несанкционированного доступа в интегрированной системе

безопасности, считают уязвимость в ИСБ, с помощью которой

есть возможность наглядно увидеть недостатки и слабые места в

системном или прикладном ПО (программно-аппаратном

обеспечении) интегрированной системы безопасности, которые

могут быть использованы для реализации угрозы НСД.

Факторами возникновения уязвимостей являются:

- ошибки при конструировании программного

обеспечения;

- умышленные действия по внесению уязвимостей в ходе

проектирования и разработки ПО;

- ошибочные настройки программного обеспечения;

- неразрешенная установка и, последующая работа со

298

шпионскими программами, следствие высокий расход ресурсов;

- установка пиратского ПО или вирусов;

- неаккуратная работа пользователей с ПО, приводящая к

появлению уязвимостей;

- нарушение в работе аппаратного обеспечения и ПО.

Злоумышленники могут получать доступ к ИСБ через

«дыры» в средствах операционной системы и во встроенном ПО,

которые служат для управления ресурсами, предназначенными

для локального использования. Такие «дыры» образуются с

помощью небрежного использования системы. Они могут

возникнуть в ходе:

- изменения дополнительных возможностей, с помощью

которых появляется возможность нанести деструктивных

действия;

- баги при регистрации, с помощью которых появляется

возможность для обхода идентификации и аутентификации

пользователя, а также для проверки целостности ПО;

- отсутствие возможностей для обеспечения защиты;

- ошибки в предустановленных программах.

Уязвимость сетевых протоколов зависит от размеров

буфера, а также от их программной реализации.

На рисунке 2 представлена классификация основных

уязвимостей программного обеспечения интегрированных систем


299

Рис. 2. Классификация уязвимостей программного обеспечения.

Возможные протоколы ТСР/IР и их уязвимости

представлены в таблице 1.

300

Таблица 1.

Возможные протоколы ТСР/IР и их уязвимости.

Наименование протокола

Уровень стека

протоколов

Характеристика уязвимости

Содержание нарушения

безопасности информации

UDP протокол передачи данных без установления соединения

Транспортный

Отсутствует механизм предотвращения перегрузок буфера

Возможность реализации IP-шторма. В результате обмена пакетами происходит значительное снижение производительности сервера

RIP - протокол маршрутной информации


Отсутствие аутентификации управляющих сообщений об изменении маршрута

Возможность перенаправления трафика через ложный субъект доступа.

ТСР - протокол управления передачей


Отсутствие проверки правильности заполнения заголовков пакета

Снижение скорости обмена и возможность создания разрывов произвольных соединений

IGMP Сетевой

Отсутствие аутентификации сообщений об изменении параметров маршрута

Зависание компонент Windows 9x/NT

SМТР - обеспечивает сервис доставки сообщений

Прикладной, представительный, сеансовый

Отсутствие поддержки аутентификации заголовков сообщений

Возможность подделывания сообщений, а также адреса отправителя сообщения

SNМР - используется для управления маршрутизаторами в ССОИ

Прикладной, представительный, сеансовый

Отсутствие поддержки аутентификации заголовков сообщений

Возможность переполнения пропускной способности ССОИ

Уязвимостями прикладного ПО могут быть различные

функции и процедуры, которые относятся к разным программам

и при этом они не имеют совместимости друг с другом, баги

кода, позволяющие обойти идентификацию пользователя,

отсутствие нужных средств защиты или программные ошибки,

которые могут привести к сбоям работы средств защиты.

Угрозы получения доступа к АРМ связаны с тем, что

злоумышленник может получить доступ к командам АРМ,

301

которые позволяют управлять загрузкой ОС, доступ к среде ОС

АРМ для попытки реализации деструктивных действий к ИСБ

при помощи стандартного ПО системы или специальных

программ.

Данные угрозы можно разделить на группы.

Первая группа – угрозы получения НСД на АРМ,

направленные на перехват информации для идентификации во

время загрузки ОС.

Вторая группа – угрозы, направленные на удаление или

изменение информации, данные угрозы реализуются после

загрузки ОС и зависит от того какую программу запускает

пользователь.

Злоумышленник при попытке получения НСД может

использовать как базовое ПО системы, так и специальные

программы, которые позволяют просматривать и

модифицировать реестр, производить быстрый поиск ключевых

элементов в текстовых файлах системы или баз данных, а также

программы, позволяющие заниматься конфигурацией ОС АРМ.

Третья группа – угрозы ВВП или совершения сетевых атак

на ССОИ ИСБ, данные угрозы реализуются после загрузки ОС и

зависит от того какую программу запускает пользователь.

Сетевые атаки имеют семь основных параметров, которые

описаны ниже.

Характер атаки разделяется на пассивные и активные. ИСБ

в свою очередь может обеспечивать защиту от активных атак на

ССОИ, так как они направлены на изменение параметров работы

ИСБ.

Цель атаки. В случае с ИСБ целью атаки как правило

становится получение или изменение информации из ССОИ.

Условия реализации атаки могут подразделяться на атаку

по запросу от атакуемого объекта, по наступлению какого-либо

события на объекте или безусловные атаки, которые начинаются

независимо от состояния объекта.

Наличие обратной связи с атакуемым объектом, данный

признак подразумевает что существуют атаки с обратной связью,

в случае которых злоумышленник получает информацию о

изменении параметров ИСБ и атаки без обратной связи, в случае

302

которых у злоумышленника отсутствуют данные о реагировании

элементов ИСБ на атаку.

Расположение субъекта атаки по отношению к атакуемому

объекту, данный признак подразумевает, что атаки могут

внутрисегментными или межсегментными, в случае с ИСБ, все

атаки на нее являются внутрисегментными, так как элементы

ИСБ находятся в одном сегменте.

Уровень эталонной модели взаимодействия открытых

систем, на котором реализуется атака. Данный признак

подразумевает то, что атака может быть произведена на разных

уровнях модели ISO/OSI (физическом, канальном, сетевом,

транспортном, сеансовом).

Соотношение количества атакуемых и атакующих

субъектов, данный признак обусловлен тем, что атака может

производиться одним или несколькими злоумышленниками

относительно одного или нескольких АРМ путем запуска, на

АРМ специальных приложений, цель которых нарушить

целостность или получить доступ к информации. Данная атака

может реализовываться через распространение на АРМ файлов,

содержащих непредусмотренный ранее исполняемый

программный код, запуск приложений, путем переполнения

файлов или запуск приложений путем управления процессом

обработки информации в ССОИ.

При атаке через распространение несанкционированного

кода, файлы, содержащие его, будут запускаться незаметно для

пользователя, а сама передача выполняется при помощи служб

файловой системы.

При атаке через переполнение памяти используются

программные ошибки, которые реализуются в сетевых сервисах.

При атаке через управление процессов обработки

информации в ССОИ используются скрытые программы,

которые позволяют получить доступ к АРМ.

Сама атака подразделяется на этапы сбора, вторжения,

осуществления деструктивных действий и ликвидации следов

атаки.

Одними из наиболее серьезных угроз НСД к информации

ИСБ являются угрозы программно-математических воздействий,

303

данные угрозы осуществляются путём ВВП, которые могут

искажать программный код, сохранять или искажать фрагменты

информации из оперативной или внешней памяти и при этом

оказываться незаметными для пользователей.

Вредоносные программы могут попасть в АРМ как

случайно, так и преднамеренно. Способом попадания

вредоносного ПО, обладающего широким спектром

деструктивных возможностей, могут стать внешние носители

информации или в результате сетевого воздействия, как при

получении злоумышленниками НСД, так и случайными

пользователями.

При попадании вредоносного ПО в ИСБ, могут появиться

скрытые каналы связи, через которые к злоумышленнику будет

передаваться информация, обходя средства защиты. Такими

вредоносными программами могут стать программные закладки,

которые представляют из себя фрагменты кода,

непредусмотренные стандартным ПО, вирусы, вредоносное ПО,

распространяющееся через сетевые каналы и прочие программы,

выполняющие попытки получения НСД.

Вредоносные программы в свою очередь могут

видоизменяться, например, программная закладка может

сгенерировать программный вирус, который, в свою очередь,

попав в сетевые условия, может сформировать сетевого червя или

другую вредоносную программу, предназначенную для

осуществления НСД.

Воздействие угроз НСД к ИСБ показано на рисунке 3

Рис. 3. Обобщенная структурная схема ИСБ с учетом воздействия угроз

НСД на информационные процессы в ССОИ

304











012092.






2020" 2021. С. 012093.




Volume 279, id 03028. 2021.








С. 57-59.





ГОД. Воронеж, 2021. С. 63-65.







305










УДК 004.6

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ

МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ

Хромых Е.А., Рудин П.И.




В настоящее время открывается большое количество

различных медицинских учреждений. В связи с этим, требуется

обеспечить подобные заведения готовой ИС (информационной

системой), способной решать задачи по повседневному

обслуживанию пользователей.

К информационной системе предъявляются следующие

требования:

ИС позволяет создавать, получать, изменять и удалять

информацию сущностей из системы;

ИС предоставляет удобный и интуитивно-понятный

пользовательский интерфейс;

ИС удовлетворяет требованиям безопасности;

ИС поддаётся настройке под нужды конкретного

учреждения;

306

ИС выдерживает нагрузку большого количества

пользователей.

Выполненный проект содержит следующую структуру:

серверную часть (для обработки запросов и взаимодействия с

базой данных), клиентскую часть (для ввода и вывода

информации) и БД (базу данных).

Сборка проекта происходила с помощью сборщика Maven.

В файл pom.xml были внесены все необходимые зависимости.

Серверная часть реализована с помощью языка

программирования Java 8 и фреймворка Spring [1].

Для хранения информации была выбрана база данных H2.

Сущности реального мира в информационной системе хранятся с

помощью четырех разработанных моделей: "Пациент", "Доктор",

"Рецепт", "Приоритет рецепта". Каждый программный объект

имеет первичный ключ типа данных Long.

Сущность "Пациент" содержит следующие атрибуты:

"Первичный ключ", "Имя", "Фамилия", "Отчество", "Телефон".

Сущность "Доктор" содержит следующие атрибуты:

"Первичный ключ", "Имя", "Фамилия", "Отчество",

"Специализация".

Сущность "Рецепт" содержит следующие атрибуты:

"Первичный ключ", "Описание", "Пациент", "Врач", "Дата

создания", "Срок действия", "Приоритет".

В свою очередь атрибут "Приоритет" может принимать

одно из указанных значений: "Нормальный", "Срочный",

"Немедленный".

Для создания необходимых таблиц в БД был написан

скрипт на языке SQL.

Для доступа к данным использовалось прямое соединение

с БД с помощью технологии JDBC (Java Database Connectivity).

При этом код доступа к данным был абстрагирован от

клиентского интерфейса и расположен в специальных DAO-

классах.

Стоит отметить, что на уровне базы данных присутствует

защита, которая не позволяет удалить пациентов и докторов, для

которых существуют выписанные рецепты. Запрет удаления

307

используемых сущностей реализуется с помощью ограничений,

накладываемых на внешние ключи сущности Рецепт.

Клиентская часть проекта разрабатывалась с

использованием фреймворка Vaadin.

Все экраны добавления, редактирования и удаления

данных реализованы в виде модальных окон. Формы ввода на

экранах осуществляют валидацию введённых данных в

соответствии с их типом и допустимыми значениями [2].

В системе реализованы экраны и формы для отображения

информации и элементов управления.

Экран "Список пациентов" с информационной таблицей,

кнопками "Добавить", "Изменить", "Удалить" и панелью фильтра

с полями.

На экране доступны формы создания, редактирования и

удаления пациентов с полями ввода атрибутов и кнопками

"Подтвердить", "Отменить".

Рис. 1. Экран отображения информации о пациентах

Рис. 2. Форма создания нового пациента

308

Экран "Список врачей" с информационной таблица,

кнопками "Добавить", "Изменить", "Удалить", "Показать

статистику" и панелью фильтра с полями.

На экране доступны формы создания, редактирование и

удаления врачей с полями ввода атрибутов, кнопки


Рис. 3. Экран отображения информации о докторах

Рис. 4. Форма отображения общего количества выписанных

рецептов

Экран "Список рецептов" с информационной таблицей,

кнопками "Добавить", "Изменить", "Удалить" и панелью фильтра

с полями.

309

На экране доступны формы создания, редактирования и

удаления рецептов с полями ввода атрибутов, кнопками


Рис. 5. Экран отображения информации о рецептах

Рис. 6. Форма редактирования рецепта

310

Рис. 7. Форма удаления рецепта

Представленные экраны и формы являются типовыми.

Количество отображаемых значений зависит от сущности, с

которой происходит работа [3].

Разработанная система имеет следующие функции:

отображение списка пациентов;

фильтрация списка пациентов;

добавление нового пациента, редактирование и удаление

существующего;

отображение списка докторов;

фильтрация списка докторов;

добавление нового доктора, редактирование и удаление

существующего;

отображение статистической информации по количеству

рецептов, выписанных докторами;

отображение списка рецептов;

фильтрация списка рецептов;

добавление нового рецепта, редактирование и удаление

существующего.

В дальнейшем возможна доработка созданной

информационной системы, дополнение ее новыми функциями

[4]. Было бы полезно внести в нее информацию справочного

характера, элементы классификации, улучшить информационную

поддержку пользователя.

311


1. Гонсалвес Э. Изучаем Java EE 7 / Э. Гонсалвес ; пер. с

англ. Е. Зазноба – СПб.: Питер, 2016. – 473 с.

2. Философия Java / Б. Эккель ; пер. с англ. Е. Матвеев. –

2-е изд. – СПб.: Питер, 2015. – 1168 c.

3. Фримен Э. Паттерны проектирования / Э. Фримен ;

пер. с англ. Е. Матвеев – СПб.: Питер, 2013. – 646 с.

4. Балашова, Е. А. «Проектирование информационных и

управляющих систем поддержки принятия решений. Практикум»

/ Е.А. Балашова, В.К. Битюков, Е. А. Хромых, Е.А.

Саввина. - ВГУИТ. - Воронеж, 2016.

УДК 519.8

ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКОГО

МОДЕЛИРОВАНИЯ ДЛЯ ВЫБОРА РЕЖИМА РАБОТЫ

ПОЛИМЕРИЗАЦИОННОГО РЕАКТОРА

Хромых Е.А., Хафашимана Э.




Одной из важнейших стадий производства

низкомолекулярных каучуков считается процесс полимеризации,

именно на данной стадии протекают основные химические

реакции, влияющие на качество будущей продукции.

Необходимость использования новых подходов к контролю

и управлению указанным технологическим процессом

определяется следующими причинами: сложный, стохастический

характер процессов полимеризации, присутствие широкого

спектра неконтролируемых возмущений, недостаточное

количество информации, которая поступает от датчиков,

установленных в цехах. Поэтому получение полимеризата

заданного качества является практически невозможным без

312

использования автоматизированной системы управления,

важнейшим составным элементом которой является

АРМ - автоматизированное рабочее место оператора-технолога.

Одной из важнейших функций, осуществляемых АРМ,

является проведение расчета математической модели процесса

в реальном времени для выявления оптимальных режимов

работы оборудования.

Математическая модель имеет вид:

,MV

GMK

V

MП

d

dM

тт

шp

,PV

GMK

d

dP

т

шp

,

cdV

TTFKB

cdV

TTcdGA

cdV

PV

GMKVT.

d

dT

шшт

хлстF

шшт

шшшш

шшт

шpтЭ

т

11

21

,GAd

dVш

т

RT

E

т

катp eK

V

CK

0

21

, 51700

2.

VF т

ст ,

)t(.RT 2733158 ,

54

220

104

6201000

..GdМП шш ,

baGш ,

Начальные условия:

M(0)=m0; P(0)=p0; T(0)=T0; Vm(0)=v0.

где – время реакции, мин; Vт – объем реакционной смеси, л;

М и Р – концентрация мономера и полимера в системе

313

соответственно, моль/л; МП – скорость подачи мономера,

моль/мин; Кр – константа скорости роста цепи, 1/мин; Е – энергия

активации роста цепей, кДж/моль; R – универсальная газовая

постоянная, кДж/(мольК); Vн – начальный объем, л; Dш –

плотность шихты, кг/л; Мм – молекулярная масса мономеров; Сkaт

– текущее количество катализатора при росте полимерных цепей,

моль; Тш, Т и Тхл – температура подаваемой шихты, реакционной

массы и хладагента соответственно, К; сш – удельная

теплоемкость шихты, кДж/(Ккг); dш – плотность шихты, кг/л; KF

– коэффициент теплопередачи, кДж/(м2минК); Fст – площадь

поверхности теплообмена, м2; Gш – подача мономера, л/мин; a, b

– коэффициенты, характеризующие закон изменения подачи

мономера в реактор; А – коэффициент, характеризующий процесс

изменения плотности реакционной массы вследствие

образовании полимера; А1 – параметр, характеризующий

охлаждение полимеризата путем подачи холодной шихты на вход

реактора; B1 – параметр, характеризующий охлаждение

полимеризата путем подачи хладагента в рубашку реактора.

Решение уравнений модели осуществлялось с применением

метода Эйлера, реализация его осуществлена с помощью системы

компьютерной математики MathCad (рис. 1).

314

Рис. 1. Фрагмент программного кода расчета модели

Результаты моделирования представлены на рис. 2-3.

В процессе моделирования время заполнения реактора

было разбито на 3 временных участка, на каждом из которых был

осуществлен поиск наилучшего режима работы реактора. При

этом на каждом временном участке осуществлялось изменение

закона подачи шихты в реактор.

Заполнение ректора завершено за 230 мин. Видно, что

параметры процесса соответствуют величинам, определенным

в технологическом регламенте (65 ≤ Т≤ 85 0С, Мо≤ 0,085 моль/л).

315

Рис. 2. Зависимость концентрации мономера и полимера от

времени на 1-ом, 2-ом и 3-ем временном интервале

Рис. 3. Зависимость температуры, расхода шихты и объема смеси

от времени на 1-ом, 2-ом и 3-ем временном интервале

Время, мин

Концентрация

полимера, моль/л

Время, мин

Концентрация

мономера, моль/л

0 50 100 150 200 2500.02

0.04

0.06

0.08

0.1

m

m1

m2

1 2

0 50 100 150 200 2500

2

4

6

p

p1

p2

1 2

Время, мин

Объем смеси, л

Время, мин

Расход шихты, л/мин

Время, мин

Температура, град. С

0 50 100 150 200 25065

70

75

80

85

t

t1

t2

1 2

0 50 100 150 200 2504

4.2

4.4

4.6

4.8

g

g1

g2

1 2

0 50 100 150 200 250500

1000

1500

2000

v

v1

v2

1 2

316

Контролируемые параметры (концентрация мономера и

полимера, температура и объём реакционной смеси), а также

расход шихты представлены на графиках.

На каждом из трех временных промежутках обеспечивается

свой, отличный от других, закон изменения скорости подачи

шихты (табл. 1).

Таблица 1

Режим работы реактора

Время, мин

Значения коэффициентов закона изменения расхода шихты от

времени

baG

Коэффициент a Коэффициент b

От 0 до 55 0,001 4,6

От 55 до 155 0,002 4,545

От 155 до 230 -0,009 6,25

На рис. 2-4 видно, что графики, полученные для разных

временных интервалов, «сходятся» в точках перехода при

значениях времени, равных 55-ти и 155-ти минутам. Это еще раз

подтверждает корректность проведенного расчета.

Из таблицы 1 видно, что на первом и втором временном

интервале осуществляется рост расхода шихты, значение

коэффициента а является положительной величиной, а на

третьем – его уменьшение, значение коэффициента а является

отрицательной величиной.

В результате определен один из множества режимов

работы реактора. Можно сделать вывод, что данная

математическая модель и подобранный закон изменения

скорости подачи шихты обеспечивают наилучший режим работы

реактора.


1. Математическое моделирование объектов управления

в химической промышленности (теория и практика) [Текст] :

учеб. пособие / В. К. Битюков, С. Г. Тихомиров, С. В.

Подкопаева, Е.А. Хромых [и др.]; Воронеж. гос. ун-т инж.

технол.– Воронеж : ВГУИТ, 2011.

317

УДК 007.93

АЛГОРИТМЫ ОБРАБОТКИ ЗАЯВОК

В ТЕЛЕКОММУНИКАЦИОННОЙ КОМПАНИИ

Коробова Л.А., Матыцина И.А., Маликов Д.С.

ФГБОУ ВО«Воронежский государственный университет

инженерных технологий»,г. Воронеж, Россия

В настоящее время внедрение информационных

технологий (ИТ) повсеместно дает возможность улучшить

производительность сотрудников компаний, упростить и

автоматизировать повседневную рутинную работу офиса.

Применение ИТ помогает снизить трудовые и временные силы на

офисное делопроизводство. Именно из-за этого выгоду от

внедрения ИТ для компаний и вообще для бизнеса принято

считать в сэкономленном благодаря им рабочем времени

офисных сотрудников.

Обработка заявок в компаниях занимает длительное время.

И их поток в крупных компаниях велик. Для экономии времени, а

соответственно затрат необходимо проанализировать процесс

обработки заявок и построить алгоритмы их обработки[1].

Рассмотрим весь процесс исполнения заявки.

Менеджер ИТ получает заявку по каналам связи. Проверяя

почту, отвечая на телефонный звонок или по факсу. Полученные

данные от клиента он регистрирует в форме оформления заявки.

После этого заявка начинает свое движение. Информационные

потоки заявки представлены на рис. 1.

Входным потоком является сама заявка. Управляющее

воздействие - регламент проведения работ, нормативные

документы и технические стандарты. Инструменты, которые

необходимы в процессе обработки - IT-менеджер, персональный

компьютер, программное обеспечение, IP-телефония [2].

318

На рисунке2 представлена расширенная схема

информационных потоков процесса обработки заявки.

Рис. 2. Расширенная схема информационных потоков

процесса обработки заявок

Рис. 1. Схема информационных потоков

процесса Обработки заявок

319

Заявка поступает, IT-менеджер регистрирует ее, в

некоторых случаях нужно согласование на обработку той или

иной заявки. Отсюда следует, что выходом блока А1 является,

либо зарегистрированная заявка, которая идет в блок А3 (выбор

режима обработки), либо Необходимость согласования, которая

идет в блок А2 (согласование заявки). Если согласование прошло

успешно, то заявка направляется в блок А3, в противном случае

поступает в блок А7 (отмена заявки). Данные отмены заявки

сразу отправляются в блок А8 (составление отчета), результатом

работы которого является отчет.

Выбор режима обработки заявки

делится на 3 типа - ручная обработка,

автоматическая и частично автоматическая.

Это зависит от типа заявки. В соответствии с

типом заявка отправляется в блоки А4, А5

или А6, где и происходит ее обработка. По

завершении обработки заявка поступает в

блок А8 (составление отчета), где

оформляется отчет по затраченному времени

и самому составу заявки.

Управляющими воздействиями на всем

промежутке работы являются: регламент

проведения работ, нормативные документы

компании, технические стандарты

выполнения заявок [3].

Инструменты - IT-менеджер,

персональный компьютер, программное

обеспечение и IP-телефония.

Рассмотрим процесс автоматического

исполнения заявки (блок А5). Схема работы

данного блока представлена на рис. 3.

Процесс обработки производится по

средствам работы виртуальной машины.

Первоначально производится

получение IP-адреса по средствам IPAMTool.

После получения IP-адреса заводится

информационная задача (ITSMTool). Затем Рис. 3. Процесс

автоматического исполнения заявки

320

заводится система (AssetManager). Следующий шаг – создание

виртуальной машины (VMManager, MonitoringSystem,

IdentityServer). После создания виртуальной машины обновляется

статус системы (AssetManager). По завершению работы –

закрытие информационной задачи (ITSMTool).

Самый простой вариант исполнения заявки является

автоматический, т.к. после регистрации заявки менеджером ИТ,

она автоматически проходит все стадии обработки и в

завершении работы над заявкой выдается отчет о выполненной

работе.

Более сложными с точки зрения процесса обработки

считаются ручной и частичной автоматический режимы

исполнения заявок.

Ручной режим исполнения заявок представлен на рисунке

4.

Рис. 4. Схема обработки заявки в ручном режиме

321

Как говорилось выше, менеджер ИТ регистрирует заявку.

Далее идет рассмотрение, какой отдел может обработать данный

вид заявки. Затем заявка направляется в выбранный отдел. Далее

проверяется, если есть свободный сотрудник, то он сразу

приступает к исполнению поступившей заявки, а если

свободного специалиста нет, то заявка поступает в накопитель.

Как только один из специалистов освобождается, он тут же

приступает к исполнению заявки, стоящей первой в накопителе.

По завершению исполнения заявки формируется отчет.

Менеджер ИТ связывается с клиентом и отчитывается о

выполненной работе [4].

Режим частично автоматического исполнения заявок

представлен на рисунке 5.

Рис. 5. Схема обработки заявки в частично автоматическом режиме

322

Как и в ручном исполнении, первоначально заявку

регистрирует менеджер ИТ. Далее идет рассмотрение, какой

отдел может обработать данный вид заявки. Следующий шаг -

определение к какомурежиму исполнения относится заявка. Если

кавтоматическому - производятся автоматические работы по

заявке, а по завершению направляются в отдел на ручную

доработку. Если ручной, то заявка направляется в отдел для

исполнения. Далее проверяется, если есть свободный сотрудник,

то он сразу приступает к исполнению поступившей заявки, а если

свободного специалиста нет, то заявка поступает в накопитель.

Как только один из специалистов освобождается, он тут же

приступает к исполнению заявки, стоящей первой в накопителе.

Следующим шагом проверяется, требуется ли автоматическая

доработка по заявке. Если да, то заявку направляют на

автоматическую доработку, если нет, то формируется отчет.

Менеджер ИТ связывается с клиентом и отчитывается о

выполненной работе [5].

Рассмотрев процесс обработки заявок в

телекоммуникационной компании можно сделать вывод. Для

оптимизации работы менеджеров компании и получения

прибыли, необходимо разработать информационныймодуль или

мобильное приложение, назначением которых будет управление

потоком входящих заявок с целью направления их к свободным

специалистам. Это позволит сократить время простоя заявок в

очереди, а соответственно общее время нахождения заявки на

обработке.


1. Бугаев Ю.В., Коробова Л.А., Матыцина И.А.

Совершенствование работы менеджера в системах контроля

данных / Математические методы в технике и технологиях. –

ММТТ, 2020. – Т. 2. – С. 88–98.

2. Лунева Н.В., Толстова И.С., Коробова Л.А.

Реинжиниринг бизнес-процессов как инструмент реорганизации

службы технической поддержки / Научное пространство:

актуальные вопросы, достижения и инновации : сборник научных

323

трудов по материалам XIX Международной научно-практической

конференции, Анапа, 18 июня 2020 года. – Анапа: Общество с

ограниченной ответственностью «Научно-исследовательский

центр экономических и социальных процессов» в Южном

Федеральном округе, 2020. – С. 45–51.

3. Пименова Л.В., Бугаев Ю.В., Коробова Л.А.

Оптимизация рабочего времени персонала на примере SAP

MASTER DATA GOVERNANCE / Продовольственная

безопасность: научное, кадровое и информационное обеспечение:

Сборник научных статей и докладов VI Международной научно-

практической конференции, Воронеж, 13–14 ноября 2019 года /

Воронежский государственный университет инженерных

технологий. – Воронеж: РИТМ, 2019. – С. 616–620.

4. Пименова Л.В., Бугаев Ю.В., Коробова Л.А.

Оптимизация работы ИТ-менеджера в структуре SAP / В

сборнике: Моделирование энергоинформационных процессов.

Сборник статей VIII национальной научно-практической

конференции с международным участием. 2020. – С. 153–158.

5. Коробова, Л.А., Матыцина И.А., Маликов Д.С. Анализ и

перспективы предоставления ИТ-услуг / Математическое

моделирование процессов и систем: Материалы XI Межд.

молодежн. науч. - практ. конф. Часть 1, 10–12 ноября 2021 г., г.

Стерлитамак / отв. ред. С.В. Викторов. – Стерлитамак:

Стерлитамакский филиал БашГУ, 2021. – 291 с., С. 279–285.

324

УДК 004.056.52

КОМПЛЕКСИРОВАНИЕ ФАКТОРОВ

АУТЕНТИФИКАЦИИ В СИСТЕМАХ КОНТРОЛЯ И

УПРАВЛЕНИЯ ДОСТУПОМ

Фурсова А.В., Тихомирова А.А., Яковлев А.В.

ФГБОУ ВО «Тамбовский государственный

технический университет»,


На сегодняшний день широкое распространение получили

системы контроля и управления доступом на основе биометрии.

Биометрия позволяет выбрать характеристику

человеческого тела, которая является уникальной и использовать

её в качестве метода аутентификации. Это может включать

отпечаток пальца, форму лица или руки, свойства голоса,

сетчатки глаза, походку и другое. Отличительной особенностью

является неотделимость человека от своего аккаунта, что никак

не удаётся достигнуть при помощи пароля или токена, так как их

можно украсть. При процессе подтверждения личности при

помощи биометрии пользователь обладает свойством

невозможности отказа. В будущем это лишает его права

отказаться от совершённых действий или участия в них.

Но стоит отметить, что это не гарантирует, что

биометрические способы защищены от копирования, так как

количество технологий, позволяющих совершить подобные

операции возрастает с каждым годом [1].

Аутентификация на основе отпечатка пальца – способ

идентификации и подтверждения личности субъекта по его

уникальным узорам участка кожи, получаемым при помощи

сканера и программной обработки полученного изображения [2].

Но данный способ аутентификации подразумевает постоянство

использования отпечатка пальца, что приводит к угрозе

проникновения злоумышленника на контролируемую

территорию.

325

Угрозы могут выполняться со стороны администраторов,

авторизованных работников, обывателя, реализующего DoS-

атаку, людей, владеющими знаниями о работе системы. В

широком смысле их можно разделить на непосредственные и

косвенные атаки.

Первые реализуются через предоставление

злоумышленником биометрических характеристик сканеру.

Преступник выполняет действия по нанесению ущерба, введению

системы в состояние недоступности для законных пользователей,

путем спуфинга, изменения участков на пальце, обфускации,

использования искусственного цифрового или физического

отпечатка. Так как сканер является внешним и постоянно

доступным компонентом, то атакующему не требуется детальных

знаний работы приложения, и он может легко выполнить эту

категорию сценариев.

Вторая категория подразумевает знание работы

биометрической системы. Примерами служат человек,

выдающий себя за сотрудника компании, или авторизованный

работник, которые перехватывают передаваемые сведения или

влияют на внутренние компоненты. Угрозами в данной категории

могут быть перехват снимка, внедрение ложных данных,

несанкционированный доступ к БД, атака по побочным каналам,

атака перебора.

Несмотря на выявленные уязвимости, невозможно быть

полностью уверенными в их предотвращении. Для минимизации

рискаугроз часто факторы аутентификации в системах контроля и

управления доступом комплексируются.

В качестве второго фактора аутентификации возможно

использование пароля. Но использование пароля в качестве

второго фактора аутентификации имеет ряд недостатков: могут

быть забыты, скомпрометированы, а также есть опасность

внедрения программных закладок. Поэтому на сегодняшний день

реализуются одноразовые пароли, которые генерируются

системой и отправляются на устройство пользователя.

Существуют два основных алгоритма создания

одноразовых паролей – HOTP и TOTP. Первый протокол основан

на применении значения счетчика и это его главное

326

преимущество по сравнению с другим алгоритмом, т.к.

отсутствует уязвимость, связанная с задержками в процессе

передачи.

Для разработки системы контроля и управления доступом

на основе отпечатка пальца и одноразового пароля необходимо

реализовать сканер отпечатка пальца, GSM-модуль и

микроконтроллер, управляющий потоками данных между

модулями и БД.

Так как все используемые части имеют различные

характеристики, то необходимо использование дополнительных

компонентов, например, понижающего преобразователя,

конденсатора и т.д.

Рисунок 1 – Схема системы

Так как устройство состоит из множества соединений и

компонентов, необходимо разработать корпус для защиты от

внешней среды. Для создания макета использовался

«AutodeskFusion360». Возможно использование термопластика в

качестве материала для 3D-печати.

327

Рисунок 2 – Трехмерное представление корпуса

Рассмотрим общую схему применения данной технологии.

В системе контроля и управления доступом в качестве

уникальной физической черты человека выступает отпечаток

пальца, поэтому субъекту необходимо подойти к аппаратной

части системы и отсканировать свой палец.

Полученный шаблон отпечатка пальца сравнивается с

другими шаблонами из базы данных. Если находится

соответствие принятого отпечатка и шаблона из базы данных, то

генерируется одноразовый пароль, который отправляется по

СМС на телефон пользователя. После получения кода

пользователь может ввести пароль и получить доступ к

контролируемой территории.

328

Рисунок 3 – Порядок работы

Таким образом, несмотря на преимущества

биометрической аутентификации на основе отпечатка пальца,

данный метод имеет ряд уязвимостей. Поэтому целесообразно

проектировать двухфакторную аутентификацию, которая

позволяет повысить безопасность системы. В качестве второго

этапа следует принять одноразовый пароль, так как он

освобождает пользователя от обязанности хранения и

запоминания последовательностей.

Система контроля и управления доступом на основе

дактилоскопии снижает риск проникновения злоумышленника на

контролируемую территорию. В связи с этим значение

вероятного отказа в доступе на контролируемую зону для

субъекта будет фиксированным.


1. Leo, W. Fingerprint Identification [Текст] / W. Leo. – San

Clemente: LawTech Publishing Group, 2017. – pp. 239.

2. Daluz, H.M. Fundamentals of Fingerprint Analysis [Текст] /

H.M. Daluz. – Boca Raton: CRC Press, 2014. – pp. 340.

329

УДК 004.9

РЕАЛИЗАЦИЯ СЕТЕВОГО ОБМЕНА ПО ПРОТОКОЛУ

MODBUS С ПРИМЕНЕНИЕМ ИНТЕРФЕЙСНОГО

МОДУЛЯ ET200 SP

Кудряшов В.С., Козенко И.А., Алексеев М. В., Иванов А.В.


инженерных технологий», г. Воронеж, Россия.

На кафедре информационных и управляющих систем

имеется лаборатория, включающая в себя оборудование таких

производителей как SIEMENS, НПО «ОВЕН», ООО НПП

«Элемер», REGADA. В условиях такого разнообразия приборов и

средств автоматизации (рис. 1) возникает задача сопряжения и

совместной работы оборудования с возможностью

масштабирования и модернизации.

Рис. 1. Комплекс технических средств.

Были рассмотрены несколько подходов к решению

поставленной задачи: от замены датчиков и исполнительных

механизмов, до замены модулей ввода-вывода сигналов. Главным

недостатком такого решения является высокая стоимость

оборудования, а также сложности сопряжения. Поэтому наиболее

универсальным решением задачи является применение

последовательного интерфейса RS-485 в паре с протоколом

330

ModBus (реализация RTU). Данный протокол обладает рядом

преимуществ, среди которых можно выделить открытость и

массовость. В частности все имеющиеся в лаборатории модули

ввода аналоговых сигналов и вывода управляющих сигналов

поддерживают данный протокол.

Как известно протокол ModBus работает по модели

ведущий (master) – ведомый (slave). В качестве ведущего

устройства было предложено использовать контроллер Siemens

SIMATIC S7-1500. Однако на борту процессорного модуля (CPU)

имеются только несколько портов ProfiNET. Для подключения

модуля CPU к интерфейсу RS-485 используется

коммуникационный модуль CM PtP (располагается на

интерфейсном модуле ET200 SP). При этом схема работы модуля

следующая:

Рис. 2. Принцип обмена по протоколу ModBus в среде TIA Portal

Код реализации обмена реализован в TIA Portal V16 на

языках LAD и SCL. Логическая структура сети и задействованное

в проекте TIA Portal V16 оборудование предоставлены на схеме с

указанием адресов узлов сети:

Рис. 3. Топология сети ProfiNET.

331

Главный блок, отвечающий за организацию обмена между

ведущим и ведомым устройством, реализован на языке SCL и

вызывается в организационном блоке OB1:

Рис. 4. Функциональный блок ModBus Master.

Входными параметрами блока выступают: управляющий

сигнал (BOOL), номер порта Cm PtP (PORT), скорость чтения

(UDInt), четность (UInt), количество стоп-бит в посылке (USInt),

адрес подчиненого устройства (USInt).

Получнные от подчиненных устройств даные используются

для расчета управляющих сигналов и передачу их модулям

вывода.

Реализация протокола ModBus RTU в TIA Portal позволяет

управлять устройствами, которые не имеют поддержки

интерфейса ProfiNET, что в значительной степени облегчает

реализацию цифровых систем регулирования на базе

контроллеров SIEMENS с применением оборудования различных

производителей.

332

УДК 004.42

РАЗРАБОТКА МОБИЛЬНОГО ПРИЛОЖЕНИЯ

УНИВЕРСИТЕТА

Денисенко В.В.,Маврин В.В., Парфенов А.К., Ященко А.С.


инженерных технологий» г. Воронеж, Россия

В современном мире у подавляющего большинства людей

есть мобильные телефоны, согласно данным, опубликованным

Statista в 2021 году, в мире уже 6.378 миллиардов человек имеют

смартфоны, это неудивительно по нескольким причинам: он

крайне компактен, поэтому его можно брать с собой, во-вторых,

прогресс достиг такого уровня, что среднестатистическому

пользователю не нужны огромные вычислительные мощности, а

с повседневными задачами смартфон справляется без каких-либо

затруднений. По этим причинам смартфон стал неотъемлемой

частью нашей жизни, а мобильная разработка позволяет сделать

этот гаджет ещё более функциональным, поэтому данное

направление программирования актуально сейчас и станет ещё

актуальнее в ближайшем будущем. Мобильное приложение —

это программное обеспечение, специально созданное под

конкретную мобильную систему (iOS, Android, Windows Phone и

т. д.). Предназначено для использования на смартфонах,

фаблетах, планшетах, умных часах и других мобильных

устройствах. По данным statcounter, 70.75% используют Android,

28.53% - iOS, 0.72% остаётся на другие ОС.

Изначально Android был создан компанией Android Inc.,

которая с 2003 года работала над созданием операционной

системы для фотоаппаратов и телефонов. В 2005 году Google

купила Android Inc. за 50 миллионов долларов, а через два года

объявила о создании консорциума Open Handset Alliance (OHA)

для создания Android — первой “по-настоящему открытой

платформы”, основанной на ядре Linux. Сейчас большинство

смартфонов работает на Android, по данным The Verge, сейчас

333

эту ОС используют более 3 миллиардов активных устройств,

данная информация была получена на Google I/O 2021. Android

— операционная система для смартфонов, планшетов и многого

другого, данная ОС очень популярна, из-за этого для мобильной

разработки под Android имеется множество языков

программирования, но самые основные - Java и Kotlin. Для

реализации кода есть несколько IDE, однако самой популярной

является Android Studio, которая поддерживается компанией

Google, основой данной IDE стал проект российской компании

IntelliJ IDEA. На рынке смартфонов имеется огромный выбор

гаджетов, из-за чего разработка становится сложнее, так как

необходимо подстроить приложение под все актуальные экраны,

это одна из особенностей разработки под Android. Разрабатывая

приложение под Android, вы создаёте приложения для

большинства пользователей смартфонов на земле.

Можно вести мобильную разработку не только под

Android, но и под iOS, по данным Apple в январе 2020 года,

количество активных дивайсов превышало 1.5 миллиарда, об

этом сообщил Тим Кук, генеральный директор комании Apple.

iOS — мобильная операционная система для смартфонов,

электронных планшетов. Для написания мобильных приложений

для данной ОС используются ObjectiveC, C и C++, основной

средой разработки является XCode. Однако, почти весь API

(Инструментарий, представленный в виде интерфейса, который

используется для создания новых приложений, благодаря

которому одна программа будет взаимодействовать с другой),

рассчитан именно для ObjectiveC, так как этот язык

программирования используется компанией Apple, которая

созадала iOS. Хоть iOS и является менее распространённой

операционной системой, количество активных пользователей

огромно, потому рационально создавать мобильные приложения

и под Android, и под iOS.

В данной работе мы будем реализовывать приложение

для студентов ВГУИТ, которое должно помочь им в процессе

обучения для более качественного освоения образовательной

программы. Чтобы лучше реализовать наш проект, стоит сделать

разбор уже существующих решений:

334

Первым рассмотренным приложением стало ВГУЮ (РПА

Минюста России). Дизайн данного приложения очень прост,

возможно, даже слишком, интерфейс удобен и интуитивно

понятен, в данном приложении реализовано очень много

функций, большинство из них уникальны - можно выбрать

филиал ВУЗа, имеется расписание не только для студентов, но и

для преподавателей, есть возможность написать в

администрацию, ознакомиться с последними новостями и

ближайшими событиями, а также с информацией о ВУЗе, как

итог - ВГУЮ (РПА Минюста России обладает простым, но

интуитивно понятным интерфейсом, а функции этого

приложения существенно облегчат студенческую жизнь.

Следующее приложение, которое было рассмотрено - MTI

Mobile, дизайн данного приложения минималистичен, все

функции доступны на главном экране, что ускоряет

взаимодействие студента с приложением, цветовая схема состоит

из двух цветов - белого и синего, они отлично сочетаются,

потому можно с уверенностью сказать, что дизайн данного

приложения очень хорош, в приложении реализованы все

необходимые функции - учебный план, новости, кроме того,

имеются уникальные функции - форум, вебинары, MTI Mobile

упрощает повседневные задачи студентов, обладает подходящим

дизайном и всеми необходимыми функциями.

Заключительным стало приложение НГТУ, оно обладает

очень удобным интерфейсом, он достаточно прост, но

эффективен, цветовая схема состоит преимущественно из трёх

цветов - белого, синего, чёрного, в этом приложении достаточно

много функций, имеются как простые, которые реализованы

практически во всех приложениях такого типа - расписание,

оценки, личный кабинет, так и довольно интересные - карта

ВУЗа, последние новости, поиск преподавателя, в итоге

приложение НГТУ является отличным помощником студента,

оно однозначно поможет учащемуся в процессе обучения.

Разобравшись с уже существующими вариантами, можно

переходить к описанию приложения ВГУИТ, основная цветовая

схема состоит из неярких цветов - серого, белого, а важные или

активные детали выделены красным цветом, интерфейс

335

интуитивно понятен, а для удобства пользования имеется

навигация с кнопками для перемещения по блокам приложения, в

нём реализованы все необходимые функции:

Рейтинг - с помощью данной функции студенты смогут

оперативно отслеживать свою успеваемость, всё реализовано с

помощью сервера - получая данные о зачётной книжке студента,

он выдаёт необходимую информацию в виде JSON при запросе,

который делается с помощью библиотеки Retrofit2, после чего

JSON обрабатывается с помощью библиотеки Moshi, которая

преобразует данные из JSON в объекты нужного класса , в итоге

получается структурированный рейтинг по всем имеющимся

дисциплинам.

Расписание - при реализации этой функции

использовалась та же схема взаимодействия - происходит запрос

на основе группы студента, сервер отправляет данные в виде

JSON, в приложении они обрабатываются в объекты, а ViewPager

реализует удобное расписание из полученных объектов по дням

недели в виде свайпера.

Новости - данная функция поможет студентам быть в курсе

последних событий, она реализована с помощью API ВКонтакте,

при взаимодействии с сервером, приложение получает все посты

сообщества данной социальной сети в виде JSON, и преобразует

их в удобную для восприятия форму.

Поиск преподавателей - иногда студенту необходимо

найти преподавателя, чтобы получить индивидуальную

консультацию, задать некоторые вопросы, именно для этого и

реализована данная функция, при запросе к серверу возвращается

список преподавателей, для удобства реализован быстрый поиск.

После выбора преподавателя, студент попадает на экран с

расписанием педагога, можно выбрать конкретный день, а также

менять числитель/знаменатель.

Поиск аудитории - чтобы не потеряться в большом

корпусе ВГУИТ, была создана ссылка на приложение Карта

ВГУИТ в Play Market.

Факультеты - данная функция позволяет студентам всегда

получить информацию о сотрудниках факультета, чтобы иметь

возможность связаться с ними при необходимости.

336

В итоге, мы получаем приложение с огромным

функционалом и постоянным взаимодействием с сервером для

получения самой актуальной информации о расписании,

рейтинге, событиях, связанных с ВУЗом, а в случае отсутствия

интернет-соединения, в приложении реализован репозиторий,

чтобы получить расписание и рейтинг с последнего обновления.

Приложение ВГУИТ сделает процесс обучения более простым и

понятным.


1. Самая подробная история Android: от Astro Boy до Pie

[Электронный ресурс]. – Режим доступа:

https://gagadget.com/android/40285-samaya-podrobnaya-istoriya-

android-ot-astro-boy-do-pie/ (дата обращения: 01.12.2021).

2. Использование искусственного интеллекта для

обработки персональных данных / В. В. Денисенко, К. С. Евтеева,

И. И. Савченко, А. А. Скрыпников // Международный журнал

гуманитарных и естественных наук. – 2020. – № 7-1(46). – С. 110-

114. – DOI 10.24411/2500-1000-2020-10858.

3. Реализация дистанционных образовательных услуг с

использованием мобильных технологий / В. А. Хвостов, В. В.

Денисенко, А. В. Скрыпников [и др.] // Современные наукоемкие

технологии. – 2021. – № 5. – С. 232-236. – DOI 10.17513/snt.38687.

4. Приложения в Google Play – ВГУЮ (РПА Минюста

России) [Электронный ресурс]. – Режим доступа:

https://play.google.com/store/apps/details?id=com.genisoft.launcher55

198 (дата обращения: 25.11.2021).

5. Mobile Operating System Market Share Worldwide

[Электронный ресурс]. – Режим доступа:

https://gs.statcounter.com/os-market-share/mobile/worldwide (дата

обращения: 01.12.2021).

6. Программно-технические средства искусственного

интеллекта в условиях онлайн-трансформации / А. В.

Скрыпников, В. В. Денисенко, И. А. Высоцкая [и др.] //

Автоматизация. Современные технологии. – 2021. – Т. 75. – № 8.

– С. 373-376.

337

УДК 004.4

АНАЛИЗ РЫНКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ

ФУНКЦИОНИРОВАНИЯ СТРУКТУРНЫХ

ПОДРАЗДЕЛЕНИЙ ВУЗА

Денисенко В.В.,Демичев С.Е., Самохин А.В., Колесникова Н.И.




В 21 веке развитие информационных технологий трудно

представить учебный процесс в вузах без использования

современных персональных компьютеров. Федеральные

государственные стандарты требуют качественного материально-

технического обеспечения для проведения лабораторных,

практических и стажировочных работ. Однако при определении

объема финансирования вуза не всегда учитывается, что учебный

процесс требует значительных затрат на приобретение

лицензионного программного обеспечения. Существует четыре

варианта решения этой проблемы:

Пиратское программное обеспечение – это лицензионное

программное обеспечение, незаконно скопированное и

распространяемое на различных носителях. Такие программные

продукты сняли несколько ограничений, связанных с защитой от

незаконного использования. Устанавливая такое программное

обеспечение, образовательная организация не несет

значительных материальных затрат. Достаточно скачать

дистрибутив установки из интернета, специальные «взломанные»

программы, которые генерируют серийные номера и

устанавливают программное обеспечение на персональный

компьютер. Как правило, такие распределения не имеют

количественных или временных ограничений на использование.

В этом, возможно, их достоинства ограничены. Первый и

существенный недостаток – это, конечно, ответственность.

Согласно статье 7.12 Кодекса об административных

338

правонарушениях (КоАП), юридические лица подлежат

административному штрафу в размере от 30 до 40 тысяч рублей с

конфискацией контрафактных программ и инструментов для

совершения административного преступления, то есть

организация может потерять не только нелицензионное

программное обеспечение, но и компьютеры, на которых оно

было установлено. Кроме того, если будет доказано, что

преступление совершено в особо крупном размере или по

предварительному сговору, ответственность может быть

перенесена в уголовный кодекс на срок до двух лет лишения

свободы. Юридическое лицо, руководитель организации и

сотрудник, непосредственно выполнявший установку и

настройку, могут быть привлечены к ответственности. Вторым не

менее важным недостатком является полное отсутствие гарантии

правильного функционирования программы, невозможность

установки обновлений, конфликты с другим программным

обеспечением. В-третьих, пиратские программы легко становятся

восприимчивыми к вирусам, что может привести не только к

сбою в работе системы, но и к проблемам с оборудованием, что, в

свою очередь, приведет к остановке процесса обучения. Поэтому

администрации и работникам образовательного учреждения

следует серьезно задуматься о целесообразности использования

пиратского ПО для осуществления образовательно деятельности.

Демо-версия – это пробная версия программы. Она имеет

ограничения в плане использования, функциональности или

количества выпусков. При большом потоке студентов это

программное обеспечение будет работать в течении короткого

времени и, возможно, не сможет полностью соответствовать

требованиям образовательных программ. Несомненным

преимуществом демо-версий является их бесплатность. Это

позволяет вам беспрепятственно установить программу на свой

компьютер, протестировать ее, тщательно изучить назначение и

функциональность и только после этого принять решение о

необходимости ее покупки.

Лицензионное программное обеспечение – это

программное обеспечение, защищенное авторским правом,

которое определяет его использование и распространение.

339

Приобретение программного обеспечения в учебном заведении

избавляет от ряда проблем, описанных выше. Необходимо

сказать и о большом выборе программных продуктов,

обеспечивающих учебный процесс и университету, конечно,

стоит тщательно продумать покупку программного обеспечения,

взвесив все преимущества, недостатки и необходимость его

организации для учебного процесса. Возможность приобретения

того или иного продукта для университета основана на

финансовой составляющей. Часто бюджеты небольших учебных

заведений ограничены, и вопрос о приобретении программного

обеспечения отходит на второй план. В этом случае не остается

ничего, кроме использования свободного программного

обеспечения.

Бесплатное программное обеспечение – это программное

обеспечение, авторы которого предоставляют пользователям

право устанавливать, использовать, загружать и изменять его

бесплатно и неограниченно. В настоящее время существует

большо выбор таких программных продуктов, которые имеют как

преимущества, так и недостатки.

На практике университетам приходится самим находить

пути решения вышеописанной проблемы. Одним из наиболее

распространенных вариантов является сочетание ПО, такого как

лицензионная операционная система и бесплатное прикладное

программное обеспечение. Это решение, является наиболее

оптимальным и наименее болезненным для университета с

финансовой точки зрения.

Университет лицензирует программное обеспечение в

некоторых областях для конкретного использования

сотрудниками университета. Сотрудникам рекомендуется

ознакомиться со всеми ИТ-политиками и руководящими

принципами UTS.

Главное, чем требуется руководствоваться в целом,

поддержка программного обеспечения и администрирование

ведомственного программного обеспечения и технологий

являются обязанностями области, приобретающей программное

обеспечение. Университетские технологические службы

администрируют и поддерживают только то программное

340

обеспечение, которое планируется использовать в масштабах

всего университета.

Все лицензии на программное обеспечение, приложения,

решения для веб-сайтов и аналогичные технологии

приобретаются с использованием стандартных университетских

политик закупок. Покупка решения обычно начинается с запроса

предложения со всеми требованиями, задокументированными в

предложении. Небольшие покупки (в рамках рекомендаций,

установленных при покупке) могут начинаться с формы

программного обеспечения. Когда RFP (или RFI) пропускается,

необходимо выполнить работу по сбору всей документации,

которая была получена в процессе торгов.

Существует процесс, которому необходимо следовать,

чтобы поддерживать процессы закупок для закупки технологий.

RFI – запрос на получение информации. RFI применяется,

когда утверждается финансирование для поддержки

технологического проекта или решения и определена проблема,

но нет уверенности, какие решения или поставщики

представлены на рынке.

RFP – запрос предложения. Применим, если утверждено

финансирование для поддержки технологического проекта или

решения и определена проблема, а также есть осведомленность о

поставщиках технологий и решений, существующих на рынке.

Запрос предложения используется, когда есть

собственный поставщик, у которого есть несколько реселлеров

для своего продукта, есть артикул, и требуется только

предложить конкурентоспособную цену за продукт, поддержку и

текущее обслуживание или бессрочную покупку.

Пример политики к программному обеспечению доступен

на сайте Административных политик и процедур Университета

Окленда.

«Следующая информация предназначена для

предоставления сотрудникам университета информации и

инструментов для надлежащей оценки, снижения и управления

рисками, связанными с программными решениями,

аутсорсингом, размещенными решениями, программным

обеспечением как услугой и поставщиками прикладных услуг

341

(ASP), обычно известными как «веб-сайты». Чтобы начать

проект, пожалуйста, ознакомьтесь с этим контрольным списком.

В рамках этого процесса необходимо завершить проверку

безопасности поставщика; поставщики должны заполнить

Заявление о соответствии информационным технологиям и

безопасности, в котором должен быть представлен

документально подтвержденный ответ. Если речь идет об

университетских данных, в соглашениях и контрактах требуется

формулировка, защищающая безопасность и

конфиденциальность данных; могут быть задействованы общие

положения о защите данных.

Все программное обеспечение должно соответствовать

университетским стандартам для веб- и ИТ-доступности.

Руководящим принципам и процедурам.

Разработка пользовательских веб-сайтов требует

постоянного выделения ресурсов. Отдельные лица или

департаменты, рассматривающие возможность индивидуальной

веб-разработки, должны ознакомиться с политикой и

руководящими принципами университета, размещенными здесь в

качестве Руководящих принципов веб-разработки.

Для личных покупок для преподавателей существует

магазин AppleHigherEducationsstore, «Journeyforacademics» или

другие аналогичные варианты.

Пожалуйста, внимательно ознакомьтесь с Политикой

закупок; в зависимости от предполагаемой стоимости первым

шагом может быть обращение в Отдел закупок и UTS для

разработки Запроса предложений (RFP). Службы закупок и

университетских технологий готовы оказать помощь в

официальном процессе подачи заявок и разработке технических

требований.»

«1С: проф Университет» — это комплексное решение для

автоматизации управленческой деятельности в образовательных

организациях высшего образования.

Решение позволяет автоматизировать: прием в вуз,

планирование учебного процесса, расчет и распределение

нагрузки на учебу, управление контингентом студентов, учет

успеваемости и посещаемости, бухгалтерский учет, военное дело,

342

обучение, приказы, сертификаты и отчеты, учебные документы

об образовании и навыках, расчет стипендий, организацию

трудоустройства студентов и выпускников, формирование

регламентированных отчетов, управление научно-

исследовательской и инновационной деятельностью, аспирантура

и докторантура, поддержка работы диссертационных советов,

планирование занятий, управление довузовским и

дополнительным образованием, управление университетским

кампусом.

Программный продукт «1С: проф Университет»

разработан на платформе «1С: Предприятие 8», которая

поддерживает многопользовательскую работу в режимах

толстого, тонкого и веб-клиента через локальные сети, сети

общего доступа и Интернет, включая низкоскоростные

коммуникации. Конструктивные особенности платформы

обеспечивают большую гибкость, масштабируемость,

производительность и эргономичность прикладного решения.

Все основные компоненты платформы «1С: Предприятие

8» могут работать под управлением ОС Windows и ОС Linux.

Веб-клиент также может работать на компьютерах MacOS и iOS.

Платформа «1С: Предприятие 8» поддерживает работу со

следующими СУБД: файловый режим, MicrosoftSQLServer,

PostgreSQL, IBMDB2, база данных Oracle.

Механизмы обмена данными, реализованные в

платформе, позволяют создавать территориально распределенные

информационные системы, как на базе «1С: Предприятие 8», так

и с участием других информационных систем. Это дает

возможность построить на базе «1С: ПРОФ Университет»

решение для управления многопрофильными университетами.

Соблюдение 152-ФЗ «О персональных данных» гарантируется.

Решения «1С: Университет» и «1С: ПРОФ Университет»

предлагают конфигурации с открытым исходным кодом.

Пользователь может модифицировать (адаптировать) решение

самостоятельно или с участием экспертов сторон.

Если процесс торгов не требуется, и вы знаете

программное обеспечение для покупки, или если вы определили

программное решение в процессе торгов, вы можете продолжить

343

процесс покупки. Проверка лицензионного соглашения на

программное обеспечение и покупки начинаются с отправки

формы контрольного списка программного обеспечения и

размещенного обеспечения. Если программное обеспечение

предназначено для академических или исследовательских целей,

отделу закупок рекомендуется заполнить и отправить Заявку на

закупку в Отдел закупок одновременно с отправкой

Контрольного списка Программного обеспечения и

Размещенного решения. Пожалуйста, обратите внимание, что

приобретение и использование программного обеспечения

должны соответствовать Правилам Политики №870 в отношении

программного обеспечения, поэтому лучше всего начать с

прочтения этой политики. Перед покупкой программного

обеспечения у подразделения должен быть план

администрирования и поддержки программного обеспечения.

Пожалуйста, обратите внимание, что UTS стремится следовать

лучшим отраслевым практикам, описанным как лучшие практики

управления ИТ-активами.

Программное обеспечение приобретается с

использованием университетской заявки на закупку или

процессов SOP. Заказы на закупку (из Заявок на закупку) и СОП

содержат положения и условия университета. Покупки

программного обеспечения на Р-картах являются исключением,

которое требует дополнительной проверки UTS, в некоторых

случаях с участием юридических отделов и подразделений по

управлению рисками, поскольку покупки по Р-картам не

содержат университетских условий и положений, которые могут

создать проблемы с контрактами для университета. Программное

обеспечение не подлежит возмещению по той же причине.

Департаменты, рассматривающие возможность

приобретения технологий, как можно скорее включили UTS в

свой проект. Руководители департаментских бюджетов должны

быть вовлечены в этот процесс на ранней стадии. В зависимости

от типа лицензии на программное обеспечение, в процессе

лицензирования также могут быть задействованы Закупки,

Управление рисками и Юридические вопросы. Могут быть

задействованы управляющие данными, определенные в политике

344

университета №860 по информационной безопасности. В

частности, обратите внимание, что стандартные ограничения на

одобрение покупки применяются к покупке любого

программного решения. В частности, в этих условиях должны

быть задействованы UTS:

Программное обеспечение будет использоваться для

обработки, хранения или передачи данных, классифицированных

как Конфиденциальные в Политике информационной

безопасности №860;

Ожидается интеграция данных с системами, которые

обрабатывают, хранят или передают данные,

классифицированные как критически важные в Политике

информационной безопасности №860;

Ожидается интеграция входа в систему со структурой

входа в систему управления идентификацией университета;

Программное обеспечение должно быть установлено на

сервере, управляемом Университетскими технологическими

службами;

Программное обеспечение имеет особые или необычные

требования к сети, хранилищу или безопасности;

Программное обеспечение предназначено для широкого

доступа через университетскую сеть.

Если вышеуказанные условия не применяются, то

обратите внимание, что индивидуальные покупки на сумму менее

100 долларов США в магазине AppleiTunesStore с

использованием учетной записи университета, одобренной при

покупке, не требуют представления этой формы или запуска

этого процесса закупок.

Академически ориентированное свободное, бесплатное,

условно-бесплатное, программное обеспечение с открытым

исходным кодом и любое другое академическое программное

обеспечение, лицензированное лично преподавателям от их

имени, а не от имени университета, может быть лицензировано

непосредственно преподавателем и не требует прохождения

этого процесса.

345

Стоит учесть, что цены на каждое перечисленное

программное обеспечение будут указаны в форме.

Вполне возможно, что приложения могут являться

упакованными и сериализованными версиями, и могут быть не

связаны с именованной лицензией. В результате автоматическое

обновление программного обеспечения не работает для этих

версий ПО и UTK обычно обновляет их всего несколько раз в

год.

Хорошим выбором программное обеспечения является то

программное обеспечение, которое не требует одобрения

надзорного органа или покупки. Такое программное обеспечение

доступно для установки на персональные компьютеры с веб-

сайта распространения программного обеспечения UTK.

Примером такого программного обеспечения являются

MATLAB, SPSS, SAS, EndNote.

Все другое программное обеспечение, доступное в

настоящее время преподавателям и сотрудникам для загрузки и

установки на компьютер, выпущенный по стандарту UTC, можно

найти в соответствующем разделе – программное обеспечение

регулярно изменяется по мере утверждения и лицензирования

нового программного обеспечения для распространения.

Список использованной литературы

1. Александров Д.В. Инструменты управления

информацией. КЕЙС-технологии и распределенные

информационные системы: учебное пособие/Д.В. Александров. –

М.: финансы и статистика, 2011. – 224 с.

2. Интеллектуальные информационные системы

управленческой деятельности / В. В. Денисенко, К. С. Евтеева, И.

И. Савченко [и др.] // Системный анализ и моделирование

процессов управления качеством в инновационном развитии

агропромышленного комплекса : Материалы V Международной

научно-практической конференции,в рамках реализации

Ассоциации «Технологическая платформа «Технологии пищевой

и перерабатываю-щей промышленности АПК – продукты

здорового питания», Воронеж, 21 мая 2021 года / Воронеж. гос.

346

ун-т инж. технол.. – Воронеж: Воронежский государственный

университет инженерных технологий, 2021. – С. 268-275.

3. Пути решения проблемы защиты персональных данных

при реализации образовательных услуг в дистанционном

формате с применением мобильных технологий / А. В.

Скрыпников, В. В. Денисенко, О. Г. Стукало, Д. В. Арапов //

Проблемы практической подготовки студентов: содействие

трудоустройству выпускников, проблемы и пути их решения :

Материалы ХVIII всероссийской научно-практической

конференции, посвященные памяти профессора, академика

Международной академии информатизации Бориса Ивановича

Кущева, Воронеж, 01 октября 2021 года / под общ. ред. проф. В.

Н. Попова; Воронеж. гос. ун-т инж. технол.. – Воронеж:

Воронежский государственный университет инженерных

технологий, 2021. – С. 5-8.Балдин К.В. Информационные

системы в экономике: учебник / К.В. Балдин, В.Б. Уткин. – М.:

Дашков и К, 2015. – 395 с.

УДК 004.6

ПАРСИНГ ДАННЫХ

Денисенко В.В., Парфенов А.К., Маврин В.В., Скрыпников А.А.


инженерных технологий» г. Воронеж, Россия

В современном мире большая часть информации хранится

в интернете. Чтобы получить ещё больше пользы из информации,

её можно структурировать. Вэтомпомогаетпарсинг- процесс

сбора и систематизирования информации, размещенной на

определенных сайтах, с помощью специальных программ,

автоматизирующих процесс, такие программы называются

парсерами.Парсер – это специальная программа, нацеленная на

сбор информации. Эта программа позволяет взять файл в одном

формате и преобразовать его данные в более удобоваримую

347

форму, которую можно использовать в своих целях. С каждым

годом в мире появляется всё больше и больше новой

информации. По данным аналитической компании IDC, объем

данных, содержавшихся на серверах интернета в 2018 году,

составлял 33 зеттабайта, рост данных в интернете IDC оценивает

в 30% в год, с прогнозом 175 зеттабайта к 2025 году, парсинг

позволяет работать со всей этой информацией, что делает его

крайне актуальным.

Чтобы написание парсера было эффективным следует

знать основные его методы: поэтапный парсинг и метод паука.

В первом методе парсинг происходит так: сначала

парсятся все внешние элементы, далее парсятся элементы,

содержащиеся во внешних элементах, затем это действие

повторяется с полученными элементами, в итоге этот цикл

повторяется до тех пор, пока мы не получим всю необходимую

информацию. Разберём данный метод на примере парсинга книг

интернет-библиотеки. Пусть в данной библиотеке

имеютсякатегории, жанры, поджанры икниги. Каждая книга

принадлежит определенному поджанру, которая в свою очередь

принадлежит жанру, который принадлежит категории. Сначала

парсятся все категории, затемпрограммапросматривает все

жанры и парсит все поджанры, далее парсер заходит в каждый

поджанр и парсит там все книги. Это и есть поэтапный парсинг.

Из примера можно понять, что данный метод хорош в тех

случаях, когда нужно собрать всю информацию, а не отдельные

части.Главная проблема этого метода – это его сложность при

возрастании количества уровней.

При Методе паука парсер открываетвеб-страницу,

собирает все ссылки с сайта, добавляет их в общую базу данных.

Затем открывает первую ссылку, ищет все ссылки и добавляет в

базу данных только те, которые отсутствуют. Также при

открытии страницы программа разбирает контент страницы.

Если этот контент нужен нам, он сохраняет его в базу данных.

Как понятно из описания данный метод будет быстрее работать с

большими объёмами данных по сравнению с поэтапным

парсингом.

348

Теперь разберём пример реализованного парсера сайта

ВГУИТ, который собирает информацию о факультетах данного

учебного заведения.

Цель данной программы – это сбор информации о

факультетах. Парсер будет использоваться на сервере, а при

запросе со стороны приложения полученная информация будет

отправляться в виде JSON-массива для дальновидного

преобразования в объекты и использования. В итоге приложение

будет предоставлять информацию в структурированном и

упрощённом виде.

Разберём наиболее важные части кодапрограммы по

парсингу информации факультетов ВГУИТ.

1. Импортируем нужные библиотеки для более удобной

работы.

import requests

from bs4 import BeautifulSoup

import json

import os

import sys

2.Подключаемся к веб-странице со всеми факультетами и

собираем ссылки на них:

r = requests.get("https://vsuet.ru/obuchenie/faculties")

soup = BeautifulSoup(r.content, features="html.parser")

all_a = soup.find_all(class_ = "box-service__item")

faculties = []

for el in soup.find_all('div', class_ = "box-service__title"):

faculties.append(el.get_text())

3.Создаём главный массив и проходим цикл, с помощью

которого мы собираем информацию о декане каждого

факультета:

all_faculties = []

number = -1

for i in all_a:

number += 1

fac = {}

fac["name"] = faculties[number]

i_url = "https://vsuet.ru" + i.get("href")

349

r = requests.get(i_url)

soup = BeautifulSoup(r.content, features="html.parser")

decan = {}

decan["fullName"] = soup.find(class_ = "dept-info__h-

name").text

decan['job'] = "Декан"

decan['degree'] = soup.find(class_ = "dept-info__h-

degree").text

fac["decan"] = decan

4.Собираем контактные данные факультетов:

contacts = {}

contacts['tel'] = soup.find(class_ = "fas fa-

phone").next_element.next_element.text.split(',\r\n')

contacts['address'] = soup.find(class_ = "fas fa-map-

marker").next_element.next_element.text

fac["contacts"] = contacts

5.Преобразуем полученную информацию в формат JSON:

В итоге мы получаем JSONфайл следующего вида:

[

{

"name": "Управление и информатика в

технологических системах",

"decan": {

"fullName": "Скрыпников Алексей Васильевич",

"job": "Декан",

"degree": "доктор технических наук"

},

"members": [

{

"fio": "Маслов Александр Александрович",

"dolzhn": "Зам. декана по учебной работе",

"regal": "к.т.н."

},

],

"contacts": {

"tel": [

"+7 (473) 255-38-17"

350

],

"address": "пр. Революции,19, ауд. 217"

},

"specialization": [

{

"name": "Направление подготовки специалистов",

"table": [

{

"id": "10.05.03",

"name": "Информационная безопасность

автоматизированных систем",

"profiles": "Безопасность открытых

информационных систем"

},

],

},

]

"cafedr": [

{

"name": "Кафедра информационных и управляющих

систем",

"hyper": "https://vsuet.ru//obuchenie/faculties/uits/k_ius"

},

]

}

]

Таким образом мы собрали нужные нам данные, а также

преобразовали их в нужный нам формат. Всё вышесказанное

позволяет сделать вывод - парсинг страниц - это ведущий способ

сбора информации с сайтов.Этот способиспользуется почти во

всех сферах бизнеса: маркетинг, сбор информации по продажам

конкурентов и так далее. По исследованию Hubspotосновные

цели применения: контент 38%, аналитика 26%, контакты 19%,

сравнение цен 16%. Одна из основных проблем информации с

которой встречаются разработчики – это отсутствие

структурированности информации. Справится с этой ошибкой

351

помогает парсинг, именно из-за этого он в ближайшем будущем

будет становится только популярнее.


1.Что такое парсинг и как правильно

парсить[Электронный ресурс]. - Режим

доступа:https://blog.calltouch.ru/chto-takoe-parsing/(дата

обращения: 04.12.2021).

2.Программно-технические средства искусственного

интеллекта в условиях онлайн-трансформации / А. В.

Скрыпников, В. В. Денисенко, И. А. Высоцкая [и др.] //

Автоматизация. Современные технологии. – 2021. – Т. 75. – № 8.

– С. 373-376.

3.Поэтапный парсинг и метод паука | Трепачёв

Дмитрий[Электронный ресурс]. – Режим

доступа:http://old.code.mu/books/advanced/php/parsing/poetapnyj-

parsing-i-metod-pauka.html(дата обращения: 04.12.2021).

4. Information Security as the Basis of Digital Economy / A.

V. Skrypnikov, В. Г. Козлов, V. V. Denisenko [et al.] //27–28

февраля 2020 года, 2020. – P. 149-153. – DOI

10.2991/aebmr.k.200730.028.

5. Парсинг и парсер: что это такое, для чего нужно и как

этим пользоваться[Электронный ресурс]. - Режим

доступа:https://romi.center/ru/learning/what-is-data-parsing(дата

обращения: 04.12.2021).

http://old.code.mu/books/advanced/php/parsing/poetapnyj-parsing-i-metod-pauka.html

http://old.code.mu/books/advanced/php/parsing/poetapnyj-parsing-i-metod-pauka.html

https://romi.center/ru/learning/what-is-data-parsing

352

УДК 338.138

ИНТЕРНЕТ - ТЕХНОЛОГИИ В ИНДУСТРИИ

ГОСТЕПРИИМСТВА

Л.Э. Глаголева1,Н.П

. Зацепилина

1,Е.Н.Ковалева

1,

Н.В. Жемчужникова2

ФГБОУ ВО «Воронежский государственный университет инженерных

технологий», г. Воронеж1

ГК «Кудеяров стан», Воронежская область, Каширский район2

В настоящее время продвижение на рынке

гостеприимства каких-либо услуг невозможно без правильного

позиционирования индустрии гостеприимства в интернете.

Например, бронировать гостиницы, отели через интернет удобно

и выгодно. Поэтому эффективные интернет-технологии важны

для предприятий, работающих в сфере гостиничного бизнеса.

Интернет-маркетингбыстро развивается. Здесь

необходимо умение мыслить нестандартно, проявлять грамотный

подход при продвижении веб-сайтов и соответственно услуг в

индустрии гостеприимства, ведь это напрямую продвижение

своего бизнеса, а также привлечение и удержание клиентов.

Фактически, успех в продвижениисвоего дела является

отражением вложенного труда в формирование гостиничных

услуг на уровне, удовлетворяющем самым взыскательным

требованиям потребителей.

Внедрение и активное развитие интернет-технологий в

сфере гостеприимства позволило поднять рынок сферы

гостеприимства на абсолютно новый уровень. От использования

интернет-технологий напрямую зависит существование и

доходность предприятий (гостиниц, отелей и т.д.) в условиях

жесткой конкуренции на российском рынке. Более того,

отсутствие веб-сайта у отеля воспринимается целевой аудиторией

как показатель низкого уровня предприятия, независимо от

реального качества предоставляемых услуг. Это заставляет все

353

компании, работающие на данный момент в сфере

гостеприимства, создавать интернет-проекты. На данный момент

веб-сайт есть почти у каждой гостиницы. И он оказывает

определенное влияние на уровень популярности отеля среди

желающих воспользоваться именно этимотелем для проживания.

Отсюда делаем вывод, что самой главной и неотъемлемой

частью присутствия компании в интернете является грамотное

продвижение своего сайта, которое для гостиничного бизнеса

имеет свою специфику.

Перечислим некоторые основные, на наш взгляд, способы

продвижения в интернете: это представление отеля форумах; в

рекомендательных и сравнительных сервисах (hotellook.ru,

trivago.com, travel.ru, tripadvisor.ru и т.п); обзорах гостиницы в

web- и видеоблогах лидеров мнений (инфлюэнсеров);

размещение отзывов на сайтах-отзовиках (типа irecommend.ru,

otzovik.com и т.п.); локальное продвижение;создание профиля

гостиницы в Google Мой бизнес и Яндекс-справочнике,

получение отзывов от клиентов в этих системах; размещение

гостиницы на яндекс-картах и googlemaps; размещение в 2GIS

[1]; создание профиля в региональных отзовиках и справочниках;

продвижение в соцсетях (smm) – создание профилей и

наполнение контентом, причем не только чисто рекламным, но и

познавательно-развлекательным по гостиничным и смежным

темам [2-3]; продвижение в youtube.

Считаем, что немаловажным является контент-маркетинг:

это размещение на своем и партнерских сайтах тематических

обзоров, статей с интересной информацией о гостиничных

услугах[4].

Эффективным является директ-маркетинг, т.е.email-

рассылка со спецпредложениями по базе лояльных

клиентов.Гостиничные предприятия также могут вступить в

маркетинговую гостиничную цепочку, например, российскую

BestEasternHotels.А также принимать участие в Центральной

системе бронирования цепи (CRS –CentralReservationSystem), в

случае, если гостиница является частью гостиничной сети.

Сейчас получили распространение IDS (интернет-системы

бронирования), также известные как ADS (альтернативные

354

системы бронирования). Существует несколько сотен

международных систем интернет-бронирования. Наиболее

известными среди них служат Booking.com, Expedia.com,

HRS.com, Orbitz.com, trivago.com. Кроме того, имеются

региональные проекты. Можно также участвовать в Глобальной

системе бронирования (GDS). Наиболее известными являются

четыре глобальные системы бронирования: Amadeus, Galileo,

Worldspan, Sabre. С GDS работают более 800 000 различных

туристических агентств по всему миру, осуществляя с ее

помощью бронирование туристических и гостиничных услуг.

Турагентства размещают в GDS информацию о гостиницах

следующего характера: цена, доступность номерного фонда,

категории номеров, дополнительные услуги и расположение.

И, наконец, остановимся подробнее на контекстной и

медийной рекламе в Googleads и Яндекс директ. Контекстная

реклама в интернете по праву считается одним из самых лучших

и действенных способов привлечь целевых заинтересованных

посетителей на сайт.Размещение контекстной рекламы в Яндексе

или Google выглядит естественно и показывается только тем, кто

проявил свой интерес к товару или услуге конкретным

поисковым запросом. Поэтому по ней кликают чаще, чем по

другим видам рекламы.Гостиничные услуги, в отличие от

традиционных товаров, не имеют материальной формы и

постоянного качества, поэтому нуждаются в приоритетном

развитии таких функций рекламы, как информативность и

пропаганда. Контекстная реклама гостиничных услуг – наиболее

эффективный метод рекламы отеля в интернете. Контекстная

реклама гостиницы – это короткое текстовое объявление, которое

показывается справа и под поисковой строкой в ответ на

определенный запрос пользователя. Такая реклама отеля или

гостиницы показывается не всем пользователям, а только тем,

которые «задали» нужный нам вопрос поисковой системе.

Контекстная реклама отеля на английском языке (в поисковых

системах Google и Yahoo) может привлечь клиентов со всего

мира.

Заметим, что ретаргетинг (также называемый ремаркетинг)

по посетителям сайта гостиницы – механизм, позволяющий показ

355

рекламы тем людям, которые есть в базе конкретного рекламного

сервиса и уже побывали у вас на сайте.

Немаловажным является также анализ поведения

посетителей сайта через использование веб-аналитики –

GoogleAnalytics и Яндекс-Метрики. Использование этих сервисов

позволяет проанализировать поведение пользователя на сайте и

оценить эффективность каналов онлайн продвижения бизнеса.

Отель или гостиница, чья рекламная кампания будет более

привлекательной, получит преимущество в борьбе за клиентов.

Очевидно, что среди всевозможных рекламных носителей

победил интернет, причем, как в России, так иза рубежом[5]. Это

заложено в специфике самих услуг гостеприимства –

удовлетворить запросы которого способен только интернет-

маркетинг с его возможностями.

Список использованных источников

1. Khaustov I.A., Rylev S.S., Kovaleva E.N. Development and

application of modern geographic information systems for monitoring

the environmental status of objects // Proceedings of the Voronezh

State University of Engineering Technologies. -2019. -Т. 81. № 4

(82).- С. 263-267.

2. Nikitin B.E., Ivliev M.N., BugaevYu.V., Kovaleva E.N.,

Chikunov S.V., Negoda V.A. Aggregated rating construction as a

collective choice problem // Всборнике: Advances in Economics,

Business and Management Research. Proceedings of the Russian

Conference on Digital Economy and Knowledge Management

(RuDEcK 2020). -2020. -С. 495-499

3. Денисенко В.В. Модель-иллюстратор функциональных

технологических процессов миф-тех-про / В. В. Денисенко, П. С.

Репин, Е. Н. Ковалева. Свидетельство о регистрации программы

для ЭВМ RU 2018618921, 23.07.2018. Заявка № 2018615500 от

29.05.2018.

4.Глаголева Л.Э., Зацепилина Н.П., Жемчужникова Н.В.

Практико-ориентированные занятия у студентов индустрии

гостеприимства // В сборнике: Современные технологии

непрерывного обучения школа-вуз. Материалы VII

356

Всероссийской научно-методической конференции. Воронежский

государственный университет инженерных технологий. - 2020. -

С. 154.

5. Korobova L.A., Savvina E.A., Kovaleva E.N., Gladkikh

T.V., Lukina O.O., Tolstova I.S. Application of cluster analysis for

business processes in the implementation of integrated economic and

management systems // Advances in Economics, Business and

Management Research. Proceedings of the Russian Conference on

Digital Economy and Knowledge Management (RuDEcK 2020). -

2020. - С. 316-323.

УДК 65, 640.4

АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ.

НОРМАТИВНО-ПРАВОВОЕ РЕГУЛИРОВАНИЕ

ИСПОЛЬЗОВАНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

В ГОСТИНИЧНОМ БИЗНЕСЕ

Глаголева Л.Э., Агаева Н.Ю., Нестеренко И.П.




Гостиничное предприятие сложная система по взаимосвязи

предоставления основных услуг проживания, питания, а также

широкого спектра дополнительных услуг, таких как трансфер,

экскурсии, спа-процедуры и многое другое.

Нельзя не отметить тот факт, что гостиничные предприятия

имеют главенствующие позиции в индустрии гостеприимства.

Это связано с тем, что именно на базе гостиничного предприятия

формируется комплексный продукт, причем в формировании и

продвижении участвуют все сегменты экономики.

Гостиничный продукт имеет две специфичные черты:

- активное участие персонала, обладающего высокой

квалификацией;

357

- широкое применение информационно-коммуникативных

технологий.

Именно они способствуют быстрому сбору, обработке и

анализу информации, что в свою очередь обеспечивает

бесперебойную работу персоналав процессе оперативного

принятия управленческих решений.

В данное время правильная организация работы

гостиничного предприятия возможна только с помощью

использования современных автоматизированных систем

управления. Сегодня разработано множество систем управления

как зарубежных, так и отечественных. Автоматизированная

система управления представляет из себя пакет

специализированных программ для работы гостиничного

предприятия.

Применение различного рода программ в гостиничном

бизнесе регламентируется следующими нормативно-правовыми

документами: Конституция РФ, Федеральный закон «Об

информации, информатизации и защите

информации»,Гражданский кодекс РФ, федеральные законы «О

лицензировании отдельных видов деятельности», «О связи».

Работа с информационными системами как в гостиничном,

так и в любом предприятии основывается на следующих

принципах:

- Свобода поиска использования информации;

- Открытость информации;

- Языковое равноправие;

- Обеспечение информационной безопасности;

- Достоверность;

- Неприкосновенность;

Использование информационных технологий напрямую

влияет на качество предоставляемых услуг, помогает персоналу

комплексно и быстро выполнять свои функции в процессе

взаимодействия с гостями. Гостиничное предприятие — это

комплекс взаимосвязанных подсистем, способствующих

аккумуляции информации для дальнейшего анализа деятельности

предприятия.

358

УДК 004

АНАЛИЗ ВАРИАНТОВ СИСТЕМ ЖУРНАЛИРОВАНИ И

ДИСПЕТЧЕРИЗАЦИИ ТИРАЖИРУЕМЫХ

ЭКЗЕМПЛЯРОВ ФУНКЦИОНАЛОВ

Черняева С.Н., Коробова Л.А., Антосина А.П.




К системе журналирования предъявляются следующие

требования.

1. Система журналирования должна записывать

следующую информацию: время начала работы функционала,

время конца работы функционала, время работы функционала,

текущее использование ресурсов, произвольное сообщение с

временной меткой, произвольное сообщение без временной

метки.

2. Система должна как можно меньше влиять на

быстродействие всей системы планирования в целом.

Исходя из требования по быстродействию, было решено

писать журнал в бинарном виде [2, 3]. Это нужно для

минимизации объема записываемой информации, по сравнению с

текстовым файлом. Также на операции обращения к файловой

системе тратиться очень много времени, поэтому было решено

организовать буферизованный вывод в файл. Плюсом этого

решения также является то, что не приходится приводить

информацию к текстовому виду во время работы системы

планирования. Все сообщения функционалов, которые

обращаются к системе журналирования, сначала буферизуются и

записываются лишь в случае либо переполнения буфера, либо во

время наименьшей нагрузки на системе планирования (т.е. когда

очередь функционалов готовых к исполнению пуста).

Блок-схема алгоритма представлена на рисунке 1.

359

Рисунок 1 Алгоритм работы системы журналирования

Файл пишется системой планирования в бинарном виде и

имеет следующий формат [1]:

1. Сообщение без временной метки:

1.1. код сообщения = 0 (int);

360

1.2. сообщение (null-terminated string).

2. Сообщение о начальной метке работы функционала:


2.2. временная метка, с (long int);

2.3. временная метка, мкс (long int);

2.4. имя функционала (null-terminated string).

3. Сообщение о конечной метке работы функционала:





4. Сообщение о времени работы функционала:


4.2. время работы, с (long int);

4.3. время работы, мкс (long int);


5. Сообщение об используемых ресурсах:




5.4. время процесса в контексте пользователя, с (long int);

5.5. время процесса в контексте пользователя, мкс (long int);

5.6. время процесса в системном контексте, с (long int);

5.7. время процесса в системном контексте, мкс (long int);

5.8. объем потребляемой памяти, кБ (long int);


Отдельного рассмотрения требует проблема

диспетчеризации тиражируемых экземпляров функционалов [4,

5]. Тиражируемый функционал - это функционал, у которого

должно быть несколько экземпляров, работающих одинаково, но

с разными входными данными. Такие экземпляры объединяются

в тираж, которым управляет диспетчер тиража. Функцией

диспетчера тиража является перенаправление сообщений обмена,

адресуемых ему, экземплярам функционалам внутри своего

тиража.

Диспетчер тиража

Тиражируемый функционал 1


Тиражируемый функционал N

...

Выходные очереди



Очередь 1

Очередь 2

Очередь N

...

Функционал 1


Функционал N

Очередь 1

Очередь 2

Очередь N

......

Рисунок 2 - Схема тиражирования (первый вариант)

Диспетчер тиража



Тиражируемый функционал N




...



Функционал N

Очередь 1

Очередь 2

Очередь N

......

setData()

setData()

setData()

Рисунок 3 - Схема тиражирования (второй вариант)

362

Было предложено два варианта реализации

диспетчеризации: с очередями обмена между диспетчером

тиража и экземплярами тиражируемых функционалов и без них

[3, 4]. Во втором случае, передача данных осуществляется с

помощью функции. Схема первого варианта представлена на

рисунке 2. Схема второго варианта представлена на рисунке 3.

Недостатком первого варианта является выделение

дополнительной памяти под очереди обмена. Недостатком

второго варианта является то, что экземпляру тиража нельзя

передавать более одной порции данных.

Сравнение двух вариантов диспетчеризации тиража

проводилось по схеме [1], приведенном на рисунке 4.

FPMTranslatorDisp

FPMTranslator1

FPMGeneratorFPMTranslator

2

FPMTranslator20 (40)

FPMPrinter

...

Рисунок 4 - Схема теста

FPMGenerator– создает сообщения, которые отправляет на

диспетчер тиража FPMTranslatorDisp, по очереди адресуя их

разным экземплярам тиража.

Диспетчер FPMTranslatorDisp передает сообщения

соответствующему функционалу тиража FPMTranslatorX.

Экземпляры тиража FPMTranslatorX пересылают свои

сообщения со входа на выход.

FPMPrinter выводит в консоль сообщение о принятии

сообщения. Результатом теста является общее количество

запусков функционалов за 50 с. В ходе теста меняется количество

363

рабочих потоков от 1 до 10. Также тест был проведен 2 раза: для

20 и 40 экземпляров тиража. Результаты приведены в табл. 1 – 2 и

рис. 5 – 6 (приведена зависимость количества запусков

функционалов от количества рабочих потоков).

Таблица 1 - Результаты теста (20 функционалов в тираже)

Количество рабочих потоков

Количество запусков 1

вариант

Количество запусков 2

вариант 1 4 443 336 6 683 206 2 2 154 535 2 721 864 3 2 746 949 2 991 428 4 1 831 625 1 945 675 5 1 742 420 1 864 165 6 1 335 085 1 444 641 7 1 325 277 1 360 498 8 1 103 436 1 118 518 9 1 064 153 1 112 270 10 913 431 993 983

Рисунок 5 - Результаты теста (20 функционалов в тираже)

02 000 0004 000 0006 000 0008 000 000

10 000 00012 000 000

Кол-в

о р

аб. п

ото

ков

1 2 3 4 5 6 7 8 9

Кол-во запусков 2

вариант


вариант

364

Таблица 2 - Результаты теста (40 функционалов в тираже) Количество рабочих

потоков Количество запусков 1

вариант Количество запусков 2

вариант 1 1 814 742 2 132 668 2 1 832 949 2 056 314 3 1 592 225 1 552 779 4 1 070 999 1 102 100 5 1 019 756 1 121 666 6 778 953 834 287 7 773 179 809 064 8 620 601 618 270 9 588 825 626 148 10 501 550 549 865

Рисунок 6 - Результаты теста (40 функционалов в тираже)

В результате тестов было выявлено, что большей

производительностью обладает первый вариант системы

диспетчеризации (с очередями).


1. Хьюз К., Хьюз Т. Параллельное и распределенное

программирования на C++. М.: Издательский дом «Вильямс».

2004. 672 с.

2. Зубцов, И.А. Цифровизация внутрикорпоративных

коммуникаций [Текст] / И.А. Зубцов, П.В. Дерюгин, Д.Ю.

Панарин, И.С. Толстова, Л.А. Коробова // В сборнике: Стратегия

и тактика управления предприятием в переходной экономике.

0500 000

1 000 0001 500 0002 000 0002 500 0003 000 0003 500 0004 000 0004 500 000

Кол-в

о р

аб. п

ото

ков

1 2 3 4 5 6 7 8 9


вариант


вариант

365

Сборник материалов XX ежегодного открытого конкурса научно-

исследовательских работ студентов и молодых ученых в области

экономики и управления. Волгоград, 2020. С. 42-44.

3. Лунева, Н. А. Моделирование процесса обработки

заявок в службе технической поддержки / Н. А. Лунева, И. С.

Толстова, Л. А. Коробова // Моделирование

энергоинформационных процессов: Сборник статей VIII

национальной научно-практической конференции с

международным участием, Воронеж, 24–26 декабря 2019 года. –

Воронеж: Воронежский государственный университет

инженерных технологий, 2020. – С. 510-514.

4. Лунева, Н. В. Реинжиниринг бизнес-процессов как

инструмент реорганизации службы технической поддержки / Н.

В. Лунева, И. С. Толстова, Л. А. Коробова // Научное

пространство: актуальные вопросы, достижения и инновации:

сборник научных трудов по материалам XIX Международной

научно-практической конференции, Анапа, 18 июня 2020 года. –

Анапа: Общество с ограниченной ответственностью «Научно-

исследовательский центр экономических и социальных

процессов» в Южном Федеральном округе, 2020. – С. 45-51.

5. Бугаев, Ю. В. Совершенствование работы менеджера в

системах контроля данных / Ю. В. Бугаев, Л. А. Коробова, И. А.

Матыцина // Математические методы в технике и технологиях -

ММТТ. – 2020. – Т. 2. – С. 88-98.

366

УДК 004.9

МЕДИАЭКСПЕРТИЗА НА ПЛАТФОРМАХ СОЦИАЛЬНЫХ

СЕТЕЙ

Мухина Е.В., Мухин Д.П., Черняева С.Н., Толстова И.С.




Надежность визуальной информации в Интернете и

подлинность цифровых средств массовой информации,

появляющихся на платформах социальных сетей, вызывают

беспрецедентные опасения. В результате этого в последние годы

сообщество, занимавшееся исследованиями в области

мультимедийной криминалистики, стремилось распространить

судебно-экспертный анализ на реальные сетевые открытые

системы. Целью данной статьи является анализ общих данных,

охватывающий три основных аспекта: криминалистические

методы, выполняющие идентификацию источника и проверку

целостности на носителях, загруженных в социальные сети.

Распространение простых в использовании инструментов

редактирования, доступных более широкой общественности,

вызвало в последнее десятилетие растущую обеспокоенность

относительно надежности цифровых носителей. Также

обеспокоенность была усилена разработкой новых методов

искусственного интеллекта, способных производить

высококачественные поддельные изображения и видео

(например, Deepfakes) без необходимости каких-либо

конкретных технических ноу-хау от пользователей. Кроме того,

мультимедийное содержание в значительной степени

способствует распространению вирусной информации через

социальные сети и веб-каналы и играет основополагающую роль

в цифровой жизни отдельных лиц и обществ. Таким образом,

необходимость разработки инструментов для сохранения

надежности изображений и видео, распространяемых в

367

социальных сетях и веб-платформах, является необходимостью,

которую наше общество больше не может игнорировать.

Многие работы в области мультимедийной

криминалистики изучают обнаружение различных манипуляций

и идентификацию источника информации, предоставляя

интересные результаты в лабораторных условиях и четко

определенные сценарии при различных уровнях знаний,

доступных криминалисту. Недавно научно-исследовательское

сообщество также взяло на себя обязательство распространить

анализ мультимедийной криминалистики на реальные сетевые

открытые системы. Затем потенциальные действия по

фальсификации посредством специализированных средств

редактирования или генерации обманчивой поддельной

визуальной информации смешиваются и чередуются с обычными

операциями совместного использования через веб-каналы.

Распространение медиаэкспертизы на такие новые и более

реалистичные сценарии предполагает способность решать

значительные технологические проблемы, связанные с

(возможно, множественным) процессом загрузки/совместного

использования изображений. Для этого необходимы методы,

которые могут надежно работать в этих более общих условиях.

На самом деле, во время загрузки изображений платформы

дополнительно манипулируют данными, чтобы уменьшить

требования к памяти и полосе пропускания. Это препятствует

традиционным подходам к криминалистике, но также вносит

обнаруживаемые закономерности.

На рисунке 1 представлены основные фазы цифровой

жизни объекта СМИ, размещенного в сети интернет. Каждая из

них выделена своим цветом.

Перед загрузкой визуальной информации к ней можно

применить много операций. Назовем эту фазу «Последующая

обработка», которая включает изменение размеров, фильтрацию,

сжатия, обрезка, семантические манипуляции. На этой фазе

можно применять большинство подходов исследования в

мультимедийной судебной экспертизе.

368

Рисунок 1

Следующая фаза - фаза загрузки, когда объект через веб-

сервисы загружается во Всемирную паутину. Данное

исследование проведено с использованием платформ для

социальной сети, распространения, передачи сообщений,

например такие как Facebook, Твиттер, Instagram, и Google+, а

также службы обмена сообщениями, такие как WhatsApp,

Telegram и Messenger.

По некоторым фазам можно определить, каким образом

объект был загружен, повторно загружен или повторно разделен

через другие платформы. Кроме того, мультимедийное

содержание обычно связывается с текстовой информацией

(например, в новостях, постах социальных сетей, статьях).

Много судебных подходов было предложено для

различных фаз цифровой жизни СМИ. Группа методов

обращается к типичным мультимедийным задачам судебной

экспертизы, которые касаются шагов приобретения и

последующей обработки (таких как исходная идентификация или

проверка целостности), но выполняют анализ совместно

используемых данных.

Другой проблемой, недавно решенной в литературе,

является анализ общего объекта СМИ с целью восстановления

шагов, включенных от фазы загрузки. Наконец, много подходов

анализируют общий объект СМИ относительно его связанной

текстовой информации, чтобы определить несоответствия,

369

которые могли бы указать на поддельный источник

визуальной/текстовой информации.

Главные проблемы в традиционной мультимедийной

судебной экспертизе - идентификация источника

мультимедийных данных и проверка его целостности.

Распространенность существующих работ главным образом

посвящена анализу источника данных, или планирование для

идентификации определенного устройства или модели камеры.

Исходная идентификация камеры

Прорыв в использовании услуг социальной сети

увеличивает изменчивость изображения и видео данных и

представляет новые сценарии и проблемы, особенно в исходной

идентификационной задаче, такие как: знание вида устройства,

используемого для источника изображения; зная бренд и модель

устройства; контакт со способностью сгруппировать связку

данных согласно устройству; контакт со способностью связать

различные профили, принадлежащие другой социальной сети. Не

все такие вопросы одинаково охвачены; т.е. существуют немного

работ, основанных на фирменной идентификации. Большинство

работ главным образом посвящено исходной идентификации

камеры, такой как, проследив происхождение изображения или

видео, определить устройство или модель устройства, на которое

было сделано изображение. Так же к тому, что произошло в

судебных сценариях без разделения процессов, идея подобных

подходов состоит в том, что каждая фаза процесса получения

изображения оставляет уникальный отпечаток пальца на самом

цифровом контенте, который должен быть оценен и снят.

Отпечаток пальца должен быть достаточно прочным к

модификации, введенной процессом разделения, так, чтобы он не

был затронут операциями по загрузке/выгрузке и мог быть все

еще поддающимся обнаружению. Несколько бумаг используют

PRNU (Неоднородность Ответа на фотографию) шум как

отпечаток пальца, чтобы выполнить исходную идентификацию.

Некоторые другие методы принимают некоторые варианты

метода извлечения PRNU и предлагают использовать гибридные

методы или рассмотреть различные следы. В нашем случае

исходная идентификационная группа камер делится на две

370

категории: известные методы и нулевые методы знаний, согласно

уровню информации, доступной или принятой на судебном

сценарии. Первый случай, связан с методами, использующими

известные справочные базы данных камер, чтобы выполнить

задачу идентификации. Во втором случае -справочный набор

данных может быть частично известен или абсолютно

неизвестен, и никакое предположение на числах камеры,

составляющей набор данных, не дано.

Главная особенность следующего набора работ - создание

справочного набора данных отпечатка пальца камеры. Исходная

идентификация в этом случае выполняется в закрытом наборе.

Большинство работ, посвященных этим исследованиям, главным

образом основано на PRNU, и они одинаково распределены среди

бумаг, которые решают проблему исходной идентификации

видеокамеры и заинтересованных идентификацией устройства

изображений. Результаты еще раз показывают, что изменения,

внесенные процессом загрузки, делают обнаружение PRNU

практически неэффективным, что демонстрирует трудности в

работе с совместно используемыми данными. По этой причине в

последнее время различные исследования пытались улучшить

оценку PRNU, чтобы получить более сильный отпечаток пальца в

случае больших потерь и ускорить вычисление. Авторы, в

частности, проводят анализ стабилизированных и

нестабилизированных видео, предлагая использовать

усредненные кадры пространственной области для извлечения

отпечатков пальцев. Новый способ оценки отпечатков пальцев

PRNU представлен с учетом влияния сжатия видео на шум PRNU

посредством выбора блоков кадров с, по меньшей мере, одним

ненулевым коэффициентом DCT. В сети VGG используется в

качестве классификатора для обнаружения изображений в

соответствии с примененным фильтром Instagram с целью

исключения определенных изображений в оценке PRNU и, таким

образом, повышения надежности способа идентификации

устройства для фотографий Instagram.

В нескольких работах предлагалось использовать PRNU

для решения несколько иной проблемы, т.е. связать профили

социальных сетей, содержащие изображения и видео, снятые

371

одним и тем же устройством. В частности, гибридный подход

исследует возможность идентификации источника цифрового

видео путем использования эталонного сенсорного шаблона

шума, генерируемого из неподвижных изображений, сделанных

тем же устройством. Недавно был предложен новый набор

данных для идентификации исходной камеры (Forchheim Image

Database - FODB) с учетом пяти различных социальных сетей.

Два метода CNN были оценены с ухудшением, генерируемым на

изображениях операцией совместного использования, и без него.

Обзор полученных результатов показан на рис. 2, когда две сетки

обучаются на оригинальных изображениях и увеличение данных

выполняется с искусственными ухудшениями (масштабирование,

сжатие, переворачивание и вращение).

Рисунок 2


1. Impact of social media on arabic language deterioration Al-

Jarf R. Eurasian Arabic Studies. 2021. № 15. С. 16-34.

2. Analysis of the impact of social networks on customers’

decision to buy online: research concept Almandeel M.A.H., Ukhova

A.I., Savelieva I.P. Вестник Удмуртского университета. Серия

Экономика и право. 2020. Т. 30. № 6. С. 787-791.

3. Recommendation system based on user actions in the social

network Monastyrev V.V., Drobintsev P.D. Proceedings of the

Institute for System Programming of the RAS. 2020. Т. 32. № 3. С.

101-108.

4. Политическая коммуникация в социальных сетях:

стратегии получения информации пользователями социальных

https://elibrary.ru/contents.asp?id=46715675&selid=46715676


https://elibrary.ru/item.asp?id=43767703

https://elibrary.ru/item.asp?id=43767703


372

платформ Соколова Л.Ю. Научный результат. Социология и

управление. 2021. Т. 7. № 2. С. 132-143.

5. Social danger of social networks Nuriymon A. Bulletin

Social-Economic and Humanitarian Research. 2020. № 7 (9). С. 43-

52.

6. Current waveform analysis for arc control in electrosurgical

devices Tomov V.T., Iliev I., Krasteva V. Electrotechnica and

Electronica. 2018. Т. 53. № 1-2. С. 22-27.

УДК 004.4

ОРГАНИЗАЦИЯ ЭФФЕКТИВНЫХ ВЫЧИСЛЕНИЙ ДЛЯ

РЕШЕНИЯ РЕСУРСОЕМКИХ ВЫЧИСЛИТЕЛЬНЫХ

ЗАДАЧ

Толстова И.С., Гаврилов А.Н., Абрамов Г.В.

ФГБОУ ВО «Воронежский государственный

университет инженерных технологий»,

ФГБОУ ВО «Воронежский государственный



Современные направления научной деятельности во

многом зависят от возможностей вычислительных систем.

Самыми востребованными областями можно считать медицину,

химию, кибернетику и различные направления физики, будь то

гидро- или аэродинамика, механика или геофизика. Все эти

направления собирают и обрабатывают огромное количество

информации. С таким подходом классические методы расчетов

не позволяют добиваться результатов в короткие сроки. При этом

важность своевременного анализа информации возрастает. Таким

образом, можно утверждать, что организация

высокоэффективных методов расчета является актуальной



https://elibrary.ru/contents.asp?id=38567280

https://elibrary.ru/contents.asp?id=38567280


https://www.teacode.com/online/udc/00/004.932.html

373

задачей. К таким методам можно отнести универсальные,

параллельные вычислительные системы [1].

В настоящее время параллельные вычисления являются

важной составляющей компьютерных наук, особенно при

исследовании высокопроизводительных решений. Эволюция

компьютерных архитектур в направлении увеличения количества

ядер может подтвердить, что параллелизм является одним из

способов ускорения расчетов.

Использовать параллельные вычислительные системы

эффективно - это основная проблема параллельных вычислений.

Сейчас нет технических трудностей построить компьютер из

тысячи процессоров, но построить эффективно используемые

системы - серьезная проблема.

При выборе способов реализации параллельной системы

вычислений одной из важнейших особенностей является

доступность ресурсов как программных, так и аппаратных.

При выборе технологического стека при разработке

эффективных вычислений необходимо, прежде всего,

основываться на решаемых задачах, а именно – эффективное

использование ресурсов вычислительной системы и оперативное

решение поставленных задач. Если стек, по каким-либо причинам

не удовлетворяет этим критериям, вероятно, нет смысла

использовать такие технологии.

В работе рассмотрен вопрос организации эффективных

вычислений для численного моделирования процессов в

низкотемпературной плазме дугового разряда при синтезе

углеродных наноструктур (УНС) методом плазменной возгонки

графита, используя архитектуру современного персонального

компьютера. Моделирование процесса относится к классу

сложных задач в силу высокой трудоемкости, больших объемов

необходимой памяти, а также большого количества времени,

затрачиваемого на численный расчет.

374

В основу кинетической модели синтеза УНС методом

плазменной возгонки графита, описывающей динамику движения

заряженных частиц в плазме с кулоновским взаимодействием,

положена система уравнений Больцмана, записанных для

каждого вида рассматриваемых частиц многокомпонентной

плазмы и катализатора, дополненная системой уравнений

Максвелла описывающих самосогласованное электромагнитное

поле [2-3]. Для расчета такой системы имеет смысл использовать

численные методы. В данной работе для решения описанной

математической модели движения заряженных частиц

применялся модифицированный метод крупных частиц [4-5],

который позволяет за счет уменьшения количества однотипных

частиц в расчете путем их группировки до обоснованного уровня,

не влияющего на точность расчета снижать объем вычислений.

На рис.1 представлены основные шаги расчета методом

крупных частиц в виде диаграммы потоков данных.

1 Формирование

крупных частиц

2 Вычисление

плотности

заряда в узлах

сетки

3 Расчет параметров

электромагнитного поля

6 Поиск

взаимодействия

частиц

4 Расчет силы

действующей на

частицу

5 Приращение

скорости и

определение

координат частиц

БД параметров частиц

Начальные координаты

и скорости частиц

Плотность заряда КЧ, ток

Плотность

заряда КЧ

Потенциал

в узлах сетки,

напряженность

электрического поля

Начальные координаты

и скорости крупных частиц

Траектория движения КЧ

Новые параметры частиц,

энергия связи

Напряженность электрического

поля

Значение силы, действующей на КЧ

Значение силы, действующей на КЧ

Новые координаты и скорости КЧ

Файл с

начальным

положением

и скоростями

частиц

Координаты и скорости

частиц

Рис. 3 –Диаграмма потоков данных метода крупных частиц

Изначально был реализован последовательный алгоритм

решения задачи моделирования движения частиц

375

многокомпонентной плазмы и катализатора. Был проведен анализ

распределения процессорного времени затраченного на шаги

моделирования и определены наиболее ресурсоемкие, а именно

формирование крупных частиц, расчет параметров

электромагнитного поля методом установления и поиск

взаимодействия частиц.

Немаловажной особенностью задачи является тот факт, что

взаимодействие отдельных шагов моделирования происходит не

только на основании передаваемых между ними данных для

расчета, но и в строго определенном порядке.

С точки зрения зависимости шагов по данным можно

ввести следующую классификацию:

- данные на вход могут подаваться поэтапно (относятся

шаги: формирование крупных частиц, вычисление плотности

заряда в узлах сетки, поиск взаимодействия частиц, подготовка

данных для следующего этапа);

- требуется полный набор исходных данных для запуска

расчета (относятся шаги: расчет параметров электромагнитного

поля, расчет силы, действующей на частицу, приращение

скорости и определение новых координат частиц).

Учитывая классификацию, зависимость шагов по данным

можно представить в виде ориентированного графа

информационных зависимостей (рис. 2) в вершинах которого

сосредоточены вычислительные этапы задачи моделирования, а

ребра задают зависимость по данным.

Рис. 2. Граф информационной зависимости

376

Для оптимизации производительности вычислений шаги

нужно назначать, исходя из их зависимостей, и алгоритм должен

быть настроен так, чтобы зависимые шаги выполнялись

настолько последовательно, насколько это необходимо, и

настолько параллельно, насколько это возможно.

Задачей исследовательской работы являлось изучение

возможностей распараллеливания имеющегося

последовательного алгоритма более детализировано, прибегая к

передовым методам параллельных вычислений. Основной

задачей параллелизма является декомпозиция задачи на

подзадачи с последующей передачей на вычислительные узлы.

Последовательный алгоритм расчета можно изменить на

частично параллельный, с учетом входных и выходных данных.

Граф на рисунке 2 следует интерпретировать следующим

образом: шаги 1, 2, 6 частично зависят друг от друга по исходным

данным, поэтому их можно запускать параллельно, после

завершения алгоритмов 1 и 2 можно выполнять шаги 3, 4 и 5.

Стоит отметить, что один из самых длинных шагов вычислений -

шаг 6, может выполняться параллельно почти все время расчета.

Реализация параллельного алгоритма для размера сетки 106

узлов и 3∙105 частиц дала ускорение для 1000 итераций модели с

предложенными оптимизациями в 1,43 раза по сравнению с

последовательным алгоритмом.

Таким образом, одним из способов снижения общего

времени расчета рассматриваемой трудоемкой вычислительной

задачи является разработка инструмента, позволяющего

выполнять ряд асинхронных задач, у каждой из которых – свой

набор зависимостей, влияющих на порядок выполнения

операций.

Современные наукоемкие направления невозможно

представить без сложных и объемных численных методов

решения поставленных задач. Одним из таких направлений

является моделирование физики плазмы. При работе, с которой

377

возникает потребность в расчете параметров мельчайших частиц

пространства, на которые действуют различные факторы

природы. Именно в таких исследованиях и раскрываются

сильные стороны параллельных вычислений. Без современных

технологий программирования, прототипирования,

алгоритмизации и моделирования невозможно представить

развитие науки. Нахождение эффективных методов расчетов,

увеличение скорости разработки и развертывания – это новейшие

и перспективные направления развития информационных

технологий.


1. Modeling of the motion and interaction of carbon particles in

the plasma electric arc discharge using parallel programming

technologies / G. Abramov, A. Gavrilov, A. Ivashin, I. Tolstova //

IMCIC 2017 - 8th International Multi-Conference on Complexity,

Informatics and Cybernetics, Proceedings : 8, Orlando, FL, 21–24

марта 2017 года. – Orlando, FL, 2017. – P. 67-72.

2. Использование параллельных вычислений в

ресурсоемких задачах моделирования процессов движения и

взаимодействия частиц в плазме при синтезе углеродных

наноструктур / Г. В. Абрамов, А. Н. Гаврилов, А. Л. Ивашин, И.

С. Толстова // Вестник Московского государственного

технического университета им. Н.Э. Баумана. Серия

Естественные науки. – 2018. – № 5(80). – С. 4-14. – DOI

10.18698/1812-3368-2018-5-4-14.

3. Толстова, И. С. Применение технологии параллельного

программирования CUDA в задаче моделирования процесса

синтеза унс / И. С. Толстова // Энергия - XXI век. – 2018. – №

2(102). – С. 105-114.

4. Абрамов, Г. В. Моделирование движения и

взаимодействия частиц углерода в плазме электродугового

378

разряда на основе метода крупных частиц / Г. В. Абрамов, А. Н.

Гаврилов, И. С. Толстова // Моделирование

энергоинформационных процессов : II международная научно-

практическая интернет-конференция, Воронеж, 16–20 декабря

2013 года. – Воронеж: Воронежский государственный

университет инженерных технологий, 2014. – С. 43-47.

5. Абрамов, Г. В. Математические методы исследования

кинетики формирования кластеров углерода в плазме / Г. В.

Абрамов, А. Н. Гаврилов // Системы и средства информатики. –

2018. – Т. 28. – № 2. – С. 116-127. – DOI

10.14357/08696527180209.

УДК 519.81

АВТОМАТИЧЕСКОЕ ОБЪЕДИНЕНИЕ ПАРТИЙ ПРИ

ФОРМИРОВАНИИ ЗАКАЗОВ ПРОДУКЦИИ КОМПАНИИ

Чвикалова А.А., Чикунов С.В.

ФГБОУ ВО "Воронежский государственный

университет инженерных технологий",


Автоматизировать бизнес-процессы компании необходимо

для более положительной динамики и наглядного результата.

Применять автоматизацию можно в любой области деятельности

компании, начиная от продажи продукции и заканчивая задачами

управления. При этом необходимо заранее анализировать

процесс, искать варианты автоматизации и устранения проблем,

которые могут тормозить работу всего отдела. Так при введении

обязательного партионного учета, многие организации по

производству продукции встретились со следующей ситуацией:

для поставки продукции контрагенту, производитель должен был

отгрузить покупателю товар той партии, которая была заполнена

в документах (обычно это дата производства товара). Так как на

379

складе могут одновременно находится тысячи товаров с разными

партиями, то загрузка такой продукции покупателю и доставка

занимают огромное количество сил и времени. Поэтому перед

тем, как автоматизировать партионный учет, следует изучить все

методы решения данной проблемы и найти оптимальный вариант

для своей компании.

Если товар или продукт в производство поступает

отдельной партией, то такой учет называют партионным. Это

значит, что данный ресурс является неоднородным, то есть он

имеет различные свойства и состоит из различных партий. Если

требуется использовать такой ресурс, то необходимо еще

указывать партию этого ресурса. Например, на комбинат

поступил товар, каждая партия которого отличается между собой

поставщиком, ценой, сроками годности, количеством, расходами

на доставку и так далее.

При расходовании партионного ресурса возможны

следующие модели указания партий:

1. непосредственное указание партии;

2. FIFO;

3. LIFO;

4. по среднему.

Непосредственное указание партии подразумевает под

собой указание используемой партии. Модель FIFO обычно

используют, когда все оставшиеся партии сортируются по дате

поступления и используются именно в этом порядке. Если

берется среднее значение любого свойства, например, даты

производства или закупочной цены, то этот метод называется по

среднему. В таком случае партионный ресурс превращается в

однородный с помощью усреднения любого свойства партии.

Пример партионного учета. Пусть регистр партий ведется в

разрезе: Товар, Партия. Партия будет равна сумме данного товара

[1]. Пусть на данным момент на остатках имеются следующие

партии (табл. 1):

Таблица 1 - Пример заполнения регистра партий Товар Номер документа Количество Сумма

Книга Прт-01 10 100

Книга Прт-02 20 200

380

Книга Прт-03 100 1000

Тетрадь Прт-04 600 6000



Чем больше номер документа (например, Прт-06), тем

позже он введен в базу и тем больше его дата. Допустим у нас

покупают 20 книг и 600 тетрадей.

Если мы спишем товар по методу FIFO, то получим

результат, приведенный в таблице 2.

Таблица 2 - Результат списания партии по методу FIFO Товар Номер

документа

Количество Сумма Комментарий

Книга Прт-01 10 100 Вся партия уходит

Книга Прт-02 10 200/20*10=100 Часть партии

уходит

Тетрадь Прт-04 600 6000 Вся партия уходит

Если мы спишем товар по методу LIFO, то получим

результат, приведенный в таблице 3.

Таблица 3 - Результат списания партии по методу LIFO Товар Номер

документа

Количество Сумма Комментарий

Книга Прт-03 20 1000/100*20=200 Часть партии

уходит

Тетрадь Прт-06 100 1000 Вся партия

уходит

Тетрадь Прт-05 50 500 Вся партия

уходит

Тетрадь Прт-04 450 6000/600*450=4500 Часть партии

уходит

Если мы спишем товар по методу списания по среднему, то

получим результат, приведенный в таблице 4.

В данном методе мы можем использовать регистр с такой

же структурой, но поле Партия не заполняется, поэтому он будет

иметь следующий вид (табл. 4):

Таблица 4 - Пример заполнения регистра партий Товар Количество Сумма

Книга 130 1300

Тетрадь 750 7500

381

Соответственно при списании товара будет использована

цена, равная сумме товара, деленного на его количество (табл. 5):

Таблица 5 - Результат списания партии по методу LIFO Товар Количество Сумма

Книга 20 1300/130*20=200

Тетрадь 600 7500/750*600=6000

Объединить несколько партий можно двумя способами:

1. Вручную. То есть пользователь должен сам создавать

весь перечень документов, перепроводить их и отслеживать

правильность заполнения.

2. С помощью обработки. То есть программный продукт

сам за вас создаст все необходимые документы, пользователю

необходимо будет только проверить результат.

Первый вариант подходит для небольшого предприятия,

когда объединение партий в нём не занимает большое количество

времени. Однако при ручном вводе всегда есть погрешность

допущения ошибки, которую можно сразу не заметить, а после

потратить силы и время на ее исправление.

Второй вариант более распространенный, быстрый,

погрешность допущения ошибки сводиться к нулю. Но на рынке

программных продуктов 1С таких обработок нет, т.к. обычно их

используют большие компании, у которых есть свой ИТ отдел с

разработчиками или возможность нанять разработчика 1С для

создания данной обработки [2].

Учитывая все выдвинутые требования, была создана

внешняя обработка в программе 1С, которая автоматически

объединяет партии некоторых товаров и создает все

необходимые документы.

Обработка «Объединение партий» должна включать в себя:

Анализ заказов клиентов после срезки, но перед

формированием реализаций (расходных ордеров по партиям), для

получения необходимого количество поднадзорных товаров в

момент сегодняшней отгрузки [3].

382

Подбор партионных остатков под требуемое количество

товаров для сегодняшней отгрузки с учетом ОСГ (FIFO/LIFO)

клиентов. При подборе участвуют только не объединенные

партии.

Отбор тех партий, которые требуется объединять

(несколько партий по одной номенклатуре).

Создание расходного ордера по партиям для списания

единичных партий.

Создание приходного ордера по партиям для

оприходования объединенных партий.

Отражение изменения партионного учета, связанного с

объединением партий.

На основании полученных результатов структурная схема

пакета будет содержать следующие модули разных классов:

1. модуль авторизации;

2. модуль выбора обработки;

3. модуль складов;

4. модуль номенклатуры;

5. модуль объединения партий;

6. модуль создания документов.

Описание функций модулей пакета приведены в таблице 6.

Таблица 6 - Описание функций модулей № п/п Наименование модуля Функции модуля

1 Модуль авторизации Проверка логина и пароля перед входом в

программу 1С: Предприятие

2 Модуль выбора

обработки

Форма со списком внешних обработок для

выбора нужной для пользователя

3 Модуль складов Предоставляет возможность создания,

изменения, удаления и выбора складов

4 Модуль номенклатуры Предоставляет возможность создания,

изменения, удаления и выбора

номенклатуры

5 Модуль объединения

партий

Проверка правильности данных и

объединение партий (рис. 1)

6 Модуль создания

документов

Создание всех необходимых документов

после объединения партий (рис. 2)

383

Рассмотрим работу модуля объединения партий. При

запуске обработки «Автоматическое объединение партий» она

анализирует заказы клиентов для получения списка товара и

количества для сегодняшней отгрузки. В подборе номенклатуры

участвуют только те заказы покупателей, у контрагентов которых

в личной карточке не стоит флаг «не использовать объединенные

партии». Далее подбираются партионные остатки под требуемое

количество товаров для сегодняшней отгрузки с обязательным

учетом остаточного срока годности. Обработка отбирает те

партии, которые требуется объединить и создаются документы

для отображения партии, а именно, расходный ордер по партиям

и приходный ордер по партиям. После этого контрагентам

уезжает товар с партией в виде диапазона дат производства.

Рисунок 1 – Список партий, которые необходимо объединить

Рисунок 2 – Документ «Приходный ордер по партиям»

После оформления всех документов продукция будет

загружаться не точечно (строго по дате партии), а в диапазоне дат

производства, указанного после объединения партий, тем самым

экономя время на загрузку товара, место в транспорте и не

увеличивая стоимость доставки товара.

384

Таким образом, с помощью внешней обработки компания

может сэкономить денежные средства и рабочее время

сотрудников на реализацию и отправку товара с объединенными

партиями.


1. Чвикалова А. А. Партионый учет и методы его

реализации / А. А. Чвикалова – Текст: электронный //

Международный центр научного сотрудничества «Наука и

Просвещение». – 2021. - №1. – С 53-56.

2. [Электронный ресурс] – Обработки для 1С - https://drip-

center.ru/articles/obrabotki-dlya-1s/

3. Bugaev Yu. V., Nikitin B. E., Chikunov S. V., Ivliev M. N.

Selection models synthesis based on expert estimates extrapolation //

Proceedings of the Russian Conference on Digital Economy and

Knowledge Management (RuDEcK 2020). Серия: Advances in

economics, business and management research. Voronezh, 2020.

С.108-113.

УДК 681.5.33

АНАЛИЗ ПОТОКОВ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

С ПРИМЕНЕНИЕМ IDEF3 МОДЕЛЕЙ

Сафонова Ю.А., Лемешкин А.В., Бородин Д.М., Куксина М.М.

ФГОУ ВО «Воронежский государственный университет



Применение IDEF3 моделей позволяет полноценно

представить сценарии производственных процессов, включая

технологические процессы. Формальное построение

соответствующих технологических моделей позволяет провести

их анализ и оценить эффективность организации потока. Нотация

https://drip-center.ru/articles/obrabotki-dlya-1s/

https://drip-center.ru/articles/obrabotki-dlya-1s/


385

IDEF3 определяет типы связей между технологическими

стадиями.

В зависимости от физического смысла связей выделяют два

типа моделей технологических потоков:

- последовательностные – каждая задача технологического

процесса может быть выполнена только после завершения

предыдущей задачи с подтверждением ее окончания, связи в

таких моделях отображаются с помощью направляющих со

стрелками;

- потоковые – описывают выполнение технологических

заданий друг за другом с помощью потоков данных, материалов

и других величин; в качестве других величин могут выступать

любые наборы данных, такие как: документы, денежные

средства, единицы энергии и прочие, что поддаются измерениям.

Для отображения связей в процессах такого рода используются

направляющие со стрелками на обоих концах [1].

Для целостного понимания таких моделей следует описать

понятие тип потока.

Тип потока – это комплексная характеристика,

характеризующаяся непосредственно уровнем задействованной

технологии и техники и объектами, поступающими из самого

потока. По характеру может быть – случайным, регулярным и

непрерывным.

Для непрерывного потока характерно то, что объекты

непрерывно следуют друг за другом. При таком потоке объекты

поступают на вход какого бы то ни было задания, проходят через

него и не прерываясь проходят через выход.

Для регулярного потока характерен таймер на поступление

объектов напоминающий очередь. Объекты поступают для

задачи через определенные отрезки времени. Постоянный поток

является имплементацией регулярного потока, но с одним

обязательным свойством – отрезки времени между поступлением

объектов одинаковы.

Для случайного потока характерно поступление объектов к

задаче в случайные промежутки времени, при этом случайный

поток с минимальными промежутками является простым.

386

Нарушение выполнения заданий в результате

значительного изменения самого задания или интенсивности

потока свидетельствует о сложности потока и формировании

проблемных мест. Они образуются в технологических моделях,

имеющих перекрестки, образующиеся при слиянии или

разветвлении выходов задач и потоков [2].

Формулы расчетов интенсивностей непрерывных потоков

для потоковых моделей обратной связи:

𝜆1 = 𝑘1(𝜆вх + 𝑎𝜆1); 𝜆вых = 𝑏𝜆1; 𝑎 + 𝑏 = 1; 𝑎, 𝑏 > 0 (1)

Рассматривая потоковую модель технологического

процесса с обратной связью (рис. 1) можно получить следующее

значение интенсивностей:

𝜆1 =𝑘1𝜆вх

1−𝑎; 𝜆вых =

𝑏𝑘1𝜆вх

1−𝑎𝑘1=

𝑘1(1−𝑎)𝜆вх

1−𝑎𝑘1, (2)

где 0 < 1 − 𝑎𝑘1 < 1, то 𝑎 <1

𝑘1.

Таким образом, формируется ограничение на коэффициент

обратной связи (а). Когда задание 𝑤1 является передатчиком

(𝑘 = 1), то это ограничение всегда будет выполнено. Тогда

коэффициент передачи будет:

𝑘10 =1

1−𝑎> 1 (3)

В моделях с обратной связью задание становится

усилителем. При 𝑎 → 1 интенсивность 𝜆 → ∞. Чаще всего это

значит, что последует перегрузка задания 𝑤1.Следовательно,

модели с обратной связью являются проблемными, если

коэффициент обратной связи будет стремиться к 1. В таком

случае, если задание 𝑤1 является усилителем, при котором

(𝑘1 > 1), ограничение на коэффициент обратной связи модели

выполняется:

Х O 𝑤1

Рисунок 1 - Потоковая модель с обратной связью 𝜆вх

𝜆1 𝜆вых

а

b

387

𝑘10 =𝑘1

1−𝑎𝑘1> 1 (4)

При таком отношении усилителем так же остается задание

𝑤1. При 𝑎𝑘1 → 1 интенсивность потока будет стремиться к

бесконечности. Это все так же означает перегрузку задания 𝑤1. В

таком случае можно судить, что обратная связь так же является

проблемной при коэффициенте обратной связи стремящемуся к 1

𝑘1.

Если задание 𝑤1 будет являться демпфером и гасить

колебания при все том же 𝑘1 < 1 , а ограничение на коэффициент

обратной связи сможет соблюдаться. Тогда при коэффициенте

передачи 𝑘10 =𝑘1

1−𝑎𝑘1> 1, задание 𝑤1 останется демпфером при

𝑎 <1−𝑘1

𝑘1. При 𝑎𝑘1 → 1 интенсивность потока будет стремиться к

бесконечности. Это все так же означает перегрузку задания 𝑤1.

Данный режим работы обратной связи устанавливается не

сразу. Принимается 𝑡 - время задержки потока для задания 𝑤1,

тогда изменение интенсивности по времени (за единицу времени

принят интервал между поступлением объектов в потоке)

принимает вид:

𝜆1(𝑡 + 𝜏) = 𝑎𝜆1(𝑡) + 𝜆вх(𝑡); 𝜆вых(𝑡) = 𝑏𝜆1(𝑡). (5)

Каноническая форма:

𝜆11(𝑡 + 1) = 𝜆12(𝑡) 𝜆12(𝑡 + 1) = 𝜆13(𝑡)

...

𝜆1𝜏−1(𝑡 + 1) = 𝜆𝜏(𝑡) (6)

𝜆1𝜏(𝑡 + 1) = 𝑎 ∗ 𝜆11(𝑡) + 𝜆вх(𝑡) 𝜆1(𝑡) = 𝜆11(𝑡)

К данной динамической системе построим матрицы для

полноценности картины:

𝐴 =

[ 0 1 00 0 1… … …

… 0… 0… …

0 0 01 0 0

… 1… 0]

, 𝐵 = [

00…01

] , (7)

388

𝐶 = [1 0 … 0 0] , 𝐷 = [ 0 ]. (8)

Стационарный режим существует на основе

стохастичности матрицы А. Имеется возможность рассчитать

стационарные интенсивности потоков. Время наступления

стационарного пакета рассчитывается с помощью линейного

программирования и модуля поиска решений.

Для примера зададим 𝑎 = 0,5 , 𝑡 = 3. Время наступления

стационарного режима поступления объектов в потоке составит –

16 условных единиц. На рис. 2 приведена переходная

(приближается к стационарному значению) и импульсная

характеристика динамической системы (приближается к 0), т.е.

когда обратная связь описывается нормальной работой с

расчетной интенсивностью, то продолжительность перехода

стационарного режима на стандартный увеличивается в 5 раз от

задержки потока в работе.

Обратная связь в потоковой модели технологического

процесса – проблемное место. Для того, чтобы ее регулировать,

необходимо установить продолжительность задержки и

определить время всего процесса.

Возможны два случая:

1) при слиянии (О) не изменяется продолжительность

поступления объектов в поток, при этом Х-ветвление прерывает

поток выхода на время обработки обратной связи, что приводит к

нарушению регулярности; 2) уменьшается продолжительность

поступления объектов в поток, что может привести к перегрузке

задания 𝑤1 с нарушением регулярности, так как выходной и

входной поток имеют различное время поступления объектов,

поскольку интенсивность выходного потока сильнее, чем

интенсивность входного потока.

389

Рисунок 2 - Результат оценки времени процесса

Для задания 𝑤1 возрастает число поступающих объектов,

так как они накапливаются после О-слияния. Следовательно,

обратная связь с регулярным потоком так же является

проблемной с нарушением регулярности потока.


1. Бритов, Г.С. Метод формального описания PFDD-

диаграмм IDEF3-технологии / Г.С. Бритов // Информационно-

управляющие системы. - 2014. № 2. – С. 25-32.

2. Осипова, Т.Ф. Анализ потоков в бизнес-процессах по

IDEF3-моделям / Т.Ф. Осипова // Актуальные проблемы

экономики и управления. – 2015. - № 4(8). – С. 155-162.

390

УДК 519.8:532

УРАВНЕНИЯ ДВИЖЕНИЯ ЭЛЕМЕНТА

МИКРОСТРУКТУРНОГО ВЯЗКОПЛАСТИЧЕСКОГО

МАТЕРИАЛА

Бородина Е.А.



г.Воронеж, Россия

На данный момент предложено и реализовано большое

количество математических моделей, описывающих поведение

различных материалов. Течение жидких, газообразных веществ,

деформация твердых тел (струн) [1,4,5].

Фундаментально поведение материалов можно описать с

помощью математической модели, которая включает следующие

уравнения: уравнение неразрывности, кинематические условия,

характеризующие меру скоростей деформации, уравнения

движения малого элемента 3hV , уравнения, определяющие

связь напряжений со скоростями деформаций [2].

В данной работе будем изучать течение и деформирование

материалов, обладающих свойствами вязкости и пластичности,

что можно описать вязкой моделью Ньютона и условием

постоянства интенсивности касательных напряжений.

Взаимосвязь скоростей деформации и напряжений

определяется линейным законом Ньютона для несжимаемого

материала:

)3,2,1(2' iijij ,

где 'ij - напряжение, ij - скорость деформации, μ-

коэффициент вязкости.

Предложенная модель связывает напряжения и скорости

деформации условием предельного напряженного состояния.

391

2'' 2Kf ijij

ijkkijij 3

1'' ,

где K – предельное напряжение, δij- символ Кронекера.

Скорости деформации ортогональны поверхности

текучести f(σ) в пространстве напряжений.

./)( ijij f

Особенностью рассматриваемой модели течения является

учет микроструктуры материала, не предполагающий

представительный объем бесконечно малым и безразмерная

характеристика :

h / L .

Конечность, представительного характерного объема

V h3 материальной среды, занимающей объем V

L3, приводит к уточнению всех дифференциальных

соотношений с учетом величин порядка 2в выражениях ,

определяющих скорости деформаций. cij

cijij 2

,

где cij - тензор скорости деформации, xx /2

-

оператор Лапласа. В уравнениях движения и уравнении

неразрывности, содержащих первые производные по

геометрическим координатам для случая микроструктурного

материала при 0 появляются добавочные слагаемые порядка

.2

Представим такую модель систему дифференциальных

уравнений в виде [3].

Условия контакта материала, обладающего вязкостью,

пластичностью, наличием микроструктуры, с подвижной

материальной поверхностью S различаются многообразием.

Граничные условия определяются влиянием вида подвижной

жесткой поверхности S (гладкость или шероховатость) и

392

величиной вклада свойств деформируемого материала во

взаимодействие с поверхностью S.


1. Об одной математической модели шестого порядка с

негладкими решениями / А.Д. Баев, Е.А. Бородина, Ф.В.

Голованева, С.А. Шабров // Вестник ВГУ. Серия : Физика.

Математика.- 2018.-№2.- С. 93-105.

2.Математическое моделирование процесса формирования

тонких резистивных пленок центрифугированием/ Г.В. Абрамов,

Е.А. Бородина // Современные проблемы прикладной математики

и математического моделирования. Материалы II

Международной научной конференции. ВГТА.- 2007.- С. 3-4.

3. Гидродинамическое описание процесса формирования пленок

центрифугированием / Г.В. Абрамов, Е.А. Бородина //

Кибернетика и высокие технологии XXI века IX Международная

научно - техническая конференция.- 2008.- С. 1031-1035.

4.Достаточные условия разрешимости граничной задачи

шестого порядка с негладкими решениями сильной

нелинейностью/ А.В.Елфимова, М.А. Симонова, М.Б.

Давыдова, Е.А. Бородина // Современные методы теории

краевых задач. Материалы Международной конференции,

посвященной 90-летию В.А.Ильина.- 2018.- С. 90-91.

5. Об одной граничной задаче шестого порядка с сильной

нелинейностью / Е.А Бородина., Ф.В. Голованева, С.А Шабров //

Вестник ВГУ. Серия : Физика. Математика .-2019.-№2. - С. 65-69.

393

УДК 004.032.26

АНАЛИЗ ЭФФЕКТИВНОСТИ ОБУЧЕНИЯ ПОЛНОСВЯЗНОЙ

НЕЙРОННОЙ СЕТИ ПРЯМОГО РАСПРОСТАНИЕНИЯ

Попов М.И.

ФГБОУ ВО "Воронежский государственный

университет инженерных технологий",


В современном мире нейронные сети находят все больше

областей применения. Классической задачей, решаемой

нейронной сетью традиционно считается распознавание

изображений. Данная задача относится к задаче классификации.

Сюда же можно отнести и распознавание речи, с чем также

хорошо справляются нейронные сети. Другим классом задач

являются задачи прогнозирования. Например, экономические

прогнозы на уровень спроса, объем продаж, рост или падение

акций [1]. Сюда же можно отнести и анализ платёжеспособности

клиента и риска предоставления ему кредита, и анализ

надёжности фирмы и измерение вероятности её банкротства. Без

ИНС трудно себе представить и обработку запроса в поисковых

системах интернета. Отдельно следует отметить использование

ИНС в медицине. Они ставятся незаменимыми при постановке

диагнозов многих заболеваний [2].

Задача распознавания рукописных цифр вполне

естественна. Она возникает в качестве подзадачи в различных

областях. Например, распознавание отсканированных

документов, распознавание номеров автомобилей на снимках.

Для рукописных цифр создана большая база данных MNIST,

которая содержит 60000 обучающих и 10000 тестовых примеров.

Каждый пример представляет из себя изображение размером

28 28 пикселей в оттенках серого. Обилие примеров позволяет

провести полноценный качественный анализ нейронной сети.

Рассмотрим полносвязную нейронную сеть прямого

распространения содержащую 3 слоя. Входной слой передает

сигнал к нейронам скрытого слоя без изменения. Скрытый и

394

выходной слои имеют нулевое смещение и используют сигмоиду

в качестве функции активации. Поскольку размер входного

изображения 28 28 , входной слой содержит 784 нейрона. Для

не допущения насыщения сети входные значения нормируются

так, чтобы они попадали в диапазон [0.01,0.99] [3]. Выходной

слой содержит 10 нейронов соответствующих цифрам от 0 до 9.

Начальные веса скрытого и выходного слоев задаются

случайным образом из симметричного диапазона, правый конец

которого определяется эмпирической зависимостью 1 n , где n –

количество входящих связей. В качестве функции потерь (loss

function) используется сумма квадратов ошибок. Оптимизатор

реализован в виде обычного градиентного спуска.

Зависимость эффективности обучения сети, имеющей 100

нейронов в скрытом слое, от количества эпох обучения отражена

на рисунке 1. Сплошная линия соответствует коэффициенту

обучения (learning rate) 0.09, штриховая – 0.1, пунктирная – 0.2.

Как и предполагалось, эффективность обучения возрастает с

увеличением числа эпох обучения. Чем больше эпох, тем меньше

должен быть коэффициент обучения для достижения

максимальной эффективности. После 11 эпох обучения

эффективность падает. Этот факт может быть связан с

переобучением сети в связи с тем, что обучающие примеры идут

в том же порядке на каждой эпохе обучения.

Рисунок 1. Зависимость эффективности от количества эпох обучения.

395

Проводя аналогию с обучением человека, естественно

предположить, что его эффективность возрастет, если

использовать в процессе тренировочные примеры использовать в

произвольном порядке. Сеть обучается на том же наборе данных,

но примеры расположены в случайном порядке. Различным

выборкам соответствуют различные результаты, что приводит

определенным трудностям, усложняя процесс обучения. Данная

проблема решается многократным повторением обучения, с

сохранением лучшего результата. В этом случае под эпохой

обучения следует понимать попытку, приводящую к повышению

эффективности. Такой подход требует значительное увеличение

времени обучения. Однако, как показывают вычислительные

эксперименты, данная проблема возникает лишь на

заключительных этапах обучения.

Анализ количества нейронов в скрытом слое показывает

следующую динамику (рисунок 2). Сплошная линия

соответствует обучению на примерах, перемешанных в

случайном порядке, штриховая – без изменения порядка. Даже 5

нейронов правильно распознают 82% изображений, а 10

нейронов обеспечивают уже 91,2% без перемешивания и 92,1% в

случайном порядке. Затем точность увеличивается, достигая

96,7% и 97,14% на 50 нейронах. При дальнейшем увеличении

количества нейронов в скрытом слое эффективность

увеличивается незначительно. 100 нейронов обеспечивают

точность 97,31% и 97,67%, что всего на 0,6% лучше, чем на 50.

Рисунок 1. Зависимость эффективности от количества нейронов

скрытого слоя.

396

Исследование эффективности созданной нейронной сети

позволило выделить ключевые моменты в обучении. Для

успешного обучения сеть должна обладать достаточным

количеством нейронов в скрытом слое. В рассмотренном примере

достаточно 100 нейронов. Необходимо повторять обучение

несколько раз. При этом коэффициент обучения должен быть

уменьшен, оптимальный коэффициент равен 0.08. Обучающие

примеры должны поступать в сеть в случайном порядке.

Максимальная эффективность достигнута на 15 эпохе обучения.


1. Шотыло, Д. М. Тенденции развития искусственных

нейронных сетей в цифровой экономике / Д. М. Шотыло, В. Е.

Крайнова, А. В. Скурыдин // Экономинфо. – 2018. – Т. 15. – № 4.

– С. 65-69.

2. Гусев А.В. Перспективы нейронных сетей и глубокого

машинного обучения в создании решений для здравоохранения /

А.В. Гусев // Врач и информационные технологии. – 2017. – №3.

– С. 92-105.

3. Рашид Т. Создаем нейронную сеть. : Пер. с англ. —

СПб.: ООО “Альфа-книга”, 2017. — 272 с.

397

НАУЧНОЕ ИЗДАНИЕ

МАТЕРИАЛЫ

X НАЦИОНАЛЬНОЙ НАУЧНО-ПРАКТИЧЕСКОЙ

КОНФЕРЕНЦИИ С МЕЖДУНАРОДНЫМ УЧАСТИЕМ

МОДЕЛИРОВАНИЕ

ЭНЕРГОИНФОРМАЦИОННЫХ

ПРОЦЕССОВ

В авторской редакции

Подписано в печать. Формат 60 х 84 1/16

Усл. печ. л. 24,81. Тираж 100 экз. Заказ №

ФГБОУ ВО «Воронежский государственный университет инженерных технологий»

(ФГБОУ ВО «ВГУИТ»)

Отдел полиграфии ФГБОУ ВО «ВГУИТ»

Адрес университета и отдела полиграфии:

394036, Воронеж, пр. Революции, 19

МОДЕЛИРОВАНИЕ ЭНЕРГОИНФОРМАЦИОННЫХ ...

Documents

Transcript of МОДЕЛИРОВАНИЕ ЭНЕРГОИНФОРМАЦИОННЫХ ...