Заключение. 
Системный анализ процессов химической технологии: метод нечетких множеств

Метод нечетких множеств, предложенный Л. Заде, привлек внимание специалистов различных направлений на решение проблемы машинной обработки качественной информации. Это стимулировало 1) критически оценить используемые ими и ранее известные методы исследования, 2) вскрытие особенностей технологических процессов, недостатков и трудностей построения математических моделей, 3) учет субъективных данных и знаний при разработкемоделей и систем управления.

Актуальным вопросом с позиции системного анализа является непосредственный переход от словесного описания исследуемой системы к ее математической модели. Введенное понятие нечеткого множества как математического объекта позволяет нечетко определенные понятия представить в числовом виде. При этом обеспечивается формализация качественной информации, которая сводится к экспертным оценкам, и последующая ее переработка. Представление химико-технологических систем диаграммами взаимных влияний параметров дает наглядное представление об изучаемой системе и лежит в основе построения моделей, что подробно рассмотрено при решении конкретных задач.

На качественном этапе системного анализа при решении научных и инженерно-технических задач, направленных на совершенствование, проектирование и управление процессов химической технологии, требуется учитывать различного вида неопределенности. Довольно часто неопределенности обусловлены уровнем знаний (в рамках решаемой задачи) об изучаемой технологической системе. Выделяют общий уровепь знаний и знапия одного или группы специалистов. Неопределенности могут возникать и по другим причинам. К ним относятся большие погрешности измерений, что рассмотрено при решении задачи по оценке запасов газа в месторождении. Использование качественной информации при экстраполяции функции тепловых потоков в стекловаренной печи обусловлено отсутствием количественных экспериментальных данных в недоступной для измерений области. В процессах получения полиэтилена методом высокого давления и ректификации из-за сложности описания взаимосвязей между параметрами применен подход нечетких множеств. Привлечение качественной информации при синтезе нечетких регуляторов определяется желанием использовать неформализованные знания и опыт оператора. Неопределенности могут являться причиной нечеткости задания целей исследования и ограничений. Последнее показано при решении задач оптимизации функционирования ХТС в нечетко определенных ситуациях. Во всех этих задачах применен один из приемов уменьшения неопределенности — привлечение качественной информации, которая представляет неформализованные знания.

Рассматривая математическую модель как способ сжатия и хранения знаний о конкретной технологии, метод нечетких множеств позволяет объединять знания, получаемые из различных источников, и фиксировать их в виде моделей. Метод дает возможность конструировать относительно «гибкие» математические модели, которые при изменении качественного описания исследуемой системы или необходимости учета дополнительных факторов можно достаточно просто перестроить. Такая перестройка может достигаться изменением диаграммы взаимных влияний технологических параметров (изменение числа параметров и связей между ними), корректировкой лингвистического описания взимосвязей между параметрами. Последнее влечет расчет корректируемых нечетких отношений, не изменяя другие. Все это не влияет существенным образом на алгоритм решения поставленной задачи, носколь ку может меняться количество параметров, связей между ними, а также качественное описание связей. Указанное справедливо в случае работы с диаграммами взаимных влияний параметров, которые представляют ориентированные графы при отсутствии замкнутых маршрутов. Решение именно таких задач было рассмотрено в книге.

Качественный этап системного анализа предусматривает сбор, 'Систематизацию и оценку достоверности первичной качественной информации. Она выполняется проведением повторных наблюдений, активных экспериментов, получением данных с помомщью имеющихся моделей. С этой точки зрения наиболее трудоемкой стадией применения подхода нечетких множеств является представление физико-химических систем в виде диаграмм взаимных влияний и запись достоверного лингвистического описания взаимосвязей между параметрами. В обоих случаях необходимо основываться на физико-химических закономерностях. Отметим, что при исследовании реальных производств метод нечетких множеств обычно применяют в дополнение к другим методам исследования. Для достаточно простых задач не выделяют качественный этап системного анализа и качественную информацию активно не используют. При построении моделей сложных процессов и явлений возникает необходимость учета качественной информации.

Общее развитие методологии нечетких множеств позволило наряду с решением частных задач по моделированию, оптимизации и управлению процессами химической технологии перейти к созданию экспертных диалоговых систем, которые ориентированы на пользователей, не владеющих методами прикладной математики, программирования и вычислительной техникой. При этом ставится цель предоставить специалисту-технологу инструмент, который позволил бы ему синтезировать модель, используя свои знания. Построение экспертных диалоговых систем, основанных на подходе нечетких множеств, дает возможность оперативно использовать и перерабатывать качественную информацию, получая при этом математическую модель технологического процесса. В дальнейшем модель может быть использована для оптимизации технологического процесса, синтеза систем управления и других целей.

В экспертных диалоговых системах оценка достоверности используемой качественной информации может быть обеспечена соответствующей базой знаний, которая должна храниться в системе. При реализации баз знаний потребуется решить комплекс задач. Во-первых, объединять существующее и разрабатывать новое программное обеспечение, отражающее основные закономерности процессов химической технологии. Во-вторых, систематизировать и формализовывать качественную информацию, изучая при этом особенности технологии, опыт проектирования и эксплуатации производств, в условиях четко и нечетко определенных ситуациях. В-третьих, формирование баз знаний требует выполнения этапа обучения ЭВМ. На этом этапе желательно, чтобы специалисты различных направлений обменивались своими знаниями. Представляется, что этап обучения будет наиболее трудоемким из-за необходимости оценки достоверности исходной информации, в ряде случаев нежелания специалистов делиться своими знаниями, возможности создания определенного удобства использования ЭВМ и других факторов.

Детально рассмотренные в данной работе задачи, касающиеся применения подхода нечетких множеств, не охватывают всех направлений использования этого метода в силу специфики области применении. Метод применяется также при решении задач технической и медицинской диагностики, экономических и социальных исследований, создания систем искусственного интеллекта и робототехпических систем. О некоторых задачах читатель может узнать по книге, выпущенной издательством «Наука» в 1986 г. под редакцией Д. А. Поспелова «Нечеткие множества в моделях управления и искусственного интеллекта».

Если оценивать метод нечетких множеств в целом, то он стимулировал развитие математических методов и методологии качественного этана системного анализа, дал возможность учитывать при построении моделей факторы, которые носят качественный характер, и субъективные знания о технологических процессах, способствуя более детальному изучению процессов химической технологии.