Семантично-узгоджене середовище гіперпросторового моделювання ГКІС

Особливості створення семантично-узгодженого середовища гіперпросторового моделювання. Процеси в організаційно-технічних, технологічних, економічних, екологічних та інших складних об’єктах управління, які в сучасному техногенному суспільстві трансформувались у ГКІС, характеризуються значною кількістю параметрів, що залежать як від стану і властивостей їх компонентів, так і зовнішніх факторів, причому модульність і гетерогенність таких систем реалізується у розподіленій в просторі і часі формі.

Означення 12.1. Гетерогенність системи — це інтегрування різних за фізичною природою і складністю комплектуючих її компонент (підсистем, модулів тощо), кожна з яких, у свою чергу, також може поєднувати різні за своїми властивостями і принципом функціонування складові.

Серед інших визначальних властивостей ГКІС, що позначаються на ефективності їх розробки та використання, слід враховувати: дискретність процесів, які в них проходять; конвеєрний характер руху матеріальних (інформаційних, енергетичних, транспортних) потоків; наявність так званого істинного паралелізму в таких системах при проходженні процесів або подій, пов’язаних з їх виконанням; можлива наявність циклічних утворень у послідовностях технологічного функціонування, що потребує синхронізації та координації процесів і явищ, які відбуваються в системі; ієрархічність побудови, пов’язана з відповідними рівнями цільового абстрагування функцій ГКІС; агрегатованість станів, які змінюються під впливом сукупної дії внутрішніх і зовнішніх факторів; нарешті, гнучкість системи, яка проявляється в її спроможності шляхом параметричних і структурних змін, що не виходять за межі вихідного визначення цієї системи, реагувати на ініційовані ззовні зміни поточного завдання або умов (середовища) його виконання при дотримуванні прийнятих обмежень на часові та інші параметри.

Все наведене утруднює ідентифікацію об’єктів такої складності та розмірності, коли вимагається наявність математичного апарату для відображення природи явищ, які проходять в них, з комплексним урахуванням специфіки функціонування — семантично-узгодженого комплексно-інтегрованого середовища (СУКІС).

При ідентифікації та моделюванні ГКІС розглядаються як віртуально утворені дискретно-подійні системи (ДПС), зміна станів яких відбувається в дискретні, непередбачувані моменти часу при здійсненні подій.

Реальні ГКІС, як правило, реалізуються у “розподіленій” формі (рис. 12.1), модульна основа якої зберігається в усіх просторових вимірах.

Означення 12.2. Розподілена ГКІС — це система із сукупністю автономних компонентів — обробляючих ресурсів, пов’язаних між собою через спеціальним чином організовані інформаційні й транспортні потоки і спрямованих на генерацію певного загального виходу (напівфабрикату чи готового виробу).

Це означення дає уявлення про ситуаційний, подійний характер інформаційно-матеріальних перетворень, яких зазнає об’єкт виробництва за час дискретного проходження процесу на окремих обробляючих ресурсах системи.

 

Рис. 12.1. Гіперпросторова модель дискретно-подійної ГКІС

Як зазначалося в розд. 9.5, така послідовність чергування подій у “плані” являє собою планарну композицію процесу і свідчить про ППР системи, яка ілюструється рис. 12.2.

 

Рис. 12.2. Приклад планарної композиції системи ( модульні компоненти системи; інтерфейсні зв’язки між модулями)

Головною метою ієрархічного композиційного моделювання є або “уточнення” будь-якої з компонент ДПС шляхом заміни її групою підмоделей нижчого рівня, або “абстрагування” декількох компонент ДПС шляхом заміни їх однією підмоделлю на вищому рівні подання системи. Така структурна міжрівнева трансформація ієрархічної ДПС свідчить про її ПІР, ілюстрація якої наведена на рис. 12.3.

Утворені в результаті композиційного моделювання підмоделі після об’єднання стають внутрішніми компонентами моделі, а інтерфейси успадковуються з об’єднаних або заміщених компонент.

Нарешті, як показано в розд. 9.5, можливість переходу ГКІС під впливом збурюючих факторів з одного агрегатного стану в інший (в тому числі й нештатний режим функціонування) викликає необхідність такого подання в ДПС, яке відображає вплив цих факторів на якісні/кількісні показники функціонування реальної системи. Множина таких описів характеризує композиційність станів і утворює ПАР системи (див. рис. 9.9).

 

 

Рис. 12.3. Приклад ієрархічної композиції системи (S — системний компонент вищого рівня; С ₁, С ₂, С ₃ — підмоделі нижчого рівня)

Реалізація ДПС сама по собі є непростим завданням, яке посилюється гетерогенною природою ГКІС і складними схемами синхронізації та координації. Існуючі методи синтезу/аналізу, верифікації, ідентифікації та моделювання дуже спеціалізовані і не підтримують автоматичної послідовності “синтез — імітація — верифікація — перегляд” у межах одного семантичного середовища. Так, для відображення особливостей функціонування ГКІС використовуються методи: теорії автоматів, марківських процесів, теорії черг, максплюс і процесорних алгебр, імітаційного моделювання, апарату сіток Петрі, диференційних рівнянь тощо. Але з переліченого тільки апарат СП задовольняє першочергову вимогу щодо засобів подання та синтезу/аналізу ДПС — ефективно відображувати асинхронність та істинний паралелізм в системі і має потужні можливості для аналізу її поведінки. Проте недостатні в СП розвиненість синтаксичного опису і композиційні спроможності часто вимагають відповідних розширень цього апарату на конкретну об’єктну область.

Процедурна реалізація гіперпросторових моделей ГКІС. З урахуванням сказаного створення СУКІС сприятиме підвищенню ефективності розв’язання задач ідентифікації процесів і композиційного моделювання на основі комбінованих методів гіперпросторової семантики на стадії створення системи та управління нею і забезпечує: по-перше, визначеність формально обґрунтованих математичних правил; по-друге, аналітичне передбачення складних динамічних і тупикових ситуацій і взаємних блокувань компонент, зациклювань і т. ін.; по-третє, набір засобів розв’язування і попередження проблемних ситуацій. Особливого значення у зв’язку з гіперпросторовою розподіленістю ГКІС набувають методи вибору й оптимізації ефективних значень параметрів настроювання ДПС, що пов’язано з необхідністю прийняття рішень при невизначеності і нечіткості умов переходу системи в новий агрегатний (під дією зовнішніх факторів) або дискретний (відповідно до вектора управління) стани [60]. Необхідні вимоги, що накладаються специфікою ДПС на умовну цільову СУКІС, ілюструються цільовим середовищем моделювання (рис. 12.4). Насамперед базовий формалізм 1, на основі якого будуються складові моделей M _k, M _m, M _n, … семантичного середовища і який може відображати асинхронність, паралелізм, тупикові ситуації при функціонуванні ДПС. Цей формалізм має композиційні властивості і забезпечений набором відповідних операторів алгебраїчного типу для довільних сполучень 2 і 3 підмоделей M _k – M _m , M _m – M _n, відповідно, що дає змогу реалізувати часткове залучення підмоделей (так, композиція підмоделей M _m і M _n, де M _n вважається частково “охопленою” оператором, що на рис. 12.4 умовно відображено її невизначеним положенням 4). Можуть моделюватися як однозначно визначені 5, так і з різною (в тому числі нечітко поданою) залежністю 6 елементів міжмодульні матеріальні та інформаційні потоки. При цьому незалежно від паралельності комбінування і дроблення структури на підмоделі поведінка досліджуваної ГКІС 7 однозначно визначена ДПС. Моделююче середовище ДПС враховує взаємодію 8 із зовнішніми методами прийняття рішень і підтримується відповідними методами 9.

Рис. 12.4. Цільове середовище моделювання ГКІС

З урахуванням сказаного можна визначити таку процедурну послідовність формалізації гіперпросторових ГКІС [65]:

Процедура 1. Будується інформаційна модель виробу, яка подається множиною А властивостей і станів конструктивно-технологічних, структурних, економічних, інформаційних тощо параметрів. Якщо поділити множину А на неперетинні підмножини а_ij різних ієрархічних рівнів і врахувати структуру об’єкта дослідження (виробу) та реальні зв’язки між його компонентами, то такий об’єкт як система подається інформаційною моделлю у вигляді графа. Проміжні вершини цього графа визначають властивості окремих складових виробу, а корінь дерева — узагальнену властивість виробу; дуги графа вказують на взаємозв’язок усіх складових об’єкта. Матриця суміжності граф-моделі дає змогу врахувати всі кількісно-якісні характеристики процесу виготовлення і по суті формувати технологічний процес.

Процедура 2. На основі структурно-функціонального аналізу граф-моделі, а також множини А і підмножин а_ij компонентів виробу на кожному з ієрархічних рівнів формується система засобів технологічного забезпечення ГКІС і структура останньої [19].

Процедури 3–5. Обґрунтовується вибір СУКІС — набір ефективних взаємоузгоджених семантичних засобів для: відображення логіки диспетчеризування і динаміки ситуаційного моделювання транспортних та інформаційних потоків в обробляючих ресурсах ГКІС (тобто формується простір ППР) на різних рівнях абстракції з метою уточнення динамічних властивостей і показників ефективності у заданих обмеженнями умовах (простір ПІР); одночасно враховується вплив зовнішніх збуджень і внутрішніх критичних факторів, які мають імовірнісний характер, і відображується можливість виникнення нештатних ситуацій у системі (формується простір ПАР).

Процедури 6–7. На основі вибраної СУКІС будується гіперпросторова модель ГКІС з високорівневою сітковою семантикою у вигляді апарату модифікованих СП (див. розд. 8), а також низькорівневих підмоделей ГКІС із залученням відповідних синтаксичних подань та операційної семантики, в тому числі розширень апарату СП (див. розд. 7 і 8), рівнянь динаміки (див. розд. 11.5) і процесних алгебр (див. розд. 2).

Процедура 8. На базі об’єднання імітаційного моделювання (див. розд. 10) з методами задоволення обмеженням реалізуються принципи обробки нечітких ситуацій композиційного моделювання і прийняття рішень в умовах невизначеності (див. розд. 4 і 9) при інтелектуалізованому управлінні ходом технологічного процесу, що реалізується у ГКІС. Одночасно на основі спеціальних програм планування і проведення експерименту інтелектуалізованими компонентами системи (див. розд. 6.4 і 11.6) здійснюється прогін моделі та оптимізуються параметри компонент і ГКІС загалом [140].