Розробка інформаційної технології підтримки прийняття рішень при керуванні холодильними установками

Автор(и)

  • Alla Selivanova Одеська національна академія харчових технологій вул. Канатна, 112, м. Одеса, Україна, 65039, Україна https://orcid.org/0000-0002-3395-1422
  • Tatyana Mazurok Південноукраїнський національний педагогічний університет ім. К. Д. Ушинського вул. Старопортофранківська, 26, м. Одеса, Україна, 65020, Україна https://orcid.org/0000-0002-7829-4446
  • Artem Selivanov Одеський технічний коледж Одеської національної академії харчових технологій вул. Балківська, 54, м. Одеса, Україна, 65006, Україна https://orcid.org/0000-0003-0177-1344

DOI:

https://doi.org/10.15587/1729-4061.2019.169812

Ключові слова:

інформаційна підтримка прийняття рішень, інтелектуальне управління холодильним устаткуванням, нейро-нечітке моделювання

Анотація

Досліджено особливості процесу прийняття рішень стосовно управлінського впливу з боку оператора холодильної установки, як багатофакторної енергетичної системи із внутрішніми та зовнішніми збурювачами.

Такий об’єкт, як холодильна установка, не може бути у повній мірі формалізований і описаний методами традиційного моделювання, оскільки має властивості часткового саморегулювання та самовирівнювання. Тому на основі застосування узагальненої моделі холодильної установки, вдосконалено систему підтримки прийняття рішень, що дозволяє врахувати неформалізовану інформацію засобами нейро-нечіткого компонента. Розроблено інформаційну технологію підтримки прийняття рішень при керуванні холодильними установками різного типу. Її впровадження дозволяє зменшити час виходу на потрібний режим роботи устаткування та стабілізації температурного режиму в об’єктах. Це дозволяє знизити коефіцієнт робочого часу холодильного устаткування та знизити вплив людського фактору, що підвищує безпеку роботи енергоустановки. Ефективність технології експериментально досліджено на одноступінчатій паро-компресійній промисловій аміачній холодильній установці, одноступінчатій паро-компресійній фреоновій холодильній установці центрального кондиціонера та на водо-аміачному абсорбційно-дифузійному агрегаті побутового морозильника типу «ларь». Кількість збуджуючих факторів та факторів впливу змінювались в широкому діапазоні. Вибірки даних, що призначені для навчання нейро-нечіткої системи, приймались за результатами дослідів на діючому обладнанні.

Запропонована інформаційна технологія може бути використана для створення комп’ютерних тренажерів для підвищення компетентності та кваліфікації промислово-виробничого персоналу без стажування на об’єктах підвищеної небезпеки

Біографії авторів

Alla Selivanova, Одеська національна академія харчових технологій вул. Канатна, 112, м. Одеса, Україна, 65039

Кандидат технічних наук

Кафедра інформаційних технологій та кібербезпеки

Tatyana Mazurok, Південноукраїнський національний педагогічний університет ім. К. Д. Ушинського вул. Старопортофранківська, 26, м. Одеса, Україна, 65020

Доктор технічних наук, професор, завідувач кафедри

Кафедра прикладної математики та інформатики

Artem Selivanov, Одеський технічний коледж Одеської національної академії харчових технологій вул. Балківська, 54, м. Одеса, Україна, 65006

Викладач

Комісія дисциплін холодильного циклу

Посилання

  1. Kovrehin, V. V., Taraduda, D. V., Shevchenko, R. I. (2011). Formuvannia metodolohichnykh pidkhodiv do vyznachennia koefitsientiv bezpeky osnovnykh elementiv amiachnoi kholodylnoi ustanovky za kryteriem «vplyv subiekta». Zbirnyk naukovykh prats Kharkivskoho universytetu Povitrianykh syl, 1, 233–236. Available at: http://nbuv.gov.ua/UJRN/ZKhUPS_2011_1_58
  2. Berisha-Namani, M., Qehaja, A. (2013). Improving Decision Making with Information Systems Technology – A theoretical approach. ILIRIA International Review, 1, 49–62. doi: https://doi.org/10.21113/iir.v3i1.96
  3. Rouse, W. B. (1983). Models of human problem solving: Detection, diagnosis, and compensation for system failures. Automatica, 19 (6), 613–625. doi: https://doi.org/10.1016/0005-1098(83)90025-0
  4. Rasmussen, J. (1983). Skills, rules, and knowledge; signals, signs, and symbols, and other distinctions in human performance models. IEEE Transactions on Systems, Man, and Cybernetics, SMC-13 (3), 257–266. doi: https://doi.org/10.1109/tsmc.1983.6313160
  5. Ayhorn, H. D. (2005). Poluchenie znaniy iz opyta i uslovno-optimal'nyh pravil pri prinyatii resheniy. Prinyatie resheniy v neopredelennosti. Pravila i predubezhdeniya. Kharkiv: Gumanitarnyy tsentr, 308–324.
  6. Kahneman, D., Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47 (2), 263. doi: https://doi.org/10.2307/1914185
  7. Johannsen, G., Rijnsdorp, J. E., Sage, A. P. (1983). Human system interface concerns in support system design. Automatica, 19 (6), 595–603. doi: https://doi.org/10.1016/0005-1098(83)90023-7
  8. Pew, R. W., Baron, S. (1983). Perspectives on human performance modelling. Automatica, 19 (6), 663–676. doi: https://doi.org/10.1016/0005-1098(83)90030-4
  9. Venkatasubramanian, V., Rengaswamy, R., Yin, K., Kavuri, S. N. (2003). A review of process fault detection and diagnosis. Computers & Chemical Engineering, 27 (3), 293–311. doi: https://doi.org/10.1016/s0098-1354(02)00160-6
  10. Phillips-Wren, G. (2012). Ai tools in decision making support systems: a review. International Journal on Artificial Intelligence Tools, 21 (02), 1240005. doi: https://doi.org/10.1142/s0218213012400052
  11. Sanayei, A., Farid Mousavi, S., Yazdankhah, A. (2010). Group decision making process for supplier selection with VIKOR under fuzzy environment. Expert Systems with Applications, 37 (1), 24–30. doi: https://doi.org/10.1016/j.eswa.2009.04.063
  12. Castillo, L., Dorao, C. A. (2012). Consensual decision-making model based on game theory for LNG processes. Energy Conversion and Management, 64, 387–396. doi: https://doi.org/10.1016/j.enconman.2012.06.014
  13. Jabari, F., Mohammadi-ivatloo, B., Ghaebi, H., Bannae-Sharifian, M.-B. (2019). Risk-Constrained Scheduling of a Solar Ice Harvesting System Using Information Gap Decision Theory. Robust Optimal Planning and Operation of Electrical Energy Systems, 61–78. doi: https://doi.org/10.1007/978-3-030-04296-7_4
  14. Sayyaadi, H., Nejatolahi, M. (2011). Multi-objective optimization of a cooling tower assisted vapor compression refrigeration system. International Journal of Refrigeration, 34 (1), 243–256. doi: https://doi.org/10.1016/j.ijrefrig.2010.07.026
  15. Khan, M. S., Lee, S., Rangaiah, G. P., Lee, M. (2013). Knowledge based decision making method for the selection of mixed refrigerant systems for energy efficient LNG processes. Applied Energy, 111, 1018–1031. doi: https://doi.org/10.1016/j.apenergy.2013.06.010
  16. Dalba, M. (2018). Analysis of energy and exergy efficiency of industrial refrigeration plant. Instytut Techniki Cieplnej.
  17. Pan, J. S. et. al. (2018). Preface: Special Issue on Recent Advances on Information Science and Big Data Analytics. Journal of Computers, 29 (5), 94–95.
  18. Xia, Y., Hung, M. H., Hu, R. (2018). Performance Prediction of Air-conditioning Systems Based on Fuzzy Neural Network. Journal of Computers, 29 (2), 7–20.
  19. Khmelniuk, M. H., Podmazko, O. S., Podmazko, I. O. (2014). Kholodylni ustanovky ta sfery yikh vykorystannia. Kherson: Hrin D. S., 484.
  20. Selyvanova, A. V. (2013). Modelyrovanye protsessa upravlenyia obobshchennoi kholodylnoi ustanovkoi. Systemni tekhnolohiyi, 3, 117–123.
  21. Saleh, B., Aly, A. A. (2015). Flow Control Methods in Refrigeration Systems: A Review. International journal of control, automation and systems, 4 (1), 14–25. Available at: http://researchpub.org/journal/jac/number/vol4-no1/vol4-no1-3.pdf
  22. Kalechman, M. (2008). Practical MATLAB basics for engineers. Taylor & Francis, 698.

##submission.downloads##

Опубліковано

2019-08-09

Як цитувати

Selivanova, A., Mazurok, T., & Selivanov, A. (2019). Розробка інформаційної технології підтримки прийняття рішень при керуванні холодильними установками. Eastern-European Journal of Enterprise Technologies, 4(2 (100), 60–71. https://doi.org/10.15587/1729-4061.2019.169812

Номер

Том 4 № 2 (100) (2019): Інформаційні технології. Системи управління в промисловості

Розділ

Системи управління в промисловості

Ліцензія

Авторське право (c) 2019 Alla Selivanova, Tatyana Mazurok, Artem Selivanov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.