Älykkäiden automatisoitujen ohjausjärjestelmien synteesi monimutkaisia teknologisia prosesseja varten. Organisaation investointi houkuttelevuuden arviointi (Synthesis of Intelligent Systems LLC:n esimerkillä) Lyhyt kuvaus järjestelmän ominaisuuksista

Sijoitustoiminnan rahoituslähteet. Omaisuuden rakenteen ja dynamiikan sekä sen muodostumisen lähteiden analyysi. Pääsuunnat investointien houkuttelevuuden lisäämiseen: organisaation voiton kasvattaminen laajentamalla myyntimarkkinoita.

Lähetä hyvä työsi tietokanta on yksinkertainen. Käytä alla olevaa lomaketta

Opiskelijat, jatko-opiskelijat, nuoret tutkijat, jotka käyttävät tietopohjaa opinnoissaan ja työssään, ovat sinulle erittäin kiitollisia.

Lähetetty http://www.allbest.ru//

Venäjän federaation opetus- ja tiedeministeriö

Liittovaltion budjettikoulutuslaitos

korkeampi koulutus

TOMSKIN VALTION OHJAUSJÄRJESTELMÄ- JA RADIOELEKTRONIIKAN YLIOPISTO (TUSUR)

Taloustieteen laitos

Organisaation investointi houkuttelevuuden arviointi (käyttämällä Synthesis of Intelligent Systems LLC:n esimerkkiä)

Kandidaatin työ

suuntaan 38.03.01 - Taloustieteen profiili "Rahoitus ja luotto"

Lopputyö 73 sivua, 5 kuvaa, 16 taulukkoa, 23 lähdettä.

Tutkimuskohde - Osakeyhtiö "Synthesis of Intelligent Systems".

Työn tarkoituksena on arvioida organisaation SIS LLC:n investointihalukkuutta ja antaa suosituksia sen parantamiseksi.

Tämän tavoitteen saavuttamiseksi ratkaistiin seuraavat tehtävät:

Investoinnin houkuttelevuuden teoria analysoidaan, sijoituskäsitteen olemus ja luokittelu, sijoitusten houkuttelevuuden käsite määritellään;

Analysoidaan menetelmiä organisaation investointien houkuttelevuuden arvioimiseksi;

Organisaation SIS LLC:n investointi houkuttelevuutta arvioitiin taloudellisten ja taloudellisten indikaattoreiden perusteella;

Pääsuunnat sijoitusten houkuttelevuuden lisäämiseksi ehdotetaan, nimittäin: organisaation voiton kasvattaminen laajentamalla myyntimarkkinoita.

Tutkimuksen tietokanta, osana tämän lopullisen pätevöintityön toteuttamista, koostui: tiedot yrityksen tilinpäätöstiedoista, organisaation virallisilla verkkosivuilla julkaistuista tiedoista, tieteellisissä lehdissä julkaistuista tutkijoiden tutkimusaineistoista, tieteellisistä artikkeleita aikakauslehdissä, opetusvälineissä sekä Internetin tietolähteissä.

Loppututkintotyö 73 sivua, 5 piirustusta, 16 taulukkoa, 23 lähdettä.

Tutkimuksen kohteena on osakeyhtiö "Älykkäiden järjestelmien synteesi"

Työn tarkoituksena on arvioida organisaation SIS LLC:n investointihalukkuutta ja ehdottaa suosituksia sen parantamiseksi.

Tämän tavoitteen saavuttamiseksi suoritettiin seuraavat tehtävät:

Analysoidaan sijoitusten houkuttelevuuden teoriaa, määritellään sijoituskäsitteen ydin ja niiden luokittelu, sijoitusten houkuttelevuuden käsite;

Analysoidaan menetelmiä organisaation investointien houkuttelevuuden arvioimiseksi;

Arvio SIS-organisaation houkuttelevuudesta sijoittaa taloudellisiin ja taloudellisiin indikaattoreihin;

Pääsuunnat investointien houkuttelevuuden lisäämiseksi ehdotetaan, nimittäin: organisaation voiton kasvattaminen myyntimarkkinoiden laajentumisen seurauksena.

Tutkimuksen tietokanta tämän lopputyön puitteissa oli: tiedot yrityksen kirjanpitoraporteista, organisaation virallisilla verkkosivuilla julkaistut tiedot, tieteellisissä lehdissä julkaistut tutkijoiden tutkimusmateriaalit, tieteelliset artikkelit aikakauslehdissä, opetusvälineet ja verkon tietoresurssit Internet.

JOHDANTO

Nykyaikaisissa olosuhteissa eri omistusmuotojen organisaatioiden tehtävänä on lisätä tuottavuuttaan, kilpailukykyään, kannattavuuttaan ja taloudellista riippumattomuuttaan pitkällä aikavälillä, mikä riippuu suoraan organisaation nykyisestä sijoitustoiminnan tasosta, sen sijoitustoiminnan laajuudesta ja investoinneista. houkuttelevuutta.

Sijoitusten houkuttelevuus on mittari, jonka avulla sijoittajat tekevät päätöksiä varojensa sijoittamisesta tiettyyn organisaatioon.

Valitun aiheen relevanssi johtuu siitä, että potentiaalisilla sijoittajilla, kuten myös johtajilla, on oltava selkeä malli organisaation sijoitus houkuttelevuuden arvioimiseksi tehokkaimman johtamisen tai sijoituspäätöksen tekemiseksi. Myös investointien houkuttelevuuden taso on tärkeä luotonantajille ja asiakkaille, ensimmäiset ovat kiinnostuneita organisaation luottokelpoisuudesta ja jälkimmäiset liikesuhteiden luotettavuudesta, organisaation toiminnan jatkuvuudesta ja vakaudesta, jotka riippuvat likviditeetistä. ja organisaation taloudellisen vakauden tila.

Joukko arvioitavia indikaattoreita

Sijoituksen houkuttelevuus riippuu sijoittajan erityistavoitteista.

Organisaatioiden investointivetovoiman määrittämisen merkitys on kiistaton, sillä ilman tätä yrityskokonaisuuksiin ei tehdä investointeja eikä sen seurauksena ole mahdollista talouskasvua ja sen vakauttamista. Joissain tapauksissa investoinneilla varmistetaan koko organisaation elinkelpoisuus.

Taloudellinen analyysi päämekanismina, joka varmistaa organisaation taloudellisen vakauden ja arvioi sen houkuttelevuutta mahdollisille sijoittajille, on keskeinen linkki sijoitusten houkuttelevuuden määrittämisessä. Sen päätavoitteena on tutkia ongelmia, joita syntyy arvioitaessa organisaation taloudellista houkuttelevuutta sijoittajalle. Tältä osin tarkastellaan organisaation taloudellisen tilanteen analysoinnin näkökohtia, arvioidaan kannattavuuden, luottokelpoisuuden, tehokkuuden ja taloudellisen vakauden tasoa.

Taloudellisen analyysin tuloksena on selvitetty tärkeimmät suunnat analysoitavan organisaation investointien houkuttelevuuden lisäämiseksi.

Opinnäytetyön tarkoituksena on tutkia investointien houkuttelevuuden käsitteeseen liittyviä teoreettisia näkökohtia ja sen arviointimenetelmiä, arvioida suoraan sijoitusten houkuttelevuutta organisaation Synthesis of Intelligent Systems LLC esimerkin avulla sekä kehittää suosituksia sijoitusten houkuttelevuuden parantamiseksi. organisaatio.

Tämän tavoitteen saavuttamiseksi on tarpeen ratkaista seuraavat tehtävät:

Selvitä sijoitukset ja luokittele niiden olemus;

Tutkimusmenetelmät organisaation investointien houkuttelevuuden arvioimiseksi;

Arvioi organisaation investointi houkuttelevuutta valitun metodologian perusteella;

Tutkimuksen kohteena on organisaatio Synthesis of Intelligent Systems LLC.

1. ORGANISAATIOJEN SIJOITUSTOIMINNAN TEOREETTISET PERUSTEET

1.1 Sijoitusten luonne ja luokittelu

Tiedemiesten ja taloustieteilijöiden keskuudessa ei ole yhteisymmärrystä investointien olemuksesta taloudellisena kategoriana. On olemassa erilaisia tulkintoja, joiden merkitys eroaa, joista jotkut eivät välitä tämän termin koko olemusta.

25. helmikuuta 1999 annetun liittovaltion lain N 39-FZ "Sijoitustoiminnasta Venäjän federaatiossa pääomasijoitusten muodossa" mukaan "... sijoitukset - käteinen, arvopaperit, muu omaisuus, mukaan lukien omistusoikeudet, muut oikeudet, joilla on rahallista arvoa , jotka on sijoitettu yritys- ja (tai) muun toiminnan kohteisiin voiton saamiseksi ja (tai) muun hyödyllisen vaikutuksen saavuttamiseksi."

Käsitteen tulkintojen monipuolisuuden perusteella voidaan erottaa sijoituksen taloudellinen ja rahoituksellinen määritelmä. Taloudellinen määritelmä luonnehtii investointeja kustannusten kokonaisuudeksi, joka toteutuu pitkäaikaisten pääomasijoitusten muodossa tuotanto- ja ei-tuotantoalojen talouden eri sektoreille. Investoinneilla tarkoitetaan taloudellisesti kaikenlaisia resursseja, jotka sijoitetaan liiketoimintaan tulon tai hyödyn saamiseksi tulevaisuudessa.

Yleisesti ottaen investoinneilla tarkoitetaan pääoman sijoittamista sen kaikissa muodoissa, joiden tarkoituksena on tuottaa tuloja tulevaisuudessa tai ratkaista tiettyjä ongelmia.

Organisaatio voi harjoittaa tai olla harjoittamatta sijoitustoimintaa, mutta sen suorittamatta jättäminen johtaa kilpailuaseman menettämiseen markkinoilla. Tästä seuraa, että sijoitukset voivat olla passiivisia ja aktiivisia:

passiiviset - investoinnit, jotka varmistavat vähintäänkin, ettei tietyn organisaation toimintaan tehtyjen investointien kannattavuus heikkene vaihtamalla vanhentuneita laitteita, kouluttamalla uutta henkilöstöä eläkkeellä olevien työntekijöiden tilalle jne.

aktiiviset - investoinnit, jotka varmistavat yrityksen kilpailukyvyn ja kannattavuuden kasvun verrattuna aikaisempiin ajanjaksoihin ottamalla käyttöön uusia teknologioita, vapauttamalla tavaroita, joilla on suuri kysyntä, valloittamalla uusia markkinoita tai ottamalla vastaan kilpailevia tuotteita. yritykset.

Sijoitukset on jaettu seuraaviin ryhmiin:

Sijoituskohteiden mukaan:

1) todelliset investoinnit ovat investointeja kiinteään pääomaan eri muodoissa (patenttien osto, rakennusten, rakenteiden rakentaminen, investoinnit tieteen kehittämiseen jne.);

2) rahoitus- (salkku)sijoitukset ovat sijoituksia osakkeisiin, joukkovelkakirjoihin ja muihin arvopapereihin, jotka oikeuttavat saamaan omaisuustuloa, sekä pankkitalletuksia.

Sijoituksiin osallistumisen luonteen mukaan:

1) suorat sijoitukset ovat suorien sijoittajien eli organisaation kokonaan tai määräysvaltaosuuden omistavien oikeus- ja yksityishenkilöiden tekemiä sijoituksia, jotka antavat oikeuden osallistua organisaation hallintoon;

2) välilliset sijoitukset ovat sijoituksia, jotka on tehty rahoituksen välittäjien (sijoituskonsultit, rahoitusmeklarit, pankkiiriliikkeet, sijoitusrahastot, liikepankit, vakuutusyhtiöt) kautta.

Sijoituskauden mukaan:

lyhytaikaiset sijoitukset - pääomasijoitukset viikosta yhteen vuoteen. Nämä sijoitukset ovat yleensä luonteeltaan spekulatiivisia. Lyhytaikaisen sijoittajan päätehtävänä on laskea arvopaperin liikesuunta viikkojen ja kuukausien asteikolla, määrittää tulopiste, jolla on suurin mahdollinen tulon ja riskin suhde;

keskipitkän aikavälin sijoitukset - varojen sijoittaminen yhdestä viiteen vuodeksi;

pitkäaikaiset investoinnit - 5 vuoden tai sitä pidemmät investoinnit (pääomainvestoinnit käyttöomaisuuden uudelleentuotantoon).

Sijoitusresurssien omistustyypin mukaan:

julkiset investoinnit - julkisten viranomaisten ja hallinnon toteuttamia budjettien ja talousarvion ulkopuolisten varojen kustannuksella;

yksityiset sijoitukset - yksityishenkilöiden tai oikeushenkilöiden tekemät sijoitukset, joiden tarkoituksena on tuottaa tuloja tulevaisuudessa;

yhdistetyt sijoitukset - tietyn maan ja ulkomaisten tahojen tekemät rahastosijoitukset tietyn tulon saamiseksi;

ulkomaiset investoinnit - ulkomaisten sijoittajien pääomasijoittaminen tuottoa varten.

Kronologisesti:

alkuinvestoinnit - tarkoituksena on perustaa yritys tai rakentaa uusi laitos;

nykyiset investoinnit - tavoitteena ylläpitää laitoksen teknisen laitteiston tasoa.

Sijoitustavoitteiden mukaan:

kiinteän pääoman korvaamiseksi;

laajentaa tuotantoa;

ostaa muiden organisaatioiden arvopapereita;

innovatiivisista teknologioista.

Sijoitusriskin tason mukaan:

vähäriskiset sijoitukset;

keskiriskin sijoitukset;

korkeariskiset sijoitukset.

Sijoitusten houkuttelevuuden tason mukaan:

vähän houkutteleva;

kohtalaisen houkutteleva;

erittäin houkutteleva.

Yksityishenkilöitä tai oikeushenkilöitä, jotka sijoittavat pääomaa omaan lukuunsa ja omalla kustannuksellaan tuottoa varten, kutsutaan sijoittajiksi.

Sijoittajat voivat sijoittaa omia, lainattuja ja lainattuja varojaan. Sijoittajat voivat olla valtion ja kuntien omaisuutta tai omistusoikeuksia hoitamaan valtuutettuja yhteisöjä, kaikenlaisia omistusmuotoja, kansainvälisiä järjestöjä ja ulkomaisia oikeushenkilöitä, yksityishenkilöitä.

Sijoitustoiminnan rahoituslähteitä ovat:

Organisaation omat taloudelliset resurssit ja sisäiset varaukset (voitto, poistot, kansalaisten ja oikeushenkilöiden käteissäästöt ja -säästöt, vakuutusviranomaisten maksamat varat korvausten muodossa onnettomuuksista, luonnonkatastrofeista jne.);

Kerätyt taloudelliset resurssit (saatu osakkeiden, osakkeiden ja muiden avustusten myynnistä työyhteisöjen jäseniltä, kansalaisilta, oikeushenkilöiltä);

Lainatut rahavarat tai siirretyt varat (pankki- ja budjettilainat, joukkovelkakirjalainat jne.);

Varat budjetin ulkopuolisista rahastoista;

Liittovaltion budjettivarat, joita ei palauteta, varat Venäjän federaation muodostavien yksiköiden budjeteista;

Varoja ulkomaisilta sijoittajilta.

Sijoituksia voidaan saada joko yhdestä tai useammasta lähteestä. On keskitetty (budjetti) - varat liittovaltion budjetista, varat Venäjän federaation muodostavien yksiköiden budjeteista ja paikallisista budjeteista - ja hajautettuja (budjetin ulkopuolisia) - yritysten ja organisaatioiden omat varat, ulkomaiset sijoitukset, lainat, rahastot budjetin ulkopuolisista varoista - investointilähteistä.

1.2 Organisaation investointi houkuttelevuus ja sen arviointimenetelmät

Monien tutkijoiden teokset on omistettu sijoitusten houkuttelevuuden käsitteen ja sen arviointimenetelmien tutkimukselle, esimerkiksi I.A. Blanca, V.V. Bocharova, E.I. Krylov ja muut.

Jokainen tutkija tulkitsee sijoitusten houkuttelevuuden käsitteen arvioinnissaan mukana olevista tekijöistä, ts. Ei ole yhtä ainoaa tulkintaa. Investointien houkuttelevuuteen vaikuttaa monia tekijöitä, joten suppeassa merkityksessä sijoitus houkuttelevuus on järjestelmä tai yhdistelmä sisäisen ja ulkoisen ympäristön eri piirteistä tai tekijöistä.

Selvimmin erilaiset näkemykset sijoitusten houkuttelevuuden ymmärtämisestä näkyvät taulukossa 2.1.

Taulukko 2.1 - "sijoittamisen houkuttelevuuden" käsitteen tulkinta

	Käsitteen tulkinta
Tyhjä I.A., Kreinina M.N.	Yleinen kuvaus yksittäisiin alueisiin ja kohteisiin sijoittamisen eduista ja haitoista tietyn sijoittajan näkökulmasta.
Roizman I.I., Shakhnazarov A.G., Grishina I.V.	Erilaisten objektiivisten ominaisuuksien, keinojen, mahdollisuuksien järjestelmä tai yhdistelmä, jotka yhdessä määräävät tehokkaan investointikysynnän maassa, alueella, toimialalla, yrityksessä.
Sevryugin Yu.V.	Määrällisten ja laadullisten tekijöiden järjestelmä, joka luonnehtii yrityksen todellista investointikysyntää.
Lyakh P.A., Novikova I.N.	Joukko kannattavimman ja vähiten riskialttiimman pääomasijoituksen ominaisuuksia millä tahansa talouden alueella tai minkä tahansa tyyppisessä toiminnassa.
Tryasitsina N.Yu.	Joukko yrityksen suorituskyvyn indikaattoreita, jotka määrittelevät sijoittajan kannalta edullisimmat sijoituskäyttäytymisen arvot.
Elinkeinoministeriön ryhmä	Kohteen investointipotentiaalin, riskien ja ulkoisen ympäristön tilan perusteella houkutettavissa oleva investointimäärä.
Putyatina L.M., Vanchugov M.Yu.	Taloudellinen luokka, joka kuvaa yrityksen omaisuuden käytön tehokkuutta, vakavaraisuutta, taloudellista vakautta, pääoman tuoton lisäämiseen perustuvan innovatiivisen kehityksen kykyä, tuotannon teknistä ja taloudellista tasoa, tuotteiden laatua ja kilpailukykyä.
Igolnikov G.L., Patrusheva E.G.	Taattu, luotettava ja oikea-aikainen sijoittajan tavoitteiden saavuttaminen sijoitustuotannon taloudellisten tulosten perusteella.
Guskova T.N., Ryabtsev V.M., Geniatulin V.N.	Tietty taloudellisen kehityksen tila, jossa investoinneilla voidaan suurella todennäköisyydellä sijoittajan hyväksymässä ajassa tuottaa tyydyttävän tuottotason tai positiivinen vaikutus.
Krylov E.I.	Yleinen kuvaus tulevaisuudennäkymien, kannattavuuden, tehokkuuden ja riskin minimoimisen kannalta sijoittaa yrityksen kehittämiseen omien ja muiden sijoittajien varojen kustannuksella.
Modorskaya G.G.	Joukko yrityksen toiminnan taloudellisia ja psykologisia indikaattoreita, jotka määrittävät sijoittajalle sijoituskäyttäytymisen suosituimpien arvojen alueen.
Bocharov V.V.	Rahan sijoittamisesta saatavan taloudellisen vaikutuksen (tulon) saatavuus minimaalisella riskitasolla.
Sharp W., Markowitz H.	Maksimivoiton saaminen tietyllä riskitasolla.
Eriyazov R.A.	Monimutkainen luokka, johon kuuluu sisäisten tekijöiden huomioon ottaminen sijoituspotentiaalin muodossa, ulkoiset tekijät - sijoitusilmasto ja objektiivisten ja subjektiivisten tekijöiden ristiriitainen yhtenäisyys sijoitustoiminnan riskitason ja kannattavuuden huomioon ottamiseksi. sijoittajan ja vastaanottajan etujen yhteensovittaminen.
Latsinnikov V.A.	Sen kokonaisarvon indikaattori, joka on joukko objektiivisia (yrityksen taloudellinen tila, sen kehitystaso, johtamisen laatu, velkataakka) ja subjektiivisia (kannattavuuden suhde ja investointien riski) ominaisuuksia, jotka ovat tarpeen etujen tyydyttämiseksi. kaikista investointiprosessiin osallistujista, jolloin voidaan arvioida investointien toteutettavuutta ja tulevaisuudennäkymiä sekä ottaa huomioon makro- ja mesoympäristötekijöiden yhteisvaikutus
Nikitina V.A.	Sijoittamisen taloudellinen kannattavuus, joka perustuu sijoittajan ja sijoituksen vastaanottajan etujen ja kykyjen yhteensovittamiseen, mikä varmistaa kummankin tavoitteiden saavuttamisen hyväksyttävällä kannattavuus- ja riskitasolla
Ivanov A.P., Sakharova I.V., Khrustalev E.Yu.	Joukko yrityksen taloudellisia ja taloudellisia indikaattoreita, jotka määrittävät mahdollisuuden saada suurin voitto pääomasijoittamisen tuloksena minimaalisella sijoitusriskillä.

Tässä työssä sijoitusten houkuttelevuus esitetään joukkona organisaation suorituskyvyn mittareita, jotka kuvastavat organisaation kehitystä ajan mittaan sekä käytettävissä olevien resurssien järkevää käyttöä.

Investointien houkuttelevuutta tarkastellaan eri tasoilla: makrotasolla - maan investointivetovoima, meso-tasolla - alueen ja teollisuuden investointivetovoima, mikrotasolla - organisaation investointivetovoima.

Sijoitusten houkuttelevuuden arvioimiseen on olemassa suuri määrä vaihtoehtoja, mikä johtuu siitä, että termille "sijoituksen houkuttelevuus" ei ole tarkkaa määritelmää arviointimenetelmä:

kannattavuuden ja riskin välisen suhteen perusteella (W. Sharp, S.G. Shmatko, V.V. Bocharov) - yrityksen sijoitusriskiryhmän perustaminen. Näin ollen tehdään sijoitustoiminnan aikana syntyvien riskien analyysi, selvitetään riskin merkitys ja lasketaan sijoitustoiminnan kokonaisriski. Seuraavaksi määritetään organisaation kuuluminen tiettyyn riskiluokkaan, jonka perusteella määritetään sijoituskohde. Tärkeimmät huomioon otettavat riskit: voittojen pienenemisen riski, likviditeetin menettämisen riski, kilpailun lisääntymisen riski, toimittajien hinnoittelupolitiikan muutosten riski jne.

perustuu yksinomaan taloudellisiin indikaattoreihin (M.N. Kreinina, V.M. Anshin, A.G. Gilyarovskaya, L.V. Minko) - taloudellisen tilanteen analyysi suoritetaan laskemalla taloudelliset tunnusluvut, jotka heijastavat organisaation toiminnan eri näkökohtia: omaisuus, maksuvalmius, taloudellinen vahvuus, liiketoiminta aktiivisuus ja kannattavuus. Arvioinnissa käytetään organisaation tilinpäätöksen tietoja.

perustuu taloudellisiin ja taloudellisiin analyysiin, joissa ei lasketa vain taloudellisia, vaan myös tuotantoindikaattoreita (V.M. Vlasova, E.I. Krylov, M.G. Egorova, V.A. Moskvitin) - tuotantoindikaattorit näkyvät, jotka kuvastavat käyttöomaisuuden saatavuutta, niiden kulumisastetta , kapasiteetin käyttöaste, resurssien saatavuus, henkilöstön määrä ja rakenne sekä muut indikaattorit.

kattavan vertailevan arvioinnin perusteella (G.L. Igolnikov, N.Yu. Milyaev, E.V. Belyaev) - analysoidaan taloudellisen tilanteen, organisaation markkina-aseman, kehitysdynamiikan, henkilöstön pätevyyden ja johtamisen tason indikaattoreita. Tätä menetelmää käytettäessä tekijäryhmät määritetään ensin eri tasoilla: maa, alue, organisaatio, sitten nämä ryhmät valitaan merkittävyyden mukaan asiantuntija-arvioinnin perusteella. Myös kunkin yksittäisen tekijän merkittävyyskertoimet tekijäryhmässä määritetään, minkä jälkeen kaikki tekijät lasketaan yhteen ottaen huomioon kunkin ryhmän ja tekijän merkittävyyden vaikutus ryhmässä. Saadut tiedot asetetaan paremmuusjärjestykseen ja määritellään sijoitusta houkuttelevimmat organisaatiot. Maan investointien houkuttelevuuteen vaikuttavia tekijöitä ovat: diskonttokorko ja sen dynamiikka, inflaatiovauhti, teknologinen kehitys, maan talouden tila, sijoitusmarkkinoiden kehitystaso. Indikaattorit alueen investointien houkuttelevuuden arvioimiseksi ovat: tuotanto- ja talousindikaattorit (hintaindeksi, tuotteen kannattavuus, pääoman tuottavuus, osuus kaikista materiaalikustannuksista, toimivien organisaatioiden lukumäärä), taloudelliset indikaattorit (likviditeettisuhteet, autonomiasuhteet jne.), teollisuuden tuotantotekijät (tuotantokapasiteetin käyttöaste, kiinteän tuotantoomaisuuden alenemisaste), teollisuuden investointiaktiivisuuden indikaattorit (investointien määrä organisaatiota kohti, investointien määrä työntekijää kohti, teollisuuden fyysisen volyymin indeksi investoinnit kiinteään pääomaan jne.).

perustuu kustannuslähestymistapaan, joka perustuu yrityksen markkina-arvon määrittämiseen ja pyrkimykseen maksimoida se (A.G. Babenko, S.V. Nekhaenko, N.N. Petukhova, N.V. Smirnova) - organisaation ali-/yliarvostuskertoimen laskee todellisten sijoitusten markkinat eri arvojen suhdelukuna (reaaliarvo markkina-arvoon). Todellinen arvo määritellään kiinteistökompleksin arvon ja diskontattujen tulojen summana, josta on vähennetty ostovelat. Markkina-arvo on markkinaolosuhteiden perusteella suurin mahdollinen hinta kaupalle tietyn ajanjakson aikana.

Nämä menetelmät on suunniteltu strategisille sijoittajille, joiden tavoitteena on pitkäjänteinen varojen sijoittaminen, mikä tarkoittaa organisaation ja sen operatiivisen toiminnan johtamista tiettyjen tavoitteiden saavuttamiseksi ja mikä tärkeintä, organisaation arvon kasvattamiseksi. Sijoittajat, jotka sijoittavat sijoituksensa lyhyeksi ajaksi (spekulaattorit) käyttävät yleensä portfoliosijoitusten teoriaa (menetelmä sijoitussalkun muodostamiseksi, jonka tavoitteena on omaisuuserien optimaalinen valinta vaaditun tuotto/riskisuhteen perusteella), fundamentaalista (hintaennuste). käyttäen taloudellisia indikaattoreita) arvioimaan yrityksen investointien houkuttelevuutta ja yrityksen sisäisen arvon laskemista) sekä teknisiä analyyseja (tulevaisuuden arvon ennustaminen kaavioiden ja indikaattoreiden avulla).

Taloudellinen houkuttelevuus tunnistetaan investointien houkuttelevuuden pääkomponentiksi, koska organisaation talous heijastelee sen toiminnan päätuloksia. Tämän perusteella analysoidaan analysoitavan organisaation investointien houkuttelevuuden analyysi taloudellis-taloudellisen analyysin metodologian mukaisesti, nimittäin taloudellisen tilanteen arvioinnin indikaattoreiden perusteella, jotka sisältävät:

omaisuuden rakenteen ja dynamiikan analyysi;

voiton rakenteen ja dynamiikan analyysi;

taseen likviditeettianalyysi;

vakavaraisuusanalyysi;

luottoanalyysi;

liiketoiminta-analyysi:

6.1) liikevaihdon analysointi;

6.2) pääoman tuottoanalyysi.

rahoitusvakauden analyysi;

konkurssin todennäköisyysanalyysi.

Myös sijoitusten houkuttelevuuden ulkoiset ja sisäiset tekijät huomioidaan, kuten alueen ja toimialan investointivetovoima, organisaation organisaatio- ja johtamisrakenne sekä markkinoiden kattavuus.

2. ARVIOINTI "SYNTHESIS OF INTELLIGENT SYSTEMS" LLC:N SIJOITUSTEN HOUKUTTAVUUDESTA

2.1 Lyhyt kuvaus organisaatiosta LLC "SIS"

Osakeyhtiö "Synthesis of Intelligent Systems" kuuluu IT-organisaatioihin ja on erikoistunut verkkosivustojen ja mobiilisovellusten kehittämiseen. Organisaatio perustettiin vuonna 2015 perustajakokouksen pöytäkirjan perusteella, ja se sijaitsee tällä hetkellä Tomskissa.

Synthesis of Intelligent Systems LLC:n luomisen tavoitteena oli saada mahdollisimman suuri voitto pienin kustannuksin tarjoamalla ohjelmistokehityspalveluita.

Synthesis of Intelligent Systems LLC:n tarjoamat palvelut:

verkkosivustojen kehittäminen tyhjästä 1C-Bitrix-alustalla;

verkkosivustojen kehittäminen mallin avulla 1C-Bitrix-alustalla;

valmiiden verkkosivustojen tekninen ylläpito;

valmiiden kohteiden viimeistely ja parantaminen;

mobiilisovellusten kehittäminen;

lisenssien myynti 1C-Bitrix LLC:lle.

Pääasiakkaita ovat oikeushenkilöt ja yksittäiset yrittäjät, tilauksia on valtion virastoilta.

Nykyisen luokituksen mukaan analysoitu organisaatio voidaan luokitella pienyritykseksi, sillä sen keskimääräinen henkilöstömäärä vuoden 2017 alussa oli 17 henkilöä ja osakepääoma on kokonaan yksityishenkilöiden omistuksessa.

Koska tulot eivät ylitä 112,5 miljoonaa ruplaa viime vuoden yhdeksän kuukauden ajalta, eivät ylitä vuoden 2015 keskimääräistä työntekijämäärää 100 henkilöä, käyttöomaisuuden jäännösarvo - 150 miljoonaa ruplaa, organisaatio hakee yksinkertaistettu järjestelmäverotus, jonka verotuskohteena ovat tulot miinus kulut ja jonka korko on 7 % IT-organisaatioille. Venäjän federaation valtiovarainministeriön 29. heinäkuuta 1998 antamalla määräyksellä nro 34n hyväksytyn Venäjän federaation kirjanpitoa ja tilinpäätösraportointia koskevien määräysten 85 kohdan mukaisesti pienillä yrityksillä on oikeus laatia tilinpäätös. pienennettynä (tase ja tuloslaskelma). SIS LLC käyttää tätä oikeutta täysimääräisesti.

2.2 Organisaation investointi houkuttelevuuden arviointi

sijoitusmarkkinoiden myyntivoitto

Omaisuuden rakenteen ja dynamiikan sekä sen muodostumisen lähteiden analyysi

Arvioinnin ensimmäinen vaihe on vertikaalinen (rakenteellinen) ja horisontaalinen (ajallinen) analyysi.

Horisontaalisella analyysillä pyritään tutkimaan indikaattoreiden kasvuvauhtia, mikä selittää niiden rakenteen muutosten syyt, eli se edustaa indikaattoreiden absoluuttista ja suhteellista muutosta ajanjaksolla. Vertikaalinen analyysi on rakenteen analyysi verrattuna edelliseen kauteen, se auttaa ymmärtämään, millä indikaattoreilla oli merkittävin vaikutus indikaattoreihin.

Analyysi organisaation omaisuuden dynamiikasta ja rakenteesta sekä sen muodostumisen lähteistä on esitetty taulukossa 3.1.

Taulukko 3.1 - Analyysi organisaation omaisuuden dynamiikasta ja rakenteesta sekä sen muodostumisen lähteistä

Indikaattorien nimi	Absoluuttiset arvot	Suhteelliset arvot	Muutokset
	2015, tuhat ruplaa	2016, tuhatta ruplaa		Absoluuttisesti mitattuna tuhat ruplaa.	Rakenteessa %	Kasvunopeus

Aineelliset pitkäaikaiset varat
Aineettomat, rahoitus- ja muut pitkäaikaiset varat
Käteinen ja käteisen vastineet
Rahoitus- ja muut lyhytaikaiset varat (myös myyntisaamiset)


Pääoma ja varannot
Pitkäaikaiset lainarahat
Muut pitkäaikaiset velat
Lyhytaikaiset lainarahat
Ostovelat
Muut lyhytaikaiset velat

Tase-omaisuuden analyysistä saadut johtopäätökset:

Tasevarallisuutta hallitsevat organisaation rahoitus- ja muut lyhytaikaiset varat, jotka koostuvat tässä tapauksessa kokonaan saamisista, jotka muodostavat 64 % taseen valuutasta. Muun omaisuuden osuudet ovat merkityksettömiä. Aineellisen käyttöomaisuuden eli käyttöomaisuuden osuus laski 23 %, mikä johtui todennäköisesti käyttöomaisuuden kulumisesta. Absoluuttisesti mitattuna käyttöomaisuus pieneni 78 tuhatta ruplaa, mikä johtuu todennäköisesti käyttöomaisuuden myynneistä kuluvalla kaudella. Aineettomien, rahoitus- ja muiden pitkäaikaisten hyödykkeiden eli hankittujen lisenssien osuus laski 4 %, mikä viittaa vähäisistä ohjelmistoista luopumiseen. Rahavarojen osuus kasvoi 5 %, käteisvaroista 238 tuhatta ruplaa, mikä liittyy tarjottujen palvelujen määrän kasvuun. Volyymien kasvun yhteydessä rahoitus- ja muun vaihto-omaisuuden osuus, jota tässä tapauksessa edustavat yksinomaan myyntisaamiset, kasvoi 22 %, mikä on lykättyjen maksujen tarjoamista asiakkaille sekä bulkin epävakaa vakavaraisuus. asiakkaista.

Tasevaluutan kasvuvauhti oli 131 %, mikä kertoo organisaation kehityksestä, mutta koska kasvu johtui pääasiassa myyntisaamisten kasvusta, vaikka se on osoitus tarjottujen palveluiden määrän kasvusta, yleensä se on negatiivinen indikaattori - varojen poistaminen organisaation liikevaihdosta.

Omaisuudenmuodostuksen lähteiden analyysistä saadut johtopäätökset:

Taseen velan rakennetta hallitsevat ostovelat, joiden osuus on 74 %, jonka kasvuvauhti oli 1192 %. Ostovelkojen kasvu kertoo organisaation kyvyttömyydestä maksaa juoksevia velvoitteita. Raportointikaudella ostovelkojen määrä oli 1 550 tuhatta ruplaa. Muiden pitkäaikaisten velkojen osuus, jotka edustavat perustajien lainoja, pieneni merkittävästi, 36 %, rahallisesti 201 tuhatta ruplaa, suoraan lainojen takaisinmaksuun liittyen. Lyhytaikaiset lainat ja muut lyhytaikaiset velvoitteet, jotka olivat välttämättömiä organisaatiota avattaessa, maksettiin kokonaan takaisin 10 % ja 2 %, mikä luonnehtii positiivisesti lyhytaikaisten velvoitteiden maksamiseen kykenevää organisaatiota -määräaikaiset lainavarat vähenivät 12 %, mikä osoittaa, että organisaatio aloitti lyhytaikaisten velvoitteiden maksamisen jälkeen likvidoida pitkäaikaisia velkoja. Osakepääoman osuus, joka edustaa osakepääomaa, ei ole muuttunut ja rahallisesti mitattuna on 15 tuhatta ruplaa. Taseen kokonaisrakenteessa oman pääoman osuus on alle 1 %, mikä epäilemättä luonnehtii organisaation epävakaata taloudellista asemaa.

Taseen varojen ja velkojen rakenteen dynamiikka näkyy selvästi kuvassa 3.1.

Kuva 3.1 - Rakenteellisten varojen ja velkojen dynamiikka vuosina 2015-2016

Suoritustulosten rakenteen ja dynamiikan analyysi

Suoritustuloksia analysoitaessa tehdään myös pysty- ja vaaka-analyysi. Analyysin tulokset osoittavat, mistä indikaattoreista voitto muodostuu, mitkä indikaattorit ovat dynaamisia ja miten ne vaikuttavat organisaation nettotulokseen. Analyysi tuloksen dynamiikasta ja rakenteesta on esitetty taulukossa 3.2.

Taulukko 3.2. - Analyysi dynamiikan ja rakenteen voiton

Nimi indikaattoreita	Poikkeama	tulot sisään Viime vuonna	% tuloista raportoinnissa	Poikkeama

Kulut tavallisesta toiminnasta
Maksettava prosentti
Muut tulot
muut kulut
Voittoverot (tulot)
Nettotulos (tappio)

Analyysin johtopäätös: Merkittävin tulosvaikutus on varsinaisen toiminnan kuluilla, jotka kasvoivat vuonna 2016 3 937 tuhatta ruplaa. Vuonna 2016 ilmestyi muita kuluja, joiden määrä oli 73 tuhatta ruplaa. ja sisältää pankkitilin ylläpitokulut. Liikevaihto vuonna 2016 kasvoi 4 731 tuhatta ruplaa. ja oli 7535 tuhatta ruplaa, mikä luonnehtii liiketoiminnan kehitystä. Vastaavasti nettotulos kasvoi myös vuonna 2016 721 tuhatta ruplaa. ja oli 1100 tuhatta ruplaa.

Tulosindikaattoreiden dynamiikka on esitetty kuvassa 3.2.

Kuva 3.2 - Tulosindikaattoreiden dynamiikka

Taseen likviditeettianalyysi

Organisaation maksuvalmius on taloudellinen termi, joka viittaa omaisuuden kykyyn myydä nopeasti lähellä markkinahintaa.

Likviditeettiasteesta riippuen organisaation varat jaetaan seuraaviin ryhmiin:

A1 = likvideimpiä varoja = käteistä + lyhytaikaiset rahoitussijoitukset

A2 = pikamyynti omaisuus = myyntisaamiset

A3 = hitaasti myyvät varat = vaihto-omaisuus + pitkäaikaiset saamiset + ALV + muut vaihto-omaisuus

A4 = vaikeasti myytävät varat = pitkäaikaiset varat

Taseen velat ryhmitellään maksun kiireellisyyden mukaan:

P1 = kiireellisimmät velvoitteet = ostovelat

P2 = lyhytaikaiset velat = lyhytaikaiset lainat ja luotot + velat osallistujille tulojen maksamiseksi + muut lyhytaikaiset velat

P3 = pitkäaikaiset velat = pitkäaikaiset velat + siirtosaamiset + varaukset tulevia kuluja varten

P4 = pysyvät \ vakaat velat = pääoma ja varaukset

Saldoa pidetään täysin likvidinä, jos seuraavat suhteet ovat olemassa:

A1>P1; A2>P2; A3 > P3; A4< П4.

Näiden varojen ja velkojen vertailu on esitetty taulukossa 3.3.

Taulukko 3.3 - Organisaation varojen ja velkojen vertaileva analyysi

Vertailevan analyysin perusteella voidaan tehdä seuraavat johtopäätökset:

organisaatio ei pysty maksamaan kiireellisimpiä velvoitteitaan täysin likvideillä varoilla;

organisaatio ei voi maksaa takaisin pitkäaikaisia lainoja hitaasti myyvillä varoilla;

organisaatiolla ei ole korkea vakavaraisuus, eikä se pysty maksamaan erilaisia velvoitteita vastaavilla varoilla.

Koska suhdeluvut eivät täyty, saldo katsotaan epälikvidiksi, ts. organisaatio ei pysty maksamaan velvoitteitaan.

Vakavaraisuusanalyysi

Organisaation vakavaraisuus on taloudellisen yksikön kykyä maksaa ostovelkansa kokonaisuudessaan ja ajallaan. Vakavaraisuus on yksi organisaation kestävän taloudellisen aseman keskeisistä merkeistä.

Organisaation vakavaraisuutta varojen likviditeetin näkökulmasta analysoidaan käyttämällä erityisiä taloudellisia tunnuslukuja - likviditeettisuhteita:

yleinen likviditeettiindikaattori - osoittaa organisaation kyvyn maksaa velvollisuutensa kokonaisuudessaan kaikentyyppisillä varoilla;

absoluuttinen likviditeettisuhde; kuvastaa organisaation kykyä maksaa lyhytaikaiset velvoitteensa käyttämällä erittäin likvidejä varoja. (laskettu käteisvarojen ja lyhytaikaisten rahoitussijoitusten suhteena lyhytaikaisiin velkoihin);

nopea likviditeettisuhde - osoittaa mahdollisuuden maksaa lyhytaikaiset velat takaisin nopeasti likvidien ja erittäin likvidien varojen avulla (laskettu erittäin likvidien vaihtovarojen ja lyhytaikaisten velkojen suhteena);

nykyinen likviditeettisuhde - heijastaa organisaation kykyä maksaa nykyiset velvoitteensa lyhytaikaisilla varoilla. (laskettu lyhytaikaisten varojen ja lyhytaikaisten velkojen suhteena);

käyttöpääoman ohjattavuuskerroin; Agility-suhde osoittaa, mikä osa käyttöpääomasta on jäänyt vaihto-omaisuuteen ja pitkäaikaisiin saamisiin;

käyttöpääoman osuus omaisuudesta - kuvaa käyttöpääoman läsnäoloa organisaation varoissa;

omavaraisuusaste - heijastaa sitä, missä määrin organisaatio käyttää omaa käyttöpääomaansa; osoittaa organisaation omista varoista rahoitetun osuuden yhtiön vaihto-omaisuudesta.

Vakavaraisuusindikaattoreiden laskenta on esitetty taulukossa 3.4.

Taulukko 3.4 - Analyysi organisaation vakavaraisuudesta

Indikaattorit	Symboli		Indikaattorin arvo	Muuttaa

Yleinen likviditeettisuhde		(A1+0.5A2+0.3A3)/(P1+0.5P2+0.3P3);
Absoluuttinen likviditeettisuhde
Nopea suhde		(A1 + A2) / (P1 + P2)
Nykyinen suhde		(A1 + A2 + A3) / (P1 + P2)
Käyttöpääoman ohjattavuussuhde		A3 /((A1 + A2 + A3) - (P1 + P2))	indikaattorin lasku
Käyttöpääoman osuus varoista		(A1+A2+A3) / Saldon loppusumma
Omien varojen suhde		(P4 - A4) / (A1 + A2 + A3)

Johtopäätös analyysistä: Kvuonna 2016 laski ja oli 0,59, mikä osoittaa organisaation epäoptimaalista likviditeettitasoa. Absoluuttinen maksuvalmiussuhde laski 0,32:lla ja oli 0,16, mikä viittaa siihen, että käteisellä katetaan vain 16 % yrityksen veloista, mikä ei riitä ylläpitämään organisaation normaalia likviditeettitasoa. Nopea maksuvalmiussuhde oli 1,07, mikä on hieman tavanomaista korkeampi ja kertoo mahdollisuudesta maksaa velkoja nopeasti takaisin keskipitkällä aikavälillä. Tämä tarkoittaa, että SIS LLC pystyy nostamaan varoja liikkeestä keskimääräisellä nopeudella ja maksamaan lyhytaikaisia velvoitteita. Nykyinen likviditeettisuhde oli 1,07 vuonna 2016, mikä viittaa alhaiseen vakavaraisuuteen. Toiminnallisen ketteryyskertoimen arvo on nolla, koska organisaatiolta puuttuu hitaasti myyviä omaisuuseriä. Käyttöpääoman osuus kasvoi 0,27 ja oli 0,8, mikä on positiivinen tekijä ja osoittaa taseen likviditeetin kasvua. Vakuussuhde on negatiivinen, mutta dynamiikka positiivinen vuonna 2016 se oli -0,25, mikä osoittaa, että vaihto-omaisuus on rahoitettu organisaation lainavaroilla, koska kertoimen arvo on alle 0,1 ja nykyinen likviditeettisuhde; on pienempi kuin 2, silloin organisaatio on maksukyvytön.

Luottoanalyysi

Organisaation vakavaraisuuden käsite liittyy läheisesti sen luottokelpoisuuteen. Luottokelpoisuus heijastaa suuremmassa määrin velvoitteiden takaisinmaksua käyttämällä organisaation keskipitkän ja lyhyen aikavälin omaisuutta, pois lukien pysyvä omaisuus.

Tärkeimmät vakavaraisuuden indikaattorit ovat:

myyntimäärän suhde vaihtuviin varoihin;

Nettovaihtovarat ovat lyhytaikaisia varoja, joista on vähennetty organisaation lyhytaikaiset velat. Myyntivolyymin suhde vaihtuviin varoihin osoittaa vaihtovarojen käytön tehokkuuden.

myyntivolyymin suhde omaan pääomaan;

lyhytaikaisen velan suhde omaan pääomaan;

myyntisaamisten suhde myyntituloihin.

Luottokykyindikaattoreiden laskenta on esitetty taulukossa 3.5.

Taulukko 3.5 - Luottokykyindikaattoreiden analyysi

Indikaattorit			Absoluuttinen poikkeama

Vaihtoomaisuus, tuhat ruplaa.
Lyhytaikaiset lainat tuhat ruplaa.
Tulot tuhat ruplaa
Oma pääoma tuhat ruplaa.
Myyntisaamiset tuhat ruplaa
Nettovaihtoomaisuus tuhatta ruplaa.
Indikaattorit:
Myyntivolyymin suhde vaihtuviin varoihin
Myyntivolyymin suhde omaan pääomaan
Lyhytaikaisen velan suhde omaan pääomaan
Myyntisaamisten suhde myyntituloihin

Analyysin perusteella voidaan tehdä seuraavat johtopäätökset: Vaihto-omaisuuden käytön tehokkuussuhde vuonna 2016 verrattuna vuoteen 2015 kasvoi 53,92, mikä osoittaa vaihto-omaisuuden käytön tehokkuutta. Myyntivolyymin suhde omaan pääomaan oli 502,33, mikä johtui liikevaihdon voimakkaasta kasvusta. Lyhytaikaisen velan suhde omaan pääomaan kasvoi 88,53:lla ja oli 103,33, mikä kertoo lyhytaikaisen velan suuresta osuudesta omassa pääomassa ja organisaation kyvyttömyydestä maksaa velvoitteitaan. Myyntisaamisten suhde myyntiin kasvoi 0,04 0,18:aan, mikä on merkki luottokelpoisuuden heikkenemisestä asiakkaiden velkojen muuttuessa käteiseksi hitaammin.

Liiketoiminnan indikaattoreiden analyysi

Seuraava askel on liiketoimintaindikaattoreiden analysointi.

Liiketoiminnan analyysin avulla voimme tehdä johtopäätöksen organisaation tehokkuudesta. Liiketoiminnan indikaattorit liittyvät varojen kiertonopeuteen: mitä nopeampi kiertokulku, sitä vähemmän puolikiinteitä kuluja jokaisessa liikevaihdossa, mikä tarkoittaa sitä korkeampaa taloudellista tehokkuutta organisaatiolla.

Liiketoiminnan analyysi tehdään pääsääntöisesti kahdella tasolla: laadullinen (markkinoiden leveys, organisaation ja sen asiakkaiden liiketoiminnallinen maine, kilpailukyky jne.) ja määrälliset indikaattorit. Tässä tapauksessa kvantitatiivisten indikaattoreiden analyysi koostuu kahdesta vaiheesta: liikevaihdon (oma pääoma, vaihto-omaisuus, myyntisaamiset ja velat) ja kannattavuuden analyysi.

Omaisuuden liikevaihdon analyysi

Tärkeimmät liikevaihdon indikaattorit ovat:

oman pääoman tuottosuhde - näyttää kuinka monta ruplaa. tulot ovat 1 rupla. keskimääräinen sijoitetun oman pääoman määrä;

käyttöomaisuuden pääoman tuottavuus - kuvaa myyntitulojen määrää käyttöomaisuuden ruplaa kohden;

aineettomien hyödykkeiden tuottokerroin - kuvastaa aineettomien hyödykkeiden käytön tehokkuutta. Se näyttää myyntitulojen määrän ruplina aineettomien hyödykkeiden keskimääräistä ruplaa kohden sekä kauden liikevaihtojen lukumäärän;

varojen kokonaiskiertosuhde - näyttää kuinka monta rahayksikköä myydyistä tuotteista kukin omaisuuden rahayksikkö toi;

vaihto-omaisuuden kiertonopeus (vaihto-omaisuus) - heijastaa vaihto-omaisuuden käytön tehokkuutta. Se näyttää myyntitulojen määrän ruplina 1 ruplaa kohden vaihto-omaisuuden keskimääräisestä määrästä sekä kauden liikevaihdot;

käteisvarojen kiertonopeus - näyttää käteisen kiertoajan;

varaston kiertonopeus - osoittaa, kuinka monta kertaa organisaatio käytti tarkastelujakson aikana keskimääräistä käytettävissä olevaa varastosaldoa;

myyntisaamisten kiertonopeus - osoittaa asiakkailta tilikaudelta saatujen maksujen määrän myyntisaamisten keskiarvon suuruisena. Saatavien takaisinmaksuaika - näyttää kuinka monta päivää organisaation saamiset keskimäärin maksetaan takaisin;

ostovelkojen liikevaihdon suhde - osoittaa kuinka monta kertaa yritys on maksanut keskimääräisen ostovelkansa takaisin. Ostovelkojen takaisinmaksuaika - näyttää keskimääräisen ajanjakson organisaation nykyisten velvoitteiden velkojen takaisinmaksuun;

toimintajakso heijastaa ajanjaksoa materiaalien saapumisesta varastoon siihen hetkeen, jolloin ostaja vastaanottaa maksun tuotteista;

Taloussykli osoittaa ajan pituuden materiaalien maksuhetkestä toimittajille ja päättyen rahan vastaanottamiseen ostajilta toimitetuista tuotteista.

Liikevaihtoindikaattoreiden laskenta on esitetty taulukossa 3.6.

Taulukko 3.6 - Liikevaihtoanalyysi

Indikaattorit	Ehdollinen nimitys	Laskenta-algoritmi	Muuttaa


Taulukon 3.6 jatkoa


Päivien lukumäärä raportointivuonna
Keskimääräinen osakepääoman hinta, tuhat ruplaa.		(SKng+SKkg)/2
Käyttöomaisuuden keskihinta, tuhat ruplaa.		(Osng+Oskg)/2
Aineettomien hyödykkeiden keskihinta, tuhat ruplaa.		(Nmang+Nmakg)/2
Keskimääräinen velkoja velka, tuhat ruplaa		(KZng+KZkg)/2
keskihinta omaisuus, tuhat ruplaa		(Ang+Akg)/2
Keskimääräiset käyttöpääoman kustannukset omaisuus, tuhat ruplaa		(Aobng+ Aobkg)/2
Mukaan lukien:
Käteinen, tuhat ruplaa		(DSng+DSkg)/2
Varastot, tuhat ruplaa		(Zng+Zkg)/2
Myyntisaamiset, tuhat ruplaa.		(DZng+DZkg)/2
Lasketut kertoimet:
Oman pääoman tuottoaste
Pääoman tuotto
Aineettomien hyödykkeiden tuottokerroin
Kerroin omaisuuden kiertoon
Kerroin vaihto-omaisuuden kiertoon
Kerroin varaston kierto
Kerroin ostovelkojen liikevaihto
Liikevaihdon kesto, päivät:

Vaihto-omaisuus
Raha

Myyntisaamiset
Ostovelat		D/kobcredit
Kesto käyttösykli		Alanumero. zap + Lisää. Deb
Kesto rahoitussykli		D. pr.ts. + Add.deb-Add. Cred

Tietojen perusteella voidaan tehdä seuraavat johtopäätökset: Varallisuuden kokonaiskiertosuhde vuonna 2016 verrattuna vuoteen 2015 laski 1,18, mikä osoittaa kaikkien käytettävissä olevien resurssien käytön tehokkuuden laskua niiden rahoituslähteistä riippumatta (jokaista ruplaa kohden). omaisuudesta on 5,04 ruplaa myytyjä tuotteita). Käyttöpääoman kiertonopeus vuonna 2016 laski 4,75, mikä viittaa vaihto-omaisuuden käytön tehokkuuden heikkenemiseen organisaatiossa (jokaista vaihtoomaisuuden ruplaa kohden on 7,04 ruplaa myytyä tuotetta). Aineettomien hyödykkeiden tuottosuhde nousi 0,64, mikä osoittaa aineettomien hyödykkeiden käytön tehokkuutta (jokaista vaihto-omaisuuden ruplaa kohden on 49,41 ruplaa myytyä tuotetta). Pääoman tuottavuus vuonna 2016 kasvoi 9,63, mikä on osoitus käyttöomaisuuden paremmasta käytöstä (jokaista vaihto-omaisuuden ruplaa kohden on 27,60 ruplaa myytyä tuotetta). Omavaraisuusaste nousi 128,47, mikä saavutettiin kasvattamalla myyntituottoja, johtuen myös lainavarojen käytöstä saadusta suuresta voitosta, mikä pitkällä aikavälillä voi vaikuttaa negatiivisesti taloudelliseen vakauteen. Varaston kiertonopeussuhdetta ei lasketa niiden poissaolon vuoksi. Kassakiertosuhde nousi 4 päivällä, mikä kertoo yrityksen työn järkevästä organisoinnista. Myyntisaamisten kiertonopeus laski 6,07 ja vastaavasti kiertoaika piteni 17 päivää, mikä viittaa myyntisaamisten hitaampaan takaisinmaksuun. Ostovelkojen vaihtuvuussuhde laski 37,71, ja vastaavasti kiertoaika piteni 33 päivää, mikä viittaa ostovelkojen takaisinmaksun hidastumiseen.

Toimintasyklin kesto piteni 17 päivällä, mikä liittyy saamisten kiertoajan pidentymiseen, ts. raaka-aineiden rahaksi muuttamiseen tarvittava päivämäärä tuli 41 päivään.

Rahoitussyklin kesto lyheni 16 vuorokautta johtuen saamisten ja velkojen kiertoajan pituuden pidentymisestä, ts. ostovelkojen ja myyntisaatavien takaisinmaksun välinen päivämäärä on 1 päivä.

Kustannus-hyötyanalyysi

Sanan laajimmassa merkityksessä kannattavuuden käsite tarkoittaa kannattavuutta, kannattavuutta. Organisaation katsotaan kannattavan, jos tuotteiden myynnistä saadut tulokset kattavat tuotantokustannukset ja lisäksi tuottavat organisaation normaaliin toimintaan riittävän määrän voittoa.

Kannattavuuden taloudellinen olemus voidaan paljastaa vain indikaattorijärjestelmän ominaisuuksien kautta. Niiden yleinen merkitys on määrittää voiton määrä yhdestä sijoitetun pääoman ruplasta.

Tärkeimmät kannattavuusindikaattorit ovat:

varojen tuotto (taloudellinen kannattavuus) - näyttää nettovoiton määrän jokaista yrityksen varoihin sijoitettua rahayksikköä kohti, heijastaa organisaation varojen käytön tehokkuutta.

2) oman pääoman tuotto - osoittaa nettotuloksen määrän kutakin yrityksen omistajien omistamaa pääoman kustannusyksikköä kohti.

3) myynnin tuotto - näyttää organisaation nettovoiton jokaisesta myytyjen tuotteiden ruplasta.

4) tuotannon kannattavuus - osoittaa organisaation voiton määrän jokaisesta ruplasta, joka on käytetty tuotteiden tuotantoon ja myyntiin.

5) sijoitetun pääoman tuotto - osoittaa voiton suhteen tämän tuoton saamiseen tähtääviin sijoituksiin. Sijoitukset katsotaan oman pääoman ja pitkäaikaisen velan summaksi.

Pääoman tuottoindikaattoreiden laskenta on esitetty taulukossa 3.7.

Taulukko 3.7 - Oman pääoman tuottoanalyysi

Indikaattorit	Ehdollinen nimitys	Laskenta-algoritmi	Ehdoton muutos

Tulot (netto) tavaroiden, tuotteiden, töiden, palveluiden myynnistä, tuhat ruplaa.
Tavaroiden, tuotteiden myyntikustannukset, työt, palvelut (mukaan lukien kaupalliset ja hallintokulut), tuhatta ruplaa.
Myyntivoitto, tuhat ruplaa.
Nettotulos, tuhat ruplaa.
Omaisuuden arvo, tuhat ruplaa.		(Ang+Akg)/2
Oma pääoma, tuhat ruplaa.		(Skng+SKkg)/2
Pitkäaikaiset velat, tuhat ruplaa.		(Dong+Dokg)/2
Kannattavuusindikaattorit:
Pääoman tuotto
Oman pääoman tuotto
Sijoitetun pääoman tuotto		PE/ (sk+Do)
Myynnin tuotto
Tuotannon kannattavuus

Myyntituotto vuonna 2016 oli 0,15, ts. Jokainen saatu rupla sisälsi 15 kopekkaa nettovoittoa, tämä luku kasvoi 0,01, mikä viittaa tarjottujen palvelujen kysynnän lievään kasvuun. Tuotannon kannattavuus vuonna 2016 oli 0,18, ts. Jokainen palvelujen tarjoamiseen käytetty rupla alkoi tuottaa 18 kopekan nettovoittoa. Omaisuuden tuotto vuonna 2016 laski 0,1 ja oli 0,74, ts. Jokainen omaisuuden rupla alkoi tuottaa 74 kopekkaa voittoa. Oman pääoman tuotto nousi 23,47 ja oli 74, mikä liittyy voiton kasvuun ja vieraan pääoman kasvuun. Sijoitetun pääoman tuotto kasvoi 0,7 ja oli 1,87, ts. Jokainen investointirupla alkoi tuottaa voittoa 1,87 ruplaa.

Rahoitusvakauden analyysi

Taloudellinen vakaus on organisaation kykyä ylläpitää olemassaoloaan ja keskeytymätöntä toimintaansa tiettyjen käytettävissä olevien varojen ja tasapainoisten rahavirtojen ansiosta. Taloudellinen kestävyys tarkoittaa, että organisaatio on vakavarainen pitkällä aikavälillä.

Samanlaisia asiakirjoja

Investointirahoituksen olemus ja lähteiden luokittelu. Menetelmiä yrityksen investointien houkuttelevuuden analysoimiseksi. OJSC "Russian Fuel Companyn" tärkeimpien tulosindikaattoreiden ominaisuudet, investointien houkuttelevuuden arviointi.

kurssityö, lisätty 23.9.2014

Organisaation investointi houkuttelevuuden arvioinnin tavoitteet ja aiheet. Monopoly+ LLC:n yleiset ominaisuudet, sen kehitysnäkymät ja lähteet. Yrityksen investointien houkuttelevuutta lisäävien toimenpiteiden kehittäminen ja tehokkuuden arviointi.

opinnäytetyö, lisätty 11.7.2015

Lähestymistavat yrityksen sijoitushoukuvuuden arviointiin. Venäjän kemianteollisuuden tila. Yrityksen ZAO Sibur-Khimprom yleiset ominaisuudet. Projektin riskien arviointi. Omaisuuden muodostumisen lähteiden koostumuksen ja rakenteen dynamiikan analyysi.

opinnäytetyö, lisätty 15.3.2014

Perusmenetelmät kunnan investointivetovoiman arvioimiseen Venäjällä ja ulkomailla. Tarnogin kuntaalueen tilanneanalyysi, sen investointi houkuttelevuuden arviointi, keinot sen lisäämiseksi.

opinnäytetyö, lisätty 9.11.2016

Konsepti, seuranta ja metodologiset lähestymistavat yrityksen investointien houkuttelevuuden analysointiin. OJSC Lukoilin ominaisuudet, taloudellinen analyysi ja sijoitus houkuttelevuuden analyysi. Tapoja lisätä yrityksen sijoituskohdetta.

kurssityö, lisätty 28.5.2010

Arvioidaan yritysten sijoitushoukutettavuutta. Analyysi liikkeeseenlaskijaorganisaation sijoitusten houkuttelevuuden mittareista ja niiden merkityksestä sijoituspäätösten tekemisessä. Sijoittajan tavoitteiden tyypit sijoittaessaan rahoitusomaisuuteen.

testi, lisätty 21.6.2012

Nykyaikaisen venäläisen yrityksen organisatoriset ja taloudelliset ominaisuudet. Analyysi organisaation taloudellisesta tilanteesta. Yritysriskien hallinta sijoitusten houkuttelevuuden lisäämisjärjestelmässä. Yrityksen taloudellisen toiminnan arviointi.

opinnäytetyö, lisätty 25.5.2015

Yrityksen taloudellinen olemus ja taloudellinen potentiaali, sen arviointimenetelmät. Organisaation taloudellisen ja investointien houkuttelevuuden suhde. OJSC Neftekamskneftekhimin omaisuuden analyysi ja ohjeet sen toiminnan parantamiseksi.

opinnäytetyö, lisätty 24.11.2010

Metodologiset lähestymistavat sijoitusten houkuttelevuuden ja siihen vaikuttavien tekijöiden analysointiin. Algoritmi yrityksen investointien houkuttelevuuden seurantaan. Likviditeetin ja vakavaraisuuden analyysi OJSC Lukoilin esimerkillä.

kurssityö, lisätty 14.4.2015

Sijoitusten houkuttelevuuden ydin ja kriteerit. Investoinnin rooli kunnan sosioekonomisessa kehityksessä. Ongelmia ja näkymiä kunnan investointien houkuttelevuuden kehittämiseen Krasnodarin kaupungin esimerkillä.

Tekoäly(englanniksi tekoäly) ovat ihmisen tietokonepohjalle luomia keinotekoisia ohjelmistojärjestelmiä, jotka simuloivat ihmisen monimutkaisten luovien ongelmien ratkaisua hänen elämänsä aikana. Toisen samanlaisen määritelmän mukaan "tekoäly" on tietokoneohjelmia, joiden avulla kone saa kyvyn ratkaista ei-triviaaleja ongelmia ja kysyä ei-triviaaleja kysymyksiä.

Tekoälyn (AI) muodostavat kaksi työaluetta. Ensimmäinen näistä suunnista, jota voidaan tavanomaisesti kutsua bioninen, Tavoitteena on simuloida aivojen toimintaa, sen psykofysiologisia ominaisuuksia, jotta voidaan yrittää toistaa tekoälyä (älyä) tietokoneella tai käyttämällä erityisiä teknisiä laitteita. Toinen (pää) työnsuunta tekoälyn alalla, jota joskus kutsutaan pragmaattinen, liittyy järjestelmien luomiseen, jotka ratkaisevat automaattisesti monimutkaisia (luovia) ongelmia tietokoneella ottamatta huomioon ihmismielessä esiintyvien prosessien luonnetta näitä ongelmia ratkaistaessa. Vertailu tehdään tuloksen tehokkuuden ja saatujen ratkaisujen laadun perusteella.

1) On olemassa kohde, eli lopputulos, johon ihmisen ajatteluprosessit suuntautuvat ("Tavoite saa ihmisen ajattelemaan").

2) Ihmisen aivot varastoivat valtavan määrän tosiasiat Ja säännöt niiden käyttöä. Tietyn tavoitteen saavuttamiseksi sinun tarvitsee vain kääntyä tarvittavien tosiasioiden ja sääntöjen puoleen.

3) Päätöksenteko tehdään aina erityispäätöksen perusteella yksinkertaistamismekanismi, jonka avulla voit hylätä tarpeettomat (tärkeät) tosiasiat ja säännöt, jotka eivät liity tällä hetkellä ratkaistavaan ongelmaan, ja päinvastoin, korostaa tärkeimmät, tärkeimmät tosiasiat ja säännöt, jotka ovat välttämättömiä tavoitteen saavuttamiseksi.

4) Saavuttamalla tavoitteen ihminen ei vain pääse ratkaisuun hänelle osoitettuun tehtävään, vaan myös hankkii samalla uutta tietoa.

Universaalin, kaikki aihealueet kattavan tekoälyjärjestelmän rakentaminen on mahdotonta, koska se vaatisi äärettömän määrän tosiasioita ja sääntöjä. Realistisempi on luoda tekoälyjärjestelmiä, jotka on suunniteltu ratkaisemaan ongelmia kapeasti määritellyllä, tietyllä ongelma-alueella.

Riisi. 5.1. AI-järjestelmän komponentit

Tällaisia järjestelmiä, joissa käytetään tietyn aihealueen asiantuntijoiden kokemusta ja käytännön tietoa, kutsutaan asiantuntijajärjestelmät(asiantuntijajärjestelmät).

Asiantuntijajärjestelmien käyttö osoittautuu erittäin tehokkaaksi monilla ihmisen toiminnan aloilla (lääketiede, geologia, elektroniikka, petrokemia, avaruustutkimus jne.). Tämä selittyy useilla syillä: ensinnäkin on mahdollista ratkaista aiemmin saavuttamattomia, huonosti formalisoituja ongelmia käyttämällä uutta matemaattista laitteistoa, joka on erityisesti kehitetty näihin tarkoituksiin (semanttiset verkot, kehykset, sumea logiikka jne.); toiseksi, luotavat asiantuntijajärjestelmät on suunnattu toimintaansa laajalle asiantuntijajoukolle (loppukäyttäjille), joiden kanssa kommunikointi tapahtuu vuorovaikutteisessa tilassa, käyttäen päättelytekniikoita ja tietyn aihealueen terminologiaa, jota he ymmärtävät; Kolmanneksi asiantuntijajärjestelmän käyttö voi dramaattisesti lisätä tavallisten käyttäjien tekemien päätösten tehokkuutta asiantuntijajärjestelmään kertyneen tiedon, mukaan lukien korkeasti koulutettujen asiantuntijoiden, ansiosta.

Asiantuntijajärjestelmä sisältää tietopohjan ja alijärjestelmät: viestintä, selitys, päätöksenteko, tiedon kerääminen. Asiantuntijajärjestelmään on kytketty viestintäalijärjestelmän kautta: loppukäyttäjä; asiantuntija – korkeasti koulutettu asiantuntija, jonka kokemus ja tiedot ylittävät huomattavasti tavallisen käyttäjän tiedot ja kokemuksen; tietoinsinööri, joka tuntee asiantuntijajärjestelmän rakentamisen periaatteet ja osaa työskennellä alan asiantuntijoiden kanssa sekä osaa erityisiä tiedon kuvailevia kieliä.

Asiantuntijaregulaattorien pohjalta rakennetut ohjausjärjestelmät, jotka simuloivat ihmisen toimintaa kohteen ja ulkoisen ympäristön ominaisuuksien epävarmuuden olosuhteissa, ovat ns. älyllinen ohjausjärjestelmät (älykkäät ohjausjärjestelmät).

Toisen samanlaisen määritelmän mukaan älyllinen Ohjausjärjestelmä (MCS) on sellainen, jolla on kyky ymmärtää, perustella ja tutkia prosesseja, häiriöitä ja toimintaolosuhteita. Tutkittavia tekijöitä ovat pääasiassa prosessien ominaisuudet (staattinen ja dynaaminen käyttäytyminen, häiriöominaisuudet, laitteiden toimintatavat). On toivottavaa, että järjestelmä itse kerää tätä tietoa ja käyttää sitä tarkoituksenmukaisesti laatuominaisuuksiensa parantamiseen.

S. Oreshkin, A. Spesivtsev, I. Daymand, V. Kozlovsky, V. Lazarev, Automation in Industry. 2013. Nro 7

Älykkään automatisoidun prosessinohjausjärjestelmän (IASTP) rakentamisen ongelmaan pohditaan uutta ratkaisua, jossa yhdistetään ainutlaatuisten metodologioiden käyttö: semanttisen verkon rakentaminen perusontologiaan ja EI-tekijöiden polynomimuunnos, jonka ydin on on muuttaa asiantuntijan laadullinen tieto matemaattiseksi malliksi epälineaarisen polynomifunktion muodossa.

Summa Technologies -yhtiö ehdottaa uutta ratkaisua älykkään automatisoidun prosessinohjausjärjestelmän (IASTP) rakentamisen ongelmaan, jossa yhdistyvät ainutlaatuisten metodologioiden käyttö: semanttisen verkon rakentaminen perusontologialle, jonka avulla voit kuvata monimutkaisen monitekijämallin. semanttisen verkon muodossa tietyssä rajoitetussa sanakirjassa ja EI-tekijöiden polynomimuunnos, jonka ydin on asiantuntijan laadullisen tiedon muuntaminen matemaattiseksi malliksi epälineaarisen polynomifunktion muodossa. Ensimmäisellä menetelmistä on universaalisuuden ominaisuus aihealueesta riippumatta, ja toinen välittää tämän alueen erityispiirteitä asiantuntijoiden kokemuksen ja tietämyksen kautta. Kehitetyn IAS:n teollisten testien tulokset esitetään liittyen OJSC MMC Norilsk Nickelin (Norilsk) Polaaridivisioonan kuparitehtaan sulfidikupari-nikkeli-raaka-aineiden sulatusprosessiin, jolla on ”monimutkaisen järjestelmän ominaisuudet”. " ja toimii "merkittävän epävarmuuden" olosuhteissa.

Johdanto

Analysoimalla useimpien teknisten prosessien automatisoidun ohjauksen tehtäviä eri teollisuudenaloilla (kemian, rauta- ja ei-rautametallien metallurgia, kaivosteollisuus, öljyn ja kaasun tuotanto, lämpövoimatekniikka, maatalous jne.) voimme tuoda esiin niitä yhdistävän ongelman, joka on tarve rakentaa teknisistä prosesseista matemaattinen malli, joka mahdollistaa kaiken tarvittavan syöttöinformaation huomioimisen, sen mahdollisen epätarkkuuden, epävarmuuden, epätäydellisyyden huomioon ottamisen, ja samalla saada ulostulodataa (ohjaustoiminto, ennuste), joka on teknologisen prosessin nykyiseen tilanteeseen.

On tunnettua, että perinteinen mallintamismalli (eli perinteisiin menetelmiin perustuva mallinnus olettaen prosessin tietojen täydellisyyttä ja tarkkuutta) on käytännössä soveltumaton, kun tarkastellaan monimutkaisia monitekijäprosesseja, joita on yleensä vaikea formalisoida. Reaalisten prosessien monimutkaisuus määrää epätavanomaisten menetelmien etsimisen niiden matemaattisten mallien rakentamiseksi ja niiden ohjauksen optimoimiseksi. Tässä tapauksessa ei vain optimaalisen ohjauksen näkökohta ole erittäin tärkeä, vaan myös prosessin nykyisen tilan analysointi, koska prosessin nykytilasta tehty päätelmä mahdollistaa optimaalisen ohjauksen valinnan. annettu tilanne. Tällainen analyysi voidaan tehdä prosessin teknisen tilan reaaliaikaisen rakenteellisen virtaus-monitasotunnistuksen järjestelmän perusteella.

Tärkein tekijä, joka heikentää yrityksiä rakentaa muodollisia malleja ja kuvata tällaisten monimutkaisten prosessien teknistä tilaa perinteisillä menetelmillä, on syöttötiedon "merkittävä epävarmuus". Tämä ilmenee objektiivisessa mahdottomuudessa stabiloida ja/tai mitata useiden tällaisten prosessien teknisen tilan avainparametrien arvoja. Seurauksena on prosessin teknologisen johdonmukaisuuden pääkriteerien rikkominen, mikä vaikuttaa sekä lopputuotteiden laatuun että koko prosessin vakauteen. Matematiikan kielellä tällaiset prosessit luokitellaan "monimutkaisiksi teknisiksi järjestelmiksi" tai "heikosti strukturoiduiksi järjestelmiksi", joille ei tällä hetkellä ole yleistä mallinnusteoriaa.

Perinteinen prosessinohjausjärjestelmä pyrkii automatisoimaan yksikön tai prosessointiyksikön ylläpidon, ja sen toimintoihin ei määritelmän mukaan kuulu optimaalisen prosessin ohjauksen ja sen kunnon analysoinnin kysymyksiä. Esimerkiksi automatisoidun prosessinohjausjärjestelmän avulla voit muuttaa yksikköä palvelevien ohjausmekanismien asentoa, valvoa yksikön yksiköiden kytkettyä toimintaa sekä muuttaa yksikön suorituskykyä ja sen toimintatapaa. Mutta prosessin tila, lopputuotteiden laatu, saapuvien tuotteiden suhde alkuainekoostumuksen mukaan - nämä asiat ovat usein yksikön perusautomaation ulkopuolella. Jos siis on olemassa vain perusprosessinohjausjärjestelmä, käyttäjän on pakko suorittaa yksikön lisäksi myös siinä tapahtuvan prosessin huoltotoimintoja. Juuri tämä johtaa "inhimillisen tekijän" ongelmaan, koska käyttäjä ei aina onnistu täysin saavuttamaan kaikkia, useimmiten monisuuntaisia ohjaustavoitteita. Lisäksi yksikön suunnitteluominaisuudet eivät aina mahdollista kaikkien ongelmien ratkaisemista täysin prosessinohjausjärjestelmän tasolla. Esimerkkinä tästä on ongelma varmistaa prosessinohjausjärjestelmän nykyisessä versiossa tarvittava syöttötietojen luotettavuus arvioitaessa reaktiovyöhykkeelle syötettyjen materiaalien laatua ja määrää reaaliajassa.

Älykäs automatisoitu ohjausjärjestelmä (IACS) on järjestelmä, joka käyttää yksikön perusautomaatiota syöttötiedon lähteenä ja mahdollistaa tekoälyteknologioiden pohjalta mallin rakentamisen yksikössä tapahtuvasta prosessista, analysoida sen nykyistä tilaa. prosessin mallin avulla ja analyysin perusteella ratkaista tietyn yksikön optimaalisen ohjauksen ongelma.

Olemassa olevat ns. avaimet käteen -ratkaisut edellyttävät yksikön tai prosessointiyksikön täydellistä automatisointia "nollasta". Tällöin asiakkaalle toimitetaan sekä automaatiolaitteistokomponentti että ohjelmisto. Tällaisen ratkaisun toiminnallisuus voi olla varsin laaja, sisältäen myös älyllisen komponentin, mutta samalla täysin yhteensopimaton asiakkaan tällä hetkellä olemassa olevien prosessinohjausjärjestelmien kanssa. Tämä johtaa usein teknisen ratkaisun monimutkaisuuden ja kustannusten jyrkkään kasvuun. Ehdotettu vaihtoehto älykkään asiantuntijatietoon perustuvan automatisoidun ohjausjärjestelmän rakentamiseksi perusautomaatiota hyödyntäen pyrkii seuraamaan ja ohjaamaan yksikössä tapahtuvaa prosessia. Sellainen järjestelmä pystyy "merkittävän epävarmuuden" olosuhteissa arvioimaan mittaamattomia tai huonosti mitattuja parametreja, tulkitsemaan niitä kvantitatiivisesti melko tarkasti, tunnistamaan prosessin nykyisen teknisen tilan ja suosittelemaan optimaalista ohjaustoimea syntyneen ristiriidan poistamiseksi ( jos prosessin teknologisessa johdonmukaisuudessa on ristiriitoja).

Tämän version IAS älykkäiden teknologioiden avulla voit:

toteuttaa integrointi mihin tahansa asiakkaan yksikössä tai prosessointiyksikössä jo olemassa olevaan automaattiseen perusohjausjärjestelmään;
toteuttaa yhteisen tietotilan luominen kaikille käsittelyyksiköille yleisen hallinnon ja seurannan toteuttamiseksi;
suorittaa kunkin yksikön mittaamattomien ja/tai laadullisten parametrien kvantitatiivisen arvioinnin yksikön automatisoidun perusohjausjärjestelmän puitteissa;
valvoa prosessin teknisen johdonmukaisuuden kriteerejä sekä kunkin yksittäisen yksikön että (tarvittaessa) koko käsittely-yksikön osalta;
arvioida reaaliajassa teknisten prosessien nykytila sekä kunkin yksittäisen yksikön että koko prosessointiyksikön osalta;
kehittää ohjauspäätöksiä - neuvoja operaattorille teknologisen tasapainon palauttamisesta sekä yksikölle että koko prosessointiyksikölle.

IASU:n älyllisen ytimen perusta on tiedon esittämismenetelmä "Semanttinen verkko perusontologiassa", jonka avulla voit kuvata monimutkaisen monitekijämallin semanttisen verkon muodossa tietyssä rajoitetussa sanakirjassa, ja menetelmä " NON-tekijöiden polynomimuunnos”, jonka ydin on asiantuntijan laadullisen tiedon muuntaminen matemaattiseksi malliksi epälineaarisen polynomifunktion muodossa.

Tämän artikkelin tarkoituksena on perehdyttää lukijat uuteen lähestymistapaan automaattisen ohjausjärjestelmän rakentamisen ongelman ratkaisemiseen, joka perustuu ainutlaatuisten menetelmien käyttöön, sekä kuparin automatisoidun ohjausjärjestelmän PV-3 teollisen toiminnan tuloksiin. OJSC MMC Norilsk Nickelin polaaridivisioonan tehdas. IASTP on Summa Technologies -yhtiön kehittämä vuosina 2011–2012. perustuu Gensymin (USA) G2-alustaan, joka ohjaa Vanyukovin prosessia sulfidikupari-nikkeli-raaka-aineiden käsittelyssä.

Tekninen prosessi mallinnuksen kohteena

Useimmilla teknisillä prosesseilla, mukaan lukien Vanyukovin prosessi, on kaikki "monimutkaisten teknisten järjestelmien" ominaisuudet - moniparametrit ja syöttötietojen "merkittävä epävarmuus". Tällaisissa olosuhteissa teknologisen prosessin teknologisen johdonmukaisuuden ylläpitämisen ongelman ratkaisemiseksi on suositeltavaa käyttää menetelmiä tilanteen asiantuntijan arvioimiseksi ja asiantuntijan tietämykseen ja kokemukseen perustuvan päätelmän muodostamiseksi.

Summa Technologies -yhtiö kehitti OJSC MMC Norilsk Nickelin polaaridivisioonan kuparitehtaan IASU Vanyukov -uunin (IASU PV-3) Gensymin (USA) G2-alustan pohjalta ratkaistakseen seuraavat Vanyukov-prosessin hallintaongelmat:

sulatustuotteiden laadun vakauttaminen;
mittaamattomien tai huonosti mitattujen (johtuen useista objektiivisista ja subjektiivisista syistä) teknologisen prosessin parametrien ja yksiköiden tilojen kvantitatiivinen arviointi epäsuoria menetelmiä käyttäen;
erilaisten varausmateriaalien käsittelyprosessin energiaintensiteetin vähentäminen;
prosessin lämpötilajärjestelmän vakauttaminen säilyttäen samalla suunnitellut tehtävät ja tavoitteet.

Kuvassa Kuvassa 1 on esitetty PV:n päärakenneosien layout. Yksikkö on pohjassa 1 sijaitseva suorakaiteen muotoinen kissattu vesijäähdytteinen kuilu 2, jonka katossa on kaksi kourua 3 panosmateriaalien syöttämiseksi sulatteeseen ja johon matta 4 ja kuona 5 sifonit tyhjennysrei'illä 9 ja 10 vastaavasti, ovat päätyseinien vieressä. Kaasujen poistamiseksi on järjestetty otto 6. Panosmateriaalit syötetään kourujen 3 kautta sulatteeseen, joka puhalletaan happi-ilma-seoksella (OAC) hormien 7 läpi kuplittaen intensiivisesti mattakuona-emulsiota hormin yläpuolella. Seoksesta tuleva happi hapettaa rautasulfidia, rikastaen siten mattapintaisia "kuningat" (pisaroita), jotka erottuvat pohjaan kiven ja kuonan sekoittumattomien nesteiden tiheyserojen vuoksi. Tässä tapauksessa sulamassavirtojen liike suuntautuu alaspäin johtuen kiven 4 ja kuonan 5 jatkuvasta vapautumisesta sifoneista ulostulojen 9 ja 10 kautta, vastaavasti. Kuvassa näkyvien suunnitteluominaisuuksien ansiosta. 1, itse Vanyukov-prosessi toteutetaan, jonka pääidea käy selväksi yllä olevasta kuvauksesta.

On syytä huomata Vanyukovin prosessin piirteet, jotka erottavat sen muista, mukaan lukien ulkomaisista, pyrometallurgian tekniikoista: korkea ominaistuottavuus - jopa 120 tonnia 1 m2 kylpypinta-alaa kohti päivässä (sulamisnopeus jopa 160 t/h); pienen pölyn poisto -< 1%; переработку шихты крупностью до 100 мм и влажностью > 16%.

Ohjelmisto- ja laitteistokompleksi, jonka pohjalta automatisoitu prosessinohjausjärjestelmä PV-3 toteutetaan, on kolmitasoinen arkkitehtuuri. Alempi taso sisältää antureita, sähkökäyttöjä, ohjausventtiilejä, toimilaitteita, keskitasoa - PLC, ylätasoa - henkilökohtaiset elektroniset tietokoneet (PC:t). Työaseman pohjalta on toteutettu graafinen käyttöliittymä operaattorin ja ohjausjärjestelmän välistä vuorovaikutusta varten, äänihälytysjärjestelmä ja prosessihistorian tallennus (kuva 2).

Sulatusprosessia ohjataan käyttäjän työpisteeltä ("etäpaneeli"). Tässä tapauksessa ei käytetä vain antureista ja toimilaitteista saatua tietoa, vaan myös aistinvaraista tietoa, kun sulattaja tarkkailee sulatuskylvyn käyttäytymisen ominaispiirteitä (roiskeiden kokoa ja "raskautta", sulattajan yleistä tilaa). kylpy jne.), lähettää tuloksena saadut arviot operaattorin konsoliin. Kaikki nämä fysikaaliselta luonteeltaan heterogeeniset tietolähteet yhdessä antavat käyttäjälle mahdollisuuden arvioida nykytilannetta useiden muuttujien perusteella, esimerkiksi "kuormitus", "kylvyn korkeus", "sulamislämpötila" jne., jotka määrittävät yleisemmän käsitteet: "sulatuskylvyn tila", "prosessin tila kokonaisuutena".

Objektiivisesti kehittyvät tuotantoolosuhteet johtavat usein Vanjukov-prosessin tiukempiin vaatimuksiin; esimerkiksi tarve sulattaa suuri määrä ihmisen valmistamia raaka-aineita, mikä vaikeuttaa merkittävästi prosessin teknologisen johdonmukaisuuden ylläpitämistä, koska ihmisen valmistamien komponenttien koostumus ja kosteus ovat huonosti ennustettavissa. Tämän seurauksena toimija, jolla ei ole riittävästi tietoa tällaisten raaka-aineiden ominaisuuksista, ei aina pysty tekemään oikeita päätöksiä ja "menettää" joko lämpötilan tai lopputuotteiden laadun.

Kehitetyn IASU PV-3:n perustana on periaate suorittaa prosessi melko kapeassa "käytävässä" prosessin teknologisen johdonmukaisuuden pääkriteerien mukaisesti lopputuotteen laadun parantamiseksi ja yksikön toimintaominaisuuksien ylläpitämiseksi. . IASU PV-3 on suunniteltu ennakoimaan ja tiedottamaan operaattorille varhaisessa vaiheessa teknologisen johdonmukaisuuden rikkomuksista niiden esiintymisen alkuvaiheessa analysoimalla asiantuntijatiedon perusteella kehitettyjä erityiskriteereitä. Kriteerit asettavat prosessiohjauksen tavoitteet ja tiedottavat operaattorille prosessin nykytilasta. Tässä tapauksessa kriteeriarvojen poikkeaminen sallittujen rajojen yli tulkitsee järjestelmä "ristiriidan" alkamiseksi, ja käyttäjälle se on signaali tarpeesta tehdä suositeltuja ohjaustoimenpiteitä prosessin palauttamiseksi. teknologisen johdonmukaisuuden tilaan.

Lyhyt kuvaus järjestelmän ominaisuuksista

IASU PV-3, joka perustuu ACS PV-3:sta ja muista tietojärjestelmistä saatuun alustavaan tietoon, toteuttaa Vanyukovin prosessimallin reaaliajassa, analysoi prosessin nykytilan teknisten epätasapainojen varalta ja tunnistaa ristiriitojen sattuessa ne tarjoavat operaattorille konfliktinratkaisuskenaarioita. Järjestelmä toimii siten "operaattorin neuvonantajana". Automaattinen ohjausjärjestelmä visualisoi tietokanavat, jotka näyttävät käyttäjälle johtamiskriteerien nykytilan ja ennusteet lopputuotteiden laadusta.

IASU PV-3:lla on seuraavat kuluttajaominaisuudet:

intuitiivinen käyttöliittymä prosessihenkilöstölle;
ohjelmistojen ja tietojen yhteensopivuus ACS PV-3:n ja muiden tietojärjestelmien kanssa;
kyky mukauttaa järjestelmä muihin yksiköihin tietokannan täyttämisen tasolla muuttamatta järjestelmän ohjelmistoydintä;
kaikkien käyttöliittymäelementtien lokalisointi venäjäksi;
luotettavuus, avoimuus, skaalautuvuus, eli mahdollisuus laajentaa ja modernisoida edelleen.

Kaikkien yksiköiden ja toimilaitteiden valvonta ja ohjaus tapahtuu ACS PV-3:n ohjauspisteistä, jotka sijaitsevat valvomossa PV-3.

Olemassa olevien operaattoriasemien lisäksi käytössä on erikoistunut automatisoitu työasema, joka on suunniteltu tarjoamaan käyttäjälle IASU PV-3 -järjestelmän käyttöliittymä. Arkkitehtonisesti ja toiminnallisesti IASU PV-3 näyttää lisäyksenä olemassa olevaan ACS PV-3:een eli olemassa olevan ohjausjärjestelmän toiminnallisten ja tietotoimintojen laajennukselta.

IASU PV-3 tarjoaa reaaliaikaisen suorituksen seuraaville sovellustoiminnoille:

uuniin syötetyn panoksen määrän ja laadun arviointi;
lopputuotteiden laadun ennuste;
operaattorin päätösten tulosten näyttäminen prosessin teknisen tasapainon kriteerien perusteella;
prosessiohjauksen laadun automaattinen analyysi;
hallinnan tietokannan kerääminen koko järjestelmän toimintajakson ajalta;
PV-3-yksikön mallinnus käytettäväksi "Simulaattori"-tilassa henkilöstön koulutusta varten.

IASU PV-3:n arkkitehtuuri

IASU PV-3 on asiantuntijajärjestelmä, joka toteuttaa sulatusprosessin älykkään valvonnan ja ohjauksen operaattorin neuvontatilassa. Valvonta toteutetaan suositussarjana operaattorille ja vanhemmalle sulattolle prosessin teknologisen tasapainon ylläpitämiseksi samalla kun saavutetaan asetetut tavoitteet loppusulatustuotteiden laadulle, tietyn määrän valmiita tuotteita (mattakauhat) saamiseen ja sulatukseen. keinotekoisista materiaaleista.

IASU PV-3:n, kuten minkä tahansa asiantuntijajärjestelmän, pääelementit ovat: tietopohja; päätöksentekolohko; lohko syötetyn informaatiovirran tunnistamiseksi (tietoon perustuvan lähdön saaminen). Kuvassa Kuvassa 3 on esitetty järjestelmän yleinen arkkitehtuuri.

Epälineaarisen polynomin muodossa asiantuntijatiedon poimimisen ja esittämisen metodologian ainutlaatuisuus mahdollistaa riittävän loogis-kielellisten mallien nopean syntetisoinnin, joka järjestelmällisesti edustaa teknisten prosessien piirteitä. Samanaikaisesti korkeasti koulutettujen asiantuntijoiden käyttö asiantuntijoina, jotka käyttävät tätä tiettyä yksikköä sen ominaispiirteineen, takaavat, että siinä tapahtuva prosessi suoritetaan yrityksen teknisten ohjeiden mukaisesti.

Tietoesitys Vanjukovin prosessimallin kuvaamiseksi perustuu "Semanttinen verkko perusontologiassa" -esitysyn. Tämä esitys sisältää sanakirjan valinnan - perusontologian, joka perustuu aihealueen analyysiin. Perusontologian ja perusontologian elementtejä vastaavien ominaisuuksien avulla on mahdollista rakentaa semanttinen verkko, jonka avulla voit strukturoida monimutkaisen monitekijämallin. Tämän kuvauksen ansiosta toisaalta saavutetaan merkittävä pieneneminen tekijöiden lukumäärän ulottuvuudessa, ja toisaalta yhteydet, joilla nämä tekijät liittyvät toisiinsa, ovat yhtenäisiä. Samalla jokaisen tarkastellun tekijän semantiikka ja toiminnallisuus säilyvät täysin.

Kaikki tieto Vanyukov-prosessista ja PV-3-yksiköstä, jossa tämä prosessi toteutetaan, on tallennettu tietokantaan (KB). Jälkimmäinen on suunniteltu relaatiotietovarastoksi ja sisältää muodollisen tiedon tietueen muodossa taulukoissa.

Osana asiantuntijajärjestelmää tietoprosessori tai päätöksentekoyksikkö toteutetaan teollisuuden asiantuntijajärjestelmien kehitysalustan G2 (Gensym, USA) pohjalta. Tietoprosessorin pääelementit (kuvio 3) ovat seuraavat lohkot: syötetyn tietovirran tunnistus; mallin laskeminen nykytilannetta varten; tilanneanalyysi; päätöksenteko.

Tarkastellaanpa näitä elementtejä tarkemmin. Asiantuntijajärjestelmän käynnistyessä tietoprosessori lukee tietokannasta kaiken tiedon, joka tallennetaan muistiin, ja rakentaa mallin PV-3-yksiköstä ja Vanjukov-prosessista. Lisäksi prosessin ja PV-3-yksikön toimiessa yksikön automaattisesta ohjausjärjestelmästä saadaan tietoja automaattiseen ohjausjärjestelmään. Nämä tiedot kuvaavat sekä prosessin tilaa (ominaishapenkulutus metallipitoisten materiaalien tonnia kohden jne.) että PV-3-yksikön tilaa (kunkin rivin kasoneista poistoveden lämpötila, hapen tila putket puhalluksen syöttämiseksi sulatteeseen jne.). Tiedot saapuvat tunnistuslohkoon, tunnistetaan teknisten johdonmukaisuuskriteerien perusteella, minkä jälkeen näiden tietojen perusteella suoritetaan laskenta Vanyukovin prosessimallilla. Tämän laskelman tulokset analysoidaan tilanneanalyysilohkossa ja jos teknologisen tasapainon rikkominen tapahtuu, järjestelmä tunnistaa tilanteen "konfliktiksi". Seuraavaksi tehdään päätös teknologisen tasapainon palauttamisesta. Tuloksena saadut ratkaisut sekä tiedot prosessin nykytilasta sekä tiedot ristiriidoista näkyvät IASU PV-3:n asiakasmoduulissa (kuva 4). Malli päivittyy minuutin välein.

Käytännön toteutus

Esittelemme IASU PV-3:n ennustuskyvyt sen toiminnan aikana OJSC MMC Norilsk Nickelin napaosaston kuparitehtaalla.

Kuvassa Kuvassa 4 on esitetty automaattisen ohjausjärjestelmän PV-3 rajapinta, jonka tiedot toimivat lisäyksenä käyttäjälle automaattiseen pääohjausjärjestelmään (kuva 2) ohjauspäätöstä tehdessään. Kentässä 1 (kuva 4) havainnollistetaan laskenta-arvot "Ominaishapenkulutus metallipitoista tonnia kohti" -mallilla. IASU PV-3:n ennustuskyvyn heijastus lopputuotteen laadulle - kiven kuparipitoisuudelle - näkyy kentän 2 kaaviossa ja piidioksidin osalta - kenttä 3. Seuraavat indikaattorit näkyvät paneelissa: 4 - kuonan kuparipitoisuus (%); 5 - metallia sisältävien virtausten prosenttiosuus kuormassa; 6 - latauslaatu (b/r); 7 - sulamislämpötila (°C). Kenttä 8 sisältää tuntikohtaiset laskennalliset arvot panosmateriaalien kulutuksesta bunkkereittain ja kentässä 9 kulloinkin tapahtuvien konfliktien nimet. Laskelmien tarkkuuden lisäämistä malleilla helpottaa siirtyminen kentän 10 valintanappien oikeaan ohjaustilaan. Muuntimen kuonan täyttö otetaan huomioon kentän 11 painikkeella.

Kentän 1 käyrän minuuttikohtaisten arvojen analyysi osoittaa prosessin vakaan toiminnan hyväksyttävissä rajoissa hapen ominaiskulutuksen kriteerin mukaan metallipitoisten materiaalien tonnia kohden, jonka jälkeen laadun heikkeneminen lopputuotteet ovat taattuja. Siten yli 10 minuuttia määrättyjen rajojen ulkopuolella oleminen voi johtaa prosessin kriittisiin tiloihin: alle 150 m3/t - sulatteen alihapettuminen ja sen seurauksena uunin kylmäkäyttö; yli 250 m3/t - sulatteen ylihapettuminen ja sen seurauksena uunin kuumakäyttö.

Todellisiin tietoihin (kenttä 2) perustuva laskettu kuparipitoisuus mattassa korreloi selvästi edellisen kriteerin (kenttä 1) arvojen käyttäytymisen kanssa.

Siten aikavälillä 17:49–18:03 molempien kaavioiden huiput osuvat yhteen, mikä kuvastaa järjestelmän vastetta PV:n fysikaalis-kemiallisen tilan muutoksiin: lansettien (puhdistus) laitteiden rutiininomaista toimintaa. puhalluksen syöttäminen sulatteeseen johti hapen ominaiskulutuksen nousuun > 240 m3/t, aiheutti sulatteen lämpötilan luonnollisen nousun ja siten kiven kuparipitoisuuden luonnollisen nousun.

Lisäksi prosessin suorittaminen ominaishapenkulutuksella noin 200 m3/t määrittää kiven kuparipitoisuudeksi luonnollisesti 57...59 % havaitun 2 tunnin aikavälin aikana.

Sinisen ja vihreän kaavion (kenttä 1) käyttäytymisen vertailu osoittaa, että käyttäjä noudattaa järjestelmän suosituksia lähes koko ajan. Samaan aikaan "Ominaiskulutus" -kriteerin todelliset arvot eroavat suositelluista johtuen a) PV-3-yksikön antureiden lukemien luonnollisista vaihteluista puhallusvirtauksen suhteen; b) uunin putken teknologinen toiminta (käyrän huippu); c) kemialliset muutokset sulaaltaan tilassa raaka-aineen koostumuksen vaihteluista johtuen. Huomaa, että kriteerin "% metalleja sisältävistä juoksutuksista" mukaan käyttäjä työskentelee ylikulutuksella (keltainen ilmaisinalue 5) järjestelmäsuosituksiin nähden. Samanlainen tilanne liittyy teknogeenisten raaka-aineiden esiintymiseen kuormassa. Tämän seurauksena sulatteen piidioksidipitoisuuden vaihtelut tulevat vaikeasti ennustettavissa ja järjestelmä varoittaa käyttäjää, että pitkäaikainen käyttö tässä vuolataustilassa voi johtaa teknologiseen epätasapainoon. Keinotekoisten raaka-aineiden esiintymisen kuormassa vahvistaa myös laskettu parametri "Kuorman laatu" (indikaattori 6), joka näyttää arvon punaisella alueella - "Huonolaatuiset raaka-aineet".

Siten järjestelmä ohjaa käyttäjää suorittamaan prosessia tärkeimpien teknisten konsistenssin parametrien "kapealla" arvoalueella, samalla kun se osoittaa sulamisen tuloksena saatavan tuotteen laadun.

Prosessin suorittaminen tärkeimpien teknisten kriteerien määritellyissä rajoissa mahdollistaa myös uunin puhalluskäyttötavan optimoinnin, erityisesti maakaasun kulutuksen vähentämiseksi puhalluksessa.

Trendien visualisoinnilla pääkriteerien mukaan on myös positiivinen psykologinen vaikutus prosessioperaattoriin, koska se "perustelee" kvantitatiivisesti prosessin hallinnassa tehdyn päätöksen toteuttamista.8 9

Johtopäätös

Summa Technologies -yhtiön kehittämä ja Polar Division MMC Norilsk Nickelin kuparitehtaalla testattu älykäs automaattinen Vanjukov-prosessin valvonta- ja ohjausjärjestelmä IASU PV-3 "monimutkaisena teknisenä järjestelmänä" antaa meille mahdollisuuden tehdä joitakin yleistyksiä. suhteessa saatujen tulosten käyttöön muilla tiedon ja teollisuuden aloilla.

Yllä mainittujen itsenäisten teknologioiden synteesi mahdollistaa automatisoidun ohjausjärjestelmän luomisen lähes kaikille "monimutkaisille teknisille järjestelmille" asiakkaan olemassa olevan perusautomaation ja korkeasti koulutettujen asiantuntijoiden läsnä ollessa, jotka käyttävät tällaisia järjestelmiä melko tehokkaasti "merkittävän epävarmuuden" olosuhteissa. ”

Ehdotetulla lähestymistavalla IAS:n muodostamiseen on useita muita etuja. Ensinnäkin se tarjoaa merkittäviä ajansäästöjä, koska ensimmäinen teknologia (käyttämällä ontologista lähestymistapaa) on jo otettu käyttöön ohjelmistotuotteessa ja antaa sinun käsitellä tietoa kaikista tietokannan malleista, ja toinen (rakennat järjestelmän matemaattiset yhtälöt monimutkaiselle teknologiselle prosessille) in Reseptin kehitetyn sovellusmenetelmän vuoksi se vaatii vähintään vetoa asiantuntijaan. Toiseksi asiantuntijatiedon käyttö tietyn kohteen teknisen kunnon arvioinnissa tapahtuu sen toimintaa koskevien teknisten määräysten olosuhteissa, mikä minimoi riskin siitä, että järjestelmä tekee virheellisen päätöksen, ja reaaliaikainen seuranta edistää lähestyvien äärimmäisten (pre-emergency) prosessitilojen varhainen havaitseminen. Kolmanneksi yleisin lähestymistapa monitahoisten teknisten prosessien, esineiden tai ilmiöiden teknisen tilan monitasoisen tunnistamisen ratkaisemiseksi millä tahansa teollisuudella on tosiasiallisesti toteutettu - ei-rautametallien ja rautametallien metallurgia, kaivosteollisuus sekä öljyn ja kaasun tuotanto, kemianteollisuus, lämpöteollisuus. energiatekniikka, maatalous jne.

Bibliografia

1. Sokolov B.V., Yusupov R.M. Käsitteellinen perusta mallien ja monimallikompleksien laadun arvioimiseen ja analysointiin.//Izv. RAS. Teoria ja ohjausjärjestelmät. 2004. Nro 6. S. 6–16.

2. Spesivtsev A.V. Metallurginen prosessi tutkimuskohteena: uudet käsitteet, johdonmukaisuus, käytäntö. - Pietari: Polytechnic Publishing House. Yliopisto, 2004. - 306 s.

3. Spesivtsev A.V., Lazarev V.I., Daymand I.N., Negrey D.S. Asiantuntijatietoon perustuvan teknologisen prosessin toiminnan johdonmukaisuuden asteen arviointi.//Sb. raportteja. XV kansainvälinen konferenssi pehmeästä tietojenkäsittelystä ja SCM-mittauksista. Pietari, 2012, T. 1. - P. 81–86.

4. Okhtilev M.Yu., Sokolov B.V., Yusupov R.M. Älykkäät tekniikat monimutkaisten teknisten kohteiden rakennedynamiikan seurantaan ja ohjaukseen. - M.: Nauka, 2006. - 410 s.

5. Narignani A.S. EI-tekijät ja tietotekniikka: naivista formalisaatiosta luonnolliseen pragmatiikkaan//KII 94. Tieteellisten töiden kokoelma. toimii Rybinsk, 1994. - s. 9–18.

6. Spesivtsev A.V., Domshenko N.G. Asiantuntija "älykkäänä mittaus- ja diagnoosijärjestelmänä".//Sb. raportteja. XIII kansainvälinen konferenssi pehmeästä tietojenkäsittelystä ja SCM-mittauksista. S.-Petersburg, 2010, T. 2. - P. 28–34.

7. Vanyukov A.V., Bystrov V.P., Vaskevich A.D. ja muut sulaminen nestehauteessa / Ed. Vanyukova A.V.M.: Metallurgia, 1988. - 208 s.

480 hieroa. | 150 UAH | 7,5 $ ", MOUSEOFF, FGCOLOR, "#FFFFCC",BGCOLOR, "#393939");" onMouseOut="return nd();"> Väitöskirja - 480 RUR, toimitus 10 minuuttia, ympäri vuorokauden, seitsemänä päivänä viikossa ja lomapäivinä

Sitnikov Mihail Sergeevich. Älykkäiden automaattisten ohjausjärjestelmien analyysi ja synteesi sumealla säätimellä: väitöskirja... Teknisten tieteiden kandidaatti: 05.13.01 / Sitnikov Mikhail Sergeevich; [Suojapaikka: Moskova. osavaltio Radiotekniikan, elektroniikan ja automaation instituutti] - Moskova, 2008. - 227 s.: ill. RSL OD, 61 08-5/1454

Johdanto

LUKU 1. Älykkäiden, sumealla säätimellä varustettujen automaattisten ohjausjärjestelmien sovellusalueet ja tutkimusmenetelmät 14

1.1. Yleiskatsaus ISAU:n sovellusalueisiin HP 14:n kanssa

1.2. Ongelmia ISAU:n tutkimisessa HP 24:n kanssa

1.3. Tutkimus HP:n pääparametrien vaikutuksesta epälineaaristen muunnosten luonteeseen 28

1.3.1 Yksittäisten termien jäsenyysfunktioiden muodon ja suhteellisen sijoituksen vaikutus epälineaaristen muunnosten luonteeseen Mamdanin sumeassa mallissa 35

1.3.2 Syöte- ja lähtötermien välisten suhteiden järjestyksen vaikutus epälineaaristen muunnosten luonteeseen Mamdanin sumeassa mallissa 41

1.4. Luku 43 Johtopäätökset

LUKU 2. Älykkäiden automaattisten ohjausjärjestelmien analyysi ja synteesi harmonisen tasapainon menetelmään perustuen 45

2.1. ISAU:n tutkimus harmonisen tasapainon menetelmällä 46

2.2. Epäsuora laadunarviointi 73

2.3. Sumean säätimen parametrien vaikutus EKKU 81:een

2.4. Menetelmiin perustuvat menetelmät ISAU:n tutkimukseen ja synteesiin HP:n kanssa

harmoninen tasapaino 90

2.5. Luku 98 Johtopäätökset

LUKU 3. Älykkäiden automaattisten ohjausjärjestelmien tutkimus absoluuttisten vakauskriteerien perusteella 99

3.1. ISAU:n absoluuttisen stabiilisuuden tutkimus HP 99:llä

3.2. Tutkimus automaattisen ohjausjärjestelmän absoluuttisesta stabiilisuudesta, jossa on useita epälineaarisuutta, 100

3.3. Ensimmäisen tyypin 105 sumealla säätimellä varustetun automaattisen ohjausjärjestelmän tasapainoasennon absoluuttisen stabiilisuuden tutkimus

3.4. Prosessien absoluuttisen stabiilisuuden tutkiminen automatisoidussa ohjausjärjestelmässä ensimmäisen tyypin sumealla säätimellä; 119

3.5. Tutkimus sumeiden säätimen parametrien vaikutuksesta automatisoidun ohjausjärjestelmän absoluuttiseen stabiiliuteen ". 124

3.6. ISAU-sääntelyn laadun epäsuorat arvioinnit prosessien absoluuttisen stabiilisuuden kriteerin perusteella 137

3.7. Luku 139 Johtopäätökset

LUKU 4. Sumeiden säätimien automatisoitu synteesi geneettisten algoritmien perusteella 141

4.1. Katsaus automatisoituihin synteesimenetelmiin 141

4.2. Geneettisten algoritmien käyttäminen fuzzy-ohjainten synteesin ja virityksen automatisoinnin ongelmien ratkaisemiseen 144

4.3. Algoritmit automatisoitujen ohjausjärjestelmien synteesiin HP 151:llä

4.4 Metodologia HP 155:n automaattiseen synteesiin ja viritykseen

4.5. Luku 167 Johtopäätökset

LUKU 5. Ohjelmisto- ja laitteistototeutus menetelmien analysointia ja synteesiä varten älykkäillä automaattisilla ohjausjärjestelmillä, joissa on sumea säädin 169

5.1. Ohjelmistopaketti ISAU:n analysointiin ja synteesiin HP 170:n kanssa

5.2. Sähkökäyttöisen ohjausjärjestelmän laitteistototeutus 177

5.3. HP ISAU:n synteesi tasavirtamoottorille 180

5.4. Kokeelliset tutkimukset 190

5.5. Luku 199 Johtopäätökset

Viitteet 203

Liite 211

Johdatus työhön

Älykkäiden teknologioiden käyttö tarjoaa ratkaisuja monenlaisiin mukautuvan ohjauksen ongelmiin epävarmoissa olosuhteissa. Samalla tällaisten järjestelmien ohjelmistot ja laitteistot osoittautuvat yksinkertaisiksi ja luotettaviksi, mikä takaa korkean laadunvalvonnan. Tällaisten teknologioiden avoimuus mahdollistaa tapahtumien ennustamismekanismien integroinnin, kertyneen kokemuksen yleistämisen, itseoppimisen ja itsediagnoosin algoritmien, mikä laajentaa merkittävästi älykkäiden järjestelmien toiminnallisten ominaisuuksien valikoimaa. Selkeä ihmisen ja koneen välinen rajapinta antaa älykkäille järjestelmille pohjimmiltaan uusia ominaisuuksia, jotka voivat yksinkertaistaa huomattavasti oppimis- ja tehtävien asettamisen vaiheita.

Yksi yleisimmistä älykkäistä teknologioista, joista on tullut laajalti ja joka on osoittautunut käteväksi ja tehokkaaksi matemaattiseksi työkaluksi, on sumean logiikan (FL) laite. Sumeiden joukkojen teoria ja siihen perustuva logiikka mahdollistavat epätarkkojen kategorioiden, esitysten ja tiedon kuvaamisen, niiden kanssa toimimisen ja asianmukaisten johtopäätösten tekemisen. Tällaisten mahdollisuuksien olemassaolo muodostaa malleja erilaisista kohteista, prosesseista ja ilmiöistä laadukkaalla, käsitteellisellä tasolla määräsi kiinnostuksen järjestää älykkään ohjaus tämän laitteen käyttöön perustuvan.

Teoreettisten ja kokeellisten tutkimusten tulokset osoittavat, että NL-tekniikan käyttö mahdollistaa erittäin tehokkaiden nopeiden säätimien luomisen laajaan luokkaan teollisuus-, sotilas- ja kodinkoneissa käytettäviä teknisiä järjestelmiä, joilla on korkea mukautumiskyky, luotettavuus ja toiminnan laatu satunnaisten häiriöiden ja ulkoisen kuormituksen epävarmuuden olosuhteissa.

Nykyään tätä laitetta pidetään yhtenä lupaavimmista työkaluista järjestelmän toiminnan aikana syntyvien erityisten ja epästandardien tapausten kuvaamiseen. Tiedon "sumean" esityksen erikoisuus, samoin kuin rajaton määrä syöttö- ja lähtömuuttujia sekä sulautettujen sääntöjen määrä järjestelmän käyttäytymiseen, mahdollistavat tämän tekniikan avulla lähes minkä tahansa ohjauslain muodostamisen, ts. rakentaa uudentyyppinen epälineaarinen säädin, joka erottaa NL-tekniikan muista.

Kutsumme tällä tekniikalla toteutettua ohjainta fuzzyksi (HP). Yleisesti ottaen HP on taajuusriippuvainen ja epälineaarinen muunnin, joka luonnollisesti aiheuttaa useita ongelmia, jotka liittyvät älykkäiden automaattisten ohjausjärjestelmien (AICS) vakauden ja ohjauksen laadun tutkimiseen tällaisilla säätimillä.

Kiireellisimmät ongelmat, jotka vaativat ratkaisuja ja varmistavat HP:n laajemman käytön suunnittelutoiminnassa:

HP:n epälineaarisen muunnoksen piirteiden tutkiminen;

Teknisten menetelmien kehittäminen ISAU:n hallinnan vakauden ja laadun tutkimiseksi HP:n kanssa;

HP:n viritys- ja synteesitekniikoiden kehittäminen;

Työkalujen luominen HP:n asennusprosessin automatisoimiseksi.

Tutkimuksen aiheena ovat HP:ssa toteutetut epälineaariset muunnokset, dynaamiset prosessit automatisoiduissa ohjausjärjestelmissä HP:n kanssa, älykkäiden automaattisten ohjausjärjestelmien ohjauksen vakaus ja laatu.

Tutkimuksen kohteena ovat älykkäät automaattiset ohjausjärjestelmät sumeilla säätimillä.

Työn tavoite

Algoritmien, ohjelmistojen ja laitteistojen kehittäminen korkealaatuisten automaattisten ohjausjärjestelmien tutkimukseen ja synteesiin HP:n kanssa. Tämän tavoitteen saavuttamiseksi on ratkaistava seuraavat tehtävät:

1. Selvitä HP-parametrien vaikutuksen piirteet: jäsenfunktioiden lukumäärä, tyyppi (MF) ja tuotantosääntöjen perusta (BP) sen suorittaman epälineaarisen muunnoksen luonteeseen.

2. Kehitä TAU:ssa tunnettujen menetelmien perusteella matemaattisia malleja ja vastaavia teknisiä tekniikoita jaksollisten prosessien, absoluuttisen vakauden ja automaattisten ohjausjärjestelmien laadun tutkimiseen HP:lla.

3. Kehitä menetelmiä HP-parametrien syntetisoimiseksi, jotka perustuvat automatisoidun ohjausjärjestelmän laatuindikaattoreihin.

4. Kehitä algoritmi HP-parametrien automaattista synteesiä ja säätöä varten, jotta varmistetaan automatisoidun ohjausjärjestelmän vakaus ja vaaditut laatuindikaattorit.

5. Kehitä ohjelmisto- ja laitteistokompleksi automaattisen ohjausjärjestelmän suunnittelua varten HP:n kanssa.

Tämän työn tutkimusmenetelmät perustuvat automaattisen ohjauksen teoriaan, epälineaaristen järjestelmien teoriaan, matemaattisen ja simulaatiomallinnuksen menetelmiin, graafis-analyyttisiin ongelmien ratkaisumenetelmiin, sumean logiikan teoriaan, optimointiteoriaan ja geneettisten algoritmien teoriaan. .

Tieteellisten lausuntojen, johtopäätösten ja suositusten paikkansapitävyyden ja luotettavuuden vahvistavat teoreettiset laskelmat sekä numeerisen mallinnuksen tulokset ja kokeellisten tutkimusten tulokset. Mallintamisen tulokset Matlab-ympäristössä, kokeelliset tutkimukset ohjausjärjestelmän Simulink-ympäristössä ja laitteisto-ohjelmistokompleksista ISAU:n suunnitteluun vahvistavat täysin väitöskirjatyön teoreettiset vaatimukset ja suositukset ja mahdollistavat niiden käytön suunnittelussa. todellinen ISAU. Pääasialliset puolustukseksi esitetyt määräykset

1. Tulokset tutkimuksesta HP-parametrien (lukumäärä, FP:n ja BP:n tyyppi) vaikutuksen piirteistä sen epälineaaristen muunnosten luonteeseen.

2. Matemaattinen malli jaksollisten värähtelyjen ja ohjauksen laadun tutkimiseksi automatisoiduissa ohjausjärjestelmissä HP:lla harmonisen tasapainon menetelmään perustuen.

3. Kriteerit prosessien absoluuttiselle stabiiliudelle ja automaattisen ohjausjärjestelmän tasapainoasemalle HP:n kanssa.

4. Tekniset menetelmät jaksottaisten värähtelyjen, ohjauslaadun epäsuoran arvioinnin ja automaattisten ohjausjärjestelmien absoluuttisen vakauden tutkimiseen HP:lla.

5. Metodologia HP:n automaattisten ohjausjärjestelmien synteesiin tietyllä ohjauslaadulla.

6. Algoritmi HP-parametrien automaattiseen synteesiin ja säätöön geneettisten algoritmien avulla.

7. Laitteisto- ja ohjelmistokompleksi ISAU:n suunnitteluun HP:n kanssa. Tieteellinen uutuus

1. Epälineaarisen HP-muunnoksen ominaisuuksien riippuvuus sumeiden laskelmien parametreista (jäsenfunktioiden tyyppi ja sijainti, tuotantosääntöjen perusta) on perusteltu.

2. On kehitetty matemaattisia malleja, jotka mahdollistavat harmonisen tasapainomenetelmän avulla jaksollisten värähtelyjen ja automaattisen ohjausjärjestelmän ohjauksen laadun tutkimisen.

3. On kehitetty kriteerit prosessien absoluuttiselle stabiiliudelle ja tasapainoasemalle automaattisessa ohjausjärjestelmässä HP:n kanssa.

4. Geneettisten algoritmien perusteella ratkaistiin HP-parametrien automatisoidun synteesin ja säädön ongelma ottaen huomioon ISAU-ohjauksen vaadittu laatu.

Käytännön arvo

1. Jaksottaisten värähtelyjen tutkimiseen ja automaattisten ohjausjärjestelmien ohjauksen laadun epäsuoraan arviointiin HP:lla on kehitetty käteviä suunnittelumenetelmiä harmonisen tasapainomenetelmän pohjalta.

2. Prosessien absoluuttisen stabiiliuden ja tasapainoasennon tutkimiseen on kehitetty käteviä suunnittelumenetelmiä automaattisissa ohjausjärjestelmissä HP:lla.

3. On kehitetty menetelmä HP-parametrien automatisoituun synteesiin ja säätämiseen ottaen huomioon automatisoidun ohjausjärjestelmän vakauden ja laadun osa-alueet.

4. ISAU:n tutkimusta ja suunnittelua varten on luotu laitteisto- ja ohjelmistokompleksi HP:n kanssa.

5. Väitöstyön tuloksia käytettiin Venäjän tiedeakatemian puheenjohtajiston SPP:n ohjeiden mukaisesti toteutetussa tutkimusprojektissa "Latilus-2" "Tietotutkimus ja älykkäiden menetelmien kehittäminen tarkkuusohjaukseen. lupaavien aseiden ja sotilasvarusteiden toimilaitteet." Erityisesti on osoitettu, että HP:n käyttö, joka toteuttaa epälineaarisen ohjauslain, voi parantaa merkittävästi uusien sotilasvarustemallien toimilaitteiden ohjauksen laatua (suorituskyky kasvaa 2-3 kertaa, ylitys vähenee 20 % ). Kuorman aiheuttamaa ohjausvirhettä voidaan vähentää useita kertoja.

Ehdotetaan käteviä graafis-analyyttisiä menetelmiä automatisoitujen ohjausjärjestelmien analysointiin ja synteesiin HP:lla toimilaitteille ja lupaaville sotilasvarusteille.

6. Väitöstyön tuloksia käytettiin Venäjän perustutkimussäätiön apurahoilla toteutettaviin töihin:

2005-2006, projekti numero 05-08-33554-a "Matemaattisten mallien ja harmonisen tasapainon menetelmien kehittäminen sumeiden järjestelmien jaksollisten prosessien ja ohjauksen laadun tutkimiseen."

2008-2010, projektinumero 08-08-00343-a "Sumeiden ohjaimien automatisoitu synteesi geneettisten algoritmien perusteella."

Työn hyväksyminen. Työn pääsäännöt keskusteltiin ja esiteltiin robotiikkaa käsittelevässä konferenssissa akateemikko E.P. Popov (MSTU nimetty N.E. Baumanin mukaan 2008), XIV ja XV kansainvälisissä tieteellisissä ja teknisissä seminaareissa "Modernit tekniikat ohjaus-, automaatio- ja tiedonkäsittelyongelmissa" (Alushta 2006-2007), XV International Student School -seminaarissa "Uusi Information Technologies" (Sudak 2006), I All-venäläisessä opiskelijoiden ja jatko-opiskelijoiden tieteellisessä konferenssissa "Robotiikka, mekatroniikka ja älykkäät järjestelmät" (Taganrog 2005), koko Venäjän opiskelijoiden tieteellisen ja teknisen luovuuden arviointikilpailussa Korkeakoulut "EUREKA-2005" (Novocherkassk 2005), tieteellisessä ja käytännön konferenssissa "Moderni tietotekniikka" johdon ja koulutuksen alalla. (Voskhod) Moskova 2006

Julkaisut

Väitöstyön päätulokset julkaistiin 8 painoteoksessa, joista yksi artikkeli korkeamman todistustoimikunnan luettelosta lehdessä ja yksi monografia.

Ensimmäisessä luvussa, joka perustuu HP-järjestelmien käyttöaluekatsaukseen, esitetään niiden laaja käyttö tieteen ja teknologian eri aloilla. Esitetään useita etuja, mukaan lukien korkea laadunhallinta, tehokkuus ja toimivuus.

Samaan aikaan on osoitettu, että nykyään ei ole olemassa insinöörikäytännöille sopivia menetelmiä ja tekniikoita, jotka mahdollistavat automatisoitujen ohjausjärjestelmien täyden analysoinnin ja synteesin HP:n kanssa.

Luvussa tarkastellaan HP-parametrien (lukumäärä, FP:n ja BP:n tyyppi) vaikutusta sen epälineaarisen muunnoksen luonteeseen tulon ja lähdön signaalien välillä. Toteutettu tutkimus on toisaalta välttämätön perusta epälineaaristen järjestelmien tutkimusmenetelmien asianmukaiselle soveltamiselle automatisoitujen automatisoitujen ohjausjärjestelmien tutkimukseen HP:n kanssa ja erityisesti harmonisen tasapainon menetelmän ja absoluuttisen stabiilisuuden kriteerien tutkimiseen. toisaalta annetuilla ominaisuuksilla varustettujen automaattisten automaattisten ohjausjärjestelmien syntetisointiongelman ratkaiseminen on mahdollista vain ymmärtämällä epälineaarisen muunnoksen riippuvuus HP:n asetuksista.

Tehdyn tutkimuksen perusteella väitöstyön tavoitteet ovat perusteltuja.

Toisessa luvussa kehitetään matemaattisia malleja, jotka mahdollistavat jaksollisten värähtelyjen tutkimisen automatisoidussa ohjausjärjestelmässä HP:n kanssa harmonisen tasapainon menetelmällä. Mahdollisuus epäsuorasti arvioida automatisoitujen ohjausjärjestelmien laatua HP:lla värähtelyindeksiin perustuvan harmonisen tasapainon menetelmällä on myös perusteltu ja asianmukainen metodologia kehitetään.

Ongelma syntetisoida automaattinen ohjausjärjestelmä HP:n kanssa määritetyillä laatuindikaattoreilla perustuen harmonisen tasapainon menetelmään on ratkaistu.

Luvussa tarkastellaan ja esitetään jäsenfunktioiden muodon ja termien suhteellisen sijoittelun vaikutusta sekä tuotantosääntöjen vaikutusta HP ECC:n luonteeseen.

Tietokonemalleilla suoritettujen kokeellisten tutkimusten tulokset vahvistivat kehitettyjen menetelmien sopivuuden harmonisen tasapainon menetelmään perustuvien automaattisten ohjausjärjestelmien analysointiin ja synteesiin HP:n kanssa.

Kolmannessa luvussa kehitetään matemaattisia malleja, jotka mahdollistavat automatisoidun ohjausjärjestelmän rakenteen muuntamisen ensimmäisen tyypin HP:lla epälineaarisen monipiirisen automaattisen ohjausjärjestelmän rakenteeksi. Ottaen huomioon epälineaaristen HP-muunnosten luonne, jotka perustuvat prosessien absoluuttisen stabiilisuuden kriteereihin ja useiden epälineaarisuuden omaavien järjestelmien tasapainoasemaan, on kehitetty vastaavat kriteerit automaattisille ohjausjärjestelmille, joissa on ensimmäisen tyypin HP.

Ehdotettujen kriteerien perusteella on kehitetty graafis-analyyttinen tekniikka tasapainoasennon ja prosessien stabiiliuden tutkimiseen automaattisessa ohjausjärjestelmässä HP:n kanssa.

ISAU-synteesin ongelmien ratkaisemiseksi suoritettiin tutkimus, jossa selvitettiin ISAU:n absoluuttisten stabiilisuusalueiden riippuvuutta HP-parametreista (PT:iden ja PSU:iden tyypistä ja lukumäärästä).

Absoluuttisen prosessin stabiilisuuden kriteerin pohjalta on kehitetty menetelmä, jolla voidaan epäsuorasti arvioida automaattisten ohjausjärjestelmien laatua HP:lla.

Tietokonemalleilla suoritettiin tutkimuksia, joiden tulokset vahvistivat kehitettyjen menetelmien riittävyyden tasapainoasennon ja prosessien absoluuttisen stabiiliuden tutkimiseen automaattisessa ohjausjärjestelmässä HP:n kanssa.

Neljäs luku on omistettu algoritmien ja menetelmien kehittämiseen HP-parametrien automaattista synteesiä varten ISAU:ssa. Väitöskirjassa tehty analyysi osoitti, että geneettiset algoritmit (GA) ovat ylivoimaisesti lupaavin tekniikka tämän ongelman ratkaisemiseksi. Automaattista synteesialgoritmia kehitettäessä ratkaistiin seuraavat ongelmat: ISAU-simulaatiomallin synteesi; HP:n alkuparametrien ja GA-hakuparametrien valinta; ISAU:n hallinnon laadun arviointi; kromosomien koodaus. Esimerkki näyttää automaattisen synteesialgoritmin suorituskyvyn.

Viidennessä luvussa testataan luvuissa 2-4 saatuja teoreettisia tuloksia. Parhaillaan kehitetään laitteisto- ja ohjelmistokompleksia, joka mahdollistaa sumeiden ohjainten suunnittelun täyden syklin, alkaen matemaattisten mallien kehittämisestä ja päättyen suoriin testauksiin todellisilla laitteilla. Luvussa kehitetään ja esitellään ohjelmistopaketti ISAU-mallien analysointiin ja synteesiin HP:n kanssa. Kompleksin ohjelmisto- ja laitteistoosien (jalustan) välinen vuorovaikutusrakenne on toteutettu, mikä mahdollistaa täysimittaiset kokeet tasavirtamoottorin ohjaamiseksi erilaisilla kuormituksilla ja häiriöillä.

Luvussa esitellään kokeellisten tutkimusten tulokset, mukaan lukien HP:n parametrien automaattinen synteesi, testaamalla todellisessa penkissä sekä viritystulosten vertaileva arvio automaattisesti viritetyn automaattisen ohjausjärjestelmän ohjauksen laadusta HP:lla ja automaattisella. ohjausjärjestelmä PID-säätimellä, joka on viritetty käänteisdynamiikkaongelmien (IDP) menetelmällä.

Lopuksi esitetään väitöskirjan tärkeimmät tieteelliset ja käytännön tulokset.

Tutkimus HP:n pääparametrien vaikutuksesta epälineaaristen muunnosten luonteeseen

Laajasta käytöstä ja suosiosta huolimatta NL-laitteen käyttöön liittyy merkittäviä vaikeuksia. Ensinnäkin tämä johtuu täydellisten suunnittelutyökalujen puutteesta sumeiden järjestelmien toiminnan laadun analysoimiseksi sekä niiden vakauden tutkimiseksi.

Taustalla, että sumeiden järjestelmien analysointiin ei ole tehokkaita menetelmiä, HP-synteesin ongelma nousee vielä akuutimmin esiin, koska sen parametrien vaikutuksen riippuvuutta automatisoidun ohjausjärjestelmän toiminnan laatuun on tutkittu melko huonosti. Nämä tekijät estävät merkittävästi HP:n laajempaa käyttöönottoa uusien itseliikkuvien aseiden luomisessa.

Ensimmäinen Ljapunov-menetelmä mahdollistaa ohjauksen laadun analysoinnin linearisoitujen ACS-yhtälöiden avulla ja sitä voidaan soveltaa minkä tahansa rakenteen järjestelmiin. Tämä menetelmä antaa meille mahdollisuuden saada tarvittavat olosuhteet järjestelmän vakaudelle pieninä määrinä, mutta järjestelmän suurille poikkeamille se ei takaa vakautta. Se edellyttää ACS:n sisältämien epälineaaristen elementtien linearisointia, joten se soveltuu vain ACS:n analysointiin primitiivisillä sumeilla laskelmilla.

Toinen Ljapunov-menetelmä mahdollistaa riittävien stabiilisuusolosuhteiden saavuttamisen. Oletetaan, että automaattinen ohjausjärjestelmä, jossa on sumea säädin, kuvataan ensimmäisen kertaluvun epälineaaristen differentiaaliyhtälöiden järjestelmällä ja tämän perusteella, ottaen huomioon epälineaarisen muunnoksen erityispiirteet, rakennetaan erityinen Ljapunov-funktio, jonka ominaisuudet joiden avulla voidaan analysoida tutkittavan järjestelmän vakautta ja määrittää joitakin laatuindikaattoreita. Tämän menetelmän käytön ongelmiin kuuluu järjestelmään sopivan funktion valinnan vaikeus, joka sisältää myös sumeiden laskelmien esittämisen. Jotkut ensimmäisistä teoksista, jotka liittyvät tiettyihin HP:n järjestelmiin, ovat.

Huomautuksena on huomattava, että NV-algoritmeista (Mamdani, Tsukamoto, Takagi-Sugeno (T-S), Larsen) yleisimmin käytetyt ovat Mamdani ja Takagi-Sygeno. ISAU:n tutkimiseksi T-S-algoritmilla rakennetun HP:n kanssa kehitettiin samanniminen analyyttinen menetelmä Takagi-Sygenon stabiiliuden tutkimiseksi, joka perustuu toiseen Ljapunov-menetelmään. Tämä menetelmä ei koske järjestelmiä, joissa NV on rakennettu Mamdani-algoritmilla.

Suodatinhypoteesiin perustuva likimääräinen harmoninen tasapainomenetelmä mahdollistaa itsevärähtelyjen tutkimisen sumeassa järjestelmässä. Tämä menetelmä on graafis-analyyttinen ja mahdollistaa automaattisen ohjausjärjestelmän tutkimisen esittämättä HP:tä analyyttisessä muodossa käyttämällä vain sen epälineaarisen muunnoksen ominaisuutta. Sitä käytettiin ensin ISAU:n analysointiin HP:n kanssa, ja kirjoittajat laajensivat sitä. Pääsääntöisesti sitä käytettiin analysoimaan tiettyjä automatisoituja ohjausjärjestelmiä, joissa oli sumea P-säädin, ja suhteessa automatisoituun ohjausjärjestelmään, jossa oli taajuusriippuvainen sumea säädin (PI-FID), tutkimuksissa oli erittäin karkea arvio järjestelmän dynaamiset ominaisuudet. On myös huomattava, että töissä ehdotetusta lähestymistavasta puuttuu metodologinen luonne, joka mahdollistaisi sen pohjalta teknisten työkalujen kehittämisen tällaisten automaattisten ohjausjärjestelmien analysointiin.

Sumeiden järjestelmien stabiilisuutta tutkittaessa käytettiin myös absoluuttisiin stabiilisuuskriteereihin perustuvaa menetelmää (ympyräkriteeri ja V.M. Popovin kriteeri). Tämän menetelmän käyttämiseksi on tarpeen suorittaa lisätutkimuksia epälineaarisen ominaisuuden riippuvuudesta useiden vaatimusten täyttämiseksi. Pääsääntöisesti sitä käytettiin tietyn automaattisen ohjausjärjestelmän analysointiin sumeilla P-säätimillä.

Myös sumeiden järjestelmien tutkimusta on tehty erilaisilla likimääräisillä menetelmillä.

Ilmeisesti HP:n kanssa automatisoitujen automatisoitujen ohjausjärjestelmien vakauden tutkimukselle on omistettu suhteellisen pieni määrä töitä, ja pääsääntöisesti ne kaikki ovat luonteeltaan yksityisiä, ei-systeemisiä. Tämä kertoo pohjimmiltaan tämänsuuntaisen kehityksen alkuvaiheesta ja sisältää syvällisemmän tutkimuksen kunkin lueteltujen menetelmien ominaisuuksista. Yksi ensimmäisistä yrityksistä systemaattiseen lähestymistapaan sumeiden systeemien tutkimukseen kuuluu vuonna 1999 julkaistun työn tekijöille. Tässä työssä sumeat järjestelmät on pelkistetty epälineaarisiin, ja tämän perusteella menetelmiä, jotka on suunniteltu tutkimaan sumeiden järjestelmien stabiilisuutta. niihin sovelletaan epälineaarisia järjestelmiä. Kuten kirjoittajat itse huomauttavat, työssä on useita merkittäviä puutteita, joista ensimmäinen on melko pinnallinen lähestymistapa sumeiden järjestelmien analyysiin, koska selkeitä, systemaattisia analyysimenetelmiä esitetyillä menetelmillä ei ole esitetty. Myöskään NV-parametrien vaikutuksen analysointiin epälineaarisiin HP-muunnoksiin ei ole kiinnitetty riittävästi huomiota. Työssä ei esitetä työkaluja sumeiden automatisoitujen ohjausjärjestelmien synteesiin ja konfigurointiin, mikä on erittäin tärkeää niiden käytännön soveltamisen kannalta. Äskettäin julkaistut työt, jotka on omistettu automatisoitujen ohjausjärjestelmien analysointiin HP:n kanssa, perustuvat pääasiassa yllä oleviin menetelmiin.

ISAU:n tutkimus harmonisen tasapainon menetelmällä

Kuten edellisessä luvussa esitettiin, älykäs säädin suorittaa jonkin epälineaarisen muunnoksen, jonka seurauksena on mahdollista parantaa tällaisten järjestelmien ohjauksen laatua. Mutta samaan aikaan epälineaaristen elementtien läsnäolo ACS-piirissä, kuten tiedetään, voi johtaa erilaisiin ongelmiin, jotka liittyvät järjestelmän dynamiikkaan. Erityisesti stabiilisuusalueet systeemiparametrien tasolla muuttuvat (verrattuna lineaarisiin järjestelmiin), ja on tarpeen tutkia sekä tasapainopaikkoja että prosesseja. Epälineaarisille järjestelmille ominaisten jaksollisten järjestelmien tutkiminen tulee tärkeäksi.

Automaattisten ohjausjärjestelmien jaksollisten värähtelyjen tutkimiseen vaikuttaa lupaavalta harmonisen tasapainon menetelmä, joka on löytänyt laajan sovelluksen epälineaaristen automaattisten ohjausjärjestelmien analysoinnin ja synteesin suunnittelukäytännössä.

Tämä menetelmä mahdollistaa automaattisten ohjausjärjestelmien jaksottaisten värähtelyjen tutkimisen lisäksi myös epälineaaristen järjestelmien ohjauksen laadun epäsuoran arvioinnin. Viimeinen näkökohta on äärimmäisen tärkeä näkökulmasta, kun tarkastellaan mahdollisuuksia ratkaista epäselvä ongelma, joka liittyy sumean ohjaimen virittämiseen vaadittuun ohjauksen laatuun.

Koska älykkäät automaattiset ohjausjärjestelmät, kuten on toistuvasti todettu, on suunniteltu tarjoamaan vaihtoehtoisia ohjausalgoritmeja monimutkaisille dynaamisille objekteille, jotka toimivat sisäisten ja ulkoisten epävarmuustekijöiden vaikutuksesta, on korostettava, että näillä kohteilla on pääsääntöisesti melko suuren ulottuvuuden ja siten suurelta osin täyttävät suodatinhypoteesin vaatimukset. Ja näin ollen tulosten tarkkuus, jonka harmonisen tasapainon menetelmä tarjoaa, voi osoittautua varsin hyväksyttäväksi käytännön käyttöön.

Tutkittaessa älykkäitä järjestelmiä harmonisen tasapainon menetelmällä, syntyy metodologinen ongelma, koska se on kehitetty automaattiseen ohjausjärjestelmään, jossa on yksi epälineaarinen elementti, jossa on yksi tulo ja yksi lähtö, ja automaattisessa ohjausjärjestelmässä HP:n kanssa on useita tällaisia epälineaariset elementit, joten on tarpeen rakentaa HP-malli, jonka avulla voit soveltaa harmonisen tasapainon menetelmää.

Yleisessä tapauksessa esitämme lohkokaavion älykkäästä automaattisesta ohjausjärjestelmästä, jossa on sumea ohjain (HP) sumean tietokoneen (FC) sarjaliitännän muodossa, jossa on h - tulot, joihin on kytketty lineaariset dynaamiset linkit, ja yksi lähtö ja ohjausobjekti (OU), jossa on siirtofunktio Woy(s) (kuva 2.1), missä g(t) on komentosignaali (mekaanisissa järjestelmissä tämä on sijainti, nopeus, kiihtyvyys jne.), u (t) on ohjaussignaali, y(t) on toimilaitteen lähtösignaali, e(t) on ohjausvirhesignaali, s on Laplace-operaattori.

Sumea säädin voidaan rakentaa kahden tyyppisen rakenteen pohjalta: ensimmäinen tyyppi - sumea säädin, jossa on rinnakkaiset yksiulotteiset sumeat tietokoneet НВІ (kuvassa 2.2 esim. ensimmäisen sumean PID-säätimen lohkokaavio tyyppi on esitetty) ja toinen tyyppi - sumealla tietokoneella, jossa on moniulotteinen tulo (kuva 2.3 esittää lohkokaavion toisen tyypin sumeasta PID-säätimestä).

Ottaen huomioon ensimmäisessä luvussa esitettyjen HP:n muunnosten epälineaarisen luonteen, jaksollisten värähtelyjen tutkimiseksi automatisoidussa ohjausjärjestelmässä käytämme harmonisen tasapainon menetelmää.

Harmonisen tasapainomenetelmän soveltamiseksi tarkastelemme sumeaa säädintä epälineaarisena taajuudesta riippuvaisena elementtinä, jolla on yksi tulo ja yksi lähtö. Kuvassa 2.1 esitetyn ISAU:n itsevärähtelyjen tutkimus suoritetaan g(t) = 0. Oletetaan, että HP-tulossa toimii sinimuotoinen signaali e(t) = A sin a t. Lähtösignaalin HP spektriesitystä kuvaavat Fourier-sarjan termit amplitudilla U1, U1, U3... ja taajuuksilla CO, 2b), bco jne. Ottaen huomioon suodatinhypoteesin täyttymisen ISAU-ohjausobjektille, oletetaan, että signaalin y(f) spektrihajotelmassa ohjausobjektin lähdössä korkeampien harmonisten amplitudit ovat merkittävästi pienempiä kuin ensimmäisen harmonisen amplitudi. Tämä mahdollistaa sen, että signaalia y(t) kuvattaessa voidaan jättää huomiotta kaikki korkeammat harmoniset (niiden pienuuden vuoksi) ja olettaa, että y(t) s Ysm(cot + φ).

ISAU:n absoluuttisen stabiilisuuden tutkimus HP:n kanssa

Edellisessä luvussa pohdittiin harmonisen tasapainon menetelmää pienimuotoisten älykkäiden sekvenssiohjaimien analyysi- ja synteesiongelmien ratkaisemiseksi. Tämän menetelmän tunnetuista rajoituksista huolimatta itsevärähtelyjen tutkimuksen tulokset ohjausjärjestelmän parametrien tasolla antavat monissa tapauksissa kattavan tuloksen analyysivaiheessa ja varsin rakentavia lähestymistapoja säätimen parametrien synteesiin tietylle värähtely-indikaattorille.

Samalla tiedetään, että monissa epälineaarisissa ohjausjärjestelmissä vain jaksollisten liikkeiden tutkimus on epätäydellinen eikä heijasta riittävästi järjestelmän dynaamisia prosesseja. Siksi on epäilemättä mielenkiintoista kehittää menetelmiä, jotka mahdollistavat sekä tasapainoasennon että prosessien absoluuttisen stabiiliuden tutkimisen älykkäissä ohjausjärjestelmissä.

Kun otetaan huomioon luvussa I käsitellyt älykkäissä säätimissä suoritettavien epälineaaristen muunnosten ominaisuudet, voidaan olettaa, että absoluuttisen stabiiliuden tutkimiseen tarkoitettujen menetelmien kehittäminen näyttää nykyään realistisimmalta automatisoiduissa ohjausjärjestelmissä, joissa on ensimmäisen tyypin fuzzy-säätimiä, koska tällaiset järjestelmät voidaan pelkistää monisilmukkaisiin epälineaarisiin järjestelmiin, joiden menetelmätutkimuksia on kuvattu kirjallisuudessa.

Koska automaattinen ohjausjärjestelmä, jossa on ensimmäisen tyyppinen HP, on yleensä epälineaarinen monisilmukkajärjestelmä, on suositeltavaa ottaa ensin huomioon tunnetut kriteerit tasapainoaseman absoluuttiselle stabiiliudelle ja prosessit tämän tyyppisille epälineaarisille järjestelmille. .

Monipiiriisen epälineaarisen automaattisen ohjausjärjestelmän yleinen lohkokaavio on esitetty kuvassa. 3.1, jossa % ja a ovat skalaarivektoreita.

Merkitään u(V) epälineaaristen lohkojen (3.3) luokkaa, jolla on seuraavat ominaisuudet: kohdassa h \ tulot o-jit) ja lähdöt %.(t) epälineaarisista lohkoista on kytketty (pisteessä ov (/) 0) suhteet: %) "" ja = 1 m (3-9) missä cCj,fij ovat joitain lukuja. Lisäksi matriisiepäyhtälön \j3 (t)(t)) 0 tulee täyttyä (3.10) Prosessien absoluuttisen stabiilisuuden ympyräkriteeri järjestelmissä, joissa on useita epälineaarisuutta (kuva 3.1.) on muotoiltu seuraavasti:

Olkoon järjestelmän lineaarisen osan yhtälöillä muoto (3.1) ja epälineaaristen lohkojen yhtälöillä (3.3). Olkoon matriisin Wm(s) alkioiden kaikki navat vasemmassa puolitasossa (vakaat lineaariset osat kaikissa muodoissa), a = diag(al,...,ah), f$ = diag(pl ,...,J3h) - diagonaalimatriisit tietyillä diagonaalielementeillä. Oletetaan, että jollekin hxh diagonaalimatriisille d, joissa on positiivisia diagonaalielementtejä, taajuusehto te B(N »_N Kuva 3.2.b.

On otettava huomioon, että myös järjestelmän lineaarinen osa muuttuu. Ottaen siis huomioon edellä mainitut moniulotteisten epälineaaristen järjestelmien tasapainoaseman absoluuttisen stabiilisuuden kriteerin ominaisuudet, muotoillaan se automaattiselle ohjausjärjestelmälle HP:n kanssa.

Kuten ensimmäisessä luvussa jo todettiin, NV suorittaa epälineaarisen muunnoksen. On huomattava, että epälineaarisilla ominaisuuksilla %(&), jotka toteutetaan sumeilla laskimilla, on amplitudirajoituksia, joten kun Уj - sektorin alaraja voidaan rinnastaa nollaan a = O, mikä seuraa (p (a) o ? -±L = juJ pj, j = \,...,h (3.14) jos U F O I 3(0) = 0 tai (j3a(t)-cp(o;t))(p(cr, t) ) 0. (3.15)

Jos ensimmäisen tyypin sumeaa säädintä määritettäessä käy ilmi, että yksi sumeista tietokoneista toteuttaa epälineaarisia muunnoksia (Pji j) (kuva 3.3a), jotka eivät täytä luokan G \ ehtoja, niin se on tarpeen suorittaa rakennemuutokset huomautuksen 3.4 mukaisesti. Luonnollisesti alkuperäisen ja muunnetun rakenteiden vastaavuustilan säilyttämiseksi lineaariosaan on tehtävä asianmukaiset muutokset.

Jos yhdessä ISAU-piireistä (kuva 3.4) on neutraali lineaarinen osa, tasapainoasennon absoluuttisen stabiilisuuden kriteerin (3.7) soveltamiseksi on tarpeen peittää negatiivisella takaisinkytkennällä є 0 sekä vastaava lineaarinen osa että HBj epälineaarisella ominaisuudella Pj(crj ). Kohdassa -»0 kriteeriä (3.7) voidaan soveltaa kaikilla taajuuksilla paitsi co = 0. Ottaen huomioon edellä mainitut, kirjoitetaan kriteeri tasapainoasennon absoluuttiselle stabiiliudelle automaattiselle ohjausjärjestelmälle, jossa on ensimmäisen tyyppinen HP. seuraavassa muodossa.

Olkoon ISAU:n lineaarisen osan yhtälöt muotoa (3.1), sumean säätimen epälineaariset ominaisuudet vastaavat (3.3), jossa funktiot (PjiGj) täyttävät luokan G ehdot. Olkoot matriisin Wm (s) elementtien kaikki navat vasemmassa puolitasossa tai niissä on yksi napa kuvitteellisella akselilla (vakaat tai neutraalit lineaariset osat kaikissa muodoissa). Otetaan käyttöön diagonaalimatriisi /Jj = diag(jti[ ,..., juh), jonka diagonaaliset elementit ju ,...,juh , ja Mj = jos Mj =, sekä diagonaalimatriisit rd = diag(Tx,. .., rh), 3d =diag(3l,...,3h), jossa kaikki Td 0. Oletetaan, että joillekin m 0, 3= ja kaikille - oo +oo, paitsi oo = 0, seuraavat suhteet pätevät :

Geneettisten algoritmien käyttäminen fuzzy-ohjainten synteesin ja virityksen automatisointiin liittyvien ongelmien ratkaisemiseen

GA-pohjaisen HP-parametrien automaattisen synteesin menettelyn toteuttaminen edellyttää kolmen päätehtävän ratkaisemista: 1) GA-toiminnan toiminnallisten ominaisuuksien määrittäminen; 2) menetelmän määrittäminen HP-parametrien koodaamiseksi kromosomiin; 3) kohdetoiminnon toteuttaminen.

Normaalit geneettiset algoritmit toimivat tässä työssä kromosomeiksi kutsuttujen elementtien kanssa, ne ovat bittijonoja, joissa on koodattu kuvaus mahdollisista ratkaisuista tietylle sovelletulle ongelmalle. Geneettisen algoritmin rakentamista koskevan yleisen lohkokaavion (Kuva 4.1) mukaisesti, sen seuraavan syklin aikana olemassa olevan sarjan jokaiselle kromosomille suoritetaan jonkinlainen arviointi, joka perustuu etukäteen määriteltyyn "hyödyllisyys"-kriteeriin. Saatujen tulosten avulla voimme valita "parhaat" näytteet uuden kromosomipopulaation luomiseksi. Tässä tapauksessa jälkeläisten lisääntyminen tapahtuu satunnaisten muutosten ja vanhempien yksilöiden vastaavien bittijonojen risteytyksen vuoksi. Evoluutioprosessi pysähtyy, kun tyydyttävä ratkaisu löydetään (kromosomien käyttökelpoisuuden arviointivaiheessa) tai kun varattu aika on kulunut.

On huomattava, että edellisen populaation eliitin edustajien ominaisuuksien periytyminen seuraavaan yksilöiden sukupolveen tarjoaa syvällisen tutkimuksen ratkaisuhakutilan lupaavimmista alueista. Samanaikaisesti valittujen elementtien bittijonojen satunnaisen mutaatiomekanismien läsnäolo takaa muutoksen hakusuuntiin, mikä estää osumasta paikalliseen ääripisteeseen. Tällainen evoluutioprosessien jäljitelmä mahdollistaa hakumenettelyn konvergenssin optimaaliseen ratkaisuun, mutta sen tehokkuus määräytyy suurelta osin geneettisen algoritmin parametrien ja aloitustietojen joukon perusteella, joka on määritetty ottaen huomioon sovelletun menetelmän erityispiirteet. ongelma. Näitä ovat kromosomin tyyppi ja ulottuvuus, populaation koko, kromosomien hyödyllisyyden arviointitoiminto ja valintaoperaattorin tyyppi, hakumenettelyn pysäyttämisen kriteeri, mutaation suorittamisen todennäköisyys, risteytysoperaation tyyppi jne. . HP:n parametrikoodaus

Huolimatta geneettisten algoritmien rakentamisen ja toteuttamisen näennäisestä yksinkertaisuudesta, niiden käytännön soveltaminen liittyy myös menetelmän valinnan monimutkaisuuteen tietyn sovelletun ongelman ratkaisujen hakutilan koodaamiseksi kromosomin muodossa ja objektiivisen funktion muodostaminen edelleen. , jonka arvon laskemista käytetään arvioitaessa ja myöhemmin valitaan yksittäiset nykyisen sukupolven yksilöt seuraavan sukupolven automaattista luomista varten.

Siten syntetisoitaessa sumeita ohjaimia Mamdani-kaavion mukaisesti viritysparametrien joukko, joka mahdollistaa vaaditun ohjauksen laadun, sisältää kielimuuttujien (LP) syöttö- ja lähtöehtojen lukumäärän ja suhteet sekä jäsenyyden muodon. toiminnot (MF) ja niiden sijoitus toiminta-alueella.

Joka tapauksessa kromosomia koodaavien HP-parametrien rakenne ja ulottuvuus on määritettävä ottaen huomioon useita erityisiä tekijöitä, mukaan lukien ne, jotka luonnehtivat valittua jäsenfunktioiden esittämismenetelmää.

Stepanov, Andrei Mihailovitš

Paperi käsittelee älykkään monikäyttöisen ohjausjärjestelmän syntetisoinnin ongelmaa. Ohjausobjektin matemaattisen mallin, ohjaustavoitteen, laatukriteerin ja rajoitusten perusteella on löydettävä ohjaus, joka varmistaa useiden tavoitteiden saavuttamisen ja minimoi laatukriteerin arvon. Ohjaustavoitteet määritellään tila-avaruuspisteinä, jotka on saavutettava ohjausprosessin aikana. Ongelman erityispiirre on, että etsimme ohjausta kahden moniulotteisen funktion muodossa, joilla on erityyppisiä tila-avaruuden koordinaatteja. Yksi toiminto varmistaa, että kohde saavuttaa yksityisen tavoitteen, ja toinen funktio, looginen, varmistaa, että yksityiset tavoitteet vaihtuvat. Moniobjektiivisen ohjaussynteesin ongelman ratkaisemiseksi käytetään verkko-operaattorin menetelmää. Pääsynteesiongelmaa ratkaistaessa määritetään yhdessä kunkin osatehtävän syntetisointifunktioiden kanssa valintafunktio, joka varmistaa ohjauksen siirtymisen yhden osatehtävän ratkaisemisesta seuraavan alitehtävän ratkaisemiseen.

verkko-operaattori.

älykäs ohjaus

1. Diveev A.I., Sofronova E.A. Verkko-operaattorimenetelmä ja sen soveltaminen ohjausongelmiin. M.: Kustantaja RUDN, 2012. 182 s.

2. Diveev A.I. Mukautuvan ohjausjärjestelmän synteesi verkko-operaattorin menetelmällä // Kysymyksiä järjestelmien turvallisuuden ja vakauden teoriasta: Coll. artikkeleita. M.: Computer Center RAS, 2010. Numero. 12. s. 41-55.

3. Diveev A. I., Sofronova E. A. Loogisen päättelyjärjestelmän tunnistaminen verkko-operaattorin menetelmällä // Vestnik RUDN. Series Engineering Research. 2010. Nro 4. S. 51-58.

4. Diveev A.I., Severtsev N.A. Verkko-operaattorin menetelmä avaruusaluksen laskeutumisen ohjausjärjestelmän syntetisoimiseksi epävarmoissa alkuolosuhteissa // Konetekniikan ja koneen luotettavuuden ongelmia. 2009. nro 3. s. 85-91.

5. Diveev A.I., Severtsev N.A., Sofronova E.A. Meteorologisen raketin ohjausjärjestelmän synteesi geneettisellä ohjelmointimenetelmällä // Konetekniikan ja koneen luotettavuuden ongelmat. 2008. nro 5. s. 104-108.

6. Diveev A.I., Shmalko E.Yu. Avaruusaluksen laskeutumisen ohjausjärjestelmän monikriteerinen rakenne-parametrinen synteesi verkko-operaattorin menetelmällä // Vestnik RUDN. Engineering Research Series (tietotekniikka ja hallinta). 2008. nro 4. s. 86 – 93.

7. Diveyev A. I., Sofronova E. A. Verkko-operaattorin menetelmän soveltaminen automaattisen ohjausjärjestelmän optimaalisen rakenteen ja parametrien synteesiin // Proceedings of the 17th IFAC World Congress, Soul, 2008, 07/05/2008 – 07/12/2008. s. 6106 – 6113.

Tarkastellaanpa ongelmaa syntetisoida ohjausjärjestelmä, jossa on useita ohjaustavoitteita.

Määritetään tavallisten differentiaaliyhtälöiden järjestelmä, joka kuvaa ohjausobjektin mallia

jossa , , on rajoitettu suljettu joukko, .

Arvioimme ohjausobjektin tilan havaittujen koordinaattien perusteella

Järjestelmälle (1) on annettu alkuehdot

Joukko kohdetiloja

, (4)

Johdon laatukriteeri on asetettu

, (5)

missä on ohjausaika, jota voidaan rajoittaa, mutta ei määritellä.

Hallinta on löydettävä muodosta

joka varmistaa kaikkien tavoitepisteiden peräkkäisen saavuttamisen (4) ja minimoi toiminnallisuuden (5).

Johtamisen tarkoitus (4) on moniarvoinen. Jotta voidaan siirtyä älykkään ohjausjärjestelmän syntetisointiin, järjestelmälle on annettava mahdollisuus valita. Tätä tarkoitusta varten heikennämme vaatimuksia kohteen osumisesta kuhunkin kohdepisteeseen ja korvaamme sen vaatimuksella, että se osuu kohdepisteen läheisyyteen.

Sitten meillä on kompromissi tarkkuuden ja tavoitepisteiden saavuttamisen nopeuden välillä. Tämän ongelman hallinnan toteuttamiseksi meidän on joka kerta ratkaistava ongelma valita nykyisen tavoitteen tarkan saavuttamisen ja toiseen tavoitteeseen siirtymisen välillä. Ilmeisesti tässä ehdossa ohjausjärjestelmässä on tavoitteen saavuttamisen varmistavan takaisinkytkentäsäätimen lisäksi oltava looginen lohko, joka vaihtaa tavoitteita.

Selvennetään tätä ongelman ilmaisua.

Esitetään ohjaus (6) funktiona riippuen etäisyydestä kohteeseen

(8)

missä on nykyisen kohdepisteen numero.

Nykyisen kohdepisteen numero määritetään milloin tahansa loogisen funktion avulla

, , (9)

Missä , , - predikaattifunktio,

: . (10)

Myös funktio (10) on löydettävä yhdessä syntetisointifunktion (6) kanssa. Toiminnon (10) tulisi varmistaa kohdepisteiden vaihtaminen. Molempien toimintojen (6) ja (10) on tarjottava vähintään laatufunktio (5) ja tarkkuusfunktio

, (11)

Ohjausaika määräytyy viimeisen tavoitepisteen saavuttamisen perusteella

Jos , (12)

missä on pieni positiivinen arvo.

Korvaamme osittaisen kriteerin (5) yleisellä laatukriteerillä

(13)

Predikaattifunktion muodostamiseen käytämme diskretisointifunktiota ja loogista funktiota.

, (14)

missä on looginen funktio,

: , (15)

Missä , , - näytteenottotoiminto.

Tehtävänä on löytää lomakkeesta ohjausobjektit

jossa on kokonaislukuvektori, joka määrittää ohjaimia tietyn ongelman ratkaisemiseksi. Ohjauksen (16) on varmistettava, että toimintojen (11) ja (13) minimit saavutetaan.

Yleisesti ottaen, koska ongelma sisältää kaksi kriteeriä (11) ja (13), sen ratkaisu on Pareto-joukko funktionaalisten avaruudessa. Kehittäjä valitsee Pareto-sarjalle erityisen ratkaisun syntetisoidun ohjausjärjestelmän mallinnuksen ja tutkimuksen tulosten perusteella.

Kutsumme tehtäväksi (1) - (3), (7) - (16) älykkään ohjausjärjestelmän syntetisointitehtävää. Sen ratkaisemiseksi on löydettävä kaksi moniulotteista syntetisointifunktiota ja .

Älykkään ohjausjärjestelmän syntetisointiongelman ratkaisemiseksi käytämme verkko-operaattorin menetelmää. Funktion löytämiseen käytämme tavallista aritmeettista verkko-operaattoria, jossa käytämme konstruktiivisina funktioina joukkoa aritmeettisia funktioita, joissa on yksi tai kaksi argumenttia. Verkko-operaattorimenetelmässä näitä toimintoja kutsutaan unaari- tai binäärioperaatioiksi. Loogisen funktion löytämiseksi käytämme vastaavasti loogista verkko-operaattoria, jolla on unaarinen ja binäärinen looginen operaatio.

Harkitse esimerkkinä seuraavaa matemaattista mallia

missä , ovat koordinaatit koneessa.

Hallinnassa on rajoituksia

Liikkeen liikerata määritellään pistejoukolla.

On tarpeen löytää ohjausobjektin kahden objektiivisen funktion minimoimiseksi. Ensimmäinen funktio määrittää liikeradan tarkkuuden ja toinen määrittää ajan, joka kuluu lentoradan suorittamiseen.