ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЦЕССЕ МОНИТОРИНГА ТРАНСПОРТИРОВКИ ЖИДКОГО ЧУГУНА : ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ У ПРОЦЕСІ МОНІТОРИНГУ ТРАНСПОРТУВАННЯ РІДКОГО ЧАВУНУ

Краткое описание

 Министерство образования и науки, молодежи и спорта Украины

ДОНБАССКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

На правах рукописи

ЕМЕЛЬЯНОВА Наталия Юрьевна

УДК 004.9

ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЦЕССЕ МОНИТОРИНГА ТРАНСПОРТИРОВКИ ЖИДКОГО ЧУГУНА

05.13.06 – Информационные технологии

Диссертация на соискание ученой степени

кандидата технических наук

Научный руководитель

кандидат технических наук, профессор

ПАЭРАНД  Юрий  Эдуардович

Алчевск – 2012
СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ УСЛОВНЫХ СОКРАЩЕНИЙ	4
ВВЕДЕНИЕ	5
РАЗДЕЛ 1.  АНАЛИЗ МЕТОДОВ И СРЕДСТВ КОМПЬЮТЕРИЗИРОВАННОГО МОНИТОРИНГА ПРОЦЕССА ТРАНСПОРТИРОВКИ ЖИДКОГО ЧУГУНА	11
1.1. Проблема транспортировки жидкого чугуна на производстве.	11
1.2. Анализ систем мониторинга процесса перевозки жидкого чугуна.	17
1.3. Анализ существующих подходов к построению информационной системы мониторинга процесса перевозки жидкого чугуна.	22
1.4. Постановка задачи исследований и обоснование методики их проведений.	32
1.5. Выводы по разделу 1.	36
РАЗДЕЛ 2.  МЕТОДЫ КОМПЬЮТЕРИЗИРОВАННОГО ОПРЕДЕЛЕНИЯ СОСТОЯНИЙ ЖИДКОГО ЧУГУНА И ПЕРЕДВИЖНОГО МИКСЕРА	38
2.1. Принципы компьютеризированного мониторинга состояния чугуна и миксера.	38
2.2. Модель процесса перевозки жидкого чугуна.	42
2.3. Метод компьютеризированной диагностики состояния миксера.	44
2.4. Метод компьютеризированного определения массы транспортируемого чугуна.	70
2.5. Выводы по разделу 2.	77
РАЗДЕЛ 3.  РАЗРАБОТКА КОМПЬЮТЕРНОЙ СИСТЕМЫ МОНИТОРИНГА ПРОЦЕССА ТРАНСПОРТИРОВКИ ЖИДКОГО ЧУГУНА	79
3.1. Информационная модель компьютерной системы мониторинга процесса перевозки жидкого чугуна.	79
3.2. Структура  прецедентной системы поддержки принятия решений в процессе мониторинга состояния чугуна и миксера.	93
3.3. Модель знаний прецедентной системы поддержки принятия решений.	101
3.4. Модель распределенной компьютерной системы мониторинга процесса перевозки жидкого чугуна.	106
3.5. Выводу по разделу 3.	110
РАЗДЕЛ 4.   ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЦЕССЕ МОНИТОРИНГА ТРАНСПОРТИРОВКИ ЖИДКОГО ЧУГУНА	112
4.1. Структура информационной технологии мониторинга процесса перевозки жидкого чугуна.	112
4.2. Разработка инструментального средства IRONTransport.	118
4.3. Апробация разработанных методов, инструментальных средств и компьютерной системы.	133
4.4. Рекомендации по применению информационной системы мониторинга процесса перевозки жидкого чугуна.	136
4.5. Выводы по разделу 4.	138
ВЫВОДЫ	140
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ	143
ПРИЛОЖЕНИЕ А. СТАТИСТИКА КАЛИБРОВОК ВЕСОВОГО КОМПЛЕКТА ПЕРЕДВИЖНЫХ МИКСЕРОВ	154
ПРИЛОЖЕНИЕ Б. АКТЫ РЕАЛИЗАЦИИ	158

АСУ ТП     Автоматизированная система управления технологическим процессом

БД              База данных

БЗ              База знаний

ИИ             Искусственный интеллект

ИС             Информационные системы

ЛВС           Локальная вычислительная сеть

НС             Нейронная сеть

МНС          Многослойная нейронная сеть

НСХ          Нейронная сеть Хопфилда

НСРБФ      Нейронная сеть с радиально-базисной функцией

СППР        Система поддержки принятия решений

ЭВМ          Электронно-вычислительная машина

ПО             Программное обеспечение

UML          Unified Modeling Language

Актуальность работы. Современный этап развития производства сопровождается интенсивным внедрением новых информационных технологий, предназначенных для компьютеризации технологических процессов. Одним из таких процессов в металлургическом производстве является мониторинг транспортировки жидкого чугуна. Компьютеризация этого процесса позволяет исследовать различные варианты технологических схем перевозки жидкого чугуна, разрабатывать прогнозные оценки состояния ресурсов при перевозке чугуна, создавать и исследовать модели и методы принятия решений и, как следствие, поднять мониторинг транспортировки жидкого чугуна на качественно новый уровень.

В Украине и в других государствах (например, России, Бразилии, Германии) используются специализированные комплексы для перевозки чугуна [1]. С целью организации процесса перевозки чугуна на металлургических предприятиях используются передвижные миксеры. При эксплуатации миксеров уделяется значительное внимание уровню и массе жидкого чугуна в передвижном миксере и состоянию его футеровки, поскольку эти факторы могут быть причиной выхода миксера из строя, т.е. разрушения, что влечет большие материальные затраты, поскольку после выхода из строя миксер не подлежит восстановлению. На практике в металлургическом производстве мониторинг технического состояния передвижных миксеров и контроль массы жидкого чугуна для перевозки реализуются с помощью квалифицированного персонала на основании его личного опыта, с использованием измерительных средств, которые характеризуются весьма значительной погрешностью измерения. Поэтому в указанной предметной области возникают задачи, связанные с повышением объективности и качества принятия решений при мониторинге жидкого чугуна.

Эффективное решение этих задач возможно только при применении передовых информационных технологий, системного подхода, моделирования, теории принятия решений и т.п. Вопросы по повышению эффективности мониторинга перевозки жидкого чугуна с использованием информационных технологий и систем еще не нашли достаточного отражения в научных трудах. Научной базой для диссертационного исследования в части моделирования процесса транспортировки чугуна стали работы: Н.Б.Копытчука, Ю.В.Гусева, В.Е.Парунакяна, В.А.Головко, А.Н.Григорьева, Е.Б. Карпина, А.А.Сердюкова, А.Н.Смирнова. В части использования интеллектуальных информационных технологий использовались результаты исследований таких ученых: Ф.Уоссермена, С.Хайкина, Г.А.Ососкова, А.Н.Горбаня, В.А.Головко, Э.Г.Петрова, Э.А.Трахтенгеру, П.Р.Варшавського, О.А.Ничипоренко. Работы этих и других авторов создали методические и теоретические предпосылки для диссертационного исследования.

В указанной предметной области существует ряд нерешенных вопросов, которые невозможно решить без использования современных информационных технологий, среди которых наиболее острыми являются: диагностика состояния миксера для поддержки принятия решений по замене его футеровки и задача уменьшения погрешности определения массы чугуна, поскольку цех непрерывного литья требует максимально достоверные данные относительно количества чугуна, который прибудет в цех.

Многовариантность технологического процесса, необходимость прогноза состояния миксера и разнообразность задач при перевозке чугуна требуют обработки больших объемов информации и принятия компетентных управленческих решений, в том числе для замены футеровки миксера. Поэтому проведение научных исследований в области компьютеризации процесса мониторинга, разработки информационной технологии поддержки принятия решений в процессе мониторинга транспортировки жидкого чугуна является актуальным.

Связь работы с научными программами, планами, темами. Теоретические и экспериментальные исследования по теме диссертационной работы проводились в Донбасском государственном техническом университете МОН Украины по приоритетному направлению развития науки и техники Украины в рамках научно-исследовательской работы «Разработка и исследование информационных технологий в системе управления грузопотоками» № ДР 0110U007766. В рамках данной работы автор разработал методы и информационную технологию поддержки принятия решений в процессе мониторинга транспортировки жидкого чугуна.

Цели и задачи исследования. Целью работы является разработка теоретических основ, методов, алгоритмов, программ для мониторинга процесса транспортировки жидкого чугуна, а также решения на этой основе ряда научно-практических задач для компьютеризации процесса мониторинга перевозки жидкого чугуна. Для достижения поставленной цели сформулированы следующие задачи:

1. Провести анализ существующих методов, моделей и инструментальных средств компьютеризации мониторинга процесса транспортировки жидкого чугуна;

2. Разработать метод компьютеризированной диагностики технического состояния передвижного миксера;

3. Разработать метод компьютеризированного определения массы жидкого чугуна;

4. Разработать архитектуру информационной компьютерной системы мониторинга с подсистемой поддержки принятия решений в транспортировки жидкого чугуна;

5. Разработать информационную технологию поддержки принятия решений в процессе мониторинга транспортировки жидкого чугуна;

6. Выполнить практическое внедрение предложенных методов и информационной технологии мониторинга.

Объектом исследования является процесс компьютеризированного мониторинга транспортировки жидкого чугуна.

Предметом исследования являются методы и информационная технология поддержки принятия решений в процессе мониторинга транспортировки жидкого чугуна.

Методы исследования. Для решения поставленных в диссертации задач использовались: аппарат нейронных сетей при создании метода компьютеризированной диагностики состояния миксера и при разработке метода компьютеризированного определения массы чугуна, методы математического моделирования при описании процесса перевозки жидкого чугуна; методология объектно-ориентированного программирования для проектирования инструментального средства; элементы теории вероятности для оценки функционирования разработанной системы; элементы теории прецедентов для создания прецедентной системы поддержки принятия решений в процессе транспортировки жидкого чугуна.

Научная новизна полученных результатов состоит в следующем:

1) впервые разработан метод компьютеризированной диагностики технического состояния передвижного миксера, который базируется на моделях обработки изображений термограмм миксеров, что позволяет повысить информативность процессов принятия решений при эксплуатации миксеров;

2) усовершенствован метод компьютеризированного определения массы жидкого чугуна, путем адаптации интеллектуальных технологий для анализа первичных данных о массе чугуна, что позволило уменьшить погрешность определения массы чугуна по сравнению с существующими методами;

3) впервые разработана информационная технология поддержки принятия решений в процессе мониторинга транспортировки жидкого чугуна на основе использования метода компьютеризированного определения массы жидкого чугуна и метода компьютеризированной диагностики состояния футеровки миксера, которая, в отличие от существующих информационных технологий, позволяет увеличить достоверность определения массы чугуна и предоставляет возможность информационной поддержки принятия решений относительно технического состояния передвижных миксеров для предотвращения выхода их из строя.

Практическое значение полученных результатов заключается в том, что научные положения диссертационной работы доведены до уровня, пригодного для практического применения при разработке компьютерной системы мониторинга процесса перевозки жидкого чугуна.

Результаты работы внедрены:

– на металлургическом предприятии ПАО «Алчевский металлургический комбинат» (акт внедрения от 27.02.2012);

– на государственном научно-производственном предприятии «Фотон» (акт внедрения от 28.01.2012).

Личный вклад соискателя. Научные положения и результаты, изложенные в диссертации, получены автором лично.

В печатных работах, которые опубликованы в соавторстве, лично соискателю принадлежат: в [2] – объектная модель программного обеспечения информационной системы контроля перевозки чугуна; в [4] – структура информационной технологии контроля перевозки жидкого чугуна; в [8] – архитектура системы поддержки принятия решений в процессе транспортировки жидкого чугуна; в [9] – распределенная модель информационной системы перевозки жидкого чугуна; в [10] – структура информационной системы управления технологическим процессом перевозки жидкого чугуна; в [11] – объектно-ориентированная модель информационной системы перевозки жидкого чугуна; в [12] – принципы компьютеризированного мониторинга состояния футеровки передвижного миксера в информационной системе контроля перевозки жидкого чугуна; в [13] – анализ современного состояния процесса грузоперевозок на промышленном предприятии.

Апробация результатов работы. Основные научные положения и результаты работы докладывались и обсуждались на следующих международных научно-технических и научно-практических конференциях:

-        «Современные информационные и электронные технологии (СИЭТ)» (Одесса, 2008, 2009, 2010, 2011 гг.);

-        «Інформаційні комп’ютерні технології в машинобудуванні» (ІКТМ г. Харьков, 2010 гг.);

-       «Контроль и управление в сложных системах КУСС-2010», (Винница, 2010);

-       «Автоматизация: проблемы и решения АПИР-2010» (Севастополь, 2010 г.);

-       «Информационные технологии и информационная безопасность в науке, технике и образовании (ИНФОТЕХ - 2011)» (Севастополь 2011 г.);

-       «Информационные технологии в управлении и образовании» (Новая Каховка 2012 г.);

-       на научных семинарах Донбасского государственного технического университета и Херсонского национального технического университета (Алчевск, Херсон 2010-2012гг.).

Публикации. Основные результаты диссертации опубликованы в 12 научных работах. Среди них 6 статей в научно-технических журналах и сборниках согласно перечню научных специализированных изданий Украины, а также 6 тезисов докладов в сборниках трудов научных конференций.

Список литературы

В диссертационной работе решена актуальная научно-прикладная задача разработки информационной технологии поддержки принятия решений в процессе мониторинга транспортировки жидкого чугуна.

Выполненная диссертационная работа предлагает методы и инструментальные средства для решения комплекса задач, которые имеют научное и практическое значение для информационного обеспечения процесса транспортировки жидкого чугуна. В диссертационной работе получены новые научно обоснованные теоретические и практические результаты.  Проведенные исследования позволили достичь цели работы и решить все поставленные задачи.

Основные научные и практические результаты диссертационной работы состоят в следующем.

1.    Проведен анализ существующих методов, моделей и инструментальных средств компьютеризации мониторинга процесса транспортировки жидкого чугуна, который показал необходимость разработки новой информационной технологии, которая обеспечит поддержку принятия решений относительно передвижных миксеров в процессе перевозки жидкого чугуна. Также показано отсутствие систем контроля состояния жидкого чугуна при его перевозке, на основании чего доказана актуальность разработки информационного обеспечения по созданию систем такого рода.

2.    Разработан метод компьютеризированной диагностики технического состояния передвижного миксера, который базируется на моделях обработки изображений термограмм миксеров, что позволяет повысить информативность процессов принятия решений при эксплуатации миксеров.

3.    Разработан метод компьютеризированного определения массы жидкого чугуна, путем адаптации интеллектуальных технологий для анализа первичных данных о массе чугуна, что позволило уменьшить погрешность определения массы чугуна в сравнении с существующими методами.

4.    Разработана информационная компьютерная система мониторинга с подсистемой поддержки принятия решений в процессе транспортировки жидкого чугуна, которая позволяет генерировать рекомендации о поврежденных участках миксера и выбора количественного парка миксеров для перевозки заданной массы чугуна.

5.    Разработана прикладная информационная технология поддержки принятия решений в процессе мониторинга транспортировки жидкого чугуна на основе использования метода компьютеризированного определения массы жидкого чугуна и метода компьютеризированной диагностики состояния футеровки миксера, которая, в отличие от существующих информационных технологий, позволяет увеличить достоверность определения массы чугуна и предоставляет возможность информационной поддержки принятия решений относительно технического состояния передвижных миксеров для предотвращения выхода их из строя.

6.    Результаты исследований апробированы и внедрены на предприятиях, которые используют метод тепловизионного определения состояния объекта.

7.    Достоверность новых научных положений и выводов диссертационной работы подтверждается использованием апробированного метода компьютеризированной диагностики состояния миксера в качестве базового и сведением результатов, получаемых с использованием предложенного метода, к известным и результатами практического внедрения методов и инструментальных средств поддержки процесса транспортировки жидкого чугуна.

8.    Использование разработанной компьютерной системы позволяет повысить достоверность определения массы чугуна, что подтверждается уменьшением погрешности определения массы чугуна до 7%.

9.    Практическое значение полученных результатов состоит в:

-        разработке компьютерной системы позволяющей автоматизировать процесс мониторинга транспортировки жидкого чугуна;

-        разработке инструментальных средств поддержки принятия решений для мониторинга транспортировки жидкого чугуна.

10.           Результаты исследований апробированы и внедрены на металлургическом предприятии ПАО «Алчевский металлургический комбинат», которое использует передвижные миксеры для транспортировки жидкого чугуна. В результате внедрения разработанных методов и средств на Алчевском металлургическом комбинате была повышена достоверность определения состояния футеровки миксера до 94%, что подтверждает соответствующий акт внедрения.

11.           Далее исследования целесообразно проводить в направлениях:

- совершенствовании методов путем учета влияния кривизны железнодорожного полотна на измерение веса перевозимого чугуна;

- совершенствовании информационной технологии поддержки принятия решений в процессе транспортировки жидкого чугуна.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1.       Копитчук М. Б. Теоретичні основи побудови і засоби практичної реалізації інтегрованих інформаційних систем обліку вантажопотоків: дис.  доктора техн. наук; 05.13.06; защищена 3.07.2003 / Копытчук Николай Борисович. – О., 2003. – 305 c.

2.       Ємельянова Н.Ю. Об’єктна модель програмного забезпечення інформаційної системи контролю перевезення рідкого чавуну / Н.Ю. Ємельянова, Ю.Е. Паеранд // Наукові праці. Сер. «Комп’ютерні технології». – 2010. – Вип.130(143). – С.169-173.

3.       Емельянова Н.Ю. Моделирование нейронной сети для определения массы жидкого чугуна в среде MATLAB / Н.Ю. Емельянова // Вестник Херсонского национального технического университета. – 2012. – 1(44). – С. 360-364.

4.       Ємельянова Н.Ю. Інформаційна технологія підтримки прийняття рішень для процесу контролю перевезення рідкого чавуну / Н.Ю.Ємельянова, Ю.Е.Паеранд // Вісник Вінницького політехнічного інституту. – 2011. - Вип.3. – С.128-132.

5.       Замогильна Н.Ю. Аспекти підвищення ефективності автоматизованого ваговимірювального комплексу залізничного транспорту / Н.Ю. Замогильна // Сборник научных трудов Донбасского государственного технического университета. – Вып. 25. – Алчевск, 2007. – С. 273-278.

6.       Емельянова Н.Ю. Метод автоматизированной оценки технического состояния передвижного миксера / Н.Ю. Емельянова // Системи обробки інформації: сб. науч. тр. Харьковский университет воздушных сил им. Кожедуба. – Вип.8(98). – Х., 2011. – С.67-70.

7.       Емельянова Н.Ю. Информационная модель системы мониторинга процесса транспортировки жидкого чугуна / Н.Ю. Емельянова // Системи обробки інформації: сб. науч. тр. Харьковский университет воздушных сил им. Кожедуба. – Вип.2(100). – Х., 2012. – С.37-41.

8.       Емельянова Н.Ю. Система поддержки принятия решений в процессе транспортировки жидкого чугуна / Н.Ю. Емельянова, В.А. Емельянов // Информационные технологии и информационная безопасность в науке, технике и образовании "ИНФОТЕХ - 2011": Труды международной научно-практической конференции, Севастополь, 2011. – С. 84-85.

9.       Паэранд Ю.Э. Структурная организация информационной системы перевозки жидкого чугуна / Ю.Э.Паэранд, Н.Ю. Емельянова // Автоматизация: проблемы, идеи и решения "АПИР - 2010": Труды международной научно-технической конференции, Севастополь, 2010. – С. 108-110.

10.  Паэранд Ю.Э. Структура информационной системы управления технологическим процессом перевозки жидкого чугуна / Ю.Э.Паэранд, Н.Ю. Замогильная // Современные информационные и электронные технологии СИЭТ – 2009: Труды 10-й международной научно-практической конференции, Одесса, 2009. – С. 95.

11.  Паэранд Ю.Э. Объектно-ориентированное проектирование информационной системы перевозки жидкого чугуна / Ю.Э.Паэранд, Н.Ю. Замогильная // Современные информационные и электронные технологии СИЭТ – 2010: Труды 11-й международной научно-практической конференции, Одесса, 2010. – С. 77.

12.  Паэранд Ю.Э. Мониторинг состояния футеровки передвижного миксера в информационной системе контроля перевозки жидкого чугуна / Ю.Э.Паэранд, Н.Ю. Емельянова // Современные информационные и электронные технологии СИЭТ– 2011: Труды 12-й международной научно-практической конференции, Одесса, 2011. – С. 60

13.  Паеранд Ю.Е. Аспекти побудови інформаційної системи обліку вантажоперевезень залізничним транспортом / Ю.Е.Паеранд, Н.Ю. Замогильна // Современные информационные и электронные технологии СИЭТ– 2008: Труды 9-й международной научно-практической конференции, Одесса, 2008. – С. 50.

14.  Гусев Ю.В. Математическая модель процесса транспортирования чугуна в конвертерный цех. / Ю.В. Гусев, Д.Ю. Гусев // Вісник Приазовського державного технічного університету: Зб. наук. пр. – Мариуполь, 2008. - №18. – С. 230-232.

15.  Бойченко Б. М., Охотский В. Б., Харлашин П. С. Конвертерное производство стали. – Днепропетровск: РИА «Дніпро-ВАЛ», 2006. – 454 с.

16.  Смирнов А. Н. Конвертерный комплекс // Металлы Евразии. – 2007. – № 1. – С. 30-35.

17.  Григорьев А.Н. Опыт разработки рассредоточенной АСУ ТП для металлургического комбината. / А.Н. Григорьев, Н.Б. Копытчук, Е.В. Черноглазов — К.: Механизация и автоматизация управления, — 1987. — № 1 С.32—34.

18.  Fruehan R. J. The Making, Shaping and Treating of Steel. – Pittsburg: The AISE Steel Foundation, 1998. – 767 p.

19.  Martino M., Fenu M., Anfosso A. Refractory Lining for Oxygen Converters: Recent Experiences in this Field // Proceedings of 5-th European Steelmaking Conference, 26-28 June, 2006, Aachen, Germany. – Dusseldorf: Steel Institute VDEh, 2006. – P. 229-233.

20.  А. А. Сердюков, А. Ф. Тонкушин, А. Н. Смирнов  Современная футеровка для крупных кислородных конвертеров. [Электронный ресурс].  –  Режим доступа: http://uas.su/conferences/2010/may/02/00002.php.

21.  Головко В. Мониторить «здоровье» футеровки конвертеров будут лазерные сканеры. / В. Головко // «Металлург». – Кривой Рог, 2011. - №34. – С. 2-3.

22.  Опыт эксплуатации периклазоуглеродистых футеровок конвертеров / О. Б. Воронина, С. Н. Ушаков, И. М. Захаров и др. – Сталь. – 2009. – № 10. – С. 28-29.

23.  Кащеев Д. А. Свойства и применение огнеупоров: Справочное издание. – М.: Теплотехник, 2004. – 352 с.

24.  Хорошавин Л. В., Перепелицын В. А., Кононов В. А. Магнезиальные огнеупоры: Справочник. – М.: Интермет Инжиниринг, 2001. – 576 с.

25.  Карпин Е.Б. Средства автоматизации для измерения и дозирования массы. / Е.Б. Карпин ― М.: Машиностроение, 1971. – 325 с.

26.  Весы и дозаторы весовые. Справочник: / С.П.Маликов, С.С.Михайловский, Л.Н.Старостина, Л.К.Клементьев ― М.: Машиностроение, 1981. ― 320 с.

27.  Исакович Е.Г. Весы и весовые дозаторы. Метрологическое обеспечение. / Е.Г. Исакович ― М.: Издательство стандартов, 1991. ― 376 с.

28.  Елисеев В. Комплекс технических средств для автоматизации процессов взвешивания и дозирования. / В. Елисеев // Современные технологии автоматизации.¾№1, 1999.¾С. 36¾38.

29.  Парунакян В.Э. К вопросу формирования логистических цепей в транспортно-грузовых системах металлургических предприятий. /  В.Э. Парунакян,  Ю.В. Гусев, Е.И. Сизова // Вісник Приазовського державного технічного університету: Зб. наук. пр. – Маріуполь, 2006. – Вип. 16 – С. 220 – 226.

30.  Гроссман Н.Я. Автоматизированные системы взвешивания и дозирования. /  Н.Я. Гроссман, Г.Д. Шнырев – М.: Машиностроение, 1988. – 296 с.

31.  Марфин М.А. Имитационная модель помогла повысить пропускную способность / М.А. Марфин, П.А. Козлов, А.В. Бугаев // Промышленный транспорт. – 1986. – № 12. – С. 8 – 9.

32.  Рыжиков Ю.И. Теория очередей и управление запасами / Ю.И. Рыжиков. – СПб: Питер, 2001. – 384 с.

33.  Annual report 1998 Koninklijke Hoogovens NV / Corporate Secretariat Koninklijke Hoogovens. – Amsterdam,1998. – 88p.

34.  Модернизация и комплексное оснащение современным оборудованием предприятий металлургии / Г.С. Суков, Ю.Н. Белобров, Н.Н. Попов, В.А. Дзержинский // Металлургия:Тенденции развития. – 2008. – №03. –  С.4-7.

35.  Чешский машиностроительный холдинг "VITKOVICE MACHINERY GROUP" планирует сотрудничество с южноуральскими инженерами. [Электронный ресурс].  –  Режим доступа: http://www.metaldaily.ru/news/news66847.html.

36.  Вербах С.А. Снижение удельного расхода огнеупорных материалов на качающихся желобах доменных печей ОАО « Северсталь»/ С.А.Вербах, В.А.Синицын, Л.М.Прудникова // Открытое акционерное общество «Северсталь». – 2002. –  5c.

37.  Сайт Научно-технический центр «Прибор» (Металлургия) [Электронный ресурс].  –  Режим доступа: http://www.ognecom.ru/files/pdf/ntc.pdf.

38.  Сайт Научно-производственное предприятие "Литейный двор" [Электронный ресурс].  –  Режим доступа: http://www.litdvor.promzone.ru/.

39.  Прэтт У. Цифровая обработка изображений: Пер. с англ. / У. Прэтт. – М: Мир, 1982. – 480 с.

40.  Фукунага К. Введение в статистическую теорию распознавания образов. / К. Фукунага. – М.: Наука, 1979. – 368 с.

41.  Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с англ. / Т. Павлидис. – М.: Радио и связь, 1986. – 400 с.

42.  Ту Дж. Принципы распознавания образов: Пер. с англ / Ту Дж., Гонсалес Р. – М.: Мир, 1978. – 410 с. 43.  Гонсалес Р., Вудс Р. Цифровая обработка изображений [Электронный ресурс].  –  Режим доступа: http://www.dsp.mirahost.ru/book_gonsales.htm. 44.  Вапник В.Н. Теория распознавания образов (статистические проблемыобучения) / В.Н. Вапник А.Я. Червоненкис. – М.: Наука, 1974. – 416 с. 45.  Chen C.H. Handbook of  pattern recognition and computer vision / Chen C.H., Rau L.F. and Wang P.S.P.(eds.). – Singapore-New Jersey-London-Hong Kong: World Scientific Publishing Co. Pte. Ltd., 1995. – 984 p. 46.  Марр Д. Зрение. Информационный подход к изучению представленияи обработки зрительных образов / Д. Марр. – М., Радио и связь, 1987. – 400 с. 47.  Колерс П. Распознавание образов [Электронный ресурс]. – Режим доступа: http://dasbook.ru/index.php?book=1192. 48.  Красильников Н.Н. Цифровая обработка изображений / Н.Н. Красильников – М.:Вузовская книга, 2001. – 320 с. 49.  Дьяконов В. MATLAB. Обработка сигналов и изображений / В. Дьяконов, И. Абраменкова. – СПб.: Питер, 2002. – 608 с. 50.  Чек К. MATLAB в математических исследованиях: Пер. с англ. / К. Чек, П. Джиблин, А. Ирвинг. – М.: Мир, 2001. – 346 с. 51.  Яровой А.А. Интеллектуальная система сжатия и распознавания изображений для задач профилирования лазерного луча / А. А. Яровой, Р. С. Власюк // Наукові праці ВНТУ. –  В., 2010. –  № 2. –  С. 1-12. 52.  Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB / Н.К. Смоленцев. – М.: ДМК Пресс, 2005. – 304 с. 53.  Чуи К. Введение в вэйвлеты: Пер. с англ./ К. Чуи. – М.: Мир, 2001. – 412 с.

54.  Шапиро Л. Компьютерное зрение. Пер с англ. / Л.Шапиро, Дж. Стокман — М.: Бином, 2006. — 752 с.

55.  Осовский С. Нейронные сети для обработки изображения / Пер. с польского И.Д. Рудинского. – М.: Финансы и статистика, 2002. – 344 с.

56.  Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Пер. с англ.  Ю. А. Зуев, В. А. Точенов. – М.: Мир, 1992. – 185 с.

57.  Бохан К.А. Сравнительный анализ видов нейронных сетей для обработки мультимедиа данных / К.А.Бохан, Н.И.Федоренко // Радіоелектронні пристрої та телекомунікаційні системи. Харків,2008 С. 298-306.

58.  Hopfield J. Neural computation of decision in optimization problems /  Hopfield J., Tank D. Biol. // Cybernet. – 1985, – vol. 52. – р. 152-162.

59.  Dai Y. Recognition of facial images with low resolution using a Hopfield memory model / Dai Y. Nakano Y. // Pattern Recognition. – 1998. – Vol. 31. – Р. 159-167.

60.  Belhumeur P. N. Recognition Using Class Specific Linear Projection / P. N. Belhumeur, J. P. Hespanha, D. J. Kriegman // IEEE Transactions on Pattern Analysis and Machine Intelligence. –  1997. – Vol. 19. – Р. 711-720.

61.  Nguyen D.H. Neural networks for self-learning control systems / D.H. Nguyen, B. Widrow // IEEE Control Systems Magazine. – 1990. – Vol. 10, № 3. – P. 334–341.

62.  Руденко О.Г. Штучні нейронні мережі / О.Г.Руденко, Є.В.Бодянський. – Х.:СМІТ. – 2006. – 374 с.

63.  Хайкин С. Нейронные сети. Полный курс. – М.:Вильямс, 2006. – 1104 с.

64.  Ососков Г.А. Нейронные сети с самоорганизацией в задачах классификации и обработки изображений / Г.А.Ососков, А.В.Стадник // ИТВС,№1, УРСС. – М.:Москва, 2004. – С. 103-125.

65.  Горбань А. Н. Обучение нейронных сетей / А. Н. Горбань. – М.: СП “ПараГраф”, 1990. – 159 с.

66.  Головко В.А. Нейроинтеллект: Теория и применения. Организация и обучение нейронных сетей с прямыми и обратными связями / В.А. Головко. – Брест: БПИ, 1999. – 260с.

67.  Головко В.А. Нейроинтеллект: Теория и применения. Самоорганизация, отказоустойчивость и применение нейронных сетей / В.А. Головко. – Брест: БПИ, 1999. – 228с.

68.  Petrou M. Learning in Pattern Recognition / M.Petrou // Machine Learning and Data Mining in Pattern Recognition. – 1999. – Р. 1-12.

69.  Werbos P.J. Backpropagation and neurocontrol: A review and prospectus / P.J. Werbos // Proc. of International Joint Conf. On Neural Networks. – Washington, DC., 1989. –Vol. 1. – P. 209 – 216

70.  Kozko B. Fuzzy congnitive maps // Int. Journal man-mashine Studies. – 1986. – P. 65-75.

71.  Чернявский А.В. Применение эволюционирующей нейронной сети для улучшения качества изображений / А.В. Чернявский, В.Г. Спицын // Сборник трудов: Томский политехнический университет –  Т.: 2006. – С. 26-31.

72.  Jones A.H. Genetic Tuning Of Non-Linear PID Controllers / A.H. Jones // Artificial Neural Nets and Genetic Algorithms: Proceedings of the International Conference in Ales, France, 1995. – P. 412–415.

73.  Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. – Харьков: Основа, 1997. – 112 с.

74.  Aizenberg I. N. Multi-valued and Universal Binary Neurons: Learning Algorithms, Applications to Image Processing and Recognition / I.N. Aizenberg, N.N. Aizenberg, G.A. Krivosheev // Machine Learning and Data Mining in Pattern Recognition. – 1999.  – Р. 21-35.

75.  Foltyniewicz R. Efficient High Order Neural Network for Rotation, Translation and Distance Invariant Recognition of Gray Scale Images / R. Foltyniewicz // Computer Analysis of Images and Patterns. – 1995. – Р. 424-431.

76.  Applications of Cellular Neural Networks for Shape from Shading Problem / M. Milanova, P. Almeida, J. Okamoto, M. G. Simoes // Machine Learning and Data Mining in Pattern Recognition. – 1999. – Р. 51-63.

77.  Vetter T. Linear Object Classes and Image Synthesis From a Single Example Image / T. Vetter, T. Poggio // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1997. – Vol. 19. – Р. 733-742.

78.  Jacobsen X. Comparison between Neural Networks and Decision Trees. / X. Jacobsen, U. Zscherpel, P.A. Perner // Machine Learning and Data Mining in Pattern Recognition. – 1999.  – Р. 144-158.

79.  Ranganath S. Face recognition using transform features and neural networks / S. Ranganath K.Arun // Pattern Recognition. – 1997. – Vol. 30. – Р. 1615-1622.

80.  Комашинский В.И. Нейронные сети и их применение в системах управления и связи. / В.И.Комашинский, Д.А. Смирнов — М.: Горячая линия — Теликом, 2002.—94 с.

81.  Бакаев А.А. Экспертные системы и логическое программирование /  А.А. Бакаев, В.И. Гриценко, Д.Н. Козлов. – Киев: Наук. Думка, 1992. – 220с.

82.  Джераратано Д. Экспертные системы: принципы разработки и программирование / Д. Джераратано, Г. Райли. - М.: Вильямс, 2007.- 1152 c.

83.  Брукинг А. Экспертные системы. Принципы работы и примеры: Пер. с англ. / А. Брукинг, П.Джонс, Ф.Кокс и др.; Под ред. Р.Форсайта. – М.: Радио и связь, 1987. – 224 с.

84.  Частиков А. П. Разработка экспертных систем. Среда CLIPS / А. П. Частиков, Т. А. Гаврилова, Д. Л. Белов  – СПБ: БХВ-Петербург, 2003. – 608 с.

85.  Спицнадель В.Н. Основы системного анализа. / В.Н. Спицнадель. – СПб.: Издательский дом «Бизнес-пресса», 2000. –  326 с.

86.  Коваленко І.І. Вступ до системного аналізу: Навчальний посібник. / І.І. Коваленко,  П.І. Бідюк,  О.П. Гожий. – Миколаїв: Изд. МДГУ, 2004. – 148 с.

87.  Советов Б.Я. Информационные технологии. / Б.Я. Советов, В.В. Цехановский. – М.: Высшая школа, 2006. – 263 с.

88.  Советов Б. Я. Моделирование систем: Учеб. для вузов / Б.Я. Советов, С.А.Яковлев. – М.: Высш. шк., 2001. – 343 с.

89.  Бусленко Н.П. Моделирование сложных систем / Н.П. Бусленко – М.: Наука, 1978. – 399 с.

90.  Сигорский В.П. Математический аппарат инженера / В.П. Сигорский. – К.: Техніка, 1975. – 768 с.

91.  Пугачев В.С. Теория вероятностей и математическая статистика / В.С. Пугачев. – М.: Наука, 1979.– 495 с.

92.  Гмурман В.Е. Теория вероятностей и математическая статистика / В.Е. Гмурман. – М.: Высш. шк., 2002. – 478 с.

93.  Вентцель Е.С.  Прикладные задачи теории вероятностей / Е.С. Вентцель, Л.А. Овчаров. – М.: Радио и связь, 1983. – 416 с.

94.  Вентцель Е.С. Теория вероятностей / Е.С. Вентцель. – М.: Гос. изд-во физ.-мат. лит-ры, 1962. – 564 с.

95.  Башмаков А.И. Интеллектуальные информационные технологии: Учеб. Пособие / А.И. Башмаков, И.А. Башмаков; Мин-во общ. и проф. образования Рос. Федерации. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. – 304 с.

96.  Грекул В. И. Проектирование информационных систем. [Электронный ресурс]. – Режим доступа:  http://www.intuit.ru/goto/course/devis/. 

97.  Семакин И.Г. Информационные системы и модели. Элективный курс: Практикум / И.Г.Семакин, Е.К. Хеннер. – М.: БИНОМ, 2006. – 87 с.

98.  Фельдман Я. А.  Создаем информационные системы /  Я.А. Фельдман.  – М.: СОЛОН-ПРЕСС, 2006. – 120 с.

99.  Избачков Ю.С. Информационные системы / Ю.С. Избачков, В.Н. Петров.  – СПб.: Питер, 2006. – 656 с.

100.      Тарасенко Ф.П. Введение в курс теории информации / Ф.П. Тарасенко. – Томск.: Изд. Томского университета, 1963. – 240 c.

101.      Информатика: Учебник / Под ред. Н. В. Макаровой. – М.: Финансы и статистика, 1998. – 768 с.

102.      Информационные системы в экономике: Учебник / Под ред. В.В. Дика. – М.: Финансы и статистика, 1996. – 654 с.

103.      Архитектура компьютерных систем и сетей: Учеб. пособие / Т.П. Барановская, В.И. Лойко, М.И. Семенов, А.И. Трубилин; под ред. В.И. Лойко. – М.: Финансы и статистика, 2003. – 256 с.

104.      Якобсон И. Унифицированный процесс разработки программного обеспечения / И. Якобсон, Г. Буч, Дж. Рамбо. – СПб.: Питер, 2002. – 458 c.

105.      Ситник В.Ф. Системи підтримки прийняття рішень. / В.Ф. Ситник, О.С. Олексюк, В.М. Гужва та ін. – К.: Техніка, 1995. – 162 с.

106.      Трахтенгеру Э.А. Компьютерная поддержка принятия решений / Э.А. Трахтенгеру. – М.: Наука, 1998. – 420 с.

107.      Aamodt A. Case-Based Reasoning: Foundation issues, methodological variations a system approaches / A. Aamodt, E. Plecza // A.I. Communications. – 1994. – P 39-59.

108.      Smyth B. Case-Base Maintenance / Smyth B. // Tasks and Methods in Applied Artificial Intelligence, LNAI 1416, Springer-Verlag. – 1998. – P. 507-516.

109.      Варшавский П.Р. Применение метода аналогий в рассуждении на основе прецедентов для интеллектуальных систем поддержки принятия решений / П.Р. Варшавский // Девятая национальная конференция по искусственному интеллекту с международным участием КИИ-2004. – М.: Физматлит, 2004. – С 218-226.

110.      Ничипоренко О.А. Использование технологии Case-Based Reasoning в проектировании программных систем / О.А. Ничипоренко // Перспективные информационные технологии и информационные системы. – Таганрог, 2002. – С 27-32.

111.      Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. – СПб.: Питер, 2000. – 384 с.

112.      Загоруйко Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко. – Новосибирск: Изд-во Ин-та математики, 1999. – 270 с.

113.      Боггс У. UML и Rational Rose. / У. Боггс, М. Боггс. – М.: «Лори», 2008. – 600 с.

114.      Кватрани Т. Визуальное моделирование с помощью Rational Rose 2002 и UML.: Пер. с англ. / Т. Кватрани. – М.: Издательский дом «Вильямс», 2003. – 186 с.

115.      Ларман К. Применение UML и шаблонов проектирования / К. Ларман. – М.: Вильямс, 2002. – 624 с.

116.      Грэхем И. Объектно-ориентированные методы. Принципы и практика /  И. Грэхем. – М.: Вильямс, 2004. – 768 с.

117.      Леоненков А. Самоучитель UML. Эффективный инструмент моделирования информационных систем / А. Леоненков. – СПб.: BHV, 2005. – 304 с.

118.      Мацяшек Л.А. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML / Л.А. Мацяшек. – М.: Вильямс, 2002. – 432 с.