ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ УПРАВЛІННЯ РУЛОННИМ РОТАЦІЙНИМ ДРУКОМ НА ОСНОВІ КЛАСТЕРИЗАЦІЇ ТЕХНОЛОГІЧНИХ ПАРАМЕТРІВ : ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ УПРАВЛЕНИЯ РУЛОННОЙ РОТАЦИОННОЙ ПЕЧАТЬЮ НА ОСНОВЕ КЛАСТЕРИЗАЦИИ ТЕХНОЛОГИЧЕСКИХ ПАРАМЕТРОВ

Краткое описание

Міністерство освіти і науки України

Українська академія друкарства

На правах рукопису

Меденець Ярослав Олегович

УДК 004.9:681.62

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ УПРАВЛІННЯ
РУЛОННИМ РОТАЦІЙНИМ ДРУКОМ
НА ОСНОВІ КЛАСТЕРИЗАЦІЇ ТЕХНОЛОГІЧНИХ ПАРАМЕТРІВ

05.13.06 – інформаційні технології

Дисертація на здобуття наукового ступеня

кандидата технічних наук

Науковий керівник

Стрепко Ігор Теодорович,

кандидат технічних наук, доцент

Ідентичність усіх екземплярів дисертації засвідчую

Вчений секретар спеціалізованої вченої ради Д 35.101.01,

к.т.н., професор                                                               Жидецький В.Ц.

Львів – 2013








ЗМІСТ

....................................................................................................		6
РОЗДІЛ 1. АНАЛІЗ ЗАДАЧ І МЕТОДІВ КЛАСТЕРИЗАЦІЇ ДАНИХ ДЛЯ ВИДІЛЕННЯ ІНФОРМАЦІЙНИХ ПАРАМЕТРІВ СИСТЕМ АВТОМАТИЧНОГО УПРАВЛІННЯ....................................................		12
1.1.	Інформаційна структура управління поліграфічним виробництвом..............................................................................	12
1.2.	Виділення технологічних параметрів, що впливають на процес друку...............................................................................	16
1.3.	Рулонна ротаційна друкарська машина: функціональна та структурна схеми........................................................................	19
1.4.	Мета і завдання кластеризації у системах автоматичного управління...................................................................................	25
1.5.	Методи кластерного аналізу для виділення інформаційних параметрів систем автоматичного управління..........................	28
1.6.	Функція належності як характеристика нечіткої множини.......	30
	Висновки до розділу 1................................................................	33
РОЗДІЛ 2. РОЗРОБЛЕННЯ І ДОСЛІДЖЕННЯ МАТЕМАТИЧНОГО АПАРАТУ НЕЙРО-НЕЧІТКОЇ ДИНАМІЧНОЇ КЛАСТЕРИЗАЦІЇ.....		35
2.1.	Топологія нейронної мережі.......................................................	35
2.2.	Дослідження алгоритму нейро-нечіткої динамічної кластеризації................................................................................	38
2.2.1.	ЕМ–метод кластеризації.........................................................	45
2.2.1.	FCM–метод кластеризації ......................................................	46
2.2.3.	Алгоритми k–means (k–середніх)  .........................................	49
2.3.	Розроблення формальних критеріїв якості кластеризації.........	52
2.4.	Дослідження методів кластеризації параметрів технологічного процесу..............................................................	58
	Висновки до розділу 2................................................................	62
РОЗДІЛ 3. РОЗРОБЛЕННЯ МЕТОДІВ КЛАСТЕРИЗАЦІЇ ДАНИХ ДРУКАРСЬКОГО ПРОЦЕСУ ПОЛІГРАФІЧНОГО ВИРОБНИЦТВА.....................................................................................		64
3.1.	Схема методу адаптивної нечіткої кластеризації ......................	64
3.2.	Формалізація нечіткої задачі вибору варіанта кластеризації ..	67
3.3.	Розроблення автоматизованої системи синтезу нейро-нечітких моделей........................................................................................	71
3.4.	Розроблення методики автоматичного синтезу моделі на основі нейро-нечіткої логіки.......................................................	74
3.5.	Алгоритми об’єднання нечітких термів.....................................	75
3.6.	Алгоритм вибору радіуса кластеризації....................................	81
3.7.	Генерація нечітких правил для оптимізації схеми кластеризації технологічного процесу ротаційного друку ......	83
3.8.	Візуалізація і контроль технологічного режиму друкарського процесу на основі методів кластерного аналізу........................	85
	Висновки до розділу 3................................................................	90
РОЗДІЛ  РОЗРОБЛЕННЯ НЕЙРО-НЕЧІТКОЇ СИСТЕМИ АНАЛІЗУ ДАНИХ ДЛЯ УПРАВЛІННЯ ТЕХНОЛОГІЧНИМ ПРОЦЕСОМ РУЛОННОГО РОТАЦІЙНОГО ДРУКУ.........................		92
4.1.	Дослідження роботи РРМ на основі кластеризації параметрів	92
4.1.1.	Комп’ютерне симулювання роботи РРМ...............................	92
4.1.2.	Розроблення процедури налаштування роботи РРМ на основі кластеризації параметрів.............................................	95
4.1.3.	Моделювання роботи РРМ для різних типів стрічки............	99
4.2.	Розроблення процедури налаштування технологічних параметрів системи прямого регулювання натягу РРМ...........	104
4.2.1.	Налаштування параметрів РРМ без урахування особливостей обладнання.......................................................	105
4.2.2.	Налаштування параметрів РРМ за звичайних умов функціонування.......................................................................	111
4.3.	Розроблення методики візуалізації параметрів і пульта керування функціонування РРМ................................................	118
4.3.1.	Розроблення нейро-нечіткої системи візуалізації даних для пульта керування РРМ............................................................	118
4.3.2.	Візуалізація друкарського процесу із застосуванням параметрів кластерів функціонування РРМ...........................	121
	Висновки до розділу 4................................................................	127
Загальні висновки.................................................................................		129
Список використаних літературних джерел.....................................		131
Додаток А. Акти впровадження............................................................		142
Додаток Б. Методи визначення близькості об’єктів............................		144
Додаток В. Ідентифікація об’єктів РРМ............................................... .		149

УМОВНІ СКОРОЧЕННЯ

ЕМ – Expectation-Maximization (очікування-максимізація)

FCM ‑ Fuzzy Classifier Means (засоби нечіткого класифікатора)

HCM ‑ Hard C–Means (жорсткі засоби класифікатора)

АСУ-(ТП) – автоматизована система управління (технологічним процесом)

БЗ – база знань

Д – двигун

ДС – друкарська секція

ДН – давач натягу

ДП – друкарська пара

ЕП – електропривод

ІС – інформаційна система

ЛЗ – лінгвістична змінна

НЛ – нечітка логіка

ПП – приймальний пристрій

РРМ – рулонна ротаційна машина

САК – систем автоматичного керування

СОЦ – система охолоджуючих циліндрів

СПШ – система поворотніх штанг

СС –секція сушіння

ССН – система стабілізації натягу

СУБД – система управління базами даних

ТГ – тахогенератор

ТП – тиристорний перетворювач

ФА – фальцапарат

ВСТУП

Актуальність теми. Для забезпечення якісного результату та залучення клієнтів у кризовий період підприємства, що надають поліграфічні послуги, впроваджують нові високотехнологічні системи. Виробники удосконалюють обладнання, шукають способи його здешевлення та створюють умови для стабільної якості продукції.

Рулонні ротаційні машини (РРМ) відносяться до високопродуктивних систем, які можуть гарантувати замовникові виготовлення необхідної продукції, а керівникам поліграфічної компанії – наявність замовлень та успішну діяльність підприємства.

Основною ланкою високошвидкісних РРМ з випуску друкованої продукції є стрічкопровідна система. Це складний об’єкт управління: стрічковий матеріал ‑ папір, полімерний матеріал, поліетилен тощо, неперервно проходить технологічну обробку на взаємопов’язаних секціях РРМ (рулонна зарядка, друкарські пари, лакувальна секція, сушильна секція, поворотні модулі, фальцапарат або намотувальний рулон та ін.).

Ефективна робота стрічкопровідних систем РРМ та управління ними можливі при застосуванні ефективних процесів керування, розроблених на основі синтезу алгоритмів керування та кластеризації параметрів. Аналіз моделей стрічкопровідних систем РРМ та їх елементів, математичний опис систем і кластеризація параметрів надасть змогу забезпечити проектування та удосконалення РРМ і систем керування ними.

Можливості аналізу та синтезу систем керування визначаються побудовою реальних моделей РРМ, кластеризацією параметрів управління, що є принципо­вим при виборі та розробці математичного опису окремих елементів РРМ.

Теоретичні основи опису інтегрованих систем досліджено у наукових працях В. І. Веретеннікова, Ю. Н. Самаріна, А. М. Циганенка та ін. Методи кластеризації вивчали І. Дюфрі, Л. Заде, Г. Ланс, Й. Каплан, Г. Кастелано, Т. Кохонен, У. Уільямс тощо. Над теорією систем керування та розробленням новітніх інформаційних технологій на основі нечіткої логіки працювали: В. М. Глушков, О. П. Ротштейн, І. В. Сергієнко, С. Субботін, С. Д. Штовба та ін. Значний вклад у дослідження стрічкопровідних систем також внесли вітчизняні науковці: І. А. Волощак, Б. В. Дурняк, М. М. Луцків, В. П. Митрофанов, О. В. Тимченко, Є. І. Ізбіцький, В. В. Казакевич, Г. Д. Толстой, Я. І. Чехман тощо.

Отже, виявлення та виділення (кластеризація) найвагоміших інформативних параметрів для управління виробничим процесом – задача успішних багато­рівневих поліграфічних комплексів.

Кластери – одна з найбільш ефективних форм інтеграційних систем, аналіз їх використання свідчить про недостатність досвіду практичного функціонування виробничих ланок у межах кластерної структури підприємства.

Теоретичні аспекти та практичні інструменти використання кластерного підходу стосовно управління виробництвом вітчизняного поліграфічного комплексу не в повній мірі описані та впроваджені в існуючі технологічні процеси.

Відповідно, розроблення інформаційної технології для підвищення ефективності рулонного ротаційного друку шляхом кластеризації його параметрів є актуальною науковою задачею.

Зв’язок роботи з науковими програмами, планами і темами.

Дисертаційне дослідження безпосередньо пов’язане з пріоритетними напрямками розвитку науки і техніки Кабінету Міністрів України «Математичне забезпечення й інформаційні технології в поліграфії», з планами наукової та навчальної роботи кафедри автоматизації та комп’ютерних технологій УАД «Моделювання, аналіз та синтез технологічних процесів і систем на базі інформаційних технологій». Результати дисертаційних досліджень впроваджено в навчальний процес кафедри АКТ Української академії друкарства в лекційному та лабораторному практикумі з дисциплін «Автоматизація технологічних процесів», «Інформаційні системи та комплекси», «Оптимальні та адаптивні системи керування». Окремі результати дисертаційної роботи впроваджено в друкарні ПП «Єврофлекс».

Мета і задачі дослідження. Метою дисертаційної роботи є розроблення інформаційної технології керування рулонним ротаційним друком на основі кластеризації технологічних параметрів для підвищення ефективності процесу друкування.

Відповідно, для досягнення мети потрібно вирішити наступні завдання:

-                   провести системний аналіз, дослідити методи кластеризації даних у технологічних процесах поліграфічного виробництва;

-                   розробити модель кластеризації інформаційних параметрів РРМ для отримання оптимальних перехідних характеристик натягу та швидкості РРМ для різного типу задруковуваного стрічкового матеріалу за допомогою пропорційно-інтегрально-диференціального (ПІД) регулятора;

-                   розробити науково-методичні положення нейро-нечіткої системи прямого регулювання натягу РРМ для оптимізації перехідних характеристик натягу стрічки;

-                   здійснити візуалізацію даних пульта керування РРМ на основі нейро-нечіткої логіки та методів кластеризації технологічних параметрів;

-                   провести комп’ютерне моделювання розроблених систем для підтвердження ефективності їх функціонування.

Об’єктом дослідження виступає технологічний процес рулонного ротаційного друку.

Предметом дослідження є методи, моделі та засоби удосконалення рулонного ротаційного друку на основі кластеризації технологічних параметрів.

Методи дослідження. У дисертаційній роботі використано: методи кластерного аналізу при виділенні та групуванні параметрів рулонного ротаційного друку; нейро-нечітку динамічну кластеризацію для розробки інформаційної технології кластеризації параметрів технологічного процесу; методи математичного моделювання і комп’ютерного симулювання для перевірки адекватності створених моделей реальним процесам.

Наукова новизна отриманих результатів полягає в наступному:

ü                уперше розроблено й досліджено автоматизовану систему синтезу нейро-нечіткої моделі кластеризації параметрів для побудови інтегрованої кластерної системи управління;

ü                уперше розроблено модель кластеризації технологічних параметрів РРМ на основі двоетапної ідентифікації для отримання оптимальних перехідних характеристик натягу та швидкості з різним типом задруковуваного стрічкового матеріалу;

ü                отримали подальший розвиток науково-методичні та практичні положення  нейро-нечіткої системи аналізу даних для управління технологічним процесом рулонного ротаційного друку;

ü                удосконалено структурну схему системи прямого регулювання натягу РРМ з чотирма друкарськими парами.

Практичне значення результатів дослідження. Розроблена інформаційна технологія дозволяє проектувати системи нечіткого виведення залежності сили натягу від швидкості та радіуса рулону РРМ; запропоноване використання центроїдів кластерів технологічних параметрів для розробки систем візуалізації даних та керування РРМ із застосуванням нейро-нечіткої логіки; розроблена архітектура стрічкопровідної системи РРМ на основі кластеризації технологічних параметрів з використанням ПІД-регулятора забезпечує покращення перехідних характеристик натягу та швидкості для задруковуваного стрічкового матеріалу, досягнення оптимальних характеристик натягу стрічки системи прямого регулювання натягу РРМ; методи побудови ієрархічної системи візуалізації технологічних процесів у поліграфії забезпечують задану якість роботи РРМ та створюють базу для побудови інформаційної технології контролю процесів рулонного ротаційного друку.

Моделювання роботи стрічкопровідних систем розроблених інформаційних моделей дає можливість подальшого проектування систем автоматичного управління РРМ та її окремих елементів у прикладних задачах.

Теоретичні й практичні результати роботи можуть використовуватися при проведенні лекційних занять та розв’язанні практичних задач у курсах, де розглядається стрічкопровідна система РРМ, а також кластеризація технологічних параметрів, у поліграфії, папероробній та машинобудівній промисловості.

Основні наукові результати дисертаційного дослідження впроваджено в навчальний процес кафедри АКТ Української академії друкарства Міністерства освіти і науки України в лекційному та лабораторному практикумі з дисциплін «Автоматизація технологічних процесів», «Інформаційні системи та комплекси», «Оптимальні та адаптивні системи керування».

Окремі результати дисертаційної роботи впроваджено в друкарні ПП «Єврофлекс».

Особистий внесок здобувача. Дисертаційна робота є результатом самостійних наукових досліджень, у ній викладено авторський підхід до розроблення інформаційної технології керування рулонним ротаційним друком на основі кластеризації технологічних параметрів для підвищення ефективності процесу друкування.

Особистий внесок здобувача полягає у самостійному отриманні основних наукових результатів, проведенні експериментальних досліджень та апробації результатів.

У наукових працях, опублікованих у співавторстві, дисертанту належить: [4, 15] – оптимізація параметрів РРМ; [5] – дослідження перехідних характеристик рулонної ротаційної друкарської машини за натягом та швидкістю для
різних типів стрічки; [6] – методика налаштування системи регулювання
натягу РРМ; [7] – розроблення пульта керування РРМ; [8] – розроблення методів кластеризації параметрів; [9] – дослідження структурної складності методів кластеризації; [10, 12] – дослідження кластеризації параметрів друкарського процесу; [11] – розроблення методики налаштування технологічних параметрів РРМ; [13, 16] – інформаційна структура управління виробництвом поліграфічної продукції.

Апробації результатів дисертації. Основні результати дослідження представлено та обговорено на щорічних науково-технічних конференціях, зокрема:

ü                ХVIII Міжнародна конференція з автоматичного управління «Автоматика-2011» (28‑30 вересня 2011 р. , м. Львів);

ü                ХХХ, XXXI Науково-технічні конференції [ІПМЕ НАН України] 12‑13 січня 2011 року, 11‑12 січня 2012 року (м. Київ);

ü                Науково-технічні конференції професорсько-викладацького складу, наукових працівників і аспірантів [Українська академія друкарства] 1‑4 лютого 2011 року, 24‑27 січня 2012 року (м. Львів).

Публікації за темою дисертації. Результати дисертаційного дослідження викладено у 18 наукових працях, з них 13 статей у фахових наукових виданнях, 5 – матеріали науково-технічних конференцій.

Структура і обсяг роботи. Дисертаційна робота складається зі вступу, чотирьох розділів, списку використаних літературних джерел та додатків.

Загальний обсяг роботи 155 сторінок, з яких основний текст – 118 сторінок. Робота містить 4 таблиці, 79 рисунків. Список використаних літературних джерел – 110 найменувань. 

Список литературы

ЗАГАЛЬНІ ВИСНОВКИ

У дисертаційній роботі на підставі виконаних теоретичних та експери­ментальних досліджень розв’язано важливу науково-технічну задачу – створено та досліджено інформаційну технологію управління процесів рулонного ротаційного друку на основі кластеризації технологічних параметрів.

При цьому отримано наступні результати.

1.           Системний аналіз існуючих методів кластеризації дозволив уперше створити методику побудови автоматизованої нейро-нечіткої системи кластеризації параметрів для управління процесами рулонного ротаційного друку.

2.           Отримав подальший розвиток запропонований метод побудови моделей кластеризації на основі двоетапної ідентифікації нелінійних залежностей з використанням нечітких баз знань, що дозволило з допомогою нейронних мереж одночасно формувати нечіткі правила й адаптувати функції належності модифікацією ваг зв'язків у процесі навчання.

3.           Уперше запропоновано використання центроїдів кластерів технологічних параметрів для розробки системи керування і візуалізації параметрів рулонного ротаційного друку з застосуванням нейро-нечіткої логіки, що дало можливість отримати оптимальні перехідні характеристики натягу та швидкості для різних типів задруковуваного стрічкового матеріалу.

4.           Здійснено дослідження системи залежності нечіткого виведення сили натягу від швидкості, що дозволило вдосконалити структурну схему системи прямого регулювання натягу РРМ з чотирма друкарськими парами завдяки використанню ПІД-регулятора та покращило перехідні характеристики натягу й швидкості для різного типу задруковуваного стрічкового матеріалу, а також сприяє досягненню оптимальних характеристик натягу в системі прямого регулювання.

5.           Експериментальні дослідження запропонованої інформаційної технології показали переваги застосування механізмів кластерного підходу для забезпечення заданої якості роботи РРМ і відкривають нові можливості для систем контролю та управління процесами рулонного ротаційного друку.

6.           Запропоновано загальну організацію використання засобів інформаційної технології управління та візуалізації процесів рулонним ротаційним друком на основі кластеризації технологічних параметрів, що відображають технологічні параметри і формуються з урахуванням кластерів, які визначаються на етапі її проектування.

Результати роботи пропонується використовувати у видавництвах для налагодження й побудови систем керування та візуалізації процесів рулонного ротаційного друку для підвищення якості поліграфічної продукції.

СПИСОК ВИКОРИСТАНИХ ЛІТЕРАТУРНИХ ДЖЕРЕЛ

1.                Алексеев В. Е. Графы и алгоритмы структуры данных, модели вычислений / В. Е. Алексеев, В. А. Таланов. — М. : Бином, 2006. — 320 с.

2.                Алиев Р. А. Производственные системы с искусственным интеллектом / [Р. А. Алиев, Н. М. Абдикеев, М. М. Шахназаров]. — М. : Радио и связь, 1990. — 264 с.

3.                Артюшин Л. М. Теорія автоматичного керування : навч. посіб. / [Артюшин Л. М., Машков О. А., Дурняк Б. В., Сівов М. С.]. — Львів : УАД, 2004. — 270 с. : іл. — Бібліогр.: с. 270.

4.                Ахо А. Построение и анализ вычислительных алгоритмов / [А. Ахо,  Дж. Хопкрофт, Дж. Ульман]. — М. : Мир, 1979. — 535 с.

5.                Базилевич Р. Ієрархічні кластеризація, декомпозиція та багаторівневе макромоделювання — ефективні засоби розв’язування комбінаторних задач схемного типу великої та надвеликої розмірності / Р. Базилевич // «Сучасні проблеми в комп’ютерних науках». — Львів : «Львівська політехніка», 2000. — С. 15‑30.

6.                Бакан Г. М. Вступ до теорії експертних систем та баз знань / Г. М. Бакан. — К. : Київ. ун-т, 2005. — 90 с.

7.                Батенко Л. П. Управління проектами : навч. посіб. / [Л. П. Батенко, О. А. Загородніх, В. В. Ліщинська]. — К. : КНЕУ, 2003. — 231 с.

8.                Бенькович Е. Практическое моделирование динамических систем / [Е. Бенькович, Ю. Колесов, Ю. Сенчиков]. — СПб. : БХВ-Петербург, 2002. — 464 с.

9.                Бодянский Е. В. Об адаптивном алгоритме нечеткой кластеризации данных / [Бодянский Е. В., Горшков Е. В., Кокшенев И. В., Коло­дяжный В. В. ] // Адаптивні системи автоматичного управління. — Дніпро­петровськ : Системні технології, 2002. — Вип. 5(25). — С. 108‑117.

10.           Боюн В. П. Динамическая теория информации: основы и применение / В. П. Боюн. — К. : ИК НАН Украины, 2001. — 326 с.

11.           Булычев Ю. Г. Системный подход к моделированию сложных динами­ческих систем в задачах оптимизации с прогнозирующей моделью / Ю. Г. Булычев, И. В. Бурлай // АиТ. — М. : Наука, 1996. — № 3. — С. 34‑47.

12.           Васильев С. Н. Интеллектуальное управление динамическими систе­мами / [Васильев С. Н., Жерлов А. К., Федосов Е. А., Федухов Б. Е.] // — М. : Физ. мат., 2000. — 352 с.

13.           Веретенников В. І. Управління проектами / [В. І. Веретенников, Л. М. Та­расенко, Г. І. Гевлик]. — К. : ЦНЛ, 2006. — 280 с.

14.           Воеводин В. В. Решение больших задач в распределенных вичисли­тельных средах / В. В. Воеводин // Автоматика и телемеханика. — 2007. — № 5. — С. 32‑45.

15.           Гаврилова Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. — СПб. : Питер, 2001. — 384 с.

16.           Головко В. А. Нейронные сети: обучение, организация и применение: учеб. пособ. [для вузов] / В. А. Головко, А.И. Галушкина. — М. : ИПРЖР, 2001. — 256 с.

17.           Гостев В. И. Нечеткие регуляторы в системах автоматического упра­вления / В. И. Гостев // — К. : Радiоаматор, 2008. — 972 с.

18.           Дейт К. Дж. Введение в системы баз данных / К. Дж Дейт. — К. : Вильямс, 2005. — 1328 с.

19.           Дмитрович А. И. Интеллектуальные информационные системы / А. И. Дмитрович. — М. : Тетра Системс, 1997. — 368 с.

20.           Дорф Р. Современные системы управления : [пер. с англ.] / Р. Дорф, Р. Бишоп. — М. : Лаборатория Базовых Знаний, 2002. — 832 с.

21.           Драган Я. П. Системологія i логіка формування процедур прийняття рішень / [Я. П. Драган, М. О. Медиковський, Л. С. Сікора] // «Прикладная радиоэлектроника. Состояние и перспективы развития»: 1-й Междунар/ радиоэлектронный форум : Ч. 2: Сб. науч. трудов. — Харьков : АН ПРЭ, ХНУРЭ, 2002. — C. 44 ‑ 46.

22.           Дурняк Б. В. Математичне моделювання i реалізація систем керування стрічкопровідними системами / Б. В. Дурняк, О. В. Тимченко. — К. : Вида­вничий центр «ПРОСВІТА», 2003. — 232 с.

23.           Дурняк Б. В. Стрічкопровідні системи рулонних ротаційних машин. Моделювання, управління / Б. В. Дурняк. — К. : Атіка, 2002. — 291 с. ; іл.

24.           Жирабок А. Н. Нечёткие множества и их использование для принятия решений / А. Н. Жирабок // Соросовский образовательный журнал. — 2001. — № 2. — С. 28 ‑ 33.

25.           Заде Л. Понятие лингвистической переменной и ее применение к приня­тию приближенных решений / Л. Заде. — М. : Мир, 1976. — 167 с.

26.           Згуровский М. З. Основы системного анализа / М. З. Згуровский, Н. Д. Панкратова. — К. : ВНV, 2007. — 504 с.

27.           Змитрович А. И. Интелектуальные информационные системы / А. И. Змитрович. — Минск : ТетраСистемс, 1997. — 368 с.

28.           Казиев В. М. Введение в анализ, синтез и моделирование систем / В. М. Казиев. — М. : Бином ЛЗ, 2003. — 244 с.

29.           Каллан Р. Основные концепции нейронных сетей / Р. Каллан. — М. : Вильямс, 2001. — 288 с.

30.           Кириченко Н. Ф. Оптимальный синтез структур для линейных систем управления / Н. Ф. Кириченко, В. Т. Матвиенко // Проблемы управления и информатики. — К., 1996. — № 1/2. — С. 162‑172.

31.           Клифорд Ф. Грей. Управление проектами: практическое руководство : [пер. с англ.] / [Грей Ф. Клифорд, Эрик У. Ларсон]. — М. : Дело и сервис, 2003. — 528 с.

32.           Кобилянський Л. С. Управління проектами : навч. посіб. / Л. С. Коби­лянський. — К. : МАУП, 2002. — 200 с.

33.           Круглов В. В. Нечеткая логика и искусственные нейронные сети : учеб. пособ. / [В. В. Круглов, М. И. Дли, Р. Ю. Голунов]. — М. : Изд-во Физ-мат. лит., 2001. — 224 с.

34.           Кулаичев А. П. Методы и средства комплексного анализа данных / А. П. Кулаичев. — М. : ИНФРА-М, 2006. — С. 68‑71.

35.           Леоненков А. В. Нечеткое моделирование в среде Matlab и fuzzyTECH / А. В. Леоненков. — СПб. : БХВ-Петербург, 2003. — 736 с.

36.           Лодон Дж. Управление информационными системами / Дж. Лодон, К. Лодон. — СПб. : Питер, 2005. — 912с.

37.           Луцків М. М. Математичне моделювання і комп’ютерне симулювання електромеханічних та стрічкопровідних систем : моногр. / М. М. Луцків, І. М. Хмельницька // Укр. акад. друк. — Львів. : УАД, 2010. — 172 с.

38.           Луцків М. М. Системи управління зі спостерігаючими пристроями та динамічними регуляторами : моногр. / М. М. Луцків. — Львів: Лодз: Укр. акад. друкарства, 2007. — 198 c.

39.           Люггер А. Искуственный интеллект: стратеги и методы решения сложных проблем / А. Люггер, Ф. Джордж. — М. Вильямс, 2005. — 864 с.

40.           Медведев В. С. Нейронные сети. Matlab6 / В. С. Медведев, В. Г. Потём­кин. — М. : ДИАЛОГ-МИФИ, 2002. — 496 с.

41.           Меденець Я. Аналіз методів кластеризації інформаційних параметрів / Я. Меденець, О. Тимченко // Моделювання та інформаційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2012. — Вип. 62. — С. 173‑185.

42.           Меденець Я. Візуалізація пульта керування друкарської машини / Я. Меденець, І. Стрепко // Комп`ютерні технології друкарства : зб. наук. пр. — Львів : УАД, 2009. — Вип. 21. — С. 29‑38.

43.           Меденець Я. Дослідження структурної складності методів кластеризації / Я. Меденець, О. Тимченко // Моделювання та інформаційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2012. — Вип. 61. — С. 192‑197.

44.           Меденець Я. Інформаційна система управління поліграфічним виробництвом книжково-журнального видавництва / Я. Меденець // Тези наук.-техн. конф. професорсько-викладацького складу, наукових працівників і аспірантів [01‑04 лютого 2011 р., м. Львів]. — Львів : УАД, 2011. — С. 91.

45.           Меденець Я. Комп’ютерне моделювання роботи рулонної ротаційної друкарської машини при дії збурень / Я. Меденець, О. Тимченко // Моделювання та інформаційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2012. — Вип. 64. — С. 181‑187.

46.           Меденець Я. Критерії якості кластеризації / Я. Меденець // Комп`ютерні технології друкарства : зб. наук. пр. — Львів : УАД, 2012. — Вип. 27. — С. 81‑90.

47.           Меденець Я. О. Методи ідентифікації об’єктів в умовах невизначеності / [Я. О. Меденець, О. В. Тимченко, А. І. Вовк] // Моделювання та інфор­маційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2012. — Вип. 62. — С. 193‑203.

48.           Меденець Я. Методи кластеризації даних багатофарбових рулонних ротаційних машин / [ Меденець Я., Стрепко І., Тимченко О. ] // Комп`ютерні технології друкарства : зб. наук. пр. — Львів : УАД, 2011. — Вип. 25. — С. 9‑20.

49.           Меденець Я. Методи кластеризації даних для виділення інформаційних параметрів систем автоматичного управління / Я. Меденець // Тези наук.-техн. конф. професорсько-викладацького складу, наукових працівників і аспірантів [24‑27 січня 2012 р., м. Львів]. — Львів : УАД, 2012. — С. 103.

50.           Меденець Я. Методи кластеризації даних у технологічних процесах поліграфічного виробництва / Я. Меденець // Автоматика-2011: матеріали ХVIII Міжнар. конф. з автоматичного управління [28‑30 вересня 2011 р.] / [відп. за вип. М. Д. Кіселичник]. — Львів : «Львівська політехніка», 2011. — С. 356‑357.

51.           Меденець Я. Методика налаштування системи регулювання натягу стрічки в рулонній ротаційній машині за допомогою ПІД-регулятора / Я. Меденець, О. Тимченко // Моделювання та інформаційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2012. — Вип. 65. — С. 159‑165.

52.           Меденець Я. Оптимізація параметрів системи прямого регулювання натягу РРМ / Я. Меденець, О. Тимченко // Моделювання : тези доп. ХХXІ Наук.-техн. конф. [11‑12 січня 2012 р., м. Київ] ; ІПМЕ НАН України. — К., 2012. — С. 54.

53.           Меденець Я. О. Оптимізація системи прямого регулювання натягу рулонної ротаційної друкарської машини / Я. О. Меденець, О. В. Тимченко // Моделювання та інформаційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2012. — Вип. 63. — С. 185‑189.

54.           Меденець Я. Покращення перехідних характеристик рулонної ротаційної друкарської машини за натягом та швидкістю для різних типів стрічки / Я. Меденець // Комп`ютерні технології друкарства : зб. наук. пр. — Львів : УАД, 2012. — Вип. 28. — С. 62‑67.

55.           Меденець Я. Проектування систем нечіткого виводу на основі алгоритму Мамдані / Я. Меденець // Комп`ютерні технології друкарства : зб. наук. пр. — Львів : УАД, 2011. — Вип. 26. — С. 49‑57.

56.           Миркес Е. М. Нейроинформатика : учеб. пособ. / Е. М. Миркес. — Красноярск : ИПЦ КГТУ, 2002.— 347 с.

57.           Митюшкин Ю. И. Soft Computing: идентификация закономерностей нечеткими базами знаний / [Ю. И. Митюшкин, Б. И. Мокин, А. П. Рот­штейн]. — Винница : УНIВЕРСУМ, 2002. — 145 с.

58.           Олсон Г. Цифровые системы автоматизации управления / Г. Олсон, Дж. Пиани. — СПб. : Диалект, 2001. — 557 с.

59.           Ослекдер Д. Н. Управляющие программы для механических систем: объектно-ориентировочное проектирование систем реального времени / [Д. Н. Ослекдер, Дж. Р. Риджли, Д. Д. Ринггенберг]. — М. : Бином ЛЗ, 2004. — 413 с.

60.           Пальчевский Б. О. Інформаційні технології проектування технологічного устаткування : Моногр. / Б. О. Пальчевский. — Луцьк : Луцький НТУ, 2012. — 577 с.

61.           Пономаренко В. С. Проектування інформаційних систем / В. С. Поно­маренко. — К. : Академія, 2002. — 460 с.

62.           Ротштейн А. П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети / А. П. Рот­штейн. — Винница : УНІВЕРСУМ, 1999. — 320 с.

63.           Самарин Ю. Н. Автоматизация управления полиграфическим пред­приятием / Ю. Н. Самарин, П. К. Иванов // КомпьюАрт. — 2006. — № 8. — С. 40‑47.

64.           Сетлак Г. Интеллектуальные системы поддержки принятия решений / Г. Сетлак. — К. : Логос, 2004. — 251 с.

65.           Сирота А. Компьютерное моделирование и оценка эффективности сложных систем / А. Сирота. — М. : Техносфера, 2006. — 280 с.

66.           Сікора Л. С. Системологія прийняття рішень та управління в складних технологічних структурах / Л. С. Сікора. — Львів : Каменяр, 1998. — 453 с.

67.           Сікора Л. С. Ситуаційні моделі розв’язання задач управління і діагностика режимів комп’ютеризованих виробництв з елементами штучного інтелекту / [ Сікора Л. С. , Поліщук М. Б., Федчишин Р. А., Малець І. О. ] // Моделювання та інформаційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2007. — Вип. 43. — С. 193‑196.

68.           Стрепко І. Т. Візуалізація пульта керування друкарської машини / [І. Т. Стрепко, Я. О. Меденець] // Тези наук.-техн. конф. професорсько-викладацького складу, наукових працівників і аспірантів [02‑05 лютого 2010 р., м. Львів]. — Львів : УАД, 2010. — С. 71.

69.           Стрепко І. Т. Процедура налаштування технологічних параметрів на прикладі рулонної ротаційної друкарської машини / [Стрепко І. Т., Меденець Я. О., Кавин Я. М.] // Поліграфія і видавнича справа : наук.-техн. зб. — Львів : УАД, 2012. — Вип. 2 (58). — С. 68‑77.

70.           Субботин С. А. Методика и критерии сравнения моделей и алгоритмов синтеза искусственных нейронных сетей / C. А. Cубботин // Радiоелектро­нiка. Iнформатика. Управлiння. — 2003. — № 2. — С.109‑114.

71.           Субботін С. О. Неітеративні, еволюційні та мультиагентні методи синтезу нечіткологічних і нейромережних моделей : моногр. / [ С. О. Суб­ботін, А. О. Олійник, О. О. Олійник ]. — Запоріжжя : ЗНТУ, 2009. — 375 с.

72.           Субботін С. О. Подання й обробка знань у системах штучного інтелекту ти підтримки прийняття рішень : Навч. посіб. / С. О. Субботін. — Запоріжжя : ЗНТУ, 2008. — 341 c.

73.           Терехов В.А. Нейросетевые системы управления / [ Терехов В. А., Ефимов Д. В., Тюкин И. Ю., Антонов В. Н.]. — СПб. : Изд-во С.-Петербург­ского ун-та, 1999. — 265 с.

74.           Тимченко О. Інформаційна структура управління виробництвом поліграфічної продукції / [Тимченко О., Стрепко І., Меденець Я.] // Комп`­ютерні технології друкарства : зб. наук. пр. — Львів : УАД, 2010. — Вип. 24. — С. 215‑219.

75.           Тимченко О. Інформаційні технології кластеризації даних у технологічних процесах поліграфічного виробництва / О. Тимченко, Я. Меденець // Моделювання та інформаційні технології : зб. наук. пр. ; ІПМЕ НАН України. — К., 2010. — Вип. 57. — С. 121‑131.

76.           Тимченко О. Розробка інформаційної технології кластеризації даних поліграфічного виробництва / О. Тимченко, Я. Меденець // Моделювання : тези доп. ХХX Наук.-техн. конф. [12‑13 січня 2011 р., м. Київ] ; ІПМЕ НАН України. — К., 2011. — С. 62‑63.

77.           Топорков В. В. Модели распределенных вычислений / В. В. Топорков // — М. : ФИЗМАТЛИТ, 2004. — 320 с.

78.           Точин Р. Цифровые системы: теория и практика / Р. Точин, А. Уидмер. — М. : Вильямс, 2004. — 1024 с.

79.           Тэрано Т. Прикладные нечеткие системы : пер. с япон. / [ Т. Тэрано, К. Асан, М. Сугэно ]. — М. : Мир, 1993. — 366 с.

80.           Уиллиамс У. Т. Методы иерархической классификации // Статистические методы для ЭВМ / [У. Т. Уиллиамс, Д.Н. Ланс; под ред. М. Б. Малютова]. — М. : Наука, 1986. — С. 269‑301.

81.           Усков А. А. Интелектуальные системы управления на основе методов нечеткой логики / А. А. Усков, В. В. Круглов. — Смоленськ : Смоленская гор.типогр., 2003. — 177 с.

82.           Цыганенко А. М. Введение в автоматизацию редакционно-издательских процессов / А. М. Цыганенко. — М. : Книга, 1990. — 152 с.

83.           Чубукова И. А. Data Mining : учеб. пособ. / И. А. Чубукова. — М. : Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006. — 382 с. — (Серия «Основы информационных технологий») 

84.           Штовба С. Д. Обеспечение точности и прозрачности нечеткой модели Мамдани при обучении по экспериментальным данным / С. Д. Штовба // Проблемы управления и информатики. — 2007. — № 4. — С. 102‑114.

85.           Штовба С. Д. Проектирование нечетких систем средствами Matlab / С. Д. Штовба. — М. :Телеком, 2007. — 288с.

86.           Яковлев Ю. П. Контролінг на базі інформаційних технологій / Ю. П. Яковлев. — К. : ЦНЛ, 2006. — 318 с.

87.           Ярушкина Н. Г. Основы теории нечетких и гибридных систем / Н. Г. Ярушкина. — М.: Финансы и статистика, 2004. — 320 с.

88.           Castellano G. A self-organizing neural fuzzy inference network / G. Castel­lano, A. Fanell // Neural Neworks. — 2000. — IJCNN 2000. — P. 14‑19.

89.           Chen G. Intraduction to Fyzzy Sets, Fuzzy Logik, and Fuzzy Control Systems / G.Chen, T. Pham // — New York : CRS Press, 2000. — 313 p.

90.           Chung F. L. Fuzzy competitive learning / F. L. Chung, T. Lee // Neural Networks — 1994. — Vol.7. — No.3. — P. 539‑552.

91.           Dickerson Julie A. Fuzzy function approximation with ellipsoidal rules / Julie A. Dickerson, Bart Kosko // IEEE Transaction on fuzzy systems. — August 2004. — Vol. 26. — № 4. — P. 542‑560.

92.           Durfee E. H. Distributed problem solving and planning / E. H. Durfee, G. Weiss // Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. — Cambridge : MIT Press, 1999. — P. 121‑164.

93.           Gan G. Data Clustering: Theory, Algorithms and Applications / [G. Gan, Ma Ch, J. Wu] // — Philadelphia : SIAM, 2007. — 466 p.

94.           Guillaume S. Designing Fuzzy Inference Systems from Data / S. Guillaume // IEEE Transactions on Fuzzy Systems. — 2001. Vol. 9. — №. 3. — P. 426‑443. 

95.           Heroux M. Parallel Processing for Scientific Computing / [M. Heroux, P. Raghavan, H. Simson] // — Philadelphia : SIAM, 2006. — 396 p.

96.           Hippner F. Fuzzy Clustering Analysis: Methods for Classification, Data Analysis and Image Recognition. / [F. Hippner, F. Klawonn, R. Kruse, T. Runkler] // — Chichester : John Willey & Sons, 1999. — 289 p.

97.           Jang J.-Sh. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence / [J.-Sh. Jang, Ch.-T. Sun, E. Mizutani] // — New York : Prentice-Hall, 1997. — 640 p. 

<