RU2665256C1 - Способ прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения - Google Patents
Способ прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения Download PDFInfo
- Publication number
- RU2665256C1 RU2665256C1 RU2017138778A RU2017138778A RU2665256C1 RU 2665256 C1 RU2665256 C1 RU 2665256C1 RU 2017138778 A RU2017138778 A RU 2017138778A RU 2017138778 A RU2017138778 A RU 2017138778A RU 2665256 C1 RU2665256 C1 RU 2665256C1
- Authority
- RU
- Russia
- Prior art keywords
- rts
- fleet
- samples
- dynamics
- quantitative
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 238000005094 computer simulation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 239000000126 substance Substances 0.000 abstract 1
- 238000011161 development Methods 0.000 description 9
- 230000018109 developmental process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000005520 cutting process Methods 0.000 description 7
- 238000013439 planning Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000011384 asphalt concrete Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005309 stochastic process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011480 coordinate descent method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000005654 stationary process Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Изобретение относится к способу автоматизированного прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения (РТС СН). Технический результат заключается в автоматизации и повышении точности прогнозирования. В способе вводят необходимые исходные данные, ранжируют множество образцов рассматриваемого парка РТС СН по приоритетности, формируют начальную структуру динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования, определяют параметры сценария изменения ресурсных и финансовых ограничений на управляющее воздействие в течение периода прогнозирования, рассчитывают необходимое для обеспечения требуемой точности количество реализаций, производят агентное имитационное моделирование изменения технического состояния образцов рассматриваемого парка РТС СН, учитывающее стохастичность и взаимосвязанности многоэтапных процессов изменения технического состояния образцов РТС СН, на основе статистических данных рассчитывают прогнозные значения показателей динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования. 1 ил.
Description
Изобретение относится к области программно-целевого планирования и управления развитием сложных технико-экономических систем и может быть использовано при разработке и обосновании предложений в долгосрочные программы и планы развития парка радиотехнических систем специального назначения (РТС СН).
Изобретение позволяет с более высокой точностью определять прогнозируемые значения показателей динамики изменения количественного и качественного состояния парка РТС СН в течение определенного периода планирования при заданных ограничениях на управляющее воздействие с учетом стохастичности и взаимосвязанности многоэтапных процессов изменения технического состояния образцов РТС СН.
Техническим результатом изобретения является повышение точности определения прогнозных значений показателей динамики изменения количественного и качественного состояния парка РТС СН, и соответственно повышение эффективности программно-целевого планирования и управления развитием парка РТС СН в целом.
Из уровня техники известно множество способов прогнозирования состояния сложных технико-экономических систем, в том числе и специального назначения.
Известна система стратегического прогноза технического состояния объектов, преимущественно компьютерно-вычислительных систем [1]. В ее состав входят блок данных по контролируемому объекту; система коррекции по цели прогноза и цели обратной связи; система формирования свойств контролируемого объекта на основе новых признаков; блок оценки развития свойств объектов, который, в частности, может состоять из объединенных в один электронный блок системы оценки развития свойств контролируемого объекта и системы оценки развития свойств совокупности объектов, аналогичных контролируемому объекту; блок, моделирующий воздействующую на контролируемый объект среду и блок-модель актуализации свойств о контролируемом объекте.
Недостатком этого технического решения является относительно узкие функциональные возможности, поскольку она предназначена преимущественно для компьютерно-вычислительных систем и не позволяет осуществлять долгосрочный прогноз изменения состояния парка РТС СН, так как не учитываются особенности жизненного цикла РТС СН, при этом для достижения технического результата необходимо проведение сопоставления характеристик объекта с характеристиками объектов, аналогичных контролируемому объекту, в режиме реального времени, что практически невозможно при рассмотрении сложных технических систем, состоящих из множества элементов.
Известна компьютерная система стратегического прогноза изменения характеристик технических систем с использованием предварительных математических моделей, раскрытая в описании к заявке WO 2005109253 А1, опубликованной 17.11.2005, МПК (ред. IРС1-7) G06F 17/50. В ее состав входят контрольно-управляющий блок, а также подключенный к нему ряд средств ввода/вывода, таких как монитор, принтер, мышь, клавиатура и т.п. В состав контрольно-управляющего блока входят центральный процессор, микросхема памяти - блок данных по контролируемому объекту и схема интерфейса, сопрягающая упомянутые средства ввода/вывода с центральным процессом.
Недостатком описанной выше компьютерной системы прогноза изменения характеристик технических систем является необходимость привлечения квалифицированного оператора, который может программно формализовать сложные взаимосвязи между динамикой изменения совокупности свойств комплектующих контролируемой технической системы и измеряемыми на текущий момент параметрами данной технической системы. В связи с этим процесс стратегического прогноза при помощи данной системы требует значительных трудо- и времязатрат.
Известна программа прогнозирования технического состояния вооружения, военной и специальной техники [2], в которой производится расчет данных, позволяющих определить момент выхода значения параметров, характеризующих техническое состояние объекта ВВСТ за пределы области допустимых значений.
Расчет проводится при помощи девяти методов прогнозирования: нейросетевого метода; метода покоординатного спуска; метода градиентного спуска; метода Нелдера-Мида; методом Хука-Дживса; при помощи генетического алгоритма; методом Бройдена-Флетчера-Гольдфарба-Шанно; методом главных компонент; на основе надежной линейной модели (RLM). Полученные в результате вычислений данные позволяют определить момент выхода значения параметров, характеризующих техническое состояние объекта за пределы области допустимых значений.
Недостатком указанного технического решения является узкая область ее применения и недостаточные функциональные возможности для прогнозирования динамики изменения состояния множества образцов РТС СН, так как прогнозирование изменения состояния одного объекта осуществляется на основе аналитических методов, при этом не учитываются ограничения на управляющее воздействие.
Известен способ прогнозирования износостойкости твердосплавных режущих инструментов [3], предназначенный для повышения точности и снижение трудоемкости при прогнозировании износостойкости твердосплавных режущих инструментов. Сущность данного способа заключается в том, что осуществляют проведение испытания на изменение величины исходного параметра от свойств поверхностной и объемной структуры, сформированной в процессе изготовления твердосплавного режущего материала, проведение эталонных испытаний на износостойкость в процессе резания материалов, вызывающих интенсивный адгезионный износ при оптимальной или близкой к ней скорости резания, построение эталонной - корреляционной зависимости «износостойкость-исходный параметр», статистический контроль только величины исходного параметра у текущей партии твердосплавных режущих инструментов, прогнозирование износостойкости для текущей партии твердосплавных режущих инструментов на основании зависимости.
Известен способ эксплуатационного контроля технического состояния и прогнозирования ресурса подшипников электродвигателей [4], предназначенный для упрощения эксплуатационного контроля технического состояния и прогнозирования ресурса подшипников электродвигателей.
Известен способ прогнозирования и оценки безопасности достижимых состояний защищенных информационных систем [5], предназначенный для получения сведений о безопасности системы не только в ее текущем состоянии, но и прогнозировать дальнейшее выполнение требований безопасности, предъявляемых к системе, заранее получать и учитывать сведения о безопасности или небезопасности всех будущих состояний системы. В основе способа лежит анализ системного состояния, модели безопасности и условий безопасности. Получают полное множество состояний, достижимых из текущего состояния системы по правилам модели безопасности, и выделяют в нем подмножества безопасных и небезопасных состояний путем оценки выполнения в них заданных условий безопасности.
Известен способ прогнозирования состояния автомобильных дорог с асфальтобетонными покрытиями и назначения обоснованных сроков ремонтных работ [6], предназначенный для повышения эффективности прогнозирования состояния автомобильных дорог с асфальтобетонными покрытиями и назначение обоснованных сроков ремонтных работ.
Известен способ прогнозирования фазового состояния судна [7], предназначенный для повышения точности прогнозирования фазового состояния судна в заранее заданный момент времени. Способ основан на использовании фазовых координат судна: угловой скорости и угла дифферента и программных возмущающих и управляющих сил, действующих на судно. Их подают на вход электронной модели движения судна, работающей в ускоренном масштабе времени.
Вышеизложенные способы обладают низкой точностью и не находят широкого практического применения из-за относительно узкой области применения, которая обусловленная допущением о том, что многоэтапный процесс изменения технического состояния образцов РТС СН на эксплуатационном этапе жизненного цикла может быть описан системой аналитических уравнений, которые связывают выходной результат со входными данными, что не позволяет учитывать результаты принятия управленческих решений на промежуточных этапах многоэтапного процесса изменения технического состояния образцов РТС СН.
Известен способ прогнозной оценки эффективности многоэтапных процессов [8], технический результат, при реализации которого заключается в обеспечении автоматизированного расчета прогнозного значения показателя эффективности многоэтапных процессов.
В способе записывают в запоминающее устройство необходимые исходные данные, анализируют соответствие вариантов решений и ситуаций, определяют вероятность своевременного и правильного принятия решений, проводят классификацию вариантов исходного состояния, результатов реализации промежуточных этапов и результатов реализации конечного этапа многоэтапного процесса, задают априорную вероятность наступления ситуаций, соответствующих классам исходного состояния многоэтапного процесса, определяют вероятности наступления ситуаций, соответствующих классам промежуточных состояний многоэтапного процесса и классам конечного состояния многоэтапного процесса, а также для многоэтапного процесса рассчитывают априорную вероятность достижения целей, формируют прогнозные признаки классов исходного состояния, получают информацию о значениях прогнозных признаков классов состояния, рассчитывают апостериорную вероятность реализации исходного состояния и прогнозное значение показателя эффективности.
Недостатком указанного технического решения является узкая область ее применения и недостаточные функциональные возможности для прогнозирования динамики изменения состояния множества образцов РТС СН, так как расчет апостериорной вероятности реализации исходного состояния и прогнозного значения показателя эффективности осуществляется на основе математического аппарата теории вероятности.
Известен способ прогнозирования технического состояния образцов ВВСТ в войсках с учетом реализованных мероприятий Государственной программы вооружения (ГПВ) на предыдущих шагах, которая используется для обоснования опорных вариантов ГПВ в части серийных поставок, ремонта и модернизации ВВТ [9, 10]. Данный способ является наиболее близким аналогом заявленного изобретения и выбран в качестве прототипа.
Сущность способа заключается в том, что процесс изменения технического состояния ВВСТ моделируется на основе использования математического аппарата теории массового обслуживания. В рамках разработанной модели системы массового обслуживания получена система уравнений, описывающая средние численности образцов ВВСТ, находящихся в различных состояниях в процессе их эксплуатации в войсках. На основе полученной системы уравнений для заданного периода планирования определяются следующие параметры: динамика объемов закупки, ремонта и модернизации ВВТ; динамика численности ВВТ в составе группировки; динамика боевого потенциала группировки войск; динамика коэффициента исправности ВВТ; динамика коэффициента боеготовности ВВТ; динамика затрат на техническое обеспечение ВВТ группировки.
Основным недостатком способа, выбранного в качестве прототипа, является его низкая адекватность моделирования и точность прогнозирования, поскольку расчет прогнозируемых параметров базируется на использовании различных аналитических моделей математического аппарата теории массового обслуживания, которые не позволяют в полной мере учесть дискретность и стохастичность рассматриваемых динамических нестационарных процессов изменения технического состояния РТС СН. Кроме того, отсутствует учет различной приоритетность образцов при возникновении задачи принятия решения по распределению мероприятий управляющего воздействия в условиях ограниченности ресурсов.
В целом анализ известных способов прогнозирования динамики изменения количественного и качественного состояния парка РТС СН показал, что в известных способах не учтены обстоятельства, существенно влияющие на корректность и точность прогнозирования количественного и качественного состояния парка РТС СН в течение периода планирования:
1. Большое количество и дискретность переменных, характеризующих многоэтапный процесс изменения количественного и качественного состояния парка РТС СН.
2. Динамичность и неопределенность исходных данных по параметрам изменения системы ограничений на управляющее воздействие в течение периода прогнозирования.
3. Взаимозависимость и нестационарность многоэтапных стохастичных процессов изменения состояния образцов РТС СН в течение эксплуатационного периода жизненного цикла.
4. Различная приоритетность образцов РТС СН в условиях неопределенности ситуаций, возникающих при решении задачи распределения мероприятий управляющего воздействия при ограниченности ресурсов.
Проведенный анализ уровня техники позволил установить, что аналоги, характеризующиеся совокупностью признаков, тождественных всем признакам заявляемого технического решения, отсутствуют. Ни один из самых близких аналогов и прототипов не обеспечивает точное прогнозирование показателей динамики изменения количественного и качественного состояния парка РТС СН, которые определяются индивидуальными особенностями процессов изменения технического состояния каждого образца парка РТС СН с учетом ресурсных и финансовых ограничений по управляющему воздействию на парк образцов РТС СН, а также зависимости вероятности наступления предельного состояния в процессе эксплуатации от срока службы образца, что соответствует критериям «новизны и полезности».
Результаты поиска известных технических решений в данной и смежных областях техники показали, что отличительные признаки заявленного способа и его реализации не следуют явным образом из уровня техники представленных аналогов и прототипов. Из уровня техники также не выявлена известность существенных признаков, предусматриваемых в заявленном изобретении, и достижение указанного технического результата. Следовательно, заявленное изобретение соответствует условию патентоспособности «изобретательский уровень».
Целью изобретения является повышение точности определения прогнозных значений показателей динамики изменения количественного и качественного состояния парка РТС СН, и соответственно повышение эффективности программно-целевого планирования и управления развитием парка РТС СН в целом.
Для достижения цели предлагается способ, в котором вводят необходимые исходные данные, ранжируют множество образцов рассматриваемого парка РТС СН по приоритетности, формируют начальную структуру динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования, определяют параметры сценария изменения ресурсных и финансовых ограничений на управляющее воздействие в течение периода прогнозирования, рассчитывается необходимое для обеспечения требуемой точности количество реализаций, в рамках каждой реализации производится агентное имитационное моделирование изменения технического состояния образцов рассматриваемого парка РТС СН, на основе полученных с помощью имитационного моделирования статистических данных рассчитывают прогнозные значения показателей динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования.
При этом имитационное моделирование изменения технического состояния образцов РТС СН и операции расчета прогнозных значений показателей динамики изменения количественного и качественного состояния парка РТС СН производятся с использованием специализированного вычислительного устройства либо программного обеспечения персонального компьютера.
Реализация предлагаемого способа будет пояснена с помощью схемы, представленной на фиг. 1. На схеме изображен один из возможных вариантов системы, реализующий заявленный способ. В ее состав входят: блок исходных данных 1, включающий в себя тактико-технико-экономические характеристики образцов РТС СН 1.1, длительность периода прогнозирования 1.2, исходные данные по возможностям предприятий промышленности на начало периода прогнозирования 1.3, исходные данные по техническому состоянию образцов рассматриваемого парка РТС СН на начало периода прогнозирования 1.4, требуемая точность прогнозирования 1.5, исходные данные по финансовым огорчениям на начало периода прогнозирования 1.6; блок ранжирования множества образцов рассматриваемого парка РТС СН по приоритетности 2; блок формирования начальной структуры динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования 3; блок формирования сценариев 4, включающий в себя блок формирования сценариев изменения возможностей предприятий промышленности в течение периода прогнозирования 4.1, блок формирования сценариев изменения финансовых ограничений в течение периода прогнозирования 4.2; блок расчета необходимого количества реализаций для обеспечения требуемой точности прогнозирования 5; блок агентного имитационного моделирования изменения технического состояния образцов РТС СН в течение периода прогнозирования 6; блок расчета прогнозных значений показателей динамики изменения количественного и качественного состояния парка РТС СН 7.
Сущность заявляемого способа заключается в следующем.
В современной научной литературе и учебных пособиях достаточно полно изложены системные проблемы создания сложных радиотехнических комплексов, теоретические основы анализа и синтеза оптимальных систем [11], а также отражен ряд важных научно-технических и прикладных вопросов технической эксплуатации современных и перспективных радиотехнических систем специального назначения (РТС СН) [12].
Множество образцов РТС СН, которые необходимы для обеспечения действий отдельного войскового формирования, называют парком РТС СН данного войскового формирования. Техническая оснащенность действий войск определяется состоянием парка РТС СН каждого отдельного войскового формирования. [12]
Для оценки состояния парка РТС СН принято использовать следующие характеристики [12]:
1. Обеспеченность РТС СН (количественная характеристика парка).
2. Техническая готовность (качественная характеристика парка).
3. Обеспеченность ВТИ (эксплуатационная характеристика парка).
4. Местоположение (пространственная или географическая характеристика парка).
Для оценки количественного и качественного состояния парка РТС СН в момент времени используются следующие показатели:
показатель укомплектованности парка РТС СН (KОСН(ti)) - процентное соотношение общего числа образцов (NОБЩ(ti)) к требуемому числу образцов (NTP(ti)) в рассматриваемый момент времени ti.
показатель оснащенности парка РТС СН (KО(ti)) - процентное соотношение числа современных образцов (NCOBР(ti)) к общему числу образцов в рассматриваемый момент времени ti:
показатель исправности парка образцов РТС СН (KИ(ti)) - процентное соотношение числа исправных образцов РТС (NИСПР(ti)) к общему числу образцов в рассматриваемый момент времени ti:
где NИСПР(ti) - количество исправных образцов РТС СН в момент времени ti.
В основе определения параметров динамики изменения количественного и качественного состояния парка РТС СН лежит расчет вышеуказанных показателей для каждого момента периода прогнозирования.
Расчет значений прогнозируемых показателей состояния парка РТС СН лежит использование результатов агентного имитационного моделирования динамики изменения состояния парка РТС СН, сущность которого заключается в получении выборок определенного объема данных из генеральной совокупности, на основе которых определяются числовые характеристики оцениваемых показателей. Каждый из рассчитываемых показателей носит вероятностный характер и рассчитывается как математическое ожидание случайной величины.
Несмещенная оценка математического ожидания 
и дисперсии (D*) оцениваемых показателей рассчитывается следующим образом:
где 
- значение оцениваемого показателя в nр-м опыте; Np - общее количество реализаций опытов.
Необходимое количество реализаций для расчета математического ожидания с ошибкой, не превышающей ε, определяется из соотношения:
где D* - дисперсия величины оцениваемого показателя.
Наличие стохастичности в рассматриваемом процессе обусловлено особенностями функционирования образцов РТС СН, сущность которых заключается в том, что наступление предельного состояния образца является случайным событием. Предельное состояние - это состояние объекта, при котором его дальнейшая эксплуатация недопустима либо нецелесообразна. Признаки или совокупность признаков предельного состояния устанавливаются нормативно-технической и конструкторской документацией. Момент наступления предельного состояния образца РТС СН является случайной величиной, которая зависит от многих факторов. Наступление предельного состояния обусловлено процессами деградации и старения техники, которые усиливаются либо уменьшаются в зависимости от природных и климатических условий эксплуатации, квалификации и подготовки эксплуатирующего личного состава, соблюдения требований по техническому обслуживанию и т.д.
Имитация наступления предельного состояния образца РТС СН осуществляется путем генерации последовательности случайных чисел по заданному закону распределения вероятности наступления предельного состояния того типа образов РТС СН. Законы распределения вероятности наступления предельного состояния для различных типов образов РТС определяются заранее на основании данных об эксплуатации рассматриваемых образцов. Методы генерации последовательности случайных чисел по заданному закону распределения случайных величин описаны в [11].
Осуществление способа происходит следующим образом.
В блоке 1 осуществляется ввод основных исходных данных: исходные данные по тактико-технико-экономическим характеристиками РТС СН; длительность периода прогнозирования; исходные данные по возможностям предприятий промышленности на начало периода прогнозирования; исходные данные по техническому состоянию образцов рассматриваемого парка РТС СН; требуемая точность прогнозирования; исходные данные по финансовым ограничениям на начало периода прогнозирования.
В блоке 2 проводится ранжирование множества образцов рассматриваемого парка РТС СН по приоритетности.
В блоке 3 производится формирование начальной структуры динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования.
В блоке 4 производится формирование сценариев изменения ресурсных возможностей предприятий в течение периода прогнозирования (блок 4.1) и формирование сценариев изменения финансовых ограничений в течение периода прогнозирования (блок 4.2).
В блоке 5 производится расчет необходимого количества реализаций для обеспечения требуемой точности прогнозирования.
В блоке 6 реализуется агентное имитационное моделирование изменения технического состояния образцов РТС СН в течение периода прогнозирования.
В блоке 7 производится расчет прогнозных значений показателей динамики изменения количественного и качественного состояния парка РТС СН.
Поскольку за счет использования метода сценариев при определении параметров системы ограничений на управляющее воздействие на парк РТС СН в течение периода прогнозирования снижается неопределенность исходных данных, и за счет того, что применение агентного имитационного моделирования позволяет учесть наиболее важные факторы и особенности взаимозависимых многоэтапных стохастичных процессов изменения состояния образцов РТС СН адекватность моделирования процессов и, соответственно, точность прогнозирования будет выше, чем в случае реализованного в прототипе способа, в котором происходит использование аналитических моделей математического аппарата теории массового обслуживания.
Таким образом, за счет снижения динамичности и неопределенности исходных данных, а также за счет повышения адекватности моделирования взаимозависимых и нестационарных многоэтапных стохастичных процессов изменения состояния образцов РТС СН в течение эксплуатационного периода жизненного цикл повышается точность определения прогнозных значений показателей динамики изменения количественного и качественного состояния парка РТС СН, и соответственно повышение эффективности программно-целевого планирования и управления развитием парка РТС СН в целом.
Предлагаемое техническое решение промышленно применимо, так как основано на операциях, широко распространенных в автоматизированных вычислительных системах и системах управления, и может быть реализовано как в виде устройства со специализированными блоками, так и на основе персонального компьютера с соответствующим программным обеспечением для осуществления предусмотренных функций.
Источники информации
1. Патент RU 2326431 С2, МПК G06F 17/00 (2006.01), G06F 11/30 (2006.01), 2008.
2. Программа для ЭВМ №2015614167, 20.05.2015.
3. Патент RU 2617137 С1, МПК G01N 3/58 (2006.01), 2017.
4. Патент RU 2622493 С1, МПК G01M 13/00 (2006.01), 2016.
5. Патент RU 2394271 С1, МПК G06F 21/00 (2006.01), 2010.
6. Патент RU 2405882 С1, МПК Е01С 21/00 (2006.01), G01M 7/00 (2006.01), 2010.
7. Патент RU 2221726 С1, МПК В63В 39/14 (2000.01), В63Н 25/00 (2000.01), G05D 1/00 (2000.01), 2004.
8. Патент RU 2632124 С1, МПК G06F 17/00 (2006.01), 2017.
9. Буравлев А.И., Пьянков А.А. Модель технического обеспечения войск // электронный научный журнал «Вооружение и экономика», №1(10) 2010 г.
10. Буравлев А.И., Пьянков А.А. Модель управления техническим обеспечением войск // электронный научный журнал «Вооружение и экономика», №4(16), 2011 г.
11. Шайдуров Г.Я. Основы теории и проектирования радиотехнических систем: учеб. пособие / Г.Я. Шайдуров. - Красноярск: Сибирский федеральный университет, 2010. - 283 с.
12. Основы технической эксплуатации радиотехнических систем специального назначения: учебник / В.Н. Ратушняк [и др.]; под ред. К.А. Малыкова. - Красноярск: Сибирский федеральный университет, 2015.-334 с.
13. Дональд Кнут. Искусство программирования, том 2. Получисленные алгоритмы. - The Art of Computer Programming, vol.2. Seminumerical Algorithms. - 3-е изд. - M.: «Вильямс», 2007. - С. 11-165.
Claims (1)
- Способ автоматизированного прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения (РТС СН), заключающийся в том, что с помощью блока исходных данных вводят необходимые исходные данные, с помощью блока ранжирования множества образцов рассматриваемого парка РТС СН по приоритетности на основании данных, полученных от блока исходных данных, ранжируют множество образцов рассматриваемого парка РТС СН по приоритетности, с помощью блока формирования начальной структуры динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования на основании данных, полученных от блока ранжирования множества образцов рассматриваемого парка РТС СН по приоритетности, формируют начальную структуру динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования, с помощью блока формирования сценариев на основании данных, полученных от блока исходных данных, определяют параметры сценария изменения ресурсных и финансовых ограничений на управляющее воздействие в течение периода прогнозирования, с помощью блока расчета необходимого количества реализаций для обеспечения требуемой точности прогнозирования на основании данных, полученных от блока исходных данных, рассчитывается необходимое для обеспечения требуемой точности количество реализаций, с помощью блока агентного имитационного моделирования изменения технического состояния образцов РТС СН в течение периода прогнозирования на основании данных, полученных от блока расчета необходимого количества реализаций для обеспечения требуемой точности прогнозирования, также от блока формирования начальной структуры динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования, а также от блока формирования сценариев, в рамках каждой реализации производится агентное имитационное моделирование изменения технического состояния образцов рассматриваемого парка РТС СН, учитывающее стохастичность и взаимосвязанности многоэтапных процессов изменения технического состояния образцов РТС СН, с помощью блока расчета прогнозных значений показателей динамики изменения количественного и качественного состояния парка РТС СН на основе полученных с помощью имитационного моделирования, выполненного блоком агентного имитационного моделирования изменения технического состояния образцов РТС СН в течение периода прогнозирования, статистических данных рассчитывают прогнозные значения показателей динамики изменения количественного и качественного состояния парка РТС СН в течение периода прогнозирования.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017138778A RU2665256C1 (ru) | 2017-11-07 | 2017-11-07 | Способ прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017138778A RU2665256C1 (ru) | 2017-11-07 | 2017-11-07 | Способ прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2665256C1 true RU2665256C1 (ru) | 2018-08-28 |
Family
ID=63459969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017138778A RU2665256C1 (ru) | 2017-11-07 | 2017-11-07 | Способ прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2665256C1 (ru) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2221726C1 (ru) * | 2002-06-05 | 2004-01-20 | Институт проблем управления им. В.А.Трапезникова РАН | Способ прогнозирования фазового состояния судна |
| WO2008067322A1 (en) * | 2006-11-27 | 2008-06-05 | Hntb Holdings Ltd | Resource forecasting and scheduling |
| RU2326431C2 (ru) * | 2006-07-06 | 2008-06-10 | Ара Аршавирович Абрамян | Система стратегического прогноза технического состояния объектов, преимущественно компьютерно-вычислительных систем |
| RU2394271C1 (ru) * | 2008-10-23 | 2010-07-10 | ООО "НеоБИТ" | Способ прогнозирования и оценки безопасности достижимых состояний защищенных информационных систем |
| RU2405882C1 (ru) * | 2009-07-06 | 2010-12-10 | Государственное образовательное учреждение высшего профессионального образования "Сибирская государственная автомобильно-дорожная академия (СибАДИ)" | Способ прогнозирования состояния автомобильных дорог с асфальтобетонными покрытиями и назначения обоснованных сроков ремонтных работ |
| RU158715U1 (ru) * | 2015-08-31 | 2016-01-20 | Федеральное государственное казённое военное образовательное учреждение высшего профессионального образования "Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Устройство для решения задачи прогнозирования состояния парка радиоэлектронной техники группировки войск пво |
| RU2617137C1 (ru) * | 2016-03-10 | 2017-04-21 | Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Томский политехнический университет" | Способ прогнозирования износостойкости твердосплавных режущих инструментов |
| RU2622493C1 (ru) * | 2016-08-29 | 2017-06-15 | Федеральное государственное бюджетное научное учреждение "Федеральный научный агроинженерный центр ВИМ" (ФГБНУ ФНАЦ ВИМ) | Способ эксплуатационного контроля технического состояния и прогнозирования ресурса подшипников электродвигателей |
| RU2632124C1 (ru) * | 2016-06-10 | 2017-10-02 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "Военная академия Ракетных войск стратегического назначения имени Петра Великого" МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Способ прогнозной оценки эффективности многоэтапных процессов |
-
2017
- 2017-11-07 RU RU2017138778A patent/RU2665256C1/ru active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2221726C1 (ru) * | 2002-06-05 | 2004-01-20 | Институт проблем управления им. В.А.Трапезникова РАН | Способ прогнозирования фазового состояния судна |
| RU2326431C2 (ru) * | 2006-07-06 | 2008-06-10 | Ара Аршавирович Абрамян | Система стратегического прогноза технического состояния объектов, преимущественно компьютерно-вычислительных систем |
| WO2008067322A1 (en) * | 2006-11-27 | 2008-06-05 | Hntb Holdings Ltd | Resource forecasting and scheduling |
| RU2394271C1 (ru) * | 2008-10-23 | 2010-07-10 | ООО "НеоБИТ" | Способ прогнозирования и оценки безопасности достижимых состояний защищенных информационных систем |
| RU2405882C1 (ru) * | 2009-07-06 | 2010-12-10 | Государственное образовательное учреждение высшего профессионального образования "Сибирская государственная автомобильно-дорожная академия (СибАДИ)" | Способ прогнозирования состояния автомобильных дорог с асфальтобетонными покрытиями и назначения обоснованных сроков ремонтных работ |
| RU158715U1 (ru) * | 2015-08-31 | 2016-01-20 | Федеральное государственное казённое военное образовательное учреждение высшего профессионального образования "Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Устройство для решения задачи прогнозирования состояния парка радиоэлектронной техники группировки войск пво |
| RU2617137C1 (ru) * | 2016-03-10 | 2017-04-21 | Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Томский политехнический университет" | Способ прогнозирования износостойкости твердосплавных режущих инструментов |
| RU2632124C1 (ru) * | 2016-06-10 | 2017-10-02 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "Военная академия Ракетных войск стратегического назначения имени Петра Великого" МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Способ прогнозной оценки эффективности многоэтапных процессов |
| RU2622493C1 (ru) * | 2016-08-29 | 2017-06-15 | Федеральное государственное бюджетное научное учреждение "Федеральный научный агроинженерный центр ВИМ" (ФГБНУ ФНАЦ ВИМ) | Способ эксплуатационного контроля технического состояния и прогнозирования ресурса подшипников электродвигателей |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mahdi et al. | Development of estimation and forecasting method in intelligent decision support systems | |
| CN108959934B (zh) | 安全风险评估方法、装置、计算机设备和存储介质 | |
| Larsen et al. | A framework for dynamic rescheduling problems | |
| Zeng et al. | Antithetic method‐based particle swarm optimization for a queuing network problem with fuzzy data in concrete transportation systems | |
| Hu et al. | Reinforcement learning-driven maintenance strategy: A novel solution for long-term aircraft maintenance decision optimization | |
| Singh et al. | Entropy based software reliability analysis of multi-version open source software | |
| Nyhuis et al. | Applying simulation and analytical models for logistic performance prediction | |
| Azimi et al. | Applying basic control theory principles to project control: Case study of off-site construction shops | |
| Su et al. | A proactive robust scheduling method for aircraft carrier flight deck operations with stochastic durations | |
| Sharma et al. | Modeling and analysis of leftover issues and release time planning in multi-release open source software using entropy based measure | |
| CN114580678A (zh) | 一种产品维修资源调度方法和系统 | |
| JP6333160B2 (ja) | プロジェクト評価装置及びプロジェクト評価方法及びプロジェクト評価プログラム | |
| Antonakis et al. | Optimisation of military aircraft engine maintenance subject to engine part shortages using asynchronous metamodel-assisted particle swarm optimisation and Monte-Carlo simulations | |
| RU2665256C1 (ru) | Способ прогнозирования динамики изменения количественного и качественного состояния парка радиотехнических систем специального назначения | |
| Abusalem et al. | Implementing quantitative techniques to improve decision making in construction projects: A case study | |
| Khanzadi et al. | Finding optimum resource allocation to optimizing construction project Time/Cost through combination of artificial agents CPM and GA | |
| RU158715U1 (ru) | Устройство для решения задачи прогнозирования состояния парка радиоэлектронной техники группировки войск пво | |
| RU2701843C2 (ru) | Способ обоснования стратегии долгосрочного планирования мероприятий по обеспечению требуемого состояния образцов вооружения и военной техники группировки противовоздушной обороны | |
| Du et al. | Application of Markov model in human resource supply forecasting in enterprises | |
| Asadayoobi et al. | Optimising stochastic task allocation and scheduling plans for mission workers subject to learning-forgetting, fatigue-recovery, and stress-recovery effects | |
| Kundu et al. | Explainable predictive maintenance is not enough: quantifying trust in remaining useful life estimation | |
| Bezuhlyi et al. | Development of object state estimation method in intelligent decision support systems | |
| Jamshidnejad | Project Portfolio Selection Based on Risk Index | |
| Adnan et al. | Improvement of the method of estimation and forecasting of the state of the monitoring object in intelligent decision support systems | |
| Yun et al. | Metaheuristic-based inspection policy for a one-shot system with two types of units |