«Информационные Ресурсы России» №3, 2006

Стремительное вхождение отечественных предприятий в рыночные условия потребовало от них мобильности и оперативности при принятии решений. В этих условиях информационные системы начинают играть ведущую роль на предприятиях и вносить существенный вклад в процесс принятия решений. Несмотря на это, большинство горно-обогатительных и горнометаллургических предприятий используют при добыче, обогащении и переделе руд и концентратов традиционные, зачастую устаревшие, технологии. Модернизация производства происходит чрезвычайно медленно по причинам объективного и субъективного характера. В то же время, вовлекаемое в переработку минеральное сырье обладает сложным вещественным составом и низким содержанием полезных компонентов, что предопределяет необходимость поиска новых путей и подходов для выделения полезных компонентов с проведением анализа используемой технологии и отдельным рассмотрением каждой стадии обогащения.
Многие специалисты в области обогащения полезных ископаемых сходятся во мнении, что эффективным инструментом для решения проблемы может стать компьютерное моделирование процессов разделения минеральных компонентов с целью определения наиболее эффективных режимов реализации этих процессов [1,2]. Замена лабораторного или промышленного эксперимента вычислительным существенно ускоряет и удешевляет поиск наиболее эффективных методов и схем сепарации.
Ввиду существенной неполноты аналитических моделей для решения этих задач необходимо разработать комплексные логико–аналитические модели процессов обогащения минеральных комплексов с пониженной контрастностью свойств. Далее, необходимо создать на их основе средства информационной поддержки изучения особенностей механизмов разделения и выбора наиболее эффективных технологических схем обработки сырья (с целью поиска компромисса между критериями получения концентрата необходимого содержания и снижения экономических затрат).
В этих условиях представляется перспективным использование экспертных алгоритмов управления, позволяющих за счет оперативной модификации используемых моделей достичь высокой эффективности управления как процессами предварительной обработки сырья, так и технологическим процессом обогащения.
Сложность и многофакторность процессов разделения в условиях реального производства накладывает существенные ограничения на возможность создания адекватных моделей указанных процессов с использованием какого-либо одного метода моделирования. Это предопределяет необходимость комплексного использования различных методов моделирования (аналитических, статистических, логических) для создания адекватных компьютерных моделей реальных обогатительных процессов. Разработанная в Институте информатики и математического моделирования технологических процессов КНЦ РАН технология концептуального моделирования [3,4] обеспечивает возможность создания таких моделей на основе единого декларативного описания.
В ходе совместных исследований ИИММ и ГоИ КНЦ РАН разработана общая структура информационной технологии поддержки принятия решений в области разработки и организации процессов обогащения [5]. Важным компонентом этой технологии являются средства моделирования обогатительных процессов.
Обобщение теоретических моделей процессов разделения с учетом возможностей их компьютерной обработки позволило создать агрегированную математическую модель этих процессов [6].
В ходе разработки информационной технологии поддержки решения задач организации и управления процессами обогащения необходимо обеспечить возможность выбора и оперативного формирования компьютерных моделей таких процессов. Причем технология должна допускать комплексное использование моделей различных типов, в зависимости от глубины изученности конкретного процесса и объемов имеющихся о нем данных. Среди задач, на поддержку которых ориентирована создаваемая технология, можно отметить три основные группы: определение путей повышения эффективности разделения минерального сырья; определение и выбор лучших (с точки зрения задаваемых критериев) режимов работы действующих обогатительных схем и аппаратов; разработка новых схем обогащения [7,8].
Решение задачи моделирования процессов разделения предполагает как использование уже готовых моделей (или их фрагментов), так и построение новых моделей, класс которых может быть определен в зависимости от имеющейся исходной информации. Для этого предлагается привлечь средства экспертного анализа. На рис.1 изображена упрощенная схема взаимодействия различных блоков подсистемы создания и/или выбора моделей.

 

На основе входной информации экспертная система (ЭС) производит поиск среди имеющихся в библиотеке исполнителей элементарных задач (БИЭЗ) моделей и определяет (по заранее заданным критериям) возможность использования какой-либо из них для дальнейшего процесса моделирования. Если подходящей модели в БИЭЗ не обнаружено, ЭС обращается к конструкторам функций и моделей и предоставляет пользователю возможность построить и протестировать новую модель. Результаты моделирования отображаются посредством системы визуального анализа (СВА), которая включает в себя средства ГИС, графики, диаграммы и т.п. Дальнейший выбор, определение параметров и исследование технологии переработки руд производится на основе построенной (или выбранной из имеющихся в БИЭЗ) модели.
Для проведения экспертного анализа, целью которого является выбор технологии переработки руд сложного вещественного состава с наилучшими показателями эффективности и экономичности, предполагается использовать оболочку экспертной системы (ОЭС) [9], уже опробованную в задачах прогноза поведения сложных природно-технических комплексов [10-16]. На рис.2 представлена упрощенная структурная схема базы знаний ЭС, решающей рассматриваемую задачу. Каждый блок структурной схемы, показанный на этом рисунке, включает в себя группу правил [9], которые связывают между собой данные, используемые в ЭС.

На рис.3 представлен фрагмент схемы классификации минерального сырья, который отражает упрощенную структуру фрагмента одной из рабочих баз данных, использующихся в ЭС. Данный рисунок уже был приведен в [18]. Каждый блок представленного фрагмента содержит информацию о данных (параметрах и переменных) [9], описывающих свойства сырья конкретного типа. Набор данных варьируется для различных типов сырья.
На основе построенной модели и совокупности данных, поступивших на вход ЭС, производится логический вывод и формируются рекомендации по выбору подходящей технологической схемы обогащения минерального сырья.
Приведем фрагмент групп правил вывода для различных типов рудного сырья.

Далее, в приведенных примерах правил жирным шрифтом выделены имена данных, причем, в соответствии с форматом данных, описанным в [9], параметры имеют строковый тип, а переменные – числовой. Числовые данные могут быть заданы в виде списка значений, кроме того, их значения могут быть вычислены в ходе экспертизы.
ЕСЛИ тип сырья – сунгулит-вермикулитовый
        И класс крупности – 40 мм
ТО вермикулит свободный –16,9%
        И вермикулит в сростках – 4,6%
        И сунгулит свободный – 4,1%
И …
ЕСЛИ тип сырья – смешанный
        И класс крупности – 40 мм
ТО гидрослюды свободной – 14,4%
        И гидрослюды в сростках – 0.3%
        И …
Представленная группа правил описывает минеральный состав руд различного типа (см. рис.3).
Приведем упрощенную цепочку правил для осуществления экспертного вывода (см. рис.2.)
ЕСЛИ месторождение – Ковдор
ТО тип сырья – сунгулит-вермикулитовый
ЕСЛИ тип сырья – сунгулит-вермикулитовый
        И класс крупности – в интервале [-40+0,2] мм
ТО вермикулит свободный – 16,9%
        И сунгулит свободный  - 4,1%
И …
ЕСЛИ класс крупности – в интервале [-40+0,2] мм
        И гидрослюды свободный – 23%
ТО способ рудоподготовки – измельчение в стержневой мельнице
        И способ переработки –  разделение по форме,
гравитация (гидравлическая сепарация, винтовая сепарация,
концентрация на столе)
ЕСЛИ  способ рудоподготовки – измельчение в стержневой мельнице
        И способ переработки –  разделение по форме,
гравитация (гидравлическая сепарация, винтовая сепарация,
концентрация на столе)
ТО  технология – технология 3
ЕСЛИ    технология – технология 3
ТО концентрат – в интервале [60%,85%]
Приведенный пример цепочки правил для экспертного вывода не является полным, скорее, он отражает основные узловые моменты процесса вывода и служит иллюстрацией принципа создания цепочек правил для ЭС (см. рис.1).
Для расчета условий возникновения минеральных комплексов со сглаженной контрастностью свойств будут применяться внешние по отношению к ЭС расчетные модули и пространственно-временные функции [10]. Обработка числовых данных в правилах ЭС может производиться как при помощи этих модулей, так и с использованием встроенных в ЭС средств. В частности, следствия правил могут содержать математические формулы, в которых используются данные числового типа (переменные) [10]. Более подробно технология выработки экспертного заключения при решении задачи синтеза рациональных технологических схем обогащения минерального сырья описана в [17].
Цель вышеописанной разработки - создание гибких производственных технологий переработки комплексного минерального сырья, позволяющих охарактеризовать состояние технологического процесса в определенный момент времени с помощью выбранного для его описания набора параметров и их текущих значений. Эти данные формируются в зависимости от характера ведения процесса и обеспечивают повышение эффективности разделения руд при образовании в процессах их обогащения трудноразделяемых минеральных комплексов, характеризующихся низкой контрастностью свойств.
Для определения методов повышения эффективности разделения минеральных комплексов предлагается в случае отсутствия аналитических моделей или их недостаточной адекватности привлекать знания и эмпирический опыт экспертов.
Данная работа является продолжением исследований, краткие результаты которых представлены в [18].

Литература
1.    Информационные технологии в горном деле//Сб. трудов, отв. ред. А.А. Козырева. – Апатиты, 1998. – Ч.1 - 190 с., Ч.2 – 174 с.
2.    Совершенствование методов моделирования горно-обогатительной технологии на ЭВМ / Сб. науч. тр., отв. ред. Н.Н. Чаплыгин. – Апатиты, 1996. – 126 с.
3.    Олейник А.Г., Смагин А.В., Фридман А.Я., Фридман О.В. Инструментальная система поддержки вычислительного эксперимента//Программные продукты и системы. -  1999. - № 2. - С.7-13.
4.    Бржезовский А.В., Жаков В.И., Путилов В.А., Фильчаков В.В. Синтез моделей вычислительного эксперимента. – Спб. : Наука, 1992. – 231 с.
5.    Гершенкоп А.Ш., Олейник А.Г., Скороходов В.Ф. и др. Автоматизированная система синтеза оптимальных схем и циклов процессов обогащения. Имитационное моделирование в исследованиях проблем регионального развития. - Апатиты, 1999. – С.101-107.
6.    Олейник А.Г. Информационные ресурсы обеспечения задач переработки минеральных полезных ископаемых//Информационные ресурсы России. – 2004. - № 2. – С.18-21.
7.    Олейник А.Г., Фридман А.Я. Ситуационное моделирование природно-технических комплексов//Информационные технологии и вычислительные системы. – 2002. - № 2. – С. 90-103.
8.    Фридман А.Я., Олейник А.Г. Ситуационное управление обогатительными процессами//Труды Междунар. науч. конф. “Intelligent Systems and Information Technologies in Control” (ИСИТУ-2000-IS&ITC, Псков, ППИ, 19-23 июня 2000 г.). – С.276-279.
9.    Олейник А.Г., Олейник О.В., Фридман А.Я. Реализация оболочки экспертной системы в среде СУБД Foxpro//Информационные технологии поддержки принятия решений. – Апатиты: КНЦ РАН, 1998. - С.20-30.
10.    Олейник А.Г., Фридман A.Я., Фридман О.В. Особенности экспертного анализа нестационарных пространственных объектов//Системы информационной поддержки регионального развития. - Апатиты: КНЦ РАН, 1998. - С. 50-55.
11.    Фридман А.Я. Ситуационный подход к моделированию состояния пространственного объекта//Системы информационной поддержки регионального развития. - Апатиты: КНЦ РАН, 1998. - С.45-49.
12.    Фридман А.Я., Фридман О.В. Контроль корректности вычислений и управление выводом в системах продукций//Имитационное моделирование в исследованиях проблем регионального развития. - Апатиты: КНЦ РАН, 1999. - С. 93-100.
13.    Фридман А.Я., Фридман О.В. Управление выводом при пополнении, классификации и обобщении ситуаций в ситуационной системе вычислительного эксперимента / Информатизация региона: модели, методы, решения. - Апатиты: КНЦ РАН, 2000.- С. 84-89.
14.    Фридман А.Я., Фридман О.В., Шестаков А.А. Применение нечеткого интервального вывода при продукционном формате базы данных Пользователя / Математические методы описания и исследования сложных систем. - Апатиты: КНЦ РАН, 2001. - С. 38-44.
15.    Гершенкоп А.Ш., Скороходов В.Ф., Хохуля М.С., Олейник А.Г., Фридман А.Я. Математическое моделирование стационарных систем в процессах разделения минеральных комплексов // Обогащение руд. – 2001. - № 6. - С.35-39.
16.    Бойков С.А., Олейник А.Г., Пронин С.А., Фридман А.Я., Фридман О.В. Комплексное имитационное моделирование региональных природно-промышленных систем / Север-2003: Проблемы и решения. - Апатиты: КНЦ РАН, 2004. - С.237-247.
17.    Фридман А.Я., Фридман О.В., Гершенкоп А.Ш., Хохуля М.С., Скороходов В.Ф. Подходы к выбору технологии переработки руд сложного вещественного состава на основе экспертных знаний // Информационные технологии в региональном развитии. – Апатиты, 2004. – Вып. IV. – С. 57-63.
18.    Олейник А., Рыженко А., Фильчакова Т., Фридман А., Фридман О. Информационно-аналитическое обеспечение комплексного управления горнопромышленными предприятиями//Информационные ресурсы России. - 2005. - № 4. - С.19-22.