Кроме того, существует возможность подключения дополнительных модулей (как поставляемых производителем, так и пользовательских), что существенно расширяет функционал системы. Предусмотрен также экспорт данных во внешние файлы различных форматов.
Перечисленные возможности позволили, например, усовершенствовать систему учета расхода топлива для предприятия путем разработки интегрального интерфейсного комплекса [11].
Сбор информации для мониторинга производится с использованием существующих встроенных средств контроля в процессе использования объекта по назначению, а также по факту оценки технического состояния на станциях технического обслуживания внешними средствами контроля или органолептическими методами.
Это позволяет накопить значительные объемы данных, на основе которых имеется возможность решения разнообразных диагностических задач. Проблемы хранения, обработки и анализа мониторинговой информации в современных условиях решаются в рамках информационных систем, объединяющихся под общим названием хранилищ данных, или систем поддержки принятия решений. Такие системы в общем случае включают подсистему ввода, подсистему хранения и подсистему анализа данных.
В принципе все три подсистемы можно построить средствами СУБД, реализуя транзакционную обработку данных ( OLTP ). Однако современные подсистемы анализа данных развиваются в сторону интерактивного анализа (OLAP) и интеллектуального анализа (Data Mining).
OLTP подсистемы используют концепцию многомерного представления данных, центральным понятием которой является многомерный куб, или гиперкуб. В рамках данной концепции предполагается подготовка агрегированной информации на основе больших массивов данных.
В реальных диагностических приложениях гиперкуб может иметь достаточно много измерений. В качестве иллюстративных примеров приведем кубы с тремя измерениями. Первый пример (рис. 3а) иллюстрирует возможности многомерных кубов относительно внешнего представления объекта диагностирования (мониторинг технического состояния). Аббревиатуры измерений на рис. 3а: ЭОД - экземпляр объекта диагностирования (В568УК27 - регистрационный номер), КП - косвенный показатель (одно из его значений - уровень шума) и Т - периоды времени (третий месяц 2020 г.). Значение элемента куба - это агрегированное значение (67 Дб) уровня шума для данного экземпляра ОД в определенный период. В качестве агрегирующей функции в этом случае может быть использована функция max(f(t)). Данный куб имеет естественное расширение в виде включения в множество измерений показателя «режим».
Рис. 3. Примеры гиперкубов для результатов мониторинга.
Второй пример (рис. 3б) иллюстрирует возможности многомерных кубов относительно деградационного представления [1] объекта диагностирования (ремонтная история). Аббревиатуры измерений на рис. 3 б: ДБ - ресурсо-ограничивающий диагностический блок (ГПТ - генератор переменного тока), РИ - ремонтная история (значения: ТО - техническое обслуживание и ТР - текущий ремонт) и Т - периоды времени. Значение элемента куба - это агрегированное значение (72 чел.-час) трудоемкость для данного ДБ в определенный период. В качестве агрегирующей функции в таком случае может быть использована функция sum(x). Данный куб имеет естественное расширение в виде включения в множество измерений показателя « ЭОД.».
Относительно рассмотренных кубов приведем примеры возможных к ним запросов. Следующее выражение возвращает максимальный уровень шума объекта В568УК27 в марте 2020 г.: МУШ = МТС[ЭОД("В568УК27"), КП("Уровень шума"), Т(”2020-03”)].
Например, следующее выражение выдаст сумму трудоемкостей любых технических воздействий на диагностический блок генератор постоянного тока за январь 2020 г.: СТ = ДП[Т("2020-01"), ДБ("ГПТ"), ?].
В первом запросе фиксированы все три измерения, а во втором - только два. Структура куба позволяет в запросах оставлять плавающими любое количество измерений.
Приведенные в данном подразделе результаты исследования информационного содержания понятия «мониторинг технического состояния» позволят синтезировать структуру одноименного фрейма (см. рис. 1).
Заключение
В работе предложен фрагмент концептуальной диагностической модели, включающий характеристики внешнего представления объекта диагностирования, которые планируется учитывать в разработках диагностических экспертных систем.
Диагностическая экспертная система - это инструмент, который помогает субъекту диагностической деятельности обоснованно принять решение о текущем техническом состоянии ОД. Поэтому база знаний экспертной системы с необходимостью должна содержать знания о взаимоотношениях таких диагностических задач как контроль технического состояния и поиск дефектов.
В дальнейших исследованиях планируется раскрыть содержание понятия «мониторинг технического состояния» и увязать его с другими показателями внешнего представления, включая различные классы объектов диагностирования [13].
Понятия контроля и мониторинга технического состояния, c одной стороны, являются формализмом внешнего представления ОД, а с другой, - характеризуют систему технического обслуживания, одна из основных функций которой - обеспечение эффективности использования объекта диагностирования по назначению.
технический диагностирование дефект автоматический
Литература
1. Воронин В.В. Деградационное представление объекта диагностирования в концептуальной модели // Информатика и системы управления. - 2019. - №2. - С. 77-86.
2. Воронин В.В. Система технического обслуживания в концептуальной модели технических объектов // Информатика и системы управления. - 2017. - №3. - С. 67-74.
3. Харахашян С.М., Димитров В.П., Хубиян К.Л. Диагностирование зерноуборочного комбайна по внешним признакам отказов // Вестник ДГТУ. - 2010. - № 3. - С. 355363.
4. Дунаев А.В., Балабанов В.И. Совершенствование технической эксплуатации машинно-тракторного парка агропромышленного комплекса // Техника и оборудование для села. - 2014. - №11. - С. 28-31.
5. Анисимов О.В., Попов Т.А. Особенности формализованного представления таблицы неисправностей для систем информационной поддержки технического диагностирования // Наукоемкие технологии в космических исследованиях земли. - 2014. - № 6. - С. 18-22.
6. Гаспарянц Р.С. Техническое диагностирование объектов трубопроводного транспорта нефти // Нефтепромысловое дело. - 2008. - № 4. - С. 40-43.
7. Сидоров В.А. Диагностирование подшипников шпинделя станка с ЧПУ // Вестник со-временных технологий. - 2018. - №1. - С. - 58-63.
8. Дунаев А.В. Диагностирование двигателей внутреннего сгорания и планирование их ремонта на основании качественных признаков технического состояния // Труды ГОСНИТИ. - 2013. - Т. 112, № 1. - С. 172-177.
9. Озорнин С.П., Тарасов И.А. Совершенствование технического сервиса грузовых автомобилей, эксплуатируемых в северных регионах Российской Федерации // Интеллект. Инновации. Инвестиции. - 2016. - № 5. - С. 105-109.
10. ГОСТ 20911-89. Техническая диагностика. Термины и определения. Введение. 1991 - 01-01. - М.: Стандартинформ, 2010.
11. Воронин В.В., Литвинов Ю.А. Совершенствование системы учета расхода и списания топлива в системе «АвтоГРАФ» // Информационные технологии XXI века. - Хабаровск: Изд-во ТОГУ, 2016. - С. 410-416.
12. Система АвтоГРАФ - [Электронный ресурс] (дата обращения 21.12.2019 г.).
13. Шалобанов С.В., Шалобанов С.С. Алгоритм поиска дефектов в системах автоматического управления на основе пробных отклонений параметров и анализа знаков интегральных оценок сигналов // Информатика и системы управления. - 2018. - № 4. - С. 104-111.