о+переменных

процессные переменные
-
[Интент]

Процессные переменные.

Под словосочетанием “процессные переменные” понимаются численные параметры, определяющие текущее состояние технологического процесса. К процессным переменным можно отнести сигналы ввода/вывода, параметры функциональных блоков, локальные и глобальные флаги (переменные), тэги SCADA и т.д.

Процессные переменные делятся на дискретные и аналоговые. Дискретная переменная может принимать конечное число значений из довольно узкого диапазона. На практике под дискретной переменной чаще всего подразумевают величину булевского типа (двоичную), указывающую на одно их двух возможных состояний объекта (или управляющего сигнала), хотя, формально говоря, это не совсем корректно. В общем же случае дискретная переменная аналогична типу enumeration языка C.

Аналоговая переменная может принимать любую величину из ограниченного непрерывного диапазона значений. По типу представления аналоговая переменная больше соответствует вещественному числу.

Как записываются процессные переменные в архив?
Существуют две технологии регистрации значений процессных переменных в архиве:

1.    Циклическая запись ( cyclic archiving) подразумевает периодическую запись текущего значения процессной переменной через заданные пользователем интервалы времени вне зависимости от величины и скорости изменения данной переменной (см. рис. 1). Хотя эта техника не очень экономична, она довольно часто используется для архивации аналоговых переменных. Период циклической записи для каждой переменной настраивается индивидуально и, как правило, лежит в диапазоне от 0.5 с до 10 мин. Как для дискретных переменных, так и быстро изменяющихся аналоговых переменных, подобный подход записи в архив явно не оптимален.

Рис. 1. Циклическая запись процессной переменной в архив.

2.    Архивация по изменению переменной (дельта-архивированиe, delta-archiving). Этот подход предполагает запись переменной в архив только тогда, когда изменение ее значения по сравнению с предыдущим записанным значением (абсолютная разность) достигает определенной величины (дельты, см. рис. 2). Дельта настраивается пользователем и может быть выражена как в абсолютных единицах измерения, так и в процентах от шкалы. Безусловно, это техника более экономична, чем циклическая запись, так как она адаптируется к скорости изменения архивируемой величины. Для дискретных величин – этот подход незаменим. Допустим, у нас есть дискретная переменная, которая изменяется, скажем, раз в час. Зачем же ее архивировать каждую секунду или минуту? Ведь гораздо логичнее записывать значение переменной в архив только в те моменты, когда это значение переходит из 1 в 0 или наоборот.

Рис. 2. Дельта-архивирование процессной переменной.

Куда записывается архив процессных переменных?
Чаще всего используется один из трех вариантов:

1.    Архив записывается в обычный текстовый файл в формате CSV ( comma separated values). Этот файл может храниться как на локальном, так и на сетевом диске. На самом деле архив состоит из множества последовательно создаваемых файлов: система генерирует новый файл архива каждую рабочую смену или сутки. У такого формата представления архива есть неоспоримое преимущество – его можно просмотреть любым текстовым редактором. Его также можно экспортировать в MS Excel и посмотреть в виде таблицы, применив необходимые сортировки и фильтры. Существенный недостаток – это неэкономичность хранения; накопленный таким образом архив занимает неприлично много места на жестком диске. Для уменьшения объема архива можно применить компрессию по алгоритму ZIP или RAR – благо, что текстовые файлы очень хорошо сжимаются.

2.    Архив представляет собой двоичный файл, формат которого зависит от используемого ПО визуализации тех. процесса (SCADA). Очевидно, что это более экономичное представление архива, но для работы с ним обычным экселем уже не обойдешься. При этом формат архива у разных производителей SCADA может сильно различаться. Как и в предыдущем случае, архив состоит из последовательно создаваемых файлов. Вообще, хранить архив в одном большом файле – это не очень хорошо с точки зрения скорости доступа к данным.

3.    Самый прогрессивный способ. Хранение архива в виде реляционной базы данных с поддержкой СУБД SQL. Этот способ позволяет достичь достаточно большой скорости работы с архивом (добавление записей, чтение и обработка данных), при этом сервер SQL может обеспечить оптимальный доступ к истории сразу нескольким десяткам удаленных клиентов. Поскольку доступ к архиву осуществляется по открытому интерфейсу SQL, разработчики имеют возможность создавать клиентские приложения под свои нужды. Но главное преимущество заключается в том, что архив на базе SQL – это отличная возможность для интеграции АСУ ТП с информационными системами более высокого уровня (например, уровня MES). Как правило, для ведения архива SQL и обслуживания клиентов используется достаточно мощная серверная платформа.

Во всех описанных случаях система архивирования процессных переменных – это неотъемлемая часть ПО визуализации технологического процесса. Разница заключается в формате представления архива и технологии доступа.

Какие средства служат для отображения архива? Архив можно отобразить несколькими способами. Самый простой – это представить его в табличной форме и экспортировать, например, в Excel, в котором можно строить графики, диаграммы и делать отчеты. Однако это довольно утомительно и требует много ручного труда.

Более удобный способ – это отображение истории в виде специального динамического (обновляемого автоматически) графика, называемого трендом ( trend). Тренд помещается на мнемосхемы операторского интерфейса в тех места, где это необходимо и удобно оператору. Пример тренда изображен на рисунке ниже.

Рис. 3. Пример исторического тренда, отображающего две процессные переменные.

На тренд можно выводить до 16 переменных одновременно, как дискретных, так и аналоговых. При этом тренд можно строить за произвольный промежуток времени ( time span). Также поддерживается масштабирование ( scaling). Передвигая ползунок ( slider) вдоль шкалы времени можно просматривать точные значения переменных в различные моменты времени в прошлом. Отрезки времени, в течение которых наблюдались аварийные значения переменных, выделяются на тренде контрастным цветом. В общем, тренды – это мощный и очень удобный инструмент, наглядно показывающий поведение переменных в динамике.

[ http://kazanets.narod.ru/AlarmsArchive.htm]

Тематики

• автоматизированные системы

EN

• process values

редактор переменных
-
[Интент]

Редактор переменных – этот инструмент используется для быстрого и простого заполнения базы данных переменных (тэгов) проекта. В Winlog PRO поддерживаются различные виды переменных: численные, цифровые (дискретные), строковые, составные, события, тревоги. Широкий инструментарий позволяет редактировать свойства переменных (название, описание, адрес, физическая величина, коэффициент масштабирования и т.д.), производить импорт-экспорт переменных в csv-файлы. Кроме того, для каждого тэга может быть сконфигурирована своя частота обновления данных, запись в архивы, допускается блочное чтение, запись по изменению и т.п.

[ SCADA\HMI Winlog Pro – доступное решение задач АСУ ТП]

Тематики

• автоматизированные системы

EN

• gate builder

эконометрическая модель
Основное понятие эконометрии, экономико-математическая модель, параметры которой оцениваются с помощью методов математической статистики. Она выступает в качестве средства анализа и прогнозирования конкретных экономических процессов как на макро-, так и на микро-экономическом уровне на основе реальной статистической информации. Наиболее распространены Э.м., представляющие собой системы регрессионных уравнений, в которых отражается зависимость эндогенных величин (искомых) от внешних воздействий (текущих экзогенных величин) в условиях, описываемых оцениваемыми параметрами модели, а также лаговыми переменными (см. Лаг). Кроме регрессионных (как линейных, так и нелинейных) уравнений применяются и другие математико-статистические модели. Э.м. может быть представлена в двух формах: структурной форме модели (см. также Структурные модели) и приведенной форме модели. В наиболее общем виде любую Э.м., построенную в виде системы линейных уравнений, можно записать так: где y — вектор текущих значений эндогенных переменных модели, A — матрица коэффициентов взаимодействий между текущими значениями эндогенных переменных модели; Z — матрица коэффициентов влияния запаздывающих (лаговых) переменных модели на текущие значения эндогенных и моделируемых показателей; C — матрица коэффициентов внешних воздействий; x — вектор значений экзогенных показателей модели; t — индекс временного периода; I — индекс запаздывания (лага); p — продолжительность максимального лага. В литературе подобные системы часто называют системами одновременных уравнений, имея в виду, что здесь зависимая переменная одного уравнения может появляться одновременно в виде переменной (но уже в качестве независимой) в одном или нескольких других уравнениях. В таком случае теряет смысл традиционное различение зависимых и независимых переменных. Вместо этого устанавливается различие между двумя видами переменных. Это, во-первых, совместно зависимые переменные (эндогенные), влияние которых друг на друга должно быть исследовано (матрица A в слагаемом Ay(t) приведенной выше системы уравнений). Во-вторых, предопределенные переменные, которые, как предполагается, оказывают влияние на первые, однако не испытывают их воздействия; это переменные с запаздыванием, т.е. лаговые (второе слагаемое) и определенные вне данной системы уравнений экзогенные переменные. (Экзогенными, например, всегда оказываются показатели климатических условий, если они включаются в модель. В то же время многие экономические переменные в зависимости от задач и структуры модели могут относиться и к эндогенным, и к экзогенным.) Понятие одновременных эконометрических уравнений и методы их решения были впервые предложены норвежским экономистом Т.Хаавельмо, лауреатом Нобелевской премии по экономике. В зависимости от характера ограничений и статистической структуры переменных эконометрических моделей последние классифицируются на пробит-модели, логит-модели, тобит-модели (см. соответств. статьи).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• econometric model

нелинейное программирование
Раздел математического программирования, изучающий методы решения экстремальных задач с нелинейной целевой функцией и (или) областью допустимых решений, определенной нелинейными ограничениями. В экономике это соответствует тому, что результаты (эффективность) возрастают или убывают непропорционально изменению масштабов использования ресурсов (или, что то же самое, масштабов производства) - например, из-за деления издержек производства на предприятиях на переменные и условно-постоянные, из-за насыщения спроса на товары, когда каждую следующую единицу продать труднее, чем предыдущую, из-за влияния экстерналий (см.Внешняя экономия, внешние издержки) и т.д. В краткой форме задачу Н.п. можно записать так: F (x) ? max при условиях g (x) ? b, x ? 0. где x — вектор искомых переменных, F (x) — целевая функция, g (x) — функция ограничений (непрерывно дифференцируемая), b — вектор констант ограничений (выбор знака ? в первом условии здесь произволен, его всегда можно изменить на обратный). Решение задачи нелинейного программирования (глобальный максимум или минимум) может принадлежать либо границе, либо внутренней части допустимого множества. Иначе говоря, задача состоит в выборе таких неотрицательных значений переменных, подчиненных системе ограничений в форме неравенств, при которых достигается максимум (или минимум) данной функции. При этом не оговаривается форма ни целевой функции, ни неравенств. Могут быть разные случаи: целевая функция — нелинейна, а ограничения — линейны; целевая функция — линейна, а ограничения (хотя бы одно из них) - нелинейны; и целевая функция, и ограничения нелинейны. Задачи, в которых число переменных и (или) число ограничений бесконечно, называются задачами бесконечномерного Н.п.. Задачи, в которых целевая функция и (или) функции ограничений содержат случайные элементы, называются задачами стохастического Н.п. Например, задачу для двух переменных (выпуск продукта x и выпуск продукта y) и вогнутой целевой функции (прибыль — p) можно геометрически представить на чертеже (см. рис. H.4; заштрихована область допустимых решений). Эта задача реалистично отражает распространенное в экономике явление: рост прибыли с ростом производства до определенного (оптимального) уровня в точке B’, а затем ее снижение, например, вследствие затоваривания продукцией или исчерпания наиболее эффективных ресурсов. Нелинейные задачи сложны, часто их упрощают тем, что приводят к линейным. Для этого условно принимают, что на том или ином участке целевая функция возрастает или убывает пропорционально изменению независимых переменных. Такой подход называется методом кусочно-линейных приближений, он применим, однако, лишь к некоторым видам нелинейных задач. Нелинейные задачи в определенных условиях решаются с помощью функции Лагранжа (см. Множители Лагранжа, Лагранжиан): найдя ее седловую точку, тем самым находят и решение задачи. Среди вычислительных алгоритмов Н.п. большое место занимают градиентные методы. Универсального же метода для нелинейных задач нет, и, по-видимому, может не быть, поскольку они чрезвычайно разнообразны. Особенно трудно решаются многоэкстремальные задачи. Для некоторых типов задач выпуклого программирования (вид нелинейного) разработаны эффективные численные методы оптимизации Рис. Н.4 Нелинейное программирование (заштрихована область допустимых решений)
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• nonlinear programming

принятие решения
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• decision

решение
Выбор альтернативы.
[ http://tourlib.net/books_men/meskon_glossary.htm]

решение
(в планировании и управлении, исследовании операций, экономико-математическом моделировании) — 1. Выбор одной или нескольких альтернатив из множества возможных (вариантов Р.). 2. Процесс (алгоритм) осуществления такого выбора. Этот выбор основывается на оценке и сопоставлении ожидаемых результатов принятия тех или иных альтернатив с точки зрения целей (или цели), поставленных в решаемой задаче. Для принятия Р., таким образом, необходимы: четко сформулированная цель; список альтернативных возможностей (стратегий, т.е. вариантов распределения сил и средств и т.д.) и правила выбора между ними, т.е. в общем случае, критерий качества Р.; знание факторов, которые могут повлиять на результат при принятии того или иного Р. В исследовании операций и в целом в экономико-математических методах распространено обоснование Р. не непосредственно (например, путем реального экономического эксперимента), а с помощью экономико-математических моделей. Принято говорить о решении модели, т.е. о выборе такой совокупности значений ее переменных, которая обеспечивает наилучшее по какому-либо критерию значение целевой функции. Как видно, данное выше общее определение относится и к понятию «Р. модели», поскольку оно означает отбор из ряда возможных вариантов (векторов) значений переменных (каждый из них — альтернатива) того варианта, который приводит к лучшему результату. Надо лишь учесть, что поскольку модель не может быть точным отражением действительности, Р. модели не обязательно будет решением реальной задачи; во всяком случае при переходе от модели к действительности нужна дополнительная проверка адекватности Р. Процессы Р. моделей подразделяются на аналитические и численные. Метод аналитического Р. — последовательность математических преобразований, приводящих к заданному результату (например, к формуле, выражающей зависимость экстремального значения функции от ее аргументов). В этом случае численные значения переменных (см. Аналитические методы решения моделей) включаются лишь на последнем этапе. Численные методы получения Р., среди которых наибольшее значение имеют итеративные (см. Численные методы оптимизации), отличаются тем, что в них численные значения переменных участвуют в процессе Р. с самого начала, и на каждом этапе проверяется, соответствуют ли они заданной цели: в случае положительного ответа процесс Р. заканчивается, в случае отрицательного — продолжается. Полученное Р. обычно не является окончательным — изменение условий и целей всегда может поставить вопрос о его корректировке, подстройке. Корректировка (иногда она также называется “управление решением”) — необходимое условие успешного внедрения моделей в практику. Классификация моделей принятия Р. пока не разработана. Есть лишь частичные классификации по отдельным аспектам. Например, а) по степени сложности: простые, принимаемые по одному критерию оценки и выбора альтернатив, и сложные — принимаемые по нескольким критериям; б) по имеющейся информации о возможных результатах: Р., принимаемые в условиях определенности (см. Детерминированные задачи), неопределенности, риска (частичной неопределенности); в) по временному охвату: стратегические и тактические; г) по виду зависимости переменных от времени: статические и динамические; д) по числу лиц, принимающих Р.: индивидуальные и групповые. В последнем случае возникает необходимость согласования индивидуальных Р. (см., например, Теория группового выбора, Согласование плановых решений), различаются также дискретные и непрерывные Р. См. также: Алгоритм управления, Дерево решений, Лицо, принимающее решения, Многошаговые процессы принятия решений, Область допустимых решений, Планово-экономическая задача, Последовательные методы принятия решений, Решение игры, Системы поддержки решений, Теория решений, Экономико-математический анализ решения оптимизационных задач, Экономические решения.
[ http://slovar-lopatnikov.ru/]

Тематики

• менеджмент в целом
• экономика

EN

• decision
• model solution

решение (таможни)
Акт индивидуального характера, которым таможенная служба принимает решение по вопросу, предусмотренному таможенным законодательством (Глава 2 Генерального приложения к Пересмотренной Киотской конвенции)
[Упрощение процедур торговли: англо-русский глоссарий терминов (пересмотренное второе издание) НЬЮ-ЙОРК, ЖЕНЕВА, МОСКВА 2011 год]

EN

decision
The individual act by which the customs decide upon a matter relating to customs law (General annex, Chapter 2, to the Revised Kyoto Cconvention)
[Trade Facilitation Terms: An English - Russian Glossary (revised second edition) NEW YORK, GENEVA, MOSCOW 2291]

Тематики

• торговля

EN

• decision

3.9 решение (decision): Результат выбора между различными направлениями действия.

Источник: ГОСТ Р ИСО 19439-2008: Интеграция предприятия. Основа моделирования предприятия оригинал документа

3.130 решение (decision): Результат выбора между различными направлениями действия.

Источник: ГОСТ Р 54136-2010: Системы промышленной автоматизации и интеграция. Руководство по применению стандартов, структура и словарь оригинал документа

решение
Выбор альтернативы.
[ http://tourlib.net/books_men/meskon_glossary.htm]

решение
(в планировании и управлении, исследовании операций, экономико-математическом моделировании) — 1. Выбор одной или нескольких альтернатив из множества возможных (вариантов Р.). 2. Процесс (алгоритм) осуществления такого выбора. Этот выбор основывается на оценке и сопоставлении ожидаемых результатов принятия тех или иных альтернатив с точки зрения целей (или цели), поставленных в решаемой задаче. Для принятия Р., таким образом, необходимы: четко сформулированная цель; список альтернативных возможностей (стратегий, т.е. вариантов распределения сил и средств и т.д.) и правила выбора между ними, т.е. в общем случае, критерий качества Р.; знание факторов, которые могут повлиять на результат при принятии того или иного Р. В исследовании операций и в целом в экономико-математических методах распространено обоснование Р. не непосредственно (например, путем реального экономического эксперимента), а с помощью экономико-математических моделей. Принято говорить о решении модели, т.е. о выборе такой совокупности значений ее переменных, которая обеспечивает наилучшее по какому-либо критерию значение целевой функции. Как видно, данное выше общее определение относится и к понятию «Р. модели», поскольку оно означает отбор из ряда возможных вариантов (векторов) значений переменных (каждый из них — альтернатива) того варианта, который приводит к лучшему результату. Надо лишь учесть, что поскольку модель не может быть точным отражением действительности, Р. модели не обязательно будет решением реальной задачи; во всяком случае при переходе от модели к действительности нужна дополнительная проверка адекватности Р. Процессы Р. моделей подразделяются на аналитические и численные. Метод аналитического Р. — последовательность математических преобразований, приводящих к заданному результату (например, к формуле, выражающей зависимость экстремального значения функции от ее аргументов). В этом случае численные значения переменных (см. Аналитические методы решения моделей) включаются лишь на последнем этапе. Численные методы получения Р., среди которых наибольшее значение имеют итеративные (см. Численные методы оптимизации), отличаются тем, что в них численные значения переменных участвуют в процессе Р. с самого начала, и на каждом этапе проверяется, соответствуют ли они заданной цели: в случае положительного ответа процесс Р. заканчивается, в случае отрицательного — продолжается. Полученное Р. обычно не является окончательным — изменение условий и целей всегда может поставить вопрос о его корректировке, подстройке. Корректировка (иногда она также называется “управление решением”) — необходимое условие успешного внедрения моделей в практику. Классификация моделей принятия Р. пока не разработана. Есть лишь частичные классификации по отдельным аспектам. Например, а) по степени сложности: простые, принимаемые по одному критерию оценки и выбора альтернатив, и сложные — принимаемые по нескольким критериям; б) по имеющейся информации о возможных результатах: Р., принимаемые в условиях определенности (см. Детерминированные задачи), неопределенности, риска (частичной неопределенности); в) по временному охвату: стратегические и тактические; г) по виду зависимости переменных от времени: статические и динамические; д) по числу лиц, принимающих Р.: индивидуальные и групповые. В последнем случае возникает необходимость согласования индивидуальных Р. (см., например, Теория группового выбора, Согласование плановых решений), различаются также дискретные и непрерывные Р. См. также: Алгоритм управления, Дерево решений, Лицо, принимающее решения, Многошаговые процессы принятия решений, Область допустимых решений, Планово-экономическая задача, Последовательные методы принятия решений, Решение игры, Системы поддержки решений, Теория решений, Экономико-математический анализ решения оптимизационных задач, Экономические решения.
[ http://slovar-lopatnikov.ru/]

Тематики

• менеджмент в целом
• экономика

EN

• decision
• model solution

седловая точка
В математическом программировании точка, где функция Лагранжа (см. Лагранжиан) достигает максимума по исходным переменным (прямой задачи) и минимума по множителям Лагранжа. При некоторых условиях в задачах выпуклого и линейного программирования оказывается возможным заменить исходную задачу задачей разыскания С.т. функции Лагранжа, поскольку существование такой точки — необходимое и достаточное условие оптимальности решения. Вообще в математике С.т. соответствует случаям, когда значение функции двух переменных представляет собой одновременно максимум относительно одной переменной (вектора переменных) и минимум относительно других (другого вектора переменных). Поясним это на функции двух переменных. Представьте себе седло: некоторая его точка находится ниже всех остальных, расположенных в направлении вдоль лошади, и в то же время — выше всех точек, расположенных в поперечном направлении (отсюда и название “С.т.”). См. рис. С.1. С.т. матрицы — элемент akl матрицы (aij), удовлетворяющий условию: (Обозначения см. в статьях Матрица, Минимакс, Максимин.) В теории игр С.т. (седловой элемент) — это наибольший элемент столбца матрицы игры, который одновременно является наименьшим элементом соответствующей строки (в игре двух лиц с нулевой суммой). В этой точке, следовательно, максимин одного игрока равен минимаксу другого; С.т. есть точка равновесия. Выбор игроком стратегии, не соответствующей С.т., в конце концов нанесет ему ущерб, если он имеет дело с опытным противником (который со своей стороны выберет С.т.). Рис. С.1 Седловая точка функции двух переменных
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• saddle point