РАЗДЕЛ 2
ОБЩИЕ МОДЕЛИ ИНТЕЛЛЕКТУАЛЬНОГО ИНЖИНИРИНГА ДАННЫХ В АСУ ТП
2.1 Методологическая база интеллектуального инжиниринга данных в АСУ ТП
В подразделе 1.3 был сформулирован набор основных задач, решение которых позволит обеспечить эффективную обработку данных в АСУ ТП. В данном подразделе будет сформирована методологическая база, применение которой позволит разработать модельно-технологический комплекс для решения этого набора задач.
Задача обработки данных в режиме реального времени включает в себя следующий набор подзадач:
* получение значений параметров ТП от программных контроллеров;
* отображение текущих значений параметров ТП;
* ведение архива значений параметров ТП, отображение данных архива значений параметров ТП в виде графиков, таблиц, отчетов.
Эти задачи относятся к традиционным задачам, решаемым SCADA-системами (см. рис. 1.1). Далее в подразделе 2.5 будет рассматриваться эталонная системная архитектура многоуровневой распределенной ИУС АСУ ТП, в состав которой входят программные компоненты, обеспечивающие решение перечисленных подзадач.
Задача ведения архива значений параметров ТП является ключевой в перечисленном наборе задач с точки зрения повышения эффективности обработки данных в ИУС АСУ ТП. Наличие простой и эффективной модели данных архива значений параметров ТП, или ретроспективной БД, позволяет повысить скорость выполнения транзакций в СУБД, реализующей эту модель, что, в свою очередь, обеспечит соблюдение ограничений реального времени. Кроме того, в качестве сущностей модели ретроспективной БД целесообразно выбрать основные понятия, характеризующие ТП и средства получения данных о нем. Это позволит использовать ретроспективную БД в качестве средства хранения метаданных о структуре ТП и средств обработки информации об его ходе. Такие метаданные могут использоваться компонентами SCADA-системы. Т.о. использование единого хранилища данных позволит повысить эффективность функционирования АСУ ТП за счет использования всеми ее компонентами информационных ресурсов из единого источника. Основные понятия, используемые при разработке рассматриваемого модельно-технологического комплекса, будут рассмотрены в подразделе 2.2.
Поскольку сама по себе ретроспективная БД предназначена для хранения значений параметров ТП, относящихся к различным моментам времени, то можно сказать, что. время является одним из измерений, рассматриваемых в контексте данной БД, и для разработки ее модели целесообразно использовать теорию временных моделей данных.
Характер используемой временной модели данных определяется природой обрабатываемых в SCADA-системе данных и способами их занесения в БД. Здесь необходимо учитывать следующие обстоятельства:
* используемые в настоящее время в SCADA-системах промышленные контроллеры позволяют предоставлять значения параметров ТП с некоторым периодом. Этот период может измеряться сотнями и даже десятками миллисекунд[12,77-79], что выдвигает достаточно серьезные требования к производительности программных компонент, реализующих обмен данными с контроллерами;
* временной ряд значений параметров является полностью упорядоченным, т.е. для каждого параметра ТП в рассматриваемый момент времени возможно наличие не более чем одного значения.
Таким образом, модель данных ретроспективной БД должна быть линейной и дискретной[32-37]. Реализация этих двух требований возможна за счет использования сущности, описывающей понятие момента времени (Moment). Для нее необходимо определить ограничение, которое бы гарантировало возрастание идентификаторов моментов времени.
Для решения задачи обработки данных об особых ситуациях в первую очередь необходимо разработать модели и средства, позволяющие специфицировать особую ситуацию в технологическом процессе. Описание особой ситуации, которые, как правило, могут быть определены с помощью некоторых зависимостей между значениями контролируемых параметров ТП, возможно с использованием концепции правил, являющихся распространенной парадигмой в проектировании систем баз данных, в том числе интеллектуальных [58, 80, 81]. Правила позволяют расширить описательные возможности реляционных баз данных для постоянно возникающих новых областей их применения. Дедуктивные правила (подробный обзор возможностей их разработки и использования представлен в работе [82], также см. [83,84]) позволяют дать краткое описание интенсиональных данных. С помощью дедуктивных правил могут быть представлены рекурсивные представления и статические ограничения целостности. Однако дедуктивные правила не предоставляют достаточных средств описания поведения базы данных или управления ей в динамике, в первую очередь речь здесь идет об операциях обновления данных[58]. В отличие от дедуктивных правил, активные правила поддерживают реактивное поведение базы данных с помощью выполнения заданных операций обновления данных как ответ на определенное событие в базе данных. Однако активные правила являются в значительной мере "низкоуровневым" средством описания закономерностей в данных, требующим учета различных дополнительных факторов, таких как обеспечение непротиворечивости правил, отсутствия циклов и т.д. Продукционные правила занимают некоторое промежуточное положение между активными и дедуктивными правилами, в том смысле, что сохраняют возможность описания реактивного поведения системы, позволяя в то же время описывать данные и закономерности в них на достаточно "высоком" уровне.
В исследованиях по проблематике, связанной с активными БД, значительную роль занимают вопросы, связанные с разработкой формальных языков спецификации активных правил, позволяющими осуществлять обмен правилами в распределенных системах (примерами работ по этому направлению являются [85,86]). Также достаточно активно исследуются вопросы создания активных баз данных с использованием встроенных средств временной логики для задания реактивного поведения БД (см. работы группы Прасад Сисла и Вольфсона [87-90], а также [91]). При этом используются разр
- Київ+380960830922