Система интеллектуальной поддержки при выборе оптимального технологического режима: на примере процесса экстракции растительного сырья тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Голубятникова, Марина Владиславовна

• Голубятникова, Марина Владиславовна
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Голубятникова, Марина Владиславовна

ВВЕДЕНИЕ.

ГЛАВА 1. ПРОБЛЕМЫ МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ.

1.1. Методы выделения лучших альтернатив по нескольким критериям.

1.2. Существующие способы моделирования сложных систем.

1.3. Основные проблемы математического моделирования.

1.4. Методы математического моделирования процесса экстракции.

1.5. Особенности экстрагирования капиллярно-пористого сырья с клеточной структурой.

1.6. Постановка задачи исследования.

Выводы по первой главе.

ГЛАВА 2. СИСТЕМНЫЙ ПОДХОД К МОДЕЛИРОВАНИЮ СЛОЖНЫХ ИЕРАРХИЧЕСКИХ СИСТЕМ.

2.1. Понятие сложной иерархической системы.

2.2. Построение математических моделей сложных иерархических систем.

2.3. Построения математических моделей технологических процессов в условиях количественной неопределенности.

2.4. Агрегатно-матричный способ представления моделей систем.

Выводы по второй главе.

ГЛАВА 3. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПРОЦЕССА ЭКСТРАКЦИИ КОРНЯ СОЛОДКИ.

3.1. Анализ технологической схемы производства экстракта корня солодки.

3.2. Анализ факторов, влияющих на процесс экстракции корня солодки.

3.3. Построение диаграммы взаимного влияния факторов процесса экстракции корня -солодки.

3.4. Агрегатно-матричное описание взаимосвязей диаграммы взаимного влияния факторов процесса экстракции корня солодки.

3.5. Алгоритм выбора оптимального технологического режима при нечетко выраженных экспертных оценках.

Выводы по третьей главе.

ГЛАВА 4. СИСТЕМА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ

РЕШЕНИЙ ДЛЯ ПРОЦЕССА ЭКСТРАКЦИИ КОРНЯ СОЛОДКИ.

4.1. Выбор способа реализации системы управления.

4.2. Современные технологии построения СППР.

4.3. Выбор инструментальной среды моделирования.

4.4. Алгоритм функционирования СППР.

4.5. Структура системы и подсистемы СППР.

4.6. Разработка программного обеспечения СППР.

4.7. Оценка эффективности применения СППР.

Выводы по четвертой главе.

Введение диссертации (часть автореферата) на тему «Система интеллектуальной поддержки при выборе оптимального технологического режима: на примере процесса экстракции растительного сырья»

Теория и практика современного системного анализа является основой для решения разнообразных задач, большинство из которых не могут быть удовлетворительно решены в рамках неструктурированного подхода. Одной из таких задач является задача выбора из множества альтернативных вариантов. Подобные задачи, составляющие основу принятия решений как особого процесса человеческой деятельности, возникают в самых различных сферах. Выбор стратегии развития предприятия, новых проектов, рынков сбыта, поставщиков сырья, персонала, методов и режимов обработки сырья — все это примеры задач принятия решений.

Сложность выбора определяется двумя основными факторами. Прежде всего, процесс принятия решений осуществляется в условиях неопределенности. Делая выбор, лицо принимающее решение (ЛИР) основывает его на последствиях принимаемых им решений, и эти последствия невозможно точно предугадать. Второй фактор связан с многовариантностью возможных решений, при этом по одному критерию более предпочтительным является один вариант, а по другому — другой, иногда диаметрально противоположный.

Следует также учитывать, что решение задачи в значительной степени зависит от психологических особенностей человека. Задачи выбора, особенно при наличии значительного количества возможных вариантов, находятся на пределе когнитивных возможностей. Как правило, для решения таких задач используются различные эвристические приемы. Однако такие эвристики, не являясь теоретически обоснованными, могут приводить к противоречиям и нерациональному выбору. В целом класс таких задач может быть определен как слабо-формализуемый [123], поскольку требует учета как качественных, так и количественных факторов, причем качественные факторы имеют тенденцию доминировать.

Наиболее широко задачи выбора оптимального варианта среди множества возможных представлены в различных отраслях промышленности при выборе технологического режима, обеспечивающего наилучшие условия протекания процесса. Существующие методы решения таких задач строятся на основе математической модели технологического процесса. При этом используемые модели часто не учитывают особенностей процесса для предметных областей различной природы. Учет известных закономерностей (физических, химических, биологических и иных законов) позволяет построить и упростить математическую модель в формальном числовом виде. Однако, рассмотрение микроявлений, лежащих в основе технологических процессов, нередко оказывается затруднительным для получения математической модели, пригодной для практического использования. Кроме того, протекающие в системе микропроцессы достаточно многообразны и многочисленны, не изолированы друг от друга во времени и в пространстве, наслаиваются друг на друга, что не позволяет оценить их влияние по отдельности.

Ошибки и просчеты при выборе оптимального технологического режима приводят к значительному увеличению материальных и энергетических затрат, неоправданным потерям ценного сырья, уменьшению количества выпускаемой продукции и снижению эффективности процесса в целом. Например, при нарушении оптимальных режимов горения в процессе сжигании попутного нефтяного газа на факеле, происходит увеличение выброса оксидов азота и диоксида серы в 8—10 раз. Скорость химических реакций многих технологических процессов химической промышленности при понижении температуры на 10°С уменьшается в 2-4 раза. Отклонение технологических параметров от оптимальных резко снижает эффективность применения, а иногда может привести даже к гибели микроорганизмов, применение которых лежит в основе процессов микробиологического синтеза.

В полной мере все проблемы, связанные с выбором оптимального технологического режима, проявляются при автоматизации массообменных процессов. Процессы массообмена широко распространены в химической, пищевой, горнорудной и других отраслях промышленности. Чаще всего используются процессы абсорбции, перегонки, адсорбции, сушки, кристаллизации, растворения, экстракции. В данной работе предлагаемый подход рассмотрен на примере процесса экстракции корня солодки голой (Hlycirrhiza glabra L.). Солодка голая — многолетнее корнеотпрысковое травянистое растение семейства Бобовые. В корнях солодки содержатся [83, 7]: глицирризиновая кислота и ее калиевые и кальциевые соли, 27 различных флавоноидов. Кроме того, в корнях солодки содержатся сахара (до 20%), горькие вещества (до 3%), смолистые вещества (до 4%), крахмал (до 20%), эфирное масло, красящие вещества, аскорбиновая кислота, каротин, дубильные и слизистые вещества, яблочная кислота, аспарагин, другие соединения. Целевым компонентом процесса экстракции корня солодки является глицирризиновая кислота, применение которой обусловлено противовирусным, противовоспалительным и иммуномодулирующим действием.

Медицинской промышленностью выпускается большое количество пре-паратдв из корня солодки: экстракт солодкового корня густой, экстракт солодл* кового корня сухой, сироп солодкового корня, эликсир грудной, Глицирам, Ли-квиритон, Флакарбин, Бисмулоксан, Транспульмин. Экстракты и сиропы из корня солодки широко применяются при изготовлении конфет, пастилы, различных напитков, пива, кваса, газированной воды, в табачной промышленности, а также в металлургии для подавления сернокислого тумана в электролизных ваннах. Пенообразующие свойства корня используют в химической промышленности при производстве смеси для огнетушителей. Некоторые вещества из солодкового корня употребляют для окраски шерстяных и шелковых тканей. Отходы корня после экстракции служат сырьем для изготовления удобрений, богатых азотом и калием, а таюке для получения пергамента, звуко- и теплоизоляционных плит.

Наибольшее распространение получили методы динамической мацерации и в их числе метод дробной мацерации, который широко распространен на предприятиях малого и среднего бизнеса. Достоинством дробной мацерации являются простота метода и оборудования, относительно простой контроль над ходом технологического процесса. Существующие технологии извлечения и концентрирования приводят к значительным потерям целевых компонентов растительного сырья и изменению химического состава термолабильных веществ.

Вопросы интенсификации процесса экстракции растительного сырья путем выбора оптимального технологического режима на основе учета как количественной, так и качественной информации о ходе протекания процесса до настоящего времени изучены недостаточно. Вследствие этого, существует необходимость исследований, направленных на создание методов математического моделирования технологических систем, а также специальных методов и интеллектуальных систем поддержки принятия решений для осуществления оптимального выбора.

Актуальность проблем принятия решений обуславливает необходимость исследований, направленных на создание методов математического моделирования технологических систем, а также специальных методов и компьютерных систем интеллектуальной поддержки принятия решений (СИППР) для осуществления оптимального выбора. Существенные результаты в этой области были получены в работах М. А. Айзермана [18], Л. Заде [35, 71, 71], Р. Л. Кини [80], О. И. Ларичева [88-91], Б. Г. Миркина [120], О. Моргенштерна, Дж. Фон Неймана [145], В.Д.Ногина, В. В. Подиновского [119], Б. Руа [128], Т. Саати [134], П. Фишберна [144], К. Эрроу [60] и других [1, 4, 8, 139, 141].

Наиболее перспективными в исследуемой области являются методы поддержки принятия решений, которые не требуют обязательного преобразования высказываний ЛПР в числовую форму или формальные зависимости. Однако существенным недостатком лингвистического описания знаний и обоснования принимаемых решений остается высокая доля знаний, остающихся неиспользованными. В связи с этим весьма актуальной является разработка новых методов, помогающих формализовать имеющиеся знания и предпочтения человека. Такие методы должны брать на себя трудности, связанные с учетом многих критериев, эффективно организовывать диалог с ЛПР и обеспечивать получение и объяснение результата, вызывающего доверие у ЛПР.

Использование систем интеллектуальной поддержки при выборе оптимального технологического режима при управлении технологическими процессами позволит увеличить эффективность технологического процесса, уменьшить материальные и энергетические затраты, а также снизить требования к квалификации персонала предприятий.

Объектом исследования является процесс экстракции корня солодки, проводимый путем однократной или двукратной (бис-) мацерации.

Предметом исследования является методы и алгоритмы повышения эффективности процесса экстракции корня солодки за счет выбора оптимального технологического режима процесса.

Цель диссертационного исследования заключается в снижении потерь целевьгх компонентов при осуществлении процесса экстракции растительного сырья на основе принятия управленческих решений, с учетом количественной и качественной информации о внешних и внутренних условиях протекания процесса.

Научный результат. Соответствующим этой цели научным результатом диссертационного исследования является научно обоснованное решение задачи выбора оптимального технологического режима, включающего в себя разработку методики построения математических моделей технологических процессов, позволяющей обрабатывать количественную и качественную информацию с учетом особенностей обработки растительного сырья, разработку метода описания математических моделей технологических процессов, обеспечивающего удобство внутримашинного представления модели, и синтез алгоритма выбора оптимального технологического режима при нечетко выраженных экспертных оценках.

Для достижения поставленной цели необходимо решить следующие взаимосвязанные задачи:

- на основе системного анализа определить и классифицировать факторы, влияющие на процесс экстракции растительного сырья;

- произвести анализ технологического процесса экстракции как объекта управления с учетом структурной иерархии, определить внутрисистемные переменные процесса экстракции и выявить взаимосвязи между ними;

- разработать методику построения математических моделей технологических процессов, позволяющую учитывать развитую структурную иерархию процессов, обрабатывать количественную и качественную информацию, с учетом особенностей экстрагирования растительного сырья;

- разработать алгоритмы поддержки принятия решений для выбора оптимального технологического режима при нечетко выраженных экспертных оценках;

- сформировать структуру системы интеллектуальной поддержки при выборе оптимального технологического режима процесса экстракции растительного сырья, оценить эффективность применения системы интеллектуальной поддержки при выборе оптимального технологического режима для управления процессом экстракции растительного сырья.

Достоверность и обоснованность результатов исследования подтверждается корректным использованием теоретических и экспериментальных методов обоснования полученных результатов, а также совпадением результатов исследований с экспериментальными данными.

Научная новизна и теоретическая ценность работы заключается в разработке системного подхода к моделированию и управлению технологическими процессами. На основании этого:

- разработана методика построения математических моделей технологических процессов, позволяющая обрабатывать количественную и качественную информацию и учитывать структурную иерархию системы;

- предложен метод агрегатно-матричного представления математических моделей технологических процессов, преимуществами которого являются независимость математического представления от физической природы и особенностей технологического объекта, а также удобство внутримашинного представления;

- разработан алгоритм выбора оптимального технологического режима, позволяющий принимать обоснованное решение с использованием нечетко выраженных экспертных оценок.

Практическая значимость результатов работы состоит в разработке математической модели процесса экстракции корня солодки, разработке системы интеллектуальной поддержки принятия решений при выборе оптимального технологического режима экстракции корня солодки.

Программное обеспечение, разработанное в ходе диссертационного исследования (свидетельство об официальной регистрации программы для ЭВМ №2010612924, см. Приложение 12), применяется в учебном процессе в ФГОУ ВПО «Астраханском государственном техническом университете». Копия акта о внедрении результатов программного обеспечения приведена в Приложении 13.

Результаты диссертационной работы используются в практической деятельности ООО Научно-производственное предприятие «Вулкан» (г. Астрахань) в части:

- использование разработанной методики построения математических моделей массообменных процессов для имитационного моделирования и расчета основных параметров процесса бисмацерации корня солодки голой (Glycyrrhiza glabra);

- использование программы для ЭВМ «Программа аппроксимации интервальных кривых при моделировании процесса экстракции» для выбора оптимального технологического режима процесса производства экстракта корня солодки как добавки в лечебно-профилактические продукты.

Копия акта о применении результатов диссертационной работы приведена в Приложении 14.

Апробация работы. Основные результаты диссертации доложены и обсуждены на ежегодных научно-технических конференциях профессорско-преподавательского состава Астраханского государственного технического университета в период с 2005 по 2010 гг., на международной научной конференции «Электронная культура. Информационные технологии будущего и современное электронное обучение «Modern IT & (Е-) learning», (Астрахань, 2009); на международном конгрессе по интеллектуальным системам и информационным технологиям «AIS-IT'09», «AIS-IT'10» (Дивноморское, 2009, 2010); «Математические методы в технике и технологиях ММТТ-22» (Псков, 2009), «Математические методы в технике и технологиях ММТТ-23» (Саратов, 2010).

Публикации. По теме диссертации опубликовано 10 печатных работ: 3 статьи в журналах из списка, рекомендованного ВАК РФ, из них 2 работы без соавторства; 6 публикации в форме докладов и статей конференций. Получено свидетельство об официальной регистрации программы для ЭВМ №2010612924 «Программа аппроксимации интервальных кривых при моделировании процесса экстракции» Зарег. 29.04.2010 г. (см. Приложение 12).

Объём и структура диссертации. Диссертационная работа состоит из введения, 4 глав, выводов, списка литературы, содержащего 149 источников, в том числе 17 иностранных. Основная часть диссертации изложена на 161 странице машинописного текста, содержит 9 таблиц, 34 рисунка и 14 приложений.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Голубятникова, Марина Владиславовна

Выводы по четвертой главе

1. Проведен анализ современных технологий построения СППР и обоснован выбор метода анализа.

2. Синтезирован алгоритм функционирования интеллектуальной системы для выбора оптимального технологического режима процесса экстракции корня солодки.

3. Разработано программное обеспечение, реализующее алгоритм выбора оптимального режима для процесса экстракции корня солодки, в том числе структура базы данных, процедуры обработки информации и интерфейс пользователя.

4. Произведена оценка эффективности, которая показала, что процедура выбора оптимального режима с использованием предложенного алгоритма позволит увеличить выход глицирризиновой кислоты на 1,7%, что соответствует уменьшению потерь в 1,6 раза.

ЗАКЛЮЧЕНИЕ

Общим результатом работы является научно обоснованное решение проблемы выбора оптимального режима для технологического процесса экстракции корня солодки.

В процессе решения данной проблемы получены следующие основные результаты:

1. Проведен анализ методов математического моделирования технологических процессов, проанализированы недостатки таких методов для процессов с развитой структурной иерархией.

2. Разработана методика построения математических моделей технологических процессов, позволяющая учитывать развитую структурную иерархию системы, обрабатывать количественную и качественную информацию с учетом особенностей экстрагирования растительного сырья.

3. Предложен и обоснован метод агрегатно-матричного представления математических моделей технологических процессов, который обеспечивает независимость математического представления от физической природы и особенностей технологического объекта, а также удобство внутримашинного представления.

4. Произведен анализ технологического процесса экстракции с учетом структурной иерархии, определены и классифицированы существенные факторы, влияющие на процесс экстракции растительного сырья, описаны взаимосвязи между ними, построена математическая модель процесса экстракции.

5. Разработан алгоритм решения задачи выбора оптимального технологического режима процесса экстракции растительного сырья, позволяющий принимать обоснованное решение на основе нечетко выраженных экспертных оценок.

6. Сформирована структура системы интеллектуальной поддержки для выбора оптимального технологического режима, разработано программное обеспечение, реализующее алгоритм выбора оптимального режима для процесса экстракции корня солодки.

7. Показано, что применение разработанной системы интеллектуальной поддержки для выбора оптимального технологического режима процесса экстракции позволяет уменьшить потери целевых компонентов растительного сырья с 4,5% до 2,8%, что существенно повышает эффективность процесса.

8. Практические результаты диссертационной работы применяются в деятельности ООО Научно-производственное предприятие «Вулкан» (г. Астрахань). Разработанная система интеллектуальной поддержки для выбора оптимального технологического режима процесса экстракции используется в учебном процессе в ФГОУ ВПО «Астраханском государственном техническом университете».

Список литературы диссертационного исследования кандидат технических наук Голубятникова, Марина Владиславовна, 2011 год

1. Bennet, J. S. A knowledge-based system for acquiring the conceptual structure of a diagnostic expert system // Journal of Automated Reasoning. — 1985. — No. 1.

2. Bruniche-Olsen, H. Solid-liquid extraction. Copenhagen, 1962. - 462 p.

3. Codd, E. F. Providing OLAP (On-line analytical Prosessing) to User-Analysts: An IT Mandate / E.F. Codd, S.B. Codd, C.T. Salley-E.F. Codd&Associates, 1993.

4. Eshelman L. MOLE. Knowledge acquisition tool that buries certainty factors // Int. Journal of Man-Machine Studies. 1987. - Vol. 26. - No. 1.

5. Gane C., Sarson T. Structured system analysis. Englewood Cliffs, NJ: Prentice Hall, 1979.

6. Gharajedaghi J., Ackoff R.L. Toward Systemic Education of System Scientists.//Systems Reseach. 1985. - V. 2. - № 1. - p. 21-27.

7. Hennell J.R., Lee S., Khoo C.S. The determination of glycyrrhizic acid in Gly-cyrrhiza uralensis Fisch. ex DC. (Zhi GanCao) root and the dried aqueous extract by LC-DAD // J. Pharm. Biomed. Anal. 2008. - V. 47. -P. 494-500.

8. Kintsch W. The representation of meaning in memory. New York, 1974.

9. Krisher J. P. An annotated bibliography of decision analytic applications to health care//Operations Research. -1980. -V. 28. № 1. - P. 97 - 107.

10. Liebhafsky H.A. J.Appl. Phis., 12, 1941. p.270

11. Newman A.B. Trans.Amer. Inst. Chem. Engrs.,27, — 1931. — р.310

12. Oplatka G., Tegze M. Theorie des Diffusionsprozesses in der Zuckerfabrikation.// Acta Chimica Academiae Scientarum Hungaricae, №2- 1952. -p. 383.

13. Osburn J. O., Katz D. L. Trans. Amer. Inst. Chem. Eng., 40. 1944 - p. 511

14. Rudobashta S. P. ect. Heat-mass transfer and hydrodynamic with convective drying of dispersive materials// Proc. 1-ot Jntern. Symp. «Two fhase flow Modelling and Experimentation.» Roma. Italy /October/ 1995. V.l — P. 331-338.

15. Seikova I., Simeonov E. Deternination of solid deformation effects on the effective diffusivity during extraction from plants// Separ. Sci. and technol. 2003. — №15 P.3713-3729.

16. Simeonov E., Soikova I., Mintchev A. J. Study of the kinetics and the variable internal porosity during extraction from vegetable material.// Univ. Chem. Technol and Met. №3. 2002. - P. 19-26.

17. Yourdon E. Modern Structured Analysis. — Prentice-Hall Int. Ed. 1989.

18. Айзерман, M.A. Выбор вариантов. Основы теории / М.А. Айзерман, Ф.Т. Алескеров. -М.: Наука, 1990. 227 с.

19. Акоф, Р. Основы исследования операций / Р. Акоф, М. Сасиени- М.: Мир, 1971.-534 с.

20. Аксельруд, Г.А. Экстрагирование. Система твердое тело жидкость / Г.А. Аксельруд, В.М. Лысянский - Л.: Химия, 1974 - 356 с.

21. Аксельруд, Г.А. Массообмен в системе твердое тело-жидкость — Львов.: Изд-во Льв. Унив., 1974 256 с.

22. Аксельруд, Г.А. Теория диффузионного извлечения веществ из пористых тел. Львов,: Изд. ЛПИ, 1959 - 120 с.

23. Алексеев, Е.Л. Моделирование и оптимизация технологических процессов в пищевой промышленности / Е.Л. Алексеев, В.Ф. Пахомов М.: Агроромиздат, 1987. - 272 с.

24. Альтшуллер, Г.С. Алгоритм изобретения — М.: Московский рабочий, 1973.-296 с.

25. Аношин, Н.М. Теоретические основы массообменных процессов пищевых производств. — М.: Пищевая промышленность, 1970. 378 с.

26. Антонов, А.В. Системный анализ. Учебн. для вузов М.: Высшая школа, 2004. - 454с.

27. Ашихмин, И.В. Метод комбинирования парных сравнений и система интеллектуальной поддержки для многокритериального выбора: Дис. . канд. физ.-мат. наук: 05.13.01 Москва, 2006 - 129 с. РГБ ОД, 61:06-1/934

28. Багриновский, К.А. Интеллектуальная система в отраслевом планировании / К.А. Багриновский, В.В. Логвинец; отв. ред. В. Н. Буркова — М.: Наука, 1998.-136 с.

29. Барышников, A.A. Формы применения функционально-стоимостного анализа / A.A. Барышников, A.M. Кузьмин // Журнал «Машиностроитель» -2001 № 6 — С. 37-41

30. Башмаков, А.И. Интеллектуальные информационные технологии / А.И. Башмаков, И.А. Башмаков М.: МГТУ им. Н.Э. Баумана, 2005. - 304 с.

31. Безчаснюк, Е.М. Процесс экстрагирования из лекарственного растительного сырья / Е.М. Безчаснюк, В.В. Дяченко, О.В. Кучер // Фармаком 1 2003. - С. 5456.

32. Беклемишев, Д. В. Дополнительные главы линейной алгебры. М.: Наука, 1983.- 335 с.

33. Беклемишев, Д. В. Курс аналитической геометрии и линейной алгебры. — Издание 9-е, испр. М.: Физматлит, 2001. - 374 с. - ISBN 5-9221-0147-1

34. Беллман, Р. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений / Р. Беллман, Л. Заде — М.: Мир — 1976. С.172-215.

35. Белобородое, В.В. Методы расчета процессов экстракции растительных масел. -М.,: Пищепромиздат, 1960. 116 с.

36. Белобородое, В.В. Экстрагирование из твердых материалов в электромагнитном поле сверхвысоких частот. // Инженерно-физический журнал. Минск.: HAH Беларуси - 1999. - т. 72, №1. - С. 112-117.

37. Белоглазов, И. Н. Твердофазные экстракторы. — Л: Химия, 1985 — 240с.

38. Беляев, Л.С. Решение сложных оптимизационных задач в условиях неопределенности. — Новосибирск: Наука, 1978. — 126 с.

39. Бобылев, P.B. Получение жидкого экстракта методом противоточной вихревой экстракции. — В кн: Биофармацевтические аспекты получения и назначения лекарств. М.: Изд. IММИ, 1971. - С. 48-49

40. Борисов, А. Н. Диалоговые системы принятия решений на базе мини-ПК / А.Н. Борисов, Э. Р. Виллюмс, JI. Я. Сукур — Рига: Зинатне, 1986. — 195 с.

41. Борисов, А. Н. Принятие решений на основе нечетких моделей / А.Н. Борисов, O.A. Крумберг, И.П.Федоров -Рига: Зинатне, 1990. — 184 с.

42. Борисов, А.Н. Методы интерактивной оценки решений / А.Н. Борисов,

43. A.C. Левченко. Рига: Зинатне, 1982. -139 с.

44. Борисов, А.Г. Электроразрядное экстрагирование целевых компонентов из растительного сырья, дисс. к.т.н., 05.20.02, 05.18.12 — М., 2006. 154 с.

45. Борисов, А.Н. Методическое обеспечение технологии принятия решений // Системы обработки знаний в автоматизированном проектировании. — Рига: Изд-во Риж. техн. ун-та, 1992. — С. 12-15.

46. Борисов, В.Н. Векторная оптимизация систем // Исследование систем: Материалы Всесоюзного симпозиума. М.: ВИНИТИ, 1971. — С. 106- 114.

47. Вентцель, Е.С. Исследование операций. — М.: Советское радио, 1972 — 551 с.

48. Вентцель, Е.С. Теория случайных процессов и ее инженерные приложения / Е.С. Вентцель, Л.А. Овчаров М.: Наука, 1991. - 384 с.

49. Выявление экспертных знаний / О.И. Ларичев, А.И. Мечитов, Е.М. Мош-кович, Е.М. Фуремс. М.: Наука, 1989.

50. Гаврилов, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилов,

51. B.Ф. Хорошевский Спб.: Питер, 2000.

52. Гамаюнов, Н.И. Построение и идентификация математических моделей тепло- и массопереноса в капиллярно-пористых телах / Н.И. Гамаюнов, P.A. Испирян, A.B. Клингер // Инженерно-физический журнал — 1986. — т.50, №2. —1. C. 299-303

53. Гаскаров, Д.В. Интеллектуальные информационные системы. М.: Высш. шк., 2003.-431 с.

54. Головин, П.В. Химия и технология свеклосахарного производства / П.В. Головин, A.A. Герасименко. — Киев: Наукова думка, 1964, — 728 с.

55. Гончаренко, Г.К. Экстракция лекарственных веществ из растительного сырья. Автореф. дис. докт. техн. наук. — Харьков, 1972 — 20 с.

56. Гончаренко, Г.К. Кинетика процесса экстракции из растительного материала / Г.К. Гончаренко, Е.И. Орлова, И.С. Чернышов и др. // Вестн. Харьк. политехи. ин-та, Хим. машиностроение и технология. — 1975. вып.З. - С. 13-15.

57. Горский, В.Г. Метод согласования кластеризованных ранжировок / В.Г. Горский, А.И. Орлов, A.A. Гриценко // Автоматика и телемеханика. 2000. — №3. — С. 159-167.

58. Грачев, Ю.П. Исследование процесса извлечения сахара из свекловичной стружки диффузионным способом. В кн.: Процессы и аппараты пищевых производств. Вып. 11. -М.: Хлебиздат,1958 С.62-77.

59. Гребенюк, С.М. Экстракционные аппараты в пищевой промышленности. -М.: ЦНИИТЭИлегпищемаш, 1971 60 с.

60. Гришпун, B.J1. Экстракторы для системы «твердое тело- жидкость» — М.: ЦИНТИхимнефтемаш, 1972. -52 с.

61. Гурвиц, JI. Программирование в линейных топологических пространствах, В кн. Эрроу К. Дж., Гурвиц JL, Удзава X. Исследования по линейному и нелинейному программированию. -М.: Мир, 1962. — С. 65 - 155.

62. Демиденко, Е.З. Оптимизация и регрессия. М.: Наука, 1989. - 296 с.

63. Деревенко, В.В. Научно-технические основы совершенствования и разработки ресурсосберегающих схем и оборудования производства растительных масел: дисс. докт. техн. наук: 05.18.12 -Краснодар, 2006. -399 с.

64. Дмитриев, А.Г. Методы кусочной аппроксимации многомерных кривых и их практическое использование : дис. . канд. техн. наук. : 05.13.01 «Управление в технических система» Москва, 1985 - 207 с.

65. Дронов, С.Ф. Влияние скорости движения экстракционной жидкости на интенсификацию процесса извлечения сахара из свекольных пластин и свекловичной стружки // Сахарная промышленность, 1958. № 2. — С. 9-14.

66. Дронов, С.Ф. Динамическая теория извлечения сахара из свеклы диффузионным способом. — М.: Пищепромиздат, 1952 97 с.

67. Дюк, В. Data Mining — Интеллектуальный анализ данных / В. Дюк, А. Самойленко — М.: Финансы и статистика, 1989. — 608 с.

68. Евланов, Л.Г. Теория и практика принятия решений. М.: Экономика, 1984.-176 с.

69. Емельянов, В.В. Теория и практика эволюционного моделирования / В.В. Емельянов, В.М. Курейчик, В.В. Курейчик ФИЗМАТ ЛИТ, 2003. - 432 с. ISBN 5-9221-0337-7

70. Загорулько, А. Я. Аналитическое исследование процесса извлечения сахара из свеклы в диффузионных установках / А. Я. Загорулько, Е.Т. Коваль // Труды центр, научно-исследов. ин-та сахарной пром-ти, 1962. С. 120-132.

71. Заде, Л. А. Основы нового подхода к анализу сложных систем и процессов принятия решений. В кн. Математика сегодня. - М.: Знание, 1974. - № 6. - С. 5-49.

72. Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. — М.: Мир, 1976. — 165 с.

73. Запорожский, A.A. Разработка технологии консервированных продуктов на мясорастительной основе для геродиетического питания. Автореф. дис. канд. техн. наук. Краснодар: КубГТУ, 2000. - 23 с.

74. Зарипов, Р.Х. Машинный поиск вариантов при моделировании творческого процесса. -М.: Наука, 1983.

75. Интерактивный метод решения задачи оптимального проектирования машин / И.И. Артоболевский, C.B. Емельянов, В.И. Сергеев и др.// Докл. АН СССР, 1977. Т. 237, № 4. - С. 793 - 795.

76. Ионный обмен / Под. ред. Я. Мариского. Пер. с англ., под. ред. С.М.Черноброва-М: Мир, 1968. 565 с.

77. Касаткин, А.Г. Основные процессы и аппараты химической технологии — М.: Химия, 1981-812 с.

78. Кафаров В.В. Методы кибернетики в химической технологии М.: Химия, 1971 -496с.

79. Кафаров, В.В. Системный анализ процессов химической технологии. Основы стратегии. / В.В. Кафаров, И.Н. Дорохов М.: Наука, 1976. — 500 с.

80. Кафаров, В.В. Принципы математического моделирования химико-технологических систем / В.В. Кафаров, B.JI. Перов, В.И. Мешалкин и др. М.: Химия, 1974-344с.

81. Кини, Р.Л. Принятие решений при многих критериях: предпочтения и замещения / P.JI. Кини, X. Райфа; Пер. с англ. под ред. И.Р. Шахова. М.: Радио и связь, 1981.-560с.

82. Князевская, Н.В. Принятие рискованных решений в экономике и бизнесе / Н.В. Князевская, B.C. Князевский. М.: Изд-ско-книготорговое объед-е ЭБМ Контур, 1998. - 160 с.

83. Козлов, Г.Ф. Системный анализ технологических процессов на предприятиях пищевой промышленности Киев: Изд-во «Техника», 1977 - 200 с.

84. Кондратенко, P.M. Глицирризиновая кислота и родственные тритерпе-ноиды солодкового корня в синтезе перспективных биологически активных соединений: дис. . докт. хим. наук : 02.00.03, 02.00.10 Уфа 2006. - 378с.

85. Кондратьев, Г.М. Регулярный тепловой режим. — М.: Гостехиздат, 1954. -408 с.

86. Корабельский, П.Н. К вопросу о влиянии степени измельчения растительных материалов на эффективность экстракционного процесса при изготовлении водных извлечений. Фармация, 1946. - №2. — С. 16-22.

87. Кофман, А. Введение в теорию нечетких множеств: Пер. с англ. — М.: Радио и связь, 1982. — 432 с.

88. Критерий согласованности Чи-квадрата для экспонентного распределения первого порядка / М.С. Никулин, В.Г. Воинов Ленинград: ЛОМИ, 1987. - 30 с.

89. Ларичев, О. И. Анализ процессов принятия человеком решений при альтернативах, имеющих оценки по многим критериям // Автоматика и телемеханика. 1981. - №8. - С. 131-141.

90. Ларичев, О. И. Человеко-машинные процедуры принятия решений при альтернативах, имеющих оценки по многим критериям (обзор) // Автоматика и телемеханика. 1971. - № 12. - С. 130 - 142.

91. Ларичев, О.И. Наука и искусство принятия решений. М.: Наука, 1979. -200с.

92. Ларичев, О.И. Теория и методы принятия решений, а также хроника событий в Волшебных странах. М.: Логос, 2003. - 392 с.

93. Литвак, Б.Г. Экспертная информация. Методы получения и анализа. — М.: Радио и связь, 1982. 184 с.

94. Лыков, A.B. Теория тепло- и массопереноса / A.B. Лыков, Ю.А. Михайлов М.: Госэнергоиздат, 1963. - 535 с.

95. Лысянский, В.М. Процесс экстракции сахара из свеклы. Теория и расчет. М.: Пищевая промышленность, 1973 - 224 с.

96. Лысянский, В.М., Гребенюк С.М. Экстрагирование в пищевой промышленности / В.М. Лысянский, С.М. Гребенюк М.: Агропромиздат, 1987 - 187 с.

97. Лычкина, H.H. Современные тенденции в имитационном моделировании. // Вестник ун-та. Серия Информационные системы управления. — 2000 — №2 .

98. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных // Системы управления базами данных. 1997. - № 3.

99. Малышев, P.M. Процессы пульсационной экстракции из растительного сырья / P.M. Малышев, A.M. Кутепов, А.Н. Золотников и др. // Теорет. основы хим. технологии. 2001. — Т. 35, № 1. — С. 57.

100. Мандель, Н.Д. Кластерный анализ. — М.: Финансы и статистика, 1988.

101. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, JI.C. Бернштейн, С .Я. Коровин М.: Наука, 1990. - 272 с.

102. Месаровин, М. Теория иерархических многоуровневых систем. / М. Ме-саровин, Д. Мако, И. Танахара; Пер. с англ., под ред. И.Ф. Шахнова М.: Мир, 1973-344 с.

103. Модели и методы векторной оптимизации / С.В.Емельянов, В.И. Борисов, A.A. Малевич, A.M. Черкашин // Техническая кибернетика. Итоги науки и техники. М.: ВИНИТИ, 1973. - Т.5. - С. 386 - 448.

104. Моргоев, В.К. Метод извлечения и структуризация экспертных знаний: моделирование консультаций // Сб. тр. ВНИИСИ «Человеко-машинные процедуры принятия решений» / Под ред. C.B. Емельянова, О.И. Ларичева. — М.: ВНИИСИ, 1986.

105. Нечеткие множества в моделях управления и искусственный интеллект / Под ред. Д.А. Поспелова. М.: Наука, 1986.

106. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ./ Под ред. Р. Р. Ягера — М.: Радио и связь, 1986. — 408 с.

107. Нечипоренко И.А. Экстрагирование биологически активных веществ из тонко измельченного растительного сырья: дис. . канд. техн. наук: 05.18.12 -Харьков, 1984-182 с.

108. Нильсон, Н.Дж. Искусственный интеллект. Методы поиска решений. -М.: Мир, 1973.

109. Обработка нечеткой информации в системах принятия решений / А.Н. Борисов, A.B. Алексеев, Г.В. Меркурьева и др. — М.: Радио и связь, 1989. 305 с.

110. Орлов, Е.И. Исследование процесса экстрагирования из растительного материала. Автореф. дис. канд. техн. наук Харьков, 1966. - 19 с.

111. Орловский, С.А. Проблемы принятия решений при нечеткой исходной информации. — М.: Наука, 1981. — 208 с.

112. Островский, Г.М. и др. Алгоритмы оптимизации химико-технологических процессов М., 1978 - 294 с.

113. Осуга, С. Обработка знаний: Пер. с яп. М.: Мир, 1989. - 293с.

114. Панфилова В. А. Технологические линии пищевых производств (теория технологического потока). — М.: Колос, 1993. — 288 с.

115. Пасконов, В.М. Численное моделирование процессов тепло- и массооб-мена, 1984. 288 с.

116. Плановский, А.Н. К теории непрерывных процессов // Химическая промышленность №3, 1946. С. 23-27.

117. Плановский А.Н., Николаев П.И. Процессы и аппараты химической и нефтехимической технологии / А.Н. Плановский, П.И. Николаев М., Химия, 1987.-540 с.

118. Подиновский, В.В. Парето-оптимальные решения многокритериальных задач / В.В. Подиновский, В.Д. Ногин М.: Наука, 1982. - 254 с.

119. Полищук, Л.И. Многокритериальные задачи экономико-математического моделирования и методы их решения / Л.И. Полищук, Б.Г. Миркин В кн.: Модели анализа данных и принятия решений. — Новосибирск: изд. ИЭ и ОПП СО АН СССР, 1980.-С.4-58.

120. Пономарев, В.Д. Установление оптимальных условий процесса экстрагирования корней солодки методом планирования эксперимента / В.Д. Пономарев, И.А. Муравьев // Труды 1-го Всесоюз. съезда фармацевтов Пятигорск, 1970.-С. 680-985.

121. Представление знаний: Пер с яп. / Под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990. - 304 е., ил. ISBN 5-03-001263-Х

122. Представление и использование знаний: Пер. с яп. /Под ред. X. Уэно, М. Исидзука- М.: Мир, 1989. 220 с. ISBN 5-03-000685-0

123. Проталинский, О.М. Применение методов искусственного интеллекта при автоматизации технологических процессов: Моногр./Астрахан. гос. техн. ун-т. Астрахань: Изд-во АГТУ, 2004. - 184с.

124. Райфа, Г. Анализ решений (введение в проблему выбора в условиях неопределенности): Пер. с англ. — М.: Наука, 1977. — 408 с.

125. Ривкин, C.JI. Теплофизические свойства воды — М.: Энергия, 1980 424 с.

126. Розен, A.M. и др. Масштабный переход в химической технологии. Разработка промышленных аппаратов и методом гидродинамического моделирования. -М.: Химия, 1980. 320 с.

127. Руа, Б. Классификация и выбор при наличие нескольких критериев (метод ЭЛЕКТРА): Пер. с франц. В кн.: Вопросы анализа и процедуры принятия решений. - М.: Мир, 1976. - С. 80 - 107.

128. Рудобашта, С.П. Кинетика массопередачи в системах с твердой фазой. — М.: МИХМ, 1976.-95 с.

129. Рудобашта, С.П. Массоперенос в системах с твердой фазой. -М.: Химия, 1980.-248 с.

130. Рудобашта С.П. Математическое моделирование процесса конвективной сушки дисперсных материалов// Известия академии наук. — Энергетика, 2004. — №4.-С. 198-199

131. Руководство по системе «Планирование, программирование, разработка бюджета» // Новое в теории и практике управления производством в США / Под ред. Б. 3. Мильнера. — М.: Прогресс, 1971. — С. 181-202.

132. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский М.: Горячая Линия-Телеком, 2007.-452 с. ISBN 5-93517-103-1

133. Саати, Т. Принятие решений. Метод анализа иерархий / Пер. с англ. М.: Радио и связь, 1993. - 315 с.

134. Сагайдак, Г.А. Совершенствование технологии получения и применения экстрактов из растительного сырья: дис. . канд. техн. наук: 05.18.10 Краснодар, 2004-210 с.

135. Силин, П.М. Вопрос технологии сахарных веществ. М.: Пищепромиздат, 1950 — 298 с.

136. Сухарев, О.С. Теория эффективности экономики М.: Финансы и статистика, 2009 - 368 с. ISBN: 978-5-279-03405-5

137. Таварткиладзе, Я.Н. Математический анализ диффузионного процесса // Пищевая промышленность, 1963. - № 12. — С. 30-35

138. Таунсенд, К. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. / К. Таунсенд, Д. Фохт М.: Финансы и статистика, 1990.

139. Тепляков, Ю. А. Исследование внутреннего массопереноса при экстрагировании веществ из твердых тел и расчет кинетики процесса. — Дис. . канд. тех. наук : 05.17.08. -М., 1981. 16 с.

140. Терехина, А.Ю. Представление структуры знаний методами многомерного шкалирования. -М.: ВИНИТИ, 1988.

141. Федулов, A.A. Введение в теорию статистически ненадежных решений / A.A. Федулов, Ю.Г. Федулов, В.Н. Цыгичко М.: Статистика, 1979. - 276 с.

142. Фихтенгольц, Г.М. Основы математического анализа: в 2-х томах. М.: Из-во Лань, 2005. - 464 с. ISBN: 5811401906.

143. Фишберн, П. Теория полезности для принятия решений: Пер. с англ. М.: Наука, 1977.-352 с.

144. Фон Нейман, Дж. Теория игр и экономическое поведение / Дж. Фон Нейман, О. Моргеншерн М.: Наука, 1970.

145. Чернов, Г. Элементарная теория статистических решений / Г. Чернов, JI. Мозес: Пер. с англ. -М.: Сов. радио, 1962. 406 с.

146. Шапот, М. Интеллектуальный анализ данных и управление процессами / М. Шапот, В. Рощупкина // Открытые системы. 1998 - №1.

147. Щавелев, JI. В Способы аналитической обработки данных для поддержки принятия решений. СУБД. 1998.

148. Эмби, У.Р. Введение в кибернетику — М.: Изд-во иностр. Литер, 1959, -432 с.