Syntéza inteligentních systémů. Moderní problémy vědy a vzdělávání

480 rublů. | 150 UAH | $7,5", MOUSEOFF, FGCOLOR, "#FFFFCC",BGCOLOR, "#393939");" onMouseOut="return nd();"> Práce - 480 rublů, doprava 10 minut 24 hodin denně, sedm dní v týdnu a svátky

Sitnikov Michail Sergejevič. Analýza a syntéza inteligentních automatických řídicích systémů s fuzzy regulátory: disertační práce... kandidát technických věd: 13.05.01 / Sitnikov Michail Sergejevič; [Místo ochrany: Mosk. Stát in-t radiotechniky, elektroniky a automatizace].- Moskva, 2008.- 227 s.: ill. RSL OD, 61 08-5/1454

Úvod

KAPITOLA 1. Aplikace a metody výzkumu pro inteligentní systémy automatického řízení s fuzzy regulátory 14

1.1. Přehled aplikací ISAS s HP 14

1.2. Problémy výzkumu ISAU s HP 24

1.3. Zkoumání vlivu hlavních parametrů HP na povahu nelineárních transformací 28

1.3.1 Vliv tvaru a relativního umístění funkcí příslušnosti jednotlivých členů na povahu nelineárních transformací v Mamdaniho fuzzy modelu 35

1.3.2 Vliv pořadí vzájemných vztahů vstupních a výstupních členů na povahu nelineárních transformací v Mamdaniho fuzzy modelu 41

1.4. Kapitola 43 Závěry

KAPITOLA 2. Analýza a syntéza inteligentních automatických řídicích systémů založených na metodě harmonické rovnováhy 45

2.1. Studium ISAU metodou harmonické rovnováhy 46

2.2. Nepřímé hodnocení kvality 73

2.3. Vliv parametrů fuzzy regulátoru na EKKU 81

2.4. Metody výzkumu a syntézy ISAU s HP založené na metodě

harmonická rovnováha 90

2.5. Kapitola 98 Závěry

KAPITOLA 3. Výzkum inteligentních systémů automatického řízení založených na kritériích absolutní stability 99

3.1. ISAU studie absolutní stability s HP 99

3.2. Studie absolutní stability ACS s několika nelinearitami, 100

3.3. Vyšetření absolutní stability rovnovážné polohy ISAU fuzzy regulátorem prvního typu 105

3.4. Studium absolutní stability procesů v ISAS s fuzzy regulátorem prvního typu; 119

3.5. Studium vlivu parametrů fuzzy regulátoru na absolutní stabilitu ISAS ". 124

3.6. Nepřímá hodnocení kvality regulace ISAS na základě kritéria absolutní stability procesu 137

3.7. Kapitola 139 Závěry

KAPITOLA 4 Automatizovaná syntéza fuzzy regulátorů založená na genetických algoritmech 141

4.1. Přehled metod automatizované syntézy 141

4.2. Využití genetických algoritmů k řešení problémů automatizace syntézy a ladění fuzzy regulátorů 144

4.3. Algoritmy pro syntézu ISAU s HP 151

4.4. Automatická syntéza a technika ladění HP 155

4.5. Kapitola 167 Závěry

KAPITOLA 5. Softwarová a hardwarová implementace metod analýzy a syntézy pro inteligentní systémy automatického řízení s fuzzy regulátory 169

5.1. Softwarový komplex pro analýzu a syntézu ISAU s HP 170

5.2. Hardwarová implementace řídicího systému elektrického pohonu 177

5.3. Syntéza HP ISAU pro stejnosměrný motor 180

5.4. Experimentální studie 190

5.5. Kapitola 199 Závěry

Reference 203

Přihláška 211

Úvod do práce

Použití inteligentních technologií poskytuje řešení široké škály problémů adaptivního řízení v podmínkách nejistoty. Software a hardware těchto systémů jsou přitom jednoduché a spolehlivé a zaručují vysokou kvalitu kontroly. Otevřenost takových technologií umožňuje integraci mechanismů predikce událostí, zobecnění nashromážděných zkušeností, samoučících a autodiagnostických algoritmů, čímž se výrazně rozšiřuje rozsah funkčnosti inteligentních systémů. Přítomnost jasného rozhraní člověk-stroj dává intelektuálním systémům zásadně nové kvality, které mohou výrazně zjednodušit fáze školení a zadávání úkolů.

Jednou z běžných intelektuálních technologií, která byla široce používána a osvědčila se jako pohodlný a výkonný matematický nástroj, je aparát fuzzy logiky (FL). Teorie fuzzy množin a na ní založená logika umožňuje popisovat nepřesné kategorie, reprezentace a znalosti, operovat s nimi a vyvozovat patřičné závěry a závěry. Přítomnost takových příležitostí pro vytváření modelů různých objektů, procesů a jevů na kvalitativní, koncepční úrovni určovala zájem o organizaci inteligentního řízení založeného na použití tohoto aparátu.

Výsledky teoretických a experimentálních studií ukazují, že použití NL technologie umožňuje vytvořit vysoce účinné vysokorychlostní regulátory pro širokou třídu technických systémů používaných v průmyslových, vojenských a domácích spotřebičích, které mají vysoký stupeň adaptability, spolehlivosti. a kvalita provozu za podmínek náhodných poruch, nejistota vnějšího zatížení.

Dnes je tento aparát považován za jeden z perspektivních nástrojů pro popis konkrétních a nestandardních případů, které se vyskytnou při fungování systému. Zvláštnost „fuzzy“ reprezentace znalostí, stejně jako neomezený počet vstupních a výstupních proměnných a množství vložených pravidel pro chování systému umožňují pomocí této technologie vytvořit téměř jakýkoli zákon řízení, tzn. vybudovat nový typ nelineárního regulátoru, který odlišuje NL technologii od ostatních.

Regulátor implementovaný na této technologii se bude nazývat fuzzy (HP). V obecném případě je HP frekvenčně závislý a nelineární převodník, což přirozeně způsobuje řadu problémů spojených se studiem stability a kvality řízení inteligentních automatických řídicích systémů (ICAS) s takovými regulátory.

Nejnaléhavější problémy, které je třeba řešit a zajistit širší využití HP v inženýrské praxi, jsou:

Studium vlastností nelineární transformace v HP;

Vývoj inženýrských metod pro studium stability a kvality řízení ISAS s HP;

Vývoj technik pro ladění a syntézu HP;

Vytvoření sady nástrojů pro automatizaci procesu konfigurace HP.

Předmětem výzkumu jsou nelineární transformace implementované v HP, dynamické procesy v ISAS s HP, stabilita a kvalita řízení inteligentních systémů automatického řízení.

Předmětem výzkumu jsou inteligentní automatické řídicí systémy s fuzzy regulátory.

Cíl práce

Vývoj algoritmických, softwarových a hardwarových nástrojů pro studium a syntézu vysoce kvalitních ISAS s HP. K dosažení tohoto cíle je nutné vyřešit následující úkoly:

1. Prozkoumejte rysy vlivu parametrů HP: počet, typ funkcí příslušnosti (FP) a základ produkčních pravidel (BP) na povahu jím prováděné nelineární transformace.

2. Na základě metod známých v TAU vyvinout matematické modely a vhodné inženýrské techniky pro studium periodických procesů, absolutní stability a kvality ISAS s HP.

3. Vyvinout metody syntézy parametrů HP podle daných ukazatelů kvality ISAS.

4. Vyvinout algoritmus pro automatizovanou syntézu a ladění parametrů HP pro zajištění stability a požadovaných ukazatelů kvality ISAS.

5. Vyvinout softwarový a hardwarový komplex pro navrhování ISAS s HP.

Výzkumné metody v této práci vycházejí z teorie automatického řízení, teorie nelineárních systémů, metod matematického a simulačního modelování, graficko-analytických metod řešení problémů, teorie fuzzy logiky, teorie optimalizace a teorie genetické algoritmy.

Platnost a spolehlivost vědeckých ustanovení, závěrů a doporučení potvrzují teoretické výpočty, ale i výsledky numerické simulace a výsledky experimentálních studií. Výsledky modelování v prostředí Matlab, experimentální studie řídicího systému v prostředí Simulink a na komplexu návrhu hardwaru a softwaru ISAS plně potvrzují teoretická ustanovení a doporučení disertační práce a umožňují je využít při návrhu reálných JE JAKO. Základní ustanovení pro obranu

1. Výsledky studia vlastností vlivu parametrů HP (počet, typ FP a BP) na povahu jeho nelineárních transformací.

2. Matematický model pro studium periodických kmitů a kvality řízení v ISAS s HP založený na metodě harmonické rovnováhy.

3. Kritéria pro absolutní stabilitu procesů a rovnovážnou polohu ISAU s HP.

4. Inženýrské metody pro studium periodických oscilací, nepřímé hodnocení kvality řízení a absolutní stability ISAS s HP.

5. Technika syntézy HP ISAS s danou kvalitou kontroly.

6. Algoritmus pro automatizovanou syntézu a ladění HP parametrů pomocí genetických algoritmů.

7. Softwarový a hardwarový komplex pro návrh ISAS s HP. Vědecká novinka

1. Jsou doloženy závislosti charakteristik nelineární transformace HP na parametrech fuzzy výpočtů (typ a umístění funkcí příslušnosti, základ produkčních pravidel).

2. Byly vyvinuty matematické modely, které umožňují použití metody harmonické rovnováhy ke zkoumání periodických fluktuací a kvality řízení ISAS.

3. Kritéria absolutní stability procesů a rovnovážné pozice v ISAS s HP byla vytvořena.

4. Na základě genetických algoritmů byl řešen problém automatizované syntézy a ladění parametrů HP s ohledem na požadovanou kvalitu řízení ISAS.

Praktická hodnota

1. Pro studium periodických oscilací a nepřímé hodnocení kvality řízení ISAS s HP byly vyvinuty vhodné inženýrské metody na základě metody harmonické rovnováhy.

2. Pro studium absolutní stability procesů a rovnovážné polohy v ISAS s HP byly vyvinuty vhodné inženýrské metody.

3. Byla vyvinuta technika pro automatizovanou syntézu a ladění parametrů HP s ohledem na oblasti stability a kvality ISAS.

4. Byl vytvořen softwarový a hardwarový komplex pro výzkum a návrh ISAS s HP.

5. Výsledky dizertační práce byly využity ve výzkumné práci „Latilus-2“ prováděné na pokyn SPP na Prezidiu Ruské akademie věd „Výzkumný výzkum a vývoj inteligentních metod pro přesné řízení akčních členů slibných zbraní a vojenského vybavení." Zejména - Ukazuje se, že použití HP, které implementují zákon nelineárního řízení, může výrazně zlepšit kvalitu řízení výkonných pohonů nových typů zbraní a vojenské techniky (rychlost se zvýší 2-3krát, překmit se sníží o 20 %). Chyba řízení způsobená dopadem zátěže může být několikrát snížena.

Jsou navrženy vhodné graficko-analytické metody pro analýzu a syntézu ISAS s HP pro akční pohony a slibné vzorky zbraní a vojenské techniky.

6. Výsledky disertační práce byly využity při realizaci prací na grantech RFBR:

2005-2006, číslo projektu 05-08-33554-a "Vývoj matematických modelů a metod harmonické rovnováhy pro studium periodických procesů a kvality řízení ve fuzzy systémech."

2008-2010, číslo projektu 08-08-00343-a "Automatizovaná syntéza fuzzy regulátorů založených na genetických algoritmech".

Schválení práce. Hlavní ustanovení práce byla diskutována a referována na konferenci o robotice na památku akademika E.P. Popova (Moskevská státní technická univerzita pojmenovaná po N.E. Baumanovi, 2008), na XIV a XV mezinárodních vědeckých a technických seminářích „Moderní technologie v problémech řízení, automatizace a zpracování informací“ (Alushta 2006-2007), na XV International student škola - seminář "Nové informační technologie" (Sudak 2006), na I všeruské vědecké konferenci studentů a postgraduálních studentů "Mechatronická robotika a inteligentní systémy" (Taganrog 2005), na Všeruské soutěži vědecké a technické tvořivosti hl. studenti vysokých škol " EUREKA-2005" (Novocherkassk, 2005), na vědecké a praktické konferenci "Moderní informační technologie" v managementu a vzdělávání. (Východ slunce) Moskva 2006

Publikace

Hlavní výsledky disertační práce byly publikovány v 8 publikacích, z toho jeden článek v časopise ze seznamu VAK a jedna monografie.

V první kapitole je na základě přehledu oblastí aplikace systémů s HP ukázáno jejich široké využití v různých oblastech vědy a techniky. Ukazuje se řada výhod, mezi které patří vysoká kvalita kontroly, efektivita a funkčnost.

Zároveň se ukazuje, že dnes neexistují žádné metody a techniky vhodné pro inženýrskou praxi, které by umožnily provést celý cyklus analýzy a syntézy ISCS s HP.

V kapitole jsou studovány vlastnosti vlivu HP parametrů (počet, typ FP a BP) na charakter jeho nelineární transformace mezi vstupními a výstupními signály. Provedené studie jsou na jedné straně nezbytným základem pro adekvátní aplikaci metod studia nelineárních systémů na studium ISAE s HP a zejména metody harmonické rovnováhy a kritérií absolutní stability a na straně druhé řešení problému syntézy ISAE s danými vlastnostmi je možné pouze při pochopení závislosti nelineární transformace na nastavení HP.

Na základě provedeného výzkumu jsou zdůvodněny úkoly disertační práce.

Ve druhé kapitole byly vyvinuty matematické modely, které umožňují pomocí metody harmonické rovnováhy zkoumat periodické oscilace v ISAS s HP. Rovněž je doložena možnost nepřímého posouzení kvality ISAS s HP na základě metody harmonické rovnováhy z hlediska oscilace a byla vyvinuta vhodná technika.

Je řešen problém syntézy ISCS s HP s danými ukazateli kvality na základě metody harmonické rovnováhy.

Kapitola zkoumá a ukazuje vliv formy členských funkcí a relativního umístění pojmů a také vliv produkčních pravidel na povahu EKG HP.

Výsledky experimentálních studií na počítačových modelech potvrdily přiměřenost vyvinutých metod pro analýzu a syntézu ISAS s HP na základě metody harmonické rovnováhy.

Ve třetí kapitole jsou vyvinuty matematické modely, které umožňují transformovat strukturu ISAS s HP prvního typu na strukturu nelineárního vícesmyčkového ACS. S přihlédnutím k povaze nelineárních transformací HP byla na základě kritérií absolutní stability procesů a rovnovážné polohy pro systémy s několika nelinearitami vyvinuta odpovídající kritéria pro ISAS s HP prvního typu.

Na základě navržených kritérií byla vyvinuta graficko-analytická metoda pro studium stability rovnovážné polohy a procesů v ISAS s HP.

Pro řešení problémů syntézy ISAS byla provedena studie závislosti oblastí absolutní stability ISAS na parametrech HP (typ a počet FP a BP).

Na základě kritéria absolutní stability procesů byla vyvinuta metoda pro nepřímé hodnocení kvality ISAS s HP.

Na počítačových modelech byly provedeny studie, jejichž výsledky potvrdily přiměřenost vyvinutých metod pro studium absolutní stability rovnovážné polohy a procesů v ISAS s HP.

Čtvrtá kapitola je věnována vývoji algoritmů a metod pro automatizovanou syntézu HP parametrů v ISAS. Analýza provedená v dizertační práci ukázala, že genetické algoritmy (GA) jsou zdaleka nejslibnější technologií pro řešení tohoto problému. Při vývoji algoritmu automatické syntézy byly řešeny následující úkoly: syntéza simulačního modelu ISAS; výběr počátečních parametrů HP a parametrů vyhledávání GA; hodnocení kvality řízení ISAU; kódování chromozomů. Příklad ukazuje výkon algoritmu automatické syntézy.

Pátá kapitola kontroluje teoretické výsledky získané v kapitolách 2-4. Vyvíjí se softwarový a hardwarový komplex, který umožňuje provádět celý cyklus navrhování fuzzy regulátorů, počínaje vývojem matematických modelů a konče přímým testováním na reálném zařízení. V kapitole je vyvinut a představen softwarový balík pro analýzu a syntézu modelů ISAS s HP. Je implementována struktura interakce mezi softwarovou a hardwarovou (bench) částí komplexu, která umožňuje provádět experimenty v plném rozsahu s řízením stejnosměrného motoru při různých typech zatížení a poruch.

V kapitole jsou uvedeny výsledky experimentálních studií včetně automatizované syntézy parametrů HP s ověřením na reálném stojanu a také srovnávací posouzení výsledků ladění kvality řízení automaticky laděného ISAS s HP a ACS s příp. PID regulátor laděný metodou inverzních úloh dynamiky (OZD).

V závěru jsou uvedeny hlavní vědecké a praktické výsledky disertační práce.

Zkoumání vlivu hlavních parametrů HP na povahu nelineárních transformací

I přes dostatečnou prevalenci a oblibu je používání NL aparátu spojeno se značnými obtížemi. Především je to kvůli nedostatku kompletních inženýrských nástrojů pro analýzu kvality fungování fuzzy systémů a také pro studium jejich stability.

Na pozadí nedostatku efektivních metod pro analýzu fuzzy systémů se problém syntézy HP stává ještě aktuálnějším, protože závislost vlivu jeho parametrů na kvalitu práce ISAS je studována poměrně špatně. Tyto faktory do značné míry brání širšímu zavedení HP do praxe vytváření nových ACS.

První Ljapunovova metoda umožňuje analyzovat kvalitu řízení pomocí linearizovaných rovnic ACS a lze ji aplikovat na systémy libovolné struktury. Tato metoda umožňuje získat potřebné podmínky pro stabilitu systému v malém, ale pro velké odchylky systému stabilitu nezaručuje. Vyžaduje linearizaci nelineárních prvků obsažených v ACS, proto je vhodný pouze pro analýzu ACS s primitivními fuzzy výpočty.

Druhá Ljapunovova metoda umožňuje získat dostatečné podmínky stability. Předpokládá se, že ISAE s fuzzy regulátorem je popsána soustavou nelineárních diferenciálních rovnic prvního řádu a na tomto základě je s přihlédnutím ke specifikům nelineární transformace konstruována speciální Ljapunovova funkce, jejíž vlastnosti umožňují analyzovat stabilitu studovaného systému a určit některé ukazatele kvality. Mezi problémy aplikace této metody patří obtížnost výběru funkce odpovídající systému, která zahrnuje i reprezentaci fuzzy výpočtů. Některé z prvních prací ve vztahu ke konkrétním systémům s HP jsou.

Jako poznámku je třeba poznamenat, že mezi NV algoritmy (Mamdani, Tsukamoto, Takagi-Sugeno (T-S), Larsen) jsou Mamdani a Takagi-Sygeno považovány za nejběžnější v aplikaci. Pro studium ISAU s HP sestaveným podle algoritmu T-S byla vyvinuta stejnojmenná analytická metoda pro studium stability Takagi-Sygeno, založená na druhé Ljapunovově metodě. Tato metoda neplatí pro systémy s NV sestavenou podle Mamdaniho algoritmu.

Přibližná metoda harmonické rovnováhy založená na hypotéze filtru umožňuje studovat vlastní oscilace ve fuzzy systému. Tato metoda je graficko-analytická a umožňuje studovat ISAU bez reprezentace HP v analytické formě, pouze s využitím charakteristiky její nelineární transformace. Poprvé byl aplikován na analýzu ISAU s HP a autoři jej rozšířili. Zpravidla se používal k analýze určitých ISAS, včetně fuzzy P-regulátoru, a ve vztahu k ISAS s frekvenčně závislým fuzzy regulátorem (PI-PID) měly studie velmi hrubý odhad dynamických vlastností regulátoru. Systém. Je třeba také poznamenat, že přístup navrhovaný v článcích postrádá metodologický charakter, což umožňuje vyvinout inženýrské nástroje pro analýzu takového ISAS na jeho základě.

Při studiu stability fuzzy systémů byla také použita metoda založená na kritériích absolutní stability (kruhové kritérium a kritérium V.M. Popova). Pro použití této metody je nutné provést další studie závislosti nelineární charakteristiky, aby byla splněna řada požadavků. Zpravidla se používal k analýze konkrétního ISAS s fuzzy P-regulátory.

Dále se pracovalo na studiu fuzzy systémů pomocí různých přibližných metod.

Jak je vidět, studiu stability ISAS s HP je věnováno relativně malé množství prací a zpravidla všechny jsou soukromého, nesystémového charakteru. To v podstatě vypovídá o počáteční fázi vývoje v tomto směru a naznačuje hlubší studium možností každé z uvedených metod. Jeden z prvních pokusů o systematický přístup ke studiu fuzzy systémů patří autorům práce publikované v roce 1999. V této práci jsou fuzzy systémy redukovány na nelineární a na tomto základě jsou na ně aplikovány metody určené k studovat stabilitu nelineárních systémů. Jak sami autoři poznamenávají, práce má několik významných nedostatků, z nichž prvním je poněkud povrchní přístup k analýze fuzzy systémů, protože neexistují jasné, systematické metody analýzy využívající prezentované metody. Rovněž není věnována náležitá pozornost analýze vlivu HB parametrů na nelineární HP transformace. Článek nepředkládá žádné nástroje pro syntézu a ladění fuzzy ISAS, což je velmi důležité pro jejich praktickou aplikaci. Nedávné publikované práce věnované analýze ISAS s HP jsou založeny především na výše uvedených metodách.

Studium ISAU metodou harmonické rovnováhy

Jak bylo ukázáno v předchozí kapitole, inteligentní regulátor provádí určitou nelineární transformaci, v důsledku čehož je možné v takových systémech zlepšit kvalitu řízení. Zároveň však přítomnost nelineárních prvků v obvodu ACS, jak je známo, může vést k různým problémům spojeným s dynamikou systému. Zejména se mění oblasti stability na rovině parametrů systému (ve srovnání s lineárními systémy) a je nutné zkoumat jak rovnovážné polohy, tak procesy. Velký význam má studium periodických režimů typických pro nelineární systémy.

Pro studium periodických oscilací v ISAS se jako slibná jeví metoda harmonické rovnováhy, která našla široké uplatnění v inženýrské praxi analýzy a syntézy nelineárních ACS.

Tato metoda umožňuje nejen studovat periodické kmity v systémech automatického řízení, ale také nepřímo hodnotit kvalitu řízení nelineárních systémů. Poslední hledisko je nesmírně důležité z hlediska perspektiv řešení nejednoznačného problému vyladění fuzzy regulátoru na požadovanou kvalitu řízení.

Protože inteligentní ACS, jak bylo opakovaně uvedeno, jsou navrženy tak, aby poskytovaly alternativní řídicí algoritmy pro složité dynamické objekty pracující pod vlivem faktorů vnitřní a vnější nejistoty, je třeba zdůraznit, že tyto objekty mají zpravidla poměrně velký rozměr a , tedy do značné míry splňují požadavky hypotézy filtru. A proto přesnost výsledků, které poskytne metoda harmonické rovnováhy, může být pro praktické použití docela přijatelná.

Při studiu inteligentních systémů metodou harmonické rovnováhy vzniká metodický problém, protože byla vyvinuta pro ACS s jedním nelineárním prvkem s jedním vstupem a jedním výstupem a v ISAS s HP je takových nelineárních několik prvků, proto je nutné sestavit HP model, umožňující aplikovat metodu harmonické rovnováhy.

V obecném případě lze blokové schéma inteligentního automatického řídicího systému s fuzzy regulátorem (HP) reprezentovat jako sériové zapojení fuzzy počítače (HC) s připojenými h - vstupy s lineárními dynamickými vazbami a jedním výstupem , a řídicí objekt (OC) s přenosovou funkcí Woy(s) (obr. 2.1), kde g(t) je povelový signál, (u mechanických systémů je to poloha, rychlost, zrychlení atd.), u( t) je řídicí signál, y(t) - výstupní signál výkonného motoru, e(t) - signál chyby řízení, s - Laplaceův operátor.

Fuzzy regulátor lze postavit na základě dvou typů struktur: prvním typem je fuzzy regulátor s paralelními jednorozměrnými fuzzy kalkulátory HBI (na obr. 2.2 např. blokové schéma fuzzy PID regulátoru prvního typ je znázorněn) a druhý typ je s fuzzy kalkulátorem s vícerozměrným vstupem (obr. 2.3 ukazuje blokové schéma fuzzy PID regulátoru druhého typu).

Vezmeme-li v úvahu nelineární povahu transformací v HP, znázorněnou v první kapitole, pro studium periodických oscilací v ISAS použijeme metodu harmonické rovnováhy.

Pro aplikaci metody harmonické rovnováhy budeme uvažovat fuzzy regulátor jako nelineární frekvenčně závislý prvek s jedním vstupem a jedním výstupem. Studium vlastních oscilací v ISAS, znázorněné na obr. 2.1, bude provedeno při g(t) = 0. Předpokládejme, že na vstupu HP působí sinusový signál e(t) = A sin a t. Spektrální zobrazení výstupního signálu HP je charakterizováno členy Fourierovy řady s amplitudami U1, U1, U3... a frekvencemi CO, 2b), bco atd. S přihlédnutím k naplnění hypotézy filtru pro řídicí objekt ISAS budeme předpokládat, že při spektrálním rozkladu signálu y(f) na výstupu řídicího objektu jsou amplitudy vyšších harmonických výrazně menší než amplituda první harmonické. To umožňuje při popisu signálu y(t) zanedbat všechny vyšší harmonické (kvůli jejich malosti) a předpokládat, že y(t) s Ysm(cot + f).

Zkoumání absolutní stability ISAU s HP

V předchozí kapitole byla uvažována metoda harmonické rovnováhy pro řešení problémů analýzy a syntézy inteligence v malých automatických řídicích systémech se sekvenčními regulátory. Přes známá omezení této metody poskytují výsledky studia vlastních oscilací v rovině parametrů řídicího systému v mnoha případech vyčerpávající výsledek ve fázi analýzy a poměrně konstruktivní přístupy k syntéze parametrů regulátoru pro daný oscilační index. .

Zároveň je známo, že pro mnoho nelineárních řídicích systémů je studium pouze periodických pohybů neúplné a dostatečně neodráží dynamické procesy v systému. Proto je nepochybně v zájmu vyvíjet metody, které nám umožní studovat absolutní stabilitu jak rovnovážné polohy, tak procesů v inteligentních řídicích systémech.

Vezmeme-li v úvahu zvláštnosti nelineárních transformací prováděných v inteligentních regulátorech diskutovaných v kapitole I, lze předpokládat, že dnes se vývoj metod pro studium absolutní stability jeví jako nejreálnější pro ISAS s fuzzy regulátory prvního typu, protože takové systémy lze redukovat na vícesmyčkové nelineární systémy, jejichž metody studie jsou popsány v literatuře.

Protože ISAS s HP prvního typu je obecně nelineární vícesmyčkový systém, je vhodné nejprve zvážit dobře známá kritéria pro absolutní stabilitu rovnovážné polohy a procesy pro takové nelineární systémy.

Zobecněné blokové schéma vícesmyčkového nelineárního ACS je znázorněno na Obr. 3.1, kde % a a jsou skalární vektory.

Označme u(V třídu nelineárních bloků (3.3) s následujícími vlastnostmi: pro h \ jsou vstupy o-jit) a výstupy %.(t) nelineárních bloků jsou spojeny (pro ov ( /) 0) podle vztahů: %) "" a=1 m (3-9) kde cCj,fij jsou nějaká čísla. Navíc musí být splněna maticová nerovnost \j3 (t)(t)) 0. (3.10) Kruhové kritérium pro absolutní stabilitu procesů pro systémy s několika nelinearitami (obr. 3.1.) má následující formulaci:

Nechť rovnice lineární části soustavy mají tvar (3.1) a, rovnice nelineárních bloků (3.3). Nechť všechny póly prvků matice Wm(s) leží v levé polorovině (stabilní lineární části ve všech obrysech), a = diag(al,...,ah), f$ = diag(pl, ...,J3h) - diagonální matice se zadanými diagonálními položkami. Předpokládejme, že pro nějakou hxh diagonální matici d s kladnými diagonálními prvky platí frekvenční podmínka te B(N »_N Obr.3.2.b.

V tomto případě je třeba vzít v úvahu, že se změní i lineární část systému. S přihlédnutím k výše uvedeným rysům kritéria pro absolutní stabilitu rovnovážné polohy pro vícerozměrné nelineární systémy jej tedy formulujeme pro ISAS s HP.

Jak již bylo uvedeno v první kapitole, HB provádí nelineární transformaci. Je třeba poznamenat, že nelineární charakteristiky %(&), implementované fuzzy kalkulátory, mají omezení v amplitudě, proto při Yj - spodní hranici sektoru lze přirovnat k nule a = O, z toho vyplývá (р (а ) o ? -±L = juJ pj, j = \,...,h

Pokud se v procesu nastavování fuzzy regulátoru prvního typu ukázalo, že některý z fuzzy kalkulátorů implementuje nelineární transformace (Pji j) (obr. 3.3a), které nesplňují podmínky třídy G\, pak je nutné provést strukturální přeměny v souladu s poznámkou 3.4. Aby byla zachována podmínka ekvivalence původní a transformované struktury, je přirozeně nutné provést příslušné změny na lineární části.

Pokud je v jednom z obvodů ISAS neutrální lineární část (obr. 3.4), je pro uplatnění kritéria absolutní stability rovnovážné polohy (3.7) nutné pokrýt negativní zpětnou vazbou є 0 oba odpovídající lineární díl a HBj s nelineární charakteristikou Pj(crj ). Pro ->0 bude kritérium (3.7) použitelné pro všechny frekvence kromě ω = 0. S přihlédnutím k výše uvedenému lze kritérium absolutní stability rovnovážné polohy pro ISAS s HP prvního typu zapsat do následující formulář.

Nechť rovnice lineární části ISAE mají tvar (3.1), nelineární charakteristiky NV fuzzy regulátoru odpovídají (3.3), kde funkce (PjiGj) splňují podmínky třídy G . Nechť všechny póly prvků matice Wm (s) leží v levé polorovině nebo mají jeden pól na pomyslné ose (stabilní nebo neutrální lineární části ve všech obrysech). Zaveďme diagonální matici /Jj = diag(jti[ ,..., juh) s diagonálními položkami ju ,...,juh , kde Mj = pokud Mj =, a diagonálními maticemi rd = diag(Tx,... , rh), 3d =diag(3l,...,3h), kde všechny Td 0. Předpokládejme, že pro některé m 0, 3= a všechny - oo co + oo, kromě oo = 0, platí vztahy

Použití genetických algoritmů k řešení problémů automatizace syntézy a ladění fuzzy regulátorů

Implementace postupu pro automatizovanou syntézu parametrů HP na základě GA vyžaduje řešení tří hlavních úkolů: 1) stanovení funkčních vlastností provozu GA; 2) stanovení způsobu kódování parametrů HP v chromozomu; 3) implementace účelové funkce.

Standardní genetické algoritmy podle definice pracují se sadou prvků, které se v této práci nazývají chromozomy, jsou to bitové řetězce se zakódovaným popisem možných řešení aplikovaného problému. V souladu se zobecněným blokovým diagramem pro konstrukci genetického algoritmu (obr. 4.1) je v rámci jeho dalšího cyklu každý z chromozomů stávající sady podroben určitému posouzení, a to na základě a priori daného kritéria „užitečnosti“. ". Získané výsledky umožňují vybrat „nejlepší“ vzorky pro generování nové populace chromozomů. V tomto případě se reprodukce potomků provádí v důsledku náhodné změny a křížení odpovídajících bitových řetězců rodičovských jedinců. Evoluční proces je zastaven při nalezení uspokojivého řešení (ve fázi posuzování užitečnosti chromozomů), nebo po uplynutí stanovené doby.

Je třeba poznamenat, že dědičnost vlastností elitních zástupců předchozí populace v další generaci jedinců poskytuje hloubkovou studii nejslibnějších částí prostoru pro hledání řešení. Přítomnost mechanismů pro náhodnou mutaci bitových řetězců vybraných prvků zároveň zaručuje změnu směrů hledání, zabraňující pádu do lokálního extrému. Taková imitace evolučních procesů umožňuje zajistit konvergenci vyhledávacího postupu k optimálnímu řešení, jeho účinnost je však do značné míry určena parametry genetického algoritmu a sadou výchozích dat specifikovaných s přihlédnutím ke specifikům aplikovaného problém. Patří mezi ně typ a rozměr chromozomu, velikost populace, funkce hodnocení užitečnosti chromozomů a typ selekčního operátora, kritérium pro zastavení procesu vyhledávání, pravděpodobnost provedení mutace, typ křížení provoz atd. Kódování parametrů HP

Se vší zdánlivou jednoduchostí konstrukce a implementace genetických algoritmů je jejich praktická aplikace spojena i se složitostí výběru metody pro kódování vyhledávacího prostoru pro řešení konkrétního aplikovaného problému v podobě chromozomu s další tvorbou objektivního funkce, výpočtem hodnoty, jejíž posouzení a následný výběr jednotlivých jedinců v aktuální generaci pro automatické generování další.

Takže při syntéze fuzzy regulátorů v souladu s Mamdaniho schématem soubor ladicích parametrů, které umožňují získat požadovanou kvalitu řízení, zahrnuje počet a vztahy podmínek vstupních a výstupních lingvistických proměnných (LP), stejně jako formu členství. funkcí (PP) a jejich umístění v pracovním rozsahu.

V každém případě by struktura a rozměr chromozomu kódujícího parametry HP měly být určeny s ohledem na řadu specifických faktorů, včetně těch, které charakterizují zvolený způsob reprezentace funkcí členství.

Stěpanov, Andrej Michajlovič

1

Článek se zabývá problémem syntézy inteligentního víceúčelového řídicího systému. Pro daný matematický model objektu řízení, cíle řízení, kritéria kvality, omezení je nutné najít řízení, které zajistí dosažení více cílů a minimalizuje hodnotu kritéria kvality. Cíle řízení jsou dány ve formě bodů ve stavovém prostoru, kterých musí být v procesu řízení dosaženo. Charakteristickým rysem problému je, že řízení je hledáno ve formě dvou vícerozměrných heterogenních funkcí souřadnic stavového prostoru. Jedna funkce zajišťuje, že objekt dosáhne soukromého cíle, a druhá funkce, logická funkce, zajišťuje přepínání soukromých cílů. K vyřešení problému syntézy víceúčelového řízení se používá metoda síťového operátora. Při řešení hlavního problému syntézy spolu se syntetizujícími funkcemi pro každý dílčí úkol určíme funkci volby, která zajišťuje řídící přepínání z řešení jednoho dílčího úkolu na řešení dalšího dílčího úkolu.

provozovatel sítě.

inteligentní ovládání

1. Diveev A. I., Sofronova E. A. Metoda síťového operátora a její aplikace v problémech řízení. Moskva: Univerzita RUDN, 2012. 182 s.

2. Diveev A. I. Syntéza adaptivního řídicího systému metodou operátora sítě // Otázky teorie bezpečnosti a stability systémů: So. články. M.: VTS RAS, 2010. Vydání. 12. S. 41-55.

3. Diveev A. I., Sofronova E. A. Identifikace inferenčního systému metodou síťového operátora // Univerzita Věstník RUDN. Řada Engineering Research. 2010. č. 4. S. 51-58.

4. A. I. Diveev a N. A. Severtsev, „Metoda síťového operátora pro návrh systému řízení sestupu kosmické lodi za nejistých počátečních podmínek“, Problémy mashinostroeniya i nadezhnosti mashin. 2009. č. 3. S. 85-91.

5. A. I. Diveev, N. A. Severtsev a E. A. Sofronova, „Syntéza řídicího systému pro meteorologickou raketu pomocí genetického programování“, Problémy mashinostroeniya i nadezhnosti mashin. 2008. č. 5. S. 104 - 108.

6. Diveev A. I., Shmalko E. Yu Vícekriteriální strukturně-parametrická syntéza systému řízení sestupu kosmické lodi založené na metodě síťového operátora Univerzita Věstník RUDN. Řada inženýrského výzkumu (informační technologie a management). 2008. č. 4. S. 86 - 93.

7. Diveyev A. I., Sofronova E. A. Aplikace metody síťového operátora pro syntézu optimální struktury a parametrů automatického řídicího systému// Proceedings of 17th IFAC World Congress, Soul, 2008, 05.07.2008 – 12.07.2008. P. 6106 - 6113.

Zvažte problém syntézy řídicího systému s několika řídicími cíli.

Je dán systém obyčejných diferenciálních rovnic, který popisuje model řídicího objektu

kde , , je omezená uzavřená množina, .

Stav řídicího objektu se odhaduje podle pozorovaných souřadnic

Systému (1) jsou dány počáteční podmínky

Sada cílových stavů

, (4)

Je nastaveno kritérium kvality kontroly

, (5)

kde je doba kontroly, kterou lze omezit, ale nespecifikovat.

Je třeba najít ovládací prvek ve formuláři

který zajišťuje postupné dosažení všech cílových bodů (4) a minimalizuje funkční (5).

Cíl kontroly (4) je vícehodnotový. Abychom přistoupili k úloze syntetizovat inteligentní řídicí systém, je nutné v systému poskytnout volbu. Za tímto účelem oslabujeme požadavky na to, aby objekt zasáhl každý cílový bod, a nahrazujeme to požadavkem zasáhnout cílový bod v sousedství.

Pak máme kompromis mezi přesností a rychlostí dosažení cílových bodů. Pro implementace kontroly v tomto problému potřebujeme vyřešit problém volby mezi přesným dosažením aktuálního cíle a pokaždé přechodem na jiný cíl. Je zřejmé, že za takového stavu je kromě zpětnovazebního regulátoru, který zajišťuje dosažení cíle, nutné mít v řídicím systému logický blok, který cíle přepíná.

Upřesněme toto vyjádření problému.

Kontrolu (6) reprezentujeme jako funkci závislou na vzdálenosti k cíli

(8)

kde je číslo aktuálního cílového bodu.

V libovolném okamžiku je pomocí logické funkce určeno číslo aktuálního cílového bodu

, , (9)

Kde , , - predikátová funkce,

: . (10)

Funkce (10) musí být také nalezena společně se syntetizující funkcí (6). Funkce (10) by měla zajistit přepínání cílových bodů. Obě funkce (6) a (10) musí poskytovat minimum pro funkcional kvality (5) pro funkcionalitu přesnosti

, (11)

Doba kontroly je určena dosažením posledního cílového bodu

Li , (12)

kde je malá kladná hodnota.

Dílčí kritérium (5) bude nahrazeno kritériem celkové kvality

(13)

Ke konstrukci predikátové funkce použijeme diskretizační funkci a logickou funkci.

, (14)

kde je logická funkce,

: , (15)

Kde , , - diskretizační funkce.

Úkolem je najít ovládací prvky ve formuláři

kde je celočíselný vektor, který určuje ovládací prvky pro řešení konkrétního problému. Ovládání (16) musí zajistit dosažení minima funkcí (11) a (13).

V obecném případě, protože úloha obsahuje dvě kritéria (11) a (13), bude jejím řešením Paretova množina v prostoru funkcionálu . Konkrétní řešení pro sadu Pareto volí vývojář na základě výsledků modelování a výzkumu syntetizovaného řídicího systému.

Problém (1) - (3), (7) - (16) se nazývá problém syntézy inteligentního řídicího systému. K jeho vyřešení je nutné najít dvě vícerozměrné syntetizující funkce a .

K řešení problému syntézy inteligentního řídicího systému používáme metodu síťového operátora. K nalezení funkce používáme obvyklý operátor aritmetické sítě, ve kterém jako konstruktivní funkce používáme množinu aritmetických funkcí s jedním nebo dvěma argumenty. V metodě operátora sítě se tyto funkce nazývají unární nebo binární operace. K nalezení logické funkce používáme operátora logické sítě, respektive s unárními a binárními logickými operacemi.

Jako příklad uvažujme následující matematický model

kde , - souřadnice v rovině.

Řízení je omezené

Trajektorie pohybu je dána množinou bodů.

Je nutné najít ovládací prvek pro minimalizaci dvou objektivních funkcí objektu. První funkční určuje přesnost pohybu po trajektorii a druhý - čas průchodu trajektorie.

S. Oreshkin, A. Spesivtsev, I. Daimand, V. Kozlovský, V. Lazarev, Automatizace v průmyslu. 2013. č. 7

Uvažuje se o novém řešení problému budování inteligentního systému řízení procesů (IASUTP), kombinující využití unikátních metodologií: budování sémantické sítě založené na základní ontologii a polynomiální transformaci nefaktorů, jejichž podstatou je transformace kvalitativní znalost experta do matematického modelu ve formě nelineární polynomiální funkce.

Společnost Summa Technologies navrhuje nové řešení problému budování inteligentního systému řízení procesů (IASUTP), kombinující využití unikátních metodologií: budování sémantické sítě založené na základní ontologii, která umožňuje popsat komplexní vícefaktorový model v forma sémantické sítě na konkrétním omezeném slovníku a polynomiální transformace nefaktorů, jejichž podstatou je transformace kvalitativních znalostí odborníka do matematického modelu v podobě nelineární polynomiální funkce. První z metodik má vlastnost univerzálnosti bez ohledu na obor a druhá zprostředkovává specifika této oblasti prostřednictvím zkušeností a znalostí odborníků. Výsledky průmyslového testování vyvinutého IACS ve vztahu k procesu tavení surovin sirníku mědi a niklu v Měděném závodě polární pobočky OJSC MMC Norilsk Nickel (Norilsk), který má vlastnosti „komplexního systému“ a jsou uvedeny za podmínek "významné nejistoty".

Úvod

Při analýze úloh automatizovaného řízení většiny technologických procesů v různých průmyslových odvětvích (chemická, železná a neželezná metalurgie, těžba a těžba ropy a plynu, tepelná energetika, zemědělství atd.) lze vyčlenit problém, který je spojuje, která spočívá v potřebě sestavit matematický model technologických procesů, který umožní zohlednit všechny požadované vstupní informace s přihlédnutím k jejich případné nepřesnosti, neurčitosti, neúplnosti a zároveň získat data (kontrolní akce, předpověď) adekvátní na aktuální situaci v technologickém procesu na výstupu.

Je známo, že tradiční přístup k modelování (tedy modelování založené na tradičních metodách za předpokladu úplnosti a přesnosti znalostí o procesu) je prakticky nepoužitelný při uvažování komplexních multifaktoriálních procesů, které se obecně obtížně formalizují. Složitost reálných procesů předurčuje hledání netradičních metod pro konstrukci jejich matematických modelů a optimalizaci jejich řízení. Přitom je velmi důležité nejen hledisko optimálního řízení, ale také hledisko analýzy aktuálního stavu procesu, neboť právě závěr o aktuálním stavu procesu umožňuje zvolit optimální řízení. v dané situaci. Takovou analýzu lze provést na základě systému strukturně-flow-víceúrovňového rozpoznávání technického stavu procesu v reálném čase.

Hlavním faktorem, který znehodnocuje pokusy sestavit formální modely a popsat technický stav takto složitých procesů pomocí tradičních metod, je „značná nejistota“ vstupních informací. To se projevuje v objektivní nemožnosti stabilizovat a/nebo měřit hodnoty řady klíčových parametrů technického stavu takových procesů. Důsledkem toho je porušení hlavních kritérií technologické konzistence procesu, což má vliv jak na kvalitu finálních produktů, tak na stabilitu procesu jako celku. V jazyce matematiky se takové procesy označují jako „komplexní technické systémy“ nebo „slabě strukturované systémy“, pro které v současnosti neexistuje obecná teorie modelování.

Tradiční systém řízení procesů si klade za cíl automatizovat údržbu jednotky nebo procesní jednotky a jeho funkce podle definice nezahrnují otázky optimálního řízení procesu a analýzy jeho stavu. Systém řízení procesů umožňuje například měnit polohu ovládacích mechanismů obsluhujících jednotku, sleduje připojený provoz jednotek jednotky, umožňuje měnit výkon jednotky a její režim provozu. Ale stav procesu, kvalita finálních produktů, poměr příchozích produktů podle elementárního složení - tyto záležitosti jsou často mimo základní automatizaci jednotky. Obsluha je tedy za přítomnosti pouze základního systému řízení procesu nucena vykonávat funkce obsluhy nejen jednotky, ale i procesu v ní probíhajícího. To vede k problému „lidského faktoru“, protože operátorovi se ne vždy podaří plně dosáhnout všech, nejčastěji vícesměrných, cílů řízení. Navíc konstrukční vlastnosti jednotky neumožňují vždy plně vyřešit všechny problémy na úrovni systémů řízení procesů. Příkladem toho je problém zajištění potřebné spolehlivosti vstupních informací v aktuální verzi systému řízení procesu při posuzování kvality a množství materiálů dodávaných do reakční zóny v reálném čase.

Intelligent ACS (IACS) je systém, který využívá základní automatizaci jednotky jako zdroj vstupních informací a umožňuje na základě technologií umělé inteligence sestavit model procesu probíhajícího v jednotce, analyzovat aktuální stav procesu. podle modelu a na základě rozboru vyřešit problém optimálního řízení daného celku.

Stávající takzvaná „krabicová řešení“ „na klíč“ znamenají nutnost úplné automatizace jednotky nebo přerozdělení „od nuly“. Zákazníkovi je přitom dodávána jak hardwarová složka automatizace, tak i software. Funkčnost takového řešení může být poměrně široká, včetně intelektuální složky, ale zároveň zcela nekompatibilní se stávajícími systémy řízení procesů zákazníka. To často vede k prudké komplikaci a zdražení technického řešení. Navržená varianta vybudování inteligentního automatizovaného řídicího systému založeného na odborných znalostech s využitím základní automatizace má za cíl sledovat a řídit proces probíhající v jednotce. Takový systém je v podmínkách „významné nejistoty“ schopen vyhodnotit neměřitelné nebo špatně naměřené parametry, dostatečně je kvantitativně interpretovat, identifikovat aktuální technický stav procesu a doporučit optimální kontrolní akci k odstranění vzniklého konfliktu (v případě konfliktů v technologické konzistenci procesu).

IACS v této verzi pomocí inteligentních technologií umožňuje:

• provést integraci s jakýmkoli základním automatizovaným řídicím systémem, který již existuje na jednotce nebo zákaznické redistribuci;
• realizovat vytvoření společného informačního prostoru pro všechny přerozdělovací jednotky za účelem zavedení společného řízení a monitorování;
• provést kvantitativní hodnocení neměřitelných a/nebo kvalitativních parametrů na každém bloku v rámci základního ACS bloku;
• sledovat kritéria technologické konzistentnosti procesu jak pro každou jednotlivou jednotku, tak (v případě potřeby) pro zpracovatelskou jednotku jako celek;
• hodnotit aktuální stav technologických procesů jak pro každou jednotlivou jednotku, tak pro zpracovatelskou jednotku jako celek v reálném čase;
• k vypracování kontrolních rozhodnutí - poradenství provozovateli ohledně obnovení technologické rovnováhy jak pro blok, tak pro přerozdělení jako celek.

Základem intelektuálního jádra IACS je metoda reprezentace znalostí „Sémantická síť na bázi ontologie“, která umožňuje popsat komplexní multifaktoriální model ve formě sémantické sítě na konkrétním omezeném slovníku, a metoda „Polynomiální transformace of nefaktory“, jehož podstatou je transformovat kvalitativní znalosti odborníka do matematického modelu jako nelineární polynomiální funkce .

Účelem tohoto článku je seznámit čtenáře s novým přístupem k řešení problematiky budování IACS na základě využití unikátních metodik a výsledků komerčního provozu IACS PV-3 Měděného závodu Polární divize OJSC MMC Norilsk Nickel. IASUTP byl vyvinut společností Summa Technologies v letech 2011–2012. založené na platformě G2 od společnosti Gensym (USA) pro řízení Vanyukovova procesu pro zpracování surovin sulfidové mědi a niklu.

Technologický proces jako objekt modelování

Většina technologických procesů, včetně Vanjukovova procesu, má všechny znaky „složitých technických systémů“ – víceparametrovou a „značnou nejistotu“ vstupní informace. Za takových podmínek je pro řešení problému zachování technologické konzistence TP vhodné použít metody odborného posouzení situace a vytvoření závěru na základě znalostí a zkušeností odborníka.

Summa Tekhnologii vyvinula IACS Vanyukovovy pece (IACS PV-3) Měděné továrny polární pobočky OJSC MMC Norilsk Nickel na platformě G2 od společnosti Gensym (USA) k řešení následujících úloh pro řízení Vanyukovova procesu:

• stabilizace kvality tavicích výrobků;
• kvantitativní hodnocení neměřených nebo špatně změřených (z řady objektivních i subjektivních důvodů) parametrů technologického procesu a stavů kameniva nepřímými metodami;
• snížení energetické náročnosti zpracování různých vsázkových materiálů;
• stabilizace teplotního režimu procesu při zachování plánovaných cílů a cílů.

Na Obr. 1 znázorňuje rozložení hlavních konstrukčních prvků FVE. Jednotka je obdélníková kazetová vodou chlazená šachta 2 umístěná na dně 1, v jejímž střeše jsou dva skluzy 3 pro přívod vsázkových materiálů do taveniny a do kterých jsou sifony mat 4 a struska 5 s odtokovými otvory 9 a 10 , respektive přiléhají ze strany koncových stěn. Pro odvádění plynů je zajištěn odběr 6. Materiály vsázky vstupují žlaby 3 do taveniny, která je vháněna se směsí kyslíku a vzduchu (OAC) tryskami 7, přičemž dochází k intenzivnímu probublávání emulze matné strusky v zóně nad dmychadlem. Kyslík KVS oxiduje sulfid železa, čímž obohacuje matné "kuličky" (kapky), segregující do spodní části v důsledku rozdílu v hustotách nemísitelných kapalin kamínku a strusky. Současně je pohyb hmotnostních toků taveniny směřován dolů v důsledku kontinuálního uvolňování vláknitého kamínku 4 a strusky 5 ze sifonů výstupními otvory 9 a 10, v tomto pořadí. Díky konstrukčním prvkům znázorněným na obr. 1 je také implementován samotný proces Vanyukov, jehož hlavní myšlenka je zřejmá z výše uvedeného popisu.

Je třeba poznamenat vlastnosti Vanyukovova procesu, které jej odlišují od jiných, včetně zahraničních, pyrometalurgických technologií: vysoká specifická produktivita - až 120 tun na 1 m2 plochy zrcadla vany za den (tavení až 160 t/h) ; malé odstranění prachu -< 1%; переработку шихты крупностью до 100 мм и влажностью > 16%.

Softwarový a hardwarový komplex, na jehož základě je implementován APCS PV-3, má tříúrovňovou architekturu. Spodní úroveň zahrnuje snímače, elektropohony, regulační ventily, akční členy, střední úroveň - PLC, horní - osobní elektronické počítače (PC). Na základě pracovní stanice bylo implementováno grafické rozhraní pro interakci operátora s řídicím systémem, zvukový alarm a ukládání historie procesu (obr. 2).

Proces tavení je řízen z pracoviště operátora ("konzole"). V tomto případě se používají nejen informace ze senzorů a akčních členů, ale také organoleptické informace, kdy tavič při sledování charakteristických rysů chování lázně taveniny (velikost a „závažnost“ rozstřiků, celkový stav lázně , atd.), přenese získané odhady do konzole operátora. Všechny tyto zdroje informací, heterogenní ve své fyzikální podstatě, dohromady umožňují operátorovi vyhodnotit aktuální situaci mnoha proměnnými, např. „Zatížení“, „Výška bazénu“, „Teplota tání“ atd., které určují více zobecněné pojmy: „Stav taveniny“, „Stav procesu jako celku“.

Objektivně vznikající výrobní podmínky často vedou ke zpřísnění požadavků na Vanjukovův proces; například k potřebě tavit velké množství technogenních surovin, což značně komplikuje úkol udržet technologickou konzistenci procesu, protože technogenní složky jsou špatně předvídatelné ve složení a obsahu vlhkosti. V důsledku toho se obsluha, která nemá dostatečné informace o vlastnostech takových surovin, nedokáže vždy správně rozhodnout a „ztrácí“ buď teplotu, nebo kvalitu finálních produktů.

Základem vyvinutého IACS PV-3 je princip vedení procesu v poměrně úzkém „koridoru“ podle hlavních kritérií technologické konzistence procesu s cílem zlepšit kvalitu konečného produktu a zachovat provozní vlastnosti jednotka. IACS PV-3 je určen pro včasnou předpověď a informování operátora o porušení technologické konzistence v počátečních fázích jejich vzniku pomocí analýzy speciálních kritérií vyvinutých na základě odborných znalostí. Kritéria stanovují cíle řízení procesu a informují operátora o aktuálním stavu procesu. Pokud zároveň hodnoty kritérií překračují přípustné meze, jsou systémem interpretovány jako počátek „konfliktu“ a pro operátora jsou signálem o nutnosti převzít doporučenou kontrolu. akce k návratu procesu do stavu technologické konzistence.

Stručný popis vlastností systému

IACS PV-3 na základě prvotních informací získaných z APCS PV-3 a dalších informačních systémů implementuje Vanyukovův procesní model v reálném čase, analyzuje aktuální stav procesu na přítomnost technologických nerovnováh a v případě konfliktů , identifikuje je a nabízí operátorovi scénáře řešení konfliktů. Systém tak funguje jako „poradce operátora“. IAMS vizualizuje informační kanály, které uživateli zobrazují aktuální stav kontrolních kritérií a prognózy kvality finálních produktů.

IASU PV-3 má následující spotřebitelské vlastnosti:

• intuitivní uživatelské rozhraní pro technologický personál;
• softwarová a informační kompatibilita s ACS PV-3 a dalšími informačními systémy;
• schopnost adaptovat systém na další jednotky na úrovni naplnění znalostní báze bez změny softwarového jádra systému;
• lokalizace všech prvků uživatelského rozhraní v ruštině;
• spolehlivost, otevřenost, škálovatelnost, tedy možnost dalšího rozšiřování a modernizace.

Ovládání a řízení všech jednotek a servomotorů je prováděno ze stanovišť operátora automatického řídicího systému PV-3, umístěných v místnosti operátora PV-3.

Kromě stávajících operátorských stanic je využíváno specializované pracoviště, které poskytuje operátorovi uživatelské rozhraní systému IACS PV-3. Architektonicky a funkčně vypadá IACS PV-3 jako doplněk stávajícího APCS PV-3, tedy jako rozšíření funkčních a informačních funkcí stávajícího řídicího systému.

IACS PV-3 poskytuje provádění následujících aplikačních funkcí v reálném čase:

• posouzení množství a kvality vsázky dodávané do vsázky pece;
• prognóza kvality finálních produktů;
• zobrazení výsledků rozhodnutí operátora podle kritérií technologické vyváženosti procesu;
• automatická analýza kvality řízení procesu;
• akumulace znalostní báze o managementu po celou dobu provozu systému;
• simulace jednotky PV-3 pro použití v režimu "Simulátor" pro účely školení personálu.

Architektura IASU PV-3

IASU PV-3 je expertní systém, který implementuje inteligentní sledování a řízení procesu tavení v režimu poradenství obsluze. Kontrola je realizována jako soubor doporučení pro obsluhu a vedoucího taviče k udržení technologické rovnováhy procesu při plnění cílů stanovených pro kvalitu finálních produktů tavení, získání daného množství hotových produktů (matné pánve) a tavení technogenních materiálů.

Hlavními prvky IACS PV-3, stejně jako jakéhokoli expertního systému, jsou: znalostní báze; rozhodovací blok; blok rozpoznání vstupního informačního toku (získání výstupu o znalostech). Na Obr. 3 ukazuje zobecněnou architekturu systému.

Jedinečnost metodiky extrakce a prezentace odborných znalostí ve formě nelineárního polynomu umožňuje v co nejkratším čase syntetizovat dostatečný systém logických a lingvistických modelů, které systematicky reprezentují rysy toku technologických procesů. Využití vysoce kvalifikovaných odborníků jako odborníků, kteří obsluhují tuto konkrétní jednotku s jejími charakteristickými vlastnostmi, zároveň zaručuje průběh procesu v ní probíhajícího v souladu s technologickými pokyny podniku.

Reprezentace znalostí pro popis modelu Vanyukovova procesu je založena na reprezentaci „Sémantická síť na bázi ontologie“. Tato reprezentace zahrnuje výběr slovníku - základní ontologie na základě analýzy předmětné oblasti. Pomocí základní ontologie a sady vlastností odpovídajících prvkům základní ontologie je možné vybudovat sémantickou síť, která umožňuje strukturovat komplexní vícefaktorový model. Díky takovému popisu je na jedné straně dosaženo výrazného snížení dimenze z hlediska počtu faktorů a na druhé straně jsou sjednoceny vazby, kterými jsou tyto faktory propojeny. Přitom je zcela zachována sémantika a funkčnost každého z uvažovaných faktorů.

Veškeré poznatky o Vanjukovově procesu ao jednotce PV-3, ve které je tento proces implementován, jsou uloženy ve znalostní bázi (KB). Ten je navržen jako relační datový sklad a obsahuje formální záznam znalostí ve formě záznamů v tabulkách.

Znalostní procesor neboli rozhodovací blok jako součást expertního systému je implementován na bázi platformy pro vývoj průmyslových expertních systémů G2 (Gensym, USA). Hlavními prvky znalostního procesoru (obr. 3) jsou bloky: rozpoznání vstupního informačního toku; výpočet modelu podle aktuální situace; situační analýza; rozhodování.

Pojďme se na tyto prvky podívat blíže. Znalostní procesor v okamžiku spuštění expertního systému načte všechny informace ze znalostní báze, která je uložena v úložišti, a sestaví model agregátu PV-3 a Vanyukovova procesu. Dále, jak proces a jednotka PV-3 pracují, data z ACS jednotky vstupují do systému IACS. Tyto údaje charakterizují jak stav procesu (měrná spotřeba kyslíku na tunu kovu s obsahem atd.), tak stav jednotky PV-3 (teplota vystupující vody z kesonů každé řady, stav dmýchací trubky pro dodávání foukání do taveniny atd.). Data vstupují do rozpoznávacího bloku, jsou identifikována z hlediska kritérií technologické konzistence a na základě těchto dat je pak proveden výpočet podle Vanyukovova procesního modelu. Výsledky tohoto výpočtu jsou analyzovány v bloku situační analýzy a v případě narušení technologické rovnováhy je situace systémem identifikována jako „konfliktní“. Dále se rozhoduje o obnovení technologické rovnováhy. Získaná řešení i informace o aktuálním stavu procesu spolu s informacemi o konfliktech jsou zobrazovány v klientském modulu IACS PV-3 (obr. 4). Model je aktualizován každou minutu.

Praktické provedení

Prediktivní schopnosti IACS PV-3 předvedeme během jeho provozu v měděném závodě polární pobočky OJSC MMC Norilsk Nickel.

Na Obr. Obrázek 4 ukazuje rozhraní IACS PV-3, jehož informace slouží jako doplněk k hlavnímu ACS pro operátora (obr. 2) při rozhodování o kontrole. Pole 1 (obr. 4) zobrazuje hodnoty výpočtů podle modelu "Měrná spotřeba kyslíku na tunu kovového ložiska". Odraz prediktivní schopnosti IACS PV-3 z hlediska kvality konečného produktu - obsah mědi v kamínku - ukazuje graf pole 2 a pro oxid křemičitý pole 3. Jako indikátory panel obsahuje: 4 - obsah mědi ve strusce (%); 5 - procento tavidel v zátěži s obsahem kovu; 6 - kvalita stahování (w/r); 7 - teplota tání (°C). Pole 8 obsahuje hodinové vypočítané hodnoty spotřeby vsázkových materiálů bunkry a pole 9 zobrazuje názvy konfliktů probíhajících v aktuálním čase. Zvýšení přesnosti výpočtů pro modely je usnadněno přepnutím do příslušného režimu ovládání přepínači pole 10. Tlačítkem pole 11 je zohledněna skutečnost nalití konvertorové strusky.

Analýza minutových hodnot grafu v poli 1 ukazuje stabilní průběh procesu v přijatelných mezích podle kritéria měrné spotřeby kyslíku na tunu obsahujícího kov, po jejímž překročení dochází ke ztrátě kvality konečné produkty jsou zaručeny. Pobyt mimo určené hranice po dobu delší než 10 minut tedy může vést ke kritickým stavům procesu: pod 150 m3/t - podoxidace taveniny a v důsledku toho studený chod pece; nad 250 m3/t - přeoxidování taveniny a v důsledku toho horký chod pece.

Vypočítaný obsah mědi v kamínku podle skutečných údajů (pole 2) jasně koreluje s chováním hodnot předchozího kritéria (pole 1).

V časovém intervalu 17:49–18:03 se tedy vrcholy na obou grafech shodují, což odráží skutečnost, že systém reaguje na změnu fyzikálního a chemického stavu TČ: pravidelný provoz furmace (čištění) tryskacích zařízení do taveniny vedlo ke zvýšení měrné spotřeby kyslíku > 240 m3/t, způsobilo přirozené zvýšení teploty taveniny a tím způsobilo přirozené zvýšení obsahu mědi v kamínku.

Navíc průběh procesu při specifické spotřebě kyslíku v oblasti 200 m3/t přirozeně určuje obsah mědi v kamínku 57...59 % během sledovaného 2hodinového intervalu.

Porovnání chování modrého a zeleného grafu (pole 1) ukazuje, že se obsluha téměř po celou dobu řídí doporučeními systému. Současně se skutečné hodnoty kritéria „Specifická spotřeba“ liší od doporučených v důsledku a) přirozených výkyvů v odečtech čidel jednotky PV-3 z hlediska spotřeby tryskání; b) technologický provoz furmace pece (vrchol na grafu); c) chemické změny stavu tavné lázně v důsledku kolísání složení suroviny. Věnujme pozornost tomu, že podle kritéria "% tavidel s obsahem kovu" pracuje obsluha s překročením (žlutá zóna indikátoru 5) vzhledem k doporučením systému. Podobná situace je spojena s přítomností technogenních surovin v krmivu. V důsledku toho je obtížné předvídat kolísání obsahu oxidu křemičitého v tavenině a systém varuje obsluhu, že prodloužený provoz v tomto režimu zatěžování taveninou může vést k nerovnováze procesu. Skutečnost přítomnosti technogenních surovin ve složení nákladu potvrzuje i vypočtený parametr „Kvalita zatížení“ (ukazatel 6), který zobrazuje hodnotu v červené zóně – „Nekvalitní suroviny“.

Systém tak navádí operátora, pokud jde o vedení procesu v „úzkém“ koridoru hodnot hlavních technologických parametrů konzistence, přičemž udává, jakou kvalitu produkt získá tavením.

Udržování procesu v daných mezích hlavních technologických kritérií rovněž umožňuje optimalizovat provoz pece, zejména snížit spotřebu zemního plynu ve výbuchu.

Vizualizace trendů podle hlavních kritérií má také pozitivní psychologický dopad na operátora-technologa, protože v kvantitativní podobě „ospravedlňuje“ realizaci rozhodnutí učiněného v řízení procesů.8 9

Závěr

Inteligentní automatizovaný systém monitorování a řízení procesů Vanyukov IACS PV-3 vyvinutý společností Summa Tekhnologii a testovaný v měděném závodě polární divize MMC Norilsk Nickel jako „komplexní technický systém“ nám umožňuje provést určitá zobecnění ve vztahu k použití dosažené výsledky v jiných odvětvích znalostí a průmyslu.

Syntéza výše uvedených nezávislých technologií umožňuje vytvořit IACS téměř jakéhokoli „komplexního technického systému“ za přítomnosti stávající základní automatizace zákazníka a vysoce kvalifikovaných specialistů, kteří takové systémy efektivně provozují v podmínkách „podstatné nejistoty“.

Navrhovaný přístup ke konstrukci IACS má několik dalších výhod. Za prvé poskytuje významnou časovou úsporu díky tomu, že první technologie (s využitím ontologického přístupu) je již implementována v softwarovém produktu a umožňuje zpracovávat znalosti o libovolných modelech ve znalostní bázi, a druhá (vybudování systému matematické rovnice složitého technologického procesu) v důsledku vzorce vývoje způsobu aplikace vyžaduje minimum volání odborníka. Za druhé, využití odborných znalostí ve vztahu k posouzení technického stavu konkrétního objektu se provádí v podmínkách technologických předpisů pro jeho provoz, čímž se minimalizuje míra rizika, že systém vyvine nesprávné rozhodnutí a reálný sledování času přispívá k včasné detekci blížících se mimozásahových (předhavarijních) stavů procesu. Za třetí je skutečně realizován nejobecnější přístup k řešení víceúrovňového rozpoznávání technického stavu složitých technologických procesů, objektů či jevů v jakémkoliv odvětví – neželezná a železná metalurgie, těžba a těžba ropy a plynu, chemický průmysl, tepelná energetika , zemědělství atd.

Bibliografie

1. Sokolov B.V., Yusupov R.M. Koncepční základy pro odhad a analýzu kvality modelů a polymodelových komplexů.//Izv. BĚŽEL. Teorie a řídicí systémy. 2004. č. 6. S. 6–16.

2. Spesivtsev A.V. Metalurgický proces jako předmět studia: nové pojmy, konzistence, praxe. - Petrohrad: Polytechnické nakladatelství. un-ta, 2004. - 306 s.

3. Spesivtsev A. V., Lazarev V. I., Daimand I. N., Negrey D. S. Odhad míry konzistence fungování technologického procesu na základě odborných znalostí.//Sb. zprávy. XV Mezinárodní konference o Soft Computing a SCM měření. Petrohrad, 2012, T. 1. - S. 81–86.

4. Okhtilev M.Yu., Sokolov B.V., Yusupov R.M. Inteligentní technologie pro sledování a řízení strukturální dynamiky složitých technických objektů. - M.: Nauka, 2006. - 410 s.

5. Narinyani A.S. Nefaktorové a znalostní inženýrství: od naivní formalizace k přirozené pragmatice//KII 94. so. funguje. Rybinsk, 1994. - S. 9–18.

6. Spesivtsev A.V., Domshenko N.G. Expert jako "inteligentní měřicí a diagnostický systém".//Sat. zprávy. XIII mezinárodní konference o soft computingu a SCM měření. Petrohrad, 2010, T. 2. - S. 28–34.

7. Vanyukov A.V., Bystrov V.P., Vaskevich A.D. a další Tavení v kapalné lázni / Ed. Vanyukova A. V. M.: Hutnictví, 1988. - 208 s.

Umělá inteligence(anglicky - umělá inteligence) - jedná se o umělé softwarové systémy vytvořené člověkem na bázi počítače a napodobující řešení složitých tvůrčích úkolů člověkem v průběhu jeho života. Podle jiné podobné definice je „umělá inteligence“ počítačový program, s jehož pomocí stroj získává schopnost řešit netriviální problémy a klást netriviální otázky.

Umělou inteligenci (AI) tvoří dvě oblasti práce. První z těchto směrů, které lze podmíněně nazvat bionický, má za cíl simulovat činnost mozku, jeho psychofyziologické vlastnosti, za účelem pokusu o reprodukci umělé inteligence (inteligence) na počítači nebo pomocí speciálních technických zařízení. Druhá (hlavní) linie práce v oblasti AI, někdy tzv pragmatický, spojené s tvorbou systémů pro automatické řešení složitých (kreativních) problémů na počítači bez ohledu na povahu procesů, které se při řešení těchto problémů vyskytují v lidské mysli. Srovnání se v tomto případě provádí podle účinnosti výsledku, kvality získaných řešení.

1) Existuje cílová, tj. konečný výsledek, ke kterému směřují lidské myšlenkové procesy („cíl nutí člověka přemýšlet“).

2) Lidský mozek jich ukládá obrovské množství fakta A pravidla jejich použití. K dosažení určitého cíle je pouze nutné obrátit se na nezbytná fakta a pravidla.

3) Rozhodování probíhá vždy na základě ad hoc mechanismus zjednodušení, který umožňuje odhodit nepotřebná (nepodstatná) fakta a pravidla, která s aktuálně řešeným úkolem nesouvisí, a naopak zvýraznit hlavní, nejvýznamnější skutečnosti a pravidla potřebná k dosažení cíle.

4) Dosažením cíle člověk nejen přichází k řešení zadaného úkolu, ale zároveň získává nové poznatky.

Vybudovat univerzální systém umělé inteligence pokrývající všechny obory je nemožné, protože by to vyžadovalo nekonečné množství faktů a pravidel. Realističtější je úkol vytvořit takové systémy umělé inteligence, které jsou určeny k řešení problémů v úzce vymezené, specifické problémové oblasti.

Rýže. 5.1. Komponenty systému AI

Takové systémy využívající zkušeností a praktických znalostí odborníků v dané předmětové oblasti se nazývají expertní systémy(expertní systémy).

Využití expertních systémů je mimořádně efektivní v různých oblastech lidské činnosti (medicína, geologie, elektronika, petrochemie, kosmický výzkum atd.). To je způsobeno řadou důvodů: za prvé je možné řešit dříve nedostupné, špatně formalizované problémy pomocí nového matematického aparátu speciálně vyvinutého pro tyto účely (sémantické sítě, rámce, fuzzy logika atd.); za druhé, vytvořené expertní systémy jsou zaměřeny na jejich provoz širokým spektrem specialistů (koncových uživatelů), komunikace s nimi probíhá v interaktivním režimu, za použití techniky uvažování a terminologie konkrétní předmětové oblasti, které rozumí; za třetí, použití expertního systému umožňuje dramaticky zvýšit efektivitu rozhodování běžných uživatelů díky akumulaci znalostí v expertním systému, včetně znalostí vysoce kvalifikovaných odborníků.

Expertní systém zahrnuje znalostní bázi a subsystémy: komunikace, vysvětlování, rozhodování, akumulace znalostí. Prostřednictvím subsystému komunikace s expertním systémem jsou propojeni: koncový uživatel; expert - vysoce kvalifikovaný specialista, jehož zkušenosti a znalosti dalece přesahují znalosti a zkušenosti běžného uživatele; znalostního inženýra, který je obeznámen s principy budování expertního systému a ví, jak pracovat s odborníky v této oblasti, který zná speciální jazyky pro popis znalostí.

Řídicí systémy postavené na bázi expertních ovladačů, které napodobují jednání lidského operátora za podmínek nejistoty v charakteristikách objektu a prostředí, se nazývají intelektuálnířídicí systémy (inteligentní řídicí systémy).

Podle další podobné definice, intelektuálníŘídicí systém (MCS) je systém, který má schopnost chápat, zdůvodňovat a studovat procesy, poruchy a provozní podmínky. Faktory, které jsou zde studovány, jsou zejména charakteristiky procesu (statické a dynamické chování, charakteristiky rušení, provozní postupy zařízení). Je žádoucí, aby systém sám tyto znalosti shromažďoval a cíleně je využíval ke zlepšování svých kvalitativních charakteristik.

Zdroje financování investiční činnosti. Analýza struktury a dynamiky majetku a zdrojů jeho vzniku. Hlavní směry zvyšování investiční atraktivity: zvýšení zisku organizace rozšířením prodejního trhu.

Odeslat svou dobrou práci do znalostní báze je jednoduché. Použijte níže uvedený formulář

Studenti, postgraduální studenti, mladí vědci, kteří využívají znalostní základnu ve svém studiu a práci, vám budou velmi vděční.

Vloženo na http://www.allbest.ru//

Vloženo na http://www.allbest.ru//

Ministerstvo školství a vědy Ruské federace

Federální státní rozpočtová vzdělávací instituce

vysokoškolské vzdělání

STÁTNÍ UNIVERZITA ŘÍDICÍCH SYSTÉMŮ A RÁDIOVÉ ELEKTRONIKY TOMSK (TUSUR)

Katedra ekonomie

Hodnocení investiční atraktivity organizace (na příkladu Synthesis of Intelligent Systems LLC)

Bakalářská práce

ve směru 38.03.01 - Ekonomický profil "Finance a úvěr"

Závěrečná kvalifikační práce 73 stran, 5 obrázků, 16 tabulek, 23 zdrojů.

Předmětem výzkumu je společnost s ručením omezeným „Syntéza inteligentních systémů“.

Cílem práce je zhodnotit investiční atraktivitu organizace SIS sro a nabídnout doporučení pro její zlepšení.

K dosažení tohoto cíle byly vyřešeny následující úkoly:

Je rozebrána teorie investiční atraktivity, stanovena podstata pojmu investice a jejich klasifikace, pojem investiční atraktivity;

Analyzované metody pro hodnocení investiční atraktivity organizace;

Hodnocení investiční atraktivity organizace SIS LLC bylo provedeno na základě finančních a ekonomických ukazatelů;

Jsou navrženy hlavní směry pro zvýšení investiční atraktivity, a to: zvýšení zisku organizace rozšířením odbytového trhu.

Informační základ studie v rámci této závěrečné kvalifikační práce tvořily: podniková účetní data, informace zveřejněné na oficiálních stránkách organizace, výzkumné materiály vědců publikované ve vědeckých časopisech, vědecké články v periodikách, učebnice a také informační zdroje sítě Internet.

Závěrečná kvalifikační práce 73 stran, 5 výkresů, 16 tabulek, 23 zdrojů.

Předmětem výzkumu je společnost s ručením omezeným "Syntéza inteligentních systémů"

Cílem práce je posoudit investiční atraktivitu organizace SIS LLC a navrhnout doporučení pro její zlepšení.

K dosažení tohoto cíle byly splněny následující úkoly:

Je rozebrána teorie investiční atraktivity, definována podstata pojmu investice a jejich klasifikace, pojem atraktivity investic;

Jsou analyzovány metody hodnocení investiční atraktivity organizace;

Posouzení investiční atraktivity organizace "SIS" na základě finančních a ekonomických ukazatelů;

Jsou navrženy hlavní směry zvýšení investiční atraktivity, a to: zvýšení zisku organizace díky expanzi odbytového trhu.

Informační základ výzkumu v rámci této závěrečné kvalifikační práce tvořily: údaje účetních výkazů podniku, informace zveřejněné na oficiálních stránkách organizace, výzkumné materiály vědců publikované ve vědeckých časopisech, vědecké články v periodikách, učební pomůcky a informační zdroje sítě Internet.

ÚVOD

V moderních podmínkách si organizace různých forem vlastnictví lámou hlavu nad zvyšováním jejich produktivity, konkurenceschopnosti, ziskovosti a finanční nezávislosti v dlouhodobém horizontu, který přímo závisí na aktuální úrovni investiční aktivity organizace, pokrytí jejích investičních aktivit a investicích. přitažlivost.

Investiční atraktivita je ukazatel, podle kterého se investoři rozhodují o investování svých prostředků do konkrétní organizace.

Relevance zvoleného tématu je dána tím, že potenciální investoři, ale i manažeři potřebují mít jasný model hodnocení investiční atraktivity organizace pro co nejefektivnější řízení nebo investiční rozhodnutí. Úroveň investiční atraktivity je také důležitá pro věřitele a zákazníky, první se zajímají o bonitu organizace a druzí - o spolehlivost obchodních vztahů, kontinuitu a stabilitu činností organizace, které závisí na likviditě a finanční stabilitu organizace.

Soubor indikátorů vybraných pro hodnocení

atraktivita investice závisí na konkrétních cílech investora.

O důležitosti stanovení investiční atraktivity organizací nelze pochybovat, protože bez toho nedojde k investicím do ekonomických subjektů a v důsledku toho nebude možný hospodářský růst a stabilizace. V některých případech jsou investice životodárnou mízou organizace jako celku.

Finanční analýza jako hlavní mechanismus, který zajišťuje finanční stabilitu organizace a hodnocení její atraktivity pro potenciální investory, je ústředním článkem metodiky zjišťování atraktivity investic. Jeho hlavním účelem je studovat problémy, které vznikají při posuzování finanční atraktivity organizace pro investora. V tomto ohledu jsou zvažovány aspekty analýzy finanční situace organizace, hodnocení úrovně ziskovosti, bonity, efektivity a finanční stability.

Výsledkem finanční analýzy je stanovení hlavních směrů pro zvýšení investiční atraktivity analyzované organizace.

Účelem diplomové práce je prostudovat teoretické aspekty související s konceptem investiční atraktivity a způsoby jejího hodnocení, přímé hodnocení investiční atraktivity na příkladu organizace Synthesis of Intelligent Systems LLC, jakož i vypracování doporučení pro zlepšení investiční atraktivity. organizace.

K dosažení tohoto cíle je nutné vyřešit následující úkoly:

Určete podstatu a uveďte klasifikaci investic;

Studovat metody hodnocení investiční atraktivity organizace;

Posoudit investiční atraktivitu organizace na základě zvolené metodiky;

Předmětem studia je organizace LLC Synthesis of Intelligent Systems.

1. TEORETICKÉ ZÁKLADY INVESTIČNÍ ČINNOSTI ORGANIZACE

1.1 Podstata a klasifikace investic

Mezi vědci a ekonomy neexistuje jediné chápání podstaty investic jako ekonomické kategorie. Existují různé výklady, které se liší významem, z nichž některé nevyjadřují celou podstatu tohoto termínu.

Podle federálního zákona ze dne 25. února 1999 N 39-FZ „O investiční činnosti v Ruské federaci, prováděné formou kapitálových investic“ „... investice – hotovost, cenné papíry, jiný majetek, včetně vlastnických práv, jiné práva mající peněžní hodnotu investovaná do předmětů podnikání a (nebo) jiných činností za účelem dosažení zisku a (nebo) dosažení jiného prospěšného účinku.

Na základě všestrannosti výkladů tohoto pojmu je možné vyčlenit ekonomické a finanční definice investic. Ekonomická definice charakterizuje investice jako soubor nákladů realizovaných formou dlouhodobých kapitálových investic v různých odvětvích ekonomiky výrobní i nevýrobní sféry. Z finančního hlediska jsou investice všechny druhy zdrojů investovaných do ekonomické činnosti s cílem generovat v budoucnu příjem nebo užitek.

Obecně se investicemi rozumí investice kapitálu ve všech jeho podobách s cílem generování příjmů v budoucnu nebo řešení určitých problémů.

Organizace může, ale nemusí provádět investiční činnosti, ale neprovádění těchto činností vede ke ztrátě konkurenčních pozic na trhu. Z toho vyplývá, že investice mohou být pasivní a aktivní:

pasivní - investice, které zajistí alespoň žádné zhoršení ziskovosti investic do provozu této organizace v důsledku výměny zastaralého zařízení, školení nového personálu, který nahradí ty, kteří odešli atd.

aktivní - investice zvyšující konkurenceschopnost podniku a jeho ziskovost oproti předchozím obdobím zaváděním nových technologií, uvolňováním zboží, po kterém bude velká poptávka, zachycením nových trhů nebo absorpcí konkurenčních firem.

Investice jsou rozděleny do následujících skupin:

Podle investičních objektů:

1) reálné investice jsou investice do fixního kapitálu v různých formách (získávání patentů, výstavba budov, staveb, investice do vědeckého rozvoje atd.);

2) finanční (portfoliové) investice - jedná se o investice do akcií, dluhopisů a jiných cenných papírů, které poskytují právo na příjem z majetku, jakož i bankovních vkladů.

Podle povahy účasti na investici:

1) přímé investice jsou investice provedené přímými investory, tj. právnickými osobami a jednotlivci, kteří plně vlastní organizaci nebo kontrolní podíl, který dává právo podílet se na řízení organizace;

2) nepřímé investice jsou investice uskutečněné prostřednictvím finančních zprostředkovatelů (investiční poradci, finanční makléři, makléřské domy, podílové fondy, komerční banky, pojišťovny).

Podle investičního období:

krátkodobé investice - investice kapitálu na období od týdne do jednoho roku. Tyto investice jsou zpravidla spekulativní povahy. Hlavním úkolem krátkodobého investora je vypočítat směr pohybu papíru na stupnici týdnů a měsíců, určit vstupní bod s nejvyšším poměrem potenciálního příjmu k riziku;

střednědobé investice - investování finančních prostředků na dobu jednoho až pěti let;

dlouhodobé investice - investice na 5 let a více (kapitálové investice do reprodukce dlouhodobého majetku).

Podle forem vlastnictví investičních zdrojů:

státní investice - jsou prováděny orgány veřejné moci a hospodařením na úkor rozpočtů, mimorozpočtových fondů;

soukromé investice - investice fyzických nebo právnických osob s cílem generovat příjem v budoucnu;

kombinované investice - investice finančních prostředků prováděné subjekty dané země a cizími státy za účelem získání určitého příjmu;

zahraniční investice - investice kapitálu zahraničními investory za účelem dosažení zisku.

Podle chronologického pořadí:

počáteční investice - zaměřená na vytvoření podniku nebo vybudování nového zařízení;

běžné investice - zaměřené na udržení úrovně technického vybavení objektu.

Pro investiční účely:

pro splacení fixního kapitálu;

rozšířit výrobu;

pro nákup cenných papírů jiných organizací;

k inovativním technologiím.

Podle míry investičního rizika:

nízkorizikové investice;

středně rizikové investice;

vysoce rizikové investice.

Podle úrovně investiční atraktivity:

neatraktivní;

středně atraktivní;

vysoce atraktivní.

Fyzické nebo právnické osoby, které svým jménem a na vlastní náklady vkládají kapitál za účelem dosažení zisku, se nazývají investoři.

Investoři mohou investovat své vlastní, vypůjčené i vypůjčené prostředky. Investory mohou být orgány oprávněné hospodařit s majetkem nebo majetkovými právy státu a obcí, právnické osoby všech forem vlastnictví, mezinárodní organizace a zahraniční právnické osoby, fyzické osoby.

Zdroje financování investiční činnosti jsou:

Vlastní finanční prostředky a vnitrohospodářské rezervy organizace (zisk, odpisy, hotovostní úspory a úspory občanů a právnických osob, finanční prostředky hrazené pojišťovacími orgány formou náhrad škod při nehodách, živelních pohromách apod.);

Získané finanční prostředky (získané prodejem akcií, podílů a jiných příspěvků členů kolektivů práce, občanů, právnických osob);

Vypůjčené prostředky nebo převedené prostředky (bankovní a rozpočtové úvěry, vázané úvěry atd.);

Prostředky z mimorozpočtových fondů;

Prostředky z federálního rozpočtu poskytnuté nenávratně, prostředky z rozpočtů ustavujících subjektů Ruské federace;

Prostředky od zahraničních investorů.

Investice lze získat z jednoho nebo více zdrojů. Rozlišujte centralizované (rozpočtové) - fondy federálního rozpočtu, fondy rozpočtů ustavujících subjektů Ruské federace a místních rozpočtů - a decentralizované (mimorozpočtové) - vlastní prostředky podniků a organizací, zahraniční investice, přitahované fondy, fondy mimorozpočtové fondy - zdroje investic.

1.2 Investiční atraktivita organizace a způsoby jejího hodnocení

Studiu konceptu investiční atraktivity a metodám jejího hodnocení se věnují práce mnoha vědců, např. I.A. Blanca, V.V. Bochařová, E.I. Krylov a další.

Každý vědec interpretuje pojem investiční atraktivita v závislosti na faktorech zahrnutých do jeho hodnocení, tzn. neexistuje jediné vlákno. Faktorů ovlivňujících investiční atraktivitu je mnoho, proto je v užším smyslu investiční atraktivita systémem nebo kombinací různých vlastností či faktorů vnitřního a vnějšího prostředí.

Nejzřetelněji odlišné pohledy na chápání investiční atraktivity odráží tabulka 2.1.

Tabulka 2.1 - Výklad pojmu "investiční atraktivita"

	Výklad pojmu
Blank I.A., Kreinina M.N.	Zobecňující popis výhod a nevýhod investování do určitých oblastí a objektů z pozice konkrétního investora.
Roizman I.I., Shakhnazarov A.G., Grishina I.V.	Systém nebo kombinace různých objektivních vlastností, prostředků a příležitostí, které společně určují potenciální efektivní poptávku po investicích v zemi, regionu, průmyslu nebo podniku.
Sevryugin Yu.V.	Systém kvantitativních a kvalitativních faktorů, který charakterizuje solventní poptávku podniku po investicích.
Lyakh P.A., Novikova I.N.	Komplex charakteristik nejvýnosnější a nejméně rizikové investice kapitálu v jakékoli sféře ekonomiky nebo v jakémkoli druhu činnosti.
Tryasitsina N.Yu.	Soubor ukazatelů výkonnosti podniku, který určuje nejpreferovanější hodnoty investičního chování pro investora.
Skupina ministerstva hospodářského rozvoje	Objem investic, které lze přilákat na základě investičního potenciálu zařízení, rizik a stavu vnějšího prostředí.
Putyatina L.M., Vanchugov M.Yu.	Ekonomická kategorie, která charakterizuje efektivnost využití majetku podniku, jeho solventnost, finanční stabilitu, schopnost inovačního rozvoje založeného na zvyšování návratnosti kapitálu, technickou a ekonomickou úroveň výroby, kvalitu a konkurenceschopnost výrobků.
Igolnikov G.L., Patrusheva E.G.	Garantované, spolehlivé a včasné dosažení cílů investora na základě ekonomické výkonnosti této investované produkce.
Guskova T.N., Ryabtsev V.M., Geniatulin V.N.	Určitý stav ekonomického rozvoje, ve kterém s vysokou mírou pravděpodobnosti mohou investice přinést uspokojivou úroveň zisku v časovém horizontu přijatelném pro investora, nebo může být mnou dosaženo pozitivního efektu.
Krylov E.I.	Zobecněná charakteristika z hlediska perspektiv, ziskovosti, efektivity a minimalizace rizika investování do rozvoje podniku na úkor vlastních prostředků a prostředků jiných investorů.
Modorskaya G.G.	Komplex ekonomických a psychologických ukazatelů činnosti podniku, které určují pro investora oblast preferovaných hodnot investičního chování.
Bocharov V.V.	Přítomnost ekonomického efektu (výnosu) z investování peněz s minimální mírou rizika.
Sharp W., Markowitz H.	Získání maximálního zisku při dané úrovni rizika.
Eriyazov R.A.	Komplexní kategorie, která zahrnuje účtování vnitřních faktorů v podobě investičního potenciálu, externích faktorů – investičního klimatu a rozporuplné jednoty objektivních a subjektivních faktorů v podobě zohlednění míry rizika a ziskovosti investiční činnosti, přičemž zájmy investora a příjemce jsou konzistentní.
Latsinnikov V.A.	Ukazatel jeho celkové hodnoty, který je souborem objektivních (finanční stav podniku, jeho úroveň rozvoje, kvalita řízení, zadluženost) a subjektivních (poměr rentability a rizika investic) charakteristik nutných k uspokojení zájmů. všech účastníků investičního procesu, což umožňuje posoudit proveditelnost a vyhlídky investic a zohledňuje kombinovaný vliv makro- a mezo-okolních faktorů
Nikitina V.A.	Ekonomická proveditelnost investování založená na koordinaci zájmů a schopností investora a příjemce investic, která zajišťuje dosažení cílů každého z nich při přijatelné úrovni ziskovosti a rizika
Ivanov A.P., Sacharova I.V., Khrustalev E.Yu.	Soubor ekonomických a finančních ukazatelů podniku, které určují možnost dosažení maximálního zisku v důsledku investování kapitálu s minimálním investičním rizikem.

V tomto příspěvku bude atraktivita investic prezentována jako soubor ukazatelů výkonnosti organizace, které odrážejí vývoj organizace v dynamice a také racionální využívání dostupných zdrojů.

Investiční atraktivita je posuzována na různých úrovních: na makroúrovni - investiční atraktivita země, mezoúrovni - investiční atraktivita regionu a průmyslu, na mikroúrovni - investiční atraktivita organizace.

Možností hodnocení investiční atraktivity je velké množství, je to dáno tím, že neexistuje žádná konkrétní definice pojmu „investiční atraktivita“, ze všech lze na základě faktorů vložených do metodika hodnocení:

na základě vztahu mezi ziskovostí a rizikem (W. Sharp, S.G. Shmatko, V.V. Bocharov) - založení investiční rizikové skupiny společnosti. Následně je provedena analýza rizik plynoucích z investiční činnosti, je stanovena významnost rizika a vypočteno celkové investiční riziko. Dále je odhalena příslušnost organizace k určité kategorii rizika, na základě které se určuje investiční atraktivita. Za klíčová rizika se považují: riziko snížení zisku, riziko ztráty likvidity, riziko zvýšené konkurence, riziko změn cenové politiky dodavatelů atd.

založené výhradně na finančních ukazatelích (M.N. Kreinina, V.M. Anshin, A.G. Gilyarovskaya, L.V. Minko) - analýza finanční situace se provádí výpočtem finančních ukazatelů, které odrážejí různé aspekty činnosti organizace: majetkový stav, likvidita, finanční stabilita, podnikání aktivitu a ziskovost. Pro posouzení jsou použity údaje z účetní závěrky organizace.

na základě finanční a ekonomické analýzy, ve které se počítají nejen finanční, ale i produkční ukazatele (V.M. Vlasova, E.I. Krylov, M.G. Egorova, V.A. Moskvitin) - se objevují produkční ukazatele, které odrážejí dostupnost stálých aktiv, míru jejich odpisy, úroveň využití výrobních kapacit, dostupnost zdrojů, počet a struktura zaměstnanců a další ukazatele.

na základě komplexního srovnávacího hodnocení (G.L. Igolnikov, N.Yu. Miljajev, E.V. Beljajev) - analýza ukazatelů finanční situace, postavení organizace na trhu, dynamiky rozvoje, kvalifikace zaměstnanců a úrovně řízení se provádí. Při použití této metody se na začátku zjišťují skupiny faktorů na různých úrovních: země, regiony, organizace, dále jsou tyto skupiny vybírány podle významnosti na základě expertních posouzení. Stanoví se také koeficienty významnosti každého jednotlivého faktoru ve skupině faktorů, poté se všechny faktory shrnují s přihlédnutím k vlivu významnosti každé skupiny a faktoru ve skupině. Získaná data jsou seřazena a jsou určeny investičně nejatraktivnější organizace. Faktory ovlivňující investiční atraktivitu země jsou: diskontní sazba a její dynamika, míra inflace, technologický pokrok, stav ekonomiky země, úroveň rozvoje investičního trhu. Ukazateli pro hodnocení investiční atraktivity regionu jsou: produkční a ekonomické ukazatele (cenový index, rentabilita produktu, produktivita kapitálu, podíl veškerých materiálových nákladů, počet provozních organizací), finanční ukazatele (ukazatele likvidity, koeficienty autonomie atd.). .), výrobní faktory odvětví (úroveň využití výrobních kapacit, míra znehodnocení stálých výrobních aktiv), ukazatele investiční aktivity odvětví (počet investic na organizaci, počet investic na zaměstnance, index fyzického objemu investic do dlouhodobého majetku atd.).

na základě nákladového přístupu, který je založen na stanovení tržní hodnoty společnosti a trendu k její maximalizaci (A.G. Babenko, S.V. Nekhaenko, N.N. Petukhova, N.V. Smirnova) - poměr podhodnocení / nadhodnocení organizace je vypočítaný reálným investičním trhem jako poměr různých hodnot (reálná hodnota k tržní hodnotě). Reálná hodnota je určena jako součet hodnoty majetkového komplexu a diskontovaných příjmů minus závazky. Tržní hodnota – jedná se o nejvyšší možnou cenu za transakci v určitém časovém období na základě tržních podmínek.

Tyto metody jsou určeny pro strategické investory, jejichž cílem je dlouhodobá investice, která zahrnuje řízení organizace a jejích operací za účelem dosažení konkrétních cílů, a co je nejdůležitější, zvýšení hodnoty organizace. Investoři, kteří své investice umisťují na krátkou dobu (spekulanti), obvykle využívají k posouzení investiční atraktivity teorii portfoliových investic (technika tvorby investičního portfolia zaměřená na optimální výběr aktiv na základě požadovaného poměru výnos/riziko) , fundamentální (předvídání cen pomocí finančních ukazatelů činnosti podniku a výpočet vnitřní hodnoty podniku) a technické analýzy (předvídání budoucí hodnoty pomocí grafů a ukazatelů).

Jako hlavní složka investiční atraktivity se rozlišuje finanční atraktivita, protože finance organizace odrážejí hlavní výsledky její činnosti. Na základě toho bude provedena analýza investiční atraktivity analyzované organizace podle metodiky finanční a ekonomické analýzy, a to na základě ukazatelů pro hodnocení finanční situace, mezi které patří:

analýza struktury a dynamiky majetku;

analýza struktury a dynamiky zisku;

analýza likvidity rozvahy;

analýza solventnosti;

analýza bonity;

analýza obchodní činnosti:

6.1) analýza obratu;

6.2) analýza návratnosti kapitálu.

analýza finanční stability;

analýza pravděpodobnosti bankrotu.

Zvažovány budou také vnější a vnitřní faktory investiční atraktivity, jako je investiční atraktivita regionu a odvětví, organizační a manažerská struktura organizace a pokrytí odbytového trhu.

2. POSOUZENÍ INVESTIČNÍ ATRAKTIVITY SYNTÉZY INTELEKTUÁLNÍCH SYSTÉMŮ LLC

2.1 Stručný popis organizace LLC "SIS"

Synthesis of Intelligent Systems Limited Liability Company se vztahuje na IT organizace a specializuje se na vývoj webových stránek a mobilních aplikací. Organizace vznikla v roce 2015 na základě zápisu ze schůze zakladatelů a v současnosti sídlí v Tomsku.

Účelem vytvoření Synthesis of Intelligent Systems LLC bylo získat maximální zisk při minimálních nákladech poskytováním služeb vývoje softwaru.

Rozsah služeb poskytovaných společností Synthesis of Intelligent Systems LLC:

vývoj webových stránek od nuly na platformě 1C-Bitrix;

vývoj webových stránek pomocí šablony na platformě 1C-Bitrix;

údržba hotových míst;

dokončení a vylepšení hotových stránek;

vývoj mobilních aplikací;

prodej licencí společnosti 1C-Bitrix LLC.

Hlavními klienty jsou právnické osoby a jednotliví podnikatelé, existují zakázky od státních úřadů.

Podle současné klasifikace lze analyzovanou organizaci přiřadit k malým podnikům, protože její průměrný počet na začátku roku 2017 byl 17 osob a základní kapitál je zcela vlastněn soukromými osobami.

V souvislosti s nepřekročením příjmů ve výši 112,5 milionu rublů za prvních devět měsíců loňského roku, nepřesahujícím průměrný počet zaměstnanců za rok 2015 ve výši 100 osob, zůstatková hodnota dlouhodobého majetku - 150 milionů rublů, organizace uplatňuje zjednodušený systém zdanění s cílem zdanění příjmů minus výdaje s úrokovou sazbou 7%, poskytované IT organizacím. V souladu s odstavcem 85 „Předpisů o účetnictví a účetnictví v Ruské federaci“, schváleného nařízením Ministerstva financí Ruské federace ze dne 29. července 1998 č. 34n, mají malé podniky právo sestavovat účetní výkazy. ve sníženém objemu (rozvaha a výsledovka). SIS LLC toto právo v plném rozsahu uplatňuje.

2.2 Posouzení investiční atraktivity organizace

investiční trh prodej zisk

Analýza struktury a dynamiky majetku a zdrojů jeho vzniku

První fází hodnocení je vertikální (strukturální) a horizontální (časová) analýza.

Horizontální analýza je zaměřena na studium temp růstu ukazatelů, což vysvětluje důvody změny jejich struktury, tedy představuje absolutní a relativní změnu ukazatelů za dané období. Vertikální analýza je analýzou struktury ve srovnání s předchozím obdobím, pomáhá pochopit, které ukazatele měly na ukazatele nejvýznamnější vliv.

Analýza dynamiky a struktury majetku organizace a zdrojů jejího vzniku je uvedena v tabulce 3.1.

Tabulka 3.1 - Analýza dynamiky a struktury majetku organizace a zdrojů jeho vzniku

Název indikátorů	Absolutní hodnoty	Relativní hodnoty	Změny
	2015, tisíc rublů	2016, tisíc rublů			V absolutních číslech tisíc rublů	Ve struktuře, %	Míra nárůstu
Dlouhodobý hmotný majetek
Nehmotný, finanční a jiný dlouhodobý majetek
Hotovost a hotovostní ekvivalenty
Finanční a jiná oběžná aktiva (včetně pohledávek)
Kapitál a rezervy
Dlouhodobé půjčky
Jiné dlouhodobé závazky
Krátkodobé půjčky
Splatné účty
Ostatní krátkodobé závazky

Závěry získané z analýzy bilance aktiv:

V aktivu rozvahy převažují finanční a ostatní oběžná aktiva organizace, v tomto případě zcela tvořená pohledávkami, která tvoří 64 % rozvahy. Podíly ostatních aktiv jsou nevýznamné. Podíl dlouhodobého hmotného majetku, konkrétně dlouhodobého majetku, se snížil o 23 %, pravděpodobně vlivem odpisů hlavního zařízení. V absolutním vyjádření se dlouhodobý majetek snížil o 78 tisíc rublů, což je pravděpodobně způsobeno likvidací dlouhodobého majetku v běžném období. Podíl nehmotného, ​​finančního a ostatního dlouhodobého majetku, konkrétně získaných licencí, se snížil o 4 %, což svědčí o opuštění nevýznamného softwaru. Podíl hotovosti a peněžních ekvivalentů se zvýšil o 5 %, v peněžním vyjádření o 238 tisíc rublů, v důsledku nárůstu objemu poskytovaných služeb. V souvislosti s nárůstem objemů se o 22 % zvýšil podíl finančních a ostatních oběžných aktiv představovaných v tomto případě výhradně pohledávkami, což je poskytování odložených plateb odběratelům a také nestabilní platební schopnost hlavní části kupujících.

Tempo růstu bilance činilo celkem 131 %, což svědčí o vývoji organizace, ale jelikož růst byl způsoben především růstem pohledávek, i když jde o ukazatel nárůstu objemu poskytovaných služeb, obecně jedná se o negativní ukazatel - čerpání finančních prostředků z obratu organizace.

Závěry získané z analýzy zdrojů vzniku majetku:

Ve struktuře bilančních pasiv převažují závazky, které tvoří 74 %, jejichž tempo růstu dosáhlo 1192 %. Růst závazků ukazuje na neschopnost organizace uhasit krátkodobé závazky. Ve vykazovaném období činila částka splatných účtů 1550 tisíc rublů. Podíl ostatních dlouhodobých závazků, představujících půjčky od zakladatelů, se výrazně snížil o 36 %, v peněžním vyjádření o 201 tisíc rublů, přímo souvisejících se splácením úvěrů. Krátkodobé výpůjčky a ostatní krátkodobé závazky, které byly nutné při otevření organizace, byly plně splaceny o 10 %, resp. 2 %, což pozitivně charakterizuje organizaci schopnou splácet krátkodobé závazky. poklesla o 12 %, což ukazuje, že organizace po splacení krátkodobých závazků začala likvidovat dlouhodobé dluhy. Podíl vlastního kapitálu, který je základním kapitálem, se nezměnil a v peněžním vyjádření je 15 tisíc rublů. V celkové struktuře bilance je podíl vlastních zdrojů menší než 1 %, což nepochybně charakterizuje nestabilní finanční situaci organizace.

Přehledně dynamiku struktury aktiv a pasiv rozvahy ukazuje obrázek 3.1.

Obrázek 3.1 - Dynamika strukturálních aktiv a pasiv za roky 2015-2016

Analýza struktury a dynamiky výsledků výkonu

Při analýze výsledků výkonnosti se provádí také vertikální a horizontální analýza. Výsledky analýzy ukazují, z jakých ukazatelů se tvoří zisk, dynamiku ukazatelů a jejich vliv na čistý zisk organizace. Analýza dynamiky a struktury zisku je uvedena v tabulce 3.2.

Tabulka 3.2. - Analýza dynamiky a struktury zisku

název indikátory			Odchylka	příjem v Minulý rok	v % příjmů v hlášení	Odchylka
Výdaje na běžné činnosti
Procento k zaplacení
Jiný příjem
jiné výdaje
daně z příjmu (výnosy)
Čistý příjem (ztráta)

Závěr analýzy: Nejvýraznější dopad na zisk mají výdaje na běžnou činnost, které se v roce 2016 zvýšily o 3937 tisíc rublů. V roce 2016 se objevily další výdaje, jejichž výše činila 73 tisíc rublů. a zahrnuje náklady na vedení bankovního účtu. Tržby v roce 2016 vzrostly o 4 731 tisíc rublů. a činil 7535 tisíc rublů, což charakterizuje rozvoj podnikání. V souladu s tím se v roce 2016 zvýšil i čistý zisk o 721 tisíc rublů. a činil 1100 tisíc rublů.

Dynamiku ukazatelů zisku ukazuje obrázek 3.2.

Obrázek 3.2 - Dynamika ukazatelů zisku

Analýza bilanční likvidity

Likvidita organizace je ekonomický termín, který označuje schopnost aktiva rychle prodat za cenu blízkou trhu.

V závislosti na stupni likvidity se aktiva organizace dělí do následujících skupin:

A1 = nejlikvidnější aktiva = hotovost + krátkodobé finanční investice

A2 = obchodovatelná aktiva = pohledávky

A3 = pomaluobrátkový majetek = zásoby + dlouhodobé pohledávky + DPH + ostatní oběžný majetek

A4 = těžko prodejná aktiva = dlouhodobá aktiva

Závazky zůstatku jsou seskupeny podle stupně naléhavosti platby:

P1 = nejnaléhavější závazky = závazky

P2 = krátkodobé závazky = krátkodobé půjčky a úvěry + dluhy účastníkům na výplatu příjmů + ostatní krátkodobé závazky

P3 = dlouhodobé závazky = dlouhodobé závazky + výnosy příštích období + rezervy na budoucí výdaje

P4= trvalé \ stabilní závazky \u003d kapitál a rezervy

Zůstatek je považován za absolutně likvidní, pokud platí následující poměry:

AI > P1; A2> P2; A3 > P3; A4< П4.

Srovnání těchto skupin aktiv a pasiv je uvedeno v tabulce 3.3.

Tabulka 3.3 - Srovnávací analýza aktiv a pasiv organizace

Na základě srovnávací analýzy lze vyvodit následující závěry:

organizace nemůže splácet nejnaléhavější závazky pomocí absolutně likvidních aktiv;

organizace nemůže splácet dlouhodobé půjčky pomalu obrátkovým majetkem;

organizace nemá vysoký stupeň platební schopnosti a nemůže splácet různé druhy závazků příslušným majetkem.

Vzhledem k tomu, že poměry nejsou splněny, je zůstatek považován za nelikvidní, tzn. organizace není schopna dostát svým závazkům.

Analýza solventnosti

Solventnost organizace je schopnost ekonomické jednotky plně splatit své závazky. Solventnost je jedním z klíčových rysů udržitelné finanční pozice organizace.

Solventnost organizace z pozice likvidity aktiv je analyzována pomocí speciálních finančních ukazatelů - ukazatelů likvidity:

obecný ukazatel likvidity - ukazuje schopnost organizace splatit své závazky v plné výši všemi druhy aktiv;

absolutní ukazatel likvidity; odráží schopnost organizace pomocí vysoce likvidních aktiv splácet své krátkodobé závazky. (vypočteno jako poměr peněžních prostředků a krátkodobých finančních investic ke krátkodobým závazkům);

ukazatel rychlé likvidity -- ukazuje možnost splácení pomocí rychle likvidních a vysoce likvidních aktiv jejich krátkodobých závazků (vypočteno jako poměr vysoce likvidních oběžných aktiv ke krátkodobým závazkům);

ukazatel běžné likvidity - odráží schopnost organizace splácet své krátkodobé závazky pomocí oběžných aktiv. (vypočteno jako poměr oběžných aktiv ke krátkodobým závazkům);

faktor ovladatelnosti fungujícího kapitálu; Koeficient manévrovatelnosti ukazuje, kolik funkčního kapitálu je imobilizováno v zásobách a dlouhodobých pohledávkách;

podíl pracovního kapitálu na majetku - charakterizuje přítomnost pracovního kapitálu v majetku organizace;

koeficient zajištění vlastními prostředky - odráží míru využití vlastního pracovního kapitálu organizací; ukazuje podíl oběžného majetku společnosti financovaného z vlastních prostředků organizace.

Výpočet ukazatelů solventnosti je uveden v tabulce 3.4.

Tabulka 3.4 - Analýza solventnosti organizace

Ukazatele	Symbol		Hodnota ukazatele	Změna
Obecný ukazatel likvidity		(A1+0,5A2+0,3A3)/(P1+0,5P2+0,3P3);
Absolutní ukazatel likvidity
Poměr rychlé likvidity		(A1 + A2) / (P1 + P2)
Ukazatel běžné likvidity		(A1 + A2 + A3) / (P1 + P2)
Poměr manévrovací schopnosti provozního kapitálu		A3 / ((A1 + A2 + A3) - (P1 + P2))	pokles ukazatele
Podíl pracovního kapitálu na aktivech		(А1+А2+А3) / Celkový zůstatek
Poměr vlastního kapitálu		(P4 - A4) / (A1 + A2 + A3)

Závěr z analýzy: Celkový ukazatel likvidity v roce 2016 poklesl a dosáhl hodnoty 0,59, což ukazuje, že úroveň likvidity organizace není optimální. Absolutní ukazatel likvidity se snížil o 0,32 a dosáhl hodnoty 0,16, což naznačuje, že množství hotovosti může pokrýt pouze 16 % závazků společnosti, což nestačí k udržení běžné úrovně likvidity organizace. Ukazatel rychlé likvidity dosáhl hodnoty 1,07, což je mírně nad normou a naznačuje možnost rychlého splacení dluhů ve střednědobém horizontu. To znamená, že SIS LLC je schopna stahovat finanční prostředky z oběhu a splácet krátkodobé závazky průměrnou rychlostí. Aktuální ukazatel likvidity byl v roce 2016 1,07, což svědčí o nízké solventnosti. Koeficient ovladatelnosti funkcionálu má nulovou hodnotu z důvodu nedostatku pomalu se pohybujících aktiv v organizaci. Podíl pracovního kapitálu se zvýšil o 0,27 na 0,8, což je pozitivní faktor svědčící o zvýšení likvidity bilance. Ukazatel bezpečnosti má zápornou hodnotu, ale v dynamice je kladný, v roce 2016 byl -0,25, což ukazuje, že oběžná aktiva jsou financována půjčenými prostředky organizace, neboť hodnota koeficientu je nižší než 0,1 a aktuální ukazatel likvidity je méně než 2, pak je organizace insolventní.

Analýza bonity

S bonitou úzce souvisí pojem solventnost organizace. Bonita odráží ve větší míře splácení závazků pomocí střednědobého a krátkodobého majetku organizace, vyjma dlouhodobého majetku.

Hlavní ukazatele solventnosti jsou:

poměr objemu prodeje k čistým oběžným aktivům;

Čistá oběžná aktiva jsou oběžná aktiva snížená o krátkodobé dluhy organizace. Poměr objemu tržeb k čistým oběžným aktivům ukazuje efektivitu využití oběžných aktiv.

poměr objemu prodeje k vlastnímu kapitálu;

poměr krátkodobého dluhu k vlastnímu kapitálu;

poměr pohledávek k výnosům z prodeje.

Výpočet ukazatelů bonity je uveden v tabulce 3.5.

Tabulka 3.5 - Analýza ukazatelů bonity

Ukazatele			Absolutní odchylka
Oběžná aktiva, tisíce rublů
Krátkodobě vypůjčené finanční prostředky tis.
Příjem tisíc rublů
Základní kapitál tisíc rublů.
Pohledávky tisíc rublů
Čistá oběžná aktiva tis.
Indikátory:
Poměr objemu prodeje k čistým oběžným aktivům
Poměr objemu prodeje k vlastnímu kapitálu
Poměr krátkodobého dluhu k vlastnímu kapitálu
Poměr pohledávek k výnosům z prodeje

Na základě analýzy můžeme vyvodit následující závěry: Ukazatel efektivnosti využití oběžného majetku v roce 2016 oproti roku 2015 vzrostl o 53,92, což ukazuje efektivnost využití oběžného majetku. Poměr objemu prodeje k vlastnímu kapitálu byl 502,33, což bylo důsledkem prudkého nárůstu výnosů. Poměr krátkodobého dluhu k vlastnímu kapitálu se zvýšil o 88,53 a dosáhl hodnoty 103,33, což svědčí o vysokém podílu krátkodobého dluhu na vlastním kapitálu a neschopnosti organizace splácet své závazky. Poměr pohledávek k tržbám se zvýšil o 0,04 na 0,18, což lze vnímat jako známku zhoršující se bonity, protože dluhy kupujících jsou zpeněženy pomaleji.

Analýza ukazatelů podnikatelské činnosti

Dalším krokem je analýza ukazatelů obchodní aktivity.

Analýza obchodní činnosti umožňuje vyvodit závěr o efektivitě organizace. Ukazatele podnikatelské činnosti souvisí s rychlostí obratu finančních prostředků: čím rychlejší obrat, tím méně polofixních nákladů na obrat, což znamená vyšší finanční efektivitu organizace.

Analýza obchodní činnosti se zpravidla provádí na dvou úrovních: kvalitativní (šíře prodejních trhů, obchodní pověst organizace a jejích zákazníků, konkurenceschopnost atd.) a kvantitativní ukazatele. Analýza kvantitativních ukazatelů se zároveň skládá ze dvou fází: analýzy obratu (vlastní kapitál, oběžná aktiva, pohledávky a závazky) a rentability.

Analýza obratu aktiv

Mezi klíčové ukazatele obratu patří:

ukazatel rentability vlastního kapitálu - ukazuje, kolik rub. příjem klesá na 1 rubl. průměrná výše investovaného vlastního kapitálu;

kapitálová produktivita stálých aktiv - charakterizuje výši výnosů z prodeje připadající na rubl stálých aktiv;

návratnost nehmotného majetku – odráží efektivitu využití nehmotného majetku. Ukazuje výši příjmů z prodeje v rublech na 1 rubl průměrného množství nehmotných aktiv a také počet obratů za období;

celkový obrat aktiv - ukazuje, kolik peněžních jednotek prodaných produktů přinesla každá peněžní jednotka aktiv;

obratovost oběžných aktiv (oběžná aktiva) - odráží efektivitu využití oběžných aktiv. Ukazuje výši příjmů z prodeje v rublech na 1 rubl průměrného množství oběžných aktiv a také počet obratů za období;

cash turnover ratio - ukazuje období obratu hotovosti;

ukazatel obratu zásob - ukazuje, kolikrát během sledovaného období organizace použila průměrný disponibilní zůstatek zásob;

Poměr obratu pohledávek - zobrazuje počet přijatých plateb od kupujících za období ve výši průměrné ceny pohledávek. Splatnost pohledávek - ukazuje, kolik dní jsou v průměru splaceny pohledávky organizace;

Ukazatel obratu účtů - ukazuje, kolikrát společnost splatila průměrnou hodnotu svých závazků. Splatnost závazků - zobrazuje průměrnou dobu splácení dluhů organizace za krátkodobé závazky;

provozní cyklus odráží časové období od okamžiku, kdy materiál dorazí na sklad, do okamžiku, kdy kupující obdrží platbu za produkty;

Finanční cyklus zobrazuje dobu od okamžiku platby za materiál dodavatelům a končí přijetím peněz od kupujících za dodané produkty.

Výpočet obratových sazeb je uveden v tabulce 3.6.

Tabulka 3.6 - Analýza obratu

Ukazatele	Podmiňovací způsob označení	Algoritmus výpočtu			Změna
Pokračování tabulky 3.6
Počet dní ve vykazovaném roce
Průměrné náklady na vlastní kapitál, tisíce rublů		(SKng+SKkg)/2
Průměrné náklady na dlouhodobý majetek, tisíce rublů		(OSNG+OSCG)/2
Průměrné náklady na nehmotná aktiva, tisíce rublů		(Nmang+Nmakg)/2
Průměrný splatný účet dluh, tisíc rublů		(KZng+KZkg)/2
průměrné náklady aktiva, tisíce rublů		(Ang+Akg)/2
Průměrné náklady na proud aktiva, tisíce rublů		(Aobng+ Aobkg)/2
Počítaje v to:
Hotovost, tisíc rublů		(DSng+DSkg)/2
Rezervy, tisíce rublů		(Zng+Zkg)/2
Pohledávky, tisíce rublů		(DZng+DZkg)/2
Odhadované koeficienty:
Poměr rentability vlastního kapitálu
návratnost aktiv
Návratnost nehmotného majetku
Součinitel obrat aktiv
Součinitel obrat oběžných aktiv
Součinitel obrat zásob
Součinitel splatné obraty
Doba obratu, dny:
oběžná aktiva
Peníze
Pohledávky
splatné účty		D/kobred
Doba trvání provozní cyklus		ext. zap + ext. Deb
Doba trvání finanční cyklus		D. pr.c. + Add.deb-Add. Krédo

Na základě dat lze vyvodit následující závěry: Ukazatel obratu celkových aktiv v roce 2016 oproti roku 2015 poklesl o 1,18, což ukazuje na pokles efektivnosti využití všech dostupných zdrojů bez ohledu na jejich zdroje financování (za každý rubl aktiv, existuje 5,04 rublů prodaných produktů). Ukazatel obratu pracovního kapitálu v roce 2016 poklesl o 4,75, což naznačuje pokles efektivnosti využití oběžných aktiv v organizaci (na každý rubl oběžných aktiv připadá 7,04 rublů prodaných produktů). Návratnost nehmotného majetku se zvýšila o 0,64, což ukazuje efektivitu využití nehmotného majetku (na každý rubl oběžných aktiv připadá 49,41 rublů prodaných produktů). Rentabilita aktiv v roce 2016 vzrostla o 9,63, což svědčí o lepším využití stálých výrobních aktiv (na každý rubl oběžných aktiv připadá 27,60 rublů prodaných výrobků). Rentabilita vlastního kapitálu vzrostla o 128,47, čehož bylo dosaženo zvýšením tržeb, a to i díky vysokému podílu zisku získaného použitím vypůjčených prostředků, v dlouhodobém horizontu může nepříznivě ovlivnit finanční stabilitu. Obrátkovost zásob se z důvodu jejich absence nepočítá. Hotovostní obrat se zvýšil o 4 dny, což svědčí o racionální organizaci práce společnosti. Ukazatel obratu pohledávek se snížil o 6,07 a doba obratu se tak prodloužila o 17 dní, což svědčí o pomalejším splácení pohledávek. Ukazatel obratu závazků se snížil o 37,71 a v důsledku toho se doba obratu prodloužila o 33 dní, což ukazuje na zpomalení splácení závazků.

Délka provozního cyklu se prodloužila o 17 dní, s čímž je spojeno prodloužení doby obratu pohledávek, tzn. počet dní potřebných pro přeměnu surovin a materiálů na hotovost se stal 41 dní.

Doba trvání finančního cyklu se snížila o 16 dní, a to z důvodu prodloužení doby trvání doby obratu pohledávek a závazků, tzn. počet dní mezi splacením závazků a pohledávek je 1 den.

Analýza ziskovosti

V širokém slova smyslu pojem ziskovost znamená ziskovost, ziskovost. Organizace je považována za ziskovou, pokud výsledky z prodeje produktů pokrývají výrobní náklady a navíc tvoří výši zisku postačující pro normální fungování organizace.

Ekonomickou podstatu ziskovosti lze odhalit pouze prostřednictvím charakteristiky soustavy ukazatelů. Jejich obecný význam je ve stanovení výše zisku z jednoho rublu investovaného kapitálu.

Hlavní ukazatele ziskovosti jsou:

rentabilita aktiv (ekonomická rentabilita) - ukazuje výši čistého zisku připadající na každou peněžní jednotku vloženou do majetku podniku, odráží efektivitu využití majetku organizace.

2) rentabilita vlastního kapitálu – ukazuje výši čistého zisku za každou nákladovou jednotku kapitálu ve vlastnictví vlastníků společnosti.

3) návratnost tržeb - ukazuje výši čistého zisku organizace z každého rublu prodaných produktů.

4) ziskovost výroby - ukazuje výši zisku organizace z každého rublu vynaloženého na výrobu a prodej produktů.

5) návratnost vloženého kapitálu - ukazuje poměr zisku k investicím zaměřeným na získání tohoto zisku. Investice jsou považovány za součet vlastního kapitálu a dlouhodobých vypůjčených prostředků.

Výpočet ukazatelů rentability kapitálu je uveden v tabulce 3.7.

Tabulka 3.7 - Analýza rentability vlastního kapitálu

Ukazatele	Podmiňovací způsob označení	Algoritmus výpočtu			Absolutní změna
Příjmy (čisté) z prodeje zboží, výrobků, prací, služeb, tisíce rublů.
Náklady na prodej zboží, výrobků, práce, služby (včetně obchodních a administrativních nákladů), tisíc rublů
Zisk z prodeje, tisíc rublů
Čistý zisk, tisíc rublů
Hodnota aktiv, tisíc rublů		(Ang+Akg)/2
Vlastní kapitál, tisíc rublů		(Skng+SKkg)/2
Dlouhodobé závazky, tisíce rublů		(Dong+Docg)/2
Ukazatele ziskovosti:
Návratnost aktiv
Návratnost vlastního kapitálu
Návratnost vloženého kapitálu		PR/ (sk+komu)
Ziskovost prodeje
Rentabilita výroby

Rentabilita tržeb v roce 2016 činila 0,15, tzn. každý přijatý rubl příjmů obsahoval 15 kopejek čistého zisku, tento ukazatel se zvýšil o 0,01, což naznačuje mírný nárůst poptávky po poskytovaných službách. Rentabilita výroby v roce 2016 činila 0,18, tzn. každý rubl vynaložený na poskytování služeb začal přinášet čistý zisk 18 kopejek. Rentabilita aktiv v roce 2016 klesla o 0,1 a činila 0,74, tzn. každý rubl aktiv začal generovat zisk 74 kopejek. Rentabilita vlastního kapitálu vzrostla o 23,47 a dosáhla hodnoty 74, s čímž souvisí nárůst zisku a nárůst cizího kapitálu. Rentabilita vloženého kapitálu vzrostla o 0,7 a činila 1,87, tzn. každý rubl investice začal generovat zisk 1,87 rublů.

Analýza finanční stability

Finanční stabilita je schopnost organizace udržet svou existenci a plynulý chod díky dostupnosti určitých volných finančních prostředků a vyrovnanosti finančních toků. Finanční stabilita znamená, že organizace bude dlouhodobě solventní.

Podobné dokumenty

Podstata a klasifikace zdrojů financování investic. Metody analýzy investiční atraktivity podniku. Charakteristika hlavních ukazatelů výkonnosti JSC "Russian Fuel Company", hodnocení investiční atraktivity.

semestrální práce, přidáno 23.09.2014


Cíle a subjekty hodnocení investiční atraktivity organizace. Obecný popis LLC "Monopoly +", perspektivy a zdroje jejího rozvoje. Vývoj a hodnocení účinnosti opatření ke zvýšení investiční atraktivity podniku.

práce, přidáno 7.11.2015


Přístupy k hodnocení investiční atraktivity podniku. Stav chemického průmyslu v Rusku. Obecná charakteristika podniku CJSC Sibur-Khimprom. Hodnocení rizik projektu. Analýza dynamiky složení a struktury zdrojů vzniku majetku.

práce, přidáno 15.03.2014


Hlavní metody hodnocení investiční atraktivity obce, používané v Rusku iv zahraničí. Situační analýza městské části Tarnogsky, posouzení její investiční atraktivity, způsoby a prostředky jejího zlepšení.

práce, přidáno 11.09.2016


Koncepce, sledování a metodické přístupy k analýze investiční atraktivity podniku. Charakteristika, finanční analýza a analýza investiční atraktivity OAO "Lukoil". Způsoby, jak zvýšit investiční atraktivitu podniku.

semestrální práce, přidáno 28.05.2010


Hodnocení investiční atraktivity společností. Analýza systému ukazatelů investiční atraktivity emitující organizace a jejich význam pro rozhodování o investicích. Typy cílů investora při investování do finančních aktiv.

test, přidáno 21.06.2012


Organizační a ekonomické charakteristiky moderního ruského podniku. Analýza finanční situace organizace. Řízení podnikových rizik v systému zvyšování investiční atraktivity. Hodnocení ekonomické činnosti podniku.

práce, přidáno 25.05.2015


Ekonomická podstata a finanční potenciál podniku, metodika jeho hodnocení. Vztah finanční a investiční atraktivity organizace. Analýza stavu majetku OJSC "Neftekamskneftekhim" a pokyny pro zlepšení jeho činnosti.

práce, přidáno 24.11.2010


Metodické přístupy k analýze investiční atraktivity a faktorů, které ji určují. Algoritmus pro sledování investiční atraktivity podniku. Analýza likvidity a solventnosti na příkladu podniku OAO "Lukoil".

semestrální práce, přidáno 14.04.2015


Podstata a kritéria investiční atraktivity. Role investic v socioekonomickém rozvoji obce. Problémy a perspektivy rozvoje investiční atraktivity obce na příkladu města Krasnodar.