Главная ->  Экология 

 

Проблемы создания интегрированны. Переработка и вывоз строительного мусора

Е.А. Савельева, М.Ф. Каневский, А.С.Кравецкий, В.П. Огарь, Л.А. Большов,
Институт проблем безопасногоразвития атомной энергетики (ИБРАЭ) РАН
В.И. Богданов, Е.В. Дубинский, В.Н.Юшин, Энергосбыт МОСЭНЕРГО
К.Г. Рубинштейн, ГИДРОМЕТЦЕНТР

 

Проблема энергосбережениянапрямую связана с эффективнымиспользованием энергоресурсов.Эффективное управление энергоресурсаминевозможно осуществлять без использованиямаксимально более точного прогнозированияпотребления электроэнергии. Чем точнеесовпадение прогнозного значения с реальнымпотреблением, тем дешевле электроэнергия.

 

Проблема прогноза потребленияэлектроэнергии представляет собой сложнуюмногопараметрическую задачу. Потреблениеэлектроэнергии зависит от типа дня (рабочийдень, суббота, выходной день, праздничныйдень, предпраздничный день), времени года,погодных условий (температура воздуха,облачность, осадки, туман и т.п.), временисуток и других параметров. Зависимостьпотребления электроэнергии от каждого изэтих параметров довольно сложна и не имеетоднозначного формального описания.

 

Традиционно для прогнозапотребления электроэнергии используетсяметод авторегрессии: линейный алгоритм,основанный на предсказании будущего поближайшему прошлому. Возможно построениеотдельных авторегрессионных моделей дляразличных типов дней. При этом всеостальные факторы, влияющие на потреблениеэлектроэнергии, используютсяопосредованно, то есть через их влияние напрошлые значения потребленияэлектроэнергии. Этот метод позволяетполучать хорошие результаты прогноза встабильных ситуациях (нет резких измененийпогоды). Однако при неожиданном резкомизменении внешних параметров применениетакого подхода не позволяет правильноспрогнозировать ситуацию. Например, прирезком сильном похолодании, даже в случаеесли известен примерно правильный прогнозпогоды, метод не предусматриваетвозможности его использовать.

 

В последнее время все большеевнимание со стороны специалистов,занимающихся прогнозом временных рядов, и вчастности, рядов по потреблениюэлектроэнергии, привлекают искусственныенейронные сети (ИНС). Основнаяпривлекательность применения ИНС для задачпрогноза потребления электроэнергиисостоит в возможности использованиябольшого количества разнообразных входныхпараметров – исторические данные попотреблению электроэнергии исоответствующие исторические погодныеусловия, прогноз погоды, время суток, времягода, тип дня и т.д. При этом функция влияниявходного параметра на выходной результатможет быть какой угодно сложной (нелинейной,нестационарной, …) и неизвестной формы.Кроме того, часть входных параметров моделиявляется численными (исторические значенияпотребления электроэнергии, температуравоздуха, время суток и т.п.), а часть –категориальными (время года, тип дня, типоблачности и другие). Возможно такженеявное использование входных параметров.Например, через построение системы ИНС,каждый элемент которой (отдельная ИНС)обучен на определенный случай, например,для определенного типа дня или времени года.Общий вход системы ИНС (ворота) служит длянаправления данных на вход конкретной ИНС,предназначенной для соответствующейпрогнозируемому случаю ситуации. При этомвыбор ИНС определяется по специальному,неявно задаваемому параметру (или наборупараметров) – например, тип дня.

 

Несколько слов о том, что же такоеИНС. ИНС являются аналитическими системами,в которых поставленные задачи недостаточно четко сформулированы.Недостаточная точность формулировкивосполняется способностью ИНС ксамообучению, умению находить в данныхскрытые и неясные образы. Важным свойствомИНС является способность к изменениюсвоего поведения и знания в зависимости отизменений внешней среды.

 

ИНС представляет собой структуру,соединенных между собой нейронов. Связимежду нейронами обладают весовымикоэффициентами. Структура связей задаетсязаранее и определяет топологию ИНС.Топология может быть различной (тольковперед от одного слоя к другому, каждыйнейрон с каждым и другие). Пример ИНС (многослойныйперсептрон) представлен на рис. 1. Кружочкипредставляют собой нейроны, стрелочки –связи, каждая из связей обладает своимвесовым коэффициентом.

 

Рис. 1. Пример структуры ИНСмногослойный персептрон.

 

Каждый нейрон скрытого слоявычисляет сумму от поступивших на его входзначений (при этом до поступления на входвыходные значения нейронов предыдущегослоя умножаются на вес связи, по которой онопередается). Над полученной суммойвыполняется нелинейная операция. Результатнейрон выдает на свой выход (см рис. 2).Нейроны входного и выходного слоевотличаются тем, что просто передаютсоответственно входные значения илирезультат.

 

Рис. 2. Модель искусственногонейрона.

 

До того как использовать ИНС еенеобходимо обучить на данных, имеющих те жесвойства, что и те, которые будут вдальнейшем подаваться на вход. Для обученияиспользуются исторические данные, то естьдля которых уже известны ответы (реальноепотребление электроэнергии). Процессобучения ИНС состоит в настройке весовыхкоэффициентов связей между нейронами так,чтобы получался лучший ответ на входнойпример. Качество ответа определяется поразнице между реакцией ИНС и реальнымизвестным значением. Одним из важнейшихаспектов работы с ИНС является выявлениеправильного момента окончания обучения, тоесть предотвращение переобучения сети.Переобученная сеть очень хорошовоспроизводит данные, на которых онаучилась, но плохо работает на других, таккак ее внимание излишне заострилось надеталях, отраженных в примерах для обученияи отсутствующих в любых других. Одним изприемов для предотвращения переобученияявляется метод раннего останова.

 

Хорошо обученная ИНС можетфункционировать и в стабильных, и впеременных условиях, так как выход зависитне только от близких предшествующих данных,а от аналогичных имевших место когда-либо.

 

Для демонстрации работы ИНС всложных условиях сделан экспериментальныйпрогноз потребления электроэнергии на 1–4мая 1999 года в Московском регионе. Эти днихарактерны тем, что после очень теплогоапреля (средняя температура воздуха 12–14°C,а в последнюю неделю до 20°C) достаточнорезко произошло похолодание до 7°C. Этовызвало, во-первых, изменения в поведениинаселения (не отправились на природу илибыстро вернулись) и, так как отопление былоуже отключено, включили большое количествообогревательных приборов. Все это привело крезкому, неожиданному для праздничных днейросту потребления электроэнергии. Прогнозтакой ситуации с использованиемавторегрессии невозможен, так как картинапотребления электроэнергии измениласьрезко и практически никак не связана с тем,что наблюдалось в предыдущие дни.Использование ИНС позволяетпрогнозировать и такую ситуацию, так какпрогноз ГидроМетЦентра о понижениитемпературы (пусть не таком сильном) имелся.

 

ИНС обучалась на историческихданных по переходным сезонам (весна, осень)за 2 предыдущих года (1997 и 1998). Характерпотребления электроэнергии в эти временагода схожий, отличается только общейнаправленностью изменения (веснойпотребление электроэнергии в целом падает,осенью – растет). В данном случае веснойсработала осенняя модель – похолодание свыключенным отоплением, такое часто бываетв октябре, и конечно было в историческихданных. Не важно, что в мае такой погодыранее не наблюдалось.

 

Для прогноза использовалась ИНС– многослойный персептрон с 2 скрытымислоями по 8 нейронов в каждом. На вход ИНС (какпри обучении, так и для прогноза) подавались:значение потребления и температуры занесколько предыдущих дней, прогнозтемпературы (дневной и ночной диапазон).Время года задавалось неявно, так какдругие сезоны (лето и зима) неиспользовались при обучении.

 

Рис. 3. Пример прогнозапотребления электроэнергии 1-4 мая 1999 г.

 

Пример прогноза потребленияэлектроэнергии, сделанный с использованиемИНС, представлен на рис. 3. Прогнозпотребления электроэнергии был сделан по 2вариантам прогноза температуры,предоставленным ГидроМетЦентром (от 27апреля и от 30 апреля). Так как прогнозытемпературы различались между собой, торазличаются и прогнозы потребленияэлектроэнергии, но эти различия не так ужсущественны. Более важным оказалосьнаправление изменения температуры (похолодание).

 

Приведенный пример показываетперспективность использования адаптивныхнаучных методов для прогноза потребленияэлектроэнергии. Развитие и тестирования наразличных примерах предложенной методикииспользования ИНС может привести к оченьэффективному и удобному методу прогнозапотребления электроэнергии.

 

 

Михаил Терлецкий, Игорь Шапиро, ООО «ИндаСофт»

 

Актуальность создания интегрированных систем управления (ИСУ) нефтегазовыми предприятиями базируется на значительном экономическом эффекте от их внедрения. При проектировании подобных систем необходимо учитывать проблемы, возникающие при объединении ERP-систем и АСУ ТП. Построение ИСУ на основе программных и технических средств ведущих производителей позволяет решить большинство технических проблем и оптимизировать производственные процессы за счет информации, накопленной в единой базе данных.

 

В создание интегрированных систем управления нефтегазовых предприятий и компаний в настоящее время вкладываются значительные инвестиции. Их эффективность существенным образом зависит от новизны тех решений, на основе которых подобные системы строятся. Однако даже при использовании современных достижений в области автоматизированных систем управления и информационных технологий разработчики ИСУ сталкиваются с рядом трудностей различного характера — организационного, терминологического, кадрового, технического, программного, структурного и т.д. В совокупности такие трудности и составляют проблемы создания ИСУ, от выбора путей преодоления которых также зависит эффективность инвестирования.

 

Большинство проблем создания ИСУ сложилось исторически, в период массового внедрения в бывшем СССР электронно-вычислительной техники и создания на их основе автоматизированных систем управления технологическими процессами и предприятиями (АСУ ТП, АСУП). Само понятие информационных технологий в то время отсутствовало. Необходимость решения принципиально разных задач на этих двух уровнях управления потребовали соответствующего организационного решения.

 

Организационные проблемы
Для решения задач управления предприятием были созданы информационно-вычислительные центры (ИВЦ). Некоторые из них стали преобразовываться в самостоятельные отделы в общей структуре предприятий. В настоящее время на основе отделов создаются подразделения (департаменты, управления, отделы) по информационным технологиям. Несмотря на проводимые преобразования, задачи информационных подразделений остаются неизменными: автоматизация управления производственно-хозяйственной деятельностью предприятий. В силу этого и квалификация и накопленный ранее опыт сотрудников ИТ-подразделений предприятий сформированы на этих задачах, существенно отличающихся от задач управления технологическими процессами.

 

В то же время бывшее ранее общепринятое понятие АСУП постепенно стало уступать место другим понятиям — «ERP-системам» и «автоматизации бизнес-процессов». Однако подобные новации не сближают АСУП с действующими на предприятии АСУ ТП, содержащих всю производственную информацию.
Эксплуатация, внедрение и модернизация АСУ ТП на предприятии обычно осуществляется группой специалистов (отдел, сектор, департамент АСУ ТП), входящих в состав цеха КИПиА или в службу Главного метролога.

 

Специфичность задач АСУ ТП для специалистов этого подразделения требует обязательного знания технологии управляемого объекта, контрольно-исполнительных и регулирующих механизмов, общей структуры и отдельных компонент системы, функционирующей в реальном масштабе времени.
Обеспечивая работу АСУ ТП и надежное управление технологическими участками, установками и цехами, специалисты этого подразделения обоснованно считают, что решать какие-либо интеграционные проблемы по обмену технологической информацией с верхним уровнем управления не их задача.

 

Такой разрыв в работе сложившихся подразделений, занимающихся разнообразными функциями, сопровождается скрытыми, а иногда и откровенными противоречиями, которые становятся непреодолимым препятствием на пути информационной интеграции и построения корпоративной информационной системы. Для преодоления этого препятствия требуются усилия, воля и мощный административный ресурс, тонкое знание и понимание сложившейся ситуации.
Знание этих проблем является необходимым условием для реорганизации информационных служб предприятия, целью которой должно быть создание работоспособного коллектива, ориентированного на построение на предприятии интегрированного информационного пространства.

 

Технические проблемы
Другим серьезным барьером для интеграции информационных систем различного назначения является отсутствие программного обеспечения, способствующего решению технических проблем.
На современном этапе развития автоматизации управления бизнес-процессами (АСУП) создается и широко внедряется большое количество типовых программных систем управления ресурсами предприятия. К таким системам, ориентированным на бизнес-анализ, относятся: SAP R/3, Baan, Oracle Applications, jD Edward’s, MFG-Pro, Syteline, iRenaissance, Concorde XAL, Axapta, SunSystems, Босс-Корпорация, Галактика, Парус, Ресурс и др.

 

Особенностью всех этих систем является применение современных реляционных баз данных, таких как, например, Oracle, Informix, Microsoft SQL Server и др., которые наиболее хорошо приспособлены для решения многокомпонентных задач анализа. Внедрение подобных систем с большим или меньшим успехом осуществляется на многих отечественных предприятиях нефтегазового комплекса.

 

Различные поставщики программных продуктов типа DCS и SCADA (ABB, Fisher Rosemount, Foxboro, Honeywell, Intellution, Wonderware и др.) продолжают развивать и совершенствовать свои системы, успешно применяемые в АСУ ТП. Их особенностью является то, что они работают с объемными потоками данных о технологических процессах, поступающих от большого числа (нескольких сот или тысяч) датчиков в реальном масштабе времени и с высокой частотой опроса (до тысячи раз в секунду и чаще). Такие данные необходимы не только для оперативного управления технологическим процессом, но и для анализа, позволяющего оптимизировать как отдельные технологические процессы, так и производство в целом.

 

В большинстве случаев данные хранятся в базах данных реального времени, поскольку реляционные базы не способны принимать и выдавать информацию в темпе, позволяющем оперативно управлять технологическими процессами. В то же время информация, успешно используемая в АСУ ТП, неудобна для системы верхнего уровня управления.

 

Интегрированная ИС предприятия
На уровне бизнес-процессов необходима только интегрированная информация о технологических процессах. В частности, данные типа «нарастающим итогом», средних значений за определенные промежутки времени, общее количество произведенных продуктов и т.д. Очевидно, что подобные данные должны поступать в систему гораздо реже, чем данные реального времени от технологических процессов. Из-за несогласованности природы и назначения данных верхнего (АСУП) и нижнего (АСУ ТП) уровней управления между ними необходим промежуточный интегрирующий слой, который мог бы служить мостом между столь разнородными потоками данных.

 

Этот же мост мог бы стать средством горизонтальной интеграции упомянутых разнородных систем автоматизации нижнего уровня. Кроме того, на современном предприятии необходима информационная система, способная обеспечить главным специалистам и среднему инженерному звену, участвующему в управлении производством, доступ к архивным данным. Наделенная такими возможностями система позволила бы исследовать и сопоставлять ход технологических процессов и энергозатраты на разных установках с целью анализа состояния объектов и оптимизации производства.
На рис. 1 приведена обобщенная схема ИСУ предприятием.

 

Графическое отображение укрупненной схемы модели функционирования интегрированной системы предприятия приведено на рис. 2. Средним овалом схемы условно представлена та часть системы, в которой происходит наиболее интенсивный обмен информацией между другими подсистемами интегрированной системы предприятия. Анализ существующих разработок АСУ показывает, что, несмотря на функциональную значимость, данная часть интегрированной системы в большинстве случаев автоматизирована недостаточно.
В общем случае обмен данными между бизнес-системами и АСУ ТП осуществляется по вертикали во встречных направлениях. В силу этого можно говорить о нисходящем и восходящем потоках данных.

 

Нисходящий поток — на нижний технологический уровень передаются производственные задания, графики работы и ремонтов, технологические регламенты, спецификации на качество вырабатываемых нефтепродуктов и др.
Восходящий поток формируется производственной информацией, поступающей с технологических участков, установок и цехов. Данные восходящего потока обеспечивают менеджеров верхнего уровня сведениями о количественных и качественных показателях переработанного сырья и продуктах переработки, технологических режимах и их нарушениях, состоянии технологического оборудования, потреблении реагентов и энергоносителей, затратах труда и др.

 

Даже краткий перечень информации, формирующей встречные потоки, характеризует сложность автоматизации обменных процессов. В то же время многие предприятия, специалисты информационных подразделений которых имеют мощный творческий потенциал, в целях сокращения временных и финансовых затрат, пытаются собственными силами решать частные задачи интеграции функционально неоднородных систем. В большинстве случаев такой подход позволяет добиться временного успеха, но в стратегическом смысле подобные решения необоснованны.

 

Во-первых, в этом случае крайне затруднительна техническая поддержка и развитие «самодельных» систем в силу низкой системной проработки принимаемых решений. Динамичное производство постоянно выдвигает новые задачи, требующие развития программного обеспечения.
Во-вторых, кадровые перемещения разработчиков ПО и отсутствие формализованных описаний проведенных разработок ставят предприятие в тяжелейшее и иногда безвыходное положение. При этом необходимо отметить, что, несмотря на кажущуюся простоту, «средний» уровень системы управления не менее важен и сложен, чем ERP- или SCADA-системы. Поэтому его разработка и поддержка доступны только специализированным компаниям.

 

Программные средства ИСУ
Сегодня на российском рынке программные средства для создания интегрированных систем управления представлены продуктами таких фирм, как AspenTech (Info+), Honeywell (РHD), OSIsoft (PI System) и др. Анализ функциональных возможностей и опыта эксплуатации показал, что наиболее известным и функционально развитым из программных продуктов этого назначения является пакет Plant Information System (PI System).

 

Дружественный интерфейс, а также высокая надежность программного продукта, непрерывный процесс поддержки пользователей и продуманная политика регулярных обновлений привели к тому, что PI System заняла ведущее место в мире среди продуктов этого класса. Сегодня PI System используются на 70% зарубежных нефтеперерабатывающих предприятий, оснащенных ИСП, среди которых Shell, Exxon, Texaco и другие мировые нефтегазовые лидеры.

 

В России PI System работает на Омском (НК «Сибнефть»), Новокуйбышевском (НК «ЮКОС»), Сызранском (НК «ЮКОС»), Куйбышевском (НК «ЮКОС») НПЗ, в «ЛУКОЙЛ-Пермнефтеоргсинтезе».
Типовая структура информационной системы производства, построенной на базе PI System, представлена на рис. 3.

 

Являясь гибким инструментом для создания информационной системы производства, PI System позволяет при помощи интерфейсов получать данные от:
• распределенных систем управления (DCS);
• систем операторского контроля, сбора данных и управления (SCADA);
• непосредственно от контроллеров (PLC);
• лабораторных систем (LIMS);
• устройств ручного ввода.

 

Наличие большого выбора (более 300) интерфейсов для разных систем АСУ ТП позволяет PI System создать единое информационное пространство производства.
Информация от PI интерфейсов передается на сервер, где она обрабатывается по оригинальным алгоритмам сжатия и становится доступной в единообразном формате как для клиентских приложений ИСП, так и для бизнес-системы.
Построение ИСП на базе PI System позволяет решить большую часть технических проблем и дает возможность оптимизировать производственные процессы на основе собранных в едином хранилище и предоставленных для дальнейшего анализа данных.

 

PI System обеспечивает надежный механизм построения ИСП, но эта система оперирует уже «готовыми» данными из АСУ ТП. И здесь необходимо быть уверенным, что данные, предоставляемые SCADA-системами, достоверны, своевременны и точны. Таким образом, АСУ ТП есть необходимая база построения ИСУ НК, основной источник производственной информации. Поэтому наряду с выполнением функции диспетчерского управления системы данного уровня должны обеспечивать целостность и надежную доставку данных технологического характера.

 

Программные пакеты для АСУ ТП
Ведущие разработчики средств для построения АСУ ТП все больше внимания уделяют открытости систем, возможности ее взаимодействия не только с внешним миром, но и тесной интеграции с другими системами. Как правило, эти задачи решаются на уровне ПО, и особую роль здесь играет поддержка наиболее распространенных стандартов и технологий.

 

Среди доступных на рынке программных пакетов для построения АСУ ТП наибольшим авторитетом пользуются SCADA-пакеты американской компании Intellution. В частности, такие из них, как: FIX32, FIX DMACS, iFIX. Огромный объем внедрения — более 190 тыс. инсталляций — является хорошим подтверждением качества и развитой функциональности этого программного продукта. В настоящее время компания предлагает семейство программных средств, позволяющих решать и смежные задачи.

 

Так, последняя версия SCADA-пакета iFIX 3.0 выделяется на общем фоне использованием передовых информационных технологий от Microsoft, а также собственными специализированными разработками. Пакет поддерживает распределенную архитектуру клиент-сервер и такие технологии, как Visual Basic for Application (VBA) 6.3, OLE for Process Control (OPC) 2.0, Component Object Model (COM), ActiveX, Secure Containment и др. [1,2]. Intellution имеет значительный опыт разработок, превышающий 20 лет, и последовательно развивает свои программные продукты на платформе Microsoft. Сегодня это Windows NT/00/XP.

 

На базе программных продуктов компании Intellution создано большое количество систем диспетчерского управления для ведущих мировых компаний добычи, транспорта и переработки нефти. К их числу относятся: West Shore Pipelines — управление нефтяным трубопроводом длиной 283 мили в США, Trapil — транспорт нефти, Marathon Pipeline — транспорт нефти и нефтепродуктов во Франции, PDVSA — нефтеперерабатывающий завод в Венесуэле, BPX Alaska — добыча нефти (США), ESSO — нефтеналивные терминалы (Великобритания), корпорация Chevron — управление нефтяными платформами в Тихом океане (Калифорния, США) и многие другие.

 

В России программные средства компании Intellution также хорошо известны специалистам АСУ ТП нефтегазовых предприятий. Среди пользователей FIX в нашей стране такие крупные компании, как «Транснефть», «ЮКОС», «ЛУКОЙЛ», «Надымгазпром», «Сургутгазпром», «Уренгойгазпром», «Ямбургаздобыча», «Волготрансгаз», «Лентрансгаз», «Киевтрансгаз» и т.д.

 

Одним из красноречивых примеров применения FIX в России служат системы автоматизации нефтеперекачивающих станций (НПС) [3]. На базе программного обеспечения FIX/iFIX работает уже более 50 НПС «Транснефти» и внедряются все новые и новые системы управления. iFIX стал основной платформой АСУ ТП для «Транснефти» не случайно. Важными аргументами в его пользу были надежность, открытость и возможность простого и быстрого освоения программного продукта. Кроме того, интерфейс пакета и документация русифицированы. Существует возможность обучения в сертифицированном тренинг-центре и получения квалифицированной технической поддержки.

 

Среди объектов автоматизации крупных нефтяных компаний много территориально-распределенных объектов. В этих случаях особое значение приобретает возможность использования радиоканала для обеспечения надежного механизма обмена данными между центральным диспетчерским пунктом и управляемыми объектами. Причем по такому каналу должна идти не только информация снизу, но и передаваться управляющие воздействия. Эту сложную задачу успешно решает система MOSCAD компании Motorola, уже получившая широкое распространение в России и странах СНГ.

 

Следующий пример применения ПО iFIX связан как раз с таким распределенным объектом. Речь идет о системе узлов коммерческого учета нефтепродуктов на Сызранском НПЗ (см. рис. 4), внедренной фирмой «ИндаСофт».
Отгрузка нефтепродуктов осуществляется на Сызранском НПЗ по трубопроводам на 2 нефтебазы, водным транспортом на причале и железной дорогой. На всех местах отгрузки нефтепродуктов установлены узлы коммерческого учета нефтепродуктов. При реализации проекта была решена задача обеспечения диспетчерского контроля отгрузки нефтепродуктов по месту, сбор и централизованное хранение данных, оперативный учет отгрузки нефтепродуктов. Узлы учета расположены на разном расстоянии от завода. Удаленность объектов диктовала применение различных каналов связи для объединения всей системы.

 

Для решения этой задачи были применены удаленные терминальные устройства MOSCAD, которые предоставляют возможность использовать широкий набор средств передачи данных: прямые и выделенные линии, радиоканал, сеть GSM, модемный кабель, оптическое волокно и инфракрасный канал, с возможностью автоматического переключения между каналами связи. Для организации рабочего места оператора на КП «Ж/Д Наливная» разработан специализированный драйвер для стыковки контроллера весов фирмы Mettler-Toledo и iFIX. В результате iFIX объединил информацию из всех этих источников, и на его базе была построена система, включающая не только АРМы диспетчеров, но и просмотровые станции для отделов главного метролога и главного инженера.

 

Таким образом, применение соответствующих программных и аппаратных средств на разных уровнях построения ИСУ НК имеет важное значение. Максимальный эффект дает использование уже проверенных и широко используемых систем.
Успех внедрения EPR-систем измеряется отдачей, т.е. повышением эффективности, производительности, улучшением качества продукции. «Те производственные предприятия, которые вкладывают средства в ERP-приложения для производства и при этом не обеспечивают специалистов точной информацией реального времени о процессах, снижают окупаемость своих вложений по крайней мере на 50%...». (Gartner Group, 1998 г.).

 

Литература
1. Альперович И.В. FIX Dynamics — новый рывок Intellution, PCWeek/RE, 5/1999
2. Альперович И.В. iFIX — «крупноблочное» построение диспетчерских систем АСУ ТП. PCWeek/RE, 30/2001
3. Алексеев А.А., Алексеев М.А., ЗАО «Эмикон», Система автоматизации НПС «Самара-1» на базе контроллеров ЭК-2000. Промышленные контроллеры АСУ, 5, 2001

 

ссылка по вывозу строительного мусора

 

Будущее за гелиосистемами. Энергоаудит. Пеностекло, как уникальный, состоящий на 100% из стеклянных ячеек материал, было создано в 1930-е годы в ссср. Должностная инструкция главного. К вопросу об эско.

 

Главная ->  Экология