ЗАДАЧИ ПРИНЯТИЯ НЕЧЕТКИХ РЕШЕНИЙ ДЛЯ УПРАВЛЕНИЯ РЕЖИМАМИ РАБОТЫ ТЕХНОЛОГИЧЕСКИХ СИСТЕМ И МЕТОДЫ ИХ РЕШЕНИЯ

Формализованы и получены постановки задач принятия решений для управления нечеткими технологическими объектами и предложены методы их решения. Объектом исследования являются пункты обогрева «горячего» магистрального нефтепровода. Поскольку такие объекты часто характеризуются многокритериальностью и часто функционируют в условиях нечеткой исходной информации, задачи формализуются в виде многокритериальных задач принятия решений в нечеткой среде. На основе модификации различных принципов оптимальности были получены новые математические формулировки решаемых задач и разработаны интерактивные эвристические алгоритмы их решения. Новизна предлагаемых подходов к решению формализованных нечетких задач от известных методов решения нечетких задач заключается в том, что задачи ставятся и решаются без предварительного преобразования их в эквивалентные детерминированные варианты, что не уменьшает потери исходной нечеткой информации и позволяет получать более адекватные и эффективные решения. Приведен пример практического применения предложенного подхода к решению задач принятия решений путем реализации одного из разработанных алгоритмов при решении задачи выбора эффективного режима работы станции подогрева нефти нефтепровода Узень-Самара в пункте Атырау.

1. Dubois D. The role of fuzzy sets indecision sciences: Old techniques and new directions / D. Dubois // Fuzzy Sets and Systems. – 2011. – Vol. 184. Р. 3-28.

2. Orazbayev B.B. Development of mathematical models and modeling of chemical engineering systems under uncertainty / B.B. Orazbayev, K.N. Orazbayeva, B.T. Utenova // Theoretical Foundations of Chemical Engineering. – 2014. – № 48(2), Р. 138-148. https://doi.org/10.1134/S0040579514020092.

3. Methods of model synthesis and multicriteria optimization of chemical-engineering systems in the fuzzy environment / B. Orazbayev, B. Assanova, M. Bakiyev et al // Journal of Theoretical and Applied Information Technology. – 2020. № 98(06). Р. 1021-1036. https://www.scopus.com/record/display.uri?eid=2-s2.0-85083790104&origin=resultslist&sort=plf-f.

4. Emelyanov S.V. Mnogokriterial'nye metody prinyatiya reshenij / S.V. Emelyanov, O.I. Larichev. – Moskva: Znanie, 1986. – 57 s.

5. The System of Models and Optimization of Operating Modes of a Catalytic Reforming Unit Using Initial Fuzzy Information / B. Orazbayev, A. Zhumadillayeva, K. Orazbayeva // Energies. – 2022. – № 15(4). – Р. 1-26. https://doi.org/10.3390/en15041573.

6. Methods for Modeling and Op-timizing the Delayed Coking Process in a Fuzzy Environment / B. Orazbayev, E. Dyussembina, G. Uskenbayeva et al // Processes/ – 2023/ № 11. Р. 450. https://doi.org/10.3390/pr11020450.

7. Zaichenko YU.P. Issledovanie operatsii: Nechet. optimizatsiya: ucheb. posobie dlya vuzov po spets. «Avtomatizir. sistemy obrab. inform. i upravleniYA» i «Prikl. MatematikA» / YU.P. Zaichenko. – Kiev: Vyssh. shk., 1991. – 191 s.

8. Michaël Rademaker Aggregation of monotone reciprocal relations with application to group decision making / Michaël Rademaker, Bernard De Baets. // Fuzzy Sets and Systems. 2011. – Vol. 184. – Р. 29-51.

9. Development of mathematical models of R-1 reactor hydrotreatment unit using available information of various types / B.B. Orazbayev, Ye.A. Ospanov, K.N. Orazbayeva et al // Journal of Physics: Conference Series. – 2019. – № 1399(45) Р. 156053. https://doi.org/10.1088/1742-6596/1399/4/044024

10. Didier J. Dubois Fuzzy Sets and Systems: Theory and Applications: Acad. Press. N-York, 1980. – 393 s.

11. Rykov A.S. Sistemnyj analiz: Metody mnogokriterial'nogo vybora i nechetkoj optimizacii / A.S. Rykov, B.B. Orazbaev. – M.: Metallurg, 1996. – 117 s.

12. Control of Fuzzy Technological Objects Based on Mathematical Model / B. Orazbayev, Y. Ospanov, K. et al // 16-th International Conference on Control, Automation and Systems (ICCAS 2016) Oct 18-19, 2016, in HICO, Gyengju, Korea. – P. 1487-1493.

13. Mathematical modeling and decision-making on controlling modes of technological objects in the fuzzy environment / Y.A. Ospanov, B.B. Orazbayev, K.N. Orazbayeva et al // Proceedings of the Words Congress on intelligent Control and Automation (WCICA). Guilin, China. IEEE Catalog Number: CFP16496-ART. 2016. – Р. 103-109. https://doi.org/10.1109/WCICA.2016.7578783.

14. Mizumoto M. Comparison of fuzzy reasoning methods / M. Mizumoto, H.J. Zimmermann // Fussy Sets and Systems. – 1982. – Vol. 8, № 3. – Р. 253-283.

15. Ghodousian A. Linear optimization with an arbitrary fuzzy relational inequality / A. Ghodousian, E. Khorram // Fuzzy Sets and Systems. – 2012. – Vol. 206. Р. 89-102.

16. Dubey D. Fuzzy linear programming under interval uncertainty based on IFS representation / D. Dubey, S. Chandra, A. Mehra // Fuzzy Sets and Systems. 2012. – Vol. 188. – Р. 68-87.

17. Hydrotreating unit models based on statistical and fuzzy information / Tanirbergenova A., Orazbayev B., Ospanov Ye. et al // Periodicals of Engineering and Natural Sciences. – 2021. – № 9(4). Р. 242-258. https://doi.org/10.21533/pen.v9i4.2307.

18. Methods for Developing Models in a Fuzzy Environment of Reactor and Hydrotreating Furnace of a Catalytic Reforming Unit / Orazbayev B., Zhumadillayeva A., Orazbayeva K. et al // Applied Sciences. –2021. № 11(18). Р. 1-22. https://doi.org/10.3390/app11188317.

19. Development of mathematical models and optimization of operation modes of the oil heating station of main oil pipelines under conditions of fuzzy initial information / Orazbayev B., Moldasheva Zh., Orazbayeva K. et al // Eastern-European Journal of Enterprise Technologies. 2021. – № 2(114). Р. 147-162. https://doi.org/10.15587/1729-4061.2021.244949.