Как мультиагентная система Smart-MES управляет электростанцией в условиях неопределённости

Создание мультиагентных систем для промышленности, к сожалению, до сих пор остаётся прерогативой лишь учёных, т.к. для этого необходимы агенты с самоорганизацией, а их нет. Даже для Запада мультиагентная технология для промышленности является экзотикой.

А между тем, Фирма ИнформСистем разработала и апробировала самоорганизующуюся систему Smart-MES «MES-T2 2020» для реализации технологии экономии топлива на ТЭЦ и ГРЭС посредством поминутного расчёта ТЭП в реальном времени, и для реализации технологии безаварийной эксплуатации АЭС. Именно данная система может быть задействована в мультиагентной технологии для реализации когнитивных функций управления любой электростанцией.

Правда, в «ФСК ЕЭС» планируется разработка и внедрение мультиагентной системы, у которой продекларированы функции самоорганизации. Но сказать – одно, а реально сделать – это совсем другое. И здесь не помогут ни огромные государственные вложения, ни огромная команда разработчиков. В результате это наверняка будет псевдо мультиагентная система, состоящая из “хромых” агентов.

Нам на реализацию данной самоорганизующейся системы понадобилось 10 лет, в результате которых были разработаны семь поколений ПО, а их мы разрабатывали, не представляя финальной части, и абсолютно в отрыве от изысканий учёных. В результате только последнее поколение стало апофеозом самоорганизации в IT. Создать подобную систему, зная наши принципы самоорганизации, сейчас можно значительно быстрее, но их надо знать. Здесь не играют роли ни платформа, ни язык программирования, ни база данных. Создать без нас нечто подобное или даже лучшее, наверное, можно. Но чудес не бывает.

Например, вспомним Теслу. Он утверждал, что в конденсаторе, состоящем из земли и верхних слоёв атмосферы, сосредоточено энергии в тысячи раз превышающие все потребности электроэнергии в мире, и что каждый может по его технологии её использовать сколько угодно. Не нужны ни электростанции, ни электросети. Но монополисты США все его наработки уничтожили. А сейчас никто повторить их не может. А раз так, то это выдаётся просто за блеф.

И я дерзну заявить, что наша технология самоорганизации ПО сродни технологии получения энергии из воздуха у Теслы. Только у Теслы она знаменовала революцию в энергетике, а у нас в IT. А отношение к ним монополистов и государства точно такое же, т.е. прискорбно недальновидное.

Меня спрашивают, чем отличаются агенты от сервисов, или другими словами: зачем нужна мультиагентная система?

Вот простой пример. Для выработки важнейшего государственного решения собираются две команды. В первой (сервисы) привлечены эксперты только из одной корпорации, а во второй (агенты) – из разных корпораций. И как вы думаете, у какой команды оказалось наилучшее и более взвешенное решение? Естественно, у второй, т.к. данная команда не ограничивалась устоявшимися принципами только одной корпорации.

Таким образом, во-первых, сервисы используют детерминированные алгоритмы, а агенты работают в условиях неполноты информации и поэтому пользуются интуицией. Во-вторых, над сервисами стоит управляющий арбитр, который координирует их работу, а над агентами арбитра нет, и они функционируют абсолютно самостоятельно. В-третьих, каждый сервис имеет четкое предназначение, а для агента это не принципиально, т.к. он может выполнять любые задания, обладая самоорганизацией и самообучением.

А теперь об управлении электростанцией. Всем абсолютно понятно, что человек управляет электростанцией намного хуже, чем автоматическая система с элементами интеллекта. Хотя человек и пользуется интуицией, но он не в состоянии оперировать тысячами факторов в условиях неопределённости, обеспечивая при этом выполнение ежесуточного графика поставки электроэнергии и тепла при минимуме затрат и при отсутствии при этом аварии. Другими словами, основная цель управления электростанцией это обеспечение максимальной прибыли.

Обычная автоматическая система в условиях постоянно меняющегося рынка электроэнергии это не потянет, т.к. в данном случае следует принимать не оптимальные решения, а наилучшие именно в данный момент с учётом всех факторов риска.

Дело в том, что производство электроэнергии и тепла настолько уникально из-за невозможности их накапливания. Другими словами, если выработано электроэнергии и тепла больше, чем за него оплачено, то это просто выброшенные деньги, потраченные на бесполезно перерасходованное топливо. Но многотонные энергетические котлы имеют большую инерционность, а это означает, что если и прекращена поставка топлива, но острый пар ещё какое-то время будет бесполезно вырабатываться. Поэтому в управлении должен использоваться принцип интуитивного опережающего воздействия, что человек обеспечить не в состоянии.

Здесь следует понимать, что на электростанции есть множество участков, которыми необходимо управлять во взаимосвязи, и для этого должно быть задействовано множество агентов, которые способны взять на себя управление любым участком, при этом количество участком и количество агентов могут не совпадать. В данном случае агенты оперативно используют принципы взаимовыручки.

Выше я заикнулся об интуиции, которой, как и человек, должны обладать программные агенты. Но разве ж это возможно? Интуиция – непосредственное постижение истины без логического анализа, основанное на предшествующем опыте. Но подсознательно человек в условиях неопределённости оперирует вероятностными методами, которые и выдаются за интуицию.

В агенте для этого используется теорема Байеса: P(b|a) = P(a|b)P(b)/P(a). Это простое уравнение лежит в основе всех современных систем искусственного интеллекта для вероятностного или интуитивного вывода. Правило Байеса позволяет вычислять неизвестные вероятности из известных условных вероятностей.

Неопределённость возникает на электростанциях и по причине экономии усилий, и из-за отсутствия знаний. Неопределённости нельзя избежать в сложных и динамичных производствах. Наличие неопределённости означает, что многие упрощения, возможные в дедуктивном логическом выводе, становятся больше не допустимыми.

Агент на электростанции может рассчитывать вероятности ненаблюдаемых объектов и использовать их для принятия лучших решений по сравнению с теми, которые принимает простой логический сервис.