KONCEPCJA INTELIGENTNEGO SYSTEMU DETEKCJI AWARII SIECI WODOCI GOWEJ 1 IZABELA ROJEK, JAN STUDZI SKI Streszczenie W artykule przedstawiono koncepcj inteligentnego systemu detekcji awarii sieci wodoci gowej. System ten ma by cz ci systemu monitoringu i zarz dzania sieci wodoci gow. Obecne wykorzystanie systemów monitorowania nie odpowiada ich mo liwo ciom. Systemy monitoringu słu obecnie jako autonomiczne programy do zbierania informacji o przepływach i ci nieniach wody w pompowniach ródłowych, hydroforniach strefowych i ko cówkach sieci wodoci gowej, daj c ogóln wiedz o stanie jej pracy, gdy jednocze nie mog i powinny by wykorzystane jako elementy systemów zarz dzania sieci, w tym w szczególno ci w zakresie wykrywania i lokalizacji wycieków wody. Opisany został pierwszy etap prac, polegaj cy na opracowaniu koncepcji inteligentnego systemu komputerowego, którego zadaniem ma by sygnalizacja pojawienia si awarii sieci i jej lokalizacja, oraz na przygotowaniu danych obliczeniowych do bada symulacyjnych. System korzysta z pomiarów przepływu wody z punktów monitoringu zainstalowanych w sieci wodoci gowej oraz z sieci neuronowej, która wykrywa i lokalizuje stany awaryjne. Słowa kluczowe: sie wodoci gowa, model hydrauliczny sieci, wykrywanie i lokalizacja wycieków wody, sieci neuronowe 1. Wst p Przedsi biorstwo wodoci gowe w zakresie sieci wodoci gowej zajmuje si dystrybucj wody dobrej jako ci w ilo ci gwarantuj cej zaspokojenie potrzeb odbiorców, poprawn eksploatacj sieci wodoci gowej zapewniaj c wła ciwe ci nienie w w złach odbiorczych, sprawnym usuwaniem awarii oraz planowaniem i wykonywaniem prac zwi zanych z konserwacj, modernizacj i rozbudow sieci [1]. Sterowanie sieci wodoci gow jest trudnym i kompleksowym procesem. Bardzo istotnym problemem w zarz dzaniu przedsi biorstwem wodoci gowym jest wykrywanie i lokalizacja ukrytych wycieków wody w sieci wodoci gowej. Spowodowane tym straty wody w ruroci gach, dochodz ce niekiedy nawet do 20%, wpływaj niekorzystnie na wyniki finansowe przedsi biorstw wodoci gowych, które utraconej wody nie mog sprzeda. U odbiorców wody straty te odbijaj si w zwi kszonych opłatach za wyprodukowana i niezu yt faktycznie wod. Szybka lokalizacja i eliminacja ukrytych wycieków wody z nieszczelnych ruroci gów przynosi 1 Praca wykonana w ramach projektu rozwojowego MNiSW nr NR14-0011-10/2010.
Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 265 zatem wymierne korzy ci ekonomiczne zarówno dostawcom, jak i odbiorcom wody, czyli przedsi biorstwu wodoci gowemu i u ytkownikom sieci wodoci gowej. 2. Stan bada dotycz cy wykrywania i lokalizacji wycieku wody Istniej ró ne podej cia i algorytmy obliczeniowe do wspomagania wykrywania i lokalizacji wycieku wody w sieci wodoci gowej, prezentowane w literaturze. W ka dym przypadku podstaw oblicze s model hydrauliczny sieci wodoci gowej i pomiary przepływu wody, wzgl dnie przepływu i ci nienia pozyskiwane z punktów pomiarowych systemu monitoringu zainstalowanego na sieci. Oznacza to, e dla praktycznej realizacji tych algorytmów jest niezb dna odpowiednia infrastruktura informatyczna wdro ona i eksploatowana w przedsi biorstwie wodoci gowym. W skład tej infrastruktury powinny wchodzi system SCADA monitoringu sieci, skalibrowany model hydrauliczny i równie system GIS generowania mapy numerycznej [10]. Taka infrastruktura pozwala nie tylko wykrywa i lokalizowa awarie sieci wodoci gowej, ale równie zarz dza sieci, wykonuj c takie na przykład zadania, jak sterowania sieci wodoci gow, analiza jako ci wody, optymalizacja i projektowanie sieci itp. [2, 10]. Oznacza to, e wysoko rozwini te technologie informatyczne mog sta si u ytecznym i w przyszło ci niezb dnym narz dziem dla operatora sieci wodoci gowej, wspomagaj cym racjonalna eksploatacj sieci. W pracy [3] przedstawiono inteligentny system monitorowania sieci wodoci gowych, sygnalizuj cy pojawienie si awarii sieci i wspomagaj cy ich lokalizacj. Podstawowym zało eniem omawianego systemu było przyj cie metody wykrywania awarii stosowanej dotychczas w diagnostyce technicznej maszyn i procesów przemysłowych [4]. Bazuj c na niewielkiej liczbie czujników przepływu zainstalowanych na sieci wodoci gowej i na odpowiednio wytrenowanej sieci neuronowej, pojawiaj ce si awarie sieci mog by szybko i w sposób automatyczny wykrywane i lokalizowane. Do znalezienia najlepszych lokalizacji czujników w punktach pomiarowych systemu monitoringu został u yty algorytm genetyczny. Autorzy systemu, w celu unikni cia konieczno ci bezpo redniego korzystania z systemu monitoringu podczas oblicze symulacyjnych badanej metody, zastosowali koncepcj systemu diagnostycznego, który u ywa przybli onego podej cia do modelowania sieci wodoci gowej i rozpoznawania zaistniałych wycieków wody [5]. W systemie tym model hydrauliczny sieci jest traktowany jako obiekt rzeczywisty, natomiast sie neuronowa jest traktowana jako model komputerowy tego obiektu [4]. Dane u yte do uczenia sieci neuronowej s w zwi zku z tym pozyskiwane nie z rzeczywistego obiektu za pomoc systemu monitoringu, a z modelu hydraulicznego sieci wodoci gowej w wyniku oblicze symulacyjnych. Za pomoc modelu hydraulicznego s symulowane awarie kolejno we wszystkich w złach sieci, a wynikaj ce z awarii zmiany przepływu wody s rejestrowane w kilkudziesi ciu wybranych punktach, traktowanych jako punkty pomiarowe systemu monitoringu. Obliczenia symulacyjne wykonuje si dla ró nych warto ci godzinowych obci enia sieci wodoci gowej, które jest zró nicowane w cyklu miesi cznym [6]. Ostatecznie zbiór ucz cy sieci neuronowej zawiera 24.480 pomiarów. Wej ciami sieci neuronowej s warto ci przepływu obliczone w zadanych w modelu hydraulicznym punktach pomiarowych, natomiast wyj ciem sieci jest lokalizacja symulowanej awarii. Inny algorytm lokalizowania awarii korzysta jedynie z systemu monitoringu i został cz ciowo przetestowany w wodoci gach rzeszowskich [8]. Polega on na tym, e dla punktów pomiarowych zainstalowanych na sieci wodoci gowej wyznacza si, na podstawie pomiarów historycznych, tak zwane standardowe wzgl dnie wzorcowe krzywe przepływów godzinowych i porównuje si je z bie cymi pomiarami odczytywanymi przez system monitoringu (rys. 1). Je eli ró nica mi dzy
266 Izabela Rojek, Jan Studzi ski Koncepcja inteligentnego systemu detekcji awarii sieci wodoci gowej wyznaczan krzyw bie c i wyznaczon krzyw wzorcow jest mniejsza od zadanego przedziału tolerancji, to przyjmuje si, e sie wodoci gowa pracuje bezawaryjnie (rys. 1). Je eli natomiast ta ró nica jest du e, to przyjmuje si, e w otoczeniu punktu pomiarowego sygnalizuj cego t ró nic nast pił stan awaryjny (rys. 2). Rysunek 1. Bie ca i wzorcowa krzywa przepływu wody w wybranym punkcie pomiarowym Rysunek 2. Bie ca i wzorcowa krzywa przepływu w przypadku awarii Z kolei inny algorytm lokalizacji awarii prezentowany w literaturze korzysta ju zarówno z systemu monitoringu, jak i skalibrowanego modelu hydraulicznego sieci wodoci gowej [10]. Algorytm ten składa si z nast puj cych kroków:
Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 267 Wykonanie oblicze hydraulicznych sieci, dla zadanego poziomu obci enia, za pomoc modelu hydraulicznego. Zapis warto ci przepływów i ci nie w punktach pomiarowych systemu monitoringu dla wykonanych oblicze (zapis standardowego rozkładu ci nie i przepływów). Symulacja wycieków w kolejnych w złach sieci wodoci gowej za pomoc modelu hydraulicznego. Zapis warto ci przepływów i ci nie w punktach pomiarowych dla wykonanych symulacji stanów awaryjnych (zapis awaryjnych rozkładów ci nie i przepływów). Rejestracja pomiaru z systemu monitoringu, odbiegaj cego od standardu dla zadanego poziomu obci enia sieci. Zapis warto ci przepływów i ci nie w punktach pomiarowych dla stwierdzonej nietypowej sytuacji (zapis nietypowego rozkładu ci nie i przepływów). Znalezienie w ród zapisów stanów awaryjnych zapisu najbardziej zbli onego do zapisu nietypowego. Znaleziony zapis wskazuje w zeł sieci, w którym najprawdopodobniej doszło do wycieku. Przedstawiony algorytm w pewnym zakresie przypomina algorytm z pracy [3], jednak nie korzysta on z sieci neuronowej do dodatkowego zamodelowania sieci wodoci gowej. Wszystkie te algorytmy maj na razie warto akademick, poniewa, jak wspomniano wcze- niej, ich praktyczna realizacja wymaga dosy zaawansowanej infrastruktury informatycznej zainstalowanej na sieci wodoci gowej. Przy tym poszczególne elementy tej infrastruktury powinny ze sob ci le współpracowa, co, niestety, nie jest jeszcze praktykowane w krajowych przedsi biorstwach wodoci gowych. 3. Koncepcja inteligentnego systemu Analiza obecnego stanu bada dotycz cych wspomagania wykrywania i lokalizacji wycieków wody w sieci wodoci gowej wykazała, e jest miejsce na kolejne badania dotycz ce tego problemu. W ramach projektu rozwojowego Ministerstwa Nauki i Szkolnictwa Wy szego nr NR14-0011-10/2010 rozpocz to prace dotycz ce opracowania inteligentnego systemu detekcji i lokalizacji awarii w sieci wodoci gowej. Zakres tych prac jest szerszy, ni w przypadku algorytmów przedstawionych wcze niej. Przede wszystkim system b dzie testowany zarówno na danych symulowanych, jak i rzeczywistych, pozyskiwanych z przedsi biorstw wodoci gowych w Rzeszowie i Głubczycach. Po drugie, do modelowania sieci wodoci gowej, dla celów porównawczych i weryfikacji wyników, zostanie zastosowanych kilka modeli hydraulicznych i tak e ró nego typu sieci neuronowe: MLP, RBF, Kohonena, oraz zespoły sieci neuronowych. Na rysunku 3 przedstawiono schemat sieci wodoci gowej w Rzeszowie, jako jednego z obiektów badawczych. Typowa miejska sie wodoci gowa, co mo na stwierdzi na przykładzie Rzeszowa, charakteryzuje si na ogół kilkoma ródłami zasilania (2 uj cia rzeczne), du wydajno ci (około 60.000 m 3 /dob ), du ym obci eniem (46.000 m 3 /dob ), du ymi rozmiarami (długo 682 km, magistrale 50 km, sie rozdzielcza 349 km, przył cza 283 km), du liczb obiektów sterowania (25 przepompowni, 5 zbiorników wyrównawczych o ł cznej pojemno ci 15.600 m 3 ) i du liczb u ytkowników (około 16 000 odbiorców).
268 Izabela Rojek, Jan Studzi ski Koncepcja inteligentnego systemu detekcji awarii sieci wodoci gowej Wisłok Sie wodoci gow Rysunek 3. Schemat sieci wodoci gowej w Rzeszowie [7] Rysunek 4. Struktura wiekowa sieci wodoci gowej w Rzeszowie [7]
Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 269 Ponadto taka sie ma zwykle bardzo zró nicowan struktur materiałow (rury ze stali, stali ocynkowanej, eliwa, PVC, PE, azbestocementu), niekorzystn struktur wiekow (wiek: tylko 30% poni ej 10 lat, 6% powy ej 50 lat) oraz charakteryzuje si du awaryjno ci (około 300 awarii rocznie) i du ymi stratami wody (około 20%). Na rysunku 4 przedstawiono struktur wiekow sieci w Rzeszowie. Ta zró nicowana struktura materiałowa sieci wodoci gowej i bardzo zró nicowana struktura wiekowa wpływaj negatywnie na awaryjno sieci. To oznacza, e wła- nie dla takich sieci jest celowe opracowywanie komputerowych algorytmów wykrywania i lokalizacji awarii, w tym w szczególno ci ukrytych wycieków wody. 3.1. Analiza danych Współcze nie nadzorowanie parametrów sieci wodoci gowej odbywa si poprzez wykorzystanie systemu monitoringu sieci wodoci gowej [8]. System monitoringu składa si z trzech podstawowych elementów: urz dze pomiarowych do mierzenia ci nienia i przepływu wody, zamontowanych w tak zwanych punktach pomiarowych zainstalowanych na sieci wodoci gowej; systemu transmisji danych z punktów pomiarowych do komputera zbieraj cego i archiwizuj cego dane pomiarowe oraz z programu wizualizacji sieci wodoci gowej ze zlokalizowanymi na niej punktami pomiarowymi. Przepływy i ci nienia wody okre laj stan sieci, wi c bie ce informacje o warto ciach tych parametrów pozwalaj zorientowa si, czy sie pracuje wła ciwie. Zło ono miejskich sieci wodoci gowych ci gle ro nie, przez co zwi ksza si lub przynajmniej powinna si zwi ksza liczba wszelkiego rodzaju czujników (sensorów) pracuj cych w sieci. Współcze nie operator sieci jeszcze radzi sobie z obsług systemu monitoringu sieci i potrafi samodzielnie przeciwdziała zdarzaj cym si nieprawidłowo ciom. Jednak w niedługim czasie ulegnie to zmianie i wtedy niezb dne stan si modele nadzoru parametrów sieci wykorzystuj ce metody sztucznej inteligencji do kontroli jej parametrów. Inteligentny system wspomagania decyzji, wykorzystuj cy matematyczne modele nadzoru sieci, lepiej od człowieka poradzi sobie z przetwarzaniem ogromnej ilo ci informacji i wiedzy sensorycznej, przychodz cej jednocze nie z wielu ródeł i z krótkim krokiem czasowym. Człowiek nie jest w stanie poprawnie i dostatecznie szybko analizowa tak du ej liczby danych, dlatego musi by wspomagany przez inteligentne systemy sterowania i zarz dzania sieci wodoci gow. Modele sterowania parametrami sieci wodoci gowej, w szczególno ci modele kontroli warto- ci ci nienia i przepływu wody i reagowania na nieoczekiwane niestandardowe zmiany, zostan opracowane w planowanym systemie jako modele klasyfikacji. Klasyfikacja jest problemem, w którym okre la si przynale no obiektów do znanych kategorycznych klas. Proces przydziału danych do klas (klasyfikowanie) wykorzystuje tak zwany klasyfikator. Klasyfikator jest pewnym modelem, którego parametry identyfikowane s w procesie uczenia pod nadzorem. W procesie tym do celów uczenia jest udost pniany treningowy zbiór danych (obiektów) oraz ich klas. Model ten jest po zako czeniu procesu uczenia wykorzystywany do klasyfikacji nowych danych [9]. Monitoring sieci wodoci gowej słu y do zbierania i gromadzenia rzeczywistych i bie cych informacji o pracy i stanie sieci. Na rysunku 5 przedstawiono fragment danych wej ciowych do oblicze hydraulicznych sieci wodoci gowej. Z kolei na rysunku 6 s pokazane dane zbierane przez punkty pomiarowe systemu monitoringu. S one wizualizowane na ekranie modelu hydraulicznego, sprz gni tego z systemem monitoringu. Model ten opracowano w Instytucie Bada Systemowych PAN, jako element zintegrowanego systemu informatycznego do kompleksowego za-
270 Izabela Rojek, Jan Studzi ski Koncepcja inteligentnego systemu detekcji awarii sieci wodoci gowej rz dzania miejskim systemem zaopatrzenia w wod [1] Rysunek 5. Fragment danych wej ciowych do systemu detekcji awarii, opisuj cych w zły sieci Rysunek 6. Dane przekazywane z punktów pomiarowych systemu monitoringu
Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 271 Maj c dane rzeczywiste warto ci przepływu i ci nienia wody mo na przyst pi do budowy klasyfikatora, który b dzie sygnalizował wyst pienie awarii w sieci wodoci gowej oraz podawał jej szacunkow lokalizacj. 3.2. Tworzenie klasyfikatora Klasyfikator jest tworzony według opracowanej wcze niej metodyki i umieszczony w specjalnej bazie modeli [9]. Inteligentne systemy wspomagania decyzji maj w swoim składzie baz modeli, w której przechowuj opracowane modele i informacje o modelach. Zadaniem bazy modeli jest umo liwienie u ytkownikowi wykorzystania przygotowanych modeli bez ich tworzenia. Cz sto baza modeli współpracuje z bran ow baz danych systemu GIS, co pozwala na wielokrotne wykorzystanie, nawet w ró nych modelach, informacji wprowadzonych do bazy danych i w niej zapami tanych. Z baz modeli współpracuje tak e baza wiedzy, której zadaniem jest podpowiadanie u ytkownikowi systemu, jakich modeli powinien u y w danej sytuacji, b d jakie dane s mu potrzebne do aktualnych oblicze. Na rysunku 7 pokazano algorytm tworzenia klasyfikatora. Algorytm składa si z nast puj cych kroków. S one nast puj ce: 1. Okre l typ modelu, na przykład model klasyfikacji. 2. Wyznacz metod sztucznej inteligencji: sie neuronowa, zespół sieci neuronowych. 3. Okre l zbiór ucz cy i testuj cy. 2. Tworzenie nowego modelu: okre l pocz tkowe parametry modelu okre l struktur modelu przeprowad procedur uczenia modelu czy zadane kryterium stopu (bł d RMS min ) zostało osi gni te (bł d RMS <= bł d RMS min ), je li TAK, to przejd do procedury testowania przeprowad procedur testowania modelu czy zadane kryterium stopu zostało osi gni te (bł d RMS <= bł d RMS min ), je li TAK, to poka parametry modelu wprowad model do bazy modeli czy tworzysz nowy model? Je li TAK, to wró do etapu: Czy douczanie modelu? Je li NIE, to STOP. 4. W przypadku douczania modelu na nowych danych: wybierz model do douczania przeprowad procedur uczenia modelu czy zadane kryterium stopu zostało osi gni te (bł d RMS <= bł d RMS min ), je li TAK, to przejd do procedury testowania przeprowad procedur testowania modelu czy zadane kryterium stopu zostało osi gni te (bł d RMS <= bł d RMS min ), je li TAK, to poka parametry modelu wprowad model do bazy modeli czy tworzysz nowy model? Je li TAK, to wró do etapu: Czy douczanie modelu? Je li NIE, to STOP.
272 Izabela Rojek, Jan Studzi ski Koncepcja inteligentnego systemu detekcji awarii sieci wodoci gowej Rysunek 7. Algorytm tworzenia bazy modeli [9]
Studies & Proceedings of Polish Association for Knowledge Management Nr 37, 2011 273 4. Podsumowanie Zastosowanie metod sztucznej inteligencji we wspomaganiu detekcji i lokalizacji awarii sieci wodoci gowej wprowadziło now jako do sterowania sieci wodoci gow oraz mo e sta si podstaw algorytmizacji nowych systemów zwanych inteligentnymi. Wykorzystanie metod sztucznej inteligencji umo liwia utworzenie systemu wspomagania decyzji, który w sposób automatyczny pozyskuje wiedz i ma wła ciwo adaptacji. Jest to szczególnie wa ne przy opracowywaniu systemu dla zło onych systemów rzeczywistych, w których nast puj ci głe zmiany i jedne podprocesy zale od innych oraz wiele czynników zale y jeden od drugiego i ka da zmiana powoduje kolejne zmiany. Do takich systemów nale miejskie sieci wodoci gowe. Korzy ci ze stosowania metod sztucznej inteligencji wielokrotnie przekraczaj pracochłonno ich tworzenia. W rzeczywisto ci najdłu szym etapem procesu ich tworzenia jest zgromadzenie i przygotowanie danych ródłowych, chocia poprzez automatyczne gromadzenie danych równie ten etap ulega skróceniu. Zastosowanie wła ciwych metod sztucznej inteligencji do tworzenia modeli oraz samo tworzenie modeli, oczywi cie po opracowaniu odpowiednich procedur komputerowych, w najdłu szych przypadkach zajmuje kilka do kilkunastu minut. Bibliografia [1] Studzi ski J., Bogdan L.: Informatyczny system wspomagania decyzji do zarz dzania, sterowania operacyjnego i planowania miejskiego systemu wodno- ciekowego. W: Studzi ski J., Drelichowski L., Hryniewicz O. (Red.): Rozwój i zastosowania metod ilo- ciowych i technik informatycznych wspomagaj cych procesy decyzyjne, Instytut Bada Systemowych Polska Akademia Nauk, Badania Systemowe 49, Warszawa 2006. [2] Farmani R., Ingeduld P., Savic D., Walters G., Svitak Z., Berka J.: Real-time modeling of a major water supply system. International Conference on Computing and Control for the Water Industry N o 8, Exeter, ROYAUME-UNI, vol. 160, no 2, str. 103 108, 2007. [3] Wyczółkowski R., Wysogl d B.: An optimization of heuristic model of water supply network. Computer Assisted Mechanics and Engineering Science, CAMES, no 14, STR. 767 776, 2007. [4] Korbicz J., Ko cielny J.M., Kowalczuk Z., Cholewa W. (Eds.): Fault Diagnosis. Springer, 2004. [5] Wyczółkowski R., Moczulski W.: Concept of Intelligent Monitoring of Local Water Supply System. Materials of AI-METH 2005 Artificial Intelligence Methods. November 16 18, 2005, Gliwice. [6] Mielcarzewicz W.: Obliczanie systemów zaopatrzenia w wod. Arkady, Warszawa 2000. [7] Studzi ski J. (2005b) Optymalizacja i zarz dzanie operacyjne miejskimi sieciami wodoci gowymi. Wykład habilitacyjny, IBS PAN, Warszawa. [8] Studzi ski J. (2007) Zastosowanie danych z monitoringu w systemie zarz dzania miejsk sieci wodoci gow. Studia i Materiały Polskiego Stowarzyszenia Zarz dzania Wiedz, Tom 8, Bydgoszcz, s. 154 164. [9] Rojek I., Wspomaganie procesów podejmowania decyzji i sterowania w systemach o ró nej skali zło ono ci z udziałem metod sztucznej inteligencji. wydawnictwo Uniwersytetu Kazimierza Wielkiego, 212 stron, Bydgoszcz 2010. [10] Studzi ski J.: Innowacje XXI wieku nowoczesne techniki informacyjne wspomagania za-
274 Izabela Rojek, Jan Studzi ski Koncepcja inteligentnego systemu detekcji awarii sieci wodoci gowej rz dzania w przedsi biorstwach sieciowych. W: Innowacyjne Mazowsze (A. Straszak, red.) Wyd. SWPW w Płocku, Płock 2010. CONCEPT OF INTELLIGENT SYSTEM OF DETECTION OF FAILURE OF WATER-SUPPLY NETWORK Summary The concept of intelligent system of detection of the failure of water-supply network was presented in the article. This system has to be the part of monitoring and management system of water-supply network. The present utilization of the monitoring systems does not answer their possibilities. At present the monitoring systems provide as autonomic programs to gathering the information about flows and pressures of water in source pumping stations, the zone of hydrophore stations and the pipes of water-supply network, giving general knowledge about state of her work, when simultaneously they can and should be used as elements of systems of network management, in this particularly in the range of detection and location of water leakages. First stage of works was described, consisting in study of concept of intelligent system which the task concerns the signaling of appearing of failure of network and her location, as well as on preparation of computational data to simulation research. System uses measurements of water flow with monitoring sensors installed in water-supply network and neural network, which detects and locates failure conditions. Keywords: water-supply system, detection and location of water leakage, neural network Izabela Rojek Instytut Mechaniki rodowiska i Informatyki Stosowanej Uniwersytet Kazimierza Wielkiego ul. Chodkiewicza 30, 85-064 Bydgoszcz e-mail: izarojek@ukw.edu.pl Jan Studzi ski Instytut Bada Systemowych IBS PAN ul. Newelska 6, 01-447 Warszawa email: Jan.Studzinski@ibspan.waw.pl