автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и методы управления техническим обслуживанием и ремонтом оборудования промышленного предприятия

004614481

I

Сергушичева Мария Александровна

МОДЕЛИ И МЕТОДЫ УПРАВЛЕНИЯ ТЕХНИЧЕСКИМ ОБСЛУЖИВАНИЕМ И РЕМОНТОМ ОБОРУДОВАНИЯ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ

Специальность: 05.13.01 - «Системный анализ, управление и обработка информации (промышленность)»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Владимир 2010

2 5 НОЯ 2010

004614481

Работа выполнена на кафедре «Информационные системы и технологии» Государственного образовательного учреждения высшего профессионального образования «Вологодский государственный технический университет» (ВоГТУ)

Научный руководитель: доктор технических наук, профессор

Швецов Анатолий Николаевич

Официальные оппоненты:

доктор технических наук, доцент Александров Дмитрий Владимирович

кандидат технических наук Фадин Дмитрий Николаевич

Ведущая организация: Государственное образовательное

учреждение высшего профессионального образования «Ивановский государственный энергетический университет имени В.И. Ленина»

Защита диссертации состоится 2. и ■ Ю/Р г. В часов на

заседании диссертационного совета Д212.025.01 при ГОУ ВПО «Владимирский государственный университет» по адресу: 600000, г. Владимир, ул. Горького, 87, корпус 1.

С диссертацией можно ознакомиться в библиотеке ВлГУ. Автореферат разослан « 1 » НСЯ/^РЯ, 2010 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу совета университета: 600000, г. Владимир, ул. Горького, 87, ученому секретарю диссертационного совета Д212.025.01.

Ученый секретарь диссертационного совета, д.т.н., профессор

Р.И. Макаров

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В нашей стране актуальность повышения качества технического обслуживания и ремонта (ТОиР) обусловлена, прежде всего, значительным уровнем износа оборудования. По данным статистики, на большинстве российских крупных предприятий износ основных фондов достигает уровня 60-70%, в целом по стране средний показатель износа оценивается примерно в 70%. В связи с этим сотрудникам служб ТОиР крупных и средних промышленных предприятий ежедневно приходится обрабатывать огромный объем данных, что значительно усложняет, особенно в условиях территориальной распределенности подразделений, планирование, подготовку и учет ремонтной деятельности. Грамотное управление позволяет одновременно повысить качество ТОиР и снизить возникающие временные и финансовые издержки.

Управление ТОиР охватывает широкий круг проблем, таких как структурная организация, способы исследования, контроля и повышения надежности оборудования, календарное планирование, которым посвящены работы В.Н. Буркова, М. Месаровича, Д.А.Новикова, И. Такахары (оргсистемы), Н.И. Воропая, Ю.Б. Гука, Э.А.Лосева, JI.A. Мелентьева, А.В.Мясникова, А.Н. Назарычева (надежность), Р.В. Конвея, JI.B. Миллера, В.А. Сафроненко, B.C. Танаева, Я.М. Шафранского (теория расписаний) и других.

Без использования современных методов и средств автоматизации реализация поставленных целей одновременного снижения эксплуатационных затрат и аварийности невозможна. Существуют многочисленные программные продукты, так или иначе затрагивающие управление ТОиР. Однако они не содержат средств оптимизации и не учитывают накопленный опыт решения схожих задач, в то время как в связи с ростом сложности техносферы информационная нагрузка на лицо, принимающее решения (ЛПР), постоянно возрастает. Для комплексного решения указанных проблем требуется гибкая информационная система, способная к адаптации и учитывающая специфику управления ТОиР на крупном промышленном предприятии, которая определяется такими признаками, как: иерархичность структуры, распределенность, разнородность и отсутствие мобильности многих объектов ремонта.

Для моделирования и информационной поддержки распределенных процессов наиболее целесообразно использовать технологию мультиагентных систем (MAC), исследования в области которых проводились такими учеными, как P.A. Брукс, М. Вулдридж, В.И. Городецкий, Н. Дженнингс, A.B. Костров, X. С. Ивана, Д.А. Поспелов, В.Б. Тарасов.

В то же время, чтобы облегчить информационную нагрузку на персонал ремонтных служб, от информационной системы требуется поддержка принятия решений, т.е. она должна обладать некоторыми свойствами экспертной системы. Исследования в этом направлении проводились Д.А. Александровым, Т.А. Гавриловой, С.Д. Коровкиным, Дж. МакАдамсом, П.Л. Миллером, И.Д. Ратмановой, В.Л. Стефанюком, Э.А. Трахтенгерцом, А. Уокером, Д.Н. Фалиным, Э. Фейгенбаумом, Т.Финином, В.Ф. Хорошевским и др.

Общие вопросы управления производством освещены в работах Д.В. Александрова, В.В. Кульбы, Р.И. Макарова, А.Г. Мамиконова, Б.Я. Советова, В.Д. Чертовского и др.

Целью диссертационного исследования является повышение эффективности и качества обработки информации, обеспечивающей интеллектуальную поддержку процессов управления ТОиР оборудования промышленных предприятий.

Для достижения поставленной цели в работе были поставлены и решены следующие задачи:

1. Исследование существующих принципов управления ТОиР на промышленных предприятиях.

2. Совершенствование и разработка методов и алгоритмов управления ТОиР на основе прогнозирования технического состояния оборудования с использованием технологии экспертных систем.

3. Разработка концептуальных и логических моделей MAC управления ТОиР (МАСУ ТОиР).

4. Исследование и разработка моделей интеллектуальных агентов в структуре МАСУ ТОиР.

5. Разработка инструментального программного обеспечения для реализации прототипа МАСУ ТОиР.

6. Экспериментальное исследование эффективности разработанных методов, моделей и программных средств.

Объектом исследования является система управления ТОиР оборудования на промышленном предприятии.

Предметом исследования являются модели и алгоритмы информационной поддержки процессов управления ТОиР.

Методы исследования. Для решения поставленных задач используются методы инженерии знаний, математической логики, теории фреймов, теории графов, теории календарного планирования, исследования операций, эволюционных вычислений, статистического анализа, объектно-ориентированного и логического программирования.

Научная новизна работы заключается в следующем:

1. Концептуальная модель системы управления ТОиР на промышленном предприятии, отличающаяся представлением организационной и информационной структур управления в виде проекций уровней и связей и позволяющая определить информационные потоки и информационную загрузку элементов.

2. Комплекс алгоритмов управления и интеллектуальной поддержки ТОиР, учитывающий нечеткий характер сроков ремонта и позволяющий получить формальное представление задачи многокритериальной оптимизации календарного планирования и построить с помощью эволюционных методов набор субоптимальных календарных графиков для предъявления лицу, принимающему решения.

3. Модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов, отличающиеся агентно-ориентированной интерпретацией алгоритмов планирования и управления ТОиР в структуре промышленного предприятия, позволяющие автоматизировать решение задач ТОиР и повысить эффективность и качество обработки информации.

Область исследования. Работа выполнена в соответствии с паспортом специальности ВАК РФ 05.13.01 - Системный анализ, управление и обработка информации (по отраслям), пункты 4 и 10.

На защиту выносятся следующие результаты:

1. концептуальная модель системы управления ТОиР на промышленном предприятии;

2. комплекс алгоритмов управления и интеллектуальной поддержки ТОиР;

3. модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов.

Практическая значимость исследования определяется тем, что:

1. Концептуальная модель системы управления ТОиР позволяет получить наглядное представление структуры задач информационной поддержки ТОиР.

2. Разработанные алгоритмы позволяют осуществлять интеллектуальную поддержку ТОиР, что способствует уменьшению количества ошибочных решений при управлении ТОиР на промышленном предприятии и сокращению времени, затрачиваемого на планирование, согласование, регламентирование, контроль и учет ТОиР.

3. Полученные модели МАСУ ТОиР позволяют реализовать гибкие и адаптивные системы для управления ТОиР на предприятиях различных отраслей промышленности.

Реализация результатов исследовании. Результаты внедрены в ОАО «Вологодский оптико-механический завод», Филиале ОАО «МРСК Северо-Запада» «Воло-гдаэнерго», ООО «Череповецкий трубопрокатный завод», а также используются в учебном процессе кафедры Информационных систем и технологий Вологодского государственного технического университета. Результаты диссертации получены в рамках гранта РФФИ №08-01-00457-а «Исследование фундаментальных проблем построения мультиагентных интеллектуальных систем», выполнения работ по государственному контракту №02.740.11.0625 федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы.

Апробация результатов работы. Основные положения работы были представлены на международных конференциях «Интеллектуальные системы и компьютерные науки» (Москва — 2006), «Научный сервис в сети Интернет: многоядерный компьютерный мир» (Новороссийск — 2007), «Автоматизация машиностроительного производства, технология и надежность машин, приборов и оборудования» (Вологда - 2006, 2007), «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда - 2008, 2009), «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта» (Вологда - 2007, 2009), девятом Международном симпозиуме «Интеллектуальные системы» (Владимир - 2010); всероссийских конференциях «III Всероссийской конференции студентов, аспирантов и молодых ученых "Искусственный интеллект: философия, методология, инновации"» (Москва - 2009), «Молодые исследователи - регионам» (Вологда - 2006), «Вузовская наука - региону» (Вологда - 2007); региональных конференциях «Актуальные проблемы управления и экономики: история и современность» (Вологда -2006, 2007, 2008, 2009), «II ежегодные смотры-сессии аспирантов и молодых ученых по отраслям наук» (Вологда - 2009).

Результаты исследований докладывались на семинарах Вологодского регионального отделения Научного Совета РАН по методологии искусственного интеллекта.

Публикации. По теме диссертации опубликовано 15 печатных работ: 3 статьи (из них 2 в реферируемых изданиях, рекомендованных ВАК), 12 работ в материалах международных и всероссийских конференций.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 159 наименований и приложений. Общий объем работы - 1$0 страниц, включая 51 рисунок, 14 таблиц, 20 страниц приложений.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, дается анализ исследуемой проблемы и обосновывается применяемый подход к ее решению, формулируются цели и задачи исследования, описывается научная новизна и практическая значимость полученных результатов, дается краткая характеристика диссертации.

В первой главе проанализировано современное состояние сферы организации ТОиР на крупных промышленных предприятиях, выявлены ключевые особенности организации ТОиР. Показала актуальность решения задач управления ТОиР в связи с большой степенью износа оборудования и переходом многих предприятий на более экономичную стратегию ремонта по техническому состоянию. Произведен обзор моделей и представленных на рынке программных средств автоматизации в области ТОиР и установлено недостаточное соответствие их требованиям имеющихся бизнес-процессов.

Процесс управления ТОиР (в целом и на распределенных предприятиях в частности) часто осложняют такие факторы, как невозможность транспортировки оборудования с места его нахождения в ремонтный цех, проведение ремонтных работ на открытом воздухе и т.п.

Исследована структура организационно-технических средств обеспечения надежности оборудования. Основными функциями службы организации ТОиР на промышленном предприятии являются:

■ планирование и организационно-методическое руководство ТОиР;

■ выполнение организационно-технической подготовки ТОиР;

■ обеспечение и контроль планомерного и эффективного проведения работ, рационального использования финансовых, материальных и трудовых ресурсов, качества отремонтированного оборудования;

* повышение технического состояния оборудования и его технико-экономических показателей;

" организация и координация деятельности исполнителей технического обслуживания и ремонтов оборудования.

Исходя из приведенных задач, с точки зрения автоматизации можно выделить следующие бизнес-процессы:

■ планирование работ (включает формирование многолетних, годовых и других планов и графиков);

■ согласование планов и графиков и их корректировка;

■ контроль и учет использования средств на проведение ТОиР и качества выполняемых работ;

■ подготовка нормативной документации (сборники расценок, рекомендуемые материалы и т.п.).

В настоящее время используются три основные стратегии ТОиР: планово-предупредительный ремонт (ППР), ремонт по техническому состоянию (РТС), аварийно-восстановительный ремонт (АВР). На практике часто используются различные подходы для разных групп оборудования - «смешанная» стратегия. При этом в промышленности наблюдается постепенный переход от ППР к стратегии РТС. Основой для организации ТОиР при этом принимается перспективный (годовой, месячный) план ремонтных работ.

Из проведенного обзора моделей оптимального планирования ТОиР по экономическим и техническим критериям, решений в области диагностирования и прогнозирования остаточного ресурса оборудования с помощью технологии экспертных систем следует, что отсутствует модель или решение, полностью охватывающее все необходимые бизнес-процессы управления ТОиР. Тем не менее, наиболее подходящие модели можно использовать как составную часть описания отдельных бизнес-процессов.

При планировании учитываются финансовые и трудовые затраты на проведение ремонта, имеющиеся ограничения, эксплуатационная информация, ресурс оборудования, ущерб от возможных аварийных ситуаций и другие факторы в условиях сущест-

венной неопределенности данных, т.к. поломки оборудования имеют вероятностный характер. Для того чтобы обрабатывать эту информацию на предприятиях, обладающих большим парком оборудования, используются автоматизированные системы.

Модули, позволяющие осуществлять автоматизацию процесса организации ТОиР, входят в промышленные системы классов ERP/ERPII, MRPII, ЕАМ, CRM, SCM, MRO, PLM и СРМ. Из проведенного исследования специализированных программных средств автоматизации организации ТОиР следует, что бизнес-процессы охвачены не полностью. Наиболее полно автоматизируется контроль и учет. План в проанализированных системах составляется пользователем вручную, его оптимизация не предусматривается. Исходный план может быть автоматически создан только на основе регламентируемых в документации сроков. В тех системах (например, IFS Applications), где предусмотрено проведение ремонтов по состоянию, предлагается назначать ремонт при достижении контролируемыми датчиками параметрами граничных значений, что не позволяет автоматически формировать долгосрочные планы. Проблема согласования планов решается выдачей доступа к системе участвующих в данном процессе лиц и внедрением модуля электронного документооборота. Однако при этом возникают проблемы: недостаточное развитие в подразделениях инфраструктуры сетей передачи данных и технологическая несвязанность документооборота с процессом рассмотрения и согласования плана ремонтов. Создание регламентирующей документации в проанализированных системах может производиться лишь частично.

Таким образом, принятие решений соответствующими сотрудниками при составлении планов и графиков, их согласовании и корректировке по-прежнему основывается в большей степени на собственном опыте и интуиции. Поэтому в условиях изменения стратегии ремонта с ППР на РТС и возрастания информационной нагрузки от информационной системы ТОиР требуется поддержка принятия решений. Система управления ТОиР должна поддерживать распределенность, быть адаптивной, гибкой и обладать функциональным аппаратом для оптимизации планов и графиков по различным критериям.

Решения указанных выше проблем можно добиться путем применения мультиа-гентных систем. Существующие средства создания MAC, как правило, имеют ориентацию на определенную предметную область. Разработчики подобных инструментов предлагают достичь их универсальности за счет предоставления возможности дописывать программный код, к чему и сводится процесс разработки MAC. Проведенный анализ не выявил программных средств, которые могли бы быть использованы для построения мультиагентной системы управления ТОиР, поэтому актуальной задачей является разработка их моделей и технологии создания.

Вторая глава посвящена разработке моделей и методов информационной поддержки управления ТОиР на основе агентно-ориентированного подхода.

Разработана концептуальная модель организационной структуры предприятия в проекции ТОиР с использованием фрейм-ориентированного подхода. Введено понятие «абстрактной FK-проекции» (AFK-проекция), определяемой как множество:

afk = (ml,mr,mf),

где ml = {lj „} - множество уровней, п - количество уровней, l = {fkn,l т} — множество лежащих на данном уровне фрейм-концептов (ФК), m - количество ФК; mr = {ilrjJ=1 „_(} - множество межуровневых отношений, ilr = {кок к=\ г} - множество концептуальных отношений (КО) между ФК уровня N и ФК уровня N+l; mf— отображение ml xml-ï mr.

Уровни обозначены как абстрактные ФК (АФК), а межуровневые отношения -как абстрактные КО (АКО), каждый АФК представляет собой сеть входящих в него ФК, а АКО - совокупность КО, возникающих между этими сетями. Структура уровней и связей имеет следующий вид (рис. 1).

Абстрактная РК-проекция организационной структуры

Структур а уровней

ГКО Предприятие

структурное подчинение—^

РК011 Отделение

РК01 Филиал

Ж

Цех

Структура связей

Рис. I. Разбиение абстрактной РК-проекции

С помощью понятий теории графов определены показатели качества, позволяющие сравнить различные варианты организационных структур. Данная модель далее используется как основа для формирования модели информационных потоков.

Информационная модель представляется неориентированным графом (рис. 2) I = (Х,С1(Х)), вершины которого соответствует основным элементам организационной структуры, входящим в систему ТОиР, л}, а ребра - информационным

потокам, возникающим между участниками процесса управления ТОиР, и = Для оценки информационной нагрузки на участников определяется степень каждой вершины неориентированного графа и выделяются максимально загруженные элементы. В схеме основных информационных потоков на рис. 2 в эту группу входят: отдел ремонтов филиала уровня 2 (узел 30), отдел ремонтов филиала уровня 1 (узел 23), главный инженер филиала уровня 3 (узел 32), отдел ремонтов центра (узел 11) и инженер филиала уровня 3 (узел 38). Именно этим узлам необходимо в первую очередь обеспечить интеллектуальную поддержку принятия решений.

Наиболее трудоемким бизнес-процессом среди решаемых службами ТОиР, в особенности для крупных распределенных предприятий, является процесс планирования, который заключается в разработке, согласовании и коррекции перспективных, годовых, месячных и других возможных планов и графиков ремонтных работ. Построение плана ТОиР в системе РТС можно разделить на два этапа: прогнозирование, результатом которого должно быть значение остаточного ресурса оборудования, и непосредственно календарное планирование (существовавшее в системе ППР) - расстановка работ во времени.

Прогнозирование предложено осуществлять по следующему алгоритму:

1. Заполнить недостающие значения в истории изменения контролируемого параметра путем экстраполяции либо нормативными значениями.

2. Найти остаточный ресурс rosl на момент последнего наблюдения.

3. Определить по N заданным для данного вида оборудования алгоритмам функцию изменения эксплуатационного фактора X(t) в прогнозируемый период с допустимым отклонением е (для каждого вида оборудования отклонения могут различаться).

4. Решить уравнение /?,И1(Л'±г) = 0, получив диапазон (tx,t2) Для каждого вида оборудования.

Исходя из полученного диапазона {t\,t2) сроков исчерпания остаточного ресурса для каждого вида оборудования, определяется список оборудования, нуждающегося в ремонте в планируемый период, вида:

Me={e,tx,t2,We), (1)

где е — единица оборудования, л - верхняя граница срока ремонта, i2 - нижняя граница срока ремонта, We = {wf} - множество необходимых ремонтных работ, которое определяется по базе знаний в соответствии с правилами, которые можно описать продукциями следующего вида:

^krnd ^ F value ^ ^equip >

где FklnJ - функция вида фактора эксплуатации, Fvc,luc - функция значения фактора эксплуатации, Feqwp - функция вида оборудования.

Поскольку на этапе календарного планирования ТОиР оперируют объектами, а не единицами оборудования, то требуется формирование на базе списка планируемого к ремонту оборудования (1) списка объектов вида:

M0 = {0,TbT2,L,W0), (2)

где О = {е,} - объект как совокупность оборудования, 7] — верхняя граница срока ремонта, Ti — нижняя граница срока ремонта, L - длительность группы работ W0, W0 = {w?} — множество необходимых работ, которые должны быть выполнены в период (Г,,Г2).

Известен перечень работ, выполняемых в системе ТОиР, каждую из которых можно определить кортежем

< ID, Name, Wage, Mach, Manhour, Alive, Season >, где ID - уникальный идентификатор, Name — наименование, Wage — нормативная заработная плата, Mach - нормативное время использования средств механизации,

Рис. 2. Граф основных информационных потоков

Manhour - нормативная трудоемкость, Alive — возможность выполнения без отключения объекта, Season - период, в который можно выполнять работу.

Работы на объекте, которые можно выполнять параллельно, группируются с учетом (1), приоритета данного вида оборудования и приоритета данного объекта. Применяются экспертные правила вида: ¥Ъ**#Ра*Ра*Рре*Рро => и

Рп#Р,2» PpJ PpottR(0,w0) =5 R(.0,w0,TuT2,L) , (3)

где /у — функция параллельности работы wд, Panve - функция возможности выполнения работы под напряжением, /¡, и /¡2 - функции соответственно верхней и нижней границ срока выполнения работы, Рре - функция приоритета вида оборудования, Рр0 -функция приоритета объекта, R(O,w0) - список выполнимых одновременно работ, й(0,и>0,Г,,Г2,£) — список работ, разбитый на укрупненные периоды (ТьТг) ■

В зависимости от продолжительности планового периода выделяют перспективное (долгосрочное и среднесрочное) и текущее (краткосрочное) планирование ТОиР. Основой перспективного планирования ремонтных работ являются многолетние графики комплексного ремонта, составляемые на утвержденный цикл, и годовые графики с учетом обеспеченности трудовыми, материальными и финансовыми ресурсами.

Согласно действующим отраслевым нормам, перспективные графики должны учитывать техническое состояние объектов и регламентированную периодичность ремонтов. Каждый объект ремонта должен характеризоваться следующими показателями:

< ID, Name, Prioity, Preparation, Access, Switchoff, Endorsement >, где ID - идентификатор объекта; Name - наименование объекта; Priority - приоритет; Preparation - временной диапазон (множество пар {/,,/2}), за который необходимо подготовить объект к сезонным работам потребителей; Access - временной диапазон, в который объект доступен для ремонта; Switchoff — временной диапазон, когда отключение потребителей возможно; Endorsement - согласованный временной диапазон, во время которого ремонт возможен.

Из значений указанных параметров объекта и значений параметра Season планируемых на объекте работ необходимо определить разрешенный период для каждой группы работ W0 из (2). В простейшем случае это будет пересечение:

PaiiimeJ ~ Season r\ Preparation n Access n Switchoff n Endorsement. (4)

Если в результате (4) =0, то снова требуется применение экспертных

правил вида:

РК ирК #pw0 #fjy„ up -ьрК

Season 'Preparation rAccess" \Switchoff" rEndorsement rpo —' rallowed '

где Pg'°asa„ - функция сезонности работы, Р^рагацоп - функция допустимого периода подготовки объекта к сезонным работам потребителей, P%fcess - функция периода доступности объекта для ремонта, Р$°асИод - функция периода возможности отключения

объекта, /£orst.m„, - функция согласованного периода, во время которого ремонт возможен, Рро - функция приоритета объекта.

Поскольку ограничения на ресурсы при создании перспективного графика отсутствуют, задача календарного планирования сводится к размещению периодов

Р?еес! = внутри периодов Р^,^ = {/>.}, где />■ = Р1^. пТ^, = (7!,Г2), - единичный укрупненный период из списка результатов (3).

Для этого необходимо выполнение условия /(/})>£,-, где 1(Р,) — длительность периода /}. Если данное условие не выполняется, то, принимая во внимание, что изменить /¿^ без дополнительных согласований невозможно, требуется скорректиро-ш

вать период 7], ° в соответствии с некоторыми правилами вида:

Р1*Рро*РгфРп*Ра1инЫ №>2). (5)

где //_ - функция длительности I, группы работ, Р[\,Рп - функции граничных сроков возможного периода выполнения фуппы работ, Рацож^ - функция граничных

IV ' '

значении периода РЫ1теа, '/¡,Г2 - новые граничные сроки периода I] °.

Сроки выполнения ремонтов определены нечетко, следовательно, существует п = 1(Р,)~ Ц +1 вариантов размещения каждой группы работ. При перспективном (как и годовом) планировании ремонтных работ единицей дискретности является месяц, поэтому п может принимать значения от 1 до 60. Среднее число р ведомостей (в приведенной терминологии - укрупненных групп работ) объектов определим на примере Филиала ОАО «МРСК Северо-Запада» «Вологдаэнерго». При экспертном задании плана по 2006-2011 годам составляет 65,75 в год, или 429 в пятилетний период. Для оптимизации также требуется оценить взаимное расположение групп работ, т.е. проделать в среднем N = пр операций сравнения, что не позволяет решить эту задачу перебором за приемлемое время.

Задача текущего планирования решается путем актуализации действующего перспективного плана на данный период. Дополнительно в текущий график включаются работы по техническому обслуживанию, которые осуществляются по регламентируемым для каждого типа оборудования нормам и имеют обычно небольшой разрешенный период. Текущий график формируется с учетом имеющихся расценок, оптимизация финансовых затрат и трудозатрат не производится, поскольку они определяются с помощью экспертных правил.

Описанная задача планирования представляет собой многокритериальную задачу дискретной оптимизации. Поскольку для данной предметной области не требуется поиск именно самого оптимального решения, а достаточно нахождения наиболее приближенного к нему за приемлемое время, применяется генетический алгоритм.

Пусть для множества IV = {а>а,...,С!>к} пар «объект-группа работ» а>к из

списка (2) задан отрезок планирования [0,Т] и /е[0,Г] - независимая переменная времени, а а (о)/.) и р{<ок) — моменты начала и завершения выполнения группы работ ак. Расписание определяется как множество:

$ = {(а(шк),Р(а>к))), а{сок),р{щ)^Л а(а>к)< к = 1К. (6)

Каждая группа работ аке№ характеризуется длительностью 1к и парой моментов начала и конца разрешенного периода выполнения:

с1л2), АЯ^т], А<!1 4-'I¿'к-

Ограничений на ресурсы в перспективном планировании нет, поэтому решение задачи нахождения расписания (6) является допустимым, если для всех Ув^й' выполняются следующие условия:

P(cok)<T, a(cok)>t\, P{ak)<t2k, P(cok)-a{mk) = lk. (7)

За критерии оптимальности расписаний принимаются следующие:

1. минимальное суммарное количество по всему плановому периоду занятых периодов для каждого объекта

Е Г N N N

Фг) = X + S -min(/?(<%).)),0) ,(8)

е=1|_/=1 /=1 >=/+1

где Е — количество объектов, N - количество групп работ на объекте е;

2. минимальное суммарное расстояние от конца выбранного значения периода ремонта до конца допустимого диапазона по всему плановому периоду

к

/(*,■>= (9)

к=\

3. минимальная площадь диаграммы Ганта по всему плановому периоду для каждого объекта

Е N

= (Лпах (®«) - «min К/)) • (10)

е=И=1

Для получения группы Парето-оптимальных решений предложено использовать известные алгоритмы многокритериальной оптимизации NSGA-2 и е-МОЕА.

Предложена модель бизнес-процесса согласования, который состоит из этапов отправки заявки на согласование, ее обработки и отправки резолюции разработчику. Выделяются агенты двух типов: регистратор и согласователь. Маршрут согласования представляется графом G = (Et,U(Et)), в котором узлами являются этапы согласования, характеризуемые кортежем

Et =< Num, Coord, Type, Time, If >, где Num - номер узла, Coord - номер согласователя, Type - тип согласования, Time -срок согласования, If - условие перехода к следующему этапу.

В бизнес-процессе контроля и учета ТОиР выделены агенты контролера и исполнителя. Один и тот же элемент организационной структуры может выступать одновременно в роли исполнителя и контролера, когда требуется объединить несколько отчетов. Контролер отправляет запрос об отчете, который может формироваться автоматически с учетом текущей даты и обращений других агентов (например, по завершении согласования). Содержимое запроса имеет структуру вида <T,P,0,R,A>, где Т -тип отчета, Р - период отчета, О - объект отчета, R — вид ремонта, А - дополнительные параметры.

Бизнес-процесс регламентирования представляет собой подготовку и распространение информации, регламентирующей остальные бизнес-процессы, - сборников расценок, рекомендуемых к использованию материалов и т.п. Агенты данного бизнес-процесса выполняют функции подготовки управляющей информации и ее распространения. Запрос на изменение базы знаний формируется с помощью логических правил вида

F!wtiFparUFAll^Q(DJ), где Fjw — функция способа получения информации из внешней среды, FPar - функция параметров полученного информационного сообщения, FAH - функция положения данного агента в структуре агентов, Q — полученный запрос с параметрами

D = {¿Spread) ~ область действия информации, описанная как множество агентов-

распространителей, Т — текст запроса.

Третья глава описывает архитектуру МАСУ ТОиР и модели отдельных интеллектуальных агентов, входящих в ее состав.

Глобальная цель обеспечения качества информационной поддержки бизнес-процессов ТОиР может быть декомпозирована на совокупность подцелей обеспечения информационной поддержки в рамках узловых элементов информационной модели предприятия в проекции управления ТОиР из гл. 2.

Формально МАСУ ТОиР можно представить как MAS =< MMj,MMp,Mj >, где ММА — множество моделей агентов, ММ¡, — множество моделей процессов, М/ -модель взаимодействия агентов.

Для построения моделей агентов используется понятие информационного объекта (ИО), определение и описание которого изложено в работах А.Н. Швецова и С. А. Яковлева. ИО определяется как:

0=< N,{A)AO),BM>, где N - имя ИО, {А} - множество атрибутов ИО, {О} - множество вложенных объектов, ВМ - модель поведения ИО.

Действуя в рамках этого подхода, процесс обработки информации можно разбить на ряд этапов, которые выполняют агенты операции, представляющие собой примитивные ИО, не включающие в себя другие ИО.

00Р =< NOP,{AOP),0,BM >, где Nop - название операции, (Аор} — множество входных параметров операции. В модели поведения агента операции не используются логические модули. В начальном состоянии агент готов к запуску. По завершению выполнения операции результаты записываются в соответствующие атрибуты.

Агента процесса определим как Or„ =< N pr,{Apr),{0op),BM >. В модели поведения данного агента определен логический модуль для определения возможных операций. Атрибуты агента процесса изменяются агентом-координатором. Результаты выполнения отдельных этапов процесса агент получает из атрибутов агента операции. После этого происходит выбор следующей операции.

Поскольку многие организационные единицы обрабатывают потоки информации нескольких видов, то кроме агентов бизнес-процессов каждому узлу информационной модели требуются агенты-координаторы

Ос=<Ыс,{Ас)ЛОРц},ВМ>, где Nc - название организационной единицы, которой принадлежит агент-координатор, {А(-} - множество атрибутов, изменяемых пользователем (расписание вызова агентов процесса, установления связи с агентами других узлов и т.п.). Агент-координатор собирает результаты работы всех вложенных агентов и реализует процедуры изменения атрибутов агентов процесса в зависимости от этих результатов.

Взаимодействие агентов, принадлежащих одному узлу, с агентами других узлов осуществляется путем передачи сообщений, основанной на теории речевых актов и соответствующей стандарту FIPA. При этом для описания реакции на то или иное сообщение используются продукционные правила. Отправлять и принимать сообщения вне данного компонента разрешено только агентам процесса Предусматриваются сообщения следующих типов: установка значений атрибутов, запрос значений

атрибутов, произвольное сообщение, системное сообщение. При необходимости взаимодействия агентов, входящих в различные интеллектуальные компоненты, ИК становится для сервера обмена сообщениями другого ИК фиктивным агентом.

типам передаваемой или получаемой этими узлами информации (планирование, согласование, обработка регламентирующих документов, отчет), и подчиненных им агентов операций.

Помимо выделенных в соответствии с существующими бизнес-процессами агентов, определены служебные агенты, необходимые для поддержания нормального функционирования МАСУ ТОиР, которые позволяют обеспечить целостность, полноту и непротиворечивость базы знаний, а также логический вывод внутри иерархии ИК. Структура распределенной базы знаний определяется областями действия знаний, среди которых выделяются: локальная, глобальная и наследуемая. В соответствии с этими областями производятся проверки при внесении изменений.

В четвертой главе описан разработанный инструментальный программный комплекс DISIT, предназначенный для проектирования мультиагентных систем. Разработана методика построения прототипа МАСУ ТОиР в пакете DISIT и проведено экспериментальное исследование эффективности разработанных методов, моделей и программных средств.

В основу пакета DISIT (Distributed Intellectual System Integrated Toolkit) положена методология, описанная в работах А.Н. Швецова и С.А. Яковлева, согласно которой процесс моделирования предметной области (МПО) разделяется на три этапа

Архитектура МАСУ

ТОиР в рамках данной модели представляет собой набор интеллектуальных компонентов. Компоненты выделены по принципу общего уровня в организационной модели ТОиР и включают в себя набор агентов-координаторов, соответствующих элементам организационной модели, лежащим на данном уровне; агентов процесса, соответствующих

рис. 3. Архитектура МАСУ ТОиР

Модель предметной обл астм

(рис.4): структурное описание в виде иерархии фрейм-концептов, логическое описание в терминах ФК с помощью формальной логики первого порядка, реактивное описание поведения интеллектуальных агентов.

Рис 4. Составляющие описания МПО

/

Рвйк гивное описание Продационная модель поведения

порядка

Л

N

Комплекс ОК1Т включает в себя три подсистемы: концептуального проектирования, технического проектирования и времени исполнения. Подсистема концептуального проектирования содержит Конструктор фрейм-

концептов, Логический конструктор. Конструктор моделей поведения. Подсистема технического проектирования состоит из Транслятора логической модели и Констрктора баз знаний. Подсистема времени исполнения включает 4 менеджера: Менеджер логического вывода, Менеджер формальной объектной системы, Менеджер поведения ИА, Менеджер обмена сообщениями.

Проектирование MAC начинается с описания с помощью Конструктора фрейм-концептов (КФК) концептуальной модели предметной области. Логический конструктор (ЛК) на следующем этапе преобразует FK-проекцию в FKM-проекцию путём добавления в неё модулей с утверждениями. Конструктор моделей поведения (КМП) позволяет создавать необходимую иерархию интеллектуальных агентов (ИА). Пример работы КМП представлен на рис. 5.

В результате про-цессса трансляции концептуальной модели в логическую модель MAC (4 этапа) выделяются интеллектуальные компоненты (ИК). Для ИК Конструктор баз знаний (КБЗ) создает структуру баз знаний (БЗ).

Задачу обеспечения практического функционирования интеллектуальных составляющих MAC выполняет система менеджеров. Менеджер формальной объектной системы (МФОС) обеспечивает модификацию и обновление списков глобальных (ГА) и распространяемых сверху вниз аксиом (РА), а также локальных БЗ ФОС. Изменения, затрагивающие БЗ других ИК, запускают механизм сопоставления и обновления этих БЗ. Менеджер логического вывода (МЛВ) обслуживает запросы на осуществление операций логического вывода, поступающие от интеллектуальных агентов. Программа поддерживает два типа вывода: локальный и аддитивный. В качестве механизма логического вывода были использованы соответствующие средства среды Visual Prolog. Менеджер поведения ИА (МИА) позволяет задать параметры выполнения моделей поведения, а также параметры связи и передачи данных. Также МИА включает функции транспортировки сообщений и связи агента с внешним миром. С внешней средой и с другими агентами ИА связан через транспортный модуль. Менеджер обмена сообщениями (МОС) имеет две части: серверную и клиентскую. Сервер управляет транспортным потоком сообщений. Транспортный модуль ИА (клиент) получает и отправляет данные во внешнюю среду, а также получает и отправляет сообщения другим агентам через сервер обмена сообщениями.

На основании разработанных моделей с помощью пакета DISIT был реализован прототип МАСУ ТОиР для распределительной сетевой компании «Вологдаэнерго». которое является территориально распределенным филиалом компании ОАО «МРСК Северо-Запада». Реализованный в пакете DISIT прототип МАСУ ТОиР опирается на

* ё.

гь Сохранить Проверив SyNw

? aoenl Planning -■ ■ф Fowcast

RestoieFactcHHislcny ф CountUetime

FoiecaslFadas ф GeUobtist ■ф CoiiecUobList - ф Plan

-, ф GetObjectUjl

ф GetParaleUobU! | «is- GeiObjlobList |

г: ф Pe«pectivePten

ф CftAJbwedPeibds

#

... ' ..' ■ . ..'.".. • ''.....'..-

■J 2_06,06^raiecis^epair\a^rrfPlarriBi(3 mbi

Идентификатор: F0574F95-DEC7-4G11ABFE-21687A9F82S47AC5B9D44E Имя штеппектувльного агенте: jagentPlannrig Атриб/тыИА

iesu*Messaoe

>4 enoiMessage >4 sWe S^begn ¡&f end «iji interval

'S send«

■ -Ф GetPeispectivePlan ф CurentPlan ■/л Optimization v NSGA2 EMDEA SPEA?

"S- Ullities

ф G etOetmeF ofmula -ф Extrapolation ¡iij Approximation ■ф GetEquipmentlnlo ф GeUoWrio ф GetObjectlnfo • GetJobCalegcy ¡,|: GetMCoef

Сообщение M^GOpwmze

Сообщение MSGItusKJpbmee

Сообщение MSGStaillA

Сообщение MSGIirishplan

Сообщение MSGlrisbPlan

Рис. 5. Конструктор моделей поведения в пакете DISIT

*<№(5А-2) --«--гт*<№СА-2) ■ - гиг • («МЗД) ■■■*■■ п> («МЗД) -- п>!(а№ЕА)

разработанные в предыдущих главах модели и алгоритмы. За основу КМПО взята организационная модель ТОиР. Структура агентов выделена в соответствии с описанными выше ролями:

• агент планирования ^еШР1апп^);

• агент согласования ^епЪ^геетеМ);

• агент-регистратор ^епЙ^^БП^ог);

• агент-контролер ^е^ЗиретБог);

• агент-исполнитель ^еп1ЕхесШог);

• агент-источник управляющей информации (agentManager);

• агент-распространитель управляющей информации ^епЮ^пЬЩог).

Таким образом, каждому из ФК сопоставлен один или несколько агентов уровня бизнес-процесса. Каждый такой агент может включать произвольную структуру вложенных агентов операции. Функции агента-координатора в данном прототипе выполняют менеджеры подсистемы исполнения Б^ГГ. При этом его поведение представляет собой отправку входящих сообщений всем подчиненным ему АБП.

Произведено сравнение реальных и программно сгенерированных графиков ТОиР в нескольких районах электрических сетей филиала ОАО «МРСК Северо-Запада» «Вологда-энерго». Полученные экспериментальные данные свидетельствуют о повышении эффективности работы служб ТОиР в результате использования прототипа МАСУ ТОиР. Так, время обработки объекта в узле МАСУ ТОиР уменьшилось в среднем в 3,08 раз.

Исследование оптимизации планирования при использовании МАСУ ТОиР производилось с помощью алгоритмов М50А-2 и е-МОЕА. Из результатов тестирования (рис. 68) видно, что при увеличении количества поколений увеличивается оптимальность. Хотя используемые критерии оптимальности не являются аддитивными, для первичной оценки можно воспользоваться суммой их значений (табл. 1).

Таблица 1

Зависимость суммы средних значений критериев от числа поколений

Ко п-ве пм олений

рис. 6. Зависимость критерия 1 от числа поколений

Критерий 2

-ередм« (№«-2) -- тм (ЛКЫ-Я —t--rrrillGCA.fi "•среди«« («МОЕА) ---»■■ п»« <«МО№) ■ п*(еМОЕА)

рис. 7. Зависимость критерия 2 от числа поколений

Число поколений 100 200 500 1000 2000 5000 10000 20000

№ОА-2 3609 3126 3193 2795 2491 2263 2097 2059

е-МОЕА 3802 3531 3576 3349 3026 2706 2494 2059

График, составленный

вручную, имеет сумму критериев 3089. Сравнивая реализованные алгоритмы е-МОЕА и ЖОА-2, можно сделать вывод, что №ОА-2 показывает более значительный разброс значений в популяции или более широкий фронт Парето.

В целом применение МАСУ ТОиР, построенной на основе предложенных моделей, методов и средств позволяет повысить эффективность работы задействованных в ремонтном процессе служб предприятия за счет поддержки принятия решений на основе баз знаний и повышения оперативности выполнения отдельных бизнес-процессов на каждом узле МАСУ ТОиР.

ОСНОВНЫЕ НАУЧНЫЕ И ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ

1. Исследованы существующие принципы управления ТОиР на промышленных предприятиях. Выделены проблемы, возникающие при переходе на стратегию ремонта по техническому состоянию. Определены основные бизнес-процессы управления ТОиР.

2. Разработаны формальные модели организационной и информационной структуры управления ТОиР, определена информационная загрузка элементов.

3. Разработан алгоритм планирования работ по ТОиР при использовании стратегии ремонта по техническому состоянию, учитывающий нечеткий характер сроков ремонта и порождающий формальное представление задачи многокритериальной оптимизации календарного планирования.

4. Сформулированы критерии и разработаны генетические алгоритмы для решения задачи многокритериальной оптимизации календарного планирования капитального, среднего и текущего ремонта, позволяющие получить набор субоптимальных календарных графиков для предъявления ЛПР.

5. Разработаны модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов, обеспечивающие информационную поддержку бизнес-процессов в структуре промышленного предприятия. Выделены типы агентов: агент операции, агент процесса и агент-координатор.

6. Разработан инструментальный программный комплекс ОШГГ, позволяющий осуществить весь жизненный цикл мультиагентной системы. В данном комплексе реализован прототип МАСУ ТОиР.

7. Произведено экспериментальное исследование эффективности разработанных методов, моделей и программных средств. Полученные результаты показывают, что в среднем в 5 раз повысилась скорость составления планов и графиков ремонтов, увеличилась их оптимальность, уменьшилось время принятия решений, снизилось в среднем в 4 раза время подготовки отчетов, повысилась достоверность данных о фактических затратах.

Критерий 3 — » с ради— (№«-2) - -«и - ив (№«-2) - -»- - п» (№«-2) среднее (еЬСЕА) •■-»••-тш (аМЭД • * нт (аМСЕА)

1000 — ||м ■» " -ч '""»

400 ---4

200 1 Ю 1000 Код во щцшмиим 10000 100 000

рис. 8. Зависимость критерия 3 от числа поколений

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях из перечня ВАК

1. Сергушичева, М.А. Иерархическая распределенная система поддержки управления техническим обслуживанием и ремонтом энергооборудования / М.А. Сергушичева, А.Н. Швецов // Информационные технологии в проектировании и производстве: Науч.-техн. журн. / ФГУП «ВИМИ», 2009. - №3. - с. 14-19. (соискатель - 60%).

2. Сергушичева, М.А. Проектирование прикладных мультиагентных систем с использованием пакета ЭШТ / М.А. Сергушичева, А.Н. Швецов // Информационные технологии: Теор. и приклад, науч.-техн. журн. / Изд-во «Новые технологии», 2009. - №8. - с. 54-60. (соискатель - 50%).

В прочих изданиях

3. Сергушичева, М.А. Архитектура мультиагентной системы управления техническим обслуживанием и ремонтом оборудования на распределенном предприятии / М.А. Сергушичева, А.Н. Швецов // Интеллектуальные системы: Труды Девятого международного симпозиума / Под ред. К.А. Пупкова. - М.: РУСАКИ, 2010. - с. 624-628. (соискатель - 60%).

4. Сергушичева, М.А. Интеллектуальная поддержка управления техническим обслуживанием и ремонтом оборудования на распределенном предприятии электроэнергетики // Искусственный интеллект: философия, методология, инновации. Мат-лы III Всерос. конф. студентов, аспирантов и молодых ученых, г. Москва, МИРЭА, 11-13 ноября 2009 г. Под ред. Д.И. Дубровского и Е.А. Никитиной. - М.: «Связь-Принт», 2009. - с. 379-382.

5. Сергушичева, М.А. Подход к оптимизации перспективного графика ремонтных работ объектов электрических сетей / М.А. Сергушичева, А.Н. Швецов // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: Мат-лы пятой межд. науч.-техн. конф. Т. 2. — Вологда: ВоГТУ, 2009. — с. 123-126. (соискатель - 60%).

6. Сергушичева, А.П. Управление планированием ремонтов в территориально распределенной организации с применением агентного подхода / А.П. Сергушичева, М.А. Сергушичева // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: Мат-лы пятой межд. науч.-техн. конф. Т. 2. - Вологда: ВоГТУ, 2009. - с. 120-123. (соискатель - 60%).

7. Сергушичева, М.А. Организационная модель территориально распределенного предприятия электроэнергетики в проекции управления ремонтами / М.А. Сергушичева, А.Н. Швецов // Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта: Мат-лы 5-й межд. научно-техн. конф. - Вологда: ВоГТУ, 2009. - с. 288-292. (соискатель - 50%).

8. Сергушичева, М.А. Моделирование системы организации технического обслуживания и ремонта на распределенном предприятии энергоснабжения / М.А. Сергушичева, А.Н. Швецов // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: Мат-лы четвертой междунар. науч.-техн. конф. т.2. - Вологда: ВоГТУ, 2008. - с. 107-110. (соискатель - 60%).

9. Сергушичева, М.А. Подходы к разработке системы поддержки принятия решений при планировании ремонтов / М.А. Сергушичева, А.Н. Швецов //

Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта: Материалы 4-й межд. науч,-техн. конф. - Вологда: ВоГТУ, 2007. - с. 190-192. (соискатель - 60%).

10. Сергушичева, М.А. Инструментальный комплекс для проектирования распределенных интеллектуальных систем обработки данных / М.А. Сергушичева, С.И. Сорокин, А.Н. Швецов // Научный сервис в сети Интернет: многоядерный компьютерный мир. 15 лет РФФИ: Труды Всероссийской научной конференции (24-29 сентября 2007г., г. Новороссийск). - М.: Изд-во МГУ, 2007. -с. 88-93. (соискатель-40%).

11. Сергушичева, М.А. Моделирование бизнес-процесса планирования ремонтов оборудования на базе агентно-ориентированного подхода / М.А. Сергушичева, А.Н. Швецов // Автоматизация и энергосбережение машиностроительного производства, технология и надежность машин, приборов и оборудования: мат-лы третьей междунар. науч.-техн. конф. Т.2. - Вологда: ВоГТУ, 2007. - С. 91-95. (соискатель - 60%).

12. Сергушичева, М.А. Реализация инструментального комплекса БШТ для построения мультиагентных систем / М.А. Сергушичева, С.И. Сорокин, А.Н. Швецов // Алгоритмы, методы и системы обработки данных: Сборник научных статей / Под ред. С.С. Садыкова, Д.Е. Андрианова — М.: Горячая линия - Телеком, 2006.-е. 126-137. (соискатель-40%).

13. Котов, С.С. Инструментально-программный комплекс для проектирования мультиагентных систем / С.С. Котов, М.А. Сергушичева, С.И. Сорокин, А.Н. Швецов // Мат-лы IX Междунар. конф. «Интеллектуальные системы и компьютерные науки» (23-27 октября 2006 г.), том 2, часть 2. - М.: Изд-во механико-математического факультета МГУ, 2006. - с. 309-312. (соискатель -25%).

14. Сергушичева, М.А. Реализация механизмов управления знаниями в структуре комплекса ОКГТ / М.А. Сергушичева, А.Н. Швецов // Молодые исследователи -регионам: Матер, всероссийской науч. конф. студентов и аспирантов. В 2-х т. -Вологда: ВоГТУ, 2006. - Т. 1. - с. 108-110. (соискатель - 50%).

15. Сергушичева, М.А. Применение инструментального комплекса ОШТ в задачах управления предприятиями энергоснабжения / М.А. Сергушичева, А.Н. Швецов П Автоматизация машиностроительного производства, технология и надежность машин, приборов и оборудования: Мат-лы второй междунар. науч.-технич. конф. т. 1. - Вологда: ВоГТУ, 2006. - с. 173-177. (соискатель - 50%).

Подписано в печать 29.09.2010 г. Усл. печ. л. 1,25. Тираж 100. Заказ № Отпечатано: РИО ВоГТУ, г. Вологда, ул. Ленина, 15

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СРЕДСТВ УПРАВЛЕНИЯ РЕМОНТАМИ ОБОРУДОВАНИЯ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ.

1.1. Анализ предметной области управления ремонтами.

1.2. Методы управления ремонтами.

1.3. Средства информационной поддержки процессов управления ремонтами.

1.3.1. IFS Applications.

1.3.2. Global ЕАМ.

1.3.3. MAXIMO.

1.3.4. АСУ РТО.

1.3.5. «Ремонт-Эксперт».

1.3.6. Результаты сравнения функциональности различных ЕАМ-систем.

1.4. Мультиагентные системы.

1.4.1. Понятие интеллектуального агента.

1.4.2. Архитектура и средства построения MAC.

1.5. Выводы по главе 1.

ГЛАВА 2. РАЗРАБОТКА МОДЕЛЕЙ И МЕТОДОВ АВТОМАТИЗАЦИИ УПРАВЛЕНИЯ ТОИР.

2.1. Концептуальная модель системы управления ТОиР.

2.1.1. Организационная модель.

2.1.2. Информационная модель.

2.2. Агентно-ориентированная интерпретация метода планирования ТОиР.

2.2.1. Прогнозирование остаточного ресурса оборудования.

2.2.2. Календарное планирование ТОиР оборудования.

2.2.2.1. Перспективное планирование ТОиР.

2.2.2.2. Текущее планирование ТОиР.

2.2.2.3. Решение задачи многокритериальной оптимизации с помощью генетического алгоритма.

2.3. Методы автоматизации бизнес-процессов согласования, контроля и регламентирования ТОиР.

2.3.1. Согласование и корректировка планов и графиков.

2.3.2. Контроль и учет.

2.3.3. Регламентирование.

2.4. Выводы по главе 2.

ГЛАВА 3. МОДЕЛЬ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ТОИР НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ.-.

3.1. Модели агентов.

3.2. Архитектура МАСУ ТОиР.

3.3. Модели поведения агентов в МАСУ ТОиР.

3.3.1. Модель поведения агента операции.

3.3.2. Модель поведения агента бизнес-процесса.

3.3.3. Модель поведения агента-координатора.

3.4. Модели взаимодействия агентов.

3.5. Служебные средства МАСУ ТОиР.

3.5.1. Целостность, полнота и непротиворечивость.

3.5.2. Логический вывод.

3.6. Выводы по главе 3.

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПРОТОТИПА МАСУ ТОИР.

4.1. Технология построения прототипа МАСУ ТОиР с использованием пакета DISIT.

4.2. Реализация прототипа МАСУ ТОиР для предприятия «Вологдаэнерго».

4.3. Тестирование прототипа на реальных массивах данных.

4.4. Применение разработанных инструментальных средств в учебном процессе.

4.5. Выводы по главе 4.

Одной из наиболее актуальных проблем на промышленных предприятиях в настоящее время является управление техническим обслуживанием и ремонтом (ТОиР). Это обусловлено высоким уровнем износа, достигающем 70%. Сотрудникам служб ТОиР крупных и средних промышленных предприятий ежедневно приходится обрабатывать огромный объем данных, что значительно усложняет, особенно в условиях территориальной распределенности подразделений, планирование, подготовку и учет ремонтной деятельности. Грамотное управление позволяет одновременно повысить качество ТОиР и снизить возникающие временные и финансовые издержки.

Управление ТОиР охватывает широкий круг проблем, таких как структурная организация, способы исследования, контроля и повышения надежности оборудования, календарное планирование, которым посвящали работы В.И. Бурков, М. Месарович, Д.А.Новиков, И. Такахара (оргсистемы), Н.И. Воропай, Ю.Б. Гук, Э.А.Лоссв, JI.A. Мелентьев, А.В.Мясников, А.Н. Назарычев (надежность), Р.В. Конвей, JI.B. Миллер, В.А. Сафронеико, B.C. Танаев, Я.М. Шафранский (теория расписаний) и многие другие.

Без использования современных методов и средств автоматизации реализация поставленных целей одновременного снижения эксплуатационных затрат и аварийности невозможна. Существуют многочисленные программные продукты, так или иначе затрагивающие управление ТОиР. Однако они не содержат средств оптимизации и не учитывают накопленный опыт решения схожих задач, в то время как в связи с ростом сложности техносферы информационная нагрузка на лицо, принимающее решения, (ЛПР) постоянно возрастает. Для комплексного решения указанных проблем требуется гибкая информационная система, способная к адаптации и учитывающая специфику управления ТОиР на промышленном предприятии, которая определяется такими признаками, как: иерархичность структуры, распределенность, разнородность и отсутствие мобильности объектов ремонта.

Для моделирования и информационной поддержки распределенных процессов наиболее целесообразно использовать технологию мультиагентных систем (MAC), исследования в области которых проводились такими учеными, как P.A. Брукс, М. Вулдридж, В.И. Городецкий, Н. Дженнингс, A.B. Костров, X. С. Ивана, Д.А. Поспелов, В.Б. Тарасов.

В то же время, чтобы облегчить информационную нагрузку на персонал ремонтных служб, от информационной системы требуется поддержка принятия решений, т.е. она должна обладать некоторыми свойствами экспертной системы. Исследования в этом направлении проводились Т.А. Гавриловой, С.Д. Коровкиным, Дж. МакАдамсом, П.Л. Миллером, И. Д. Ратмановой, B.JI. Стефанюком, Э.А. Трахтенгерцом, А. Уокером, Э. Фейгенбаумом, Т.Финином, В.Ф. Хорошевским и др.

Общие вопросы управления производством освещены в работах Д.В. Александрова, В.В. Кульбы, Р.И. Макарова, А.Г. Мамиконова, Б.Я. Советова, В.Д. Чертовского и др.

Основные результаты диссертации получены в рамках гранта РФФИ №08-01-00457-а «Исследование фундаментальных проблем построения мультиагентпых интеллектуальных систем», выполнения работ по государственному контракту №02.740.11.0625 Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы.

В первой главе диссертационной работы производится анализ предметной области управления ТОиР оборудования в среде промышленного предприятия. В первой части главы рассматриваются основные понятия предметной области. Вторая часть главы посвящена используемым методам управления ТОиР. В третьей части главы обсуждаются существующие средства информационной поддержки сотрудников системы управления ТОиР. В четвертой части рассматриваются мультиагентные системы как средство реализации системы управления ТОиР, свободной от недостатков существующих систем.

Во второй главе представлены модели и методы автоматизации управления ТОиР. В первой части главы рассмотрена концептуальная модель системы управления ТОиР в организационной и информационной проекции с использованием фреймового подхода. Во второй части главы описывается разработанный метод планирования ТОиР оборудования, состоящий из прогнозирования и непосредственно календарного планирования; ставится задача многокритериальной оптимизации плана и предлагается ее решение с помощью генетических алгоритмов. В третьей части главы представлены модели и методы автоматизации бизнес-процессов согласования, контроля и учета и регламентирования.

В третьей главе диссертации описывается модель мультиагентной системы управления техническим обслуживанием и ремонтом оборудования (МАСУ ТОиР). В первой части главы представлены модели агентов в структуре МАСУ ТОиР. Во второй части рассматривается архитектура МАСУ ТОиР. Третья часть главы посвящена моделям поведения агентов операции, агентов бизнес-процесса и агентов-координаторов в структуре МАСУ ТОиР. В четвертой части описываются модели взаимодействия агентов. В пятой части рассмотрены служебные средства МАСУ ТОиР, обеспечивающие целостность, полноту и непротиворечивость базы знаний и логический вывод по ней.

В четвертой главе представлены результаты экспериментальных исследований реализованного прототипа МАСУ ТОиР. В первой части главы описывается технология построения прототипа МАСУ ТОиР с помощью инструментального пакета 018 ГГ. Вторая часть главы описывает реализацию в комплексе 01Я1Т прототипа МАСУ ТОиР для распределительной сетевой компании «Вологдаэнерго». В третьей части главы приведены результаты тестирования прототипа. Производится сравнение программно сгенерированных и составленных экспертом планов ТОиР, выявляются особенности генетических алгоритмов М8СА-2 и б-МОЕА, производится анализ эффективности внедрения МАСУ ТОиР. В четвертой части главы описывается применение разработанных средств в учебном процессе.

ОБЪЕКТ ИССЛЕДОВАНИЙ. Объектом исследований являются системы управления ТОиР, решающие задачи планирования и организации работ по ремонту оборудования на промышленном предприятии.

ПРЕДМЕТ ИССЛЕДОВАНИЙ. Предметом исследований являются модели и методы решения задач управления работами по ремонту оборудования на промышленном нредприятии на основе агентно-ориентированного подхода.

ЦЕЛЬ ДИССЕРТАЦИОННОЙ РАБОТЫ. Целью диссертационной работы является повышение эффективности и качества обработки информации, обеспечивающей интеллектуальную поддержку процессов управления ТОиР оборудования промышленных предприятий.

Для достижения поставленной цели в работе были поставлены и решены следующие задачи:

1. Исследование существующих принципов управления ТОиР на промышленных предприятиях.

2. Совершенствование и разработка методов и алгоритмов управления ТОиР на основе прогнозирования технического состояния оборудования.

3. Разработка концептуальных и логических моделей MAC управления ТОиР (МАСУ ТОиР).

4. Исследование и разработка моделей интеллектуальных агентов в структуре МАСУ ТОиР.

5. Разработка инструментального программного обеспечения для реализации прототипа МАСУ ТОиР.

6. Экспериментальное исследование эффективности разработанных методов, моделей и программных средств.

МЕТОДЫ ИССЛЕДОВАНИЙ. Для решеиия поставленных задач используются методы инженерии знаний, математической логики, теории фреймов, теории графов, теории календарного планирования, исследования операций, эволюционных вычислений, статистического анализа, объектно-ориентированного и логического программирования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ:

1. Концептуальная модель, отражающая организационную и информационную структуру системы управления ТОиР оборудования на промышленном предприятии.

2. Комплекс алгоритмов управления и интеллектуальной поддержки ТОиР, включающий алгоритм планирования работ по ТОиР, алгоритм решения задачи многокритериальной оптимизации, алгоритмы реализации процессов согласования, регламентирования, контроля и учета.

3. Модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов, обеспечивающие информационную поддержку бизнес-процессов в структуре промышленного предприятия.

НАУЧНАЯ НОВИЗНА. Научная новизна работы заключается в следующем:

1. Разработана концептуальная модель, отличающаяся представлением организационной и информационной структуры управления ТОиР на промышленном предприятии, основывающиеся на представлении в виде проекций уровней и связей и позволяющая определить информационные потоки и информационную загрузку элементов.

2. Разработан комплекс алгоритмов управления и интеллектуальной поддержки ТОиР, учитывающий нечеткий характер сроков ремонта и позволяющий получить формальное представление задачи многокритериальной оптимизации календарного планирования и построить с помощью эволюционных методов набор субоптимальных календарных графиков для предъявления лицу, принимающему решения.

3. Разработаны модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов, отличающиеся агентно-ориентированной интерпретацией алгоритмов планирования' и управления ТОиР в структуре промышленного предприятия.

1 ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ. Предложенные подходы, методы и программные решения позволяют разрабатывать гибкие и адаптивные системы по организации ТОиР. Применение результатов диссертационной работы позволяет сократить время на решение ряда наиболее важных задач управления ТОиР, в том числе, таких как прогнозирование и планирование ремонтов.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЙ. Результаты внедрены в ОАО «Вологодский оптико-механический завод», Филиале ОАО «МРСК Северо-Запада» «Вологдаэнерго», ООО «Череповецкий трубопрокатный завод», а также используются в учебном процессе кафедры Информационных систем и технологий Вологодского государственного технического университета.

АПРОБАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ. Основные положения работы были представлены на международных конференциях «Интеллектуальные системы и компьютерные науки» (Москва - 2006), «Научный сервис в сети Интернет: многоядерный компьютерный мир» (Новороссийск - 2007), «Автоматизация машиностроительного производства, технология и надежность машин, приборов и оборудования» (Вологда - 2006, 2007), «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда - 2008, 2009), «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта» (Вологда - 2007, 2009), девятом Международном симпозиуме «Интеллектуальные системы» (Владимир - 2010); всероссийских конференциях «III Всероссийской конференции студентов, аспирантов и молодых ученых "Искусственный интеллект: философия, методология, инновации"» (Москва - 2009), «Молодые исследователи - регионам» (Вологда - 2006), «Вузовская наука - региону» (Вологда - 2007); региональных конференциях «Актуальные проблемы управления и экономики: история и современность» (Вологда - 2006, 2007, 2008, 2009), «II ежегодные смотры-сессии аспирантов и молодых ученых по отраслям наук» (Вологда - 2009).

Результаты исследований докладывались на семинарах Вологодского регионального отделения Научного Совета РАН по методологии искусственного интеллекта.

ПУБЛИКАЦИИ. По теме диссертации опубликовано 15 печатных работ: 3 статьи (из них 2 в реферируемых изданиях, рекомендованных ВАК), 12 работ в материалах международных и всероссийских конференций.

СТРУКТУРА И ОБЪЕМ ДИССЕРТАЦИИ. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 159 наименований и приложений. Общий объем работы составляет 180 страниц, включая 51 рисунок, 14 таблиц, 20 страниц приложений.

4.5. Выводы по главе 4

В данной главе рассмотрено практическое применение разработанных моделей, методов-и средств при построении1 мультиагентиой системы управления ТОиР в условиях распределенного предприятия электроэнергетики. Произведено экспериментальное сравнение реального и программно сгенерированных графиков ТОиР в одном из районов электрических сетей. Полученные экспериментальные данные свидетельствуют о повышении эффективности работы служб ТОиР в результате использования прототипа МАСУ ТОиР. Так, время обработки объекта в узле МАСУ ТОиР уменьшилось в среднем в 3,08 раз. Отмечено также, что использование приведенных методов снижает вероятность ошибок при планировании работ.

Разработанный программный комплекс построения интеллектуальных информационных систем 0181Т, который позволяет обеспечить поддержку проектирования мультиагентных систем па всех этапах жизненного цикла проекта.

Рассмотрен процесс конструирования с помощью данного комплекса прототипа МАСУ ТОиР. Также рассмотрено применение комплекса DISIT в учебном процессе при проведении занятий в Вологодском государственном техническом университете.

Исследование оптимизации планирования при использовании МАСУ ТОиР производилось с помощью алгоритмов NSGA-2 и е-МОЕА. Из результатов тестирования видно, что при увеличении количества поколений увеличивается оптимальность. Хотя используемые критерии оптимальности не являются аддитивными, для первичной оценки можно воспользоваться суммой их значений. При 20000 поколений график, построенный алгоритмом NSGA-2, имеет сумму значений критериев 2070, тогда как график, составленный вручную, - 3089. Если Сравнивая реализованные алгоритмы е-МОЕА и NSGA-2, можно сделать вывод, что NSGA-2 показывает более значительный разброс значений в популяции или более широкий фронт Парето.

В целом применение МАСУ ТОиР, построенной на основе предложенных моделей, методов и средств позволяет повысить эффективность работы задействованных в ремонтном процессе служб предприятия за счет поддержки принятия решений на основе баз знаний и повышения оперативности выполнения отдельных бизнес-процессов на каждом узле МАСУ ТОиР.

В представленной диссертационной работе были получены следующие научные и практические результаты:

1. Исследованы существующие принципы управления ТОиР па промышленных предприятиях. Выделены проблемы, возникающие при переходе на стратегию ремонта по техническому состоянию. Определены основные бизнес-процессы управления ТОиР.

2. Разработаны формальные модели организационной и информационной структуры управления ТОиР, определена информационная загрузка элементов.

3. Разработан алгоритм планирования работ по ТОиР при использовании стратегии ремонта по техническому состоянию, учитывающий нечеткий характер сроков ремонта и порождающий формальное представление задачи многокритериальной оптимизации календарного планирования.

4. Сформулированы критерии и разработаны генетические алгоритмы для решения задачи многокритериальной оптимизации календарного планирования капитального, среднего и текущего ремонта, позволяющие получить набор субоптимальных календарных графиков для предъявления ЛИР.

5. Разработаны модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов, обеспечивающие информационную поддержку бизнес-процессов в структуре промышленного предприятия. Выделены типы агентов: агент операции, агент процесса и агент-координатор.

6. Разработан инструментальный программный комплекс 0181Т, позволяющий осуществить весь жизненный цикл мультиагентной системы. В данном комплексе реализован прототип МАСУ ТОиР.

7. Произведено экспериментальное исследование эффективности разработанных методов, моделей и программных средств. Полученные результаты показывают, что в среднем в 5 раз повысилась скорость составления планов и графиков ремонтов, увеличилась их оптимальность, уменьшилось время принятия решений, снизилось в среднем в 4 раза время подготовки отчетов, повысилась достоверность данных о фактических затратах.

1. Деньги попадут в сети. Интервью первого зампреда правления ФСК Александра Казакова "Российской газете", 18.12.07 г. Электронный ресурс. -Режим доступа: http://www.mrskscvzap.ru/reform/mrskreorg/anaIitica/7112.html

2. Global-EAM информационная система для управления ремонтами и техническим обслуживанием оборудования. Электронный ресурс. - Режим доступа: http://global-eam.ru/

3. Ребрин Ю.И. Основы экономики и управления производством: Конспект лекций. Таганрог: Изд-во ТРТУ, 2000. - 145 с.

4. Короткевич М.А. Основные направления совершенствования эксплуатации электрических сетей. — Минск: "Техноперспектива", 2003. 373 с.

5. Синягин H.H. Система планово-предупредительиого ремонта электрооборудования промышленных предприятий' / H.H. Синягин, H.A. Афанасьев, С.А. Новиков. 3-е изд. - М. : Энергия, 1984. - 446 с. : ил.

6. РДПр 34-38-030-92. Правила технического обслуживания и ремонта оборудования, зданий и сооружений электростанций и сетей. М. 1994, 2002.

7. Система технического обслуживания и ремонта оборудования энергохозяйств промышленных предприятий (система ТОР ЭО) / H.A. Афанасьев, М.А. Юсипов. —-М. : Энергоатомиздат, 1989. — 528 е.: ил.

8. Nazarichev A., Andreev D., Tadzhibaev A. Priority Resolution of Modernization of Power Industry Objects. 2005 IEEE St. Petersburg PowerTech Proceedings. Energy Systems Institute, St. Petersburg Polytechnical University. S.-Pb., 2005. CD.

9. Митюшин В. Можно ли планировать работы»по техническому обслуживанию и ремонту оборудования // Электрооборудование: эксплуатация и ремонт. 2006, № 8.-С. 9-15.

10. Ящура А. И. Система технического обслуживания и ремонта энергетического оборудования. Справочник. М.: Изд-во НЦ ЭНАС, 2006. - 504 с. ил.г

11. Гук Ю.Б. Теория надежности в электроэнергетике. JL: Энергоатомиздат. Ле-нингр: отд-иие; 1990. - 208 с.

12. Розанов М.Н. Управление надежностью систем энергетики. Новосибирск: Наука, Сибирское отд-ние, 1991.-208 с.

13. Фокин Ю.А. Вероятносно-статистические методы в расчетах систем электроснабжения. М.: Энергоатомиздат, 1985. - 240 с.

14. Биллинтон Р., Алан Р. Оценка надежности электроэнергетических систем. -М.: Энергоатомиздат, 1988.-288 с.

15. Ершов, М. С., Скреплев И. В. Модели планирования ремонтов и замен промышленного электрооборудования // Промышленная энергетика. №11 (ноябрь), 2005. - с. 46-50.

16. Fedotova G.A., Voropai N.I. Optimization of reliability of power supply to consumer // Reliability: Theory & Applications Vol. 2, № 2, June 2007. - p. 57-68. Электронный ресурс. - Режим доступа: http://www.gnedenko-forum.org/Journal/index.htm.

17. Fedotova G., Voropai N. Maintenance Scheduling of Electric Generation Equipment in a Market Environment with Regard to Reliability // Материалы 6-й междунар. конф. «Математические методы в теории надежности» (MMR 2009). -М.: РУНГ, 2009. с. 226-228.

18. Александрова С.Ю. Информационная система планирования и анализа ремонтного фонда энергопредприятий // Наука и образование 2005: Материалы Междунар. науч.-техн. конф. Мурманск: МГТУ. - 2005. - Ч. IV С. 20-23.

19. Батищев В.И:, Александрова С.Ю. Информационно-аналитическая« система для оценки состояния оборудования энергопредприятий // Вестн. Сам. гос. техн. ун-та. Сер.: Техн. науки. 2006. - Вып. № 41. - с. 5-9.

20. Прилуцкий М.Х., Костюков В.Е. Оптимизационные задачи объёмно-календарного планирования для нефтеперерабатывающих предприятий // Системы управления и информационные технологии. 2007, №2.1(28). - с. 188-192.

21. Прилуцкий М.Х. Многокритериальные многоиндексные задачи объёмно-календарного планирования // Известия академии наук. Теория и системы управления. 2007, №1 - с. 78-82.

22. Li Y., Man K.F. Scheduling and planning problem in manufacturing systems with multiobjective genetic algorithm // Industrial Electronics Society, 1998. IECON '98. Proceedings of the 24th Annual Conference of the IEEE. 1998. - p. 274-279.

23. Kleeman M.P., Lamont G.B. Solving the aircraft engine maintenance scheduling problem using a multi-objective evolutionary algorithm // Evolutionary Multi-Criterion Optimization. Third International Conference, EMO 2005. Springer, 2005. - p.782-796.

24. Servakh V.V., Shcherbinina T.A. Complexity of project scheduling problem with nonrenewable resources // Operations Research Proceeding. Springer. Germany, 2007. -p. 427-431.

25. Шашкин А.И., Ширяев M.M. Календарное планирование работ по проекту на основе нечетких исходных данных // Вестник СамГУ Естественнонаучная серия. -2008, №3(62).-с. 208-216.

26. Маракушин М.В. Задача перспективного планирования ремонтно-восстановительных работ // Управление большими системами. 2006. — Выпуск 14. -С. 140-146.

27. Погодаев А. К., Маракушин М. В. Календарное планирование ремонтно-восстановительных работ жилых зданий // Информационные технологии в современном мире. Часть 4. Таганрог: ТРТУ, 2006. - С. 44-48.

28. Башлыков А.А., Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике. — М.: Изд-во МЭИ, 1994.

29. Новорусский В.В. Экспертные системы для решения задач диагностики, прогнозирования и управления функционированием1 энергетических систем и объектов (подходы к синтезу). Иркутск: СЭИ СО РАН, - 1992.

30. Романов A.A., Сазыкин В.Г. Модель организации материально-технического снабжения ремонтов изношенного оборудования // Известия высших учебных заведений. Проблемы энергетики. № 7-8, 2006. - с. 64-66.

31. Муравьева B.C., Орлов А.И. Организационно-экономические проблемы прогнозирования на промышленном предприятии // Управление большими системами. Выпуск 17. М.: ИПУ РАН, 2007. - с. 143-158.

32. Наумов, А.Е. Автоматизированная система прогнозирования остаточного ресурса электроконтактных соединений / В.В. Измайлов, А.Е. Наумов // Программные продукты и системы. -2008, №2. С. 73-75.

33. Руцков Е., Данилова Е. ПО для автоматизации процессов управления ТОиР // Intelligent Enterprise/Корпоративные системы. 2004. - с. 36-41. Электронный ресурс. - Режим доступа: http://www.iemag.ru/analitics/detail.php?ID=16122

34. Управление техобслуживанием и ремонтами Электронный ресурс. Режим доступа: http://www.ifsrussia.ru/eam.htm

35. Чернобровцев А. Что могут ЕАМ // Computerworld. №27 18/07/2006. Электронный ресурс. - Режим доступа: http://www.osp.ru/cw/2006/27/2480381/

36. Евстафьев И.Н. Информационные проблемы внедрения систем управления техническим обслуживанием и ремонтами // Автоматизация, в промышленности. -М.: ООО Издательский дом "ИнфоАвтоматизация", 2007. с. 17-20.

37. Якименко А. Ремонт без проблем. Автоматизированные системы технического обслуживания и ремонтов // Электрооборудование: эксплуатация и ремонт. ИД "Панорама",' Изд-во "Промтрансиздат", 2008, № 7. - С. 61-64. Путь доступа:

38. Савепко В. Системы управления ремонтами и техническим обслуживанием: качество и эффективность на основе функционально-полных IT-решений // Энергобизнес, №15, 2003. Электронный ресурс. Режим доступа: http://www.ifsrussia.ru/publsav2.htm

39. Global-EAM информационная система для управления ремонтами и техническим обслуживанием оборудования Электронный ресурс. - Режим доступа: http://global-eam.ru/

40. КРОК Внедрение ЕАМ-систем Электронный ресурс. - Режим доступа: http://www.croc.ru/solution/solution86.shtm

41. Автоматизированная система управления ремонтно-технологическим обслуживанием Электронный ресурс. Режим доступа: http://www.rto.entecheco.com

42. Общее описание системы "Ремонт-Эксперт" Электронный ресурс. Режим доступа: http://remontexpert.rU/content/view/8/4/

43. FTPA 2000 Specifications. Geneva, Switzerland, Foundation for Intelligent Physical Agents, 2002. Электронный ресурс. Режим доступа: http://www.fipa.org/repository/fipa2000.htrnl

44. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта. 1998. -№2. - С.5-63.

45. Швецов, А.Н. Распределенные интеллектуальные информационные системы. /А.Н. Швецов, С.А. Яковлев. СПб: Изд-во СПбГТЭУ «ЛЭТИ», 2003 .-318 с. •

46. Поспелов Д.А. От коллектива автоматов к мультиагентным системам// Труды Междунар. семинара «Распределенный искусственный'интеллект и многоагентные системы» (DAIMAS'97, Санкт-Петербург, Россия, 15-18 июня 1997). С.319-325.

47. Амосов Н.М. Автоматы и разумное поведение : Опыт моделирования / Амосов Н.М., Касаткин A.M., Касаткина Л.М., Талаев С.А. Киев: Наукова думка, 1973.-375 е.: ил.

48. Meyer J.-A., Wilson< S. W. (Eds) From Animals to Animats. The MIT Press: Cambridge, Massachusetts, London, England. 1990.

49. Тарасов В.Б. От многоагептных систем к интеллектуальным организациям: философия, психология, информатика. //М.: Эдиториал УРСС, 2002.

50. Brooks R. A. Intelligence without reason. Proceedings of IJCA1-91, pp. 569-595.

51. Deneubourg J.-L. et al. Self-Organization and Life: from Simple Rules to Global Complexity // Proc. of Second European Conference on Artificial Life, Bruxelles, 1993.

52. Murray D. Developing Reactive Software Agents // AI Expert. 1995. - P.27-29

53. H. Peine, "Ara Agents for Remote Action" in W. R. Cockayne and M. Zyda, Mobile Agents: Explanations and Examples, Manning/Prentice Plall, 1997.

54. D. Chess, C. Harrison, and A. Kershenbaum, "Mobile Agents: Are They a Good Idea?" in J. Vitek and C. Tschudin (eds) Mobile Object Systems. Springer, 1996.

55. Nwana H. Software Agents: an Overview //The Knowledge Engineering Review— 1996.-Vol.l l,№3.-P.205-244

56. T. Finin, R. Fritzson, D. McKay, and R. McEntire, KQML as an Agent Communication Language, Proceedings of the Third International Conference on Information and Knowledge Management, ACM Press, November 1994. http://citeseer.nj.nec.com/finin94kqml.html

57. Labrou Y., Finin Т., 1997. A proposal for a new KQML specification // TR CS-97-03. February 3, 1997. http://www.cs.umbc.edu/~jklabrou/publications/tr9703.ps

58. Yannis Labrou, Tim Finin, and Yun Peng. Agent communication languages: The current landscape //IEEE Intelligent Systems, 14(2): 45-52, March/April 1999

59. FIPA2000. "Agent Communication, Language" Specification FIPA, 2000. Электронный ресурс. Режим доступа: http://www.fipa.org/specs/fipa00061/ХС0006 lE.html

60. М. Singh. Agent communication languages: Rethinking the principles. IEEE Computer, Dec. 1998, p.40-47

61. Швецов A.H. Методология проектирования агептно-ориентировапных корпоративных интеллектуальных систем/ Интеллектуальные системьт//Тр. Шестого Международ. Симпозиума. М.: МГТУ им Н.Э. Баумана, 2004. - С. 86 — 89.

62. Р. Орфали, Д. Харки. Java и CORBA в приложениях клиент-сервер / М.: Лори, 2000.- 734 с.

63. GOPALAN, S. R. A Detailed Comparison of CORBA, DCOM and Java/RMI. Sept.1998. Электронный ресурс. Режим доступа:ihttp://www.execpc.com/~gopalan/misc/compare.html

64. Эммерих В. Конструирование распределенных объектов. Методы и средства програм!\шрования интероперабельных объектов в архитектурах OMG/CORBA, Microsoft СОМ и Java RMI. М.: Мир, 2002. - 510с.

65. Хорошевский В.Ф. Методы и средства проектирования и реализации мультиагентных систем // Материалы семинара "Проблемы искусственного интеллекта" - ИПУ РАН, 1999.

66. A. Marchetti, F. Ronzano, M. Tesconi , S. Minutoli. Formalizing Knowledge by Ontologies: OWL and KIF. Technical Report 2008-TR-007. Электронный ресурс. -Режим доступа: http://www.cnr.it/istituti/IstitutoRapporti.html?cds=044&id:::=8381

67. Tim Finin, Yannis Labrou, James Mayfield. KQML as an agent communication language, // Software Agents. — Cambridge: MIT Press, 1997.

68. Тарасов В.Б. От многоагеншых систем к интеллектуальным организациям: философия, психология, информатика. // М.: Эдиториал УРСС, 2002.

69. Reticular Systems: AgentBuilder An Integrated Toolkit for Constructing Intelligent Software Agents. Reticular Systems, Inc., February 1999.

70. Bigus, J.P., Schlosnagle, D.A., Pilgrim, J.R., Mills, W.N., Diao, Y. ABLE: a toolkit for building multiagent autonomic systems // IBM Systems Journal. Sept, 2002.

71. Электронный ресурс. Режим доступа:http://www,research.ibm.com/journal/sj/413/bigus.pdf

72. Dejan Milojicic и др. MASIF. The OMG Mobile Agent System Interoperability Facility, 1998. Электронный ресурс. Режим доступа: http://www.hpI.hp.co.uk/personal/DejanMilojicic/ma4.pdf

73. Швецов А.Н. П Метаметодология построения мультиагентньтх интеллектуальных систем // Информационные технологии: Теор. и приклад, науч.-техн. журн. / Изд-во «Новые технологии», 2010. №1 с. 28-33.

74. Воронин А.А., Мишин С.П. Оптимальные иерархические структуры. М.: ИПУ РАН, 2003.-214 с.

75. Бурков В.Н., Заложнев А.Ю., Новиков Д.А. Теория графов в управлении организационными системами. М.: СИНТЕГ, 2001. - 124 с.

76. Воронин А.А., Мишин С.П. Алгоритмы поиска оптимальной структуры организационной системы // Автоматика и телемеханика. 2002. №5 с. 120-132.

77. Губко М.В., Новиков Д.А. Теория игр в управлении организационными системами. М.: Синтег, 2002.

78. Новиков Д.А. Сетевые структуры и организационные системы. М.: ИПУ РАН, 2003.- 102 с.

79. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973.

80. Овсиевич Б.Л., Модели формирования организационных структур. Л.: Наука, 1979,- 160 с.

81. Мильнер Б.З. Теория организации: Учебник. 2-е изд., перераб. и доп. -М:.ИНФРА-М, 2000. - 480с.

82. Евстигнеев В.А. Применение теории графов в программировании. М.: Наука, 1985.-332 с.

83. Положение о технической политике в распределительном электросетевом комплексе Электронный ресурс. Путь доступа: http://www.mrsk-l.ru/docs/texl.pdf103. ГОСТ 27.002-89

84. Назарычев А.Н., Андреев Д.А. Методика оценки фактического ресурса электрооборудования с учетом воздействия эксплуатационных факторов // Повышение эффективности работы энергосистем: Труды ИГЭУ. Вып. 6 М.: Энергоатомиздат, 2003. - с. 287-305.

85. Остаток, С.Ф.; Мотова, М.А. Модели построения комбинированного прогноза развития научно-технической сферы // Пробл. прогнозирования. М., 2004.-Вып. 1.-С. 146-156

86. Правила организации техобслуживания и ремонта оборудования, зданий и сооружений электростанций и сетей (СО 34.04.181-2003).

87. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. — М.: Наука. Главная редакция физико-математической литературы, 1982. 256 с.'

88. Ногин В.Д. Принятие решений в многокритериальной среде: количественный подход. 2-е изд., испр. и доп. - М.; Физматлит, 2004. - 176 с.

89. Kostreva М.М., Ogryczak W., Wierbicki A. Equitable aggregations and multiple criteria analysis // European Journal of Operational Research, 158 (2004), p. 362-377.

90. Angidella S., Greco S., Lamantia F., Matarazzo B. Assessing non-additive utility for multicriteria decision aid // European Journal of Operational Research, 158 (2004), p. 734-744.

91. Leskinen P., Kangas A.S., Kangas J. Rank-based modeling of preference in multi-criteria decision making // European Journal of Operational Research, 158 (2004), p. 721733.

92. Ehrgott M. Multicriteria optimization. Second edition. - Springer, BerlinHeidelberg, 2005. - 323 p.

93. I. Das and J. E. Dennis. Normal-Boundary Intersection: A New Method for Generating the Pareto Surface in Nonlinear Multicriteria Optimization Problems. SIAM Journal on Optimization, 8:631-657, 1998.

94. A. Messac and A. Ismail-Yahaya and C.A. Mattson: The normalized normal constraint method for generating the Pareto frontier. Structural and multidisciplinary optimization, vol. 25, no2, pp. 86-98, 2003.

95. A. Messac and C. A. Mattson: Normal constraint method with guarantee of even representation of complete Pareto frontier. AIAA journal, vol. 42, nolO, pp. 2101-2111, 2004.

96. Daniel Mueller-Gritschneder, Helmut Graeb and Ulf Sehlichtmann: A Successive Approach to Compute the Bounded Pareto Front of Practical Multiobjective Optimization Problems. SIAM Journabon Optimization, Volume 20, Issue 2, pp. 915-934, 2009.

97. K. Deb. Multi-objective optimization using evolutionary algorithms. Chichester, UK: Wiley, 2001.

98. Ляпунов A.H, Согласованность и равновесие в многокритериальных задачах // Экономико-математические исследования. Математические модели и информационные технологии, IV, чЛ. СПб: СПб-ЭМИ РАН, 2005. - С.92-110.

99. Orths A., Schmitt A., Styczynski A.Z., Verstege J. Multi-criteria optimization methods for planning and operation of electrical energy systems // Electrical Engineering, Volume 83, 2001.-p. 251-258.

100. С. A. C. Coello, D. A. VanVeldhuizen, and G. Lamont. Evolutionary Algorithms for SolvingMulti-Objective Problems. Boston, MA: Kluwer Academic Publishers, 2002.

101. Coello Coello, C. A.; Lamont, G. B. & Van Veldhuizen, D. A. Evolutionary Algorithms for Solving Multi-Objective Problems Springer, 2007.

102. Das, S.; Panigrahi, В. K. Multi-objective Evolutionary Algorithms, Encyclopedia of Artificial Intelligence, (Eds. J. R. Rabunal, J. Dorado & A. Pazos), Idea Group Publishing, 3:1145 1151, 2008.

103. Davis E.W., Heidorn G.E. An algorithm for optimal project scheduling under multiple resource constraints // Management Science, 1971. №17(12). p.803-817

104. Hildum D. Flexibility in a knowledge-based system for solving dynamic resource-constrained scheduling problems. Umass CMPSCI Technical report №94. University of Massachusetts. Amherst, 1994.

105. Fox M.S., Smith S.F. ISIS a knowledge-based system for factory scheduling // Expert Systems, 1984. №1(1). p.25-49

106. Smith S.F., Ow P. The use of multiple problem decompositions in time constrained planning tasks // Proc. of the 9th International Joint Conference on Artificial Intelligence. Vol. 2. Calif.: Morgan Kaufman, 1985. p. 1013-1015

107. Sadeh N. Look-ahead technigues for micro-opportunistic job scheduling. PhD Thesis. School of computer science, Carnegie Mellon University. Pittsburgh, 1991

108. Курейчик В. M. Генетические алгоритмы и их применение. 2-е издание, дополненное. Таганрог: Изд-во ТРТУ, 2002. 242 с.

109. Норенков И.П. Эвристики и их комбинации в генетических методах дискретной оптимизации // Информационные технологии. 1999. №1. с 2-7

110. Deb, К., Mohan, M., Mishra, S.: A Fast Multi-objective Evolutionary Algorithm for Finding Well-Spread Pareto-Optimal Solutions. KanGAL Report No. 2003002, 2003.

111. Laumanns M, Thiele L, Deb K, Zitzler E: Combining convergence and diversity in evolutionary multiobjective optimization // Evolutionary Computation Journal. 2002 , 10(3).-p. 263-282.

112. Каменева E.M. ЭЦП и электронное согласование проектов документов с использованием СЭД // Делопроизводство и документооборот на предприятии / ООО «Бизнес-Арсенал», 2009. № 9.- с. 48-56

113. Гаврилова, Т.А. Базы знаний интеллектуальных систем. / Т.А. Гаврилова, В.Ф. Хорошевский СПб.: Питер, 2000. - 384 с.

114. Кратко М.И. Формальные исчисления Поста // Проблемы кибернетики. -1966.-Вып. 17.-с. 41-65.

115. Кузнецов В.Е. Представление в ЭВМ неформальных процедур: продукционные системы. М.: Наука, 1989. - 160 с.

116. Маслов С.Ю. Некоторые свойства аппарата канонических исчислений Э.Л. Поста // Тр. матем. ин-та АН СССР. 1964. - т. 72. - с.5-56.

117. Поспелов Д.А. Ситуационное управление:теория и практика. М.: Наука, 1986.-288с.

118. Швецов А.Н. Канонические исчисления Поста как средство моделирования сложных дискретных систем / А.Н. Швецов, A.A. Суконщиков // Автоматизация процессов управления и обработки информации: Сб. статей. Вологда: ВоПИ,1998.-с. 128-135.

119. Остин Дж. Л. Слово как действие // Новое в зарубежной лингвистике: Вып. 17. Теория речевых актов. Сборник. Пер. с англ. М.: Прогресс, 1986. - с. 22-130.

120. Серль Дж. Р. Что такое речевой акт? // Новое в зарубежнойшингвистике: Вып. 17. Теория речевых актов. Сборник. Пер. с англ. М.: Прогресс, 1986. - с. 151-169.

121. Labrou Y., Finin T. A semantics approach for KQML a general purpose communication language for software agents // Proceedings of the Third International Conference on Information and Knowledge Management (CIKM'94). - 1994. - p. 447455.

122. Дж. Барвайса. 4.1. Теория моделей. - М.: Наука, 1982. - 392 с. Математическая энциклопедия / Гл. ред. И.М. Виноградов. - М.: Сов.

123. Справочная книга по математической логике: В 4 ч. / Пер. с англ.; Под ред. энцикл. 1984. -1216 с. - Т.4.

124. Словарь по кибернетике / Под ред. B.C. Михалевича. Киев: Гл. ред. УСЭ им. М.П. Бажана, 1989.-751 с.

125. Справочная киига по математической логике: В 4 ч. Ч. 1. Теория моделей /Под ред. Дж. Барвайса. Пер с англ. М.: Наука, 1982. - 392 с.

126. Genesereth, М. R. Knowledge Interchange Format (KIF). / M.R. Gencsereth Электронный ресурс. Режим доступа: http://logic.stanford.edu/kif/kif.html

127. Сергушичева М.А., Сорокин С.И., Швецов А.Н. Инструментальный комплекс для проектирования распределенных интеллектуальных систем обработки данных // Научный сервис в сети Интернет: многоядерный компьютерный мир. 15 лет

128. РФФИ: Труды Всероссийской научной конференции (24-29 сентября 2007г., г. Новороссийск). М.: Изд-во МГУ, 2007. - с. 88-93.

129. Сергушичева М.А., Швецов А.Н. Проектирование прикладных мультиагентных систем с использованием пакета DISIT // Информационные технологии: Теор. и приклад, науч.-техн. журн. / Изд-во «Новые технологии», 2009. №8 с. 54-60.

130. Сергушичева М.А., Швецов А.Н. Реализация механизмов управления знаниями в структуре комплекса DISIT // Молодые исследователи регионам: Матер, всероссийской науч. конф. студентов и аспирантов. В 2-х т. - Вологда: ВоГТУ, 2006. — Т.1. - с. 108-110.