автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Разработка методов и алгоритмов принятия управленческих решений в автоматизированных машиностроительных системах

005019005

На правах рукописи

БУБНОВ ДМИТРИЙ ВЛАДИМИРОВИЧ

РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В АВТОМАТИЗИРОВАННЫХ МАШИНОСТРОИТЕЛЬНЫХ СИСТЕМАХ

05.13.06 -«Автоматизация и управление технологическими процессами и производствами (технические системы)»

3 МАЙ 2012

АВТОРЕФЕРАТ

диссертации ira соискание ученой степени кандидата технических наук

Москва 2012 г.

005019005

Работа выполнена в ФГБОУ ВПО Московском государственном технологическом университете «СТАНКИН».

Научный руководитель: доктор технических наук, профессор

Митрофанов Владимир Георгиевич Официальные оппоненты: доктор технических наук, профессор,

профессор кафедры «Оборудование и технологии машиностроительного производства» ФГБОУ ВПО Тольяттинско-го государственного университета Драчев Олег Иванович кандидат технических наук, доцент, доцент кафедры «Теоретические основы технологии машиностроения» ГОУ ВПО Московского государственного открытого университета

Корьячев Анатолий Николаевич Ведущая организация: ФГБОУ ВПО «Самарский государственный

технический университет» (г. Самара)

Защита состоится «17» мая 2012 г. в 16 часов на заседании диссертационного совета Д 212.142.03 при ФГБОУ ВПО Московском государственном технологическом университете «СТАНКИН» по адресу: 127055, Москва, Вадков-ский переулок, д. За.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО Московском государственном технологическом университете «Станкин».

Автореферат разослан «_»_2012 г.

Ученый секретарь диссертационного совета

к.т.н., доцент

Семячкова Е.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Современные рыночные механизмы ведения хозяйственной деятельности диктуют жесткие требования машиностроительным предприятиям: постоянное совершенствование производимой продукции, сокращение сроков проектно-конструкторских работ, применение современных методов оперативного планирования, основанных на актуальной информации и другое.

Выполнить эти требования позволяет комплексная автоматизация управления предприятием, которая в соответствии с современными стандартами опирается на концепцию единого информационного пространства, охватывающего, такие направления деятельности как проектирование, технологическая подготовка, производство, обеспечение необходимыми ресурсами, сбыт готовой продукции и т.п.

В связи с тем, что именно единое информационное пространство содержит знания, необходимые для выработки управляющих решений, а события жизненного цикла изделий находят свое отражение в едином информационном пространстве, весьма перспективным представляется разработка комплекса системных моделей машиностроительного предприятия вообще и единого информационного пространства в частности, позволяющих осуществлять управление предприятием через управление эволюцией его единого информационного пространства.

Одним из возможных подходов к построению такого комплекса системных моделей является представление единого информационного пространства как открытой самоорганизующейся сложной системы.

Анализ вопросов, прямо или косвенно связанных с решением указанной задачи, позволил сделать следующие выводы:

Создание современных систем поддержки принятия решений невозможно без использования методологий и технологий их разработки, поскольку их создание представляет длительный, трудоемкий и наукоемкий процесс, требующий больших материальных и финансовых затрат.

Используемые сейчас в области машиностроения информационные системы отличаются упрощенностью подходов, средств и методов, применяемых при разработке и внедрения систем, и не оказывают необходимого влияния на формирование управляющих решений.

На основании вышеизложенного была сформулирована основная цель работы, которая заключается в обеспечение необходимой информацией о характере и состоянии процессов в производственных машиностроительных системах на основе моделей интеллектуальной поддержки принятия решений.

Для достижения поставленной цели в работе решались следующие задачи:

1. Проанализированы существующие методы представления информации в производственных машиностроительных системах;

2. Разработан информационный комплекс поддержки принятия решений в информационных системах автоматизированного машиностроительного производства;

3. Разработаны математические модели систем интеллектуальной поддержки принятия решений;

4. Рассмотрены примеры интеллектуальной поддержки принятия управленческих решений.

Областью применения настоящих исследований являются принятия управленческих решений в автоматизированных машиностроительных системах.

Научная новнзна.

1. В результате изучения существующих материалов по вопросам проектирования машиностроительных систем выявлены функциональные связи между составом и структурой системы и видами поддержки: информационной, модельной, экспертной при принятии производственных решений

2. Построены модели процесса производства, выполняющие анализ, исследование, проектирование, функционирование, управление, экспертизу, контроль и архивирование.

3. Разработана архитектура системы поддержки принятия решений в технической подготовке производства.

4. Построено алгоритмическое и информационное обеспечение системы поддержки принятия решений для различных этапов жизненного цикла продукции.

Практическая ценность.

1. Разработана методика создания системы поддержки принятия решений в технической подготовке производстве.

2. Построены примеры интеллектуальной поддержки принятия управленческих решений.

Методы исследования. В работе использовались методы системного анализа, математического моделирования, технологии машиностроения, исследования операций.

Реализация работы. Разработанные модели и алгоритмы использованы в технических отчетах по научно-исследовательским работам, выполненным ФГБОУ ВПО МГТУ «СТАНКИН» в рамках госконтракта по ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009 - 2013 годы».

Апробация работы. Результаты работы докладывались на восьмой всероссийской научно-технической конференции 26 февраля 2010г., Вологда, Во-ГТУ, на XIII научной конференции МГТУ «Станкин» и "Учебно-научного центра математического моделирования МГТУ «Станкин» - ИММ РАН" по математическому моделированию и информатике, МГТУ «Станкин», 12-14 мая 2010г., Международной научно-практической конференции «Состояние, проблемы и перспективы автоматизации технической подготовки производства на промышленных предприятиях». Г. Брянск, 2011 г., на заседании кафедры «Автоматизированные системы обработки информации и управления».

Публикации. По теме диссертации опубликованы 5 статей.

Структура и объём работы. Диссертация состоит из введения, четырёх глав, общих выводов, списка литературы из 111 наименований и приложений;

изложена на 183 страницах машинописного текста, содержит 27 рисунков, 7 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ ГЛАВА 1. СОСТОЯНИЕ ВОПРОСА, ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ.

В последние годы наблюдается широкомасштабное применение вычислительной техники в различных сферах деятельности человека. Поэтому наиболее остро встала проблема разработки программных систем, автоматизирующих его деятельность с целью повышения её эффективности. Одним из наиболее широко применяемых классов таких программных систем являются системы поддержки принятия решений.

Создано несколько классификаций методологий и технологий разработки программных систем. В соответствии с одной из них они разделяются в зависимости от научно-практических направлений, в рамках которых возникли. К настоящему времени сформировались следующие научно-практические направления, занимающиеся созданием методологий и технологий разработки программных систем, в том числе и систем поддержки принятия решений:

• информационная инженерия (Information Engineering);

• искусственный интеллект (Artificial Intelligence);

• обратное перепроектирование (Re-engineering);

• реинжиниринг бизнес-процессов (Business Process Reengineering);

• многоагентные системы (Multi-Agent Systems);

• управление знаниями (Knowledge Management);

• промышленная инженерия (Industrial Engineering);

• управление качеством (Total Quality Management).

Вторая классификация методологий и технологий создания программных систем сложилась под влиянием реинжиниринга бизнес-процессов.

В соответствии со второй классификацией методологии и технологии создания программных систем делятся на следующие группы: 6

• поддерживающие;

• развивающие;

• принципиально новые.

Требования, предъявляемые к методологиям. Системы поддержки принятия решений (СПГГР): это системы, в которых результаты принятия решений приближаются по качеству решений, принятых человеком, а по скорости получения решений существенно превышают время реакции человека (особенно в непредсказуемых и непредвиденных ситуациях).

Выделим основные требования, предъявляемые к ИСППР. Эти требования классифицируем на три группы:

• требования, определяемые проблемной средой;

• программные требования;

• эксплуатационные требования.

Корпоративные информационные системы.

Для точного определения корпоративных систем поддержки принятия решений (КСППР), необходимо установить отличительные признаки данного класса систем. На основе анализа публикаций в качестве таких признаков выделяются:

- пространственная и функциональная распределенность принятия решений, связанная с наличием в КС большого числа пространственно разнесенных объектов (производственных единиц, подразделений и т.п.), выполняющих множественные функции. Это относится как к ЛПР, так и к локальным СППР. Для больших корпораций и предприятий пространственная распределенность может перерастать в территориальную;

- функционирование в условиях гетерогенной информационной среды, что объясняется принципиальной разнородностью КС и множественностью используемых информационных языков;

- наличие нескольких уровней управления, на которых принимаются решения соответствующие положению данного уровня в иерархии корпоративного управления;

- изменчивость информационной среды, проявляющаяся в добавлении и удалении АИО и изменении множества используемых ими информационных языков;

- необходимость согласования принимаемых решений в иерархической многоуровневой структуре управления с учетом имеющихся прав и приоритетов.

Исходя из этого, корпоративная система поддержки принятия решений определяется как пространственно и функционально распределенная СППР, функционирующая в изменяющейся гетерогенной информационной среде, включающая конечные множества локальных СППР, стратифицированных по уровням управления и обеспечивающих принятие согласованных решений в иерархической структуре корпоративной системы путем обмена данными и знаниями, представленными в символьной форме.

Анализ вопросов, прямо или косвенно связанных с решением указанной задачи, позволил сделать следующие выводы.

1. Создание современных систем поддержки принятия решений невозможно без использования методологий и технологий их разработки, поскольку их создание представляет длительный, трудоемкий и наукоемкий процесс, требующий больших материальных и финансовых затрат.

2. Классифицированы требования, предъявляемые к ИСППР:

• требования, определяемые проблемной средой;

• программные требования;

• эксплуатационные требования.

3. Наиболее известным и хорошо изученным классом ИС являются экспертные системы, которые можно определить как сложные программные комплексы, аккумулирующие знания специалистов в определенных предметных областях и способные оперировать этими знаниями для решения проблем, выработки рекомендаций и консультирования менее квалифицированных пользователей.

4. Используемые сейчас в области машиностроения информационные системы отличаются упрощенностью подходов, средств и методов, применяемых при разработке и внедрения систем, и не оказывают необходимого влияния на формирование управляющих решений.

На основании вышеизложенного была сформулирована основная цель работы, которая заключается в обеспечение необходимой информацией о характере и состоянии процессов в производственных машиностроительных системах на основе моделей интеллектуальной поддержки принятия решений.

Для достижения поставленной цели в работе решались следующие задачи:

1. проанализировать существующие методы представления информации в производственных машиностроительных системах;

2. разработать информационных комплекс поддержки принятия решений в информационных системах машиностроительного производства;

3. разработать математические модели систем интеллектуальной поддержки принятия решений;

4. рассмотреть примеры интеллектуальной поддержки принятия производственных решений.

ГЛАВА 2. ИНФОРМАЦИОННЫЕ СИСТЕМЫ МАШИНОСТРОИТЕЛЬНОГО ПРОИЗВОДСТВА.

Понятие и основные свойства системы. Система это объект или процесс, в котором участвующие элементы связаны некоторыми связями и отношениями. Можно дать и следующее, более полное определение системы -это средство достижения цели или все то, что необходимо для достижения цели (элементы, отношения, структура, работа, ресурсы) в некотором заданном множестве объектов (операционной среде).

Понятие информационной системы. Добавление к понятию «система» слова «информационная» отражает цель ее создания и функционирования. Информационные системы обеспечивают сбор, хранение, обработку,

поиск, выдачу информации, необходимой в процессе принятия решений, из любой области. Это взаимосвязанная совокупность средств, методов и персонала, используемых для хранения, обработки и выдачи информации в интересах достижения поставленной цели.

Структуру информационной системы составляет совокупность отдельных ее частей, называемых подсистемами - это часть системы, выделенная по какому-либо признаку.

Общую структуру информационной системы можно рассматривать как совокупность подсистем, независимо от сферы применения. В этом случае говорят о структурном признаке классификации, а подсистемы называют обеспечивающими. Среди обеспечивающих подсистем обычно выделяют информационное, техническое, математическое, программное, организационное и правовое обеспечение.

Классификация информационных систем по признаку структурированности задач. При создании или при классификации информационных систем неизбежно возникают проблемы, связанные с формальным - математическим и алгоритмическим описанием решаемых задач. От степени формализации во многом зависят эффективность работы всей системы, а также уровень автоматизации, определяемый степенью участия человека при принятии решения на основе получаемой информации.

Различают три типа задач, для которых создаются информационные системы: структурированные (формализуемые), неструктурированные (неформа-лизуемые) и частично структурированные.

В диссертационной работе также рассмотрена классификация информационной системы (ИС) по виду используемой информационной технологии (например, системы электронной обработки данных), по степени автоматизации, по длительности жизненного цикла.

Системы планирования машиностроительного производства. За последние два десятилетия концепция управления машиностроительным производст-

вом претерпела изменения от традиционных автоматизированных систем класса АСУП до интегрированных решений на базе систем нескольких классов.

Это системы классов ERP (Enterprise resource planning), APS (Advanced Planning & Scheduling Systems), MES (Manufacturing Execution Systems), SCADA (Supervisory Control And Data Acquisition), PDM/PLM (Product Data Management/Product Lifecycle Management).

При создании, а также выборе систем планирования очень важно знать функциональные возможности как моделей и алгоритмов, так и самой системы планирования.

Чтобы идентифицировать ту или иную систему планирования и соотнести ее с конкретными требованиями производства, необходима полная классификация, отражающая особенности технологии и организации.

В диссертации предложена классификация на примере и подробном анализе таблицы классификационных признаков систем планирования.

Информационный комплекс поддержки деятельности конструкторского бюро (КБ). В условиях современного производства одной из важнейших задач является сокращение сроков создания технических систем. Производственные предприятия отвечают за последствия проектирования своей собственной экономикой. В этих условиях необходимо применение эффективных средств автоматизации проектной деятельности.

Для формализации процесса деятельности КБ исследованы этапы жизненного цикла (ЖЦ) изделия, состав проектно-конструкторских работ, экспертные источники.

ГЛАВА 3. МОДЕЛИРОВАНИЕ СИСТЕМ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

В этой главе показана возможность применения общих моделей систем, в т.ч. и предложенных системной философией, к построению модели производственной системы при осуществлении инжиниринга. Эти модели применяются для описания социальных, экологических, экономических систем, для описания

систем управления, образования, научных исследований, проектирования, производства, экспертизы и других. Здесь эти модели описаны для применения на любом этапе инжиниринга производственной системы.

Принцип системности моделирования. Каждая известная модель системы имеет один или несколько известных главных признаков, которые рассматриваются в виде аксиом в теории этой модели. Построенная на основе некоторых принятых аксиом теория определенной модели может ответить на вопросы в отношении реальной системы, в том случае если реальная система удовлетворяет условиям того же набора аксиом. Другими словами, реальная моделируемая система и используемая модель должны удовлетворять одному набору аксиом.

Таким образом, принцип системности моделирования формулируется так : для формирования и осуществления системной деятельности совокупность "моделируемая система и моделирующая система" необходимо представлять общим набором аксиом построения системы.

Процесс и структура системы. Производственные системы можно изучать в процессе инжиниринга только при наличии моделей процесса и структуры управления.

Процесс производственной системы моделируется как некоторая совокупность целесообразных элементарных преобразований ресурса - элементарных процессов производства продукта производственной системы. Все эти преобразования моделируются, как функции времени.

Структура производственной системы моделируется как некоторая совокупность элементов производства (людей, машин, аппаратов, оборудования, автоматизированных рабочих мест), внутри каждого из которых локализовано протекание определенного элементарного процесса производственной системы.

Модель жизненного цикла производственной системы. Общая модель жизненного цикла системы, содержит концептуальную, физическую и постфизическую стадии. Применим указанную модель к описанию жизненного цикла производственной системы. Производственную систему рассмотрим также и

как искусственную систему, т.е. как систему, созданную человеком. Такая система является системой-результатом (изделием, продуктом) в некоторой системной триаде "объект-субъект-результат". В свою очередь, жизненный цикл системы-результата, как любого продукта деятельности, содержит концептуальную, физическую и постфизическую стадии. В работе рассмотрено содержание фаз каждой стадии и задачи инжиниринга в каждой фазе.

Модель целенаправленного производственного прогресса. Для моделирования целей некоторого производственного процесса системы-объекта производства необходимо установить определенный набор аксиоматических правил, условий, которые необходимо выполнять при объединении целей в систему целей. Наличие такого набора правил, условий является необходимым для обеспечения системности моделируемых целей.

Ресурсы, используемые в производстве, - материальные, энергетические, человеческие, информационные, временные и др., могут объединяться в систему, в частности, с помощью системы нормирования затрат различных ресурсов на производство продукции.

Для моделирования ресурсов процесса системы управленческого производства необходимо установить определенный набор аксиоматических правил, условий, которые необходимо выполнять при объединении ресурсов в систему ресурсов. Наличие такого набора правил, условий является необходимым для обеспечения системности моделируемых ресурсов.

Общая модель системного процесса производства. Метод системной технологии при проведении инжиниринга дает возможность построения и реализации проектов системной технологии для решения конкретных проблем, задач, для достижения системной цели производственной системы.

Модель метода системной технологии удовлетворяет двум главным условиям:

- модель метода системной технологии это общая система, частями которой являются: анализ, наследование, проектирование, производство, управление, экспертиза, разрешение, контроль, архив;

- каждая подсистема модели метода системной технологии описывается общей моделью системы в виде модели метода системной технологии.

Следуя этому, а также принципу системности производственных процессов можно сформулировать следующее условие системности производственного процесса: для формирования и осуществления системного производства совокупность "процесс формирования и реализации системной технологии производства и собственно процесс формируемого и реализуемого системного производства" необходимо представлять общей моделью системы в виде модели метода системной технологии.

Модели системной производственной структуры.

Триада структур производственной системы. Используя исходные формулы принципа системности производственного процесса и производственной системы, получим следующие общие условия системности структуры производственной системы:

а) структура производственной системы содержит три взаимосвязанные структуры - структуру системы-объекта, структуру системы-субъекта и структуру системы-результата производственной системы,

б) системой-объектом производственной системы является комплексный производственный потенциал',

в) системой-субъектом производственной системы является система управления производством;

г) системой-результатом производственной системы является развитие комплексного производственного потенциала',

д) для формирования и осуществления производственной системы структуру триады "объект, субъект и результат" производственной системы необходимо представлять общей моделью системы в виде модели структуры производственного проекта развития.

Эти условия полностью согласуются с рабочей формулой принципа системности производственного процесса и производственной системы. Используя эти условия, а также другие составляющие метода системной технологии, мож-

но перейти к построению новых или перестройке структур всех частей производственной системы.

Проектирование систем поддержки принятия решений в технической подготовке производства.

Одним из направлений повышения эффективности производства стало внедрение автоматизированных систем технологической подготовки производства (САПР ТП) таких как «Oméga Production», «Stalker», «Монолит», «Фобос», «Лоцман» и других. Использование интеллектуальных технологий позволит сохранить знания технолога в виде определенной структурированной информации для последующего использования в аналогичных ситуациях управления или анализа для соответствующего корректирующего воздействия. Поэтому особую актуальность приобретают вопросы проектирования СППР для повышения эффективности в технической подготовке производства.

L

1Н'£§

Hxii

Рис. 1. Модель процесса организации ТПП

Цель раздела заключается в применении методов системного моделирования и методов инженерии квантов знаний для построения моделей процесса

15

поддержки принятия решений при разработке межцеховых технологических маршрутов и внутрицеховых технологических маршрутов (расцеховок).

На рисунках 1 и 2 показаны модели организации ТИП и расцеховки, а на рис. 3 - архитектура СППР «Расцеховка», основанная на методе разноуровневых алгоритмических квантов знаний.

с; о гч

Рис.2. Модель процесса организации расцеховки (маршрутной и операционной технологии)

Рис.3. Архитектура СППР «Расцеховка»

ГЛАВА 4. ПРИМЕРЫ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ ПРОИЗВОДСТВЕННЫХ РЕШЕНИЙ.

Управление основными данными (Master Data). Специфика основных данных состоит в том, что они должны быть едины для множества информационных систем в компании и, как правило, использоваться в сквозных бизнес-процессах компании, охватывающих несколько систем, модулей или приложений.

Управление основными данными в машиностроительных компаниях.

Для производственной компании, такой как машиностроительный холдинг, несомненно, наиболее важным является управление основными данными по продуктам. Для преодоления вышеописанных недостатков управления данными были предложены специализированные системы для управления мастер-данными — MDM-системы.

Особенно очевидны преимущества MDM-подхода, когда речь идет о подходе на основе SOA (сервисно-ориентированных архитектур). Сервисно-

ориентированный подход предполагает, что сквозные бизнес-процессы на основе веб-сервисов передают данные между системами и приложениями в рамках определенной бизнес-логики.

Таким образом, эффективное управление основными данными выступает в роли основополагающего фундаментального аспекта в процессе эффективного стратегического совершенствования бизнеса в рамках машиностроительного предприятия (холдинга) в целом.

Автоматизированный выбор структур-стратегий многономенклатурных производств. Целью является повышение эффективности развития производственных систем (ПС) на основе разработки и исследования формирования структур-стратегий многономенклатурных производств.

Для достижения поставленной цели решались следующие задачи:

1. Разработка модели структур-стратегий ПС машиностроительных производств.

2. Формирование показателя эффективности структур-стратегий ПС многономенклатурных машиностроительных производств.

3. Разработка модели выбора эффективных структур-стратегий ПС машиностроительных производств.

Методика выбора структур-стратегий ПС машиностроения (СТС ПС М) подразумевает под собой разработку трех основных формальных инструментов - это модель, показатель эффективности, процедура и критерии выбора СТС ПС М.

Под структурой-стратегией ПС машиностроения понимается определенный набор ее элементов и упорядоченных вариантов технологий: изготовления изделий, передачи информации, организации управления, реализующих этапы жизненного цикла изделий. Элементы и технологии взаимно адаптированы с изделиями определенной конструктивно-технологической сложности.

Конструктивно-технологическая сложность (КТС) учитывает такие параметры изделия, как точность, материал, заготовка, качество поверхности, количество конструктивно-технологических элементов. И может служить тем тех-

нико-экономическим показателем, который позволяет классифицировать изделия по группам относительно их трудоемкости и сложности изготовления. Структуру-стратегию представим в виде кортежа:

^ =< Г;/;0>,

где Т- технологическая структура: / информационная структура; О-организационная структура. Выберем какое-либо собственное подмножество Ес еР. Это подмножество определит конкретное отношение на множествах Т, /, О или взаимосвязь между этими множествами. Сказанное иллюстрируется рисунком 4.

ОрГЭЗЧИЗЗЦИОННаЯ £Т руч-лура

Рис. 4. Структура-стратегия ПС машиностроении

Модель выбора структур-стратегий производственных систем машиностроения. Показатель эффективности структур-стратегий. На основе проведенных исследований в качестве показателя эффективности варианта /-Й ПС предлагается использовать показатель ср:

ср1 =а1ки + а2к21 +а}къ:,

где ки - показатель, учитывающий потери при /'-й ПС; к21 - показатель итеративности 1-Й ПС; к3, - показатель гибкости /'-й ПС; а,,а2,а3— коэффициенты важности показателей.

Процедура и критерии выбора структур-стратегий производственных систем машиностроения. Процедура выбора характеризуется следующим: показатель эффективности <р, F' . СТС ПС М зависит от вектора внешних условий ST, а также от вариантов СТС ПС М. В связи с этим и исходя из того, что в векторе внешних условий учитывается вероятность появления того или другого параметра, в качестве критерия выбора приняты два. Это критерий Байеса-Лапласа (BL) и гибкий критерий (G) (формула для G приведена в работе). Данные критерии могут быть использованы как вместе, так и отдельно.

Разработанная автором математическая модель выбора эффективной структуры-стратегии ПС позволяет произвести выбор ПС в зависимости от параметров совокупности изделий, планируемых к выпуску, и показателя <рг Такой подход к выбору структуры ПС позволяет на основе реальных требований рынка определить на стадии принятия решения о постановке изделий в производство основные элементы ПС и их параметры.

Управление автоматизированными машиностроительными системами.

С внедрением в машиностроительное производство прогрессивных технологий все шире применяются станки с числовым программным управлением (ЧПУ), промышленные роботы (ПР), гибкие производственные модули (ГПМ), а также оборудование обеспечивающее перевозку и хранение заготовок и инструмента: автоматизированный транспорт (робокары, роботизированные тележки), автоматизированная складская система. В зависимости от решаемых производственных задач вышеприведенное оборудование в различных компоновочных вариантах образует автоматизированную машиностроительную систему (AMC).

AMC представляет собой сложный динамический объект, функционирующий в условиях неполной информации и неопределенности. При создании и эксплуатации AMC одной из главных является задача оперативного управления функционированием технологического и транспортно-складского оборудования и синхронизации материальных потоков. Эффективное управление обо-20

рудованием AMC может быть достигнуто за счет применения оптимального расписания, которое позволяет организовать согласование во времени и пространстве движение материальных потоков в производственной системе.

Для получения близких к оптимальным расписаний в допустимые сроки, предлагается совместное использование генетических алгоритмов (ГА) и объектно-ориентированной модели AMC.

В качестве критерия оптимальности составления расписания и оценки эффективности работы ГА возможно использовать наименьшее общее время выполнения производственной программы (длительность производственного цикла) или максимальную загрузку технологического оборудования при выполнении ограничений (сроков выпуска деталей), или по наименьшему отклонению от директивных сроков выпуска деталей (точно в срок).

На базе предлагаемого подхода разработана структура интеллектуальной системы поддержки принятия решений в управлении AMC, функциональная схема приведена на рис 5.

Задание критерия аптгачихщии

Выбор ьарванта

расписания

Корректировка произзодстБекной программы, ресурсов, пру орт егоз атталей

Модуяъ оппаизадш AMC Hi основе ГА

Пр смзв одшзекная прагрзнш

с риентировангШ модель AMC

Анализ пр оизс одств еннсй

IJjMiEIi

Корректировка г^гпис-жга.

ьасписаки е работы AMC

Дпшетч:грсЕаше работы AMC

Тц.ож

Пр ста ссир ование работы AMC

Объектно-сриектир овэнная мо рель AMC

Дгйдоп Тв дсгг

ТВ.ОЖ>ТБ./);С1Г!

Ко "роль

шполняшз

011 '■радаи

KciHTpoJÄ СОСТОЯНИЯ оборудования

_L

гпм

Л СУ АТС

ЛСУАС

Рис.5. Структура интеллектуальной системы поддержки принятия решений в управлении AMC

Программная реализация объектно-ориентированной модели и модуля поиска эффективного расписания работы AMC на базе генетического алгоритма выполнена с помощью языка визуального программирования. Экспериментальные исследования с использованием реальных производственных данных AMC подтвердили эффективность, полученных расписаний. Новые расписания близки к оптимальным (для сравнения применялся метод полного перебора, позволяющий получить оптимальное решение).

Проведенные исследования показали целесообразность и эффективность применения данного подхода в управлении автоматизированными технологическими комплексами. Применение интеллектуальной системы поддержки принятия решений позволяет получать близкие к оптимальным расписания в допустимые сроки.

Проектирование технологического маршрута обработки. Вербальная постановка задачи очень проста. Пусть дана некоторая машиностроительная деталь и выбрана технологическая система для ее производства. Достаточно легко определяется проектное решение, которое в технологической среде принято называть объемом или массивом обработки. Это совокупность технологических операторов, реализация которых в данной технологической системе, позволяет получить заданный геометрический образ и все конструкторские характеристики. Массив обработки представляет собой неупорядоченное множество технологически операторов, которое можно найти методом замощения геометрического образа детали элементарными обрабатываемыми поверхностями. Для генерации технологического маршрута требуется получить построить линейное упорядочение множества технологических операторов, которое удовлетворяет многочисленным конструктивно-технологическим ограничениям.

Задача синтеза рационального технологического маршрута обработки детали ставится как задача принятия решений. Исходная структура предпочтений формируется на основе экспертной информации об упорядоченности пар технологических операторов. Эти данные сохраняются в форме матрицы парных сравнений с простой, турнирной или вероятностной калибровками. Требуется

найти линейное упорядочение операторов, которое вносит минимальные искажения в исходную структуру предпочтений.

ОБЩИЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ.

1. В диссертации решена задача, имеющая существенное значение для машиностроения и заключающаяся в разработке методов и алгоритмов принятия управленческих решений в автоматизированных машиностроительных системах.

2.Установлены функциональные связи между элементами структуры и составом модулей информационной системы машиностроительного производства с целью передачи информации.

3. Построены модели процесса производства, позволяющие осуществлять анализ, исследование, проектирование, функционирование, управление, экспертизу, контроль и архивирование.

4. Разработана архитектура и алгоритмическое обеспечение системы поддержки принятия решений в технической подготовке производства и доказано, что управление автоматизированными машиностроительными системами целесообразно осуществлять на основе совместного использования генетических алгоритмов и объектно-ориентированной модели.

5. Важной компонентой управленческих решений является работа с основными данными, и установлено, что оптимальным вариантом является построение 1УЮМ-источника точных данных в совокупности с 80А-подходом.

6. Разработана методика создания системы поддержки принятия решений в технической подготовке производства.

7. Построены примеры интеллектуальной поддержки принятия управленческих решений.

8. Результаты работы целесообразно использовать в автоматизированных машиностроительных системах, а при подготовке специалистов использовать по направлению автоматизации технологических процессов и производств.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ ОТРАЖЕНЫ В СЛЕДУЮЩИХ ПУБЛИКАЦИЯХ:

1. Бубнов Д.В. Экспертные системы как средство интеллектуальной поддержки технологических решений // ВЕСТНИК МГТУ "СТАНКИН" №4 (16) -2011 с. 83-86

2. Бубнов Д.В. Интеллектуальная поддержка принятий решений в управлении автоматизированными технологическими комплексами // Технология машиностроения. - 2011. - № 7. - С.64-66.

3.Бубнов Д.В. Построение моделей систем поддержки принятия решений // ВЕКТОР НАУКИ ТГУ №1(15)-2012 с.53-61

4.Бубнов Д.В. Базы технологических решений. Труды восьмой всероссийской научно-технической конференции., Вологда, ВоГТУ - 26 февраля 2010. с.43-46.

5. Бубнов Д.В. Управление основными данными в производственной системе. Труды XIII научной конференции МГТУ «Станкин» и "Учебно-научного центра математического моделирования МГТУ «Станкин» - ИММ РАН" по математическому моделированию и информатике, МГТУ «Станкин», 12-14 мая 2010г. С.51-53.

Автореферат диссертации на соискание ученой степени кандидата технических наук

Бубнов Дмитрий Владимирович

Разработка методов и алгоритмов принятия управленческих решений в автоматизированных машиностроительных системах

Подписано в печать 09.04.2012. Формат 60* 90 1/16. Бумага 80 г. Усл. печ. л. 1,75. Тираж 60 экз. Заказ 77.

Отпечатано в Издательском центре ФГБОУ ВПО Московский государственный технологический университет «СТАНКИН» 127055, Москва, Вадковский пер., За Тел.: 8(499) 973-31-93

61 12-5/2582

На правах рукописи

БУБНОВ ДМИТРИЙ ВЛАДИМИРОВИЧ

За

РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В АВТОМАТИЗИРОВАННЫХ МАШИНОСТРОИТЕЛЬНЫХ СИСТЕМАХ

Специальность 05.13.06 - «Автоматизация и управление технологическими процессами и производствами (технические системы)»

ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук

Научный руководитель -доктор технических наук, профессор Митрофанов В.Г.

Москва 2012 г.

ч-

Содержание.

Введение...................................................................................4

1. Состояние вопроса, цель и задачи исследования..............................6

1.1 Классификация методологий создания систем поддержки принятия решений....................................................................................6

1.2 Требования, предъявляемые к методологиям............................8

1.3 Корпоративные информационные системы................................11

1.4. Цель и задачи исследования................................................16

2. Информационные системы машиностроительного производства.........17

2.1. Информационные системы принятия решений.........................17

2.2 Системы планирования машиностроительного производства......41

2.3 Информационный комплекс поддержки деятельности конструкторского бюро.............................................................54

2.4. Выводы...........................................................................62

3. Моделирование систем интеллектуальной поддержки принятия решений..................................................................................63

3.1. Модели системы. Инжиниринг и реинжиниринг производственных систем.................................................................................63

3.2 Модели системного производственного процесса........................80

3.3 Модели системной производственной структуры......................100

3.4. Проектирование систем поддержки принятия решений

в технической подготовке производства....................................106

3.5. Выводы........................................................................120

4. Примеры интеллектуальной поддержки принятия производственных решений.................................................................................120

4.1. Управление основными данными.......................................120

4.2. Автоматизированный выбор структур-стратегий многономенклатурных производств..........................................132

4.3. Управление автоматизированными машиностроительными

системами...........................................................................149

4.4. Проектирование технологического маршрута обработки............154

4.5. Выводы...........................................................................169

Общие выводы и результаты.........................................................170

Список литературы.....................................................................171

ВВЕДЕНИЕ.

Актуальность темы. Современные рыночные механизмы ведения хозяйственной деятельности диктуют жесткие требования машиностроительным предприятиям: постоянное совершенствование производимой продукции, сокращение сроков проектно-конструкторских работ, применение современных методов оперативного планирования, основанных на актуальной информации и другое.

Выполнить эти требования позволяет комплексная автоматизация управления предприятием, которая в соответствии с современными стандартами опирается на концепцию единого информационного пространства, охватывающего, такие направления деятельности как проектирование, технологическая подготовка, производство, обеспечение необходимыми ресурсами, сбыт готовой продукции и т.п.

В связи с тем, что именно единое информационное пространство содержит знания, необходимые для выработки управляющих решений, а события жизненного цикла изделий находят свое отражение в едином информационном пространстве, весьма перспективным представляется разработка комплекса системных моделей машиностроительного предприятия вообще и единого информационного пространства в частности, позволяющих осуществлять управление предприятием через управление эволюцией его единого информационного пространства.

Одним из возможных подходов к построению такого комплекса системных моделей является представление единого информационного пространства как открытой самоорганизующейся сложной системы.

Используемые сейчас в области машиностроения информационные системы отличаются упрощенностью подходов, средств и методов, применяемых при разработке и внедрения систем, и не оказывают необходимого влияния на формирование управляющих решений.

На основании вышеизложенного была сформулирована основная цель работы, которая заключается в обеспечение необходимой информацией о характере и состоянии процессов в производственных машиностроительных системах на основе моделей интеллектуальной поддержки принятия решений.

Для достижения поставленной цели в работе решались следующие задачи:

1. Проанализировать существующие методы представления информации в производственных машиностроительных системах;

2. Разработать информационных комплекс поддержки принятия решений в информационных системах машиностроительного производства;

3. Разработать математические модели систем интеллектуальной поддержки принятия решений;

4. Рассмотреть примеры интеллектуальной поддержки принятия производственных решений.

Глава 1. Состояние вопроса, цель и задачи исследования.

1.1. Классификация методологий создания систем поддержки принятия решений

В последние годы наблюдается широкомасштабное применение вычислительной техники в различных сферах деятельности человека. Поэтому наиболее остро встала проблема разработки программных систем, автоматизирующих его деятельность с целью повышения её эффективности. Одним из наиболее широко применяемых классов таких программных систем являются системы поддержки принятия решений.

Создание современных систем поддержки принятия решений невозможно без использования методологий и технологий их разработки, поскольку их создание представляет длительный, трудоемкий и наукоемкий процесс, требующий больших материальных и финансовых затрат. Из-за большой сложности процесса разработки программных систем методы их построения выделяются от технологий их создания, образуя методологии разработки программных систем. Поэтому в дальнейшем изложении они будут рассматриваться отдельно.

Создано несколько классификаций методологий и технологий разработки программных систем. В соответствии с одной из них они разделяются в зависимости от научно-практических направлений, в рамках которых возникли. К настоящему времени сформировались следующие научно-практические направления, занимающиеся созданием методологий и технологий разработки программных систем, в том числе и систем поддержки принятия решений:

• информационная инженерия (Information Engineering);

• искусственный интеллект (Artificial Intelligence);

• обратное перепроектирование (Re-engineering);

• реинжиниринг бизнес-процессов (Business Process Reengineering);

• многоагентные системы (Multi-Agent Systems);

® управление знаниями (Knowledge Management);

• промышленная инженерия (Industrial Engineering);

• управление качеством (Total Quality Management).

Вторая классификация методологий и технологий создания программных систем сложилась под влиянием реинжиниринга бизнес-процессов (БПР) [26, 55, 63, 64, 102-106, 91-92, 94, 100, 108-109].

В соответствии со второй классификацией методологии и технологии создания программных систем делятся на следующие группы:

• поддерживающие;

• развивающие;

• принципиально новые.

Выделение целей организации и проверка их на конкурентоспособность, выполняемые на этапе обследования организации, являются одинаковыми при создании программных систем на основе методов информационной инженерии и реинжиниринга бизнес-процессов. Следует отметить, что от правильного выполнения этих работ зависит не только успех создания программных систем, но и эффективность функционирования организации.

Остановимся на рассмотрении одних из перспективных методологий и технологий создания программных систем - интеллектуальных методологий и технологий, методы создания которых проникают во все методологии разработки таких систем, увеличивая конкурентоспособность систем, построенных на их основе.

Также свидетельствует о необходимости создания интеллектуальных методологий и технологий резкое увеличение сложности задач, для решений которых создаются ИС, помогающие человеку в его мыслительной деятельности.

Одним из важных классов ИС, применяемых в различных сферах деятельности человека, являются ИСГТПР, помогающие человеку при управлении им сложными системами и процессами [4, 9, 11, 19, 36, 58, 65, 67, 90, 99]. Поэтому приведем требования, предъявляемые к ИСППР, и методологиям и технологиям их разработки.

1.2. Требования, предъявляемые к методологиям

Системы поддержки принятия решений (СППР): это системы, в которых результаты принятия решений приближаются по качеству решений, принятых человеком, а по скорости получения решений существенно превышают время реакции человека (особенно в непредсказуемых и непредвиденных ситуациях).

В [38] отмечается, что задачи, решаемые с помощью СППР, можно разделить на два типа:

• задачи, для которых возможна объективная оценка результата решения или хотя бы сравнительная оценка двух решений;

• задачи, для которых такая объективная оценка результата решения отсутствует или ее заменяют экспертные оценки людей.

К задачам 2-го типа относятся задачи принятия экономических и политических решений, задачи медицинской диагностики, принятия решений в чрезвычайных ситуациях и т.д. Для решения поставленных задач СППР обычно состоят из следующих подсистем [78]:

• подсистемы анализа ситуаций;

• подсистемы генерирования возможных решений;

• подсистемы оценки полученных решений;

• подсистемы анализа последствий принимаемых решений;

• подсистемы выбора решений.

Следует отметить, что перечисленные подсистемы, входящие в состав СППР, по своим функциональным возможностям во многом совпадают с функциями блоков системы ситуационного управления [68].

Задачи 2-го типа относятся к классу слабо формализуемых задач, основу для решения которых составляет накопленный опыт и знания экспертов [4, 911, 19, 36, 67, 70, 90, 99]. (Подробнее о них мы поговорим в следующих главах).

Поэтому одними из основных требований, которые предъявляются к методологиям и технологиям создания ИСППР, являются разработка таких систем для решения слабо формализуемых задач и поддержка всего процесса разра-

ботки таких систем в соответствии с Государственным стандартом РФ «Информационная технология. Процессы жизненного цикла программных средств» (ГОСТ Р ИСО/МЭК 12207-99).

Одним из основных требований, которые предъявляются к методологиям и технологиям создания ИСППР, является обеспечение создания таких систем, отвечающих предъявляемым к ним требованиям. Поэтому далее выделим основные требования, предъявляемые к ИСППР. Эти требования классифицируем на три группы:

• требования, определяемые проблемной средой;

• программные требования;

• эксплуатационные требования.

К первой группе требований относятся требования, определяемые характеристиками проблемной среды, для функционирования в которой создается ИСППР. Основными характеристиками современных проблемных сред, для функционирования в которых разрабатываются ИСППР, являются открытость, структурная сложность, наличие внутренней активности, трудность построения или отсутствие математической модели описания проблемной среды. Для описания проблемных сред с такими характеристиками Л.А. Растригиным и Г. Бучем был введен термин «сложные проблемные среды» [8, 70].

К основным программным требованиям относятся время реакции, открытость, требования к компонентному составу и др. К основным эксплуатационным требованиям относятся масштабируемость, переносимость, совместимость и др.

Одной из проблем, которая встает перед разработчиками ИСППР, является проблема повышения их эффективности, которая непосредственно связана с проблемами повышения эффективности процедур поиска решений и повышения надежности таких систем. В последние годы эти проблемы встали наиболее остро в связи с расширением сферы применения ИС в деятельности человека, увеличением сложности задач, для решения которых человек хотел бы использовать компьютер. Одной из таких задач является задача целеполагания.

Она заключается в выработке рекомендаций ЛПР, описывающих управляющие воздействия на объект управления (ОУ) для достижения ОУ требуемого (желаемого) состояния (цели). Для решения этой задачи разрабатываются ИСППР, применяемые в различных сферах деятельности человека, в том числе и в таких сферах, цена ошибки в которых велика. Например, в таких сферах они могут использоваться для выработки рекомендаций ЛПР для перевода ОУ из внештатного режима в штатный (или из проблемной ситуации в требуемую, если проблемная ситуация еще не стала необратимой).

Отметим, что одной из серьезных трудностей, возникающих при создании ИС, является проблема неопределенности, которая является неотъемлемой частью процессов принятия решений. В [78] выделено три класса неопределенности:

• неопределенность, связанная с неполнотой наших знаний о проблеме, по которой принимается решение;

• неопределенность, связанная с невозможностью точного учета реакции окружающей среды на действия ЛПР;

• неточное понимание ЛПР своих целей.

Так, создание ИС осуществляется в условиях неполной, нечеткой, противоречивой информации. Поэтому в методологии и технологии построения ИСППР должен быть описан процесс их создания в перечисленных условиях.

Таким образом, основными проблемами, с которыми сталкиваются разработчики ИСППР, являются сложность, трудоемкость и длительность процесса разработки таких систем, которые зависят от сложности автоматизируемых процессов. Поэтому является актуальным разработка методологии и технологии создания ИСППР, обеспечивающих снижение сложности и, как следствие, повышение эффективности процесса создания ИСППР за счет использования разработанных методов и программных инструментальных средств, описанных в следующих разделах.

1.3. Корпоративные информационные системы

Интеллектуализация включает в себя разработку и использование методов и моделей (ИИ) при решении всех функциональных задач на всех этапах корпоративной деятельности; унификацию моделей БП с широким привлечением процедур обработки знаний; организацию непрерывного накопления знаний; эффективное распределение знаний между человеком и компьютером для задач принятия решений [42].

Основное преимущество ИС по сравнению с системами, работающими по предварительно заложенным в них алгоритмам ППР - гибкость, обусловливаемая свойствами принятия эвристических решений в конкретной ситуации и позволяющая делать их инвариантными по отношению к внешним условиям за счет накопления знаний о протекающих информационных и производственных процессах и построения динамически изменяемых БЗ [105]. Спектр современных ИС весьма широк и продолжает расширяться, что и отражает классификация, представленная на рис. 1.1.

Наиболее известным и хорошо изученным классом ИС являются экспертные системы (ЭС), которые можно определить как сложные программные комплексы, аккумулирующие знания специалистов в определенных предметных областях и способные оперировать этими знаниями для решения проблем, выработки рекомендаций и консультирования менее квалифицированных пользователей.

Добавление неприемлемых ранее в ИИ подходов и методов из традиционных областей, как математическая статистика, стохастические подходы, имитационное моделирование, технология программирования и др., привело к возникновению новых научных и инженерных проблем интеграции ранее известных моделей, методов и технологий традиционного программирования с моделями, методами средствами ИИ, в данном случае - ЭС, которые позднее начали называть более общим термином - «системы, основанные на знаниях» [26, 76 111] и др.

Рис. 1.1. Классифика1}ия интеллектуальных систем.

Следует отметить, что тенденции к интеграции парадигмы ИИ с другими научно-техническими парадигмами при создании приложений интеллектуальных систем активизировали и процессы так называемой гибридизации, связанные, как правило, с созданием гибридных способов создания знаний [48, 66]. Идеи конструирования различных гибридов и гибридных систем возникли в ИИ достаточно давно, однако практические реализации появились только в последнее время. Например, создание нейроэкспертных систем, сочетающих в себе нейросетевые методы и модели поиска решений с механизмами ЭС, бази-

рующимися на экспертных (логико-лингвистических) моделях представления знаний и моделях человеческих рассуждений, стало возможно благодаря современным платформам и инструментальным средствам типа NeurOnLine (Gensym Corp). Однако в целом, несмотря на отдельные удачные теоретические исследования и реализации, теория и технология интеграции и гибридизации в ИИ отсутствуют, ч�