автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Технологическая координация и управление сложноструктурированными производствами на основе мультиагентных технологий

На правах рукописи

ЦУКАНОВ Михаил Александрович

ТЕХНОЛОГИЧЕСКАЯ КООРДИНАЦИЯ И УПРАВЛЕНИЕ СЛОЖНОСТРУКТУРИРОВАННЫМИ ПРОИЗВОДСТВАМИ НА ОСНОВЕ МУЛЬТИАГЕНТНЫХ ТЕХНОЛОГИЙ

Специальность 05.13.01. - Системный анализ, управление и обработка

информации

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 7 ЯНВ ¿013

Воронеж —2012

005048522

005048522

Работа выполнена в Старооскольском технологическом институте им. А.А. Угарова (филиале) НИТУ «МИСИС»

Научный руководитель

Боева Людмила Михайловна,

кандидат технических наук, доцент, Старооскольский технологический институт (филиал) НИТУ «МИСИС», кафедра автоматизированных и информационных систем управления

Официальные оппоненты:

Столбов Валерий Юрьевич

доктор технических наук, профессор, Пермский национальный исследовательский политехнический университет, кафедра математического моделирования систем и процессов;

Олейникова Светлана Александровна

кандидат технических наук, доцент, Воронежский государственный технический университет, кафедра автоматизированных и вычислительных систем

Ведущая организация

ФГБУН «Институт проблем управления им. В. А. Трапезникова РАН» (ИПУ РАН), г. Москва

Защита состоится «28» января 2013 года в /¿7._ часов в конференц-зале на заседании диссертационного совета Д 212.037.02 ФГБОУ ВПО «Воронежский государственный технический университет» по адресу: 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в научно-технической библиотеке ФГБОУ ВПО «Воронежский государственный технический университет».

Автореферат разослан «27» декабря 2012 г.

Ученый секретарь диссертационного совета

Пасмурное С.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Эффективность промышленных предприятий в современных условиях во-многом определяется выбранной стратегией планирования в системе управления на всех его уровнях: от отдельного технологического процесса или агрегата до предприятия в целом.

Основной целью оперативного планирования в системе управления производством является составление согласованных планов производства цехов предприятия и обеспечение их выполнения.

Инструментом согласования работы отдельных элементов управляемой системы с целью реализации текущих производственных графиков является технологическая координация, заключающаяся в согласовании (синхронизации) работы технологического оборудования и транспорта, движения материальных потоков, взаимодействия производственного персонала цеха при отклонении фактического хода производства от запланированного. Технологическая координация осуществляется на относительно коротких интервалах работы производства, обычно кратных сменно-суточному интервалу.

Задача технологической координации в системе управления существенно усложняется для многономенклатурных производств, характеризующихся многообразием оборудования, многовариантностью и параллельным выполнением технологических маршрутов, и, как следствие, сложными перекрестными материально-транспортными связями.

Задачу технологической координации усложняет совмещение в рамках одного производства непрерывных и дискретных технологических процессов.

Примерами таких производств являются металлургическое, пищевое, фармакологическое, химическое производства, а также сетевые производственные системы.

Задача составления производственных планов на уровне сменно-суточного планирования относится к классу задач теории расписаний. С точки зрения теории сложности задача оперативно-календарного планирования сложноструктурированного многономенклатурного производства на цеховом уровне является ЫР-трудной, требующей для своего решения разработки специальных алгоритмов, учитывающих специфику предметной области. Анализ ряда работ отечественных и зарубежных ученых показал недостаточную эффективность использования комбинаторных и эвристических методов в реальных производственных ситуациях, когда требуется принятие управленческих решений в темпе производства.

В этой связи актуальность темы диссертационной работы обусловлена необходимостью дальнейшего совершенствования моделей и алгоритмов технологической координации в системе управления сложноструктурированными дискретно-непрерывными производствами с учетом возможности корректировки производственных планов в режиме диспетчеризации.

Диссертационная работа выполнена в рамках научного направления «Разработка систем поддержки принятия решений в организационных и управленческих системах» СТИ НИТУ«МИСиС».

Цели и задачи исследования. Целью диссертационной работы является разработка средств интеллектуализации процессов принятия решений по технологической координации в системе управления сложноструктурированными дискретно-

непрерывными производственными системами на основе мультиагентных технологий.

Достижение цели работы потребовало решения следующих задач:

1. С позиций системной методологии осуществить анализ существующих подходов к технологической координации в системе управления сложноструктурированными дискретно-непрерывными производствами и выявление их недостатков.

2. Разработать модели и алгоритмы технологической координации в системе управления на основе мультиагентных технологий.

3. Сформировать функциональные модели агентов мультиагентной системы поддержки принятия решений по технологической координации в системе управления с учетом решаемых на их основе задач, разработать новые подходы координации и механизм взаимодействия агентов.

4. Разработать программное обеспечение, реализующее предложенные модели и алгоритмы решения задач технологической координации в системе управления сложноструктурированными производствами.

Объект исследования. Сложноструктурированные дискретно-непрерывные производственные системы.

Предмет исследования. Процессы принятия решений по технологической координации в системе управления производственными звеньями сложноструктурированных дискретно-непрерывных производств в режиме диспетчирования.

Методы исследования. Проведенные исследования базируются на реализации методов теории систем и системного анализа, теории расписаний, имитационного моделирования. методов комбинаторной и эвристической оптимизации, методов и алгоритмов искусственного интеллекта, теории сетей Петри.

Соответствие диссертации паспорту специальности.

П.2. Формализация и постановка задач системного анализа, оптимизации, управления. принятия решений и обработки информации.

П.9. Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических, экономических, биологических, медицинских и социальных объектов;

П. 10. Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических, экономических, биологических, медицинских и социальных системах.

Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной:

1. Предложена концептуальная структура системы поддержки принятия решений по формированию оптимального производственного графика и ее информационно-функциональная модель, отличающаяся использованием мультиагентных технологий.

2. Предложены модели и алгоритмы работы агентов мультиагентной системы технологической координации в системе управления с учетом функциональной декомпозиции общей задачи, а также механизм взаимодействия, отличающийся сочетанием возможности автономного функционирования агентов и централизацией координации их действий.

3. Разработаны модели и алгоритмы решения комплекса функциональных задач технологической координации в системе управления, отличающихся синергичностью взаимодействия в процессе формирования оптимального производственного расписания.

4. Разработан алгоритм решения ^-сложной задачи построения и оптимизации

производственного расписания, отличающийся использованием математического аппарата иммунных сетей, позволяющего выполнять построение и корректировку плана в режиме диспетчирования производства.

Практическая значимость работы состоит в следующем:

1. Результаты исследования позволяют реализовать интеллектуальные средства поддержки принятия решений по технологической координации в системе управления сложноструктурированными производствами, обеспечивающие выполнение производственной программы за счет построения производственного графика в режиме диспетчирования.

2. Работа проводилась в рамках госбюджетных НИР «Разработка методов повышения эффективности управления горно-металлургическими производствами на основе искусственного интеллекта» (регистрационный номер 01200503314) и «Разработка теоретических основ энерго-ресурсосбережения и экологической безопасности металлургических процессов» (регистрационный номер 01201053113), хоздоговорной НИР №1257/08 «Разработка интеллектуальной системы ситуационного управления производственным процессом электросталеплавильного цеха ОАО «Оскольский электрометаллургический комбинат».

Реализация и внедрение результатов работы

Разработанное программное обеспечение процессов координации используется оперативно-диспетчерским персоналом электросталеплавильного цеха ОАО «Оскольский электрометаллургический комбинат» при оперативном планировании и корректировке сменно-суточных производственных программ.

Предложенная методология построения систем поддержки принятия решений включена в преподаваемые в учебном процессе Старооскольского технологического института (филиала) Федерального государственного автономного образовательного учреждения высшего профессионального образования «НИТУ «МИСиС» курсы специальных дисциплин «Системы искусственного интеллекта», «Моделирование в организационных системах», «Интеллектуальные информационные системы».

Апробация работы

Материалы диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: международных конференциях «Современные сложные системы управления» (Старый Оскол, 2012), «Новые технологии в научных исследованиях, проектировании, управлении, производстве» (Воронеж, 2010); Всероссийских конференциях и школах-семинарах молодых ученых «Управление большими системами» (Липецк, 2012; Магнитогорск, 2011; Пермь, 2010; Ижевск, 2009); региональных конференциях «Образование, наука, производство и управление» (Старый Оскол, 2009, 2010, 2011); III научно-технической конференции ОАО «ОЭМК» (Старый Оскол, 2010), а также на научных семинарах кафедры «Автоматизированных и информационных систем управления» СТИ НИТУ МИСИС (Старый Оскол, 20092012).

Публикации. По результатам исследования опубликовано 19 научных работ, в том числе 5 в изданиях, рекомендованных ВАК РФ.

В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат следующие научные результаты: предложена структура мультиагентной системы [1,2,7,8,14] и ролевые функции агентов разных уровней [6,7,9,16]; разработана модель агента-оптимизатора и ее реализация на основе алгоритма клональной селекции [3]; разработана модель сети Петри как основа функциониро-

вания агента-реализатора [4,5,17,18,19]; разработаны модели отдельных звеньев сталеплавильного производства и их согласования как основа нижнего уровня мультиагент-ной системы поддержки принятия решений по технологической координации в системе управления [10, 11,12,13,15].

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы из 127 наименований. 1 приложения. Основная часть работы изложена на 162 страницах, содержит 42 рисунка, 4 таблицы.

ОСНОВНОЕСОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, сформулированы цели и задачи работы, перечислены результаты, полученные в диссертации, определены практическая ценность и области применения результатов, приве-I дены сведения по апробации работы и представлены основные положения, выносимые на защиту-

В первой главе диссертационной работы проведен обзор задач технологической координации (ТК) в системе управления и планирования в производственных системах.

Определен объект исследования - сложноструюурирован-многономенклатурное многоста-

Агр«гаты

1-го типа

А(регаты

2-го пчпа

Агрегаты 3-го типа

К 1--- | А14

\

А24 А25

Рис. 1. Нерегулярная иерархия сложноструктурированного производства

ная производственная система, представляющая собой дийное производство, имеющее перестраиваемую технологическую и организационную структуру, обладающую адаптивными свойствами, позволяющими быстро переориентировать его на выпуск различного

Рис. 2. Обобщенная структурная схема алгоритма принятия решений по ТК в системе управления на основе МАТ

ассортимента продукции за счет частичного изменения аппаратурного состава производства и его структуры. Таким образом, сложноструктурированная производственная система представляет собой динамическую систему, состав и функции которой изменяются во времени (рис. 1).

Основой ТК таких производств является производственный график. Задача его построения и оптимизации относится к классу задач составления расписаний.

Трудность задачи ТК слож-

неструктурированных производств обусловлена перекрестными схемами транспортно-технологических потоков, многовариантностью технологических маршрутов, с одной стороны, и дискретно-непрерывным характером производства, с другой.

Средством текущей реализации производственного плана и одновременно основой ТК является производственное расписание, имеющее динамическую структуру, отражающую включение (рис. 1, элемент А14) или исключение (рис. 1, элемент А13) производственного оборудования из планового графика на всем интервале планирования.

Основная проблема ТК заключается в необходимости оперативного принятия решений по вопросам перестроения расписания в связи с рассогласованием текущей производственной ситуации относительно запланированной в режиме диспетчирования.

Для решения этой проблемы предлагается система поддержки принятия решений (СГТПР) по ТК в системе управления для оперативно-диспетчерского персонала на основе мультиагентных технологий (рис. 2), которая позволяет поэтапно решать задачу составления, оптимизации и корректировки производственного расписания в режиме диспетчирования и работает в интеграции с МЕЗ-сисгемой цеха.

На основе декомпозиции общей задачи ТК в системе управления выделены блоки алгоритма принятия решений:

• анализ производственного плана (рис. 2. блок 1);

• контроль работы основных звеньев производства (рис. 2. блок 2);

• составление и оптимизация производственного расписания (рис. 2. блок 3);

• проверка возможности реализации построенного расписания в условиях реального производства (рис. 2. блок 4);

• корректировка производственного расписания в режиме диспетчирования при возникновении рассогласования текущей и запланированной производственной ситуаций (рис. 2. блок 4);

• проверка возможности реализации скорректированного расписания в условиях реального производства (рис. 2. блок 4).

Во второй главе диссертации приведена модель формирования и оптимизации расписания и разработана структура и состав СППР по ТК в системе управления производством.

Программа выпуска продукции на сутки (смену) содержит список заказов ц, на выполнение, где I = (!,...,я). Каждому заказу ц, соответствует некоторый вид продукции и технологический маршрут его производства, задающий определенную последовательность технологического и транспортного оборудования А/, где / = (1,...,Ь) - номер группы однотипных агрегатов.

Пример матрицы назначения оборудования на выполнение заказов представлен в табл. 1, где 1 соответствует наличию агрегата А/ в технологическом маршруте выполнения заказа <?„ а О означает его отсутствие.

Каждая группа однотипных агрегатов А/ в общем случае содержит несколько одинаковых единиц оборудования а«, где к = (1,...,ЛГ) — номер единицы технологического агрегата в группе однотипных агрегатов, работающих параллельно и независимо друг от друга. Для выполнения конкретных заказов по технологическому маршруту, использующему данный тип агрегата, могут быть назначены единицы оборудования ац с разными к в зависимости от их состояния («свободны-заняты»)

Назначение агрегатов на выполнение заказов

закаУягрегат

_£;_

Я1_

Зи._

_21_

Ли_

Ч.1_

Я-_

А±.

А,,

А1г1

Таблица 1

Задача составления производственного расписания состоит в формировании последовательности (серии) Я, заказов, где р = (1.....Р)- номер серии, удовлетворяющей критерию оптимальности, в качестве которого в диссертационной работе принята минимизация суммарных условных потерь (1), связанных с переналадкой всех единиц технологического оборудования при переходе с обработки одного заказа д на другой :

I к щ

(1)

где

= Р,а • ♦)>,

РЧ1к - производительность технологического агрегата А/к по выпуску <?-го заказа;

^«к,.,»!)" Длительность переналадки технологического агрегата Ал при переходе от обработки 9-ого заказа к (д + /;-му с учетом ограничений:

- на время простоя по каждому виду оборудования Ац:

(3)

где - максимально допустимое время простоя агрегата Лд, регламентируемое производственным процессом;

- на продолжительность смены:

(4)

где А»" нормированная продолжительность смены, £>Л - фактическое время работы агрегата Ац, в течение смены при выполнении всех заказов производственного плана;

- на допустимые энергозатраты:

(5)

где фактическое энергопотребление технологической установки - предельная норма энергозатрат для технологического агрегата /-той группы.

В каждой последовательности (серии) каждому заказу <?, соответствует определенный набор единичных агрегатов {л,Д согласно табл. 1. При формировании очередности выполнения заказов внутри каждой серии заказам приписывается новый индекс j = (1,...,л), означающий очередь выполнения этого заказа в данной серии, которая в общем случае не совпадает с номером заказа /' = (1,...,л) в программе выпуска продукции

на сутки (смену). Поскольку очередность выполнения заказов внутри разных серий разная, для ее идентификации введен двойной индекс обозначения очереди выполнения заказа ]р, т.е. заказ <7,, выполняемый в серии р с номером очереди _/' обозначен Соответствующим образом переобозначены и совокупности единичных агрегатов, участвующие в выполнении данного заказа - {Ал}/р.

Таким образом, совокупность возможных последовательностей (серий) заказов выполнения производственной программы можно представить в виде вектора Э, каждый

элемент которого .....представляет собой набор заказов

{?............<?„,},...,{<?„.....Ч,„.....<?„Д-,к.р.....<?/->■"-<?»Л> обрабатываемых в определенной

очередности, причем каждому заказу этого набора соответствует конкретная последовательность задействованных при его выполнении технологических агрегатов {/)„ :

V / \ .'А,,!—•Лд,1»■ < 1

= {я,р,Чгр, ■ = {Л 1-/ .....А ■Л,} (6)

{...}

Л к,

где

А =

.....

(7)

Производственное расписание можно представить в виде взвешенного графа, вершинами которого являются заказы д, исходного плана выпуска продукции (7 — номер заказа в исходном списке), а ребрами - возможные переходы между заказами с весами, соответствующими условным потерям при переходе от 17-го к (ц + 1)-му заказу ,

связанным с переналадкой каждого типа агрегата. По этому графу строятся матрицы смежности (табл. 2) для каждого типа агрегата, элементами которых являются соответствующие переходам веса.

Таблица 2

Предыдущий /последующий 41 41 «¿■1 Ч..1 Ч.-1 Ч.

я, 00 К.? 1*1.1.1 Яп К.,-.

Я1 00 К? и Кг.;-1 ^г.в-! 1*7,

00

Ян оо

я* 00 К,-

я¡., со «¡.и

ОО

я.1 Кц-и К«-и Ии-н 00 И,.,.

ч. К.,1 к«? к.*,, Я..»-, СО

Элементы, стоящие на главной диагонали матрицы, соответствуют переходу от заказа д к нему же самому и равны <*>. Все остальные элементы матрицы в общем случае определены (не равны со), т.е. считается, что возможна любая очередность исполнения заказов.

Взвешенный граф переходов, соответствующий конкретной серии , строится для определенных пар заказов «предыдущий - последующий», т.к. в конкретной серии известна очередность исполнения заказов.

Каждому агрегату типа А/ серии соответствует треугольная матрица смежности, т.к. граф переходов между вершинами-заказами является ориентированным одностть ронним и все элементы, соответствующие порядку, обратному по отношению к следованию заказов в серии, принимаются равными ад. Равными да принимаются и элементы матрицы, соответствующие не представленными в данной серии переходами.

Задача упорядочения заказов в серию заключается, таким образом, в переборе всех возможных серий заказов из исходного плана выпуска, и определению последовательности. обеспечивающей оптимальное значение целевой функции при заданных ограничениях на производственные, материальные, временные, трудовые ресурсы.

Подобные задачи составления производственных планов являются задачами теории расписаний. Классическая задача теории расписаний (задача Джонсона) формулируется следующим образом: пусть Л' = {1,2,...,и} - множество работ, которые выполня-

-Ь

г

Г&м*

БЗ

«пеГфсЛс

: чч1«п*« рсаккнЬ

С

БД

Агент-супервизор

Агент-реализатор

Т7

Передач* ппякв проилкасм ни пцсров»«а растит. »«к

1

Агент-оптимизатор

Агенты-исполнители

ются на т машинах, каждая из которых имеет свой номер; пусть ^ -

время выполнения /-ой

работы на у'-ой машине.

Требуется так

организовать

выполнение работ,

чтобы суммарное время

простоя машин

оказалось минимальным.

В этой постановке

задачи предполагается,

что в любой момент

п 1 ^ времени на одной ма-

Рис. 3. Структура СППР на основе МАТ шине вьшолняется не

более одной работы; в любой момент времени одна работа выполняется не более, чем на одной машине.

Решаемая в диссертационной работе задача упорядочения усложняется тем, что в ней рассматриваются не отдельные операции, а технологические маршруты, представляющие собой набор операций, выполняемых совокупностью машин - типов агрегатов, которые могут работать параллельно или последовательно друг за другом, причем каждый тип агрегатов представлен несколькими единицами оборудования.

Наличие нескольких однотипных агрегатов, многовариантность технологических маршрутов, последовательно-параллельные и перекрестные транспоргно-технологические потоки определяют эту задачу для сложноструктурированных производств как №-сложную. Время ее решения с использованием комбинаторных и эври-

стических методов оптимизации и эволюционного программирования не удовлетворяет требованиям управления производством в режиме диспетчирования.

Все многообразие проанализированных подходов и методов и безуспешность их использования в реальных производственных ситуациях приводят к необходимости использования интеллектуальных технологий и методов решения.

Т.к. сложноструктурированные производственные системы являются, как правило, распределенными, в качестве основы СППР предлагается использовать мультиагент-ные технологии (МАТ) - направление искусственного интеллекта, основанное на взаимодействии нескольких интеллектуальных агентов в распределенных системах. Каждый агент наделяется конкретным набором свойств в зависимости от целей разработки, решаемых задач, технологии реализации, заданных критериев.

В диссертации исследованы существующие классификации агентов, их типы и наиболее распространенные подходы к координации их группового поведения.

В работе предложена структура мультиагентной системы (MAC) поддержки принятия решений по ТК в системе управления, определены ролевые функции и типы обслуживающих каждую подзадачу агентов (рис. 3).

Блок принятия решений концептуальной схемы включает агента-оптимизатора и агента-супервизора, блок анализа проблем представлен агентом-реализатором, имитационная модель производства - агентами-исполнителями.

Агент-супервизор - интерфейсный агент, решающий задачу взаимодействия агентов MAC и связи с пользователем. Он выдает производственное расписание, отчет по анализу его «узких мест» и варианты его корректировки, формирует задания нижестоящим агентам MAC на обработку производственных заказов в соответствии с принятым расписанием.

Агент - оптимизатор - гибридный агент, в задачу которого входит построение оптимального расписания на основе правил и ограничений производства.

Агент-реализатор - гибридный агент, который осуществляет проверку сформированного расписания на реализуемость.

Агент-исполнитель - партнерский агент, задачей которого является слежение за работой конкретного технологического агрегата, входящего в реализуемый технологический маршрут.

Координация агентов в системе осуществляется на основе непрямого взаимодействия, которое соответствует распределению функциональных задач MAC. Агент-супервизор формирует технологическое задание по обслуживанию заказов с учетом изменившейся производственной ситуации, которое в виде входного сообщения передается агенту-оптимизатору, идентифицирующему состояние производства и определяющему группы агентов-исполнителей. Степень готовности агентов-исполнителей принять задание анализируется агентом-реализатором, который формирует и посылает агенту-супервизору сообщение о возможности выполнения заданий каждым исполнителем.

Супервизор на основе информации о готовности агрегатов и их занятости в реализации плана корректирует производственную программу и направляет откорректированный вариант расписания агенту-реализатору для проверки возможности его выполнения.

В главе 3 осуществлено моделирование агентов, реализующих различные уровни MAC.

Задачу построения производственного расписания выполняет агент-оптимизатор в соответствии с приведенной в главе 2 моделью.

Наиболее перспективным для оптимизации порядка выполнения работ в теории

расписаний призна&гся метод ветвей и границ, который является эффективным средством для решения комбинаторных задач, в частности, задачи о коммивояжёре. Если соотнести заказы из (3) с городами, через которые нужно пройти коммивояжеру, а условные потери при переходе от одной серии заказов к другой R¡¡ с расстояниями между городами, то искомый маршрут движения коммивояжёра будет представлять собой некоторое рациональное производственное расписание. Таким образом, требуется минимизировать функцию

Г = (8)

где /' = 1,2..., л ; j = 1,2...,п, п - число заказов,

при ограничениях:

• решение есть цикл; (9)

• цикл включает только одно начало выполнения каждого заказа:

£.-„ = 1,7 = 1,2...,«; (10)

>1

• цикл включает только одно окончание выполнения каждого заказа:

¿-, = ' - ' = 1,2—,л ; (И)

i-I

где г, — булевы переменные при всех / и j. (12)

Условие (9) усложняет решение задачи настолько, что по трудоёмкости оно приближается к обычному перебору.

В качестве алгоритма оптимизации производственного графика в темпе производства предлагается математический аппарат одной из модификаций иммунного алгоритма, обеспечивающего эффективный параллельный поиск оптимального решения на основе принципа клональной селекции, предложенного De Castro.

Формально оператор клональной селекции можно представить следующим образом:

CLOKALG = (АЬ° ,Ag, L, N, л,р Де ), (13)

где АЬ° — исходная популяция антител; Ag - популяция антигенов; L - длина рецептора антитела; N— количество антител в популяции; п - количество антител, отбираемых для клонирования (с самой высокой аффинностью); р - множительный фактор, регулирующий количество клонов отобранных антител; d - количество антител, подлежащих замене новыми (т.е. имеющие самую низкую аффинность); е - критерий останова.

В общем виде алгоритм клональной селекции включает следующий ряд шагов:

1. Инициализация: генерация случайного начального репертуара (популяции) атрибутов строк (иммунных клеток).

2. Популяционный цикл: для каждого антигена выполнить процедуры:

2.1. Отбора: отобрать клетки, имеющие наиболее высокую аффинность к антигену.

2.2. Репродукции: создать копии иммунных клеток, при этом чем лучше каждая клетка распознает антиген, тем больше создается ее копий.

2.3. Мутации: осуществить в каждой клетке мутацию инверсивно-пропорционально их аффинности: чем выше аффинность, тем меньше уровень мутации.

3. Цикл: повторять Шаг 2, пока не будет достигнут заданный критерий останова.

Рассмотрим применение модифицированного алгоритма клональной селекции (рис.

4) в качестве инструмента построения производственного расписания.

Создание популяции антител. На первом шаге алгоритма генерируется популяция антител как все возможные варианты (серии) обслуживания заказов км»-,9,1.-■■,<?„,},■■.,{?„,,.£-,{?,г,-,Чг,~,Ч<г\, включенных в производственный план, которые представляют собой матрицы А„ (7), состоящие из наборов возможных

единиц технологических агрегатов, задействованных при выполнении каждого заказа (6).

Определение аффинности. На втором шаге алгоритма вычисляется аффинность каждого антитела из наборов (6), которая характеризует отклонение фактического времени выполнения операции на конкретном агрегате с учетом простоя и переналадки ^ф, от нормативного ол, согласно технологической инструкции:

(14)

Все »озыожиыа мрмамты реалмации тотущих за«адеа

Сравнения времени выполнения все* текнооопмеских операций с минимальный по регламенту ТП

Серии ззкоэов тесуидоо фоиэеоаюежзго ппана. елетворяощие допустимым простоям

Рис. 4. Структурная схема алгоритма оптимизации расписания на основе принципа клоналъного отбора

(15)

где £)', - фактическая длительность технологической операции на агрегате Ац, Д- длительность переналадки технологического афегата Ац,, связанная с переходом на другой вид заказа, вл-простой технологического агрегата.

Следующий шаг проверка условий останова. Ими являются ограничения (3-5), определяемые особенностями решаемой задачи:

В общем случае могут быть добавлены и другие ограничения, связанные с материальными, кадровыми, финансовыми ресурсами.

Клонирование. Отбор лучших антител

(<?,„•■•.<?„,.....<7„ ) производится

согласно их аффинности. Из популяции (6), представленной множеством заказов, выбирается определенное количество лучших антител (строк матрицы А„г ) с минимальным значением

аффинности, из которых формируется новая популяция - популяция клонов.

Каждое антитело в популяции клонов копирует себя несколько раз, формируя семейство клонов популяции.

Гипермутация. Осуществляются случайные перестановки отдельных этапов (б), допустимых технологией производства, в составе серии заказов - гипермутация, т.е. формируются новые пути обслуживания заказов., структура которой эквивалентна серии (6).

Представление решения. Из каждого семейства популяции клонов по аффинности отбираются лучшие с учетом ограничений (3-5) антитела (серии) и переносятся в основную популяцию. На этом шаге формируется оптимальное расписание как последовательность операций основного технологического оборудования цеха. Оно построено на основании лучшей аффинности, что соответствует минимизации приведенных потерь

Реализация данного алгоритма осуществляется агентом-оптимизатором MAC.

Алгоритм проверки анализа сформированного расписания на реализуемость осуществляется с использованием математического аппарата вложенных сетей Петри.

Математически эта сеть описывается кортежем:

„=(Р,Т,Етг,С[К}.КЧ),

где Р - множество позиций- агрегативных моделей оборудования; Г - множество переходов - передач продукта между смежными агрегатами; F - функция инцидентно-сгей позиций и переходов; С - функция цвета маркера принадлежности перехода к определенному технологическому маршруту; тт - модельное время; {УJ - условия выполнения переходов; К - емкость маркеров в позициях с учетом С; Мо - вектор начальной маркировки.

Срабатывание каждого перехода из множества T{ti,t2.....¡¡¡} определяется наличием

сигнала на выходе определенной технологической установки. Возможность осуществления перехода в одну из позиций Р определяется с учетом значений параметров сети FfAn, Ад. ¡¡ц. ¡¡), идентифицирующих агрегат-исполнитель следующего

требования, и вектора Мо. компоненты которого помечают закрытые позиции при поступлении требования на обслуживание.

Реализация алгоритма реализуемости расписания осуществляется агентом-реализатором. В случае, если расписание признано невыполнимым, базой знаний формируется список «узких» мест и рекомендуемых корректировок с целью их устранения при перепланировке

А" I /Г

* ♦ ♦ ♦ •

; Н, •

-

ли I

Рис. 5. Схема агрегата Бусленко, где = 1.А/ ) - состояние

агрегата, - управляющие сигналы,

^(ы)* ■ ВХ°Д агрегата, ул - выход агрегата

расписания агентом-оптимизатором.

Агент-супервизор - интерфейсный агент MAC, решающий задачи связи с пользователем (оперативно-диспетчерским персоналом цеха) и нижестоящими агентами. В набор его инструментария входят средства визуального представления текущего расписания в виде диаграммы Гантга и результатов его проверки в виде сообщения об «узких» местах производства.

В диссертационной работе разработана структура реляционной базы данных, в которой хранится информация о расположении и параметрах оборудования цеха, описание технологических маршрутов и операций.

База знаний основана на продукционной модели. Каждое правило описывает определенный этап выполнения заказа, согласовывая работу технологического и подъемно-транспортного оборудования на совокупности технологических маршрутов. Порядок применения и срабатывания продукционных правил определяется стратегией вывода. Методом осуществления вывода выбран «обратный порядок», стратегией перебора -«поиск в глубину».

Для моделирования отдельных технологических и транспортных звеньев производства используется агрегативная модель, предложенная Н.П. Бусленко. Агрегат Ау (рис. 5) реализует оператор выходов G„ и оператор переходов Нп. Оператор р™' характеризует его работоспособность.

Агрегативные модели оборудования представлены на нижнем уровне MAC агентами-исполнителями. Связная агрегативная модель комплекса технологического оборудования цеха разработана в виде партнерской агентной системы, которая отслеживает этапы выполнения производственного расписания.

Четвертая глава отражает результаты реализации методологии MAC на примере электросталеплавильного цеха (ЭСПЦ) ОАО «ОЭМК».

Каждая группа оборудования описывается соответствующей агрегативной моделью Бусленко Ад. Текущее состояние агрегатов (рис. 6) выводится на монитор оперативно-диспетчерского персонала цеха средствами агента-супервизора на основе данных мониторинга оборудования.

► ItEfvim*«:-»»«»

• j ncrVVTlMMU

• (£СЛУП»У1Ж4МГи

' IдсГгУш:

наслтммп .

»{дапш^шсмха

»МСПУПЬНЯС-ЬМЛ)

.. ;•» (деупнммма

ЛМЛ-И ■¿«XI г

»¡лглиясдех-мнгл

Мдслуш&МХМГО

;«}щгуик«0С.«НГЗ

• (доилсдасотд

> jlCrvyiKWJ

ЧШ1ИИИ». j»1 ajyHW.«JMfc*Q

{* ] уис ЛЛС

у—.ITWIII . . ¡»1ш>УПМ*<Ч

Рис. 6. Монитор состояния агрегатов

NtHMIWin

ХГ2

а:')

ЗСГ 4 >С~1 T-AZ Г Jс? Y.JCJ yijSCJ •МОП

исхз «сс;|

UOC3 2 WНЛЭ! MHflii МйГЗЗ ■*Л34 МЦЛМ

йдем работы

B*XC£:15 ¡5-1' i! 13 »9-14 2S М JM1K

» «С-?» 50 15Лв-1С 40 «ЩИ ¿111 SG-iS 12 •5»»I.X1».J5-1J»12!&UJ014 151« «15 »1715 Г1 4M3 К 'i ?2 If »IMC-it X

'1»I!S ¡5W-17»imi«» !!ЙИ* »M018 «0 1»»Л35 К КЗ- 35

..............

e: xcs го »»1СЛ »г a v зо и тмг x

Cf «-1! » £.?$■»! 151 WJ&13 »13 »1SJC 15-4C-11 К !XX U X 14 »1530 ¡3 03-1 3 X '-5 »17.5? 1' »»1X1« C-11« К U К!« »1.*« 17 55 H*S

•i»»«к i7 »»»к- I»JC-JS » 1» ге i;»i> ж геч* is г; »л к

07 -3WT к 5750-Л J9 13 »KM t»»12 X1$ »141С а» д 3i i>»i 145 »зло м зо »•»•11 35 II40-13X 1»5-МК

Рис. 7. График работы оборудования

Результат составления производственного расписания представлен таблицей (рис. 7), в которой каждому агрегату соответствуют временные интервалы его работы.

В ходе проектирования MAC ЭСПЦ «ОЭМК» была выявлена необходимость раз-

13

( Начата"")

работки алгоритма автоматизированного диспетчирования разливочных кранов (рис. 8) как транспортных звеньев производственной системы путем назначения одного из четырех кранов, движущихся по одному рельсовому пути и ограничивающих взаимное передвижение, на обслуживание конкретного этапа технологического маршрута, связанное с переносом сталь-ковша между смежными агрегатами.

Предварительная проверка построенного расписания в виде контактного графика (КГ)

гического оборудования сталеплавильного цеха позволит повысить его производительность за смену на 5-7 %, что соответствует в объемном представлении примерно 60 тоннам или в денежном выражении 3,5 млн. руб.

В заключении делаются выводы, излагаются основные результаты диссертационного исследования.

Рис. 8. Структурная схема алгоритма диспетчирования разливочных кранов

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. С позиций системной методологии осуществлен анализ существующих подходов к технологической координации в системе управления сложноструктурированными дискретно-непрерывными производствами и выявление их недостатков.

2. Разработаны модели и алгоритмы технологической координации в системе управления на основе мультиагентных технологий.

3. Сформированы функциональные модели агентов мультиагентной системы поддержки принятия решений по технологической координации в системе управления с учетом решаемых на их основе задач, разработаны новые подходы координации и механизм взаимодействия агентов.

4. Разработано программное обеспечение, реализующее предложенные модели и алгоритмы решения задач технологической координации в системе управления сложно-

структурированными производствами.

5. Разработаны продукционные правила координации технологического оборудования, отражающие особенности конкретного производства (на примерю сталеплавильного производства).

6. Осуществлена апробация разработанной мультиагентной системы технологической координации в системе управления для электросталеплавильного цеха ОАО «ОЭМК». Выявлен рост экономической эффективности производства за счет повышения степени координации производственного оборудования при использовании разработанных алгоритмов.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ

Публикации в изданиях, рекомендованных ВАК РФ

1. Цуканов М.А. Мультиагентная система поддержки принятия решений по оперативному планированию и технологической координации сложноструктурированных производственных систем / М.А. Цуканов, J1.M. Боева // Управление большими системами. М.: ИПУ РАН 2012 -№39. С. 26-31.

2. Цуканов М.А. Мультиагентная система поддержки принятия решений по технологической координации производств с многовариантными технологическими маршрутами / М.А. Цуканов, Л.М. Боева // Системы управления и информационные технологии Воронеж 2012 -№2(48). С. 65-68.

3. Цуканов М.А. Построение контактного графика сложноструктурированного дискретно-непрерывного производства с использованием иммунного алгоритма / М.А. Цуканов, Л.М. Боева // Вестник Воронежского государственного технического университета 2012 Т 8 № 4 С 21-25.

4. Боева Л.М. Моделирование технологической координации оборудования сталеплавильного цеха на основе аппарата вложенных сетей Петри / Л.М. Боева, М.А. Цуканов // Электротехнические комплексы и системы управления. 2010. -№ 2(18). С. 30-34.

5. Боева Л.М. Алгоритм автоматизированного диспетчерского управления разливочными кранами в сталеплавильном производстве / Л.М. Боева, Ю. И. Еременко, М.А. Цуканов // Электрометаллургия, 2011.-№ 10. С. 17-23.

Статьи и материалы конференций

6. Цуканов М.А. Интеллектуализация оперативного управления сложными производствами на основе мультиагентных технологий / М.А. Цуканов, Л.М. Боева // Управление большими системами: материалы IX школы-семинара молодых ученых. - Липецк, 2012. С. 35-39.

7. Цуканов М.А. О возможности применения мультиагентных технологий для технологической координации оборудования сложноструктурированного дискретно-непрерывного производства / М.А. Цуканов, Л.М. Боева // Современные сложные системы управления: междунар. науч.- пракг. конф. HTCS2012. Старый Оскол, 2012. С. 21-26.

8. Цуканов М.А. Оперативное управление сложным производством с использованием мультиагентных технологий / М.А. Цуканов, Л.М. Боева // Управление большими системами: материалы VIII школы-семинара молодых ученых. - Магнитогорск, 2011. С. 81-85.

9. Боева Л.М. Математическое моделирование сталеплавильного производства как основа алгоритмов оперативного управления / Л.М. Боева, Е. В Бурьянова, М.А. Цуканов // Труды пятой региональной научной конференции студентов, аспирантов и соискателей.- Старый Оскол 2009.-Т. 3. - С. 141-145.

10. Боева Л.М. Оптимизация работы разливочных кранов ЭСПЦ «ОАО» ОЭМК на основе сетевой модели / Л.М. Боева, Е. В Бурьянова, М.А. Цуканов // Труды пятой региональной на-

учной конференции студентов, аспирантов и соискателей- Старый Оскол, 2009. - Т. 3. - С.

11. Боева J1.M. Моделирование производственного процесса электросталеплавильного цеха ОАО «ОЭМК» / Л.М. Боева, Е. В Бурьянова, М.А. Цуканов // Наука молодежь в начале нового столетия: труды междунар. науч.-практ. конф. студентов, аспирантов и молодых ученых. -Губкин,2009. -С. 127-131.

12. Боева Л.М. Агрегативная модель сталеплавильного производства как основа технологической координации оборудования / Л.М. Боева, М.А. Цуканов // Образование, наука, производство и управление: сб. науч. тр. и науч.-метод. докл. науч.-практ. конф. преподавателей, сотрудников и аспирантов с междунар. участием - Старый Оскол, 2009. - С. 106-110.

13. Боева Л.М. Сталеплавильное производство как агрегативная система / Л.М. Боева, М.А. Цуканов // Управление большими системами: труды VI школы-семинара молодых ученых. - Ижевск, 2009. -С. 131-136.

14. Боева Л.М. О возможности использования мультнагентных технологий в системах технологической координации сталеплавильного производства / Л.М. Боева, М.А. Цуканов // «Современный менеджмент: мотивационный комплекс - маркетинговое управление - система контроля» - инфокоммуникационное обеспечение процессов и систем менеджмента: материалы междунар. науч.-техн. конф. - Волгоград-Москва, 2009. - С. 250-252.

15. Боева Л.М. Агрегативная модель сталеплавильного цеха как основа разработки системы оперативного управления производством / Л.М. Боева, М.А. Цуканов // Материалы 111 научно-технической конференции ОАО «ОЭМК». - Старый Оскол, 2009. - С. 174-176.

16. Боева Л.М. Оперативное управление работой оборудования сталеплавильного цеха на основе мультнагентных технологий / Л.М. Боева, М.А. Цуканов // Управление большими системами: материалы VII школы-семинара молодых ученых. - Пермь, 2010. -С. 378-380.

17. Боева Л.М. Моделирование динамических связей технологического оборудования электросталеплавильного цеха / Л.М. Боева, М.А. Цуканов // Новые технологии в научных исследованиях, проектировании, управлении, производстве (НТ2010): материалы науч.-техн. конф. - Воронеж, 2010. - С. 70-74.

18. Боева Л.М. Продукционная модель базы знаний системы диспетчирования разливочных кранов электросталеплавильного цеха ОАО «ОЭМК» / Л.М. Боева, М.А. Цуканов // Образование, наука, производство и управление: материалы науч.-техн. конф. с междунар участием -Старый Оскол, 2010. -С. 156-159.

19. Цуканов М.А. Алгоритм автоматизированного диспетчирования разливочных кранов / М.А. Цуканов, А. С. Акинин // Образование, наука, производство и управление: сб. науч. и на-уч.-метод. докл. всерос. науч.-практ. конф. преподавателей, сотрудников и аспирантов - Старый Оскол, 2011. -Т. 1. -С. 201-205.

171-175.

Подписано в печать 24.12.2012. Формат 60x84/16. Бумага для множительных аппаратов. Усл. печ. л. 1,0. Тираж 80 экз. Заказ № 267

ФГБОУ ВПО «Воронежский государственный технический университет» 394026 г. Воронеж, Московский просп., 14

Введение.

Глава 1. Технологическая координация в системе управления дискретно-непрерывными производственными системами.

1.1. Общие сведения об оперативном планировании и управлении производством.

1.1.1. Оперативное планирование и управление как основа координации технологических звеньев производства.

1.1.2. Традиционные формы представления оперативных производственных планов.

1.2. Особенности оперативного управления и технологической координации сложноструктурированных дискретно-непрерывных производственных систем.

1.3. Анализ существующих методов составления производственных расписаний.

1.3.2. Составление расписаний с использованием методов искусственного интеллекта.

1.3.3. Составление расписания с использованием гибридных математических моделей на основе классических моделей и методов искусственного интеллекта.

Глава 2. Модели и технологии технологической координации в системе управления дискретно-непрерывным производством.

2.1. Декомпозиция задач технологической координации сложноструктурированного дискретно-непрерывного производства.

2.1.1. Моделирование производства.

2.1.2. Составление и оптимизация производственного расписания.

2.1.3. Проверка возможности реализации расписания в условиях реального производства и его корректировка в режиме диспетчирования.

2.1.4. Проектирование продукционной базы правил переходов в сети.

2.2. Мультиагентные технологии в управлении сложными организационно -техническими системами.

2.2.1. Обоснование возможности применения мультиагентных технологий для технологической координации в системе управления.

2.2.2. Классификация агентов в зависимости от характера решаемых задач

2.3. Принципы координации группового поведения агентов.

2.4. Структура MAC сложноструктурированной непрерывно-дискретной производственной системы.

2.4.1. Обобщенная модель структуры MAC ТК в системе управления.

Рассмотрим концепцию распределенной мультиагентной системы применительно к проектированию системы оперативного управления и диспетчирования производства.

2.4.2. Реализация системы поддержки принятия решений ТК на платформе МАТ.

2.4.3. Требования и принципы координации агентов MAC ТК.

2.5. Выводы по главе.

Глава 3. Моделирование агентов MAC ТК в системе управления дискретно-непрерывным производством с учетом решаемых ими функциональных задач

3.1. Общие определения искусственных иммунных систем и принципов клональной селекции.

3.2. Алгоритм клональной селекции как основа релизации агента-оптимизатора

3.3. Задачи и структура агента-реализатора.

3.4. Задачи и структура агента-исполнителя.

3.5. Выводы по главе.

Глава 4. Апробация предложенной модели MAC ТК и ОУ в условиях ЭСГТЦ ОАО «ОЭМК».

4.1. Особенности технологической координации производственного оборудования ЭСПЦ ОАО «ОЭМК».

4.1.1. Технология сталеплавильного производства ОАО «ОЭМК».

4.1.2. Технологическое оборудование и маршруты выплавки стали ЭСПЦ

4.1.3. Сменно-суточное задание как основа построения контактного графика ЭСПЦ.

4.2. Проектирование MAC ТК в системе управления ЭСПЦ ОАО «ОЭМК»

4.2.1. Организация работы агентов-исполнителей MAC ТК в системе управления ЭСПЦ как партнерской агентной системы.

4.2.2. Алгоритм диспетчирования разливочных кранов ЭСПЦ как транспортного звена координации технологического оборудования в MAC

4.2.3. Реализация алгоритма работы агента-оптимизатора MAC ТК и ОУ 126 ЭСПЦ.

4.2.4. Реализация алгоритма работы агента-реализатора MAC ТК и ОУ ЭСПЦ.

4.3. Агент-супервизор как интеллектуальный советчик и канал связи MAC ТК и ОУ с внешней средой.

4.4. Координация работы технологических звеньев сталеплавильного производства как экономическая мера.

4.5. Выводы по главе.

Эффективность промышленных предприятий в современных условиях во-многом определяется выбранной стратегией планирования и управления на всех его уровнях: от отдельного технологического процесса или агрегата до предприятия в целом.

Основной целью оперативного планирования и управления производством является составление согласованных производственных планов цехов предприятия и обеспечение их выполнения. Задача существенно усложняется для производств, характеризующихся широкой номенклатурой выпускаемой продукции, многообразием оборудования, многостадийностью технологических процессов, многовариантностью и параллельным выполнением технологических маршрутов, и, как следствие, сложными перекрестными материально-транспортными связями.

Примерами таких производств являются металлургическое, пищевое, фармакологическое, химическое и некоторые другие. Управление ими усложняется необходимостью согласования работы отдельных организационно-технологических звеньев в условиях значительных возмущающих воздействий на ход производства (незапланированные заранее виды, марки, группы продукции вследствие нарушения состава исходных компонентов или нормального протекания технологических процессов; аварии технологических и подъемно-транспортных агрегатов; срывы в поставке сырья, сбои в подаче электроэнергии и энергоносителей; авторитарные решения руководства и т.д.). Это ведет к значительным потерям производства вследствие организационных простоев, сверхнормативным объемам незавершенного производства, срывам графиков отгрузки готовой продукции, выпуску «незаказной» продукции.

Помимо перечисленных трудностей задачу оперативного управления такими производствами усложняет совмещение в рамках одной технологической схемы как непрерывных, так и дискретных технологических процессов.

Оперативное управление выполнением производственных планов осуществляется на основе технологической координации, заключающейся в согласовании работы технологического оборудования и транспорта, движения материальных потоков, взаимодействия производственного персонала цеха при отклонении фактического хода производства от запланированного. Технологическая координация осуществляется на относительно коротких интервалах работы производства, обычно кратных сменно-суточному интервалу.

Общим принципам координации, а также согласованию работы звеньев конкретных производств посвящены работы [33, 50, 70, 71, 72, 15 25, 39, 41, 42].

Задача составления производственных планов на уровне сменно-суточного планирования относится к классу задач теории расписаний, которой посвящены исследования зарубежных и отечественных ученых. Среди них можно назвать работы [11, 18, 25, 26, 37, 40, 45, 86, 87, 94, 95, 71, 72]. С точки зрения теории сложности задача оперативно-календарного планирования сложноструктурированным многономенклатурным производством на цеховом уровне является NP-трудной, требующей для своего решения разработки специальных алгоритмов, учитывающих специфику предметной области. Анализ работ [28, 29, 85, 53, 55, 57] показал недостаточную эффективность использования комбинаторных и эвристических методов в реальных производственных ситуациях, когда требуется принятие управленческих решений в темпе производства.

Для решения NP-трудных задач в последнее время все чаще предлагаются метаэвристические подходы на основе методов искусственного интеллекта [5, 85, 86, 93]: алгоритм муравьиных колоний, эволюционное программирование, включающее генетические алгоритмы, итерационный локальный поиск, алгоритм имитации отжига, поиск с запретом, алгоритм Shifting Bottleneck (дословно - алгоритм сдвигающегося «узкого места»), Однако, для производственных систем большой размерности проблема сокращения времени принятия управленческих решений при построении и особенно перестроении производственного расписания по текущему состоянию производства остается актуальной.

Перечисленные обстоятельства определяют целесообразность анализа существующих подходов к составлению оперативных планов сложноструктурированных дискретно-непрерывных производств и требуют разработки моделей и методов оперативно-календарного планирования с учетом возможности корректировки планов в темпе производства.

Цели и задачи исследования. Целью диссертационной работы является разработка средств интеллектуализации процессов принятия решений по технологической координации в системе управления сложноструктурированными дискретно-непрерывными производственными системами на основе мультиагентных технологий.

Достижение цели работы потребовало решения следующих задач:

1. С позиций системной методологии осуществить анализ существующих подходов к технологической координации в системе управления сложноструктурированными дискретно-непрерывными производствами и выявление их недостатков.

2. Разработать модели и алгоритмы технологической координации в системе управления на основе мультиагентных технологий.

3. Сформировать функциональные модели агентов мультиагентной системы поддержки принятия решений по технологической координации в системе управления с учетом решаемых на их основе задач, разработать новые подходы координации и механизм взаимодействия агентов.

4. Разработать программное обеспечение, реализующее предложенные модели и алгоритмы решения задач технологической координации в системе управления сложноструктурированными производствами.

Объект исследования. Сложноструктурированные дискретно-непрерывные производственные системы.

Предмет исследования. Процессы принятия решений по технологической координации в системе управления производственными звеньями сложноструктурированных дискретно-непрерывных производств в режиме диспетчирования.

Методы исследования. Проведенные исследования базируются на реализации методов теории систем и системного анализа, теории расписаний, имитационного моделирования, методов комбинаторной и эвристической оптимизации, методов и алгоритмов искусственного интеллекта, теории сетей Петри.

Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной:

1. Предложена концептуальная структура системы поддержки принятия решений по формированию оптимального производственного графика и ее информационно-функциональная модель, отличающаяся использованием мультиагентных технологий.

2. Предложены модели и алгоритмы работы агентов мультиагентной системы технологической координации в системе управления с учетом функциональной декомпозиции общей задачи, а так же механизм взаимодействия, отличающийся сочетанием возможности автономного функционирования агентов и централизацией координации их действий.

3. Разработаны модели и алгоритмы решения комплекса функциональных задач технологической координации в системе управления, отличающихся синергичностью взаимодействия в процессе формирования оптимального производственного расписания.

4. Разработан алгоритм решения ЫР-сложной задачи построения и оптимизации производственного расписания, отличающийся использованием математического аппарата иммунных сетей, позволяющего выполнять построение и корректировку плана в режиме диспетчирования производства.

Практическая значимость работы состоит в следующем:

1. Результаты исследования позволяют реализовать интеллектуальные средства поддержки принятия решений по технологической координации в системе управления сложноструктурированными производствами, обеспечивающую выполнение производственной программы за счет построения производственного графика в режиме диспетчирования.

2. Работа проводилась в рамках госбюджетных НИР «Разработка методов повышения эффективности управления горно-металлургическими производствами на основе искусственного интеллекта» (регистрационный номер 01200503314) и «Разработка теоретических основ энергоресурсосбережения и экологической безопасности металлургических процессов» (регистрационный номер 01201053113), хоздоговорной НИР №1257/08 «Разработка интеллектуальной системы ситуационного управления производственным процессом электросталеплавильного цеха ОАО «Оскольский электрометаллургический комбинат».

Соответствие диссертации паспорту специальности. В диссертационном исследовании разработаны методы и алгоритмы технологической координации и оперативного управления производствами, что соответствует формуле специальности 05.13.01 - «Системный анализ, управление и обработка информации (по отраслям)». По поставленным задачам и полученным научным результатам диссертация соответствует следующим пунктам области исследования: П.2. Формализация и постановка задач системного анализа, оптимизации, управления, принятия решений и обработки информации; П.9. Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических, экономических, биологических, медицинских и социальных объектов; П. 10. Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических, экономических, биологических, медицинских и социальных системах.

Апробация работы

Материалы диссертационной работы докладывались и обсуждались на международных конференциях «Современные сложные системы управления» (Старый Оскол, 2012), «Новые технологии в научных исследованиях, проектировании, управлении, производстве» (Воронеж, 2010); Всероссийских конференциях и школах-семинарах молодых ученых «Управление большими системами» (Липецк, 2012; Магнитогорск, 2011; Пермь, 2010; Ижевск, 2009); региональных конференциях «Образование, наука, производство и управление» (Старый Оскол, 2009, 2010, 2011); III Научно-технической конференции ОАО «ОЭМК» (Старый Оскол, 2010).

Исследование поддерживалось грантом конкурса проектов аспирантов, докторантов и молодых ученых в рамках Программы создания и развития НИТУ«МИСиС» на 2008 - 2017 годы, отмечено дипломом конкурса научных работ молодых ученых по теории управления и ее приложениям ИПУ РАН -2012.

4.5. Выводы по главе

Глава отражает результаты реализации методологии MAC на примере электросталеплавильного цеха (ЭСПЦ) ОАО Оскольский электрометаллургический комбинат (ОЭМК).

Приведены модели агентов нижнего уровня для каждого технологического агрегата.

Выявлена необходимость разработки алгоритма диспетчирования разливочных кранов цеха в дополнение к алгоритму оптимизации производственного расписания

Разработана модель сети Петри и база знаний на основе продукционной модели для проверки производственного расписания на реализуемость в условиях ЭСПЦ ОАО ОЭМК.

Проведен сравнительный анализ производственных расписаний, сформированных на основании системы планирования цеха с предложенной методологией. Выявлен рост производственных показателей при использовании мультиагентного подхода к задаче технологической координации в системе управления.

Заключение

1. С позиций системной методологии осуществлен анализ существующих подходов к технологической координации в системе управления сложноструктурированными дискретно-непрерывными производствами и выявление их недостатков.

2. Разработаны модели и алгоритмы технологической координации в системе управления на основе мультиагентных технологий.

3. Сформированы функциональные модели агентов мультиагентной системы поддержки принятия решений по технологической координации в системе управления с учетом решаемых на их основе задач, разработать новые подходы координации и механизм взаимодействия агентов.

4. Разработано программное обеспечение, реализующее предложенные модели и алгоритмы решения задач технологической координации в системе управления сложноструктурированными производствами.

5. Разработаны продукционные правила координации технологического оборудования, отражающие особенности конкретного производства (на примере сталеплавильного производства).

6. Осуществлена апробация разработанной мультиагентной системы технологиче-ской координации в системе управления для электросталеплавильного цеха ОАО «ОЭМК». Выявлен рост экономической эффективности производства за счет повышения степени координации производственного оборудования при использовании разра-ботанных алгоритмов.

1. Авдеев В.П. Производственно-исследовательские системы с многовариантной структурой /В.П. Авдеев, Б.А, Кустов, Л.П. Мышляев,-Новокузнецк; Изд-во Кузбасского филиала Инженерной академии 1992.188 с.

2. Аврамчук Е.Ф. и др. Технология системного моделирования. М.; -Машиностроение; Берлин : Техника, 1988 г.

3. Акоф Р. Основы исследования операций / Р, Акоф, М. Сасиени. М.: Мир, 1971.-272 с.

4. Ахтариев Л. Л. Применение алгоритма ветвей и границ для решения задач составления расписаний // Техническая кибернетика, радиоэлектроника и системы управления. Тр. VIII Всеросс. науч. конф. студентов и аспирантов. Таганрог, 2006. С. 96-97.

5. Беллман Р. Прикладные задачи динамического программирования / Р. Беллман, С. Дрейфус, М.: Наука, 1965.-458 с.

6. Бирин Ю.Н., Звягинцева О.Л., Клевицкий Г.С. и др. Микро-ЭВМ в управлении строительством. М.: Строиздат, 1989. - 296 с.

7. Бодянский Е. В., Кучеренко В. Е., Кучеренко Е. И. Гибридные нейро-фаззи модели и мультиагентные технологии в сложных системах // Днепропетровск, Системные технологии, 2008. - 357 с.

8. Бодянский Е.В., Кучеренко Е.И., Михалев А.И. Нейро-фаззи сети Петри в задачах моделирования сложных систем. Дншропетровськ: Систем! технологи, 2005. - 311 с.

9. Буйницкая В. М. Оптимальное планирование работ сталеплавильного цеха с непрерывным литьём заготовок / Буйницкая В.М. // В.И. Гранковский // Сталь,- 1984, -№ 11. С. 92 -94.

10. П.Бурков В.Н. Применение теории оптимального управления к задачам распределения ресурсов / Б. Н. Бурков // Труды 3 Всесоюзного совещания по автоматическому управлению. М.; Наука, 1967, — 255 с.

11. Бусленко Н. П. Моделирование сложных систем. М., Наука, 1968.-355 с.

12. Вагнер Г. Основы исследования операции: В 3 т. Т 1 М.; Мир, 1972, -355 е., Т2-М.:Мир, 1973-488 е., Т 3 - М.: Мир, 1973.-501 с.

13. Вентцель Е.С. Исследование операций / Е.С. Вентцель // Задачи, принципы, методология. М.: Наука, 1980- - 208 с, ил.

14. Веревкин С. В. Разработка и применение алгоритмов производственной координации (на примере сталеплавильного комплекса. Диссертация на соискание ученой степени кандидата технических наук. Новокузнецк, 2003.

15. Веревкин С. В. Формирование контактного графика в параллельно-последовательных системах: Сб. науч. тр. «Информационные технологии вэкономике, промышленности и образовании». Кемерово. Изд-во НФИ КемГУ,2000.-С. 18-24.

16. Вершигора А.Е. Общая иммунология: Учебное пособие. К.: Выща школа, 1989. - 736 с.

17. Вехаге Р. С. Алгоритмизация оперативного управления трубным производством: Дис. канд. техн. наук: 05.13.06: М., 1983. 544 с.

18. Восстановительно-прогнозирующие системы управлении / В.П. Авдеев, В.Я. Карташов, Л.П, Мышляев, Л.А. Ершов / Учебное пособие. -Кемерово: Изд-во КемГУ, 1984. 91 с.

19. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем: Учебник для вузов. СПб.: Питер, 2000. - 384 с.

20. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем СПб: Питер, 2010. -371 с.

21. Галкин М.Ф., Кроль Ю.С. Кибернетические методы анализа электроплавки стали М. Металлургия, 1971. -304 с.

22. Гончарова Н. В. Разработка и применение системы динамического моделирования мультиагентных процессов преобразования ресурсов: Дис. канд. техн. наук : 05.13.18 : Екатеринбург, 2006. 202 с.

23. Городецкий В.И. Многоагентные системы: основные свойства и модели координации поведения. Информационные технологии и вычислительные системы, № 1з с.22-34, 1998.

24. Гречников А. Ф. Разработка математических моделей принятия решений в оперативном согласованном управлении прокатным производством : Дис. . канд. экон. наук : 08.00.13 : Самара, 2001 157 с.

25. Григорьева Н. С. Циклические задачи теории расписаний / Н. С. Григорьева, И. Ш. Латынов, И.В. Романовский // Техническая кибернетика. -1988,-№6.-С. 3-11.

26. Джостон Д.Ж. Экономические методы. М.: Статистика, 1980. - 444 с.

27. Загидуллин Р. Р. Система оперативно-календарного планирования автоматизированного металлообрабатывающего мелкосерийного производства на основе комплексных моделей. Автореферат диссертации па соискание ученой степени доктора технических наук. Уфа, 2006.

28. Загидуллин Р. Р., Зориктуев В. Ц. Вопросы оперативно-календарного планирования и управления и машиностроении // Мехатроника, автоматизация, управление. 2005. № 8. С. -59—55.

29. Зайченко 10. П. Исследование операций / Ю. П. Занченко. Киев: Вища школа, 1975.-320 с.

30. Зимин В.В. Построение согласованных расписаний для производственных звеньев комплекса «сталь-прокат»; Канд. диссертация. -М.: МИСиС, 1980.-148 с.

31. Ивченко Т.Н. Теория массового обслуживания / Т.Н. Ивченко, В.А. Каштанов, И.Н. Коваленко. М.: Наука, 1982. -362 с.

32. Канторович JI.В. Оптимальные решения в экономике / Л.В. Канторович,

33. A. Б. Горстко,- М.: Наука, 1972. -231 с.

34. Комарова Н.Д. Оптимизация функционирования оборудования кислородно-конвертерного цеха / Н.Д. Комарова, О.С. Ересковский // Изв. вузов. Черная металлургия,- 1980.-№2-С. 119-122.

35. Коновалов С. А. Разработка и практическое использование математической модели технологической линии «сталь-прокат»: Канд. диссертация. Свердловск.: УПИ им С. М. Кирова, 1970. - 125 с.

36. Котов В. Е. Сети Петри. — М.: Наука, 1984.

37. Крейсман Б. Б. Математические модели и методы решения задач: планирования графика работы сталеплавильного цеха: Канд. диссертация. — М.: МИСиС, 1980. 118с.

38. Крейсман Б. Б. Прогноз длительностей технологических операций / Б.Б. Крейсман // В сб. «Вопросы кибернетики. Адаптивные системы управления». М.: Изд-во МИСИС, 1977. - 20 -26 с.

39. Кугушин А. Л. Программная координация работы комплекса сталь-прокат, формализация и разложение задачи / А.Л. Кугушин, В. В. Зимин, С. М. Кулаков // Изв. вузов. Черная металлургия. 1979. - 10. - С. 111 - 116.

40. Кудрин Б. И. Модели и алгоритмы оперативного управления комплексом сталь-прокат в условиях информационной неопределенности / Б.И. Кудрин,

41. B.К. Буторин, В. А, Авдеев, М,: Электрика, 1997. - 140 с.

42. Кулаков С. М. Формализации нормативной информации в системе оперативного планирования / С. М. Кулаков, В.В. Зимин, Г.И. Курильщиков // Изв. вузов. Черная металлургия. 1978. -№ 2. - С. 144-149.

43. Кулаков С.М. Многовариантное прогнозирование расчетных показателен / С.М. Кулаков, В,П. Авдеев, Н.Ф. Бондарь // Изв. вузов. Черная металлургия. 1996.-№4.-С. 72-82.

44. Левин В.И. Структурно-логические методы исследования сложных систем с применением ЭВМ / В.И. Левин. М.: Гл. ред. физ.-мат. лит., 1987. -304 с.

45. Литвиненко В.И., Фефелов A.A., Горавский С.П. Объектно-ориентированная реализация алгоритма клональной селекции // Радюелектрошка. 1нформатика. Управлшня. 2003. - № 9. - С. 81-88.

46. Литвинцев П. И. Методы организации вычислений в диалоговых системах планирования: Канд. диссертация. М.: Выч. Центр АН СССР. 1981. - 190.

47. Маслобоев A.B. Гибридная архитектура интеллектуального агента с имитационным аппаратом // Вестник МГТУ, том 12, №1, 2009. С. 113-124

48. Математическая теория оптимальных процессов / Л.С. Понтрягин, В.Г. Болтянский, Р.В. Гамкрелидзе, Е.В. Мищенко. — М.: Физматизд., 1961. — 426 с.

49. Математические вопросы кибернетики / Под ред. С. В. Яблонского. М.: Наука. - Вып. 4, 1992. - 239 с.

50. Минченков И. Н. Автоматизация процесса составления и корректировки расписания решения задач АСУП (на примере АСУ металлургических предприятий): Канд. диссертация, — М.: МИСиС, 1981,- 197 с.

51. Моисеев H.H. Элементы теории оптимальных систем / H.H. Моисеев. -М.: Наука, 1975.-528 с.

52. Мудров В. И. Задача о коммивояжере / В.И. Мудров,- М.: Знание. 1969. -63с.

53. Осуги С., Саэки Ю. Приобретение знаний. Том 3 М.: Мир, 1990. -304 с, ил.

54. Первин Ю.А., Португал В.М., Семенов А.И. Планирование мелкосерийного производства в АСУП. М: Наука. 1973. С. 16-32.54.

55. Перовская Е.И. Об одном алгоритме решения задачи календарного планирования // Вычислительные процессы и структуры. Л.: Машиностроение, 1982. С. 84-92.

56. Планирование производства в системе сталь-прокат / A.A. Кугушин, Н.Ф. Чесноков, В.И. Соловьев и др. // Сталь. 1978. - № 3. - С. 68 - 72.

57. Подчасова Т.П., Португал В.М., Татаров В.А., Шкурба В.В. Эвристические методы календарного планирования. К.: Техника, 1980. С. 20-25.

58. Принципы и методы автоматизации оперативного управления производством металлургическою комбината / И.Н. Богаенко, И.И. Головко. В, К. Буторин и др. // Приборы и системы управления. 1993. -№3,- С. 3-5.

59. Производственно-техническая инструкция ОАО «ОЭМК» «Эксплуатация дуговой сталеплавильной печи ДСП-150».

60. Производственно-техническая инструкция ОАО «ОЭМК» «Эксплуатация и техническое обслуживание установки циркуляционного вакуумирования стали и установки десульфурации и продувки стали аргоном».

61. Радченко Е. Г. Методы режимного и потокового динамического моделирования производственных систем: Дис. канд. техн. наук: 05.13.18: М., 126 с.

62. Ройт А. Основы иммунологии: Пер. с англ. -М.: Мир, 1991. 328 с.

63. Ройт А., Бростофф, Мейл Д. Иммунология: Пер. с англ. М.: Мир, 2000. -582 с.

64. С. М. Кулаков, А. И. Мусатова. О выборе оптимальных маршрутов в многоструктурной производственной системе.// Изв. вуз. Черная металлургия, 2004, №10.

65. Сачко И. С. Организация и оперативное управления машиностроительным производством. Мн.: Новое знание, 2005. 363 с.

66. Скобелев П. О. Виртуальные миры и интеллектуальные агенты для моделирования деятельности компании. Тр. VI Национ. конф. КИИ-1998, Том 2, Пущино, с.714-719, 1998.

67. Сочнев А. Н. Оперативное управление производственными системами на основе сетей Петри: Дис. канд. техн. наук: 05.13.01 : Красноярск, 2005. 103 с.

68. Сычев В. И. Совершенствование оперативного планирования и управления сталеплавильного производства завода качественной металлургии. М.; Канд. диссертация, 1984 г.

69. Танаев B.C. Введение в теорию расписаний / B.C. Тапаев, В.В. Шкурба. -М.; Наука, 1975.-256 с.

70. Танаев B.C. Теория расписаний. Многостадийные системы / B.C. Танаев, Ю.Н. Сотсков, В.А. Струсевич. М.: Наука, 1989. -380 с.

71. Танаев B.C., Гордон B.C., Шафранский Я.Н. Теория расписаний. Одностадийные системы.— М.: Наука, 1984. — 381 с.

72. Танаев B.C. Сотсков Ю.Н., Струсевич В.А. Теория расписаний. Многостадийные системы.— М.: Наука, 1989. — 328 с.

73. Теория расписаний и вычислительные машины / Под ред. Э.Г Коффмана. -М.: Наука, 1984.-333 с.

74. Технологическая инструкция ОАО «ОЭМК» «Выплавка стали в дуговых электропечах».

75. Технологическая инструкция ОАО «ОЭМК» «Непрерывная разливка стали».

76. Трахтенгерц Э. А. Компьютерные системы поддержки принятия управленческих решений \\ статьи международной конференции по проблемам управления. Москва 2003.

77. Триус Е. В. Задачи математического программирования транспортного типа / Е. В. Триус. М.: Советское радио, 1967. - 206 с.

78. Управление ГПС: модели и алгоритмы. Под общ. ред. С. В. Емельянова. -М.: Машиностроение, 1987. 368 с.

79. Ху Т. Целочисленное программирование и потоки в сетях.—М.: Мир, 1979,—519 с

80. Цуканов М. А. Боева Л. М. Математическое моделирование сталеплавильного производства как основа алгоритмов оперативного управления. Старый Оскол; Пятая научно практическая конференция студентов, аспирантов и соискателей: СТИ МИСиС, 2009 г.

81. Цуканов М. А., Боева Л. М. Сталеплавильное производство как агрегативная система // Ижевск, Труды 6 Всероссийской школы-семинара «Управление Большими Системами», т.2, 2009г. с. 359-370.

82. Цуканов М. А., Боева Л.М. Моделирование технологической координации оборудования сталеплавильного цеха на основе аппарата вложенных сетей Петри. Воронеж «Электротехнические комплексы и системы управления», 2010г., № 2(18), с. 51-54.

83. Чекинов Т.П., Чекинов С.Г. Применение технологии многоагентных систем для интеллектуальной поддержки принятия решения (ИППР). М; -электронный научный журнал «Системотехника» № 1, 2003 г.

84. Юсупова Н. И., Сметанина О. II., Ахтариев Л. А. Мета-эвристичеекпй алгоритм для составления расписаний // Социально-экономические и технические системы. 2006. .№8.

85. Adams J., Balas Е., Zawack D. The shifting bottleneck procedure for job shop scheduling// Management Science. 34 (3): 391 — 401. March 1988.

86. Agre P. E, Chapman D. Pengi: an implementation of a theory of activity // Proceedings of the 6th National Conference on Artificial Intelligence, San Mateo. -CA: Morgan Kaufmann. 1987. - P. 268-272.

87. Bradshaw J.M, Outfield S, Benoit P, Woolley J.D. KAoS; toward an industrial-strength open agent architecture / Software Agents. 1997. - P. 375-418.

88. Brooks R. A. A robust layered control system for a mobile robot // IEEE Journal of Robotics and Automation 2(1). 1986. - P. 14-23.

89. Brustoloni J. C. Autonomous agents: characterization and requirements //Carnegie Mellon Technical Report CMU-CS-91-204. Pittsburgh: Carnegie Mellon University, 1999.-P. 122-221.

90. Burnet F.M. A modification of Jerne's theory of antibody production using the concept of clonal selection. Australian Journal of Science 20. 1957. - P. 67-69.

91. C.W. Leung, T.N. Wong. Integrated process planning and scheduling by an agent-based ant colony optimization. Computers & Industrial Engineering 59 (2010)- 166-180.

92. Carlier J. The one-machine sequencing problem //' European Journal of Operational Research. 1982. Vol. 11. P. 42-47.

93. Coffman E. G. Deterministic Scheduling to Minimize Mean Number in System / Coffman E.G., Jr. Labetovlte L. Texnical report, Jnstitut de Recherche d'Jnformatique et d'Automalique, Rocquencourt, France, 1975. - p. 31-48.

94. Coffman E.G. Survey of Mathematical Results in Flow Time Scheduling for Computer Systems, Coffman E.G. Proceedings, G1 73. - Hamburg: Springer — Verlag, 1973.-p. 25-46,

95. De Castro L.N. & Timmis J. Artificial Immune Systems: A New Computational Intelligence Approach. 2002. - 357 p.

96. De Castro L.N., Von Zuben F.J. (2000a), The Clonal Selection Algorithm with Engineering Applications, submitted to GECCO'OO.

97. De Castro L.N., Von Zuben F.J. Artificial Immune Systems. Part II: A Survey of Applications, Technical Report. - RT DCA 02/00, FEEC/UNICAMP. -Brazil, 2000. - 64 p.

98. Dean T, Alien J, Aloiffionos Y. Artificial intelligence theory and practice. -Benjamin/Cummings, 1995. - 273 p.

99. Drawing up month schedules for "steel-rolled metal" system / A,A. Kugushin, V.J. Solovjov, S.M. Kulakov, V.V. Zimin // Algorithms for production control and scheduling. Proceedings, Karlovy Vary. 1976. - p. 203 - 213.

100. Ferber J. Simulating with reactive agents / Hillebrand E, Stender J. (Eds.), Many Agent Simulation and Artificial Life, Amsterdam: IOS Press. 1994. - P. 8-28.

101. Fisher K, Mulier J. P, Pischel M. Unifying control in a layered agent architecture/ Technical report TM-94-05, German Research Center for AI (DFKI GmbH).- 1996.-377 p.

102. Foner L. What's an agent, anyway? A sociological case study / Agents Memo 93-01, MIT Media Lab, Cambridge, MA. 1993. - P. 27-74.

103. Franklin S, Graesser A. Is It an agent, or just a program?: A taxonomy for autonomous agents, in intelligent agents III agent theories, architectures, and langues/ M. Mulier (ed.). - Berlin: Springer, 1996. - P. 11-46.

104. Genesereth M. R, Ketchpel S. P. Software agents, communications of the ACM37(7). 1994.-P. 48-53.

105. Gu F., Aickelin U., Greensmith J. An Agent-based Classification Model // School of Computer Science University of Nottingham 2011.

106. Hayes-Roth B. An architecture for adaptive intelligent systems, artificial intelligence: Special issue on agents and interactivity. 1995. -12- P. 329-365.

107. Huhns M. N, Singh M. P. Distributed artificial intelligence for information systems. 1994. - P. 97-104.

108. Huhns M.N., Singh M.P. Readings in agents. Morgan Kaufmann Pub, 1997.-311 p.

109. Huhns M.N., Singh M.P. Agents and multi-agent systems: themes, approaches, and challenges / Readings in Agents, Huhns M.N, Singh, M.P. (Eds.). San Francisco, Calif.: Morgan Kaufmann Publishers, 1998. - P. 1 - 23.

110. Jennings N.R, Sycara K, Wooldridge M. A Roadmap of Agent Research and Development // Autonomous Agents and Multi-Agent Systems Journal. -Boston: Kluwer Academic Publishers , 1998. 1, Is. 1. - P. 7-38.

111. Johnson S.M, Optimal two-and three-stage production schedules with setup times included/ S.M.Johnson//bNav.Res.Log.Qwart -1954/V/1.№ l.-p. 15 -25.

112. Kohler W.H. Characterization and Theoretical Comparison of Branch -and Bound Algorithms for Permutation Problems / W.H4 Kohler, K. Stieglitz // J. of the ACM.- 1974.-V.21.-№ l.-p. 140-456

113. Kohler W.H. Exact, Approximate, and Guaranteed Accuracy Algorithms for the Flow-Shop Problem u/2 / F/F / W. H. Kohler, K. Steiqlitz. -Journal of the ACM -1975, 22.-№ 1 p. 106-114.

114. Krogh C. The rights of agents, in intelligent agents II agent theories, architectures, and langues / M. Mulier (ed.) - Berlin: Springer, 1995. - 279 p.

115. Labrou Y, Finin T. A semantics approach for KQML — a general purpose communication language for software agents // Third International Conference on Information and Knowledge Management (CDCM'94), November 1994. 1994. - P. 354 -378.

116. Maes P. Artificial life meets entertainment: life like autonomous agents // Communications of the ACM. 1995. - 11. - P. 108-114.

117. Maes P. Designing autonomous agents: theory and practice from biology to engineering and back. London: The MIT Press. - 1991 - 221 p.

118. Min Liu, Zhi-jiang Sun. An adaptive annealing genetic algorithm for the job-shop planning and scheduling problem. Expert Systems with Applications 38 (2011).

119. Mojtaba Salehi, Reza Tavakkoli-Moghaddam. Application of genetic algorithm to computer-aided process planning in preliminary and detailed planning. Engineering Applications of Artificial Intelligence 22 (2009).

120. Nwana H. S, Lee L, Jennings N. R. Coordination in software agent systems // British Telecommunications Technology Journal. 1996. - 14 (4), - P. 21-42.

121. Nwana H.S. Software agents: an overview // Knowledge Engineering Review / Cambridge University Press. 1996. - 11,- No 3. - P. 1-40.

122. Rong-Hwa Huang, Chang-Lin Yang. Overlapping production scheduling planning with multiple objectives An ant colony approach. Int. J. Production Economics 115 (2008) - 163- 170.

123. Sathyanath S., Sahin F. AISIMAM An Artificial Immune System Based Intelligent Multi Agent Model and its Application to a Mine Detection Problem // Dept of Electrical Engineering, Rochester Institute of Technology -2011.

124. Shoham Y. An overview of agent-oriented programming, software agents/ Bradshaw J.M. (ed.). AAAI Press, Memo Park, CA, USA, 1997. -310 p.

125. Smith D. C, Cypher A, Spohrer J. KidSim: programming agents without a programming language // Communications of the ACM. 1994. - 37. - P. 55 -67.

126. Szwarz W.O. Pewryn zadanieniu Kollinosci / W.O. Szwarz// Prz. Statysl. -1962,V.9, №4.

127. Vaessens R. J. M., Aarts E. H. L., Lenstra J. K. Job shop scheduling by local search//INFORMS J. Comput. S (3): 302—317. 1996.