Формирование профиля компактного производства с использованием компьютерных технологий Текст научной статьи по специальности «Экономика и бизнес»

ФОРМИРОВАНИЕ ПРОФИЛЯ КОМПАКТНОГО ПРОИЗВОДСТВА С ИСПОЛЬЗОВАНИЕМ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ А.Г. Г ривачевский, канд. техн. наук, доцент,

Д.Н. Свирский, канд. техн. наук, доцент

Объединенный институт проблем информатики НАН Беларуси, г. Минск

В статье исследованы инженерные задачи формирования профиля компактной системы производства машиностроительной продукции. Предложены интеллектуальные средства для компьютерной поддержки их эффективного решения. Представлены результаты кибернетического моделирования производственной системы. Процедуры макроструктурирования компактной производственной системы интерпретированы, как последовательное решение задач комбинаторной оптимизации и распознавания образов методами генетического и нейросетевого программирования. На основе рассмотренных технологий искусственного интеллекта предложена принципиальная схема многоагентной системы автоматизации формирования профиля компактного производства конкурентоспособной машиностроительной продукции

Введение. Промышленное предприятие как самостоятельно хозяйствующий субъект выполняет ряд функций, главной из которых является производственная - т.е. эффективное изготовление конкурентоспособной продукции. Именно это, в конечном итоге, определяет конкурентные преимущества предприятия (его конкурентоспособность) на целевом рынке. Таким образом, производственная система (ПС), реализующая указанную функцию, обусловливает успешную работу предприятия в целом.

Успешное функционирование промышленного предприятия предполагает обеспечение его финансовой устойчивости за счет поддержания оптимального соотношения показателей, характеризующих, во-первых, связи с внешней экономической средой, во-вторых, внутреннее состояние ПС. В период относительной стабильности конъюнктуры рынка на первый план выходит задача снижения производственных издержек. В период перехода в новый рыночный сегмент и/или освоения новой продукции основной становится задача сокращения затрат на реинжениринг

ПС и, прежде всего, реконфигурирование комплекса ее технических средств. Таким образом, минимизация стоимости создания и содержания основных фондов ПС в течение всего планового периода ее функционирования при обеспечении выпуска конкурентоспособной продукции меняющейся номенклатуры является жизненно важной задачей для любого промышленного предприятия.

Праксиологический анализ ПС. ПС реализует производственную функцию W превращения потока ресурсов X в готовую продукцию У (рис. 1). В стоимостном выражении эти переменные могут быть интерпретированы как ЗТ - совокупные текущие затраты на ресурсы в течение планируемого периода эксплуатации ПС и Д - объем выпуска продукции за тот же период. Следовательно, соотнесение разности этих величин с затратами на приобретение и обслуживание основных производственных фондов ЗФ с праксиологической точки зрения [1] может служить одним из объективных показателей эффективности ПС:

Кк = (Д - Зт) / Зф . (1)

X

W

У

Рис. 1. «Черный ящик» ПС

Использование аппарата «обратных вычислений» [2] дает возможность определить требуемые значения переменных Д, Зт и Зф, исходя из желаемого значения показателя КК. Графическая интерпретация зависимости КК+ = /(Д Зт— Зф“) представлена на рис. 2а. Знаки «+» и «—» показывают тенденцию требуемо-

К +

Д

го увеличения или уменьшения соответствующих переменных. Знак «~» применен авторами для характеристики приближенного численного значения планируемого к реализации в изменчивых рыночных условиях объема выпуска продукции.

Кк +

а

П' +

в

З

З

З

Ф

Ф

Т

а) б)

Рис. 2. Диаграммы обратных вычислений в ходе анализа ПС

Введение фиктивной переменной П' = ф (Д ~, ЗТ_) и назначаемых коэффициентов относительной важности а для переменной П' и в для переменной ЗФ (рис. 2б) позволяет привести выражение (1) к виду

Кк+ = (П'+ а) / (Зф- в).

Отсюда следует, что повышение показателя КК на величину ДКК возможно при изменении регулируемых переменных на ДП' и ДЗФ. Тогда

КК + ДКК = (П' + ДП')/(ЗФ - ДЗФ), при этом ДП'/ДЗФ = а/в.

Таким образом, требуемое уменьшение ЗФ равно ДЗф = ((Кк + ДКк) Зф - П') / ((Кк + ДКк) + а/в), а увеличение П': ДП' = (ДЗФ а) / в.

Величину Кк можно назвать коэффициентом компактности ПС, характеризующим степень ее совершенства - «идеальности» в терминах ТРИЗ [3].

Компактная производственная система (КПС) сочетает свернутость в пространстве и времени с минимально необходимым уровнем функционально-ресурсной избыточности. Ее эффективное функционирование поддерживается современными средствами компьютерного проектирования, мониторинга и управления

[4].

Кибернетическая модель КПС. Детализируя схему КПС (см. рис. 1) до «серого ящика» (рис. 3), необходимо отметить на ней действующие внешние возмущения, прежде всего, колебания потока заказов (плана выпуска) Я. Эти возмущения вместе с возможными изменениями потока поставляемых материальных ресурсов :£Х вызывают в соответствии с «принципом необходимого разнообразия» У. Р. Эшби необходимость в определенной степени вариабельности технологической структуры ПС как системы управления.

IX

Адаптер

- £

X

X

<$н-

Инвариант

Y

Рис. 3. КПС как «серый ящик»

I

0

у

В КПС, построенную как комбинированная система управления, т.е. сочетающую управление по возмущению и управление по отклонению с отрицательной обратной связью (контур £У контроля качества продукции), включен специальный адаптивный компонент, компенсирующий по принципу инвариантности [5] внешние возмущения. В результате основная (инвариантная) часть комплекса технологического оборудования КПС функционирует ритмично функционирует в нормальном заданном режиме.

Процедуры макроструктурирования КПС. Процесс построения КПС как сложной технической системы осуществляется последовательно в три этапа:

• макроструктурирование;

• структурно-параметрический синтез;

• адаптивная структурная настройка.

Этап макроструктурирования включает процедуры формирования рыночного профиля и производственно-технического облика КПС. Первая процедура основана на маркетинговом исследовании и решает задачу определения номенклатуры продукции, обес-

печивающей нормальное (т. е. прибыльное) функционирование КПС в течение расчетного периода. В результате первичного анализа рынка на основе разных источников информации выявляется некоторое множество товаров, производство которых с той или иной степенью вероятности будет высокорентабельным в течение расчетного периода. Одновременно прогнозируется емкость целевых сегментов рынка.

Отобранные таким образом виды продукции анализируются с целью определения степени их технологической общности для предварительного организационно-технологического группирования изделий. Существенность технологической общности по типовым технологическим процессам можно оценивать с помощью следующих критериев:

• абсолютная длительность операции К:= 1 (мин.);

• относительная длительность операции К2 = 1 1

• абсолютные приведенные затраты на операцию К3 = СМ t (руб.), где СМ - приведенные минутные затраты на операции (руб./ мин.);

• относительные приведенные затраты на операцию: К4 = См1 1 1 / 2 (С м 1 1 1).

Используя, например, критерий К4, (рис. 4) осу ществляется предварительное организационно технологическое группирование изделий.

К41:

К4!з

1 Техпроцесс

2 Техпроцесс

3 Техпроцесс

Рис. 4. Конкурирующие инварианты технологических процессов

В результате вторичного анализа рынка формируется наилучший набор связанных (технологическими инвариантами) видов продукции. Таким образом, определяется профиль КПС, т. е. область ее рентабельного функционирования в ассортиментноваловом континууме потенциальных изделий и выделяется конструктивный инвариант продукции. На последней стадии макропроектирования формируются функционально-технические характеристики КПС, и уточняется технико-экономическое обоснование проекта.

Компьютерная поддержка формирования профиля КПС. Формирования профиля КПС представляет собой задачу принятия (предпринимательского) решения, формальная модель которой имеет следующий вид:

цоп = СОП (Ц)

<Ц,ОП>

где <Ц,ОП> - задача принятия проектного решения, Ц - множество вариантов, ОП - принцип оптимальности, СОП - функция выбора, которая сопоставляет любому подмножеству Х с Ц его часть СОП (Х).

Задача <Ц,ОП> решается в два этапа:

1) формируется множество Ц - т.е. решается задача выбора <ЦУ,ОП1>, используя условия возможности и допустимости вариантов;

2) решается задача выбора <О,ОП>, где О известно [6].

Задача выбора в данной трактовке является классической задачей комбинаторной оптимизации «рюкзачного» типа. Принципом оптимальности при этом является величина потенциальной прибыли от реализации продукции, а ограничением - объем авансируемого капитала. Наиболее эффективные из современных методов решения в той или иной мере основаны на эволюционном программировании - технологии параллельного поиска глобального экстремума, использующей сразу несколько «кандидатов на решение», которые образуют развивающуюся по определенным как бы естественной эволюцией законам «популяцию». При этом механизм отбора - «выживает наиболее приспособленный» - позволяет отсеять неподходящие варианты и выделить, а затем и усилить положительные качества вариантов, наиболее полно отвечающих поставленной цели. Стандартный генетический алгоритм (рис. 5) путем применения трех операторов: отбора, кроссинговера (скрещивания) и мутации автоматически решает оптимизационную задачу в следующей постановке: «найти такое значения варьируемых параметров, которые максимизируют целевую функцию при условии, что указанные параметры удовлетворяют допустимой области, задание которой диктуется спецификой решаемой задачи».

Ґ >

Создание началь-

ной популяции

V г

Ґ N

Вычисление

Копирование решений —► функции пригод-

ности

ч У ч )

к Следующее

поколение 1 г

Ґ N

Кроссинговер, 4 Отбор

мутация

V ) У

Рис. 5. Блок-схема цикла поиска оптимальных решений с помощью генетического алгоритма

Для организационно-технологического группирования изделий (по сути, решения задачи распознавания образов) используется нейросетевое программирование, в частности, на основе сети многослойного персептрона. Вершинами на рисунке 6 обозначены элементарные преобразователи информации - нейро-

ны, а дугами - связи между ними, имеющие разную «силу» (веса синаптических связей). В ходе вторичного анализа рынка процедура формирования наилучшего набора связанных технологическими инвариантами видов продукции так же выполняется с помощью генетического программирования.

Рис. 6. Структурная схема многослойного персептрона

Рассмотренные программно-методические средства легли в основу многоагентной системы (МАС)

компьютерной поддержки принятия инженерных ре- которой представлена на рисунке 7.

шений при планирования профиля КПС, структура

Рис. 7. Структура МАС планирования KTC

В предлагаемой МАС агент-‘аналитик’ осуществляет активный поиск видов актуально востребованной продукции. При этом основным источником информации служат данные запросов поисковых машин 1п1егпе1. На основании их анализа производится моделирование параметров спроса на конкретный вид техники. Для повышения компетенции агент-аналитик имеет возможность расширять исследуемый ассортимент продукции путем добавления отдельных ее видов в свою базу знаний. Агент-‘эксперт’ оптимизирует ассортиментный плана выпуска продукции, исходя из размеров авансируемого капитала, методической и справочной технико-экономической информации, а также «помощью» других агентов, участвующих в этом проекте. После реализации пилотной серии продукции, в МАС появляется агент-‘сервис’, повышающий устойчивость функционирования системы путем осуществления отрицательной обратной связи за счет потока аналитической информации о послепродажном этапе жизненного цикла произведенных изделий.

Заключение. На основе анализа инженерных задач формирования профиля КПС для изготовления конкурентоспособной машиностроительной продукции предложены интеллектуальные средства для компьютерной поддержки их эффективного решения. Структура КПС как система управления состоит из инвариантного и адаптивного компонентов. Для эффективной автоматизации процедур макроструктурирования КПС целесообразно использовать систему интеллектуальных агентов, реализующую методы генетического и нейросетевого программирования. В настоящее время разработано программно-

методическое обеспечение МАС поддержки принятия инженерных решений в компактном производстве наукоемкой машиностроительной продукции на малом инновационном предприятии.

Литература

1. Гаспарский В. Праксеологический анализ проектно-конструкторских разработок / В. Гаспарский. М.: Мир, 1971. 172 с.

2. Одинцов Б.Е. Обратные вычисления в формировании экономических решений / Б.Е. Одинцов. М.: Финансы и статистика, 2004. 192 с.

3. Саламатов Ю.П. Как стать изобретателем / Ю.П. Саламатов. М.: Просвещение, 1990. 240 с.

4. Свирский Д. Н. Организация и технология компактного производства. Теория и практика: монография / Д.Н. Свирский, Б.Н. Сухиненко. Витебск: ВГТУ, 2007. 200 с.

5. Алиев Р.А. Промышленные инвариантные системы автоматического управления. / Р.А. Алиев. М.: Энергия, 1971. 175 с.

6. Svirsky D. Application of combinatorial optimisation methods for the compact manufacturing systems concurrent design / D. Svirsky // Proc. of 15th conf of the European Chapter on Combinatorial Optimization, Lugano, IDSIA, 2002, p. 54.

Э (+375-17) 284-21-45

Ключевые слова: компактная производственная система, профиль производственной системы, принятие решений, интеллектуальный агент, многоагентная система