CC BY
88DOI 10.47576/2712-7516_2022_6_9_846 УДК 338.364
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ АВТОМАТИЗАЦИИ ПРОИЗВОДСТВА В СТРАТЕГИИ УСТОЙЧИВОГО РАЗВИТИЯ ВЫСОКОТЕХНОЛОГИЧНЫХ ПРЕДПРИЯТИЙ
Батова Марина Михайловна,
доцент кафедры информатики и управления, Военный университет имени князя Александра Невского Министерства обороны Российской Федерации, г. Москва, Россия, е-mail: [email protected]
Баранова Ирина Вячеславовна,
кандидат экономических наук, доцент кафедры управления и регионального развития, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, г. Москва, Россия, е-mail: [email protected]
Баранов Вячеслав Викторович,
доктор экономических наук, профессор института бизнеса и делового администрирования, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, г. Москва, Россия, е-mail: [email protected]
Чжао Кай,
преподаватель-исследователь кафедры управления и информатики в технических системах, Московский государственный технологический университет «СТАНКИН», г. Москва, Россия, е-mail: [email protected]
В статье рассматривается качественное повышение уровня автоматизации производства путем создания интеллектуальных систем и их интеграции в стратегию производства и продвижения на новые рынки сбыта продуктовых инноваций. Рассмотрены особенности современного развития систем автоматизации высокотехнологичных предприятий. В качестве инструмента модернизации и автоматизации производства предлагается концепция ИПИ(CALS)-технологий, описана ее структура и схема реализации в управлении производством высокотехнологичного предприятия. Предложен пошаговый алгоритм создания интеллектуальной системы автоматизации производства высокотехнологичного предприятия.
Ключевые слова: устойчивое развитие; управление производством; высокотехнологичное предприятие; ИПИ(CALS)-технологии; автоматизация производства; информационные системы; интеллектуальные системы.
UDC 338.364
INTELLIGENT PRODUCTION AUTOMATION SYSTEMS IN THE STRATEGY OF SUSTAINABLE DEVELOPMENT OF HIGH-TECH
ENTERPRISES
Batova Marina Mikhailovna,
Associate Professor, Department of Informatics and Control, Prince Alexander Nevsky Military University of the Ministry of Defense of the Russian Federation, Moscow, Russia, е-mail: [email protected]
Baranova Irina Vyacheslavovna,
Candidate of Economic Sciences, Associate Professor of the Department of Management and Regional Development, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, Moscow, Russia, e-mail: [email protected]
Baranov Vyacheslav Viktorovich,
Doctor of Economics, Professor of the Institute of Business and Business Administration, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, Moscow, Russia, e-mail: yar. baranow@gmail. com
Zhao Kai,
Research Lecturer, Department of Control and Informatics in Technical Systems, Moscow State Technological University "STANKIN", Moscow, Russia, e-mail: zhaokaikimi@gmail. com
The article discusses a qualitative increase in the level of production automation by creating intelligent systems and integrating them into the production strategy and promoting product innovations to new markets. The features of the modern development of automation systems for high-tech enterprises are considered. As a tool for the modernization and automation of production, the concept of CALS technologies is proposed, its structure and implementation scheme in the production management of a high-tech enterprise are described. A step-by-step algorithm for creating an intelligent production automation system for a high-tech enterprise is proposed.
Keywords: sustainable development; manufacturing control; high-tech enterprise; CALS-technologies; production automation; Information systems; intelligent systems.
Для российских предприятий современный этап развития характеризуется высоким уровнем турбулентности и неопределенности внешней среды, что во многом является следствием антироссийских санкций «коллективного Запада». В этих условиях задача формирования стратегии устойчивого развития предприятий существенным образом усложняется, поскольку нарушаются логистические цепочки и кооперационные связи с зарубежными партнерами, кардинально меняются рынки сбыта [2].
Особенно актуальна такая задача для высокотехнологичных предприятий. Эти предприятия имеют высокую стоимость основных средств и нематериальных активов. Цена отклонения фактических финансово-экономических показателей (выручки, чистой прибыли, рентабельности и т.д.) от запланированных значений этих показателей для высокотехнологичных предприятий может быть чрезвычайно высока, особенно когда эти отклонения носят критический характер.
Однако высокотехнологичные предприятия имеют высокий производственный, инновационный и интеллектуальный потенциал. Наличие этих составляющих является неоспоримым конкурентным преимуществом
высокотехнологичных предприятий, источником их устойчивого развития в стратегической перспективе [3]. Поэтому инструментами устойчивого развития российских высокотехнологичных предприятий выступают разработка конкурентоспособных технологических инноваций [9], качественное повышение уровня автоматизации путем создания интеллектуальных систем и их интеграции в стратегию производства и продвижения на новые рынки сбыта продуктовых инноваций, развитие евразийского сотрудничества, в первую очередь с Китаем и Индией [6; 13; 28; 27].
Современное производство отличается многоаспектностью решения проблемы инновационного развития, о чем свидетельствует реализация ключевых направлений Четвертой промышленной революции, положившей начало качественно новой концепции трансформации европейских макроэкономических систем. В российской экономике инновационное развитие связывается с реализаций программы «Национальная технологическая инициатива», включая такую ее составляющую, как «Технет». Программа «Технет» предусматривает разработку и использование современных технологий в
сфере производства и управления. Эта программа охватывает такие направления, как:
- цифровое моделирование процессов проектирования технологических инноваций;
- создание материалов с качественно новыми свойствами;
- разработка аддитивных и гибридных технологий;
- автоматизация производственных процессов путем внедрения промышленной и коллаборативной робототехники с широкими функциональными возможностями;
- цифровизация, охватывающая формирование на предприятиях единого цифрового пространства, интегрирующего различные виды информационных систем.
Развитие идей процессного подхода к управлению привело к смещению акцентов управления производственными предприятиями. Ключевым звеном в системе управления стали бизнес-процессы, являющиеся значимым ресурсом предприятия. Формирование в рамках процессного подхода к управлению таких концепций, как реинжиниринг бизнес-процессов, производство «точно в срок», бережливое производство и т.д. усилило роль информационных технологий в процессах управления высокотехнологичными производственными системами [3; 7; 8].
Интеграция в единое пространство информационных систем, решающих различные производственные и управленческие задачи, привела к повышению уровня информатизации не только процессов изготовления продукции, но и процессов конструкторской, технологической и организационной подготовки автоматизированного производства [5]. Стали активно развиваться информационные технологии, обеспечивающие поддержку жизненного цикла изделий (ИПИ-технологии) [24]. Термин «изделие» в ИПИ-технологиях трактуется достаточно широко. Это может быть конечная продукция, ее отдельные детали, узлы или сборочные единицы. Причем в концепции ИПИ-технологий изменяется и трактовка термина «жизненный цикл», который рассматривается не как временной период существования продукции (изделий), а как процесс последовательного изменения состояния продукции (изделий) [17].
Англоязычным аналогом термина «ИПИ-технологии» является термин «CALS-технологии». В зарубежной литературе этот
термин в процессе развития технологий информационной поддержки процессов жизненного цикла изделий претерпел существенную трансформацию, начиная от первоначальной трактовки «компьютеризированная поддержка логистических систем (Computer-Aided Acquisition and Logistics Support)» и заканчивая современной трактовкой «компьютеризированный сбор данных и поддержка жизненного цикла (Computer-Aided Acquisition and Lifecycle Support)» [25]. В качестве промежуточных трактовок использовались такие термины, как «компьютеризированные поставки и поддержка (Computer-Aided Acquisition and Support)», «поддержка непрерывных поставок и жизненного цикла» (Computer-Aided Acquisition and Lifecycle Support), а также «бизнес в высоком темпе» (Commerce At Light Speed) [1; 23].
Концептуальные положения ИПИ(CALS)-технологий нашли свое отражение в соответствующей методологии и стандартах, регламентирующих процессы компьютерной поддержки этапов жизненного цикла продукции (изделий).
Стандарты обеспечивают информационную интеграцию составляющих ИПИ(CALS)-технологий. В первую очередь это касается стандартов форматов данных, например стандарта цифрового представления для обмена данными, отражающими характеристики продукции (Digital Representation for Communication of Product Definition Data -IGES-стандарта). С использованием этого стандарта, ориентированного на применение двух- или трехмерных графических векторных форматов, построены многие отечественные САПР и зарубежные CAD (Computer-aided design)-программы.
Большие возможности для хранения информации по сравнению с IGES-стандартами предоставляют STEP-стандарты (STandard for Exchange of Product model data). Эти стандарты, регламентируя процессы обмена моделями данных, позволяют детально описать стадии и этапы жизненного цикла, включая не только технологические процессы изготовления изделия (продукции), но и процессы контроля различных объектов качества (материалов, незавершенного производства, готовой продукции, технологических процессов и т. д.).
ИПИ(CALS)-концепция, ориентированная
на интеграцию в процесс управления жизненным циклом изделия (продукта) информационных систем и технологий, а также непрерывное использование этих инструментов обеспечила российским предприятиям ряд преимуществ. В частности, были созданы условия для применения единообразных способов управления процессами, протекающими в рамках жизненного цикла изделий (продукции).
В основе концепции построения ИПИ(CALS)-систем лежит постулат наличия тесной взаимосвязи изделия (продукта), а также сред, в которых протекает его проектирование и использование. Причем эти составляющие рассматриваются как динамические характеристики ИПИ(CALS)-системы. Это означает, что характеристики этих взаимосвязанных между собой составляющих непрерывно изменяются на интервале жизненного цикла изделия (продукта).
Исходя из этого постулата, реальные бизнес-процессы автоматизированной производственной системы переносятся в виртуальное информационное пространство. В этом пространстве выполняется компьютерное описание изделия (продукта), а среды, в которых осуществляется проектирование и эксплуатация изделия (продукта), представляются в виде информационных систем, позволяющих в динамике моделировать различные процессы. Схема реализации и структура ИПИ(CALS)-концепции в управлении производством высокотехнологичного предприятия представлена на рис. 1.
Дальнейшее развитие концепции построения ИПИ(CALS)-систем привело к созданию информационно-программных комплексов, получивших в зарубежной литературе название PLM-системы (Product Life-cycle Management). Эти системы обеспечивают комплексное управление жизненным циклом изделия (продукта). Концепция создания PLM-систем отражает стратегический подход к автоматизации производства. В рамках этого подхода формируется широкий спектр совместимых между собой решений. Подобные решения обеспечивают информационную поддержку процессов жизненного цикла, начиная от появления идеи и проектирования изделия (продукта), затем его изготовления, доведения до потребителей, эксплуатации и заканчивая утилизацией. Основным досто-
инством PLM-систем является возможность интеграции трех составляющих:
- во-первых, материальных и интеллектуальных ресурсов;
- во-вторых, реализуемых в рамках жизненного цикла продукта (изделия) бизнес-процессов;
- в-третьих, возникающих информационных потоков.
Практическая реализация PLM-концепции обеспечивается за счет использования различных информационных систем. В первую очередь это касается CAD-CAE-CAM-систем [15]. В этой триаде компьютерная поддержка процессов проектирования изделия (продукта) обеспечивается CAD-системами (computer-aided design), а процессов изготовления изделия (продукта) - САМ-системами (computer-aided manufacturing). САЕ-систе-мы (computer-aided engineering) необходимы для компьютерной поддержки инженерных расчетов и их анализа с целью выбора оптимального инженерного варианта [10]. Для управления данными об изделии (продукте) применяются PDM-системы (Product Data Management).
Для управления производственными процессами используются MESсистемы (Manufacturing Execution System) [10]. Планирование потребностей предприятия в материалах обеспечивается с помощью MRPIсистем (Material Requirements Planning). Логическим развитием этой системы стала MRPIIсистема (Manufacturing Resource Planning), которая в отличие от системы MRPI охватывает больший спектр планируемых ресурсов и позволяет осуществлять как операционное (в натуральных показателях), так и финансовое (в денежном выражении) планирование производства. Дальнейшее развитие стратегии MRPII привело к появлению ERP-систем, которые обеспечивают интеграцию процессов управления производством, интеллектуальными и финансовыми ресурсами, а также активами предприятия.
Взаимоотношения предприятия с потребителями на информационном уровне регламентируются с помощью CRM-систем (Customer Relationship Management), а эффективное управление цепями поставок достигается путем использования SCM-систем (Supply Chain Management). SCM-система охватывает прикладное программное обе-
спечение, предназначенное для автоматизации процессов управления всеми стадиями и этапами взаимодействия предприятия с контрагентами, включая этап закупки сырья, материалов и комплектующих, стадии производства продукции и ее продвижение к потребителям.
Структурно SCM-система охватывает два составляющие:
- во-первых, планирование цепей поставок, включая формирование расписаний и календарных планов-графиков; на основе анализа расписаний осуществляется моделирование различных ситуаций и выбираются наиболее приемлемые для предприятия варианты;
- во-вторых, реализация выбранных вариантов поставок, включая контроль логистических операций.
Управление эффективностью деятельности предприятия обеспечивают CPM-системы (Corporate Performance Management), позволяющие реализовать набор управленческих функций, включая планирование, организацию, контроль и анализ. Использование CPM-систем дает возможность сформировать совокупность стратегических, тактических и оперативных целей предприятия и управлять процессами достижения этих целей, оптимизируя процессы использования имеющихся у предприятия ресурсов.
Рисунок 1 - Структура ИПИ(CALS)-концепции в управлении производством
Следствием развития в рамках ИПИ(СА15)-технологий РЬМ-систем стало появление так называемых виртуальных производств. Эти производства характеризуются распределением во времени, то есть по шагам проектно -го цикла, и в пространстве, то есть между различными автономными в организационном плане проектными структурами процесса разработки конструкторско-технологической документации. Создаваемая в электронном виде документация виртуального производства содержит всю информацию, необходимую для изготовления изделия (продукта) в роботизированных программно-управляемых комплексах, объединяющих высокоавтоматизированное основное и вспомогательное оборудование [26].
Современная РЬМ-концепция ориентирована на использование в процессах проектирования изделий (продуктов) и управления их производством открытых распределенных автоматизированных систем. Подобные системы создаются как совокупность модулей, разделенных в пространстве производственной среды. Каждый из этих модулей функционирует в автономном режиме и взаимодействует с другими модулями, решая конкретные задачи. Объединение полученных результатов решения задач отдельными модулями генерирует эффект синергии и позволяет достичь поставленных целей. Открытость распределенной автоматизированной системы означает возможность ее дополнения различными элементами, моду-
лями и подсистемами, что позволяет системе решать более сложные задачи без увеличения избыточности системы.
Переход к цифровой экономике генерировал необходимость развития идей ИПИ(CALS)-технологий, в частности стимулировал разработки в области повышения уровня функциональности как используемых информационных систем, так и основного, а также вспомогательного оборудования. Результатом этих разработок стало качественное повышение уровня автоматизации производственных систем. В условиях цифровой трансформации промышленных предприятий и их перехода в разряд высокотехнологичных предприятий основным инструментом решения задачи качественного повышения уровня автоматизации производственных систем российских предприятий становится их инновационная модернизация.
Основная идея инновационной модернизации, реализуемая в рамках цифровой трансформации промышленных предприятий, заключается в изменении принципа функционирования организационно-производственных структур предприятия. Если в традиционной организации производства была ориентация в первую очередь на создание условий, обеспечивающих минимизацию потерь времени в производственном процессе, сокращение брака, то инновационная модернизация кардинальным образом изменяет бизнес-процессы предприятия.
Это касается процессов создания продуктовых и процессных инноваций, управления производственными структурами, обучения персонала, взаимоотношений с контрагентами и т.д.
В цифровой среде приоритет получает сервис-ориентированное проектирование [3; 12], предусматривающее возможность выпуска индивидуализированных продуктовых инноваций и их поставку конкретным потребителям. Переход к роботизированным структурам, единому цифровому пространству предполагает, что оборудование организационно-производственных структур, используя концепцию передачи данных между физическими объектами (интернет вещей), может с учетом изменения факторов внешней и внутренней среды высокотехнологичного предприятия в автономном режиме управлять производственным процессом, корректируя оперативно-календарные планы выпуска продуктовых инноваций.
Современные тенденции развития систем автоматизации высокотехнологичных предприятий формируются под влиянием таких факторов, как сложность объекта управления и неопределенность его поведения вследствие изменения факторов внешней и внутренней среды (рис. 2). Это порождает:
- различные виды рисков;
- распределенность объекта управления в пространстве;
- высокую интенсивность информационных потоков, формирующих стратегию и так-
!Я
к к и
й я
3" я
я Си
п с
Н ч
Я о.
3 с
о
X
са
я ж
£ -
о к
и о
к Ц
о о
<и г
«
Н Я ш м я и 5 и о
и ей
Сложность объекта управления
Неопределенность поведения объекта управления
Изменение факторов внешней н внутренней среды
Различные виды рисков
Распределенность объекта управления в пространстве
Высокая интенсивноеть информационных потоков, формирующих стратегию и тактику управления производственной системой предприятия
01ранпченность временных ресурсов, необходимых для принятия управленческих решений
Многокритериальный характер выбора оптимальных решений
Рисунок 2 -
Особенности развития систем автоматизации высокотехнологичных предприятий НАУЧНО-ПРАКТИЧЕСКИЙ ЖУРНАЛ
тику управления производственной системой предприятия;
- ограниченность временных ресурсов, необходимых для принятия управленческих решений,
- многокритериальный характер выбора оптимальных решений.
Ответом на неопределенность и вызовы внешней среды в мировой практике построения высокоавтоматизированных производственных систем выступает интеллектуальная автоматизация производственных процессов, интегрирующая системы искусственного интеллекта и робототехнику [16; 21]. Примерами успешной интеллектуализации научно-исследовательских и производственных процессов являются проекты, выполняемые в промышленно развитых странах. Это проекты, реализуемые под эгидой Агентства по перспективным исследованиям и разработкам Министерства обороны США (Defense Advanced Research Projects Agency - DARPA) и Агентства передовых исследований в сфере разведки (Intelligence Advanced Research Projects Activity - IARPA) [18; 19; 20].
В мировой практике автоматизации производственных систем активно развиваются системы «умного производства» (Smart
Manufacturing или Manufacturing Intelligence). Подобные системы автоматизации, являясь компьютерно-интегрированными структурами, ориентированы на использование цифровых информационных технологий и робототехники. Системы «умного производства» обладают такими характеристиками, как высокий уровень адаптивности к изменению факторов внешней и внутренней среды, включая возможность быстрого изменения параметров производимых инноваций, гибкость обучения персонала.
Организация интеллектуального производства предполагает, что в процессе разработки оптимальных управляющих воздействий на объект управления ключевая роль отводится интеллектуальным информационным системам. В этом случае автоматизация производства предусматривает, что элементы создаваемых организационно-производственных структур (технологическое оборудование, робототехника, контрольно-измерительные и транспортные средства) реализуют стратегию рационального функционирования, предусматривающую спектр действий, направленных на достижение поставленных целей.
Подобное поведение элементов интеллектуальных систем автоматизации про-
Рисунок 3 - Пошаговый алгоритм создания интеллектуальной системы автоматизации производства
высокотехнологичного предприятия
изводства характеризуется не только их способностью осуществлять постановку цели и выбирать оптимальные решения ее достижения, но и способностью прогнозировать желаемые целевые состояния как отдельных гибких роботизированных организационно-производственных структур, так и интеллектуальных систем автоматизации производства в целом [11]. Проектирование интеллектуальных систем автоматизации производства базируется на сочетании процессного и системного подходов к управлению, применении методов исследования операций и теории искусственного интеллекта. При этом учитываются особенности реализуемых в производственной системе технологий.
Процесс создания интеллектуальной системы автоматизации производства высокотехнологичного предприятия может быть описан в виде пошагового алгоритма, включающего последовательность действий, изображенных на рис. 3.
Шаг 1: Определение цели использования высокотехнологичным предприятием интеллектуальной системы автоматизации производства.
Цели использования высокотехнологичным предприятием интеллектуальной системы автоматизации производства устанавливаются на основе анализа слабо формализованных процессов, протекающих в организационно-производственных структурах, интеллектуальная автоматизация которых позволит обеспечить существенный экономический эффект.
Шаг 2: Оценка преимуществ и особенностей функционирования интеллектуальной системы автоматизации производства.
Оценивая преимущества интеллектуальной системы автоматизации производства, следует учитывать, что такие системы создаются как многоуровневые иерархические структуры. Причем в интеллектуальной системе автоматизации производства по мере продвижения по рангам иерархии происходит повышение уровня интеллектуальности, но снижается уровень требований к точности достижения первоначально поставленной цели. При этом при разрыве функциональных связей в уровнях иерархии процесс функционирования системы не останавливается, а повышение уровня интеллектуаль-
ности системы способствует повышению эффективности функционирования системы в турбулентной среде.
При оценке особенностей функционирования интеллектуальной системы автоматизации производства следует учитывать степень неполноты или нечеткости исходной информации, факторы неопределенности внешних возмущений и риски отклонений фактических условий функционирования системы от первоначально заданных условий. Также необходимо принимать во внимание надежность информационных каналов связи, которые предполагается использовать для организации взаимодействия интеллектуальной системы автоматизации производства с внешней средой. Устойчивость таких каналов обеспечивает надежность информационных потоков, поступающих по этим каналам. В этом случае получаемые данные могут быть использованы для составления прогнозов как изменения внешней среды, так и поведения системы в турбулентной среде.
Шаг 3: Определение факторов эффективности использования высокотехнологичным предприятием интеллектуальной системы автоматизации производства.
При определении этих факторов следует учитывать, что интеллектуальные системы автоматизации производства дают возможность выполнять системную обработку знаний. При этом оценка знаний как ресурса системы позволяет отнести производственную ситуацию к некоторому классу и применить теорию ситуационного управления. Согласно этой теории, алгоритм управления для каждого выделенного класса считается известным и обладает высоким уровнем адаптации к изменяющимся условиям функционирования системы.
Шаг 4: Оценка эффективности создания и функционирования интеллектуальной системы автоматизации производства.
Выполняя оценку эффективности создания и функционирования интеллектуальной системы автоматизации производства, целесообразно ориентироваться на совокупность количественных и качественных моделей оценки. Количественные модели предполагают расчет динамических показателей эффективности (чистого дисконтированного дохода, внутренней нормы рентабельности и ряда других).
Качественные модели ориентированы на применение совокупности продукционных правил, на основе анализа которых разрабатывается продукционная модель оценки. Подобная модель позволяет представить процесс оценки в виде предложений типа «если (условие)..., то (действие)...» [22]. Тогда качественная оценка эффективности создания и использования высокотехнологичным предприятием интеллектуальной системы автоматизации производства будет выполняться с помощью предложений и рекомендаций по недопустимости, желательности или предпочтительности того или иного варианта решения [14].
Шаг 5: Формирование инструментария пополнения базы знаний интеллектуальной системы автоматизации производства вновь получаемыми знаниями.
Формируя инструментарий пополнения базы знаний интеллектуальной системы автоматизации производства вновь получаемыми знаниями, следует учитывать, что ключевая тенденция в области управления знаниями состоит в интеграции различных интеллектуальных технологий. Целью подобной интеграции является наилучшее использования преимуществ интеллектуальных технологий при организации процесса функционирования интеллектуальной системы автоматизации производства.
Шаг 6: Определение возможности использования при построении интеллектуальной системы автоматизации производства базовых технологий искусственного интеллекта.
При определении таких возможностей сле-дует ориентироваться на наиболее распространенные интеллектуальные технологии. Из совокупности этих технологий базовыми являются технологии экспертных систем, нечеткой логики, нейросетевых структур, ассоциативной памяти. В ситуации, когда применение высокотехнологичным предприятием интеллектуальной системы автоматизации производства предусматривает учет условий неопределенности, то целесообразно использовать теорию нечеткой логики, которая базируется на нечетких множествах, в которых элементы принимают любые значения в интервале от нуля до единицы.
В этой ситуации становится актуальным развитие информационных систем, реализующих инструментарий гибкого плани-
рования, позволяющего на тактическом и оперативно-календарном уровне управления создать совокупность взаимосвязанных планов, возможности которых позволяют по результатам мониторинга финансово-экономического состояния предприятия вносить изменения в эти планы без их кардинальной переработки.
Подобные планы служат базой для получения оптимальных решений различных задач, сформированных в рамках стратегии развития предприятия. Такие решения основаны на создании и использовании адаптивных алгоритмов, которые в процессе выполнения, анализируя поступающие информационные потоки, изменяют последовательность первоначально заложенных в алгоритм действий. Это дает возможность интеллектуальным системам автоматизации производства приспосабливаться к изменившимся условиям функционирования организационно-производственных структур предприятия. В этом случае процесс генерации целей и оценка их достижимости реализуется путем использования рекуррентных моделей самоорганизации и самообучения системы управления. Это позволяет в условиях изменяющейся внешней среды эффективно решать задачи интеграции интеллектуальных систем в процессы автоматизации производства.
Переход к интеллектуальным системам автоматизации производства сопряжен с качественным изменением не только информационных систем, но и робототехники, которая, взаимодействуя с другими элементами создаваемых роботизированных комплексов интеллектуального производства, приобретает свойства киберфизических производственных систем. Использование инструментов когнитивного управления позволяет обеспечить высокий уровень эффективности функционирования подобных систем. Это достигается путем трансформации неявных знаний (например, знаний и опыта персонала) в явные знания (например, в знания, заложенные в алгоритмы управления когнитивными информационно-управляющими системами).
В этом случае, в соответствии с законами диалектики, роботизированные киберфи-зические производственные системы с траектории накопления знаний смещаются на
траекторию внутренней самоорганизации и качественно нового развития. Онтология (формализация) знаний в роботизированных киберфизических производственных системах выступает как результат концептуального моделирования реализуемых в системе технологических процессов, которые могут носить характер прорывных процессных инноваций, и используется при формировании модельной архитектуры управляющих сетей и постоянно пополняемых баз знаний.
Субъект управления в таких системах, являясь кибернетическим, обладает свойствами когнитивных информационно-управляющих систем. Эти системы, функционируя в турбулентной производственной среде, адекватно учитывают возникающие в ней изменения. Для этого в структуре объекта управления используются различные сенсорные устройства. Главным достоинством роботизированных киберфизических производственных систем является их свойство самообучения и адаптации к изменившейся среде. Это дает возможность таким системам достигать высоких результатов с минимальным отклонением от первоначально поставленных целей.
Для того чтобы интеллектуальная система управления роботизированным киберфи-зическим производством могла эффективно функционировать в условиях высокого уровня неопределенности среды, применяются интеллектуальные модели и алгоритмы принятия решений. Практическая реализация этих моделей и алгоритмов трансформируется в спектр управляющих воздействий субъекта управления на объекты управления. При этом доминантой эффективного управления роботизированным киберфизи-ческим производством становятся созданные базы знаний, объединяющие совокупность статистических данных и полученных на основе обработки этих данных причинно-следственные связи между элементами роботизированного производства, а также между производственными факторами. Наличие достоверных данных и установленных связей между производственными факторами позволяет обоснованно сформировать совокупность стратегических целей функционирования роботизированного киберфи-зического производства. Функциональная декомпозиция целей стратегического уровня
дает возможность структурировать систему целей, привязав их достижение к различным иерархическим уровням управления: стратегическому, тактическому и оперативному. Следствием подобной структуризации целей является построение иерархической совокупности задач, решение которых достигается как на стратегическом, так и тактическом, а также оперативном уровне управления.
На каждом из этих уровней формируются целевые функции управления и выполняется многокритериальная оптимизация. Оптимизацию на оперативном уровне выполняет интеллектуальный планировщик, который предлагает решение оперативных задач, возникающих в рамках роботизированного киберфизического производства. Оптимизация на тактическом уровне предполагает декомпозицию глобальных задач стратегического уровня. В результате декомпозиции формируется совокупность тактических задач, которые ранжируются, и в соответствии с рангом выполняется решение задач.
На стратегическом уровне создаются стратегии достижения поставленных целей. В рамках каждой стратегии вырабатываются конкретные решения, определяющие спектр управляющих и регулирующих воздействий интеллектуальной системы на объекты управления. Интеграция в контур управления сформированных баз данных дает возможность не только оперативно, то есть с минимальными затратами времени, оценивать сложившиеся в роботизированном ки-берфизическом производстве ситуации, но и принимать превентивные решения с целью противодействия возмущающим факторам внешней среды. Для этого в систему управления наряду с управляющими сигналами вводятся регулирующие и компенсирующие сигналы, оптимальный уровень которых позволяет поддерживать в допустимом диапазоне избыточность системы.
Создание интегрированной среды управления роботизированными киберфизически-ми производственными системами предусматривает:
- во-первых, применение распределенной, самоорганизующейся сенсорной сети;
- во-вторых, применение процессора, функционирующего с высокой скоростью выполнения операций, что достигается путем использования нейросетевых алгоритмов;
- в-третьих, необходима совокупность исполнительных устройств, которые, воздействуя на объект управления через управляющие регулирующие и компенсирующие сигналы, изменяют материальные и энергетические потоки в системе и обеспечивают ее устойчивость по отношению к возмущающим воздействиям внешней среды.
Как правило, интеллектуализированные производственные системы создаются, как совокупность распределенных роботизированных киберфизических модулей. Эти модули обладают такими характеристиками, как открытость и самоорганизация. Открытость роботизированных киберфизических производственных систем предполагает возможность их дополнения различными элементами и агрегатами.
Самоорганизация роботизированных ки-берфизических производственных систем выступает как результат использования накопленных в системе знаний, и предполагает автоматическое изменение алгоритма действия при изменении, во-первых, производственной среды, во-вторых, свойств объекта, а в-третьих, цели управления. Это обеспечивает заданный уровень надежности системы независимо от отклонения условий ее функционирования от первоначально заданных условий.
Процессы самоорганизации генерируют эффект синергии, обусловливая совершенствование роботизированных киберфизиче-
ских производственных систем. Это достигается:
- во-первых, за счет использования внутренних ресурсов;
- во-вторых, за счет перехода системы на качественно новый уровень развития.
В этом случае интеллектуальная система автоматизации производства приобретает способность с высоким уровнем результативности и эффективности реализовать процессы групповой динамики, управляя функционированием отдельных роботизированных киберфизических модулей как единым целым, включая прогнозирование нестандартных ситуаций.
Таким образом, в заключение следует отметить, что использование современных достижений науки, включая искусственный интеллект, инженерию знаний, распознавание образов, ассоциативную память, нечеткую логику, нейронные сети, машинное обучение [22] и другие интеллектуальные новации, дает возможность осуществить интеллектуальную автоматизацию производственных систем российских предприятий. Это, во-первых, становится адекватным ответом российской науки и реального сектора отечественной экономики на антироссийские санкции «коллективного Запада», а во-вторых, дает возможность повысить конкурентоспособность российских предприятий на азиатских рынках, в первую очередь рынках Китая, Индии и Турции.
Список литературы _
1.Абутидзе З.С., Александровская Л.Н., Бас В.Н. [и др.]. Управление качеством и реинжиниринг организаций: учеб. пособие. М.: Логос, 2003. 328 с. URL: https://biblioclub.ru/index. php?page=book&id=89571 (дата обращения: 12.06.2022).
2.Антамошин А.Н., Близнова О.В., Бобов А.В. и др. Интеллектуальные системы управления организационно-техническими системами. М.: РиС, 2016.
3.Баранов В.В. Батова М.М., Майоров С.В. Анализ особенностей функционирования и стратегического развития в цифровой среде инновационно-ориентированных структур кластерных агломераций Республики Татарстан // Инновационное развитие экономики. 2022. № 1-2(67-68). С. 117-128.
4.Баранов В.В., Батова М.М., Баранова И.В. Информационные инструменты эффективного управления бизнес-процессами высокотехнологичного предприятия // Тезисы докладов 2-й научно-практической конференции ученых России и Хорватии в Дубровнике, Москва-Дубровник, 8-9 октября 2020 года / сост.: Н.А. Коротченко, А.П. Кутовская. М.: Нац. исслед. технол. ун-т «МИСиС», 2020. С. 92-93.
5.Баранова И.В., Батова М.М., Баранов В.В. Коробченко О.В., Майоров С.В. Создание единого информационного пространства инновационно-ориентированной кластерной структуры // Новые тенденции и проблемы в теории и практике управления: сб. материалов Междунар. науч. конф., Москва, 24-25 октября 2019 года. М.: Рос. ун-т дружбы народов (РУДН), 2020. С. 30-37.
6.Баранова И.В., Батова М.М., Кай Ч. Информационные технологии как фактор эффективности стратегии инновационной модернизации предприятия // Имущественные отношения в Российской Федерации. 2019. № 7(214). С. 6-12.
7.Баранова И.В., Батова М.М., Майоров С.В. Информационные инструменты реверсинжиниринга в стратегии деятельности инновационно-ориентированных структур // Теоретическая экономика. 2020. № 3(63). С. 28-35.
8.Баранова И.В., Батова М.М., Чжао К. Информационные инструменты цифровой трансформации высокотехнологичных предприятий. М.: Первое экономическое издательство, 2020. 222 с.
9.Батова М.М. Баранова И.В., Баранов В.В. Повышение устойчивости управления процессами реализации инфраструктурных и социально-ориентированных проектов // Московский экономический журнал. 2022. Т. 7. № 4.
10.Бурец Д.В. Разработка методики системной интеграции и реструктуризации системы управления процессами проектирования на машиностроительном предприятии: дис. ... канд. тех. наук. СПб.: Санкт-Петербург. политех. ун-т, 2009.
11.Буреш О.В., Жук М.А. Интеллектуальные информационные системы управления социально-экономическими объектами. М.: Красанд, 2012.
12.Валетов В.А., Орлова А.А., Третьяков С.Д. Интеллектуальные технологии производства приборов и систем: учеб. пособие. СПб.: ГУИТМО, 2008.
13.Векторы социально-экономического развития России: современные вызовы и возможности конвергенции теоретико-методологических и прикладных исследований / Э.Ф. Амирова, В.Н. Бабанов, И.В. Баранова [и др.]. Самара: Общество с ограниченной ответственностью «Поволжская научная корпорация», 2021. 220 с.
14.Волкова Э.С. Сущность предприятия Индустрии 4.0 в системе стратегического планирования // Глобальный научный потенциал. 2019. № 5 (98). С. 195-197.
15.Евгенев ГБ. Интеллектуальные системы проектирования: учеб. пособие. М.: МГТУ им Н.Э. Баумана, 2012.
16.Кузнецов С.В. Факторы и инструменты оценки уровня устойчивого развития промышленного предприятия: автореф. дис. ... канд. экон. наук. Екатеринбург, ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина» 2020.
17.Найман С.М. Системы учета и управления отходами: дис. ... д-ра тех. наук. М.: ФГБОУ ВО «МИРЭА - Российский технологический университет», 2018.
18.Остроух А.В., Николаев А.Б. Интеллектуальные системы и технологии. СПб.: Лань, 2019.
19.Пястолов С.М., Колатат П. Организационная перспектива финансирования науки: новации в области сотрудничества в управлении перспективными исследовательскими программами // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 8: Науковедение. Реферативный журнал. 2017. № 1. С. 96-102.
20.Селянин Я.В. Государственная политика США в области искусственного интеллекта: цели, задачи, перспективы реализации // Проблемы национальной стратегии. 2020. 4(61). С. 140-163.
21.Советов Б.Я. Интеллектуальные системы и технологии: учеб. М.: Академия, 2017.
22.Трофимов В.Б. Методы и алгоритмы построения нейроэкспертных систем автоматического контроля и управления технологическими процессами: на примере объектов черной металлургии: дис. ... канд. тех. наук. Новокузнецк, Сибир. гос. индустр. ун-т, 2008.
23.Шалыгин А.С., Лысенко Л.Н., Толпегин О.А. Методы моделирования ситуационного управления движением беспилотных летательных аппаратов / под ред. Ноздрачева А.В. и Лысенко Л.Н.; редкол. серии: В.М. Буренок (пред.) и др. М.: Машиностроение, 2012.
24.Яблочников Е.И., Фомина Ю.Н. ИПИ-технологии в приборостроении: учеб. пособие. СПб.: Санкт-Петербург. гос. ун-т информ. технологий, механики и оптики, 2009.
25.Яблочников Е.И., Фомина Ю.Н., Саломатина А.А. Компьютерные технологии в жизненном цикле изделия: учеб. пособие. СПб.: Санкт-петербург. гос. ун-т информ. технологий, механики и оптики, 2010.
26.Baranova I.V., Korobchenko O.V., Mayorov S.V., Baranov V.V., Batova M.M. Formation of Robottized Structure at Innovative-Oriented Clusters' Enterprises in the Terms of Digital Manufacturing // Emerging trends and challenges in the management theory and practice: Proceedings of articles the International Scientific Conference. RUDN University. Russia, Moscow, 2019, pp. 88-93.
27.Batova M., Baranov V., Mayorov S. Automation of economic activity management of high-tech structures of innovation-oriented clusters // Journal of Industrial Integration and Management: Innovation and Entrepreneurship, 2021, vol. 6, No 1, рр. 15-30.
28.Batova M., Baranov V., Mayorov S., Zhao K. Informatisation of Project Activities Performed by Innovation Clusters of the Kamsky Agglomeration in Russia // Proceedings - 2021: Asia-Pacific Conference on Communications Technology and Computer Science, ACCTCS - 2021, Shenyang, January 22-24, Shenyang, 2021, рр. 118-122.
References-
1. Abutidze Z.S., Alexandrovskaya L.N., Bas V.N. [et al.]. Quality management and reengineering of organizations: studies. manual. M.: Logos, 2003. 328 p. URL: https://biblioclub.ru/index.php?page=book&id=89571 (date of address: 12.06.2022).
2. Antamoshin A.N., Bliznova O.V., Bobov A.V., etc. Intelligent management systems of organizational and technical systems. Moscow: RiS, 2016.
3. Baranov V.V. Batova M.M., Mayorov S.V. Analysis of the features of functioning and strategic development in the digital environment of innovation-oriented structures of cluster agglomerations of the Republic of Tatarstan. Innovative development of the economy. 2022. No. 1-2(67-68). pp. 117-128.
4. Baranov V.V., Batova M.M., Baranova I.V. Information tools for effective management of business processes of a high-tech enterprise. Abstracts of the 2nd Scientific and Practical Conference of scientists of Russia and Croatia in
Dubrovnik, Moscow-Dubrovnik, October 8-9, 2020 / comp.: N.A. Korotchenko, A.P. Kutovskaya. M.: Nats. research. technol. Un-t "MI-SiS", 2020. pp. 92-93.
5. Baranova I.V., Batova M.M., Baranov V.V. Korobchenko O.V., Mayorov S.V. Creation of a unified information space of an innovation-oriented cluster structure. New trends and problems in management theory and practice: collection of materials of the International Scientific Conference, Moscow, October 24-25, 2019. M.: Russian University of Friendship of Peoples (RUDN), 2020. pp. 30-37.
6. Baranova I.V., Batova M.M., Kai Ch. Information technologies as a factor of the effectiveness of the innovative modernization strategy of the enterprise. Property relations in the Russian Federation. 2019. No. 7(214). pp. 6-12.
7. Baranova I.V., Batova M.M., Mayorov S.V. Information tools of reverse engineering in the strategy of innovation-oriented structures. Theoretical economics. 2020. No. 3(63). pp. 28-35.
8. Baranova I.V., Batova M.M., Zhao K. Information tools for digital transformation of high-tech enterprises. Moscow: First Economic Publishing House, 2020. 222 p.
9. Batova M.M. Baranova I.V., Baranov V.V. Improving the sustainability of the management of the implementation of infrastructure and socially-oriented projects. Moscow Economic Journal. 2022. Vol. 7. No. 4.
10. Burets D.V. Development of a methodology for system integration and restructuring of the control system of design processes at a machine-building enterprise: dis. ... Candidate of Technical Sciences. St. Petersburg: St. Petersburg. polytech. un-t, 2009.
11. Buresh O.V., Zhuk M.A. Intelligent information systems for managing socio-economic objects. Moscow: Krasand, 2012.
12. Valetov V.A., Orlova A.A., Tretyakov S.D. Intelligent technologies for the production of devices and systems: textbook. stipend. Saint Petersburg: GUITMO, 2008.
13. Vectors of socio-economic development of Russia: modern trends and possibilities of convergence of theoretical and methodological and applied research / E.F. Amirova, V.N. Babanov, I.V. Baranova [et al.]. Samara: Limited Liability Company "Volga Scientific Corporation", 2021. 220 p.
14. Volkova E.S. The essence of the enterprise of Industry 4.0 in the system of strategic planning. Global scientific potential. 2019. No. 5 (98). pp. 195-197.
15. Yevgenev G.B. Intelligent design systems: textbook. manual. Moscow: Bauman Moscow State Technical University, 2012.
16. Kuznetsov S.V. Factors and tools for assessing the level of sustainable development of an industrial enterprise: abstract. dis.... Candidate of Economic Sciences. Esa-Edinburgh, Ural Federal University named after the First President of Russia B.N. Yeltsin 2020.
17. Naiman S.M. Waste accounting and Management systems: dis. ... Doctor of Technical Sciences. M.: MIREA -Russian Technological University, 2018.
18. Ostroukh A.V., Nikolaev A.B. Intelligent systems and technologies. St. Petersburg: Lan, 2019.
19. Pyastolov S.M., Kolatat P. Organizational perspective of science financing: innovations in the field of cooperation in the management of promising research programs. Social and humanitarian sciences. Domestic and foreign literature. Series 8: Science Studies. Abstract journal. 2017. No. 1. pp. 96-102.
20. Selyanin Ya.V. US state policy in the field of artificial intelligence: goals, objectives, prospects for implementation. Problems of national strategy. 2020. 4(61). pp. 140-163.
21. Sovetov B.Ya. Intelligent systems and technologies: textbook. Moscow: Akademia, 2017.
22. Trofimov V.B. Methods and algorithms for constructing neuroexpert systems of automatic control and control of technological processes: on the example of ferrous metallurgy objects: dis. ... Candidate of Technical Sciences. Novokuznetsk, Sibir. state. industry. un-t, 2008.
23. Shalygin A.S., Lysenko L.N., Tolpegin O.A. Methods of modeling situational motion control of unmanned aerial vehicles / ed. Nozdracheva A.V. and Lysenko L.N.; editorial board. series: V.M. Burenok (pred.) and others. M.: Mechanical Engineering, 2012.
24. Yablochnikov E.I., Fomina Yu.N. IPI-technologies in instrument engineering: textbook. stipend. Saint Petersburg: Saint Petersburg. state un-t inform. technologies, Mechanics and Optics, 2009.
25. Yablochnikov E.I., Fomina Yu.N., Salomatina A.A. Computer technologies in the product life cycle: textbook. stipend. Saint Petersburg: Saint Petersburg. state un-t inform. technologies, Mechanics and Optics, 2010.
26. Baranova I.V., Korobchenko O.V., Mayorov S.V., Baranov V.V., Batova M.M. Formation of Robottized Structure at Innovative-Oriented Clusters' Enterprises in the Terms of Digital Manufacturing. Emerging trends and challenges in the management theory and practice: Proceedings of articles the International Scientific Con-ference. RUDN University. Russia, Moscow, 2019, pp. 88-93.
27. Batova M., Baranov V., Mayorov S. Automation of economic activity man-agency of high-tech structures of innovation-oriented clusters. Journal of Industrial Integration and Management: Innovation and Entrepreneurship, 2021, vol. 6, No 1, pp. 15-30.
28. Batova M., Baranov V., Mayorov S., Zhao K. Informatisation of Project activities Performed by Innovation Clusters of the Kamsky Agglomeration in Russia. Proceedings - 2021: Asia-Pacific Conference on Communications Technology and Computer Science, ACCTCS - 2021, Shenyang, January 22-24, Shenyang, 2021, pp. 118-122.
