CC BY
6
МОДЕЛИ И ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА РЕШЕНИЯ ЗАДАЧ ИНЖИНИРИНГА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ
Г.К. Корендясев1, канд. техн. наук, старший научный сотрудник В.В. Гирко2, канд. экон. наук
1Институт машиноведения им. А.А. Благонравова Российской академии наук 2АО «ВО «Станкоимпорт» (Россия, г. Москва)
DOI:10.24412/2500-1000-2022-11-4-179-185
Аннотация. В статье рассмотрен ряд разработанных авторами моделей и инструментальных средств, а также описаны механизмы решения имитационных задач, позволяющих решать практические задачи инжиниринга промышленных предприятий в рамках национальной цели развития Российской Федерации - цифровой трансформации. Базовая структура задачи инжиниринга промышленного предприятия представлена деся-тидольным гиперграфом с описанием его вершин. Переход от базовой к специализированным задачам, а также поиск решения сформированных задач рассматривается на примере решения задач на графах. Сформирована система показателей оценки и выбора оптимального решения. Приведены алгоритмы и описаны современные подходы к автоматизированному решению задач инжиниринга промышленных предприятий на основе информационно-коммуникационных технологий. Показано направление интеграции частных информационных систем, которые могут быть разработаны с применением разработанных моделей, в корпоративной информационной системе предприятия.
Ключевые слова: инжиниринг промышленных предприятий, цифровая трансформация, имитационное моделирование, методы принятия решений.
Указом Президента Российской Федерации от 21.07.2020 № 474 «О национальных целях развития Российской Федерации на период до 2030 года» определен ряд национальных целей развития, одной из которых является цифровая трансформация. В качестве целевого показателя, характеризующего достижение данной национальной цели, Указом предусмотрено достижение «цифровой зрелости» ключевых отраслей экономики и социальной сферы.
Под инжинирингом промышленных предприятий в рамках данной статьи понимается сбалансированный план мероприятий научно-исследовательского, про-ектно-конструкторского, аналитического, расчетного и внедренческого характера, приводящих в конечном итоге к созданию нового, модернизации действующего производства, освоению выпуска новой продукции, коммерциализации результатов НИОКР или иному качественному преобразованию предприятий. Типовыми задачами инжиниринга промышленных пред-
приятий являются задачи разработки проектов создания новых производственных мощностей, реконструкции и технического перевооружения действующих производств [1], внедрения новых технологий в производственный цикл, диверсификации производства. Данные задачи являются комплексными, сложноструктурированными, требующими анализа влияния широкого числа внешних и внутренних факторов и применения методов многокритериального анализа для принятия управленческих решений [2]. Подобные задачи могут быть эффективно решены с применением методов автоматизированной обработки информации.
Низкий уровень развития информационно-коммуникационных технологий на большинстве отечественных промышленных предприятий (по сравнению, к примеру, с предприятиями телекоммуникационного сектора, сектора информационных технологий, финансового и банковского секторов) создает объективные сложности
в автоматизированном решении задач промышленного инжиниринга.
Актуальной задачей, безусловно соответствующей национальной цели «цифровая трансформация», является задача развития моделей и инструментальных средств решения задач инжиниринга промышленных предприятий. Материалы и методы В качестве инструмента базового структуризации задач инжиниринга промышленных предприятий может быть применена теория графов [3], а в качестве основы инструментальных средств решения подобных задач - методы решения задач на графах [4].
Базовая структура задачи инжиниринга
промышленного предприятия может быть представлена десятидольным гиперграфом ^ю = (Г, К) [6], приведенным на рисунке 1. Множество вершин 1Тр1 каждой доли р гиперграфа С1В = (Т, К) на уровне имитационной модели соответствует множеству практических реализаций элементов базовой структуры. Комбинация вершин ■■■ ,£10п] в рамках каждого ребра к е К гиперграфа в10 = (Т, К) определяет отдельную практическую задачу и позволяет формировать и отбирать ее оптимальное решение. Множество ребер гиперграфа определяется множество имитационных задач.
Рис. 1. Граф - модель базовой задачи инжиниринга промышленного предприятия
Доли гиперграфа С1В представляют собой множества элементов базовой структуры задачи:
1) вершины первой доли гиперграфа
= {^11,^12, ■■■ ,^1т1) описывают множество реализуемых либо планируемых инвестиционных проектов предприятия;
2) вершины второй доли гиперграфа Т2 = №21^22, ■ ■■,12Т2} описывают имеющиеся или создаваемые производственные мощности;
3) вершины третьей доли гиперграфа Т3 = №31^32, ■■■,13Т3} описывают налаженные технологические переделы предприятия;
4) вершины доли гиперграфа Т4 =
■■■ Л4та} описывают инструмент и технологическую оснастку, применяемые в производственном процессе [6];
5) вершины доли гиперграфа Т5 = {£51£52, ■■■ ,£5т5} описывают организационную структуру предприятия;
6) вершины доли Тв = {г61г62, -Лвтв} описывают финансовое положение предприятия, в том числе обеспеченность собственными оборотными средствами и возможность привлечения заемного финансирования;
7) вершины доли гиперграфа Т7 = {¿71 ^72, ■■■, £7т7} описывают состав научно-
го, производственного и административно-управленческого персонала;
8) вершины доли гиперграфа Т8 = {^81,^82, ■■■ ,^8тв] описывают состав имеющихся и предполагаемых к закупке ТМЦ и комплектующих;
9) вершины доли гиперграфа Т9 = {^91^92, ■•• ,^9тэ} описывают механизм финансирования и распределение долей участников проекта;
10) вершины доли гиперграфа Т10 = {*10 1,^1о 2, ■■■, ^о г1о} описывают параметры макросреды.
Таким образом, каждая альтернативная задача инжиниринга промышленного предприятия характеризуется совокупностью вершин ряда долей ■■■'^10п}, объединенных в рамках ребра к Е К гиперграфа в10 = (Т, К) или определенной структуры на графе (звезды), а множество возможных задач промышленного инжиниринга описывается объединением
1Т1 =т1ит2ит3ит4ит5ит6ит7и
т8ит9и Т10 долей гиперграфа С10 = (Т,К).
Формирование множества задач инжиниринговых проектов на выбранном промышленном предприятии с учетом разработанной граф-модели сводится к имитационной задаче на графе - поиску полного
числа ребер гиперграфа GID = (Т,К), для решения которых разработаны соответствующие алгоритмы [3]. Решение задачи поиска оптимального состава инжиниринговых проектов может быть сведена к поиску ребра или совокупности ребер базового графа, формируемых по заранее сформированным правилам. Решение задач подобного характера достаточно изучено в исследовании операций, классическими методами являются breadth-first search, BFS и Depth-first search, DFS [7].
Частным примером задачи инжиниринга промышленного предприятия является задача переоснащения действующего производства для освоения выпуска новой продукции. Имитационная граф - модель представлена на рисунке 2 (N = 6). Доли и вершины гиперграфа G = (V,E) описываются следующим образом: V1 - описание продукции, выпуск которой необходимо освоить; V2 - возможные технологии производства; доли V3 - имеющиеся на предприятии или создаваемые технологические уклады; доли V4 - имеющиеся или приобретаемые технологическое оборудование, инструмент и оснастка; доли V5 - кадровый потенциал; доли V6 - доступные источники финансирования.
Рис. 2. Граф-модель задачи
Решением задачи будет являться множество вариантов покрытия гиперграфа С = (У,Е) сочетаниями ребер по алгоритмам дискретной математики. Например, переход от исходного гиперграфа С = (У;Е) к специальному графу С = (У";Е"), каждая вершина V" которого представляет
собой ребро е Е Е гиперграфа С = (V; Е) [3]. Ребро е" специального графа С = (V"; Е") существует только в случае, если пересечение ребер исходного графа, соответствующих объединяемых ребром е" вершинам р"1,р"2, составляет пустое множество. Построение множества ребер
граф-модели G = (V,E), приведенной на рисунке 2, производится по алгоритму,
предполагающем проверку условий на каждом шаге:
следующих
ej з рц для Ve¡ Е Е, v-ц Е V1 Zj 3VN k для Ve, EE,vNkEVN \ej\ = N для Vej Е E $ej Е E, e¡ з ppn, e¡ з v¡
et П e¡ = Ф, Vet Е E, Ve¡ Е E
pm, ^pn Е ^, ^pm Е V
Разработки в области дискретной математики представляют и иные механизмы решения задачи поиска сочетаний на графе [8].
Также известны имитационные задачи поиска оптимального пути на графе, поиска совершенных сочетаний на графах, покрытия графа множествами, покрытия графа звездами и др. Для решения конкретной задачи промышленного инжиниринга требуется как формирование соответствующего исходной задаче графа, так и правильная постановка имитационной задачи на графе.
Решение задач на графах требует формирования системы оценки качества формируемых альтернатив. В качестве таковой системы оценки представляется целесообразным использовать совокупность следующих показателей:
- интегральные показатели: интегральный объем выручки и его прирост в сравнении с базовым значением; интегральный объем прибыли от продаж, его прирост в сравнении с базовым значением; интегральный объем EBITDA и его прирост в сравнении с базовым значением; интегральный денежных поток и его прирост в сравнении с базовым значением; интегральный прирост стоимости капитала и его прирост по сравнению с базовым значением и другие показатели;
- производственные показатели: производственная мощность в натуральных и стоимостных единицах и ее прирост в сравнении с базовым значением, качество продукции и его прирост в сравнении с базовым значением; количество рабочих мест и его прирост в сравнении с базовым значением; доля брака в товарном выпуске и его прирост в сравнении с базовым значением; нормативное время на изготовле-
ние изделия и его прирост в сравнеии с базовым значением и другие показатели.
- инвестиционные показатели: DCF и
его прирост в сравнении с базовым значением, NPV и ее прирост в сравнении с базовым значением, IRR и ее прирост в сравнении с базовым значением, TSR и ее прирост в сравнении с базовым значением, ROA и ее прирост в сравнении с базовым значением, ROIC и ее прирост в сравнении с базовым значением, DPP и ее прирост в сравнении с базовым значением, FCFF и ее прирост в сравнении с базовым значением, FCFE и ее прирост в сравнении с базовым значением, DSCR и ее прирост в сравнении с базовым значением и другие показатели;
- показатели оценки качества: науко-емкость и ее прирост по сравнению с аналогом, долговечность и ее прирост по сравнению с аналогом, технологичность и ее прирост по сравнению с аналогом, надежность и ее прирост по сравнению с аналогом, уровень импортозамещения и ее прирост по сравнению с аналогом, другие показатели.
- экономические показатели: затраты на материалы и комплектующие и их снижение по сравнению с базовым показателем; фонд оплаты труда производственного персонала и его снижение по сравнению с базовым показателем; затраты содержание и эксплуатацию технологического оборудования и их снижение по сравнению с аналогом; эксплуатационные затраты и их снижение по сравнению с аналогом; амортизационные отчисления и их снижение в сравнении с аналогом;
- финансовые показатели: выручка и ее прирост в сравнении с базовым значением, себестоимость и ее прирост в сравнении с базовым значением, валовая при-
быль и ее прирост в сравнении с базовым значением, EBITDA и ее прирост в сравнении с базовым значением, EBIT и ее прирост в сравнении с базовым значением, OBITDA и ее прирост в сравнении с базовым значением, прибыль за период и ее прирост в сравнении с базовым значением, другие показатели;
- показатели рисков: недостижения плановых значений выручки, EBITDA, прибыли; неисполнение обязательств по государственному оборонному заказу; невыполнение ковенант по проектам Федеральных целевых программ; риск утраты активов; риск неплатежеспособности; технологической неосуществимости; недостижения уровня качества и другие показатели;
- экологические показатели: величина вредных выбросов и ее снижение в сравнении с базовым вариантом;
- бюджетные показатели: величины налогов, поступающих в бюджеты различных уровней.
Выбор решения конкретной задачи инжиниринга промышленного предприятия с точки зрения математической оптимизации представляет собой формирование и анализ векторной функции F (x1, x2,...xn), объединяющей либо единственный, либо совокупность критериев и описывающей систему приоритетов, задаваемую при постановке задачи. При этом система приоритетов формируется таким образом, что-
бы максимально соответствовать условиям оптимального выбора. Задача принятия решения, основанная на анализе векторной функции, объединяющей один или несколько критериев предпочтения, будет является задачей оптимизации. Введенная совокупность критериев должна максимально полно описывать систему приоритетов поставленной задачи. При этом состав возможных критериев выбора оптимального решения приведен выше. Для конкретной задачи может быть выбран как единственный критерий, так и совокупность критериев.
Если задача оптимизации построена на выборе оптимального решения по единственному критерию предпочтения Р(х), то она будет являться однокритериальной. Решением однокритериальной задачи оптимизации будет являться точка множества допустимых решений х' , в которой целевая функция вида Р(х^) ^ тах(тт) принимает экстремальное значение. Классическим методом решения задач одно-критериальной оптимизации является симплекс - метод.
Если задача выбора оптимального решения построена на множестве частных критериев предпочтения р1(х),1 = 1,М, целевая функция будет иметь векторный характер и будет определяться системой уравнений:
F(x) = (F1(x); F2(x); ...Fn(x)) ^ max (min) Fi(x) = f(wm(k)) ^ max(min),i = 1,M, wm(k) = f(p1;p2,.pn) [Pj]min —Pj — [Pj]max
где Р(х) - векторная целевая функция выбора решения, Р^(х) - частный оценочный критерий, жт(к) - вес ребра, р] -управляющий параметр; М - количество частных оценочных критериев задачи; п -количество рассматриваемых параметров.
Подобные задачи решаются с применением методов многокритериальной оптимизации [9], например метода свертки.
Вышеизложенные модели и инструментальные средства позволяют свести широкий спектр задач инжиниринга промышленных предприятий к задачам линейного программирования, то есть оптимизации разработанной под конкретный случай целевой функции при условии выполнения системы линейных уравнений и неравенств. Существенно усложняет процесс поиска оптимального решения то, что за-
частую при построении модели решения имеет высокую практическую ценность конкретной задачи инжиниринга промыш- для промышленных предприятий в усло-ленного предприятия задача становится виях присутствующих негативных эконо-NP-трудной [10]. В настоящее время раз- мических факторов. работаны и активно совершенствуются Выводы
методы решения подобных задач с приме- Применяемые в настоящее время для
нением современных информационно- решения инжиниринговых задач «тради-коммуникационных технологий [11]. ционные» методы не полностью отвечают
Модели и инструментальные средства, требованиям промышленных предприятий примеры которых приведены в статье, мо- в части качества и скорости формирования гут являться основой информационных управленческих решений. Развития тре-подсистем, интегрируемых в ERP-системы буют методы решения задач инжиниринга промышленных предприятий. промышленных предприятий на основе
Результаты и обсуждение современных информационно-
В результате применения подходов, мо- коммуникационных технологий. В статье делей, а также конкретных инструмен- описано применение методов дискретной тальных средств, предложенных в рамках математики, теории оптимизации, теории данной статьи, становится возможным принятия решений и исследования опера-развитие автоматизации процессов приня- ций при постановке и решении, а также тия управленческих решений в задачах приведены примеры инструментальных инжиниринга промышленных предприя- средств решения конкретных задач инжи-тий. Безусловно, данное обстоятельство ниринга промышленных предприятий.
Библиографический список
1. Корниенко А.А. Разработка организационных принципов развития парка технологического оборудования с целью технического перевооружения машиностроительного производства: дис. ...д-ра экон. наук: 05.02.22 / Корниенко Александр Александрович. -Москва, 2007.
2. Лотов А.В., Поспелова И.И. Многокритериальные задачи принятия решений: Учеб. пособие. - М.: МАКС Пресс, 2008. - 197 с.
3. Омельченко Г.Г. Гиперграфовые модели и методы решения дискретных задач управления в условиях неопределенности: дис. ... канд. физ.-мат. наук: 05.13.18 / Омельченко Галина Георгиевна. - Черкесск, 2004.
4. Дискретный анализ и исследование операций. 2020. Т. 27, №2 (144). - 137 с.
5. Гирко В.В., Лукина С.В. Модели и инструментальные средства формирования программ модернизации промышленных предприятий: монография. - М.: МГТУ «СТАН-КИН», Янус - К, 2017, - 136 с. ISBN 978-5-8037-0722-6.
6. Лукина С.В. Современные проблемы проектирования инструментальной техники, организации и управления инструментальным обеспечением машиностроительных производств: учебное пособие / С.В. Лукина, М.В. Крутякова - М.: Университет машиностроения, 2015. - 82 с. - ISBN 978-5-2760-2398.
7. Майника Э. Алгоритмы оптимизации на сетях и графах. - М.: Мир, 1981. - 328 с.
8. Алексеев В.Е., Таланов В.А. Графы. Модели вычислений. Структуры данных: Учебник. - Н.Новгород: Изд-во ННГУ, 2005. - 307 с.
9. Кузнецов А.В. Экономико-математические методы и модели.: учеб. пособие / Н.И. Холод, А.В. Кузнецов, Я.Н. Жихар и др.; под общ. ред. А.В. Кузнецова. - Мн. БГЭУ, 1999. - 413 с.
10. Мусатов Д.В. Сложность вычислений.: конспект лекций. - МФТИ, 2016. - 160 с.
11. Рафгарден Т. Совершенный алгоритм. Графовые алгоритмы и структуры данных = Algorithms Illuminated. Part 2: Graph Algorithms and Data Structures. - СПб.: Питер, 2019. -256 с.
MODELS AND TOOLS FOR SOLVING ENGINEERING PROBLEMS OF INDUSTRIAL ENTERPRISES
G.K. Korendyasev1, Candidate of Technical Sciences, Senior Researcher V.V. Girko2, Candidate of Economics Sciences
1A.A. Blagonravov Institute of Machine Science of the Russian Academy of Sciences JSC "VO "Stankoimport" (Russia, Moscow)
Abstract. The article considers a number of models and tools developed by the authors, as well as describes the mechanisms for solving simulation problems that allow solving practical problems of industrial enterprises engineering within the framework of the national development goal of the Russian Federation - digital transformation. The basic structure of the industrial enterprise engineering task is represented by a ten-sided hypergraph with a description of its vertices. The transition from basic to specialized problems, as well as the search for solutions to the formed problems is considered by the example of solving problems on graphs. A system of indicators for evaluating and choosing the optimal solution has been formed. Algorithms are given and modern approaches to the automated solution of industrial enterprise engineering tasks based on information and communication technologies are described. The direction of integration of private information systems, which can be developed using the developed models, in the corporate information system of the enterprise is shown.
Keywords: engineering of industrial enterprises, digital transformation, simulation modeling, decision-making methods.
