CC BY
32
УПРАВЛЕНИЕ В СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМАХ X
УДК 338.984
doi:10.31799/1684-8853-2018-5-112-119
Мультиагентный метод построения сменно-суточных заданий для задачи планирования производственных ресурсов в реальном времени
А. Н.Лада3'6, руководитель проекта, orcid.org/0000-0002-1022-7212, lada@kg.ru И. В. Майоров3'6, аналитик, orcid.org/0000-0002-3130-8142
а000 «Научно-производственная компания «Интеллектуальные Транспортные Системы», Московское шоссе, 17, Самара, Самара, 443013, РФ
бИнститут проблем управления сложными системами РАН, Россия, Садовая ул., 61, Самара, 443020, РФ
Постановка проблемы: задача согласованного управления производственными ресурсами предприятий, производящих электротехническую продукцию, — комплексная проблема, обладающая высоким уровнем сложности ввиду разнообразия типов используемых ресурсов, зависимости производственных процессов от множества факторов и условий. Традиционные методы планирования для решения этой проблемы оказываются недостаточно эффективными. Цель исследования: на основе мультиагентного подхода разработать метод оперативного планирования производства электротехнического оборудования. Результаты: разработан мультиагентный метод построения сменно-суточных заданий для планирования производственных ресурсов предприятия, производящего электротехническую продукцию, на основе онтологии предметной области, заданных критериев, предпочтений и ограничений. Заказы состоят из связанных операций, описываемых технологическими картами. В итерационном процессе обмена сообщениями агенты планировщика улучшают текущие значения критериев равномерности загрузки и минимизации времени выполнения для построения сменно-суточных заданий. Разработанный метод планирования производственных ресурсов позволяет строить расписания выполнения связанных операций в системе ресурсов по событиям реального времени. При выполнении пула заказов на предприятии ООО «ПК «Электрум» (г. Самара) была обеспечена равномерность загрузки оборудования и исполнителей, а также снижено на 10 % количество задержек выполнения заказов. Практическая значимость: система, разработанная на основе предлагаемого метода, может работать автономно или совместно с имеющейся системой складского учета материалов и готовой продукции. Подход не ограничен рамками описанной предметной области и применим в других отраслях, требующих решения аналогичных производственных задач. Ожидается получение экономического эффекта за счет снижения простоев производственных ресурсов и повышения показателей их эффективности.
Ключевые слова — предметная область, электротехническая продукция, мультиагентные методы, управление производственными ресурсами, онтология производственного предприятия, планирование в реальном времени.
Цитирование: Лада А. Н., Майоров И. В. Мультиагентный метод построения сменно-суточных заданий для задачи планирования производственных ресурсов в реальном времени. Информационно-управляющие системы, 2018, № 5, с. 112-119. doi:10.31799/ 1684-8853-2018-5-112-119
Citation: Lada A. N., Mayorov I. V. Multi-agent method of constructing daily-shift schedule for real-time industrial resource management. Informatsionno-upravliaiushchie sistemy [Information and Control Systems], 2018, no. 5, pp. 112-119 (In Russian). doi:10.31799/1684-8853-2018-5-112-119
Введение
Современные системы управления производственными процессами должны обеспечивать не только планирование материальных, трудовых, финансовых ресурсов, но также учитывать комплексный характер взаимодействия различных подразделений и взаимное согласование планов с учетом окружающей обстановки [1-4]. Внешние события, заключающиеся в приходе новых заказов, изменения требований и характеристик уже запланированных, пересмотр сроков поставок материалов, а также разница, возникающая при фактическом выполнении, приводят к необходимости перерасчета существующих и утвержденных планов. В связи с этим традиционные методы планирования, использующие многочисленные методы дискретной оптимизации, теории распи-
саний и эвристики [5-10], не вполне подходят к современным задачам, для которых необходим постоянный пересчет планов по внешним и внутренним событиям, поскольку на практике приходится прибегать к упрощениям в постановках задач, не все ограничения и факторы могут быть учтены и т. п. В таких случаях более соответствует реальности мультиагентный подход, с помощью которого создаются системы производственного планирования, управления проектами, транспортной логистики и во многих других областях [11-19].
Постановка задачи начального планирования производственных ресурсов
Пусть имеем набор заказов на производство изделий On, п =1, в и набор производственных
ресурсов (станки и другое оборудование) Rj, j = 1, m. Каждый заказ характеризуется технологической картой, с описанием всех деталей Dlk, k = 1, p, которые также могут состоять из других деталей (возникает многоуровневая вложенность). Каждая деталь Dlk описывается материалами Mlkz, z =1, q, из которых она изготавливается, и упорядоченным набором технологических операций TOlkj, j = 1, m, которые требуется произвести с материалом и/или другой деталью на ресурсе Rj за известное время обработки детали TDlkj. В общем виде технологическая карта описывается следующей структурой:
[О,] {[DM [Mn11]
[M,,1q]
{[Dn11]
[M,,1,11]
[M^Uq]
{[D«,U,,,,p]}
[TO",Uj [R1] [TDn1,11]
[TO^WJ [Rm] [TD",UJ} {[D",1p]}
[TOn11] [R1] [TD,,11] [TOn1m] [Rm] [TDn1m]} {Dp]}
Для каждого ресурса Rj задано ежесуточное временное окно [TRSj; TRfj] доступности этого ресурса для работы (рабочая смена станка), с учетом режима труда и отдыха рабочих, которые на них работают. Одна и та же деталь не может обрабатываться на нескольких ресурсах одновременно, т. е. пока она обрабатывается на одном ресурсе, второй будет свободен и может быть использован для обработки другой детали. Требуется составить сменно-суточный план работы для каждого ресурса Rj по производству всех заказов Ol согласно их технологическим картам, с минимальным простоем ресурсов Rj. При планировании, кроме производственных мощностей (оснастки, комплектующих и материалов), требуется учет календарей доступности исполнителей в подразделениях, их квалификации и специализации. Предприятию в целом необходимо поддерживать равномерность загрузки оборудования, подразделений и исполнителей, не допуская простоев. В отличие от существующих MES систем, вся информация об оборудовании, исполнителях, календарях, структурах ресурсов хранится в базе знаний на основе онтологии производства [20]. Таким образом, необходимо сквозное многокритериальное планирование заказов на ресурсах в вертикальных и горизонтальных структурах по входящим внешним и внутренним событиям.
Метод решения задачи построения начального плана
Для решения задачи построения первоначального расписания предлагается использовать «жадный» итерационный метод, где детали всех заказов распределяются по производственным ресурсам последовательно согласно следующему алгоритму: заказы 01 обрабатываются последовательно от 1 до е. Из всех деталей Ц-к ¿-го заказа вначале выбираются те, что лежат на самом низком уровне технологической карты, затем уровнем выше и так далее, до самого верхнего уровня. Детали, лежащие на одном уровне, обрабатываются последовательно, согласно их порядковому номеру в уровне, с учетом последовательного выполнения технологических операций Т01к. на ресурсах Я.. При планировании операций для каждой детали проверяется наличие необходимых материалов М1к2, требующихся для ее производства, в случае их недостатка деталь пропускается. Анализируются свободные места в расписании нужного ресурса с учетом окна доступности его текущей смены работы [ТЯв.; ТЯ^] и в первую очередь заполняются свободные места, образовавшиеся за счет планирования предыдущих операций, начиная с самой ранней. Если длительность свободного места недостаточна для выполнения операции, то анализируется следующее свободное место. В худшем случае, если не удалось встроиться ни в одно доступное свободное место, операция встает в самый конец плана. Если с учетом ее постановки происходит выход за пределы окна работы текущей смены ресурса [ТЯв.; TRf ], она становится первой на следующей доступной смене данного ресурса. Все детали последующих заказов обрабатываются аналогичным образом. Алгоритм повторяется до тех пор, пока все операции деталей всех заказов не будут распределены по всем ресурсам с учетом их смен работы.
Пример решения задачи построения начального плана
Для решения задачи построения начального плана рассмотрим пример планирования двух заказов 01 и 02 на изготовление узла фиксации трансформатора для трансформаторной подстанции КТПН-УХЛ1 и рычага включения к ней. Технологическая карта для данных заказов имеет вид:
[01] Узел фиксации трансформатора КТПН-УХЛ11
{[Д11] Швеллер 001
[М1,11] Лист 4,0 ГОСТ 1050-13 1,5 кг
УПРАВЛЕНИЕ В СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМАХ
{[О1^] Швеллер 001-01
[М1'1'1!] Лист 4,0 ГОСТ 1050-13 1 кг
[Г01'1'11] Раскрой металла [Л1] Лазерный комплекс [ГД1'1'11] 60 с [Г01'1'12] Гибка [Л2] Пресс гидравлический листогиб [ГД1'1,12] 60 с [Т01'11] Раскрой металла [Л1] Лазерный комплекс [ТД1'11] 80 с [Т01'12] Гибка [Л2] Пресс гидравлический листогиб [ТД1'12] 60 с}} {[Д12] Швеллер 012-129
[М1'21] Лист 3,0 ГОСТ 1050-13 2,5 кг
[Т01,23] Резка [Л3] Ленточнопильный станок [ТД1,23] 120 с}
[02] Рычаг включения трансформатора КТПН-УХЛ1 {[Д21] Фланец 019
[М2'11] Лист 6,0 ГОСТ 14637-89 0,2 кг
[Т02'11] Раскрой металла [Л^] Лазерный комплекс [ТД2,11] 50 с [Т02,12] Гибка [Л2] Пресс гидравлический листогиб [Т02,12] 70 с} {[Д22] Втулка 005-01
[М2,21] Труба 30х6 ГОСТ 8734-75 0,2 кг
[Т02,23] Резка [Л3] Ленточнопильный станок [ТД2,23] 160 с}
Для простоты будем полагать, что все производственные ресурсы (в нашем примере их 3) доступны для работы круглосуточно (временные окна [ТЛв; TRf ] не ограничены), а также есть в наличии и в нужном количестве все производственные материалы, требуемые в технологических картах.
Распределение обработки деталей по станкам начинается с самого глубокого уровня технологической карты, в нашем примере это деталь Швеллер 001-01, она раскраивается на лазерном комплексе за 60 с, после чего переходит на пресс гидравлический листогиб, где гнется также 60 с. Далее переходим на уровень выше и планируем родительскую деталь Швеллер 001, она в свою очередь раскраивается и гнётся, но только после предыдущей дочерней детали, поставим ее в план выполнения по станкам и запланируем последнюю деталь Швеллер 012-129. Она обрабатывается на другом отдельном ресурсе и никак не зависит от предыдущих двух деталей, поэтому поставим ее в план первой, полученное расписание представим диаграммой загрузки ресурсов (рис. 1).
Перейдем к планированию заказа 02, который мы получили одновременно с первым, мы должны максимально использовать свободные области в уже имеющемся расписании, построенном после пла-
[Ш]ЛК
[И2]ПГЛ
[И3]ЛПС
0
50
100
150
200
250
300
Рис. 1. Диаграмма первоначального распределения операций по ресурсам Fig. 1. The diagram of the initial operations on resources allocation
[И1]ЛК
[И2ЩГЛ
[И3]ЛПС
0
50
100
Рис. 2. Диаграмма планирования заказа О2 Fig. 2. The diagram of scheduling order О2
150
200
250
300
нирования первого заказа. Заказ 02 состоит из двух деталей, которые изготавливаются на одном уровне, поэтому порядок их обработки не важен. Начинаем с детали Фланец 019, она раскраивается на лазерном комплексе за 50 с, ищем первое свободное место на ресурсе Л1, есть свободное место после обработки детали Швеллер 001-01 продолжительностью 60 с, времени хватает, поэтому ставим деталь в эту область. Далее Фланец 019 требуется обработать на Я2 за время 70 с, ищем первое свободное место на ресурсе Я2, после момента окончания обработки на Л1. Пустой участок в самом начале длиною 60 с нам не подходит, идем дальше, находим место после детали Швеллер 001-01 длиной 80 с, ставим Фланец 019 туда. Обрабатываем последнюю деталь Втулка 005-01, она обрабатывается только на Я3 за время 160 с, находим ближайшее свободное место нужной длины после Швеллер 012-129 и ставим деталь туда. Новое расписание загрузки ресурсов показано на рис. 2.
Динамическое перепланирование по фактическим событиям
Задача построения динамического плана по фактическим событиям в реальном времени является более сложной, чем статическая задача построения начального плана. В такой задаче подразумевается, что ее условия могут произвольно динамически меняться с течением времени, могут быть добавлены новые заказы, отмене-
ны или частично изменены уже известные заказы, стать недоступными ресурсы, но чаще всего могут возникать задержки при выполнении уже существующего плана, что требует его адаптивной перестройки.
Разрабатываемый нами подход основан на сопоставлении заказам и ресурсам программных агентов с их локальными и зачастую противоположными интересами, способных реагировать на изменения состава заказов и ресурсов, выявлять конфликты в расписании, принимать решения и взаимодействовать между собой для разрешения конфликтов и поиска компромиссов путём переговоров (взаимных уступок) [17, 19, 20]. Это позволяет находить согласованные решения и поддерживать баланс интересов агентов и всей системы, в общем случае представляющий многокритериальную целевую функцию. С каждым ресурсом Я] связан агент ресурса, с каждой деталью Щ — агент детали. Агенты могут отправлять и получать сообщения и принимать решения согласно своей логике и текущей ситуации, которая определяется состоянием каждого агента. Текущие состояния агентов изменяются в моменты поступления заказов и фиксации внешних фактических событий.
При поступлении нового заказа создаются агенты деталей согласно технологической карте этого заказа. Они рассылают запрос на свое размещение на агентах ресурсов, которые, в свою очередь, анализируют свое текущее состояние, наличие свободных окон, оценивают свою загрузку, предлагают свободные места агентам деталей
для размещения. Агент детали стремится запланировать себя на нужных ресурсах как можно раньше. Агент ресурса Л, в свою очередь, стремится быть постоянно загруженным и минимизировать образующиеся простои внутри рабочей смены [ТЛв; TRf], которые рассчитываются по формуле:
БИте' = TRfi -ТЯв' ,
где й = (1, ..., р) — индексы размещенных деталей заказов на ресурсе Л, ТБ>к — продолжительность обработки этих деталей. Глобальная целевая функция планирования ¥ определяется как суммарное время простоя всех ресурсов:
F = {Р max
Zm
7=1
Dtime1
^ min
где Р — общее число запланированных деталей на всех ресурсах. При улучшении глобальной целевой функции (¥ — число распределенных деталей и суммарное время простоя ресурсов) текущий вариант распределения деталей по ресурсам принимается в качестве рабочей версии плана, после чего агенты не размещенных и плохо размещенных деталей пробуют улучшить свое положение на ресурсах за счет переговоров с другими деталями с просьбой о «подвижках». Если в результате этих переговоров глобальная целевая функция улучшилась, новая версия плана принимается в качестве рабочей и процесс повторяется до тех пор, пока не перестанут поступать но-
вые фактические события или новые переговоры не будут приводить к глобальному улучшению.
Пример динамического перепланирования по фактическим событиям
Рассмотрим построенный ранее начальный план и предположим, что теперь мы будем каким-то образом (например, с помощью терминалов рабочих) фиксировать фактические события о завершении обработки каждой детали на каждом ресурсе, после чего последующий план нужно будет адаптивно перестраивать. Для простоты будем отсчитывать время от 0.
Пусть в момент времени Т70 наступило событие завершения изготовления детали Швеллер 00101 на ресурсе Л1 (ожидалось, что изготовление завершится в Т60). В результате реакции на данное событие все расписание на ресурсе Л1 сдвигается на 10 с вправо. Поскольку деталь Швеллер 00101 обрабатывается также на ресурсе Л2 после Л1, расписание на Л2 также сдвинется вправо на 10 с. С учетом всех изменений расписание примет вид, показанный на рис 3.
Пусть в момент времени Т100 наступило событие завершения изготовления детали Фланец 019 на ресурсе Л1 и Швеллер 001-01 на ресурсе Л2. В результате более раннего завершения этих операций можно начать последующие операции раньше. Новая версия плана приведена на рис. 4.
0 50 1 00 1 50 2 00 2 50 300
Рис. 3. Реакция системы планирования на событие завершения изготовления Т70 Fig. 3. The diagram of scheduling system reaction for the completion event of Т70
[И1]ЛК
[И2ЩГЛ
[И3]ЛПС
Швеллер 001-01 Фланец 019 Швеллер 001
Швеллер ■ 001-01 Фланец019 1 Швеллер 001
Швеллер 012-129 Втулка 005-01
0 50 1 00 1 50 2 00 2 50 300
Рис. 4. Расписание после события перепланирования Т100
Fig. 4. The diagram of the schedule after the rescheduling event of Т100
[Ш]ЛК
[И2ЩГЛ
[И3]ЛПС
Швеллер 001-01 Швеллер 001
1
Фланец 019 Швеллер 001 1
1
Швеллер 012-129 Втулка 005-01
0 50 100 150 200 250 300 350
■ Рис. 5. Стабилизированный план после учета событий перепланирования
■ Fig. 5. The diagram of the stabilized schedule after considering all events
Пусть в момент времени Т180 наступило событие завершения изготовления детали Швеллер 001 на ресурсе Я1 и детали Фланец 019 на ресурсе Я2, но обработка детали Швеллер 012-129 на ресурсе Я3 еще не завершена. В результате перестроим расписание на всех трех ресурсах и получим новую версию плана, представленную на рис. 5.
При сравнении версий плана, полученных после фазы начального планирования (в момент времени Т0) и по ходу его выполнения, можно
сделать вывод, что операции распределены по ресурсам с обеспечением минимального простоя ресурсов по событиям реального времени.
Ожидаемые результаты
Применение рассмотренного метода позволит создавать интеллектуальные системы управления процессами производства в реальном времени. Ожидается получение экономического эф-
фекта за счет снижения простоев ресурсов в результате адаптивной перестройки сменно-суточных расписаний.
Систему, разработанную на основе предложенного подхода, используют на Самарском предприятии ООО «ПК «Электрум», где в результате внедрения была обеспечена равномерность загрузки оборудования и исполнителей, а также снижено на 10 % количество задержек выполнения производственных заказов. Ввиду отсутствия в предлагаемом подходе непосредственной зависимости от предметной области производства электротех-
Литература
1. Framinan J. M., Leisten R., Garcia R. R. Manufacturing scheduling systems: an integrated view on models, methods and tools. London, Springer. 2014. 400 p.
2. Leung J. Y. T. (ed.). Handbook of scheduling: algorithms, models, and performance analysis. CRC Press. 2004, 1216 p.
3. Pinedo M., Zacharias C., Zhu N. Scheduling in the service industries: an overview //Journal of systems science and systems engineering. 2015. Vol. 24. № 1. P. 1-48.
4. Sule D. R. Production planning and industrial scheduling: examples, case studies and applications. CRC press. 2007, 560 p.
5. Pinedo M. Scheduling. Theory, algorithms, and systems. Springer. 2016, 676 p.
6. Chapman S. N. The fundamentals of production planning and control. Prentice Hall. 2006, 272 p.
7. Driessel R., Mönch L. Variable neighborhood search approaches for scheduling jobs on parallel machines with sequence-dependent setup times, precedence constraints, and ready times // Computers & industrial engineering. 2011, vol. 61, № 2, pp. 336-345.
8. Mehrabi M. G., Ulsoy A. G., Koren Y. Reconfigurable manufacturing systems: key to future manufacturing // Journal of intelligent manufacturing. 2000, vol. 11, № 4, pp. 403-419.
9. Лазарев А. А., Гафаров Е. Р. Теория расписаний. Задачи и алгоритмы. М.: Физический факультет МГУ, 2011. 222 c.
10. Wooldridge M. An introduction to multiagent systems. John Wiley & Sons. 2009, 484 p.
11. Jennings N. R., Wooldridge M. J. (ed.). Agent technology: foundations, applications, and markets. Springer Science & Business Media. 2012, 325 p.
12. Meisels A. Distributed search by constrained agents: algorithms, performance, communication. Springer Science & Business Media. 2008, 216 p.
13. Виттих В. А., Моисеева Т. В., Скобелев П. О. Принятие решений на основе консенсуса с применени-
нической продукции, описанный метод можно применять в других отраслях, где используются технологические операции, требующие решения аналогичных задач планирования.
Статья подготовлена на основе материалов научных исследований в рамках Госбюджетной темы ИПУСС РАН № АААА-А16-116040410059-7 «Разработка и исследование моделей, методов и алгоритмов построения планов сменно-суточных заданий при производстве продукции в условиях неопределенности и высокой динамики изменений производственной обстановки».
ем мультиагентных технологий // Онтология проектирования. 2013. № 2 (8). С. 20-25.
14. Скобелев П. О. Интеллектуальные системы управления ресурсами в реальном времени: принципы разработки, опыт промышленных внедрений и перспективы развития // Приложение к теоретическому и прикладному научно-техническому журналу «Информационные технологии. 2013. № 1. С. 1-32.
15. Skobelev P., et al. Practical approach and multi-agent platform for designing real time adaptive scheduling systems // Proceedings of the XII International Conference on Practical Applications of Agents and Multi-Agent Systems (PAAMS 2014), 4-6 June, 2014, Salamanca, Spain. CCIS 0430. Spinger. 2014, pp. 1-12.
16. Skobelev P. Systems for real time adaptive resource management. In industrial agents: emerging applications of software agents in industry. Paulo Leitao, Stamatis Karnouskos (ed.). Elsevier. 2015, pp. 207230.
17. Skobelev P. O., Lakhin O. I., Polnikov A. S., Simono-
va E. V. Approach to the solution of aerospace product lifecycle management problem based on network-centric principles // V. Marik, et al. (eds). Proceedings of the 7th International Conference on Industrial Applications of Holonic and Multi-Agent Systems (Holo-MAS'2015), September 2-4, 2015, Valencia, Spain. LNAI 9266. Springer. 2015, pp. 169-178. doi:10.1007/ 978-3-319-22867-9_15
18. Скобелев П. О. и др. Оперативное управление ресурсами цехов предприятий на основе мульти-агентного подхода // Труды XIX Международной конференции «Проблемы управления и моделирования в сложных системах», Самара, 12-15 сентября 2017 г. Самара: ОФОРТ, 2017. С. 474-485.
19. Rzevski G., Skobelev P. Managing complexity. Wit Press, 2014. 216 p.
20. Baclawski K., et al. Коммюнике Онтологического Саммита 2017 — Искусственный интеллект, машинное обучение, логический вывод и онтологии // Онтология проектирования. 2017. Т. 7. № 2(24). С. 227-238.
UDC 338.984
doi:10.31799/1684-8853-2018-5-112-119
Multi-agent method of constructing daily-shift schedule for real-time industrial resource management
A. N. Ladaa> b, Project Manager, orcid.org/0000-0002-1022-7212, lada@kg.ru I. V. Mayorova, b, Analyst, orcid.org/0000-0002-3130-8142
aSoftware Engineering Company «Smart Transport Systems», 17, Moscovskoe Sh., 443013, Samara, Russian Federation
bInstitute for the Control of Complex Systems of Russian Academy of Sciences, 61, Sadovaya St., 443020, Samara, Russian Federation
Introduction: Coordinated production resource management of enterprises manufacturing electrical products is a complex problem with a high level of complexity due to the variety of types of resources used, and the dependence of production processes on a variety of factors and conditions. The traditional scheduling methods are not efficient enough for this problem. Purpose: Developing a method for rapid scheduling of electrical equipment production, based on the multi-agent approach. Results: A multi-agent method is developed for constructing daily-shift schedule for managing production resources of an enterprise manufacturing electrical products, based on the subject area ontology, given criteria, preferences and limitations. The orders consist of related operations described by technological cards. In the iterative messaging process, the scheduler agents improve the current values of load uniformity criteria and minimize the execution time for building daily-shift jobs. The developed method of managing the production resources allows you to build schedules for performing related operations in a system of resources by real-time events. When executing an order pool at LLC «PC» Electrum» (Samara city), the uniformity of equipment load and performers was well maintained, and the number of delays in fulfilling the orders was reduced by 10 %. Practical relevance: The system developed based on the proposed method can work either autonomously or along with an existing system of warehouse accounting of materials and finished products. The approach is not limited to the described subject area, being applicable in other industries which require similar production tasks. The economic effect is expected to be obtained by reducing idle production resources and improving their efficiency.
Keywords — knowledge domain, electrical products, multi-agent methods, production resource management, production enterprise ontology, real-time scheduling.
Citation: Lada A. N., Mayorov I. V. Multi-agent method of constructing daily-shift schedule for real-time industrial resource management. Informatsionno-upravliaiushchie sistemy [Information and Control Systems], 2018, no. 5, pp. 112-119 (In Russian). doi:10.31799/1684-8853-2018-5-112-119
References
1. Framinan J. M., Leisten R., Garcia R. R. Manufacturing scheduling systems: an integrated view on models, methods and tools. London, Springer, 2014, 400 p.
2. Leung J. Y. T. (ed.). Handbook of scheduling: algorithms, models, and performance analysis. CRC Press, 2004, 1216 p.
3. Pinedo M., Zacharias C., Zhu N. Scheduling in the service industries: an overview. Journal of Systems Science and Systems Engineering, 2015, vol. 24, no. 1, pp. 1-48.
4. Sule D. R. Production planning and industrial scheduling: examples, case studies and applications. CRC press, 2007, 560 p.
5. Pinedo M. Scheduling. Theory, algorithms, and systems. Springer, 2016, 676 p.
6. Chapman S. N. The fundamentals of production planning and control. Prentice Hall, 2006, 272 p.
7. Driessel R., Monch L. Variable neighborhood search approaches for scheduling jobs on parallel machines with sequence-dependent setup times, precedence constraints, and ready times. Computers & Industrial Engineering, 2011, vol. 61, no. 2, pp. 336-345.
8. Mehrabi M. G., Ulsoy A. G., Koren Y. Reconfigurable manufacturing systems: key to future manufacturing. Journal of intelligent manufacturing, 2000, vol. 11, no. 4, pp. 403419.
9. Lazarev A. A., Gafarov E. R. Theory of schedules. Problemy i algoritmy [Problems and algorithms]. Moscow, Physics Faculty of Moscow State University, 2011, 222 p. (In Russian).
10. Wooldridge M. An introduction to multiagent systems. John Wiley & Sons, 2009, 484 p.
11. Jennings N. R., Wooldridge M. J. (ed.). Agent Technology: Foundations, Applications, and Markets. Springer Science & Business Media, 2012, 325 p.
12. Meisels A. Distributed Search by Constrained Agents: algorithms, performance, communication. Springer Science & Business Media, 2008, 216 p.
13. Vittikh V. A., Moiseeva T. V., Skobelev P. O. Making decisions on the basis of consensus using multi-agent technolo-
gies. Ontologiya proektirovaniya [Ontology of Designing],
2013, no. 2(8), pp. 20-25 (In Russian).
14. Skobelev P. Intellectual resource management systems in real time: the principles of development, the experience of industrial applications and development prospects. Prilozhenie k teoreticheskomy i prikladnomy naychno-tekh-icheskomy zhyrnaly "Informacionnye tekhologii" [An appendix to the theoretical and applied scientific and technical journal Information Technologies], 2013, no. 1, pp. 1-32 (In Russian).
15. Skobelev P., et al. Practical approach and multi-agent platform for designing real time adaptive scheduling systems [Proc. of the XII Int. Conf. on practical applications of agents and multi-agent systems (PAAMS 2014)], CCIS 0430, Spinger, 2014, pp. 1-12.
16. Skobelev P. Multi-agent systems for real time adaptive resource management. In: Industrial Agents: Leitâo, P., Kar-nouskos, S. (ed.). Emerging Applications of Software Agents in Industry. Elsevier, 2015, pp. 207-230.
17. Skobelev P. O., Lakhin O. I., Polnikov A. S., Simonova E. V. Approach to the solution of aerospace product lifecycle management problem based on network-centric principles. V. Marik, et al. (eds). [Proc. of the 7th Int. Conf. on industrial applications of holonic and multi-agent systems (Holo-MAS'2015)], LNAI 9266. Springer, 2015, pp. 169-178. doi:10.1007/978-3-319-22867-9_15
18. Skobelev P. O., et al. Operational management of the resources of the enterprises' shops on the basis of the multi-agent approach. Trudy XIX mezdynarodnoj konferencii "Problemy ypravlenija I modelirovanija v slozhnykh siste-makh [Proc. of the XIX Int. Conf. "Problems of control and modeling in complex systems" (PCMCS 2017)]. Samara, OFORT, 2017, pp. 474-485 (In Russian).
19. Rzevski G., Skobelev P. Managing complexity. Wit Press,
2014, 216 p.
20. Baclawski K., et al. Communique of the Ontological Summit 2017 — Artificial Intelligence, machine learning, inference and ontology. Ontologiya proektirovaniya [Ontology of designing], 2017, vol. 7, no. 2(24), pp. 227-238 (In Russian).
