CC BY
44
УДК 517.977.56+517.977.58
ОРГАНИЗАЦИЯ СИСТЕМЫ ХРАНЕНИЯ ДАННЫХ ДЛЯ ЗАДАЧИ ВНУТРИЦЕХОВОГО ПЛАНИРОВАНИЯ С ЦЕЛЬЮ УСКОРЕНИЯ ГЕНЕРАЦИИ РАСПИСАНИЙ НА ОСНОВЕ OLAP-ТЕХНОЛОГИИ
© Л. А. Лукьянов*, С. И. Спивак, В. Л. Христолюбов
Башкирский государственный университет Россия, Республика Башкортостан, 450076, г. Уфа, ул. Заки Валиди, 32
*Email: leonlukyanov@gmail.com Тел.: +7 (347) 273 32 87.
В формальном виде задача внутрицехового планирования имеет большую размерность R = N*I*E (N- объем номенклатуры, I - количество работ, E - количество оборудования). Это связано с тем, что процесс планирования является недетерминированным, при этом существует множество ограничений, характер которых меняется с течением времени. Теория расписаний, в случае ее применения, для решения задач большой размерности не позволяет найти решение за приемлемое время. Нами разработан гибридный метод решения задачи внутрицехового планирования на основе организации данных в виде многомерной модели, которая позволит сузить множество вариантов при использовании алгоритмов теории расписаний. В данной работе рассматривается только метод оптимальной организации хранения данных на основе технологии технология оперативной аналитической обработки (OLAP), который используется алгоритмами внутрицехового планирования. Разработана информационная модель данных на основе технологии OLAP, необходимая алгоритмам планирования.
Ключевые слова: внутрицеховое планирование, многомерное представление данных, OLAP, теория расписаний, MDX, SQL, анализ данных, база данных, OLAP-куб, экспертная система.
Введение
Задача внутрицехового планирования связана с задачей построения расписаний для приборов. Однако, внутрицеховое планирование - это сложный и расширяемый процесс, который требует модернизации и контроля. К примеру, используя методы теории расписаний, можно решить конкретную задачу построения расписания выполнения работ для прибора. В данном случае решение будет актуально только для идеальной среды, то есть прибор имеет неограниченный фонд времени, может запускать работы без какой-либо задержки, а также мгновенно может переходить к выполнению других работ и т.д. Имеется целый ряд сложностей, которые являются препятствием для получения оптимального расписания. Не существует точного алгоритма решения данной задачи. Реализация программы внутрицехового планирования представляет собой экспертную систему, способную строить расписания на основании актуальной информации, полученной в режиме реального времени. В итоге, в отношении реализации программы внутрицехового планирования, нами предложено решение, что это должна быть сложная система, способная:
• анализировать накопленные данные;
• применять оптимальные способы по распределению работ на оборудовании;
• учитывать индивидуальные характеристики оборудования;
• отслеживать состояние оборудования;
• оценивать производственную обстановку;
• предоставлять инструменты анализа и модификации составленного плана работ;
• позволять описывать в виде правил некоторые ограничения на распределение работ;
• формировать отчеты в нескольких формах, в соответствии с уровнем квалификации специалиста, работающего с данной системой [1].
Актуальность использования многомерного представления данных
Одна из ключевых особенностей оптимальной работы экспертной системы связана с использованием инструментов анализа данных для выявления наиболее правильного распределения работ. Согласно теории расписаний, решение задачи построения расписания для приборов предполагает получение оптимального расписания по некоторым критериям. Однако расписание должно быть не только оптимальным, но и допустимым, чтобы загрузка проборов в течение планового периода была достаточно равномерной. С этой точки зрения распределять работы необходимо по принципу подтверждения или опровержения тех или иных гипотез, набор которых задается в конфигурации метода распределения работ. Конфигурация распределения работ содержит также функции минимизации каких-либо параметров. Например, перед тем как работа будет назначена какому-либо оборудованию, проверяется, чтобы данное оборудование выполнило работу за минимальное время, то есть учитывается мощность оборудования. Гипотезы представляются в виде зависимостей от N параметров. Данная зависимость может быть либо функцией, либо отображением, согласно тому, какая задача решается: классификации или регрессии [2]. Примером такой гипотезы может быть
выбор для выполнения какой-либо длительной работы (сборки крупных узловых элементов) того оборудования (рабочей ячейки), который имеет наибольший период бесперебойный работы, минимальный процент брака, среднюю загруженность и минимальное время ожидания для начала выполнения новой работы. Таких параметров, в зависимости от которых будет динамически изменяться способ загрузки оборудования, может быть множество и заранее их предсказать практически невозможно. С этой точки зрения, использование методов оперативного и интеллектуального анализа данных становится наилучшим решением проблемы.
Основные понятия OLAP
Необходимо определить основные понятия, связанные с многомерным представлением данных. OLAP - технология оперативной аналитической обработки, которая использует методы и средства для сбора, хранения и анализа многомерных данных в целях поддержки процессов принятия решений. Согласно Кодду, многомерное концептуальное представление - это множественная перспектива, состоящая из нескольких независимых измерений, вдоль которых могут быть проанализированы определенные совокупности данных. Измерение - это последовательность значений одного из анализируемых параметров. Таким образом, измерение необходимо для описания событий. Факт - это агрегированное значение, которое передает сущность какого-либо события. И так, данные представляются в виде гиперкуба, ребрами которого являются измерения, а на пересечениях ребер находятся анализируемые факты.
Традиционное представление данных в виде нормализованных реляционных таблиц не способно удовлетворить требованиям анализа. Этот факт подтверждается тем, что цели, которые преследуются современными OLTP (система непрерывной тран-закционной обработки) системами, отличаются от целей, предъявляемых системам анализа. Например, данные в OLTP системах должны быть нормализованными и детализированными, однако OLAP системам требуются обобщенные и избыточные данные для выполнения процедур анализа [3].
Особенности архитектуры системы хранения данных для задачи внутрицехового планирования
Система хранения данных для задачи внутрицехового планирования состоит из трех компонентов: реляционная БД для нормативных и исходных данных; реляционная БД для анализа; нейросетевая матрица вариантов. Примером нормативных данных является информация о распределении оборудования по цехам с указанием фонда доступного времени в сутках. Нейросетевая матрица вариантов - это порядок распределения работ на оборудовании по какому-либо критерию оптимизации. Рассматривая
обособленно каждый из предложенных компонентов, можно указать его особенности.
Непосредственный доступ к данным, необходимым алгоритмам планирования, преобразования и представления должен обеспечиваться посредством синтаксиса SQL для выполнения информационно-поискового анализа. Алгоритмами планирования являются: Random (произвольное распределение), FCFS (обслуживание в порядке поступления), SPT (сокращение участвующего в процессе запаса, среднего времени завершения работ и средней задержки выполнения работ), EDD (приоритет отдается работе с ближайшим временем завершения) [4]. Алгоритмами преобразования и представления являются процедуры трансляции исходных данных в форму, необходимую при составлении расписания и отображении конечному пользователю.
Для анализа была выбрана именно реляционная база данных (ROLAP), так как она обладает некоторыми преимуществами, необходимыми системе внутрицехового планирования. А именно: скорость работы на разреженных данных относительно высока; поддерживается интеграция с существующими базами данных; простота добавления новых фактов и измерений. Методика составления расписания требует использования некоторых агрегированных данных в процессе принятия решений о распределении работ на оборудовании. Именно для этих целей используется оперативный анализ, который выполняется средствами OLAP-систем. Заметим, что многомерное представление данных по технологии OLAP необходимо при генерации отчетов и в процессе работы с системой в интерактивном режиме. Особенно это касается ad-hoc редактирования (изменение на месте) построенных расписаний, которое осуществляется обновлением весов нейронной матрицы вариантов. Данная матрица вариантов играет существенную роль при повторном построении расписания, поскольку позволяет задать специфические особенности распределения работ и таким образом получить наиболее приемлемое расписание сразу по нескольким критериям.
Построение OLAP-куба для задачи внутрицехового планирования
В данной работе строится OLAP-куб для анализа необходимого системе внутрицехового планирования. Методика построения OLAP-кубов частично позаимствована из работы [6]. В данной работе был выработан способ построения OLAP куба для решения определенной задачи какой-либо предметной области. Методика предполагает несколько шагов: определение основных сущностей, участвующих в процессе моделирования; построение контекстных диаграмм (idefO), связывающих данные сущности с решаемой задачей; построение OLAP куба на основании диаграммы о протекающих бизнес процессах. Для объединения OLAP кубов ис-
пользовалось формальное концептуальное представление, выработанное в статье [7]. Согласно данной работе интеграция OLAP кубов представляет собой функциональный граф, узлами которого являются OLAP кубы, а на ребрах заданы отношения между ними. Смена численных характеристик ребер меняет концептуально формальные связи, то есть обеспечивается необходимая гибкость.
Определим предметную область задачи внутрицехового планирования. Согласно концепции, предложенной Мауергаузом, для построения системы планирования необходимо первоначально проложить путь от изделия (заказа) до работы - конкретно определенной задачи, которая должна быть выполнена непосредственно на рабочем месте. Таким образом, в широком смысле можно выделить как минимум три системы, которые должны быть связаны друг с другом: построение заказов для планирования; межцеховое планирование; внутрицеховое планирование. Система построения заказов для планирования - это гибридная система, которая связывает работу нескольких подсистем - нормативных, конструкторских, и т.д. - и предоставляет данные необходимые для межцехового планирования. Рис. 1 показывает взаимосвязь данных подсистем, описывая потоки информации, проходящие через них. Отдельно необходимо дать пояснения к некоторым из них. На вход программе межцехового планирования подаются массивы: ГВТП - график выпуска товарной продукции; ДП - движение предметов; СИ - состав изделия; файл календаря - разбивка планового периода на рабочие дни; конфигурационный файл - содержит некоторые особенности, например
список складов гашения потребности, список специальных изделий и т.д. Система внутрицехового планирования, по сути, является неким Фреймворком, так как помимо построения расписания, позволяет его анализировать, редактировать, сохранять, просматривать в удобной форме - то есть полностью управлять полученным результатом. Фреймворк использует информацию о планах запуска/выпуска, полученных от системы межцехового планирования. Результатом работы системы внутрицехового планирования является расписание - распределение работ на оборудовании. На основании данного расписания далее могут быть получены любые интерпретации, в том числе ежедневные планы работ. На рис. 2 показана структура фреймворка внутрицехового планирования. РП (RP.dbf) - массив размеченных потребностей, содержащий информацию о планах запуска/выпуска. Правила агрегации, задаются при выполнении блока C3. Данные правила являются гипотезами, которые должны быть проверены при распределении загрузки в блоке C5, и формально представляются в виде запросов MDX в системе анализа. Пример такого запроса приведен ниже.
WITH Member RetPercent AS [WORK].[AMOUNT] / [BADOTORK].[AMOUNT] *
В данном примере, определяется процент успешности выполнения работ на оборудовании с индексом «456521FF» из цеха «6а» за май месяц 2015 года. Таких запросов может быть множество и заранее предсказать их невозможно; поэтому они должны указываться в файле конфигурации и под-
Рис. 1. IDEF0 процесса взаимосвязи Фреймворка внутрицехового планирования с другими системами.
Рис. 2. IDEF0 структуры фреймворка планирования.
гружаться в процессе составления расписания. Важным компонентом Фреймворка является модуль, который отвечает за корректировку полученного расписания. Процесс корректировки требует анализа решений, принятых планировщиком в процессе построения распределения работ на оборудовании. Количество решений совпадает с количеством работ; поэтому при большом количестве работ, необходимо составить процесс редактирования таким образом, чтобы появилась возможность сгруппировать ра-
боты по определенным признакам с целью упрощения корректировки. Например, должна быть возможность просмотра работ, проходящих через какое-то определенное оборудование в некоторый промежуток планового горизонта. Именно для этих целей блокам С5 и С6 необходимо многомерное представление данных. То есть представление в виде гиперкуба. В данной работе исследуется задача построения OLAP-кубов; при этом, остальные особенности Фреймворка рассматриваться не будут.
На рис. 3 приведен OLAP куб для задачи C5 Фреймворка внутрицехового планирования. Пояснения к структуре OLAP-куба: 1. Номер суток - индекс суток от начала планового горизонта, в соответствии с рабочим календарем, нерабочие и праздничные дни пропускаются. Например, 1-1, 2-3 - означает, что 2-ые сутки от начала планового горизонта - нерабочий день.
2. Тип выполняемых операций - оборудование сгруппировано по типу выполняемых операций для наиболее быстрого поиска подходящего оборудования. Пример типа выполняемой операции: фрезерные станки, автоматы, и т.д.
3. Нерабочие часы - для каждого оборудования перечислены часы, в которые оно простаивает. Это связано, например, с тем, что выполняются какие-то
Рис. 3. Классы описания структуры OLAP-куба
регулярные, профилактические работы по обслуживанию оборудования.
4. Шифр НП - шифр номенклатурной позиции, которая включена в определенную работу. Это может быть сборка узла, точение детали, проведение испытания и т.д.
5. Количество - отражает кол-во одинаковых работ, которые необходимо выполнить. Работы независимы друг от друга и могут быть выполнены в разные промежутки времени.
6. Степень приоритета - отражает важность выполнения какой-либо работы, невозможность нарушения ее сроков.
7. Количество приоритета - показывает количество работ, находящихся в приоритете от общего количества работ.
8. Список связанных работ - показывает работы, которые должны быть выполнены, перед тем как будет выполнена данная.
Выводы
В данной работе апробирована технология OLAP-моделирования для построения информационной системы, способной удовлетворить основным требованиям - надежности, отказоустойчивости, гибкости, скорости работы - задачи внутрицехового планирования. С помощью данной технологии разработана информационная система фреймфорка внутрицехового планирования и доказана необходимость использования OLAP/MDX технологии в задачах управления. Также выявлена архитектура
фреймворка внутрицехового планирования и определены этапы процесса генерации расписаний, которые используют инструменты анализа данных.
ЛИТЕРАТУРА
1. Философия. Толерантность. Глобализация. Восток и запад - диалог мировоззрений: тезисы докладов VII Российского философского конгресса // Лукьянов Л. А. Идея разработки и реализации математической модели внутрицехового планирования. - Уфа: РИЦ БашГУ. 2015. Т. 1. С. 127-129.
2. Тезисы докладов VI Всероссийской научной технической конференции молодых специалистов, посвященной 90-й годовщине образования ОАО «УМПО» // Лукьянов Л. А. Нейросетевой алгоритм внутрицехового планирования в гибких условиях (job-shop, open-shop, flow-shop), Уфа: ОАО «УМПО». 2015. С. 22-23.
3. Багресян А. А., Куприянов М. С. Методы и модели анализа данных: OLAP и Data Mining. СПб.: БХВ-Петербург. 2004. 336с.
4. Thanos Alifantis, Stewart Robinson. Using simulation and neural networks to develop a scheduling advisor. Warwick Business School University of Warwick Coventry, CV4 7AL UK. 2001. Pp. 954-958
5. Мауэргауз Ю. Е. Автоматизация оперативного планирования в машиностроительном производстве. Москва: Экономика. 2007. С. 288.
6. Куликов Г. Г., Старцев Г. В., Яковлев Н. Н., Суворова В. А. Использование OLAP-технологии для комплексного анализа основных показателей бизнес-процессов кафедры вуза. Уфа: УГАТУ. 2007. Т. 9. С. 60-66.
7. Коробко А. В., Пенькова Т. Г. Метод концептуального OLAP-моделирования на основе формального концептуального анализа. Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Ре-шетнева. 2010. №4. Т.30. С. 74-79.
Поступила в редакцию 13.02.2016 г. После доработки - 17.05.2016 г.
ORGANIZATION OF DATA STORAGE SYSTEM FOR INTRASHOP PLANNING IN ORDER TO OPTIMIZE THE GENERATION OF SCHEDULES BASED ON OLAP TECHNOLOGY
© L. A. Lukyanov*, S. I. Spivak, V. L. Khristolyubov
Bashkir State University 32 Zaki Validi St., 450076 Ufa, Republic of Bashkortostan, Russia.
Phone: +7 (34 7) 273 32 8 7.
*Email: leonlukyanov@gmail.com
In formal order the problem of intrashop planning has large dimension R = N*I*E (N -nomenclature volume, I - amount of work, E - amount of equipment). It is associated with the fact that the planning process is nondeterministic and there are a lot of constraints that may change or be changed during the time. The theory of scheduling if it is applied for solving problems of large dimension can not give required solution in appropriate time. We have developed the hybrid method of solving the problem of intrashop planning based on data organization as multidimensional model. The application of this method reduces the option set generating by scheduling algorithm. In the article we consider only method of optimal data organization based on OLAP technology, which is used by algorithms of intrashop planning. On the basis of OLAP technology we developed the data model required for planning algorithms.
Keywords: intrashop planning, multidimensional data view, OLAP, theory of scheduling, MDX, SQL, data analysis, database, OLAP-cube, expert system.
Published in Russian. Do not hesitate to contact us at bulletin_bsu@mail.ru if you need translation of the article.
REFERENCES
1. Filosofiya. Tolerantnost'. Globalizatsiya. Vostok i zapad - dialog mirovozzrenii: tezisy dokladov VII Rossiiskogo filosofskogo kongressa. Luk'yanov L. A. Ideya razrabotki i realizatsii matematicheskoi modeli vnutritsekhovogo planirovaniya. - Ufa: RITs BashGU. 2015. Vol. 1. Pp. 127-129.
2. Tezisy dokladov VI Vserossiiskoi nauchnoi tekhnicheskoi konferentsii molodykh spetsialistov, posvyashchennoi 90-i godovshchine obra-zovaniya OAO «UMPO». Luk'yanov L. A. Neirosetevoi algoritm vnutritsekhovogo planirovaniya v gibkikh usloviyakh (job-shop, open-shop, flow-shop), Ufa: OAO «UMPO». 2015. Pp. 22-23.
3. Bagresyan A. A., Kupriyanov M. S. Metody i modeli analiza dannykh: OLAP i Data Mining [Methods and models of data analysis: OLAP and Data Mining]. Saint Petersburg: BKhV-Peterburg. 2004.
4. Thanos Alifantis, Stewart Robinson. Using simulation and neural networks to develop a scheduling advisor. Warwick Business School University of Warwick Coventry, Pp. 4 7AL UK. 2001. Pp. 954-958
5. Mauergauz Yu. E. Avtomatizatsiya operativnogo planirovaniya v mashinostroitel'nom proizvodstve [Automation of operational planning of machine-building production]. Moscow: Ekonomika. 2007. Pp. 288.
6. Kulikov G. G., Startsev G. V., Yakovlev N. N., Suvorova V. A. Ispol'zovanie OLAP-tekhnologii dlya kompleksnogo analiza osnovnykh pokazatelei biznes-protsessov kafedry vuza [The use of OLAP-technology for complex analysis of the main characteristics of business processes of university chair]. Ufa: UGATU. 2007. Vol. 9. Pp. 60-66.
7. Korobko A. V., Pen'kova T. G. Metod kontseptual'nogo OLAP-modelirovaniya na osnove formal'nogo kontseptual'nogo analiza. Vestnik Sibirskogo gosudarstvennogo aerokosmicheskogo universiteta imeni akademika M. F. Reshetneva. 2010. No. 4. Vol. 30. Pp. 74-79.
Received 13.02.2016. Revised 17.05.2016.
