CC BY
27
УДК 004.896
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРОЦЕССОВ ОПЕРАТИВНОГО УПРАВЛЕНИЯ И ТЕХНОЛОГИЧЕСКОЙ КООРДИНАЦИИ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНОГО ПОДХОДА
А.Н. Козлова, М.А. Цуканов, О.А. Божкова
В статье рассматривается проблема технологической координации и оперативного управления непрерывно-дискретными производственными системами. Приводится декомпозиция задачи оперативного управления производством на этапы слежения за работой отдельных агрегатов, составления и оптимизации производственного расписания, проверки возможности реализации построенного расписания в условиях реального производства, корректировка производственного расписания в режиме on-line в случае возникновения рассогласования фактической и запланированной производственных ситуаций, проверки возможности реализации скорректированного расписания. В качестве задачи исследования рассматривается повышение эффективности решения основной проблемы технологической координации, связанной с проверкой реализации составленного расписания на основе реализации модели производственной системы, представленной последовательностью отдельных технологических агрегатов. Каждый из них дискретный по своему характеру — со своим началом и окончанием, с получением выходных результатов или конечной продукции в каждой операции, однако в динамике работа системы характеризуется как непрерывно-дискретная. Приводится обзор формализмов описания поведения таких систем и выявляются их недостатки. Рассмотрена возможность применения нечеткой модели для описания основных звеньев сложноструктурированной производственной системы при решении задачи планирования на этапах проверки и корректировки производственного расписания. Произведена апробация модели на примере сталеплавильного производства
Ключевые слова: оперативное управление, технологическая координация, оптимизация, нечеткая логика, искусственный интеллект
Введение
Основной задачей оперативного
планирования и управления производством является составление согласованных производственных планов цехов предприятия и обеспечение их выполнения. Процесс решения этой задачи существенно усложняется для производств,
характеризующихся широкой номенклатурой выпускаемой продукции, многообразием оборудования, многостадийностью
технологических процессов,
многовариантностью технологических
маршрутов и, как следствие, сложными перекрестными материально-транспортными связями [3].
Технологическая координация (ТК) -составная часть оперативного управления (ОУ), обеспечивающая согласование работы отдельных звеньев управляемой системы в условиях конкретных технологических и организационно-технологических ситуаций и выполнение производственной программы по
Козлова Анна Николаевна - СТИ НИТУ МИСиС, магистрант, e-mail: [email protected] Цуканов Михаил Александрович - СТИ НИТУ МИСиС, канд. техн. наук, старший преподаватель, e-mail: [email protected]
Божкова Олеся Александровна - СТИ НИТУ МИСиС, магистрант, e-mail: [email protected]
количеству, качеству и номенклатуре продукции.
Основой ТК является контактный график (КГ) - производственное расписание, регламентирующее работу основного технологического оборудования. Проблема ТК сложноструктурированными производствами заключается в необходимости оперативной корректировки КГ в случае рассогласования текущей производственной ситуации относительно запланированной, что предполагает перебор возможных вариантов очередности выполнения заказов сменно-суточного задания (ССЗ), по соответствующим технологическим маршрутам.
Задача ОУ и ТК производства
Рассмотрим декомпозицию задачи ОУ и ТК производства на следующие подзадачи [4] (рис 1):
• слежение за работой отдельных агрегатов;
• составление и оптимизация производственного расписания;
• проверка возможности реализации построенного расписания в условиях реального производства;
• корректировка производственного расписания в режиме on-line в случае возникновения рассогласования фактической и запланированной производственных ситуаций;
• проверка возможности реализации скорректированного расписания.
/ ВтздССЗ /
/Ввол состояний оборудования __—1 [СТ
Составление КГ
Выполнение КГ
Рис. 1. Обобщенная блок-схема решения задачи ОУ и ТК
Основой эффективного решения основной проблемы технологической координации, связанной с проверкой реализации составленного расписания, является реализация модели производственной системы, представленной
последовательностью отдельных
технологических агрегатов, которые выполняют ряд операций, дискретных по своему характеру — со своим началом и окончанием, с получением выходных результатов или конечной продукции в каждой операции. Декомпозиция таких систем на составляющие их компоненты и элементы, дискретные по своему смыслу, имеет конечное число указанных составляющих. В динамике работу системы можно представить непрерывно-дискретной простым переходом к ее анализу в ограниченных временных интервалах.
Невозможность представления
непрерывно-дискретной системы чисто дискретными или чисто динамическими моделями позволяет выделить эти системы в отдельный класс систем, поведение которых описывается бесконечной
последовательностью сменяющих друг друга длительных непрерывных и мгновенных дискретных поведений.
Н.П. Бусленко [1] рассматривает непрерывно-дискретные системы как обобщающий (самый общий и самый сложный) класс сложных систем и называет такие системы агрегативными. Модель агрегата может быть использована как модель всей непрерывно-дискретной системы или ее элемента. В последнем случае система представляется сетью агрегатов с фиксированными каналами связей.
Моделирование поведения агрегата и агрегативной системы заключается в построении последовательности переходов из одного особого состояния в другое. Такой подход к моделированию, предложенный Н.П. Бусленко и основанный на принципе "особых состояний", фактически являлся первой попыткой учета дискретности в методах исследования непрерывно-дискретных систем.
Другой формализм описания поведения непрерывно-дискретных систем был предложен В.М. Глушковым в 1973 году [2]. Формализм включает в себя математическую модель непрерывно-дискретной системы, язык спецификации, а также набор процедур и функций реализации моделирующего алгоритма.
В противоположность агрегативному подходу, моделирующий алгоритм В. М. Глушкова базируется на дискретном событийном подходе к моделированию сложных систем. Под моделированием поведения непрерывно-дискретной системы понимается построение множества
последовательностей событий, приводящих к смене ее поведения и структуры, причисляя к событию начальное состояние системы. Глобальное поведение моделируется с помощью специального процесса-монитора, который продвигает системное время в соответствии с календарем планирования событий или в соответствии с анализом времени наступления события, которое планируется по условию. Процесс моделирования заканчивается, когда календарь событий оказывается пустым.
Гибридное направление исследования непрерывно-дискретных систем возникло в начале 90-х годов на базе современной методологии спецификации и верификации сложных дискретных систем и систем реального времени, разработанной в теории реактивных систем [6]. Основатели гибридного направления, вводя в базовую дискретную модель реактивной системы некоторые характеристики непрерывного поведения, определяют, таким образом, новый класс сложных систем, который они называют "гибридной реактивной системой" [7].
Исследование поведения гибридной системы сводится к статическому качественному анализу поведенческих свойств, без использования поточечного численного моделирования глобального поведения системы.
Из анализа различных подходов к исследованию непрерывно-дискретных систем следует, что на сегодняшний день не существует подхода к моделированию и анализу этого класса сложных систем, в котором бы равноправно и логично сосуществовали методы исследования дискретной и непрерывной компоненты.
Учитывая тот факт, что в реальных производственных системах не всегда возможно точное описание процесса за счет неполноты и недостоверности информации, часто для описания процессов используют методы искусственного интеллекта, в частности нечеткие модели.
Рассмотрим возможность представления каждого компонента сложной
производственной системы (рис. 2) в виде нечеткой модели.
Рис. 2. Пример связей сложноструктурированного производства
Для задачи планирования наибольшую важность имеет параметр времени работы каждого технологического агрегата в процессе выполнения текущего расписания. Исходя из этого представим каждый агрегат реальной производственной системы в виде нечеткой модели.
Входными параметрами нечеткой модели являются временные интервалы Т (1) работы производственного агрегата, в течение которых он находится в определенном состоянии S (2).
T =
21
n1
n 2
(1)
t_, t.
где "1, п 2 - время начала и окончания этапа работы технологического агрегата, п -количество состояний s в ходе работы агрегата.
Приведенные интервалы Т характеризуют максимально возможное время нахождения агрегата в состоянии. В реальных условиях
длительность состояния может отличаться ввиду специфики производственного процесса.
Выход нечеткой модели - состояние S в определенный момент времени.
8 = ^1^2,...,^ }
(2)
s„
где n - состояние агрегата на n этапе работы агрегата.
Нахождение агрегата в каждом из приведенных состояний по технологии производства характеризуется максимальным временным интервалом. Его длительность зависит от многих факторов. При составлении плана на производстве как правило закладывают максимальное время работы каждого агрегата, однако опытный персонал, управляющий агрегатом в реальном времени, способен идентифицировать состояние более точно. Нечеткая модель позволит формализовать знания такого персонала и провести корректировку производственного расписания на основе определения актуального времени работы
производственного оборудования.
Для того чтобы определить в каком состоянии sk находится агрегат Xij в заданное время t, составим соответствующие правила.
V вида агрегата i
V агрегата j в текущей категории агрегатов i
Выбираем max (^XijSi(t)) = y.
Соответственно y - максимальное значение функции принадлежности агрегата Xij в момент времени t.
Пример типового правила для базы, описывающей работу агрегата Xij:
f Vx9k(t) * VXlJsk+i(t) thenS = sk (3)
где S - состояние, в котором будет находиться агрегат Xij в момент времени t
Своевременная правильная оценка текущего состояния каждого из элементов сложноструктурированного производства крайне важна для повышения эффективности процессов планирования на этапах проверки и корректировки текущего расписания с целью уменьшения непроизводственных затрат, связанных с рассогласованием текущей ситуации относительно запланированной.
Апробация модели на примере сталеплавильного производства
Рассмотрим применение нечеткой логической модели в процессе принятия решений по оперативному управлению и технологической координации оборудования
электросталеплавильного цеха (ЭСПЦ) ОАО «Оскольский электрометаллургический
комбинат» (рис. 3).
Распределительный пролёт
МНЛЗ №6
МНЛЗ №4
МНЛЗ №3
МНЛЗ №2
МНЛЗ №1
Рис. 3. Схема расположения агрегатов в ЭСПЦ
В состав электросталеплавильного цеха входят четыре дуговые сталеплавильные печи (ДСП), две установки продувки аргоном (УПА), три установки циркуляционного вакуумирования стали (УЦВС), два агрегата комплексной обработки стали (АКОС), пять машин непрерывного литья заготовок (МНЛЗ), пять стендов разогрева сталь-ковшей (СРСК) и четыре разливочных крана.
При производстве непрерывнолитой заготовки (НЛЗ) в условиях ЭСПЦ существуют следующие маршруты обработки стали:
ДСП-УПА-МНЛЗ;
ДСП-УПА - АКОС-МНЛЗ;
ДСП-АКОС-УЦВС-МНЛЗ;
ДСП-УЦВС-АКОС-МНЛЗ.
В качестве примера рассмотрим первый технологический маршрут.
Согласно технологии производства, ДСП характеризуется следующими состояниями: [Загрузка, МежПлавочныйИнтервал, [Плавка, Доводка, Выпуск, Простой
Максимальные временные интервалы для каждого из состояний:
Загрузка - 111-112={0-7};
МежПлавочныйИнтервалШ -122= { 0-40};
Плавление - 131-132={0-80};
Доводка - 141-142={0-10};
Выпуск - 151-152={0-10};
Простой - 161-162={0-го}.
S =
(4)
МежПлавочныйИнтерва!
Простой (3)
Рис. 4. Входы и выходы нечеткой логической модели ДСП
Для лингвистической оценки входных параметров используем три терма, характеризующих степень принадлежность к состоянию на каждом этапе в зависимости от длительности работы агрегата - «высокая», «средняя», «низкая» (рис. 5-10).
Рис. 5. Лингвистические оценки для входной переменной 111-112
МежПлавочныйИнтервал
Рис. 6. Лингвистические оценки для входной переменной 121-122
Плавление
Рис. 7. Лингвистические оценки для входной переменной 131-132
Рис. 8. Лингвистические оценки для входной переменной
Рис. 9. Лингвистические оценки для входной переменной 151-г52
Обработка стали - t21-t22={0-75}; Ожидание - Ш-Ш={0-20}; Простой - 1 -г42= {10-с» };
Простои (3)
Рис. 12. Входы и выходы нечеткой логической модели УПА
Построим лингвистические оценки каждого из входных параметров в Й8-редакторе пакета МаНаЬ (рис. 13 -16).
Простой
Рис. 10. Лингвистические оценки для входной переменной t61-t62
Оценим выход как вероятность нахождения агрегата в конкретный момент времени в одном состоянии из ряда (4) используя нечеткую модель Мандани [5] (рис. и).
~ Плавление ' Доводка 1 Простой'
Состоя ниеДСП
Рис. 11. Выход нечеткой модели для состояний ДСП
Модель УПА на основе нечеткой логической модели
Рассмотрим нечеткую модель установки продувки аргоном (УПА). Возьмем ее упрощенную модель, характеризуемую следующими состояниями:
поступление стали, обработка стали,] ожидание, простой Максимальные временные интервалы для каждого из состояний:
Поступление стали - Ш-112={0-5};
8:
(5)
ПоступлениеСтали
Рис. 13. Лингвистические оценки для входной переменной Ш-112
ОбработкаСтали
Рис. 14. Лингвистические оценки для входной переменной Ш-122
Ожидание
Рис. 15. Лингвистические оценки для входной переменной 131-132
Рис. 16. Лингвистические оценки для входной переменной 141-142
Оценим выход как вероятность нахождения агрегата в конкретный момент времени в одном состоянии из ряда (5) используя нечеткую модель Мандани [5] (рис. 17).
Посту пле
СостояниеУПА
Рис. 17. Выход нечеткой модели для состояний УПА
Модель МНЛЗ на основе нечеткой логической модели
Рассмотрим нечеткую модель машины непрерывного литья заготовки (МНЛЗ). Возьмем ее упрощенную модель, характеризуемую следующими состояниями:
^ [поступление стали, разливка стали,! ^ [выпуск, забор пустого стальковша ]' Максимальные временные интервалы для каждого из состояний:
Поступление стали - 111-112={0-5}; Разливка стали - 121 -122={0-100}; Выпуск стали - 131-132={0-10}. Забор пустого стальковша - 141-142= {010}.
ПоступлениеСталиВПромк
ЗаборПустогоСтальковша(Перековшовка) (3)
Рис. 18. Входы и выходы нечеткой логической модели МНЛЗ
Построим лингвистические оценки каждого из входных параметров в редакторе пакета Ма11аЬ (рис. 19-22).
Рис. 19. Лингвистические оценки для входной переменной И Ы12
высокая
РазливкаСтали
Рис. 20. Лингвистические оценки для входной переменной 121422
ВыпускСтали
Рис. 21. Лингвистические оценки для входной переменной 13143 2
ЗаборПустогоСтальковша(Перековшовка)
Рис. 22. Лингвистические оценки для входной переменной 141-142
Оценим выход как вероятность нахождения агрегата в конкретный момент времени в одном состоянии из ряда (6), используя нечеткую модель Мандани [5] (рис. 23).
Выпуск Перексвшовка
г
СостояниеМНЛЗ
Рис. 23. Выход нечеткой модели для состояний МНЛЗ
Сравнение показателей работы известных в мире производителей стали показывает, что существенного снижения потребления
энергоносителей и уменьшения удельного расхода сырья и вспомогательных материалов удается достигнуть в случае обеспечения высокой удельной производительности сталеплавильных агрегатов при условии достижения максимального согласования ритма их работы с ритмом работы МНЛЗ. Поэтому рассмотрим визуализацию правил определения состояний на примере данного агрегата.
Рис. 24. Визуализация нечеткого логического выхода для МНЛЗ
На основе приведенных правил возможно решение задачи определения фактического времени работы производственного агрегата, что позволит повысить эффективность процессов проверки и корректировки расписания в темпе производства.
Описание основных производственных звеньев сложноструктурированной системы в виде нечетких моделей позволяет отразить все этапы производственного цикла каждого технологического агрегата с учетом реальных производственных факторов, реализованных правилами, на основе которых реализуется преобразование лингвистической оценки в принадлежность к реальному состоянию производственного оборудования.
Заключение
Применение нечеткой логической модели при моделировании производственного процесса сталеплавильного цеха позволит компенсировать время простоев агрегатов исходя из полученной разницы между фактическим временем, отводимым на работу каждого из них, и определенным фактически. На данной основе возможно перестроение графика работы агрегатов, что позволит повысить эффективность всего комплекса оборудования в режиме работы плавка на плавку.
Литература
1. Бусленко Н.П. Моделирование сложных систем/ Н.П. Бусленко. М.: Наука, 1968.-355 с.
2. Глушков В.М. Логическое проектирование дискретных устройств / В.М. Глушков. - Киев : Наук. думка, 1987. - 263 с.
3. Литвинцев П.И. Методы организации вычислений в диалоговых системах планирования: Канд. диссертация. - М.: Выч. Центр АН СССР. 1981. - 190.
4. Боева Л.М. Мультиагентная система поддержки принятия решений по технологической координации производств с многовариантными технологическими маршрутами / Л.М. Боева, М.А. Цуканов // Системы управления и информационные технологии. Воронеж,-2012.-Вып. 2(48).
5. Штовба С.Д. Проектирование нечетких систем средствами MATLAB / С.Д. Штовба. - М.: Горячая линия-Телеком, 2007. - 288 с.
6. Alur R., Courcoubetis C., Henzinger T., Ho P-T.: Hybrid automata: an algorithmic approach to the specification and analysis of hybrid systems. In Workshop on Theory of Hybrid Systems, Lyndby, Denmark, June 1993. LNCS 736, Springer-Verlag.
7. Nicollin X., Olivero A., Sifalis Y., Yovine S.: An Approach to the Description and Analysis of Hybrid Systems. Hybrid Systems, Lecture Notes in Comp.Sci 736, p.149-178. Springer-Verlag, 1993.
Старооскольский технологический институт им. А.А. Угарова (филиал) Национального исследовательского технологического университета «МИСиС»
EFFICIENCY IMPROVING OF OPERATIONAL CONTROL AND TECHNOLOGICAL COORDINATION PROCESSES BASED ON INTELLECTUAL APPROACH
A.N. Kozlova1, M.A. Tsukanov2, О.А. Bozhkova3
1MA, Ugarov Stary Oskol Technological Institute National University of Science and Technology "MISiS", Staryy Oskol,
Russian Federation, e-mail: [email protected]
2PhD, Assistant Professor, Ugarov Stary Oskol Technological Institute National University of Science and Technology
"MISiS", Stary Oskol, Russian Federation, e-mail: tsukanov_m_a@mail. ru 3MA, Ugarov Stary Oskol Technological Institute National University of Science and Technology "MISiS", Stary Oskol,
Russian Federation, e-mail: [email protected]
The article deals with the problem of technological coordination and operational management of continuously-discrete production systems. The decomposition of the operational control task into the stages of tracking the operation of individual units, compiling and optimizing the manufacture schedule, verification the feasibility of implementing the constructed schedule in real manufacture conditions, adjusting the production schedule in on-line mode in the event of a mismatch between the actual and planned production situations, checking the possibility of the adjusted schedule implementation. As a research task, it is considered to increase the efficiency of solving the main problem of technological coordination associated with verifying the implementation of the compiled schedule based on the implementation of the production system model, represented by the sequence of individual technological aggregates. Each of them is discrete in its nature - with its beginning and ending, with output results or final output in each operation; however, in dynamics, the system operation is characterized as continuous-discrete. A review of formalisms describing the behavior of such systems is presented and their shortcomings are revealed. The possibility of using a fuzzy model for describing the main links of a complex structured production system in solving the planning problem at the stages of checking and adjusting the production schedule is considered. The model is tested on the example of steelmaking production
Key words: operation control, technological coordination, optimization, fuzzy logic, artificial intelligence
References
1. Buslenko N.P. "Complex systems modeling" ("Modelirovanie slozhnykh sistem"), Moscow, Nauka, 1968, 355 p.
2. Glushkov V.M. "Logical design of discrete field" ("Logicheskoe proektirovanie diskretnykh ustroystv"), Kiev, Nauk. Dumka, 1987, 263 p.
3. Litvintsev P.I. "Methods of organizing calculations in interactive planning systems" PhD. diss. ("Metody organizatsii vychisleniy v dialogovykh sistemakh planirovaniya: Kand. dissertatsiya"), Moscow, Computing Center AN USSR, 1981, 190 p.
4. Boeva L.M., Tsukanov M.A. "A multi-agent system to support decision-making process of coordination of production with multiple-process route", Control Systems and Information Technologies, Voronezh, 2012, no. 2(48).
5. Shtovba S.D. "Development of fuzzy system by means of MATLAB" ("Proyektirovaniye nechetkikh sistem sredstvami MATLAB"), Moscow, Hotline - Telecom (Goryachaya liniya - Telekom), 2007, 288 p.
6. Alur R., Courcoubetis C., Henzinger T., Ho P-T. "Hybrid automata: an algorithmic approach to the specification and analysis of hybrid systems", In Workshop on Theory of Hybrid Systems, Lyndby, Denmark, LNCS 736, Springer-Verlag, 1993
7. Nicollin X., Olivero A., Sifalis Y., Yovine S. "An Approach to the Description and Analysis of Hybrid Systems. Hybrid Systems", Lecture Notes in Comp.Sci. 736, Springer-Verlag, 1993, pp.149-178.
