CC BY
19
Информатика, вычислительная техника и управление
УДК 658.5
ПРИМЕНЕНИЕ МУРАВЬИНОГО АЛГОРИТМА В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ ДИСПЕТЧЕРИЗАЦИИ ДИСКРЕТНОГО ПРОИЗВОДСТВА
А.Д. Данилов, В.А. Ломакин
Воронежский государственный технический университет, г. Воронеж, Россия
Аннотация: рассматриваются проблемы и узкие места создания календарных планов металлообрабатывающего производства, а также сложности синтеза интеллектуальной системы управления гибкими автоматизированными производствами, позволяющей оптимально распределять нагрузку между технологическими единицами. Для решения проблем, возникающих в процессе составления графиков и расписаний дискретного производства, предлагается интерпретировать задачу распределения заданий между станками и прочим технологическим оборудованием в виде взвешенного графа, вершинами которого будут являться операции над деталями. В данной ситуации в качестве эффективного метода оптимизации графика запуска деталей в обработку на технологическом оборудовании был использован алгоритм муравьиных колоний, который отлично справляется с задачами большой размерности. Для применения данного метаэвристического подхода в интеллектуальной системе диспетчеризации гибкого автоматизированного производства была проведена адаптация алгоритма муравьиных колоний к особенностям задачи календарного планирования. Данная интеллектуальная система в целях тестирования была реализована в математическом пакете МАТЬАВ, результатом её работы является сориентированный граф, иллюстрирующий распределение оборудования между операциями над деталями, очередность выполнения заданий станками с числовым программным управлением, время выполнения блока операций
Ключевые слова: гибкие автоматизированные производства, диспетчеризация, календарное планирование, муравьиный алгоритм
Введение
Как известно, соблюдение правил и расписаний во многих областях деятельности человека приводит к ускоренному достижению поставленных целей. Особым образом стоит отметить предприятия, ориентирующиеся на запросы рынка, в частности, машиностроительные заводы, оснащенные большим количеством технологического оборудования. Актуальными вопросами функционирования предприятий данного типа являются создание оптимального календарного плана, который позволит равномерно распределить нагрузку между обрабатывающим оборудованием; улучшение работы служб складской логистики; возможность оперативной корректировки зданий для машин в случае плановых ремонтных работ или форс-мажорных обстоятельств [3].
В конечном итоге все сводится к процессу распределения во времени ограниченного числа ресурсов, выделяемых для выполнения проекта, который включает заданный перечень взаимосвязанных работ. В данном случае ресурсами являются складское оборудование, рабочие центры, станки, ЭВМ [2]. К работам относятся
© Данилов А.Д., Ломакин В.А., 2018
действия для достижения результата, такие как проведение технологических расчетов, обработка партии деталей, сборка узла.
Предприятия, на которых осуществляется эффективное календарное планирование, значительно экономят время и ресурсы на произведение продукции, оперативно реагируют на изменяющийся спрос рынка [1]. Однако для реального производства характерны нарушения производственного процесса, связанные со скрытым браком заготовок, который обнаруживается на различных стадиях обработки деталей, с нестабильной работой отдельных видов оборудования, которая ведет к браку, с выходом из стоя инструмента и оборудования, с несвоевременной подачей заготовок и инструмента, что ведет неизбежной корректировке существующего календарного плана [6]. Всё это существенно увеличивает издержки производства.
Постановка задачи оптимизации
Таким образом, одной из актуальных проблем в области улучшения функционирования гибкого автоматизированного производства является создание интеллектуальной системы диспетчеризации, способной создать качественный календарный план и оперативно реа-
гировать на проблемы, возникающие в процессе производства изделий [4].
Для того чтобы эффективно решить данную проблему, необходимо комплексно подойти к понятию календарного планирования. Распределение технологического оборудования по выполняемым операциям можно наглядно представить в виде графа (1):
G = (V, D), (1)
где V - множество вершин, каждая из которых представляет тип операции над определенным видом детали;
D - множество дуг графа, представляющих время перехода от одной технологической операции на другую.
Перед началом выполнения плана по производству продукции, например, в начале смены, всё оборудование находится в вершине «старт», далее осуществляются переходы в нижестоящие вершины, данные действия представляют собой обработку некой технологической единицей заготовки. В определенный момент времени машина может выполнять только один тип операции. Переход в следующую вершину осуществляется после обработки всех заготовок вершины, в которой находится технологическая единица. Закончив обработку всех деталей, оборудование переходит в вершину «финиш». Таким образом, происходит распределение заданий между технологическим оборудованием, план составляется на смену, неделю, месяц, декаду, год или на другой временной норматив, принятый на предприятии.
Изделия 1-го типа
Изделия 2-го типе
Изделия 3-го типа
Поскольку задача календарного планирования имеет графовую интерпретацию, муравьиный алгоритм становится эффективным способом поиска рациональной загрузки оборудования [5]. Также известно, что эффективность муравьиных алгоритмов растёт с ростом размерности решаемых задач оптимизации. Хорошие результаты получаются при использовании в динамических приложениях (в данном случае календарный план адаптируется к изменениям количества изготавливаемых деталей или выходу из строя технологических единиц).
Описание алгоритма работы интеллектуальной системы
Далее проведем адаптацию муравьиного алгоритма к параметрам календарного планирования. Переход оборудования между вершинами осуществляется на основании матрицы вероятностей, рассчитанной по формуле: к
Р=тк'х Р=1 (2)
где К - вычисляется по формуле (3)
То,, • kf
к = -ЕТ, (3)
где То^ - время, затраченное на технологическую операцию 0^ над партией деталей 1-ого типа (4), является параметром, характеризующим количество феромона на соответствующем ребре;
к - коэффициент, характеризующий возможность перехода (к = 1, если количество необработанных деталей в вершине больше нуля), является альтернативой параметра жадности алгоритма;
Ts1 - срок изготовления партии деталей 1-ого типа (5), параметр показывает привлекательность ребра, в которое осуществляется переход.
• п ,
V V -
(4)
Рис. 1. Представление задачи календарного планирования в виде графа
То V =ТТПу + ^
У=1
где Тущ - время, затраченное на технологическую операцию 0у над деталью 1-го типа;
П - количество деталей, ожидающих обработку di (партия запуска);
Тпщ - время, затраченное на наладку ГПМ для выполнения технологической операции 01р
Ts , = к1 • С, (5)
где к1 - количество дней на выполнение заказа;
dl - длительность рабочего дня, ч.
При переходе между узлами графа в вершине, в которую перешло оборудование, количество запланированных деталей уменьшится, а число выпущенных деталей увеличится на величину предметов, содержащихся в лотке для заготовок.
Также для технологической единицы определяется время, за которое она освободится (6).
Ты у = Тп. + Тпр.. + п • ТУ 1}. (6)
Затем определяются вероятности перехода из начала графа в вершины 1-го уровня, учитывая тот факт, что некоторое количество заготовок ушло на обработку. По формуле (7) определяется время выполнения технологической операции:
Ту1] =Е Тп. + Туч
.=1
(п1пп - п1, х
(7)
где n1J - количество обрабатываемых деталей на данный момент времени d1 (партия деталей).
Выбрав максимальную вероятность перехода для каждой единицы оборудования, осуществляется переход в вершины 1-го уровня.
Затем для гибкого производственного модуля, у которого время выполнения операций над партией деталей минимально, рассчитываются вероятности перехода в доступные вершины. Однако, если количество деталей в вершине, в которой находится машина, больше нуля, то алгоритм становится жадным (к^=0 для остальных вершин), и продолжается обработка заготовок в текущей вершине - переход по пет-
ле. Далее цикл повторяется до тех пор, пока технологическая единица не окажется в вершине последнего уровня и количество выпущенных деталей не будет равно плановым заказам. Затем происходят переход оборудования в финишную вершину и расчет времени, затраченного на обработку.
Моделирование работы интеллектуальной системы в среде MATLAB
Для исследования интеллектуальной системы диспетчеризации было разработано и реализовано программное приложение в среде МА^АВ. Основные функции приложения:
- редактирование файлов с исходными данными (количество изготавливаемых изделий, единиц технологического оборудования);
- поиск наилучшего решения задачи планирования;
- вывод полученного решения в виде графа и таблицы.
В процессе апробации программы был получен граф, иллюстрирующий распределение заданий между технологическим оборудованием.
На рис. 2 отслеживается оптимальная последовательность переходов станков между операциями над деталями для скорейшего достижения выполнения плана по выпуску деталей. Тестирование программной модели на контрольных примерах показало высокие результаты по выравниванию нагрузки на станочный парк, а также минимизировало время, отведенное на обработку всех деталей.
Рис. 2. Граф переходов оборудования между изделиями
Однако созданная модель предназначена для дискретного производства, в её функционал не вложена возможность оперативного перепланирования нагрузки на производственные единицы в случае нештатных ситуаций или изменения производственного плана по выпуску продукции. В случае отказа оборудования необходимо вновь производить расчет календарного плана с обновленным числом исправных технологических единиц.
Заключение
В данной статье предложена программная реализация в среде МА^АВ интеллектуальной системы диспетчеризации гибких автоматизированных производств. Представленная модель использует возможности муравьиного алгоритма для оптимизации календарного планирования.
Дальнейшим развитием данной модели считается введение в её структуру случайной
величины, описывающей отказы оборудования, и оперативное изменение производственного плана в режиме реального времени.
Литература
1. Данилов А.Д., Головнев В.Н. Цифровые системы управления. Воронеж: ВГЛТА, 2007. 235 с.
2. Данилов А.Д. Модели для автоматизированного проектирования поточных производств // Вестник Воронежского государственного технического университета. 2009. Т.6. № 6. С. 163-166.
3. Данилов А.Д. Технические средства автоматизации. Воронеж: ВГЛТА, 2007. 340 с.
4. Данилов А.Д., Ломакин В.А. Интеграция САМ-элементов в структуру управления гибким автоматизированным производством// ПМТУКТ-2016: сб. тр. IV меж-дунар. конф. Воронеж: Научная книга, 2016. С. 110-112.
5. Данилов А.Д., Ломакин В.А. Интеллектуализация управления гибким автоматизированным производством// Вестник Воронежского государственного технического университета. 2016. Т. 12. № 5. С. 60-64.
6. Краснопрошина А.А. Системы управления гибкими автоматизированными производствами. К.: Высш. шк., Главное издательство, 1987. 383 с.
Поступила 12.04.2018; принята к публикации 16.07.2018 Информация об авторах
Данилов Александр Дмитриевич - д-р техн. наук, профессор кафедры электропривода, автоматики и управления в технических системах, Воронежский государственный технический университет (394026, Россия, г. Воронеж, Московский проспект, 14), e-mail: [email protected], тел. 8920-430-74-54
Ломакин Владислав Андреевич - аспирант кафедры электропривода, автоматики и управления в технических системах, Воронежский государственный технический университет (394026, Россия, г. Воронеж, Московский проспект, 14), e-mail: [email protected], тел. 8950-769-42-27
USING ANT COLONY OPTIMIZATION ALGORITHM IN THE INTELLECTUAL SCHEDULING SYSTEM OF DISCRETE PRODUCTION
A.D. Danilov, V.A. Lomakin
Voronezh State Technical University, Voronezh, Russia
Abstract: problems and bottlenecks in the creation of calendar plans for metalworking production are considered, as well as the complexity of synthesizing an intelligent control system for flexible automated production facilities, which makes it possible to optimally distribute the load among technological units. To solve the problems arising in the process of drawing up schedules of discrete production, it is proposed to interpret the task of distributing tasks between machines and other technological equipment in the form of a weighted graph whose vertices will be operations on details. In this situation, as an effective method for optimizing the start-up schedule of parts for processing on the equipment, an algorithm of ant colonies was used, which copes well with large-dimensional problems. To apply this meta-heuristic approach in the intelligent dispatching system of flexible automated production, the algorithm of the ant colonies was adapted to the features of the scheduling task. This intellectual system, for testing purposes, was implemented in MATLAB, the result of its work is a structured graph illustrating the distribution of equipment between operations on parts, the sequence of tasks by machines with numerical control, the execution time of the operation block
Key words: flexible manufacturing system, scheduling, ant algorithm
References
1. Danilov A.D. Golovnev V.N. "Digital control systems" ("Tsifrovye sistemy upravlenija"), Voronezh, Voronezh State University of Forestry and Technologies, 2007, 235 p.
2. Danilov A.D. "Models for automated designing of line productions", The Bulletin of Voronezh State Technical University (Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta), 2009, vol. 5, no. 6, pp. 163-166.
3. Danilov A.D. "Technical means of automation" ("Tekhnicheskie sredstva avtomatizatsii"), Voronezh, Voronezh State University of Forestry and Technologies, 2007, 340 p.
4. Danilov A.D., Lomakin V.A. "The integration of CAM-elements into the control system of the flexible automated manufacture", Proc. of the Int. Conf. (PMTUKT-2016: sb. tr. IV mezhdunar. konf.), Voronezh, Nauchnaya kniga, 2016, pp. 110-112.
5. Danilov A.D., Lomakin V.A. "Intellectualization of management of flexible automated production", The Bulletin of Voronezh State Technical University (Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta), 2016, vol. 12, no. 5, pp. 60-64
6. Krasnoproshina A.A. "The control system of flexible automated production" ("Sistemy upravleniya gibkimi avtomatiziro-vannymi proizvodstvami"), Vysshaya shkola, 1987, p. 387.
Submitted 12.04.2018; revised 16.07.2018
Information about the authors
Aleksandr D. Danilov, Dr.Sc. (Technical), Professor, Voronezh State Technical University, (14 Moskovskiy prospekt, Voronezh 394026, Russia), e-mail: [email protected]
Vladislav A. Lomakin, Graduate Student, Voronezh State Technical University (14 Moskovskiy prospekt, Voronezh 394026, Russia), e-mail: [email protected]
