Scm-логистика и мехатронные системы Текст научной статьи по специальности «Экономика и бизнес»

УДК 004

SCM-ЛОГИСТИКА И МЕХАТРОННЫЕ СИСТЕМЫ

© 2011 г. Д.М. Крапивин, Г.Е. Токмаков

Южно-Российский государственный South-Russian State Technical

технический университет (Новочеркасский University (Novocherkassk

политехнический институт) Polytechnic Institute)

Рассматриваются возможные структуры по интегрированию на производственном предприятии систем ERP с информационными и мехатронными системами нижнего уровня— АСУ ТП и MES, которые управляют технологическими участками производственной линии в составе гибких производственных систем, а также считывают с них необходимую информацию. Для создания информационной целостности предприятия предлагается мультиагентная система управления информационными и ресурсными потоками производственной линии и математическая модель операции.

Ключевые слова: ERP-система; MES-система; логистический сервис; технология TIA; интеллектуальные агенты; мехатронные системы.

The article consider the possible structure for integrating the manufacturing enterprise ERP systems with information and mechatronic systems of the lower level— Process Automation and MES, which control the technological areas of production line of flexible manufacturing systems, as well as read from them the necessary information. To create the enterprise information integrity is proposed multiagent system management information and resource flows of the production line and the mathematical model of the operation

Keywords: ERP-system; MES-system; logistic service; TIA technology; intelligent agent; mechatronic systems.

Главное направление в проектировании ме-хатронных систем (МС) — это создание таких конфигураций МС, у которых маневренность управления являлась бы приоритетной функцией.

В настоящее время это направление связано с реализацией децентрализованного управления технологическими участками производственной линии в составе гибких производственных систем. В этом случае производственная линия является проводником для основных информационных и ресурсных потоков системы (рис. 1), а значит, должна обеспечить высокую маневренность управления.

В последние 20—30 лет в значительной мере благодаря внедрению таких производственных систем издержки изготовления продукции снизились настолько, насколько позволил нынешний этап научно-технического прогресса. Углубление специализации, как необходимый фактор данного явления, в свою очередь, предполагало адекватное развитие кооперации и интеграции хозяйствующих субъектов.

Вывод на рынок продуктов с относительно короткими жизненными циклами, а также постоянно растущими требованиями потребителей к качеству продукта привели к существенным изменениям как в сфере целеполагания, так и в сфере технологий логистического сервиса. Сфера обращения, даже при внедрении логистики как функционального менеджмента, отвечающего за управление материальным потоком и адекватными ему информацией и финансами в рамках воспроизводственного цикла отдельных фирм, не смогла обеспечить уровень, аналогичный сфере производства.

Вот почему развитие такой логистической концепции, как Lean Production (LP) и принципа Just-in-Time («точно в срок»), в 1990-е гг. сложилось в понятие управления цепями поставок (Supply Chain Management или SCM), которое определяют как интегрирование ключевых бизнес-процессов, начинающихся от конечного пользователя и охватывающих всех поставщиков товаров, услуг и информации, добавляющих ценность для потребителей и других заинтересованных лиц.

Рис. 1. Основные информационные и ресурсные потоки производственной системы

Первоначально термин «управление цепями поставок» понимался как синоним терминов «логистика» и «логистический менеджмент». В последние годы толкование категории SCM претерпело изменение в сторону его трактовки как новой бизнес-концепции. Положительное восприятие SCM-концепции привело к пересмотру и определения логистики как таковой. Согласно определению Совета логистического менеджмента (США), данному в 1998 г., логистика определяется как часть процесса в цепях поставок, в ходе которого планируется, реализуется и контролируется эффективный и производительный поток товаров, их запасы, сервис и связанная информация от точки их зарождения до точки поглощения (потребления) с целью удовлетворения требований потребителей [1].

Таким образом, управление цепями поставок представляется категорией более глобальной, чем логистика. Превалирующей организационной структурой является сеть, а не иерархия. Сеть

малых систем гораздо более чувствительна к изменениям на рынке, чем большие бюрократические структуры. Уже не оспариваются ключевые бизнес-процессы SCM, соотнесенные с разными уровнями управляющей системы, взаимодействие которых осуществляется в сетевой структуре системы промышленной связи.

Компоненты такой системы, реализующей технологтю TIA (Totally Integrated Automation) корпорации Siemens в сети SIMATIC NET [2], представленные на рис. 2, служат основой для организации промышленной связи: в различных областях автоматизации; в пределах технологического процесса; в пределах предприятия; для всех секторов промышленного производства. Предлагаются решения, которые используют все преимущества Ethernet для решения задач управления и предполагают вертикальный обмен данными от полевого уровня до уровня управления компанией с широким использованием информационных технологий.

Corporate management level (ERP)

Plant control level (MES)

thernet, TCP/IP, "Internet servis

Ключевые бизнес- процессы

Управление спросом Управление снабжением Управление выполнением

заказов Обслуживание потребителей

Управление проектированием продукта и его доведением до коммерческого использования Управление производственными операциями

Управление мехатронными модулями ММД производственной линии

Рис. 2. Сетевой обмен данными в технологии TIA

Создание информационной целостности предприятия развивается от связывания отдельных островков автоматизации к программному соединению всех офисов, конструкторских отделов и технологических процессов. С использованием программных web-технологий такое объединение может осуществляться как в пределах отдельных подразделений, так и всего предприятия или через онлайновые каналы нескольких предприятий, поставщиков и даже потребителей. Способы объединения мириад функций как внутри, так и за пределами предприятия так же разнообразны, как и способы локальной автоматизации и управления производством. Рекламируемые преимущества подобной программной интеграции столь же неисчислимы, как и количество различных конкретных условий пользователя.

Исследования многих авторов и данные потребителей говорят о том, что эффективное взаимодействие различных уровней увеличивает темпы роста производства на том же самом оборудовании на 10—50 %. Набор выполняемых функций может быть реализован в виде специфических интеллектуальных модулей или, всё более и более, в виде готовых программных пакетов одного или нескольких поставщиков. В своё время производители программного обеспечения разделились по рыночным нишам, соответствующим различным уровням предприятия — системы регулирования, исполнительные производственные системы (MES), системы управления предприятием (ERP), а также системы проектирования и офисные. Однако с течением времени грани между ними сглаживаются. Стимулами к такой интеграции стали потребности заказчиков в открытости и недорогой возможности связывания систем с целью совместимости информации из различных подразделений.

Ассоциация производителей MES-систем MESA International (Питтсбург, Пенсильвания) [3] говорит, что внешними по отношению к MES-системе (но взаимодействующими с ней) функциями являются: системы регулирования, ERP, системы проектирования изделий и технологических процессов, системы управления сбытом и обслуживанием, а также снабженческой сетью и складскими запасами. В соответствии с пересмотренными ассоциацией MESA International определениями под MES теперь подразумевается «технология отраслевого управления цехом/производством» (shop floor/production management technology). По определению MESA International, теперь задачей MES-системы является «создание и распространение информации, допускающей оптимизацию всей производственной деятельности — от получения заказа до конечной продукции. На базе актуальных и точных данных MES управляет производ-

ственной деятельностью, реагирует на возникающие события и выдает соответствующие отчеты. Быстрота реакции на меняющиеся условия в сочетании с сокращением непроизводительной деятельности повышает эффективность всего производства и отдельных технологических процессов.

Воздействие сети Интернет на продуктивность деловой деятельности привело к совмещению торговли товарами с принятием решений по производству, распределению, транспортировке и управлению всей цепочкой снабжения по Порталам Интеллектуальной Логистики. Ключом к пониманию интеллектуальной логистики является Концепция Интеллектуальных агентов.

Основным признаком мультиагентной логистики второго поколения является замена штрихового кода на электронные знаки, каждый из которых содержит агента.

После получения опционов на транспортировку поставщик должен послать поток Интеллектуальных Посылок (посылок с интеллектуальными электронными знаками, каждый из которых содержит простого интеллектуального агента, встроенного в чип, имплантированный в упаковочный материал) в Центр Всемирной сети логистики (GLN). Каждый посланный агент имеет знания о месте своего назначения, ожидаемом времени прибытия, пути следования, условиях складирования и эксплуатации, весе и размерах. Каждый Центр GLN (склады, транспорт) будет иметь своих собственных агентов, способных общаться с вверенными им интеллектуальными агентами.

Такая кодировка товара даст возможность разработать мехатронные системы для отслеживания и управления товаром в процессе его доставки от поставщика до потребителя. Эти мехат-ронные системы, построенные по мультиагент-ной структуре для управления бизнес-процессами в рамках системы ERP, будут включать следующие элементы:

— интеллектуальное распределение по полкам (на складах и магазинах розничной торговли);

— интеллектуальные роботы, способные к поиску товара по информации, считанной с интеллектуальных кодировок, а не к доставке товара из заданной точки, как происходит в настоящее время;

— интеллектуальные транспортные системы (грузовики, автономные средства транспортировки, конвейеры), умеющие определять товары, погруженные на них, и передавать эту информацию далее по системе, если необходимо;

— интеллектуальные системы управления средой хранения товаров, способные выявить правильные условия хранения для каждого товара;

— интеллектуальные системы рассортировки товаров, способные рассортировать товары

в соответствии с информацией, записанной в их кодировках;

— интеллектуальные системы расчета, способные считать цены товаров, размещенных на том или ином конвейере или в корзинах (включая любые скидки, предоставляемые на день покупки определенной группе покупателей) и записывать их на счет покупателя.

Переход от старых технологий к новым по направлению к миру виртуальных организаций и разумных мехатронных систем осуществляется объединением в сети всех ключевых бизнес-процессов, центральное место среди которых занимают процессы управления проектированием продукта и управления производственными операциями.

Для решения задач МЕЗ-системы предприятия, т.е. для управления информационными и ресурсными потоками мехатронной производственной системы, рассмотренной выше (см. рис. 1), может быть составлена команда из пяти агентов: планирования, эксплуатации, действия, безопасности и администрирования, каждый из которых представляет миниатюрную систему с базой знаний, функционирование которой может быть представлено в виде трех этапов: постановка задачи, получение результатов, оценка эффективности операции.

Каждый агент выполняет одну операцию в рамках З0-системы, — производственной линии, реализующей эту операцию, и поэтому выполнение операции может рассматриваться как процесс изменения ее состояний во множестве Z всех возможных состояний З0-системы [4]. В такой постановке интеллектуальный агент З0-системы представляет собой математическую модель операции ¥ для решения задачи количественной оценки эффективности W как меры степени соответствия реального (прогнозируемого) результата У операции требуемому Ур или степени достижения цели А0 операции, отображаемой требуемым результатом У тр.

Количественные, а в общем виде — векторные числовые оценки W(u) получают для всех стратегий и из рассматриваемого множества и допустимых стратегий. Каждая такая оценка W(u)

характеризует уровень эффективности (степень достижения цели) операции при данной стратегии ие и

В общем виде задачу оценивания эффективности операции можно представить формальной записью следующего вида:

Щи)=М[ р (У(и), Утр)]; (1)

¥ : {Y I H: Ux Л® ^ Y(G)}0 ^ W,

(2)

где Л — множество определенных и неопределенных факторов, формирующих обстановку операции; У тр — требуемый результат операции; У— результат операции — вектор характеристик исхода g е О операций, важных для достижения цели А операции, отображаемой требуемым результатом У тр; М — знак математического ожидания; р — функция соответствия; Н — модель результата операции, позволяющая вычислить значения У(и) результата У операции для каждой стратегии ие и; 0 — информация о проблемной ситуации.

Отображение ¥ в (2) является отображением множества и допустимых стратегий во множество значений показателя эффективности W с учетом (1) и обычно задается в форме определенной математической модели операции.

В мультиагентной системе управления информационными и ресурсными потоками производственной линии математическая модель операции в виде (1) и (2) может быть использована для создания структуры программных генов, пригодной для всех пяти агентов. Такая структура, представленная на рис. 3, позволяет оценить эффективность операций, например, планирования и эксплуатации. Агент планирования имеет цель— снизить себестоимость продукции А0 и на основании бизнес плана Л и результатов маркетинговых исследований и определить рациональный объем и наименование заказа на производство того или иного продукта. Для выбора «наилучших» с точки зрения ЛПР маркетинговых ходов (и*-стратегий) агент «ведет переговоры» в виде аукциона с поставщиками, опираясь на подмодели Ри и РЛ модели предпочтений Р.

Агент планирования

Поставщики -►

Маркетинговые

исследования -►

Объем заказов

Бизнес-план

Интеллектуальный агент операции ¥

Агент эксплуатации

Объем заказов

Возможные конфигурации

Технические возможности линии

Состояние линии

Рис. 3. Структура интеллектуального агента для операций управления мехатронной системой

Аналогично на основе подмоделей предпочтений РО Ру и с учетом информации 6Н об имеющихся средствах построения моделей Н выбираются характеристики У исхода О и устанавливается вид соответствия Н: ихЛ ^ У(О), а также формируется величина требуемого результата У тр.

Далее по информации У, У тр с учетом предпочтений РШ о виде показателя эффективности устанавливается один из возможных видов метрики р (У, Утр) и формируется модель «результат — показатель». Одновременно формируется критерий К по информации и подмодели предпочтений РК, которая может задавать критерий в форме решающего правила. На основании суждения о степени достижения цели операции осуществляется выбор лучшей альтернативы из множества и*е и, либо возврат и коррекция элементов модели проблемной ситуации.

Так, в процессе получения результатов выполняется соотношение (2), а в процессе анализа результатов — соотношение

Ре ^ К : иШ ^ и *.

Цель агента эксплуатации — минимизировать затраты времени и электроэнергии на производство единицы продукции. Множество факторов Л формируют базу знаний агента о техническом состоянии линии, возможные конфигурации которой и позволяют оценить ее технические возможности с учетом модели предпочтений для наилучших маркетинговых ходов агента планирования.

Операторы Q и М отображают множество У результатов операции во множество значений показателя эффективности Ж При этом множество У с использованием оператора соответствия Q: Ух У тр отображается во множество функций соответствия р , а оператор усреднения переводит множество значений функции соответствия р во множество значений показателя эффективности W, т. е. Q о М : У ^ Ш . Суперпозиция операторов Q о М определяет соответствие принятого показателя эффективности цели А0 операции, ото-

Поступила в редакцию

бражаемой требуемым результатом Y тр. Конкретный вид оператора зависит от характера множества факторов и связей между ними, учитываемых при оценивании эффективности.

Когда конкретные свойства операции не заданы, агент имеет возможность определять траектории функционирования системы ZT и YT, а информацию о входных воздействиях U x Л использовать для прогнозирования как результата операции Y, так и состояния S0-систeмы. В этом случае могут быть введены операторы ф и H, которые называются операторами перехода и выхода соответственно и записываются в виде соответствий:

ф : Z xUx T хЛ ^ Z; (3)

H : Z x U x T хЛ^ Y (G ) . (4)

Каждая точка траектории ZT состояний S0-системы и траектории YT результатов операции, определенная с помощью операторов (3) и (4), характеризует для некоторого момента времени te T состояние системы Zt и значение результата Yt операции.

Литература

1. Rzevski G. On Behaviour and Architectures of Autonomous Intelligent Agents: An Engineering Perspective, Proceedings First International Round-Table on Abstract Intelligent Agents, ENEA, Rome, 1993.

2. TIA— технология // Электронный информационный ресурс компании Siemens. URL: http: //www. automation. siemens. com/mcms/topics/en/tia/Pages/ default. aspx?stc=wwiia303256 (дата обращения 04.03.2010)

3. Марк Т. Хоск (Mark T. Hoske). Как связать системы — офисные, проектирования и управления. , CONTROL ENGINEERING //Мир компьютерной автоматизации On-line. October 1997. URL: http: //www. mka. ru/?p=40188 (дата обращения: 09. 09. 2010)

4. Надежность и эффективность в технике: справочник. В 10 т. / ред. совет: В. С. Авдуевский (пред.) и др. М., 1988.

1S сентября 2010 г.

Крапивин Дмитрий Михайлович — канд. техн. наук, доцент, Южно-Российский государственный технический университет (Новочеркасский политехнический институт). Тел. 89281724160. E-mail: [email protected]

Токмаков Георгий Евгеньевич — аспирант, Южно-Российский государственный технический университет (Новочеркасский политехнический институт).Тел. 89198926840. E-mail: [email protected]

Krapivin Dmitrij Mihailovich — Candidate of Technical Sciences, assistant professor, South-Russian State Technical University (Novocherkassk Polytechnic Institute). Tel. 89281724160. E-mail: [email protected]

Tokmakov Georgy Evgenevich — post-graduate student, South-Russian State Technical University (Novocherkassk Polytechnic Institute). Tel. 89198926840. E-mail: [email protected]