CC BY
73
СОВРЕМЕННЫЕ ТЕХНОЛОГИИ УПРАВЛЕНИЯ В ЛЕСОПРОМЫШЛЕННОМ КОМПЛЕКСЕ
Рябков В.М., Денисов Е.Н. (МГУЛ, г. Москва, РФ)
Intellectual management technologies problems and perspectives of development in woodworking industry.
Древесина в настоящее время стала настолько дорогостоящим материалом, что ее необходимо использовать оптимально и получать максимальный выход из каждого обрабатываемого бревна. Причем, речь идет не только об объемах, но и об оптимизации выпуска продукции с учетом поступивших заказов, актуальных цен и т. д.
Интенсификация технологических процессов, усложнение и взаимосвязь организационных, экономических и информационных структур производства пиломатериалов, древесных плит, мебели, столярно-строительных изделий и т. п. требуют эффективного управления в условиях непрерывного изменения и эволюции рынка.
Современные лесозаводы с объемом производства 100 тыс. м3 в год и более имеют большую скорость движения лесоматериалов (до 250 м/мин), при которой контроль над состоянием сырья, полуфабрикатов и готовой продукции возможен только при полной автоматизации производственного процесса. Однако, как показывают исследования, пиление древесины при скорости более 130 м/мин приводит к быстрому износу оборудования. Поэтому, наряду с увеличением производительности и качества пиления, встают задачи диагностики состояния машин и инструмента с целью своевременного технического обслуживания их и замены.
Быстрые изменения конъюнктуры рынка, колебания в снабжении сырьем и рост цен на мировом рынке изменили условия работы лесопильно-деревообрабатывающих предприятий и потребителей их продукции. Покупатели стали выставлять более жесткие требования к планированию поставок и размерам партий. Обязательным условием эффективного управления производством стала возможность быстрого приспособления производства к изменяющимся требованиям рынка, что, в свою очередь, повышает требования к оборудованию, к обслуживающему персоналу, к гибкости производственного процесса и качеству выпускаемой продукции.
Прошло время, когда лесопильно-деревообрабатывающие предприятия меняли оборудование, когда оно физически устаревало. Сейчас модернизации и реконструкции идут почти непрерывно. И нередко наиболее экономичным ре -шением является строительство нового производства, основанного на новых принципах и технологиях [1, 2]. В производстве древесностружечных плит уже в начале 1980-х годов было установлено, что наиболее рентабельными являются линии мощностью ПО тыс. м3 в год. Увеличение мощностей отечественных линий с 25 тыс. до 110 тыс. м3 в год производилось путем наращивания этажности прессовых установок, увеличения производительности стружечных стан-
ков, сушильных агрегатов и главного конвейера [3, 4]. Кроме того, был закуплен за рубежом ряд установок мощностью до 250 тыс. м3 плит в год. Высокие темпы производства продукции поставили задачи объединить технологию, машинную технику и систему управления в одну комплексную систему [5, 6, 7]. В 1980-90-х годах стало возможным автоматизировать более сложные установки с современной техникой обработки данных и визуализировать процессы [8, 9, 10]. Был выполнен ряд работ по оптимизации технологических процессов [11, 12].
Анализ работы современных лесопильных и плитных производств, харак -теризующихся сложностью и разнообразием технологических процессов, показывает, что до сих пор здесь не разрешено главное противоречие между усложнившимся характером производства и сокращающимися ресурсами времени для выполнения функций управления. Скорость переработки информации отстает от ритма производственного процесса. Это затрудняет принятие решений по отклонениям в процессе производства, делает невозможным осуществление в приемлемые сроки многовариантных расчетов, связанных с принятием управ -ленческих решений. Одновариантные решения отражают лишь некоторый фик -сированный уровень использования ресурсов. Основным средством устранения этого противоречия является автоматизация производства на основе использования современных интеллектуальных технологий управления.
Для современных мебельных производств, производства столярно-строительных изделий, производства деревянных домов характерно основное противоречие между мелкосерийностъю объектов производства и крупными масштабами самого производства. Большое многообразие комплектующих и обрабатываемых деталей, частая смена технологических процессов, увеличение времени переналадки требуют использования современного технологического оборудования, промышленных роботов, объединяемых в гибкие производственные системы (ГПС) на основе современных интеллектуальных технологий управления.
Предпосылками создания интеллектуальных систем управления стало то, что в последние годы за рубежом и в России существенно повысился интерес к исследованию, разработке и внедрению в промышленную и непромышленную сферы прикладных интеллектуальных управляющих систем. Развитые страны вкладывают в разработку интеллектуальных систем управления миллиарды долларов.
В России фундаментальные и прикладные работы по созданию интеллектуальных систем управления активно проводятся во многих организациях: в вычислительном центре РАН, Институте прикладной механики РАН, МЭИ, МАИ, на кафедре «Проблемы управления» МИРЭА и в целом ряде других ор -ганизаций. Этому предшествовал длительный период исследований в области теории искусственного интеллекта, ситуационного управления и семиотического моделирования. Главным идеологом в этой области знаний был и остается профессор ВЦ РАН Д.И. Поспелов [13]. В наши дни управление на основе анализа внешних ситуаций (событий) остается одной из ключевых идей интеллек -туального управления техническими и организационными системами.
Другой базовой идеей послужило использование средств современной информационной технологии обработки знаний при поиске управленческих ре -шений и формировании соответствующих управляющих воздействий. Переориентация применений вычислительных машин на выполнение функций обработки нечисловой информации послужила главной предпосылкой появления интеллектуальных систем. Это системы, вовсе не обладающие какой бы то ни было "интеллектуальностью" в общепринятом смысле. Это, прежде всего, класс систем, строящихся с применением новой информационной технологии обработки и использования знаний [14, 15].
Создание высокоэффективных программных систем по обработке и использованию знаний для решения целого ряда прикладных задач, включая разработку систем, моделирующих творческие возможности человека, способствовало развитию нового вида систем. Такие системы и стали называть "интеллектуальными", а применительно к области управления — "интеллектуальные системы управления".
Рассматривая общую концептуальную структуру интеллектуальной системы управления, следует отметить, что концептуальная архитектура любой интеллектуальной системы управления содержит следующие основные блоки:
- база знаний с развитыми механизмами вывода на знаниях;
- интеллектуальный решатель, формирующий постановку и общий план решения задачи;
- система объяснения;
- интерфейс пользователя.
Один из первых вариантов концептуальной архитектуры интеллектуальных машин был предложен Г.Н. Саридисом [16]. По Саридису, интеллектуальная машина имеет иерархическую трехуровневую структуру, упорядоченную в соответствии с неким базовым принципом. Суть его заключается в том, что по мере продвижения к высшим уровням иерархической структуры повышается интеллектуальность системы, но снижается ее точность и наоборот. Каждому из уровней системы соответствует специальная подсистема, реализующая функции, характерные для этого уровня.
Главным отличием современной концепции иерархического построения систем управления сложными динамическими объектами является использование в практике управления методов и технологий искусственного интеллекта, как средства борьбы с неопределенностью внешней среды. Необходимость интеллектуализации каждого из уровней управления обусловлена подверженностью выполняемых ими функций влиянию различных факторов неопределенности. Практическое воплощение этой концепции предполагает избирательное использование тех или иных технологий обработки знаний в зависимости от специфики решаемых задач, особенностей управляемого объекта, его функционального назначения, условий эксплуатации и т. д.
В настоящее время в практике интеллектуальных систем управления при -меняют четыре различные информационные технологии:
- технология экспертных систем;
- технология нечеткой логики;
- технология нейросетевых структур;
- технология ассоциативной памяти.
Главной отличительной особенностью технологии экспертных систем является возможность работы с формами явного представления знаний, включая продукционные правила, предикаты, семантические сети и фреймообразные структуры. В системах управления интеллектуальных в целом на верхних уровнях управляющей структуры, как правило, используются экспертные системы, в состав которых могут быть включены такие механизмы правдоподобного вывода на знаниях, как вывод по аналогии, на основе здравого смысла, ар -гументация, обоснование и т. п. В системах такой степени интеллектуальности могут быть автоматически сформулированы решения, вполне приемлемые в сложившейся ситуации, но неожиданные даже для экспертов.
Одним из наиболее распространенных способов описания поведенческих характеристик объектов управления в последнее время стало применение нечетких продукционных правил с соответствующими механизмами нечеткого вывода. В технических системах точные значения сигналов с датчиков подаются на фазификатор, а точные значения управляющих воздействий на объект поступают с дефазификатора. Системы управления, построенные по этой схеме, получили название "нечеткие системы управления". Нечеткие системы управления (без самообучения, предсказания и т. д.) относятся к числу систем интеллектуальных в малом. Это чрезвычайно важный и наиболее распространенный в настоящее время подкласс интеллектуальных систем управления.
Что же касается самообучения и адаптации интеллектуальных систем управления, то к настоящему моменту достаточно широкое распространение получили методы эволюционного моделирования на базе нейронных сетей, настраиваемых с помощью генетических алгоритмов. Концептуальная модель, организованная с использованием в контуре управления базы нечетких правил, блока нечеткого вывода, фазификатора (переводящего четкие значения входов в лингвистические значения) и дефазификатора (выполняющего обратное преобразование) совместно со средствами обучения на базе нейронной сети уже нашла применение в ряде промышленных разработок интеллектуальных систем управления (17).
Применение для построения интеллектуальных систем управления техно -логии неиросетевых структур предполагает формирование однородных структур, состоящих из множества взаимосвязанных элементов с заданной характеристикой преобразования сигналов. При этом важнейшей особенностью нейро-сетеых структур является их высокое быстродействие, достигаемое за счет параллельности обработки информации при их аппаратной реализации.
Поиски альтернативных путей построения быстродействующих систем обработки знаний привели к разработке технологии ассоциативной памяти. Эта технология предполагает использование механизмов восстановления целостных образов по их отдельным элементам и сводится к работе с многомерными массивами данных. Хранящиеся в памяти знания имеют неявную форму представления и задают классификацию понятий некоторой предметной области в
виде сочетания признаков, присущих каждой качественной категории.
Главные преимущества такого подхода связаны с простотой как программного, так и аппаратного воплощения ассоциативной памяти, которая обеспечивает высокое быстродействие, определяемое временем обращения к каждой ячейке.
Сравнительный анализ различных интеллектуальных технологий позволяет выделить ряд общих черт, главная из которых связана с использованием классификации тех или иных понятий в качестве средства для установления связей между отдельными явлениями рассматриваемой предметной области. Эта особенность имеет ключевое значение для разработки принципов организации интеллектуального управления на основе применения современных технологий обработки знаний.
Современные тенденции развития науки и техники дают основание полагать, что в ближайшем будущем интеллектуальные технологии управления станут основными технологиями, используемыми в деревообработке для достижения эффективного управления производственным процессом, отвечающим динамике изменения конъюнктуры рынка пиломатериалов, древесных плит и сто-лярно-строительных изделий с оптимизацией использования всех ресурсов предприятия на каждом участке производственного процесса. Учитывая сложность модернизации имеющихся на российских лесопильно-деревообрабатывающих предприятиях мощностей, нередко наиболее экономичным решением является строительство нового производства, основанного на новых принципах и технологиях управления.
Литература
1. Рябков, В. М. Древесные плиты на минеральном вяжущем (обзор)/ В.М. Рябков, А.А. Леонов, P.M. Фаренюк. - М: ВНИПИЭИлеспром, 1980. - 40 с.
2. Рябков, В. М. Производство древесностружечных плит строительного назначения. -М.: ВНИПИЭИлеспром, 1981. - 28 с.
3. Беликова, И. В. Повышение эффективности производства древесных плит/ И.В. Беликова, Н.В. Рябкова, Ф.В. Шахрай. - М.: Лесная промышленность, 1982 - 112 с.
4. Рябков, В. М. Анализ эффективности наращивания этажности пресса в производстве древесностружечных плит/ В.М. Рябков, Л.Г. Молчанов// Деревообрабатывающая промышленность. - 1989. - № 10. - С. 7 - 8.
5. Рябков, В. М. Моделирование и задачи управления технологическим комплексом производства древесностружечных плит// Известия высших учебных заведений, Лесной журнал. - 1985. -№ 4. - С. 59 - 63.
6. Рябков, В. М. Задачи и алгоритмы оперативного управления транспортно-технологическими потоками в производстве древесностружечных плит/ В.М. Рябков, А.А. Завражнов// Деревообрабатывающая промышленность. - 1989, - №10. - С. 9 - 11.
7. Рябков, В. М. Алгоритмизация и моделирование переместительно-технологических операций на участке «формирующая машина-пресс» в производстве древесно-стружечных плит/ В.М. Рябков, В.Б. Забавников// Деревообрабатывающая промышленность. - 1989. -№ 10.-С. 11-15.
8. Рябков, В. М. Система управления прессованием древесностружечных плит на базе микро ЭВМ СМ-1800"/ В.М. Рябков, В.Б. Забавников, А.А. Завражнов// Деревообрабатывающая промышленность. - 1989. - № 8. - С. 19-21.
9. Рябков, В. М. Система управления главным конвейером в производстве древесностружечных плит на базе программируемого контроллера ГТК-02/ В.М. Рябков, СВ. Рябков, В.М. Шупиков// Деревообрабатывающая промышленность. - 1989. - №11.— С. 17-18.
10. Рябков, В. М. Автоматизированная система сортировки стружки в производстве
древесностружечных плит на базе микро ЭВМ СМ-1800/ В.М. Рябков, Б.А. Березицкий // Деревообрабатывающая промышленность. - 1990. - № 11. - С. 23 - 24 .
11. Завражнов, А. А. Оптимизация управления процессом сушки стружки в производстве древесностружечных плит/ А.А. Завражнов, В.М. Рябков// Науч. тр./ Моск. лесотехн. ин-т. -
1987. - Вып. 191.-М.: МЛТИ. - С. 7 - 12.
12. Рябков, В. М. Оптимизация объемов бункеров и текущих запасов в производстве древесностружечных плит/ В.М. Рябков, А.А. Завражнов// Науч. тр./ Моск. лесотехн. ин-т. -
1988. - Вып. 202. - М.: МЛТИ.
13. Поспелов, Д. А. Ситуационное управление: теория и практика. - М.: Наука, 1986.
14. Осуга, С. Обработка знаний. Пер. с японского. - М.: Мир, 1998.
15. Лохин, В. М. Интеллектуальные системы управления: понятия, определения, принципы построения/ В.М. Лохин, В.Н. Захаров// В книге "Интеллектуальные системы автоматического управления" под редакцией И.М. Макарова, В.М. Лохина. - М.: 2001.
16. Saridis, G.N. Analytical formulation of the principle of increasing precision with decreasing intelligence for intelligent machines. Automatica. 1989 V. 25, N 3 - P 157-180/
17. Zadeh, L. Fuzzy logic, neural network and soft computing. Communications of the ACM 1994V.37,N3-P. 65-83.
