Научная статья на тему 'Управление производством, хранением и поставками товаров на основе прогнозирующей модели выхода системы'

Управление производством, хранением и поставками товаров на основе прогнозирующей модели выхода системы Текст научной статьи по специальности «Экономика и бизнес»

CC BY
125
24
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
МОДЕЛЬ ПРОИЗВОДСТВА / ПРОГНОЗИРУЮЩАЯ МОДЕЛЬ ВЫХОДА / КВАДРАТИЧНЫЙ КРИТЕРИЙ / УПРАВЛЕНИЕ С ПРОГНОЗИРУЮЩЕЙ МОДЕЛЬЮ / PRODUCTION MODEL / OUTPUT PREDICTION MODEL / QUADRATIC CRITERION FUNCTION / MODEL PREDICTIVE CONTROL

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Киселева Марина Юрьевна, Смагин Валерий Иванович

Рассматривается задача управления экономической системой производства, хранения и поставок товара потребителям, которая решается с помощью метода прогнозирующего управления выходом системы. При синтезе управления учитываются ограничения на управление и вектор состояния. Критерий качества выражен через выпуклую квадратичную функцию.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

The object is modeled using the following state space systems: qt+1 = qt + ϕt + Ґоt , zt+1 = zt + Ґшt − ϕt + Ґжt , where zt vector of amounts of goods in a storehouse, qt vector of amounts of consumers goods, Ґшt production volume vector, ϕt − deliveries volume vector. Constraints on some state and control components are: zmin ≤ zt ≤ zmax, 0 ≤ ƒt ≤ ƒmax, 0 ≤ ƒt ≤ zt. The system transformed to: xt+1 = Axt + But + wt . Equations for output vector yt and an observation vector ƒt become accordingly: yt = Gxt , Ґчt = Hxt + vt . The problem is to determine a control strategy providing consumers with as much product as given vector q . The task is accomplished by using output prediction system: xˆt+i+1|t = A xˆt+i|t + But+i|t , yˆt+i|t = Gxˆt+i|t , where xˆi| j and yˆi| j represent estimates of the state and output formed by optimal Kalman predictor. The criterion function is: J(t) = t+k|t-)ҐУC(t+k|t-)+(u t+k|t-u t+k-1|t)ҐУD(u t+k|t-u t+k-1|t)} where С > 0, D > 0 weighting matrices, N − prediction horizon. For optimization of the criterion the Matlab quadprog procedure has been used.

Текст научной работы на тему «Управление производством, хранением и поставками товаров на основе прогнозирующей модели выхода системы»

ВЕСТНИК ТОМСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА

2009 Управление, вычислительная техника и информатика № 2(7)

УДК 519.2

М.Ю. Киселева, В.И. Смагин

УПРАВЛЕНИЕ ПРОИЗВОДСТВОМ, ХРАНЕНИЕМ И ПОСТАВКАМИ ТОВАРОВ НА ОСНОВЕ ПРОГНОЗИРУЮЩЕЙ МОДЕЛИ ВЫХОДА СИСТЕМЫ

Рассматривается задача управления экономической системой производства, хранения и поставок товара потребителям, которая решается с помощью метода прогнозирующего управления выходом системы. При синтезе управления учитываются ограничения на управление и вектор состояния. Критерий качества выражен через выпуклую квадратичную функцию.

Ключевые слова: модель производства, прогнозирующая модель выхода, квадратичный критерий, управление с прогнозирующей моделью.

В настоящее время широкое применение находит метод прогнозирующего управления, который используется при управлении технологическими процессами [1], в экономике - при управлении производством [2] и портфелем ценных бумаг [3]. Метод прогнозирующего управления применяется на практике для решения задач синтеза систем управления, функционирующих в условиях жестких ограничений, накладываемых на переменные состояния и управления.

В работе рассмотрена задача синтеза прогнозирующего управления производством, хранением и поставками товара с учетом случайных факторов. Задача сводится к задаче управления выходом экономической системы с использованием экстраполятора Калмана [4].

1. Модель производства, хранения и поставок товаров.

Постановка задачи управления

Рассмотрим модель производства, хранения и поставок товаров [2, 5]. Пусть динамика экономической системы описывается разностными уравнениями:

41+1 =А^+ Фí +Ъ, % = %; (1)

^+1 = ^ -ф{ +^, ^ = Z0, (2)

где 41 е Я" , - количество товаров /-го типа у потребителя (/ = 1,п); е Яп,

- количество товаров /-го типа на складе производителя; е Я" , ю/Д - объем производства товаров /-го типа; ф( е Я", ф,д - объем поставок товаров /-го типа; Ъ, - векторные гауссовские случайные последовательности с характеристиками: М{ Ъ } = 0, М{ Ь } = о, М(ЪСТ } = 28а , М(^сТ} = Е5а , М(ЪСТ } = 0

(5(к - символ Кронекера); А и В - заданные матрицы. В модели (1), (2) случай-

ные векторы Ъ, учитывают ошибки, возникающие из-за погрешностей при задании модели.

В каждый момент времени t должны выполняться ограничения:

гтт < ^ < 2тах, 0 < Юt < Ютах, 0 < фt < Zt. (3)

Переменные и фt рассматриваются как управляющие воздействия.

Модель экономической системы (1), (2) может быть представлена в следующем виде:

(4)

" Ч+1" " Л 0" " Чі" " Е 0" "Фі" "^і'

= + +

_ 2і+1 _ _ 0 Е _ _ 2і _ _-Е Б _ _юі _ _С і _

где Е - п х п -единичная матрица. Введем обозначения:

" Чі" "Фі" , Л = " Л 0" , Б = " Е 0" "^' , ж = "Е 0"

, иі = , Щ =

_ 2і _ _юі _ _ 0 Е _ -Е Б _ _Сі _ _ 0 2_

Тогда модель (4) можно представить в виде

: Лхі + Биі + щ

(5)

(6)

где щ - гауссовская случайная последовательность (М {щ} = 0, М{м>(м>1} = Ж 5і к),

хо = (?0 ^ )Т .

Пусть у( є Яп - вектор выхода и у є Я1 - вектор наблюдений определяются следующими формулами:

у = Ох; (7)

У = нх + V , (8)

где О = (Е 0) (в силу (7) у( = ді); Н - заданная матрица системы контроля; уі -вектор случайных ошибок (гауссовская случайная последовательность с характеристиками: М{уі } = 0, М{у^Т } = V5і к , М{уЩ } = 0). Формула (8) является моделью системы контроля за состоянием объекта (6).

Ставится задача по наблюдениям (8) определить стратегию управления производством, хранением и поставками товара, обеспечивающей количество товаров у потребителя ць близкое к заданному постоянному вектору д , с учетом ограничений вида (3).

2. Прогнозирующая модель вектора выхода системы

Поскольку случайные процессы щ и V имеют гауссовское распределение, то можно выполнить оптимальное прогнозирование поведения объекта и вектора выхода, используя экстраполятор Калмана [4]. Пусть X^ и у^ -оценки состояния и вектора выхода в момент времени і, построенные по информации, поступившей в}-й момент времени ( < і). Тогда

хі+іі = Лхт-і + Биі+К (у - Нхлі-і), -хіі0 = х0;

Уі+1|і = О;хг+і|і ;

К' = ЛЦН Т (НРН Т + V);

Р+1 = ж + ЛРіЛт - ЛР(НТ (НРНТ + V)-1ЩЛТ ,

Р0 = Рх

()

(10)

(11)

(12)

Указанное выражение для Р1 известно как разностное уравнение типа Риккати, РХ0 - начальное значение дисперсионной матрицы (задается по имеющейся априорной информации).

X. =

х

хх

Модель прогнозирующего управления требует, чтобы оценки состояния были такими, чтобы можно было делать прогнозы на моменты времени t+1, t+2, ..., t+N, основываясь на информации, имеющейся в момент времени t. Здесь N - горизонт прогноза. Из уравнений (9)—(12) можно вычислить оценки прогноза х(щ и yt+1|t, а также оценки прогноза для моментов t+2,.,t+N:

Wi i t=Axt+r i t+But+i | t; (13)

yt+,\t = G Xt+i\t, i = 1N . (14)

Обозначение ut+i\t используется для того, чтобы отличать действующее управление в момент t+i ut+i от тех, которые используются в модели с целью прогнозирования.

Уравнение (9) может быть расширено и записано через состояние Xt+1\t и будущих управляющих воздействий ut+i\t следующим образом:

xt + 2\t = AXt+1|t + But+1|t ,

Xt +3|t = AXt + 2|t + But + 2|t = A(AXt+1|t + But+1|t) + But + 2|t = AXt+1|t + АЩ+1|t + But +2|t,

X+]]t = A-1Xt+i|t Аj-k -But+k|t . (15)

k=1

Аналогично может быть преобразовано уравнение (10) с использованием записанного выше выражения для Xt+]-\t. Важно заметить, что каждый прогнозируемый вектор выхода - это функция от состояния xt+1l[t и будущих управляющих сигналов ut+i|t:

yt+1|t = GXt+1|t, yt + 2|t = GXt + 2|t = G(AXt+1|t + But+1|t) = GAXt+1|t + GBut+1|t ,

yt+j|t = GA>-1X+1|t + G(£A-k -But+k|t). (16)

k=1

Записанные уравнения для прогнозируемых векторов состояния и выхода могут быть представлены в эквивалентной векторно-матричной форме. Для этого введем следующие обозначения:

■ E " ■ G "

Xt+1|t yt+1|t ut+1|t A GA

*t = , Y = , Ut = , ^ = A2 , Л = 2 A G ,

_Xt+N|t _ _yt+N|t _ ut+N|t _ _ AN-1 _ GAn-1 _

" 0 0 0 ... 0" ■ 0 0 0 0

B 0 0 - 0 GB 0 0 0

р = AB B 0 - 0 , ф = GAB GB 0 0

an A B <4 B i • ^ ••• B 0 GAn-2 B 1 : ^ A G 3B - GB 0

Прогнозируемые векторы состояния и выхода системы опишутся следующими соотношениями:

" (17)

X(= Чхм,+ Ри, ;

1, = Л£+ш + Фи, .

(18)

3. Синтез управлений

В качестве целевой функции выбрана функция вида

1 N _ _ 1 (0 = 2Та{(^+Щ -9)ТС(Уг+Щ - д) + (иг+Щ -и+к-1)ТБ(иг+Щ -и+к-ЦЖ (19)

2 к=1

где С > 0 и Б > 0 - весовые матрицы. Введем следующие матрицы:

" 2О - О 0 0 "

' С 0 0"

ч - О 2О - О 0

0 С 0

ч = , С = , О =

_ ч 0 - О 2О - О

_ 0 0 С _

_ 0 0 -О 2О_

где д - пЛ-мерный вектор, С - матрица размера пЛ^пЛ, Б - матрица размера 2пЛ*2пЛ. Тогда критерий (19) преобразуется к виду

3 (,) = 2 и] ги, + ит / + с,

где с - слагаемые, не зависящие от и,;

Г = ФТ СФ + О, / = [Фт СЛ -Фт С ]

Дм,

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

0

0

(20)

(21)

Для учета ограничений вида (3) предлагается оптимизацию критерия (20) проводить численно с помощью процедуры quadprog системы МаИаЪ. Тогда оптимальное прогнозирующее управление можно представить в следующем виде:

«;+1|(=(е о ... 0)^;, (22)

*

где - вычисленное численно оптимальное управление с учетом ограничений.

Для учета ограничений (3) в системе МайаЪ их необходимо преобразовать. Введем следующие вспомогательные матрицы:

"0 Е 0 0 0 0" "Е 0 0 0 0 0" " Е"

Я = 0 0 Е 0 0 0 , Я2 = 0 0 0 Е 0 0 , Е = Е

_ 0 0 0 0 Е _ _ 0 0 0 Е 0_ _ Е _

где матрицы К1, Я2 имеют размерность пЛ*2пЛ, а матрица Е - пЛ*п. Тогда ограничение на объем производства щ < ютах примет вид

К\иг ^ Е®шах . (23)

Ограничение на количество поставок ф, < 2І представляется следующим образом:

Я2и, < Я^х, .

С учетом того, что X, = ¥хж, + Ри, , получим

(К - кри, < к^Хт.

Так как юt > 0 и ф, > 0, то имеем

(24)

и > 0. (25)

Ограничение на переменную, отвечающую за количество товара на складе,

2 < 2щах, примет вид

К\ХI < Е2тах ,

или

Я1^Х,+1|,+Я1Ри, < Еішах

отКУДа Я1Ри, < Еішах -Я1^-Г,+1|, . (26)

Аналогично, ограничению вида 2, > 2шш соответствует следующее ограничение: -ЯіРи, <-Еішп +№+ц,. (27)

Таким образом, система ограничений (3) представляется в виде (23)-(27).

4. Результаты моделирования

Выполним моделирование экономической системы производства, хранения и поставок товаров (1), (2), (7), (8) для следующих исходных данных:

А =

" 0,75 0 " " 0,3 0,1" "0,1" "1,5"

, в = 2 • = 2 =

-0,25 0,9_ 0,2 0,8_ ’ шт .0,1. ’ шах .2,5.

0,8 0,2 "0" "1"

®шах 0,7 , 20 = 0,2 , 40 = 0 , ч = 2

Н = diag{1; 1; 1; 1}, Ж = 0, V = diag{0,0005; 0,0005; 0,0005; 0,0005}.

Результаты моделирования для Л=3 и интервала моделирования [0, 30] приведены в виде графиков на рис. 1 - 3.

Рис. 1. Реализации количества товаров у потребителя

Рис. 2. Реализации объемов товаров на складе и объемов поставок

Рис. 3. Объемы производства товаров

Анализ результатов моделирования показал, что заданное количество товаров достигается к 10 шагу (рис. 1), при этом в каждый момент времени выполнены все ограничения на переменные состояния (рис. 2) и управления (рис. 3). Переменные управления сначала принимают максимально допустимые значения, затем по достижению цели управления стабилизируются, и система в целом переходит в положение равновесия.

Заключение

Получено решение задачи синтеза управлений выходом экономической системы производства, хранения и поставок товаров потребителям для модели с дискретным временем с учетом реальных ограничений в форме неравенств. С использованием пакета прикладных программ Matlab 7.6 выполнены расчеты с учетом всех ограничений. Показано, что цель управления достигается, ограничения выполняются.

ЛИТЕРАТУРА

1. Camacho E.F., Bordons C. Model predictive control. London: Springer-Verlag, 2004. 405 p.

2. Перепелкин Е.А. Прогнозирующее управление экономической системой производства, хранения и поставок товаров потребителям // Экономика и математические методы. 2004. Т. 40. № 1. С. 125 - 128.

3. Домбровский В.В., Домбровский Д.В., Лященко Е.А. Управление с прогнозирующей моделью системами со случайными зависимыми параметрами при ограничениях и применение к оптимизации инвестиционного портфеля // Автоматика и телемеханика. 2006. № 12. C. 71 - 85.

4. Браммер К., ЗиффлингГ. Фильтр Калмана - Бьюси. М.: Наука, 1972. 200 с.

5. Параев Ю.И. Решение задач об оптимальном производстве, хранении и сбыте товара // Изв. РАН. Теория и системы управления. 2000. № 2. C. 103 - 107.

Киселева Марина Юрьевна Смагин Валерий Иванович Томский государственный университет

E-mail: Marina_Kiseleva@sibmail.ru; vsm@mail.tsu.ru Поступила в редакцию 6 февраля 2009г.

i Надоели баннеры? Вы всегда можете отключить рекламу.