Компьютеризированное интегрированное производство. Специальность машиностроение

20.09.2019

Компьютерные программы на производстве

Для компьютерного проектирования на производстве применяются системы автоматизированного проектирования инженерного анализа, а также технологии подготовки производства (CAD/CAE/CAM).

Подобные технологии получили широкое применение на Западе, в различных отраслях машиностроения. В России же подобные технологии применяются в крупных компаниях.

Многие российские компании внедрили в свое производство такие программы проектирования как: AUTOCAD, CATIAV6, Компас-3D и многие другие.

Наиболее значимые компьютерные технологии применены в компаниях с массовым и крупносерийным производством. В России так же широко применяются для автоматизации производства отечественные разработки (1C Предприятие).

Опыт внедрения компьютерных технологий оказал существенное влияние на производительность. В плане экономики отрасли, применяющие компьютерные технологии, развиваются на 1,5 раза быстрее.

Однако не многие предприятия готовы к переходу на компьютерное производство полностью - зачастую на них заменяется 30-40% оборудования, учитывая это не многие из них могут достичь хотя бы 50% ожидаемого роста.

Замечание 1

Большинство компьютерных программ сделаны на основе западных стандартов, что значительно тормозит процесс их внедрения, так как управленческие и производственные процессы не соответствуют зарубежным стандартам.

На мелкосерийном производстве компьютерные технологии практически не применяются, в частности это относится к судостроению. Так как все судно собирается поэтапно, а подгонка и проверка проводится на месте, что делает каждое судно уникальным. А это значит, что для каждого судна изготавливается свой проект и своя документация.

Зачастую в судостроении отсутствует выпуск одинаковых деталей. При этом важным моментом считается при внедрении то, что довольно сложно наладить работу с документацией, а любая компьютерная система не способна работать исправно при недостатке информации.

Так же компьютеры широко применяются непосредственно на производстве. Каждый диспетчер на заводе в своем распоряжении имеет автоматизированную систему, которая отвечает за работу нескольких станков, программ, технологий. Так же компьютеры применяются при контроле давления и температур, подавая сигнал об их чрезмерном снижении или повышении.

Роботы в машиностроении

Так же не стоит забывать о применении роботов на производстве. Первым полноценным роботом стал Unimate, который представляет собой механическую руку, произведенный в 1961 году для General Motors. Он выполнял последовательность действий, которые были записаны на барабан.

Начиная с 1970-х годов производство и использование роботов начало активно развиваться. в начале они применялись для использования опасных и не сложных, однообразных работ. Наиболее востребованы роботы были на автомобильном производстве, где они осуществляли:

сварку,
штамповку,
покраску,
сборку.

Внедрение подобных технологий значительно сократило рабочий труд на заводах.

Замечание 2

Существует ряд полностью автоматизированных фабрик, например, фабрика в Техасе по производству клавиатур – IBM, такие фабрики называют «без освещения».

На подобных фабриках все производство автоматизировано, людей полностью заменили компьютеры, и фабрика может работать без выходных.

К тому же компьютеры не нуждаются в перерывах на обед, а, следовательно, значительно увеличивают количество производимой продукции. Так же стоит заметить, что компьютерная система не способна сбиться или что-то пропустить.

Так же компьютеры и автоматизированные системы могут выполнять работу, которая является для людей сложной, а зачастую и опасной.

В настоящее время компьютеры стали неотъемлемой частью технологического процесса на производстве. Круг предметов и явлений попадающих под влияние компьютерных технологий постоянно расширяется. В любой инженерной деятельности используются компьютерные технологии. Он сопровождают деталь на всем ее жизненном цикле, от планирования до выпуска. На многих заводах стали применять технологии пространственного проектирования, а для некоторых она стала главным инструментом конструкторской документации и технологического процесса. Так же компьютерные технологии помогают решить проблемы связывания нескольких технологий, с применением общей базы данных.

САПР подразделяют на САПР изделия и САПР ТП. САПР изделия занимается проектированием моделей изделия при помощи средств плоского и объёмного проектирования.

САПР ТП занимается процессом изготовления. Кроме основных выделяют: автоматизированные системы ТПП, автом-ые системы научных исследований, позволяющие принимать нестандартные решения на уровне проектирования.

САПР ТП разрабатывает ТП, оформляя их в виде МК, ОК, КЭ, КК и тд. И разрабатывает программы для работы на станках с ЧПУ. Более конкретное описание процесса обработки на станках с ЧПУ вводится в автоматизированную систему управления производственным оборудованием. Техническими средствами, реализующими данную систему могут быть комп-ы, управляющие станочными системами. Также различают системы производственного планирования и управления (АСУП), позволяющие контролировать качество и ритмичность распределяемых работ по объектам. Для контроля качества используют системы АСУК. самостоятельное использование CAD, САМ, САЕ систем даёт экономический эффект на предприятии. Для повышения эффективности используют технические БД как общего назначения так и специального.

(11 )Рассмотрим систему интегрированного вида на примере единой БД. В ней хранится информация о структуре и геометрии изделия (как результат проектирования всистеме САО), о технологии изготовления (как результат работы системы САРР) и управляющие программы для оборудования с ЧПУ (как исходная информация для обработки в системе САМ на оборудовании с ЧПУ)

(12) Основные системы компьютерно - интегрированного производства (КИП) показаны на рис ниже

Этапы создания изделий могут перекрываться во времени, т.е. частично или полностью выполняться параллельно. Связи между жизненным циклом изделия (по этапам) с САПР являются важным компонентом при автоматизации. Поэтому стремятся переходить от частичных или одиночных САПР к полностью интегрированному производству (КИП).

Взаимосвязь жизненного цикла изделия со службами автоматизации.

Информационная структура компьютерно - интегрированного производства

В структуре компьютерно - интегрированного производства выделяются три основных иерархических уровня:

1- Верхний уровень (уровень планирования), включающий в себя подсистемы, выполняющие задачи планирования производства.

2. Средний уровень (уровень проектирования), включающий в себя подсистемы проектирования изделий, технологических процессов, разработки управляющих программ для станков с ЧПУ.

3. Нижний уровень (уровень управления) включает в себя подсистемы управления производственным оборудованием.

Построение компьютерно - интегрированного производства включает в себя решение следующих проблем:

информационного обеспечения (отход от принципа централизации и переход к координированной децентрализации на каждом из рассмотренных уровней как путем сбора и накопления информации внутри отдельных подсистем, так и в центральной базе данных);

Обработкиинформации (стыковка и адаптация программного обеспечения различных подсистем);

физической связи подсистем (создание интерфейсов, т.е. стыковка аппаратных средств ЭВМ, включая использование вычислительных систем).

Внедрение компьютерно - интегрированного производства значительно сокращает общее время прохождения заказов за счёт:

· уменьшения времени передачи заказов с одного участка на другой и уменьшения времени простоя при ожидании заказов;

Перехода от последовательной к параллельной обработке;

Устранения или существенного ограничения повторяемых ручных операций подготовки и передачиданых (например, машинное изображение геометрических данных можно использовать во всех отделах, связанных с конструированием изделий).

3.1. Компьютерно-интегрированное производство

В современных условиях (начиная с 1980-х гг.) под влиянием научнотехнического прогресса в технике и технологии машиностроения происходят существенные изменения форм организации производства товаров, обусловленные механизацией и автоматизацией бизнес-процессов. Одной из таких форм, получившей применение при внедрении средств автоматизации в гибкую производственную систему, является интегрированная форма организации производства, которая предполагает объединение основных и вспомогательных операций в единый производственный процесс с линейной и/или ячеистой (матричной) структурой при параллельно-последовательной и/или параллельной передаче предметов труда в производстве . В отличие от существующей практики раздельного проектирования операций/микропроцессов складирования, транспортировки, управления и обработки на участках с интегрированной формой организации эти частичные процессы увязываются в единый производственный процесс. Это достигается путем объединения всех рабочих мест с помощью автоматического транспортно-складского комплекса, который представляет собой совокупность взаимосвязанных, автоматических и складских устройств, средств вычислительной техники, предназначенных для организации хранения и перемещения предметов труда между отдельными рабочими местами. Управление ходом производственного процесса здесь осуществляется с помощью ЭВМ, что обеспечивает функционирование всех элементов/участков производственной системы по следующей схеме: поиск необходимой заготовки на складе — транспортировка заготовки к станку — обработка — возвращение детали на склад. Для компенсации отклонений во времени при транспортировке и обработке деталей на отдельных рабочих местах создаются буферные склады межоперационного и страхового заделов .

Экономический эффект при переходе к интегрированной форме организации производства достигается за счет сокращения длительности производственного цикла изготовления деталей, увеличения времени загрузки станков, улучшения регулирования и контроля процесса производства. Принципиальной особенностью интегрированных производств является наличие новой компоненты — компьютерной системы управления, а также широкого применения информационных технологий, обеспечивающих возможность увязки отдельных процессов, функций и задач в единую систему для повышения эффективности производства. Дальнейшее развитие работ в данном направлении в конце 1980-х — начале 1990-х годов привело к появлению понятия компьютеризированного интегрированного производства (КИП). Концепция КИП подразумевала новый подход к организации и управлению производством, новизна которого заключалась не только в применении компьютерных технологий для автоматизации технологических процессов и операций, но в создании интегрированной информационной системы управления производственной деятельностью предприятия. Предполагалось, что достижение информационной интеграции производственнотехнологических процессов возможно осуществить на основе использования общих баз данных, позволяющих более эффективно решать вопросы разработки и проектирования изделий, инженерной подготовки, планирования и регулирования производства, решения задач материально-технического обеспечения, охватывая таким образом все бизнес-процессы предприятия.

Разработке и практическому воплощению концепции КИП был посвящен целый ряд работ российских и зарубежных ученых . В рамках государственной научно-технической программы «Технологии, машины и производства будущего» в 1988 в СССР началась реализация комплекса проектов по созданию автоматизированных заводов (АЗ) «Красный пролетарий» по производству металлорежущих станков и «Тверского завода штампов», представляющих собой попытку практической реализации концепции КИП. Было выполнено предварительное проектирование АЗ, изготовлены опытные образцы нового оборудования, создан испытательный полигон, созданы основные компоненты интегрированной автоматизированной системы управления. Ряд подобных проектов был осуществлен также и за рубежом. Одним из первых стал проект АЗ, реализованный в Японии фирмой Mazak, для производства деталей металлорежущих станков. Завод включал в себя: комплекс гибких производственных модулей (ГПМ) и ГПС, автоматизированные склады, робокарную транспортную систему. Предусматривалось использование компьютерных сетей для сервисной и технической поддержки филиалов, а также взаимодействия с предприятиямипоставщиками комплектующих изделий. В целом за период 1985-1995 гг. в разных странах было создано около 20 КИП с различным уровнем автоматизации, из которых восемь АЗ выпускали металлорежущее оборудование, четыре — изделия для аэрокосмической промышленности (США), остальные КИП были ориентированы на выпуск различных агрегатов широкой номенклатуры, включая компоненты вычислительной техники и электрических машин. От внедрения КИП ожидалось: уменьшение размеров предприятий, увеличение коэффициента использования оборудования и снижение накладных расходов, значительное уменьшение объема незавершенного производства, сокращение затрат на рабочую силу в результате организации «безлюдного» производства, ускорение сменяемости моделей выпускаемой продукции в соответствии с требованиями рынка, сокращение сроков поставок продукции и повышение ее качества .

Тем не менее, несмотря на то, что изысканиям в области применения информационных технологий в гибком производстве было посвящено значительное число научных исследований, а на создание экспериментальных компьютерно-интегрированных производств затрачены значительные финансовые средства, — достичь поставленной научно-практической задачи общей/глобальной интеграции производственного процесса посредством автоматизации управления не удалось. По ряду объективных причин, а также из-за допущенных методологических ошибок системотехнического характера, проекты не были реализованы в полном объеме, а научно-технический задел, полученный в результате проведенных НИОКР, использован в проектах меньшего масштаба. Неудачи в реализации идей и принципов КИП, равно как и многих проектов по разработке автоматизированных систем управления производственными процессами (АСУПП) в 1980-90-х гг. были обусловлены тем, что в их концепцию изначально заложен принцип максимально возможной степени автоматизации управления, практически полностью исключающую участие людей-операторов (лиц принимающих решения) в управлении производством . Сторонники замены естественного интеллекта человека его искусственным подобием для решения различных практических задач изначально ограничились изучением закономерностей поведения объектов управления (ввиду их сложности) на основе сравнения входных воздействий и выходных результатов, игнорируя при этом их внутреннее устройство. Данный методологический подход, известный в кибернетической науке как принцип «черного ящика», получил широкое развитие в теории автоматического управления и обеспечил удовлетворительные результаты в создании технических устройств . Однако, попытки расширить границы его применения до уровня управления сложными социально-экономическими системами с активными элементами (людьми) оказались бесперспективными. По данной причине, несмотря на существенный вклад этой категории исследований в инженерию знаний, реализация многих проектов автоматизированных систем управления в 1980-90х годах ХХ века закончилась отрицательным результатом. Неуклонное следование идее замены человека машиной поставило перед исследователями и разработчиками КИП сложную методологическую проблему адекватного представления в машинной среде знаний о реальных объектах и процессах, решить которую посредством аппарата теории автоматического управления и формализованных методов классической математики объективно не возможно в подавляющем большинстве случаев. Попытки решения трудно формализуемых и не формализуемых задач управления, преобладающих в сложных производственно-экономических системах, с помощью ограниченного интеллекта ЭВМ с классической архитектурой приводили к грубым ошибкам в оперативном регулировании сложного динамического процесса производства. Неразрешимые в рамках этого направления методологические проблемы не позволили разработчикам создать в машинной среде автономную (т.е. не требующую дополнительного обращения к интеллекту человека) модель управления производством. Компромиссным/частичным решением сложной задачи автоматизации управления производственной деятельностью стали проектные и планово-учетные аналитические задачи, реализуемые с помощью систем поддержки принятия решений в составе так называемых корпоративных информационных систем (КИС).

В конечном итоге концепция КИП исчерпала свои возможности в 1990-х. гг., ограничившись задачами автоматизации технологических операций (процессов) в многофункциональных обрабатывающих центрах, позволяющих изготавливать детали на одном рабочем месте в одну установку. Создаваемые на их основе гибкие роботизированные производства с избыточной функциональностью (ГПС/Flexible manufacturing system/FMS) способны в полуавтоматическом (условно-автономном) режиме осуществлять параллельную обработку деталей/многопредметное производство изделий в пределах заданной номенклатуры без необходимости прерывания на переналадку и/или передачи предметов труда на другие обрабатывающие центры. Приспособление к выпуску новых изделий осуществляется за счет изменения рабочего состояния (переналаживания технических средств/инструмента, перепрограммирования системы управления и т.п.) ГПС .

Основу большей части адаптивных/гибких роботизированных производственных систем составляют многофункциональные обрабатывающие центры на базе вертикальных токарных станков (например, многофункциональный обрабатывающий центр серий C50U производства немецкой станкостроительной фирмы Maschinenfabrik Berthold Hermle AG, представленный на рис. 3.1/а), которые способны выполнять практически любые технологические операции в одну установку заготовки/детали (токарная обработка, фрезерование, сверление, развертывание, шлифование, резьбонарезание, зубофрезерование, лазерная сварка).
Рис. 3.1. Гибкая роботизированная производственная система, реализованная на базе многофункциональных обрабатывающих центров (а) и роботизированной системы загрузки/выгрузки деталей со стеллажом (б) 71
В результате их объединения с роботизированной системой загрузки/выгрузки деталей и большегрузным стеллажом может быть создана высокопроизводительная адаптивная производственная система (в качестве примера на рис. 3.1/б приведена роботизированная система RS4 той же станкостроительной фирмы). Такая ГПС может включать до трех встроенных обрабатывающих центров с возможностью ее разблокировки относительно того или иного обрабатывающего центра. Это позволяет обслуживать как роботизированную систему, так и обрабатывающий центр вручную, не прерывая автоматический процесс работы другого модуля. В такой системе можно использовать сменные большегрузные стеллажи самой различной конструкции. С помощью автоматически заменяемых одинарных/двойных захватов возможна загрузка и выгрузка заготовок, обрабатываемых деталей и палет. Это обеспечивает максимальную степень адаптивности применительно к размерам деталей (длительное время работы шпинделя) и оптимальную загрузку в трехсменном режиме, в том числе и в выходные дни (малолюдное/безлюдное производство).

Перспективные разработки в направлении увеличения функциональной избыточности производственных участков механической обработки, с преимущественным использованием машин и оборудования автоматического действия, направлены на развитие новой концепции мехатронных обрабатывающих центров/модулей, обладающих возможностью автоматического изменения их инструментальной компоновки и пространственной конфигурации в реальном режиме работы прерывнопоточного производства. Таким образом, преодоление упомянутых в главах 1 и 2 настоящей работы противоречий между технологической базой индустриального (массового и серийного) производства, в том числе и в автомобилестроении, рассчитанной на постоянный выпуск одномодельной продукции, и новыми требованиями конкурентного рынка осуществляется в направлении замены станков и агрегатов с жесткой функциональной структурой и компоновкой на гибкие производственные модули/системы (ГПС/FMS) с последующим переходом в будущем на реконфигурируемые производственные системы (РПС/Reconfigurable manufacturing system/RMS), обладающих возможностью изменения/адаптации пространственно-временной организации (архитектуры) производственной системы к изменениям рыночного спроса на продукцию в зависимости от применяемых методов организации производства. Развиваемая за рубежом концепция RMS, рассматривается как альтернатива гибким производственным системам. Ее реализация началась за рубежом с середины 90-х г. в США и затем в Германии, Японии (Koren У., U1soy A.G., Mehrabi M.G.) С этой целью был создан и активно действует научно-исследовательский центр в составе Мичиганского университета, который по сути является национальным центром развития и реализации концепции RMS в США (Engineering manufacturing center for Reconfigurable manufacturing systems, University of Michigan), которая вписана в концепцию национального развития машиностроительного производства до 2020 года (Visionary manufacturing challenges for 2020), как одно из основных научно — исследовательских направлений по созданию реконфигурируемых производств и предприятий (Reconfigurable enterprises). При данном центре образован и действует экспериментальный завод для проведения и реализации исследований. Как видно из рисунка 3.2, модули/ячейки RMS работают одновременно и сконструированы так, что при выполнении одного рабочего цикла единовременно осуществляется несколько операций различных видов. Последнее исключает необходимость перемещения и ожидание деталей в очереди между операциями обработки, снижают уровень материальнопроизводственных запасов и количество рабочих обеспечивая минимизацию затрат и увеличение оборачиваемости ресурсов.

Рис. 3.2. Планировка участка реконфигурируемого производства на основе сотовых производственных ячеек/модулей 72

Блочно-модульная/матричная структура реконфигурируемой производственной системы дает возможность компоновать многомерные виртуальные технологические цепочки с различной пространственновременной конфигурацией. Это позволяет попеременно включать технологические ячейки в работу при последовательном чередовании сходных технологических процессов/партий предметов труда на многопредметных групповых/ переменно-поточных линиях со сплошным запуском. Организация производства на основе подобного рода функционально избыточных модулей в виде распределенной производственно-технологической среды позволяет одновременно (параллельно) выполнять большую часть технологических операций по обработке предметов труда, что является наиболее эффективным в отношении производительности, так как позволяет значительно (на 2/3) сократить время их пребывания в производственном процессе (повысить производительность), обеспечивая минимизацию затрат и увеличение оборачиваемости ресурсов.

На большинстве отечественных предприятий машиностроения, независимо от используемых ими моделей организации производства (традиционной или гибкой), этапы производственного процесса чаще всего выполняется последовательно. Это приводит к тому, что время прохождения изделия через технологический процесс включает продолжительность всех последовательно осуществляемых этапов производства, а также непроизводительные потери времени на транспортировку деталей и ожидание между операциями по их обработке. В свою очередь, усиление конкурентной борьбы производителей на товарных рынках после 1980-х гг. требует, помимо обеспечения высокого качества и оптимальной стоимости продукции, — быстроты реакции на запросы потребителей. На сегодняшний день основным конкурентным преимуществом становится высокая скорость выполнения заказов в условиях нестабильной конъюнктуры рынка. Данное преимущество может быть обеспечено сокращением производственного цикла (повышением мощности производственной системы) за счет организации параллельных технологических процессов на основе применения комплекса многофункциональных обрабатывающих центров со сосредоточенным (точечным по О.Г. Туровцу) выполнением деталеопераций. При точечной форме организации производства (выполнения различных деталеопераций) работа полностью выполняется на одном рабочем месте. Изделие изготовляется там, где находится его основная часть (аналогом служит сборка изделия/строительство здания с перемещением рабочих вокруг него). Организация точечного производства имеет ряд достоинств: обеспечивается возможность частых изменений конструкции изделий и последовательности обработки, изготовления изделий разнообразной номенклатуры в количестве, определяемом потребностями рынка; снижаются затраты, связанные с изменением расположения оборудования, повышается гибкость производства . Проведение дальнейших исследовательских и опытно-конструкторских работ в этом направлении предполагает преимущественное использование машин и оборудования автоматического действия, и связаны с развитием новой концепции мехатронных обрабатывающих центров/модулей, обладающих возможностью автоматического изменения их инструментальной компоновки и пространственной конфигурации в реальном режиме работы прерывнопоточного производства . Созданию подобного рода систем в нашей стране послужили проведенные в 1970-х годах двадцатого столетия фундаментальные исследования в области развития теории систем машин автоматического действия (Артоболевский И.И., Ильинский Д.Я., Петрокас Л.В.). Изучение возможностей и формирование принципов изменения компоновки в системах машин осуществляется в настоящее время в МГТУ им. Н.Э.Баумана. Аналогичные исследования по созданию и применению RМS в машиностроении проводятся в Тольяттинском государственном университете проф. Царевым А.М. . На рис. 3.3 представлена компоновочная схема участка реконфигурируемого производства.

Рис. 3.3. Компоновочная схема участка реконфигурируемого производства, реализованного на базе перекомпонуемых производственных систем/модулей

Последний представляет собой технологически однородную среду (матричную плоскость), включающую перекомпонуемые блочно-модульные элементы основного и вспомогательного оборудования, несущие опорные и строительные конструкции, а также размещенные между ними пути перемещений технологических/транспортных потоков и коммуникации обслуживания. Узел 1, показанный на схеме, является носителем обрабатываемых деталей или исполнительных механизмов и устройств и позволяет осуществлять одновременную обработку всех деталей, закрепленных на боковых гранях (посредством плит с Т-образными пазами и поворотноделительных столов). При общем количестве граней, равном 6, на корпусе носителя 1 одновременно на всех гранях детали подвергаются многосторонней обработке с различных сторон многоинструментальными узлами 2 и 3. Возможность доступа инструмента на обрабатывающих узлах 2, 3 к обрабатываемым деталям на гранях корпуса носителя 1 обеспечивается свободной зоной подвода инструмента с применением обрабатывающих узлов 2, 3. Обрабатывающие узлы и носитель являются автоматически сменными .

Современная концепция перекомпонуемых систем реконфигурируемого производства, являющаяся следствием интеграции различных типов производства, предоставляет широкие возможности для повышения мощности/интенсивности и адаптации производства, но требует точной координации (синхронизации) параллельных технологических процессов/операций в составе единой производственной системы с целью ее непрерывной работы. Для того чтобы параллельные операции выполнялись в общем операционном процессе согласованно, обеспечивая тем самым непрерывную обработку и перемещение предметов труда от операции к операции подобно потоку, необходимо соблюдение двух основных условий известных в теории организации как принципы пропорциональности (равномерности) и временной согласованности (ритмичности) совместных действий . Реализация принципа пропорциональности осуществляется в сложной операционной системе путем дискретизации (равномерного, кратного деления) подлежащего обработке объема материальных (информационных) ресурсов или работ на равные доли, которые обладают общей для операционной системы размерностью (например, планово-учетная единица в машиностроении, или унифицированная единица измерения количества информации в вычислительной системе — «бит» и т.п.). Реализация принципа согласованности операций во времени заключается в дискретизации операционного цикла на равные по времени отрезки, обладающие единой общесистемной размерностью называемой тактом операционной системы. Таким образом, в сложной операционной системе, допускающей использование нескольких параллельно работающих процессоров, многочисленные операции должны выполняться в равных (кратных) объемах и в равные промежутки времени, которые соответствуют такту работы системы.

Равномерное и ритмичное осуществление совместных действий (параллельных операций) в организационной науке (в частности в организационной системотехнике) принято называть выравниванием движения потоков материальных (информационных) ресурсов/хода работ или синхронизацией, а показатель производительности операционной системы, измеряемый как объем операций, выполняемый за один такт работы системы системоквантом (в англоязычной терминологии «pitch» — питч). Рассчитывается системоквант/питч исходя из числа изделий, размещающихся в одном транспортном контейнере готовых изделий, или в нескольких целых контейнерах или их частях. Системоквант/питч — это произведение времени изготовления одного изделия на задающем ритм участке на число готовых изделий в транспортном контейнере. Данное число является основной плановоучетной единицей при составлении производственного плана выпуска изделий в TPS. Синхронизация является наиболее эффективным методом системной организации параллельной непрерывной работы нескольких исполнительных устройств в общем процессе функционирования операционной системы, а также его адаптации к меняющимся условиям внешней среды. В свою очередь это требует применения более эффективных способов (например, интеллектуальных методов и распределенных/ассоциативных моделей) управления комплексируемыми исполнительными устройствами, параллельно работающими в единой операционной системе, с целью четкой координации их совместной деятельности .

3.2. Концептуальная модель распределенного управления параллельными операциями

Сегодня при организации управления интегрированным производством предпринимаются безуспешные попытки использовать для этих целей принципы и средства автоматического регулирования, а также аппарат классической математики (вариационные и дифференциальные исчисления, логика предикатов и т.п.), применяемый разработчиками для формализованного описания (моделирования) сложных производственных процессов . Однако представленные ниже рассуждения, объективно доказывают, что попытки эффективно решить эту актуальную научно-техническую задачу ограниченными средствами прагматики — бесперспективны. Обусловлено это тем, что принципы построения и законы функционирования адаптивных производственных систем, существенно отличаются от тех, что используются при организации массового, серийного и/или гибкого позаказно-поточного производства. Для их формулирования напомним, что адаптивные системы живой природы, которые являются прототипом интегрированных производственных систем, представляют собой органическую совокупность простых/базовых элементов, «эволюционная сборка» которых в единое целое, осуществляется с помощью различных типов связей и последующей их дифференцировкой по выполняемым функциям (ответной реакции на состояние среды). Каждый элемент интегрированной адаптивной системы концептуально формируется как жесткая условно-автономная программа/модуль восприятия характеристики среды и ограниченного набора ответных действий на ее изменение. С целью согласования параллельной работы элементов интегрированной системы осуществляется консолидация программ «двигательных ответов» различной сложности посредством образования между ними гибких информационных связей, образующихся посредством последовательного объединения (ассоциирования) специфических элементов подсистемы управления (аналогами которых являются цепочки релеавтоматов/ансамбли формальных нейронов, используемые технической кибернетикой) по которым передаются импульсы инициализации/остановки программ. Таким кибернетическим способом обеспечивается рост функциональной избыточности и образование более сложных координированных (синхронизированных), и соответственно, адекватных воздействию среды программ «двигательных ответов» системы.

Морфологически (структурно) формирование/программирование сложных синхронизированных ответов на воздействие среды реализуется посредством «погружения» программ в распределенную однородную информационную среду ассоциативного типа, которая способная гибко менять и дополнять связи между генетически заданными программами рецепторно-двигательных комплексов (РДК) без каких-либо ограничений в функционировании адаптивной системы. Естественнонаучные эксперименты в области нейрокибернетики убедительно доказывают, что природа использует простые элементы (программы) для создания сложных форм организации материи, а управление параллельными процессами их функционирования в единой системе мироздания осуществляется на основе ассоциативных связей, образующих распределенную ассоциативную среду информационного взаимодействия .

Процессы информационного взаимодействия активных элементов в адаптивных (саморегулируемых/интеллектуальных) системах изучаются с начала 1950-х гг. ХХ в. различными направлениями теоретической кибернетики: теорией автоматов, робастных и многоагентных систем, нейроинформатикой, в частности разработчиками систем распределенного искусственного интеллекта, на основе объединения/ассоциирования в сложные многомерные сети различных преобразователей (логических решателей и программ обработки) дискретной информации . Последние являются математическими абстракциями (динамическими имитационными моделями) реально существующих процессов переработки информации в биологических, вычислительных, производственноэкономических и других интегрированных системах, которые позволяют объективно исследовать и характеризовать принципы их построения и функционирования.

Наиболее удачная в технологическом отношении реализация этого подхода успешно осуществлена (на наш взгляд) английским ученым-математиком Стефаном Вольфрамом (1986, 1991), которым на основе известного аппарата теории клеточных автоматов была разработана универсальная компьютерная среда для моделирования и исследования динамических систем (программа Mathematica), созданная путем интеграции простых компьютерных программ, называемых cellular automata (клеточный автомат) 74 . Распределенные вычислительные среды можно рассматривать как конечный набор математических объектов (которые рассматриваются в виде абстракции базовых элементов динамических систем), осуществляющих простейшие вычислительные и логические операции (типа и, или, не) и определенным образом соединенные (ассоциированные) информационными связями в электронной среде ЭВМ. Отличительной особенностью данного класса программных продуктов является интерактивный режим их работы, позволяющий посредством специально разработанного интеллектуального интерфейса наглядно представлять графоаналитическую развертку вычислительной среды и разворачивающихся на ее «клеточном» субстрате информационных процессов, что позволяет использовать творческую интуицию и опыт специалистов-исследователей при моделировании систем.

Из логики предыдущих рассуждений следует, что данный инструментарий можно с полным основанием использовать при решении задач организации управления сложными технологическими процессами в распределенной производственной среде, что предполагает переход в будущем на перекомпонуемые производственные модули/участки мехобработки и создание на этой основе полностью автоматизированного/безлюдного адаптивного производства. Перекомпонуемость автоматических систем машин/оборудования (Recomponation) обеспечивает сменяемость исполнительных узлов призматической формы (инструмента) и параллельность многоместной точечной обработки деталей, располагаемых на носителях/порталах с поворотно-делительными столами на боковых гранях. Это повышает возможности реконфигурации (Reconfiguration) производственной системы и является главным звеном/направлением автоматизации инженерной подготовки и повышения технологической гибкости машиностроительного (обрабатывающего) производства .

Условно-автономные перекомпонуемые модули адаптивной производственной системы могут быть представлены в распределенной информационной среде ЭВМ в виде отдельных ячеек информационной матрицы, положение/состояние которых в пространстве отображается отдельной клеткой (локусом/фишкой), а каждый момент времени — дискретным временным шагом производственно-технологического цикла (t=0, 1, 2, ...). Состояние каждого модуля определяется заданными правилами пространственно-временного взаимодействия локусов/фишек, инвариант которого определяется в режиме реального времени на следующем шаге/такте работы производственной/операционной системы t+1 и отображается изменением цвета ячейки исходя из текущего состояния/цвета соседних модулей/клеток в момент времени t (см.: рис. 3.4).

Рис. 3.4. Формализованное представление в информационной среде ЭВМ участка реконфигурируемого производства, реализованного на базе перекомпонуемых производственных систем/модулей

В этом отношении клеточные автоматы, исследуемые в информатике, представляют альтернативный дифференциальным уравнениям путь анализа/моделирования процессов функционирования/поведения сложных объектов, поскольку являются своеобразным аналогом понятия физического поля, в котором взаимодействие параллельно функционирующих элементов дискретных динамических систем полностью определяется локальными взаимодействиями/связями, а их корреляция/синергия порождает волновые процессы самоорганизации упорядоченных пространственно-временных структур, наблюдаемые в реальных объектах и явлениях .

В истории применения информационных технологий в управлении техническими объектами, технологическими процессами и обработки информации при принятии решений отмечается несколько периодов: механизация и автоматизация обработки данных, управления производственными системами и предприятиями; разработка информационных советующих (экспертных) систем на основе персональных ЭВМ и сетевых технологий; интегрированная информационная поддержка решений на всех стадиях жизненного цикла продукции (CALS/CAD/CAM/CAE-технологии), характеризующая новый этап развития организационного управления на основе широко использования передовых информационных технологий и интеллектуальных систем.
Решение научно-исследовательских, проектных и организационноуправленческих задач с помощью интеллектуальных информационных систем основано на применении искусственного машинного интеллекта при изучении сложных объектов и процессов, проектировании и поддержки процесса принятия решений. Основу таких систем составляют модели отображения знаний, как некой системы представлений о сущности изучаемых/управляемых объектов и явлений, и их проявлений в форме эмпирических данных/фактов, характеризующих их структуру, свойства и отношения составных частей (элементы и их связи), а также объективно измеряемых параметров функционирования (поведения).
Модели знаний представляют собой универсальный (математический, логический, алгоритмический, объектный/фреймовый и ассоциативный/ функциональноструктурный) аппарат формализованного описания объекта исследования и построения процедуры решения исследовательской задачи . Наиболее адекватной/корректной, как показывает практика применения информационных технологий и систем в управлении экономикой, является ассоциативная форма представления знаний, которая в отличие от других подходов использует понятие формальной системы A = (U, C, L, I), где А — ассоциативная система представления знаний, U — множество узловых элементов ассоциативной сети, C — множество контактных связей (коннекций), L — множество правил построения сети, I правила/процедура ассоциативного вывода новых знаний. В такой модели имеющиеся знания об объекте исследования (пространственно-временная структура и законы функционирования) представлены в виде распределенной многомерной сети узловых элементов, которые являются абстракциями реальных объектов, явлений и процессов. Данная модель представления знаний возникла благодаря развитию представлений о системной организации природы, феноменов сознания, памяти и мышления, изучаемых в рамках теории систем, кибернетики и психологии. Преимущество ассоциативного/интеллектуального подхода заключается в возможности получения/продуцирования новых знаний путем автоматического/спонтанного установления новых связей/коннекций узловых элементов при достижении оптимальной величины соответствующего критерия эффективности (цены, энергозатрат, времени выполнения операции и т.д.), фиксирования/запоминания и последующей идентификации оптимальных режимов функционирования/поведения системы в реальном режиме времени подобно тому, как это осуществляется в живых организмах. Свойство продуцирования новых знаний (когнитивность), характерное для ассоциативных/интеллектуальных форм представления знаний, приближает их по эффективности информационных процессов обработки и анализа сложной плохо структурированной информации к биологическому прототипу — нервной системе человека.
Специфической особенностью ассоциативных моделей знаний является их многомерность (иерархичность сетей) и особые пространственно-временные формы организации связей, основными из которых являются: вычислительные алгоритмы и логические базисы взаимодействия элементов сети, основанные на оценке текущих параметров состояния элементов сети и отнесении их по принадлежности к заданных интервалам (нечетким множествам) и/или определении вероятности наступления фактов-событий с учетом частоты взаимодействия элементов (силы связей, подобно синоптическим связям нейронов мозга); адаптивные/аналоговые алгоритмы с пороговым или линейно ограниченным выходом управляющего импульса/сигнала, сила которого определяется физически частотой взаимодействия элементов при обучении искусственной нейросети. При этом архитектура нейронной ассоциативной модели отображения знаний по сравнению с простой логической сетью всегда является многоуровневой/слоистой. Нейросеть состоит из иерархически связанных локальных сетей (подсистем), объединенных по функциональному признаку, что обеспечивает эффективную координацию их узловых элементов соответствующим метауровнем благодаря разделению функций между слоями нейросети. Такой подход является приближенной аналогией известного в нейропсихологии механизма метакогнитивной пространственно-временной интеграции нейронных цепочек мозга, основанной на принципе информационного параметрического резонанса интерференционных узоров волн активации нейронов (биоритмов) коры головного мозга и голографической модели распространения, фиксации/хранения и синтеза информации, изучаемой когнитивной психологией, нейроинформатикой, теоретической физикой .
Развитие интеллектуальных информационных технологий и систем происходит в рамках работ по созданию систем распределенного искусственного интеллекта для решения различных теоретических прикладных задач: организации управления динамическими объектами и процессами, распознавания образов и классификация проблемных ситуаций, интеллектуального анализа (структурировании и обобщения/ аппроксимации) больших массивов данных, разработки обучающих программ, создании нейроподобных/нейрологических аппаратно-программных средств и аналоговой микроэлектроники (нейроплат-сопроцессоров в составе обычных ЭВМ и нейпрокомпьютеров, 1986-1989 гг.). Результаты исследований в данной области информатики позволяют предположить, что в ближайшее время на основе ассоциативного подхода могут быть созданы системы со сложной структурой и поведением, приближающиеся к высшим биологическим формам организации материи. Это подтверждается созданием японскими корпорациями роботов Сони — SDR/3 и Хонда — P/3, разработкой интегрированных интеллектуальных/цифровых систем управления предприятиями компанией Microsoft, которой принадлежит табличный процессор Excel, являющийся примером успешной коммерческой реализации данного направления информатики .

Интегрированные компьютерные технологии привели в своем развитии к появлению уникальных средств проектирования, испытания и отладки динамических объектов и процессов. Речь идет о компьютерных комплексах программно-аппаратных средств реального времени, реализуемых в среде Matlab/Simulink. Используемые в них анимационные технологии, позволяют исследовать динамику образования и движения волновых фронтов процессов самоорганизации искусственной клеточной плазмы, а также наглядно представить на экране дисплея интуитивно ощущаемые нашим сознанием принципы формообразования упорядоченных структур физического мира . Последнее особенно актуально при разработке систем управления интегрированными производственными системами с множеством перекрестных и обратных связей, где процесс инженерной подготовки производства наукоемкой продукции, связанный с многократными последовательными приближениями и настройками, объективно не может быть представлен аппаратом дифференциальных исчислений и/или методами теории расписаний. В такой ситуации аналитическая постановка задачи управления с определением ее основных составляющих: формализованного/математического описания объекта управления, формулировки целей и критериев их достижения, выделения и доступных измерений управляющих воздействий и дестабилизирующих факторов, позволяет получить в относительно короткие сроки оптимальные инженерные и организационно-технические решения. При этом процесс проектирования решений, также как и их техническая реализация оказываются наименее затратными по времени и ресурсам.

Данный подход к рассмотрению/описанию и моделированию динамических объектов позволяет использовать при создании распределенных (децентрализованных) систем управления параллельными технологическими операциями/процессами результаты современных междисциплинарных исследований в области теории самоорганизующихся (ассоциативных интеллектуальных) систем, которые опираются на активное начало и взаимодействие их компонентов (кооперацию/синергию по Г. Хаканену, 1980), проявляющееся по мере усложнения форм организации материи начиная с биологического уровня в виде механизма и принципов самоорганизации систем живой природы, и носящие преимущественно информационный характер 76 . Исследование глубинных причин самоорганизации показывает, что в отличие от принудительной организации (нормативного проектирования предприятий), данная закономерность основана на кооперировании и координации активных элементов производственной системы посредством процесса коммуникаций (информационного взаимодействия), который способствует появлению и развитию отношений между элементами системы (добавлению в систему новых связей и их ре/комбинации). В реальных условиях это осуществляется посредством целенаправленного процесса согласования (гармонизации) целей, параметров и ритмов функционирования различных элементов производственной системы, как между собой, так и с внешней средой на основе непрерывной циркуляции информационных потоков на всех уровнях управления производством с помощью распределенной системы управления (однородной/симметричной информационной среды) 77 . Проблема организации эффективного управления в таком случае переходит в область группового выбора средств и вариантов достижения цели (параллельных процессов принятия решений). Критериями оценки качества организации и эффективности производства в этом случае становятся гармоничность пространственно-временных отношений активных элементов системы (динамических объектов) и синхронность их параллельного функционирования, соответственно .

Использование модели распределенного/ассоциативного управления наиболее оправдано/целесообразно для высокотехнологичного машиностроительного производства, поскольку с помощью централизованного органа управления (руководителю, диспетчеру) сложно принимать решения по выбору факторов, влияющих на достижение цели, определять существенные взаимосвязи между целями и средствами в условиях функционирования параллельных технологических процессов по изготовлению широкой номенклатуры изделий. По этой причине в управление должны вовлекаться, по возможности, все участники производственного процесса — специалисты различных областей знаний, между которыми нужно организовать эффективное взаимодействие/взаимопонимание. В связи с этим центральной научнотехнической проблемой сегодня становится создание интеллектуальных систем поддержки коммуникаций и когнитивных процессов людей-операторов производственной системы при решении ими трудно формализуемых и не формализуемых задач в группе . Передовые научные знания и информационные технологии должны быть эффективно использованы для создания условий гармоничного взаимодействия активных элементов производственных систем на всех уровнях управления, что, по мнению многих исследователей, выдвигает актуальную научно-техническую проблему формирования новой парадигмы организации управления интегрированным производством, в основе которой лежит процесс синхронизации работы различных элементов производственной системы посредством ассоциативных форм, интеллектуальных/когнитивных методов и информационных технологий управления производством 80 .

Таким образом, преодоление недостатков традиционных форм управления возможно на иной, отличной от концепции производственного планирования, теоретико-методологической основе, ключевым понятием/ принципом которой является организация управления производством на базе принципов самоорганизации и авторегуляции, в основе которых лежит распределенный (групповой) интеллект активных элементов производственной системы роботизированных комплексов, а также рабочих, бригадиров и мастеров технологических участков, самостоятельно принимающих решения по регулирования хода производства исходя из реальных (фактических) условий протекания производственного процесса с помощью специальных информационных технологий поддержки управления .

В подтверждение этого можно отметить, что характерной чертой современного этапа исследований в области искусственного интеллекта (ИИ) является смещение акцента в исследованиях на создание гибридных (по Г.С. Поспелову, 1988) человекомашинных систем, способных объединить интеллект человека, быстродействие и память ЭВМ для решения сложных управленческих задач. Дальнейшее поступательное развитие ИИ связано с разработкой новых технологий представления знаний, основанных на тесном взаимодействии интеллекта человека и машины путем создания общей информационной среды функционирования в системах управления. Внимание исследователей все больше обращено на новые возможности, которые открываются в отношении актуальных проблем коллективного сознания и процессов самоорганизации в экономике в связи с бурным развитием интеллектуальных информационных систем и сетей телекоммуникаций 81 . По сути, сегодня, на старой элементной базе может быть получен гибридный «человеко-машинный» интеллект, который представляет собой особого рода активную информационную среду, стимулирующую процесс интуитивного поиска и синтеза релевантной информации, посредством мульти и автодиалога на языке семантических образов и концептуальных моделей. В этом отношении интегрированные адаптивные производственные системы на полном основании можно рассматривать как гибридные человеко-машинные системы, представляющие собой совокупность взаимодействующих между собой сложных динамических (интеллектуальных) объектов — автоматизированных рабочих центров и технических устройств, осуществляющих обработку и перемещения предметов труда по ходу технологического процесса, а также операторов, занятых на их обслуживании, способных воспринимать внешние физические воздействия, в том числе информационные сигналы, и откликаться на них (с помощью специальных регуляторов) изменением локальных режимов работы для синхронизации/оптимизации совместной деятельности в процессе производства.
Корневой методологической ошибкой, допущенной в 1990-х гг. разработчиками компьютерно интегрированных производственных систем, является то, что при организации и создании системы управления промышленными предприятиями часто пытаются отобразить их, используя теорию автоматического регулирования, которая разрабатывалась на основе аппарата классической математики (линейных и нелинейных дифференциальных исчислений) для закрытых, технических систем и не учитывает интеллектуальный потенциал активных элементов производственной системы — условно-автономных машин и людей. В свою очередь, коллективное мышление в групповой динамике представляет мощный инструмент распознавания образов сложных экономических явлений и решения на их основе трудноформализуемых и не формализуемых задач управления в условиях динамичного окружения и реального времени.

Предлагаемая ниже методика анализа и формализованного описания системной динамики процесса машиностроительного производства/бизнеспроцесса с использованием разработанной концепции, инструментов моделирования и интеллектуальной поддержки принятия решений/управления, создают предпосылки для полной автоматизации управления на основе использования распределенного ИИ в качестве активного решателя задач управления комплексами автоматических систем машин и технологическими процессами (в том числе в безлюдном производстве). Научные исследования и развитие автоматизации в этом направлении позволит в будущем организовать, на основе автономных (андроидных) программно-аппаратных средств, эффективный процесс коммуникации между активными элементами производственной системы, обеспечивая тем самым их высокую степень координации (слаженность взаимодействия) и, как следствие этого, высокую результативность предметной деятельности в целом .

3.3. Методика анализа и формализованного описания динамики процесса машиностроительного производства

На современном этапе развития общества и его производительных сил происходит постепенный переход от массового производства и потребления к дальнейшему экономическому росту за счет разработки новых боле эффективных технологий изготовления продукции. Постепенное вытеснение неквалифицированной рабочей силы из товарного производства посредством усовершенствования и автоматизации/роботизации технологических процессов обусловливает главенствующее значение процесса накопления знаний персоналом предприятий, а также генерируемых на его основе новаций как источника материального существования и развития общества. Решающее значение в деле совершенствования деятельности организаций отводится нематериальным факторам, в том числе новым методам и технологиям управления, основанным на системной/групповой динамике и гармонизации функционирования различных элементов сложного процесса производственной деятельности. В этой связи предприятия должны рассматриваться как сложные самоорганизующиеся социотехнические системы, которые должны быть способны изменять свое поведение и организационную структуру в процессе функционирования для достижения заданной цели в постоянно меняющихся условиях экономической среды. Взаимодействие технической и социальной составляющих в таких системах носит сложный неравновесный (квазистационарный) характер, который обусловлен сложностью настройки социальной подсистемы, обладающей большими степенями свободы по сравнению с технической компонентой. Рост степеней свободы усиливает гибкость (эффективность) социотехнической системы, но в тоже время увеличивает неопределенность достижения результата ее функционирования (неустойчивость). Неустойчивость социотехнической системы эффективно преодолевается внутренним процессом самоорганизации в отличие от нормативного подхода, основанного на организации и директивном управлении. В реальных условиях это осуществляется посредством целенаправленного процесса согласования (гармонизации) целей, параметров и ритмов функционирования активных элементов системы между собой и с внешней средой, который в практическом плане реализуется на основе непрерывной циркуляции информационных потоков (управляемого информационного взаимодействия) на всех иерархических уровнях управления производством. Главной отличительной особенностью концепции социотехнических систем будущего, в отличие от существующих организационно-технических систем, является наличие (в дополнение к управленческой функции) и преобладание целенаправленного процесса самоорганизации, характер и скорость которого обусловлены состоянием среды. Данный методологический подход к классификации производственноэкономических систем открывает новые возможности перед организационным проектированием предприятий (организационной системотехникой), поскольку позволяет в будущем перейти от директивного проектирования организаций к самоорганизации производственно-экономических систем посредством управляемого информационного взаимодействия в процессе ауто- и мультидиалога субъектов, решающих задачи управления в группе. Этим достигается синхронизированная выработка управляющих (проектных) решений в режиме реального времени, в основе которой лежит опережающее видение результата (по П.К. Анохину). Различия между социотехническими и организационно-техническими системами будут отчетливо проявляться в условиях перехода от массового товарного производства к постиндустриальной экономике, в которой преобладающую роль играют интеллектуальные способности и знания персонала организаций, принадлежащие ему «на правах собственности», т.е. являющиеся неотделимыми от людей нематериальными факторами (средствами) производства. При этом важность материальных факторов производства в успехе организаций будет неуклонно снижаться, сводя к минимуму значение функции (директивного) управления как таковой. С другой стороны, значение процесса самоорганизации субъектов как носителей интеллектуальных способностей и знаний будет неуклонно возрастать .

В случае представления производственного процесса и/или предприятия в виде адаптивной самоорганизующейся (живой) системы задачи организации и управления настолько усложняются, что для их постановки и решения не может быть сразу определен подходящий аппарат анализа/формализации и возникает необходимость в разработке методики содержащей специальные подходы, приемы и методы. Обусловлено это тем, что в адаптивных производственных системах с активными элементами цели, способы и средства их достижения формируются внутри уровней иерархии управления, самостоятельно (автоматически) исходя из состояния факторов внутренней и внешней среды. Это позволяет самоорганизующимся системам быстро адаптировать свою структуру к меняющимся условиям внешнего окружения без прекращения функционирования и потери целостности, формировать возможные варианты поведения и выбирать из них оптимальный, что делает их поведение целенаправленным, но плохо предсказуемым. Этим объясняются известные трудности описания поведения адаптивных систем, которое может быть выполнено с помощью представленных выше ассоциативных математических моделей нелинейной динамики (синергетики) в виде прогноза эволюции их поведения . Такой прогноз представляет собой математический объект, адекватно отражающий множество состояний реальной системы (объекта/процесса), образующих фазовое пространство ее динамики, эволюция которой однозначно определяется начальным состоянием/историей поведения активных элементов системы.

Исследовательская задача состоит в нахождении базовых математических моделей (генетических кодов-программ развития системы), которые исходят из наиболее типичных предположений о свойствах отдельных элементов, составляющих систему, и законах взаимодействия между ними. Как правило, законы, позволяющие связать перманентно формирующуюся цель функционирования сложной адаптивной производственной системы с располагаемыми ею средствами, неизвестны; их невозможно определить на основе статистических исследований или исходя из наиболее часто встречающихся на практике организационно-экономических/функциональных зависимостей, на основе которых можно сформулировать прикладную теорию исследуемого вопроса и применить ситуационный поход к управлению. В этих случаях выдвигается научно-техническая гипотеза, позволяющая разработать концепцию системы, и на ее основе создать в распределенной вычислительной среде ЭВМ многоуровневую/многослойную динамическую имитационную модель, с помощью которой исследуются закономерности функционирования изучаемой системы и возможные варианты решения задач автоматизации управления. При этом могут периодически варьироваться не только элементы системы (из множества располагаемых компонентов), как средства достижения цели, но и критерии, отражающие требования и ограничения, а также сами цели, если их первоначальная формулировка не привела к желаемому результату или принципиально невозможна на начальном этапе исследовательских работ. Такая методика анализа применяется в тех случаях, когда у разработчиков системы на начальном этапе работ нет достаточных сведений о системе или возникшей в ней проблемной ситуации, позволяющих выбрать качественные и количественные методы анализа и формализованного представления системы и процесса ее функционирования, сформировать их адекватные (математические, алгоритмические, аналоговые и др.) модели. Процесс исследования/проектирования системы осуществляется в несколько последовательно осуществляемых этапов: выявление проблем и постановки задач/целей исследования, разработки вариантов и моделей принятия решений, оценка альтернатив и поиск решений, их реализация, оценка эффективности решений и последствий их реализации, проектирование организационных систем для достижения поставленных целей. Более полная реализация данного подхода требует создания средств/систем автоматизации проектирования решений (САПР) в виде специализированных диалоговых процедур, и/или прикладных программ, реализующих разработанные решения/алгоритмы.

Следует иметь в виду важную особенность моделирования адаптивных организационных систем с активными элементами: пытаясь понять принципиальные особенности моделирования таких систем, уже первые исследователи отмечали, что, начиная с некоторого уровня сложности, систему легче изготовить и ввести в действие (например, в виде физической или цифровой аналоговой модели), преобразовать и изменить, чем отобразить формальной математической моделью (Ф.Е. Темников, 1971; В.Н. Волкова, 1999). По мере накопления опыта исследования, разработки или преобразования (реконструкции, реструктуризации) таких систем это наблюдение подтверждалось, и была осознана его основная особенность принципиальная ограниченность формализованного описания развивающихся, самоорганизующихся систем. Учет этой особенности при моделировании систем заключается в необходимости сочетания формальных количественных методов и интеллектуальных методов качественного анализа, которая положена в основу большинства моделей и методик анализа и формализованного представления сложных многофакторных систем. При формировании таких моделей меняется привычное о них представление, характерное для математического моделирования и прикладной математики; изменяется представление и о доказательстве адекватности таких моделей. При возникновении реальных ситуаций, в которых полностью формализованная постановка задачи затруднена, а состав элементов, основные/структурные связи и характер/законы взаимодействия между ними не могут быть количественно измерены, осуществляется постепенная формализация модели, сущность которой заключается в попеременном использовании интуиции и опыта специалистов и методов формализованного представления систем в режиме машинного эксперимента. Данный подход к машинному моделированию сложных многофакторных систем используется в условиях большой начальной неопределенности при исследовании, разработке и функционировании систем управления сложными техническими комплексами и социальноэкономическими объектами. Первоначально он был Волковой В.Н. (1999) на базе концепции структурно-лингвистического моделирования Ф.Е. Темникова, но в последующем стал развиваться как самостоятельное направление . Данные представления начинают использоваться когнитивных моделях зарубежных авторов, в виде понятия «повторного ввода» (англ. reentry), близкое понятию «обратная связь», но подчеркивающее значение самоорганизации нейронных систем живого, частично осознающего себя организма (например, Edelman, 1985).

Постепенная формализации представляет собой своего рода методику системного анализа, которая сочетает неформальные методы, удобные для восприятия информации сознанием человека, и формальные, знаковые представления, позволяющие привлекать достижения математических теорий и применять ЭВМ. Принципиальной особенностью методики постепенной формализации является то, что она ориентирована на развитие представлений исследователя об объекте или процессе принятия решения, на постепенное «выращивание» решения задачи управления. Поэтому предусматривается не одноразовый выбор методов моделирования, а смена методов по мере развития у лиц, принимающих решения (разработчиков системы), представлений об объекте и проблемной ситуации в направлении все большей формализации модели принятия решений. В целом при выборе методов моделирования для постановки и решения принципиально новых задач с большой начальной неопределенностью рекомендуется учитывать разработанную в теории систем и системном анализе классификацию систем по степени организованности и методов их формализованного представления. В частности, если предварительный анализ исследуемого объекта (процесса или проблемной ситуации) показывает, что он может быть представлен в виде хорошо организованной системы, то можно применять методы моделирования из класса аналитических и графических; если системный аналитик приходит к выводу о том, что изучаемый объект относится к плохо организованным (диффузным) системам, то следует обратиться к методам статистического моделирования и специальных методам прикладных областей знания (экономики, социологии и т.д.); в случае представления объекта классом самоорганизующихся систем следует применять методы дискретной математики (в основном графические и теоретико-множественные представления с элементами математической логики), разрабатывая на их основе языки моделирования и средства автоматизации проектирования. Ошибки в выборе методов моделирования на начальных этапах постановки задачи исследования могут существенно повлиять на ход работы или привести в тупик, когда решение вообще не будет получено. Поскольку методы современной математики не может достаточно глубоко знать ни один специалист, в процесс исследования и проектирования объекта необходимо вовлекать, помимо проектировщиков и управленческих работников предприятий, — системных аналитиков (системотехников) и математиков, которые помогут классифицировать изучаемый объект/проблемную ситуацию и пояснить принципиальные теоретические возможности выбираемого для его исследования математического аппарата.

В качестве первого шага процедуры анализа и формализованного представления системы принимается «отграничение» системы от среды путем перечисления ее предполагаемых компонентов (в виде некоторого теоретикомножественного представления) при исследовании пространства состояний системы; исследование их «меры близости» для придания смыслового содержания (семантики) их связям и объединения в группы/подсистемы (подмножества) при отображении структуры и процесса функционирования системы. При этом не ставится задача полного «перечисления» элементов и связей системы; известные на данный момент компоненты и связи между ними фиксируются с помощью выбранного языка (знаковой системы) и методов моделирования. На этом этапе возможности теоретико-множественных исчерпываются, что требует применения функционально-графических (логикосмысловых) способов отображения проектируемой системы, с помощью которых в творческий/когнитивный процесс принятия инженерных решений включаются интуиция и опыт разработчиков.

На втором шаге моделирования системы, в поисках приемлемых вариантов решения исследовательской задачи (в нашем случае, при организации управления комплексом автоматических систем машин, — оптимальных маршрутов прохождения предметов труда между условно-автономными обрабатывающими центрами/ячейками, объединенными в однородную технологическую матрицу), выполняется комбинирование элементов системы и их связей, отображаемых в виде элементарных аналитических зависимостей. Путем преобразования полученного отображения, с помощью установленных (принятых) правил структуризации — декомпозиции, композиции, поиска мер близости на пространстве состояний и т.п., — получают/фиксируют новые, не известные ранее компоненты, взаимоотношения, зависимости, которые могут либо послужить основой для принятия решений, либо подсказать последующие шаги по корректировке описания системы. В этом случае графоаналитическая визуализация (развертка) наблюдаемых переменных изучаемого объекта отображает их функционально-структурную/системную взаимосвязь, реализуемую во времени — Fs(t), на основе которой выявляются фундаментальные принципы построения, закономерности поведения/управления и развития исследуемого динамического объекта/процесса. Попеременное использование методов качественного (наглядно-образного, логико-смыслового) и количественного (формального) анализа и отображения исследуемого объекта, позволяет преодолеть недостатки аналитического подхода на основе пространственно-временного сопоставления основных элементов и связей проектируемого объекта в активной машинной среде с последующим вводом шкал измерений для получения формальной динамической имитационной модели проектируемой системы и количественной оценки оптимальности ее функционирования.

Имитационные модели применяют в этом случае ввиду сложности объекта моделирования и, соответственно, трудности или невозможности описания его поведения аналитическим способом (математическими уравнениями), так как при описании частей сложного объекта требуется применение различных математических методов с различными нестыкующимися критериями или направлениями оптимизации с точки зрения математической теории. Имитационные модели позволяют использовать многокритериальные (непротиворечивые) подходы в условиях заданного компромисса. Благодаря этим свойствам имитационное моделирование успешно применяется при решении многокритериальных задач управления для проверки различных альтернатив развития проблемной ситуации. Задавая различные альтернативы поведения динамической модели, меняя ее структуру и связи, можно получить область возможных состояний моделируемой системы, характеризующих ее поведение и последствия тех или иных управленческих решений. Применение машинной имитации в качестве основы информационных систем управления (ИСУ) позволяет при определенных условиях создать автоматизированную систему поддержки решений для оперативного управления производством, которая по запросу оператора способна автоматически формировать управленческие решения по ситуациям и отбирать наиболее оптимальные из них . Имитационная модель реализуется в виде специального программного комплекса, имитирующего деятельность реального объекта. Он запускает в ЭВМ параллельно взаимодействующие вычислительные процессы, которые по своим пространственно-временным параметрам являются аналогами реальных процессов, протекающих в моделируемом объекте. Имитация может выполняться и с помощью совокупности обычных расчетных программ, простейшим примером которой является табличный процессор .

Процедура машинной формализации итеративно повторяется до тех пор, по не будет найдено удовлетворительное решение, путем оценки правильности отражения в каждой последующей модели компонентов и связей, необходимых для достижения поставленных целей. Машинная среда эксперимента позволяет накапливать информацию об исследуемом объекте и получать отображения последовательных состояний развивающейся динамической системы, постепенно создавая все более адекватную модель реального, изучаемого или создаваемого объекта, процесса или явления. В результате можно получить набор логически связанных алгоритмов, формально отражающих взаимосвязь между компонентами (ресурсами) и целями проектируемой системы, которые можно реализовать в электронной среде/памяти ЭВМ, а затем на их основе простым кибернетическим способом сформировать многоуровневую пространственно-временную динамическую (цифровую аналоговую) модель системы. В этом случае имеет место формальное аналитическое отображение исследуемой/проектируемой системы, но не в виде традиционных (привычных для технической кибернетики) формул и/или уравнений, а в форме многомерной виртуальной цепочки алгоритмов, связанных памятью ЭВМ в единую цифровую аналоговую модель; исследователь получает инструмент, обеспечивающий возможность автоматизации и, соответственно, повторяемость, и наглядность процессов формирования структуры и функционирования системы при перманентном изменении первичных целей, состава и связей компонентов системы в ответ на постоянно меняющиеся условия окружающей среды. Исследовательская задача построения данной системы алгоритмов (например, автоматического определения/выбора системой машин оптимальных маршрутов движения материальных потоков по распределенной технологической матрице) заключается в постепенном ограничении области допустимых решений: в начале требуется исключить все варианты, не удовлетворяющие граничным значениям принятых критериев эффективности/оптимальности, затем необходимо рассмотреть оставшиеся варианты, которые позволяют предметно исследовать область допустимых решений и выбрать из них наиболее предпочтительное (альтернативу). Критериями оценки качества и эффективности организации и управления в этом случае служат гармоничность пространственно-временных отношений элементов системы и синхронность их функционирования, соответственно.

На завершающем этапе процедуры формализации решается задача построения информационной среды моделирования исследуемого объекта/процесса, которая в практическом плане реализуется с использованием представленного выше инструментария распределенных вычислений и когнитивной компьютерной графики, адекватно отражающей знания экспертов об исследуемом (проектируемом) объекте в естественной форме, то есть, так как они сформированы в сознании мыслящего субъекта (специалистапредметника) в виде концептуальной семантической схемы-образа. Когнитивная графика формируется в виде произвольного графа или аналоговой функционально-графической пространственно-временной развертки реального объекта или процесса , и должна вызывать резонансную активацию когерентных семантических образов-схем (нейронных ансамблей) в памяти операторов человеко-машинной системы (САПР). Необходимость создания такой информационной технологии интеллектуальной поддержки обусловлена, прежде всего, тем, что принятие решений в системах управления предприятиями промышленности часто связано с дефицитом времени: лучше принять не самое хорошее решение, но в требуемый срок, так как в противном случае лучшее решение может уже и не понадобиться. Поэтому решение часто приходится принимать в условиях неполной информации (ее неопределенности или даже дефицита), и нужно обеспечить возможность в максимально сжатые сроки определить наиболее значимые для принятия решений сведения и наиболее объективные предпочтения, лежащие в основе этой операции. Для того чтобы помочь в более сжатые сроки поставить задачу, проанализировать цели, определить возможные средства, отобрать требуемую информацию (характеризующую условия принятия решения и влияющую на выбор критериев и ограничений), а в идеале получить выражение, связывающее цель со средствами, применяют системные представления, машинную имитацию и когнитивное моделирование. В дополнение к этому с помощью этих средств можно обеспечить взаимодействие и взаимопонимание между специалистами различных областей знания, участвующими в постановке и решении задач организации и управления современным высокотехнологичным производством, в котором требуется учитывать все большее число факторов разнообразной природы, являющихся предметом исследования различных областей знаний. В этих условиях один человек не может принять решение о выборе факторов, влияющих на достижение цели, не может определить существенные взаимосвязи между целями и средствами. Поэтому в этом должен участвовать весь коллектив исследователей, а также персонал предприятия, состоящий из специалистов различных областей знаний, между которыми нужно организовать взаимодействие и взаимопонимание, а проблема принятия решений становится проблемой коллективного выбора целей, критериев, средств и вариантов достижения цели, т.е. проблемой коллективного принятия решения (В.Н. Волкова, 2006).

Предложенная методика анализа и формализованного описания динамических систем с использованием разработанных методов и инструментов наглядного графоаналитического отображения сложных объектов и процессов позволяет проникать в глубинную сущность сложных экономических явлений, как правило, скрытых и неявно выраженных, и переводить субъективные подсознательные (интуитивные) суждения на строгий формализованный язык объективных методов исследования и количественных измерений . В частности, данная методика и представленный выше аппарат клеточных автоматов могут успешно применяться для имитационного моделирования структурно-компоновочных преобразований, самоорганизации и эффективного функционирования комплекса автоматических систем машин путем генерирования вариантов пространственно-временной организации их активных элементов, и отбора на этой основе оптимальных технических и организационно-технологических решений с учетом принятых ограничений.

Постановка математической задачи организации управления комплексом автоматических систем машин в условиях модельного эксперимента на ЭВМ заключается в непрерывном выделении некоторого подмножества на ограниченном множестве элементов комплекса систем машин и их пространственно-временном объединении в производственно-технологический процесс обработки различных изделий с наименьшими затратами времени. Пространственно-временная декомпозиция производственно-технологического процесса обработки изделия с применением комплекса систем машин (Process) — Р(t) описывается на фазовом пространстве его состояний набором элементных процессов/операций обработки изделия — R(t) = {r i (t)}, элементных процессов функционирования автоматических систем машин — А(t) = {а i (t)} и необходимых для их реализации элементных функций — F(t) = {f i (t)}. Точки, отображенные цветными фишками в фазовом пространстве как дискреты времени Δt являются элементарными технологическими операциями обработки изделия — t n , которые в процессе поиска оптимального варианта компоновки систем машин объединяются в элементные технологические процессы посредством вариантного моделирования структурно-функциональных/параметрических связей, количественной оценки их оптимальности и ранжирования по критерию наименьшей длительности технологического процесса — Т ц → min (рис.3.5).

Рис. 3.5. Моделирование структуры процесса обработки изделия

Выбор варианта композиции элементных технологических процессов/операций обработки изделия в составе производственнотехнологического процесса осуществляется исходя из следующих условий:

1. Общая ресурсоемкость/продолжительность технологического процесса обработки изделия с применением комплекса систем машин — P(t) или RAF(t)={r i а i f i (t), Δt}, включающая суммарную длительность множества элементных процессов, связанных с обработкой изделия агрегатами R(t)={r i (t), Δt}, множества элементных процессов транспортировки изделий между агрегатами по выбранным маршрутам транспортирования изделий определенной протяженности (Length of a route) — L(t)={l i (t), Δt} и множества межоперационных ожиданий (Interoperational Expectations) — E x (t) = {e xi (t), Δt} должна стремится к минимальному значению, а именно:

2. Ресурсоемкость/длительность элементного процесса обработки изделия агрегатом — R(t), включающая длительность выполнения набора элементарных технологических операций обработки изделия — {r i (t), Δt} с учетом времени установки/снятия изделия (Installation time and product removals — t is /t rm) и переналадки/реконфигурации агрегата (t r), — должна стремится к минимальному значению, а именно:

3. Ресурсоемкость/длительность элементного процесса перемещения/транспортировки изделия между агрегатами, обусловленная протяженностью выбранных маршрутов транспортирования изделий — L(t)={l i (t), Δt} и включающая длительность выполнения/транспортное плечо набора элементарных операций транспортировки — {l i (t), Δt} с учетом времени погрузки/выгрузки изделия на транспортер/робокар (Product loading/unloading t l /t ul), — должна стремится к минимальному значению, а именно:

4. Совокупные потери ресурсов и эффективного рабочего времени (снижение производительности) RMS из-за межоперационных ожиданий E x (t) = {e xi (t), Δt} должны стремиться к минимальному значению, а именно:

Реализация данной процедуры осуществляется элементным процессом функционирования системы машин/агрегата до окончания выполнения набора элементарных операций обработки изделия посредством режима кругового сканирования модулей/блоков (Block) информационной модели технологической матрицы — B n и образования обособленного информационного канала межэлементной связи — r f в межмодульном пространстве (информационной модели маршрута движения детали — a movement route), посредством которой задается парное (бинарное) отношение между первоначальным/текущим (t n) и последующим (t n+1) набором операций, который может быть выполнен этим же агрегатом после его перекомпоновки/переналадки или другим агрегатом, компоновка которого соответствует набору операций (t n+1) и не требует изменения (рис. 3.6).

Рис. 3.6. Выбор последовательности элементных процессов/операций

В процессе информационного обмена и обработки параметрических данных каждым элементным процессом функционирования системы машин/агрегатом, а также отображающим его модулем информационной модели технологической матрицы, — соответствующий ему единичный вектор связи — r f принимает ориентированное положение и замыкает бинарное звено многомерной цепочки структурных образований. Завершение шага композиции сопровождается получением, преобразованием и передачей информации об элементных технологических процессах и агрегатах для выполнения последующих шагов композиции.

С целью временного упорядочения параллельных и параллельнопоследовательных операций обработки при одновременном изготовлении нескольких изделий (например, А, В, С и т.д.), осуществляется квантование процесса преобразования (декомпозиции и синтеза) совокупности непрерывно изменяющейся во времени и пространстве многомерной цепочке элементных технологических процессов и их последующая синхронизация в дискретной форме. В качестве параметра синхронизации элементных процессов принимается общесистемная дискрета времени — Atn, которая именуется системоквантом или тактом работы комплекса автоматических систем машин, в соответствии с которым совокупный объем работ по обработке изделий/материала расчленяется на множество элементарных операций с одинаковой или кратной длительностью/трудоемкостью (рис. 3.7).

Рис. 3.7. Циклограмма динамики функционирования системы машин

Соблюдая условия пространственно-временного упорядочения множества элементных процессов обработки различных изделий, получаем информационную модель динамики (ИМД) синхронного функционирования агрегатов, адекватно отображающей в наглядной графической форме межэлементные связи, в том числе бинарные отношения между смежными процессами/операциями обработки изделий. Формирование ИМД, непрерывно отражающих последовательность выполнения множества элементных технологических процессов подразумевает многовариантное задание их пространственных сочетаний, и выполнения во времени, с автоматизированным выбором оптимального варианта пространственно-временной организации сложного дискретного процесса многопредметного производства. Композиционное моделирование работы комплекса автоматических систем машин является процессом многошагового формирования ИМД на уровне элементов и межэлементных связей элементных технологических процессов и генерирования на их основе многомерных компоновочных образований ассоциативного/сетевого типа в распределенной информационной среде ЭВМ. Двумерная форма компонования подразумевает использование матричной координатной плоскости с горизонтальным расположением технологических и транспортных путей движения материальных потоков переменной конфигурации. Наивысший уровень развития компьютерно интегрированного производства предполагает многоуровневое расположение систем машин, которое покрывает/заполняет все 3-х мерное производственное пространство и выполнено в виде многоэтажных секций с вертикальными ветвями компонования, обеспечивающих межуровневое перемещение (перераспределение) материальных потоков для оптимизации динамики процесса производства продукции.

В процессе создания многомерной распределенной машинной среды композиционного моделирования, элементные процессы обработки изделия и функционирования системы машин/агрегатов должны быть сформированы как условно-автономные самоуправляемые динамические/математические объекты или интеллектуальные информационные агенты с реактивной/проактивной моделью поведения (в терминологии мультиагентных систем) , которые представляют собой элементарные локальные динамические звенья распределенной системы управления, самостоятельно определяющие/выбирающие алгоритм управления смежными элементными процессами/агрегатами путем задания бинарных структурных образований, описанных выше (рис.3.8).

Рис. 3.8. Много/мультиагентная система управления ассоциативного типа

В результате объединения/синтеза в процессе композиции двух элементных процессов i-1=1, i=2 путем формирования межэлементных прямых и обратных связей посредством специально разработанной системы информационных коммуникаций образуется подсистема (многополюсник) управления бинарным структурным образованием, функциональная схема которого показана на рис.3.9.

Рис. 3.9. Структурная схема управления бинарным композиционным образованием

В представленной на рис.3.9 схеме W i является передаточной функцией или алгоритмом управления i-го элементного процесса — r i a i f i (t); W пi(i-1) алгоритм прямой связи или воздействия на i-й элементный процесс; W оi(i-1) алгоритм обратной связи или воздействия на i-й элементный процесс; x i — входные параметры (входное воздействие) i-го процесса; y i — выходные параметры i-го процесса. Процедура формализованного описания непрерывного процесса синтеза элементных процессов в многомерные ассоциативные бинарные образования требует разработки агентно-ориентированного языка программирования (структурно-логической композиции/СЛК), который должен обеспечить полноту и точность описания многоуровневого состава элементов, межэлементных связей и общих закономерности функционирования системы машин, а также циклов обработки изделий. В конечном итоге, множеству процессов функционирования системы машин и выполнения технологических процессов должно соответствовать множество неориентированных активных информационных модулей матричного пространства моделирования, реализованного в распределенной информационной среде ЭВМ (САПР), на котором непрерывно, в автоматизированном режиме, формируется подмножество ориентированных модулей, генерирующих варианты инженерно-технических решений (Царев А.М., 1997). Качество и эффективность полученных результатов/решений может оцениваться на каждом шаге оптимизационного синтеза, вплоть до уровня бинарных межэлементных отношений, исходя из принципов/критериев целостности и гармонизации процесса функционирования интегрированной производственной системы.

3.4. Математическая модель двумерной/плоскостной адаптивной производственной системы

Перекомпонуемая производственная система реконфигурируемого производства (RMS) в наиболее простом варианте исполнения подразумевает матричное расположение на плоскости обрабатывающих единиц, технологических и транспортных путей. При этом движение по транспортным путям плоскости оказывается переменным, зависящим от текущего состояния системы и критериев оптимизации управления всей RMS.

Для разработки математической модели двумерной (плоскостной) интегрированной адаптивной производственной системы используются различные подходы, определяемые критериями, по которым оптимизируется работа. Одним из основных методов является моделирование с помощью конечных автоматов, сетей Петри (Petri Net) или раскрашенных сете Петри, или с помощью «временных раскрашенных сетей Петри».В задачах, где одновременно учитываются производственные критерии и рыночные показатели успешно применяется метод анализа иерархий (Analitical Hierarchical Process /AHP) . При исследовании поведения RMS как сложной динамической системы можно воспользоваться дискретнособытийной имитационной моделью. Сначала можно рассмотреть эту систему как детерминированную, то есть все временные параметры переналадок, транспортировок и обработок будут считаться заданными и определенными. В построенную детерминированную модель можно вводить факторы неопределенности, заменяя детерминированные параметры на вероятностные распределения.

Рассмотрим RMS на плоскости в виде матричной схемы показанной на рис. 3.10 (пример). Каждая обрабатывающая станция S ij , i = 1,N , j = 1,M ,

способна выполнять определенные операции r k за время t k , k = 1,K , причем для перехода на выполнение новой операции r p после операции r q требуется переналадка, занимающая время tr pq . Обработка детали может быть продолжена на любой другой обрабатывающей станции, для чего новая станция должна быть настроена на требующуюся операцию r m (возможно, что она уже настроена именно на эту операцию, и переналадка не требуется). Время перемещения детали от станции S ij до станции S uv пропорционально расстоянию по прямоугольным путям транспортировки, то есть

T (ij)(uv) = α * (|i - U| + |j - v|) i,u = 1,N , j,v = 1,M .

Рис. 3.10. Матричная схема плоскостной RMS (N=4, M=3).

Временные затраты на обработку каждой детали с момента входа ее на участок обработки до завершения и выхода из RMS складываются из отрезков времени требующихся на транспортировку к первой свободной станции S ij , переналадку станции на первую операцию r k , выполнение операции t k , выбор станции S uv для выполнения следующей операции r m (возможно это будет та же станция), перемещение детали на станцию S uv за время T (ij)(uv) = а*(|i - u| + |j - v|), переналадки станции S uv на выполнение операции r m за время переналадки tr km . Станция S uv выбирается с учетом времени переналадки и транспортировки. Не обязательно критерием будет минимальная сумма на момент выбора, так как во временном интервале в котором рассматривается процесс производства RMS могут оказаться оптимальные «маршруты» не обеспечиваемые «жадными» алгоритмами, то есть выбирающими каждое перемещение оптимальным.

Отметим, что покоординатное кодирование обрабатывающих станций требовалось только для того, чтобы проиллюстрировать расстояние между станциями, представляемое хемминговой метрикой. В дальнейшем перейдем к традиционному для сетевых моделей обозначению матричному представлению сети. Вершинами сети RMS будут обрабатывающие станции S i , i = 1,N . Тогда транспортная матрица будет иметь вид матрицы TT размера (NxN):

где tt ij — время транспортировки от станции S i до станции S i .

Аналогично, с помощью матрицы TR переналадки для каждой станции зададим временные интервалы переналадки с одной операции на другую.

где tr ij — время переналадки станции с операции r i на операцию r i .

Время выполнения операций задается матрицей SR размера (NxK)

где t ij — время выполнения операции r i на станции S i .

Такое же предположение можно сделать и о временах выполнения операций на различных станциях, что сводит модель к модели RMS, состоящей из одинаковых обрабатывающих единиц. Тогда матрица SR обратится в вектор SR=(t 1 ,t 2 ,...t k).

Сетевая модель RMS

Сетевая модель представляет собой полный неориентированный граф, вершинами которого являются станции S ; . Транспортная сеть RMS может быть описанная как NT = < S, E, TT>, где S — множество станций, E — множество ребер полного графа, TT — веса ребер, задаваемые соответствующим временим транспортировки. Но задача состоит не только в поиске «кратчайшего пути по сети» известной в теории графов. Методы решения задача о максимизации потока через сеть в традиционном виде не подходят к описываемой системе, ввиду того, что в сети RMS маршруты детали могут включать петли (выполнение операций на одной и той же станции, то есть переход с нулевым временем транспортировки, но с ненулевым временем переналадки), каждая вершина может проходится несколько раз, то есть допускаются циклы. Более того, один и тот же маршрут при прохождении его в различных последовательностях (это возможно, благодаря наличию циклов) будет давать различные временные затраты (рис. 3.11).

Рис. 3.11. Модель транспортной сети RMS

При этом количество операций K и количество станций N, в общем случае, являются независимыми.

Представленный на рис.3.11 маршрут моделирует следующую последовательность операций (табл. 3.1):

Таблица 3.1

Операции

Имитационная модель RMS

Транзакты модолируют детали проходящие через RMS. Очереди или буферы, моделирующие межоперационный запас вводятся в модель только для того, чтобы определить интенсивность входного потока заготовок, при котором RMS перестанет справляться с обработкой.

Алгоритм выбора следующей станции
Состояние станции на момент t описывается следующим кортежем:
S i: < k i .f i ,w i >
k i — номер операции, на которую настроена данная станция, K ≥ k; ≥ 1
f i — направлена ли на данную станцию деталь (0/1) с другой станции
w i — время до окончания операции
q i — признак состояния ожидания свободной станции или переналадки (0/1).

Выбор следующей станции производится на основе информации о состоянии всех остальных станций.

Алгоритм провода детали по RMS состоит из следующих шагов.

Ш1. Деталь, вошедшая в RMS попадает на станцию S il

f i1:=0 (станция незаказана на следующую операцию)

p:=0 (количество пройденных операций)

Состояние станции S i1 = <1, 0, t 1 >

Ш2. Обрабатывается в течение времени t 1 . p:=p+1.

(возможно, в этом промежутке времени на другие станции также поступали детали)

Состояние станции S i1 = <1, 0, 0 >

Ш3. Выбор следующей станции.

Сравниваются все «незаказанные» станции. (f j =0)

В момент t 1 станция S j считается потенциально подходящей, если время транспортировки до данной станции превосходит время до завершения операции на этой станции плюс время переналадки на требуемую операцию).

S j: tt i0,j > w j + tr k j 2 (3.1)

Из всех станций, удовлетворяющих данным условиям выбирается станция с наименьшим временем транспортировки до нее.

S j0: min j tti1,j ,

Если при всех j неравенство (3.1) не выполняется, то есть ∀ j = 1,N tt i0,j < w j + tr k j 2 то минимальное опережение

min j (w j + tr k j 2 - tt i0,j)

сравнивается с собственным временем переналадки выбирающей станции S i1:

если tr 12 < min j (w j + tr k j 2 - tt i0,j), то выбирается переналадка без переноса детали, иначе выбирается станция, обеспечивающая минимальное время ожидания

S j0: min j (w j + tr k j 2 - tt i1,j)

В течение времени tw = w j0 + tr k j0 2 - tt i1,j0 деталь остается на исходной станции. Станция S i1 в этот промежуток времени недоступна «для заказа», то есть f i1 =1.

S i1 =

В случае выбора станции-цели S jo , ее параметру f j 0 придается значение 1, чтобы другие станции уже не направляли свои детали.

S j0 =

Ш4. Проверка завершения обработки.

Если (p

Отметим, что стратегия выбора следующей станции на шаге Ш3 может быть построена иначе. Например, можно усложнить процедуру просчетом на несколько ходов вперед, а в идеале на все K операций. Такой подход приведет к использованию принципов динамического программирования и будет исследован в дальнейшем.

В каждый момент времени система описывается состояниями всех K станций S j = , K ≥ i ≥ 1.

Время нахождения детали в системе, прошедшей обработку на последовательности станций i 1 , i 2 , ... , i K , составит

где t r — время выполнения r-й операции,
d r — время вынужденной задержки (величина tw вычисляемая при выборе следующей станции),
tt i r ,i r+1 — время транспортировки от i r -й станции i r+1 -й станции

При выполнении обработки входного потока деталей часть процессов выполняется параллельно, что не позволяет аналитически выразить время обработки M деталей, даже если интервалы времени между поступлением деталей на участок точно заданы. Требуется построить имитационную модель, построенную на принципах работы мультиагентной системы, в которой одинаковые агенты взаимодействуют с общей целью — минимизировать время обработки поступивших деталей.

Описание процесса для имитационного моделирования.

М заготовок поступает на участок RMS включающий N станций, (M >> N). Заданы транспортная матрица TT, матрица переналадки TR, и длительности операций. Каждая станция самостоятельно выбирает следующую станцию для своей детали, на основании информации о состоянии системы в целом. (Реализация транспортной системы пока не рассматривается и ограничения на пропускную способность не устанавливаются.)

Построенная имитационная модель позволит определить поведение системы в зависимости от задаваемых параметров, установить взаимосвязь между параметрами не связанными явно в математической модели и в алгоритме выбора станции.

Варианты обобщения модели.
1. Введение различных типов обрабатывающих станций.
2. Введение неопределенности в отношении времени выполнения операций (t i ± Δt i), времени транспортировки (t j ± Δt ij). Это усложнит алгоритм выбора ввиду неоднозначности сравнения временных величин, заданных вероятностными распределениями, но общая структура модели останется той же.
3. Ограничение транспортной системы, то есть рассмотрение сети с подграфом полного графа. Для этого достаточно запретить некоторые связи, задав «бесконечное» время транспортировки.
4. Ввести возможные выходы деталей из системы до завершения полной обработки, что моделирует выход бракованной детали.
5. Ввести ограничения пропускной способности транспортной системы: ограничить количество транспортных единиц, запретить движение по встречным ребрам маршрута и т.д.

Описанные в настоящей главе методология и научный инструментарий системных исследований составляют основу экспериментального/машинного моделирования динамики функционирования сложных объектов и предоставляют возможность организации эффективного управления высокотехнологичным интегрированным производством, посредством автоматизации проектирования структурно-компоновочных преобразований адаптивной производственной системы и параметрического синтеза базовых компонентов бизнес-процессов, реализуемых на ее гибкой технологической платформе. Представленные принципы интеллектуализации и алгоритмы управления роботизированным/безлюдным производством могут оказаться полезными для совершенствования теории и методологии управления основной деятельностью на предприятиях, использующих традиционные типы и методы поточного, серийного и единичного производства; при разработке новых подходов к организации движения/реконфигурации материальных потоков в логистических сетях/системах промышленных предприятий и интегрированных цепочках поставщиков комплектующих в соответствии с производственным планом, алгоритмов управления реконфигурацией микропроцессорных вычислительных систем на основе нечеткой информации и т.п. 83 .

Современные разработки в этом направлении связаны также с интеграцией передовых информационных технологий вокруг жизненного цикла продукции предприятия, которые дополняются новыми организационно-управленческими стратегиями, связанными с поддержкой процессов жизнедеятельности самого предприятия, обеспечением более эффективной коммуникации его отделов и служб, тесной кооперации с партнерами, оперативного взаимодействия с клиентами. Такая идея многомерной компьютерной интеграции лежит в основе развиваемой В.Б. Тарасовым и др. концепции МетаКИП, основанной на использовании рассмотренных нами ранее ассоциативных форм организации коллективного труда — сетевых и виртуальных предприятий, телекоммуникационных Web-технологий и систем искусственного интеллекта, которые служат инструментальными средствами построения МетаКИП . Таким образом, применение концепции компьютерной интеграции производства не ограничивается локализованным высокотехнологичным производством или отдельным предприятием. Сегодня она успешно развивается в более широких масштабах интегрированных корпоративных организаций, территориальных кластеров, отраслей и комплексов промышленности в качестве универсального подхода к оптимизации операционных затрат при осуществлении предпринимательской деятельности, связанной как с добычей и переработкой сырья (нефтегазовые, химические и др. кластеры), так и с разработкой и производством наукоемкой продукции мирового класса (например, образование европейского консорциума AIRBUS Industries, производящего аэробусы A-310 и др.; объединение усилий фирм Apple и Sony при работе над проектом Powerbook; партнерство компаний AT&T, Marubeni Trading Co и Matsushita Electric Industrial Co при проектировании компьютера (notebook) Safari и т.д.).

Раздел 1. Методологические основы технологии машиностроения

Введение

Опорный конспект

Машиностроение определяет технический прогресс страны и оказывает решающее влияние на создание материальной базы всех отраслей экономики. В связи с этим его развитию всегда придавалось и придается первостепенное значение.

Потребности развивающегося машиностроительного производства вызвали появление новой технической науки, получившей название «Технология машиностроения».

Технология машиностроения – это наука об изготовлении машин требуемого качества в установленном производственной программой количестве и в заданные сроки при наименьшей себестоимости.

Технология машиностроения имеет ряд особенностей, отличающих её от других специальных наук.

1. Технология машиностроения является прикладной наукой, вызванной к жизни потребностями развивающейся промышленности.

2. Являясь прикладной наукой, технология машиностроения вместе с тем имеет значительную теоретическую основу, включающую в себя: учение о типизации технологических процессов и групповой обработке, о жесткости технологической системы, о точности процессов обработки, теорию базирования заготовок, теорию рассеяния размеров обрабатываемых заготовок, погрешностях технологической оснастки и оборудования, о влияниях механической обработки на состояние металла поверхностных слоев заготовок, эксплуатационные свойства деталей машин, о припусках на обработку и другие теоретические разработки.

3. Технология машиностроения является комплексной инженерной и научной дисциплиной, тесно связанной и широко использующей разработки многих дисциплин, изучаемых в университете.

4. Технология машиностроения является одной из самых молодых наук, быстро развивающейся вместе с возникновением новой техники и совершенствованием промышленного производства.

5. Технология машиностроения в значительной мере определяет уровень профессиональной подготовки инженера-машиностроителя и его способности к практическому использованию достижений общетеоретических и общеинженерных наук.

Предметом изучения в дисциплине «Технология машиностроения» являются процессы изготовления деталей и сборки машин, проектирование этих процессов и управление ими.

Технология машиностроения как наука в своем развитии в нашей стране прошла несколько этапов.

Первый этап (до 1929 / 30 гг.) совпал с завершением периода восстановления и началом реконструкции промышленности страны. Он характеризуется накоплением отечественного и зарубежного опыта изготовления машин.

Второй этап (1930 – 1941 гг.) определяется продолжением накопления производственного опыта и проведением его обобщения и систематизации. В этот момент началась разработка общих научных принципов проектирования технологических процессов. На этом этапе разрабатываются:

Принципы типизации технологических процессов;

Теория базирования заготовок при их обработке, измерении и сборке;

Методы расчета припусков на обработку;

Расчетно–аналитический метод определения погрешностей обработки заготовок.

Третий этап (1941 – 1970 гг.) отличается исключительно интенсивным развитием технологии машиностроения, разработкой новых технологических идей и формированием научных основ технологической науки. В этот период подверглись глубокому изучению и научному анализу, а также теоретической проработке результаты практического применения дифференциации и концентрации обработки, методы поточного производства в условиях серийного и крупносерийного изготовления военной техники, применение переналаживаемой оснастки, методы скоростной обработки металлов.

В эти годы формируется и разрабатывается:

Теория точности обработки заготовок;

Учение о жесткости технологической системы и её влияние на точность и производительность обработки;

Учение о технологической наследственности;

Групповой метод обработки заготовок в серийном производстве.

Проводятся:

Теоретические и экспериментальные исследования качества обрабатываемой поверхности;

Исследования влияния динамики технологической системы на точность механической обработки, шероховатость и волнистость обрабатываемых поверхностей;

На базе типизации технологических процессов и групповой обработки с использованием переналаживаемого оборудования и технологической оснастки создаются поточные линии серийного производства.

Продолжается накопление производственного опыта изготовления машин, совершенствуются различные методы обработки заготовок.

Четвертый этап (1970 г. по настоящее время). Отличительной особенностью современного этапа развития технологии машиностроения является широкое использование достижений фундаментальных наук (математика, теоретическая механика, физика, материаловедение и др.) для решения теоретических проблем и практических задач технологии машиностроения. Распространяется применение вычислительной техники при проектировании технологических процессов и математическое моделирование механической обработки, применяется теория графов для моделирования технологических процессов. Создаются системы автоматизированного проектирования технологических процессов.

В настоящее время продолжаются разработки проблем технологической наследственности и упрочняющей технологии. Разрабатываются методы оптимизации технологических процессов по достигаемой точности, производительности и экономичности. Создаются системы автоматизированного управления ходом технологического процесса с его оптимизацией по всем основным параметрам изготовления и требуемым эксплуатационным качествам. Развертываются работы по созданию гибких производственных систем на основе использования ЭВМ, станков с ЧПУ, автоматизации межоперационного транспорта и контроля и робототехники.