Оперативное управление сложным производством с использованием мультиагентных технологий

Размещено на http://www.allbest.ru/

Оперативное управление сложным производством с использованием мультиагентных технологий

Боева Л.М., Цуканов М.А.

СТИ НИТУ МИСиС, Старый Оскол, Россия, tsukanov_m_a@mail.ru

Любая управляющая система, работающая в реальном времени, должна иметь эталон или план поведения, с которым проводится сравнение фактических показателей ее функционирования.

Для производственного процесса эталоном поведения является модель его протекания во времени. Необходимость разработки такой модели диктуется тем, что материальные и трудовые элементы системы (машины, оборудование, материалы и люди) представляют собой набор ресурсов, которые можно объединить и привести в динамическое равновесие лишь на основе согласования их действий во времени по определенному плану. Модель производственного процесса -- это его абстрактное отображение, устанавливающее порядок и сроки взаимодействия всех видов ресурсов в пространстве и во времени в ходе производственного процесса, т.е. эталон поведения производственной системы в целом и отдельных ее элементов в течение определенного календарного промежутка.

Такой моделью может быть расписание, представляющее собой совокупность сведений о последовательности и времени совершения событий, являющихся этапами производственных процессов, предприятия или его структурного подразделения (цеха, участка). Так, можно говорить о расписании процесса изготовления единицы объема продукции с момента начала первой операции до окончания последней как о длительности производительного цикла. Вместе с тем, расписанием является и перечень работ, выполняемых в конкретный период по всем объектам производства в данном подразделении, т.е. по изготовлению всех единиц объёма продукции в течение этого времени. Расписание составляют обычно в табличной или графической форме; последняя предпочтительнее, так как более наглядно отражает процесс и его элементы, условно показывая на чертеже-графике и время, и расстояние [1].

Составить план-график -- значит заранее разработать модель функционирования предприятия, цеха, участка, рабочего места во времени, предусматривающую выполнение в данный момент именно той работы (и в том объеме), которая необходима для организации бесперебойного хода совокупного производственного процесса предприятия, обеспечивающего выпуск конкретной продукции в заранее обусловленный срок.

Предписанные планом действия реализуются множеством производственных ячеек, каждая из них представляет собой вероятностную систему, на результаты работы которой влияют многие факторы, в том числе и отрицательные. Это требует непрерывного наблюдения за ходом производственного процесса и регулирования его с тем, чтобы предупредить отклонения или свести к минимуму потери от этих отклонений.

Рассмотрим концепцию распределенной мультиагентной системы (МАС) применительно к проектированию системы оперативного управления и диспетчирования сложноструктурируемых динамических систем.

Для моделирования отдельных звеньев нижнего уровня производственной системы предлагается использовать агрегативный подход на основе агрегатов Бусленко. Агрегат Аj характеризуется набором координат , которые описывают состояние агрегатов, и операторами смены состояний Нj и выходов Gj [2].

Моделирование взаимосвязей между агрегатами (уровень координации) осуществляется с использованием математического аппарата сетей Петри. Сеть представляет собой структуру технологических маршрутов, распределённых по оборудованию цеха в виде графа, где множества вершин-позиций Pi интерпретируют соответственно входное и выходное условие работы соответствующей группы агрегатов Бусленко, взаимосвязь между агрегатами представлена вершинами-переходами Тi [3].

Необходимым компонентом МАС является база знаний на основе продукционной модели, в которой хранятся алгоритмы и инструментарий функционирования «агента-супервизора» и «агента-координатора». В базе данных хранится информация о номенклатуре производимой продукции, составе и характеристиках производственных агрегатов, технологические маршруты.

Верхний уровень системы - супервизор, решает задачу оптимизации производственного графика. Задача составления сменно-суточного графика относится к классу задач составления расписаний, но наличие нескольких однотипных агрегатов, многовариантность технологических маршрутов и последовательно-параллельные и перекрестные транспортно-технологических потоки определяют задачу как NP-сложную, т.е. время ее решения заведомо превышает нормы оперативного управления и не дает возможности принятия решений в темпе производства.

Оптимизация контактного графика осуществляется с применением следующих целевых функций:

Минимизация времени простоя:

,

где t(i, j) - время выполнения i-го технологического задания на j-ом технологическом агрегате, n - количество заданий для всех технологических агрегатов, m - общее количество технологических агрегатов.

Минимизация энергозатрат:

,

где q(i, j) - энергозатратность выполнения i-го технологического задания на j-ом технологическом агрегате.

Данные целевые функции используются в условиях следующих ограничений:

· Для каждой единицы времени t на любой технологической установке m не должно выполняться более одного задания i;

· Все n заданий должны быть выполнены.

В данном случае пространство поиска R -- это множество дискретных кусочно-постоянных непрерывных функций Di со значениями , представляющих производственное расписание, на основе которого производится построение контактного графика, где - продолжительность обработки производственного i-го технологического задания на j-ом технологическом агрегате. Решение , при котором каждая позиция расписания принимает значение, удовлетворяющее всем ограничениям из множества, является возможным решением данной задачи.

Решение называется глобальным оптимумом, если

Данная задача относится к классу комбинаторных. Методы решения задач комбинаторной оптимизации (КО) можно разделить на точные и приближенные. Точные методы, например метод ветвей и границ, позволяют всегда находить оптимальное решение, но для решения NP-полных задач решение будет найдено за экспоненциальное время, так как пока не предложен ни один точный алгоритм решения хотя бы одной NP-полной задачи за полиномиальное время. Приближенные методы решения задач КО позволяют решать даже NP-полные задачи за приемлемое для практических нужд время с малой погрешностью, что повышает интерес к дальнейшему изучению приближенных методов решения задач КО.

На практике для решения NP-сложных задач часто используют эвристические методы, не гарантирующие нахождение оптимального решения, но позволяющих достаточно быстро получать решения приемлемого качества.

К наиболее эффективным и популярным эвристическим методам относятся так называемые метаэвристики - обобщенные стратегии поиска оптимума в пространстве решений. Начальная их реализация, как правило, достаточно проста и позволяет быстро получить практический результат. В качестве примера можно привести “имитацию отжига” (Simulated Anneal), “генетические алгоритмы” (Genetic Algorithms), Iterated Local Search (ILS) [4] и Scatter Search (SS)[5].

Предложенный подход к построению МАС оперативного управления позволяет отслеживать полный цикл операций по получению готовой продукции с учетом изменений в режимах работы оборудования и вносить внесения корректировки в контактный график производства в режиме реального времени.

оперативный управление производство мультиагентный

Список литературы

1. Коффман Э.Г. Теория расписания и вычислительные машины М.: Наука, 1987

2. Цуканов М. А., Боева Л. М. Сталеплавильное производство как агрегативная система // Ижевск, - Труды 6 Всероссийской школы-семинара «Управление Большими Системами», т.2, 2009г. с. 359-370.

3. Боева Л. М., Цуканов М. А. Моделирование технологической координации оборудования сталеплавильного цеха на основе аппарата вложенных сетей Петри // Энергетические комплексы и системы управления. Воронеж: КВАРТА, 2010, №2 (18). с. 64. - С. 30-34.

4. Stьtzle T. Iterated local search for the quadratic assignment problem // European Journal of Operational Research, Vol. 174, Issue 3, 1 November 2006, pp. 1519-1539.

5. Glover F. Scatter Search and Path Relinking // New Ideas in Optimization, D. Corne, M. Dorigo and F. Glover, Eds. McGraw Hill, 1999, pp. 297-316.

Размещено на Allbest.ru