Окончательная готовность работы январь 2007г. Полный текст работы можно получить у автора.

Содержание:
1. Актуальность темы
2. Цель и задачи работы
3. Предполагаемая научная новизна
4. Предполагаемая практическая ценность
5. Способы моделирования ГПС
6. Перечень не решенных проблем
7. Заключение

     Одним из основных направлений развития машиностроения является автоматизация обрабатывающего оборудования с современных компьютерных технологий и создание на их базе гибких производственных систем (ГПС). Под гибкостью станочной системы понимают ее способность быстро перестраиваться на обработку новых деталей в пределах, определяемых техническими возможностями оборудования и технологией обработки группы деталей. Высокая степень гибкости обеспечивает более полное удовлетворение требований заказчика, оперативный переход к выпуску новой продукции, сохранение оправданного характера мелкосерийного производства, автоматизацию технологической подготовке производства на базе вычислительной техники, снижение затрат на незавершенное производство.
     Основными компонентами ГПС являются: гибкий производственный модуль (ГПМ), автоматические складская и транспортная системы (АСС и АТС) и система автоматизированного управления, которая занимается координацией взаимодействия описанных выше устройств, путем подачи команд на основе сформированного ранее расписания работы, а также выполняет контроль за его исполнением.
     С точки зрения управления ГПС является сложным динамическим объектом, на функционирование ГПС могут оказывать влияние различные факторы. Во многом его экономическая эффективность зависит от созданной математической модели производства, а так же формируемым оптимальным, или, близким к оптимальному расписанием работы оборудования и его корректировкой в реальном времени с учетом изменяющейся обстановки. При этом предполагается наличие модели, которая обеспечивает достаточную адекватность процессов функционирования оборудования.
     Существует множество работ посвященных проблеме оперативного управления в дискретных производствах. Разработаны и внедрены некоторые системы управления гибкими производственными системами. В большинстве случаев, недостатками таких систем является не достаточная степень адекватности модели производства, через внесение в нее целого ряда упрощений и ограничений, а так же то, что при построении расписания работы оборудования используются эвристические методы, основанные на опыте людей, что так же вносит погрешность в оптимальность управления.
     Поэтому, можно утверждать, что проблема формирования оптимального расписания работы оборудования является достаточно актуальной задачей на сегодняшний день.

     Целью данной работы является повышения эффективности работы гибких производственных систем механообработки в машиностроении за счет составления субоптимального расписания работы на двух уровнях – на уровне производства и на уровне цеха, основании выбранных критериев оптимизации.
     Задача оптимизации расписания на цеховом уровне заключается в том, что для ГПС с заданными технологическими маршрутами обработки деталей, необходимо определить такую последовательность запуска деталей в производство и размеры партий запуска, критерий оценки качества расписания стремился к экстремуму. При соблюдении соответствующих ограничений.
В целом суть работы сводится к следующему:

1.Подготовка алгоритма оптимизации расписания работы на уровне технологического процесса. Возможные критерии оптимизации расписания на уровне цеха:

• Минимизация длительности цикла
• Максимизация загрузки оборудования
• Система «точно в срок» - по минимальному отклонению от директивного срока выпуска;
• Минимизация пролеживания деталей на складе;
• Min количество переналадок;
• Min число используемых станков;
• Равномерная загрузка станков;
• Директивный приоритет;
• Max длительность обработки;
• Min длительность обработки;
• Ближайший срок готовности.

2. Подготовка алгоритма оптимизации расписания работы на уровне предприятия. На данном уровне будет использоваться критерий:

• Изготовление деталей «точно в срок»;
• Минимизация производственного времени заказов;

3. Для указанной задачи предполагается использование генетических алгоритмов, как метода позволяющего находить приближенное к оптимальному решение задачи при наличии большого числа ограничений;
4. Составление оптимизационного модуля реализующего указанную оптимизацию и решающего функцию подготовки данных для формирования сменно-суточных заданий (ССЗ) и календарного плана-графика выпуска продукции;

Для получения близких к оптимальным расписаний в допустимые сроки предлагается использование модифицированного генетического алгоритма (ГА). Объектом исследования является гибкая производственная система для изготовления деталей в мелком и среднесерийном машиностроении.

1. Предлагается создание модифицированного генетического алгоритма адаптированного для решения специализированной задачи получения близких к оптимальным расписаний работы оборудования ГПС механообработки на уровне производства и на цеховом уровне;

2. Для формирования субоптимального расписания работы на двух уровнях предполагается наряду с генетическим алгоритмом использовать модель ГПС, для обеспечения расчета целевой функции для заданного набора хромосом.

Оптимизация работы на двух уровнях за счет составления оптимального расписания работы по выбранному критерию работы позволит на основании анализа узких мест производства произвести повышение эффективности работы ГПС механообработки

Моделирование ГПС возможно с использованием следующих методов:

1. Имитационные модели;

2. Математическое моделирование;

3. Теория графов и сетей;

4. Теория массового обслуживания;

5. Объектно-ориентированный подход;

Имитационные модели. Основными требованиями к имитационным моделям ГПС являются адекватность модели, максимальная приближенность алгоритмов к методологии объектного программирования и универсальность, как возможность представления всего множества дискретных состояний системы. Использование в имитационном моделировании сетей Петри, как наиболее универсального и часто встречающегося метода формализации имитационных моделей, в большинстве случаев, ограничено построением несложных циклических моделей для роботизированных комплексов и гибких производственных модулей (ГПМ) с обозримым количеством состояния системы. Попытки создания моделей для более сложных систем – гибких производственных участков и комплексов с различным составом многочисленного основного и вспомогательного оборудования, широким спектром номенклатуры деталей ограничивает область применения аппарата сетей Петри в виду большого количества дискретных состояний ГПС, сложности и множественности сетевых структур.
Примером системы позволяющей управлять ГПС может служить пакет моделирования FMSim. Он позволяет размещать в различных позициях планировки любое количество гибких производственных систем , транспортных систем, складов и строить модели расписаний для различных компоновок. При моделировании ГПС данным образом можно выделить следующие особенности:

1) за счет свойства масштабирования сети во времени появляется возможность анализа состояния всех объектов на любом разрезе сети;
2) возможность создания сетей любой сложности и размерности, как функции от времени и количества полюсов сети, представляющих собой ЕП;
3) возможность моделирования на уже созданной сети в пределах любых интервалов времени, с различных, интересующих проектанта событий;
4) возможность оценки расписаний работы ГПС;
5) максимальная приближенность логики синтеза сетей к логике построения программного обеспечения;
6) возможность использования модульной структуры программного обеспечения процесса моделирования.


Математическое моделирование. Одним из основных требований, предъявляемых к подсистемам оперативно-календарного планирования (ОКП) в гибких производственных комплексах (ГПК) механической обработки, является точность формируемого расписания работ отдельных гибких производственных модулей и всего ГПК в целом. Точность любой модели, как правило, зависит от полноты ее представления, адекватности условиям реальной производственной системы. В большинстве моделей ОКП расписание традиционно строилось относительно основного класса обслуживающих устройств – гибких производственных модулей (ГПМ). Модель расписания, методика и алгоритм его формирования с учетом процессов переналадок ГПМ при выполнении различных партий деталей (так называемых партия-операций) и влияния других технологических факторов представлены в работе. Данное расписание строится из предположения, что количество транспортных средств (робокары, роботизированные тележки и др.), применяемых для перевозки партия-операций между отдельными ГПМ, ГПМ и складом, является наперед заданной известной и достаточной величиной. В то же время, в большинстве случаев, при формировании оптимального расписания работы ГПК необходимо учитывать транспортные средства (ТС), как обслуживающие устройства в обшей модели планирования. В связи с этим возникает необходимость в разработке обобщенной математической модели ОКП для ГПК механической обработки.
На множестве номенклатуры деталей, представленном множеством единиц планирования (ЕП), которыми являются партия-операции, М и множеством обслуживающих устройств, представленных множеством ГПМ и ТС – N и R, необходимо составить оптимальное расписание. Графическая интерпретация произвольной модели расписания для случая М(3 * 3), N(3) и R(2) представляется диаграммой Ганта. Обобщенная математическая модель для оперативно-календарного планирования для гибкого производственного комплекса механической обработки, включающая следующие элементы:
– потери времени, связанные с наличием операций переналадок в ГПМ при поступлении новых партия-операций деталей;
– потери времени, связанные с ожиданием партий деталей, находящихся в требуемый момент на обработке на предыдущей операции;
– потери времени, связанные с ожиданием партий деталей, находящихся в процессе транспортирования;
– потери времени, связанные с занятостью транспортных средств;
- суммарное время простоя к-го ГПМ.
Полученная модель оптимизируется одним из численных методов и получается оптимальное решение на указанном временном интервале. Горизонтом планирования расписания может быть 8-ми часовая смена. Недостатками данного вида моделирования является то, что ГПС, является достаточно сложной динамической системой, математическая модель которой описывается достаточно сложными уравнениями, составление которых невозможно без определенного рода допущений, что сказывается на ее точности[3].

Теория графов и сетей. Для исследования систем состоящих из разнородных элементов применимым является аппарат теории сетей массового обслуживания (ТСМО). Сеть массового обслуживания представляет собой совокупность систем массового обслуживания, в которой циркулируют заявки, переходя из одной системы в другую. В основе ТСМО лежит сетевое описание технологического процесса обработки изделия. Сеть, при этом отображает взаимосвязи между автономно функционирующими элементами и подсистемами ГПС. Сеть представляет собой граф, состоящий из множества узлов и ориентированных дуг, соединяющих узлы. При сетевом представлении структуры ГПС узлы выступают как автономные агрегаты или позиции обработки, дуги показывают направление потока заявок (изделий) в системе. Сетевая модель не является структурной (функциональной) схемой реальной ГПС. В зависимости от поставленной задачи и исследуемой функции ГПС изменяется число узлов в сети, их состав и связи между ними.

Теория массового обслуживания. Данные модели основываются на гипотезе, о вероятностном характере протекания процессов и взаимодействия оборудования. При моделировании ГПС (с помощью аппарата Q-схем), используются допущения[2]:

• последовательность выполнения операций технологических маршрутов. Технологический маршрут используется только для расчета распределения вероятностей частоты и длительности пребывания изделий на рабочих позициях;

• ГПС рассматривается как замкнутая система, т.е. в каждый момент времени в ней находится постоянное количество изделий;

• Каждая рабочая позиция имеет накопитель неограниченной емкости.

Объектно-ориентированный подход. Является подклассом имитационных моделей. К наиболее мощным и выразительным моделям представления знаний о дискретных процессах в реальном времени (РВ) относится продукционная система. Однако при описании сложных процессов мониторинга, контроля и управления с использованием большого числа внешних дискретных объектов возникает ряд хорошо известных трудностей. В данное время используется новая объектно - продукционная модель знаний (ОПМЗ), которая является результатом декомпозиции продукционной модели системы реального времени "ПРОДУС" на основе обьектно-ориентированного подхода. В ней устранены такие недостатки продукционной модели, как отсутствие средств структуризации и декомпозиции базы правил, механизма реального распараллеливания и повторного использования знаний, а также предложен новый децентрализованный механизм явного управления интерпретацией и синхронизацией параллельных объектов.
Его преимущества по сравнению с традиционным имитационным моделированием можно отнести:

• Простота систематизации и структурирования компонентов;

• Наследование позволяет реализовывать сложные модели с различными модификациями, а значит его можно применять к конкретной системе, без дополнительного перепрограммирования;

• Учет асинхронности и распараллеливания;

• Возможность применения для ГПС с произвольной компоновочной схемой без дополнительного перепрограммирования.

Объекты: Гибкий производственный модуль (ГПМ), транспортный модуль и автоматизированный склад и система управления ГПС.

Т.о. положительными чертами имитационных моделей является высокая точность прогнозов (при условии адекватности модели), гибкость модели по отношению к новым ситуациям (возможность ее быстрой перестройки в силу блочного принципа построения). К отрицательным чертам обычно относят низкую возможность объяснения поведения системы , необходимость иметь достаточно большой объем эмпирической информации для идентификации и верификации модели и очень высокую стоимость разработки. Однако, при достижении некоторого порога сложности имитационной модели, возможность непосредственного анализа возросшего объема информации с ее помощью, становится проблематичной. Среди вышеперечисленных методов моделирования наиболее точные характеристики позволяет получить объектно-ориентированная модель, являющаяся подклассом имитационных моделей. К общим недостаткам перечисленных методов моделирования можно отнести:

1.невысокую точность управления, т.к. все они составляются со слов экспертов и представляют собой набор усредненных субъективных показателей. Следовательно, можно говорить о возможной не адекватности модели;
2.невозможность увеличения точности моделирования;

Перечень не решенных проблем

На основании проведенного анализа можно утверждать, что на сегодня наиболее эффективными являются подходы, основанные на использовании сетей и графов или имитационное моделирование. Математические модели и методы применяемые для решения практических задач формирования расписания работы оборудования ГПС обладают существенным недостатком - неэффективностью получаемых решений за счет погрешности правил, которые составляются со слов человека эксперта и являются формализацией и интуитивной интерпретацией управляющих решений. Что приводит к искажению информации об объекте.
Особо нужно рассмотреть вопрос составления расписания работы ГПС. От качества составленного расписания на цеховом и производственном уровнях во многом зависит эффективность функционирования ГПС, как системы, в целом. Существует множество работ построения оптимальных расписаний. Однако в общем виде данная задача не решена. Сложность составления расписаний работы оборудования возрастает с применением гибких технологий. Время для принятия решений ограничено технологическими и производственными особенностями. Решения по составлению расписаний, полученные вручную или эвристическими методами, являются неудовлетворительными. Применение метода полного перебора невозможно в связи с временными ограничениями.

Предлагаемый подход к совершенствованию управления работой ГПС предлагает для повышения эффективности составленного расписания на цеховом и производственном уровнях и быстрой переориентировки на выпуск других изделий использовать метод эволюционного поиска – генетические алгоритмы. Их применение позволяет получать в ограниченные сроки близкие к оптимальным расписания работы ГПС.

Список источников

1. Лаздынь С.В., Секирин А.И. Совершенствование методов управления автоматизированными технологическими комплексами механообработки на основе объектно-ориентированного подхода и генетических алгоритмов.// Научные труды Донецкого государственного технического университета. Серия: Вычислительная техника и автоматизация, выпуск 38. – Донецк: ДонГТУ, 2002.
2. В.М. Кутрейчик Генетические алгоритмы. – Таганрог: Изд. ТРТУ, 1998. – 242с.
3. О.М. Калин, С.Л.Ямпольский, Л.В.Песков – Моделирование гибких производственных систем. – К: Техника, 1991 – 180 с.
4. http://www.gpss.ru/immod - имитационные модели Петри
5. Сабинин О.Ю., Зверев В.В. Символьное имитационное моделирование технических систем. – Приборы и системы управления, 1997, №7 – с 52-55.
6. Joc Cing Tay , Djoko Wibowo Intelligent Systems Lab Nanyang Technological University // An Effective Chromosome Representation for Evolving Flexible Job Shop Schedules