Остаточна готовність роботи січень 2007р. Повний текст роботи можна одержати в автора.

Зміст:
1. Актуальність теми
2. Мета і задачі роботи
3. Передбачувана наукова новизна
4. Передбачувана практична цінність
5. Способи моделювання ГВС
6. Перелік не вирішених проблем
7. Висновок

     Одним з основних напрямків розвитку машинобудування є автоматизація обробного устаткування із сучасних комп'ютерних технологій і створення на їхній базі гнучких виробничих систем (ГВС). Під гнучкістю верстатної системи розуміють її здатність швидко перебудовуватися на обробку нових деталей у межах, обумовлених технічними можливостями устаткування і технологією обробки групи деталей. Високий ступінь гнучкості забезпечує більш повне задоволення вимог замовника, оперативний перехід до випуску нової продукції, збереження виправданого характеру дрібносерійного виробництва , автоматизацію технологічній підготовці виробництва на базі обчислювальної техніки, зниження витрат на незавершене виробництво .
     Основними компонентами ГВС є : гнучкий виробничий модуль (ГВМ), автоматичні складська і транспортна системи (АСС і АТС) і система автоматизованого керування , що займається координацією взаємодії описаних вище пристроїв , шляхом подачі команд на основі сформованого раніше розкладу роботи, а також виконує контроль за його виконанням.
     З погляду керування ГВС є складним динамічним об'єктом, на функціонування ГВС можуть впливати різні фактори. Багато в чому його економічна ефективність залежить від створеної математичної моделі виробництва , а так само формованим оптимальним , або , близьким до оптимального розкладом роботи устаткування і його коректуванням у реальному часі з урахуванням обстановки, що змінюється. При цьому передбачається наявність моделі, що забезпечує достатню адекватність процесів функціонування устаткування.
     Існує безліч робіт присвячених проблемі оперативного керування в дискретних виробництвах . Розроблено і впроваджені деякі системи керування гнучкими виробничими системами. У більшості випадків, недоліками таких систем є не достатній ступінь адекватності моделі виробництва , через внесення в неї цілого ряду спрощень і обмежень, а так само те, що при побудові розкладу роботи устаткування використовуються евристичні методи, засновані на досвіді людей, що так само вносить погрішність в оптимальність керування .
     Тому, можна затверджувати , що проблема формування оптимального розкладу роботи устаткування є досить актуальною задачею на сьогоднішній день.

     Метою даної роботи є підвищення ефективності роботи гнучких виробничих систем механообработки в машинобудуванні за рахунок складання субоптимального розкладу роботи на двох рівнях - на рівні виробництва і на рівні цеху, підставі обраних критеріїв оптимізації.
     Задача оптимізації розкладу на цеховому рівні полягає в тім , що для ГВС із заданими технологічними маршрутами обробки деталей, необхідно визначити таку послідовність запуску деталей у виробництво і розміри партій запуску, критерій оцінки якості розкладу прагнув до екстремуму. При дотриманні відповідних обмежень.
У цілому суть роботи зводиться до наступного:

1.Підготовка алгоритму оптимізації розкладу роботи на рівні технологічного процесу. Можливі критерії оптимізації розкладу на рівні цеху:

• Мінімізація тривалості циклу
• Максимізація завантаження устаткування
• Система "точно в термін" - по мінімальному відхиленню від директивного терміну випуску;
• Мінімізація пролежування деталей на складі;
• Mіn кількість переналагоджень;
• Mіn число використовуваних верстатів;
• Рівномірне завантаження верстатів;
• Директивний пріоритет;
• Max тривалість обробки;
• Mіn тривалість обробки;
• Найближчий термін готовності.

2. Підготовка алгоритму оптимізації розкладу роботи на рівні підприємства. На даному рівні буде використовуватися критерій:

• Виготовлення деталей "точно в термін";
• Мінімізація виробничого часу замовлень;

3. Для зазначеної задачі передбачається використання генетичних алгоритмів, як методу що дозволяє знаходити наближене до оптимального рішення задачі при наявності великого числа обмежень;
4. Складання оптимізаційного модуля, що реалізує зазначену оптимізацію і вирішальну функцію підготовки даних для формування змінно-добових завдань (ЗДЗ) і календарного плану-графіка випуску продукції;

Для одержання близьких до оптимальних розкладів у припустимий термін пропонується використання модифікованого генетичного алгоритму (ГА). Об'єктом дослідження є гнучка виробнича система для виготовлення деталей у малому і середньосерійному машинобудуванні .

1. Пропонується створення модифікованого генетичного алгоритму адаптованого для рішення спеціалізованої задачі одержання близьких до оптимальних розкладів роботи устаткування ГВС механообработки на рівні виробництва і на цеховому рівні;

2. Для формування субоптимального розкладу роботи на двох рівнях передбачається поряд з генетичним алгоритмом використовувати модель ГВС, для забезпечення розрахунку цільової функції для заданого набору хромосом.

Оптимізація роботи на двох рівнях за рахунок складання оптимального розкладу роботи з обраного критерію роботи дозволить на підставі аналізу вузьких місць виробництва зробити підвищення ефективності роботи ГВС механообработки.

Моделювання ГВС можливе з використанням наступних методів:

Моделювання ГВС можливе з використанням наступних методів:

1. Імітаційні моделі;

2. Математичне моделювання;

3. Теорія графів і мереж;

4. Теорія масового обслуговування;

5. Об'єктно-оріентований підхід;

Імітаційні моделі. Основними вимогами до імітаційних моделей ГВС є адекватність моделі, максимальна наближеність алгоритмів до методології об'єктного програмування й універсальність, як можливість представлення всієї безлічі дискретних станів системи. Використання в імітаційному моделюванні мереж Петрі, як найбільш універсального методу формалізації імітаційних моделей, у більшості випадків, обмежено побудовою нескладних циклічних моделей для роботизированных комплексів і гнучких виробничих модулів (ГВМ) з доступним для огляду кількістю стану системи. Спроби створення моделей для більш складних систем - гнучких виробничих ділянок і комплексів з різним складом численного основного і допоміжного устаткування, широким спектром номенклатури деталей обмежує область застосування апарата мереж Петрі у виді великої кількості дискретних станів ГВС, складності і множинності мережних структур
Прикладом системи що дозволяє керувати ГВС може служити пакет моделювання FMSіm. Він дозволяє розміщати в різних позиціях планування будь-яка кількість гнучких виробничих систем , транспортних систем, складів і будувати моделі розкладів для різних компонувань. При моделюванні ГВС даним образом можна виділити наступні особливості:

1) за рахунок властивості масштабирования мережі в часі з'являється можливість аналізу стану всіх об'єктів на будь-якому розрізі мережі ;
2) можливість створення мереж будь-якої складності і розмірності, як функції від часу і кількості полюсів мережі , що представляють собою ОП;
3) можливість моделювання на вже створеній мережі в межах будь-яких інтервалів часу , з різного, цікавлячого проектанта подій;
4) можливість оцінки розкладів роботи ГВС;
5) максимальна наближеність логіки синтезу мереж до логіки побудови програмного забезпечення;
6) можливість використання модульної структури програмного забезпечення процесу моделювання.

Математичне моделювання Одним з основних вимог, пропонованих до підсистем оперативно-календарного планування (ОКП) у гнучких виробничих комплексах (ГВК) механічної обробки, є точність формованого розкладу робіт окремих гнучких виробничих модулів і всього ГВК у цілому. Точність будь-якої моделі, як правило, залежить від повноти її представлення , адекватності умовам реальної виробничої системи. У більшості моделей ОКП розклад традиційний будувалося щодо основного класу обслуговуючих пристроїв - гнучких виробничих модулів (ГВМ). Модель розкладу, методика й алгоритм його формування з урахуванням процесів переналагоджень ГВМ при виконанні різних партій деталей (так званих партій-операцій) і впливу інших технологічних факторів представлені в роботі. Даний розклад будується з припущення, що кількість транспортних засобів (робокари, роботизовані візки й ін.), застосовуваних для перевезення партій-операцій між окремими ГВМ, ГВМ і складом, є наперед заданою відомою і достатньою величиною . У той же час, у більшості випадків, при формуванні оптимального розкладу роботи ГВК необхідно враховувати транспортні засоби (ТЗ), як обслуговуючі пристрої в обший моделі планування. У зв'язку з цим виникає необхідність у розробці узагальненої математичної моделі ОКП для ГВК механічної обробки
На безлічі номенклатури деталей, представленій безліччю одиниць планування (ОП), якими є партії-операції, М і безліччю обслуговуючих пристроїв , представлених безліччю ГВМ і ТС - N і R, необхідно скласти оптимальний розклад. Графічна інтерпретація довільної моделі розкладу для випадку М(3 * 3), N(3) і R(2) представляється діаграмою Ганта. Узагальнена математична модель для оперативно-календарного планування для гнучкого виробничого комплексу механічної обробки, що включає наступні елементи:
- утрати часу, зв'язані з наявністю операцій переналагоджень у ГВМ при надходженні нових партій-операцій деталей;
- утрати часу, зв'язані з чеканням партій деталей, що знаходяться в необхідний момент на обробці на попередній операції;
- утрати часу, зв'язані з чеканням партій деталей, що знаходяться в процесі транспортування;
- утрати часу, зв'язані з зайнятістю транспортних засобів;
- сумарний час простою к-го ГВМ.
Отримана модель оптимізуєтся одним з чисельних методів і виходить оптимальне рішення на зазначеному тимчасовому інтервалі. Обрієм планування розклади може бути 8-ми годинна зміна. Недоліками даного виду моделювання є те, що ГВС, є досить складною динамічною системою, математична модель якої описується досить складними рівняннями, складання яких неможливо без визначеного роду допущень, що позначається на її точності[3].

Для дослідження систем, які складаються з різнорідних елементів, застосовним є апарат теорії мереж масового обслуговування (ТММО). Мережа масового обслуговування являє собою сукупність систем масового обслуговування, у якій циркулюють заявки, переходячи з однієї системи в іншу. В основі ТСМО лежить мережний опис технологічного процесу обробки виробу . Мережа , при цьому відображає взаємозв'язку між автономно функціонуючими елементами і підсистемами ГВС. Мережа являє собою граф, що складається з безлічі вузлів і орієнтованих дуг, що з'єднують вузли. При мережному представленні структури ГВС вузли виступають як автономні агрегати або позиції обробки, дуги показують напрямок потоку заявок (виробів) у системі. Мережна модель не є структурною (функціональної ) схемою реальної ГВС. У залежності від поставленої задачі і досліджуваної функції ГВС змінюється число вузлів у мережі , їхній склад і зв'язки між ними.

Теорія масового обслуговування Дані моделі ґрунтуються на гіпотезі, про ймовірносний характер протікання процесів і взаємодії устаткування. При моделюванні ГВС (за допомогою апарата Q-схем), використовуються допущення[2]:

послідовність виконання операцій технологічних маршрутів. Технологічний маршрут використовується тільки для розрахунку розподілу ймовірностей частоти і тривалості перебування виробів на робочих позиціях;

ГВС розглядається як замкнута система, тобто в кожен момент часу в ній знаходиться постійна кількість виробів;

Кожна робоча позиція має нагромаджувач необмеженої ємності

Объектно-ориентированный підхід Є підкласом імітаційних моделей. До найбільш могутніх і виразних моделей представлення знань про дискретні процеси в реальному часі (РВ) відноситься продукційна система. Однак при описі складних процесів моніторингу, контролю і керування з використанням великого числа зовнішніх дискретних об'єктів виникає ряд добре відомих труднощів. Тепер використовується нова объектно-продукційна модель знань (ОПМЗ), що є результатом декомпозиції продукційної моделі системи реального часу "ПРОДУС" на основі Об'єктно-оріентованого підходу. В ній усунуті такі недоліки продукційної моделі, як відсутність засобів структуризації і декомпозиції бази правил, механізму реального розпаралелювання та повторного використання знань, а також запропонований новий децентралізований механізм явного керування інтерпретацією і синхронізацією рівнобіжних об'єктів.
Його переваги в порівнянні з традиційним імітаційним моделюванням можна віднести:

Простота систематизації і структурування компонентів;

Спадкування дозволяє реалізовувати складні моделі з різними модифікаціями, а значить його можна застосовувати до конкретної системи, без додаткового перепрограмування;

Облік асинхронності та розпаралелювання;

Можливість застосування для ГВС із довільної компоновочной схемою без додаткового перепрограмування

Об'єкти: Гнучкий виробничий модуль (ГВМ), транспортний модуль і автоматизований склад і система керування ГВС. 

Таким чином, позитивними рисами імітаційних моделей є висока точність прогнозів (за умови адекватності моделі), гнучкість моделі стосовно нових ситуацій (можливість її швидкої перебудови в силу блокового принципу побудови). До негативних рис звичайно відносять низьку можливість пояснення поводження системи , необхідність мати досить великий обсяг емпіричної інформації для ідентифікації і верифікації моделі і дуже високу вартість розробки. Однак, при досягненні деякого порога складності імітаційної моделі, можливість безпосереднього аналізу зрослого обсягу інформації з її допомогою, стає проблематичною. Серед перерахованих вище методів моделювання найбільш точні характеристики дозволяє одержати об'єктно-орієнтована модель, що є підкласом імітаційних моделей. До загальних недоліків перерахованих методів моделювання можна віднести:

1.невисоку точність керування , тому що усі вони складаються зі слів експертів і являють собою набір усереднених суб'єктивних показників. Отже, можна говорити про можливу не адекватність моделі;
2.неможливість збільшення точності моделювання;

Перелік не вирішених проблем

На підставі проведеного аналізу можна затверджувати , що на сьогодні найбільш ефективними є підходи, засновані на використанні мереж і графів або імітаційне моделювання. Математичні моделі і методи застосовувані для рішення практичних задач формування розкладу роботи устаткування ГВС мають істотний недолік - неефективністю одержуваних рішень за рахунок погрішності правил, що складаються зі слів людини експерта і є формалізацією й інтуїтивною інтерпретацією керуючих рішень . Що приводить до перекручування інформації про об'єкт
Особливо потрібно розглянути питання складання розкладу роботи ГВС. Від якості складеного розкладу на цеховому і виробничому рівнях багато в чому залежить ефективність функціонування ГВС, як системи, у цілому. Існує безліч робіт побудови оптимальних розкладів. Однак у загальному виді дана задача не вирішена. Складність складання розкладів роботи устаткування зростає з застосуванням гнучких технологій. Час для прийняття рішень обмежено технологічними і виробничими особливостями. Рішення по складанню розкладів, отримані вручну або евристичними методами, є незадовільними. Застосування методу повного перебору неможливо в зв'язку з тимчасовими обмеженнями.

Пропонований підхід до удосконалювання керування роботою ГВС пропонує для підвищення ефективності складеного розкладу на цеховому і виробничому рівнях і швидкому переорієнтуванні на випуск інших виробів використовувати метод еволюційного пошуку - генетичні алгоритми. Їхнє застосування дозволяє одержувати в обмежений термін близькі до оптимального розкладу роботи ГВС.

Список джерел

1. Лаздинь С.В., Секірін А.И. Удосконалювання методів керування автоматизованими технологічними комплексами механообработки на основі объектно-ориентированного підходу і генетичних алгоритмів.// Наукові праці Донецького державного технічного університету. Серія: Обчислювальна техніка й автоматизація, випуск 38. - Донецьк: ДОНДТУ, 2002.
2. В.М. Кутрейчик Генетичні алгоритми. – Таганрог: Изд. ТРТУ, 1998. – 242с.
3. О.М. Калін, С.Л.Ямпольський, Л.В.Песков – Моделювання гнучких виробничих сістем. – К: Техника, 1991 – 180 с.
4. http://www.gpss.ru/immod - імітаційні моделі Петрі
5. Сабінін О.Ю., Зверев В.В. Сімвольне імітаційне моделювання технічних сістем. – Прибори та системи керування, 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