МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ДОНЕЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

СЕКіРіН ОЛЕКСАНДР ІВАНОВИЧ

УДК 621.75:658.5

СИСТЕМА ІНТЕЛЕКТУАЛЬНОЇ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ В УПРАВЛІННІ АВТОМАТИЗОВАНИМИ ТЕХНОЛОГІЧНИМИ КОМПЛЕКСАМИ МАШИНОБУДІВНИХ ВИРОБНИЦТВ

Спеціальність 05.13.07 - "Автоматизація технологічних процесів"

Автореферат

дисертації на здобуття наукового ступеня кандидата технічних наук

Донецьк - 2004

Дисертацією є рукопис.

Робота виконана у Донецькому національному технічному університеті Міністерства освіти і науки України.

Науковий керівник: кандидат технічних наук, доцент

Лаздинь Сергій Володимирович,

доцент кафедри “Автоматизовані системи управління” Донецького національного технічного університету,

м. Донецьк

Офіційні опоненти: доктор технічних наук, професор

Сілаєв Віктор Іванович,

професор кафедри “Менеджмент у виробничій сфері” Донецького державного університету управління,

м. Донецьк.

кандидат технічних наук, старший науковий співробітник

Демченко Микола Петрович,

завідувач лабораторією "Інформаційні системи і засоби" ВАТ “Науково-дослідний інститут гірничої механіки ім. М.М. Федорова”, м. Донецьк.

Провідна установа: Національний гірничий університет Міністерства освіти і науки України, м. Дніпропетровськ

Захист відбудеться “27” травня 2004 р. о 14 годині на засіданні спеціалізованої вченої ради К11.052.03 Донецького національного технічного університету за адресою: 83000, м. Донецьк, вул. Артема, 58, корп. 1, ауд. 201.

З дисертацією можна ознайомитися в бібліотеці Донецького національного технічного університету за адресою: 83000, м. Донецьк, вул. Артема, 58, корп. 2.

Автореферат розісланий “26” квітня 2004 р.

Вчений секретар спеціалізованої

вченої ради К11.052.03

кандидат технічних наук, доцент Г. В. Мокрий

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Одним з основних напрямків технічного прогресу в машинобудуванні є автоматизація обробного і допоміжного устаткування з використанням сучасних комп'ютерних технологій, створення на цій базі автоматизованих технологічних комплексів (АТК), що є у свою чергу основою для побудови комп’ютерно-інтегрованих виробництв.

АТК містять у собі автоматизоване технологічне устаткування для механообробки деталей: верстати з числовим програмним управлінням (ЧПУ), гнучкі виробничі модулі (ГВМ), а також - допоміжне устаткування: автоматизований транспорт (транспортні роботи, роботизовані візки), автоматизовану складську систему. Координацію взаємодії різного устаткування і функціонування комплексу в цілому забезпечує система управління (СУ АТК) шляхом видачі команд на основі сформованого раніше розкладу і контролю виконання.

З точки зору управління АТК є складним динамічним об'єктом, на функціонування якого впливають ряд факторів, що обурюють, таких як поломки устаткування, відсутність заготівок і інструменту, директивні виробничі завдання й ін. Для ефективної експлуатації таких об'єктів одним з головних завдань є формування оптимального або близького до нього розкладу роботи устаткування, а також - динамічне його коректування з урахуванням зміни виробничої ситуації. При цьому необхідно наявність моделі АТК, що забезпечить досить точне відображення процесів функціонування виробничого устаткування і руху матеріальних потоків у часі і просторі.

Питанням моделювання й оперативного управління дискретними виробничими і технологічними процесами в машинобудуванні присвячений ряд наукових праць і публікацій. Розроблені і впроваджені кілька систем оперативного управління автоматизованими технологічними комплексами різного призначення. До недоліків цих робіт і розробок можна віднести те, що використовувані для управління АТК моделі в більшості випадків не забезпечують високого ступеня адекватності через наявність ряду обмежень і спрощень, а також те, що при формуванні розкладів застосовуються вирішальні правила й інші евристичні методи, що не забезпечують одержання оптимальних рішень. Тому, незважаючи на проведені дослідження, задача формування оптимальних розкладів роботи АТК у реальному часі має актуальне значення.

Зв'язок роботи з науковими програмами, планами, темами. Робота виконана в рамках держбюджетної НДР ДонНТУ Н-31-2000 “Розробка науково-методичних основ побудови і використання інформаційних, управляючих систем і технологій для наукової і навчальної роботи”, у якій автор брав участь, як виконавець.

Мета роботи: Підвищення ефективності роботи автоматизованих технологічних комплексів механообробки машинобудівних виробництв за рахунок використання системи інтелектуальної підтримки прийняття рішень, яка забезпечує аналіз виробничої ситуації, прогнозування й оптимізацію роботи устаткування.

Для досягнення поставленої мети необхідно вирішити наступні основні завдання:

-

-

-

-

-

Об'єктом досліджень є автоматизований технологічний комплекс для виготовлення деталей у дрібносерійному і середньосерійному машинобудівному виробництві.

Предметом досліджень є методи, моделі й алгоритми для системи підтримки прийняття рішень в управлінні автоматизованими технологічними комплексами механообробки.

Методи дослідження. У роботі застосовані методи системного аналізу, теорії розкладів, об'єктного моделювання і генетичних алгоритмів для оптимізації управління автоматизованими технологічними комплексами.

Наукова новизна отриманих результатів.

1.

2.

3.

4.

Практичне значення отриманих результатів:

1. Моделювання роботи автоматизованих технологічних комплексів механообробки дозволяє одержувати оцінки завантаження усіх видів устаткування і виявляти “вузькі місця”, що знижують ефективність роботи АТК. Проведення на моделі аналізу різних варіантів їхнього усунення дозволяє розробити практичні рекомендації, що забезпечують підвищення завантаження технологічного устаткування.

2. Застосування модифікованого дворівневого генетичного алгоритму разом з об'єктною моделлю дозволяє одержувати субоптимальні розклади роботи устаткування за обраним критерієм (відхилення від оптимуму складає не більш 5%), що забезпечує високу ефективність функціонування АТК механообробки.

3. Результати експериментальних досліджень і засновані на них рекомендації зі зміни виробничо-технологічних параметрів АТК механообробки деталей типу тіл обертання, програмна реалізація об'єктної моделі і генетичного алгоритму передані ВАТ “Точмаш” м. Донецьк. Їхнє використання дозволило підвищити завантаження технологічного устаткування на 11,2% без додаткових витрат, удосконалювати систему оперативного управління автоматизованим технологічним комплексом.

4. Результати дисертаційної роботи використані при виконанні держбюджетної НДР Н-31-2000 і у навчальному процесі кафедри “Автоматизовані системи управління” Донецького національного технічного університету.

Обґрунтованість і вірогідність наукових положень, висновків і рекомендацій підтверджується: коректним використанням методів об'єктного моделювання і математичного апарату генетичних алгоритмів для дослідження технологічних компонентів і системи управління АТК, обґрунтованістю прийнятих допущень, адекватністю розробленої об'єктної моделі, розбіжністю результатів моделювання і виробничих даних до 10 %.

Особистий внесок здобувача. Всі основні положення, теоретичні і практичні результати дисертаційної роботи, що виносяться на захист, отримані автором самостійно.

Апробація результатів дисертації. Основні положення і результати дисертаційної роботи освітлені: на 3-й Усеукраїнській конференції молодих науковців “Інформаційні технології в науці, освіті і техніці” (ІТОНТ-2002) (Черкаський державний університет імені Богдана Хмельницького, м. Черкаси, 2002 р.); на ІХ міжнародній науково-технічній конференції “Машинобудування і техносфера ХХІ століття” (м. Севастополь, 2002 р.); на Міжнародній конференції з управління “Автоматика-2002” (Донецький національний технічний університет, м. Донецьк, 2002 р.); на Х Міжнародній науково-технічній конференції “Машинобудування і техносфера ХХІ століття” (м. Севастополь, 2003 р.); на ІІ науково-практичній конференції “ДОНБАС-2020: наука і техніка - виробництву” (Донецький національний технічний університет, м. Донецьк, 2004 р.); обговорені й отримали схвалення на наукових семінарах кафедри “Автоматизовані системи управління” Донецького національного технічного університету (1999-2004 рр).

Публікації. Зміст дисертації опубліковано у 7 наукових працях, з них 3 – у провідних науково-технічних збірниках, затверджених ВАК України, 4 – у збірниках праць міжнародних, всеукраїнських і регіональних конференцій.

Структура й обсяг роботи. Дисертаційна робота складається з вступу, п'яти розділів, висновку, викладених на 154 сторінках машинописного тексту, містить 41 рисунків, 18 таблиць, список літературних джерел з 102 найменувань і 7 додатків.

ЗМІСТ РОБОТИ

У вступі обґрунтована актуальність теми, сформульовані мета і завдання досліджень, перераховані основні положення, що виносяться на захист.

У першому розділі проаналізовано сучасний стан досліджень в області систем управління автоматизованими технологічними комплексами машинобудівних виробництв. Проведено аналіз систем управління, методів і засобів моделювання, методів оптимізації роботи автоматизованих технологічних комплексів.

Проведений аналіз стану досліджень і практичних розробок в області автоматизованих технологічних комплексів дозволив зробити ряд узагальнень і сформулювати мету і задачі досліджень у даній роботі.

АТК містять у собі автоматизоване технологічне устаткування для механообробки деталей, а також - допоміжне устаткування: автоматизований транспорт і автоматизовану складську систему. Від якості розкладу роботи устаткування багато в чому залежить ефективність функціонування АТК. Пошуку методів побудови оптимальних розкладів присвячене досить велике число наукових праць. Однак, у загальному виді дана задача не вирішена. Оптимальні рішення отримані лише для найпростіших випадків, що мають чисто теоретичне значення. При рішенні даної задачі моделі математичного програмування не дали результатів, які подають надію, у силу великої розмірності задачі. З методів спрямованого пошуку найбільшу популярність одержав метод “гілок та границь”. Методи повного перебору на практиці не застосовні, тому що час пошуку оптимуму перевищує припустимий.

Тому, незважаючи на проведені раніше дослідження і виконані розробки, проблема забезпечення високої ефективності управління АТК в умовах дії збурювань не одержала остаточного рішення, що і викликає необхідність проведення даного дослідження.

В другому розділі виконана постановка задачі моделювання, виділені типові компоненти автоматизованих технологічних комплексів, для них розроблені класи, описані їхні властивості і методи, побудовані об'єктні моделі. Отримано узагальнену об'єктну модель автоматизованого технологічного комплексу механообробки, розроблені алгоритм моделювання і його програмна реалізація.

У результаті проведеного системного аналізу АТК механообробки виділені наступні типові компоненти: гнучкий виробничий модуль, автоматизований склад, транспортний модуль і система керування. Для моделювання типових компонентів АТК обраний об’єктно-орієнтований підхід.

Розглянемо побудову об'єктної моделі технологічного устаткування АТК – гнучкого виробничого модуля (ГВМ). Узагальнена функціональна схема гнучкого виробничого модуля представлена на рис. 1. Для моделювання ГВМ створено клас об’єктів TGPM, розроблені функції, що по команді системи керування виконують розрахунок часу закінчення налагодження, обробки, а так само випадковим чином генерують момент виходу з ладу устаткування і його відновлення.

Функція обробки (Obrabotka) – робить розрахунок часу, витраченого на обробку поточної транспортної партії, а так само визначає момент закінчення обробки. Для ГВМ, у якому використовується робот з одним схватом час, витрачений на обробку розраховується по формулі:

Tоб=Nдет(tобр+2tуст/снятдет+2tперем) (1)

Рис. 1. Узагальнена функціональна схема гнучкого виробничого модуля АТК.

Для ГВМ, у якому задіяний робот із двома схватами цей час розраховується за формулами для парної або непарної кількості деталей (Nдет) відповідно: Tоб=Nдет(tобр+2tуст/снятдет+tперем) (2)

Tоб=Nдет(tобр+2tуст/снятий+tперем)+ tперем (3)

Момент закінчення обробки поточної транспортної партії на ГВМ розраховується по формулі: Tок обр.=Tтек+Tоб , (4)

де Tоб – час обробки транспортної партії; Nдет - кількість деталей у транспортній партії; tобр – час обробки однієї деталі на поточній операції; tуст/снятдет – середній час установки (зняття) деталі на ЧПУ; tперем – середній час переміщення робота від накопичувача до ЧПУ або назад; Tтек – поточний час на початок операції обробки; Tок обр – розрахунковий час закінчення обробки поточної транспортної партії.

Функція налагодження ГВМ (Naladka) – робить розрахунок моменту закінчення налагодження ЧПУ на i-ю технологічну операцію по наступній формулі:

Tок=Tтек+Tнал , (5)

де Tтек – поточний час на початок операції налагодження; Tнал – середній час налагодження на i-ю технологічну операцію; Tок нал – розрахунковий час закінчення налагодження ЧПУ на i-ю технологічну операцію.

Функція поламки ГВМ (T_Polomka) – з урахуванням випадкового фактора моделює момент часу виходу з ладу устаткування ГВМ по наступній формулі: Tпол=Tтек+раб , (6)

де Tтек – поточний час; раб – випадкова величина працездатного часу ГВМ; Tпол – розрахунковий час виходу з ладу устаткування ГВМ.

Функція відновлення ГВМ (T_Vost) - з урахуванням випадкового фактора моделює момент часу відновлення працездатності устаткування ГВМ по формулі: Tок рем=Tтек+восст , (7)

де Tтек – поточний час на початок операції відновлення; восст – випадкова величина часу відновлення; Tок рем – розрахунковий час відновлення устаткування ГВМ.

Аналогічним чиномом для моделювання автоматизованого складу і транспорту розроблені класи об'єктів TSKD, TTM відповідно, описані їхні властивості і методи.

Система управління АТК (СУ) здійснює функції контролю і регулювання виробничого процесу. У процесі роботи система управління (СУ) робить прийом повідомлень від модулів АТК і видає відповідному модулеві наступну команду для виконання операції. Система управління так само здійснює контроль черг деталей, що претендують на обробку і черг вільних ГВМ, що мають можливість зробити обробку наступної транспортної партії деталей.

Для моделювання системи управління АТК, створено клас об'єктів TSU. Об'єкти даного класу в процесі моделювання технологічного циклу можуть знаходитися в наступних станах: прийом і розпізнавання повідомлень від устаткування; видача команд устаткуванню; контроль за станом технологічного і транспортно-складського устаткування; контроль за проходження деталями технологічних операцій.

Для класу TSU реалізовані функції, що виконують управління технологічним і транспортно-складським устаткуванням за допомогою видачі команд і контролю їхнього виконання: додавання команд; формування команд транспортному модулеві; формування команд ГВМ; формування команд автоматизованому складові. Для забезпечення взаємодії об'єктів у моделі АТК розроблений додатковий клас TDS (диспетчер подій). Основні функції класу TDS – розпізнавання, реєстрація і передача команд і подій адресатам, формування розкладу роботи АТК на базі вихідної таблиці. Узагальнена функціональна схема взаємодії об'єктів моделі АТК приведена на рис. 2. На початковому етапі моделювання виробляється ініціалізація компонентів моделі, при якій в об'єкти завантажуються характеристики устаткування АТК, його розміщення й інші параметри. У процесі моделювання система управління (ТSU) взаємодіє з модулями (ТGРМ, ТTМ, ТSК) за допомогою диспетчера подій. Виходячи з виробничої програми АТК, наявності і стану устаткування система управління формує команди-завдання модулям. Диспетчер подій (ТDS) одержує від об'єкта ТSU ці команди, розпізнає їхній і передає модулям-адресатам. Одержавши команду, модуль виконує відповідну операцію і посилає ТDS повідомлення про її завершення. Диспетчер включає це повідомлення в чергу подій моделі. При настанні часу здійснення чергової події ТDS витягає його з черги і передає для аналізу в систему керування. Фіксація всіх команд і повідомлень проводиться у вихідній таблиці подій моделі АТК.

Рис. 2 Схема взаємодії об'єктів моделі АТК

Об’єктно-орієнтована модель АТК програмно реалі-зована за допомогою мови візуального про-грамування Delphi 7.0. Для збереження ін-формації про склад, характеристики і ком-понування устатку-вання, про оброблювані деталі, про техно-логічні операції й ін. розроблена база даних у форматі СУБД Paradox.

У третьому розділі сформульована задача оптимізації роботи АТК, обрані критерії ефективності, проведено теоретичне обґрунтування застосування в якості методу оптимізації генетичних алгоритмів разом з об'єктною моделлю АТК, розроблено спосіб дворівневого представлення хромосом і проблемно-орієнтованих операторів кроссинговера і мутації, розроблена схема роботи дворівневого генетичного алгоритму.

Задачею управління автоматизованими технологічними комплексами механообробки є забезпечення випуску продукції відповідно до виробничої програми (Pi) по кількості й у встановлені терміни при ефективному використанні ресурсів (Rl) в умовах дії збурювань (Vk). Забезпечення високої ефективності використання ресурсів (Rl) і функціонування АТК у цілому досягається за рахунок оптимізації розкладів роботи устаткування.

Розглянутий АТК складається з L одиниць технологічного устаткування Ql (l = 1, 2, …, L)... Процес виготовлення деталей Di ( i=1, …, n) розбивають на технологічні операції Oij (i=1,…,n;j=1,…,m)... Деталі одного типу поєднуються в транспортні партії й у розрізі розкладів розглядаються як технологічна одиниця. Кожна операція може бути виражена: Oij = < Hij, Tij >,

де Hij – номер групи технологічного устаткування; Tij – тривалість виконання операції.

Технологічний маршрут являє собою послідовність виконуваних операцій, що проходить i-та деталь у процесі обробки: Mi = < Oi1, Oi2, …, Oim >... Операція Oij повинна виконуватися без перерви із самого початку. Якщо позначити через tij – час початку виконання операції Oij, а через – момент закінчення обробки, то повинна виконуватися рівність: = tij + Tij. Час початку обробки операцій залежить від часу виконання попередніх і завжди виконується нерівність: tij tij+1. Тоді сукупність {tij} (i=1,…,n;j=1,…,m), задовольняючи усім технологічним і тимчасовим обмеженням, є розкладом (G) роботи автоматизованого технологічного комплексу.

Задача оптимізації розкладу полягає в тім, щоб для автоматизованого технологічного комплексу з заданими технологічними маршрутами обробки деталей, визначити таку послідовність запуску деталей у виробництво і розміри партій запуску, при яких критерій оцінки якості розкладу F(G) прагнув до екстремуму: F( ) = extr F(G) при виконанні наступних обмежень:

- по обсягах виготовлення: Nфi=Pi,,

де Nфi, – фактична виготовлена кількість деталей i-го типу (i=1,…,K);Pi-задана у виробничій програмі кількість деталей i-го типу; K – номенклатура деталей що виготовляються АТК.

- по термінах виготовлення: Tизг i Tдир i , i=1, 2, …, k,

де Tизг i , – фактичний термін виготовлення i-ої деталі; Tдир i – директивний термін виготовлення i-ої деталі;

- по фонду часу роботи технологічного устаткування: ,

де Тij – тривалість виконання технологічної операції; Rl – ресурс l-ої групи устаткування.

Основні критерії, за якими зроблена оцінка ефективності отриманого розкладу:

1.

2.

При цьому сукупність часу {tij}опт, що відповідає екстремуму критерію F(G) буде оптимальним розкладом ( ) роботи АТК.

Для рішення сформульованої вище задачі оптимізації розкладів роботи технологічного устаткування запропоновано використовувати генетичні алгоритми, тому що методи, які раніше застосовувалися не дозволяють одержати екстремальне значення для заданого критерію ефективності. Розроблено дворівневе представлення хромосом, що дозволить варіювати послідовністю запуску партій деталей на верхньому рівні і розмірами цих партій на нижньому рівні:

де mi і ki – натуральні числа, що кодують номери і розмірності партій запуску відповідно; n – число видів партій запуску деталей у виробництво.

Для одержання субоптимального розкладу роботи АТК, використаний генетичний алгоритм (ГА) разом з об'єктною моделлю АТК. Узагальнена схема пошуку оптимального розкладу з використанням об’єктно-орієнтованої моделі і генетичних алгоритмів показана на рис. 3.

Рис. 3. Узагальнена схема пошуку оптимального розкладу

За допомогою ГА задається черговість і розмір партій запуску деталей, що надходять у виробництво, які є входами моделі АТК, а на виході її формується послідовність подій представлених таблицею даних – основа для побудови субоптимальних розкладів і оцінок цільової функції, які характеризують тривалість виробничого циклу, коефіцієнт завантаження технологічного устаткування. Оцінюючи ці дані, особа приймаюча рішення (ОПР) робить висновок про ефективність отриманих розкладів.

З урахуванням особливостей розв'язуваної задачі для ГА розроблені проблемно-орієнтовані оператори кроссинговера і мутації. Для хромосом верхнього рівня розроблена модифікація двокрапкового оператора кроссинговера, у якій на першому кроці з усієї популяції вибираються дві хромосоми-батьки. Далі випадковим образом визначаються дві крапки кроссинговера. Якщо при формуванні нащадка буде почата спроба використовувати вже задіяний у ньому елемент, то він буде замінений на зазначений у ланцюжку перетворень. Це дозволяє уникнути некоректного представлення хромосом (дублювання партій деталей). Для хромосом нижнього рівня розроблений оператор мутації, у якому виконується зміна випадкова обраного елемента хромосоми, пропорційно розмірові транспортної партії деталей.

Розроблено схему дворівневого генетичного алгоритму, що забезпечує пошук субоптимального рішення (набору хромосом), при якому забезпечується оптимізація розкладу роботи устаткування АТК механообробки відповідно до обраного критерію ефективності.

У четвертому розділі проведений вибір об'єкта експериментальних досліджень і аналіз його характеристик, наведені результати експериментальних досліджень на об'єктній моделі, виявлене “вузьке місце” і розроблені практичні рекомендації для його усунення, проведені експерименти по визначенню раціональних параметрів генетичного алгоритму для складання субоптимальних розкладів роботи АТК.

Рис.4 Вплив розміру транспортних партій (ТП) на середній коефіцієнт завантаження ГВМ (Кз)

Рис. 5 Залежність середнього коефіцієнту завантаження ГВМ (Кз) від кількості місць у накопичувачах (Км)

Для проведення досліджень обрано автоматизований технологічний комплекс механообробки деталей типу тіл обертання, який створено у ВАТ “Точмаш” (м. Донецьк). У його склад входять сім ГВМ моделі 1П756ДФ398, розташовані в один ряд уздовж прольоту корпуса. Кожен верстат обслуговується підвісним роботом моделі СМ80Ц2503. Верстат оснащений системою ЧПУ “Синумерик 7Т”. Автоматизована транспортно-накопичувальна система виконана просторово у вигляді лінії, розташованої уздовж ГВМ і містить у собі: автоматизований транспорт (ТРМ-01) і автоматизований склад (РСК-1000).

Результати моделювання роботи АТК при виконанні виробничої програми наведені в таблиці 1. Аналіз цих даних показав, що втрати на переналагодження невеликі і складають близько 3,8%. Аналіз простоїв ГВМ показав, що вони складають близько 27% від загального часу моделювання. Основними причинами простоїв є: чекання обслуговування транспортним модулем (12%), відсутність заготівель (10,5%), поламки устаткування (4,5%). Це свідчить про те, що автоматизований транспорт не устигає виконувати заявки на переміщення деталей що надходять від ГВМ, тобто є “вузьким місцем” у даному АТК.

З використанням об'єктної моделі досліджені різні варіанти поліпшення роботи транспорту і підвищення завантаження технологічного устаткування.

Таблиця 1

Дані про завантаження і простої ГВМ, отримані у результаті моделювання АТК

Аналіз залежності середнього коефіцієнту завантаження ГВМ від розмірів транспортної партії (рис. 4) дозволив установити їхнє раціональне значення в межах 50-70 деталей. При цьому простої ГВМ через чекання транспорту зменшуються на 20%. Збільшення кількості місць у накопичувачах при кожному ГВМ дозволяє зменшити простої ГВМ у чеканні обслуговування і розвантажити транспорт. Залежність середнього коефіцієнта завантаження (Кз) ГВМ від кількості місць (Км) у накопичувачах представлена на рис 5. Аналіз даної залежності показав, що раціональним є розмір накопичувачів на 4-6 позицій тари з деталями. При цьому середній коефіцієнт завантаження ГВМ буде складати близько 0,72, а їхні простої в чеканні транспорту зменшуватися на 25%. Таким чином, за рахунок зазначених змін виробничо-технологічних параметрів середній коефіцієнт завантаження ГВМ збільшиться до 0,77. На підставі отриманих результатів розроблені практичні рекомендації з поліпшення роботи транспортного модуля, що забезпечило підвищення завантаження технологічного устаткування на 11,2% без додаткових капітальних вкладень.

Для проведення досліджень ефективності розробленого в розділі 3 модифікованого генетичного алгоритму проведено ряд спільних з об'єктною моделлю АТК обчислювальних експериментів і виконана статистична обробка отриманих результатів.

Залежності тривалості циклу виготовлення деталей (Тц) і середнього коефіцієнту завантаження ГВМ (Кз) від потужності популяції і кількості поколінь для однорівневого генетичного алгоритму наведені на рис. 6 і 7 відповідно. У результаті проведених експериментів установлені раціональні значення параметрів (потужність популяції – 8, кількість поколінь – 10, імовірності кроссинговера і мутації – 0,7 і 0,01), при яких досягається краще значення зазначених критеріїв ефективності роботи АТК.

Для оцінки якості отриманих рішень зроблене їхнє порівняння з оптимальними значеннями – Тц.опт. і Кз.опт., визначеними методом повного перебору. Порівняння показало, що відхилення від оптимальних значень складають: 3,6% - для Тц і 2,8% – для Кз. Це свідчить про те, що отримані рішення дійсно є субоптимальними.

Проведено експерименти з дворівневим ГА, які дозволили визначити раціональні параметри для другого рівня, такі як: потужність популяції, імовірності операторів кроссинговера ОК2 і мутації ОМ2. Аналіз залежності тривалості виробничого циклу Тц від потужності популяції Мпоп2 (рис. 8) показав, що при використанні дворівневого ГА забезпечується поліпшення результатів у порівнянні з однорівневим ГА. При цьому Тц зменшується з 375 до 326 годин або на 13%. Використовуючи раціональне значення потужності популяції другого рівня ГА, були проведені експерименти з метою визначення ефективних параметрів імовірності кроссинговера і мутації для другого рівня генетичного алгоритму. Аналіз залежності тривалості виробничого циклу Тц від імовірностей кроссинговера (ОК2) і мутації (ОМ2) (рис. 9) показав, що при використанні дворівневого ГА з імовірністю кроссинговера ОК2=1 забезпечується подальше поліпшення результатів у порівнянні з дворівневим ГА при ОК2=0,6. При цьому Тц зменшується з 326 до 271 години або на 16,9 %. У результаті встановлено, що для другого рівня ГА більш раціонально використовувати наступні імовірності: а) для критерію Тц min - ОК2=1 і ОМ2=0,001; б) для критерію Кз max - ОК2=1 і ОМ2=0,0005.

Рис. 6 Залежність тривалості циклу виготовлення деталей (Тц) від потужності популяції (Мпоп) і кількості поколінь для однорівневого ГА (Тцmin): 1- для 5 поколінь; 2 – для 10 поколінь; 3 – для 15 поколінь; 4- оптимальне рішення, при повному переборі

Рис. 7 Залежність середнього коефіцієнту завантаження ГВМ (Кз) від потужності популяції (Мпоп) і кількості поколінь для однорівневого ГА (Кзmax): 1- для 5 поколінь; 2 – для 10 поколінь; 3 – для 15 поколінь; 4- оптимальне рішення при повному переборі

Рис. 8 Залежність тривалості виробничого циклу (Тц) від потужності популяції (Мпоп2): 1 - для дворівневого ГА; 2 – субоптимальне значення Тц для однорівневого ГА; 3 – Тц.опт. (оптимальне значення при повному переборі варіантів).

Рис. 9 Залежність тривалості виробничого циклу (Тц) від величини імовірності кроссинговера другого рівня (ОК2) для різних імовірностей мутації ОМ2:1 – 0,001; 2 – 0,005; 3 – 0,0005

Таким чином, можна зробити висновок про те, що застосування дворівневого генетичного алгоритму разом з об'єктною моделлю дозволяє одержувати субоптимальні розклади роботи АТК. Проведені експерименти показали, що отримані розклади є близькими до оптимального (відхилення від оптимуму не більш 5%). Застосування даного підходу дозволяє істотно підвищити ефективність керування і роботи АТК у цілому.

У п'ятому розділі розроблено структуру системи інтелектуальної підтримки прийняття рішень в управлінні автоматизованими технологічними комплексами механообробки (СІППР-АТК), зроблений вибір комплексу технічних засобів для її реалізації, проведене узагальнення отриманих результатів. СІППР-АТК (рис.10) будується на основі спільного використання об'єктної моделі і модифікованого дворівневого генетичного алгоритму, поєднуючи функції оперативного контролю, аналізу виробничих ситуацій, прогнозування й оптимізації роботи АТК.

Рис. 10 Структура інтелектуальної системи підтримки прийняття рішень в управлінні АТК

Управління роботою АТК здійснюється блоком диспетчеризації на основі раніше складеного розкладу шляхом видачі команд у локальні системи управління (ЛСУ) і одержання повідомлень про їхнє виконання. Після завершення чергової операції проводиться контроль виниклого відхилення від розкладу порівнянням його з припустимим відхиленням доп. Величина доп для кожної операції визначається наявністю резерву часу в розкладі. Якщо доп, то проводиться коректування розкладу за допомогою об'єктної моделі АТК. Так само постійно контролюється стан устаткування і у випадку виникнення поломки аналізується час очікуваного відновлення Тв.ож. Якщо Тв.ож Тв.доп, то також виконується коректування розкладу. Якщо відхилення перевищують директивні терміни, виробляється розрахунок нового розкладу роботи АТК із використанням модуля оптимізації на основі генетичних алгоритмів (ГА). Оцінка отриманих за допомогою ГА рішень виконується з використанням об'єктної моделі АТК. Вибір і твердження остаточного варіанта розкладу роботи АТК виробляється ОПР – диспетчером АТК.

Дана система дозволяє максимально підвищити завантаження технологічного устаткування, істотно знизити тривалість виробничого циклу виготовлення деталей, що у свою чергу, забезпечує високу ефективність функціонування автоматизованого технологічного комплексу механообробки у цілому. Був проведений аналіз основних характеристик промислових мереж, у результаті якого запропоноване реалізувати технічне забезпечення системи інтелектуальної підтримки прийняття рішень в управлінні АТК на базі промислової мережі BITBUS.

ВИСНОВОК

У дисертаційній роботі дане нове рішення актуальної наукової задачі створення системи інтелектуальної підтримки прийняття рішень в управлінні автоматизованими технологічними комплексами механообробки (СІППР-АТК), побудованої на основі використання об'єктної моделі і модифікованого дворівневого генетичного алгоритму. Створена система дозволяє підвищити ефективність роботи технологічного устаткування в умовах дії збурювань і виробничої ситуації, що змінюється.

При проведенні досліджень отримані наступні основні результати:

1.

2.

3.

4.

5.

6.

7.

Основні результати дисертації опубліковані в наступних роботах:

1. Лаздынь С.В., Секирин А.И. Совершенствование методов управления автоматизированными технологическими комплексами механообработки на основе объектно-ориентированного подхода и генетических алгоритмов // Зб. наук. пр. ДонДТУ. Серія: Обчислювальна техніка та автоматизація, випуск 38. –Донецьк: ДонДТУ.- 2002. -С. 169-175.

2. Лаздынь С.В., Секирин А.И. Объектно-ориентированная модель автоматизированного технологического комплекса механообработки // Матеріали третьої Всеукраїнської конференції молодих науковців “Інформаційні технології в науці,освіті і техніці” (ІТОНТ-2002), – Черкаси: Черкаський державний університет імені Богдана Хмельницького. -2002. –С. 243-246.

3. Секирин А.И. Использование генетических алгоритмов для оптимизации работы автоматизированных технологических комплексов механообработки // Зб. наук. пр. ДонНТУ. Серія: Обчислювальна техніка та автоматизація, випуск 48. –Донецьк: ДонНТУ.- 2002. - С. 151-159.

4. Лаздынь С.В., Секирин А.И. Оптимизация расписаний работы автоматизированных технологических комплексов механообработки с использованием генетических алгоритмов // Международный сборник научных трудов “Прогрессивные технологии и системы машиностроения”, выпуск 25. –Донецк: ДонНТУ.-2003. –С. 198-203.

5. Секирин А.И. Построение объектно-ориентированной модели автоматизированного технологического комплекса механообработки // Зб. наук. пр. ДонНТУ. Серія: Обчислювальна техніка та автоматизація, випуск 64. –Донецьк: ДонНТУ.- 2003. -С. 223-232.

6. Лаздынь С.В., Секирин А.И. Повышение эффективости работы автоматизированных технологических комплексов механообработки на основе объектно-ориентированного моделирования // Матеріали ІІ науково-практичної конференції “ДОНБАС-2020: наука і техніка-виробництву”, - Донецьк: ДонНТУ.- 2004. - С 6.25.

7. Лаздынь С.В., Секирин А.И. Интеллектуальная система поддержки принятия решений в управлении автоматизированными технологическими комплексами механообработки // Сборник трудов ІХ международной научно-технической конференции “Машиностроение и техносфера ХХІ века”. –Том 2. - Донецк: ДонНТУ. –2002. - С. 40-44.

Особистий внесок автора в публікаціях: [1] – аналітичний огляд управляючих моделей, методів і засобів моделювання, оптимізації роботи АТК механообробки. Вибір і обґрунтування застосування об’єктно-орієнтованого підходу і генетичних алгоритмів в управлінні АТК ; [2] – обґрунтування, застосування і розробка компонентів об’єктно-орієнтованої моделі АТК; [4] - розробка проблемно-орієнтованих операторів і узагальненого алгоритму роботи дворівневого ГА для оптимізації роботи АТК; [6] - планування, проведення й аналіз результатів експериментальних досліджень, розробка рекомендацій з підвищення ефективності роботи устаткування АТК; [7] - розробка функцій і структури системи інтелектуальної підтримки прийняття рішень в управлінні АТК;

АНОТАЦІЯ

Секірін О.І. Система інтелектуальної підтримки прийняття рішень в управління автоматизованими технологічними комплексами машинобудівних виробництв. Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.07 – “Автоматизація технологічних процесів”. – Донецький національний технічний університет, м. Донецьк, 2004 р.

У дисертаційній роботі дане нове рішення актуальної наукової задачі підвищення ефективності роботи автоматизованих технологічних комплексів машинобудівних виробництв за рахунок використання системи інтелектуальної підтримки прийняття рішень, що забезпечує аналіз виробничої ситуації, прогнозування й оптимізацію розкладу роботи устаткування. Розроблено нову узагальнену модель АТК механообробки, яка побудована на основі об'єктних моделей його типових компонентів: технологічного, транспортно-складського устаткування і системи управління, що на відміну від відомих забезпечує можливість моделювання в реальному часі роботу технологічних комплексів з різним складом устаткування і компоновочною схемою. Розроблено модифікований генетичний алгоритм, який має дворівневу структуру представлення хромосом, що дозволяє на першому рівні визначити оптимальну послідовність запуску в обробку партій деталей, а на другому рівні - оптимальні розміри цих партій. Для формування субоптимальних розкладів роботи устаткування за заданим критерієм ефективності разом з модифікованим генетичним алгоритмом використана об'єктна модель АТК, що забезпечує обчислення цільової (fitness) функції для заданого набору хромосом. Розроблено нову структуру системи інтелектуальної підтримки прийняття рішень в управлінні АТК (СІППР-АТК), у якій запропоновано для аналізу і прогнозування виробничої ситуації використовувати об'єктну модель, а для оптимізації розкладів роботи устаткування - дворівневий генетичний алгоритм, що забезпечує високу ефективність роботи автоматизованих технологічних комплексів механообробки.

Ключові слова: автоматизований технологічний комплекс механообробки, об'єктна модель, генетичний алгоритм, критерій оптимізації, система інтелектуальної підтримки прийняття рішень.

АННОТАЦИЯ

Секирин А.И. Система интеллектуальной поддержки принятия решений в управлении автоматизированными технологическими комплексами машиностроительных производств. Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.07 – “Автоматизация технологических процессов”. – Донецкий национальный технический университет, г. Донецк, 2004 г.

В диссертационной работе дано новое решение актуальной научной задачи повышения эффективности работы автоматизированных технологических комплексов машиностроительных производств за счет использования системы интеллектуальной поддержки принятия решений, обеспечивающей анализ производственной ситуации, прогнозирование и оптимизацию расписания работы оборудования. Разработана новая обобщенная модель АТК механообработки, построенная на основе объектных моделей его типовых компонентов: технологического, транспортно-складского оборудования и системы управления, которая в отличие от известных обеспечивает возможность моделирования в реальном времени работу технологических комплексов с разным составом оборудования и компоновочной схемой. Разработан модифицированный генетический алгоритм, который имеет двухуровневую структуру представления хромосом, что позволяет на первом уровне определить оптимальную последовательность запуска в обработку партий деталей, а на втором уровне - оптимальные размеры этих партий. Разработана новая структура системы интеллектуальной поддержки принятия решений в управлении АТК (СИППР-АТК), в которой предложено для анализа и прогнозирования производственной ситуации использовать объектную модель, а для оптимизации расписаний работы оборудования - двухуровневый генетический алгоритм, что обеспечивает высокую эффективность работы автоматизированных технологических комплексов механообработки.

Моделирование работы автоматизированных технологических комплексов механообработки позволяет получать оценки загрузки всех видов оборудования и выявлять “узкие места”, снижающие эффективность работы АТК. Проведение на модели анализа различных вариантов их устранения позволяет разработать практические рекомендации, обеспечивающие повышение загрузки технологического оборудования. Применение модифицированного двухуровневого генетического алгоритма совместно с объектной моделью позволяет получать