WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

Гришина Татьяна Геннадьевна

РАЗРАБОТКА МНОГОУРОВНЕВЫХ СИСТЕМ УПРАВЛЕНИЯ АВТОМАТИЗИРОВАННЫМ МАШИНОСТРОИТЕЛЬНЫМ ПРОИЗВОДСТВОМ С ЦЕЛЬЮ ПОВЫШЕНИЯ КАЧЕСТВА ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

05.13.06 - «Автоматизация и управление технологическими процессами и производствами (технические системы)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Москва - 2012 г.

Работа выполнена в ФГБОУ ВПО Московском государственном технологическом университете «СТАНКИН».

Научный консультант: доктор технических наук, профессор Митрофанов Владимир Георгиевич

Официальные оппоненты: Драчев Олег Иванович доктор технических наук, профессор, ФГБОУ ВПО Тольяттинский государственный университет, профессор кафедры «Оборудование и технологии машиностроительного производства» Омельченко Игорь Степанович доктор технических наук, профессор, директор по маркетингу и информатизации ОАО Национального института авиационных технологий (г. Москва) Султан-заде Назим Музаффарович доктор технических наук, профессор, ФГБОУ ВПО Московский государственный индустриальный университет, профессор кафедры «Технология и металлорежущие системы автомобилестроения»

Ведущая организация: ФГБОУ ВПО «Ульяновский государственный университет» (г.Ульяновск)

Защита состоится «25» декабря 2012 г. в 14-00 на заседании диссертационного совета Д 212.142.03 при ФГБОУ ВПО Московском государственном технологическом университете «СТАНКИН» по адресу:

127055, Москва, Вадковский переулок, д. 3а.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО Московского государственного технологического университета «СТАНКИН».

Автореферат разослан «___»______________ 2012 г.

Ученый секретарь диссертационного совета, к.т.н., доц. Семячкова Е.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА

Актуальность. Все более жесткая конкуренция на международном и национальном рынке ставила и ставит перед промышленниками и предпринимателями практически всех стран, в том числе и в России, новые проблемы:

· проблема повышения качества процессов и производства;

· проблема сокращения сроков проектирования изделий и подготовки их производства; фактор времени наряду с фактором качества становится одним из важнейших факторов в конкурентной борьбе;

· проблемы, связанные с непосредственным снижением затрат (прямые капитальные; накладные, оплата труда в производстве, в подразделениях логистики и т.д.).

В мировой практике конкурентоспособность продукции определяется следующими факторами:

· соответствием качества продукции требованиям рынка и конкретного потребителя;

· совокупными затратами на закупку, доставку и эксплуатацию продукции;

· способностью предприятия выполнять поставки в сроки, удобные для потребителя.

Способность предприятия достигать цели, обеспечивающие его конкурентоспособность, определяется действующей на нем системой организации производства и управления.

Между качеством и эффективностью существует прямая зависимость.

Повышение качества способствует повышению эффективности производства, приводя к снижению затрат и увеличению доли рынка.

Автоматизированные системы управления производством относятся к классу так называемых больших или сложных систем. Поведение больших систем направлено на достижение некоторого предпочтительного состояния, называемого целью системы. Естественно, что лишь большие системы обладают целями и только в них реализуются процессы управления, с помощью которых эти цели могут быть достигнуты. Несмотря на наличие обширной литературы, посвященной изучению различных качеств больших систем, закономерности управления ими, вопросы разработки и использования математического аппарата теории управления при проектировании этих систем (в том числе систем автоматизированного производства) и комплексов их программного обеспечения, особенности процессов управления в связи с созданием специального математического обеспечения управления, методы оптимизации функционирования контуров управления, которые образуются в любой большой системе в процессе ее разработки, использования и модернизации – все эти проблемы исследованы и освещены еще недостаточно.

Исходя из этого, определена основная цель работы, которая заключается в повышении качества изделий и эффективности технологических процессов на основе управления автоматизированными производственными системами.

Научная новизна работы.

1. Установлены связи между качеством и эффективностью технологического процесса, образующие организационную структуру производственной системы.

2. На основе установленных связей построены модели процесса производства, выполняющие анализ, исследование, проектирование, функционирование, управление, экспертизу и контроль.

3. Разработаны алгоритмы управления автоматизированными производственными системами, особенностью которых является оптимизация циклов управления, выработки решения, выработки варианта комплектации задачи.

4. Построено программно-информационное обеспечение системы поддержки принятия решений для различных этапов жизненного цикла продукции.

Практическая ценность. Проведенные исследования легли в основу:

методик, рекомендаций и структуры формирования и использования автоматизированных производственных систем; формализованных методик оперативного управления, планирования и контроля функционирования.

Методы исследований: системный анализ, теория управления, теория вероятностей, теория множеств.

Достоверность научных результатов и выводов подтверждается корректным использованием научных методов исследования, современного математического аппарата, непротиворечивостью логических суждений, практической проверкой и верификацией результатов моделирования, а также практикой применения разработанных методов, моделей и алгоритмов при управлении автоматизированными производственными технологическими системами.

Апробация работы. Основные результаты и выводы диссертационных исследований докладывались и обсуждались на Международных научнотехнических конференциях «Информационные технологии в управлении жизненным циклом изделий» Санкт-Петербург, 2009; «Проблемы автоматизации и управления в технических системах», Пенза, 2010; на XIII научной конференции МГТУ «Станкин» и «Учебно-научного центра математического моделирования МГТУ «Станкин» - ИММ РАН» по математическому моделированию и информатике, МГТУ «Станкин», 2010г.

на заседаниях кафедры «Автоматизированные системы обработки информации и управления» ФГБОУ ВПО МГТУ «СТАНКИН».

Реализация работы. Результаты работы в виде технических отчетов использованы при выполнении ФЦП «Научные и научно-педагогические кадры инновационной России» 2010-2012 гг.

По материалам диссертации опубликовано 18 работ.

Структура и объем работы. Диссертация состоит из введения, пяти глав и общих выводов, изложена на 311 листах машинописного текста и содержит 22 рисунка, 21 таблицу, 4 приложения, а также список литературы, включающий 137 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Глава 1. Состояние вопроса, цель и задачи исследования В первой главе проведен анализ широкого круга вопросов, связанных с обеспечением качества технологических процессов и созданием современных систем управления автоматизированными производственными системами (АПС).

1. В настоящее время для задач оптимизации бизнес-процессов можно выделить две схемы:

· логический анализ модели, структурная оптимизация бизнеспроцессов, введение обратных связей, устранение дублирования и т.п.

· на основе количественного анализа введение ряда характеристик, аналогичных применяемым для анализа эффективности технологических процессов.

В обоих случаях построить модель с учетом требований к качеству протекания бизнес-процесса, а также провести анализ бизнес-процессов довольно проблематично, поскольку следует учитывать все связи, имеющиеся у рассматриваемого бизнес-процесса с остальными бизнеспроцессами. Несколько более простой задачей с этой точки зрения представляется построение модели и проведение анализа и оптимизация отдельных операций процесса, а затем – построение модели, проведение анализа и оптимизации процесса в целом. Однако комплекс факторов, позволяющих описать рассматриваемый бизнес-процесс, и воздействующих на операции и связи бизнес-процессов выявлен не полностью и не систематизирован.

2. При создании машин, технических комплексов и других объектов широко используется моделирование. Как средство познания и преобразования материального мира моделирование применяется в экспериментальных и теоретических научных исследованиях.

Моделирование представляет собой процесс замещения объекта исследования некоторой его моделью и проведение исследований на модели с целью получения необходимой информации об объекте. Модель - это физический или абстрактный образ моделируемого объекта, удобный для проведения исследований и позволяющий адекватно отображать интересующие исследователя физические свойства и характеристики объекта. Удобство проведения исследований может определяться различными факторами: легкостью и доступностью получения информации, сокращением сроков и уменьшением материальных затрат на исследование и др.

Математическое моделирование позволяет посредством математических символов и зависимостей составить описание функционирования технического объекта в среде, определить выходные параметры и характеристики, получить оценку показателей эффективности и качества, осуществить поиск оптимальной структуры и параметров объекта.

Применение математического моделирования при прогнозировании в большинстве случаев позволяет отказаться от физического моделирования, значительно сократить объемы испытаний и доводочных работ, обеспечить создание технических объектов с высокими показаниями эффективности и качества. Одним из основных компонентов системы проектирования в этом случае становится математическая модель.

Математическая модель - это совокупность математических объектов и отношений между ними, адекватно отображающая физические свойства создаваемого технического объекта. В качестве математических объектов выступают числа, переменные, множества, векторы, матрицы и т.д. Процесс формирования математической модели и использования ее для анализа и синтеза называется математическим моделированием. В конструкторской практике под математическим моделированием обычно понимается процесс построения математической модели, а проведение исследований на модели в процессе проектирования называют вычислительным экспериментом. Такое деление удобно для проектировщиков и функционально вполне обоснованно.

3. Многообразие объектов автоматизации в машиностроении и другие факторы приводят к снижению производительности труда проектировщиков АПС, эффективности разрабатываемых ими систем, значительным дополнительным затратам людских, энергетических, финансовых и материальных ресурсов. В настоящее время, когда осуществляется переход от разработки отдельных автономных АСТПП, АСУП и АСУТП к проектированию интегрированных АСУ, особое значение приобретают работы, анализирующие, суммирующие и обобщающие уже полученные результаты и намечающие пути их дальнейшего развития в рамках проблемы создания автоматизированных производств.

Изложенное выше позволяет сказать, что полное решение проблемы проектирования АПС, обеспечивающих повышение качества изделий на основе моделирования и оптимизации технологических систем существующими методами не представляется возможным. Необходимо изыскивать новые возможности для решения этой проблемы.

Отсюда целью настоящей работы является повышение качества изделий и эффективности технологических процессов на основе управления автоматизированными производственными системами.

Для достижения поставленной цели необходимо решить следующие задачи.

1. Исследование факторов, влияющих на качество технологического процесса.

2. Сформировать модели оперативности и обоснованности принятия решений при управлении автоматизированными производственными технологическими системами.

3. Построить модели планирования и управления автоматизированными производственными технологическими системами.

4. Провести моделирование рисков и контроля принятия решений.

Областью исследования выбрано многономенклатурное машиностроительное производство.

Глава 2. Анализ и моделирование факторов, влияющих на качество технологического процесса В главе проводится анализ факторов, влияющих на качество технологического процесса, и определяются взаимосвязи между ними.

Теория производства говорит о наличии функциональных связей между учитываемыми факторами и полученной продукцией. На практике большое количество различных производственных факторов является доказательством комплексности и сложности процесса.

В процессе анализа могут быть широко использованы математические методы: арифметические действия над целыми и дробными числами, свойства пропорций, проценты (процентирование и дисконтирование), прогрессии, логарифмические вычисления и др.

Вместе с тем, считается, что экономический анализ - это, в основном, факторный анализ Задачи факторного анализа, с математической точки зрения, состоят в исследовании функций нескольких переменных. Экономический показатель (процесс) фигурирующий в задаче факторного анализа как объект исследования, называется результативным показателем (процессом, признаком). Показатели, участвующие в задаче факторного анализа как характеристики результативного показателя, то есть определяющие его поведение, называют факторными показателями (признаками). В зависимости от конкретно поставленной задачи один и тот же показатель может быть результативным и факторным.

Задачей прямого факторного анализа называется задача по определению отдельных факторов, влияющих на изменение результативного показателя (процесса), установлению формы функциональной или стохастической зависимости между результативным показателем (процессом) и определенным набором факторов в изменении результативного экономического показателя или процесса.

Известны детерминированная и стохастическая постановки задач факторного анализа. Задачи стохастического факторного анализа более трудоемки и требуют:

· глубокого экономического исследования для выявления основных факторов, влияющих на изучаемый результативный показатель;

· подбора вида регрессии, который бы наилучшим способом отражала действительную связь изучаемого показателя с набором факторов;

· разработки метода, позволяющего определить влияние каждого фактора на результативный показатель.

Обратная задача - задача объединения ряда показателей-аргументов в комплекс-функцию. Для исследования поведения экономических показателей в зависимости от времени необходимо проводить цепной факторный анализ.

Цепным динамическим факторным анализом называется метод исследования, когда для полного изучения поведения результативного показателя недостаточно его статического значения, и факторный анализ показателя проводится за различные интервалы дробления времени, за который исследуется показатель.

Известными исследованиями установлено, что наиболее полные уравнения, учитывающие с единых позиций всю совокупность действующих конструктивно-технологических факторов, могут быть получены для всех этапов функционирования технологического оборудования на базе метода координатных систем с деформирующимися связями.

Анализ показывает, что число используемых на практике факторов относительно велико (более 1000), но при этом не существует четких систем классификации таких факторов. Поэтому система, базирующаяся на предложенной К. Ишикава структуре факторах, получается путем последовательного «развертывания» факторов по шести группам.

Представляемая классификация факторов производственного процесса соответствует всем свойствам, предъявляемым к этому особому виду делений. Во-первых, она является системой последовательных делений, которые произведены с точки зрения характеристик, в частности, существенных признаков. Во-вторых, факторы распределены по группам таким образом, что по их месту в классификации можно судить об их свойствах. И, кроме того, результаты классификации могут быть представлены в виде таблиц или схем.

Наилучшим образом оценка может быть получена при анализе накопленной на предприятии статистики влияния факторов. Однако на стадии технологической подготовки производства, как правило, подобная статистика отсутствует. Поэтому важным вопросом является оценка взаимного влияния факторов.

Предлагаемая модель, которая, по сути, является моделью качества, позволяет провести оценку корреляции, опираясь на структуру «развертывания» факторов.

Модель представляет собой некоторое множество корреляционных связей между показателями и факторами, влияющими на качество технологического процесса.

Пусть фактор, влияющий на качество, описывается словом Фi = B1B2B3В4. Данная методика позволяет оценить эту взаимосвязь, исходя из анализа факторов при помощи совпадения и местоположения «окраски» факторов для различных степеней развертывания. В этом случае корреляция между факторами (полученными по методу Ишикавы) имеет вид p t (1) K =0,4k +0,3 +0,2 +0,1q n n n n где n - общее число букв слова; k - число совпадающих букв слова; p число попарно совпадающих букв; t - число совпадающих букв равно трем; q - число совпадающих букв равно четырем.

Были проведены исследования адекватности предложенной модели.

В дополнение к вышеизложенному формальная взаимосвязь по зависимости (1) подтверждается также исследованиями смысловой взаимосвязи, проводимых при помощи диаграмм Венна.

Глава 3. Моделирование оперативности и обоснованности принятия решений при управлении автоматизированными технологическими системами Оперативность – способность системы управления в соответствии с поставленными целями и задачами своевременно вырабатывать и доводить до управляемых объектов (подсистем) управляющие воздействия. Анализ факторов, влияющих на оперативность, целесообразно провести, рассматривая последовательность событий в единичном контуре управления (ЕКУ). На оперативность влияют следующие основные факторы:

1) производительность органа управления, определяющаяся временем выработки решений или коррекций к ним в контурах управления, а также числом контуров, которые может одновременно «вести» орган управления;

2) организация работы органа управления, определяющаяся последовательностью, содержанием и временем выполнения работ в циклах контроля, управления, выработки решений и варианта;

3) организация процесса управления, определяющаяся принятым вариантом взаимодействия органов управления различных уровней;

4) число контуров управления, образующихся в процессе управления в различные моменты времени;

5) производительность подсистемы связи, влияющая на время передачи решений, приказов, директив, подтверждений о получении решений и т.п. Поскольку управление должно быть категоричным, речь идет о времени передачи, обеспечивающем безошибочную доставку информации.

Оперативность цикла выработки варианта. Средние и гарантированные оценки. В цикле выработки варианта выполняются следующие действия.

1. Подготовка и задание лица, принимающего решение, лицом, обосновывающим решение, исходных данных для вычислений по -му варианту j-й задачи с временными характеристиками Dt1 ju и 1j (соответственно математическим ожиданием и среднеквадратическим отклонением времени выполнения указанных действий). Формирование варианта – творческий процесс. От правильного выбора диапазонов и сочетаний значений различных параметров, входящих в перечень исходных данных, зависит полнота исследования и, в конечном счете, качество принимаемых решений. Часть работы по формированию вариантов может быть формализована и возложена на специальное математическое обеспечение управления (СМОУ).

2. Реализация элемента {СМ0У}j в вычислительном комплексе с временными характеристиками Dt2 ju и 2j.

3. Анализ лиц принимающих решение (лиц, осуществляющих реализацию) результатов вычислений с временными характеристиками Dt2 ju и 2j. Это также творческий процесс, определенная часть которого может быть формализована. Например, можно с помощью СМОУ выявлять тенденции в изменении эффективности от варианта к варианту и тем самым вырабатывать рекомендации по выбору вариантов для последующих исследований.

Математическое ожидание времени, затрачиваемого лицом, принимающим решение (лицом, осуществляющим реализацию) на исследование одного варианта, равно T1 ju = Dt1 ju + Dt2 ju + Dt3 ju.

Более полной характеристикой является функция распределения (плотность вероятностей) времени исследования (продолжительности цикла).

Ее нетрудно получить, предположив, что времена реализации отдельных составляющих процесса независимы и подчиняются одному из устойчивых законов распределения, например нормальному закону с параметрами t и .

При независимости составляющих процесса среднеквадратическое отклонение продолжительности цикла находится известным образом:

1 s = .

ju snju n =1 Величины Dt и являются важнейшими характеристиками этапов процесса выработки решений в органе управления автоматизированным производством.

Если составляющие цикла подчиняются нормальному закону, вероятность того, что продолжительность цикла не будет превышать некоторого заданного значения Т1зад, выражается известным соотношением T1зад - T1 ju P(t1 ju < T1зад)= 0,51+ Ф, s ju x где Ф(x)= e-t dt - функция Лапласа.

p Более надежной оценкой является так называемая гарантированная продолжительность цикла Tг1 ju, отвечающая некоторому приемлемому для практики значению вероятности Tг1 -T1 Pг = P(t1 ju < Tг1 ju)= 1+ Ф ju ju .

s ju Решая это уравнение относительно Tг1 ju, получаем Tг1 ju = T1 ju + kгs ju где kг = 2Ф-1(2Pг -1) - коэффициент гарантии.

Оперативность цикла выработки решения. В цикле выработки решения последовательно выполняются два этапа: обоснования и принятия решения.

На обоих этапах предусмотрено многократное выполнение циклов выработки варианта, в которых осуществляются исследования по альтернативным вариантам решений с использованием СМОУ и технических средств автоматизированных производств.

Формализованная модель цикла выработки решения включает последовательное выполнение следующих действий.

1. Распределение лицом, принимающим решения, работ между Sj, лицами, осуществляющими реализацию. Временные характеристики этапа:

Dtкj и sкj (следует отметить, что речь идет только о работах, выполняемых последовательно различными лицами, осуществляющими реализацию).

2. Исследование лицом, осуществляющим реализацию, mшj вариантов по j-й задаче. Временные характеристики анализа одного варианта – Т1ш j и шj. Величина mшj представляет собой суммарное число вариантов, исследуемых всеми Sj лицами, осуществляющими реализацию.

3. Анализ лицом, осуществляющим реализацию, результатов вычислений по mшj вариантам и выбор базовых (опорного) вариантов для доклада ЛПР. Временные характеристики этапа: Sjtшj и j. Величину j вычисляют по соответствующим формулам.

4. Обобщение лицом, принимающим решение, результатов работ лиц, осуществляющих реализацию, и исследование им при необходимости дополнительных mкj вариантов. Временные характеристики исследования лицом, принимающим решение, одного варианта – Т1к j и к j.

5. Анализ лицом, принимающим решение, результатов вычислений по mкj вариантам и выбор одного из альтернативных вариантов в качестве решения с временными характеристиками Dtкj и s.

кj Как уже отмечалось, приведенная совокупность действий может использоваться для принятия решений по различным задачам (j = 1,n), т.е. в различных подсистемах автоматизированных производств, и на различных этапах процесса управления, т.е. при выработке информационного, организационного или серии управленческих решений.

Оперативность цикла управления. В цикле управления последовательно выполняются пять этапов: оценка обстановки, выработка плана, выработка приказа, оформление приказа и доведение его до управляемых объектов – подсистем автоматизированного производства.

Формализованная схема цикла управления включает в себя следующие четыре процесса.

1. Распределение лицом, принимающим решения, работ и ресурсов между n последовательно функционирующими группами лиц, осуществляющих реализацию (временные характеристики Т31 и 31). Речь может идти, например, о распределении автоматизированных рабочих мест, ресурсов вычислительных комплексов (т.е. об установлении плана-графика работ) или перераспределении работников в динамических группах и т.п. В любом случае на выработку плана работ, необходимых для обоснования решений по задачам в пределах каждого из N этапов цикла управления, требуется определенное время, что и учитывается включением этих действий в общую схему.

2. Обоснование и принятие решений по всему комплексу задач ( j = 1, nx ) для всех этапов управления (x = 1, N). Эти действия выполняются путем n n - кратной реализации цикла выработки решения.

x =3. Оформление документов (временные характеристики Т32 и 32) по всем принятым решениям. Документы-решения могут представлять собой программы производства, детализированные до уровней систем, подсистем, компонентов и элементов автоматизированного производства, а также управляющие программы для работы оборудования.

4. Подготовка документов к передаче с помощью средств связи на управляемые объекты (временные характеристики Т33 и 33).

Оперативность управления технологическими системами. Возможны следующие четыре варианта управления.

I вариант. Использование решений, выработанных органом управления. Подтверждения о приеме решения управляемым объектом не требуется.

II вариант. Использование решений, выработанных органом управления. Требуется подтверждение о приеме решения управляемым объектом.

III вариант. Задание приказа в форме цели. Утверждения решений, выработанных управляемым объектом, не требуется.

IV вариант. Задание приказа в форме цели. Требуется утверждение управляющим органом решений, выработанных управляемым объектом.

В практике работы органов управления автоматизированным производством разработанные методы оценки оперативности могут быть использованы в следующих двух направлениях.

1. Для текущего контроля хода процесса обоснования и выработки решений в различных циклах путем сопоставления заданных (прогнозируемых) и реальных затрат времени на их выполнение. По результатам контроля могут уточняться планы работ отдельных лиц, осуществляющих реализацию, групп лиц, осуществляющих реализацию, и лиц, принимающих решения.

2. Для целесообразного распределения временных ресурсов между лицами, принимающими решения, группами лиц, осуществляющих реализацию, и отдельными лицами, осуществляющими реализацию, в целях достижения максимально возможной обоснованности вырабатываемых решений.

Для реализации первого направления методы определения оперативности должны быть оформлены в виде отдельных модулей СМОУ автоматизированным производством. Для второго направления характерно непосредственное включение формульных зависимостей, по которым оценивается продолжительность того или иного цикла, в формулировки соответствующих оптимизационных задач.

Факторы, влияющие на обоснованность. Обоснованность относится к числу основных критериев, характеризующих орган управления, и может быть определена как степень приближения выбранного решения к оптимальному.

В динамике управления теснейшим образом переплетаются интуитивные и научно обоснованные решения. Научное обоснование является фундаментом, основой, на которую накладываются творческие замыслы человека. В свою очередь, построение этого фундамента, его «архитектура», основывается на совместном творчестве лица, принимающего решения, и лица, осуществляющего реализацию, без которого немыслимо управление.

Принятые решения фактически включают в себя интуитивные оценки лица, принимающего решения (лица, осуществляющего реализацию), и научно обоснованные рекомендации, полученные с помощью СМОУ. Таким образом, обоснованность зависит от трех основных факторов, отражающих ее объективное и субъективное содержание: Н – глубины научного познания закономерностей управляемого процесса, т.е. от уровня развития науки; Т – степени использования этих знаний при обосновании конкретного решения, т.е. от качества средств обеспечения управления и в первую очередь от качества СМОУ и технических средств автоматизации; Ч – индивидуальных особенностей конкретного лица, принимающего решение (лица, осуществляющего реализацию) – его опыта, интуиции, психологического стереотипа, способности ориентироваться в быстро меняющейся обстановке, степени знания моделей СМОУ (главным образом, ограничений и допущений, принятых в моделях, и учитываемых в них факторов).

Вариантный метод определения обоснованности. Значение обоснованности иногда предлагается определять следующим образом. Как правило, лицо, принимающее решение (лицо, осуществляющее реализацию) в процессе обоснования решения анализирует ряд вариантов из области допустимых решений, учитывая при этом и неопределенность, которая обычно содержится в данных об исходной обстановке . В зависимости от степени этой неопределенности и индивидуальных человеческих особенностей лица, принимающего решение, может определить число вариантов mзад, которое он считает целесообразным проанализировать для обоснования решения. Фактическое число рассмотренных вариантов m в зависимости от качества средств обеспечения управления (Т) и ресурсов времени для принятия обоснованного решения может оказаться меньше mзад.

В связи со сложностью учета при определении обоснованности Р (Н, Т, ) индивидуальных особенностей лица, принимающего решение (лица, осуществляющего реализацию) в качестве меры обоснованности решения как функции факторов Н, Т, Ч предлагается принять отношение числа фактически рассмотренных вариантов m (Н, Т, Ч, ) к заданному числу mзад:

P = m(Н, Т, Ч ) mзад.

Поскольку значение mзад задается из субъективных соображений, оно может не совпадать с практически целесообразным числом вариантов.

Необходимо найти такое соотношение для определения обоснованности Р, в котором бы учитывалось возрастание Р при любом числе ранее рассмотренных вариантов.

Метод определения обоснованности по внешнему критерию.

предложено следующее выражение для определения обоснованности Р:

P = 1-[K0 - K(X )] K0, где К (X) – эффективность управляемого процесса при выбранном варианте решения X; К0 – максимальное значение эффективности управляемого процесса, достигающееся при выборе оптимального варианта решения Х(0).

Поскольку K0 K(X ), всегда справедливо соотношение P 1, причем равенство P = 1 достигается только при совпадении выбранного решения с оптимальным, когда полностью реализуются потенциальные возможности управляемых объектов и систем автоматизированного производства. Таким образом, значение обоснованности, определяемое по вышеприведенной формуле, характеризует степень приближения выбираемого решения к оптимальному по значению критерия эффективности управляемого процесса, т.е. внешнего критерия органа управления автоматизированным производством.

Вероятностный метод определения обоснованности. Определим обоснованность как вероятность выбора правильного (оптимального) решения. Можно указать следующие преимущества вероятностного подхода:

1) вероятностный подход – естественный способ учета случайностей в значениях параметров управления, возникающих за счет случайных ошибок l;

2) возможность учитывать требования по точности оптимизации K и связанной с этим максимально допустимой погрешности в значениях параметров управления ;

3) возможность с единой точки зрения, на одной методической основе учитывать как качество математических моделей СМОУ, от которого зависят ошибки в определении формально оптимальных решений, так и остальные факторы, влияние которых на обоснованность определяется помимо характеристик СМОУ неполнотой данных об обстановке.

Глава 4. Постановка задач оптимизации подсистем автоматизированного производства Сбалансирование автоматизированных станочных систем существенно зависит от результатов оптимизации состава их подсистем. Основным при этом, как будет показано далее, является использование параметрических зависимостей ресурсы–эффективность для систем различного назначения, входящих в структуру автоматизированного производства.

Общие предпосылки. Зависимости ресурсы–эффективность для систем, как правило, получают путем многократного решения одной из двух следующих задач.

Задача 1:

C(X ) ® min ; K(X ) K0 ; X 0.

x Задача 2:

K(X ) ® max ; C(X ) C0 ; X 0.

x Здесь X – состав системы; K(X ) – эффективность системы; C(X ) – стоимость (или другая ресурсная характеристика) системы.

При решении задачи 1 выбирается состав X, обеспечивающий минимальную стоимость C(X ) = C01 достижения заданного значения Kсуммарной эффективности системы. Варьируя значения K0 в нужном диапазоне и решая для каждой из задаваемых величин K0l (l = 1, L) задачу 1, получаем совокупность пар значений {K0l,C0l} (l = 1, L), характеризующих зависимость ресурсы–эффективность.

Аналогичная процедура получения зависимости ресурсы– эффективность путем решения задачи 2 для нескольких значений параметра C0. Принципиально оба пути являются эквивалентными, однако соображения вычислительного порядка могут повлиять на выбор одного из них. Под эквивалентностью здесь подразумевается следующее: если в результате решения задачи 1 при K0 = K01 получим значение min C(X ) = C01, то, решая задачу 2 при C0 = C01, получим max K(X ) = K01.

В качестве примера рассмотрим систему уникального назначения. Доля систем уникального назначения в народном хозяйстве не так уж мала, и очевидно, что они заслуживают самостоятельного исследования.

Математически задача синтеза многоэлементной системы уникального назначения в соответствии с соотношениями, полученными ранее, может быть сформулирована так:

I J C(X ) = xij ® min ; (2) cij x i=1 j=J I xij K(X ) = (1- pij) K0. (3) 1- j=1 i=1 Используя теорему Куна и Таккера, получаем следующие условия оптимальности:

aij l при xij = Г (i = 1, I; j = 1, J ) , (4) cij j = l при xij > где I Г = yj (1- yj); y = exp- xij , aij = -ln(1- pij).

j j aij i=1 Рассматривая условия (4) для какого-нибудь фиксированного значения j (для одного из объектов, на котором используются элементы), убеждаемся, что отличным от нуля может быть только одно из значений xij: для того типа элементов, которые обладают наибольшим значением удельной производительности aij cij – точно так же, как и для системы массового назначения. Поэтому вместо задачи (2), (3) можно рассматривать следующую, эквивалентную ей и существенно более простую задачу синтеза:

J C(X ) = xj ® min ; (5) cj {xj} j=J [1- exp(-a xj)] K0, (6) j j=где параметры cj и a находятся по соотношениям (5) и (6) X0 = {x0 j} j формируется решение исходной задачи (2), (3) с помощью индексов i( j), для которых справедливо простое правило x0 j при i = i( j) x0ij = (i = 1, I; j = 1, J). (7) 0 при i i( j) Моделирование циклов управления. Основной задачей, решаемой в цикле управления, является своевременное принятие максимально обоснованных решений. Качество принятых решений определяется двумя факторами: возможностью объединения формального и творческого в принимаемых решениях; временем, которым располагает орган управления, АПС, ЛПР для процесса обоснования и принятия решения на том или ином уровне управления.

Это выдвигает соответствующие требования к набору моделей цикла управления. Необходимо иметь модели двух классов. Модели первого класса должны обеспечивать выработку решений, в которых органически сочетаются формализованное начало в виде рекомендаций моделей СМОУ АПС и творческие замыслы ЛПР. Модели второго класса должны оптимизировать функционирование органа управления АПС в процессе выработки решений. Это может быть достигнуто решением комплекса иерархически упорядоченных оптимизационных задач, в которых оптимальным образом распределяется временной ресурс tц, отведенный на обоснования, по различным задачам, группам ЛПР и модулям СМОУ.

Модели первого класса должны обеспечивать оптимизацию самих решений, второго – организацию процесса их выработки.

В главе рассмотрены модели обоих классов. Особого внимания среди моделей выработки решений заслуживает разработанная модель «гибкий синтез», обеспечивающая синтез формального и творческого. Модель подробно проиллюстрирована на задаче принятия решений для системы массового обслуживания. Среди моделей второго класса наиболее детально исследована модель верхнего уровня, с помощью которой оптимизируется функционирование цикла управления. Представляют интерес также модели среднего уровня – оптимизации циклов выработки решений, в которых рекомендации удалось довести до количественного сформулированных операционных правил.

Модели выработки решений. Основу выработки решений составляют результаты действий ЛПР в органе управления АПС. Важной при этом является проблема объединения формально оптимальных решений, вырабатываемых СМОУ АПС, и творческих замыслов ЛПР. Рассмотрим один из возможных путей ее решения.

Модели «анализ» и «жесткий синтез». К настоящему моменту известно два алгоритма обоснования решений с помощью автоматизированных систем, которые можно условно назвать «анализ» и «жесткий синтез».

В автоматизированной системе, реализующей первый алгоритм, имеется математическая модель типа «анализ» (А). Для каждого из т допустимых вариантов решений Xv (v=1,m ), которые задаются ЛПР, модель А определяет значения критериев эффективности, характеризующих качество решения с различных точек зрения:

Kv(Xv)={Kvr(Xv)} (v=1,m ; r=1, R ), где v – номер варианта решения; r – номер критерия эффективности; m – число вариантов решения, выбранных ЛПР для анализа; R – число критериев эффективности, с помощью которых оценивается качество решения; Kvr(Xv) – значение r-го критерия для v-го варианта решения; Kv(Xv) – вектор значений критериев эффективности для v-го варианта решения.

Принцип действия алгоритма типа «жесткий синтез» такой же, как алгоритма «анализ». Уточним лишь, что здесь понимается под коррекцией решения. Пусть, например, формально оптимальное решение получено k-м блоком синтеза:

( (k 0) X(k0)=(x1k 0), x(k 0),…,x ), 2 u где xl(k 0) (l=1,u ) – оптимальные значения параметров управления.

ЛПР может оставить неизменными значения xl(k 0) всех параметров управления, но может на основании неформальных соображений откорректировать значения отдельных параметров, например параметров с номерами l (=1, r ; 1u), изменив их на некоторые величины l0. Тогда ( kk ) в целом откорректированное решение X(kk)={x } формируется следующим l образом:

xl(k 0) при l lj (k 0) x = x(k 0) + Dl при l = lj (j = 1, r; l = 1,u).

l l Достоинствами алгоритма типа «жесткий синтез» являются:

возможность выбора формально оптимального решения; возможность сравнения нескольких оптимальных решений, получаемых по различным моделям синтеза 1,2,…,L; возможность коррекции получаемого решения и определения эффективности откорректированного решения.

Модель «гибкий синтез». Устранение недостатков описанных алгоритмов выбора решения может быть достигнуто следующим образом.

Прежде всего необходимо ввести в алгоритм настраиваемые модели синтеза «синтез-2» (=1, D ) с гибкой структурой (рис. 3.3). Под настройкой в данном случае понимается:

1. изменение (преобразование) целевой функции и ограничительных условий при фиксировании (задании) части параметров управления;

2. изменение целевой функции при переходе к другому критерию и соответствующее этому частичное или полное изменение алгоритма оптимизации.

В диссертации рассмотрено применение моделей гибкого синтеза для системы массового обслуживания.

Оптимизация цикла выработки решения. Исходными данными для выбора целесообразной организации работ в циклах выработки решений являются значения {Dtцj} ( j = 1,n), определенные в цикле управления.

Обоснованность решения, принимаемого в j-м цикле выработки решения, зависит от варианта распределения {Dt } (s = 1, S) ресурса времени {Dtцj} js между S исполнителями (ЛПР или контурами управления). Кроме того, поскольку речь идет о работе над одной задачей коллектива лиц, необходимо учитывать зависимость обоснованности от варианта организации процесса выработки решения.

Задача оптимального распределения временных ресурсов между контурами, т.е. отыскания оптимальных значений ms, может быть сформулирована следующим образом: максимизировать значение обоснованности P или, что то же самое, величину S y = -ln(1- P) = ms as s =при условии S S = ms Dtц, Dts Dt0s s =1 s =где Dt0s - время исследований по одному варианту в s-м контуре.

Оптимизация цикла выработки варианта. Исходными данными для выбора целесообразной организации СМОУ АПС в циклах выработки вариантов являются значения {Dt } ( j = 1,n; s = 1, S), определенные в js цикле выработки решения. При выделенном ресурсе времени Dt js необходимо выбрать такой вариант комплектации j-й задачи в s-м цикле выработки решения фэмами (дублер используемых в СМОУ модулей), при котором обеспечивается наибольшее значение обоснованности. Отметим, что речь идет об обоснованности на один вариант расчетов, т.е. по существу, о точности расчетов по задаче. Тот или иной вариант комплектации задачи приводит к различным значениям времени и результирующей точности расчетов. Качественно ясно, что чем из более точно работающих фэмов комплектуется задача, тем большее время требуется для получения результата.

Сформулируем задачу математически. Исходными данными для ее решения являются: ресурс времени Dt2 j ; число модулей K, содержательно j входящих в j-ю задачу; вектор числа L(k) фэмов [k-номер модуля; k -1, K( j) ];

матрица значений математических ожиданий времени решения по всем фэмам t = {t } [l – номер фэма; l = 1, L(k) ]; матрица значений точности jkl получения решения по всем фэмам D = {D }.

jkl Искомой является матрица комплектования y = {y }, компоненты jkl которой y равны нулю или единице в зависимости от того, исключается jkl или включается в j-ю задачу l-й фэм k-го модуля.

Глава 5. Моделирование рисков и контроля принятия решений Риск и управленческие решения. Моделирование контроля решений. В ходе управляемых процессов, протекающих в системе АПС, возможны различные отклонения от закономерностей развития обстановки, заложенных в основу первоначально разработанных решений и планов. Это может приводить к частичному невыполнению решений или (и) неполному достижению поставленных целей. В связи с этим управление АПС должно иметь динамический характер, т.е. не только обеспечивать протекание управляемого процесса по выработанному плану, но и предусматривать непрерывный контроль соответствия решений, плана и поставленных целей условиям объективно складывающейся обстановки и наличным ресурсам, а также (в случае необходимости) уточнение решений, планов или целей в нужном объеме. Другими словами, должны происходить гибкое реагирование на изменение обстановки и своевременная перестройка АПС.

Главным в процессе контроля является анализ поведения внешнего критерия системы , называемого далее функцией качества управления.

Состояния системы классифицируются по областям значений, принимаемых критериями . Степень детализации при этом может быть различной. В простейшем случае может использоваться дихотомическое разбиение на два класса состояний: «норма» - «тревога». В более сложных ситуациях могут вводиться промежуточные состояния, характеризующие нарастание опасности невыполнения принятых решений по мере перехода из одного состояния в другое в направлении от «нормы» к «тревоге». Для классификации состояния, в котором находится или будет находиться система, необходимо уметь вычислять значения функции качества управления .

В настоящем разделе рассмотрены методы вычисления функции качества управления и соответствующих диалоговых сигналов, характеризующих состояние системы, для двух важнейших случаев контроля:

по одному или нескольким параметрам состояния. Контроль по одному параметру или событию встречается редко, является нетипичным. Однако, как будет ясно из дальнейшего, вариант контроля по одному параметру является базовым. Располагая соответствующими методами, можно осуществлять контроль и по нескольким параметрам. Больше того, в некоторых ситуациях удается свести многопараметрический контроль к случаю контроля по одному параметру, если известны коэффициенты относительной важности параметров.

Динамические свойства управляемому процессу придает совместная работа циклов контроля и управления. С помощью моделей цикла контроля постоянно контролируется обстановка, т.е. проверяется выполнение информационного решения, анализируется фактическое протекание управляемого процесса в АПС, проверяется его соответствие организационному и управленческому решениям и плану, прогнозируется ожидаемый характер развития обстановки и управляемого процесса и определяется фактическая и прогнозируемая степень достижения поставленных целей.

Общие выводы и результаты.

1. Диссертация представляет научно-квалификационную работу, в которой на основании выполненных автором исследований изложены научно обоснованные технические и технологические решения, внедрение которых вносит значительный вклад в развитие страны.

2. Установлены связи между качеством и эффективностью технологического процесса, образующие организационную структуру производственной системы.

3. На основе установленных связей построены модели процесса производства, выполняющие анализ, исследование, проектирование, функционирование, управление, экспертизу и контроль.

4. Разработаны алгоритмы управления автоматизированными производственными системами, особенностью которых является оптимизация циклов управления, выработки решения, выработки варианта комплектации задачи.

5. Построено программно-информационное обеспечение системы поддержки принятия решений для различных этапов жизненного цикла продукции.

6. Показано, что эффективность управления автоматизированными машиностроительными производствами характеризуется внешними и внутренними критериями. Внешние критерии определяют эффективность технологических процессов, внутренние – характеризуют процесс управления, используются для его оптимизации и должны согласовываться с внешними критериями.

7. Оценка оперативности управления должна основываться на определении ожидаемых или гарантированных значений продолжительности выполнения цикла управления с учетом времени работы лиц, принимающих решения (лиц, осуществляющих реализацию) и технических средств, характеристик надежности вычислительных комплексов и каналов связи.

8. В работе доказано, что обоснованность следует измерять вероятностью выбора правильного (оптимального) решения. Сравнительный анализ значений обоснованности лежит в основе применения СМОУ для оптимизации работы органа управления.

9. Установлено, что оптимизация состава подсистем автоматизированных производств реализуются с помощью двухуровневой системы моделей. На нижнем уровне оптимизируется состав подсистем и строятся параметрические зависимости «ресурсы – эффективность» (РЭФ).

Зависимости РЭФ интегрально характеризуют подсистему и являются основной информацией для решения задачи сбалансирования на верхнем уровне системы моделей.

10. Оценка качества управления должна производиться на сравнении заданных и фактических (прогнозируемых) значений параметров состояния и целеполагания, а также вероятностей осуществления предусмотренных событий с помощью специально вводимых функций.

11. Проведенные исследования рекомендуется использовать при разработке методик, структуры управления и использования автоматизированных машиностроительных производств; а также в учебном процессе высших учебных заведений, осуществляющих подготовку инженерных кадров по направлениям 220700 «Автоматизация технологических процессов и производств» и 221400 «Управление качеством».

Список публикаций 1. Круглов М.Г., Гришина Т.Г. Анализ качества процессов на этапе их разработки. «Статистические методы управления качеством продукции.

Тезисы докладов всероссийской научно-практической конференции.

Ярославль, 1997г., с. 12-2. Круглов М.Г., Гришина Т.Г. Анализ экологических факторов качества процессов в машиностроении. Тезисы докладов первой международной конференции «Промышленность. Технология. Экология». Москва, МГТУ «Станкин», 1998, с. 47-3. Круглов М.Г., Гришина Т.Г. Моделирование процессов обеспечения качества на предприятиях машиностроения. Материалы научной конференции молодых ученых и студентов «Инновации в эконромике-99». – М.: МГТУ «Станкин», 1999, с. 30-33.

4. Гришина Т.Г., Бабич М.А. Комплексный подход к применению стандартов серии ИСО 14000 на российских предприятиях. Тезисы докладов второй международной конференции «Промышленность. Технология.

Экология». Москва, МГТУ «Станкин», 2000, с. 51-5. Гришина Т.Г. Планирование процессов управления как один из инструментов эффективного функционирования систем качества. Тезисы докладов 4 ой Международной научно-технической конференции «Качество машин». Брянск, 2001, с. 43-45.

6. Гришина Т.Г., Сычева Н.А. Экономический механизм управления качеством продукции, Технология, экономика и организация производства технических систем. Межвузовский сборник научных трудов/ Под редакцией О.В. Таратынова, Е.А. Резчикова. М.:МГИУ, 2010, с. 78-7. Гришина Т.Г. Постановка задач оптимизации технологических систем.

Труды XVIII Международной конференции «Информационные средства и технологии». том 1 – М: Издательский дом МЭИ, 2010, с. 115-18. Гришина Т.Г. Факторы, влияющие на оперативность управления технологическими системами. Вестник МГТУ «Станкин». Научный рецензируемый журнал. М.: МГТУ «Станкин», 2011, №3(15), с. 167-169.

9. Гришина Т.Г. Оптимизация подсистем автоматизированного производства. Журнал «Технология Машиностроения». 2011 год, № 9, стр.

54-10. Гришина Т.Г. Синтез систем управления автоматизированным производством массового назначения. Журнал «Главный механик» 2012 г., №9, с. 55-58.

11. Гришина Т.Г. Принятие решения в процессе управления технологическими системами. Вестник МГТУ «Станкин». Научный рецензируемый журнал, 2012 г., № 3 (21), с. 65-69.

12. Гришина Т.Г. Обоснованность принятия решений при управлении автоматизированным производством. Вестник МГТУ «Станкин». Научный рецензируемый журнал, 2012 г., № 3 (21), с. 70-75.

13. Гришина Т.Г. Контроль принятия решений при управлении автоматизированным производством. Журнал «Технология Машиностроения». 2012 год, № 4, с. 65-14. Гришина Т.Г. Вероятностное обоснование принятия решений при управлении автоматизированным производством. Ежемесячный теоретический и прикладной научно-технический журнал «МЕХАТРОНИКА, АВТОМАТИЗАЦИЯ, УПРАВЛЕНИЕ». (№ 1 2012 год) с. 48 – 15. Гришина Т.Г. Моделирование и оптимизация циклов выработки решений при управлении автоматизированным производством. Инженерный вестник Дона, 2012 г., № 9.

16. Гришина Т.Г. Оперативность управления технологическими системами.

Журнал «Управление экономическими системами: электронный научный журнал» 17. Гришина Т.Г. Моделирование и оптимизация циклов управления автоматизированным производством. Журнал «Управление экономическими системами: электронный научный журнал» 18. Гришина Т.Г. Управление автоматизированными производственными системами М.: Янус-К, 2011. – 83 с.






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.