WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 | 2 ||

Действия агентов зависят от ситуации (под которой понимается потенциально сложная комбинация внутренних и внешних воздействий) и определяются правилами типа ситуация-действие.

3) Гибридные архитектуры (hybrid architectures). Агенты этого типа используют комбинированные модели мира и, как правило, используют при рассуждениях какую-либо машину вывода.

В работе [2] предложен подход к разработке интегрированных моделей ЛЦ нефтеперерабатывающих предприятий с использованием гибридной архитектуры, основанной на оболочке экспертной системы Gensym G2 и специальной программной среды «ADE» (Agent Development Environment). В программной среде «ADE» агент является автономным многопоточным объектом, который общается с другими агентами с помощью сообщений.

Каждому агенту присвоено уникальное имя, которое может использоваться в качестве адреса, что позволяет агенту взаимодействовать с другими агентами вне зависимости от их размещения в вычислительной сети. Для описания действий агента используется язык AdeGrafcet, который основан на принятом в качестве промышленного стандарта (МЭК 848, МЭК 1131-3) графическом языке последовательных функциональных схем (sequentional function charts, SFC), или графсет (Graphcet).

Архитектура программной системы включает два главных компонента.

Первый компонент — это объектная модель информационных и материальных потоков в ЛЦ. Эта модель описывает объекты двух классов: «продукты» (товарно-материальные ценности) и «сообщения». Агенты передают друг другу объекты этих классов — таким образом моделируется движение информационных и материальных потоков в ЛЦ (рис. 2). Конкретное содержание сообщений и информация о материалах заключены в атрибутах соответствующих объектов. Вторым компонентом архитектуры СППР являются модели элементов ЛЦ (промышленных групп, предприятий и их подразделений, поставщиков логистических услуг, поставщиков и © Нефтегазовое дело, 2003 http://www.ogbus.ru покупателей) в виде искусственных агентов. К ним относятся агенты трех видов: агенты для моделирования элементов ЛЦ; агенты для предоставления информации о состоянии ЛЦ и агенты для выполнения специальных проектов по исследованию или модификации ЛЦ. При этом существенным является то, что все элементы ЛЦ, а также средства для анализа и модификации имитационной модели представлены в системе единообразно — в виде отдельных искусственных агентов.

В работах [Fox, Barbuceanu и Teigen, 2000], [Lee, 1999] сформулированы основные требования к СППР для управления ЛЦ производственного предприятия:

• различные виды деятельности в модели ЛЦ должны быть децентрализованы, т.е. распределяться между агентами;

• система должна реагировать на изменения условий окружающей среды;

• должно обеспечиваться многократное использование компонентов СППР;

• система должна позволять пользователям делать сложные запросы и не только выдавать информацию о состоянии процессов в ЛЦ, но и оценивать возможные варианты развития событий.

• система должна быть открытой и способной к взаимодействию с уже существующими модулями информационных систем, например, с системами планирования ресурсов предприятия — в рамках предложенного подхода получение информации из внешних источников осуществляется специальными искусственными агентами, которые занимаются сбором и размещением информации в базе знаний системы.

Цели и задачи разработки мультиагентных систем поддержки принятия решения для обеспечения логистического управления нефтеперерабатывающими предприятиями Ведущие компании уже давно пришли к выводу, что ключом к успешному управлению логистической цепью является корпоративная информационная система. Сегодня перед предприятием встают задачи согласования спроса и предложения на множестве рынков, что связано выпуском продукции на заказ и во все более сжатые сроки. Дополнительную сложность при этом создает необходимость оперативной организации перевозок готовой продукции и поставок необходимой для ее производства сырья. Современные корпоративные информационные системы централизованы и, таким образом, являются слишком жесткими, чтобы справиться с постоянно меняющимися объемами внешних и внутренних потоков заказов. В рамках рассмотренного в этой статье мультиагентного подхода могут быть построены совершенно децентрализованные системы производства и продаж, которые могут использоваться как для моделирования, так и для управления системами производства и продажи. Децентрализованный мультиагентный подход обеспечит высокую гибкость, надежность и живучесть системы.

© Нефтегазовое дело, 2003 http://www.ogbus.ru (a) Взаимодействие агентов, моделирующих звенья логистической цепи нефтеперерабатывающего предприятия (б) Взаимодействие агентов, моделирующих организационные подразделения внутри предприятия, участвующего в логистической цепи Рис. 2. Мультиагентная система, моделирующая процессы в логистической цепи нефтеперерабатывающего предприятии © Нефтегазовое дело, 2003 http://www.ogbus.ru Программные системы для разработки мультиагентных приложений Развитие и практическое внедрение мультиагентных систем основано на результатах предыдущего опыта практического освоения концепции открытых систем, в том числе, архитектуры «клиент-сервер». При разработке распределенных мультиагентных систем также может применяться динамический подход, т.н. «мобильные агенты», когда по сети передаются не только данные, но и исполняемый код. Некоторые исследователи считают, что это позволяет в некоторых случаях сократить объем передаваемых по сети данных, преодолеть ограничение локальных вычислительных ресурсов, облегчить координацию системы, а также выполнять параллельные асинхронные вычисления.

В настоящее время наиболее известными технологиями реализации статических и динамических распределенных приложений являются RPC (Remote Procedure Call), DCOM (Microsoft Distributed Component Object Model), Java RMI (Java Remote Method Invocation) и CORBA (Common Object Request Broker Architecture) [6]. С точки зрения разработки и реализации МАС наиболее важными, по-видимому, являются последние три — DCOM, Java RMI и CORBA.

Основной ценностью системы Microsoft DCOM является возможность интеграции приложений, созданных в разных системах разработки программного обеспечения для разных аппаратных платформ (Wintel, Alpha, Sun Solaris, Digital UNIX, IBM MVS и др.). Java RMI-приложения, имеющие клиент-серверную архитектуру, содержат механизмы для выполнения методов удаленных объектов. Технология CORBA использует для стандартизации архитектуры и интерфейсов взаимодействия объектно-ориентированных приложений специальных язык IDL (Interface Definition Language). Сами интерфейсы, описанные с помощью IDL, могут быть реализованы на любых языках программирования и присоединены к CORBA-приложениям.

Анализ существующих МАС [6] показывает, что наиболее распространенным при создании распределенных мультиагентных систем является архитектура Java RMI, на основе которой исследовательскими и коммерческими организациями разработано большое число специализированных библиотек и сред для разработки мультиагентных систем.

Одним из удачных примеров специализированных сред для разработки мультиагентных систем является инструментарий Agent Builder компании Reticular Systems. На сайте компании, доступном в Internet по адресу http://www.reticular.com/, приведен обширный перечень коммерческих и исследовательских программных средств для разработки МАС.

Роль интернет-технологий в управлении логистическими системами промышленных предприятий Большинство лидеров отечественной промышленности пока относятся к возможностям межкорпоративного электронного бизнеса (B2B) с очень большой долей скепсиса. По данным рейтингового агентства «Эксперт-РА» [9] © Нефтегазовое дело, 2003 http://www.ogbus.ru наиболее высоким потенциалом внедрения систем электронной торговли обладают металлургический комплекс, машиностроение и фармацевтическая промышленность. Топливная промышленность также обладает высоким потенциалом внедрения B2B-решений, однако скорость его практической реализации оценивается как крайне медленная в силу монополизации и централизации производства, сложившейся исторически. Есть положительные примеры в химической промышленности: два предприятия, входящих в торговое объединение «Ярославские краски» объединили системы управления складами и маркетингом продукции. Компании металлургических отраслей уже сегодня выставляют свою продукцию на западных электронных торговых площадках. Так, ОАО «Северсталь» уже участвует в международном проекте GSX, РАО «Норильский никель» планирует участвовать в проекте Nickelmarket.com.

Для российских финансово-промышленных групп, занимающихся нефтепереработкой, скорее всего, будут актуальны внутренние системы, оптимизирующие отношения между предприятиями группы и в масштабах отдельного предприятия. В условиях частичной автоматизации процессов предпринимательства, проведенной на большей части крупных российских предприятий, возникает проблема координации этих процессов между собой.

Предприятия сталкиваются с тем, что не удается создать единое информационное поле внутри предприятия и добиться координации деятельности подразделений. Корпоративные сети, построенные по технологии intranet, и распределенные системы поддержки принятия управленческих решений на основе мультиагентных технологий будут способствовать гармонизации и логистической координации процессов предпринимательства в производственно-хозяйственных организациях.

СПИСОК СОКРАЩЕНИЙ ЛЦ логистическая цепь (цепь поставок) СППР система поддержки принятия решения ИИ искусственный интеллект МАС мультиагентная система © Нефтегазовое дело, 2003 http://www.ogbus.ru ЛИТЕРАТУРА 1. Саркисов П.Д., Мешалкин В.П. Ресурсосбережение — важнейший фактор экономической эффективности работы химических предприятий, «Российское предпринимательство» №9, 2001, с. 10–2. N. Julka, R. Srinivasan, I. Karimi Agent-based supply chain management, part 1: framework. Computers&Chemical Engineering, 26 (2002), Elsevier, 1755– 3 N. Julka, I. Karimi, R. Srinivasan Agent-based supply chain management, part 2: a refinery application. Computers&Chemical Engineering, 26 (2002), Elsevier, 1771–4. Батищев С.В., Ивкушкин К.В., Минаков И.А., Ржевский Д.А., Скобелев П.О. Мультиагентная система моделирования производства и продажи автомобилей. http://www.madi.ru/logistics/resources/st8.htm 5. Artificial Intelligence in organization and management theory: Models of distributed activity //ed. M. Masuch, M. Warglien, Center for Computer Science in Organization and Management (CCSOM) University of Amsterdam Amsterdam, The Netherlands, North Holland, 6. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем — СПб.: Питер, 2001 — 384 с.: ил.

7. Мешалкин В.П., Дови’ В.Г., Марсанич А. Принципы промышленной логистики М.: РХТУ, 2002 — 722 с.: ил.

8. Мешалкин В.П., Дови’ В.Г., Марсанич А. Стратегия управления логистическими цепями химической продукции и устойчивое развитие — М.:РХТУ им. Д.И. Менделеева, 2003 — 650 с.: ил.

9. Перспективы развития межкорпоративного электронного бизнеса в российской промышленности, доклад рейтингового агентства «Эксперт-РА» http://www.raexpert.ru/overviews.htm#b2b 10. Цимбал А.А., Аншиина М.Л. Технологии создания распределенных систем. Для профессионалов. — СПб.: Питер, 2003. — 576 с.: ил.

© Нефтегазовое дело, 2003 http://www.ogbus.ru

Pages:     | 1 | 2 ||



© 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.