ISO БПИ – БГПА - БНТУ

Университет

Одно окно

Услуги

Обучение иностранных граждан

Работодателям

Вакансии

УНИВЕРСИТЕТ

Новости - Конференция МИДО

Кудрявцев В.И., Зирко О.Ф. АВТОМАТИЧЕСКОЕ ПРОГНОЗНОЕ УПРАВЛЕНИЕ ПРОЦЕССАМИ ДИСКРЕТНЫХ ПРОИЗВОДСТВ

 

УДK 004.94; 519.872

 

АВТОМАТИЧЕСКОЕ ПРОГНОЗНОЕ УПРАВЛЕНИЕ ПРОЦЕССАМИ ДИСКРЕТНЫХ ПРОИЗВОДСТВ

Кудрявцев В.И., Зирко О.Ф.

Минск, БелИСА. Республика Беларусь, Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

В соответствии с принятой трактовкой фирмы Gartner Group [1], [2] под дискретным производством понимается разнообразное сборочное производство, но также и любое про-изводство с выраженной последовательностью повторяющихся производственных опера-ций, которые в логически завершенных производственных системах реализуются посред-ством различных конвейеров. Авторы исследовали возможности моделирования процессов такого производства с использованием модели очереди требований в контексте задач авто-матического управления такой очередью и соответственно процессов дискретного произ-водства [3]. Было выявлено, что основой автоматического управления очередью требованийt является прогноз целевого производственного события, который может быть осуществлен с использованием производственных данных структурированных в порядке очереди, что тре-бует рассмотрения такого управления в аспекте функционирования соответствующей ин-формационной системы. Однако оправданность разработки такой информационной системы определяется существенностью отличий и эффекта такого управления от уже существующе-го автоматического управления. С одной стороны, казалось бы ничего уникального в управ-лении очередью требований быть не может. Так же как это принято в теории автоматическо-го управления существует задача определения управляющего воздействия на объект управ-ления. Измерение управляемой величины объекта управления, сравнение этого значения с заданным значением критерия управления и рассогласование являются основанием для определения нового значения управляющего воздействия на объект управления.

Исследуя очередь как объект управления необходимо учитывать, что с одной стороны она представляет собой одно целое, а с другой – состоит из множества требований, по от-ношению к которым должно рассматриваться управляющее воздействие. Кроме того, необ-ходимо учитывать обратную связь по управляемой величине, которая превращается в связь по различным событиям очереди. События в свою очередь формируются и описываются в зависимости от целей управления, а управляющее воздействие определяется как процесс, встроенный в прогноз целевого события. Результат прогноза описывается с использованием вероятностной оценки прогноза. При этом таже вероятностная оценка присутствует в кри-терии управления по прогнозу.

Авторами была пересмотрена модель очереди требований как объекта управления и изменена с учетом особенностей производственной очереди. Это дало основание для разра-ботки методологии управления производственной очередью QPC (Queues Processes Calcula-tions). Определено, что моделирование процессов дискретного производства посредством производственных очередей может быть осуществлено с использованием узлов простой трансформации требований на местах очереди и посредством узлов дистрибуции требова-ний, схема которых представлена на рисунке 1.

Рассмотрим фрагмент дискретного производства в виде комплексного орграфа при работе узла дистрибуции по следующей схеме: из производственной очереди 1-2 происхо-дит перераспределение требований в очереди 2-3 и 2-4 . Схема представленна на рисунке 1.

Узел 2 на рисунке 1 представляет собой узел дистрибуции требований, а узлы 3 и 4 со-здают целевые производственные события реализации требований в соответствующих оче-редях. При этом в очередях требования проходят ту или иную обработку на местах очереди, длительность которой зависит от индивидуальных особенностей требования. Задача управ-ления дистрибуцией требований в узле 2 состоит в том, чтобы производительность

Рисунок 1. - Схема фрагмента дискретного производства в виде комплексного ор-графа с узлом дистрибуции требований.

системы очередей 1-2, 2-3 и 2-4 была возможно выше, то есть чтобы целевые события в уз-лах 3 и 4 наступали как можно чаще. Эта задача может быть решена двумя способами. В первом случае создается система адаптивного автоматического управления, схема которого представлена на рисунке 2 и которая размещается в узле 2, представленном на рисунке 1.

Рисунок 2. - Схема адаптивного автоматического управления дистрибуцией тре-бований в узле 2 на примере управления i+2 требованием

В данной системе для каждого требования, например, i+2-го, рассчитываются два про-гноза реализации в очереди 2-3 и в очереди 2-4. где Альтернативные значения прогнозов сравниваются в управляющей функции . При этом и в формуле управляющей функции представляют целевые параметры событий реализации данного требования в соответствующих узлах 3 или 4. Под их значениями и будем подразумевать физические значения, в данном случае математическое ожи-дание времени ожидания требованием своей реализации в узлах 3 или 4.

Для адаптивного автоматического управления должен быть установлен критерий, например, если разность , то управляющая функция определяет i+2 –е требование в очередь 2-3, иначе -- в очередь 2-4.

Возникает вопрос, насколько правильно определена очередь для i+2-го требования в ходе такого управления. Разрешить его можно с помощью постфактумной оценки управ-ления. Она доступна только для уже реализованных ранее в узлах 3 и 4 требований, которые назовем прецедентом, и должна либо подтвердить, либо опровергнуть выбор очереди для этих требований, осуществленном посредством функции . Искомая оценка имеет две очевидные градации TRUE и FALSE. Однако определенную оценку FALSE можно полу-чить только, если порядок реализации требований в узлах 3 и 4 будет отличаться от порядка расположения этих же требований в очереди 1-2. Это не отражает все случаи ошибки управ-ления дистрибуцией. При обнаружении оценки FALSE регулятор, осуществляющий функ-цию управления может изменить оценку этой функцией значения своего аргумента . Например, использовав в качестве функции определение знака, а значит и очереди, уравнения регрессии, как это отражено на рисунке 2, чтобы избежать оценки FALSE при повторении того значения, оценка которого функцией вызвала ошибку. При этом не гарантируется, что коррекция функции приведет к уменьшению частоты обнаружения оценки FALSE и устойчивому управлению, поскольку коррекция не затрагивает причины, приведшие к ошибке управления.

Такая коррекция может быть осуществлена в ходе автоматического управления в мето-дологии QPC схема которого приведена на рисунке 3.

Рисунок 3. - Схема прогнозного управления дистрибуцией требований в узле 2 на примере управления i+2 требованием

В соответствии с этой схемой функция управления не охватывается обратной свя-зью и не подлежит коррекции. В рассматриваемом случае постфактумная оценка принимает вид ошибки одного из двух сравниваемых при управлении прогнозов либо , либо , где и - фактические значения целевых величин события реализации, которое для тре-бования i+2 может произойти либо в очереди 2-3, либо в очереди 2-4. При этом достижение конкретного значения постфактумной оценки z прогноза не зависит от функции управле-ния. Оно обеспечивается всегда при реализации требования в той очереди, куда его напра-вил регулятор. Однако такая постфактумная оценка не отражает непосредственно достиже-ние цели управления, а именно точности управления дистрибуцией требований. Поэтому следует рассмотреть влияние такого управления прогнозом реализации требования на точ-ность управления дистрибуцией требований.

Прогноз имеет более сложную структуру, чем функция управления дистрибуции, ко-торая основана на разности значений прогноза, поскольку кроме значений прогноза, кото-рые являются математическим ожиданием целевых величин, он описывается функцией рас-пределения плотности (ФРП) вероятностей прогноза. Таким же образом описывается резуль-тат технических измерений, поэтому точность прогноза следует оценивать в оценках точно-сти технических измерений. Для этого используем показатели относительной ошибки про-гноза и надежности прогноза для j-го требования и введем понятие класса точности прогноза. Как известно величина определяет класс точности технических измерений при надежности измерений . По аналогии будем именовать величины и классами точности соответствующих прогнозов для реализации соответствующих требований в очередях 2,3 и 2,4. В отличии от технических измерений для установления класса точности надежность прогноза была выбрана сниженной, поскольку характеристики точности измерительных преобразователей поверяются с использованием образцовых средств измерений, а для прогнозов, формируемых в рамках рассматриваемых процессов управления, это не так. Прогнозы строятся, во-первых, с использованием производственных данных, имеющих собственную точность, а во-вторых, они строятся на основе моделирова-ния технологических процессов, для которого, например, в теории планирования активного многофакторного эксперимента допускается надежность 0,9. Это значение надежности и выберем для установления класса точности прогноза.

Поскольку управление дистрибуцией требований в рассматриваемом случае определя-ется выбором между двумя прогнозами, то будем оценивать ее ошибочность как риск оши-бочности управления дистрибуцией для j-го требования, которая представляет собой оценку вероятности такой ошибки. Для определения влияния изменения класса точности прогноза, которая может быть достигнута при управлении прогнозом в методологии QPC, на средний риск ошибочности управления дистрибуцией авторами был проведен чис-ленный эксперимент по 32 вариантам. В результате численного эксперимента средний риск ошибочности управления дистрибуции изменялся с до при увели-чении класса точности прогноза реализации требований в очереди 2,3 с 5 до 0,4 и классе точности прогноза реализации требований в очереди 2,4 равном 3. Таким образом, автома-тическое поддержание или увеличение точности прогноза реализации требований при их дистрибуции прямо определяют поддержание или увеличение точности автоматического прогнозного управления дистрибуцией требований.

Изменение класса точности прогноза в эксперименте в целом соответствует Междуна-родной рекомендации №34 Международной Организации Законодательной Метрологии от 1982 года [4] для рядов классов точности. Для повышения иллюстративности в диапазоне от 1 до 10 представлено 6 классов точности, а не как рекомендовано в [4] - не более 5. Исполь-зованием понятия классов точности прогноза подчеркивается отличие в подходах автомати-ческого управления на основе QPC как автоматического управления прогнозом, от подхо-дов теории автоматического управления (ТАУ). В связи с этим предлагается автоматическое управление прогнозом в методологии QPC именовать автоматическим прогнозным управ-лением (АПУ). В ходе этого управления как это было исследовано авторами коррекции в автоматическом режиме могут подвергаться как набор предпосылок для прогноза, так и его математическая модель. Однако возможности АПУ этим не исчерпываются, если рассматри-вать прогноз не только как расчет, но и как вычислительный процесс, осуществляемый в ре-альном времени. Вычислительный процесс прогноза ограничен значением времени, когда все предпосылки прогноза известны, и он может быть вычислен, и моментом времени, когда управляющее воздействие в отношении рассчитываемого требования реализуется и прогно-зирование с целью управления этим требованием теряет смысл. Очевидно, что в алгоритме вычисления прогнозов могут быть выделены вычислительные ресурсы для повторного рас-чета прогнозов с высокими значениями в отрезке времени наиболее близкому времени реализации управляющего воздействи. Авторами был произведен численный эксперимент с 8 вариантами в которых уменьшение глубины прогнозирования в 2 раза привело к сниже-нию средних рисков ошибки дистрибуции с при классе точности прогноза в очереди 2,3 равном 5 и классе точности прогноза в очереди 2,4 равном 3, до при тех же классах точности прогнозов в очередях 2,3 и 2,4.

В отличии от автоматического управления, рассматриваемого в ТАУ, АПУ является частным случаем прогнозного управления (ПУ), которое может осуществляться в режиме поддержки производственного управления на разных его уровнях и опираться на ту же мо-дель прогноза и те же структуры данных, что и АПУ.

В частности, в отличие от ТАУ, в контур автоматического управления через расчет прогноза включены предпосылки этого прогноза, которые формируются посредством изме-рительных преобразователей и технологического оборудования устанавливающего те или иные производственные факты с той или иной достоверностью. Последняя также определя-ет точность расчета прогноза. Тогда управление прогнозом целевой величины, а, следова-тельно, и может быть осуществлено посредством настройки, поверки или замены изме-рительных приборов на более точные, восстановления измерительных схем, а также оно может быть осуществлено посредством уточнения исполнения режимов обработки требова-ний технологическим оборудованием с его перенастройкой или заменой. Эти процессы осуществляются посредством оперативного обслуживания подразделениями КИП и А и главного технолога. Для своевременного обслуживания необходимо проанализировать дан-ные текущего актуального прецедента и на его основе рассчитать частные обратные прогно-зы или ретропрогнозы, где часть предпосылок прогноза и его результат являются предпо-сылками ретропрогноза, а одна из предпосылок прогноза является целевым событием ретро-прогноза. Для такого управления прогнозом в целях оперативного обслуживания необходи-мы критерии точности измерения или установления предпосылок прогноза, которые могли бы определить необходимость того или иного обслуживания.

Между тем на предприятиях не запускают производственные процессы, которые не соответствуют требуемым критериям управления. Такое состояние управления производ-ством гарантируется, например, на этапе завершения пусконаладочных работ системы управления, и оно может считаться образцовым для последующей ее эксплуатации. Тогда, может быть установлена образцовая точность обратных частных прогнозов показаний кон-трольно-измерительных приборов и обратных прогнозов точности обработки в некотором образцовом прецеденте данных относящихся к пуско-наладочному режиму работы произ-водства. Затем следует периодически или установив события обратной связи для расчета ре-тропрогнозов, сравнивать точность текущих частных обратных прогнозов и образцовых и принимать соответствующие решения.

Поскольку величина отображает риск ошибочности, то и критерий управления должен включать в себя допустимый верхний предел этого риска, что собственно и преду-сматривается методологией QPC. Установление такого значения возможно только при эко-номической или технической оценке последствий ошибочности и издержек ПУ, что преду-сматривает более высокий уровень управления и представляет собой отдельный информа-ционный процесс. Однако на этом же уровне управления могут приниматься управленче-ские решения, связанные с изменением схемы технологического процесса, например, для того, чтобы можно было уменьшать глубину прогнозирования в АПУ, а значит повысить его точность. Тогда на основе структур данных, созданных для поддержания данного АПУ, можно осуществить реконструкцию АПУ для данных прецедента требуемой глубины, но осуществляемого в новой технологической схеме и оценить его отличия от АПУ в котором эти данные были использованы в рассматриваемом прецеденте. Такую реконструкцию сле-дует отличать от имитации АПУ в тех или иных условиях в имитационных компьютерных системах. При имитации невозможно установить точность воспроизведения производствен-ного процесса конкретного производства. При реконструкции же используются данные ре-ального производственного прецедента. Эти данные позволяют установить точность про-гнозирования на каждом этапе производства и с любого места очереди.

Таким образом, доказано, что ПУ отличается от типа управления, рассматриваемого в ТАУ, может осуществляться на всех уровнях управления дискретным производством, вклю-чая автоматическое управление, и по характеру рассмотрения процесса управления его сле-дует отнести к области компетенции метрологии.

Литература:

1. Уильямсон, О.И. Экономические институты капитализма. Фирмы, рынки, «от-ношенческая» контрактация / О.И.Уильямсон. – СПб.: Лениздат, 1996. – 164 с.

2. Мacneil, Ian R. Reflection on Relational Contract / Ian R. Мacneil. – Cambridge Uni-versity Press, 1974. – P. 541–546.

3. Зирко, О.Ф. Кудрявцев В.И. Информационное моделирование массовых произ-водственных процессов / О.Ф. Зирко, В.И. Кудрявцев // Развитие информатизации и государственной системы научно-технической информации (РИНТИ-2013): до-клады XII Международной конференции, Минск, 20 ноября 2013 г. – Минск: ОИ-ПИ НАН Беларуси, 2013. – С.140-146.

4. Сретенский, В.Н. О метрологическом обеспечении контроля и надежности изде-лий в процессе эксплуатации / В.Н. Сретенский, В.В. Трейер// Надежность и кон-троль качества. – 1978. – № 4. – C. 38-45.