Цифровые инструменты планирования и управления в позаказном производстве
Авторы:
В.М.Макаров, д.т.н., ведущий научный сотрудник НТЦ «Машиностроение» компании TopS BI
С.В. Лукина, д.т.н., профессор МГТУ «Станкин», эксперт РАН и РИНКЦЭ
В журнале «РИТМ машиностроения» вышла статья «Цифровые инструменты планирования и управления в позаказном производстве».
В статье проведен обзор IT-технологий управления процессами и ресурсами машиностроительных предприятий в задачах планирования и диспетчирования материальных потоков и производственной логистики при исполнении заказов. Актуальным является сквозное управление бизнес-процессами на этапах жизненного цикла изделий за счет применения сетецентрических архитектур и мультиагентных технологий цифрового управления высокотехнологичным предприятием.
В.М.Макаров, д.т.н., ведущий научный сотрудник НТЦ «Машиностроение» компании TopS BI
С.В. Лукина, д.т.н., профессор МГТУ «Станкин», эксперт РАН и РИНКЦЭ
В журнале «РИТМ машиностроения» вышла статья «Цифровые инструменты планирования и управления в позаказном производстве».
В статье проведен обзор IT-технологий управления процессами и ресурсами машиностроительных предприятий в задачах планирования и диспетчирования материальных потоков и производственной логистики при исполнении заказов. Актуальным является сквозное управление бизнес-процессами на этапах жизненного цикла изделий за счет применения сетецентрических архитектур и мультиагентных технологий цифрового управления высокотехнологичным предприятием.
ОСОБЕННОСТИ СОВРЕМЕННОЙ ИНДУСТРИАЛЬНОЙ МОДЕЛИ ВЫПУСКА ВЫСОКОТЕХНОЛОГИЧНОЙ ПРОДУКЦИИ
Современная экономика характеризуется кастомизированностью — индивидуализацией разработки и выпуска продукции под заказы конкретных потребителей малыми объемами. Как следствие организуются дискретные многономенклатурные (позаказные) производства малой серийности, где требуется высокая гибкость управления и краткосрочное планирование. Дискретные производства характеризуются прерывностью производственных процессов и множественностью предметов и средств производства в материальном потоке ресурсов, обеспечивающих исполнение производственных заказов. Дискретность усложняет движение материального потока и приводит к снижению производительности производственной системы: такое производство требует грамотного планирования, контроля и управления, что возможно лишь с помощью современных цифровых инструментов.
Актуальной задачей позаказного производства является внедрение цифровых технологий планирования и управления ресурсами и активами, включая автоматизированные средства технологического оснащения, объединенных в киберфизические системы, что обеспечивает наиболее эффективное использование ресурсов и сокращение цикла выпуска продукции (рис. 1).
Современная экономика характеризуется кастомизированностью — индивидуализацией разработки и выпуска продукции под заказы конкретных потребителей малыми объемами. Как следствие организуются дискретные многономенклатурные (позаказные) производства малой серийности, где требуется высокая гибкость управления и краткосрочное планирование. Дискретные производства характеризуются прерывностью производственных процессов и множественностью предметов и средств производства в материальном потоке ресурсов, обеспечивающих исполнение производственных заказов. Дискретность усложняет движение материального потока и приводит к снижению производительности производственной системы: такое производство требует грамотного планирования, контроля и управления, что возможно лишь с помощью современных цифровых инструментов.
Актуальной задачей позаказного производства является внедрение цифровых технологий планирования и управления ресурсами и активами, включая автоматизированные средства технологического оснащения, объединенных в киберфизические системы, что обеспечивает наиболее эффективное использование ресурсов и сокращение цикла выпуска продукции (рис. 1).
Рис. 1. Схема позаказного многономенклатурного производства
В условиях кастомизации и цифровизации к автоматизированному производству предъявляются противоречивые требования. С одной стороны, важны низкие затраты и высокая гибкость производства, а с другой стороны — необходимо сокращать цикл создания серийных изделий, обеспечивая их высокое качество. Разрешение обозначенных целевых противоречий возможно на современной платформе управления предприятием, включающей цифровой комплекс инструментов для решения задач управления, включая планирование, контроллинг и учет.
ЗАДАЧИ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ БИЗНЕС-ПРОЦЕССАМИ
Задача планирования многопланова, но наиболее актуальными являются вопросы выполнения оперативного плана производства по срокам выпуска заданной серии изделий, анализ встраивания конкретного заказа в общий материальный поток производства, оценка достаточности ресурсов для выполнения заданного портфеля заказов и синхронизация поставок с помощью различных методов. Традиционное планирование предполагает, что все сведения о предприятии и данные о его инфраструктуре, ресурсах и процессах централизованы, а расчеты планов выполняются на основе заранее заданных заказов с учетом единых целевых требований предприятия в целом. Оперативно-производственное планирование уточняет задания текущего плана по отдельным производственным подразделениям: цех – участок – бригада – рабочее место. Для прогнозирования результатов управления предприятием используют разные подходы и аналитические инструменты, например, диаграммы Ганта, сетевое планирование, позволяющие корректировать оперативнопроизводственный план для его синхронизации с планами сборки финальных изделий [1, 4, 5] (рис. 2).
Существующие модели планирования и управления производственными системами в той или иной форме синтезированы и кодифицированы в современных IT-инструментах, которые определяют типовую структуру связей и алгоритмы взаимодействия данных для решения специализированных прикладных задач. Именно IT-наработки синтезируют накопленные знания в определенной прикладной сфере для последующего их тиражирования в промышленной практике через многофункциональные программные продукты (ПО). При этом обозначенные задачи планирования и управления в IT-постановке должны рассматриваться более широко как цифровые технологии управления сквозными процессами жизненного цикла изделий (ЖЦ) на основе программных разработок в области управления современным предприятием.
ЗАДАЧИ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ БИЗНЕС-ПРОЦЕССАМИ
Задача планирования многопланова, но наиболее актуальными являются вопросы выполнения оперативного плана производства по срокам выпуска заданной серии изделий, анализ встраивания конкретного заказа в общий материальный поток производства, оценка достаточности ресурсов для выполнения заданного портфеля заказов и синхронизация поставок с помощью различных методов. Традиционное планирование предполагает, что все сведения о предприятии и данные о его инфраструктуре, ресурсах и процессах централизованы, а расчеты планов выполняются на основе заранее заданных заказов с учетом единых целевых требований предприятия в целом. Оперативно-производственное планирование уточняет задания текущего плана по отдельным производственным подразделениям: цех – участок – бригада – рабочее место. Для прогнозирования результатов управления предприятием используют разные подходы и аналитические инструменты, например, диаграммы Ганта, сетевое планирование, позволяющие корректировать оперативнопроизводственный план для его синхронизации с планами сборки финальных изделий [1, 4, 5] (рис. 2).
Существующие модели планирования и управления производственными системами в той или иной форме синтезированы и кодифицированы в современных IT-инструментах, которые определяют типовую структуру связей и алгоритмы взаимодействия данных для решения специализированных прикладных задач. Именно IT-наработки синтезируют накопленные знания в определенной прикладной сфере для последующего их тиражирования в промышленной практике через многофункциональные программные продукты (ПО). При этом обозначенные задачи планирования и управления в IT-постановке должны рассматриваться более широко как цифровые технологии управления сквозными процессами жизненного цикла изделий (ЖЦ) на основе программных разработок в области управления современным предприятием.
Рис. 2. Классический и перспективный методы управления высокоорганизованными комплексами
Быстроизменяющиеся реалии и требования промышленного рынка высокотехнологичной продукции диктуют необходимость использования новых технологий и инструментов управления проектами и производственными системами. Цифровизация ускорила поиск более совершенных средств управления для прогнозирования результативности наукоемкой промышленной деятельности на основе интеллектуальных технологий [1, 5, 7].
Практическая реализация моделирования многомерной и разнородной деятельности машиностроительного предприятия является сверхсложной и разнится в конкретных IT-инструментах для адекватного решения задач управления (таблица 1). При этом до настоящего времени проблема формирования единой методологии сквозного управления процессами ЖЦ не решена. В условиях импортозамещения данный аспект усугубился малочисленностью апробированных отечественных IT-разработок.
Практическая реализация моделирования многомерной и разнородной деятельности машиностроительного предприятия является сверхсложной и разнится в конкретных IT-инструментах для адекватного решения задач управления (таблица 1). При этом до настоящего времени проблема формирования единой методологии сквозного управления процессами ЖЦ не решена. В условиях импортозамещения данный аспект усугубился малочисленностью апробированных отечественных IT-разработок.
Известным платформенным решением, поддерживающим управление процессами жизненного цикла сложных объектов «Росатома», является программный комплекс на основе концепции Multi-D, реализующей многоуровневую модель Ганта. В рамках цифрового предприятия ГК «Росатом» менеджмент процессов реализуется через MES-модуль управления производством в ПО «САРУС. PLM» [1]. Российская PLM-система АСКОН на платформе модуля «ЛОЦМАН: PLM» (ПО «Гольфстрим»), разработки «TechnologiCS» от ЗАО «СиСофт Девелопмент» и «СПРУТОКП» от ЗАО «СПРУТ-Технология» обеспечивают управление в формате диаграммы Ганта с ручными процессами управления по классической схеме укрупненного планирования APS и цехового управления типа MES. Следует отметить, что APS/ MES фрагментарны по отношению к жизненному циклу, реализованы на базе различных платформ и программных решений, имеют дискретные циклы планирования и требуют ручной корректировки планов или производственных моделей планирования.
Одной из актуальных задач высокотехнологичного машиностроения является управление процессами жизненного цикла создаваемых изделий, которое реализуется цифровыми PDM/PLM-инструментами информационной поддержки сквозных бизнес-процессов [2]. Обычной практикой стали имитационные методы планирования и контроллинга сложных процессов на основе компьютернографических инструментов симуляции и картирования.
Сетевые методы планирования и организационного управления наукоемки и требуют развитой аналитики [3, 4]. Наряду с традиционными решениями в России развиваются мультиагентные системы на основе распределенного управления [5, 6, 7]. Актуальность данного подхода заключается в сквозном управлении ресурсами машиностроительных предприятий на всех этапах ЖЦ изделий за счет применения мультиагентных технологий управления и сетецентрических принципов организации производства (рис. 3).
Одной из актуальных задач высокотехнологичного машиностроения является управление процессами жизненного цикла создаваемых изделий, которое реализуется цифровыми PDM/PLM-инструментами информационной поддержки сквозных бизнес-процессов [2]. Обычной практикой стали имитационные методы планирования и контроллинга сложных процессов на основе компьютернографических инструментов симуляции и картирования.
Сетевые методы планирования и организационного управления наукоемки и требуют развитой аналитики [3, 4]. Наряду с традиционными решениями в России развиваются мультиагентные системы на основе распределенного управления [5, 6, 7]. Актуальность данного подхода заключается в сквозном управлении ресурсами машиностроительных предприятий на всех этапах ЖЦ изделий за счет применения мультиагентных технологий управления и сетецентрических принципов организации производства (рис. 3).
Рис. 3. Сетецентрическая структура производственной системы
высокотехнологичного предприятия [6, 7]
высокотехнологичного предприятия [6, 7]
Для эффективного управления промышленным предприятием нужно с помощью цифровых технологий описать его организационно-функциональную структуру как базу знаний, включающую релевантный перечень взаимодействующих объектов и ресурсов производства, формирующих основной поток создания ценности. База знаний состоит из информационных онтологических моделей процессов и ресурсов, способных самостоятельно взаимодействовать с мультиагентными планировщиками для согласования циклов локальных процессов в контексте циклограмм общей сборки финальных изделий. При этом ставится задача перехода к производственной архитектуре нового типа, где все объекты управления реального мира имеют цифровых двойников (агентов), объединенных в единую виртуальную семантическую сеть через их свойства (атрибуты), что позволяет получать результаты кооперационного и коммуникационного взаимодействия участников бизнес-деятельности.
Суть мультиагентных технологий заключается в принципиально новом методе решения сложных задач управления, которые не решаются или трудно решаются классическими математическими методами. Мультиагентные технологии — это цифровой способ решения сложных задач, использующий принципы самоорганизации и эволюции на стыке методов искусственного интеллекта, объектно ориентированного программирования и телекоммуникаций. Мультиагентные системы объединяют три технологии: распределенный искусственный интеллект (distributed AI), распределенные решатели задач (distributed problem solving) и параллельные вычисления для формирования базы знаний предприятия как основы искусственного интеллекта [5, 6].
СЕТЕЦЕНТРИЧЕСКОЕ ПРЕДПРИЯТИЕ
В сетецентрическом подходе сложная мультиагентная система управления, призванная решать задачи распределения, планирования, оптимизации и контроля ресурсов в реальном времени, синтезируется как самоорганизующаяся сеть агентов-планировщиков с р2р-взаимодействием (от англ. Peer-To-Peer), работающих по принципу «каждый с каждым» и «равный с равным» с использованием сервисной архитектуры и общей шины данных для согласования решений (шина — это информационная магистраль, через которую системы обмениваются информацией, включая данные для выработки решений, вариантами решений, встречными предложениями, запросами и подтверждениями и т.п.).
Практический синтез мультиагентных систем нацелен на решение задач планирования и управления с помощью искусственного интеллекта в автоматизированных системах поддержки принятия решений и использования сетецентрических моделей структур управления. Сетецентрический подход означает, что изменения в планах, произошедшие в одной из систем, могут влиять на планы в любой другой системе через цепочку согласованных между системами изменений, гарантируя корректность в принятии решений и самосинхронизацию взаимозависимых процессов во времени. При этом взаимодействие системы и ее подсистем в ходе генерации вариантов строится через сетецентрическую платформу и общую шину данных и предполагает согласования решений по специальным протоколам, обеспечивающим поддержку вертикальных и горизонтальных переговоров агентовпланировщиков всех уровней.
На практике это означает, что внезапное возникновение любого события в одном из агентов-планировщиков предприятия будет по возможности сразу же обработано и учтено в планах этого планировщика. Если компромисс не получается и решение задевает планы других планировщиков, то начнется процесс их взаимодействия и, возможно, волна переговоров для разрешения возникшего конфликта, что в случае разрешения и урегулирования этого конфликта позволяет такой сети агентов-планировщиков непрерывно поддерживать актуальность взаимосвязанных планов даже при любых турбулентных изменениях в окружающей среде. Итоговое решение в сетецентрической системе получается путем согласования индивидуальных решений локальных подсистем (агентов), каждая из которых работает на свою цель и выполняет свои частные задачи, обеспечивая синхронизацию циклограмм сборки изделий с планами цехов и сроками поставок ресурсов.
В рамках мультиагентной методологии сформированы концептуальные требования к системе управления ЖЦ изделий и архитектура экосистемы, обеспечивающая реализацию общей методологии управления процессами и ресурсами промышленных предприятий [7]. Сетецентрический инструментарий на основе мультиагентности позволяет эффективно преодолевать все возрастающую многомерную и мультидисциплинарную сложность производственных систем при противоречивых многокритериальных целевых требованиях к деятельности предприятия и является перспективным направлением в задачах планирования и управления в машиностроении.
Для управления и планирования дискретным высокотехнологичным производством выделяют три уровня организации информации: базы целей, базы данных и базы знаний. Базы данных включают однородную информацию в отдельных массивах на электронных носителях с организацией системы запросов для обеспечения связи между разными видами информации. База знаний представляет собой математическую модель исследуемой системы, в которой сетевые модели представляют процессы и структуру, что позволяет создать всю совокупность необходимых и достаточных показателей (измеримых величин) для описания состояний производственной системы.
Одним из важнейших принципов создания таких моделей является полнота описания управляемой системы; описание не только процессов, происходящих в разных частях, элементах системы, но также структуры связей элементов и их целеориентация. От изменения структуры системы и частных целей элементов существенным образом зависит поведение всей системы, а также само ее существование как единого целого.
Обычно в таких системах используются программные агенты, которые могут обмениваться полученными знаниями, используя специальный язык и подчиняясь установленным правилам «общения» (протоколам) в IT-системе (рис. 4). Мультиагентные системы (МАС) имеют компьютерные реализации, основанные на пошаговом имитационном моделировании, где агенты имеют несколько важных характеристик:
Компоненты МАС взаимодействуют через весовую матрицу запросов и матрицу ответов между агентами согласно модели «Запрос → ответ → соглашение». Алгоритм межагентных коммуникаций реализуется в несколько последовательных шагов:
а) сначала всем агентам задается вопрос: «Кто может мне помочь?»
б) на что только «способные» агенты отвечают: «Я смогу за такую-то цену»
в) в конечном итоге переговорных итераций устанавливается «соглашение», в лучшей степени удовлетворяющее обобщенный целевой результат.
Суть мультиагентных технологий заключается в принципиально новом методе решения сложных задач управления, которые не решаются или трудно решаются классическими математическими методами. Мультиагентные технологии — это цифровой способ решения сложных задач, использующий принципы самоорганизации и эволюции на стыке методов искусственного интеллекта, объектно ориентированного программирования и телекоммуникаций. Мультиагентные системы объединяют три технологии: распределенный искусственный интеллект (distributed AI), распределенные решатели задач (distributed problem solving) и параллельные вычисления для формирования базы знаний предприятия как основы искусственного интеллекта [5, 6].
СЕТЕЦЕНТРИЧЕСКОЕ ПРЕДПРИЯТИЕ
В сетецентрическом подходе сложная мультиагентная система управления, призванная решать задачи распределения, планирования, оптимизации и контроля ресурсов в реальном времени, синтезируется как самоорганизующаяся сеть агентов-планировщиков с р2р-взаимодействием (от англ. Peer-To-Peer), работающих по принципу «каждый с каждым» и «равный с равным» с использованием сервисной архитектуры и общей шины данных для согласования решений (шина — это информационная магистраль, через которую системы обмениваются информацией, включая данные для выработки решений, вариантами решений, встречными предложениями, запросами и подтверждениями и т.п.).
Практический синтез мультиагентных систем нацелен на решение задач планирования и управления с помощью искусственного интеллекта в автоматизированных системах поддержки принятия решений и использования сетецентрических моделей структур управления. Сетецентрический подход означает, что изменения в планах, произошедшие в одной из систем, могут влиять на планы в любой другой системе через цепочку согласованных между системами изменений, гарантируя корректность в принятии решений и самосинхронизацию взаимозависимых процессов во времени. При этом взаимодействие системы и ее подсистем в ходе генерации вариантов строится через сетецентрическую платформу и общую шину данных и предполагает согласования решений по специальным протоколам, обеспечивающим поддержку вертикальных и горизонтальных переговоров агентовпланировщиков всех уровней.
На практике это означает, что внезапное возникновение любого события в одном из агентов-планировщиков предприятия будет по возможности сразу же обработано и учтено в планах этого планировщика. Если компромисс не получается и решение задевает планы других планировщиков, то начнется процесс их взаимодействия и, возможно, волна переговоров для разрешения возникшего конфликта, что в случае разрешения и урегулирования этого конфликта позволяет такой сети агентов-планировщиков непрерывно поддерживать актуальность взаимосвязанных планов даже при любых турбулентных изменениях в окружающей среде. Итоговое решение в сетецентрической системе получается путем согласования индивидуальных решений локальных подсистем (агентов), каждая из которых работает на свою цель и выполняет свои частные задачи, обеспечивая синхронизацию циклограмм сборки изделий с планами цехов и сроками поставок ресурсов.
В рамках мультиагентной методологии сформированы концептуальные требования к системе управления ЖЦ изделий и архитектура экосистемы, обеспечивающая реализацию общей методологии управления процессами и ресурсами промышленных предприятий [7]. Сетецентрический инструментарий на основе мультиагентности позволяет эффективно преодолевать все возрастающую многомерную и мультидисциплинарную сложность производственных систем при противоречивых многокритериальных целевых требованиях к деятельности предприятия и является перспективным направлением в задачах планирования и управления в машиностроении.
Для управления и планирования дискретным высокотехнологичным производством выделяют три уровня организации информации: базы целей, базы данных и базы знаний. Базы данных включают однородную информацию в отдельных массивах на электронных носителях с организацией системы запросов для обеспечения связи между разными видами информации. База знаний представляет собой математическую модель исследуемой системы, в которой сетевые модели представляют процессы и структуру, что позволяет создать всю совокупность необходимых и достаточных показателей (измеримых величин) для описания состояний производственной системы.
Одним из важнейших принципов создания таких моделей является полнота описания управляемой системы; описание не только процессов, происходящих в разных частях, элементах системы, но также структуры связей элементов и их целеориентация. От изменения структуры системы и частных целей элементов существенным образом зависит поведение всей системы, а также само ее существование как единого целого.
Обычно в таких системах используются программные агенты, которые могут обмениваться полученными знаниями, используя специальный язык и подчиняясь установленным правилам «общения» (протоколам) в IT-системе (рис. 4). Мультиагентные системы (МАС) имеют компьютерные реализации, основанные на пошаговом имитационном моделировании, где агенты имеют несколько важных характеристик:
- автономность (агенты предполагаются независимыми);
- ограниченность представления: ни у одного из агентов нет представления о всей системе, или система слишком сложна, чтобы знание о ней имело практическое применение для агента;
- децентрализация: нет агентов, управляющих всей системой.
Компоненты МАС взаимодействуют через весовую матрицу запросов и матрицу ответов между агентами согласно модели «Запрос → ответ → соглашение». Алгоритм межагентных коммуникаций реализуется в несколько последовательных шагов:
а) сначала всем агентам задается вопрос: «Кто может мне помочь?»
б) на что только «способные» агенты отвечают: «Я смогу за такую-то цену»
в) в конечном итоге переговорных итераций устанавливается «соглашение», в лучшей степени удовлетворяющее обобщенный целевой результат.
Рис. 4. Мультиагентная сеть производственных модулей предприятия
(на примере агентов «технологическая оснастка» и «цех агрегатной сборки») [6, 7]
(на примере агентов «технологическая оснастка» и «цех агрегатной сборки») [6, 7]
Инновационный эффект мультиагентного подхода заключается в решении многомерной сложности описываемых объектов/процессов, позволяющих получать рациональные решения по целевому управлению ими в условиях быстроизменяющего контекста и противоречивого комплекса целевых требований к результатам бизнесдеятельности.
Проявляемые преимущества мультиагентного подхода:
Проявляемые преимущества мультиагентного подхода:
- формируется общий план по заводу в целом для согласования с цехами;
- отслеживаются узкие места по ресурсам в реальном времени;
- ведется динамическое планирование новых заказов по событиям с учетом пропускной способности цехов и трудоемкости заказа (на верхнем уровне, по нормочасам);
- формируются установочные даты для начала и завершения работ по цехам;
- согласовываются (путем компромиссного взаимодействия) даты с оперативными планировщиками цехов;
- пересчитываются показатели плана и производства в реальном времени;
- оцениваются сроки исполнения нового заказа в поле всех заказов и его влияние на сроки сдачи других изделий за счет изменения приоритетов планирования (рис. 5).
Рис. 5. Мультиагентная система планирования
и контроллинга ресурсов по портфелю заказов
и контроллинга ресурсов по портфелю заказов
Однако в таком подходе существуют некоторые ограничения, связанные со спецификой машиностроения как дискретного и технологически обусловленного производства. Здесь логичен вопрос: насколько применима подобная универсализация агентно-событийного подхода к дискретному машиностроению с позиций адекватности моделирования? С одной стороны, множество бизнес-процессов жизненного цикла изделий может описываться агентами как самостоятельными акторами бизнес-деятельности, имеющими равнозначное влияние на конечный результат, так как отсутствие даже малого процесса в связанной бизнес-цепочке создания ценности нивелирует/обесценивает общий результат.
С другой стороны, агентная автономность вряд ли возможна в технологических процессах (ТП), характеризующихся:
— жестким резервированием сформированного комплекта технических средств оснащения и предметов производства под каждую операцию или деталесборочную единицу (ДСЕ), например, спецоснастка для закрепления заготовки, инструментальный комплект для станка с ЧПУ «под операцию», закупленные заготовки для конкретных ДСЕ и т.п.;
— строго заданной технологической маршрутизацией и, как правило, безальтернативной расцеховкой материального потока по территориально закрепленным рабочим местам;
— квалификационной привязкой рабочего персонала к конкретному оборудованию и рабочим местам, ограничивающей возможности свободного выбора кадров и их трудовой применимости и взаимозаменяемости и т.п.
При этом цена риска несоответствий качества/брака промежуточных состояний предметов производства не равнозначна по фазам ТП и всегда растет от начальной фазы к завершающей, что требует корректировки и уточнения в практике сетецентрического подхода для категории «технологически обусловленных» агентов. Такие агенты не являются автономными, не равнозначны и вряд ли могут рассматриваться как участники обмена знаниями и мнениями по вариациям выбора в своей применимости из-за жесткой связи с другими агентами и в связи с отсутствием у них технологического «суверенитета». В машиностроении количество таких технологически «несуверенных» агентов весьма велико, чтобы имитационно получать релевантное целевое решение с учетом их «зависимости».
Исключение этих агентов из сетецентрической структуры может разрушить целостную адекватность мультиагентной модели производственной системы машиностроительного предприятия. Отмеченные противоречия разрешаются последовательной нисходящей иерархичностью моделирования и локализацией мультиагентности в конкретных бизнес-процессах (подсистемах) и встречной гармонизацией результирующих данных по уровням принятия решений.
Отметим сложность практического внедрения столь наукоемкой технологии в машиностроении, поскольку понадобится серьезная трансформация производственнотехнологических коммуникаций, разработка новых инструментов и регламентов организационного управления подготовкой производства и высокая культура работы с информацией на рабочих местах, что возможно лишь под руководством разработчика на высокотехнологичных оборонных предприятиях [7].
Перспективным результатом разработок в области мультиагентных технологий и сетецентрического управления станет создание интеллектуальной системы управления жизненным циклом изделий нового поколения, обеспечивающей существенный рост эффективности работы предприятий с дискретной организацией производства
ЗАКЛЮЧЕНИЕ
1. Актуальные задачи планирования и управления в IT-постановке должны рассматриваться как цифровые технологии управления сквозными процессами жизненного цикла изделий на основе программных разработок в области управления современным предприятием. Задача текущего планирования и оперативного управления производственной системой является сложной и наукоемкой, требующей разработки новой методологии синтеза адекватной цифровой модели предприятия и применения инновационных технологий управления.
2. Существующие отечественные IT-решения в области традиционного планирования процессами и ресурсами предприятия (ПО класса «APS/MES») имеют ограниченный потенциал адекватности в дискретном машиностроении, что вынуждает применять цифровые методы управления многомерной сложностью машиностроения на основе принципов сетецентричности и мультиагентности.
3. Инновационность мультиагентного подхода проявляется при моделировании сложных объектов и процессов, позволяющих получать рациональные решения по управлению ими в условиях быстроизменяющихся ситуаций при комплексных требованиях к результатам бизнесдеятельности.
4. Практический синтез мультиагентных систем нацелен на решение сложных задач планирования и управления с помощью искусственного интеллекта в автоматизированных системах поддержки принятия решений и использования сетецентрических структур при моделировании цифровых двойников производственных систем. Это позволит обеспечить конкурентные преимущества предприятиям, использующим наукоемкие подходы управления на основе цифровых технологий, интеллектуальности, управления знаниями и know-how.
Литература
1. Офицерова Т.Н., Борисова Е.И., Занькова О.Н. Создание импортонезависимой системы управления производственными процессами в составе системы полного жизненного цикла «Цифровое предприятие». ФГУП «РФЯЦ-ВНИИЭФ» // Information and mathematical technologies in science and management. 2018. № 1. С.129–134. https://digitalrosatom.ru/ marketplace/sarus
2. Цифровизация промышленного производства должна строиться на основе PDM/PLM-инструментариев/ Макаров В. М., КармишинА.А. https://ict-online.ru/interview/i214463/ https://spbit. ru/interview/i214463/
3. Лукина С.В. Методика оптимизации производственной деятельности промышленного предприятия на основе комплекса прогностических моделей формирования и выбора проектных инновационных решений в области высокотехнологичных производств. Вестник МГТУ «Станкин». 2015. № 1, С. 125–129.
4. Лукина С.В., Гирко В.В. Методика формирования и выбора управленческих решений по совокупности частных критериев оценки эффективности производственной деятельности промышленного предприятия. Современные проблемы науки и образования. 2013. № 3. С. 320–327.
5. Ржевский Г.А., Скобелев П.О.Как управлять сложными системами? Мультиагентные технологии для создания интеллектуальных систем управления предприятиям. Самара: Офорт. 2015. 290 c.
6. Сетецентрическая платформа распределенных интеллектуальных автономных систем / Скобелев П.О., ЛарюхинВ.Б. Свидетельство о регистрации программы для ЭВМ № 2021667107 от 25.10.2021. 7. Генезис знаний — ПО «Smart Project» http://www.kg.ru/solutions/ smart-factory/
С другой стороны, агентная автономность вряд ли возможна в технологических процессах (ТП), характеризующихся:
— жестким резервированием сформированного комплекта технических средств оснащения и предметов производства под каждую операцию или деталесборочную единицу (ДСЕ), например, спецоснастка для закрепления заготовки, инструментальный комплект для станка с ЧПУ «под операцию», закупленные заготовки для конкретных ДСЕ и т.п.;
— строго заданной технологической маршрутизацией и, как правило, безальтернативной расцеховкой материального потока по территориально закрепленным рабочим местам;
— квалификационной привязкой рабочего персонала к конкретному оборудованию и рабочим местам, ограничивающей возможности свободного выбора кадров и их трудовой применимости и взаимозаменяемости и т.п.
При этом цена риска несоответствий качества/брака промежуточных состояний предметов производства не равнозначна по фазам ТП и всегда растет от начальной фазы к завершающей, что требует корректировки и уточнения в практике сетецентрического подхода для категории «технологически обусловленных» агентов. Такие агенты не являются автономными, не равнозначны и вряд ли могут рассматриваться как участники обмена знаниями и мнениями по вариациям выбора в своей применимости из-за жесткой связи с другими агентами и в связи с отсутствием у них технологического «суверенитета». В машиностроении количество таких технологически «несуверенных» агентов весьма велико, чтобы имитационно получать релевантное целевое решение с учетом их «зависимости».
Исключение этих агентов из сетецентрической структуры может разрушить целостную адекватность мультиагентной модели производственной системы машиностроительного предприятия. Отмеченные противоречия разрешаются последовательной нисходящей иерархичностью моделирования и локализацией мультиагентности в конкретных бизнес-процессах (подсистемах) и встречной гармонизацией результирующих данных по уровням принятия решений.
Отметим сложность практического внедрения столь наукоемкой технологии в машиностроении, поскольку понадобится серьезная трансформация производственнотехнологических коммуникаций, разработка новых инструментов и регламентов организационного управления подготовкой производства и высокая культура работы с информацией на рабочих местах, что возможно лишь под руководством разработчика на высокотехнологичных оборонных предприятиях [7].
Перспективным результатом разработок в области мультиагентных технологий и сетецентрического управления станет создание интеллектуальной системы управления жизненным циклом изделий нового поколения, обеспечивающей существенный рост эффективности работы предприятий с дискретной организацией производства
ЗАКЛЮЧЕНИЕ
1. Актуальные задачи планирования и управления в IT-постановке должны рассматриваться как цифровые технологии управления сквозными процессами жизненного цикла изделий на основе программных разработок в области управления современным предприятием. Задача текущего планирования и оперативного управления производственной системой является сложной и наукоемкой, требующей разработки новой методологии синтеза адекватной цифровой модели предприятия и применения инновационных технологий управления.
2. Существующие отечественные IT-решения в области традиционного планирования процессами и ресурсами предприятия (ПО класса «APS/MES») имеют ограниченный потенциал адекватности в дискретном машиностроении, что вынуждает применять цифровые методы управления многомерной сложностью машиностроения на основе принципов сетецентричности и мультиагентности.
3. Инновационность мультиагентного подхода проявляется при моделировании сложных объектов и процессов, позволяющих получать рациональные решения по управлению ими в условиях быстроизменяющихся ситуаций при комплексных требованиях к результатам бизнесдеятельности.
4. Практический синтез мультиагентных систем нацелен на решение сложных задач планирования и управления с помощью искусственного интеллекта в автоматизированных системах поддержки принятия решений и использования сетецентрических структур при моделировании цифровых двойников производственных систем. Это позволит обеспечить конкурентные преимущества предприятиям, использующим наукоемкие подходы управления на основе цифровых технологий, интеллектуальности, управления знаниями и know-how.
Литература
1. Офицерова Т.Н., Борисова Е.И., Занькова О.Н. Создание импортонезависимой системы управления производственными процессами в составе системы полного жизненного цикла «Цифровое предприятие». ФГУП «РФЯЦ-ВНИИЭФ» // Information and mathematical technologies in science and management. 2018. № 1. С.129–134. https://digitalrosatom.ru/ marketplace/sarus
2. Цифровизация промышленного производства должна строиться на основе PDM/PLM-инструментариев/ Макаров В. М., КармишинА.А. https://ict-online.ru/interview/i214463/ https://spbit. ru/interview/i214463/
3. Лукина С.В. Методика оптимизации производственной деятельности промышленного предприятия на основе комплекса прогностических моделей формирования и выбора проектных инновационных решений в области высокотехнологичных производств. Вестник МГТУ «Станкин». 2015. № 1, С. 125–129.
4. Лукина С.В., Гирко В.В. Методика формирования и выбора управленческих решений по совокупности частных критериев оценки эффективности производственной деятельности промышленного предприятия. Современные проблемы науки и образования. 2013. № 3. С. 320–327.
5. Ржевский Г.А., Скобелев П.О.Как управлять сложными системами? Мультиагентные технологии для создания интеллектуальных систем управления предприятиям. Самара: Офорт. 2015. 290 c.
6. Сетецентрическая платформа распределенных интеллектуальных автономных систем / Скобелев П.О., ЛарюхинВ.Б. Свидетельство о регистрации программы для ЭВМ № 2021667107 от 25.10.2021. 7. Генезис знаний — ПО «Smart Project» http://www.kg.ru/solutions/ smart-factory/
Источник журнал "РИТМ машиностроения" № 6-2023. Читать статью по ссылке.