Инноватика

Глава 13. Высокие технологии

технологий. При этом критерии оптимизации могут быть различным. Их можно объединить в две большие группы:

−экономические критерии (минимальная технологическая себестоимость, наименьшие приведенные затраты, наибольшая прибыль, максимальная рентабельность, минимальный уровень отдельных видов затрат на производство и другие);

−критерии технического уровня: максимальная производитель-

ность, максимальный уровень автоматизации, наибольший коэффициент сменности и загрузки оборудования, наибольший коэффициент использования материалов, наименьшее штучное время и т.д.

Названные группы критериев обеспечивают реализацию двух

принципов, которые лежат в основе разработки проектных технологических процессов: технической и экономической целесообразности. В соответствии с первым принципом технологический процесс должен обеспечить наилучшее выполнение всех технических требований на изготовление изделия, технологическое оборудование и другие средства технологического оснащения, а второй принцип определяет условия, обеспечивающие минимальные затраты труда и наименьшие издержки производства. В плане сказанного рассмотрим применяемые методы оптимизации технологических процессов подробнее.

13.3. Методы структурной оптимизации технологических процессов

Для выбора высоких технологий используют различные методы математического моделирования и оптимизации проектнотехнологических решений в зависимости от объекта и целей выполнения разработки – это типовые модели (сетевые, перестановочные) и специальные модели (сети Петри, искусственные нейронные сети, эйлеровы графы, граф-деревья и т.п.).

Наиболее простыми являются сетевые математические модели (рис.13.3). Структуру элементов такой модели описывают ориентированным графом, не имеющим замкнутых циклов. В этой модели может содержаться исключительно большое число7 вариантов

7 Например, для шестерни до 1030 и более вариантов технологических процессов.

321

Раздел 4. ТЕХНОЛОГИИ ИННОВАТИКИ

проектируемого технологического процесса, в которых сохраняется соотношение порядка следования элементов (технологических операций).

В условиях перспективной технологической подготовки производства, ориентированной на технологическое перевооружение производства, обычно требуется осуществление многокритериальной оптимизации проектных технологических процессов по критериям: минимумов приведенных затрат, штучного времени обработки, величины капитальных вложений и другим факторам, которые обеспечивают максимальную экономическую эффективность реконструируемого производства.

– вариант выполнения технологической операции;

– возможная последовательность выполнения технологических операций (маршрутный технологический процесс)

Рис. 13.3. Пример многовариантного сетевого технологического графа

Для моделирования проектных (перспективных, директивных) технологических процессов в этом случае наиболее приспособлены сетевые модели. В качестве элементов многовариантного сетевого технологического графа – структурной модели технологического процесса, обычно используют технологические операции обработки, которые образуют вершины графа, а дуги задают возможность их последовательного выполнения. В каждом вертикальном слое сетевого графа могут рассматриваться многие взаимозаменяемые варианты выполнения технологических операций, например, одну и ту же операцию можно выполнить на универсальном токарном станке, токарно-револьверном станке, станке с ЧПУ и современном мехатронном обрабатывающем центре. Все эти варианты должны быть отражены в структурной модели сетевого многовариантного графа. Аналогично и в других слоях могут рассматриваться

322

Глава 13. Высокие технологии

несколько вариантов выполнения, например, фрезерных, шлифовальных, сверлильных и других технологических операций. Любой полный путь на графе от исходной вершины до завершающей характеризует вариант технологического процесса (маршрутной технологии), отличающегося хотя бы одной технологической операцией, но обеспечивающего все технические требования изготовления изделия.

Метод структурной оптимизации на сетевых графах позволяет выбирать оптимальный (на рис. 13.3 он отмечен утолщенными стрелками) или наиболее рациональный вариант технологического процесса из представленного ЭВМ кортежа маршрутов. В последнем случае рекомендуемый вариант проектного технологического процесса максимально приближен к оптимальному по заданному критерию, но кроме того, он отвечает всем другим трудно формализуемым требованиям реального производства, например, пожаро- и взрывобезопасности, ремонтопригодности оборудования, возможностей приобретения, например импортного оборудования и т.п.

Сетевой метод, являясь быстродействующим с точки зрения сокращения времени использования ЭВМ, вместе с тем остается трудоемким в условиях наличия большого числа критериев оптимизации для сложных сетевых технологических графов (такие сложные математические модели приходится строить, например, для технологических процессов изготовления изделий авиационной техники), где требуется, например, осуществлять многокритериальную оптимизацию и по показателям максимальной эффективности, и по показателям высокого технического уровня одновременно.

Выше уже было сказано, что количество возможных вариантов технологических процессов на сетевых графах, например, для деталей типа шестерни привода агрегатов или вала ротора турбины авиационных двигателей, может быть исключительно большим и доходить до 1035 вариантов технологических процессов, отличающихся хотя бы одной технологической операцией. Такая размерность задачи находится за пределами возможностей даже супер-ЭВМ любых типов, решающих задачу методом полного перебора вариантов технологических процессов.

Для решения задачи большой размерности, которая находится за пределами технических возможностей ЭВМ, а также в случае

323

Раздел 4. ТЕХНОЛОГИИ ИННОВАТИКИ

многокритериальной оптимизации требуются специальные математические методы упрощения решаемой задачи, например, путем выделения ядра квазиоптимальных решений с помощью теории статистических решений.

***

Справочные данные. Для приведения математических моделей в соответствие с реальными возможностями существующих ЭВМ по быстродействию требуется на графе выделить области квазиоптимальных решений. Другими словами, необходимо выполнить операцию разборки исходного сетевого графа на ядро Gопт и остальную часть Gост, в которой нет оптимальных решений:

где G опт G .

В работах по теории графов отмечается, что в условиях анализа рекуррентных свойств графов такие действия знаменуют выход за рамки элементарности.

Другой предпосылкой для постановки и решения задачи оптимизации перспективных и директивных технологических процессов является ее многокритериальный характер. Задача структурной оптимизации технологического процесса нередко сводится к решению дискретных вариационных задач методами динамического программирования8.

При этом критерий качества управления имеет смысл потерь по тому или иному параметру. Вместе с тем метод динамического программирования определяет собой лишь стратегическую линию оптимизации, а не точно определенные алгоритмы типа, например, линейного программирования. В этой связи в каждом случае требуется проводить конкретный анализ, соответствующим образом выделяя состояния технологического процесса, например, по величине затрат или технического уровня.

Практика показывает, что с точки зрения вычислительных возможностей задача оптимизации методами динамического программирования обычно ограничивается тремя-четырьмя такими переменными состояния. В нашем случае число переменных, используемых в качестве критериев оптимизации, значительно больше. По этой причине возникает задача использования специального метода динамического программирования для операции разборки исходного сетевого технологического графа и определения подграфа квазиоптимальных решений. Такая процедура позволяет выделить ядро решений, которое обеспечивает беспроигрышную тактику в так называемых играх на графах.

8 или с помощью рекуррентных искусственных нейронных сетей

324

Глава 13. Высокие технологии

Представлениями теории игр для анализа рекуррентных свойств графов можно воспользоваться следующим образом. Известно, что теория игр, кроме стратегических игр имеет важное направление, которое называют статистическими играми, играми с природой или теорией статистических решений. Оно предусматривает решение близких к проектированию технологических процессов задач, например, о замене технологического оборудования, табл. 13.1.

Т а б л и ц а 13.1 Потери, которые несет предприятие, при различных способах действий по

замене технологического оборудования

Средние потери L(v; a) по каждому варианту замены оборудования -аi (а1 – оставить оборудование еще на некоторое время; а2 – провести капитальный ремонт и (или) модернизацию; а3 – заменить новым ) с учетом его состояния vj (v1 – оборудование работоспособно; v2 – необходимость ремонта; v3 – дальнейшая эксплуатация невозможна) и априорного распределения вероятностей e(v) позволяют определить средние значения потерь по каждому аi :

рассчитать вариант с минимальными потерями. Такое действие называют байесовским.

Сопоставление этого известного метода с задачей многокритериальной оптимизации технологических процессов показывает, что потери, которые может нести предприятие при замене не отдельных единиц оборудования, а парка технологического оборудования по технологическому процессу, рассчитать на графе полным перебором вариантов не представляется возможным. Это связано не только с чрезвычайно большим числом вариантов, но и с отсутствием априорного распределения вероятностей e(v) на пространстве состояний.

Для выхода из ситуации можно рассмотреть метод перехода от исходного сетевого многовариантного технологического графа к граф-дереву статистической игры. Он может быть осуществлен двумя путями.

Первый заключается в использовании инверсии, для этого дуги сетевого графа (а) меняют на шарниры и висячие вершины (б), а вершины – на ребра корневого дерева (рис. 13.4). Этот способ является более наглядным, так как при построении вручную граф-дерева его ребра можно построить пропорционально значению рассматриваемого параметра, например, штучного времени на технологическую операцию.

325

Раздел 4. ТЕХНОЛОГИИ ИННОВАТИКИ

2 5 8 11

1 3 6 9 12 14

4 7 10 13

а

1

Рис. 13.4. Инверсия сетевого графа многовариантного технологического процесса (а) в эквивалентное граф-дерево статистической игры (б): – шарнир; – висячая вершина.

Для машинной обработки может быть принят второй способ размыкания сетевого графа в граф-дерево без инверсии, так как наглядность построения в этом случае значения не имеет. При использовании инверсии каждая дуга (рис. 13.4, б) соответствует технологической операции. Присвоив им значения параметров состояний технологических операций, например, штучного времени, затрат, или параметров технического уровня, можно на вертикальной оси расположить маршрут (вариант технологического процесса) с минимальными (экстремальными) значениями рассматриваемого параметра. Правее него расположены ветви по возрастанию данного параметра.

Для каждой ветви можно вычислить приращение анализируемого параметра Dij. Во втором слое – это D23 ; D24 ; в третьем слое – D56 и D57 и т.д. Кортеж приращений в порядке возрастания Dij предопределяет границы поля чистых стратегий статистической игры.

Для графического представления поля чистых стратегий применительно к детали типа «Головка топливного фильтра» в качестве примера был разработан сетевой технологический граф, фрагмент которого разомкнут в граф-дерево

326

Глава 13. Высокие технологии

(рис.13.5). Для этого граф-дерева определено поле чистых стратегий статистической игры (рис. 13.6). На этом графике по горизонтальной оси отложено приращение параметра Dij , начиная от минимального значения в порядке возрастания. По вертикальной оси – абсолютное значение данного параметра.

67

Рис. 13.5. Фрагмент сетевого технологического графа, разомкнутого в граф-дерево

327

Раздел 4. ТЕХНОЛОГИИ ИННОВАТИКИ

Зпр

тыс.руб

3

1

0 а б

Dзпр

тыс.руб

Рис. 13.6. Поле чистых стратегий:

Зпр – затраты по варианту технологического процесса; D Зпр– приращение затрат по варианту;

Зпрi= Зпр.д – линия порогового значения, на которой затраты равны затратам существующего технологического процесса-аналога (рабочего технологического процесса); 1 – зона двойной минимизации риска (0;а); 2 – зона вероятного риска

( а; б); 3 – зона постоянного риска.

В результате такого построения для минимизации структурной модели перспективных (проектных, директивных) технологических процессов можно воспользоваться известным из динамического программирования критерием качества управления:

o

где x=x(1) ; x(2)........x(N) – многомерная переменная состояния объекта управления (в данном случае технологического процесса); u – управление (целесообразные воздействия) из пространства допустимых управлений; t – время протекания

328

Глава 13. Высокие технологии

процесса; Q[ x( t ),u(t) ] – мгновенные потери в момент t при состоянии системы x(t) и при управлении u(t).

В задачах дискретной оптимизации выражение (13.2) преобразуется путем замены интеграла суммой:

k=0

Процесс управления становится многошаговым и для приращения δ = 1 принимает вид:

найти такую последовательность управлений u0 ;u1;......un-1 (в данном случае по замене вершин графа – технологических операций и соответствующего им технологического оборудования), при которой критерий качества I(U) принимает экстремальное значение, например, минимума затрат, капиталовложений и/или максимума уровня автоматизации (технического уровня) и т.п.

Минимальное, как в данном случае, значение критерия качества управления n-шагового процесса зависит от начального состояния x0 и может быть записано в виде:

из которого получают известное из динамического программирования уравнение Беллмана для (n – L ) шагового процесса, начинающегося с состояния xL:

Оно позволяет последовательно определять оптимальное управление на каждом шаге управляемого процесса. В уравнении (13.6) величина (n–L ) означает число шагов до конца итерационного процесса. Обозначим эту величину через k. При этом величины xL=xn-k и uL = un-k будем обозначать просто x и u. Они будут обозначать состояние объекта технологического процесса и примененное управление за k шагов до конца итерационного процесса. Последующее состояние, т.е. то, к которому объект переходит из состояния x при применении управления u, обозначим через x/. Это будет xn-(L+1) в прежних обозначениях. При этом рекуррентное соотношение примет вид:

Полагая при этом, что значения параметров состояния системы x/, например затраты, штучное время не бесконечны (все возможные состояния этих параметров в нашей задаче рассчитываются для каждой вершины графа),

329

Раздел 4. ТЕХНОЛОГИИ ИННОВАТИКИ

мы вправе определить интервал значений управления [u0; uk–1 ]. Каждый элемент ui из множества U (i=0, k–1 ) может быть ограничен предельно допустимым значением критерия качества управления: с одной стороны экстремальным значением; с другой – предельно допустимым значением по условиям действующего производства.

Этим значениям соответствуют компоненты векторной переменной x0 < xL< xk-1. Все величины параметра состояния, которые находятся за пределами этого интервала, можно считать неудовлетворительными с точки зрения влияния на целевую функцию системы по условиям реальных ограничений действующего производства.

Таким образом, в результате приведенных аналитических выкладок и графического построения поля чистых стратегий (рис.13.6) мы имеем функцию нижней границы поля чистых стратегий для оценки потерь (13.8):

управления.

Верхняя граница поля чистых стратегий для функции потерь определяется

Решающее правило определения ядра решений на данном поле чистых стратегий запишем в виде следующего положения.

Подмножество полных маршрутов N многовариантного сетевого технологического графа G=(L,S) является ядром решений тогда и только тогда, когда удалены все вершины, входящие в маршруты, имеющие значение параметра X (UL) > X (Up)* (*здесь Up определяет полный маршрут технологического процесса действующего производства или другой технологический процесс-аналог).

На рис. 13.6 значение X (Up) ограничено в этой связи линией порогового значения. Такое действие графически (рис. 13.4, б) иллюстрируется следующим образом. Ребра в каждом слое цепи могут вращаться вокруг исходного шарнира и последовательно (в данном случае в порядке возрастания приращений параметра Dij ) замещать ребра минимальной (по параметру оптимизации) длины. Выполняя эту процедуру при построении графика поля чистых стратегий, мы получаем:

−верхнюю границу как максимальную сумму в случае накопления значений сочетаний;

−нижнюю границу при поочередной замене одного ребра вертикальной оси граф-дерева, на следующем шаге ось восстанавливается до прежней структуры и происходит подстановка следующего ребра с несколько худшим значением Dij.

330