Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

МУЛЬТИАГЕНТНЫЙ МЕТОД ПОСТРОЕНИЯ СМЕННО-СУТОЧНЫХ ЗАДАНИЙ ДЛЯ ЗАДАЧИ ПЛАНИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ РЕСУРСОВ В РЕАЛЬНОМ ВРЕМЕНИ


https://doi.org/10.31799/1684-8853-2018-5-112-119

Полный текст:


Аннотация

Постановка проблемы: задача согласованного управления производственными ресурсами предприятий, производящих электротехническую продукцию – комплексная проблема, обладающая высоким уровнем сложности ввиду разнообразия типов используемых ресурсов, зависимости производственных процессов от множества факторов и условий. Традиционные методы планирования для решения этой проблемы оказываются недостаточно эффективными. Цель исследования: на основе мультиагентного подхода разработать метод оперативного планирования производства электротехнического оборудования. Результаты: разработан мультиагентный метод построения сменно-суточных заданий для планирования производственных ресурсов предприятия, производящего электротехническую продукцию, на основе онтологии предметной области, заданных критериев, предпочтений и ограничений. Заказы состоят из связанных операций, описываемых технологическими картами. В итерационном процессе обмена сообщениями агенты планировщика улучшают текущие значения критериев равномерности загрузки и минимизации времени выполнения для построения сменно-суточных заданий. Разработанный метод планирования производственных ресурсов позволяет строить расписания выполнения связанных операций в системе ресурсов по событиям реального времени. При выполнении пула заказов на предприятии ООО «ПК «Электрум» (г. Самара) была обеспечена равномерность загрузки оборудования и исполнителей, а также снижено на 10% количество задержек выполнения заказов. Практическая значимость: система, разработанная на основе предлагаемого метода, может работать автономно или совместно с имеющейся системой складского учета материалов и готовой продукции. Подход не ограничен рамками описанной предметной области и применим в других отраслях, требующих решения аналогичных производственных задач. Ожидается получение экономического эффекта за счет снижения простоев производственных ресурсов и повышения показателей их эффективности.


Об авторах

А. Н. Лада
ООО «Научно-производственная компания «Интеллектуальные Транспортные Системы»; Институт проблем управления сложными системами РАН
Россия

Лада Александр Николаевич - руководитель проекта, генеральный директор ООО «НПК «Интеллектуальные Транспортные Системы». В 2006 году окончил Самарский государственный технический университет по специальности «Прикладная математика и информатика».  Является автором 30 научных публикаций. 

Область научных интересов — мультиагентные технологии для создания интеллектуальных систем управления ресурсами в реальном времени, использующих принципы самоорганизации и эволюции.

Московское шоссе, 17, Самара, 443013, Самара; Садовая ул., 61, Самара, 443020.



И. В. Майоров
Институт проблем управления сложными системами РАН
Россия

Майоров Игорь Владимирович – аналитик, руководитель отдела разработки математических моделей, методов и алгоритмов ООО «НПК  «Разумные решения». В 1989 году окончил физический факультет Куйбышевского государственного университета по специальности «Физика».  В 2017 году защитил диссертацию на соискание ученой степени кандидата технических наук. Является автором более 40 научных публикаций.

Область интересов — системы искусственного интеллекта, мультиагентные системы, теория оптимизации, дискретная математика.

Садовая ул., 61, Самара, 443020.



Список литературы

1. Framinan J. M., Leisten R., García R. R. Manufacturing scheduling systems: an integrated view on models, methods and tools. London, Springer. 2014. 400 p.

2. Leung J. Y. T. (ed.). Handbook of scheduling: algorithms, models, and performance analysis. CRC Press. 2004, 1216 p.

3. Pinedo M., Zacharias C., Zhu N. Scheduling in the service industries: an overview //Journal of systems science and systems engineering. 2015. Vol. 24. № 1. P. 1–48.

4. Sule D. R. Production planning and industrial scheduling: examples, case studies and applications. CRC press. 2007, 560 p.

5. Pinedo M. Scheduling. Theory, algorithms, and systems. Springer. 2016, 676 p.

6. Chapman S. N. The fundamentals of production planning and control. Prentice Hall. 2006, 272 p.

7. Driessel R., Mönch L. Variable neighborhood search approaches for scheduling jobs on parallel machines with sequence-dependent setup times, precedence constraints, and ready times // Computers & industrial engineering. 2011, vol. 61, № 2, pp. 336–345.

8. Mehrabi M. G., Ulsoy A. G., Koren Y. Reconfigurable manufacturing systems: key to future manufacturing // Journal of intelligent manufacturing. 2000, vol. 11, № 4, pp. 403–419.

9. Лазарев А. А., Гафаров Е. Р. Теория расписаний. Задачи и алгоритмы. М.: Физический факультет МГУ, 2011. 222 c.

10. Wooldridge M. An introduction to multiagent systems. John Wiley & Sons. 2009, 484 p.

11. Jennings N. R., Wooldridge M. J. (ed.). Agent technology: foundations, applications, and markets. Springer Science & Business Media. 2012, 325 p.

12. Meisels A. Distributed search by constrained agents: algorithms, performance, communication. Springer Science & Business Media. 2008, 216 p.

13. Виттих В. А., Моисеева Т. В., Скобелев П. О. Принятие решений на основе консенсуса с применением мультиагентных технологий // Онтология проектирования. 2013. № 2 (8). С. 20–25.

14. Скобелев П. О. Интеллектуальные системы управления ресурсами в реальном времени: принципы разработки, опыт промышленных внедрений и перспективы развития // Приложение к теоретическому и прикладному научно-техническому журналу «Информационные технологии. 2013. № 1. С. 1–32.

15. Skobelev P., et al. Practical approach and multi-agent platform for designing real time adaptive scheduling systems // Proceedings of the XII International Conference on Practical Applications of Agents and Multi-Agent Systems (PAAMS 2014), 4–6 June, 2014, Salamanca, Spain. CCIS 0430. Spinger. 2014, pp. 1–12.

16. Skobelev P. Systems for real time adaptive resource management. In industrial agents: emerging applications of software agents in industry. Paulo Leitão, Stamatis Karnouskos (ed.). Elsevier. 2015, pp. 207–230.

17. Skobelev P. O., Lakhin O. I., Polnikov A. S., Simonova E. V. Approach to the solution of aerospace product lifecycle management problem based on network-centric principles // V. Marik, et al. (eds). Proceedings of the 7th International Conference on Industrial Applications of Holonic and Multi-Agent Systems (Holo-MAS’2015), September 2–4, 2015, Valencia, Spain. LNAI 9266. Springer. 2015, pp. 169–178. doi:10.1007/978-3-319-22867-9_15

18. Скобелев П. О. и др. Оперативное управление ресурсами цехов предприятий на основе мультиагентного подхода // Труды XIX Международной конференции «Проблемы управления и моделирования в сложных системах», Самара, 12–15 сентября 2017 г. Самара: ОФОРТ, 2017. С. 474–485.

19. Rzevski G., Skobelev P. Managing complexity. Wit Press, 2014. 216 p.

20. Baclawski K., et al. Коммюнике Онтологического Саммита 2017 — Искусственный интеллект, машинное обучение, логический вывод и онтологии // Онтология проектирования. 2017. Т. 7. № 2(24). С. 227–238.


Дополнительные файлы

Для цитирования: Лада А.Н., Майоров И.В. МУЛЬТИАГЕНТНЫЙ МЕТОД ПОСТРОЕНИЯ СМЕННО-СУТОЧНЫХ ЗАДАНИЙ ДЛЯ ЗАДАЧИ ПЛАНИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ РЕСУРСОВ В РЕАЛЬНОМ ВРЕМЕНИ. Информационно-управляющие системы. 2018;(5):112-119. https://doi.org/10.31799/1684-8853-2018-5-112-119

For citation: Lada A.N., Mayorov I.V. MULTI-AGENT METHOD OF CONSTRUCTING DAILY-SHIFT SCHEDULE FOR REAL-TIME INDUSTRIAL RESOURCE MANAGEMENT. Information and Control Systems. 2018;(5):112-119. (In Russ.) https://doi.org/10.31799/1684-8853-2018-5-112-119

Просмотров: 69


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-8853 (Print)
ISSN 2541-8610 (Online)