книги / Управление большими системами. УБС-2017

Информационные технологии в управлении техническими

Управление большими системами. Выпуск XX

системами и технологическими процессами

мых при установке реверсивного прокатного стана. ГП – горячекатаный прокат (предыдущая стадия обработки рулонов), СГКР

– склад горячекатаных рулонов, Травление – момент распределения рулонов по непрерывным травильным агрегатам (возле соответствующего агрегата подписан процент рулонов, следующих к данному агрегату), НТА-1 и НТА-2 – непрерывные травильные агрегаты, СТР – склад травленых рулонов, 5КС – пятиклетевой стан непрерывного холоднокатаного проката, СХКР – склад холоднокатаных рулонов, КП – колпаковые печи, Дрессировка – момент распределения рулонов между дрессировочными станами, ДС-1 и ДС-2 – дрессировочные станы.

При построении модели можно сразу заложить, какие величины в схеме могут изменяться (в процессе поиска оптимальности загрузки агрегатов), а также можно установить зависимости между изменяемыми величинами. В качестве искомой величины можно заложить процент заготовок, который будет направлен к определенному агрегату среди аналогичных. В качестве примера можно рассмотреть оцинкование металла на одном из агрегатов непрерывного горячего цинкования (АНГЦ-1, АНГЦ-3, АНГЦ-5) после обработки рулона на стане холоднокатаного проката. Данные агрегаты расположены так, что для доставки к ним стали будет использоваться различный транспорт, который может быть загружен также рулонами, перемещаемой с иными целями. Поэтому невозможно сразу сказать, какой процент рулонов должен направляться к каждому из агрегатов. С целью поиска процентов рулонов, направляемых к каждому из агрегатов, в модели можно ввести переменные, которые впоследствии будут программно изменяться для получения новых моделей, проверяемых с использованием симуляции на соответствие требованиям Производства. При этом можно учесть взаимозависимость между переменными. Например, если 100 % рулонов должны пройти обработку на агрегатах непрерывного горячего цинкования, то на первый агрегат может пойти 1 процентов рулонов, где 1 может изменяться от 0 до 100, на другой агрегат может пойти 2 процентов рулонов, где 2 может изменяться от 0 до 100 − 1, а на оставшийся

Управление большими системами Выпуск 88

агрегат должно пойти 100 − 1 − 2 процентов рулонов (рис. 2).

Рис. 2. Настройка переменных, отвечающих за распределение рулонов по взаимозаменяемым агрегатам

Чтобы поиск произошел максимально быстро, можно задать начальные значения для каждой из переменных, исходя из опыта компетентного сотрудника. Дальнейшие операции по вычислению оптимальных значений будут происходить автоматически. Так как модель не позволяет направленно искать оптимальные значения переменных (например, с использованием градиентов), то наиболее приемлемым способом будет нахождение значений переменных с использованием метода оптимизации “покоординатный спуск” [2], где на каждой итерации будет искаться значение одной из всех переменных, которое обеспечивает оптимальный план загрузки агрегатов относительно других значений этой же переменной.

Так как речь идет об оптимизации, то необходимо сформировать целевую функцию, значение которой должно в итоге быть оптимальным относительно значений при остальных исследуемых значениях переменных модели. Невозможно сформировать универсальную целевую функцию для всех возможных производств, потому можно лишь сформулировать подход к формированию данной функции. Выходные параметры, которые можно использовать в качестве части целевой функции, – величины статистики, которые позволяет получить среда GPSS по результатам

Информационные технологии в управлении техническими

системами и технологическими процессами

моделирования [3]:

∙загруженность агрегата (доля времени, когда агрегат занят обработкой заготовок);

∙доступность агрегата (доля времени, когда агрегат был доступен);

∙среднее количество заготовок в очереди (на складе);

∙пиковое (максимальное) количество заготовок в очереди (на складе);

∙среднее время пребывания заготовки в очереди (на складе).

При исследовании данных параметров в зависимости от конкретной ситуации можно стремиться к достижению различных целей. Например, при наличии альтернативных агрегатов можно стремиться максимально загрузить один из агрегатов, при этом максимально разгрузив остальные, чтобы их можно было периодически выключать. Перегрузки склада бывают возможными, если рядом есть место, которое временно можно занять, а бывают ситуации, когда за пределы склада выйти невозможно. Среднее время пребывания на складе может быть критично, когда технологический процесс ограничивает пребывание заготовки между агрегатами.

Исходя из всех подобных соображений специалист может собрать целевую функцию из нежелательных исходов, которую впоследствии можно минимизировать. Например, за пиковое превышение количества заготовок на складе может быть назначен штраф в 1 единицу за каждую заготовку, а за превышения среднего количества заготовок на складе – 10 единиц за каждую заготовку. Штрафы должны быть предусмотрены для каждого склада и каждой единицы оборудования на производстве. В результате будет собрана целевая функция из штрафов:

Управление большими системами Выпуск 88

где – количество заготовок, нарушающих регламент по складу ; – коэффициент, указывающий величину штрафа за нарушение одной заготовкой соответствующего регламента по соответствующему складу; – количество заготовок, нарушающих регламент по агрегату ; – коэффициент, указывающий величину штрафа за нарушение одной заготовкой соответствующего регламента по соответствующему агрегату.

Соответственно, чем меньшее значение принимает целевая функция F (функция штрафов), тем меньше нарушений получается в результате симуляции производства по модели. Если возможно получить модель, которая даст нулевое значение целевой функции F, то данную модель можно будет считать оптимальной, а распределение маршрутов движения заготовок по Производству

– соответствующим требованиям к производственному процессу. Сама целевая функция должна быть построена для каждого случая индивидуально компетентным специалистом.

Использование оптимизации на основе имитационной модели выгодно использовать, когда сложно построить аналитическую модель производственного процесса из-за сложности видов распределения времени обработки заготовок на агрегатах, времени хранения на складах, времени транспортировки между агрегатами, как в случае Производства холоднокатаного проката [1]. Использование имитационной модели позволяет быстро построить модель производства на основе эмпирических данных о производстве, которые могли быть собраны ранее. В этом случае можно использовать распределения, представленные гистограммами, описывающими любое распределение с требуемой точностью. Использование данных о предыдущих периодах времени для построения модели позволит произвести симуляцию производственного процесса, если в него вводятся какие-нибудь изменения, в частности, ввод в эксплуатацию новой единицы оборудования. В этом случае актуальна задача нахождения оптимального распределения металла по маршрутам, так как могут появиться новые маршруты с изначально нулевым распределением на них количеством изделий.

Информационные технологии в управлении техническими

системами и технологическими процессами

3. Результаты

Была разработана программа, позволяющая с использованием графического интерфейса построить схему производственного процесса, а также настроить параметры всех агрегатов и складов, участвующих в производстве. Используя введенные данные, программа строит модель GPSS, которая впоследствии может быть запущена в интерпретаторе кода GPSS, где произойдет симуляция производственного процесса и будут получены результаты симуляции в виде статистики по агрегатам и складам. Разработан подход к программному поиску параметров распределения заготовок между альтернативными агрегатами с целью получения такого распределения, при котором производственный процесс будет максимально соответствовать требованиям, определенным компетентным сотрудником.

Литература

1.КАЧАНОВСКИЙ Ю.П. Использование имитационного моделирования для определения основных характеристик загруженности производственного цеха / Ю.П. Качановский, А.С. Широков // Вести высших учебных заведений Черноземья. – 2017. – № 1. – С. 66-72.

2.ПАНТЕЛЕЕВ А.В. Методы оптимизации в примерах и задачах : Учеб. пособие / А.В. Пантелеев, Т.А. Летова. – 2-е изд., исправл. – М.: Высш. шк., – 2005. – 544 с.

3.ТОМАШЕВСКИЙ В.Н. Имитационное моделирование в среде GPSS / В.Н. Томашевский, Е.Г. Жданова. – М.:Бестселлер, – 2003. – 416 с.

4.ШИРОКОВ А.С. Алгоритм оптимизации выбора маршрутов для обработки продукции на производстве с использованием имитационного моделирования // Новые информационные технологии в науке: сборник статей Международной научно-практической конференции (18 апреля 2017 г., г. Уфа). В 3 ч. Ч.3 – Уфа: МЦИИ ОМЕГА САЙНС,

– 2017. – С. 146-149.

Управление большими системами Выпуск 88

5.ШИРОКОВ А.С. Планирование производительности цеха в условиях изменения производственных мощностей на примере ПХПП НЛМК // Актуальные проблемы естественных наук и их преподавания: материалы областного профильного семинара “Школа молодых ученых” по проблемам естественных наук. – Липецк: ЛГПУ, – 2015. – С. 191-196.

ADJUSTMENT OF THE UTILIZATION PLAN OF THE INDUSTRIAL UNITS IN DEPENDING ON CHANGING PRODUCTION CAPACITIES ON THE BASIS OF SIMULATION MODELING

Andrew Shirokov, Lipetsk State Technical University, Lipetsk, graduate student (shirokov@mail.ru).

Abstract: In work the general approaches to use of simulation modeling in the GPSS environment for finding of optimum distribution of the procurements movement along alternative routes on production in case of the new equipment or change of performance of existing equipments are provided. The interface of the program allowing from the traffic pattern of procurements and the configured processing settings on each of units to receive a simulation model is represented. Approaches to forming of target function for receiving optimum distribution of the movement of procurements along alternative routes are given.

Keywords: simulation modeling, rolling production, optimization.