Содержание к диссертации
Введение
Глава 1. Обзор современных методов и средств разработки, управления и оценки проектных решений в PLM-системах 19
1.1. Понятие процесса. Подходы к моделированию процессов 20
1.2. Обзор подходов к анализу бизнес-процессов 21
1.2.1. Функционально-стоимостный анализ (ФСА) 21
1.2.2. Activity Based Costing (ABC) 22
1.2.3. Вероятностный анализ 23
1.2.4. Оценка процессов по специфическому показателю 23
1.2.5. Многокритериальный анализ. 23
1.3. Проблемы оценки процессов конструкторско-технологической подготовки производства 24
1.4. Обзор технологий автоматизированного проектирования 25
1.4.1. 2D-проектирование 25
1.4.2. 3D-моделирование 26
1.4.3. Параметризация 27
1.4.4. Вариационное прямое моделирование 28
1.4.5. Сквозное проектирование 30
1.4.6. BIM-технология 31
1.5. Проблемы управления жизненным циклом продуктов 32
1.5.1. Электронный архив документации 33
1.5.2. Управление составом изделия 33
1.5.3. Интеграция с CAD/CAPP – системами 34
1.5.4. Workflow (управление потоком работ) 35
1.5.5. Управление НСИ 36
1.5.6. Управление процедурами качества 36
1.5.7. Управление техническими требованиями 37
1.5.8. Вторичное представление инженерных данных 37
1.5.9. Управление проектами 37
1.6. Обзор возможностей современных PLM-систем в плане управления процессами проектирования 38
1.6.1. Сравнение функционала программных продуктов различных вендоров 38
1.6.2. Сравнение подходов к разработке PLM-систем 39
1.7. Обзор подходов к организации процессов проектирования по методологии Concurrent Engineering 41
1.8. Обзор работ по оценке процессов проектирования по ряду различных нечисловых критериев 42
1.8.1. Обзор работ зарубежных ученых 42
1.8.2. Обзор работ российских ученых 44
1.8.3. Выводы по работам 46
1.9. Классификация методов оценки процессных моделей 48
1.10.Нечисловые характеристики проектируемых объектов 49
1.11.Выводы по Главе 1 51
Глава 2. Математическая модель и алгоритм оценки и улучшения проектных решений 53
2. Процессный подход к проектированию 53
2.1.1. Проектирование как последовательность проектных шагов 53
2.1.2. Связь показателей процесса и объекта проектирования 54
2.1.3. Анализ процессов проектирования в условиях расплывчатых исходных данных 56
2.2. Модель сущность-связь показателей бизнес-процесса 58
2.3. Формальная модель проектного решения 61
2.3.1. Формула проектного результата. Траектория достижения проектного результата 61
2.3.2. Проектная траектория и проектные решения 65
2.4. Математическая модель механизма оценки 67
2.4.1. Лингвистическая оценка проектных траекторий 67
2.4.2. Формальное представление математической модели механизма оценки 70
2.4.3. Интегральный показатель оценки процесса 71
2.4.4. Подбор проектных процедур 73
2.4.5. Сравнение полученного результата с исходными техническими требованиями. 80
2.5. Процедура улучшения процессов по лингвистическим показателям 82
2.6. Сравнение предлагаемой модели с существующими методами 86
2.7. Выводы по Главе 2 88
Глава 3. Компьютерное моделирование. Программная реализация . 90
3. Получение ER-модели из текста технических требований 90
3.1.1. Автоматизация построения ER-модели 90
3.1.2. Получение ER-модели показателей проектного решения 94
3.2. Проверка работоспособности модели на иллюстративном примере при помощи MatLab на примере процесса проектирования автомобильного генератора 96
3.2.1. Постановка задачи 96
3.2.2. Декомпозиция процесса проектирования 98
3.2.3. Присвоение оценки 100
3.2.4. Моделирование нечёткой системы оценок с помощью MatLab 101
3.2.5. Моделирование работы алгоритма улучшения 105
3.3. Моделирование и оценка действий пользователей в автоматизированном проектировании 109
3.3.1. ER-модель компетенций пользователя 109
3.3.2. Оценка проектных траекторий, выбранных пользователями 110
3.4. Программная реализация 117
3.4.1. Описание разработанного программного решения 117
3.4.2. Последовательность действий пользователя при работе с Модулем лингвистической оценки 119
3.5. Выводы по Главе 3 121
Глава 4. Применение основных результатов работы 123
4. Основные результаты 123
4.1. Применение основных результатов для конструкторского проектирования 123
4.1.1. Сокращение количества проектных шагов 125
4.1.2. Повышение вероятности выполнения технических требований. 131
4.1.3. Повышение степени соответствия проектного результата требованиям 133
4.2. Применение при внедрении PLM-системы 136
4.2.1. Необходимые исходные данные 136
4.2.2. Показатели процессов под управлением PLM-системы 137
4.2.3. Улучшение процессов в среде PLM 139
4.3. Выводы по Главе 4. 139
Заключение 141
Список литературы 145
- Проблемы оценки процессов конструкторско-технологической подготовки производства
- Обзор возможностей современных PLM-систем в плане управления процессами проектирования
- Анализ процессов проектирования в условиях расплывчатых исходных данных
- Проверка работоспособности модели на иллюстративном примере при помощи MatLab на примере процесса проектирования автомобильного генератора
Проблемы оценки процессов конструкторско-технологической подготовки производства
В дальнейшем направление Conucurrent Engineering развивалось такмим учеными как Shuichi Fukuda [2], Josip Stjepandi [3], Michael Sobolewsky, Cees Bil [4], Raymond Kolonay и другими.
С точки зрения компьютерной поддержки жизненного цикла и организации процесса подготовки производства по СЕ важным элементом является интегрированная разработка продукта. Под этим понятием подразумевается комплекс программно-аппаратных средств, включающий CAD (Computer-aided Design)/CAM (Computer-aided Monufacturing)/CAE (Computer-aided Engineering)/ CAPP (Computer-aided Production Planning)/PLM (Product Lifecycle Management) системы. Важно отметить необходимость интеграции между этими информационными системами, то есть общность информационной среды, форматов данных, инструментов, способов построения, модификации и использования моделей продукта.
При разработке продукта сегодня необходимо учитывать глобальную конкуренцию и риски, связанные с ней. Изделия должны не просто соответствовать техническим требованиям, а иметь конкурентные преимущества перед другими аналогичными изделиями, которые производятся по всему миру. В России это хорошо видно на примере автомобильной промышленности, когда отечественные производители компонентов не могут конкурировать с иностранными производителями, которые открывают здесь свои производства. Значительная часть компонентов отечественных автомобилей выпущена иностранными производителями. То же самое касается и авиационной промышленности: новые российские самолеты почти наполовину состоят из импортных деталей.
Это является следствием ущербной конкурентной стратегии отечественного производителя, которая направлена лишь на снижение себестоимости и не учитывает таких показателей как качество, надежность, эргономичность и т.п. [5] С другой стороны европейские и японские компании не стараются только сделать продукт как можно более дешевым, они концентрируются на создании конкурентных преимуществ.
С этой целью они принимают различные стратегии для организации своих бизнес-процессов, которые в том числе касаются и процессов проектирования, подготовки производства и производства.
Стратегии включают параллельный, совместный, конкурентный инжиниринг, проектирование, ориентированное на потребителя (Customer-oriented Product Design), проектирование, основанное на знаниях (Knowledge-Based Engineering KBE), бережливое проектирование (Lean Product Development) и другие.
Данные ветви представляют общие принципы организации процессов проектирования для решения своего круга задач, таких как снижение себестоимости, повышение потребительской привлекательности, получение конкурентных преимуществ и так далее [6].
Используя эти принципы, необходимо организовать процессы подготовки производства так, чтобы они давали компании конкурентные преимущества.
В современных публикациях по данной теме авторами выделяются способы получения конкурентных преимуществ, такие как: апгрейд методов разработки и производства; повышение нечисловых показателей. Эти понятия скорее относятся к разряду нечисловых показателей, их затруднительно измерить и подсчитать в явном четком виде.
Организацию процессов проектирования сегодня на себя берет PLM система. Именно от логики, заложенной в эту систему, будет зависеть выполнение бизнес-процесса. Поэтому необходимо, чтобы в PLM-систему были включены средства поддержки конкурентного инжиниринга. В таком случае можно говорить, что существует эффект от применения PLM-системы, обеспечивающий конкурентные преимущества, выживаемость и рентабельность предприятия.
В современных PLM-системах технические требования, числовые и нечисловые требования к проектируемому изделию, его геометрические и негеометрические данные не связаны между собой. Негеометрические данные связаны с такими важными показателями, как электрические параметры, потребительские свойства, возможности по утилизации и ремонту изделия. Они никак не учитываются в PLM-системах сегодня.
Применяемые проектные процедуры и процессы проектирования никак не оцениваются, также как и сами проектные решения. Имеется достаточно проблем в ходе проектной деятельности. В основном они касаются внесения изменений в уже сформированные проектные решения. Наиболее важная из них — невозможность определить, как вносимые изменения отразятся на итоговых показателях изделия с точки зрения множества показателей технических требований и насколько эти изменения оптимальны.
С точки зрения CAD-системы нечисловые показатели могут быть представлены как негеометрические данные. В разрезе узлов и блоков электронных устройств нечисловые показатели зависят от таких данных как электрические показатели, показатели назначения, надежности, устойчивости к воздействиям, показателей эргономичности, эстетичности, экологичности.
Обзор возможностей современных PLM-систем в плане управления процессами проектирования
Существуют научно-практические направления, определяющие стратегию организации бизнес процессов проектирования и подготовки производства. На их основе строятся конкретные отраслевые методики для решения проблем качества, конкуренции, повышения потребительского спроса. Данные направления активно разрабатываются, ежегодно публикуется множество статей во всем мире. Первоисточником же стала стратегия Concurrent Engineering.
Проектирование, ориентированное на потребителя (Customer-oriented Product Design). Это набор подходов, связывающий потребительские характеристики со свойствами изделия. При этом решается задача связывания нечетких потребительских предпочтений, таких как качество изделия, с четкими параметрами готовой продукции [49].
Проектирование, основанное на знаниях. Knowledge-Based Engineering (KBE). Это подход, основанный на использовании моделей знаний в проектировании. Он включает использование правил, эвристических подходов, элементов искусственного интеллекта. Системы проектирования, построенные с использованием KBE, имеют возможность не только проводить обычные проектные операции, но также сохранять опыт конструктора для повторного использования. Примером такой системы может служить Интегрированная инструментальная среда AITools (Похилько, Скворцов), Adaptive Modeling Language и AMSketcher (Technosoft, www.technosoft.com), CATIA KnowledgeWare module (Dassault Systems). Роль KBE с точки зрения систем управления жизненным циклом изделия гораздо более важна, так как знания о продукте дают более полную информацию, следовательно, такой процесс проектирования является более ценным. KBE поддерживает процессы принятие решений не только в инженерной области, но и в области маркетинга, управления, контроля и других бизнес-специфичных областях. Для использования KBE необходимо идентифицировать, сохранить, структурировать, формализовать и, затем, реализовать знание. Многие KBE платформы на деле поддерживают лишь реализацию уже заранее заготовленных знаний. Для выполнения перечисленных требований разработаны языки: Adaptive Modeling Language, General-purpose Declarative Language ("Gendl"). Сегодня KBE в основном остается на уровне научных разработок и применяется в рамках узко специализированных задач. До тех пор пока не будут разработаны средства эффективного сохранения знания, использование KBE будет требовать достаточно больших затрат времени.
Lean Product Development. Бережливое проектирование — это практический подход к ускорению процесса вывода на рынок с помощью намеренного агрессивного устранения неоправданных затрат при планировании, управлении ресурсами и проектированием, и коммуникациями между участниками процесса. Этот подход концентрируется на модификации процессов подготовки производства с целью устранения следующих потерь: дефектов, перепроизводства, ожидания, неиспользованных ресурсов с человеческих способностей, транспортировки, инструментов, перемещения, излишней обработки. Каждая из потерь рассматривается в отдельности, разрабатываются способы ее снижения или устранения [50]. На сегодня это один из самых популярных подходов к производству. [51]
За рубежом оценке бизнес-процессов уделяется большое внимание. Выживание и успешность компаний напрямую зависит от тех конкурентных преимуществ, которые они могут получить. Конкурентный инжиниринг (Concurrent Engineering) — научное направление, объединяющее проблематику улучшения бизнес-процессов — процессов проектирования, производства, логистики, маркетинга. Множество работ в этой области посвящено проблеме оценки бизнес-процессов. В частности у P. N. Sharratt и P. M. Choong [52] показана необходимость оценки процесса химического производства на стадии проектирования и предложена методика оценки рисков, которые возникают как влияние процесса на окружающую среду. В работе Diana S. Solomon и Kenneth F.D. Hughey [20] также показана необходимость и предложен метод поддержки принятия решения при анализе влияния процесса международных пассажирских авиаперевозок на окружающую среду в интернациональном правовом поле, когда законодательные требования многочисленны, а критерии явно не заданы. David Peidro, Josefa Mula, Ral Poler, Jos-Luis Verdegay [21] указывают на ограниченность и неточность результатов, которые можно получить, используя современные процессные модели и сопутствующие методы их анализа. В этой работе используются решения, основанные на аппарате нечетких множеств.
Необходимость всестороннего анализа процессов проектирования с целью лучшего понимания того, к чему приведет то или иное проектное решение также рассматривается в работе Xuan F Zha и Ram D Sriram «Интеллектуальная поддержка принятия решений в процессах проектирования» [22].
В процессе проектирования и производства сложных изделий, в таких отраслях как авиа- и автомобилестроение, где в состав изделия входят готовые продукты большого количества производителей, отдельный производитель, будь то даже большое предприятие по производству компонентов, уже не может рассматриваться как независимый элемент. Поэтому уже сегодня на предприятиях на территории России такие зарубежные компании как Ford, General Motors, Renault и отечественный АвтоВАЗ вводят требования к процессу технологической подготовки производства и к производственному процессу. Эти требования известны под именем стандарта ISO/TS 16949:2009 [53]. Взаимодействие производителей из какой-либо отрасли в виде интегрированной логистической цепочки также рассматривается в работе D. Peidro и J. Mula [21]. Требования к продукции и процессам при этом представлены в виде смысловых выражений и нечетких переменных. Для планирования и оптимизации данной цепочки используется математическая модель, основанная на аппарате нечеткой логики, которая помогает определить оптимальные и альтернативные планы.
Из анализа зарубежных источников сделан вывод: применение аппарата нечетких множеств является наиболее перспективным способом поиска решения. В рассматриваемой сфере происходит постоянная интеллектуализация.
Поиск в Электронной библиотеке диссертаций Российской государственной библиотеке показал отсутствие работ, направленных на анализ и оценку процессов подготовки производства с целью достижения конкурентных преимуществ. В Российской промышленности в основном используются методы, базирующиеся на разработках 80-х годов. Эти разработки основываются на математической статистике и четкой логике. Еще одним общим подходом для анализа и оценки по различным параметрам является линейная свертка, при которой интересующим параметрам назначаются некие весовые коэффициенты. Сюда же тесно привязывается задача оптимизации конструкций, параметров технических заданий и целей, при которой все сводится к минимизации некоторой целевой функции. Данные методы хорошо зарекомендовали себя применительно к типам производственных процессов советской и постсоветской экономических моделей.
Анализ процессов проектирования в условиях расплывчатых исходных данных
Существующие методы анализа бизнес-процессов не дают возможности проводить оценку по другим критериям, а необходимость в этом сегодня возрастает [57, 58]. В связи с этим стоит задача оценки продукта и процесса при условии, когда исходные данные и цели выражены нечеткими величинами. На практике нечеткость может означать множество вещей, в том числе расплывчатость цели, ожидания, прогнозы и даже вероятность наступления того или иного события. Человеку свойственно принимать решения, полагаясь на интуицию и опыт без каких-либо формализаций и уточнений этих данных. И эти решения редко оказываются неверными. Использование нечетких величин позволит ускорить принятие решения, исключит многие формальности из процессов. В ходе разработки проекта группа разработчиков может договориться между собой о значениях этих нечетких величин и общаться, используя словарь, о котором говорилось выше. Кроме того, постановка задач и целей в виде лингвистических переменных позволяет обеспечить настроенность группы на результат, облегчит коммуникацию, ведь в группу разработки могут входить специалисты разных областей, в том числе инженеры, дизайнеры, маркетологи, финансисты, архитекторы и т.д. Специалисты также могут говорить на разных языках. Для тех, кто не имеет специальных знаний в области инжиниринга, будет достаточно трудно найти общий язык и включиться в плотную работу. Однако нечеткие представления целей и исходных данных помогут преодолеть этот барьер.
Несмотря на «нечеткость» при использовании такого подхода для оценки продукта всегда можно быть уверенным в достоверности оценки, поскольку нечеткость всегда обозначает конкретный интервал допустимых значений, которые к тому же имеют некий индекс предпочтительности или характеристическую функцию.
И попадание в этот интервал всегда величина четкая, логическая, либо нуль, либо единица. При этом использование аппарата нечетких множеств дает несомненное преимущество: при наличии двух вариантов, с целевыми параметрами, имеющими различное значения, но попадающими в целевой интервал, всегда можно выбрать наиболее предпочтительный.
Еще одной предпосылкой использования нечетких чисел можно назвать принцип несоответствия Л. Заде. Поскольку современные проекты становятся все более сложными, объем инженерных данных и количество связей между ними возрастает столь значительно, что описать их в рамках классической теории множеств и математики затруднительно. Это происходит вследствие значительного количества переменных, а измерение и контроль отдельных параметров столь сложно, что создание адекватной модели практически невозможно [7].
С другой стороны аппарат нечеткой логики позволяет получать более простые и понятные человеку модели, плюс обеспечивает более «легкие» алгоритмы (с точки зрения объемов обрабатываемых данных, связей между данными и времени выполнения). Такая точка зрения позволит нам понимать, что в конечном итоге принесет та или иная модификация модели технического объекта, ведет ли она к улучшению. Можно решить и обратную задачу распознавания необходимых изменений для улучшения результатов. Если учесть также возможность оценки по критериям, не имеющим численного выражения принципиально (например, эргономичность, безопасность), то можно говорить о значительном шаге вперед в управлении инженерными данными и в моделировании технических объектов.
Изначально, когда объект еще не создан, он представляется человеком или группой разработчиков в виде образов. Для создания объекта необходимо получить его трехмерное представление с негеометрическими данными, называемыми атрибутами.
Геометрические параметры будущего представления рассчитываются исходя из параметров, не имеющих геометрического выражения. При этом только лишь геометрическое представление, даже трехмерное, будет неполным, если оно не несет информации о наименовании составных частей продукта, материале, из которого он изготовлен, электрических и механических свойствах. Такое представление никуда не годится. Это является причиной того, что до сих пор в технике и строительстве огромную роль играют чертежи. При этом основным конструкторским документом в большинстве случаев называют спецификацию. Наряду с ведомостями и картами, она является неотъемлемым элементом двухмерных и трехмерных представлений, это обеспечивает полноту информации. Для описания и формализации процесса получения такого целостностного представления необходимо целостностное представление исходных данных [59].
При этом исходная информация записывается в виде текста на естественном языке, называемого техническим заданием. В нем указываются целевые показатели, значения атрибутов. Для физических показателей обычно указывается либо конкретное значение, либо интервал значения. Однако есть масса показателей (целевых атрибутов), для которых такие значения не указываются, например эргономичность, безопасность, экологичность. Эти показатели просто не могут быть выражены реальными числами или интервалами, поскольку они слишком сложны. Однако человек всегда может отличить «экологичное», «стильное», «удобное». В каждом конкретном случае здесь понимается что-то свое. Вследствие этого данные показатели затруднительно формализовать. Но если подойти к таким показателям как к сложным, составным, представить их в виде некоторой сущности с атрибутами, то можно хранить их машинное представление.
Проверка работоспособности модели на иллюстративном примере при помощи MatLab на примере процесса проектирования автомобильного генератора
В результате дефаззификации общей оценки бизнес-процесса получено числовое значение 0,5. Если провести сравнение результатов, видно, что более высокое значение интегрального показателя M соответствует более высоким оценкам процесса.
Полученный в результате применения метода бизнес-процесс приблизительно на 70% совпадает с бизнес-процессом, описанном в стандарте [66] по наименованиям работ. Различия вызваны необходимостью соблюдать стандарт [67], а также адаптацией бизнес-процесса к особенностям функционирования в рамках PLM-системы. При этом предлагаемый интегральный показатель оценки процесса M позволяет находить более тонкие различия между моделями бизнес-процессов по сравнению с процедурами нечеткого вывода за счет точного числового значения.
В данном параграфе рассматривается применение разработанной модели к оценке компетенций пользователя систем автоматизированного проектирования на примере системы трехмерного моделирования КОМПАС-3D V14. Рис. 28 демонстрирует ER-модель компетенций пользователя. Все компетенции подразделяются на группы. При применении лингвистической оценки, такой декомпозиции вполне достаточно. Описанные компетенции в свою очередь состоят из компетенций более детального уровня. Для их оценки затруднительно использовать любой другой подход помимо лингвистического. Оценка компетенций пользователя необходима для понимания, какие преимущества дают те или иные компетенции, какой выигрыш в трудоемкости, и каким образом необходимо использовать наиболее компетентных сотрудников. Компетенции проявляются в шагах, которые совершает пользователь в процессе проектирования. Оценка компетенций пользователя проводится на примере проектирования корпуса блока (Рис. 29) и его сборки с другими деталями. подхода: с использованием 2D-моделирования и с использованием 3D-моделирования. Второй подход представлен в развернутом виде. Процесс проектирования представлен как последовательность действий. Рис. 31 показывает два варианта дерева построения. Оба приводят к одинаковому результату с точки зрения геометрических измерений. Но это два разных проектных решения, одно из которых соответствует более высоким компетенциям пользователя. Для оценки введем показатель «простота разработки» — величина, обратная трудоемкости. Он необходим для прямой логики оценки: чем больше, тем лучше. Рис. 32 задает словарь лингвистических переменных, как и в предыдущем примере (скриншот из окна MatLab).
Оценка компетенций будет проводиться исходя из того, какие конкурентные преимущества дает применение тех или иных навыков и знаний на практике
Для оценки пользователя предлагается ответить на следующие вопросы, проведя мониторинг рабочего времени и анализируя полученные файлы моделей и чертежей: 1. Насколько просто пользователю при использовании данной технологии справиться с заданием «с чистого листа»? 2. Насколько просто создать исполнение уже существующего проекта? 3. Насколько просто получить необходимый результат при вводе различных исходных данных в проект? 4. Насколько просто другому пользователю задействовать построения из проекта для получения своих результатов? Для присвоения оценки ключевым компетенциям вначале необходимо оценить составляющие компетенции. Для этого необходимы продукционные правила. Они выводятся из следующих рассуждений. Рассмотрим несколько случаев: 1. Все компетенции ОН (здесь и далее применяются следующие сокращения: ОВ – очень высокое, В – высокое, С – среднее, Н – низкое, ОН – очень низкое). Итоговая компетенция в 3D-моделировании также 2. Все компетенции ОВ. Итоговая компетенция ОВ. 3. Компетенции по твердотельному, поверхностному и тонколистовому моделированию высокие, а по прямому моделированию и анализу методом конечных элементов — ОН. Поскольку две последних компетенции являются дополнительным, «повышающими», предлагается оценить такого пользователя термом В. 4. Случай аналогичный 3, за исключением поверхностного моделирования. Такой пользователь оценивается как средний. 5. Пользователь знает только твердотельное моделирование. Компетенции такого пользователя оцениваются термом Н.
Таблица 18 представляет эти рассуждения. Конечно, эти правила будут справедливы для указанного случая — примера по разработке блока. Для других ситуаций должны быть сформированы другие правила. Лишь рассмотрение множества случаев и примеров позволит разработать достаточно справедливые продукционные правила. пользователя необходимо больше продукционных правил. Они воплощают случаи различных исходных данных. Пример таких правил приведен на Рис. 33. Данные правила заносятся в систему MatLab, по ним вычисляется итоговая оценка компетенций пользователя в 3D моделировании. Получаемое значение итоговой оценки вычисляется по правилам минимума.
