Содержание к диссертации
Введение
1. Анализ методов и моделей управления материальными потоками в системе управления материально-техническим снабжением 9
1.1. Анализ проблем управления материальными потоками в системе управления материально-техническим снабжением 9
1.2. Системный анализ задач автоматизации управления материальными потоками 14
1.3. Анализ программных технологий формирования стратегий управления материальными потоками 26
1.4. Методы и модели анализа эффективности системы управления материальными потоками 30
1.4.1. Методы прогнозирования временных рядов в системе управления материальными потоками 37
1.4.2. Модели нестационарных трендов и сглаживание 40
1.5. Методы статистической обработки имитационного эксперимента планирования и управления материальными потоками 42
Выводы по главе 1 45
2. Разработка формальных методов и моделей динамического перераспределения материальных потоков 46
2.1. Формализованное описание процессов управления материальными потоками 46
2.1.1. Основные конструкции и операции над процессами 46
2.1.2. Система, объекты и механизмы задания случайного процесса 52
2.1.3. Алгоритмическая модель процесса управления материальными потоками 54
2.3. Разработка рекуррентных моделей хранения и запасов 74
Выводы по главе 2 78
3. Разработка управляемых имитационных моделей оптимизации распределения материальных потоков 79
3.1. Подходы к построению имитационных моделей 79
3.2. Особенности построения сложных гибридных систем на основе имитационного моделирования 87
3.3. Моделирование поведения системы управления материальными потоками на основе интеграции эволюционных методов и имитационных моделей различной точности 93
3.4. Задача оптимального управления потоком в сети 97
3.5. Генетический алгоритм для задачи оптимального управления материальными потоками 108
Выводы по главе 3 120
4. Программная реализация имитационной модели функционирования пто и алгоритмов управления материальными потоками 121
4.1. Реализация моделирующего алгоритма сканирующего типа 121
4.2. Линейная модель реализации алгоритма управляемого имитационного эксперимента 125
4.3. Оценка вычислительной эффективности алгоритма управления 128
4.4. Анализ чувствительности критерия эффективности к аннуитетам и расчет вероятностных характеристик 129
Выводы по главе 4 140
Заключение 141
Литература 142
Приложение. Документы о внедрении и использовании результатов работы 154
- Анализ проблем управления материальными потоками в системе управления материально-техническим снабжением
- Основные конструкции и операции над процессами
- Подходы к построению имитационных моделей
- Реализация моделирующего алгоритма сканирующего типа
Введение к работе
Современное производство представляет сложный процесс, требующий постоянного и своевременного обеспечения средствами производства (сырьем, материалами, топливом, электро- и теплоэнергией, машинами и оборудованием), необходимыми для изготовления продукции, оказании услуг или выполнения других работ. Для бесперебойного функционирования производства необходимо хорошо налаженное материально-техническое обеспечение, которое на предприятиях осуществляется через органы материально-технического снабжения. Главной задачей органов снабжения предприятия является рациональное обеспечение производства необходимыми материальными ресурсами соответствующей комплектности и качества, что ставит вопросы оптимизации стратегии управления материальными потоками, и в свою очередь определяет актуальность диссертационной работы, направленной на автоматизацию и оптимизацию управления материальными потоками в подсистеме материально-технического снабжения.
Целью работы является повышение эффективности системы управления материально-техническим снабжением за счет автоматизации процесса мониторинга и использования робастных методов прогнозирования и управления материальными потоками.
Для достижения данной цели в работе поставлены и решены следующие задачи:
Анализ проблем управления материальными потоками в системе управления материально-техническим снабжением
Одной из главных задач любого производственного предприятия является получение прибыли за счет снижения расходов и/или увеличения доходов. На производственных предприятиях это связано с четким планированием и предсказанием спроса на производимую продукцию и планированием производственных мощностей предприятия. Для достижения максимального эффекта оба этих параметра должны быть сбалансированы.
Производственные предприятия не являются предприятиями полного цикла, а зависят от поставщиков, которые должны изготовить и поставить компоненты используемые в производстве. Моделирование и оптимизации поставок, является одним из основных современных направлений, которые предприятия используют для своего совершенствования в области продаж и производства. Работа в этой области приносит довольно существенные результаты уже на протяжении 20 лет.
Не смотря на то, что уже много что достигнуто, современное развитие информационных технологий позволяет значительно улучшить управление запасами, за счет сведения к минимуму времени принятия управляющих решений.
Постоянно меняющееся положение рынка, требует от предприятий принятия быстрого решения об объеме производимой продукции. В свою очередь этот объем зависит от производственных мощностей, которыми это предприятие обладает.
При планировании поставок, основной проблемой является координация партнеров предприятия. Это необходимо для того, чтобы произвести заданное количество продукции в заданный промежуток времени.
Принятой современной практикой решения проблем координации, является разработка соответствующего программного обеспечения, которое позволит произвести оценку правильности выбранного плана производства. Для производства какой-либо продукции необходимо создавать сеть поставщиков. При этом возникает проблема обеспечения взаимодействия между поставщиками, покупателями и производителями. Этот процесс и представляет управление производственными запасами-.
Основным предметом деятельности производственного предприятия является производство и сбыт продукции. Необходимо наладить процесс поставок компонентов, участвующих в производственном процессе (сырье) и своевременно реагировать на запросы покупателей, для которых производственная фирма является поставщиком.
Интерес к системам управления запасами является результатом пересечения двух тенденций.
Менеджеры ищут модели и бизнес-процессы для поддержки принятия решений, основанных на фактах, и управления поставками.
Принятие решений основанное на фактах базируется на разработке, проверке и применении моделей построенных на данных для анализа проблем управления запасами. В силу развития информационных технологий, принятие решений основанное на фактах стало возможно и необходимо. Это возможно, потому, что системы управления базами данных существуют во многих компаниях и происходит постоянное улучшение гибкости и функциональности. Это необходимо, потому, что фирмы которые не системы управления данными предприятия создавая и используя модели обнаруживают, что несут большие убытки. Новые бизнес процессы нуждаются в исследовании и использовании, обеспечиваемом этими моделями.
Менеджеры ищут пути интеграции решений на все функции системы управления поставками, на все географически распределенные предприятия в течении все жизненного цикла.
Сущность управления производственными запасами, основанного на фактах, есть интеграционное планирование, которое имеет три важных аспекта.
Первый аспект это функциональная интеграция, включающая решения о снабжении, производстве и распространении как внутри компании, так и между компанией и ее покупателями и поставщиками.
Второй аспект это географическая интеграция указанных выше функций между физически удаленными предприятиями на одном или более континентах.
Третий аспект - это меж временная интеграция стратегии, тактики и операционных решения по управлению поставками.
Стратегическое планирование направлено на обладание ресурсами, тактическое планирование связано с распределением ресурсов и усовершенствованием, операционное планирование связано с исполнением.
Модели положенные в основу легких в использовании систем моделирования, необходимы для поддержки интегрированного принятия решений. Эти системы состоят из описательных систем и моделей оптимизации. Описательные системы, такие как прогноз продаж или расчет прямой или косвенной стоимости производства, используются для создания базы данных контроля цепочек поставок и являются исходной информацией для моделей оптимизации.
Модели оптимизации позволяют менеджерам исследовать область возможных решений и ограничений для определения эффективных планов. Строгие оптимизационные модели базирующиеся на методах линейного и целочисленного программирования являются аналитическим инструментом, способным распутать сложные взаимосвязи, делают процесс контроля поставок сложным и важным.
Основные конструкции и операции над процессами
Под функционированием системы понимается процесс изменения ее состояния во времени. В данном разделе рассматривается вопросы формализованного описания процессов с учетом того, что система имеет высокую размерность, разделяется на множество объектов, различным способом связанных между собой, руководствуется сложными алгоритмами, описывающими переход из одного состояния в другое. !
Итак, пусть система есть множество параметров Q = \ql }"=l, где ql некоторый параметр. Каждый параметр q\ принимает множество значений, обозначаемое в дальнейшем как а(д,). Тогда определим состояние процесса = q{,q{,—,qi —,qi , где єа( ). Очевидно, что в этом случае . j пространство состояний системы S=IJa(qJ. Таким образом, пространство состояний системы относится к координатному типу, поскольку натянуто на систему координат Q.
Подпроцесс есть плотное подмножество процесса Z на интервале времени [t\\ tj]. Понятие подпроцесса позволяет рассматривать процесс в виде некоторой последовательности подпроцессов.
Введем ряд операций над процессами с тем, чтобы обеспечить корректность описаний функционирования как системы в целом, так и ее компонент. Процесс Zi= 5i, Ті, F\, oci является сверткой процесса Z, если он получен в результате следующих преобразований: а) произведено полное разбиение интервала определения процесса Z на п подинтервалов [tj, Xj+i], где j=l..n, причем Xi=tn, тп+і= . Тогда мы получим разбиение процесса Zна п подпроцессов ZJ (j=l..n); б) поставим в соответствие каждому подпроцессу ZJ одно значение состояния s{ из множества Sj и одно значение времени BJ из интервала [TJ, ij+i]. В результате получим дискретное множество Tx={pJ]]=x, график Fx ={ pJ,s( }"=1, отношение а}са. Таким образом, получим новый процесс Zb который и называется сверткой процесса Z. Очевидно, процесс Z\ дискретен во времени. Никаких ограничений на характер пространства состояний S\ не накладывается. Однако на практике при проведении операции свертки пространство S\, как правило, оказывается значительно меньшей мощности, чем исходное пространство S.
Не следует смешивать отношение сцепления и зависимости. Так, если От— 0\ и 9j— (3к, то вовсе не обязательно, чтобы От- 0 . Таким образом, отношение сцепления не является транзитивным.
Если к отношению сцепления добавить полное транзитивное замыкание, то получим отношение зависимости. Т.е. если Oi зависит от Om, a Ok зависит от Оь то Ok зависит и от От. Таким образом, отношение сцепления можно определить как отношение непосредственной зависимости.
Задание процесса в виде единого оператора (2.4), как правило, либо затруднительно, либо невозможно. Рассмотрим некоторый дискретный во времени процесс Z. Пространство состояний S может быть как непрерывным, так и дискретным. Поставим в соответствие каждой і-ой точке процесса (момент времени изменения состояния tj) некоторый оператор /ггс. Оператор hi вычисляет значение состояния s{ є S в момент времени t;. Si=hf(Ai,ti,a). (2.9) Оператор /г(с описывает вычисление только і-й точки процесса Z. В силу этого условия будем в дальнейшем называть этот оператор элементарным. Таким образом, если график процесса содержит п точек, то мы должны задать линейную последовательность элементарных операторов: h\,h\...,hci,...hcn. (2.10) Введем новый элемент модели - инициатор. Первоначально будем полагать, что инициатор - это объект, обладающий следующими свойствами: а) независимостью: может существовать- самостоятельно без операторов; б) динамичностью: инициатор имеет возможность перемещаться- от оператора к оператору; будем называть попадание инициатора на оператор сцеплением инициатора с элементарным оператором; в) инициативностью: в момент сцепления инициатора с оператором происходит выполнение элементарного оператора, что соответствует вычислению нового состояния процесса. Будем в дальнейшем полагать, что выполнение элементарного оператора происходит мгновенно. Это ограничение не сужает применимости предлагаемой модели, поскольку, если необходимо описать процесс, где вычисление нового состояния требует затрат реального времени, то можно ввести два элементарных оператора, ограничивающих начальный и конечный момент времени интервала вычислений. Таким образом, описание-процесса может быть выполнено путем задания линейной последовательности операторов {№] и перемещения по этой последовательности инициатора /, сцепляющегося с элементарными операторами hf в заданные моменты времени t\ изменения состояния процесса.
Подходы к построению имитационных моделей
Существуют три вида моделирования в зависимоси от способо изменения значений состояний системы: дискретное - значения изменяются скачкообразно; непрерывное - значения изменяются непрерывно; дискретно-непрерывное - значения изменяются непрерывно, но иногда происходят скачки, или часть переменных состояния изменяется скачкообразно, а часть - непрерывно.
Целью дискретного имитационного моделирования является воспроизведение взаимодействий, в которых участвуют компоненты, а также изучение поведения и функциональных возможностей исследуемой системы. Для этого выделяются состояния системы и описываются действия, которые переводят ее из одного состояния в другое состояние. При дискретной имитации состояние системы может меняться только в моменты совершения событий. Поэтому полный «динамический портрет» состояний системы может быть получен путем продвижения имитационного времени от одного события к другому. В большинстве языков дискретной имитации используется механизм продвижения времени, основанный на поиске очередного ближайшего события. Функционирование дискретной имитационной модели можно задать одним из трех способов: 1) фиксируются изменения состояния системы, происходящие в момент совершения событий; 2) описываются действия, в которых принимают участие элементы системы; 3) описывается процесс, через который проходят элементы системы.
При событийном подходе исследователь описывает события, которые могут изменять состояние системы, и определяет логические взаимосвязи между ними. Имитация происходит путем выбора из; списка будущих событий-ближайшего по-времени и-его выполнения. Выполнение события приводит к изменению состояния системы и генерации будущих событий, логически связанных с выполняемым. Эти события заносятся в список будущих событий и упорядочиваются в нем по времени» наступления. В событийных системах модельное время фиксируется только, в- моменты изменения состояний.
При использовании подхода сканирования активностей разработчик описывает все действия, в которых принимают участие элементы системы, и задает условия, определяющие начало и завершение действий. После каждого продвижения имитационного времени условия всех возможных действий проверяются и если условие выполняется, то происходит имитация соответствующего действия. Выполнение действия приводит к изменению состояния системы и возможности выполнения новых действий.
В процессно-ориентированном подходе исследователь, описывает последовательность компонентов модели, которые возникают по определенной схеме. Логика возникновения определенных компонентов задается одним оператором языка. Имитатор моделирует процесс продвижения активных элементов1 через систему и представляет собой некоторую последовательность событий. Процессно-ориентированный подход сочетает в себе элементы событийного подхода и подхода сканирования активностей.
Поскольку имитационная модель — это программа, выполняемая на ЭВМ, то при ее создании этап программирования является одним из основных этапов. Он может быть реализован с помощью следующих типов инструментальных средств: 1. Универсальные алгоритмические языки программирования, такие как Паскаль, C++, Фортран, PL/1, Ада и др. Программист имеет здесь практически неограниченные возможности по созданию эффективной имитационной модели (ИМ), наилучшим образом использующей ресурсы ЭВМ, особенности операционной системы, обладающей высоким быстродействием и т.д. Однако создание ИМ таким способом требует больших трудозатрат, работы программистов высокой квалификации, взаимодействия специалистов различного профиля (системных программистов, экспертов проблемной области, исследователей и др.). Имитационная модель получается узко направленной на решение конкретной задачи и, как правило, не может быть использована для других приложений. 2. Специализированные языки моделирования. Примерами языков, реализующих событийный подход служат SLAM II, GASP IV, SIMASCRIPT И, ЫСИМПАК, СИМКОМ и др. Языки CSL, DRAFT, HOCUS, HEADLANDS реализуют подход сканирования активностей. Среди процессно ориентированных языков, наиболее часто употребляются такие как GPSS, SLAM II, СИМУЛА, SOL, Q-GERT, SIMAN, PAWS, QNAR. Написанная на таком языке программа работает так же, как несколько программ на языке, ориентированном на события.
Языки имитационного моделирования за счет снижения гибкости и универсальности позволяют создавать ИМ на несколько порядков быстрее и не требуют работы системных программистов. Они обладают двумя наиболее важными достоинствами: удобством программирования и концептуальной выразительностью. Последнее достоинство позволяет четко и ясно описывать различные понятия, что наиболее важно на стадии моделирования и для определения общего подхода к изучению исследуемой системы.
Основным недостатком языков моделирования является их относительно- ограниченная гибкость с точки зрения многообразия исследуемых систем и возможного разнообразия задач их анализа и синтеза. Это приводит к необходимости разработки новых моделей для альтернативных вариантов не только структуры моделируемой системы, но и управляющих элементов сложной системы. При использовании специализированных языков моделирования! для подготовки-ИМ требуется описывать структуру и физические процессы объекта абстрактными, понятиями в терминах используемого, языка, как правило; далекими- от понятий шредметной-области.
3. Проблемно-ориентированные системы моделирования например ПОДСИМ (МЕТУ, Москва), ДСИМ (ЭНИМС, Москва), АСИМПТОТА (Санкт-Петербург), DOSIMIS-3 (Магдебург, ФРГ), Process Charter 1.0.2 компании Scitor (Менло-Парк, шт. Калифорния), Powersim 2.01 фирмы Modell Data AS (Берген, Норвегия), Ithink 3.0.61 производства High Performance Systems (Ганновер, шт. Нью-Хэмпшир), Extend+BPR 3.1 компании Imagine That! (Сан-Хосе, шт. Калифорния), ARENA (фирмы Systems Modeling); ProModel (фирмы ProModel); ReThink (фирмы Gensym) и ряд других.
В этих системах исследователь не пишет модель на языке, а она генерируется автоматически в процессе диалога с исследователем, который происходит в понятиях языка предметной» области. Системы обеспечивают моделирование с помощью графических средств, библиотек специализированных программ и языков.
Реализация моделирующего алгоритма сканирующего типа
Моделирующий алгоритм в любом случае, как это следует из выше изложенного, должен включать следующие составные части: подпрограммы событий, реализующие элементарные операторы; алгоритм формирования модельного времени; алгоритм выбора очередного КОС; алгоритм генерирования КОС.
Подпрограмма события представляет собой, программную реализацию одного элементарного оператора, включающего оператор состояния, оператор условия продвижения инициатора и навигационный оператор. В этих подпрограммах, в общем случае, все параметры являются глобальными. В каждом же конкретном случае часть параметров может быть локализована. Однако все параметры, через которые осуществляется обмен, являются глобальными. Если подпрограмма события реализует объединенный элементарный оператор, то она должна иметь доступ к значению инициатора, определяющего локальную среду данного процесса.
Как видно из рис. 4.1., подпрограммы событий после своего выполнения передают управление в алгоритм АПУ. Каждая подпрограмма //, в ходе своего выполнения меняет состояние системы и определяет условие продвижения инициатора своего процесса по треку. Если подпрограмма /г, содержит условие типа h\ то Я заполняет строку в ТБВ1, определяет момент активизации инициатора. Навигационный оператор И в составе U определяет адрес следующей по треку подпрограммы событий. В эту же таблицу помещается и значение текущего инициатора (ссылка на локальную среду). Если подпрограмма h\ содержит условие типа к\ то К заносит строку в ТУ, помещая в столбец 1 логическое условие, а в остальные - инициатор и адрес следующей по треку подпрограммы событий аналогично вышеописанному.
Таким образом, предложенный моделирующий алгоритм реализует все необходимые действия в соответствии с разработанной в диссертации алгоритмической моделью процесса. При этом задача генерации трека по ходу моделирования возлагается-на подпрограммы .событий.
Показано, что высокая- затратность сканирующего алгоритма вызвана необходимостью многократного просчета логических условий в ТУ для, автоматизации генерирования КОС. Таким образом, чтобы сократить чрезмерные затраты машинного времени на сканирование ТУ, необходимо изменить способ генерирования КОС. В данном разделе предлагается процедуры генерации КОС разместить непосредственно в подпрограммах событий и исключить АПУ из моделирующего алгоритма. Такой модернизированный моделирующий алгоритм назовем моделирующим алгоритмом линейного типа, его структурная схема приведена на рис.4.4.
В этом алгоритме КАЛЕНДАРЬ выбирает ближайшее активное событие из ТБВ по тому же алгоритму, что и для моделирующего алгоритма сканирующего- типа, и передает управление соответствующей подпрограмме активного события. Далее подпрограмма активного события- после своего выполнения передает управление той подпрограмме пассивного события, которое должно выполняться в соответствии с графом КОС. Эта подпрограмма, в свою очередь, передает управление следующей по графу КОС подпрограмме пассивного события и т.д. до тех пор, пока не будут исчерпаны все события текущего КОС. Последняя подпрограмма в текущем КОС передает управление КАЛЕНДАРЮ, что соответствует переходу к новому КОС.
Подпрограммы событий назовем теми же именами. Очевидно, активными могут быть события, связанные с Вых_Г и Вых_ОА. Остальные события - пассивные. Таким образом, в модели возможны два вида КОС: КОС1иКОС2(рис.4.6.)
На рисунках показаны условия, определяющие генерацию КОС. Причем само условие включается в верхнюю по отношению к нему подпрограмму события. Так, проверка "ОА занят " в КОСІ должна быть включена в подпрограмму ВыхГ.
Очевидно, что коэффициент затратности такого алгоритма близок к 1. Однако это достигается путем усложнения подпрограмм событий в силу необходимости задавать в них в явном виде все возможные варианты генерации КОС.
Пусть средняя длина подпрограммы события составляет а команд, для выполнения КАЛЕНДАРЯ необходимо г команд, для АПУ - Р команд на просчет одной строки. Пусть ТУ содержит в каждый момент модельного времени в среднем L строк с условиями, а в каждом КОС в среднем содержится / пассивных событий.
В случае, когда моделирующий алгоритм содержит небольшое количество подпрограмм событий, и каждая из подпрограмм имеет достаточно большой объем, то Р«а и значения L невелики. В этом случае значение q будет не намного отличаться от 1.
Однако если моделирующий алгоритм содержит большое количество достаточно коротких подпрограмм событий, то Р а и значение L велико. В этом случае q »1: так, при L=J0, q=6, а при Ь=50 значение q превышает 25.
