Содержание к диссертации
Введение
1. Методы разработки инновационных технологий в АСТПП машиностроительного производства
1.1. Системотехника разработки инновационных технологий 12
1.2. Методы структурной и параметрической оптимизации инновационных технологий для разработки проектных и перспективных технологических процессов
1.3. Методы искусственного интеллекта для оптимизации инновационных технологий в АСТПП
Выводы по главе 1 33
2. Разработка вероятностно-рекуррентного метода для обоснования предварительных проектов технологической доку ментации в АСТПП
2.1. Функциональное моделирование АСТПП и блок-схемы задач вероятностно-рекуррентного метода искусственного интеллекта для оптимизации инновационных технологий
2.2. Экспертный анализ методами искусственного интеллекта единых, высоких и критических технологий для их трансферта в инновационном проектировании для обоснования предварительных проектов технологической документации
2.3. Разработка вероятностного метода группирования деталей и сборочных единиц в авиадвигателестроении для выбора объектов технологического проектирования и оценки их новизны
Выводы по главе 2 89
3. Разработка вероятностно-рекуррентного метода оптимизации инновационных технологий изготовления деталей и сборочных единиц авиационных двигателей
3.1. Разработка вероятностно-рекуррентного метода искусственного интеллекта для многокритериальной оптимизации проектных технологических процессов
3.2. Разработка и исследование статистических зависимостей для применения вероятностно-рекуррентного метода оптимизации проектных технологических процессов
3.3. Верификация и анализ достоверности вероятностно- рекуррентного метода оптимизации проектных технологических процессов с помощью методов Монте-Карло и оценки рисков
Выводы по главе 3 117
4. Автоматизация разработки комплектов проектной технологической документации инновационных проектов в АСТПП
4.1. Автоматизация разработки комплектов проектной технологической документации изготовления деталей типа «шестерня» на основе вероятностно - рекуррентного метода оптимизации
4.2. Разработка электронных баз данных для трансферта инновационных технологий и использования новых средств технологического оснащения в проектных технологических процессах авиадвигателестроения
4.3. Имитационное моделирование внедрения проектных технологических процессов в авиадвигателестроении
Выводы по главе 140
Заключение 140
Основные выводы и результаты 141
Список использованной литературы 143
- Методы структурной и параметрической оптимизации инновационных технологий для разработки проектных и перспективных технологических процессов
- Экспертный анализ методами искусственного интеллекта единых, высоких и критических технологий для их трансферта в инновационном проектировании для обоснования предварительных проектов технологической документации
- Разработка и исследование статистических зависимостей для применения вероятностно-рекуррентного метода оптимизации проектных технологических процессов
- Разработка электронных баз данных для трансферта инновационных технологий и использования новых средств технологического оснащения в проектных технологических процессах авиадвигателестроения
Методы структурной и параметрической оптимизации инновационных технологий для разработки проектных и перспективных технологических процессов
Из вышесказанного получаем, что главными элементами для последующего моделирования инновационной деятельности и разработки инновационных технологий на основе системотехники являются: структуры, цели, технологии и условия их создания, развития, а также функционирования. Рассмотрим более подробно вышеназванные компоненты системного анализа и системотехнического проектирования производственных систем.
Технологии производственных систем, которые описывает формула (1), по аналогии с целями, структурами, условиями функционирования и развития определяют основу путей и методов инновационного проектирования, которые могут быть реализованы в любой системе. Наряду с этим, далекие от канонизации системотехнические представления о «технологии», требуют более подробного рассмотрения. В инновационной деятельности и инновационном проектировании понятием «технология» пользуются главным образом для обоснованного применения научных знаний. В нашем случае - для системного анализа и системотехники технологии машиностроения, которые способствуют обоснованному решению практических проектно-технологических задач, возникающих в ходе проведения работ по технологическому проектированию и созданию технологических процессов промышленного производства. Вместе с этим, в зарубежной литературе (например, в США) имеются отличные друг от друга точки зрения. Например, технология рассматривается как «то, что она делает» [101]. Подобное определение термина предусматривает и технику, и процесс использования такой техники в эксплуатации. Такое объемное определение термина «технология», как целенаправленной и структурированной формы трудового процесса (в эксплуатации и производстве и техники) позволяет расширить понятие технологии не только на сферу производства изделий, товаров, продукции, но также на процессы использования предметов труда и в сфере потребления.
Вместе с названным определением, существуют и другие взгляды и подходы к термину «технология». В некоторых фундаментальных научных изданиях [101] технология рассматривается только в приложении к сфере производства, т.е в достаточно узком смысле слова, и поэтому представляет собой описание совокупности методов обработки, изготовления и получения свойств и формы изделий, сырья и материалов, а также других технологических процессов, осуществляемых в ходе производства продукции. Можно встретить и другое понимание этого термина в более новой отечественной литературе [114]. Технология здесь - это совокупность знаний о средствах и способах проведения производственных процессов, в результате которых появляется качественное изменение обрабатываемого объекта, в том числе и самих указанных выше процессов.
Обобщая все вышесказанное, можно сказать, что технологии нужно рассматривать как систематизированную совокупность знаний (наука), так и как систематизированные методы (процессы), которые на основе обоснованных научных знаний ведут к целенаправленному изменению структуры и функций средств и предметов труда2.
Обобщая все сказанное относительно понятия «технологии», можно также определить и понятия инновационных концепций, которые имеют отношение к различным технологиям. Рассмотрим их подробнее.
В основе технологических систем лежат разные компоненты и способы организации взаимосвязей между техническими объектами. Из них можно образовывать различные процессы [101]:
Дальше будут рассматриваться не все, а только инновационные технологии, применяемые в научно-исследовательских работах и производстве, которые относятся к машиностроению.
Инновации. В литературе известно, что термин «innovation» является синонимом слова «нововведение», который понимается как «введение новаций» или «введение новшеств»[69,101]. Инновация считается конечным результатом внедрения новшества. Названный термин происходит от латинского слова «innovatio», который переводится как «возобновление» или «перемена».
Новация отличается от инновации тем, что это новая разработка или открытие, которые оформляется документально в виде, изобретения, па-тента3 или ноу-хау. Также новация может выступать в виде единой технологии, промышленного образца, рационализаторского предложения или технической документации (например, на усовершенствованный или новый продукт, производственный процесс, организационную или производственную структуру) [99,101].
Предметом исследований в инноватике являются любые новации и инновации (нововведения) любого трудового процесса. Инновационная деятельность - это такая деятельность, где предусматриваются процессы, которые за счет применения существующих и проверенных научно-технических достижений обеспечивают усовершенствования развиваемой или создаваемой производственной, технологической или другой системы. Инновационная деятельность в таком случае может рассматриваться и с точки зрения технико-технологических позиций, и с позиций научной теории, и ее отдельных направлений. Например, с позиции экономической теории, инновационной деятельностью будет инновационная экономика и инновационный менеджмент; с позиции теории систем такой деятельностью является системотехника инновационной подготовки производства или инновационного проектирования.
Экспертный анализ методами искусственного интеллекта единых, высоких и критических технологий для их трансферта в инновационном проектировании для обоснования предварительных проектов технологической документации
Известно, что автоматизированные системы технической подготовки производства (АСТПП) включают в себя разные унифицированные и проблемно-ориентированные автоматизированные комплексы технических средств и методов проектирования, которые обеспечивают готовность производства к выпуску новой продукции [11,91,133]. АСТПП, в конечном счете, призваны на высоком научно-техническом уровне обеспечить создание и постановку на производство новых конкурентоспособных изделий с заданным уровнем качества и в заданных количествах с наименьшими затратами ресурсов в конкретных условиях производства. В этом плане главной задачей создания и /или разработки АСТПП является оптимизация процессов проектирования и управления проектами за счет комплексной автоматизации сложных и трудоемких процессов технической подготовки производства, которые поддаются формализованному алгоритмическому описанию [11,52, 62,133].
На сегодняшний день существует множество АСТПП [133], отличающихся по составу функций и структуре решаемых задач на различных предприятиях, созданных для совершенствования конструкторской, технологической [22] и организационной подготовки производства. Данные системы и программные продукты обычно ориентированы на проектирование новых изделий и различных технологических процессов, автоматизацию разработки технологической и конструкторской документации [86,117,132], разработку программ для станков с ЧПУ, управление проектами и т.д. Используемые программные продукты [126] в таких автоматизированных системах относятся к различным CAD, CAM, CAE , PDM, PLM и другим автоматизированным подсистемам АСТПП.
Вместе с тем, анализ возможностей применения АСТПП для организации инновационного проектирования и совершенствования процессов технической подготовки процессов модернизации4 производства показы 4 реструктуризации, реконструкции, технического перевооружения, реновации, комплексной автоматизации, создания интеллектуального производства вает, что большинство АСТПП все еще не содержит достаточный объем методов, математических моделей и программных продуктов для оптимизации инновационного проектирования в целях создания инновационной продукции, технологических инноваций и организации современных, высокоэффективных и конкурентоспособных производств [75,90,92].
Таким образом, перед предприятиями, которые осуществляют мо дернизацию, реструктуризацию, реконструкцию и техническое перево оружение, постановку на производство новой техники и изделий [40,41], в полный рост встали новые задачи, которые можно решить исключительно с помощью применения системотехнических методов математического моделирования и оптимизации проектных решений, например, на основе широкого использования методов искусственного интеллекта [19,111,128,135,136,139]. Подтверждением сказанному служит «интеллектуализация» многих процессов управления современным производством [8,19,63,98], в том числе на основе все более широкого использования средств искусственного интеллекта на различных этапах и стадиях технической подготовки производства [32,54,82].
Решение оптимизационных задач на основе математического моделирования становится ключевым моментом для совершенствования всех разновидностей АСТПП в условиях расширения инновационной деятельности. В этой связи математические модели, которые ранее были созданы на основе известных методов, таких как теория графов, динамическое и линейное программирование, теория статистических решений, должны быть дополнены на основе использования новых подходов и применения средств искусственного интеллекта. В данной работе [65] предлагается использовать методы искусственного интеллекта, в частности нейронные сети, для совершенствования АСТПП и их целевой ориентации на инновационную деятельность, что необходимо для ускорения процессов принятия решений, разработки проектной технологической документации и технологического обеспечения конкурентоспособности машиностроительного производства. Такие современные методы математического моделирования и оптимизации проектной технологической документации в условиях системного подхода к решению проблем инновационной деятельности и системотехнического проектирования технологических инноваций могут быть разработаны c учетом действующих Государственных стандартов [96] в рамках функционального моделирования АСТПП [71].
Разработка функциональной модели проблемно-ориентированной АСТПП для инновационного проектирования технологического перевооружения производства. Автоматизация технической подготовки произ 36 водства основывается, как правило, на использовании системы IDEF методологии ICAM (Integrated Computer-Aided Manufacturing), предназначенной для решения задач моделирования сложных систем в различных разрезах [129].
IDEF (Icam DEFinition/ Integrated DEFinition)— это методология предназначена для функционального моделирования [129]. Ее отличительной особенностью является то, что акцент здесь делается на соподчи-нённость блоков-объектов. В IDEF0 представляются логические связи и отношения между необходимыми в конкретной области видами работ (в данном случае в АСТПП машиностроения). Описание выглядит как «чёрный ящик» с одним или несколькими входами и выходами, а также управлением и механизмом (с помощью него реализуется та или иная работа). Черный ящик постепенно детализируется (декомпозируется) до необходимого уровня [19,129].
Таким образом, получается совокупность методов, процедур и правил, которые требуются для построения функциональной модели объекта какой-либо предметной области, где необходимо отображение структуры процессов функционирования системы [19].
На основе стандарта IDEF0 ранее уже были построены проблемно-ориентированные на унификацию технологической подготовки производства и технологическую подготовку «бережливого производства» функциональные модели, например, функциональная модель АСТПП верхнего иерархического уровня управления предприятием, блок-схема функций которой представлена на рис 2 [81,84]. Однако, данная модель, которая обеспечивала решение проблемы унификации и стандартизации процессов технологической подготовки не была в достаточной мере ориентирована на инновационную деятельность, в том числе малых венчурных предприятий и инжиниринговых организаций, что не позволяет в полной мере решать новые задачи в рамках инновационно-ориентированной АСТПП.
Разработка и исследование статистических зависимостей для применения вероятностно-рекуррентного метода оптимизации проектных технологических процессов
Для создания новых единых технологий авиадвигателестроения (рис.11-а), для создания и внедрения в производство двигателей нового поколения, в ходе ранее выполненных исследований были разработаны специальные методы оптимизации технических решений [104] на основе применения разработанных баз данных [107] по узловым технологиям, необходимых для конструирования газотурбинных двигателей. Эти методы были предназначены для разработки двигателей нового поколения, а также обобщения новейших отечественных и зарубежных разработок в рассматриваемой области, которые в дальнейшем могут сыграть важную роль в переходе на принципиально иные способы работы авиационных двигателей [34,44,45,113,116].
В результате названных исследований были определены основные направления работ по технологическому обеспечению инновационных проектов создания современных авиационных двигателей (инновационной продукции). Такие новые проектно-технологических решения в первую очередь улучшают технические возможности реактивных двигателей: тягу (кг), число, характеризующее сжатие компрессора (к), температуру газа перед входом в турбину (К), а также удельные показатели тяговооружен-ности.
Наряду со сказанным, произведенные [104] исследования по технологическому обеспечению НИОКР (на базе разработки единых технологий), остался без четкого ответа вопрос, посвященный созданию предварительных проектов техдокументации, который должен быть рассмотрен, основываясь на результатах трансферта технологий. Трансферт здесь необходим для инновационного проектирования и техперевооружения производства, а именно для разработки перспективных, а также проектных техпроцессов изготовления ДСЕ. Подобная постановка вопроса помогает решить задачу, связанную с повышением конкурентоспособности выпускаемой инновационной продукции, не только за счет улучшения параметров технического уровня производимой техники, но и с помощью учета ресурсосберегающих факторов при постановке на производство новой техники средствами технического перевооружения производства.
Для обеспечения решения таких задач технологического перевооружения производства названные выше разработки были дополнены по опции «Данные по зарубежным научно-техническим программам и инновационным проектам» (рис.11-а) [18,19] в результате чего в электронной базе данных Access, которая необходима для формирования единых технологий, были получены дополнительные сведения (рис.11-б,в,г,д) в целях решения задач трансферта лучших зарубежных технологий и разработки предварительных проектов технологической документации, необходимых для технического (технологического) перевооружения авиадвигателестро-ительного производства.
Таким образом, трансферт инновационных технологий позволяет решать задачи, как технологического обеспечения НИОКР, так и разработки директивных и проектных, а также перспективных техпроцессов в последующей технологической подготовке производства. В последнем случае обеспечение конкурентоспособности осуществляют не столько за счет повышения показателей технического уровня инновационной продукции или новых изделий (новой техники) или качества, сколько за счет решения проблем ресурсосбережения при постановке нового изделия на производство и оптимизации необходимых технологических процессов по параметрам материало-, трудо-, фондо-, энергосбережения.
В результате проведенного анализа известных промышленных образцов и полезных моделей по данным патентной статистики с использованием средств искусственного интеллекта и электронных баз данных, можно строить многовариантные графы развития единых технологий, которые представляют собой совокупности «высоких узловых технологий» и наиболее прогрессивных базовых технологий.
Главное, что отличает директивные технологии, разрабатываемые в обеспечение НИОКР и, разрабатываемые в данном исследовании технологические процессы (проектные), заключается в том, что экономическая эффективность от внедрения директивных техпроцессов, которые направленны, в основном, только на повышение качества (конкурентоспособности), проявляется зачастую в эксплуатации изделия. Также эта эффективность может быть отмечена и в увеличении количества продаж новых конструкций за счет улучшения свойств и качества. У проектных, а также перспективных технологических процессов, которые ориентированы непосредственно на ресурсосбережение в процессе разработки: инновационных проектов технической реконструкции (технологического или технического перевооружения) производства (проектные техпроцессы) или планов технического и организационного развития производства (перспективные техпроцессы), экономический эффект проявляется, главным образом, в области производства изделия. Он также заметен в последующем увеличении объема продаж, который достигается уже за счет снижения технологической себестоимости и цены изделия. В перечне ресурсосберегающих техпроцессов (проектных, перспективных) в данном исследовании мы рассмотрим только те, которые будут ориентированы на повышение эффективности и производительности: материалосберегающиее (малоотходные и безотходные технологии; техпроцессы, способствующие экономичному использованию дефицитных материалов, или процессы, которые могут обеспечить снижение производственных и технологических потерь от получения брака.); трудосберегающие (технологии, в основе которых лежит использование производительных и прогрессивных методов обработки поверхностей деталей или сборки конструкций. Такие технологии могут обеспечит значительное снижение трудоемкости операций и унификацию технологий, с помощью возможности создания модульных техпроцессов, а также типовых и групповых, которые могут обеспечить также значительную гибкость производства); энергосберегающие (связаны, как правило, с сокращением расходов энергии на технические нужды.. Они связаны также с рациональным использованием силовой энергии, обоснованным использованием иных источников энергии, например, сжатого воздуха, горячей воды, вакуума, использованием вторичных энергоресурсов); - фондосберегающие (это техпроцессы, которые приводят к высвобождению оборудования и площадей, запасов оснастки, сырья и материалов) основного производства.
Разработка метода трансферта единых технологий для инновационного проектирования и оптимизации перспективных (проектных) техпроцессов [61,70,130].
Для решения задач экспертизы технологии в качестве примера разработки предварительного проекта технологической документации изготовления ответственной (паспортной) детали рассмотрим структурную модель перспективного технологического процесса, рис.12.
В качестве элементов многовариантного технологического графа ТП выступают технологические операции обработки - вершины графа, а дуги задают возможность их последовательного выполнения. При этом базовый технологический процесс, подлежащий замене - это реализованный рабочий технологический процесс. Его параметры в вершинах графа определены по существующему парку технологического оборудования, режимами обработки, существующими затратами на выполнение данного технологического процесса.
Разработка электронных баз данных для трансферта инновационных технологий и использования новых средств технологического оснащения в проектных технологических процессах авиадвигателестроения
Из сопоставительного анализа результатов кластеризации с помощью статистических методов видно, что: - по габаритным размерам детали разделяются только на 2 кластера (рис.28), в один из которых попадает 16 деталей-представителей, а в другой - 46 деталей. Очевидно, что суммарное количество всех деталей равно 62. Отсюда следует, что все выбранные детали классифицируются верно (значение ошибки, связанной с потерей данных о деталях равно нулю); -по полному технологическому коду деталей статистический пакет SPSS распределяет всю номенклатуру деталей на 13 кластеров (рис. 27), для каждого из которых должна быть выбрана деталь-представитель и осуществлена разработка комплекта документации проектного (перспективного) технологического процесса.
Подробный анализ результатов кластеризации на дендрограмме рис. 27, кроме того, показывает, что не все детали производственной программы однозначно попадают в кластеры, сопоставляемые с классификатором ЕСКД. Определенное количество деталей является новым для сложившегося производства. Эти детали могут быть отнесены к существующим группам только с некоторой долей вероятности. Выявление подобных вероятностей, которые определяют, насколько точно выбранную деталь можно отнести к существующим в ЕСКД кластерам, можно осуществить при помощи нейронной вероятностной PNN-сети.
Кластеризация с помощью нейросети. На основании кластеризации и группирования, которое было осуществлено при помощи программного пакета SPSS, далее может проводиться классификация деталей в системе Matlab [6,48,72,133] на основе алгоритма, который реализует вероятностная PNN-нейронная сеть (Probabilistic Neural Networks), для определения ведомостей производственной программы в целях: - создания специализированного производственного участка (либо другого подразделения, например, в каких-то условиях, это может быть ячейка «бережливого производства» или объединенная комплексной бригада для предметно-замкнутого производства набора деталей, также может быть гибкой производственной системы и т.п.) для изготовления специфических деталей вертолетной техники, существенно отличающихся от типовых (в нашем случае от типовых зубчатых авиационных двигателей); - распределения за существующими производственными участками для их дозагрузки оставшейся части типовых зубчатых колес вертолетной техники не имеющих признаков существенной новизны в сравнении с уже освоенными на предприятии шестернями, входящими в состав агрегатов авиационных двигателей.
Решая задачу группирования деталей посредством использования PNN- сети, можно рассчитать плотность вероятности принадлежности детали к каждому классу. Есть также возможность сравнения получившихся значений вероятностей, что дает предпосылки для выбора наиболее вероятного случая (когда вероятность принадлежности детали к кластеру самая высокая). Таким образом, в процессе обучения такой нейронной сети именно это и происходит: сеть определяет, то есть она аппроксимирует плотность вероятности принадлежности детали к определенному классу [19].
Подход к задаче состоит в том, чтобы получить оценку плотности вероятности по исходным данным. Обычно при этом предполагается, что плотность имеет некоторый определенный вид (чаще всего она имеет нормальное распределение). После этого оцениваются параметры модели. Нормальное распределение часто используется потому, что тогда параметры модели (среднее и стандартное отклонение) можно оценить аналитически. При этом остается открытым вопрос о том, что предположение (гипотеза) о нормальности закона распределения не всегда оправдано.
Еще один подход к решению задачи об оценке плотности вероятности базируется на оценках ядер. Рассуждения могут быть таковыми. О том, что в конкретной точке имеется какая-то плотность вероятности, позволяет утверждать факт, что это наблюдение происходит в этой данной точке пространства. О том, что плотность вероятности получилась большой, мы узнаем по близколежащим точкам, которые на это указывают. В процессе удаления от места наблюдения «доверие» к полученной плотности уменьшается и стремится к нулю. Используя данный метод необходимо помнить, что в точках, которые соответствуют конкретным наблюдениям, размещена простая функция. Потом значения таких функций складываются в результате чего может быть получена оценка для обобщенной плотности вероятности. Как правило, на месте таких простых функции стоят функции, имеющие гауссовское распределение. Этот метод дает хорошее приближение к реальной плотности вероятности, если обучающая выборка содержит достаточное количество примеров.
PNN- нейронная вероятностная сеть имеет архитектуру, аналогичную архитектуре сети RBF (радиальной базисной сети) общего вида. Отличается PNN-сеть от неё структурой одного (второго) слоя, в котором используются функция взвешивания dotprod (скалярное произведение сигналов и весов), функция накопления netsum и передаточная функция compet – конкурирующая функция, преобразующая вектор входа слоя нейронов таким образом, чтобы нейрон с самым большим входом имел выход, равной единице, а все другие нейроны имели
Структура PNN- нейросети, с помощью которой можно (в условиях неопределенности) получить промежуточные кластеры (таксоны), при составлении 85
Исключение мешающих принятию решений неопределенностей, которые возникают при выполнении проектно-технологических работ, является главной особенностью при решении поставленной задачи кластеризации. Специальный конкурирующий слой названной нейросети, который может оценивать вероятность принадлежности входных векторов к конкретному кластеру, позволяет сократить количество возникающих неопределенностей. PNN-сеть имеет возможность сопоставить векторы, характеризующие признаки деталей с каждым образовавшимся кластером, также может определить вероятности принадлежности указанной детали к этим кластерам. Вероятностная сеть быстро обучается и результаты такого обучения достаточно легко поддаются интерпретации – эти особенности являются главным преимуществом выбранного инструментария для решения задачи кластеризации деталей.
Реализация алгоритма для кластеризации и группирования деталей в прикладном пакете Matlab на основе модели PNN – нейронной сети, предусматривает задание последовательности входных и выходных (целевых) векторов для имеющейся обучающей выборки. Такие векторы задаются последовательностью чисел и обозначаются (в стандартном инструментарии матпакета) переменными P (входы) и Tc (цели). Тс-вектор индексирует классы. Этому вектору должна быть поставлена в соответствие матрица связности. Эта матрица задается в виде некоторой разреженной матрицы, в соответствии с которой и будет в последствии определяться принадлежность входных векторов к конкретному классу. Количество классов будет зависеть от того, сколько их было задано в обучающей выборке [60].
Обучающее множество задаются при помощи определения массивов Р и Т. Это в последующем предоставляет возможность для непосредственного формирования самой сети и для ее моделирования. В процессе моделирования работы сети образуется матрица связности, которая соответствует массиву входных векторов. Такую матрицу необходимо преобразовать в индексный вектор. Это можно реализовать, использовав функцию vec2ind [6,48,73,133].После обучения, необходимо удостовериться, что вероятностная сеть правильно выдает решение задачи классификации.
Для этого выполняется кластеризация определенного набора произвольных входных векторов, которые не должны принадлежать к обучающей выборке. Стоит заметить, что в данном случае будет использовать ранее созданная вами модель сети. Дальше нужно проанализировать получившиеся результаты по всей выборке деталей, проходивших кластеризацию.
