Содержание к диссертации
Введение
1 Анализ методов прогнозирования экономических показателей машиностроении 8
1.1 Методы нормирования в машиностроении 8
1.2 Автоматизированные системы поддержки производства 14
1.3 Математическое обеспечение автоматизированных систем 18
1.4 Цели и задачи исследования 25
2 Модель конструктивно-технологической сложности с учетом различной степени детализации сведений об объекте 28
2.1 Формальное представление изделия машиностроительного предприятия 29
2.2 Нейросетевая модель конструктивно-технологической сложности.. 40
2.3 Выводы 50
3 Реализация результатов исследований в машиностроительном производстве 52
3.1 Построение классификатора изделий инструментального производства 52
3.2 Определение показателя сложности изделий инструментального производства 68
3.3 Выводы 75
4 Автоматизированная система определения прогнозной трудоемкости 76
4.1 Место автоматизированной системы определения прогнозной трудоемкости в информационной поддержке жизненного цикла изделия 76
4.2 Структура автоматизированной системы определения прогнозной трудоемкости 79
4.3 Информационное обеспечение системы определения прогнозной трудоемкости 83
4.4 Объектно-ориентированная модель искусственных нейронных сетей
4.5 Выводы 96
Заключение 97
Список используемых источников. 97
Приложения
- Методы нормирования в машиностроении
- Формальное представление изделия машиностроительного предприятия
- Построение классификатора изделий инструментального производства
- Место автоматизированной системы определения прогнозной трудоемкости в информационной поддержке жизненного цикла изделия
Введение к работе
Прогноз временных затрат на производство номенклатуры изделий предприятия в условиях быстрой сменяемости продукции машиностроения необходим и позволяет ему эффективно и обоснованно перераспределять свои ресурсы. Особенно значимой становится роль прогнозирования в ситуации внедрения новой производственной номенклатуры. На этом этапе для различных служб предприятия возникает существенное множество задач, которые необходимо выполнить с минимальными потерями времени. В связи с этим, развитие методов обоснованного прогнозирования временных затрат на изготовление новой производственной номенклатуры изделий, является весьма актуальным, как с практической, так и научной точек зрения. Все это напрямую влияет на эффективность функционирования производственных систем машиностроения и затрагивает не только вопросы нормирования, но и дает возможность повысить эффективность решения задач управления производственными ресурсами. В условиях рыночной конкуренции обоснованное прогнозное знание своих затрат дает предприятию возможность определять спектр своей номенклатуры и не пытаться осваивать заведомо убыточные изделия.
Как показали исследования известных отечественных и зарубежных ученых и производственников весьма востребованным является прогнозирование затрат времени, которое было бы основано на методах, позволяющих уже на этапе разработки конструкторской документации или ее импортирования от заказчика получать' с достаточной точностью величины таких затрат. Обзор исследований в данной области показал, что данный вопрос решался в направлении развития методов аналогий, которые не дают достаточной точности. Предприятия машиностроительного комплекса интересует прогноз затрат на этапе принятия решения об освоении определенной номенклатуры изделий в производстве с ошибкой не более 20 процентов. Наиболее адаптированной к решению данных задач является теория конструктивно-технологической сложности, которая позволяет на основе оценки свойств изделий рассчитать трудоемкость их изготовления. Для этого не требуется технологическая подготовка производства по изделию или его опытное изготовление.
Научной школой под руководством профессоров Ю. С. Шари на (УГТУ) и Б.А. Якимовича (ИжГТУ) разработана и развивается теория сложности. В соответствии с теорией сложности любое изделие наряду с классическими конструктивными и технологическими параметрами может быть представлено через универсальный количественный показатель конструктивно-технологической сложности. Данный метод может быть положен в основу нормативного обеспечения технического и прогнозного нормирования, в том числе и в составе автоматизированных систем.
В работе решается задача прогнозирования затрат на изготовление изделий машиностроения с использованием автоматизированной системы определения прогнозной трудоемкости с различной степенью детализации сведений об оцениваемом объекте. Разработанная система основана на методике оценки показателя конструктивно-технологической сложности с применением аппарата искусственных нейронных сетей для сокращения общего объема оцениваемых параметров и характеристик изделия, что позволило в зависимости от уровня детализации сведений об изделии провести оценку затрат на его изготовление с заданной степенью точности.
Цель работы: Формализовать и повысить эффективность метода оценки конструктивно-технологической сложности и трудоемкости изготовления изделий машиностроения на ранних этапах подготовки производства
Основные задачи:
1. Разработка формального представления машиностроительного изделия в виде иерархической модели с использованием теории множеств.
Разработка методики выявления и численного оценивания значимых факторов, влияющих на конструктивно-технологическую сложность и трудоемкость машиностроительного изделия.
Разработка принципов классификации номенклатуры машиностроительных изделий с учетом степени детализации сведения об оцениваемом объекте на основе выявленных факторов, значимо влияющих на конструктивно-технологическую сложность и трудоемкость.
Разработка методики и алгоритма оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия на основе выявленных факторов с использованием математического аппарата искусственных нейронных сетей.
Оценка точности определения конструктивно-технологической сложности и трудоемкости изготовления машиностроительного изделия в соответствии с уровнем детализации сведений об оцениваемом объекте.
Разработка концепции автоматизированной системы определения прогнозной трудоемкости машиностроительного изделия на ранних этапах подготовки производства.
Разработка и реализация автоматизированной системы определения прогнозной трудоемкости машиностроительного изделия на ранних этапах подготовки производства.
Апробация оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия на ранних этапах подготовки производства и внедрение автоматизированной системы определения прогнозной трудоемкости на машиностроительных предприятиях.
При решении поставленных задач использовались методы оценки конструктивно-технологической сложности, статистического анализа, экспертного оценивания и теории множеств.
В качестве научной новизны выступает следующее: - для наиболее часто встречающихся переделов машиностроения выявлены множества параметров, значимо влияющих на сложность и трудоемкость изготовления изделий; разработана методика поэтапной классификации номенклатуры машиностроительных изделий с учетом степени детализации сведений об оцениваемом объекте на основе выявленных параметров, значимо влияющих на конструктивно-технологическую сложность и трудоемкость; в соответствии с теорией сложности предложены методика и алгоритм оценки показателя конструктивно-технологической сложности и трудоемкости машиностроительного изделия с использованием математического аппарата искусственных нейронных сетей.
Разработанные принципы поэтапной классификации и методика определения конструктивно-технологической сложности изделий машиностроения позволяют с достаточной степенью точности оценивать прогнозную трудоемкость изготовления, используя различные уровни детализации сведений об оцениваемом объекте. На их основе разработана автоматизированная система определения прогнозной трудоемкости изделий. Результаты работы внедрены на ДОАО "Ижевский инструментальный завод".
Методы нормирования в машиностроении
Комплексное обоснование норм затрат труда предполагает обоснование трудового процесса, технологических режимов работы оборудования, уровня норм затрат труда с учетом требуемой точности, выбора метода с помощью которого будет определяться норма.
Сущность комплексного обоснов1 ния норм затрат труда заключается в том, что анализируются все, зависящие от производства и исполнителей факторы (технические, организационные, психофизиологические, социальные и экономические), влияющие на величину затрат труда, а также в единстве рассматриваются и одновременно оптимизируются технологические режимы работы оборудования, трудовые процессы и уровни нормированных затрат труда.
Экономия затрат труда при высоком качестве продукции является показателем совершенства технологии и организации производства. В этих условиях особое значение приобретает ехническое нормирование труда, оно имеет своей целью разработку и внедрение технически обоснованных норм времени и выработки, способствующих более полному выявлению и использованию резервов повышения производительности труда и улучшению использования производственных мощностей [1].
Оценка предмета труда может служить средством для планомерного формирования и распределения трудовых ресурсов, а также предпосылкой для планирования производственно-хозяйственной деятельности предприятия.
Трудоемкость продукции представляет собой сумму затрат труда на изготовление единицы продукции. Для определения затрат труда разработаны методы нормирования.
В машиностроении среди различных норм главной является норма времени. Это время, необходимое для производства одного изделия, или трудоемкость единицы продукции. Вместе с тем следует отметить, что понятие трудоемкости более широкое и общее, а понятие норма времени более конкретное и узкое. Норма - это расчетная величина, получаемая при нормировании. При плановых и оперативных расчетах до обработки пользуются понятием нормы. После обработки, оценивая фактические трудовые затраты, удобнее говорить о трудоемкости [2].
Общепринято делить методы нормирования на две группы: технически обоснованные и опытно-статистические. Под технически обоснованными понимают нормы, установленные аналитическим методом, который обеспечивает максимальное использование производственного потенциала, рациональные приемы и методы труда, оптимальную занятость работника производственным трудом при соблюдении требований к качеству продукции и сохранению здоровья и работоспособности трудящихся. К технически обоснованным нормам отнесены расчетные нормы.
Объектами комплексного обоснования норм затрат труда являются: технологический процесс, режимы работы оборудования, трудовой процесс, уровень затрат труда. Выбор наилучшего (оптимального) варианта осуществляется по экономическим критериям (минимальное значение нормы времени, максимальная производительность, минимальные суммарные затраты живого и овеществленного труда и др.).
В работах [2-9, 34, 35, 38, 39] рассмотрен ряд методов нормирования труда, отметим специфики данных методов, которые можно свести к трем основным: расчетный метод, метод непосредственного наблюдения, метод аналогий.
1. При расчетном методе операция разбивается на отдельные составные части, определяется трудоемкость каждой части, а затем трудоемкость операции. По-разному может быть решен вопрос о степени разбиения целого. В соответствии с этим расчетный метод содержит разновидности, которые отличаются различной степенью укрупнения. Это зависит от типа производства, технологичности конструкции изделия, технических возможностей производителя и др;
2. Суть метода непосредственного наблюдения заключается в том, что непосредственно на рабочем месте фиксируются затраты рабочего времени. Изучение затрат различается по видам, методам и способам проведения, а также по способам регистрации и формам записи результатов. Виды наблюдений: фотография и самофотография использования времени, хронометраж, фотохронометраж. Наблюдения проводят методом непосредственных замеров времени и методом моментных наблюдений. Метод непосредственного наблюдения является очень громоздким, трудоемким и дорогим. Он применим при определении частных норм, позволяет уточнить кое-какие теоретические условия и варианты, но для массового нормирования непригоден;
3. К опытно-статистическим относят нормы, устанавливаемые укрупнено на всю работу (или операцию) без расчленения ее на составляющие элементы на основе отчетных данных о затратах времени на данные или аналогичные работы, или экспертным путем (по опыту специалиста, устанавливающего эту норму). Опытно-статистические нормы фиксируют фактическое состояние производства со всеми имеющимися недостатками и потому не способствуют росту производительности труда и совершенствованию его организации.
Статистическое исследование содержит три этапа: 1. Сбор статистического материала; 2. Обработка материала методами математической статистики;
3. Формирование результатов исследования. Важным этапом является сбор материала. Методы математической статистики - это обработка случайных явлений и величин. При массовых повторениях случайные процессы приобретают устойчивость. Выявление этой устойчивости или вероятности - вот конечная цель статистических исследований. Сам метод не может ухудшить или улучшить нормы, он выявляет тенденции устойчивости случайных процессов. Если на предприятии накоплен прогрессивный статистический материал, пусть это будут ранее полученные расчетные нормы, то в результате будут выданы нормы, адекватные исходным. Более того, исходные нормы будут улучшены. В этом преимущество статистического метода перед расчетным. Если расчетный метод дает разовую реализацию случайной величины, то статистический метод - среднее арифметическое большого числа реализаций, при этом устраняется погрешность при получении результатов оценки трудоемкости.
Статистическое нормирование имеет следующие преимущества перед расчетным: возможно получение более высокой точности норм при правильном подборе статистического материала; достаточно высокая производительность метода при использовании баз данных; высокая возможность повысить гибкость метода, не отрываясь от реального производства.
4. Метод аналогий относится к разряду экспертных и опытно-статистических методов. При рассмотрении метода аналогии, следует упоминание об опыте нормировщика, технолога или других лиц, участвующих в оценке. Если учесть, что так называемый «опыт» нормировщика никто не пытается оценить и никто не контролирует, то как оценить точность нормирования. Поэтому, такая оценка является субъективной, не подтвержденной каким-либо расчетом [4]. Итак, при анализе методов нормирования обнаруживается, что в каждом методе имеются недостатки. Это приводит к субъективности оценок измерения объема продукции и, как следствие этого, норм трудоемкости, неопределенности производственных ситуаций, что не позволяет наладить оперативное управление производственным процессом во всем объеме.
Основными условиями,, предъявляемыми к продукции любого предприятия на современном рынке, являются конкурентоспособность и рентабельность, что подразумевает эффективность производства, минимизацию затрат, корректную оценку показателей производственной системы. Таким образом, актуальной является задача определения себестоимости изделия на этапе принятия решения о начале его производства, в результате чего возникает необходимость прогнозного нормирования, на основании которого делаются выводы о рентабельности того или иного варианта.
Формальное представление изделия машиностроительного предприятия
Построения дальнейших рассуждений базируются на следующих определениях, согласно ГОСТ 2.101-68 и [41-45]:
Передел - стадия производства или совокупность работ, характеризующиеся общими технологическими методами изготовления.
Технологический процесс - часть производственного процесса, содержащая действия по изменению и последующему определения состояния предмета производства.
Операция - законченная часть технологического процесса, выполняемая па одном рабочем месте, характеризующаяся неизменностью объекта производства и оборудования
Переход - законченная часть операции, характеризуемая постоянством применяемого инструмента и поверхностей, образуемых обработкой или соединяемых при сборке.
Изделие - продукт производства, предназначенный для реализации (в основном производстве) или для собственных нужд предприятия (во вспомогательном производстве).
Деталесборочпая единица (ДСЕ) - конечная (неделимая) часть изделия или сопряжение нескольких элементов, так ;-;е являющихся ДСЕ.
Рассмотрим концепцию метода прогнозирования, представленного на рисунке 2.1, позволяющую оценить прогнозную трудоемкость изделия на различных этапах подготовки производства с заданной степенью точности, получив достоверные и актуальные результаты с минимально возможными затратами.
В зависимости от ожидаемых результатов исследуемое изделие может рассматриваться с различной степенью детализации сведений. Это может быть изделие в целом для ориентировочного расчета трудоемкости или декомпозированные узлы или детали пр м определении трудоемкости на этапе подготовки производства.
Изделия нижнего уровня - несложные узлы и отдельные детали успешно анализируются с помощью метода оценки конструктивно технологической сложности. Вариант расчета с учетом всей иерархии узлов и деталей, входящих в изделие, включая декомпозицию деталей на составляющие конструктивно-технологические элементы, может быть использован при отсутствии лимита времени. Этот вариант прогнозною нормирования предоставляет максимальную точность полученных результатов, но, соответственно, является наиболее трудоемким.
Использование метода аналогий или других подобных методов на начальном этапе подготовки производства дает возможность в самые короткие сроки оценить затраты, избегая полной декомпозиции изделия, что позволит выбрать направление для дальнейшего анализа или отбросить заведомо нерентабельные предложения. Несмотря на ряд положительных моментов, подобный подход, являясь наиболее часто используемым в такой ситуации, имеет и значительные недостатки. Самый важный из них -применение субъективных, часто необоснованных оценок, что характерно для метода аналогий.
С целью формализации метода возможно использование современных достижений методов классификации, применение которых позволяет оценить прогнозную трудоемкость и сложность изделия на различных этапах подготовки производства с заданной степенью точности, получив достоверные и актуальные результаты с минимально возможными затратами.
Для алгоритмизации и автоматизации метода аналогий необходимо построить классификационные системы, отображающие множество описаний изделий с заданными иерархиями в классах или группах. Субъективные оценки, из-за применения которых метод аналогий отвергается при необходимости повысить точность получаемых результатов, заменяются статистической информацией, собранной на конкретном предприятии и отражающей объективное состояние производственной системы. Разбиение производственной номенклатуры на классы реализовано методом, использующим алгоритмы нейронных сетей.
АП - множество параметров, значимо влияющих на сложность и трудоемкость обработки изделия по определенному переделу, Фэ - функция выбора значимых параметров из базового множества. Первоначально для изделия в целом было определено множество параметров А, состоящее из 57 элементов, в которые вошли параметры, полученные на основе исследований типовых представителей номенклатур машиностроительных производств, параметры, рассмотренные и применяемые в работах, посвященных техническому нормированию и организации труда. Полный список элементов исходного множества параметров приведен в приложении. За функцию Фэ был принят метод экспертного оценивания[46, 47, 48].
Оценка параметров каждого передела проводилась отдельной экспертной группой. Обобщенные характеристики экспертов приведены в таблице 2.1.
Предпочтение отдавалось специалистам планово-экономических бюро и отделов по труду и заработной плате, непосредственно занимающихся разработкой и нормированием технологических процессов с применением исследуемых переделов. Более 60% участников экспертизы имеют высшее техническое образование и стаж работы в области технического нормирования и/или проектирования технологических процессов от 5 лет.
Результаты проведенного опроса были обработаны с учетом нормированной относительной важности экспертов и нормированной относительной важности показателей методом одномерного шкалирования [14,49]. В соответствии со шкалой интенсивности критериальных свойств Харрингтона, пороговое значение по которой выбрано равным 0.8, было выявлено 25 основных параметров ма чиностроительного изделия, которые оказывают наибольшее влияние на трудоемкость изделия и величину затрат на его изготовление (рисунки 2.3-2.8).
Построение классификатора изделий инструментального производства
С целью настройки классификатора и аппроксимирующих сетей, алгоритмы построения которых приведены в главе 2, отобраны типовые представители производственной номенклатуры, куда вошли приспособления, пресс-формы, штампы. Диапазон сложности для исследуемых изделий лежит в пределах от 11,5 до 1112,11 ед.сл., количество ДСЕ от 2 до 23. Ко всем элементам применяются операции механической обработки. Предварительный и базовый этап классификации опускаем, учитывая, что все изделия используют один и тот же передел машиностроения, изготавливаются в пределах одной производственной системы. После обработки данных с применением математического аппарата карт Кохонена были получены четыре класса изделий (рисунок 3.1). Обобщенные характеристики каждого класса даны в таблице 3.1, состав классов приведен в таблицах 3.2, 3.4, 3.6, 3.8.
Коэффициент пропорциональности рассматривается как отношение минимального габаритного размера изделия к максимальному. "-:" На основе анализа диапазонов параметров каждому классу можно дать следующие характеристики: Класс 1 - малогабаритные ДСЕ; Класс 2 -непропорциональные ДСЕ с малым количеством обрабатываемых, поверхностей; Класс 3 - типовые ДСЕ с усредненными значениями показателей; Класс 4 - высокоточные ДСЕ с большим количеством обрабатываемых поверхностей.
Далее, для каждого построение/о класса изделий в соответствии с полученными значащими параметрами на основе статистических данных были построены аппроксимирующие нейронные сети. Конфигурации сетей приведены на рисунках 3.2, 3.4, 3.6, 3.8, и их параметры в таблицах 3.3, 3.5, 3.7,3.9. Результаты обработки контрольных выборок типовой номенклатуры по переделам машиностроительных предприятий приведены на рисунках 3.3а, 3.5а, 3.7а, 3.9а.
Была выдвинута гипотеза о нормальном распределении ошибки прогнозных оценок, проверенная на основании критерия Пирсона [51-54], вычисленного по зависимости (26). Для каждого распределения относительных отклонений при определении показателя конструктивно технологической сложности были получены значения % Хак ПРИ уровне значимости а = 0,05 подтверждающие гипотезу о нормальном распределении ошибки (рисунки З.Зб, 3.56, 3.76, 3.96), что дает возможность рассматривать отклонение как случайную величину, не превышающую 25% .
1. На основе отобранных параметров и статистики по изделиям, типовым представителям инструментального машиностроительного производства, создан автоматический классификатор изделий, состоящий из четырех классов: Класс 1 - малогабаритные ДСЕ; Класс 2 - непропорциональные ДСЕ с малым количеством обрабатываемых, поверхностей; Класс 3 -типовые ДСЕ с усредненными значениями показателей; Класс 4 -высокоточные ДСЕ с большим количеством обрабатываемых поверхностей. Для каждого класса построены и обучены нейросетевые модели расчета показателя конструктивно-технологической сложности.
2. Относительное отклонение прогнозных значений сложности при обработке деталей машиностроительных изделий инструментального производства не превысило 25%. В соответствии с критерием Пирсона %2 данную величину можно считать случайной и не зависящей от условий эксперимента.
3. Уровень отклонения прогнозируемых значений сложности сопоставим с отклонением, получаемым при использовании аналитических и статистических методик оценки показателя конструктивно-технологической сложности, на основании чего можно сделать вывод применимости разработанных методики и алгоритмов в условиях машиностроительного производства.
4. Разработанный метод оценки сложности на основе искусственных нейронных сетей показал, что пгрешностьоценки КТС не возрастает с увеличением сложности оцениваемого изделия.
Место автоматизированной системы определения прогнозной трудоемкости в информационной поддержке жизненного цикла изделия
В автоматизированных системах поддержки производства в соответствии с жизненным циклом изделия в той или иной степени решаются следующие задачи [13, 15]: - управление данными проекта; - автоматизированное проектирование; - автоматизация инженерных расчетов и анализа; - технологическая подготовка производства; - планирование производства; - управление производственной системой; - планирование и управление поставками; - диспетчерское управление производственными процессами; - управление продажами и обслуживанием.
Существующие системы автоматизации технологической подготовки производства и соответствующие модули автоматизированных систем управления производственными системами частично решают перечисленные проблемы. Однако на рынке отсутствуют интегрированные решения, позволяющие в едином стиле выполнять весь перечень имеющихся задач. Из-за своей специфики наименьшее развитие в настоящий момент получили системы планирования и технологической подготовки производства, системы нормирования и оценки экономических показателей производства изделий (трудоемкость, цеховые, накладные и другие затраты и т.п.).
Решение задач нормирования и оценки трудоемкости изготовления машиностроительного изделия в современных условиях требует разработки автоматизированных систем, которые могли бы функционировать в условиях единого информационного пространства предприятия и использовать перспективные комплексные методы оценки трудоемкости изготовления машиностроительного изделия.
ПАСП логически построен на четырех структурных элементах: - база данных информационной поддержки жизненного цикла изделия (БД ИПИ); - модули планирования и мониторинга проектов (ПЛАНИРОВАНИЕ); - модули анализа производственных систем и прогнозирования экономических показателей производства (ПРОГНОЗИРОВАНИЕ); - модули технологической поддержки производства и технического нормирования (ТЕХНОЛОГИЯ).
Взаимодействие между структурными элементами пакета построено на единой базе данных предприятия (база данных информационной поддержки изделия) и на конструктивно-технологической сложности, как универсального показателя экономических параметров изделия.
БД ИПИ использует как собственные структуры, так и представления из баз данных систем сторонних разработчиков, применяемых на предприятии. Кроме того, каждый отдельный модуль пакета имеет собственные структуры данных, решающие локальные задачи по хранению и обработке информации.
Фрагменты пакета автоматизированных систем частично реализованы в виде автоматизированной системы -технического нормирования АСТН, системы определения организационно-технического уровня многономенклатурного производства, системы расчета проектных затрат изготовление деталей машиностроения и др. [3, 55, 56].
Автоматизированная система определения прогнозной трудоемкости, входит в состав описанного выше пакета автоматизированных систем поддержки производства и представлена на его структуре как модуль NET (рисунок). Непосредственно структура модуля NET представлена на рисунке4.2. Рассмотрим ее подробно.
Основу системы составляет модуль ПРОГНОЗ, обеспечивающий многоуровневую классификацию поступающего на вход системы изделия или элементов обучающей выборочной совокупности, обучение и конфигурирование искусственных нейронных сетей, и аппроксимирующий блок на основе математического аппарата искусственных нейронных сетей в соответствии с принципами и методиками, описанными в главе 2 настоящей работы. Алгоритм работы модуля ПРОГНОЗ при определении показателя конструктивно-технологической сложности показан на рисунке 4.3.
Первоначально выполняется описание исследуемого изделия с применением выделенных экспертами параметров для каждого применяемого к объекту передела. Далее, после проведения предварительной и базовой классификации при попадании изделия в один из базовых классов выполняется процедура классификации с использованием предварительно настроенной сети Кохонена для текущего базового класса. В ситуации, в которой базовый класс определить невозможно, выполняется уточнение описания исследуемого изделия, или полная настройка классификационной и аппроксимирующей моделей для нового типа изделия. После соотнесения исследуемого изделия с одним из классов, полученных на основании самоорганизующейся карты, выполняется оценка показателя конструктивно технологической сложности изделия с применением соответствующей обученной нейронной сети.
Первым этапом при настройке модели конструктивно-технологической сложности выполняется формирование или выбор уже существующей экспертной группы - группы компетентных специалистов, мнение которых будет использовано при оценке значимых параметров для вновь вводимых на производственной системе технологических переделов. Также, экспертная группа принимает участие при формировании обучающего множества изделий, параметры которых будут рассматриваться как эталонные и контрольные при настройке аппроксимирующих моделей и классификаторов автоматизированной системы.
После формирования обучающей выборки выполняется поэтапная классификация, итогом которой становятся несколько классов изделий, для каждого из которых строится и обучается нейросетевая аппроксимирующая модель.
База данных обеспечивает формирование структуры изделия путем организации ссылок на ранее созданные объекты. Например, если деталь входит в несколько узлов, то ее модель не копируется многократно, а формируются ссылки на эту деталь. По созданным сборкам может быть выполнено документирование изделий. Причем формы документов (спецификации, ведомости материалов и др.) представлены в том виде, который принят на предприятии, и приведены к форматам, пригодным для передачи в другие автоматизированные системы.
В случае изменения объектов система отслеживает ссылки в базе данных и информация обновляется в сборках и машинном представлении документов. Если внесенные изменения не выполнимы (например, вследствие некорректного использования какой-либо функции), всегда остается возможность вернуться к любой из предыдущих версий модели.
В качестве физической реализации структуры данных используется сервер баз данных MS SQL [61], что позволяет формировать специализированные рабочие места с единой разделяемой структурой данных и обеспечивает одновременную работу нескольких пользователей.
