Содержание к диссертации
Введение
1 Анализ современного состояния проблемы оперативного управления дискретным производством 13
1.1 Постановка задачи оперативного управления единичным и мелкосерийным производством на примере сталелитейного производства 13
1.1.1 Характеристика задачи оперативного управления производством 13
1.1.2 Задача оперативно-календарного планирования работы литейных цехов металлургических предприятий дискретного производства 20
1.2 Анализ современных методов календарного планирования производства в приложении к планированию сталелитейного производства... 24
1.2.1 Основные направления современной теории расписаний 24
1.2.2 Анализ возможности применения существующих методов календарного планирования к задаче планирования работы литейного цеха : 33
1.3 Использование генетических алгоритмов для решения многокритериальных оптимизационных задач 36
1.3.1 Структура простого генетического алгоритма 36
1.3.2 Параллельные генетические алгоритмы 38
1.3.3 Анализ существующих методик календарного планирования производства, основанных на генетических алгоритмах 41
1.3.4 Выбор способа оценки качества решений 43
Выводы по главе 1 48
2 Разработка методики календарного планирования работы сталелитейного производства в условиях позаказного планирования 50
2.1 Разработка структуры системы внутрицехового планирования сталелитейного производства 50
2.2 Применение генетических алгоритмов и теории полезности к задаче оперативно-календарного планирования работы литейного цеха 59
2.3 Методика определения номенклатурного состава плавок с помощью генетических алгоритмов 65
2.3.1 Структура блока определения номенклатурного состава плавок 65
2.3.2 Расчет номенклатурного состава плавок 66
2.3.3 Оценка вариантов номенклатурного состава плавок 67
2.4 Методика составления расписания работы оборудования сталелитейного цеха с помощью генетических алгоритмов 73
2.4.1 Структура блока расчета расписания плавок 73
2.4.2 Процедура формирования расписания плавок 75
2.4.3 Расчет сменно-суточных заданий и оценка расписаний работы оборудования 77
Выводы по главе 2 82
3 Исследование условий применения и эффективности разработанной методики календарного планирования работы подразделений литейного цеха 84
3.1 Исследование эффективности методики определения номенклатурного состава плавок на основе генетических алгоритмов 84
3.1.1 Определение параметров генетического алгоритма 84
3.1.2 Методика определения номенклатурного состава плавок на основе динамического программирования 89
3.1.3 Сравнение результатов расчета состава плавок на основе динамического программирования и генетического алгоритма 95
3.2 Сравнительный анализ эффективности применения методики составления расписания плавок с использованием генетических алгоритмов и методов целочисленного программирования 96
3.2.1 Определение оптимальных параметров ГА для составления расписания плавок 96
3.2.2 Применение методов целочисленного программирования для оптимизации расписания плавок 98
3.2.3 Сравнение результатов применения для составления расписания работы оборудования целочисленного линейного программирования и генетических алгоритмов 103
3.3 Сравнительный анализ эффективности применения простого и параллельного генетических алгоритмов для календарного планирования работы литейного цеха 105
3.3.1 Выбор структуры и определение оптимальных параметров параллельного ГА 105
3.3.2 Сравнение результатов простого и параллельного ГА 108
Выводы по главе 3 109
4 Разработка автоматизированной системы поддержки принятия решений по оперативному управлению сталелитейных производств и оценка практических результатов ее внедрения 112
4.1 Разработка информационного обеспечения системы оперативного управления литейным цехом 112
4.1.1 Описание входной и выходной информации 112
4.1.2 Функции и алгоритм работы разрабатываемой системы оперативного планирования 117
4.1.3 Разработка структуры базы данных 119
4.2 Программная реализация разработанной методики и системы в виде системы оперативного управления сталелитейным производством «SWS» 122
4.3 Модернизация системы оперативно-календарного планирования литейного цеха 128
4.3.1 Описание структуры фасонно-сталелитейного цеха и технологического процесса изготовления отливок 128
4.3.2 Структура системы оперативного управления сталелитейным производством 131
4.3.3 Организация внедрения системы автоматизированного оперативного управления сталелитейным производством «SWS» на ОАО«ОЗММ» 134
4.4 Анализ практических результатов внедрения системы оперативного управления производством «SWS» 136
4.4.1 Сравнение результатов системы «SWS» с существовавшей ранее системой календарного планирования 136
4.4.2 Расчет экономической эффективности проекта по внедрению системы оперативного управления сталелитейным производством «SWS» с учетом фактора времени 139
Выводы по главе 4 150
Заключение 153
Список литературы
- Характеристика задачи оперативного управления производством
- Применение генетических алгоритмов и теории полезности к задаче оперативно-календарного планирования работы литейного цеха
- Определение параметров генетического алгоритма
- Функции и алгоритм работы разрабатываемой системы оперативного планирования
Введение к работе
Актуальность проблемы. Современное промышленное предприятие представляет собой сложную многоуровневую систему. Модуль планирования производства в системах планирования и управления предприятием строится на основе математических моделей процессов на предприятии, от точности которых зависит оптимальность разрабатываемых объемно-календарных планов. Особую значимость имеет задача внутрицехового оперативно-календарного планирования и диспетчирования, которая в значительной мере влияет на результаты работы предприятия в целом. Весьма актуальна эта задача на предприятиях мелкосерийного и единичного типов производства.
Для предприятий дискретного типа производства характерно позаказное планирование в условиях большого разнообразия номенклатуры выпускаемой продукции и технологических операций. Все это значительно усложняет задачу оперативного календарного планирования на таких предприятиях.
На металлургических предприятиях, которые в основном являются предприятиями дискретного типа производства, одним из ресурсоемких процессов является изготовление отливок. Планирование сталелитейного производства имеет специфику, связанную с тем, что на разных этапах технологического процесса используются разные планово-учетные единицы, а последовательность выполнения технологических операций повторяется для всех изделий.
Высокая размерность данной задачи и стохастичность характеристик затрудняет использование детерминированных методов для ее решения, а методы, основанные на эвристиках, не всегда позволяют получить достаточно хорошие решения. Большинство разработанных к настоящему времени методик оперативно-календарного планирования основано на упрощенных моделях задачи, что снижает их практическую значимость, либо эти методики применимы лишь для определенных специфичных условий. Значительную сложность, кроме того, представляет проблема оценки качества получаемых расписаний.
Таким образом, существует необходимость в разработке методики опера-
тивного календарного планирования работы предприятий дискретного производства, которая позволила бы проводить оптимизацию расписания оборудования по нескольким критериям качества с учетом существующих ограничений, формировать сменно-суточные задания подразделениям цеха и при этом обеспечивала бы получение оптимальных или близких к оптимальным решений.
Анализ существующих методов календарного планирования показывает, что система, отвечающая указанным требованиям, может быть построена на основе генетических алгоритмов, которые в настоящее время используются для решения широкого круга многокритериальных и многомерных оптимизационных задач. При этом не требуется построение точных математических моделей, также не предъявляется специальных требований к виду целевой функции.
Цели и задачи исследования. Целью диссертации является повышение эффективности внутрицехового планирования литейных цехов металлургических предприятий единичного и мелкосерийного типов производства на основе генетических алгоритмов.
Достижение цели диссертационной работы потребовало решения следующих задач:
разработка структуры системы оперативно-календарного планирования литейного цеха, в которой производится оптимизация загрузки сталеплавильного оборудования с учетом существующих ограничений;-
разработка методики решения многокритериальной задачи о распределении литейных форм по плавкам (определении состава плавок), основанной на генетических алгоритмах и теории полезности;
построение детерминированной модели решения задачи об определении состава плавок и получение сравнительной оценки эффективности данного метода с разработанной методикой, основанной на генетических алгоритмах;
разработка методики оптимизации расписания работы оборудования, основанной на ГА и теории полезности;
получение сравнительной оценки эффективности решения задачи составления расписания работы оборудования литейного цеха разработанной методи-
ки, использующей генетические алгоритмы и детерминированных методов;
сравнение эффективности простых и параллельных генетических алгоритмов для задачи календарного планирования производства;
реализация разработанной методики в виде программной системы календарного планирования литейного цеха;
доказательство эффективности разработанной методики в ходе экспериментальной проверки планирования на базе ОАО «Оскольский Завод Металлургического Машиностроения» и анализ результатов внедрения данной системы.
Объект исследования. Объектом исследования, проводимого в настоящей диссертационной работе, является организация оперативно-календарного планирования и управления на металлургических предприятиях.
Предмет исследования. Предметом настоящего исследования является система внутрицехового оперативного управления в сталелитейных цехах металлургических предприятий единичного и мелкосерийного типов производства.
Методы исследования. В работе использованы методы системного анализа, теории принятия решений, математической статистики, динамического и целочисленного программирования, математический аппарат генетических алгоритмов.
Методологическую и теоретическую основу диссертационной работы составили научные труды отечественных и зарубежных авторов в области теории расписаний, организации и оперативного управления производством, математического программирования и эволюционных вычислений.
Научная новизна исследования. На основании выполненных автором исследований и при его личном участии впервые разработаны математические модели, методики и алгоритмы, позволяющие повысить эффективность оперативного управления на металлургических предприятиях дискретного производства.
В диссертации получены следующие результаты, характеризующиеся на-
учной новизной:
предложен способ оперативно-календарного планирования работы сталелитейного производства, основанный на разделении приоритетов технологических операций с учетом производительности оборудования, ограничений на потребляемую электроэнергию, плановых ремонтов и состояния металлургической оснастки;
разработана методика, основанная на генетических алгоритмах, включающая решение задач определения номенклатурного состава плавок и составления расписания работы технологического оборудования литейного цеха;
с целью оценки эффективности разработанной методики, была предложена методика альтернативного решения задач определения номенклатуры плавок и составления расписания работы технологического оборудования, основанная на классических детерминированных методах: динамическое программирование и целочисленное линейное программирование;
получены результаты сравнительного анализа разработанной методики и классических методов, доказывающие преимущество генетических алгоритмов для решения задачи календарного планирования в условиях дискретного производства;
предложен способ совершенствования разработанной методики на основе применения параллельной структуры генетических алгоритмов и получены экспериментальные результаты, подтверждающие его эффективность.
Достоверность научных результатов. Научные положения, теоретические выводы и практические рекомендации, включенные в диссертацию, подтверждены расчетами, моделированием на ЭВМ, производственными экспериментами и экспертными оценками специалистов, а также результатами, полученными при создании и внедрении на производстве автоматизированной системы оперативного календарного управления сталелитейным производством.
Практическая значимость исследования. Использование полученных в диссертации моделей и методов позволяет производить автоматизированную разработку оперативных календарных планов подразделений литейных цехов,
что обеспечивает существенное повышение коэффициента использования оборудования и сокращение времени на разработку сменно-суточных заданий. Разработанная методика решения многомерных и многокритериальных задач о загрузке оборудования может быть использована на предприятиях единичного и мелкосерийного производства.
Разработанные модели и методы реализованы, внедрены и используются в планово-распределительном бюро литейного цеха и производственном отделе ОАО «ОЗММ» для составления планов работы подразделений литейного цеха. Основные теоретические положения, методы, алгоритмы и механизмы планирования, а также программные продукты включены в состав учебных курсов и дисциплин: «Проектирование систем управления» и «Системы искусственного интеллекта» для специальностей «Информационные системы», «Прикладное программирование».
Положения, выносимые на защиту:
методика решения задач определения номенклатурного состава плавок и расписания работы оборудования сталелитейного цеха на основе генетических алгоритмов;
методика оценки вариантов номенклатурного состава плавок и расписания плавок, основанная на теории полезности;
алгоритм и концепция построения автоматизированной системы оперативного управления сталелитейным производством.
Апробация работы. Материалы исследования докладывались и обсуждались на международной научно-практической конференции «Современные сложные системы управления» (г. Воронеж, 2005г.), международных научных конференциях «Образование, наука, производство и управление в XXI веке» (г. Старый Оскол, 2004г.), «The 2005 International Conference on Scientific Computing» (г. Лас-Вегас, 2005г.), региональных, научно-практических конференциях «Системы автоматизированного управления производствами, предприятиями и организациями горно-металлургического комплекса» (г. Старый Оскол, 2003г.), «Молодые ученые - производству» (г. Старый Оскол, 2005г.), «Научно-
техническая конференция ОАО «ОЭМК»» (г. Старый Оскол, 2005г.), «Образование, наука, производство и управление в XXI веке» (г. Старый Оскол, 2005г.).
Публикации. По теме диссертации опубликовано 11 работ. Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем: в работах [35], [39] автором выполнен обзор современных методов календарного планирования и сформулирована задача планирования сталеплавильного участка литейного цеха; в работах [29], [37], [116] предложены методики решения задачи оптимизации номенклатурного состава плавок с помощью генетических алгоритмов и динамического программирования и представлены результаты экспериментального сравнения этих методик; в работах [32], [30] предложена методика составления расписания работы оборудования; в работе [33] предложена методика оценки качества расписаний на основе теории полезности; в работе [36] выполнено сравнение результатов простых и параллельных генетических алгоритмов; в работе [31] приведены результаты расчета экономической эффективности от внедрения разработанной системы оперативного управления производством на ОАО «ОЗММ», в работе [28] разработана структура базы данных.
Диссертация выполнялась в соответствии с комплексной темой научно-исследовательской работы СТИ МИСиС «Разработка математических методов управления процессами основного и вспомогательного производства в металлургии» и подтверждена грантом Министерства образования РФ №012.0010881.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 149 страницах машинописного текста, содержит 36 рисунков, 37 таблиц, список литературы из 154 наименований и 9 приложений.
Характеристика задачи оперативного управления производством
В объемном плане используются оценки затрат времени и ресурсов для каждой работы, а также существующие связи между работами и другие ограничения. При календарном планировании приходится иметь дело с временными назначениями заданий для фактического выполнения объемного плана.
Несмотря на то, что задачи календарного и объемного планирования, как правило, рассматриваются по отдельности, они неразрывно связаны. Изменения в расписании могут потребовать изменения набора заданий, для получения допустимого календарного плана. В то же время, возможна ситуация, когда на основе объемного плана не может быть построено ни одно допустимое расписа І ние. Сложность построения расписания зависит как от исходного плана, так и от количества и вида критериев оценки расписания.
В планировании деятельности любого современного предприятия определяющее значение имеют потребности клиентов. При этом по способу организации производства можно выделить две классификационные группы предприятий [107]: - предприятия типа Open Shop, которые изготавливают продукцию по мере поступления заявок от клиентов. При этом не предусматривается создание каких-либо межоперационных заделов; - предприятия типа Closed Shop, которые выполняют заявки клиентов, используя имеющиеся запасы. Производственные задания в этом случае являются решением задачи о пополнении запасов.
На практике предприятия, полностью относящиеся к одному из указанных видов встречаются крайне редко, однако, как правило, исходя из условий производства любое предприятие может быть отнесено к одной из перечисленных выше групп. Предприятия металлургического машиностроения, как правило, принадлежат к первой группе. Известно, что машиностроительные предприятия составляют основную долю в единичном и мелкосерийном производстве.
Известно, что тип производства определяется не столько размером обрабатываемых партий деталей, сколько так называемой планово-учетной единицей, используемой для его управления.
Для массового производства в качестве планово-учетной единицы выступает так называемая «точка пополнения» гарантированного уровня запасов склада. Это может быть некоторый объем деталей или узлов, хранящийся на складе и используемый в производстве для получения некоторой продукции. Как только уровень объема становится ниже заданной «точки пополнения» склада, формируется новый заказ на производство такого числа единиц отдельных деталей или узлов, который компенсирует недостающие детали до уровня «точки пополнения». С такой планово-учетной единицей хорошо работают ERP-системы, проводя своевременный учет и автоматически формируя задание на пополнение склада.
Если производственное подразделение работает и отчитывается по заказам (заказ - это совокупность деталей собственного изготовления, которые впоследствии собираются в изделие), то планово-учетной единицей выступает производственный заказ, а само производство относится к единичному или мелкосерийному. Для позаказного производства определяющим фактором является комплектность выпускаемого изделия. Если хотя бы одна детале-сборочная единица не изготовлена, все остальные детали, составляющие заказ, лежат мертвым грузом, образуя незавершенное производство, и весь заказ считается невыполненным.
При позаказном производстве значительно усложняется долгосрочное планирование, т.к. довольно сложно спрогнозировать спрос на тот или иной вид продукции в следующем периоде. Тем не менее, на машиностроительных предприятиях, как правило, помимо изделий, производимых единично, имеется номенклатура, которая пользуется более или менее постоянным спросом. Такая продукция повторяется из месяца в месяц в примерно одинаковых количествах. Это позволяет условно разделить всю номенклатуру выпускаемых изделий на две группы - постоянную и переменную, и производить ориентировочные прогнозы заказов на будущие периоды.
В связи с упомянутым выше разделением видов производства на две категории, все многообразие имеющихся систем оперативного календарного планирования производства (ОКП) можно разбить на две группы: - планирование по опережениям (позаказная, машинокомплектная и др. виды комплектных систем); - планирование по заделам (складская система, по такту потока детале-сборочных единиц, по директивным срокам межцеховых подач).
В последние годы в мировой практике накоплен значительный опыт автоматизации серийного, мелкосерийного и единичного производства, удельный вес которого во всем валовом продукте, по данным Международной ассоциа ции инженеров-технологов [20], составляет 70%. Наибольшее распространение при планировании по опережениям получила позаказная система производственного планирования.
В настоящее время наиболее часто системы оперативного планирования строятся на основе принципа «выталкивания» (MRP-II) , либо «вытягивания» производственных заданий (KANBAN).
Как MRP-II, так и KANBAN на первом этапе решают задачу разузлования изделий на отдельные входящие в них детали. Эти детали разбиваются на три группы: изготавливаемые, нормализованные (стандартные) и покупные. Для изготавливаемых деталей формируется технологический процесс их обработки. Опираясь на техпроцесс сборки и изготовления отдельных деталей и узлов изделия, производится планирование производства: в MRP-II строится Master Production Schedule, и в зависимости от требуемых сроков подачи различных деталей на сборку происходит планирование работ по отдельным подразделениям: - изготавливающим подразделениям формируется объемный план обработки деталей собственного изготовления; - обеспечивающим службам спускается график подачи нормализованных деталей на сборку к требуемому сроку; - отделу снабжения выдается задание на приобретение покупных деталей, на что выделяется соответствующий бюджет.
Применение генетических алгоритмов и теории полезности к задаче оперативно-календарного планирования работы литейного цеха
Для применения генетических алгоритмов к любой оптимизационной задаче требуется выполнить следующие предварительные действия: 1. выбрать способ представления решения (способ кодирования хромо сом). На этом этапе также необходимо определить способ вычисления ЦФ для оценки решений; 2. разработать операторы случайных изменений (варианты кроссинговера, мутации, инверсии и т.д.); 3. определить законы выживания решения; 4. создать начальную популяцию.
Для представления решения в виде, удобном для реализации на ЭВМ, требуется такая структура, которая позволит кодировать любое возможное решение и производить его оценку. Математически доказано [43], что не существует идеальной структуры представления, так что для создания хорошей структуры требуется анализ, перебор и эвристические подходы. Возможный вариант представления должен позволять проведение различных перестановок в хромосомах. В общем случае, как было установлено в работе [131], для максимально эффективного использования генетического алгоритма для комбинаторных задач, он должен отвечать следующим условиям: полнота (способ кодирования хромосом должен обеспечивать получение любого возможного решения); непротиворечивость (каждой особи, полученной с помощью ГА должно соответствовать какое-либо решение); однозначность (каждой особи должно соответствовать только одно решение); наследование потомками свойств родителей.
Существует большое разнообразие способов кодирования хромосом ГА для задачи составления расписаний, некоторые из которых были рассмотрены в главе 1. При использовании недвоичного кодирования хромосом, как правило, вначале все работы кодируются в некотором алфавите, число букв которого равно количеству рассматриваемых работ, а затем по аналогии со стандартными генетическими операциями разрабатываются специальные операторы крос-синговера, мутации и т.д. В других реализациях ГА, с помощью алфавита кодируются пары работ или сочетания номеров работ с номерами машин, на которых они должны быть выполнены. Несмотря на простоту данных подходов, сложность представляет разработка таких операторов, при которых не наруша-.; ется ни одно из перечисленных выше условий.
Для реализации ГА №1 и ГА №2 предлагается использовать способ двоичного кодирования хромосом, основанный на сравнении аллелей генов. Схема предлагаемого способа кодирования для задачи определения состава плавок представлена на рис. 2.3. Количество генов в хромосоме равно количеству рассматриваемых литейных форм. Численное значение каждого гена (аллель) определяет приоритет, с которым соответствующая форма будет включена в плавку.
Гены кодируются в коде Грея. Данный способ кодирования более предпочтителен, чем десятичное или простое двоичное кодирование, поскольку обеспечивает минимальное Хеммингово расстояние между хромосомой X и хромосомой X , полученной из X путем применения оператора мутации. Разрядность генов должна быть достаточной, чтобы охватить максимально возможное количество форм, учитываемых при расчете. Поскольку на большинстве металлургических предприятий дискретного типа производства количество форм в месяц имеет порядок от сотен до нескольких тысяч, а горизонт расчета расписания плавок не превышает одного месяца, будем считать, что разрядности в 12 единиц на один ген достаточно для обеспечения необходимого диапазона значений приоритетов. Данный способ кодирования отвечает условию полноты, т.к. позволяет получить любую перестановку литейных форм (при условии, что разрядности генов достаточно для охвата всех рассматриваемых форм). Непротиворечивость и однозначность должны быть обеспечены при разработке способа декодирования хромосом, а наследование - при выборе оператора кроссинговера.
Производительность ГА во многом зависит от того, насколько хорошо взаимодействуют между собой схема представления, операторы случайных из- \ менений и способ определения ЦФ. Поэтому для определенного класса задач более целесообразно использовать специально определенные для этих задач операторы.
Из всех существующих генетических операторов, обязательными являются кроссинговер и мутация. Иногда к генетическим операторам также относят и селекцию, которая также является обязательной операцией, выполняемой в любом генетическом алгоритме.
Основная функция операторов кроссинговера - создавать хромосомы потомков на основе скрещивания родителей. Правильный выбор структуры кроссинговера во многом определяет эффективность ГА в целом. Наиболее часто используются следующие варианты кроссинговера: одноточечный, двухточечный и универсальный.
Определение параметров генетического алгоритма
Эта схема аналогична схеме кодирования, использованной ранее (рис. 2.3) для расчета состава плавок. Однако здесь каждый ген хромосомы соответствует не литейной форме, а плавке. Численное значение гена определяет порядок, в котором плавки будут располагаться в результирующей последовательности.
Одной из главных трудностей, возникающих при реализации генетического алгоритма в системах календарного планирования, является проблема получения допустимых вариантов расписаний. При реализации генетического алгоритма, каждой особи, получаемой в результате применения генетических операторов должен соответствовать единственный допустимый вариант решения, однако из-за большого количества ограничений в задачах календарного планирования, если не предпринимать специальных мер, большинству генерируемых хромосом соответствуют недопустимые варианты планов. Это может свести на нет эффективность ГА. Существуют различные способы решения данной проблемы. В ряде работ [102, 100] для этого предлагается использовать специальную корректирующую функцию (repair function), с помощью которой неприемлемый вариант расписания преобразуется в допустимый. При этом необходимо, чтобы полученный вариант как можно меньше отличался от исходного, иначе эффективность генетического алгоритма будет крайне низкой. В работах [148, 106] для того, чтобы избежать появления недопустимых вариантов плана, предлагается использовать нестандартные генетические операторы. Вид этих операторов зависит от специфики решаемой задачи и конкретных ограничений. Разработать такие нестандартные генетические операторы довольно сложно, поскольку помимо того, что они должны исключать некорректные варианты расписания, область поиска допустимых решений при этом не должна сужаться. Помимо рассмотренных методов, для того, чтобы отсеять недопустимые расписания, в целевую функцию расписания могут быть введены «штрафные» значения, с помощью которых ненужные варианты расписаний будут отсеяны в ходе селекции как малоприспособленные особи. Данный подход, несмотря на свою простоту, является малопригодным, поскольку введение дополнительных критериев в целевую функцию снижает значимость основных критериев, по которым, собственно, и должна производиться оптимизация.
При использовании неявных схем кодирования, достаточно простым и весьма эффективным является метод обеспечения допустимости решений, при котором большинство (или все) ограничения учитываются в детерминированной части системы, т.е. блоке расчета расписания. В данной работе была использована именно такая методика.
Блок расчета расписания реализуется следующим образом. Для расчета графика проведения плавок необходимо знать значения следующих величин: Длительность g-й плавки t ", которая может быть получена из технологических документов по производству стали и стандартов, принятых на предприятии. Как правило, данная величина определяется лишь маркой стали и составом используемой шихты. Время начала тгт и окончания rrJ капитального ремонта т-й печи.
Временные ограничения на проведение плавок. Как правило, такие ограничения задаются следующим образом: в определенные часы суммарная мощность потребляемой печами электроэнергии не должна превышать определенного значения. На практике такое ограничение сводится к тому, что в данный период времени, от т/0 до тл, одновременно может проводиться только ограниченное количество плавок с0 (например, в этот период могут работать не более двух металлургических печей). Частный случай, когда на данный период плавки запрещены, соответствует значению с0 = 0.
Любой вариант расписания плавок может быть описан матрицей Й , элементы которой сот задают время начала g-й плавки на т-й печи. Каждый столбец матрицы й должен содержать один ненулевой элемент (т.е. плавка должна быть назначена на одну печь).
Каждой хромосоме, полученной в ходе работы генетического алгоритма, соответствует набор числовых значений генов geneg, число которых равно количеству рассматриваемых плавок G. Каждому набору значений вектора gene однозначно соответствует один из вариантов расписания плавок. Для этого последовательно рассматриваются все плавки и каждая из них назначается на одну из печей. Алгоритм расчета расписания следующий:
Выбирается плавка, для которой значение geneg максимально (среди всех не рассмотренных еще плавок).
Функции и алгоритм работы разрабатываемой системы оперативного планирования
Центральным компонентом информационного обеспечения является база данных, посредством которой осуществляется обмен данными различных задач. База данных обеспечивает интегрированное использование различных информационных объектов в функциональных подсистемах [75].
Структура базы данных строится в соответствии с требованиями к функциональности создаваемой системы. Основные функции, которые должна выполнять система оперативно-календарного планирования литейного цеха следующие: - хранение, поиск, выдача информации, необходимой в процессе планирования; - обработка данных (сортировка, копирование, перенос и редактирование данных, перенос информации из справочника во временную таблицу и т. д.); - создание контрольных отчетов, содержащих сменно-суточные задания; - расчет сменно - суточных планов; - возможность обращения пользователя к большим массивам информации; - вывод информации в печатном виде; - разграничение прав доступа пользователей в процессе получения и использования информации.
Алгоритм работы системы календарного планирования, реализующей разработанную в данной работе методику, (приложение Д) состоит в следующем. Первоначально требуется ввести все необходимые данные для расчета плана участков. Эта информация включает в себя месячный план изготовления отливок; данные о схемах монтажа отливок в литейных формах; нормы времени на технологические операции; данные об оборудовании. После того, как получена вся необходимая нормативно-справочная информация, необходимо задать параметры расчетов. Далее, последовательно осуществляется расчет месячных планов для формовочного, плавильного и термообрубного отделений; состава плавок и сменно-суточных заданий для плавильного участка. Месячные планы отделений рассчитываются в начале месяца и, после утверждения, могут быть откорректированы только специалистом ПО после согласования с начальником цеха. Все отклонения, возникающие в процессе выполнения сменно-суточных заданий, должны быть немедленно внесены в базу данных системы. Новые сменно-суточные задания рассчитываются с учетом текущей оперативной информации.
Алгоритм работы системы «SWS» представлен в приложении Д. Месячные календарные планы работы отделений рассчитываются по методике, представленной в п. 2.1.
После окончания расчетов, результаты анализируются ЛПР. Если полученный вариант плана не устраивает ЛПР, в результаты расчетов могут быть внесены изменения вручную. Окончательный вариант плана распечатывается и утверждается начальником цеха.
Для расчета состава плавок (прил. Д) ЛПР задает (или корректирует уже имеющиеся) функции полезности и весовые коэффициенты всех критериев качества. Далее, запускается ГА №1, который производит оптимизацию целевой функции состава плавок. Полученное в результате распределение литейных форм по плавкам может быть откорректировано непосредственно ЛПР, либо пересчитано с новыми параметрами целевой функции.
Состав плавок является входной информацией для блока расчета сменно-суточных заданий для участков цеха (прил. 9). Как и на предыдущем этапе, здесь перед проведением расчетов необходимо задать вид целевой функции путем настройки весовых коэффициентов и функций полезности критериев оценки расписания.
После анализа расписания плавок, рассчитанного с помощью ГА №2 по методике, представленной в п.2.4, ЛПР может либо принять решение о его пересчете с другими параметрами, либо внести некоторые изменения вручную. Полученные в итоге сменно-суточные задания выводятся на печать, утверждаются и передаются сменным мастерам участка.
Логическая структура базы данных определяется информационными потребностями проекта. При ее разработке выделяются основные информационные сущности предметной области, выявляются связи между ними. Затем, логическая структура должна быть оптимизирована в соответствии с реализуемыми целевыми функциями проекта. Краткое описание всех используемых таблиц приведено в таблице 4.13.
Для хранения данных о каждом виде отливок (однозначно идентифицируемых по номеру чертежа) служит таблица SP_PRODUCT (справочник изделий), в которой также содержатся и нормы времени на технологические операции, длительность которых для разных изделий может быть различна. Данный справочник связан по полю KODSTEEL с таблицей SP_STEEL, содержащей данные о марках стали и нормы времени на проведение плавок.
