ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2018

Интеллектуальное моделирование производственных процессов

Статья опубликована в выпуске журнала № 3 за 1991 год.[ 22.09.1991 ]
Аннотация:
Abstract:
Авторы: Меркурьев Ю.А. () - , , , Тейланс А.А. () - , , , Меркурьева Г.В. () - , ,
Ключевое слово:
Ключевое слово:
Количество просмотров: 14985
Версия для печати

Размер шрифта:       Шрифт:

В течение последнего десятилетия большое количество работ в области имитационного моделирования посвящено объединению технологий моделирования и искусственного интеллекта (точнее, его прикладного направления, связанного с разработкой систем, основанных на знаниях). Результатом такого объединения являются системы имитационного моделирования, основанные на знаниях. Эти системы заключают в себе знания, необходимые для квалифицированного проведения исследований по имитационному моделированию объектов соответствующих классов. Тем самым значительно расширяются границы применимости методов имитационного моделирования: от пользователей подобных систем уже не требуется специальных знаний в области программирования и имитационного моделирования.

В [5] приводится обзор зарубежных работ в области разработки и применения систем имитационного моделирования, основанных на знаниях. Интеллектуальные функции в этих системах реализуются, как правило, с помощью технологии экспертных систем. Это приводит к появлению экспертных систем имитационного моделирования (ЭСИМ). Основные результаты указанного обзора состоят в следующем.

1.       Экспертные системы {ЭС) и системы имитационного моделирования (СИМ) имеют ряд сходных методологических свойств, что дает принципиальную возможность их совмест ного использования; а некоторые отличия, при сущие этим системам делают их объединение желательным.

2.       Экспертные системы дают возможность решать задачи имитационного моделирования с помощью новой технологии: инженерии знаний. Однако и эта технология имеет определенные ограничения, которые должны учитываться при анализе возможности и целесообразности со здания конкретных ЭСИМ.

3.       Технология ЭСИМ позволяет автомати зировать процесс имитационного моделиро вания.

4.  Существует множество подходов к объе динению ЭС и СИМ. В частности, различают их следующие комбинации:

-     гибридные системы, в которых ЭС использу ется как интеллектуальный интерфейс между пользователем и уже существующим про граммным обеспечением имитационного моде лирования;

-     советующие системы, в которых ЭС выпол няет функции консультанта;

-     новые системы, в которых технология ЭС из меняет сам принцип построения СИМ;

5.  Основными принципами (парадигмами) построения ЭСИМ являются:

-     объектно-ориентированное программирова ние;

-     программирование, основанное на правилах;

-     логическое программирование;

-     комбинирование различных принципов про граммирования.

Существуют всевозможные средства построения ЭСИМ, основанные на указанных принципах.

6.       Известно большое количество реализа ций ЭСИМ (22 из них описаны в обзоре [5]).

7.       Наиболее перспективными являются сле дующие направления работ в области ЭСИМ:

-     построение ЭСИМ с помощью комбинирова ния различных принципов программирования. Это позволяет моделировать различные эле менты проблемной области с помощью наибо лее адекватных для них методов программиро вания;

-     использование аналитических методов для решения сопутствующих задач, например для предварительного экспресс-анализа исходных данных и для оптимизации имитационной мо дели;

-     разработка прескриптивных (управляемых це лью) систем имитационного моделирования, в которых автоматически преследуется достиже ние сформулированной пользователем цели мо делирования;

-     разработка параллельных, распределенных и многопользовательских ЭСИМ;

- разработка СИМ, одновременно поддерживающих управление моделируемыми процессами и связанных с СУБД, которые содержат результаты измерений и имитационных экспериментов.

S. Большинство из существующих проблемно-ориентированных ЭСИМ разработано для моделирования производственных систем.

Разрабатывая экспертную систему имитационного моделирования производственных процессов (ЭСМП), авторы взяли за основу следующие принципы [2].

1. Программное обеспечение имитационно го моделирования и интерфейс должны быть удобным для пользователя, не имеющего пред варительной специальной подготовки в этой об ласти. Поэтому при создании интерфейса сле дует исходить из концепций, используемых ин женерами в их повседневной работе.

2.       Принятие всех решений в области имита ционного моделирования (например при созда нии модели, при планировании имитационных экспериментов, при анализе их результатов) должно быть максимально автоматизировано. В то же время пользователь должен иметь воз можность отслеживать принимаемые системой решения и, если посчитает нужным, корректи ровать их.

3.       Средства имитационного моделирования должны быть интеллектуальными. Они долж ны допускать, с одной стороны, максимально возможное включение требуемых знаний и опыта в программное обеспечение моделирова ния, с другой стороны, использование методов обработки знаний для манипуляций с ними.

4.       Для снижения общего объема вычисле ний желательно организовать процесс модели-

рования в два этапа. При этом вначале с помощью аналитических методов проводится предварительный, упрощенный анализ, а затем его результаты уточняются с помощью собственно имитационного моделирования.

5.       Полезно иметь непосредственную связь моделирующей системы с объектом моделиро вания, например для сбора исходной инфор мации.

6.       Желательно иметь возможность нагляд ного графического обеспечения имитационной системы (например анимации, т.е. "оживле ния", имитационных экспериментов).

На рис Л представлена структура описываемой ЭСИМ производственных процессов. Рассмотрим основные свойства системы.

Сочетание методов имитационного

моделирования с методами аналитического

моделирования и технологией экспертных систем

В ЭСМП используются методы аналитического и имитационного моделирования, интервальный анализ и методы теории оптимизации. Она позволяет проводить:

аналитический экспресс-анализ процесса с целью исследования возможности выполнения производственной программы и для оценивания необходимого количества технологических и транспортных единиц (оценки могут быть получены также в виде интервалов значений, уточняемых в дальнейшем с помощью имитационного моделирования);

имитационное моделирование процесса, которое в зависимости от сформулированной пользователем цели исследования дает возможность анализировать процесс (оценивать производительность, коэффиценты использования оборудования и т.д.); сравнивать различные варианты организации процесса; оптимизировать процесс.

Сочетание различных подходов к архитектуре ЭСИМ:

-  использование экспертной системы в качест ве интеллектуального посредника ("an Intelli gent Front End"), осуществляющего интерфейс пользователя с системой моделирования и ге нерирующего моделирующую программу;

—        использование экспертной системы в качест ве советчика, дающего пользователю рекомен дации по осуществлению различных этапов имитационной процедуры (например, при стра тегическом планировании имитационных экспе риментов).

Использование алгоритмического языка имитационного моделирования SIMAN [2]

Этот язык широко используется в современных работах по имитационному моделиро-

ванию производственных систем. Его структура удобна для совместного использования с экспертными системами. Ряд авторов утверждают, что в этом плане язык SIMAN является идеальным [4].

В процессе аналитического моделирования производственный процесс рассматривается в статике. При этом выполняется его быстрый, приближенный анализ. Тем самым упрощается решение задач, подлежащих рассмотрению на этапе имитационного моделирования: отсеиваются явно неэффективные варианты организации производственного процесса, строятся интервалы возможных значений его оптимизируемых параметров и т.д.

Аналитическая часть реализована с помощью алгоритмического языка С. Она содержит аналитические выражения, описывающие взаимосвязи между основными компонентами и характеристиками производственных процессов.

Исходными данными для аналитического моделирования служат данные об осуществляемой производственным процессом технологии (например технологические маршруты обрабатываемых деталей, длительности обработки), а также данные о технологическом оборудовании, транспортной и инструментальной подсистемах.

Выходными данными аналитического моделирования являются: коэффиценты использования и длительности простоя технологических и транспортных устройств, требуемое количество паллет и инструмента, требуемые емкости инструментальных барабанов.

В случае, если конечной целью моделирования является анализ производственного процесса, эти данные дают информацию о возможностях выполнения производственной программы и об использовании оборудования.

Если же • конечной целью моделирования является синтез производственного процесса, то необходимо определить условия, обеспечивающие достижение его требуемых характеристик. В этом случае вычисления организуются итеративно: на каждой итерации изменяется число единиц оборудования, анализируются результаты аналитического моделирования и принимается решение о следующем шаге итерационной прцедуры.

Отметим, что входные данные аналитической части могут иметь интервальный характер [3]. В этом случае соответствующие выходные данные также имеют интервальный характер. Тем самым аналитические вычисления дают нижние и верхние границы интервалов возможных значений параметров производственного процесса. Это особенно важно в ситуации, когда конечной целью является оптимизация моделируемого процесса. Здесь аналитическая часть позволяет определить для оптимизируемых параметров интервалы их возможных значений. Дальнейшее исследование этих интервалов проводится с помощью имитационного моделирования.

Экспертная часть ЭСМЛ организует диалог системы с пользователем, "ведет" его по этапам процедуры моделирования, помогает выбрать и реализует наилучшие методы решения возникающих в процессе моделирования подзадач. Например, на этапе имитационного моделирования экспертная часть выполняет следующие функции:

-    запрашивает пользователя о цели моделиро вания;

-    помогает пользователю аппроксимировать закон распределения экспериментально наблю даемых входных величин (при этом можно ис пользовать десять наиболее распространенных распределений: экспоненциальное, Эрланга, равномерное, треугольное, нормальное, логнормальное, гамма, бета, Пуассона, Вейбулла);

-    генерирует текст моделирующей программы на языке SIMAN;

-    организует стратегическое планирование имитационных экспериментов;

-    организует тактическое планирование имита ционных экспериментов;

-    выполняет прогоны моделирующей програм мы;

-    обрабатывает выходные данные;

-    помогает пользователю анализировать ре зультаты моделирования;

-    корректирует тактический и/или стратегичес кий план имитационных экспериментов и т.д.

В то же время пользователь имеет возможность самостоятельно выполнять ряд операций, Например, автоматическая генерация программы моделирования предусмотрена для производственных процессов, принадлежащих определенному классу. Если же исследуемый процесс не принадлежит этому классу, пользователь должен самостоятельно подготовить моделирующую программу. При этом экспертная часть будет консультировать его по вопросам программирования на языке SIMAN.

Фактически экспертная часть выполняет следующие интеллектуальные функции:

-    действует в качестве интеллектуального ин терфейса между пользователем и соответст вующими программными средствами (напри мер генерирует и прогоняет моделирующую программу);

-    действует в качестве советчика при принятии пользователем решений в процессе моделиро вания (например при статистическом анализе входных и выходных данных).

Экспертная часть реализована на основе оболочки экспертных систем EXSYS [1]. Ее база знаний содержит знания о процедуре имитационного моделирования производственных

процессов (рис.2) и о программировании на " языке SIMAN. Благодаря этому ЭСМП может использоваться неспециалистами в области имитационного моделирования и программирования.

Как уже отмечалось, процедура имитационного моделирования реализуется в ЭСМП с помощью языка SIMAN.

Алгоритмический язык SIMAN (от английского "SIMulation ANalysis", т.е. "анализ с помощью имитационного моделирования") является языком программирования высокого уровня, который разработан фирмой Systems Modeling Corporation (США) для целей имитационного моделирования объектов различной природы, и имеет специальные средства для моделирования производственных систем.

Отличительной чертой языка SIMAN является наличие многочисленных сервисных средств, существенно упрощающих процедуру имитационного моделирования: построение модели, ее коррекцию перед очередным прогоном, анализ результатов моделирования. Кроме того, предусмотрена возможность обмена файлами с внешними программными средствами.

Агоритмический язык SIMAN позволяет моделировать дискретные, непрерывные и дискретно-непрерывные системы. При моделировании дискретных систем возможно использование либо процессо-ориентированной стратегии, либо стратегии планирования событий, либо обеих стратегий одновременно. Непрерывные системы могут моделироваться с помощью алгебраических, разностных и дифференциальных уравнений. Кроме того, возможно использование любых комбинаций указанных техник моделирования.

Остановимся на использовании процессо-ориентировакной стратегии, широко применяемой при моделировании производственных систем. В этом случае имитационная модель состоит из двух частей: модельной (описания собственно модели объекта исследования) и экспериментнои (описания условий экспериментирования).

Модельная часть определяет статические и динамические характеристики имитационной модели. Эксперименткая часть определяет условия и характер проведения имитационных экспериментов. Для одной и той же модельной части может использоваться множество различных вариантов экспериментнои части, производящих . соответствующее множество наборов выходных данных. Такое разделение модели и условий экспериментирования с ней дает возможность простой организации имитационных экспериментов для одной и той же модели. Кроме того, оно весьма удобно с позиции создания пакетов имитационного моделирования с автоматизацией функций построения модели и организации имитационного эксперимента.

Отлаживание имитационной модели на языке SIMAN может осуществляться с помощью отладочного средства Interactive Debugger, позволяющего вносить изменения в модель в процессе ее прогона.

При использовании процессо-ориентирован-ного подхода к моделированию дискретных систем модель на языке SIMAN строится в виде блок-диаграмы, представляющей собой граф, который описывает прохождение динамических элементов, аналогичных транзактам в языке GPSS, через моделирующую систему.

Блок-диаграмма строится как последовательность блоков, выполняющих различные операции над проходящими через них динамическими элементами.

Кроме традиционных блоков, аналогичных используемым в языках GPSS и SLAM, язык SIMAN имеет специальные средства для моделирования дискретных производственных систем (в частности, гибких производственных систем). При этом используются блоки, позволяющие моделировать характерные для дискретных производств процессы:

-     работу отдельных обрабатывающих центров;

-     работу эквивалентных обрабатывающих цент ров;

-     движение обрабатываемых деталей по техно логическим маршрутам;

-     отказы и восстановление работоспособности обрабатывающих центров;

-     транспортные процессы (как дискретного ти па, так и конвейерного типа).

Блок-диаграмма модели на языке SIMAN может быть построена в одной из двух эквивалентных форм: в графической форме и в форме набора утверждений. В первом случае модель описывается с помощью графических символов используемых блоков. При этом для построения модели используется специальный графический редактор BLOCKS, позволяющий формировать на экране дисплея требуемую блок-диаграмму. Во втором случае модель строится с помощью стандартного текстового редактора операционной системы MS-DOS.

Блок-диаграмма модели фактически является модельной частью имитационной модели. Экспериментная часть организуется в форме набора утверждений. Она состоит из отдельных элементов (утверждений), определяющих экспериментальные условия моделирования: резервирующих необходимую память ЭВМ; характеризующих статические элементы модели; описывающих используемые распределения вероятностей; определяющих длину имитационных прогонов и, при необходимости, инициализирующих состояние модели между прогонами; определяющих желаемые операции статисти-

ческой обработки результатов моделирования и формирующих соответствующие выходные файлы и т.д. Для формирования эксперимент-ной части можно использовать либо специальный редактор ELEMENTS (при этом снижается вероятность появления синтаксических ошибок), либо стандартный текстовой редактор операционной системы MS DOS.

Для обработки результатов моделирования и связи с внешними программными системами в языке SIMAN используется специальное программное средство Output Processor. Это средство позволяет выполнить следующие манипуляции над выходными (т.е. получающимися в результате моделирования) и входными (т.е. получаемыми от внешних программных систем) файлами данных:

-    построить график наблюдений;

-    построить гистограмму наблюдений;

-    построить таблицу наблюдений;

-    построить корреляционную функцию наблю дений;

-    отфильтровать наблюдения (отсечь переход ный период, разбить оставшиеся наблюдения на временные серии заданной длины и рассчитать для каждой серии среднее значение наблюде ний);

-    построить доверительный интервал для мате матического ожидания наблюдений;

-    сравнить средние значения из двух файлов наблюдений (построить доверительный интер вал для их разности);

-    сравнить средние значения из нескольких файлов наблюдений (по методам Тьюки, Шеф- фе, Бонферрони);

-    построить доверительный интервал для дис персии наблюдений;

-    сравнить дисперсии двух файлов наблюдений (построить доверительный интервал для их от ношения);

-    сгладить наблюдения (рассчитать их накоп ленное или скользящее среднее значение) и выполнить экспоненциально сглаженный прогноз;

-     подготовить файлы для обработки внешними программными средствами в различных форма тах (DIF, ASCII, TEKTRONIX EZPLOT);

-     подготовить для обработки средствами языка SIMAN файлы, полученные от внешних про граммных средств в формате ASCII.

Таким образом, при статистическом анализе результатов моделирования можно либо воспользоваться стандартными средствами языка SIMAN, либо обработать результаты моделирования по произвольной методике внешними программными средствами.

Для повышения наглядности процесса имитационного моделирования, для облегчения анализа возможностей возникновения в моделируемой системе "узких мест" при моделировании на языке SIMAN можно воспользоваться анимацией ("оживлением") имитационного эксперимента с помощю пакета CINEMA. При этом на экране дисплея в выбранном временном и пространственном масштабе графически воспроизводится ход имитационного эксперимента.

В настоящее время реализован исследовательский вариант описанной ЭСМП. Он включает в себя аналитическую часть и выполняет ряд функций экспертной части.

Список литературы

1.      Забежайло М.И. Некоторые тенденции в развитии интеллектуальных систем // Программные продукты и системы. - 1990. - N 4. - С.86-94.

2.      Меркурьев Ю.А., Ниеми Э. Современные подходы к имитационному моделированию гибких производственных систем // Проблемы машиностроения и автоматизации. - 1989.-N30.-С.23-33.

3.      Шокнн Ю.И. Интервальный анализ. М.: Наука, 1981. 112с.

4.      Merkuryev Y., Niemi E. Modern Approaches lo Flexible Manufacturing Systems Simulation //Helsinki University of Tehnology, Control Engineering Laboratory. - 1988. - Report 79. - 61p.

5.      Merkuryeva G.V., Merkuryev Yu.A., Toivonen H.T. Knowledge based simulation systems - a survey //Abo Akademi (Swedish University of Turku), Process Control Laboratory. - 1990. - Report 90-12. - 47p


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=1333
Версия для печати
Статья опубликована в выпуске журнала № 3 за 1991 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: