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

Journal influence

Higher Attestation Commission (VAK) - К1 quartile
Russian Science Citation Index (RSCI)

Bookmark

Next issue

2
Publication date:
16 June 2024

About gaming models usage in problems related to employees’ inrteracting automation in an enterprise

The article was published in issue no. № 3, 2012 [ pp. 59-62 ]
Abstract:This article reviews application of gaming model to simulation modeling of employees’ interaction in R&D and manufacturing in intradepartmental planning process. Modern simulation modeling technologies show good results in creation of conditions, protocols and regulations related to interaction of employees in integrated information environment, as they make possible to build and study interaction gaming models. Thus, in production planning it becomes possible to build situations with dynamically formed conflict between production process participants provides better technical and economic performance comparing to results after solution of optimization problem. Summary of the article is based on comparison of results from game simulation model between economic operator and process engineer, which have different goals of production schedule optimization and development of the plan that is optimized according to selected criteria. The article shows that some dependences of price vs. execution time, the game simulation between economic operator and process engineer provides better solutions in comparison with standard optimization planning. This work expands use of interaction model in multiplayer integrated information environment existing at the enterprise and it can be used in design and implementation of automated intellectual planning systems, including systems constructed with distributed network architectures, multiagent technologies and heuristic algorithms that support consistent decision making.
Аннотация:Рассматривается проблема применимости игровой модели для имитационного моделирования взаимодействия сотрудников научно-производственного предприятия в процессе внутрицехового планирования. При формировании условий, протоколов и регламентов взаимодействия персонала предприятия в интегрированной информационной среде хорошие результаты показывают современные технологии имитационного моделирования, позволяющие формировать и исследовать игровые модели взаимодействия. Так, в задаче производственного планирования удается построить ситуации, в которых динамически формируемые противоречия между участниками производственного процесса позволяют обеспечить более высокие технико-экономические показатели производства по отношению к результатам, получаемым с помощью решения оптимизационной задачи. Сделаны выводы на основании сравнения результатов имитационного моделирования игры между экономистом и технологом, представляющими разные цели оптимизации производственного расписания, и результатов построения плана, оптимизированного по выбранному критерию. Показано, что для некоторых случаев зависимости стоимости заказов от времени их исполнения моделирование игры между экономистом и технологом позволяет найти более выигрышные решения по сравнению с классическим оптимизационным планированием. Работа расширяет возможности применения модели взаимодействия в многоакторной интегрированной информационной среде предприятия и может быть полезна при разработке и внедрении автоматизированных интеллектуальных систем производственного планирования, в том числе построенных с использованием распределенных сетевых архитектур, мультиагентных технологий и эвристических алгоритмов поддержки принятия согласованных решений.
Author: (dormann@mail.ru) -
Keywords: multi-agent technology, self-organizing system, actor, production scheduling, manufacturing enterprise
Page views: 8459
Print version
Full issue in PDF (7.64Mb)
Download the cover in PDF (1.33Мб)

Font size:       Font:

Автоматизация управления жизненным циклом продукции на производственном предприятии связана с применением современных принципов управления сложными организационно-техничес­кими системами [1], одним из которых является обеспечение информационного взаимодействия персонала предприятия в едином информационном пространстве. Этот аспект касается задачи производственного планирования [2] и выражается в новой возможности постоянного перестроения оперативного плана под воздействием внешних событий. В такой ситуации от разработчиков ПО требуются новые подходы к проектированию и реализации автоматизированных систем планирования.

Например, применение этих технологий в мелкосерийном, опытном и наукоемком производстве вызывает определенные трудности. Детальное планирование возможно в случае, когда известны технологические процессы, а точность планирования серьезно зависит от адекватности нормирования работы разной квалификации. В случаях, когда для изготовления изделия можно использовать различные технологии, технологические процессы требуют согласования с мастерами высокой квалификации, а при нормировании необходимо учитывать значительную неопределенность, возникает новая актуальная задача согласованного взаимодействия экономиста и технолога как на этапе планирования, так и на этапе выполнения плана.

Классическая постановка задачи планирования, заключающаяся в определении целевых функций и ограничений, не позволяет решить ее, так как нацелена на оптимизацию всего расписания в целом, без учета возможных изменений. Применение аналогий с живыми системами [3], например мультиагентных технологий, не может обеспечить требуемую предсказуемость и управляемость, что приводит к сложности интерпретации результатов планирования и трудностям применения на практике. Решить данную проблему можно, используя гибридный подход, основанный на построении на базе распределенной (например мультиагентной) архитектуры системы информационного управления взаимодействием персонала предприятия, дополняющей классические подсистемы сетевой оптимизации. Такая система управления будет задавать условия, протоколы и регламенты, в соответствии с которыми пользователи интегрированной информационной среды обмениваются информацией в процессе выработки и согласования решений. При этом их необходимо сформировать таким образом, чтобы обеспечить требуемые показатели эффективности деятельности предприятия.

Отметим, что эти условия взаимодействия будут меняться во времени, что позволяет ситуационно управлять обработкой событий различного характера.

Для задач производственного планирования в качестве целей, определяющих применение этих условий, целесообразно выбрать дилемму поиска баланса между оптимальной производительностью, операционными расходами и межоперационными запасами [4]. Обеспечить конструктивное решение этой дилеммы можно путем формирования частных противоречий между участниками жизненного цикла продукции, выражающихся в конкуренции за ресурсы, задания или время их выполнения. Технически реализовать такое взаимодействие можно путем введения ограничений или расширений информации, попадающей различным пользователям интегрированной информационной среды в разные моменты времени, обеспечивая таким образом требуемую ритмичность процессов информационного взаимодействия персонала предприятия [5, 6].

Рассмотрим задачу внутрицехового планирования на период времени T множества заказов О={o1, o2, …, on}, где каждый заказ oi=(ti0, pi, ci0) описывается следующими значениями: ti0 – максимальная трудоемкость производства (длительность выполнения заказа в нормо-часах); pi – стоимость выполненного цехом заказа; ci0 – максимальная стоимость выполнения заказа.

В зависимости от выбранной технологии выполнения заказа S(oi)={s1(oi), s2(oi), …, sm(oi)} возможно сокращение длительности и стоимости его выполнения на определенную величину: Δtij – сокращение длительности производства для заказа i при использовании технологии j; Δcij – сокращение стоимости выполнения заказа i при использовании технологии j.

Рассмотрим случай, когда суммарная трудоемкость выполнения выбранного набора заказов заведомо превышает производственные возможности цеха в рамках планируемого периода. Получаем матрицу D размера N´M, элементами которой являются пары значений:

.

Пересчитаем результирующие значения длительности и стоимости производства для i-го заказа при использовании j-й технологии: tij=ti0–Δtij; cij=ci0–Δcij.

В свою очередь, прибыль от выполнения i-го заказа при использовании j-й технологии будет: Δpij=pi–cij=pi–(ci0–Δcij). Составим результирующую матрицу G, содержащую значения прибыли заказов и длительности их производства с использованием имеющихся технологий:

.

Таким образом, сформулируем цель максимизации прибыли, которую может обеспечить выбор используемых технологий производства заказов из заданного множества О. В игровой постановке данную задачу представим следующим образом. Экономист заинтересован в том, чтобы максимизировать прибыль от выполнения каждого заказа, а цель технолога – максимально сократить срок выполнения каждого заказа. Экономист может выбирать заказы из некоего портфеля, в то время как технолог определяет технологии их выполнения. Предположим, что экономист и технолог выбирают заказ и технологию по очереди, в таком случае получается бескоалиционная неантагонистическая игра с полной информацией.

В данной задаче возможно возникновение нескольких ситуаций, оптимальных по Парето, и можно заключить, что в рассматриваемой игре имеет место гонка за право первого хода. Поэтому имеет смысл рассмотреть решение задачи с двух сторон: с правом первого хода и технолога, и экономиста. Важно отметить, что при этом возникает парадокс, поскольку игра с правом первого хода технолога заведомо более выигрышна с экономической точки зрения, а игра с правом первого хода экономиста заведомо более выигрышна с технологической точки зрения. Данный парадокс обусловлен тем, что игрок, получающий право первого хода, точно знает, каким образом отреагирует его оппонент (игра с полной информацией), поэтому из всех своих вариантов ему придется выбрать тот, который обеспечит ему максимальный выигрыш с учетом действий оппонента.

Необходимо определить, приведет ли такое взаимодействие, реализованное в имитационной модели, к повышению эффективности по сравнению с обычными стратегиями оптимизации. Для этого была разработана имитационная модель и проведен ряд экспериментов для разных вариантов прибыльности заказов. При определении прибыльности было сделано предположение о том, что стоимость заказа зависит от его сложности, а сложность заказа напрямую определяет его трудоемкость.

Подпись:  Рис. 1. Нормальное распределение прибыли Рис. 2. Линейная зависимость прибыли от длительности выполнения заказов Рис. 3. Зависимость прибыли от длительности выполнения заказов по функции квадратного корня Рис. 4. Квадратичная зависимость прибыли от длительности выполнения заказовНа рисунках 1–4 приведены графики трендов, аппроксимирующих зависимость суммарной прибыли от выполнения заказов СS от суммарной длительности выполнения заказов TS (слева) и зависимость суммарной длительности выполнения заказов TS от суммарной прибыли от выполнения заказов СS (справа). Результат каждого эксперимента представляет собой пару значений: суммарные технологические затраты выбранных заказов и их суммарная прибыль. Все тренды, показанные на графиках, построены посредством полиномиальной аппроксимации второй степени.

Как видно на рисунке 1, в случае нормального распределения стоимости заказов игровой подход (вне зависимости от права первого хода) уступает по экономической эффективности выбору заказов по максимальной прибыли. Принципы выборки заказов по максимальной/минимальной длительности выполнения значительно уступают остальным способам выборки. При нормальном распределении стоимости заказов наибольшей технологической привлекательностью обладает игра с правом первого хода экономиста. На рисунке 2 показано, что, если стоимость заказов линейно зависит от длительности их выполнения, игровой подход с правом первого хода технолога имеет некоторое преимущество перед всеми остальными способами выборки заказов. Принципы выборки заказов по максимальной/минимальной длительности выполнения значительно уступают остальным способам выборки. При линейной зависи- мости стоимости заказов от длительности наибольшей технологической привлекательностью обладает игра с правом первого хода экономиста.

На рисунке 3 видно, что, если стоимость заказов зависит от длительности их выполнения по функции квадратного корня, игровой подход с правом первого хода технолога имеет незначительное экономическое преимущество перед выборкой заказов по максимальной прибыли. Можно предположить, что с увеличением количества заказов и временного интервала разница в экономической эффективности этих двух методов будет увеличиваться. Принципы выборки заказов по максимальной/минимальной длительности выполнения значительно уступают остальным способам выборки. Рисунок 4 показывает, что, если стоимость заказов квадратично зависит от длительности их выполнения, выбор заказов по их максимальной прибыли имеет преимущество по уровню экономической прибыли. Можно предположить, что с увеличением количества заказов и временного интервала экономическая эффективность технологической игры с правом первого хода будет расти быстрее, чем при выборке по максимальной прибыли. Принципы выборки заказов по максимальной/минимальной длительности выполнения значительно уступают остальным способам выборки.

Полученные результаты позволяют сделать вывод о том, что применение игровой модели принятия решений с правом первого хода технолога может быть экономически оправданным, если между прибылью и длительностью исполнения заказов существует линейная зависимость или зависимость по функции квадратного корня. Если же прибыль от выполнения заказов подчиняется нормальному распределению или квадратичной зависимости, классическая выборка заказов с максимальной прибылью оказывается экономически более выгодной. Другие способы выборки, рассматриваемые в рамках данной статьи, всегда уступают по экономической эффективности. С технологической точки зрения во всех экспериментах наиболее выгодной оказалась выборка заказов по игре с правом первого хода экономиста.

Литература

1.     Бурков В.Н., Коргин Н.А., Новиков Д.А. Введение в теорию управления организационными системами. М.: Либроком, 2009. 264 с.

2.     Иващенко А.В., Андреев М.В. Автоматизированная система адаптивного управления производственным планом // Автоматизация и современные технологии. 2009. № 2. С. 37–41.

3.     Leitão P., Barbosa J. Biological inspiration to solve complexity in intelligent and adaptive manufacturing systems // 10th IFAC Workshop on Intelligent Manufacturing Systems (IMS'10). July 1–2, 2010. Lisbon, Portugal, pp. 221–226.

4.     Детмер У. Теория ограничений Голдратта. Системный подход к непрерывному совершенствованию; [пер. У. Саламатовой]. М.: Альбина Паблишер, 2010. 448 с.

5.     Иващенко А.В. Модель многоакторной интегрированной информационной среды предприятия // Вестн. СамГУПС, 2012. № 1 (15). С. 103–109.

6.     Иващенко А.В. Управление согласованным взаимодействием пользователей интегрированной информационной среды предприятия. Самара: СНЦ РАН, 2011. 100 с.


Permanent link:
http://swsys.ru/index.php?page=article&id=3215&lang=&lang=&like=1&lang=en
Print version
Full issue in PDF (7.64Mb)
Download the cover in PDF (1.33Мб)
The article was published in issue no. № 3, 2012 [ pp. 59-62 ]

Perhaps, you might be interested in the following articles of similar topics: