Software & Systems

При разработке систем автоматизированного проектирования технологических процессов (САПР ТП) ковки большое внимание следует уделять вопросам геометрического представления и управления процессом проектирования поковок, так как от их правильного решения зависит качество работы системы в целом. К таким вопросам относятся ввод и изображение исходной геометрической информации о детали, возможность корректировки исходной геометрии детали и расчетной геометрии поковки во время всего процесса проектирования, определение параметров проектирования непосредственно в диалоге с пользователем, отображение выбранного пользователем решения на эскизе поковки, проверка и предупреждение о принятии пользователем некорректных решений.

В САПР ТП ковки ступенчатых валов САПР ВАЛ, разработанной в Институте машиноведения УрО РАН [1], для этих целей используется графический редактор, представляющий собой самостоятельный и независимый комплекс программ. В соответствии с агентно-ориентированным подходом [2–5] графический редактор построен как совокупность однородных агентов, причем под агентом понимается единица модели, способная самостоятельно действовать, влиять на окружающую среду и общаться с другими агентами [6]. Поведение агента определяется восприятием и частичным представлением внешней среды, наличием знаний, опыта и зависит от условий среды, целей и действий других агентов. В графическом редакторе основными агентами являются агенты, описывающие поведение ступени (цилиндрической или конической формы) детали и поковки, специальной ступени в виде пробы для механических испытаний и замера твердости, торца в виде скоса или сферы, размеров ступени (длина и диаметр), габаритной длины поковки и детали, длины пробы для механических испытаний. Кроме основных агентов, в редакторе имеются вспомогательные агенты, отвечающие за поведение надписей, мест клеймения и маркировки и т.п.

Агенты графического редактора имеют вид специальных программ, определяющих законы существования агента, его поведение и возможность отображения. Функцией агента является выбор своего поведения в зависимости от полученной им информации от других агентов или от окружающей среды. Цель агента – выбор наилучшего действия, в нашем случае корректного и полного представления геометрической информации, учитывая меру полезности своих действий. Поскольку в графическом редакторе существует множество агентов, взаимодействующих между собой, он является кооперативной мультиагентной системой [7], функционирующей в окружающей среде.

Под внешней окружающей средой мультиагентного графического редактора понимается комплекс программ, моделирующий процесс проектирования поковок на молотах и прессах, а также действия пользователя системы. Определенная таким образом окружающая среда является эпизодической и дискретной, она характеризуется конечным набором состояний, соответствующим этапам проектирования поковки в САПР ТП ковки. Свойствами окружающей среды являются ее полная наблюдаемость, дискретность и стохастичность.

Для каждого выделенного состояния определяются все множество существующих в нем агентов графического представления информации и правила их поведения. Агенты действуют в условиях неопределенности, связанной с трудно формализуемой задачей представления графической информации таким образом, чтобы она была полной и корректируемой, а видимые агенты геометрических объектов не перекрывались и были правильно расположены на эскизе поковки.

Перспективность использования агентного подхода для решения задач производства показана в работах [8–17]. Так, в обзорных статьях [8–10] проведен анализ опубликованных за последние годы статей, посвященных процессам автоматизированного проектирования и планирования, определены тенденции и направления развития, в том числе связанные с такими областями искусственного интеллекта, как агентная технология, генетические алгоритмы, теория нечетких множеств и нечеткой логики, искусственные нейронные сети и т.д. В работах [11, 12] многоагентный подход выбран для процесса автоматизации создания имитационных моделей сложных систем, выделены проблемы и методы организации поведения агентов, протоколы их взаимодействия. Приме- нение агентно-ориентированного подхода представления знаний для проектирования изделий показано на примере процессов деревообрабатывающей промышленности [13], процессов меха- нообработки [14, 15], бизнес-информационных систем [16]. В [17] подчеркивается, что мультиагентный подход дает возможность производственной системе более оперативно реагировать на динамические изменения рынка, способствует созданию новых методов работы, ведет к усовершенствованию управления и координации совместного процесса проектирования и управления знаниями, а также активно используется при моделировании больших, сложных и централизованных систем.

Графический редактор САПР ТП ковки является сложной мультиагентной системой, в которой большое значение имеют вопросы взаимодействия и взаимосвязанного поведения входящих в нее агентов.

Стратегия поведения агентов графического редактора

Для каждого состояния окружающей среды агенты взаимодействуют друг с другом и принимают решения одновременно. Поведение агента определяется лишь текущим состоянием окружающей среды и не зависит от истории его развития. Такой агент принято называть рефлексивным, а стратегию его поведения – реактивной или стратегией без памяти [2]. В процессе функционирования агент может порождать, заменять или удалять другие агенты, изменять сценарий своей деятельности, активизировать как свои функции, так и функции других агентов, запоминать текущие состояния других агентов и т.д. Разнообразное поведение агента показывает, что он является активным объектом, более того – искусственным деятелем, самостоятельно формирующим свое поведение. Агент не обязан полностью выполнять распоряжения какого-либо другого агента или пользователя, он сам решает, выполнить задание или отказаться от работы из-за нехватки информации, занятости другой проблемой, ограничений, налагаемых собственной базой знаний, и т.п.

Стратегию выбора агента можно определить на основе аппарата математической логики. Каждому агенту в графическом редакторе соответствуют свойства видимости и доступности, которые в процессе работы принимают значения true (=1) или false (=0). Применение операций булевой алгебры позволяет сформулировать правила поведения агента, законы их взаимного существования и совместной деятельности в рамках мультиагентной системы при решении ряда задач, связанных, в частности, с пересечением ступеней, определением числа выводимых размеров, нахождением типа ступени и других.

Рассмотрим ряд задач геометрического представления информации.

Исходная информация. Агенты типа ступень и размер детали являются видимыми и доступными для корректировки; значения доступности и видимости этих агентов равны true. В отличие от них агенты ступень поковки оказываются невидимыми и недоступными, так как на этом этапе поковка еще не спроектирована, соответственно, невидимы и недоступны также агенты, отвечающие за их размеры. Значения доступности и видимости их равны false. В остальных состояниях окружающей среды видимыми, но недоступными становятся агенты, связанные с деталью, так как при проектировании поковки информация о детали не должна изменяться.

Размеры ступеней. Агент ступень детали вызывает появление агентов, связанных с выводом длины и диаметра ступени, и агентов размерных линий. Для цилиндрической ступени видимым и доступным оказывается только один агент, отвечающий за диаметральные размеры, в отличие от конической ступени, для определения которой используются два агента, описывающие различные диаметры.

Размерные цепи и габаритная длина. Если деталь, например вал, состоит из нескольких ступеней, появляется соответствующее количество агентов ступеней детали. Порождаемые ими агенты размеров, линий и т.п. формируют размерную цепь. Появляется специальный агент, отвечающий за габаритную длину детали. Значение этого агента определяется автоматически суммированием значений существующих агентов длин ступеней детали. Отметим, что корректировка значения агента габаритной длины приводит к неопределенности, связанной с тем, что изменение габаритного размера может произойти из-за изменения длины любого существующего агента ступени детали. Вопросы согласованного поведения агентов и правила принятия решений в условиях неопределенности рассматриваются ниже.

Удаление ступени. При удалении агента ступень все порождаемые им агенты размеров, линий, указателей мест клеймения, маркировки и т.п. также удаляются.

Проектирование поковки. При создании экземпляра спроектированной поковки агенты ступени поковки ведут себя аналогично агентам ступени детали. Каждый агент ступень поковки порождает агенты размеров, линий, надписей и т.п., а также при необходимости агенты проб для механических испытаний и агенты торцов поковки. Одновременное существование нескольких ступеней поковки порождает агент габаритного размера. При существовании только одного агента ступень поковки агент длины этой ступени становится невидимым и недоступным, так как его функции берет на себя агент габаритной длины поковки.

Критериями качества поведения сообщества агентов, существующих в каждом дискретном состоянии окружающей среды, являются корректность и полнота графического представления информации о ходе проектирования поковки. В процессе своего функционирования каждый агент определяет последовательность своих действий (стратегию) в соответствии с информацией, полученной им от других агентов. Если выбранная агентом стратегия приводит к результату, который хочет получить пользователь системы, агент действует правильно. Таким образом, оценка качества поведения, выбираемого агентом, определяется человеком – пользователем системы, является чисто субъективной и строится на основе нечетких правил.

Множество P стандартных правил поведения агента ai состоит из правил создания агента, алгоритмов изображения и законов взаимного существования. Эти правила определяют процесс фор- мирования сообщества агентов и зависят как от появления новых агентов, так и от запросов окружающей среды. Например, появление агента ступень детали или аналогичного агента ступень поковки порождает агенты размеров и размерных линий. Если агентов ступень два или больше, появляется агент габаритной длины. Если при проектировании поковки требуется проба (или две пробы с разных концов поковки) для механи- ческих испытаний, то из состояния окружаю- щей среды эскиз поковки поступает запрос на возникновение агентов пробы, длины пробы, торца, надписей, указателей мест клеймения, мар- кировки и т.п.

Для агентов определяются правила (алгоритмы) графического представления информации. Например, агенты ступень как детали, так и поковки должны примыкать друг к другу; агенты ступень поковки окаймляют соответствующие агенты ступеней детали. Агенты размеров должны располагаться таким образом, чтобы было понятно, к какому агенту ступень они принадлежат. При этом размеры не должны накладываться друг на друга, а размерные линии не должны пересекаться. Все существующие агенты должны быть видимы, вписаны в экран монитора и при необходимости иметь возможность масштабирования.

Оценка качества поведения агентов проводилась с применением аппарата теории нечетких множеств [6]. Под мерой полезности i-го агента понимаем величину Mi, равную отношению разности площади Si, занимаемой самим агентом, и площади DSi пересечения данного агента с другими агентами к площади агента:  Значение Mi меняется от 0 до 1. При Mi=0 агент полностью закрыт другими агентами, то есть Si=DSi. При Mi=1 агент полностью видим и не перекрыт другими агентами, то есть DSi=0. Стратегия поведения агентов строится таким образом, чтобы среднее значение меры полезности всех агентов для выбранного состояния системы, вычисляемое как  оказалось наибольшим. Это равносильно тому, что графическая информация будет представлена наиболее полно и корректно.

На рисунке 1 показан пример геометрического представления двух агентов типа размер. Первый агент имеет значение, равное A, и занимает площадь S1. Второй агент имеет значение B и занимает площадь S2. Величина DS равна площади пересечения этих двух агентов. Мера полезности каждого агента вычисляется по формулам , . Средняя мера полезности системы из данных двух агентов .

Таким образом, графический редактор представляет собой мультиагентную систему, на которую накладываются следующие ограничения:

–      число агентов n, входящих в систему, должно быть больше 1 (n>1);

–      множество действий агента D состоит из двух элементов dk, k=1, 2: видимость и доступность, принимающих значения true и false и формализованных с использованием аппарата математической логики;

–      агенты выбирают свои действия одновременно в зависимости от информации, полученной от других агентов;

–      ряд агентов (агенты размеров и агент габаритного размера) имеют численные значения, над которыми агенты умеют совершать арифметические действия;

–      каждый агент ai, i=1, …, n, обладает множеством правил поведения P, определяющих стратегию и возможности данного агента;

–      мультиагентная система функционирует в множестве Е дискретных состояний окружающей среды, соответствующих m этапам проектирования поковок типа валов на молотах и прессах;

–      состояние среды полностью обозреваемо для всех агентов, что позволяет организовать их совместное поведение;

–      каждый агент ai, i=1, …, n, выбирает действие dk, k=1, 2, из собственного множества действий D с целью оптимизации меры полезности M совместного поведения агентов для выбранного состояния окружающей среды из множества Е;

–      критерий оценки качества поведения выбранных агентов определяется полнотой и корректностью графического представления информации на этапах проектирования поковки в САПР.

Правила поведения агентов, позволяющие определять их видимость и доступность для каждого состояния окружающей среды, и выработка стратегии поведения агентов, доставляющей наибольшее значение средней меры полезности, приводят к корректному и полному представлению информации в мультиагентной системе, которой является графический редактор САПР ТП ковки поковок на молотах и прессах.

Концепция взаимосвязанного и согласованного поведения агентов при выборе действий и принятия решений в задачах графического представления информации

Помимо стандартного поведения агентов, возникают ситуации, в которых агент должен принимать нестандартное решение. Чаще всего такие ситуации возможны при ручной корректировке размеров ступеней или при уменьшении масштаба изображения. В данном случае ступени могут оказаться настолько маленькими, что размеры начнут пересекаться друг с другом. При этом полнота и наглядность представления графической информации теряются. Такая же ситуация возможна и при проектировании поковки в случае, когда соотношение размеров двух соседних ступеней изменяется за счет назначения припусков или напусков на деталь. В этой ситуации поведение агентов размеры перестает быть стандартным. Они начинают выбирать такое расположение, при котором и сами становятся хорошо видимыми, и не мешают при этом корректной работе других агентов. В этом случае сам пользователь, представляющий собой окружающую среду мультиагентного редактора, принимает ответственность за корректное и полное расположение выводимой информации.

Согласованное поведение агентов в рамках мультиагентного редактора заключается в выборе агентом такого правила собственного поведения, при котором его мера полезности стремится к единице и агент оказывается полностью видимым и доступным. Заметим, что не существует четких правил представления графической информации, позволяющих однозначно расположить геометрические агенты без перекрытий и пересечений. Стратегия управления изображением строится на основе набора простых правил, позволяющих решать любые задачи, в том числе и нестандартные, однако эти правила сложно формализовать, используя программные алгоритмы. Трудности формализации вывода изображения возникают из-за того, что человек, используя конкретные правила при решении нестандартных задач, часто применяет не количественные, а качественные понятия: красивое расположение данных, лучшая читаемость чертежа и т.п. При этом сложное программное управление процессом вывода геометрической информации подменяется логико-лингвистической моделью управления этим процессом [18], а традиционные компьютерные вычисления (hard computing) заменяются на так называемые мягкие вычисления (soft computing), составляющими которых служат нечеткая логика и теория нечеткого управления.

Согласно [3], под нечетким управлением понимается методология создания систем управления, в которых отображение между реальными входными данными и выходными параметрами представлено с помощью нечетких правил. Приложения, построенные согласно принципам нечеткого управления, имеют небольшие наборы правил, логические выводы в них не формируют цепочки, а решают конкретно поставленные задачи, и для повышения производительности системы должна осуществляться настройка параметров. В результате в ряде случаев, когда агент, обладающий стратегией принятия однозначного решения, не может его принять из-за неопределенности и конфликтующих задач, такие задачи способен корректно решить агент, принимающий решения в соответствии с принципами теории нечеткого управления.

Стратегия поведения мультиагентного графического редактора строится следующим образом. Для каждого состояния окружающей среды вычисляется средняя мера полезности M, которая может изменяться при корректировке чертежа пользователем или при изменении масштаба изображения. Если величина M принимает значение, равное или близкое к единице, изображение считается правильным и корректно построенным. Отметим, что пользователь системы имеет возможность откорректировать любое изображение: подвинуть агенты, переместить их или расположить в удобном и привычном для пользователя порядке. При этом основные для системы требования формулируются следующими постулатами: контуры ступеней детали и поковки не должны пересекаться, для каждой ступени поковки должны существовать и быть видимыми и доступными агенты размеров, недопустимо появление пробы для детали без спроектированной поковки, проба должна располагаться справа (слева) от крайней ступени поковки, размеры не должны полностью накладываться друг на друга и т.д. Если значение средней меры полезности M<1, то мультиагентная система находит агенты, которые пересекаются друг с другом, и пытается расположить их таким образом, чтобы величина M стремилась к 1.

Рассмотрим стратегию поведения агентов для геометрического представления детали (рис. 2). На рисунке 2а средняя мера полезности M=0,51, размеры пересекаются друг с другом, изображение неполно и некорректно. Во избежание подобной ситуации агенты начинают двигаться таким образом, чтобы их мера полезности начала увеличиваться. Диаметр второй ступени сместился влево, сдвинув диаметр первой ступени и перестав пересекаться с агентом диаметра третьей ступени. Агент габаритного размера переместился вниз, в результате чего перестал пересекать агенты длин ступеней. В результате геометрическое представление вала стало корректным (см. рис. 2б), средняя мера полезности M=1. Заметим, что изменение положения агентов происходит итерационно, при этом на каждом шаге значение меры полезности увеличивается.

Рассмотрим некоторые другие способы разрешения проблемы некорректного графического изображения.

Слишком маленькая ступень. Если все ступени имеют небольшие, но сравнимые друг с другом размеры, то для решения проблемы совпадения размеров иногда достаточно просто увеличить масштаб изображения или вписать его в заданную область. Если же ступень оказывается маленькой по сравнению с двумя соседними ступенями, стратегия строится таким образом, чтобы размер был вынесен за пределы ступени, при этом он не должен мешать работе других агентов размеры. Эффект улучшения чертежа достигается за счет того, что масштаб размерных чисел и линий остается постоянным при любом масштабировании изображения детали или поковки.

Большое число ступеней. Проблемы, связанные с большим количеством ступеней, чаще всего возникают при изображении детали. При проектировании поковки проблема исчезает, так как на этапах назначения припусков и проверки выполнимости ступени детали объединяются и их количество в поковке уменьшается.

Таким образом, разработана стратегия взаимосвязанного и согласованного поведения агентов мультиагентного графического редактора, позволяющая получать легко читаемый чертеж детали и поковки. Представленная стратегия построена на принципах теории нечеткого управления и дает возможность решать трудно формализуемые задачи графического представления информации при проектировании поковки в САПР ТП ковки поковок на молотах и прессах. Значение критерия средней меры полезности системы, равное или близкое к 1, свидетельствует о правильной работе агентов системы, при которой вся выводимая на чертеже графическая информация оказывается полной, видимой и доступной для корректировки пользователем.

Литература

1.     Коновалов А.В., Арзамасцев С.В., Шалягин С.Д., Муйземнек О.Ю., Гагарин П.Ю. Интеллектуальная САПР технологических процессов ковки валов на молотах // Заготовительные производства в машиностроении. 2010. № 1. С. 20–23.

2.     Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем; [пер. с англ.]. М.: Вильямс, 2003. 4-е изд. 864 с.

3.     Рассел С., Норвиг П. Искусственный интеллект: современный подход. М.: Вильямс, 2006. 2-е изд. 1408 с.

4.     Козьминых Н.М., Голованов А.А. Многоагентный подход в системах информационной поддержки управленческих решений // Программные продукты и системы. 2012. № 1. С. 21–23.

5.     Городецкий В.И., Карсаев О.В., Самойлов В.В. [и др.]. Агентская платформа для повсеместных вычислений // Информационные технологии и вычислительные системы. 2008. № 4. С. 51–69.

6.     Гуревич Л.А., Вахитов А.Н. Мультиагентные системы // Введение в Computer Science. 2005. С. 116–139.

7.     Муйземнек О.Ю., Коновалов А.В., Гагарин П.Ю. Мультиагентный графический редактор САПР ковки // Программные продукты и системы. 2011. № 2. С. 148–151.

8.     Xu X., Wang L., Newman S.T. Computer-aided process planning – A critical review of recent developments and future trends. Intern. Journ. of Computer Integrated Manufacturing, Jan. 2011, vol. 24, iss. 1, pp. 1–31.

9.     Yusof Y., Latif K.Survey on computer-aided process planning. Intern. Journ. of Advanced Manufacturing Technology, Oct. 2014, vol. 75, iss. 1–4, pp. 77–89.

10.  Chaib-Draa B., Dignum F. Trends in agent communication language. Computational Intelligence, May 2002, vol. 18, iss. 2, pp. 89–101.

11.  Павлов А.И., Столбов А.Б. Архитектура системы поддержки проектирования агентов для имитационных моделей сложных систем // Программные продукты и системы. 2015. № 1. С. 12–16.

12.  Харин И.Г., Яновский А.В. Открытая многоагентная среда: концепция и платформа // Информационные технологии и вычислительные системы. 2014. № 4. С. 12–24.

13.  Wang J.X., Tang M.X., Song L.N., Jiang S.Q. Design and implementation of an agent-based collaborative product design system. Computers in Industry, Sept. 2009, vol. 60, iss. 7, pp. 520–535.

14.  Feng S.C., Stouffer K.A., Jurrens K.K. Manufacturing planning and predictive process model integration using software agents. Advanced Engineering Informatics, Apr. 2005, vol. 19, iss. 2, pp. 135–142.

15.  Hao Q., Shen W., Zhang Z., Park S.-W., Lee J.-K. Agent-based collaborative product design engineering: An industrial case study. Computers in Industry, 2006, vol. 57, no. 1, pp. 26–38.

16.  Kishore R., Zhang H., Ramesh R. Enterprise integration using the agent paradigm: foundations of multi-agent-based integrative business information systems. Decision Support Systems, Oct. 2006, vol. 42, iss. 1, pp. 48–78.

17.  Lim M.K., Zhang D.Z. An integrated agent-based approach for responsive control of manufacturing resources. Computers and Industrial Engineering, Apr. 2004, vol. 46, iss. 2, pp. 221–232.

18.  Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог–МГУ, 1998. 75 с.