Повышение эффективности производственного процесса с помощью продукционных экспертных систем в среде информационной поддержки жизненного цикла изделия тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Утросин, Валерий Владимирович

• Утросин, Валерий Владимирович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Утросин, Валерий Владимирович

Список сокращений и определения.

Введение.

ГЛАВА 1. ИСПОЛЬЗОВАНИЕ СТРАТЕГИИ CALS ДЛЯ ПОВЫШЕНИЯ УРОВНЯ АВТОМАТИЗАЦИИ ПРЕДПРИЯТИЯ, ОСОБЕННОСТИ И ПРОБЛЕМЫ. ПОСТАНОВКА ЗАДАЧИ.

1.1 Описание стратегии CALS как средства повышения эффективности производства.

1.2 Проблемы автоматизации производства.

1.3 Использование методов искусственного интеллекта для решения проблем повышения уровня автоматизации производства.

1.4 Цели и задачи исследования.

1.5 Выводы по главе.

ГЛАВА 2. РОЛЬ ПРОДУКЦИОННЫХ ЭКСПЕРТНЫХ СИСТЕМ В ПОВЫШЕНИИ УРОВНЯ АВТОМАТИЗАЦИИ ПРОИЗВОДСТВА.

2.1 Основы и архитектура экспертных систем.

2.2 Применение экспертных систем в промышленности.

2.3 Особенности интеграции экспертных систем в единое информационное пространство предприятия.

2.4 Выводы по главе.

ГЛАВА 3. МОДЕЛИРОВАНИЕ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ С ПОМОЩЬЮ АППАРАТА ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ КАК СРЕДСТВО ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПРОИЗВОДСТВА.

3.1 Основы и архитектура моделей на основе искусственных нейронных сетей.

3.2 Применение аппарата искусственных нейронных сетей в промышленности.

3.3 Особенности реализации аппарата искусственных нейронных сетей в едином информационном пространстве.

3.4 Выводы по главе.

ГЛАВА 4. РЕАЛИЗАЦИЯ МЕТОДОВ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПРОИЗВОДСТВА ПУТЕМ ИНТЕГРАЦИИ ЭКСПЕРТНЫХ СИСТЕМ И ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В ЕДИНОЕ ИНФОРМАЦИОННОЕ ПРОСТРАНСТВО ПРЕДПРИЯТИЯ.

4.1 Структура конкретного технологического процесса для реализации интеграции экспертных систем и искусственных нейронных сетей.

4.2 Архитектура системы автоматизации на основе применения экспертных систем и искусственных нейронных сетей и методика интеграции экспертных систем и искусственных нейронных сетей в единое информационное пространство.

4.3 Пример построения системы по автоматизации с применением экспертных систем и искусственных нейронных сетей.

4.4 Расчет эффективности применения экспертных систем и искусственных нейронных сетей при их интеграции в единое информационное пространство предприятия.

4.5 Выводы по главе.

Введение диссертации (часть автореферата) на тему «Повышение эффективности производственного процесса с помощью продукционных экспертных систем в среде информационной поддержки жизненного цикла изделия»

Актуальность темы

В настоящее время информационные технологии эффективно внедряются в области машиностроительного производства, помогая решать задачи организации, планирования и управления производства. На предприятиях внедряются информационные системы, автоматизирующие различные аспекты процессов проектирования и управления производством. Полный цикл проектирования, изготовления и эксплуатации изделий в настоящее время реализуется с помощью единой системы компьютерной поддержки всего жизненного цикла изделия — системы CALS, что позволяет существенно повысить уровень автоматизации и эффективность деятельности предприятия. Но некоторые операции остаются не автоматизированными, чему могут быть следующие причины:

1. Незначительность операции, в результате чего производители автоматизированных систем обошли этот участок производственного процесса вниманием. Решением может служить достаточно простое в разработке, внедрении и применении средство создания автоматизированной системы.

2. Уникальность операции, в результате чего автоматизированных систем для данной операции не присутствует на рынке. Решением также может служить достаточно простое в разработке, внедрении и применении средство создания автоматизированной системы.

3. Сложность формализации операции, в результате чего для операции невозможно или очень трудоемко построить математическую модель. Разработка методик решения перечисленных специфических проблем является актуальной задачей. В данной диссертационной работе при проектировании специфических процессов и изделий, в рамках CALS технологии, предлагается использовать модели изделий и процессов на основе методов продукционных экспертных систем (ПЭС) и искусственных нейронных сетей (ИНС). Для эффективной работы таких средств автоматизации необходимо, чтобы они легко интегрировались в единую информационную среду предприятия. В противном случае эффективность их внедрения будет уменьшаться из-за необходимости подготовки входных данных, обработке и передачи в другие автоматические системы выходных данных.

Полученное средство автоматизации должно обеспечивать универсальность применения, достаточную для решения перечисленных специфических проблем на любом этапе жизненного цикла изделия. В качестве примера автоматизируемого процесса берется этап подготовки производства проката периодического профиля (арматуры) для железобетонных изделий, который осуществляется в компании ООО «ПК АиМ». Этот пример послужит иллюстрацией применения разработанных в данной работе методик и положений.

Цель работы

Повышение эффективности этапа подготовки производства изделий в рамках CALS технологии за счет разработки методики рационального применения моделей на основе механизмов продукционных экспертных систем и искусственных нейронных сетей.

Решаемые научные задачи

1. Анализ состояния и решения задач по повышению уровня автоматизации подготовки производства, в рамках информационной поддержки жизненного цикла изделий, с применением аппарата экспертных систем и искусственных нейронных сетей.

2. Определение требований к архитектуре экспертной системы при решении специфических задач подготовки производства, в структуре CALS технологии.

3. Определение требований к применению аппарата искусственных нейронных сетей, совместно с экспертной системой при решении специфических задач подготовки производства, в структуре CALS технологии.

4. Разработка методики рационального применения аппарата экспертных систем и искусственных нейронных сетей при подготовке производства изделий в рамках CALS технологии.

5. Разработка метода обучения продукционных экспертных систем и искусственных нейронных сетей в автоматическом режиме, с последующим подключением к процессу подготовки производства.

6. Реализация демонстрационного прототипа (прикладного программного комплекса) по реализации экспертной системы и нейронной сети и экспериментальное обоснование целесообразности практического использования разрабатываемой системы

Научная новизна

1. Предложен новый подход к определению области рационального применения аппарата экспертных систем и искусственных нейронных сетей при подготовке производства изделий, в рамках CALS технологии.

2. С целью повышения эффективности этапа подготовки производства в рамках CALS технологии разработана методика рационального использования аппарата экспертных систем и искусственных нейронных сетей, работающих в различных конфигурациях.

3. Разработан способ обучения продукционной экспертной системы и искусственной нейронной мети без участия человека с последующим подключением системы к решению задачи.

4. Предложена объектная модель, реализованная на языке Express, для описания продукционных правил экспертной системы и архитектуры и значений коэффициентов искусственной нейронной сети. Данная модель позволяет обмениваться этими данными, что позволяет отделить сами данные от механизма их выполнения.

5. Практическая ценность работы заключается в повышении эффективности процесса подготовки производства, в рамках CALS технологии, за счет разработки методических, алгоритмических и программных средств для автоматизации отдельных участков производства с помощью совместного использования аппарата экспертных систем и искусственных нейронных сетей.

Реализация в промышленности

Методика и алгоритмы, предложенные в работе, были использованы при разработке информационной системы для поддержки функционирования производства арматурной проволоки ООО «ПК АиМ».

Апробация работы

Основные положения и результаты диссертационной работы докладывались и обсуждались на V-й научной конференции МГТУ «СТАНКИН» и «Учебно-научного центра математического моделирования МГТУ «СТАНКИН» - ИММ РАН».

Положения, выносимые на защиту

1. Обоснование целесообразности использования экспертных систем и нейронных сетей при решении специфических задач подготовки производства, в среде единого информационного пространства CALS технологии.

2. Методика совместного использования экспертных систем и аппарата искусственных нейронных систем для решения комплексных задач автоматизации производства.

3. Архитектура информационной системы, обеспечивающей эффективное использование экспертных систем и искусственных нейронных систем в среде единого информационного пространства производства

Структура и объем диссертации

Диссертационная работа состоит из введения, четырех глав, основных результатов и выводов, изложенных на 121 странице машинописного текста, содержит 18 рисунков и 4 таблицы, список использованной литературы из 63 наименований и приложение на 12 страницах. Общий объем работы - 133 страницы.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Утросин, Валерий Владимирович

Основные выводы по диссертационной работе.

1. Для ряда специфических задач разработана методика построения системы автоматизации процессов производства, основанной на продукционной экспертной системе и искусственных нейронных сетях, которая способна функционировать в условиях единого информационного пространства производства, простроенного на стандартах CALS . Преимущества от использования стандартов CALS состоит в том, что в системе используется уже существующая модель данных, предоставляемая единым информационным пространством. Это позволяет не производить дополнительное моделирование при реализации решения для автоматизации процесса. Также упрощается контроль входных и выходных данных, что обусловлено строгой типизацией параметров в условиях единого информационного пространства. Данное обстоятельство облегчает обработку входных данных и позволяет ее автоматизировать.

2. Разработана методика совместного использования экспертных систем и нейронных сетей для решения задач автоматизации. В зависимости от специфики поставленной задачи возможно использование продукционной экспертной системы и искусственной нейронной сети в разных конфигурациях: в параллельном режиме, последовательно для разных участков решаемой задачи.

3. Предложен способ обучения продукционной экспертной системы и искусственной нейронной сети без участия человека с последующим подключением системы к решению задачи. В случае продукционной экспертной системы каждое частное решение, принятое человеком, оформляется в виде правила. В случае искусственной нейронной сети происходит обучение сети на данных, появляющихся в информационной системе.

Список литературы диссертационного исследования кандидат технических наук Утросин, Валерий Владимирович, 2005 год

1. Суворов Е.В., Левин А.И., Давыдов А.Н., Барабанов В.В. Концепция развития CALS-технологий в промышленности России. М.: НИЦ CALS-технологий "Прикладная логистика", 2002. - 153 с.

2. Овсянников М., Сумароков С. CALS повышает конкурентоспособность изделий // PC Week. М.: PC Week, вып. 11,2001, с. 45-48.

3. Разевиг В. CALS: концепция, стратегия и технологии.// PC WEEK/RE, 2001, №11, с.28.

4. Милаев В., Фаткин А., Рулева Т. Автоматизация управления.// PC WEEK/RE, 2001, №10, с.32-33.

5. А.Ф. Колчин, М.В. Овсянников, А.Ф. Стрекалов, С.В. Сумароков. Управление жизненным циклом продукции. М.: Анахарсис, 2002. - 304 с.

6. Fowler J. STEP for data management, exchange and sharing // Technology Appraisals. 1995.

7. Н.Л. Карданская, А.Д. Чудаков. Системы управления производством: анализ и проектирование: учебное пособие. М.: Русская Деловая Литература, 1999.-240 с.

8. Э.А. Трахтенгерц. Компьютерная поддержка принятия решений. -М.:СИНТЕГ, 1998. 376 с.

9. Аверченков В.И, Горленко О.А. Проектирование технологических процессов на основе системного подхода. -Брянск: БИТМ, 1986.- 88 с.

10. Основы автоматизации машиностроительного производства: Учеб. для машиностроит. спец. вузов/Е.Р, Ковальчук, М.Г. Косов, В.Г. Митрофанов и др.; Под ред. Ю.М, Соломенцева. М.:Высш. шк., 1999. - 312 с.

11. Сигеру Омату. Нейроуправление и его приложения. Кн. 2. М.: ИПРЖР, 2000. 272 с.

12. Н.Джексон, Питер. Введение в экспертные системы. М.: Издательский дом «Вильяме», 2001. 624 с.

13. Организация и экономика разработки программного обеспечения: Метод. Указ. К выполнению курсовых работ и организационно-экономической части дипломных проектов / Сост. Ю.А. Еленева, Е.Д. Коршунова. М.: МГТУ «Станкин», 1997. - 34 с.

14. Уотермен Д. Руководство по экспертным системам. М.: Мир, 1989. 388 с.

15. Вольдер Б.С. Планирование на предприятии. Учебное пособие. М.: МГТУ "Станкин", 1999, 172 с.

16. Горфинкель В.Я., Купряков Е.М. Экономика предприятия. Учебник для ВУЗов. М.: "Банки и биржи", ЮНИТИ, 1996, 367с.

17. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. - 382 с.

18. Jiri Sima, Jiri Chervenka. Neural Knowledge Processing in Expert Systems. Technical report. Institute of Computer Science, Academy of Sciences of the Czech Republic.

19. Уоссермен Ф. Нейрокомпьютерная техника. Теория и практика. Под ред. А.И. Галушкина. М.: Мир, 1992. 238 с.

20. Галушкин А.И. Теория нейронных сетей. Кн.1: Учеб. пособие для вузов. -М.: ИПРЖР, 2000.-416 с.

21. Круглое В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001. - 382 с.

22. Головко В.А. Нейронные сети: обучение, организация и применение. Кн.4. Учеб. пособие для вузов // Общая ред. А.И. Галушкина М.: ИПРЖР, 2001. -256 с.

23. Горбань А.Н. Нейронные сети на персональном компьютере. М.: Мир, 1996. 530 с.

24. Щетинин В.Г. Самоорганизация минимальной нейронной сети // В сб. "Нейроинформатика и ее применения". Красноярск, СО РАН, 1996. С. 4344.

25. Галушкин А.И. "Направления разработок управляющих систем на базе нейрокомпьютеров для машиностроительных отраслей промышленности".

26. Marko К, et. al. , Ford Motors Company, Automative Control Systems Diagnostics, IJCNN 1989.

27. Прокат холоднодеформированный периодического профиля для армирования железобетонных конструкций класса В500С. Технические условия. ТУ 14-1-5498-2004. Держатель подлинника: ЦССМ ФГУП ЦНИИЧермет им.И.П.Бардина.

28. Еленева Ю.А. Инвестиции в машиностроении. М.: Станкин, 1996. - 38 с.

29. A Discussion Of The Object Management Architecture. Object Management Group, 1997.-44 c.

30. Common Object Request Broker: Architecture and Specification, v2.5. Object Management Group, 2001. - 1116c.34,Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: Реинжиниринг организаций и информационные технологии.- М.: Финансы и статистика, 1997.-332 с.

31. ReThink Tutorials. Release 1.0. Gensym Corp. Cambridge, Mass., USA, May 1995.

32. Частиков А.П., Гаврилова T.A., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. СПб., "БХВ-Петербург", 2003. 608 с.

33. Утросин В.В. Использование экспертных систем в среде информационной поддержки жизненного цикла изделия // Объединенный научный журнал, 2005,№ 13.-С. 65-67.

34. Мейер Д. Теория реляционных баз данных: Пер. с англ. М.: Мир, 1987. 608 с.

35. ЕжовА.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: МИФИ, 1998. 224 с.

36. Мамиконов А.Г., Кульба В.В., Косяченко С.А., Сиропок В.О. Оптимизация структур данных в АСУ. М.: Наука, 1998. - 240 с.

37. Милаев В., Фаткин А., Рулева Т. Автоматизация управления.// PC WEEK/RE, 2001, №10, С.32-33.

38. Bishop С.М. Neural Networks and Pattern Recognition. Oxford Press, 1995.

39. Дейт К. Введение в системы баз данных./ Пер. с англ. Киев: «ДИАЛЕКТИКА», 1998. - 784с.

40. Рыбаков А. Архитектура современных промышленных систем// Открытые системы. 1998.-№2. С. 24-32.

41. Дам Э. Пользовательские интерфейсы нового поколения// Открытые системы. 1997. -№6. С. 34-37.

42. К. Таунсенд, Д. Фохт. Проектирование и программная реализация экспертных систем на персональных ЭВМ.- М.: Финансы и статистика, 1990. -318 с.

43. В. Гилмор. РНР 4. Учебный курс. СПб.: "Питер", 2001. 352 с.

44. Ричард Стоунз, Нейл Мэттью. PostgreSQL. Основы. М:, Символ-Плюс, 2002. 640 с.

45. Чернобровцев А. Интеграция предприятия. // Computerworld. М.: Computerworld, вып. 36, 2001, С. 19-22.

46. Шемелин В.К. Проектирование систем управления в машиностроении. М.: Станкин, 1998.-254 с.

47. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++, 2-е изд. М.: Бином, СПб: Невский диалект, 1998.- 560 с.

48. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 230 с.

49. Яцкевич А., Страузов Д. Построение интегрированной информационной среды предприятия на основе сисетмы управления данными об изделии PDM STEP Suite // САПР и графика. 2002. №6.

50. Канер С., Фолк Д., Нгуен Е. Тестирование программного обеспечения. Фундаментальные концепции менеджемента бизнес-приложений / Пер. с англ. Киев: Диасофт, 2001. - 544 с.

51. Дубова Н. Интегрированные системы управления распределенной корпорацией. // Открытые системы. М.: Открытые системы, вып. 1, 1998, С.13-18.

52. Куцевич Н. Интеграция АСУП и АСУТП. // Открытые системы. М.: Открытые системы, вып. 9,2000, С. 30-34.

53. Комаров С.В. Применение нейросетевых и экспертных систем в управления динамическими системами. СПб.: 1995. 110 с.

54. Карпова Н.А. Разработка нейросетевого классификатора для систем тестирования: Дис. канд. техн. наук: 05.13.16. Пенза, 1999. - 159 с.

55. Трахтенгерц Э.А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений. // АиТ, №4, С.3-52, 1995.

56. Дюк В. , Самойленко A. Data mining: учебный курс. СПб: Питер, 2001. -368 с.

57. Юдин Д.Б. Вычислительные методы теории принятия решений. М.: Наука, 1989.-317 с.

58. Цимбал А.А., Аншина M.JL Технологии создания распределенных систем. Для профессионалов. СПб.: Питер, 2003. - 567 с.

59. Никифоров А.Д. Управление качеством: Учеб. Пособие для вузов. М.: Дроф, 2004. - 720 с.