Содержание к диссертации
Введение
ГЛАВА 1. Анализ методов и средств управления ремонтами оборудования на промышленном предприятии 10
1.1. Анализ предметной области управления ремонтами 10
1.2. Методы управления ремонтами 14
1.3. Средства информационной поддержки процессов управления ремонтами 22
1.3.1. IFS Applications 25
1.3.2. Global ЕАМ 26
1.3.3. MAXIMO 28
1.3.4. АСУ РТО 29
1.3.5. «Ремонт-Эксперт» 30
1.3.6. Результаты сравнения функциональности различных ЕАМ-систем 31
1.4. Мультиагентные системы 33
1.4.1. Понятие интеллектуального агента 33
1.4.2. Архитектура и средства построения MAC 38
1.5. Выводы по главе 1 41
ГЛАВА 2. Разработка моделей и методов автоматизации управления ТОИР 44
2.1. Концептуальная модель системы управления ТОиР 45
2.1.1. Организационная модель 45
2.1.2. Информационная модель 57
2.2. Агентно-ориентированная интерпретация метода планирования ТОиР 62
2.2.1. Прогнозирование остаточного ресурса оборудования 63
2.2.2. Календарное планирование ТОиР оборудования 67
2.2.2.1. Перспективное планирование ТОиР 69
2.2.2.2. Текущее планирование ТОиР 72
2.2.2.3. Решение задачи многокритериальной оптимизации с помощью генетического алгоритма 74
2.3. Методы автоматизации бизнес-процессов согласования, контроля и регламентирования ТОиР 79
2.3.1. Согласование и корректировка планов и графиков 80
2.3.2. Контроль и учет 83
2.3.3. Регламентирование 85
2.4. Выводы по главе 2 87
ГЛАВА 3. Модель мультиагентной системы управления ТОИР на промышленном предприятии 89
3.1. Модели агентов 89
3.2. Архитектура МАСУ ТОиР 91
3.3. Модели поведения агентов в МАСУ ТОиР 94
3.3.1. Модель поведения агента операции 95
3.3.2. Модель поведения агента бизнес-процесса 97
3.3.3. Модель поведения агента-координатора 99
3.4. Модели взаимодействия агентов 101
3.5. Служебные средства МАСУ ТОиР 107
3.5.1. Целостность, полнота и непротиворечивость 108
3.5.2. Логический вывод 113
3.6. Выводы по главе 3 116
ГЛАВА 4. Экспериментальное исследование прототипа МАСУ ТОИР . 118
4.1. Технология построения прототипа МАСУ ТОиР с использованием пакета DISIT ... 118
4.2. Реализация прототипа МАСУ ТОиР для предприятия «Вологдаэнерго» 125
4.3. Тестирование прототипа на реальных массивах данных 136
4.4. Применение разработанных инструментальных средств в учебном процессе 143
4.5. Выводы по главе 4 144
Заключение 146
Список использованных источников 147
Приложение А. Организационная структура управления ТОИР 161
- Анализ предметной области управления ремонтами
- Прогнозирование остаточного ресурса оборудования
- Архитектура МАСУ ТОиР
- Технология построения прототипа МАСУ ТОиР с использованием пакета DISIT
Введение к работе
Актуальность темы. В нашей стране актуальность повышения качества технического обслуживания и ремонта (ТОиР) обусловлена, прежде всего, значительным уровнем износа оборудования. По данным статистики, на большинстве российских крупных предприятий износ основных фондов достигает уровня 60-70%, в целом по стране средний показатель износа оценивается примерно в 70%. В связи с этим сотрудникам служб ТОиР крупных и средних промышленных предприятий ежедневно приходится обрабатывать огромный объем данных, что значительно усложняет, особенно в условиях территориальной распределенности подразделений, планирование, подготовку и учет ремонтной деятельности. Грамотное управление позволяет одновременно повысить качество ТОиР и снизить возникающие временные и финансовые издержки.
Управление ТОиР охватывает широкий круг проблем, таких как структурная организация, способы исследования, контроля и повышения надежности оборудования, календарное планирование, которым посвящены работы В.Н. Буркова, М. Месаровича, Д.А.Новикова, И. Такахары (оргсистемы), Н.И. Воропая, Ю.Б. Гука, Э.А.Лосева, Л.А. Мелентьева, А.В.Мясникова, А.Н. Назарычева (надежность), Р.В. Конвея, Л.В. Миллера, В.А. Сафроненко, B.C. Танаева, Я.М. Шафранского (теория расписаний) и других.
Без использования современных методов и средств автоматизации реализация поставленных целей одновременного снижения эксплуатационных затрат и аварийности невозможна. Существуют многочисленные программные продукты, так или иначе затрагивающие управление ТОиР. Однако они не содержат средств оптимизации и не учитывают накопленный опыт решения схожих задач, в то время как в связи с ростом сложности техносферы информационная нагрузка на лицо, принимающее решения (ЛПР), постоянно возрастает. Для комплексного решения указанных проблем требуется гибкая информационная система, способная к адаптации и учитывающая специфику управления ТОиР на крупном промышленном предприятии, которая определяется такими признаками, как: иерархичность структуры, распределенность, разнородность и отсутствие мобильности многих объектов ремонта.
Для моделирования и информационной поддержки распределенных процессов наиболее целесообразно использовать технологию мультиагентных систем (MAC), исследования в области которых проводились такими учеными, как Р.А. Брукс, М. Вулдридж, В.И. Городецкий, Н. Дженнингс, А.В. Костров, X. С. Нвана, Д.А. Поспелов, В.Б. Тарасов.
В то же время, чтобы облегчить информационную нагрузку на персонал ремонтных служб, от информационной системы требуется поддержка принятия решений, т.е. она должна обладать некоторыми свойствами экспертной системы. Исследования в этом направлении проводились Д.А. Александровым, Т.А. Гавриловой, С.Д. Коровкиным, Дж. МакАдамсом, П.Л. Миллером, И.Д. Ратмановой, В.Л. Стефанюком, Э.А. Трахтенгерцом, А. Уокером, Д.Н. Фадиным, Э. Фейгенбаумом, Т.Финином, В.Ф. Хорошевским и др.
Общие вопросы управления производством освещены в работах Д.В. Александрова, В.В. Кульбы, Р.И. Макарова, А.Г. Мамиконова, Б.Я. Советова, В.Д. Чертовского и др.
Целью диссертационного исследования является повышение эффективности и качества обработки информации, обеспечивающей интеллектуальную поддержку процессов управления ТОиР оборудования промышленных предприятий.
Для достижения поставленной цели в работе были поставлены и решены следующие задачи:
Исследование существующих принципов управления ТОиР на промышленных предприятиях.
Совершенствование и разработка методов и алгоритмов управления ТОиР на основе прогнозирования технического состояния оборудования с использованием технологии экспертных систем.
Разработка концептуальных и логических моделей MAC управления ТОиР (МАСУ ТОиР).
Исследование и разработка моделей интеллектуальных агентов в структуре МАСУ ТОиР.
Разработка инструментального программного обеспечения для реализации прототипа МАСУ ТОиР.
6. Экспериментальное исследование эффективности разработанных методов,
моделей и программных средств.
Объектом исследования является система управления ТОиР оборудования на промышленном предприятии.
Предметом исследования являются модели и алгоритмы информационной поддержки процессов управления ТОиР.
Методы исследования. Для решения поставленных задач используются методы инженерии знаний, математической логики, теории фреймов, теории графов, теории календарного планирования, исследования операций, эволюционных вычислений, статистического анализа, объектно-ориентированного и логического программирования.
Научная новизна работы заключается в следующем:
Концептуальная модель системы управления ТОиР на промышленном предприятии, отличающаяся представлением организационной и информационной структур управления в виде проекций уровней и связей и позволяющая определить информационные потоки и информационную загрузку элементов.
Комплекс алгоритмов управления и интеллектуальной поддержки ТОиР, учитывающий нечеткий характер сроков ремонта и позволяющий получить формальное представление задачи многокритериальной оптимизации календарного планирования и построить с помощью эволюционных методов набор субоптимальных календарных графиков для предъявления лицу, принимающему решения.
Модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов, отличающиеся агентно-ориентированной интерпретацией алгоритмов планирования и управления ТОиР в структуре промышленного предприятия, позволяющие автоматизировать решение задач ТОиР и повысить эффективность и качество обработки информации.
Область исследования. Работа выполнена в соответствии с паспортом специальности ВАК РФ 05.13.01 - Системный анализ, управление и обработка информации (по отраслям), пункты 4 и 10.
На защиту выносятся следующие результаты:
1. концептуальная модель системы управления ТОиР на промышленном
предприятии;
комплекс алгоритмов управления и интеллектуальной поддержки ТОиР;
модели МАСУ ТОиР и алгоритмы взаимодействия интеллектуальных агентов. Практическая значимость исследования определяется тем, что:
1. Концептуальная модель системы управления ТОиР позволяет получить наглядное представление структуры задач информационной поддержки ТОиР.
Разработанные алгоритмы позволяют осуществлять интеллектуальную поддержку ТОиР, что способствует уменьшению количества ошибочных решений при управлении ТОиР на промышленном предприятии и сокращению времени, затрачиваемого на планирование, согласование, регламентирование, контроль и учет ТОиР.
Полученные модели МАСУ ТОиР позволяют реализовать гибкие и адаптивные системы для управления ТОиР на предприятиях различных отраслей промышленности.
Реализация результатов исследований. Результаты внедрены в ОАО «Вологодский оптико-механический завод», Филиале ОАО «МРСК Северо-Запада» «Воло-гдаэнерго», а также используются в учебном процессе кафедры Информационных систем и технологий Вологодского государственного технического университета. Результаты диссертации получены в рамках гранта РФФИ №08-01-00457-а «Исследование фундаментальных проблем построения мультиагентных интеллектуальных систем», выполнения работ по государственному контракту №02.740.11.0625 федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы.
Апробация результатов работы. Основные положения работы были представлены на международных конференциях «Интеллектуальные системы и компьютерные науки» (Москва - 2006), «Научный сервис в сети Интернет: многоядерный компьютерный мир» (Новороссийск - 2007), «Автоматизация машиностроительного производства, технология и надежность машин, приборов и оборудования» (Вологда - 2006, 2007), «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда - 2008, 2009), «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта» (Вологда - 2007, 2009), девятом Международном симпозиуме «Интеллектуальные системы» (Владимир - 2010); всероссийских конференциях «III Всероссийской конференции студентов, аспирантов и молодых ученых "Искусственный интеллект: философия, методология, инновации"» (Москва - 2009), «Молодые исследователи - регионам» (Вологда - 2006), «Вузовская наука - региону» (Вологда - 2007); региональных конференциях «Актуальные проблемы управления и экономики: история и современность» (Вологда -2006, 2007, 2008, 2009), «II ежегодные смотры-сессии аспирантов и молодых ученых по отраслям наук» (Вологда - 2009).
Результаты исследований докладывались на семинарах Вологодского регионального отделения Научного Совета РАН по методологии искусственного интеллекта.
Публикации. По теме диссертации опубликовано 15 печатных работ: 3 статьи (из них 2 в реферируемых изданиях, рекомендованных ВАК), 12 работ в материалах международных и всероссийских конференций.
Структура и объем диссертации. Диссертация состоит из введения, четырех
глав, заключения, списка литературы из наименований и приложений. Общий
объем работы страниц, включая рисунков, таблиц, страниц приложений.
Анализ предметной области управления ремонтами
Любое производственное предприятие сталкивается с необходимостью проведения технического обслуживания и ремонта (ТОиР) оборудования.
В настоящее время успех компании на рынке все больше зависит от уровня производственной эффективности, поэтому в качестве средства повышения конкурентоспособности обращают внимание и на, казалось бы, второстепенную сферу ТОиР. Реформирование этой сферы производственной деятельности предприятия позволяет одновременно повысить ее качество и снизить временные и финансовые издержки.
В нашей стране актуальность повышения качества ТОиР оборудования обусловлена еще и значительным уровнем износа. На большинстве российских крупных предприятий износ основных фондов достигает уровня 60-70%. В целом по стране средний показатель износа оценивается примерно в 70% [1]. Сотрудникам крупных и средних промышленных предприятий ежедневно приходится обрабатывать огромный объем данных, что значительно усложняет планирование, подготовку и учет ремонтной- деятельности. Самое очевидное следствие неэффективности планирования — неконтролируемость и непредсказуемость расходов. Объективные данные для расчета бюджета практически отсутствуют. Предприятия вынуждены хранить на складах большое количество запасных частей «на всякий случай» [2]. В то же время многие специалисты ремонтных служб утверждают, что финансирования постоянно не хватает, т.к. при защите ремонтных программ часть необходимых работ выпадает из-за недостатка финансирования. Кроме того, для крупных промышленных предприятий, имеющих сложную иерархическую структуру и разветвленную сеть филиалов, в области управления ТОиР возникают определенные сложности при согласовании решений (все сколько-нибудь значительные решения работников удаленного подразделения должны согласовываться с вышестоящим центром) и при сборе и обработке информации об их деятельности.
Ремонтную деятельность или просто ремонт можно рассматривать, с одной стороны, как технологический процесс восстановления технического состояния объекта без изменения текущей стоимости, а с другой, как экономическую деятельность хозяйствующего субъекта (услугу или бизнес), направленную на удовлетворения собственных потребностей или спроса потребителя [3,4].
В процессе эксплуатации исходные свойства оборудования непрерывно изменяются. С течением времени стареет изоляция, изнашиваются токоведущие части, контактная система и т.п., происходит нарушение условий его нормального функционирования. По этим причинам, а также вследствие заводских дефектов, неправильных действий персонала, увлажнения, загрязнения, неблагоприятных условий и режимов работы снижается эксплуатационная надежность и увеличивается опасность возникновения отказов оборудования.
Деятельность по ремонту оборудования на промышленном предприятии характеризуется следующими особенностями [4]: неосязаемость, неотделимость, цикличность, непрофильность.
Неосязаемость ремонтов проявляется- в том, что процесс ремонта нельзя ощутить физически. Конечно, во время проведения ремонтов необходимы запасные части, инструменты и другое вспомогательное оборудование, но сам процесс восстановления технического состояния не требует никаких материальных затрат. Процесс ремонта и технического обслуживания неотделим от нормальной работы оборудования. Во время эксплуатации периодически или непрерывно требуется контролировать работу оборудования и на ходу заменять отдельные части и среды (масло и т.п.). С этим связана и цикличность проведения ремонтов. Так как значительная часть промышленного оборудования представляет из себя сложную систему, состоящую из множества узлов, то невозможно создать специализированный ремонтный персонал или ремонтную организацию отдельно по какому-то одному узкому профилю.
При этом сложность управления ТОиР оборудования в современных условиях определяется следующими показателями [5]: - наличие большого количества устаревшего оборудования; - неполная обеспеченность измерительной и испытательной техникой; - низкий уровень автоматизации; трудности с материальным снабжением материалами, изделиями, инструментами и приспособлениями широкой номенклатуры относительно небольшого объема, что отрицательно сказывается на качестве ремонтных работ и надежности сети; - дефицит рабочей силы из-за нерационального ее использования, значительной доли ручного труда, тяжелых производственных условий (зачастую необходимость выполнения работ на открытом воздухе в любое время года и т. д.). Современное оборудование промышленных предприятий чрезвычайно разнообразно, сложно по конструкции, оснащено средствами автоматики и различными вспомогательными механизмами. Бесперебойная и экономичная эксплуатация его невозможна без рациональной организации ТОиР. Поэтому для поддержания полностью работоспособного технического состояния оборудования применяют систему организационных и технических мероприятий. Под техническим состоянием (ТС) оборудования понимается совокупность подверженных изменению его свойств, характеризующихся в любой момент времени технической документацией и определяющих степень пригодности оборудования для использования по назначению [4]. С точки зрения фактора времени различают техническое состояние в данный момент (текущая оценка ТС), техническое состояние в прошлом- (ретроспективная оценка ТС) и в будущем (перспективная оценка ТС). Организационные мероприятия ТОиР включают формирование и совершенствование структуры служб, осуществляющих поддержание ТС оборудования. Структура определяет административное деление служб, состав специалистов, занятых в службах, ответственных исполнителей, их задачи и обязанности, а также их взаимодействие. В состав технических мероприятий, от которых зависит поддержание ТС оборудования, входят правила технической эксплуатации и правила организации ТОиР оборудования. Структура организационно-технических мероприятий ТОиР показана, на рис. 1.1.
Прогнозирование остаточного ресурса оборудования
При программировании агентов чаще всего применяются: универсальные объектно-ориентированные языки программирования (Java, С++); языки, «ориентированные на знания», такие, как языки представления знаний (KIF, OWL); языки коммуникации и координации агентов (KQML, AgentSpeak); специализированные языки программирования агентов (3APL); языки сценариев (Tcl/Tk); символьные языки и языки логического программирования (Lisp, Prolog, Oz) [81-85].
Библиотечные системы предоставляет разработчику некоторого абстрактного агента, поддерживающего базовую функциональность и реализованного в виде классов или шаблонов на языке программирования высокого уровня. Дополнительно предоставляются вспомогательные базовые понятия (классы), такие как сообщение, группа и т.п. Такой подход предоставляет большую гибкость в разработке архитектуры агентов, дает возможность включать в систему весьма разнородных агентов и практически не накладывает ограничений на язык и схемы взаимодействия агентов между собой.
Среди имеющихся на рынке библиотек агентов следует отметить Inlelligent Agent Library — коммерческий продукт фирмы Bits & Pixels, систему Kafka, разработанную фирмой Fujitsu и Agentx — сеть высокоэффективных библиотек распределенных вычислений в программной среде Java, предложенную фирмой International Knowledge Systems [86]. К этой же группе средств относится программный каркас JADE (Java Agent Development Framework), полностью написанный на языке Java и упрощающий разработку MAC благодаря использованию спецификаций международной организации FIPA [87].
Одной из самых известных и уже зарекомендовавших себя интегрированных сред для разработки интеллектуальных программных агентов является AgentBuilder фирмы Reticular Systems, Inc. Агенты, разработанные с помощью среды AgentBuilder, взаимодействуют на языке KQML, в основе которого лежат примитивные действия — перформативы [88]. Среда разработки агентов ABE (Agent Building Environment), построенная фирмой IBM, представляет собой инструментарий для создания приложений, основанных на интеллектуальных агентах, а также добавления новых агентов в уже существующие приложения [89]. Первой средой для построения мобильных агентов, опирающейся на стандарт MASIF (Mobile Agent System. Interoperability Facility), является ИС Grasshopper фирмы IKV++ [90].
Как видно из приведенного обзора, существует достаточно большой набор средств создания MAC. Однако эти средства, как правило, имеют ориентацию на определенную предметную область, а использование их в других областях либо невозможно, либо налагает на разрабатываемые системы ограничения, в результате чего они получаются не в полной мере адекватными реальным потребностям. Кроме того, разработчики подобных инструментов пытаются достичь их универсальности за счет предоставления возможности дописывать программный код, к чему зачастую и сводится процесс разработки MAC. Здесь встает вопрос о целесообразности применения данных средств, которые еще, к тому же, необходимо купить и изучить. Проведенный анализ существующих средств построения MAC не выявил таких, которые могли, бы быть использованы для построения мультиагептной системы управления ТОиР. Поэтому актуальной задачей является разработка моделей и технологии создания мультиагептной системы управления техническим обслуживанием и ремонтом (МАСУ ТОиР).
Анализ предметной области управления ТОиР оборудования на промышленном предприятии показал актуальность решения задач управления
ТОиР в связи с большой степенью износа оборудования и переходом многих предприятий на более экономичную стратегию ремонта по техническому состоянию. Также определены факторы, осложняющие процесс управления ТОиР оборудования на крупных промышленных предприятиях, среди которых невозможность транспортировки оборудования с места его нахождения в ремонтный цех, проведение ремонтных работ на открытом воздухе и т.п.
На основе типовых функций службы управления ТОиР выделены основные бизнес-процессы, подлежащие автоматизации: планирование работ, согласование планов и графиков и их корректировка, контроль и учет использования средств на проведение ТОиР и качества выполняемых работ, подготовка нормативной документации.
Рассмотрены существующие глобальные стратегии проведения ремонтов, их достоинства и недостатки. Установлена тенденция к переходу предприятий на стратегию ТОиР по техническому состоянию, и описаны проблемы, возникающие при внедрении данной стратегии.
Приведена иерархия планов и указаны особенности планирования ТОиР на распределенном промышленном предприятии в современных условиях. Из проведенного обзора хмоделей оптимального планирования ТОиР по экономическим и техническим критериям, решений в области диагностирования и прогнозирования остаточного ресурса оборудования с помощью технологии экспертных систем следует, что отсутствует модель или решение, полностью охватывающее все необходимые бизнес-процессы управления ТОиР, однако некоторые из проанализированных моделей можно применить для реализации отдельных этапов.
Анализ промышленных систем управления ТОиР позволяет сделать вывод, что существующие на рынке системы не обладают требуемой функциональностью в полном объеме. Необходимую функциональность (интеллектуальная поддержка принятия решений, поддержка итерационных согласований в условиях низкого качества телекоммуникационной инфраструктуры, построение планов ТОиР в условиях использования страгегии ремонта по техническому состоянию, оптимизация планов, автоматическое распространение нормативной документации) предложено обеспечить с помощью мультиагентной технологии.
Архитектура МАСУ ТОиР
Методы первой группы используют различные схемы свертки (в частности, максимизацию неотрицательной линейной комбинации критериев), ранжирование критериев, принцип идеальной точки и др. [107-112]. В дальнейшем задача решается известными методами линейного программирования. Сюда же можно отнести такие методы, как N61 [ИЗ], N0 [114,115], БРО [116] и т.п., которые решают задачу многокритериальной оптимизации путем построения нескольких интегральных критериев. Решение по каждому ,из этих интегральных критериев дает точку Парето согласно некоторым допущениям. Если допущение не подтверждается, метод нормальных ограничений (N0) предлагает впоследствии удалить точки, не принадлежащие Парето-оптимальной области, фильтром Парето. Интегральные критерии строятся с целью получения равномерного распределения точек Парето, которые дают хорошее приближение к действительному Парето- множеству. Методы нормальных ограничений (N0) и последовательной Парето- оптимизации (8РО) генерируют решения, представляющие периферийные районы Парето-множества для двух и более критериев, которые не представлены в решениях, полученных методом нормальных краевых пересечений (N61). Несмотря на большое количество предлагаемых вариантов реализации, методы этой группы являются довольно субъективным и, кроме того, позволяют найти только решения, расположенные на выпуклой части Парето-фронта [117].
Ко второй группе относятся методы теории игр, основанные на принципах согласованности и равновесия [118,119], и эволюционные подходы [117,120]. Методы второй группы представляются более перспективными, т.к. позволяют выбирать из Парето-множества возможных решений единственное, соответствующее текущим предпочтениям лица, принимающего решения, — в этом случае априорной информации о весах различных критериев не требуется. Эволюционный подход очень популярен в решении задач многокритериальной оптимизации. В отличие от классических подходов, которые требуют повторного применения для отыскания множества Парето-оптимальпьтх решений и в некоторых случаях не гарантируют его, эволюционные алгоритмы позволяют найти множество Парето-оптимальных решений одновременно за один запуск. К ним относятся такие методы как NSGA-II, SPEA-2, а также схемы, основанные на методе роящихся частиц, моделировании отжига и т.п.[117,121,122].
Если говорить конкретно о методах решения оптимизационных задач в области теории расписаний, то нужно отметить, что в их качестве используются три основные класса алгоритмов: эвристические, приближенные и алгоритмы сокращения перебора. Метод ограниченного перебора заключается в поиске по дереву возможных решений. Одним из вариантов составления оптимального расписания данным методом является перебор всех ветвей дерева до тех пор, пока не будет найдено удовлетворительное расписание. Как правило, применяемые при ограничении перебора методы линейного и нелинейного программирования гарантируют нахождение оптимального решения, но недостатком этих методов является их высокая вычислительная сложность [112].
Эвристические алгоритмы позволяют получить приемлемое решение за приемлемое время, но редко находят оптимальное решение. Обычно с помощью этих методов находится решение близкое к оптимальному. Результаты исследований [123] показали, что алгоритмы, основанные на эвристиках, плохо приспособлены для ситуаций, в которых ресурсы сильно ограничены. Мультиэвристические алгоритмы лучше приспособлены для1 многомерных топологий пространств поиска. Сюда же относятся использующие экспертные правила и основанные на знаниях системы [124]. Каждый набор экспертных правил детально прорабатывается под ту или иную задачу, поэтому алгоритмы дайной группы являются специализированными. Системы, основанные на знаниях, делят задачу на подзадачи, решением которых занимаются подпрограммы-агенты. Среди известных реализаций систем планирования, построенных на методах искусственного интеллекта: ISIS [125], OPIS [126], MicroBOSS [127], DSS [124]. Несомненным достоинством этого класса методов является возможность учета дополнительного набора технологических ограничений, правда это сужает и область использования подобных1 алгоритмов. К тому же, в них отсутствуют механизмы защиты от попадания в «ловушки локальных оптимумов» [128].
Приближенные алгоритмы, к которым относятся методы эволюционного поиска, успешно сочетают в себе достоинства эвристических методов (быстрый поиск решения, близкого к оптимальному), а также имеют способы выхода из локальных экстремумов [128,129].
Поскольку для данной предметной области не требуется поиск именно самого оптимального решения, а достаточно наиболее приближенного к нему за приемлемое время, наиболее подходящим представляется генетический алгоритм (ГА). ГА - один из видов стохастических алгоритмов, который включает в себя эвристические методы, моделирующие эволюционные механизмы отбора и поиска возможных решений.
В основе генетического алгоритма лежит идея постепенного улучшения состава популяции на основе естественного отбора. Возможные расписания (календарные графики) кодируются специальным образом в структуру данных (генотип), которая, в свою очередь, состоит из одной или нескольких бинарных последовательностей — хромосом. Генотип вместе с приспособленностью (значение целевой функции в точке фенотипа) составляет особь. Обычно на первом шаге инициализируется некоторое число (размер популяции) случайных особей, из которых формируется первое поколение популяции. Далее происходит ряд повторяющихся этапов: отбор родителей, скрещивание (передача участков хромосомы от родителей к потомкам), мутации (с заданной вероятностью). При использовании стратегии элитизма особь, с наилучшей приспособленностью переносится в новую популяцию без изменений. В качестве одного из вариантов останова алгоритма используется счетчик поколений, прошедших без изменения наилучшей приспособленности.
Технология построения прототипа МАСУ ТОиР с использованием пакета DISIT
Как было указано выше в главе 1, существует ряд инструментариев, предназначенных для проектирования мультиагентных систем, однако они не удовлетворяют всем современным требованиям. В связи с этим, в рамках совместных исследований кафедры «Автоматизированных систем обработки информации и управления» Санкт-Петербургского Государственного Электротехнического Университета (ЛЭТИ) с кафедрой «Автоматики и вычислительной техники» Вологодского Государственного Технического Университета под руководством А.Н. Швецова и С.А. Яковлева была разработана методология распределенных интеллектуальных информационных систем [58], впоследствии реализованная при участии автора в рамках гранта РФФИ №08-01- 00457-а «Исследование фундаментальных проблем построения мультиагентных интеллектуальных систем», а также выполнения работ по государственному контракту №02.740.11.0625 Федеральной целевой программы «Научные и научно- педагогические кадры инновационной России» на 2009-2013 годы в виде прототипа интегрированной системы проектирования распределенных интеллектуальных систем (Distributed Intellectual System Integrated Toolkit - DISIT).
Проектирование MAC в используемой методологии имеет комплексный и завершенный характер, так как рассматривает построение систем на всех необходимых уровнях описания, начиная с обобщенной модели предметной области и заканчивая моделью информационного объекта, взаимодействующего с конкретным корпоративным приложением. Процесс моделирования предметной области (МПО), таким образом, разделяется на три этапа (рис. 4.1): структурное описание в виде иерархии фрейм-концептов (ФК), логическое описание в терминах ФК с помощью формальной логики первого порядка, реакшвное описание поведения интеллектуальных агентов (ИА).
Кроме того, в отличие от ряда инструментальных средств создания MAC, в этой концепции постулируется принципиальный отказ от использования конкретного языка программирования в качестве базового средства реализации распределенной системы. Вместо этого закладывается принцип интерпретации моделей интеллектуальных составляющих MAC соответствующими интерпретаторами подсистемы исполнения.
Суть методологии состоит в формировании фрейм-концептов (ФК) на начальном этапе системного проектирования, формировании далее деревьев ФК, последующем связывании их концептуальными отношениями и трансляциии в логическую модель MAC, на основании которой строятся базы знаний. Fla этапе трансляции выделяются интеллектуальные компоненты (ИК), на уровне которых и хранятся соответствующие им БЗ. Сам ИК непосредственно не работает с внешней средой, а лишь хранит БЗ и дерево декомпозиции, в котором описаны связи с нижестоящими компонентами. Взаимодействие с внешней средой осуществляют принадлежащие данному ИК агенты.
Структура комплекса DISIT (рис. 4.2), реализующего методологию проектирования мультиагентных систем, состоит из следующих частей [147]: 1. Подсистема концептуального проектирования (Конструктор фрейм- концептов, Логический конструктор, Конструктор моделей поведения); 2. Подсистема технического проектирования (Транслятор логической модели, Конструктор баз знаний); 3. Подсистема времени исполнения (Менеджер логического вывода, Менеджер формальной объектной системы, Менеджер функционирования ИО, Менеджер обмена сообщениями). В концептуальной модели предметной области (КМПО), с описания которой с помощью Конструктора фрейм-концептов (КФК) начинается проектирование MAC, используется фрейм-ориентированный подход.
