Проектно-операционное управление в машиностроительном производстве

Современное машиностроительное производство – сложная система, представляющая собой большое количество взаимодействующих друг с другом разнородных частей производственной и технологической подсистем, направленных на решение производственных задач. Успешное функционирование системы характеризуется конкурентоспособностью выпускаемой продукции. Конкурентоспособность продукции 512

обеспечивается прежде всего снижением себестоимости ее изготовления, повышением производительности и сокращением времени на подготовку производства новых видов продукции. Снижение производственных мощностей для выполнения каждого производственного задания является основой соответствия перечисленным факторам и достигается путем рационального изменения структуры и параметров производственной системы в кратчайшие сроки.

Изменение состояния производственной системы определяется и обеспечивается организацией такого воздействия на нее, в результате которого она переходит в состояние, когда оказывается возможным выпуск новой продукции при положительных условиях.

Таким образом, важным является обеспечение процесса управления системой, при котором она гарантировала бы максимальные производственные показатели.

Обзор литературы

Под технологическим процессом, согласно ГОСТ 3.1109-731, будем понимать часть производственного процесса, непосредственно связанную с последовательным изменением состояния объекта производства. Проектирование технологического процесса определяется двумя взаимосвязанными частями – структурным и параметрическим синтезом. При проектировании технологических процессов нужно исходить из таких общепринятых критериев, как себестоимость, производительность, трудоемкость. Проектированию трудно формализуемой структуры технологических процессов посвящено достаточно большое количество исследований. Предлагается формирование массивов технологических операций с учетом особенностей конкретного предприятия [1] и создание на их основе матриц распределения временных ресурсов в зависимости от структуры технологического процесса [2]. В ряде работ рассматриваются методы получения информации,

MORDOVIA UNIVERSITY BULLETIN 1^1 учитываемой при формировании указанных матриц для конкретных условий проектирования: например, качества поверхностного слоя [3] и обработки (в частности, лазерной [4]). Отмечается, что процесс проектирования носит итерационный характер [5], и прежде всего на стадиях проектирования опытной продукции [6]. Однако при малых партиях данная тенденция сохраняется [7]; особенно итерационный характер проявляется при дальнейшем улучшении качества продукции [8] по мере совершенствования производственного процесса ее выпуска.

Процессы проектирования регламентируются рядом документов, определяющих обмен графической информа-цией2, формой представления данных3, организацией баз данных4. Важными аспектами являются: требования к вопросам конфиденциальности и целостности используемой информации [9], к определению файла и независимости логических данных [10], а также структура хранения и независимость физических данных [11]. Стандарт «ISO 10303: Industrial automation system and integration: Product data representation and exchange: Integrated generic resources»5 регламентирует геометрическое и топологическое представление о проектируемом объекте.

В связи с этим особое значение приобретает формирование структуры маршрутной технологии. В. В. Борзенков предлагает создать структуру на основе топологических свойств макроэлементов, структуры деталей в САПР

^.

ТП6. Д. Е. Максимовский рассматривает способы выбора технологических баз для корпусных деталей в автоматизированном производстве с использованием САПР ТП [12;13].

С. Ю. Калякулин разработал систему автоматизированной конструкторско-технологической параметризации процессов изготовления деталей типа тел вращения [14]. Использование предложенной системы позволяет проектировать процессы технологической подготовки для производства деталей указанного класса.

С. В. Байбаков разработал методику выбора комплектов технологических баз на операциях механической обработки машиностроительных деталей [15]. В. Н. Бровцин предложил метод адаптивного управления и структуры настраиваемых моделей технологических процессов сельскохозяйственного производства [16]. З. Т. Акашев описал методологию совершенствования и выбора структуры технологических процессов горнодобывающих предприятий [17].

Важным аспектом автоматизации операционно-проектного управления является смещение процессов построения систем в область организации целеустремленных систем проектирования производственных процессов [18–20]. Подобные системы отличаются наличием поведенческого характера при определении стратегии управления производством [21;22]. Важное значение здесь приобретает графическое представление данных [23] и методы параметризации7.

Материалы и методы

Важным аспектом выпуска новых изделий является повышение риска их затоваривания или даже невостребо-

Том 28, № 4. 2018

ванности вследствие ошибок маркетинга, внезапных изменений конъюнктуры рынка и т. д. [20; 24]. Это обстоятельство явилось, в частности, причиной появления венчурных предприятий. В данных условиях принимаются активные меры по снижению подобных рисков, в частности, путем оперативного изготовления пробных партий, верификации полученных решений и, в случае положительных результатов, отработки на них технологических аспектов выпуска основной части партии продукции.

Создание адекватной прогностической модели является одним из основных условий успешного осуществления проектно-операционного управления. Успех ее использования определяется наличием необходимой и достоверной информации о процессе. Адекватность прогностической модели в проектно-операционном управлении предполагает, что поведение системы под влиянием различных внешних возмущений будет совпадать с прогнозом, представленным моделью, при условии, что рассматриваемое состояние объекта достаточно полно представлено в модели. Возникает задача получения достоверного описания текущего процесса, что может быть обеспечено постоянным наблюдением за объектом управления, а также регистрацией и обработкой информации о его состоянии.

Формирование необходимой информации о состоянии объекта осуществляется путем правильного определения точек съема информации и последовательности опроса, а также объемом съема и частотой опроса. Кроме того, требуется получение информации о предполагаемых событиях, связанных с перспективной загрузкой управляемой системы. Планирование перспективных событий должно осуществляться на самых ранних этапах их наступления даже при недостаточной степени их определенности. Уточнение информации осуществляется по мере приближения времени наступления событий.

Поведенческий характер системы проектно-операционного управления можно охарактеризовать активной и пассивной составляющими реакции. Активная составляющая системы управления позволяет ей вмешиваться в текущий ход событий и менять состояние объекта в соответствии с выработанной стратегией управления. Пассивная составляющая предусматривает накопление информации, на основе которой вырабатывается стратегия управления. Целью вмешательства в работу управляемой системы является нахождение лучшей стратегии выполнения производственных процессов.

При оперативном планировании запуска изделий в производство основополагающей является информация о требуемых сроках их выполнения, которая необходима для планирования загрузки складского хозяйства, транспортных служб и т. д. Кроме того, осуществляется синхронизация работы различных производств, например, работа поставщиков. В противном случае приходится принимать организационно-производственные решения в состоянии неопределенности.

Для эффективного оперативного планирования требуется прогнозная модель, достоверно описывающая процесс изменения состояния производственной системы в течение некоторого отрезка предстоящего времени. Прогнозная модель позволяет определять перспективные возможные состояния производственной системы на некотором временном интервале, оценивать последствия возникновения таких состояний и вырабатывать стратегию и тактику оперативного управления ее состоянием с целью получения поло-

MORDOVIA UNIVERSITY BULLETIN 1^1 жительного эффекта. Прогнозирование представляет собой совокупность процедур синтеза и анализа ситуационной информации в рамках производственной системы. В этом случае прогнозная модель определяется следующими параметрами.

• 1.    Степень достоверности определения времени выполнения производственного задания, а, следовательно, и срока возможного запуска очередного задания.

• 2.    Величина отрезка времени, в течение которого степень достоверности прогноза остается приемлемой величиной, т. к. с увеличением такого отрезка снижается степень достоверности прогноза вследствие возрастающего количества труднопрогнозируемых событий и случайных, непрогнозируемых, изначально возмущающих внешних факторов.

Таким образом, с увеличением глубины прогноза (отрезка времени прогнозирования) увеличивается расхождение предполагаемого срока выполнения производственного задания с реальным сроком его выполнения. Другими словами, глубина прогноза определяется качеством прогнозной модели и полнотой информации о последовательности наступающих как штатных, так и труднопредсказуемых событий. Последние, очевидно, носят стохастический характер.

При построении и эксплуатации прогнозной модели происходит балансировка между затратами на получение информации о дестабилизирующих факторах, степенью адекватности модели и глубиной прогноза.

Прогнозная модель представляет собой информационную модель, потребляющую информацию о текущем состоянии производственной системы о предсказуемых (плановых) событиях и о предполагаемых дестабилизирующих производственную систему событиях. Мы видим здесь совокупность детерминированной и стохастической информации. При ее разработке были использованы процедуры, связанные с формированием, накоплением, переработкой, анализом и выработкой управляющей информации воздействия на производственную систему.

Состояние производственной системы Z описывается конечным множеством значений:

x ₁, x ₂, … x_m с вероятностями P ₁, P ₂, … P_m , P i = P ( Z ~ x)

xi j X1 j X2 j pi j P1 j P2 j

Индекс j отражает признак наступления 1-го или 2-го события. Структура одинакова в любом случае, различаются только их вероятности P_i^j .

Накопленный статистический материал позволяет достаточно достоверно определять изменения состояния производственной системы на рассматриваемом интервале времени и, следовательно, получать информацию о состоянии производственной системы в любой момент временного отрезка прогноза, а также прогнозировать время выполнения производственных заданий и планирования запуска очередных заданий.

Для прогнозной модели входной информацией является набор свойств предполагаемых событий за прогнозный отрезок времени, причем эти события имеют различную вероятность наступления. Чем больше количество событий и ниже их вероятности, тем хуже достоверность получаемых результатов моделирования и меньше глубина прогноза. Тем не менее, в плане стратегического планирования во многих случаях оказывается полезным моделирование в пределах длительного отрезка времени, имеющего заведомо низкую достоверность, т. к. в этом случае удается получить «черновой вариант» предполагаемого состояния производственной системы в будущем. Данный вариант оказывается определенным ориентиром, к которому следует или, наоборот, не следует стремиться.

Математически можно записать:

N

T = Z Tj + 1 Тож, где Т – время выполнения задания; Tj – длительность j-ой операции i-ого задания; N – количество технологических операций в маршруте изготовления изделия; ∑Tожi – суммарная длительность периода прерывания выполнения технологического процесса ввиду отсутствия свободного технологического оборудования производственной системы. Компоненты £Ti являются событиями с известными вероятностями. Таким образом, прогнозная модель определения времени выполнения i-го производственного задания оказывается стохастической.

Для оценки точности результатов математической модели определения априорной неопределенности системы используем энтропию.

Энтропия рассматриваемой производственной системы H ( Z ) равна суммарному произведению значений вероятностей с обратным знаком:

m

H (Z) = -^ Pi logp>, i =1

где m – число предполагаемых событий на расчетном отрезке времени.

Целесообразным оказывается представление энтропии в двоичных единицах. С этой целью процедура логарифмирования основывается на использовании логарифма с основанием 2. Вся совокупная последовательность изменения состояния производственной системы имеет дискретный характер, и его вероятность определяется как

P(x1, x2, …xm) = P(x1) P(x2) … P(xm), откуда log P(x1, x2, …xm) = log P(x1) + + log P(x2) +…+ log P(xm)

и

H ( x ₁, x ₂, … x_m ) = H ( x ₁) + + HP ( x ₂) +…+ H ( x_m ),

• т. е. энтропии возможных событий складываются. В результате получим:

H ( x 1 , x 2 ,     X m ) = m H ( x, ) .

i =1

Данная формула является реальной оценкой уровня неопределенности прогнозной модели при варьировании глубины прогноза. Можно сделать вывод, подтверждающий целесообразность использования прогнозной модели и для стратегического планирования с большой глубиной прогноза: результаты прогнозного моделирования, имеющие низкую достоверность, оказываются особенно полезными при высокой степени неопределенности состояния производственной системы.

Полученная выше формула дает возможность оценить величину неопределенности состояния производственной системы на моделируемом отрезке времени. Отсюда следует, что глубина прогноза определяется интервалом времени, на котором выполняется следующее условие:

m

£ h ( x ) <  h * , i = 1

где m – количество событий на моделируемом отрезке времени; H - предельно допустимое значение энтропии производственной системы Z .

Предельно допустимое значение энтропии H определяется, в частности, таким параметром, как приоритет производственного задания. Для производственных заданий с высоким приоритетом энтропия стремится к нулю. Это обусловлено низкой вероятностью

MORDOVIA UNIVERSITY BULLETIN появления производственного задания с еще более высоким уровнем приоритета. С другой стороны, период выполнения задания с низким приоритетом будет зависеть от большого числа заданий, поступающих на выполнение, т. к. вероятность их более высокого приоритета велика.

При наступлении событий, обусловленных ремонтом или техническим обслуживанием технологического оборудования, уменьшается производственная мощность технологической системы, что приводит к вытеснению менее приоритетных производственных заданий более приоритетными, и период их выполнения возрастает. Поэтому каждому производственному заданию устанавливается своя максимально допустимая величина энтропии.

Значение максимально допустимой величины энтропии можно определить как

H (Z) = -P *logP *, где P* - допустимое значение величины вероятности выполнения конкретного производственного задания в прогнозируемый срок.

Допустимое значение вероятности P* определяется рядом условий. Если, например, величина экономических потерь существенно меньше размеров прибыли, получаемой в результате жесткого следования плановым срокам выполнения производственных заданий, энтропия производственной системы возрастает, увеличивая при этом глубину прогноза, значение P* может быть уменьшено, что, в свою очередь, позволяет увеличить глубину прогноза при прочих условиях. И наоборот, невыполнение плановых сроков повлечет высокие экономические потери, величину P* необходимо увеличивать и снижать глубину прогноза. Реальную величину P* следует определять, основываясь на требованиях к жесткости обеспечения сроков, производственной ситуации и т. д.

Обсуждение и заключение

На основе выявленных связей сформулированы основные требования к проектно-операционному управлению, показана связь детерминиро- ванного и стохастического подхода к поставленной задаче. Разработано математическое описание модели процессов планирования во времени и предпосылки для принятия решения по срокам запуска заданий в производство.

Поступила 10.05.2018; принята к публикации 29.06.2018; опубликована онлайн 28.12.2018

Об авторах:

Цырков Георгий Александрович , доцент кафедры системного моделирования и автоматизированного проектирования, ФГБОУ ВО «Московский авиационный институт (национальный исследовательский университет)» (125993, Россия, г. Москва, Волоколамское шоссе, д. 4), кандидат технических наук, ResearcherID: P-1620-2017, ORCID: https://orcid.org/0000-0001-9379-5380 , george@matias .ru

Все авторы прочитали и одобрили окончательный вариант рукописи.