На правах рукописи

Исмаилов Андрей Рашидович

АВТОМАТИЗАЦИЯ КОНТРОЛЯ

ТРАНСПОРТНОЙ РАБОТЫ В ПОДСИСТЕМЕ СБЫТА И РЕАЛИЗАЦИИ

ПРОДУКЦИИ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ

05.13.06 – Автоматизация и управление технологическими процессами и

производствами (промышленность)

Автореферат диссертации на соискание учной степени кандидата технических наук

Москва 2010 2

Работа выполнена в Московском Автомобильно-Дорожном Государственном Техническом Университете (МАДИ) на кафедре «Автоматизированные системы управления»

Научный руководитель: Лауреат Премии Правительства РФ, Заслуженный деятель науки РФ, доктор технических наук, профессор Николаев Андрей Борисович

Официальные оппоненты: доктор технических наук Остроух Андрей Владимирович, кандидат технических наук Воскобойник Владислав Иванович

Ведущая организация: ОАО «Научно исследовательский институт автомобильного транспорта», г. Москва

Защита состоится 19 октября 2010 г. в 10:00 часов на заседании диссертационного совета Д212.126.05 при Московском Автомобильно-Дорожном Государственном Техническом Университете (МАДИ) по адресу:

125319, ГСП А-47, г. Москва, Ленинградский пр., д.64.

С диссертацией можно ознакомиться в библиотеке МАДИ.

Текст автореферата размещен на сайте Московского Автомобильно-Дорожного Государственного Технического Университета (МАДИ) http://www.madi.ru Автореферат разослан 17 сентября 2010 г.

Отзыв на автореферат в одном экземпляре, заверенный печатью, просим направлять в адрес совета института.

Учный секретарь диссертационного совета Михайлова Н.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы Наблюдаемое в настоящее время активное использование средств спутниковой навигации в системах управления грузовых и пассажирских перевозок обусловлено возможностью организации на их основе непрерывного мониторинга работы подвижных единиц. Такой мониторинг процесса транспортировки продукции промышленного предприятия, являющегося составной частью всего производственного цикла, позволит достичь нового уровня в автоматизации многих технологических процессов, не только повысить качество самих перевозок, но и снизить издержки предприятий.

На этом фоне становится очевидным необходимость автоматизации многих технологических процессов на качественно новом уровне. Одним из направлений такой автоматизации в сложных системах является оценка состояния транспортного процесса в любой момент времени на основе информации о запланированной транспортной работе, а также данных о местоположении транспортного средства (ТС). Такая оценка была бы наиболее востребована на ранних этапах внедрения автоматизированной системы контроля транспортной работы в подсистеме сбыта и реализации продукции промышленного предприятия (ПСР), с целью выявления отклонений от запланированных показателей на ранних стадиях их возникновений. Для существующих систем характерно:

• учет выполненных работ производится субъективно, в основном заинтересованными лицами;

• контроль выполненных работ является выборочным и также имеет субъективный характер;

• оперативное управление автомобилями при возникновении нештатных ситуаций (простой, сход с линии, ДТП и т.п.) затруднено и выполняется с большим запаздыванием;

• результаты работы за прошедшие сутки формируются только на следующий день.

Исследование направлено на разработку методов и моделей инструментальной оценки выполнения транспортной работы для ее контроля в ПСР.

Цель и основные задачи исследования Целью исследования является повышение эффективности работы предприятия за счет автоматизации контроля транспортной работы в подсистеме сбыта и реализации продукции на основе сопоставления и оценки плановой и выполненной транспортных работ.

В соответствии с поставленной целью в диссертации решаются задачи:

• системный анализ и классификация структуры информационного обеспечения современных автоматизированных навигационных систем контроля транспортной работы;

• разработка формализованного описания процесса выполнения транспортной работы в подсистеме сбыта и реализации продукции промышленного предприятия;

• разработка модели сопоставления навигационной телематической информации и плановой информации в подсистеме сбыта и реализации продукции промышленного предприятия;

• разработка и реализация гибридной аналитико-имитационной модели транспортных процессов в подсистеме сбыта и реализации продукции промышленного предприятия; дискретно-событийных алгоритмов генерации выборочных траекторий развития транспортного процесса и методики обработки данных имитационных алгоритмов;

• сбор и обработка статистических данных, проведение экспериментальных исследований по оценке предложенных моделей и алгоритмов;

• разработка рекомендаций по практическому применению методов и моделей, подсхем баз данных в подсистеме сбыта и реализации продукции промышленного предприятия.

Объект и методы исследования Теоретической основой диссертационной работы являются: общая теория систем, теоретико-множественный аппарат, теория графов, теория алгоритмов, исследование операций, методы оптимизации, теория баз данных, теория вычислительных сетей, теория управления и др. Моделирование производственных процессов и системный анализ производился с использованием профессиональных математических пакетов.

Научная новизна Научная новизна диссертации состоит в теоретической и практической разработке и обосновании инструментальных методов оценки состояния транспортного процесса на основе сопоставления плановой информации и информации навигационного телематического оборудования в диспетчерских системах контроля транспортной работы в подсистеме сбыта и реализации продукции промышленного предприятия.

На защиту выносятся: формализованное описание транспортного процесса в подсистеме сбыта и реализации продукции промышленного предприятия;

математическая модель сопоставления плановой и фактической информации, полученной на основе телематики; алгоритмы оценки состояния транспортного процесса; реляционная схема базы данных для решения задач автоматизации контроля выполнения транспортной работы.

Достоверность научных положений, рекомендаций и выводов Обоснованность научных положений, рекомендаций и выводов определяются корректным использованием современных математических методов и моделей, а также согласованностью результатов аналитического и имитационного моделирования. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения в ряде предприятий.

Практическая ценность и реализация результатов работы Научные результаты, полученные в диссертации, доведены до практического применения. Разработан программно-моделирующий комплекс, позволяющий в интерактивном режиме использовать оперативные данные о фактическом состоянии транспортной работы для принятия решения по выбору оптимального пути развития транспортного процесса. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ОАО «Первый автокомбинат» имени Г.Л. Краузе, ЗАО «Спецнефтетранс»

(филиалы г.Видное, г.Волгоград, г.Нижний Новгород, г.Пермь), ЗАО «НПП Транснавигация», а также используются в учебном процесс МАДИ. Результаты внедрения и эксплуатации подтвердили работоспособность и эффективность разработанных положений.

Апробация работы и публикации Содержание разделов диссертации докладывалось и получило одобрение на заседаниях кафедр «Автоматизированные системы управления», «Транспортная телематика» МАДИ, на ежегодных научно-методических конференциях МАДИ в 2007-2010 г. Отдельные положения диссертации опубликованы в 6 печатных трудах, из них 2 публикации в рецензируемых журналах из списка ВАК РФ.

Структура диссертации Диссертационная работа состоит из введения, четырех глав основного текста, выводов по главам, заключения, списка используемой литературы из 102 наименований и 3 приложений.

СОДЕРЖАНИЕ РАБОТЫ

Структура работы соответствует списку перечисленных задач и содержит описание разработанных методов, моделей и алгоритмов.

Во введении приводится краткая характеристика диссертационной работы.

Обоснована актуальность выбранной темы, сформулированы цель и основные задачи исследования, научная новизна, практическая ценность и положения, выносимые на защиту.

В первой главе диссертации произведен подробный анализ существующих классов автоматизированных навигационных систем, особое внимание уделено подклассу систем перевозки грузов. На основе выделенных для исследования классов диспетчерских систем производится детальный анализ особенностей грузовых перевозок продукции промышленного предприятия, в частности, функций диспетчерского управления, а также всех составляющих транспортного цикла.

При построении любой производственной системы необходимо чтобы она была включена в технологический цикл предприятия. Результаты е работы должны использоваться, как инструментальное подтверждение выполненной транспортной работы, для расчтов с работниками (водителями), а также должны быть основанием для расчтов с заказчиками и т. д. Поэтому в такой системе обязательно должна присутствовать информация по запланированной транспортной работе, показателем выполнения которой является информация по фактически выполненной перевозке.

Конечная цель отдела сбыта и реализации – реализация поступающих заявок на выполнение перевозок. Заявки могут быть сформированы заранее, а могут поступать в оперативном цикле транспортировки продукции. Из заявок отделом эксплуатации формируется сменно-суточный план перевозки, исходя из возможностей собственных и арендуемых ТС. При этом, как правило, сеть заказчиков достаточно плотная, в связи с чем утверждение всех возможных маршрутов является затруднительной задачей. К тому же, в задании для ТС может быть указано несколько ездок одновременно (при этом водитель сам может выбирать последовательность выполнения ездок). Для анализа выполненной работы, как правило, не важно, как и когда (в пределах смены, суток) доставлен груз, важен сам факт доставки. Анализ требований к подобным систем показал, что в процессе контроля необходимо реагировать на нарушения в процессе выполнения запланированного объема перевозок, что невозможно без решения задачи сопоставления фактических показателей транспортного процесса плановым. Поскольку внедрение подобных систем началось недавно, на данном этапе автоматизации стоит задача обеспечения лица, принимающего решение (ЛПР), всей необходимой информацией для стабилизации транспортного процесса.

Для определения фактических рейсов существует несколько методов, одним из которых является метод, основанный на определении местоположения зон объектов (виртуальных контрольных пунктов, КП). В этом случае для каждой навигационной посылки от транспортной единицы однозначно определяется зона КП, если навигационная отметка входит в область данного пункта.

Данный подход, основанный на представлении интересующих объектов (зоны погрузки, разгрузки, инфраструктуры, парков и т.д.), является наиболее эффективным с точки зрения обслуживания и стоимости реализации. Плановые пункты погрузки/разгрузки аналогичным образом семантически сопоставляются виртуальным КП.

Рис. 1 Обратная связь "транспортное средство - диспетчерский центр" В общем случае технологию диспетчерского управления транспортом на базе систем транспортной телематики можно представить в виде следующей схемы (рис.1).

На этапах обработки информации, полученной от ТС и формировании выходных данных (в части оценки состояния транспортного процесса) для принятия решения ЛПР в настоящее время не существует эффективных методов. В первой главе показано, что самыми важными функциями диспетчерского управления являются оперативное диспетчерское планирование и регулирование движения транспортной единицы, а также анализ исполненной работы.

Рассмотрим диспетчерскую систему с точки зрения построения математической модели задачи оптимизации процесса управления. Если пренебречь случайными событиями, такими как возможная занятость пунктов грузоотправителей/грузополучателей, система является сложной дискретной системой.

Свойства управляемой системы в фиксированный момент времени наблюдения могут быть описаны конечным множеством действительных величин:

количество посещенных КП одним либо всеми ТС;

временами прибытия/убытия одного либо всех ТС на КП;

количество ТС, находящихся между пунктами погрузки/разгрузки, либо на пунктах погрузки/разгрузки и т.д.

При изменении времени наблюдения данные величины также будут изменяться в связи с приложенными к объекту воздействиями. Другими словами, развитие во времени транспортного процесса ведет к динамическому изменению вектора его оценки. Вектор данных величин является вектором состояния, компонента вектора состояния является фазовой координатой. Само время T является глобальным временем.

Множество всех возможных состояний вектора состояний в различные моменты времени образуют n-мерное пространство состояний (nмерное фазовое пространство). Тогда произвольная точка - изображающая точка данного пространства.

В диспетчерской системе управляющими воздействиями являются, в первую очередь, обоснованные действия диспетчера (ЛПР) в случаях нарушений в процессе выполнения транспортной работы. В связи с этим, действия диспетчера (величина управляющих воздействий) в произвольный момент времени определяются на основании изменений текущего состояния системы.

Ввиду того, что для автомобильной перевозки грузов характерен ряд особенностей (линия маршрута рекомендуемая, а не жстко утвержднная, кроме опасных грузов; допустимые отклонения по времени прибытия на КП имеют порядок часов, а не минут; рейсы могут переноситься на следующие сутки, выполняться частично или даже быть не выполнены; рейсы могут выполняться в изменнной последовательности; могут появляться не запланированные рейсы), сформулирован типовой перечень нарушений работы транспорта по перевозке грузов, на основе которого рейсы разделяются на три группы:

1. рейсы, полностью выполненные согласно запланированному графику;

2. рейсы, частично выполненные согласно запланированному графику;

3. рейсы, полностью невыполненные согласно запланированному графику.

В связи с этим определение типа рейса, а также количественное описание выполненной транспортной работы является первоочередной задачей для контроля всего транспортного процесса предприятия.

На основе изложенных положений в первой главе диссертации формулируется общая методика исследования (рис.2). Для достижения поставленной цели, с одной стороны, необходима четкая формализация транспортного процесса с пониманием процессов, приводящих к неопределенности. С другой стороны, необходима разработка методики принятия решения, включающих в себя ряд методов, позволяющих оценить состояние транспортного процесса, а также методов создания подсхем баз данных для решения поставленных задач.

Во второй главе разработана модель количественной оценки состояния транспортного процессе: произведена постановка задачи, произведено формальное описание процесса выполнения транспортной работы, а также разработан метод определения функции подобия запланированных и фактических рейсов.

Введем понятия множеств плановых и фактических рейсов:

Каждый, = 1, характеризуется набором атрибутов, наиболее значимыми из которых являются начала и окончание. Каждый рейс, как было сказано выше, содержит последовательность КП. Аналогично описывается множество фактических рейсов:

Если рассматривать рейсы только с точки зрения совпадения КП, выделенные ранее группы определяются соотношениями:

группы Количество возможных вариантов соответствия (1) и (2) равно = r r = r(r 1), где = (, ). В диссертации показано, что наличие всех групп рейсов приводит к многовариантности соотношения элементов множеств и, особенно при наличии нескольких КП в любом и рейсов. Другими словами, задача поиска соответствия, = 1,, = 1, не является тривиальной (рис.3), что доказано на основе бинарных отношений. Данная неопределенность тем выше, чем больше элементов в множествах и, а также чем больше КП в каждом из элементов двух множеств. Подобная ситуация характерна для развозок на небольшие расстояния, т.е. при наличии плотной сети отправителей и получателей, а также при организации маршрутов перевозок маятниковым или кольцевым способом.

Запланированная работа Выполнение транспортной работы Рис. 3 Вариант выполнения транспортной работы для ТС Для оптимального соотношения плановых и выполненных рейсов вводится количественная оценка для каждого сочетания,, = 1, :

( = 1, ). При этом L – количество элементов во всех найденных пересечениях для варианта соответствия ( = 1, ) равно:

,, = 1,, для которых сумма значений показателя качества для всех = 1, – решений будет экстремальным. В этом случае является частным показателем эффективности, а - целевым показателем качества (функционал полезности).

Задача анализа заключается в оценке качества системы и эффективности определнного варианта (альтернативы). Задача синтеза заключается в выборе эффективной (оптимальной) альтернативы из множества допустимых, либо рассматриваемых альтернатив. В системном анализе определение состава критериев (предпочтений, показателей) и определение правила их согласования (нахождение компромисса между ними) является одной из основных задач. Для определения степени соответствия выполненной работы запланированной, предложен ряд критериев, к которым относятся: критерий подобия КП (); критерий минимального абсолютного отклонения времени начала каждого планового рейса от каждого выполненного рейса (); критерий соблюдения последовательности прохождения КП плановых и выполненных рейсов ( ).

Для решения задачи определения степени соответствия фактической и плановой работ должны быть определены возможные альтернативы = ( = 1,2, …, ), представляющие объекты, качество и эффективность которых оценивается векторным показателем:

Выражения для частных функций подобия рейсов:

Пусть объект предпочтительнее (лучше) объекта (обозначим ) по, = 1,3 критерию, если выполняется строгое неравенство > для прямой шкалы измерений и < для обратной шкалы измерений. В этом случае может быть поставлена задача многокритериального ранжирования (упорядочивания) объектов, оцениваемых набором показателей, = 1,3, а именно: найти такое упорядочивание объектов: 1 2 3, удовлетворяющее Таким образом, ставится задача многокритериальной оптимизации целевой функции (5) на основе разработанной системы критериев, используя лексикографический метод упорядочивания критериев ( ). Такое утверждение справедливо, т.к. получение обобщенного целевого критерия по выделенным критериям является весьма затруднительным.

Поиск экстремума целевой функции в модели осуществляется через последовательную оптимизацию по каждому из критериев: = extr ( ). В общем случае получим включение:

Описанная методика поэтапной оптимизации сводится к поиску экстремума частной целевой функции на множестве допустимых решений, полученных на предыдущем шаге (рис.4). На структурной блок-схеме представлены основные этапы оценки выполнения транспортной работы. Список частных функций подобия может быть расширен, что определяется конкретной спецификой, например наличием информации об объемах перевозок.

Во второй главе подробно описан вид частных целевых функций. Рассмотрим методику расчета каждого из представленных коэффициентов.

А) Коэффициент подобия рейсов на основе совпадения КП.

Введм коэффициент подобия между и. Если:

количество элементов подмножества пересечения и, Учитывая технологию работы грузового транспорта, более приоритетным для зачта факта выполнения рейса является посещение пунктов «погрузки», так как эффективность транспортной работы определяется количеством перевезенного груза. Для учта этих особенностей при вычислении коэффициента для пунктов «погрузки», вводится поправка значимости погрузки перед разгрузкой, на которую помножается коэффициент. Тогда предложенный весовой коэффициент определим следующим образом:

Исходя из характера вычислений, можно определить граничные значения этих коэффициентов:

Очевидно, что чем выше,, тем больше разных значений приобретает. На первом этапе необходимо максимизировать функцию Б) Коэффициент подобия на основе абсолютной величины отклонения времен начала рейсов определяется из соотношения:

В представленной формуле начала и начала – соответственно времена начала рейсов и. Величина отклонений измеряется в секундах. Такая дискретность однозначно определит включение (9), поэтому предполагается, что величину (13) необходимо округлять с точностью до величины, для того, чтобы учитывать третий критерий, т.е. на втором этапе необходимо применить метод последовательных уступок. Таким образом, на основе уступки t получим возможность определять субоптимальные решения для схожих по второму критерию рейсов и учитывать третий критерий. На втором этапе необходимо искать.

В) Коэффициент подобия на основе последовательности прохождения КП плановых и выполненных рейсов Введем коэффициент перестановок. Будем считать, что в плановом рейсе, равно как и в выполненном не может содержаться одно и тоже КП более одного раза, т.к. это противоречит принципам оптимального планирования. Пусть среди альтернатив имеются соответствия и – рейсов. Будем рассматривать подмножество КП пересечения данных двух рейсов =,. Пусть – число элементов множества. Тогда, рассматривая порядок следования одинаковых КП в множествах и, можно вычислить абсолютную разность порядковых номеров КП в обоих множествах -. В этом случае, коэффициент перестановок будет равен:

Поскольку прямопропорционален нарушению порядка следования КП, необходимо искать.

В завершении второй главы разрабатывается метод поиска экстремума представленных функций подобия. Замечено, что бинарные отношения для рейсов можно представить в виде графа =,, где V - множеством вершин (рейсов), а E – множеством ребер (значения коэффициентов). Замечено также, что такой граф будет является связным, ацикличным, неориентированным и двудольным. Ставится задача определения такой перестановки = 1, 2, …,, на которой достигается максимум функции -значение функции подобия для i-планового и j-фактического рейсов Строго можно сформулировать задачу следующим образом: введм 2 переменных, каждая из которых может принимать значения из множества {0,1}.

Произвольной перестановке поставим в соответствие набор единичных значений переменных ( = 1,2, …, ). Тогда исходная задача формулируется следующим образом:

Данное положение позволило использовать существующие методы решения задач на двудольных графах.

В третьей главе произведено:

моделирование транспортного процесса во времени с реализацией предложенных методов для различных входных параметров;

анализ результатов имитационного моделирования;

построение логической подсхемы базы данных для реализации представленных методов.

Моделирующий комплекс в предложенной модели главы 2 имеет смысл, если он является конечным автоматом. Данное утверждение верно, т.к. результатом моделирования должно быть не только анализ статического решения задачи поиска включения (9) через последовательное определение (15), но и анализ динамики транспортного процесса. Описываемый автомат зададим пятью параметрами:

где -конечное множество состояний автомата (конечные альтернативы), 0 -начальное состояние автомата (множество плановых рейсов), -множество допустимых состояний автомата (локальные альтернативы), -входной алфавит (КП, время входа в зону КП, № КП и т.д.), -функция переходов автомата (дискретное случайное событие зачета КП).

Таким образом, общий вид конечного автомата представлен на рис.5.

Сеть отражает основные возможные состояния конечного автомата с отражением переходов из одного состояния в другое. Представленный автомат является недетерминированным, т.к. допустим переход из состояния более чем в одно состояние (включая любое из предыдущих). Возможные варианты входных параметров, определяющих вид, разделены на диапазоны, представленные в таблице 1. При выборе диапазона значение величины устанавливается случайно, что позволило оценить алгоритмы на большом числе возможных состояний.

Отношение времени производственных и хо- procPr 1-25%, 26-50% лостых пробегов Количество пунктов разного типа Произвольно, один пункт погрузки, один пункт разгрузки, два Процент посещенных КП в выполненных рей- procCP 50-80%, 81-99%, 100% сах следовательности порядке Таблица 2. Параметры начального состояния и алгоритмов поиска экстремума