Методы и средства построения «цифровых двойников» процессов управления предприятиями на основе онтологий и мультиагентных технологий

Во введении обоснована актуальность работы, определены цель и задачи
исследований, показана научная новизна и практическая значимость результатов, 7
сформулированы выносимые на защиту научные положения, приведены сведения об апробации работы и публикациях.
В первой главе рассмотрена задача построения ЦД процессов управления предприятиями и показаны возможные принципы и подходы к ее реализации, обоснован выбор баз знаний и мультиагентных технологий для их построения.
Предложена методика построения ЦД предприятия в виде ИКФС на базе МАС, обеспечивающая автоматизацию всего цикла управления ресурсами, включая процессы распределения заказов, планирования задач и оптимизации их исполнения, мониторинга и контроля результатов, моделирования работы предприятия и синхронизации его состояния в реальном времени.
Сформулированы требования к ЦД рассматриваемого типа, которые должны позволять описывать структуру предприятия, изготавливаемые изделия или предоставляемые сервисы, используемые технологические и бизнес-процессы, необходимые для выполнения задач ресурсы, строить планы работы предприятия до уровня сотрудников и контролировать их исполнение, моделировать варианты действий, оценивать эффективность работы предприятия в реальном времени, синхронизировать состояния ЦД и реального предприятия путем обработки событий и выдачи предложений к планам работы.
Для синхронизации состояния ЦД и реального предприятия предложено использовать событийный подход, когда каждое событие, поступающее от датчиков или мобильных устройств, должно вызывать переходный процесс с адаптивный пересмотром планов предприятия и их согласования с сотрудниками. При этом требуется найти новое «конкурентное равновесие» (консенсуса) агентов предприятия в целом и его подразделений (до уровня каждого заказа и ресурса).
Обоснована возможность использования ЦД как для оперативного управления предприятием, так и для его моделирования по типу «Что будет, если …?».
Во второй главе выделены основные концепты и построена базовая онтология управления ресурсами в форме семантической сети, состоящей из классов понятий и отношений, а также предложена методика построения онтологической модели ЦД предприятия.
Общее определение онтологии имеет вид: , где – множество
понятий, – множество атрибутов и отношений (n-местных предикатов), –
множество функций семантической обработки (интерпретации), заданных на понятиях и отношениях.
Для построения онтологических моделей предприятий предлагается использовать базовую онтологию управления ресурсами , в которой на
основе анализа различных производственных задач выделены наиболее общие и повторно используемые понятия (таблица 1), в то время как детали, зависящие от предметной области, предложено специфицировать в прикладных онтологиях
, расширяющих базовую: .
Заказ Продукт Задача Ресурс
Заявка на выпуск продукта, специфицирующая его количество и директивные сроки получения
Объект, поступающий на вход или являющийся результатом выполнения задачи
Групповая или атомарная работа (набор связанных работ), выполнение которых необходимо для получения продукта
Средства производства, необходимые для выполнения задачи
Таблица 1 – Основные понятия базовой онтологии управления ресурсами
Онтология используется реализованными в МАС классами агентов,
которые через функции интерпретации получают возможность взаимодействовать с базой знаний. Часть понятий и отношений из являются производными от базовых понятий и отношений из что позволяет
объяснить МАС, как работать с онтологией предметной области, связав ее понятия и отношения с уже известными и интерпретируемыми системой, обработка которых встроена в ее программный код. При этом может
также включать понятия и отношения, не являющиеся производными от базовых, которые будут использоваться МАС при сопоставлении свойств ресурсов и продуктов с требованиями со стороны задач.
В предлагаемой формализованной онтологии управления ресурсами
заказы (Order) определяют количество и сроки создания продукта (Product), задачи (Task) задают необходимую последовательность действий для его получения и специфицируют необходимые для своего выполнения ресурсы (Resource):
.
Каждый заказ требует появления продукта («создает» – create), который, в свою очередь, связан с задачей, в результате выполнения которой он появляется:
Продукты могут поступать на вход задаче, а также являться результатом ее выполнения, и в зависимости от роли в технологическом процессе их предложено декомпозировать на «Производимые» (Produced Product) и «Потребляемые» (Consumed Product). Между задачей и соответствующим видом продукта предложено отношение «производит» ( ) и «потребляет» ( ):
Множество задач предложено разбивать на подмножества: «Групповые» (Group Task) и «Атомарные» (Atomic Task). Задачи связаны между собой посредством отношений вложенности («является частью» – part of) и
9

упорядоченности («следует за» – follow). Эти отношения позволяют агенту найти предыдущую и следующую задачу для запроса о перемещении в расписании или сообщения о возникшей задержке в выполнении:
В зависимости от способа определения длительности, предложено атомарные задачи подразделять на задачи с фиксированной длительностью, с фиксированным объемом работ и на задачи вида «гамак» (таблица 2).
Таблица 2 – Базовые типы задач
Атомарная
Групповая
Фиксированная длительность
Фиксированный объем работы
Продолжительность задана фиксированной нормой времени.
Продолжительность зависит от состава и характеристик используемых ресурсов и/или объема выпускаемого продукта.
Продолжительность «покрывает» интервалы выполнения дочерних задач.
Гамак
Выполняется строго между задачами предшественниками и задачами последователями.
Ресурсы обеспечивают выполнение задач и с точки зрения участия в технологическом процессе предложено их подразделять на преобразуемые и обеспечивающие (таблица 3).
Таблица 3 – Базовые типы ресурсов
Отношение «требует» (require) указывает типы ресурсов, необходимые для выполнения задачи. Для выбора вариантов выполнения задачи на различных ресурсах вводится понятие «Требование к ресурсам» (Resource requirement):
Продукты могут требовать размещения ( ): 10
Преобразуемые
Тратится при выполнении задачи (в количестве, определенном ее требованиями), может быть восполнен согласно графику поставок
Обеспечивающие
Становится доступными для повторного использования в прежнем количестве сразу после завершения задач, на которые был выделен. Может иметь график зависимости располагаемого объема от времени.

Таким образом, на уровне базовой онтологии планирования фиксируется множество отношений , которые должны поддерживаться МАС:
Для работы с онтологиями управления ресурсами и построения баз знаний предприятий были выделены и реализованы в виде библиотеки средств агентов
следующие функции семантической обработки (интерпретации)
:
,
, .
1. 2. 3. 4. 5. 6.
7. 8. 9.
– получить множество всех понятий являющихся производными от указанного понятия .
– получить множество всех отношений являющихся производными от указанного отношения
– получить множество всех экземпляров (включая экземпляры производных классов).
заданного класса
производным от понятия производным от отношения .
– определить, принадлежит ли экземпляр заданному множеству , путем сравнения атрибутов и отношений экземпляра с атрибутами и отношениями, определяющими это множество (учитывая
возможность замещения базового класса или отношения производным).
– определить множество задач, результатом которых
является получение указанного продукта .
– определить подходящие для выполнения задачи
ресурсы.
– определить подходящие для выполнения задачи продукты.
– проверить является ли понятие .
– проверить является ли отношение
В
предметной области может дополняться новыми элементами без необходимости последующего внесения изменений в состав и логику работы агентов. Для работы унифицированной МАС добавляемые новые понятия, атрибуты и отношения должны быть достижимы относительно базовых понятий, атрибутов и отношений при применении к ним функций семантической обработки .
Например, на уровне онтологии машиностроения в качестве продуктов рассматриваются детали ( ), сборочные единицы ( )
и изделия ( ), в качестве задач – технологические процессы
отличии от базовой онтологии управления ресурсами, онтология
11

( ) и операции ( ), ресурсы представлены оборудованием ( ), оснасткой ( ) и персоналом ( ):
На основе прикладной онтологии строится онтологическая модель предприятия: ,
в которую, помимо понятий и отношений базовой онтологии и прикладной онтологии , рассмотренных выше, включаются дополнительные понятия
уровня предприятия, а также экземпляры введенных ранее понятий, например,
добавляются единицы оборудования с инвентарными номерами, а также рабочие с табельными номерами, навыками и компетенциями.
На этой основе строится онтологическая сцена предприятия , которая
описывает состояние предприятия и содержит значения атрибутов всех экземпляров понятий и отношений онтологической модели предприятия для заданного момента времени t: S  M t .
В результате применения предлагаемого подхода расписание работы предприятия представляется в виде сложной сети семантически связанных между собой объектов, что позволяет не только учитывать специфику каждой задачи, но и использовать «топологию» расписания при принятии решений агентами, например, быстрее определять состав участников переговоров, существенно сокращая перебор вариантов и время вычислений.
Для создания ЦД предложена методика, позволяющая формализовать знания предметной области в онтологии и на этой основе создавать онтологические модели ЦД предприятия, состоящая в выполнении нижеследующих этапов:
1. Описать номенклатуру используемых и производимых продуктов или сервисов (сырья, полуфабрикатов, готовых изделий, сборочных единиц и др.).
2. Описать состав и структуру производственных ресурсов.
3. Задать технологические процессы получения продуктов, представляющие собой упорядоченный список задач (операций).
4. Определить критерии, предпочтения и ограничения для адаптивного планирования заказов на ресурсы предприятия при возникновении событий рассогласования плана и факта.
5. В качестве входных данных для такой модели могут подаваться перечень заказов, содержащих сведения об изготавливаемом продукте, его количестве и сроках выполнения, а также выделенные события (новый заказ, поломка станка, задержка исполнения задачи и т.д.).
12

В результате каждому реальному предприятию будет поставлена в соответствие его онтологическая модель, отражающая текущее состояние его заказов и ресурсов, а также планы и показатели работы на любой горизонт времени, ограниченный сроками крайнего заказа.
В третьей главе предложена постановка задачи достижения консенсуса между агентами системы при переходе из текущего – в новое состояние при появлении незапланированного события, рассинхронизирующего планы.
Состояние ЦД предприятия предлагается определить композицией состояний объектов, участвующих в производственном процессе (заказов,
продуктов, ресурсов и задач): Stwin  si .
,
где: – онтологическая модель объекта; – план работы объекта,
– показатели эффективности его работы. Если обозначить как состояние
реального предприятия, то необходимо, чтобы состояние реального предприятия и состояние его ЦД в каждый момент времени k максимально совпадали:
,
где – функция, показывающая степень различия онтологической модели,
планов и показателей объектов ЦД с реальным предприятием. Тогда при появлении нового события в реальном предприятии, его ЦД должен
максимально быстро перейти в новое состояние за счет переходного процесса по адаптивному перепланированию задач и ресурсов, задетых событием:
,
где – функция, адаптивно перестраивающая план работы предприятия в ответ
на поступившее событие, которую и должна реализовывать МАС. Для решения поставленной задачи выделен модифицированный набор базовых объектов ПВ- сети и каждому такому объекту поставлен в соответствие программный агент
, реализующий заданное для его класса поведение (таблица 4).
Будем определять цели каждого агента через функцию удовлетворенности
, представляющую собой взвешенную сумму M компонент, соответствующих различным критериям – показателям и рассчитываемых на основе текущего плана работы , связанного с агентом объекта:
где: – компонент функции удовлетворенности по критерию , – весовой коэффициент, такой что и
.
13

Для автоматизации принятия решений будем использовать виртуальный рынок ПВ-сети системы, на котором агенты заказов могут покупать время ресурсов и решать конфликтные ситуации, когда несколько заказов или задач претендуют на использование одного и того же ресурса или продукта, посредством выплаты компенсаций за освобождение слота времени.
Таблица 4 – Цели, предпочтения и ограничения основных классов агентов
Тип Цели и предпочтения Ограничения
В зависимости от достигнутой удовлетворенности, агенту начисляется премия (штраф), размер которой определяется через заданную для него функцию бонусов и штрафов: Ожидаемый бонус и текущий бюджет могут быть
Агент заказа
Быть выполненным с минимальной задержкой (с) и стоимостью (p):
+
Сроки, объем, предельная стоимость
Агент задачи: • групповой • атомарной
Быть выполненным на подходящем ресурсе в указанные сроки за минимальное время
( ):
Характеристики требуемых ресурсов и продуктов, сроки начала и окончания, взаимосвязи c другими задачами
Агент ресурса
Быть максимально загруженным, минимизировать простои и переналадки:
,
где – утилизация ресурса
Календарь работы, интервалы недоступности, правила обслуживания и переналадки, производительность
Агент продукта
Обеспечить свое хранение, минимизировать время между производством и потреблением
(e):
Требования по хранению, время поставки или производства, время потребления
Агент системы (предприятия в целом)
Управление активностью агентов системы, взаимодействие с внешними системами
Время, отводимое на планирования, глубина цепочек перестановок в расписании
потрачены агентом на выплату компенсаций агентам, которые согласились на уступки, но чье состояние было ухудшено при изменениях.
Функция удовлетворенности агента связывается с оценкой состояния объекта, а функция бонусов и штрафов – с возможностями агента перестроить расписание для удовлетворения своих интересов. Вид функций выбирается таким образом, чтобы приближение состояния агента к его идеалу показателей
повышало удовлетворенность и размер бонуса агента.
Агенты ресурсов дополнительно характеризуются функцией стоимости
, определяющей стоимость размещения задач.
В работе предложена модификация модели ПВ-сети, позволившая ввести неоднородные классы агентов с собственными функциями удовлетворенности и функциями бонусов и штрафов, а также метода сопряженных взаимодействий, позволяющая использовать онтологическую модель предприятия в работе унифицированной МАС, в которой для каждого экземпляра объекта модели будут создаваться собственные экземпляры агентов для анализа ситуации, планирования ресурсов и контроля их использования:
1. В соответствии с текущим состоянием ЦД создаются экземпляры
агентов заказов, ресурсов и продуктов, которые получают разрешение от агента системы начать активность.
2. Агент активного заказа считывает из базы знаний технологический
процесс изготовления связанного с ним продукта и порождает агентов задач, соответствующих технологическому процессу и его дочерним операциям, связанных между собой отношениями вложенности и очередности.
3. Агент задачи верхнего уровня проверяет наличие используемых при выполнении задачи продуктов, оценивает требования по ресурсам и подбирает их комбинацию на основе оценки своей продолжительности.
4. Процедура поиска вариантов размещения включает анализ требуемых ресурсов, сопоставление требований задач и возможностей ресурсов, согласование времен доступности всех ресурсов, выбор лучшей комбинации исполнителей на основе метода ветвей и границ.
5. По мере подбора ресурсов определяется множество заказов , мешающих размещению на выбранных ресурсах
(конфликтное множество), что определяет направленный характер проводимого перебора и существенно сокращает число вариантов.
6. После выбора варианта размещения агент групповой задачи отправляет запрос на планирование агентам дочерних задач.
7. Агенты дочерних задач рекурсивно проводят поиск вариантов размещения с учетом установленных родительской задачей ограничений. Результаты планирования сообщаются агенту родительской задачи верхнего уровня, который уточняет свое размещение или предлагает задачам найти другое размещение.
8. Агент верхней задачи сообщает агенту заказа о выбранном размещении.
9. Агент заказа предлагает конфликтующим заказам найти себе другое место в расписании, сообщив потери, которые им пришлось понести по сравнению с базовым (отправным для текущей версии плана) вариантом расписания
15

(рисунок 1). В результате определяется цепочка перестановок, рассчитываются потери агентов , которых затронули изменения. Цепочка перестановок
успешна, если агент заказа может компенсировать потери конфликтующим заказам благодаря достигаемому приросту функции бонусов и штрафов :
В этом случае изменение утверждается, иначе – ищутся другие варианты.
10.Агент заказа проверяет наличие связанных с ним отношением «Производится» продуктов и оповещает их агентов о сроках поставки на склад.
11. Процесс завершается, если вышло время, отводимое на построение расписания, или достигнуто условие «конкурентного равновесия» (консенсуса) которое состоит в том, что для любого агента больше не находится такого
изменения плана работы , которое привело бы к приросту удовлетворенности и, как следствие, увеличению значения функции бонусов и штрафов , что смогло бы компенсировать суммарные потери остальных агентов , затронутых этим изменением и нашедших другой вариант размещения
, минимизирующий их потери и согласующийся с ранее принятыми изменениями:
.
12. По достижению консенсуса мультиагентная система приостанавливает свою работу, выдает построенный новый план исполнителям и переходит в режим ожидания новых событий.
Существенным фактором, снижающим вычислительную сложность алгоритма, является использование направленного поиска вариантов перестановок при адаптивной перестройке расписания, при котором взаимодействие происходит только между конфликтующими заказами.
В четвертой главе приводится описание функций и архитектуры комплекса инструментальных средств, предназначенных для создания ЦД.
В состав комплекса включен конструктор онтологий (КО) и баз знаний (КБЗ) предприятия (включает как классы, так и экземпляры понятий), конструктор сцен, унифицированная МАС управления ресурсами в реальном времени, очередь сообщений и средства взаимодействия с пользователем.
Основное назначение КО – построение, редактирование и хранение базовой и прикладных онтологий, а также предоставление программного доступа к этим данным. КБЗ предназначен для формирования онтологических моделей предприятий на основе онтологии выбранной предметной области.
16

O3
O3
O1
O1
O2
R1 R1
Агенты конфликтующих заказов O2 и O3
O2
Агент заказа O1
Агент ресурса R1
Запросить возможность освобождения R1
в указанное время по списку конфликтующих заказов
Выбрать альтернативный в ар иа нт
Найти вариант размещения, рассчитать стоимость
Сообщить размер к омпен сац ии
Нет
Да
ΔB достаточно для выплаты к омпен сац ии ?
Инициировать перестановку
По дтвердить перестановку
По дтвердить пер ес тано вку
Рисунок 1 – Фрагмент переговоров агентов по разбору конфликта в расписании
МАС управления ресурсами обеспечивает создание и настройку виртуального мира агентов под заданную онтологическую модель каждого предприятия. На основе онтологической модели в виртуальном мире ЦД предприятия создаются экземпляры классов агентов для каждой сущности конкретного предприятия (заказа, станка, технологии, изделия, сотрудника и т.д.) и обрабатываются события, поступающие через очередь событий из мира реального предприятия. Основными функциями МАС являются адаптивное перепланирование расписания выполнения заказов с достижением нового консенсуса агентов по каждому событию, а также последующий мониторинг и контроль их исполнения. Исходные данные, результаты перепланирования и показатели работы МАС размещаются в сцене мира агентов, которая содержит массивы данных истории, текущего состояния и планов работы ЦД, показатели эффективности.
Веб-интерфейс пользователя включает в себя набор визуальных компонент для задания исходных параметров и визуализации результатов.
При загрузке онтологической модели предприятия создается виртуальный мир агентов ЦД, содержащий экземпляры основных агентов, и сцену (набор массивов) данных, отражающую параметры состояния объектов предприятия.
В любой момент времени ЦД предприятия может быть скопирован в отдельную версию для перехода к режиму моделирования «Что будет, если…?», чтобы предсказать реакцию ЦД на события, которые ожидаются, но пока еще не случились (приход нового крупного заказа, ввод в действие новых ресурсов, смена технологических процессов и т.д.).
В пятой главе рассмотрены применения разработанного комплекса программных средств для решения прикладных задач управления ресурсами:
 агрегатно-сборочного производства самолетов МС-21 для ОАО «Иркут»;
 сборочного производства грузовых электромобилей для ООО «ТРА»;
 бурения нефтедобывающих скважин для ООО «Газпромнефть-Ямал»;
 выращивания посевов растений для ОАО «Рассвет»;
 целевого применения группировки КА ДЗЗ для «СТТ-Групп».
Для каждого из прототипов описаны функциональное назначение и особенности архитектуры, рассмотрены сценарии использования и результаты.
Представлены результаты исследования разработанных методов и средств для оценки качества и эффективности решения прикладных задач, показавшие, что при небольшой потере качества метод и средства позволяют ускорить поиск решения, обрабатывать большее число заявок, причем по событиям.
Исследование применения разработанного комплекса показало существенное снижение сложности и трудоемкости разработки ЦД. При этом для каждого созданного ЦД оценивался объем изменений, вносимых в базовую онтологию, а также объем доработок основных классов агентов под задачу (таблица 5).
Представленные данные показывают, что базовая онтология управления ресурсами оказалась построена из примерно 60 классов основных понятий и
отношений. Прикладные онтологии расширяют состав понятий и отношений примерно в 2 – 3 раза. Онтологические модели предприятия, включающие экземпляры, имеют от 236 – до 925 экземпляров. Именно эти модели и загружаются в МАС, позволяя автоматически создать требуемое число агентов. Трудоемкость доработки унифицированной МАС для каждого из указанных применений составила в среднем 2-3 месяца, что по экспертным оценкам позволяет в 3 – 4 раза сократить сроки и стоимость создания ЦД в сравнении с традиционным подходом.
Таблица 5 – Результаты применения комплекса для создания ЦД
предприятий
Прикладная задача
Число классов понятий и отношений
Количество агентов
Время на разработку (чел/м)
БЗ
МАС
Сборка самолетов Сборка грузовиков Бурение скважин ЦД посевов Группировка КА
1. Предложена методика построения ЦД предприятий в виде ИКФС на основе онтологий и мультиагентных технологий.
2. Выполнен системный анализ сложных задач управления производственными ресурсами, формализована и построена базовая онтология управления ресурсами для построения прикладных онтологий и онтологических моделей ЦД, позволяющих настраивать ЦД на специфику предприятий.
152 925 89 382 85 441 42 236
> 350
3 3.5 1 2 2 3 1 1 1 4
61
> 520 > 5000 > 100 > 450
112 304
В заключении диссертации формулируются основные результаты работы.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ
3. Формализована постановка задачи поиска баланс интересов (консенсуса) программных агентов ЦД предприятия для оперативной и гибкой реакции на события, нарушающие планы, в реальном времени.
4. Модифицирована модель ПВ-сети предприятия: введены новые классы онтологически-настраиваемых неоднородных агентов и протоколы их взаимодействия, позволяющие применять создаваемые онтологические модели предприятий и расширять состав учитываемых при планировании факторов предметной области в ходе разработки и применения ЦД предприятий.
5. Разработан комплекс инструментальных средств для автоматизации процесса создания программных компонент ЦД предприятий на основе онтологий и мультиагентных технологий.
6. Созданы ЦД предприятий для управления агрегатно-сборочным производством на авиастроительном предприятии; производством грузовых электромобилей, бурением нефтяных скважин, выращиванием посевов растений и целевым применением группировки космических аппаратов дистанционного зондирования Земли, обеспечивающие высокую оперативность управления.
7. Показано существенное (в 3 – 4 раза) сокращение сроков и стоимости разработки ЦД предприятий, получаемое за счет использования онтологических моделей предприятий для настройки систем на особенности предметной области.