Модели и методы оптимального управления производством для зерновых и зерноперерабатывающих компаний

Рис.1.2. Классификация и пространство бизнес-процессов в зерновой и зерноперерабатывающей компании

 

Рис.1.3.Общая функциональная модель СУП ЗПК (SADT A0)

Общая математическая постановка задачи управления производством на ЗПК, разработанная в ТМП, в графическом виде показана на рис.1.4 и может быть также представлена в виде нижеприведенных операторов-отображений:

V                                                                  Y 

 

        U                                              C 

 

                                      T1           

 

 

       K

 

                                      T2

 

 

                                                                

Z

                                      T3                              

 

Рис. 1.4.Теоретико-множественное представление общей постановки задачи управления производством в ЗПК

h: V ´ U ´ C ® Y,          (1.1)

m: V ´ U ´ T1 ® C, 

y: K ´ C ´ T2 ® U, 

j: Z ´ Y ´ T3 ® K      

Приведенная общая постановка задачи работы подразумевает определённые специфические требования к методологии   её реализации.

Вторая глава посвящена разработке методологии моделирования сложных систем управления применительно к ЗПК. Рассмотрены понятия методологии,  системы, сложной системы. Изучение существующих современных методов, подходов и методологий исследования и моделирования систем управления производственными компаниями в России и за рубежом показало, что являясь ценным опытом в данной проблемной области, тем не менее ввиду ряда недостатков, каждая из них в отдельности малоприменима и недостаточно эффективна при реализации СУ для класса ЗПК, а также близких отраслей. Необходима их интеграция в виде специализированной методологии, отвечающей следующим требованиям:

- подход к проблеме с использованием методов логистики;

- использование наряду с формальными параметрами и аналитическими методами также слабоструктурированных элементов и методов;

- подход к решению задач как многокритериальных;

- исследование СУ ЗПК включает полный цикл функций управления, а создаваемые компоненты СУ относятся практически ко всему диапазону классов информационно-управляющих систем (ИУС) и систем аналитической и интеллектуальной обработки данных.

- доступность и наглядность в применении для решения задач разных уровней абстракции, сложности и ответственности с целью привлечения к созданию моделей систем наряду с аналитиками также профессионалов-практиков.

Анализ специфики СУ ЗПК и существующих методологий исследования и моделирования сложных систем (рассмотренных в главе 2 диссертации) на соответствие требованиям общей постановки задачи управления производством ЗПК дают основание сделать вывод о необходимости разработки специализированной методологии моделирования сложных систем управления для широкого класса производственных предприятий АПК, к которым относятся ЗПК.

В разработанной методологии моделирования для СУ ЗПК используется несколько подходов: системный, диалектический (причинно-следственный или когнитивный), кибернетический, процессный, функциональный, ситуационный.

Проведен анализ известных результатов  исследований в теории систем, системного анализа и системотехники, теории управления, когнитивных технологий, исследования систем, теории принятия решений, информационных технологий и интеллектуальных систем, исследования операций и математического программирования, производственного менеджмента, в частности, в трудах учёных:

Ю.И.Черняка, Ф.И.Перегудова, Ф.П.Тарасенко, В.В.Дружинина, С.Л.Оптнера, В.Н.Спицнаделя, В.Н.Садовского, Э.Г.Юдина, А.А.Емельянова, В.С.Анфилатова, И.Н.Дрогобыцкого, В.Н.Волковой, П.М.Хомякова, В.В.Качала, Д.М.Жилина, М.Месаровича, У.Р.Эшби, Н.П.Бусленко, АА.Денисова, В.Н.Буркова, В.И.Максимова, С.А.Юдицкого, А.А.Кулинича, Е.К.Корноушенко, В.В.Борисова, М.М.Герасимова, Г.В.Гореловой, В.М.Мишина, А.В.Катернюка, Е.В.Фрейдиной, И.Г.Черноруцкого, А.М.Баина, Г.Н.Калянова, Н.М.Абдикеева, В.Н.Гришина, Р.Брауна, Р.Мэзона, А.А.Корбута, Ю.Ю.Финкельштейна, В.П.Корнеенко, Г.Кокинза, С.Г.Фалько и др. учёных.

В диссертации за основу взят системный подход, и СУ ЗПК рассматривается как сложная интегрированная автоматизированная система – ИАСУ. Причём под интеграцией понимается объединение отдельных частей в единое целое – в интегрированную систему, где воедино сводятся элементы, компоненты, ресурсы, процессы для реализации нового, интегративного свойства (целостности) системы, обеспечивающего достижение её целей.

Интегративные свойства ИАСУ ЗПК отражаются в эффектах (повышение прибыли, конкурентоспособности, качества, выходов продукции и др.), получаемых за счёт наилучшей реализации функций цикла управления.

Разработанная методология моделирования сложных СУ для ЗПК базируется на принципах физичности, моделируемости и целенаправленности (взятых из системотехники) и предполагает взаимосвязанный комплекс методов поддержки основных стадий концептуального и логического моделирования ИУС для всех уровней и функций цикла управления с использованием формальных и слабоструктурированных агрегированных параметров совместно с концепцией формирования банка моделей.

Методология состоит из следующих этапов, процедур и положений.

1. Изучение предметной области  при формулировании проблемы и проблематики проводится с использованием подходов BPM (управления результативностью бизнеса), нацеленных на построение системы поддержки принятия решений. Именно с этих позиций изначально определяется главная цель и структура (дерево) целей системы и обуславливаемые ею основные агрегированные элементы (компоненты) с последующей декомпозицией.

2. На основе проанализированной первичной информации определяются основные элементы системы в виде параметров, которые поддаются сравнению. Для оценки системы и поиска решений комплекса взаимосвязанных задач строится диаграмма причинно-следственных связей (ДПСС) или иначе каузальная граф-модель. Техника её построения имеет ряд общих правил с методикой когнитивного моделирования, а именно: вершинами графа являются элементы-параметры; дуги представляют собой положительные (усиливающие) или отрицательные (уменьшающие) причинно-следственные связи между элементами и т.д., поэтому ДПСС в целом можно называть также «когнитивными картами» с учётом ряда существенных отличий:

- ДПСС предназначены для исследования контуров обратных связей (ОС) в СУ с целью выявления актуальных задач. Контуры могут быть усиливающие, либо уравновешивающие (компенсирующие);

- на дугах выставляются задержки по времени, на основе которых  определяются временные горизонты управления;

- в ДПСС используются несколько типов блоков элементов-параметров, отражающих их динамику и определяемых как уровни объектов: 0 – исходное свойство («событие» или «начало»), 1 – изменение свойства («накопитель или «уровень»), 2 – процесс изменения свойства («поток»), 3 –  реструктуризация системы (качественный скачок свойства, «трансформация»).

На основе предложенной методики проводится анализ конфигурации усиливающих и компенсирующих контуров ОС в СУ, оценивается логика построения системы, её устойчивость и направления возможного развития.

3. Взаимосвязь решаемых задач должна отражаться на дереве целей, в процессе построения которого ДПСС может корректироваться, включая состав элементов и топологию связей. Таким образом, процесс построения каузального графа-модели и структуры целей системы является итерационным.

4. Строится концептуальная модель СУ, формализованная в ТМП.

В аналитическом виде формальную модель СУ ЗПК,  являющуюся структурно-динамической, в соответствии с выражением (1.1) общей постановки задачи управления производством можно представить как:

µ : X T® C , η : С Т® Y;                                                                    (2.1)

T={tl, }; X = {U, V},

U={ui(t)| ui(t)ÎDUi, }, DU={DUi, }, tÎT;

V={vj(t)| vj(t)ÎDVj, }, DV={DVj, }, tÎT;

С = {Ct: Ct =f (Ct-1, X), UÎ DU, VÎ DV, tÎT}

Сt = {cn(t), }, tÎT

Y = {ym(t), }, tÎT;

ym(t) = ηm(t,Ct), tÎT, ;

Сt = µ(t, X), tÎT       ,                       

где µ - отображение (оператор) множества X входов на всём интервале времени (множества Т, соответствующего горизонту времени) управления во множество состояний С; η – отображение множества состояний на горизонте управления во множество выходов (результатов)Y; U – множество параметров управляемых входов u(t); V – множество параметров возмущающих (неуправляемых) входов v(t); Ct – промежуточное состояние системы в момент времени tÎT; Y - множество результирующих целевых выходов y(t); DU, DV –области допустимых значений управляемых и возмущающих параметров.

В зависимости от конкретизации множеств V, U, C, Y , отображений (операторов) µ и η и интервалов T можно получить как аналитические так и слабоформализуемые дискретные или непрерывные модели.

5. Результат анализа – концептуальная модель – имеет цель построения моделей более детального - логического уровня для последующей идентификации параметров этих моделей на этапе синтеза системы.

Для получения моделей логического уровня предлагается использовать понятие банка математических моделей  (БМ) предметной области (СУ ЗПК). Это обусловлено наличием общей отраслевой специфики, которая может быть реализована в виде структурированных определённым образом типовых модельных компонентов (ТМК) процессов (критерии, условия, связи).

Для него разрабатываются модели на основе тех или иных методов из определяемого исследователем конфигуратора языков системы.

БМ предназначен для синтеза СУП ЗПК и позволяет использовать заранее подготовленные ТМК для решения актуальных задач; на логическом уровне конструировать из них модельные агрегаты (МА) для СУ ЗПК; исследовать возможное поведение систем. Динамика сложной СУ раскрывается через динамику взаимосвязанных МА.

В процессе проведения исследований и развития СУ БМ пополняется новыми моделями, отражающими новые функции и свойства объектов.

Для достижения требуемого уровня адекватности моделей реальным объектам с учётом обязательного использования субъективного опыта специалистов отраслевых предприятий и компаний предусматривается разработка собственных методик постепенной формализации моделей.

С целью автоматизации методологии моделирования сложных СУ разработана программа построения системных диаграмм и концептуального моделирования – SDCM (System Diagram and Conceptual Modeler), позволяющая строить и редактировать граф, анализировать правильность построения и контуры ОС, изменять топологию диаграммы, получать концептуальную модель в ТМП.

В третьей главе проведено системное исследование и концептуальное моделирование основных подсистем и разработаны математические постановки задач СУП ЗПК на основе разработанной методологии.

Проведён анализ подсистемы учёта и контроля движения хлебопродуктов на предприятии (УКДХП) на примере приёма зерна с а/т в период закупок.

Рис.3.1 Дерево целей подсистемы учёта и контроля движения х/п в ЗПК

 

Автоматизация УКДХП на ЗПК должна обеспечивать достижение целей, приведенных в виде дерева целей на рис.3.1. В соответствии с ним построена

ДПСС (рис.3.2), которая включает следующие контуры ОС:

1. C1 - V1 - Y5 - Y3 - Y1 - C1 – усиливающий  контур (положительная ОС) – говорит  о том, что увеличение грузооборота  за счёт привлечения клиентов - поставщиков зерна на а/т с  полей в сезон сбора урожая  повышает рентабельность хлебозаготовительной деятельности предприятия и, как следствие, его конкурентоспособность.

2. C1 - V1 - Y5 - C3 - Y4 - C2 - Y3 - Y1 - C1 – ослабляющий (компенсирующий) контур (отрицательная  ОС) - показывает, что увеличение  количества клиентов - поставщиков  зерна (при закупке) ограничивается загрузкой приёмного фронта предприятия.

Рис. 3.2. Диаграмма причинно-следственных связей подсистемы УКДХП в ЗПК

Пропустим для краткости контуры с 3 по 13 и перейдём сразу к контуру 14.

14. C3 - Y4 - V1 - Y5 - C3 – ослабляющий контур, ограничивающий рост грузооборота загрузкой приёмного фронта, увеличением времени простоя и снижением транспортного потока зерна.

15. Y5 - V3 - U3 - C4 - Y5 – ослабляющий контур, ограничивающий рост грузооборота  возможностями хранения и приёма зерна.

Подобным образом проанализированы остальные контуры ОС (с 3 по 13).

Анализ  контуров ОС на ДПСС УКДХП показывает, что в целом данная система регулирования устойчива. Стремление к увеличению грузооборота зерна и к снижению его потерь (влияющих на рентабельность) на основе повышения уровня автоматизации учёта и мониторинга х/п, мотивации персонала предприятия и увеличения количества его клиентов, ограничивается возможностями приёмного фронта с а/т, его загруженностью, а также возможностями размещения и хранения зерна (использования силосов), связанными с разнообразием качества поступающего зерна.