Разработка миварной экспертной системы для планирования ресурсов цеха и анализа отклонений

Для создания машиностроительного искусственного интеллекта применяют миварные технологии логического искусственного интеллекта. Производственный процесс часто сопровождается большим количеством событий, а различные виды отклонений и помех прямо или косвенно влияют на стабильную и эффективную работу производства, а также приводят к снижению качества продукции. Прогнозирование отклонений и помех при планировании производства – это проблема научных исследований, которая является основой планирования ресурсов производственных систем. Известен подход к решению оптимизационных задач распределения ресурсов производственных систем на основе построения логического вывода в миварной базе знаний, который и представляет собой план распределения ресурсов. В данной работе анализируются отклонения и/или нарушения, вызванные вмешательством в производство в цехе, а именно материалы, персонал, оборудование, процессы и так далее, и предлагается определение производственных помех в производственной среде цеха. Значительная степень вмешательства выражается в задержках поставок продукции, снижении уровня качества и других отклонениях от запланированного производственного плана. Разработана миварная экспертная система для прогнозирования отклонений в производственных процессах после планирования ресурсов цеха. Экспертная система разработана с использованием программного комплекса КЭСМИ Wi!Mi «Разуматор». Проанализированы отклонения в производственной среде, установлена система факторов, влияющих на отклонения, и построена соответствующая миварная модель прогнозирования производственных отклонений в цехе. Применение миварной экспертной системы эффективно и быстро решает задачу поддержки принятия решений на основе проведения гибких сложных вычислений при расчете весов. Поэтому миварная экспертная система играет критически важную роль в прогнозе помех планирования цеховых операций, значительно повышая эффективность работы всей системы управления предприятием.

1. Варламов О.О., Кривошеев О.В., Трищенков А.В. и др. Машиностроительный искусственный интеллект как новое направление для СПЖЦ. В сборнике: МИВАР'22: Сборник научных статей. Москва: ИНФРА-М; 2022. С. 363–369.

2. Варламов О.О., Кривошеев О.В., Трищенков А.В. и др. Цифровизация агропромышленного комплекса и машиностроительный ИИ. В сборнике: МИВАР'22: Сборник научных статей. Москва: ИНФРА-М; 2022. С. 390–398.

3. Graham R.L., Lawler E.L., Lenstra J.K., Rinnooy Kan A.H.G. Optimization and Approximation in Deterministic Sequencing and Scheduling: a Survey. Annals of Discrete Mathematics. 1979;5:287–326. https://doi.org/10.1016/S0167-5060(08)70356-X

4. Gairing M., Lücking T., Mavronicolas M., Monien B. Computing Nash Equilibria for Scheduling on Restricted Parallel Links. In: STOC '04: Proceedings of the thirty-sixth annual ACM symposium on Theory of computing, 13–16 June 2004, Chicago, IL, USA. New York: Association for Computing Machinery; 2004. pp. 613–622. https://doi.org/10.1145/1007352.1007446

5. Chen B., Potts C.N., Woeginger G.J. A Review of Machine Scheduling: Complexity, Algorithms and Approximability. In: Handbook of Combinatorial Optimization. Boston: Springer; 1998. pp. 1493–1641. https://doi.org/10.1007/978-1-4613-0303-9_25

6. Gunawan A., Ng K.M., Poh K.L. Solving the Teacher Assignment-Course Scheduling Problem by a Hybrid Algorithm. International Journal of Computer and Information Engineering. 2007;1(2):137–142.

7. Танаев B.C., Шкурба В.В. Введение в теорию расписаний. Москва: Главная редакция физико-математической литературы изд-ва «Наука»; 1975. 256 с.

8. Танаев B.C., Гордон B.С., Шафранский Я.М. Теория расписаний. Одностадийные системы. Москва: Наука. Главная редакция физико-математической литературы; 1984. 384 с.

9. Лазарев А.А. Модели и методы решения задач теории расписаний. Автоматика и телемеханика. 2014;(7):14–16.

10. Батищев Д.И., Гудман Э.Д., Норенков И.П., Прилуцкий М.Х. Метод декомпозиций для решения комбинаторных задач упорядочения и распределения ресурсов. Информационные технологии. 1997;(1):29–33.

11. Батищев Д.И., Гудман Э.Д., Норенков И.П., Прилуцкий М.Х. Метод комбинирования эвристик для решения комбинаторных задач упорядочения и распределения ресурсов. Информационные технологии. 1997;(2):29–32.

12. Прилуцкий М.Х. Распределение однородного ресурса в иерархических системах древовидной структуры. В сборнике: Идентификация систем и задачи управления SICPRO '2000: Труды международной конференции, 26–28 сентября 2000 года, Москва, Россия. Москва: Институт проблем управления им. В.А. Трапезникова РАН; 2000. С. 2038–2049.

13. Прилуцкий М.Х. Многокритериальные многоиндексные задачи объёмно-календарного планирования. Известия Российской академии наук. Теория и системы управления. 2007;(1):83–87.

14. Варламов О.О., Кривошеев О.В. Применение миварных технологий логического искусственного интеллекта для решения задач распределения ресурсов производственных систем. Системы управления и информационные технологии. 2022;(1):49–56. https://doi.org/10.36622/VSTU.2022.87.1.011

15. Варламов О.О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство. Москва: Радио и связь; 2002. 286 с.

16. Коценко А.А., Горячкин Б.С., Базанова А.Г., Марущенко А.В., Варламов О.О. Модель описания миварных сетей в формате двудольных и трехдольных ориентированных графов для принятия решений и обработки информации в машиностроительном ИИ. Динамика сложных систем – XXI век. 2024;18(1):5–17.

17. Варламов О.О. Большие знания: расширение областей применения миварных технологий логического ИИ. В сборнике: МИВАР'23: Сборник научных статей. Москва: ИНФРА-М; 2023. С. 591–597.

18. Варламов О.О., Коценко А.А., Аладин Д.В., Желтова А.А., Марущенко А.В. Миварные системы принятия решений роботов. РобоРазум. Москва: ИНФРА-М; 2024. 549 с.

19. Коценко А.А., Козырев С.А., Тодуа Д.Г., Марущенко А.В., Варламов О.О. Исследование применения миварных технологий для планирования маршрутов робототехнических комплексов в трехмерном логическом пространстве. Естественные и технические науки. 2024;(2):190–196. https://doi.org/10.25633/ETN.2024.02.12

20. Varlamov O., Aladin D. A New Generation of Rules-based Approach: Mivar-based Intelligent Planning of Robot Actions (MIPRA) and Brains for Autonomous Robots. Machine Intelligence Research. 2024. https://doi.org/10.1007/s11633-023-1473-1

21. Варламов О.О. Подготовка исходных данных для миварных БЗ СПР роботов. В сборнике: МИВАР'23: Сборник научных статей. Москва: ИНФРА-М; 2023. С. 545–551.

22. Честнова Е.А., Федосеева Е.Ю., Ваганов Д.Д. и др. Разработка базы знаний МЭС по подбору лекарственных форм для антибиотиков и антимикотиков. Естественные и технические науки. 2023;(5):29–33. https://doi.org/10.25633/ETN.2023.05.01

23. Желтова А.А., Варламов О.О. Комплексный ИИ: анализ распознавания знаков на фотографиях. В сборнике: МИВАР'23: Сборник научных статей. Москва: ИНФРА М; 2023. С. 412–417.

24. Максимов Н.В., Варламов О.О. Большие знания: модели и средства представления, поиска и обработки знаний в задачах интеллектуальной деятельности. В сборнике: МИВАР'23: Сборник научных статей. Москва: ИНФРА М; 2023. С. 579–590.

25. Варламов О.О. Создание больших знаний и расширение областей применения миварных технологий логического искусственного интеллекта. Информационные и математические технологии в науке и управлении. 2023;(4):30–41. https://doi.org/10.25729/ESI.2023.32.4.003

26. Баканов С.В., Осипов В.Г., Варламов О.О. О применении миварных технологий ИИ для систем моделирования процессов жизненного цикла – BPMS. Информация и образование: границы коммуникаций. 2022;(14):227–229.

27. Volkov A., Varlamov O. Method of creation of a two-level neural network structure for solving problems in mechanical engineering. In: Intelligent Information Technology and Mathematical Modeling 2021 (IITMM 2021): Journal of Physics: Conference Series: Volume 2131, 31 May – 06 June 2021, Gelendzhik, Russia. IOP Publishing; 2021. https://doi.org/10.1088/1742-6596/2131/3/032003

28. Маматкулов У.Б., Кесель С.А., Семенов Д.В. и др. Миварная интеллектуализация SGRC-платформ информационной безопасности. В сборнике: МИВАР'22: Сборник научных статей. Москва: ИНФРА-М; 2022. С. 269–275.

29. Варламов О.О., Кривошеев О.В. Использование миварных сетей для РРПС. В сборнике: МИВАР'22: Сборник научных статей. Москва: ИНФРА-М; 2022. С. 376–382.

30. Варламов О.О., Кривошеев О.В. Применение комбинированного алгоритм РРПС при неполноте данных. В сборнике: МИВАР'22: Сборник научных статей. Москва: ИНФРА-М; 2022. С. 383–389.

31. Блохина С.В. и др. О проблемах образования, целевом образе «школы будущего», информатизации и перспективных информационных технологиях образования. Известия ЮФУ. Технические науки. 2007;(5):195–200.

32. Подкосова Я.Г., Васюгова С.А., Варламов О.О. Новые возможности и ограничения технологий виртуальной реальности для проведения научных исследований, трехмерной визуализации результатов моделирования и создания миварных обучающих систем и тренажеров. Труды Научно-исследовательского института радио. 2011;(2):13–23.

33. Адамова Л.Е., Варламов О.О. Обеспечения психологической безопасности студентов при пандемии и цифровизации. В сборнике: МИВАР'22: Сборник научных статей. Москва: ИНФРА-М; 2022. С. 315–322.

34. Терехов В.И., Горячкин Б.С. Развитие актуальных научных направлений как продолжение научных школ кафедры «Системы обработки информации и управления» МГТУ им. Н.Э. Баумана. Динамика сложных систем – XXI век. 2023;17(3):25–33.

35. Чжан С., Правдина А.Д., Тимофеев В.Б., Варламов О.О. МЭС планирования ресурсов цеха и анализа отклонений. В сборнике: Международная Научная Конференция Молодежной Школы «МИВАР'24»: МИВАР'24: Сборник научных статей, 18–20 апреля 2024 года, Москва, Россия. Москва: ИНФРА М; 2024. С. 112–117.