CC BY
23
Прогностическое моделирование проектных инновационных решений по конфигурации средств оснащения высокотехнологичных производств
Рассматривается методика формирования комплекса прогностических моделей формирования и выбора проектных инновационных решений в области конфигурации средств оснащения высокотехнологичных производств. Структуризация комплекса представлена системой многослойных граф-моделей, объединяющих формирование исходной информации; конфигурирование средств оснащение формообразующей операции; формирование совокупности технико-экономических, производственных и финансовых критериев. Решение задачи выбора оптимального инновационного решения построено на реализации алгоритма Булева линейного программирования. Практическая апробация работы проведена путем решения задачи технологического синтеза многоосевого станка для лазерной обработки.
Ключевые слова: инновационное решение, прогностическое моделирование, математическая модель, граф-модель, оптимизация.
С. В. Лукина,
д. т. н., профессор, кафедра экономики и управления предприятием, ФГБОУ ВО «МГТУ «СТАНКИН»
!ик1па [email protected]
ю
о
о 00
<
00 О X X
Введение
Инновационная деятельность промышленных предприятий в области выпуска высокотехнологичных машин и механизмов различного целевого назначения определяется в поиске и реализации конструктивного исполнения ответственных деталей и поверхностей и формировании комплекса средств технологического оснащения формообразующих операций. Сложность задачи производственного управления в этом случае определяется необходимостью выявления и установления большого количества сложных взаимосвязей между параметрами ответственных деталей и поверхностей, средств технологического оснащения и параметрами оценки эффективности производственной деятельности промышленных предприятий с учетом динамически изменяющихся факторов внешней среды [1, 5, 9, 10]. Центральной задачей при этом является процедура синтеза вариантов решения проблемы с последующей оценкой альтернатив по выбранным критериям с учетом принятых ограничений.
Большой объем анализируемой информации и многовариантность алгоритма поиска оптимального решения обуславливают необходимость формирования интегрированной среды прогностического моделирования, сформированной на совокупности знаний и теорий в области производственных технологий, в том числе конвергентных [9]. Создание такой среды позволит обеспечить направленный выбор наиболее перспективных решений на этапах их создания по совокупности сформированных критериев, и генерировать
требования и ограничения к структурам и свойствам средств технологического оснащения формообразующих операций с учетом их инновационности и конкурентоспособности.
В этой связи актуальной является задача разработки обобщенной интегрированной среды прогностического моделирования, объектно-ориентированной в области высокотехнологичных производств, разработанной с использованием системного подхода к формализации процессов и систем, подчиняющейся единой системе управления моделируемым объектом, позволяющей использовать концептуальное единство используемых моделей, учитывающей факторы случайности и нечеткости исходных данных на проектирование, позволяющей автоматически строить алгоритм формирования и выбора инновационных решений на основе некоторых знаний о законах функционирования высокотехнологичных производств [7].
Целью работы является повышение эффективности разработки проектных решений в области конфигурации средств технологического оснащения высокотехнологичных производств путем разработки комплекса прогностических моделей формирования и выбора вариантов с учетом их инновационности и конкурентоспособности.
Общая часть
В рамках исследования под инновационным решением принята совокупность вариантов проектных решений в области конфигурации средств техноло-
гического оснащения, способствующая повышению эффективности функционирования высокотехнологичных производств и освоению нововведений в различных областях деятельности предприятия [2].
Для решения задачи создания интегрированной среды прогностического моделирования использовался аппарат теорий построения сложных систем, теории графов, теории множеств и их матричных инвариантов, исследования операций. Как правило, на этапе формирования множества альтернатив цель разработки инновационного решения уже определена [4-6]. Это — увеличение объема продаж, сокращение издержек, модернизация производственных процессов или формообразующих систем, повышение качества и конкурентоспособности ответственных деталей и механизмов, расширение рынков сбыта продукции и др. Ставится задача выбора наиболее эффективного способа достижения выбранной цели при заданных исходных условиях.
Структура разработанной интегрированной среды прогностического моделирования определена в виде гипер-графа [7], каждое ребро которого характеризует множество слоев процессов создания, разработки и реализации инновационного решения, а глубина каждого слоя — совокупность способов решения рассматриваемой задачи (рис. 1). Следует отметить, что при формировании обобщенной гипер-структуры, концептуально описывающей интегрированное инновационное решение, количество и глубина слоев могут быть величинами бесконечными. Это позволяет дополнять модель новыми способами организации процессов инновационного управления, формируя, таким образом, принципиально новые инновационные решения.
Рассмотрим предметную направленность ребер гиперграфа. Формирование системы исходной информации (ребро Б) определяет совокупность входных данных интегрированной среды прогностического моделирования. В общем случае ребро Б объединяет группы геометрических, конструктивных, эксплуатационных и экономических параметров средств оснащения формообразующих операций, доступных для использования в рамках действующих или проектируемых процессов, таких как: исходная инфор-
мация по обрабатываемым деталям; базы данных по существующим средствам оснащения на предприятии (база данных станочного оборудования, номенклатуры инструмента и приспособлений) и коэффициентам их загрузки; базы данных по существующим технологическим процессам; существующая среда технической поддержки производства; CAD/CAM/ CAE-инструменты SD-моделирования; САПР ТП, АСУПП и т. д.; информация по свободным оборотным средствам предприятия и т. д. [8]:
Ребро G гипер-графа объединяет алгоритмы генерации новых свойств изделий, выраженные в виде совокупности взаимосвязанных двудольных граф-моделей и сформированным по ним ^-мерным матрицам принятия решений, позволяющим качественно с использованием двумерного базиса и количественно с использованием весовых коэффициентов оценочных критериев идентифицировать каждый инновационный вариант решения.
Алгоритм анализа и синтеза идей (ребро А) определяет философию разработки рабочих гипотез проекта, построенных на дедуктивных, индуктивных и комбинированных подходах:
Ребро S определяет область конфигурирования средств оснащения формообразующих операций в виде совокупности сильно связанного сетевого и двудольного графов. Сетевой граф имеет многослойную структуру, каждый слой которой определяет выбор определенного средства оснащения в зависимости от принятого метода формирования поверхностей, а глубина каждого слоя определяет множество доступных вариантов исполнений средств оснащения (рис. 2). В качестве методов формирования поверхностей (слой tp^) в общем случае рассмотрены CUT-технологии, основанные на удалении слоев металла с предварительно сформированной заготовки большего размера, ADD-технологии, основанные на «выращивании» изделия путем воссоздания его SD-геометрического образа
Рис. 1. Гипер-граф интегрированной среды прогностического моделирования
Рис. 2. Граф-модель конфигурирования средств оснащения высокотехнологичных производств
ю о
CN
cJ о сч
оо
< СО
о
послойным формообразующим синтезом материала на заготовке, комбинированные и другие технологии:
П1п
nlpl
Ю
О (N
CN О N
оэ
J <
CÛ О
i
В свою очередь CUT-технологии могут быть обеспечены использованием лезвийной, абразивной, электролучевой, комбинированной и другой обработкой:
Выбор метода обработки зависит от требований точности, производительности и себестоимости обработки в рамках производственно-технических возможностей производственного предприятия.
Слой 1рз определяет вид обрабатывающего CUT- и ADD-оборудования, например: токарные, фрезерные, шлифовальные, эрозионные, лазерные, плазменные станки, SD-принтеры и т. д.:
В качестве инструмента на формообразующих операциях (слой 1рз) может быть использован режущий и абразивный инструмент, проволока или электроды, лазерный излучатель, плазматрон и др.:
Слой 1р5 определяет средства дооснащения, расширяющие технологические возможности обрабатывающего оборудования, оснасткой: по повышению степеней подвижности; автоматизации функций контроля и измерения; диагностики состояния; загрузки-выгрузки заготовок, оснастки, инструментов и обработанных деталей и т. д.:
%5
Ip5= U PSi' i
Множество возможных вариантов формообразующих систем (слой /р6) определяется совокупностью обходных путей графа, формируемых при последовательных переходах между слоями от ребра Ds, содержащего исходную информацию, к ребру Ct, характеризующему выбор оптимального варианта конфигурации средств оснащения посредством направленного структурного и параметрического синтеза.
Условие выполнения всех заданных исходных данных характеризуется включением в обходной путь графа (последовательность дуг xj) вершин, выходящих
из ребра D:
Таким образом, множество вариантов конфигурации средств оснащения есть множество вершин двудольного графа С:
Ребро Я гипер-графа, описывающее организационные параметры инновационного решения, определяет: сферу инновационного решения (слой /у 1): У11 — технологическая инновация, — продуктовая, У!3 — организационно-управленческая, — комбинированная, — другая; слой /у 2 определяет источник инновационной идеи: У21 — собственные разработки предприятия, разработки стратегических партнеров (вершина У22), покупка инновационной идеи (лицензий, патентов) и другие. Слой у определяет: Уз1 — схему финансирования инновационного решения: бюджетные ассигнования, Уз2 — средства специальных внебюджетных фондов финансирования, Узз — собственные средства предприятий и другие. Слои /у4, /у 5, /у6 описывают материально-техническую базу, кадровые ресурсы предприятия и выбранную стратегию ценообразования.
Выбор эффективного инновационного решения следует осуществлять на основе анализа совокупности оценочных критериев (ребро К), определяющих технико-экономические, производственные и финансовые показатели промышленного предприятия [7], а также частные показатели качества и конкурентоспособности средств оснащения.
При выделении единичного критерия предпочтения, задача выбора оптимального инновационного решения сводится к поиску экстремального пути в графе, соответствующему минимальному или максимальному значению целевой функции оценочного критерия.
При необходимости учета совокупности критериев предпочтения выбор оптимального решения сводится к расчету аддитивной или мультипликативной свертки частных критериев и ранжированием вариантов по полученным результатам сверток:
Условие обеспечения выбора оптимального варианта решения из множества сформированных возможных вариантов конфигураций средств оснащения формообразующих систем характеризуется включением в обходные пути графа множества вершин двудольного графа С:
2 xit= i > 7=1
для Ху G {0, 1} (VzjE{ 1, 2,..., nip6}). (2)
(3)
где b — коэффициент значимости i-го оценочного критерия; h — общее число оценочных критериев (ребро K).
Система ограничений модели (3) определяет условия обеспечения требований о выборе каждого сконфигурированного варианта только по одному критерию предпочтения и соответствия каждого критерия только одному сконфигурированному варианту.
Разработанная среда прогностического моделирования реализована в среде электронных таблиц Microsoft Excel. Выбор Microsoft Excel в качестве ин-
струмента обоснован наличием встроенных функций
и алгоритмов поиска решения, высокой доступностью
и наглядностью приложений.
Выводы:
1. В результате проведенных исследований сформирован интегрированный комплекс прогностического моделирования, адаптированный для формирования и выбора проектных инновационных решений по конфигурации средств оснащения высокотехнологичных производств.
Основу комплекса составляет совокупность граф-моделей и их матричных инвариантов, характеризующих этапы создания, разработки и реализации инновационных решений.
2. Разработанная среда прогностического моделирования позволяет осуществить направленное формирование характеристик средств оснащения высокотехнологичных производств, выбрать их оптимальную конфигурацию и оценить иннова-ционность проектных решений.
3. Разработанный комплекс прогностического моделирования практически реализован для задачи формирования и выбора конфигураций средств технологического оснащения лазерной системы многокоординатной обработки [8].
Список использованных источников
1. Волков В. А. Факторы инновационного развития предприя-тия//Вестник МГТУ Станкин. - 2013, № 2 (25). с. 105-110.
2. Волкова Г. Д. Когнитивное моделирование в техносфере// Вестник МГТУ Станкин. - 2014. № 1 (28). с. 148-151.
3. Волкова Г. Д. Философские аспекты моделирования конструкторско-технологических знаний при создании систем автоматизации проектирования в машиностроении//Вестник МГТУ Станкин, - 2012. № 1 . Т. 2 . с. 141-144.
4. Волошнин А. П., Балашова И. А., Балашов А. М. Инновации и социальная ответственность в машиностроении//Вестник МГТУ Станкин. - 2013. № 1 (24). с. 128-131.
5. Долгов В. А., Кабанов А. А., Андреев Н. С., Дацюк И. В. Формирование информационной модели для оценки эффективности
производственной системы//Вестник МГТУ Станкин, - 2014. № 4 (31). с. 191-195.
6. Илюхин Ю. В. Роль метода компьютерного моделирования в познании технических объектов//Вестник МГТУ Станкин. -2013. № 4 (27). с. 141-145.
7. Лукина С. В. Методика оптимизации производственной деятельности промышленного предприятия на основе комплекса прогностических моделей формирования и выбора проектных инновационных решений в области высокотехнологичных производств//Вестник МГТУ Станкин. - 2015. № 1 (32). с. 125-129.
8. Лукина С. В., Иванников С. Н., Крутякова М. В., Манаен-ков И. В. Технологический синтез мехатронных станочных систем для многоосевой обработки//Известия МГТУ «МАМИ». - 2013. Т. 2. № 1 (15). с. 146-151.
9. Макаров В. М., Лукина С. В. Наукоемкий инжиниринг в задачах техперевооружения//РИТМ: Ремонт. Инновации. Технологии. Модернизация. - 2013. № 8 (86). С. 16-20.
10. Макаров В. М., Лукина С. В. Управление изменениями изделий двойного назначения//РИТМ: Ремонт. Инновации. Технологии. Модернизация. - 2014. № 4 (92). С. 22-27
Predictive modelling of design innovative solutions for the configuration of means of equipment of hi-tech productions
S. V. Lukina, D.Sc. (Engineering), Moscow State University of Technology.
The technique of formation of a complex of predictive models of formation and a choice of design innovative solutions in the field of hi-tech productions is considered. Structurization of a complex is presented by system of the multilayered graph-models uniting formation of initial information; configuration of means equipment of formbuilding operation; formation of set of technical and economic, production and financial criteria. The solution of a problem of a choice of an optimum innovative solution is constructed on realization of algorithm of Boolean linear programming. Practical approbation of work is carried out by a solution of a problem of technological synthesis of the multiaxial machine for laser.
Keywords: innovative solution, predictive modeling, mathematical model, graph-model, optimization.
Лаборатория исследования свойств материалов центра коллективного пользования МГТУ «СТАНКИН»
Является междисциплинарной лабораторией, направленной на решение задач сопровождения научных исследований, повышения качественного уровня научно-исследовательских и опытно-конструкторских работ проводимых в университете, обеспечение потребностей научных коллективов в области изучения свойств материалов, а также решения прикладных задач в машиностроении. Лаборатория оснащена уникальным набором современного лабораторного и аналитического оборудования, позволяющего проводить испытания различного уровня сложности. В состав лаборатории входят: участки механических испытаний, материа-лографии, рентгеноструктурного анализа и рентгеновской фотоэлектронной спектроскопии.
ю о
CN
cï о N
оо
J <
СО
о
