CC BY
81
Иващенко А.В., Кременецкая М.Е., Пейсахович Д.Г.
УСТРАНЕНИЕ НЕОПРЕДЕЛЕННОСТИ ПРИ ВЗАИМОДЕЙСТВИИ ПЕРСОНАЛА ПРЕДПРИЯТИЯ В АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ ВНУТРИЦЕХОВОГО ПЛАНИРОВАНИЯ
Управление современным производственным предприятием практически всегда рассматривается в контексте применения современных информационных технологий планирования и контроллинга. Существует достаточно мощный инструментарий внутрицехового планирования в рамках MES технологий, который позволяет строить номенклатурные планы, генерировать сменно-суточные задания и контролировать выполнение работ по актам-нарядам в электронном виде. Также большинство автоматизированных систем распределения производственных ресурсов поддерживает адаптивное планирование в режиме реального времени.
Однако для мелкосерийного, опытного и наукоемкого производства применение этих технологий приводит к определенным трудностям. Детальное планирование возможно в случае, когда известны технологические процессы, а точность планирования серьезно зависит от адекватности нормирования работы разной квалификации. В случае, когда для изготовления изделия возможно применение различных технологий, технологические процессы требуют согласования с мастерами высокой квалификации, а при нормировании необходимо учитывать высокую неопределенность, возникает новая актуальная задача обеспечения согласованного взаимодействия между различными участниками производственного процесса, как на этапе планирования, так и на этапе выполнения плана.В качестве примера такой проблемы можно привести задачу автоматизации инструментального производства [1].
Логично требовать поддержки этого взаимодействия от автоматизированных систем производственно -го планирования, для чего их следует конструировать по принципам аналогии с живыми системами, применяя методы и средства управления согласованным взаимодействием в многоакторной интегрированной информационной среде [2]. Реализация такого подхода влечет за собой необходимость доработки и алгоритмов планирования, в которых необходимо учитывать человеческий фактор (выраженный в виде целей и ограничений лиц, принимающих решения), что позволит повысить адекватность результатов планирования, используемых для согласования в процессе виртуального взаимодействия.
Рассмотрим вариант формализации человеческого фактора в терминах теории игр[3]. Для этого выделим некоторые направления взаимодействия: выбор списка заказов и очерёдность их исполнения и
принятие решения о функциональной полноте и технологичности проекта, между конструктором и технологом.
Для уточнения целей и ограничений, влияющих на процесс принятия решений, необходимо определить множество игроков - участников игры; установить неопределенность поведения участников, связанную с наличием у каждого из них нескольких вариантов действий; установить различие (несовпадение) интересов игроков-участников; установить взаимосвязанность поведения участников (результат, получаемый каждым из них, должен зависеть от поведения всех участников); определить набор правил поведения, известных всем участникам.
В процессе проектирования новых изделий, будь то новый костюм, программный продукт или двигатель космического аппарата могут участвовать две стороны, преследующие противоположные цели. В случае с костюмом это будут дизайнер и технолог швейного производства; в случае с программным обеспечением - аналитик или тестировщик и программист; в случае двигателя космического аппарата -конструктор и технолог. Во всех этих случаях первая сторона во главу угла ставит качество и функциональные возможности проектируемого изделия, другая - время и стоимость его реализации.
Предположим, конструктор создал проект некоторого изделия, состоящего из нескольких составных частей. Этот проект он направляет для анализа технологу. Технолог его рассматривает, составляет набор замечаний и предложений и возвращает конструктору. Так продолжается до тех пор, пока обе стороны не придут к консенсусу.
Объект игры - проект, который может характеризоваться несколькими критериями, например сложность и функциональность изделия. В процессе принятия решения оба игрока последовательно, начиная с конструктора, делают некие предложения, которые изменяют, в ту или иную сторону, сложность и/или функциональность. Эти изменения критериев являются выигрышами разных сторон. Игрок-конструктор остаётся в выигрыше, если повышается функциональность, игрок-технолог - если уменьшается сложность. Характерно то, что критерии сложности и функциональности почти всегда находятся в обратной зависимости. Увеличение функциональности зачастую ведёт к повышению сложности, а уменьшение сложности к потере функциональности.
В интеллектуальной программной среде (например, построенной на базе мультиагентной платформы) для такой игры можно предложить следующий сценарий:
Первое предложение всегда исходит от конструктора, и всегда имеет нулевое изменение сложности и функциональности;
Технолог рассматривает предложения конструктора, выбирает самый приемлемый из них, и возвращает ему один или несколько вариантов уменьшения сложности этого варианта;
Конструктор рассматривает предложения технолога, выбирает самый приемлемый из них, и возвращает ему один или несколько вариантов увеличения функциональности этого варианта;
Действия повторяются до тех пор, пока у одной и сторон не останется предложений по оптимизации проекта.
Следует отметить, что в данном случае игроки не имеют детерминированного набора стратегий. Каждое предложение может непредсказуемо повлиять на критерии объекта.
Перед началом игры задаются некоторые условия критериев, определяющие ее завершение. Это могут быть пороговые значения критериев (максимально допустимая сложность, минимально-допустимая функциональность) или некоторая пара функций выигрыша, определяющих наилучшие варианта для каждой и сторон.Игра будет считаться оконченной, если ни одна из сторон не может внести предложение, улучшающее критерии объекта. Решение будет считаться найденным, если хотя бы один из промежуточных вариантов проекта удовлетворяет условиям критериев, или функциям выигрыша.Наилучшим будет считаться вариант решения, совокупность значений функций выигрыша которого будет экстремальной (лучшей).
Предположим, что конструктор и технолог обладают некоторыми определёнными наборами стратегий
HC и H т :
HC
hCi
нт =
hTi
C
h
т
h
hk
hC
hlk
hk
т
h
lk
где k, l - количество стратегий конструктораи технолога соответственно. Тогда игру между конструктором и технологом можно описать в виде:
HCT =
hH у
ifk , <
hC hT
hlk, hlk
Следует отметить, что некоторые предложения конструктора и технолога могут быть несовместимы, что обнулит выигрыш обоих игроков. То есть, если нет ни одной пары стратегий не обнуляющей выигрыши, то можно заключить, что проект невозможно реализовать.
В современном опытном, наукоемком производстве непосредственные исполнители (рабочие цехов), часто имеют сдельно-премиальную форму оплаты труда, что должно приводить к материальной заинтересованности в том, чтобы участвовать в определении набора и очерёдности заказов, принимаемых предприятием к выполнению. В такой ситуации рабочий имеет цель в том, чтобы минимизировать своё время простоя и максимизировать свою нагрузку, но по-прежнему будет индифферентен к стоимости заказов и прибыли всего предприятия в целом. С другой стороны руководитель производственного подразделения заинтересован в получении максимальной прибыли и может принимать решения о допустимом простое части рабочих или планировании невыгодных заказов.
Таким образом, появляется известный конфликт, состоящий в необходимости учитывать при планировании как валовые, так и товарные технико-экономические показатели (ТЭП). Если описать каждый заказ парой значений:
Г = {с,о, q0},
где Cj о - стоимость заказа, а q, о - его трудоемкость,
а вариант (стратегия) его изготовления, зависящий от выбранной технологии производства, используемого оборудования, материалов и рабочей силы, в виде:
s ={с, q,j},
где C,j - стоимость заказа для выбранной стратегии, а q,j - его трудоемкость,
в интеллектуальной системе производственного планирования можно предусмотреть возможность по автоматизации поддержки принятия решений с учетом взаимодействия по согласованию валовых и товарных ТЭП следующим образом.
Рассмотрим вариант, когда рабочему в электронном сменно-суточном задании предоставляется возможность выбора последовательности выполнения заказов из заданного списка и вариантов его выполнения. Если труд рабочего оплачивается сдельно, чем выше трудоёмкость выполнения заказа - тем ему выгоднее заказ. Чем выше величина q^ , тем выше вероятность, что рабочий откажется от выполнения
такого заказа. Такая ситуация не выгодна обоим игрокам. С другой стороны, менеджеру выгоднее использовать технологии, снижающие себестоимость выполнения заказа.
Величина q,j может быть недостаточной, что приведёт к срыву сроков выполнения заказа. Величина
Cjможет быть избыточной, что приведёт к убыточному производству. Можно предположить, что эти значения чаще всего находятся в обратной зависимости, то есть, чем больше трудоёмкости требует технология в производстве, тем дороже это производство.
Таким образом, руководитель производственного подразделения получает возможность формирования списка заказов (портфеля), чем может привлекать, мотивировать рабочих, а рабочий, в свою очередь, получает возможность формирования собственного плана по выполняемым заказам с целью повышения эффективности собственного труда. Дополнительным фактором, влияющим на поведение рабочих, в такой ситуации может быть появление конкурентной борьбы за заказы.
Так как рабочий и менеджер преследуют не строго противоположные цели, можно заключить что, процесс принятия решения о выборе заказа можно описать как бескоалиционную неантагонистическую игру.
Например
биматричный вид такой игры для выигрышей руководителя C, о — C,j
и рабочего q, о — q,j мож-
но представить в виде:
Si S 2 S3 S4
Г1 10 ; 2 б ; 3 4 ; 5 1 ; 9
Г2 0 ; 15 3 ; 9 7 ; 2 11; 1
Г3 го о 5 ; 5 4 ; 4 6 ; 6
Г4 тН со 8 ; 3 5 ; 9 2 ; 7
Полужирным и подчеркиванием выделены ситуации, равновесные по Нэшу для руководителя и рабочего соответственно, а цветом обозначены ситуации равновесные по Парето. По данному примеру можно заключить, что в сложившейся игре, если игроки будут выбирать свои стратегии не одновременно, будет иметь место борьба за лидерство.
Так если первым будет выбирать руководитель, он выберет заказ 3, после чего рабочему придётся выбрать четвертуюстратегию. Если же первым будет выбирать рабочий, он выберет стратегию 2, после чего руководитель выберет четвертый заказ.Если бы игроки принимали решение одновременно, не имея информации о выборе оппонента, каждый выбрал бы стратегию, обеспечивающую минимум потерь и сошлись бы на варианте заказа 4 итехнологии 2. Если организовать коалиционную игру (предположить, что игроки договорились и выбрали некую функцию, определяющую совокупный выигрыш, например, сумму аргументов), будет выбран заказ 2 с технологией 1.
Отметим, что при случае реализации данного подхода в автоматизированной системе планирования необходимо учитывать последовательности выполнения технологических операций, что приводит к большей вариативности стратегий выполнения заказов. Для некоторых операций нельзя предложить альтернативы, для других это не имеет смысла по экономическим соображениям, однако ключевые операции, обладающие наибольшей трудоемкостью или связанные с узкими местами производственного процесса, необходимо планировать с учетом описанного выше подхода. Это приводит к тому, что в модели, реализуемой в автоматизированной системе планирования, появляется ещё одно измерение, и при выборе технологии/заказа обеим сторонам необходимо учитывать выигрыши сразу для всего технологического процесса.
ЛИТЕРАТУРА
1. Андреев М.В., Иващенко А.В., Карсаев О.В., Самойлов В.В., Скобелев П.О., Царев А.В. Поддержка процессов коллективного принятия решений по управлению инструментальным производством на основе мультиагентной системы планирования ресурсов в реальном времени // Материалы научнотехнического семинара «Управление в распределенных сетецентрических и мультиагентных системах». -СПб.: ОАО «Концерн «ЦНИИ «Электроприбор», 2010. - с. 75 - 80
2. Иващенко А.В. Управление согласованным взаимодействием пользователей интегрированной информационной среды предприятия / Самара: Самарский научный центр РАН, 2011. - 100 с.
3. Воронин А.А., Губко М.В., Мишин С.П., Новиков Д.А. Математические модели организаций: Учебное пособие. - М.: ЛЕНАНД, 2008. - 360 с.
