Файл: Голенко Д.И. Статистические модели в управлении производством.pdf

Для некоторых дискретных производств с длитель­ ными циклами изготовления продукции можно мини­

В то же время для большинства типов производств ве­ личины интервалов опроса и контроля системы следует

ют меньших затрат, чем контроль системы, в процессе которого производится переработка информации. В дальнейшем происходит некоторая перестройка систе­ мы, связанная с необходимостью реализации управляю­ щих воздействий. Поэтому процедуру опроса системы следует выполнять чаще, чем контроль системы. Часто­ та опросов т 0 и частота контроля т к для данной систе­ мы связаны между собой соотношением Т о ^ г Т к - В опи­ сываемой системе сбора и обработки информации пред­ полагается, что частоты т 0 и т к выбраны заранее из тех'нико-экоиолтических соображений либо заданы мето­ ды определения очередных точек опроса и контроля.

Этап 3. Осуществляется сбор данных о выполненных работах в текущем интервале опроса. Здесь же органи­ зуется хранение данных, полученных на предыдущих интервалах опроса, в течение заданного интервала вре­ мени. Обычно этот интервал принимается равным ин­ тервалу контроля, поскольку в момент контроля проис­ ходит обновление всех постоянных массивов и коррек­ тировка параметров всех комплексных производствен­ ных моделей.

В систему сбора поступает информация как от от­ дельных ответственных исполнителей, так и от датчи­ ков на рабочих местах путем передачи информации по

обратной связью. После опроса производственной сис­ темы управление передается этапу 2 для споеделения следующей точки опроса и передачи ее этапу 3.

Взаимодействие этапов 2 и 3 продолжается таким же образом в течение всего времени функционирования про­ изводственной системы, что обеспечивает бесперебой-

тавливается отчетная информация для подразделений

и на среднем уровнях иерархии необходимо использо­ вать главным образом комплексные имитационные мо­ дели функционирования производства. Для случая единичного и мелкосерийного производств хорошие результаты дает использование сетевых моделей (дета­ лизированных и укрупненных), которые удобно приме­ нять для решения различных оптимальных задач [1.13, 2.10]. Что касается использования имитационных

ния работ, связанных с изготовлением различных де­

построить искомое расписание прохождения деталей по станкам. Заметим, что в случае единичного или мелко­ серийного производств решение такого рода задач мо­ жет быть эффективно получено и при помощи сетевых моделей. Что касается дискретно-непрерывного произ­ водства, то здесь возникают задачи, во многом сходные с задачами, решаемыми в процессе управления серий­ ным производством. Основное отличие состоит в том, что в дискретно-непрерывном производстве продолжи­ тельности обработки изделий на различных группах

оборудования являются не детерминированными, а случайными величинами, причем в ряде случаев коэф­ фициенты вариации последних приобретают большое значение. При этом ряд циркулирующих потоков полу­

рывном производстве удобно использовать имитацион­ ные модели массового обслуживания, тогда как в дис­ кретном производстве их применение сравнительно ма­ лоэффективно.

кой большого числа проектов, каждый из которых реа­ лизует процесс создания объекта новой техники, либо какого-либо другого сложного комплекса индивидуаль­ ного производства. Процесс проектирования и разра­ ботки обычно отображается динамической сетевой мо­ делью, как правило, со случайными параметрами ра­ бот. Главной задачей, решаемой в процессе управления

в каждый из разрабатываемых проектов, т. е. состав­ ление оптимального плана-графика функционирования разрабатывающего предприятия. Последнее может быть достигнуто в результате многоуровневой оптими­ зации комплекса сетевых моделей, методологически близкой к рассмотренной в § 1.4 многоуровневой опти­ мизации в серийном производстве. В частности, как бу­ дет показано ниже, решение может быть получено на основе статистических методов оптимизации. Для раз­ рабатывающих предприятий, в которых время выполне­ ния отдельных разработок носит случайный характер, эффективность управления обеспечивается решением ряда дополнительных задач прогнозирования хода раз­ работок. Последние могут быть решены на основе мно­ гоуровневых имитационных моделей, также рассматри­ ваемых ниже.

Иначе обстоит дело при проектировании сложных комплексов в условиях неопределенности. В этом слу­ чае процесс проектирования является вероятностным и существует ряд альтернативных путей достижения це­ ли, большинство из которых, в свою очередь, носит сто­ хастический характер. Задача управления такими про-

цеосами сводится к анализу различных путей достиже­

модели, адекватной вероятностному процессу проекти­ рования, стохастической сетевой модели [1.4, 5.6— 5.7]'. Последняя, как будет показано ниже, является также достаточно эффективным инструментом управ­ ления вследствие возможности принятия решения в точках ветвления.

Разработка и описание различных типов статисти­ ческих имитационных моделей требует создания спе­ циального языка моделирования, который выполнял бы

6.25]. Однако ограниченный объем монографии лишает нас возможности описания такого рода моделей.

Заметим, что предприятий собственно серийного производства существует сравнительно мало, вслед­ ствие чего нам представляется целесообразным рас­ смотрение двух наиболее представительных классов— мелкосерийного и крупносерийного типов производств. Статистические модели последних будут рассмотрены нами в последующих главах.

Г л а в а 2. СТАТИСТИЧЕСКИЕ МОДЕЛИ

ВМЕЛКОСЕРИЙНОМ ПРОИЗВОДСТВЕ

§2. 1. Основные задачи управления

мелкосерийным производством

Впредыдущей главе нами уже отмечалось, что дости­ жение глобальной цели системы требует удовлетворения на заданном уровне и на каждой стадии функционирова­ ния производства .некоторых локальных критериев, опре­ деленным образом связанных с основными параметрами функционирования объекта управления. Изучение таких зависимостей является важной задачей управления про­ изводством.

Задачи, решаемые на различных стадиях управления производством, можно разделить на две группы:

— исследование структуры объекта и набора воздей­ ствующих на него факторов, а также нахождение опти мальных параметров структуры в той части воздействую­ щих факторов, которые поддаются регулированию;

— непосредственная оптимизация процессов управ­ ления производством при заданной структуре объекта и органов управления.

Последняя группа оптимизационных задач, в свою очередь, подразделяется на две подгруппы, в зависимос­ ти от возможного воздействия на ресурсы или объемы выполняемых работ при заданной структуре объекта и органов управления:

а) оптимизация объемов выполняемых работ при за­ данных ресурсах объекта управления;

б) оптимизация ресурсов при известных объемах вы­ полняемых работ.

Первая группа задач возникает при проектировании системы управления производством и на стадии перспек­ тивного планирования. Вторая группа задач реализуется на стадиях текущего планирования и оперативного регу­ лирования производства. При этом задачи подгруппы (а)